OpenFacet एक पारदर्शी ढांचा है जो अवलोकन योग्य बाजार डेटा का उपयोग करके सुगम, व्याख्या योग्य हीरे की कीमत मैट्रिक्स बनाने के लिए है। यह संरचित कैरेट-रंग-स्पष्टता ट्यूपल्स पर लॉग-रैखिक प्रतिगमन पर निर्भर करता है, जो मूल्य निर्धारण ग्रेडिएंट्स को कैप्चर करता है जबकि अप्रासंगिक या अविश्वसनीय डेटा को बाहर करता है।

मुख्य सिद्धांत:

• GIA¹-प्रमाणित गोल हीरे, 3EX² (कट, पॉलिश, सममिति), कोई फ्लोरेसेंस नहीं
• Cushion Modified Brilliant (CMB): गहराई 60–68.5%, उत्कृष्ट पॉलिश और सममिति, कोई फ्लोरेसेंस नहीं
• उद्योग मानक कैरेट बैंड्स (उदाहरण के लिए, 0.30–0.39ct) के अनुसार मॉडल की सूक्ष्मता
• कैरेट बैंड्स में लॉग-स्पेस स्मूथिंग के माध्यम से इंटरपोलेटेड कीमतें
• सबसे कम अवलोकन योग्य सार्वजनिक खुदरा मांग के माध्यम से प्रतिस्पर्धी मूल्य निर्धारण फ्लोर
• पुनर्निर्मित मैट्रिक्स मोनोटोनिसिटी बाधाओं³ का पालन करते हैं (बेहतर ग्रेड की कीमत कम नहीं होनी चाहिए)

DCX कम्पोजिट खुदरा हीरे की कीमतों, एल्गोरिदमिक रणनीतियों, सिंथेटिक परिसंपत्ति मूल्यांकन, और मात्रात्मक बाजार विश्लेषण के लिए एक बेंचमार्क प्रदान करता है।

डेटा स्रोत

कीमतें शीर्ष-स्तरीय ऑनलाइन खुदरा विक्रेताओं द्वारा प्रदान किए गए इन्वेंट्री से एकत्र की जाती हैं। स्रोतों को चाहिए:

• पूर्ण GIA विवरण (कट, रंग, स्पष्टता, कैरेट, प्रमाणपत्र ID) के साथ खुदरा-ग्रेड SKU प्रकाशित करना
• लाइव या बार-बार अपडेट की गई कीमतें प्रदान करना

हम उन आपूर्तिकर्ताओं को बाहर करते हैं जिनके पास असंगत मूल्य निर्धारण, आक्रामक कैशिंग, या गैर-GIA प्रमाणन मानक हैं।

मूल्य चयन तर्क

गैर-प्रतिनिधि आउटलायर्स से बचने के लिए, हम विशिष्ट स्पष्टता ग्रेड्स (FL–VS1: दूसरा; VS2–SI2: तीसरा) के लिए प्रति कैरेट दूसरी या तीसरी सबसे कम कीमत का चयन करते हैं, जो बाजार व्यवहार पर आधारित है, क्योंकि प्रति कैरेट सबसे कम कीमतें असामान्य पत्थरों या लिस्टिंग त्रुटियों को दर्शा सकती हैं। यह विधि प्रतिस्पर्धी लेकिन स्थिर खुदरा मांग सुनिश्चित करती है, जो पहुंच और मूल्य निर्धारण अखंडता को संतुलित करती है।

ऐसे मामलों में जहां वर्तमान अवलोकन खिड़की में आवश्यक रंग-स्पष्टता संयोजन के लिए कोई लिस्टिंग उपलब्ध नहीं है, सिस्टम एक बाधित ऐतिहासिक लुकअप लागू करता है, जो पिछले लिस्टिंग्स (पांच दिन पहले तक) को क्वेरी करता है ताकि चयन नियमों को पूरा करने वाली मान्य कीमतें मिल सकें। यह दृष्टिकोण, वित्तीय सूचकांकों जैसे BCOM में उपयोग की जाने वाली अंतिम अवलोकन आगे ले जाने की तकनीकों के समान, मैट्रिक्स निर्माण में निरंतरता सुनिश्चित करता है बिना कृत्रिम स्मूथिंग या अनुमान को शामिल किए। केवल सार्वजनिक रूप से सूचीबद्ध कीमतों पर विचार किया जाता है—इस चरण में कोई इंटरपोलेशन या सिंथेटिक कीमतें उपयोग नहीं की जाती हैं। परिणामी फ़िल्टर की गई कीमत सेट को फिर मैट्रिक्स पुनर्निर्माण तर्क में पास किया जाता है।

