क्या है Efficient Frontier Tool?
▾
कुशल फ्रंटियर इष्टतम पोर्टफोलियो का सेट है जो जोखिम के किसी भी स्तर के लिए उच्चतम अपेक्षित रिटर्न प्रदान करता है (जैसा कि पोर्टफोलियो मानक विचलन द्वारा मापा जाता है), या समकक्ष, किसी भी अपेक्षित रिटर्न के लिए सबसे कम जोखिम प्रदान करता है। इसे हैरी मार्कोविट्ज़ ने जर्नल ऑफ़ फ़ाइनेंस में प्रकाशित अपने ऐतिहासिक 1952 के पेपर 'पोर्टफोलियो चयन' में पेश किया था - इस काम ने उन्हें 1990 में आर्थिक विज्ञान में नोबेल पुरस्कार दिलाया और निवेशकों के पोर्टफोलियो निर्माण के बारे में सोचने के तरीके को मौलिक रूप से बदल दिया। मार्कोविट्ज़ की मुख्य अंतर्दृष्टि यह थी कि निवेशकों को परिसंपत्तियों का मूल्यांकन अलग-अलग नहीं करना चाहिए, बल्कि इस संदर्भ में करना चाहिए कि वे समग्र पोर्टफोलियो जोखिम में कैसे योगदान करते हैं। विशेष रूप से, उन परिसंपत्तियों का संयोजन जो पूरी तरह से सहसंबद्ध नहीं हैं (सहसंबंध <1.0) कुल पोर्टफोलियो जोखिम को व्यक्तिगत परिसंपत्ति जोखिमों के भारित औसत से कम कर देता है - एक घटना जिसे विविधीकरण कहा जाता है। संपत्तियों के बीच सहसंबंध जितना कम होगा, विविधीकरण लाभ उतना ही अधिक होगा और पोर्टफोलियो के जोखिम-रिटर्न ट्रेड-ऑफ में सुधार उतना ही बड़ा होगा। गणितीय अनुकूलन समस्या को हल करके कुशल सीमा उत्पन्न की जाती है: ज्ञात अपेक्षित रिटर्न, अस्थिरता और जोड़ीदार सहसंबंध के साथ परिसंपत्तियों का एक सेट दिया जाता है, वजन के सभी संभावित संयोजन ढूंढें जो अपेक्षित रिटर्न के प्रत्येक स्तर के लिए पोर्टफोलियो भिन्नता (या समकक्ष, मानक विचलन) को कम करते हैं। जोखिम-रिटर्न स्थान में परिणामी वक्र प्राप्त करने योग्य पोर्टफोलियो की सीमा का पता लगाता है - सीमा के नीचे का कोई भी पोर्टफोलियो उप-इष्टतम (इसके रिटर्न स्तर के लिए बहुत जोखिम भरा) है, और सीमा से ऊपर का कोई भी पोर्टफोलियो गणितीय रूप से अप्राप्य है। कैपिटल मार्केट लाइन (सीएमएल) जोखिम-मुक्त संपत्ति पेश करके कुशल सीमा अवधारणा का विस्तार करती है। जब जोखिम भरे पोर्टफोलियो के साथ जोड़ा जाता है, तो जोखिम-मुक्त संपत्ति निवेशकों को जोखिम-मुक्त उधार या उधार के साथ टैंगेंसी पोर्टफोलियो (कुशल सीमा पर जोखिम भरा पोर्टफोलियो जो शार्प अनुपात को अधिकतम करती है) को जोड़कर सीएमएल पर कोई भी बिंदु हासिल करने में सक्षम बनाती है। टैनजेंसी पोर्टफोलियो उन निवेशकों के लिए सैद्धांतिक रूप से इष्टतम जोखिम भरा पोर्टफोलियो आवंटन है जो इसे जोखिम मुक्त संपत्ति के साथ जोड़ सकते हैं। कुशल फ्रंटियर ढांचे का उपयोग रणनीतिक परिसंपत्ति आवंटन, पेंशन फंड निवेश नीति निर्माण, बंदोबस्ती पोर्टफोलियो निर्माण, रोबो-सलाहकार अनुकूलन इंजन और अकादमिक वित्त अनुसंधान में किया जाता है। इनपुट मान्यताओं (विशेष रूप से अपेक्षित रिटर्न) के प्रति परिणामों की संवेदनशीलता के संबंध में आलोचनाओं के बावजूद, पोर्टफोलियो अनुकूलन के लिए रूपरेखा प्रमुख औपचारिक दृष्टिकोण बनी हुई है।
Calkulon makes complex calculations simple — built for students and everyday problem-solvers.
