কন্টিনিউয়াস কম্পাউন্ডিং

Continuous compounding

৮ মিনিট পড়া শুরু · Beginner Python কোডসহ সম্পূর্ণ বাংলায়

এক নজরে · TL;DR

যখন কম্পাউন্ডিং ফ্রিকোয়েন্সি $m \to \infty$ (প্রতি মুহূর্তে কম্পাউন্ডিং), ইফেক্টিভ রেট $(1+r/m)^m - 1$ একটি নির্দিষ্ট সীমায় পৌঁছায় — $i_{eff} \to e^r - 1$।
ভবিষ্যৎ মূল্যের সূত্রও সরল হয়ে যায় — $F = P \cdot e^{rn}$, যেখানে $r$ নমিনাল বার্ষিক হার ও $n$ বছর সংখ্যা।
এই সীমা $e \approx 2.71828$ (গাণিতিক ধ্রুবক) থেকে আসে — Python-এর math.exp() ব্যবহার করে সরাসরি হিসাব করা যায়।
বাস্তবে দৈনিক ($m=365$) কম্পাউন্ডিং প্রায় কন্টিনিউয়াস কম্পাউন্ডিং-এর কাছাকাছি ফলাফল দেয় — পার্থক্য নগণ্য।

এই পাঠে যা শিখবেন

কন্টিনিউয়াস কম্পাউন্ডিং কী এবং এটি ডিসক্রিট কম্পাউন্ডিং-এর একটি লিমিটিং কেস কেন
Python দিয়ে $m$-কে ক্রমাগত বড় করে সংখ্যাগতভাবে $e^r - 1$-এ কনভার্জেন্স দেখানো
$F = P \cdot e^{rn}$ সূত্র ব্যবহার করে একটি বাস্তব ফিউচার-ভ্যালু হিসাব
ডিসক্রিট ($m$ অনেক বড়) ও কন্টিনিউয়াস পদ্ধতির ফলাফল একে অপরের সাথে মিলিয়ে ভেরিফাই করা

১ · m অসীমের দিকে গেলে কী হয়

আগের পাঠে দেখা হয়েছিল ইফেক্টিভ রেট $i_{eff} = (1+r/m)^m - 1$ কম্পাউন্ডিং ফ্রিকোয়েন্সি $m$ বাড়ার সাথে বাড়ে, কিন্তু বৃদ্ধির গতি ধীর হয়ে আসে। যখন $m \to \infty$ — অর্থাৎ প্রতি মুহূর্তে অসীম সংখ্যক বার কম্পাউন্ডিং হয় — তখন একে বলা হয় কন্টিনিউয়াস কম্পাউন্ডিংContinuous Compoundingকম্পাউন্ডিং ফ্রিকোয়েন্সি অসীমে নিয়ে যাওয়ার লিমিটিং কেস — ইফেক্টিভ রেট $e^r-1$-এ কনভার্জ করে।। ক্যালকুলাসের একটি সুপরিচিত সীমা থেকে জানা যায়:

$$\lim_{m \to \infty} \left(1 + \frac{r}{m}\right)^m = e^r \quad \Rightarrow \quad i_{eff} \to e^r - 1$$

এবং একই লিমিট $F = P(1+i)^n$-এ প্রয়োগ করলে ($i = r/m$, পিরিয়ড সংখ্যা $mn$):

$$F = P \cdot e^{rn}$$

Discrete Mathematics কোর্সের সাথে সম্পর্ক

$(1+r/m)^m$-এর $m \to \infty$ সীমা Discrete Mathematics কোর্সের লিমিট ও সিকোয়েন্স কনভার্জেন্স ধারণার একটি সরাসরি প্রয়োগ — $e$-এর একটি প্রমিত সংজ্ঞাই এই সীমা থেকে আসে, এখানে তা পুনরায় derive না করে সরাসরি প্রয়োগ করা হচ্ছে।