कैरेट-ग्रेड के उन क्षेत्रों में जहाँ अवलोकन विंडो के दौरान कोई मान्य लिस्टिंग उपलब्ध नहीं होती, मॉडल आसन्न कैरेट बैंड्स से व्युत्पन्न संरचनात्मक रूप से अनुमानित कीमतों का उपयोग करता है। इन्हें लॉग-स्पेस में बाधित एक्सट्रपलेशन के माध्यम से निकाला जाता है और केवल तब लागू किया जाता है जब सुसंगत दिशात्मक संकेत मौजूद हों। अनुमानित प्रविष्टियाँ मैट्रिक्स की निरंतरता बनाए रखने के लिए उपयोग की जाती हैं, शोर भरने के लिए नहीं, और इन्हें व्यवहारिक कैलिब्रेशन लेयर से बाहर रखा जाता है।

मूल्य मैट्रिक्स पुनर्निर्माण

प्रत्येक कैरेट बैंड के लिए, हम एक पूर्ण रंग × स्पष्टता मूल्य मैट्रिक्स को लॉग-रैखिक प्रतिगमन मॉडल का उपयोग करके पुनर्निर्मित करते हैं। खुदरा लिस्टिंग्स अधूरी होती हैं—कई रंग/स्पष्टता संयोजन हाल के मांगों के बिना होते हैं, विशेष रूप से कम मांग वाले खंडों में।

हम मानते हैं कि एक निश्चित कैरेट बैंड के भीतर, हीरे का लॉग-मूल्य $\log(p)$ रंग और स्पष्टता के साथ सुगम रूप से बदलता है। प्रत्येक ज्ञात नमूना इस प्रकार एन्कोड किया जाता है:

• $i$: संख्यात्मक रंग सूचकांक (D=0, E=1, …, M=9)
• $j$: संख्यात्मक स्पष्टता सूचकांक (FL=0, IF=1, …, SI2=7)
• $y = \log(p)$: लॉग-परिवर्तित मांग मूल्य

हम एक मॉडल को फिट करते हैं जो इस रूप में है:

$$ \log(p_{i,j}) = \beta_0 + \beta_1 \cdot (i - \bar{i}) + \beta_2 \cdot (q_j - \bar{q}) $$

जहां: एंकरिंग प्रभाव को यहाँ शामिल नहीं किया जाता, क्योंकि प्रत्येक मैट्रिक्स के भीतर कैरेट स्थिर रहता है और इन्हें क्रॉस-बैंड इंटरपोलेशन के दौरान अलग से संबोधित किया जाता है⁴。

• $\bar{i}, \bar{q}$: केंद्रित सूचकांक (रंग, उल्टा स्पष्टता)
• $q_j$: स्पष्टता गुणवत्ता स्कोर (IF → उच्च → बड़ा $q$)
• $\beta_0, \beta_1, \beta_2$: कम से कम वर्गों के माध्यम से प्रतिगमन गुणांक

हम रंग और स्पष्टता के प्रभावों को अलग करने के लिए GIA उत्कृष्ट कट तक सीमित करते हैं। Cushion Modified Brilliant (CMB) के लिए, हम GIA कट ग्रेड के स्थान पर समतुल्य दृश्य फ़िल्टर का उपयोग करते हैं: 60–68.5% गहराई, EX पॉलिश/सममिति, और बिना फ्लोरेसेंस।

गैर-रैखिक अवशिष्ट समायोजन

पर्याप्त डेटा घनत्व वाले मामलों में, हम ALS⁵ (वैकल्पिक कम से कम वर्ग) का उपयोग करके दूसरा चरण सुधार लागू करते हैं। यह वास्तविक लॉग-कीमतों और प्रारंभिक प्रतिगमन के बीच अवशिष्टों के लिए एक कम-रैंक मॉडल को फिट करता है, जो प्रारंभिक प्रतिगमन द्वारा छोड़े गए गैर-रैखिक प्रभावों को कैप्चर करता है। यह स्थानीय फिट को बेहतर बनाता है बिना मॉडल की व्याख्या योग्यता से समझौता किए।