सूत्र
▾
σ²_p = Σ_i Σ_j w_i × w_j × Cov(R_i, R_j) को न्यूनतम करें
इसके अधीन: Σ w_i = 1, E(R_p) = लक्ष्य, w_i ≥ 0 (केवल लंबे समय तक)
स्पर्शरेखा पोर्टफोलियो: अधिकतम (E(R_p) − R_f) / σ_pचर विवरण
▾
| प्रतीक | नाम | इकाई | विवरण |
|---|---|---|---|
| E(R_p) | अपेक्षित पोर्टफोलियो रिटर्न | % per year | व्यक्तिगत परिसंपत्ति के अपेक्षित रिटर्न का भारित औसत: E(R_p) = Σ w_i × E(R_i)। |
| σ_p | पोर्टफोलियो मानक विचलन | % per year | कुल पोर्टफोलियो जोखिम: σ_p = √(Σ_i Σ_j w_i × w_j × σ_i × σ_j × ρ_{ij})। |
| w_i | संपत्ति का वजन | % (0 to 1) | संपत्ति में निवेश किए गए पोर्टफोलियो का अनुपात i; सभी भारों का योग 1.0 होना चाहिए। |
| ρ_{ij} | सहसंबंध गुणांक | dimensionless (−1 to +1) | परिसंपत्तियों के रिटर्न i और j के बीच संबंध; कम सहसंबंध अधिक विविधीकरण लाभ उत्पन्न करते हैं। |
| Sharpe | शार्प भाग | dimensionless | जोखिम-समायोजित रिटर्न माप = (E(R_p) - R_f) / σ_p; कुशल सीमा पर टैनजेंसी पोर्टफोलियो को अधिकतम किया गया। |
| R_f | जोखिम-मुक्त दर | % per year | जोखिम-मुक्त संपत्ति की वापसी; कुशल सीमा के स्पर्शरेखा पूंजी बाजार रेखा की पहचान करने के लिए उपयोग किया जाता है। |
कैसे Efficient Frontier Tool
▾
- 1एक सामान्य अवधि में सभी उम्मीदवारों की संपत्तियों के लिए ऐतिहासिक रिटर्न डेटा एकत्र करें। प्रत्येक परिसंपत्ति के लिए अपेक्षित रिटर्न (आमतौर पर ऐतिहासिक माध्य या भविष्योन्मुखी अनुमान), प्रत्येक परिसंपत्ति के रिटर्न का भिन्नता/मानक विचलन, और सभी परिसंपत्ति जोड़े के बीच जोड़ीवार सहसंबंध मैट्रिक्स की गणना करें।
- 2सहप्रसरण मैट्रिक्स का निर्माण करें: प्रत्येक जोड़ी के लिए Cov(R_i, R_j) = ρ_{ij} × σ_i × σ_j। अनुकूलन के वैध समाधान के लिए सहप्रसरण मैट्रिक्स सकारात्मक अर्ध-निश्चित होना चाहिए।
- 3पोर्टफोलियो अनुकूलन समस्या सेट करें: लक्ष्य अपेक्षित रिटर्न बाधा (w^T μ = μ_target), एक बजट बाधा (Σ w_i = 1), और किसी भी अतिरिक्त बाधा (उदाहरण के लिए, कोई कम बिक्री नहीं: w_i ≥ 0) के अधीन पोर्टफोलियो भिन्नता (w^T Σ w) को कम करें।
- 4लक्ष्य अपेक्षित रिटर्न की एक श्रृंखला के लिए द्विघात प्रोग्रामिंग समस्या को हल करें - न्यूनतम विचरण पोर्टफोलियो (कुशल सीमा पर सबसे बाईं ओर) से अधिकतम रिटर्न पोर्टफोलियो (उच्चतम रिटर्न वाली संपत्ति में 100%) तक। प्रत्येक समाधान एक पोर्टफोलियो का भार, अपेक्षित रिटर्न और मानक विचलन देता है।
- 5सभी कुशल पोर्टफोलियो संयोजनों को जोखिम-रिटर्न स्थान में (σ_p, E(R_p)) जोड़े के रूप में प्लॉट करें। परिणामी परवलयिक वक्र का ऊपरी भाग कुशल सीमांत है; निचला भाग (न्यूनतम विचरण पोर्टफोलियो के नीचे) हावी और अक्षम है।