২ · Python দিয়ে সংখ্যাগত কনভার্জেন্স

নিচে $r = 10\%$-এর জন্য $m = 1, 12, 365, 8760, 1{,}000{,}000$ দিয়ে ডিসক্রিট ইফেক্টিভ রেট হিসাব করে দেখানো হচ্ছে তা কীভাবে ক্রমশ $e^{0.10} - 1$-এর দিকে এগিয়ে যায়, তারপর $F = P \cdot e^{rn}$ দিয়ে একটি বাস্তব ফিউচার-ভ্যালু হিসাব ও ডিসক্রিট-লিমিট ভেরিফিকেশন করা হচ্ছে।

Python

import math

# কন্টিনিউয়াস কম্পাউন্ডিং -- সংখ্যাগত কনভার্জেন্স

r = 0.10
print(f"নমিনাল বার্ষিক হার r = {r*100:.0f}%")
print(f"{'m':>12} | {'ইফেক্টিভ বার্ষিক হার (1+r/m)^m - 1':>34}")
print("-" * 52)
for m in [1, 12, 365, 8760, 1_000_000]:
    ie = (1 + r / m) ** m - 1
    print(f"{m:>12,} | {ie*100:>32.4f}%")

continuous_limit = math.exp(r) - 1
print()
print(f"কন্টিনিউয়াস কম্পাউন্ডিং লিমিট: e^r - 1 = {continuous_limit*100:.4f}%")

# -- F = P * e^(r*n) --
P = 5000
n = 3
F_continuous = P * math.exp(r * n)
print()
print(f"P = ${P:,.2f}, n = {n} বছর, r = {r*100:.0f}% (কন্টিনিউয়াস কম্পাউন্ডিং)")
print(f"F = P * e^(r*n) = ${F_continuous:,.2f}")

# -- ডিসক্রিট-m লিমিটের সাথে তুলনা (m = 1,000,000 বার/বছর) --
m_big = 1_000_000
F_discrete_big = P * (1 + r / m_big) ** (m_big * n)
print(f"m = {m_big:,} দিয়ে ডিসক্রিট কম্পাউন্ডিং: F ≈ ${F_discrete_big:,.2f}")
assert abs(F_continuous - F_discrete_big) < 0.01

লক্ষ্য করুন $m=1$-এ ইফেক্টিভ রেট $10.0000\%$, কিন্তু $m=365$-এই তা প্রায় $10.5156\%$-এ পৌঁছে যায় — যা কন্টিনিউয়াস লিমিট $10.5171\%$-এর খুব কাছাকাছি। $m$-কে আরও বাড়িয়ে (৮৭৬০, ১০ লক্ষ) দেখা যায় ফলাফল প্রায় অপরিবর্তিত থাকে — এটিই সংখ্যাগতভাবে প্রমাণ করে দৈনিক কম্পাউন্ডিং বাস্তবে কন্টিনিউয়াস কম্পাউন্ডিং-এর একটি চমৎকার অনুমান (approximation)।

মূল কথা · Key takeaway

কন্টিনিউয়াস কম্পাউন্ডিং হলো ডিসক্রিট কম্পাউন্ডিং-এর $m \to \infty$ সীমা — $i_{eff} \to e^r-1$ এবং $F = Pe^{rn}$। এটি একটি তাত্ত্বিক আদর্শ হলেও ব্যাংকিং, ফাইন্যান্স ও কিছু ইঞ্জিনিয়ারিং ইকোনমিক মডেলে সরলীকরণের জন্য ব্যবহৃত হয়, কারণ এটি সবচেয়ে ঘন ঘন কম্পাউন্ডিং-এর একটি নিরাপদ উচ্চ-সীমা (upper bound) দেয়।

ভাবনার প্রশ্ন

প্রতিটি প্রশ্ন নিজে কিছুক্ষণ ভাবুন — তারপর "→ উত্তর" চাপুন।

প্র ০১ কেন কন্টিনিউয়াস কম্পাউন্ডিং-এর ইফেক্টিভ রেট $e^r - 1$-কে বলা যায় একটি "উচ্চ-সীমা" (upper bound)?