यह हाइब्रिड दृष्टिकोण स्थिर, सुगम, और डेटा-संरेखित मूल्य सतहों का उत्पादन करता है जो आगे की मॉडलिंग के लिए उपयुक्त हैं।

बाधा कैलिब्रेशन

पुनर्निर्माण के बाद, मैट्रिक्स एक बाधित कैलिब्रेशन चरण से गुजरते हैं जो कम-डेटा वाले क्षेत्रों को स्थिर करता है और स्थानीय ग्रेड संबंधों को आर्थिक रूप से युक्तिसंगत बनाए रखता है। यह परत रंग और स्पष्टता के आसन्न चरणों पर अनुभवजन्य रूप से सूचित सीमाएं लागू करती है, जिससे अविश्वसनीय उलटफेर, अत्यधिक फैलाव, या किनारों पर अस्थिर व्यवहार रोका जा सके, जबकि मैट्रिक्स में निरंतरता बनी रहे।

अवलोकित बाजार लिस्टिंग प्राथमिक संकेत बनी रहती हैं। बाधा कैलिब्रेशन का उपयोग विरल नमूना वाले खंडों को नियमित करने के लिए किया जाता है, पर्याप्त डेटा घनत्व होने पर प्रत्यक्ष रूप से देखी गई कीमतों को बदलने के लिए नहीं।

व्यवहार समायोजन परत

एक निश्चित कैरेट बैंड के भीतर, कैरेट-चालित असततताएँ गायब हो जाती हैं, लेकिन ग्रेड-आधारित पसंदों में संरचित मूल्यांकन पक्षपात बने रहते हैं। पुनर्निर्मित आधार मैट्रिक्स पर दो व्यवहारिक प्रभाव लागू किए जाते हैं:

• प्रॉस्पेक्ट एवर्शन: शीर्ष-बाएँ (D/IF) संयोजनों से दूर जाने पर महसूस होने वाली गुणवत्ता-हानि के प्रति संवेदनशीलता, जिसे मूल बिंदु से घातीय क्षय के रूप में मॉडल किया जाता है⁶
• वेबलन प्रीमियम: विशिष्टता संकेतों के कारण उच्च-रैंक रंग/स्पष्टता युग्मों पर छोटे मूल्य-वृद्धि⁷

ये समायोजन ALS पुनर्निर्माण के बाद या कच्चे बैंड मैट्रिक्स पर लागू किए जाते हैं:

$$ P_{\text{adj}} = P_{\text{base}} \cdot \left[1 + \alpha e^{-\beta x} + \phi \left(1 - \frac{\text{rank}}{\text{max rank}} \right)^2 \right] $$

जहाँ:

• $x$: $(0, 0)$ से मैनहैटन दूरी, जो डाउनग्रेड की तीव्रता का निकटानुमान है
• $\text{rank}$: पंक्ति-क्रम सेल सूचकांक, जो मैट्रिक्स के भीतर दुर्लभता को रैंक करता है
• $\alpha, \beta, \phi$: अनुभवजन्य मूल्य विचलनों के अनुरूप कैलिब्रेट किए गए स्थिर हाइपरपैरामीटर

एंकरिंग प्रभाव को यहाँ शामिल नहीं किया जाता, क्योंकि प्रत्येक मैट्रिक्स के भीतर कैरेट स्थिर रहता है और इन्हें क्रॉस-बैंड इंटरपोलेशन के दौरान अलग से संबोधित किया जाता है⁴。

क्रॉस-कैरेट स्मूथिंग और मोनोटोनिसिटी प्रवर्तन

प्रत्येक कैरेट बैंड के लिए एंकर मैट्रिक्स (लॉग-रैखिक प्रतिगमन और ALS के माध्यम से) बनाए जाने के बाद, हम कैरेट मानों में दूसरा चरण स्मूथिंग पास लागू करते हैं। यह आसन्न बैंड्स में स्थिरता को बढ़ाता है और सैंपलिंग शोर या अनियमित लिस्टिंग्स को ठीक करता है जो प्रति कैरेट मूल्य उलटफेर का कारण बन सकते हैं।

हम दो क्रमिक परिवर्तनों को लागू करते हैं:

कर्नेल स्मूथिंग (क्रॉस-कैरेट)