- 6Y-अक्ष पर जोखिम-मुक्त दर से एक रेखा खींचकर स्पर्शरेखा पोर्टफोलियो की पहचान करें जो कुशल सीमा के स्पर्शरेखा है। स्पर्शरेखा बिंदु सीमा पर सभी पोर्टफोलियो के बीच शार्प अनुपात को अधिकतम करता है। सीएपीएम ढांचे के तहत यह इष्टतम जोखिम भरा पोर्टफोलियो है।
- 7निवेशक की जोखिम सहनशीलता के आधार पर पूंजी बाजार रेखा के साथ उसके इष्टतम पोर्टफोलियो का चयन करें: जोखिम से बचने वाले निवेशक जोखिम-मुक्त संपत्ति और टैंगेंसी पोर्टफोलियो का मिश्रण रखते हैं; जोखिम चाहने वाले निवेशक टैनजेंसी पोर्टफोलियो का लाभ उठाने के लिए जोखिम-मुक्त दर पर उधार लेते हैं।
हल किए गए उदाहरण
▾
कम सहसंबंध (0.10) महत्वपूर्ण विविधीकरण प्रदान करता है - पोर्टफोलियो जोखिम किसी भी परिसंपत्ति के व्यक्तिगत जोखिम से कम है।
0.10 के कम सहसंबंध के साथ, स्टॉक और बॉन्ड के संयोजन से पोर्टफोलियो जोखिम काफी कम हो जाता है। न्यूनतम विचरण पोर्टफोलियो में लगभग 25% स्टॉक और 75% बॉन्ड होते हैं, जो लगभग 5.9% का पोर्टफोलियो मानक विचलन प्राप्त करता है - जो इस भार पर संयुक्त होने पर स्टॉक अस्थिरता (16%) और बॉन्ड अस्थिरता (6%) दोनों से काफी नीचे है। 3% जोखिम-मुक्त दर के साथ अधिकतम शार्प अनुपात को लक्षित करने वाला टैनजेंसी पोर्टफोलियो लगभग 60% स्टॉक और 40% बॉन्ड रखता है - क्लासिक 60/40 पोर्टफोलियो इस अनुकूलन ढांचे से स्वाभाविक रूप से उभरता है जब इनपुट लंबे समय तक चलने वाले ऐतिहासिक औसत को दर्शाते हैं।
पूर्ण नकारात्मक सहसंबंध सैद्धांतिक रूप से पूर्ण जोखिम उन्मूलन की अनुमति देता है - एक सैद्धांतिक चरम व्यवहार में शायद ही कभी पाया जाता है।
पूर्ण नकारात्मक सहसंबंध (ρ = −1.0) के साथ, दो संपत्तियों को जोखिम रहित पोर्टफोलियो में जोड़ना सैद्धांतिक रूप से संभव है। वे भार जो सभी पोर्टफोलियो जोखिम को खत्म करते हैं: w_A = σ_B / (σ_A + σ_B) = 10/(12+10) = 45.5% और w_B = 54.5%। परिणामी पोर्टफोलियो में शून्य मानक विचलन है - बिना किसी अस्थिरता के लगभग 6.9% (इन भारों पर भारित औसत रिटर्न) की गारंटीकृत रिटर्न। यह चरम मामला विविधीकरण की अधिकतम शक्ति को दर्शाता है और बताता है कि निवेशक कम या नकारात्मक सहसंबंध वाली संपत्तियों की तलाश क्यों करते हैं, विशेष रूप से हेज रणनीतियों, सोना और इक्विटी के सापेक्ष बांड।
सोने की उच्च अस्थिरता के बावजूद शेयरों में लगभग शून्य सहसंबंध वाला सोना जोड़ने से सीमा में सुधार होता है।