কারণ $m$ বাড়ার সাথে ইফেক্টিভ রেট ক্রমাগত বাড়ে কিন্তু কখনো $e^r - 1$-কে অতিক্রম করে না — এটি একটি মনোটোনিক ইনক্রিজিং সিকোয়েন্স যার সীমা $e^r - 1$। যতই ঘন ঘন কম্পাউন্ড করা হোক না কেন (দৈনিক, ঘণ্টাভিত্তিক, সেকেন্ডভিত্তিক), ইফেক্টিভ রেট এই সীমাকে কখনো ছাড়িয়ে যেতে পারে না।

প্র ০২ কোড সেলে $m=8760$ (ঘণ্টাভিত্তিক) থেকে $m=1{,}000{,}000$-এ যাওয়ার সময় ইফেক্টিভ রেটে কতটা পরিবর্তন হয়, এবং এটি কী প্রমাণ করে?

পরিবর্তন খুবই ছোট — উভয়ই $10.5171\%$-এর কাছাকাছি, চার দশমিক স্থানে প্রায় একই। এটি প্রমাণ করে সিকোয়েন্স $(1+r/m)^m - 1$ দ্রুত কনভার্জ করে — $m$ কয়েক হাজারের বেশি হলে সীমার (limit)-এর সাথে ব্যবহারিক পার্থক্য প্রায় শূন্য হয়ে যায়।

প্র ০৩ কোড সেলের শেষ ভেরিফিকেশন (F_continuous বনাম F_discrete_big) কী দেখাচ্ছে?

এটি দেখায় সূত্র $F = Pe^{rn}$ (সরাসরি কন্টিনিউয়াস ফর্মুলা) এবং $m = 1{,}000{,}000$ দিয়ে করা ডিসক্রিট কম্পাউন্ডিং হিসাব প্রায় হুবহু একই ফলাফল দেয় ($1$ সেন্টের কম পার্থক্য) — অর্থাৎ $e^{rn}$ সূত্রটি আসলে অসীম-$m$ ডিসক্রিট কম্পাউন্ডিং-এরই একটি শর্টকাট, আলাদা কোনো নতুন গাণিতিক ধারণা নয়।

অনুশীলন

চিন্তা করুন: $r = 20\%$ নমিনাল রেটে কন্টিনিউয়াস কম্পাউন্ডিং-এর ইফেক্টিভ রেট আনুমানিক কত হবে — এবং এটি কি $12\%$ রেটের ক্ষেত্রের চেয়ে নমিনাল ও ইফেক্টিভ রেটের ফারাক (গ্যাপ) বেশি না কম হবে?

$e^{0.20} - 1 \approx 0.2214$, অর্থাৎ প্রায় $22.14\%$ — নমিনাল $20\%$-এর সাথে ফারাক প্রায় $2.14$ শতাংশ পয়েন্ট, যা $12\%$-এর ক্ষেত্রের ফারাকের ($e^{0.12}-1 \approx 12.75\%$, ফারাক $0.75$ পয়েন্ট) চেয়ে অনেক বেশি — রেট যত বেশি, কম্পাউন্ডিং ফ্রিকোয়েন্সির প্রভাবও তত বড় হয়।
পরীক্ষা করুন: উপরের কোড সেলে n = 3-কে n = 10-এ বদলে Run চেপে দেখুন $F$ কীভাবে বদলায়, এবং ডিসক্রিট-লিমিট ভেরিফিকেশন তখনও পাস করে কি না।

n=10 হলে $F = 5000 \cdot e^{1.0} \approx 5000 \times 2.718282 = \$13{,}591.41$। ভেরিফিকেশন তখনও পাস করবে, কারণ $m = 1{,}000{,}000$ যথেষ্ট বড় যে-কোনো $n$-এর জন্য কন্টিনিউয়াস লিমিটের খুব কাছাকাছি ফলাফল দিতে — পার্থক্য সবসময় ১ সেন্টের অনেক কম থাকে।

এই পাঠে যা শিখবেন

১ · m অসীমের দিকে গেলে কী হয়

২ · Python দিয়ে সংখ্যাগত কনভার্জেন্স

ভাবনার প্রশ্ন

অনুশীলন

আরও পড়ুন · ABCL TECH-এ আপনার পরবর্তী পদক্ষেপ