प्रत्येक रंग-स्पष्टता सेल $(i, j)$ के लिए, हम लॉग-स्पेस में गॉसियन-भारित औसत का उपयोग करके कैरेट में कीमतों को स्मूथ करते हैं:

$$ \log P_c^{(i,j)} = \frac{\sum_k K(c, c_k) \cdot \log P_{c_k}^{(i,j)}}{\sum_k K(c, c_k)} \quad \text{के साथ} \quad K(c, c_k) = \exp\left(-\frac{(c - c_k)^2}{2\sigma^2}\right) $$

जहां:

• $c_k$: एंकर कैरेट बैंड्स (उदाहरण के लिए, 0.30, 0.40, …, 6.00)
• $\sigma$: स्मूथिंग बैंडविड्थ, आमतौर पर 0.10ct
• $P_{c_k}^{(i,j)}$: कैरेट $c_k$, रंग $i$, स्पष्टता $j$ पर लॉग-मूल्य अनुमान

यह कैरेट थ्रेशोल्ड्स (उदाहरण के लिए, 0.99 बनाम 1.00ct) में सुगम बदलाव सुनिश्चित करता है और स्थानीय विसंगतियों को दबाता है।

मोनोटोनिक प्रतिगमन (प्रति सेल)

स्मूथिंग के बाद, हम प्रति $(i,j)$ सेल में कैरेट-वार मोनोटोनिसिटी लागू करते हैं:

$$ \log P_{c_1}^{(i,j)} \leq \log P_{c_2}^{(i,j)} \leq \cdots $$

यह आइसोटोनिक प्रतिगमन के माध्यम से पूल आसन्न उल्लंघनकर्ता एल्गोरिदम (PAVA) का उपयोग करके किया जाता है। यह कैरेट में लॉग-कीमतों का एक गैर-घटता हुआ क्रम सुनिश्चित करता है।

चूंकि एक हल्का हीरा उसी ग्रेड के भारी हीरे से काटा जा सकता है, प्रति कैरेट कीमतें वजन के साथ कम नहीं होनी चाहिए।

राउंडिंग आर्टिफैक्ट्स या कर्नेल साइड इफेक्ट्स के खिलाफ सुरक्षा के रूप में, हम एक अंतिम सख्त क्लैंपिंग पास लागू करते हैं। यदि:

$$ \log P_{c_k}^{(i,j)} < \log P_{c_{k-1}}^{(i,j)} $$

हम जबरन $P_{c_k}^{(i,j)} := P_{c_{k-1}}^{(i,j)}$ सेट करते हैं।

मूल्य इंटरपोलेशन मॉडल

हम कीमत को कैरेट, रंग, और स्पष्टता की एक सुगम, लॉग-परिवर्तित फंक्शन के रूप में मानते हैं। हीरे की कीमतों की गैर-रैखिक प्रकृति—विशेष रूप से कैरेट वजन के संबंध में—के कारण, हमारा सिस्टम साधारण रैखिक औसत के बजाय मूल्य स्थान में लॉग-रैखिक इंटरपोलेशन का उपयोग करता है।

प्रत्येक उद्योग कैरेट बैंड (उदाहरण के लिए, 0.30–0.39 ct, 0.40–0.49 ct, …, 2.0–2.99 ct) के लिए मानकीकृत मूल्य मैट्रिक्स की गणना की जाती है, प्रत्येक रंग (D–M) और स्पष्टता (IF–SI2) पर एक मैट्रिक्स के रूप में संरचित।

किसी बैंड $[c_1, c_2]$ के भीतर किसी मध्यवर्ती कैरेट मूल्य $c$ पर एक मैट्रिक्स को इंटरपोलेट करने के लिए, हम दो एंकर मैट्रिक्स $P_1$ और $P_2$ के बीच ज्यामितीय इंटरपोलेशन लागू करते हैं:

$$ P_c(i,j) = \exp\left((1 - \lambda) \cdot \log P_1(i,j) + \lambda \cdot \log P_2(i,j)\right) $$

जहां:

• $P_c(i,j)$: कैरेट $c$, रंग $i$, स्पष्टता $j$ पर इंटरपोलेटेड मूल्य
• $P_1, P_2$ $c_1, c_2$ पर संदर्भ मूल्य मैट्रिक्स हैं
• $\lambda = \frac{c - c_1}{c_2 - c_1}$
• $i, j$ रंग और स्पष्टता पर सूचकांक
• सभी इंटरपोलेशन लॉग-स्पेस में किए जाते हैं ताकि बाजार व्यवहार में गुणक स्केलिंग को प्रतिबिंबित किया जा सके