तीसरी संपत्ति के रूप में सोने को जोड़ने से कुशल सीमा ऊपर और बाईं ओर फैलती है, जिससे प्राप्त जोखिम-वापसी व्यापार में सुधार होता है। सोने की उच्च व्यक्तिगत अस्थिरता (18%) के बावजूद, स्टॉक के साथ इसका लगभग-शून्य या थोड़ा नकारात्मक सहसंबंध सार्थक विविधीकरण प्रदान करता है। स्पर्शरेखा पोर्टफोलियो लगभग 12% सोने को आवंटित करता है, जो सीमा को स्थानांतरित करता है और अधिकतम प्राप्त शार्प अनुपात को बढ़ाता है। यह मार्कोविट्ज़ की मौलिक अंतर्दृष्टि को प्रदर्शित करता है: व्यक्तिगत रूप से उच्च अस्थिरता वाली संपत्ति अभी भी पोर्टफोलियो दक्षता में सुधार कर सकती है यदि मौजूदा होल्डिंग्स के साथ इसका सहसंबंध पर्याप्त रूप से कम है।
वास्तविक दुनिया की बाधाएं (कोई शॉर्टिंग नहीं, अधिकतम स्थिति सीमा) व्यवहार्य सेट को छोटा करती हैं और सीमा को अंदर की ओर धकेलती हैं।
सैद्धांतिक कुशल सीमा अप्रतिबंधित पोर्टफोलियो भार मानती है - निवेशक पोर्टफोलियो भिन्नता को कम करने या अपेक्षित रिटर्न बढ़ाने के लिए छोटी स्थिति (नकारात्मक भार) ले सकते हैं। व्यवहार में, अधिकांश निवेशकों को लंबे समय की बाधा (कोई छोटी बिक्री नहीं), अधिकतम स्थिति आकार सीमा (उदाहरण के लिए, कोई एकल होल्डिंग> 10%), सेक्टर एकाग्रता सीमा और अन्य प्रतिबंधों का सामना करना पड़ता है। प्रत्येक बाधा पोर्टफोलियो के व्यवहार्य सेट को कम कर देती है और कुशल सीमा को दाईं ओर धकेल देती है (उसी रिटर्न के लिए अधिक जोखिम की आवश्यकता होती है)। बाधित और अप्रतिबंधित सीमाओं की तुलना निवेश बाधाओं की अवसर लागत की मात्रा निर्धारित करती है - संस्थागत पोर्टफोलियो डिजाइन के लिए एक महत्वपूर्ण अभ्यास।
वास्तविक अनुप्रयोग
▾
रणनीतिक परिसंपत्ति आवंटन: पेंशन फंड, बंदोबस्ती और सॉवरेन वेल्थ फंड के लिए लक्ष्य भार निर्धारित करना
रोबो-सलाहकार पोर्टफोलियो निर्माण: ग्राहक पोर्टफोलियो निर्माण के लिए स्वचालित कुशल फ्रंटियर अनुकूलन
देयता-संचालित निवेश: देयता विशेषताओं को देखते हुए वित्त पोषित स्थिति को अधिकतम करने के लिए परिसंपत्ति पोर्टफोलियो को अनुकूलित करना
जोखिम-कारक पोर्टफोलियो निर्माण: इक्विटी कारकों में कारक-मॉडल-आधारित कुशल पोर्टफोलियो का निर्माण
शैक्षणिक और सीएफए परीक्षा पाठ्यक्रम: मात्रात्मक पोर्टफोलियो प्रबंधन और आधुनिक वित्त सिद्धांत में मूलभूत विषय
विशेष मामले
▾
व्यवहार में, इस किनारे वाले मामले पर सावधानीपूर्वक विचार करने की आवश्यकता है क्योंकि मानक धारणाएँ मान्य नहीं हो सकती हैं। कुशल सीमांत उपकरण गणना में इस परिदृश्य का सामना करते समय, चिकित्सकों को सीमा स्थितियों को सत्यापित करना चाहिए, विभाजन-दर-शून्य जोखिमों की जांच करनी चाहिए, और विचार करना चाहिए कि क्या मॉडल की धारणाएं इन चरम स्थितियों के तहत वैध रहती हैं।
व्यवहार में, इस किनारे वाले मामले पर सावधानीपूर्वक विचार करने की आवश्यकता है क्योंकि मानक धारणाएँ मान्य नहीं हो सकती हैं। कुशल सीमांत उपकरण गणना में इस परिदृश्य का सामना करते समय, चिकित्सकों को सीमा स्थितियों को सत्यापित करना चाहिए, विभाजन-दर-शून्य जोखिमों की जांच करनी चाहिए, और विचार करना चाहिए कि क्या मॉडल की धारणाएं इन चरम स्थितियों के तहत वैध रहती हैं।
व्यवहार में, इस किनारे वाले मामले पर सावधानीपूर्वक विचार करने की आवश्यकता है क्योंकि मानक धारणाएँ मान्य नहीं हो सकती हैं। कुशल सीमांत उपकरण गणना में इस परिदृश्य का सामना करते समय, चिकित्सकों को सीमा स्थितियों को सत्यापित करना चाहिए, विभाजन-दर-शून्य जोखिमों की जांच करनी चाहिए, और विचार करना चाहिए कि क्या मॉडल की धारणाएं इन चरम स्थितियों के तहत वैध रहती हैं।
कुशल फ्रंटियर विश्लेषण के लिए ऐतिहासिक परिसंपत्ति वर्ग जोखिम-रिटर्न इनपुट (यू.एस., दीर्घकालिक औसत)
▾
| संपत्ति वर्ग | औसत वार्षिक रिटर्न | वार्षिक कक्षा विकास | सहसंबंध बनाम अमेरिकी इक्विटी |
|---|---|---|---|
| यू.एस. लार्ज-कैप इक्विटी | 10.0% | 15.5% | 1.00 |
| यू.एस. स्मॉल-कैप इक्विटी | 12.0% | 20.0% | 0.80 |
| अंतर्राष्ट्रीय देव. हिस्सेदारी | 8.5% | 16.5% | 0.75 |
| उभरती बाजार इक्विटी | 10.0% | 22.0% | 0.65 |
| अमेरिकी निवेश-ग्रेड बांड | 4.5% | 6.5% | −0.05 |
| अमेरिकी ट्रेजरी बिल | 3.5% | 1.5% | −0.02 |
| सोना | 6.5% | 18.0% | −0.05 |
| यू.एस. आरईआईटी | 9.0% | 17.0% | 0.60 |
| वस्तुएँ (व्यापक) | 5.5% | 16.0% | 0.15 |
| उच्च-उपज बांड | 6.5% | 10.0% | 0.55 |
अक्सर पूछे जाने वाले प्रश्न
▾
न्यूनतम विचरण पोर्टफोलियो क्या है?
न्यूनतम विचरण पोर्टफोलियो (एमवीपी) कुशल सीमा पर सबसे बायां बिंदु है - पोर्टफोलियो संयोजन जो अपेक्षित रिटर्न की परवाह किए बिना न्यूनतम संभव मानक विचलन प्राप्त करता है। यह बिना किसी रिटर्न बाधा के पोर्टफोलियो भिन्नता को कम करके पाया जाता है। एमवीपी अत्यधिक जोखिम से बचने वाले निवेशकों के लिए प्रासंगिक है जो अन्य सभी चीज़ों से ऊपर पूंजी संरक्षण को प्राथमिकता देते हैं। एमवीपी के बाईं ओर के सभी पोर्टफोलियो गणितीय रूप से अप्राप्य हैं, और एमवीपी (परवलयिक वक्र के निचले आधे हिस्से पर) के नीचे के सभी पोर्टफोलियो अक्षम हैं क्योंकि ऊपरी सीमा पर समान रूप से जोखिम भरा पोर्टफोलियो उच्च अपेक्षित रिटर्न प्रदान करता है। एमवीपी भार आमतौर पर सहप्रसरण मैट्रिक्स के व्युत्क्रम का उपयोग करके निर्धारित किया जाता है।
पूंजी बाजार रेखा क्या है और यह कुशल सीमा से कैसे संबंधित है?