राउंड-नंबर वज़नों (उदाहरण के लिए, 0.99 ct बनाम 1.00 ct) के आसपास खरीदार संवेदनशीलता को दर्शाने के लिए, हम एक one-sided anchoring adjustment लागू करते हैं—केवल तब उछाल देते हुए जब कैरेट किसी मनोवैज्ञानिक सीमा से थोड़ा नीचे हो:

$$ P_{\text{final}} = P_c \cdot \left[1 + \gamma e^{-\delta (t - c)} \right] \quad \text{if } c < t $$

• $t \in {0.3, 0.4, 0.5, 0.7, 0.9, 1.0, 1.5, 2.0, 3.0}$
• $\gamma \approx 0.1$, $\delta \approx 300$
• केवल $t$ से लगभग 0.03 ct नीचे के क्षेत्र में सक्रिय
• मोनोटोनिक स्केलिंग बनाए रखने के लिए, मूल्य-अंतर के 80% तक सीमित

यह विधि सुनिश्चित करती है कि मूल्य निर्धारण वास्तविक दुनिया की आपूर्ति बाधाओं को दर्शाता है: उच्च कैरेट वजन दुर्लभता प्रभावों के कारण प्रति कैरेट मूल्य को बढ़ाता है, न कि केवल कुल वजन मूल्य निर्धारण।

इंटरपोलेटेड मैट्रिक्स का उपयोग दृश्य प्रदर्शन, विश्लेषणात्मक मॉडलिंग, और सूचकांक निर्माण (उदाहरण के लिए, डायमंड कम्पोजिट इंडेक्स) के लिए किया जाता है। केवल सार्वजनिक खुदरा डेटा के आधार पर स्मूथ, लॉग-परिवर्तित आउटपुट प्रकाशित किए जाते हैं।

DCX: डायमंड कम्पोजिट इंडेक्स

DCX एक सिंथेटिक मूल्य सूचकांक है जो OpenFacet मैट्रिक्स से प्राप्त होता है, जो बेंचमार्किंग और वित्तीय उपयोग के लिए खुदरा-स्तर के हीरे की कीमत रुझानों को ट्रैक करने के लिए डिज़ाइन किया गया है।

DCX केवल GIA-प्रमाणित round brilliant हीरों को ट्रैक करता है जिनमें 3EX कट और कोई फ्लोरेसेंस नहीं होता। Fancy shapes को मानकीकृत cut grading की कमी और अधिक मूल्य परिवर्तनशीलता के कारण बाहर रखा जाता है।

विज़ुअलाइज़ेशन नोट: विज़ुअल डिस्प्ले (उदाहरण के लिए, बार चार्ट) में दिखाए गए स्पेक्स योगदान कच्चे भारित डॉलर मूल्य पर आधारित होते हैं: कैरेट × प्रति कैरेट मूल्य × वजन, जो सबसे बड़े योगदानकर्ता के सापेक्ष स्केल किया जाता है। यह DCX गणना से भिन्न है, जो स्मूथ, इंटरपोलेटेड प्रति कैरेट कीमतों और सामान्यीकृत वजनों का उपयोग करता है।

सूचकांक तर्क: कमोडिटी सूचकांकों (उदाहरण के लिए, BCOM) के विपरीत, जो एक्सचेंज-ट्रेडेड वायदा पर अंकगणितीय औसत का उपयोग करते हैं, DCX जेवन्स-शैली उपभोक्ता मूल्य सूचकांकों के समान ज्यामितीय औसत निर्माण का पालन करता है। यह हीरे की कीमतों की गुणक प्रकृति को दर्शाता है, जहां गुणवत्ता या कैरेट वजन में वृद्धि जोड़ने के बजाय संयोजित होती है। लॉग–एक्सप फॉर्मूलेशन आउटलायर्स की संवेदनशीलता को भी कम करता है और बड़ी मूल्य भिन्नता वाले स्पेक्स में अधिक सुसंगत, स्केल-संगत व्यवहार सुनिश्चित करता है।

निर्माण कार्यप्रणाली:

• बेंचमार्क बास्केट: स्पेक गणना सूचकांक स्थिरता को बाजार बदलावों की संवेदनशीलता के साथ संतुलित करती है; त्रैमासिक रूप से अपडेट की जाती है।
• वजन: अनुमानित वैश्विक मात्रा × मूल्य टर्नओवर द्वारा आवंटित; समय-समय पर पुनर्संतुलित।
• मूल्य निर्धारण स्रोत: प्रत्येक स्पेक कैरेट, रंग, और स्पष्टता (GIA ग्रेडिंग, 3EX, और कोई फ्लोरेसेंस नहीं मानता है) के एक अद्वितीय संयोजन को संदर्भित करता है।

सूचकांक प्रति कैरेट कीमतों के भारित ज्यामितीय औसत के रूप में गणना किया जाता है:

$$ DCX_t = \exp\left( \frac{\sum w_i \cdot \log P_{i,t}}{\sum w_i} \right) $$

जहां $P_{i,t}$ समय t पर स्पेक i की अनुमानित प्रति कैरेट कीमत है और $w_i$ इसका वजन है।

यह फॉर्मूलेशन स्पेक टर्नओवर द्वारा भारित इंटरपोलेटेड प्रति कैरेट कीमतों का एक ज्यामितीय औसत गणना करता है। ज्यामितीय औसत आउटलायर्स के प्रभाव को कम करता है और ग्रेड और आकारों में हीरे की कीमतों के गुणक व्यवहार के साथ संरेखित होता है।

यह निर्माण सुनिश्चित करता है:

• आउटलायर्स के प्रति प्रतिरोध (लॉग-औसत स्पाइक्स को स्मूथ करता है)
• कैरेट, रंग, स्पष्टता रेंज में प्रतिनिधित्व
• वित्तीय या सिंथेटिक परिसंपत्ति निपटान उपयोग के मामलों के लिए व्याख्या योग्यता

DCX विशेष रूप से सार्वजनिक रूप से सूचीबद्ध खुदरा कीमतों से निर्मित मैट्रिक्स से प्राप्त होता है। कोई प्रयोगशाला में उगाए गए या गैर-प्रमाणित पत्थर शामिल नहीं हैं। DCX को दैनिक रूप से पुनर्गणना किया जाता है और पूर्ण स्पेक-स्तर पारदर्शिता के साथ प्रकाशित किया जाता है।

Real DCX (मौद्रिक-तटस्थ मूल्यांकन)

मानक DCX नाममात्र USD मूल्य निर्धारण को दर्शाता है — प्रमुख खुदरा प्लेटफ़ॉर्मों पर देखे गए प्राकृतिक GIA-प्रमाणित हीरों के ऑफर-साइड उद्धरण। यद्यपि यह वास्तविक बाजार मूल्य निर्धारण को दर्शाता है, यह हीरे के मूल्य को स्वयं डॉलर की चालों से अलग नहीं करता।

USD मूल्य निर्धारण ऐसे कारणों से बदल सकता है जो परिसंपत्ति से सीधे संबंधित नहीं हैं:

• विदेशी विनिमय उतार-चढ़ाव — अन्य मुद्राओं के सापेक्ष USD की ताकत में बदलाव
• मुद्रास्फीतिजन्य क्षरण — डॉलर की क्रय शक्ति में दीर्घकालिक गिरावट

इन विकृतियों को हटाने के लिए, हम Real DCX की गणना करते हैं: सूचकांक का एक मौद्रिक-तटस्थ संस्करण जो FX एक्सपोज़र और फिएट अवमूल्यन, दोनों के लिए समायोजित होता है। यह हीरे के मूल्य निर्धारण को स्थिर-मूल्य USD शर्तों में व्यक्त करता है, जिससे दीर्घकालिक तुलना अधिक स्पष्ट होती है। नवीनतम Real DCX श्रृंखला नीचे दी गई है:

कार्यप्रणाली

Real DCX की गणना इस प्रकार की जाती है:

$$ \text{Real DCX}_t = \frac{\text{DCX}_t}{\text{DXY}_t^{0.6} \cdot \text{XAU}_t^{0.4}} $$

जहाँ:

• DXY प्रमुख फिएट मुद्राओं के मुकाबले USD की व्यापार-भारित ताकत को दर्शाता है
• XAU (सोना) समय के साथ USD के वास्तविक-मूल्य क्षरण का एक प्रॉक्सी है और गैर-फिएट बेंचमार्क के रूप में कार्य करता है