कैपिटल मार्केट लाइन (सीएमएल) जोखिम-मुक्त दर (वाई-अक्ष पर) की रेखा है जो कुशल सीमा के स्पर्शरेखा है। यह जोखिम-मुक्त संपत्ति (उदाहरण के लिए, टी-बिल) और टैंगेंसी पोर्टफोलियो के सभी संभावित संयोजनों का प्रतिनिधित्व करता है। जोखिम-मुक्त दर के ऊपर सीएमएल का प्रत्येक बिंदु समान जोखिम स्तर पर कुशल सीमा पर सभी बिंदुओं पर हावी होता है, क्योंकि जोखिम-मुक्त संपत्ति निवेशकों को अधिक टी-बिल धारण करके जोखिम को शून्य तक कम करने में सक्षम बनाती है, या पोर्टफोलियो का लाभ उठाने के लिए जोखिम-मुक्त दर पर उधार लेकर टैंगेंसी पोर्टफोलियो से परे रिटर्न बढ़ाने में सक्षम बनाती है। सीएपीएम मान्यताओं के तहत, सभी निवेशकों को जोखिम सहनशीलता की परवाह किए बिना, अपने जोखिम भरे आवंटन के लिए टैनजेंसी पोर्टफोलियो रखना चाहिए - वे जोखिम मुक्त संपत्ति के साथ मिश्रण को अलग करके जोखिम को समायोजित करते हैं।
माध्य-विचरण अनुकूलन की मुख्य सीमाएँ क्या हैं?
माध्य-विचरण अनुकूलन (एमवीओ) की कई महत्वपूर्ण सीमाएँ हैं। सबसे पहले, यह इनपुट मान्यताओं के प्रति बेहद संवेदनशील है - अपेक्षित रिटर्न में छोटे बदलाव इष्टतम वजन ('कचरा अंदर, कचरा बाहर' समस्या) में बड़े बदलाव उत्पन्न करते हैं। दूसरा, यह सहप्रसरण का अनुमान लगाने के लिए ऐतिहासिक डेटा पर निर्भर करता है, जो भविष्य के संबंधों को प्रतिबिंबित नहीं कर सकता है। तीसरा, रिटर्न वितरण अक्सर गैर-सामान्य (वसा पूंछ, तिरछापन) होते हैं, जो एकमात्र जोखिम उपाय के रूप में विचरण का उपयोग करने के सैद्धांतिक आधार का उल्लंघन करते हैं। चौथा, अप्रतिबंधित अनुकूलन अत्यधिक, संकेंद्रित पोर्टफोलियो तैयार करता है जो अव्यावहारिक हैं। पांचवां, लेनदेन लागत और करों को नजरअंदाज कर दिया जाता है। चिकित्सक सिकुड़न अनुमान, ब्लैक-लिटरमैन विचार, मजबूत अनुकूलन और बाधा-आधारित दृष्टिकोण के माध्यम से इन सीमाओं को संबोधित करते हैं।
ब्लैक-लिटरमैन मॉडल क्या है और इसे क्यों विकसित किया गया?
1990 में गोल्डमैन सैक्स में फिशर ब्लैक और रॉबर्ट लिटरमैन द्वारा विकसित ब्लैक-लिटरमैन मॉडल, क्लासिक मार्कोविट्ज़ अनुकूलन की सबसे गंभीर सीमा को संबोधित करता है - अपेक्षित रिटर्न अनुमानों के प्रति अत्यधिक संवेदनशीलता। ब्लैक-लिटरमैन एक तटस्थ प्रारंभिक बिंदु के रूप में मौजूदा बाजार पोर्टफोलियो (सीएपीएम का उपयोग करके) द्वारा निहित संतुलन अपेक्षित रिटर्न के साथ शुरू होता है, फिर निवेशकों को विशिष्ट संपत्तियों या रिश्तों पर अपने स्वयं के 'विचार' व्यक्त करने की अनुमति देता है और इन विचारों को बायेसियन ढांचे में संतुलन रिटर्न के साथ मिश्रित करता है। परिणामी अपेक्षित रिटर्न अधिक स्थिर होते हैं और अच्छी तरह से विविध, सहज पोर्टफोलियो का उत्पादन करते हैं जो शुद्ध एमवीओ के अत्यधिक केंद्रित आवंटन से बचते हैं। ब्लैक-लिटरमैन संस्थागत रणनीतिक परिसंपत्ति आवंटन के लिए प्रमुख मात्रात्मक ढांचा है।
सहसंबंध कुशल सीमा को कैसे प्रभावित करता है?
परिसंपत्तियों के बीच सहसंबंध कुशल सीमा के आकार और स्थिति को संचालित करने वाला सबसे महत्वपूर्ण इनपुट है। जब दो परिसंपत्तियों के बीच सहसंबंध बिल्कुल +1.0 (पूर्ण सकारात्मक सहसंबंध) होता है, तो कोई विविधीकरण लाभ नहीं होता है - कुशल सीमा दो परिसंपत्तियों को जोड़ने वाली एक सीधी रेखा में ढह जाती है, और पोर्टफोलियो जोखिम केवल व्यक्तिगत जोखिमों का भारित औसत होता है। जैसे-जैसे सहसंबंध शून्य की ओर घटता जाता है, सीमा बाईं ओर और मुड़ती है, जो बढ़ते विविधीकरण लाभों को दर्शाती है। सहसंबंध = −1.0 (पूर्ण नकारात्मक सहसंबंध) पर, सीमांत में शून्य-विचरण पोर्टफोलियो पर एक मोड़ होता है, जो अधिकतम संभव विविधीकरण का प्रतिनिधित्व करता है। व्यवहार में, प्रमुख परिसंपत्ति वर्गों के बीच सहसंबंध -0.3 (स्टॉक बनाम सोना) से +0.9 (एक ही क्षेत्र के स्टॉक) तक होते हैं, जो आंशिक लेकिन सार्थक विविधीकरण प्रदान करते हैं।
क्या कुशल सीमा समय के साथ स्थिर है?
कुशल सीमा समय के साथ स्थिर नहीं होती है - यह अंतर्निहित परिसंपत्ति के अपेक्षित रिटर्न, अस्थिरता और सहसंबंधों में परिवर्तन के रूप में बदल जाती है। बाजार तनाव के दौरान (उदाहरण के लिए, 2008, 2020), जोखिम परिसंपत्तियों के बीच सहसंबंध 1.0 की ओर बढ़ जाता है, जिससे विविधीकरण लाभ नाटकीय रूप से कम हो जाता है और सीमा अंदर की ओर ढह जाती है। तनाव की अवधि में अस्थिरता भी बढ़ जाती है, जिससे सीमा और भी ख़राब हो जाती है। दीर्घकालिक रणनीतिक कुशल सीमाएं (20-30 साल के डेटा का उपयोग करके) अल्पकालिक सामरिक सीमाओं की तुलना में अधिक स्थिर होती हैं, लेकिन शासन परिवर्तन के साथ वे भी भौतिक रूप से बदल जाती हैं। यह अस्थिरता यही कारण है कि अधिकांश व्यवसायी रोलिंग विंडो, एक्सपोनेंशियल वेटिंग, या कारक मॉडल का उपयोग करके अपने सहप्रसरण अनुमानों को गतिशील रूप से अपडेट करते हैं जो बदलती बाजार स्थितियों के अनुकूल होते हैं।
टैनजेंसी पोर्टफोलियो क्या है और यह खास क्यों है?