सिंथेटिक एंकर निर्माण

चार्टिंग में, हम दो सिंथेटिक एंकर रेखाएँ शामिल करते हैं: DCX/USD [DXY] और DCX/USD [XAU]। ये स्वतंत्र सूचकांक नहीं हैं, बल्कि स्केल किए गए प्रक्षेपण हैं जो दिखाते हैं कि नाममात्र DCX यदि केवल USD की ताकत (DXY के माध्यम से) या मूल्य-संग्रह प्रभावों (सोने के माध्यम से) से संचालित होता, तो कैसे विकसित होता।

प्रत्येक एंकर की गणना आधार तिथि से बेंचमार्क परिसंपत्ति की सापेक्ष चाल का उपयोग करते हुए नाममात्र DCX को पुनः स्केल करके की जाती है:

DXY एंकर:

$$ \text{Anchor}_{\text{DXY},t} = \text{DCX}_0 \cdot \frac{\text{DXY}_t}{\text{DXY}_0} $$

सोना एंकर:

$$ \text{Anchor}_{\text{XAU},t} = \text{DCX}_0 \cdot \frac{\text{XAU}_t}{\text{XAU}_0} $$

जहाँ $DCX_0$, $DXY_0$, और $XAU_0$ आधार संदर्भ तिथि के मान हैं (आमतौर पर श्रृंखला की पहली तिथि, $t=0$)। यह सामान्यीकरण समान USD स्केल पर स्पष्ट दृश्य तुलना की अनुमति देता है।

ये एंकर दिशात्मक संदर्भ प्रदान करते हैं — यह समझने में मदद करते हुए कि DCX में मूल्य परिवर्तन व्यापक मुद्रा रुझानों के साथ अधिक संरेखित हैं या हीरा-विशिष्ट मांग और आपूर्ति स्थितियों के कारण उनसे अलग हो रहे हैं। इन्हें सूचकांक गणना में उपयोग नहीं किया जाता और केवल व्याख्यात्मक उद्देश्य से दिखाया जाता है।

भार निर्धारण का तर्क

• 60% DXY: हीरे का मूल्य निर्धारण USD-प्रेरित पूंजी प्रवाह के प्रति संवेदनशील है, विशेषकर FX-एक्सपोज़्ड उपभोक्ता बाजारों और सीमा-पार खुदरा चैनलों में।
• 40% सोना: यद्यपि हीरों में आंशिक रूप से मूल्य-संग्रह विशेषताएँ होती हैं, वे मौद्रिक भंडार या पूर्ण मुद्रास्फीति-हेजिंग साधन नहीं हैं।

यह संरचना देखे गए बाजार व्यवहार को दर्शाती है और यदि मैक्रो स्थितियाँ या ट्रेडिंग पैटर्न बदलते हैं तो इसे संशोधित किया जा सकता है।

व्याख्या ढाँचा

उपयोग

Real DCX एक गैर-उद्धृत, विश्लेषणात्मक श्रृंखला है जिसे व्याख्यात्मक उद्देश्य से नाममात्र DCX के साथ दिखाया जाता है। इसका उपयोग मूल्य निर्धारण, निपटान या ट्रेडिंग के लिए नहीं किया जाता। इसकी भूमिका है:

• विभिन्न मौद्रिक व्यवस्थाओं में हीरे की मूल्य चालों को सामान्यीकृत करना
• बाजार-प्रेरित प्रशंसा और मुद्रा प्रभावों के बीच अंतर करना
• हीरे के मूल्य संकेतों के मैक्रो-स्तरीय मूल्यांकन का समर्थन करना

नाममात्र और वास्तविक, दोनों सूचकांक एक ही OpenFacet मूल्य मैट्रिक्स से व्युत्पन्न होते हैं और पूरी तरह पारदर्शी तथा पुनरुत्पादनीय रहते हैं।

अस्वीकृति: डायमंड कंपोज़िट इंडेक्स (DCX) एक मॉडल-आधारित बेंचमार्क है जो सार्वजनिक रिटेल लिस्टिंग से तैयार किया गया है। यह निष्पादन योग्य मूल्य या वित्तीय सलाह का प्रतिनिधित्व नहीं करता है। डेटा को फ़िल्टर, इंटरपोलेट और स्मूद किया गया है केवल इंडेक्स प्रयोजनों के लिए। उपयोग अपनी जिम्मेदारी पर करें। GIA, जेमोलॉजिकल इंस्टीट्यूट ऑफ अमेरिका, एक पंजीकृत ट्रेडमार्क है। यह साइट GIA से संबद्ध, अनुमोदित या समर्थित नहीं है।