टैनजेंसी पोर्टफोलियो कुशल सीमा पर पोर्टफोलियो है जिसमें उच्चतम शार्प अनुपात है - यह कुल जोखिम की प्रति यूनिट अतिरिक्त रिटर्न को अधिकतम करता है। ज्यामितीय रूप से, यह वह बिंदु है जहां जोखिम-मुक्त दर से खींची गई रेखा कुशल सीमा को छूती है (स्पर्शरेखा होती है)। सीएपीएम के तहत, स्पर्शरेखा पोर्टफोलियो बाजार पोर्टफोलियो (सभी निवेश योग्य संपत्तियों का मूल्य-भारित पोर्टफोलियो) के बराबर होता है। इसका तात्पर्य यह है कि निष्क्रिय सूचकांक निवेश, जो बाजार पोर्टफोलियो का अनुमान लगाता है, सीएपीएम ढांचे में इष्टतम है। व्यवहार में, ऐतिहासिक डेटा या विश्लेषक पूर्वानुमानों से गणना की गई स्पर्शरेखा पोर्टफोलियो सैद्धांतिक बाजार पोर्टफोलियो से भिन्न होती है और इसका उपयोग बाजार बेंचमार्क के सापेक्ष सक्रिय झुकाव के आधार के रूप में किया जाता है।
सामान्य गलतियां जिनसे बचना है
▾
- !अपेक्षित रिटर्न इनपुट के रूप में केवल ऐतिहासिक रिटर्न का उपयोग करना - ऐतिहासिक साधन भविष्य के रिटर्न के खराब भविष्यवक्ता हैं और एमवीओ में सीधे फीड किए जाने पर अत्यधिक अस्थिर पोर्टफोलियो उत्पन्न करते हैं।
- !सहप्रसरण मैट्रिक्स में अनुमान त्रुटि को नजरअंदाज करना - कई परिसंपत्तियों और सीमित डेटा के साथ, नमूना सहप्रसरण मैट्रिक्स में पर्याप्त अनुमान त्रुटि होती है जो अनुकूलन में बढ़ जाती है।
- !कुशल सीमा को एक गतिशील इनपुट-निर्भर निर्माण के बजाय एक स्थैतिक अनुकूलन के रूप में मानते हुए - सीमा को बाजार की स्थितियों और रिटर्न अपेक्षाओं में बदलाव के रूप में अद्यतन किया जाना चाहिए।
- !पुनर्संतुलन में लेन-देन की लागत का ध्यान न रखना - कुशल सीमा पर बने रहने के लिए बार-बार पुनर्संतुलन करने से लेन-देन लागत और करों के माध्यम से रिटर्न कम हो सकता है।
- !सीमांत के साथ शार्प अनुपात में छोटे अंतरों की अधिक व्याख्या करना - स्पर्शरेखा बिंदु के निकट पोर्टफोलियो में समान जोखिम-समायोजित प्रदर्शन होता है, और इनपुट में अनिश्चितता का मतलब है कि 'इष्टतम' पोर्टफोलियो में व्यापक विश्वास अंतराल हैं।
विशेष टिप
अपेक्षित रिटर्न में अनुमान त्रुटि के कारण, विशिष्ट स्पर्शरेखा पोर्टफोलियो भार के बजाय कुशल सीमा के आकार (विशेष रूप से न्यूनतम भिन्नता पोर्टफोलियो के पास वक्र) पर ध्यान केंद्रित करें। अपेक्षित रिटर्न अनुमान अनिश्चित होने पर जोखिम-आधारित दृष्टिकोण (समान जोखिम योगदान, अधिकतम विविधीकरण) अक्सर रिटर्न-अधिकतम दृष्टिकोण की तुलना में अधिक मजबूत होते हैं।
क्या आप जानते हैं?
हैरी मार्कोविट्ज़ ने 1952 में शिकागो विश्वविद्यालय में पोर्टफोलियो सिद्धांत पर अपनी पीएचडी थीसिस प्रस्तुत की। जब उन्होंने मिल्टन फ्रीडमैन (एक और भावी नोबेल पुरस्कार विजेता) को अपना काम प्रस्तुत किया, तो फ्रीडमैन ने कथित तौर पर आपत्ति जताई कि यह वास्तव में अर्थशास्त्र नहीं था। मार्कोविट्ज़ ने 1990 में अर्थशास्त्र में नोबेल पुरस्कार जीता - 38 साल बाद - उसी काम के लिए जिस पर फ्रीडमैन ने शुरू में सवाल उठाया था।
संदर्भ
Read the full guide on how to use this calculator effectively
और पढ़ें →साप्ताहिक गणित युक्तियाँ प्राप्त करें
12,000+ सब्सक्राइबर्स से जुड़ें जिन्हें हर हफ्ते कैलकुलेटर टिप्स मिलते हैं।