کیا ہے Efficient Frontier Tool?
▾
Efficient Frontier زیادہ سے زیادہ پورٹ فولیوز کا مجموعہ ہے جو خطرے کی کسی بھی سطح کے لیے سب سے زیادہ متوقع واپسی پیش کرتا ہے (جیسا کہ پورٹ فولیو معیاری انحراف سے ماپا جاتا ہے)، یا مساوی طور پر، کسی بھی متوقع واپسی کے لیے سب سے کم خطرہ۔ اسے ہیری مارکووٹز نے اپنے تاریخی 1952 کے مقالے 'پورٹ فولیو سلیکشن' میں متعارف کرایا تھا جو جرنل آف فنانس میں شائع ہوا تھا - وہ کام جس نے اسے 1990 میں اکنامک سائنسز کا نوبل انعام حاصل کیا اور بنیادی طور پر تبدیل کر دیا کہ سرمایہ کار پورٹ فولیو کی تعمیر کے بارے میں کیسے سوچتے ہیں۔ مارکووٹز کی کلیدی بصیرت یہ تھی کہ سرمایہ کاروں کو اثاثوں کا اندازہ تنہائی میں نہیں کرنا چاہیے بلکہ اس تناظر میں کرنا چاہیے کہ وہ مجموعی پورٹ فولیو رسک میں کس طرح حصہ ڈالتے ہیں۔ خاص طور پر، ایسے اثاثوں کو یکجا کرنا جو بالکل باہم مربوط نہیں ہیں (تعلق <1.0) انفرادی اثاثہ جات کے خطرات کی وزنی اوسط سے کم پورٹ فولیو کے خطرے کو کم کرتا ہے - ایک رجحان جسے تنوع کہتے ہیں۔ اثاثوں کے درمیان ارتباط جتنا کم ہوگا، تنوع کا فائدہ اتنا ہی زیادہ ہوگا اور پورٹ فولیو کے رسک ریٹرن ٹریڈ آف میں بہتری اتنی ہی زیادہ ہوگی۔ ایک ریاضیاتی اصلاح کے مسئلے کو حل کرکے موثر فرنٹیئر تیار کیا جاتا ہے: معلوم متوقع واپسی، اتار چڑھاؤ، اور جوڑے کے لحاظ سے ارتباط کے ساتھ اثاثوں کے ایک سیٹ کو دیکھتے ہوئے، وزن کے تمام ممکنہ مجموعے تلاش کریں جو متوقع واپسی کی ہر سطح کے لیے پورٹ فولیو کے تغیر (یا مساوی طور پر، معیاری انحراف) کو کم سے کم کرتے ہیں۔ رسک ریٹرن اسپیس میں نتیجے میں آنے والا وکر قابل حصول پورٹ فولیوز کے فرنٹیئر کا پتہ لگاتا ہے — فرنٹیئر کے نیچے کوئی بھی پورٹ فولیو سب سے زیادہ ہے (اس کی واپسی کی سطح کے لیے بہت زیادہ خطرناک)، اور فرنٹیئر کے اوپر کوئی بھی پورٹ فولیو ریاضیاتی طور پر ناقابل حصول ہے۔ کیپٹل مارکیٹ لائن (CML) خطرے سے پاک اثاثہ متعارف کروا کر موثر سرحدی تصور کو بڑھاتی ہے۔ جب پرخطر پورٹ فولیوز کے ساتھ ملایا جاتا ہے تو، خطرے سے پاک اثاثہ سرمایہ کاروں کو Tangency پورٹ فولیو (مؤثر فرنٹیئر پر خطرناک پورٹ فولیو جو تیز تناسب کو زیادہ سے زیادہ کرتا ہے) کو خطرے سے پاک قرضے یا قرضے کے ساتھ ملا کر CML پر کوئی بھی نقطہ حاصل کرنے کے قابل بناتا ہے۔ ٹینگنسی پورٹ فولیو نظریاتی طور پر ان سرمایہ کاروں کے لیے بہترین خطرناک پورٹ فولیو مختص ہے جو اسے خطرے سے پاک اثاثے کے ساتھ جوڑ سکتے ہیں۔ موثر فرنٹیئر فریم ورک کا استعمال سٹریٹجک اثاثوں کی تقسیم، پنشن فنڈ کی سرمایہ کاری کی پالیسی کی تشکیل، انڈومنٹ پورٹ فولیو کی تعمیر، روبو ایڈوائزر آپٹیمائزیشن انجن، اور اکیڈمک فنانس ریسرچ میں کیا جاتا ہے۔ ان پٹ مفروضوں (خاص طور پر متوقع واپسی) کے لیے نتائج کی حساسیت کے بارے میں تنقید کے باوجود، فریم ورک پورٹ فولیو کی اصلاح کے لیے غالب رسمی نقطہ نظر ہے۔
Calkulon makes complex calculations simple — built for students and everyday problem-solvers.
فارمولا
▾
σ²_p کو چھوٹا کریں = Σ_i Σ_j w_i × w_j × Cov(R_i, R_j)
موضوع: Σ w_i = 1، E(R_p) = ہدف، w_i ≥ 0 (صرف طویل)
ٹینجنسی پورٹ فولیو: زیادہ سے زیادہ (E(R_p) − R_f) / σ_pمتغیر کی تشریح
▾
| علامت | نام | اکائی | تفصیل |
|---|---|---|---|
| E(R_p) | متوقع پورٹ فولیو ریٹرن | % per year | انفرادی اثاثے کی متوقع آمدنی کا وزنی اوسط: E(R_p) = Σ w_i × E(R_i)۔ |
| σ_p | پورٹ فولیو معیاری انحراف | % per year | کل پورٹ فولیو رسک: σ_p = √(Σ_i Σ_j w_i × w_j × σ_i × σ_j × ρ_{ij})۔ |
| w_i | اثاثہ وزن | % (0 to 1) | اثاثہ i میں لگائے گئے پورٹ فولیو کا تناسب؛ تمام وزن کا مجموعہ 1.0 ہونا چاہیے۔ |
| ρ_{ij} | ارتباط کا گتانک | dimensionless (−1 to +1) | اثاثوں کی واپسی کے درمیان ارتباط i اور j؛ کم ارتباط زیادہ تنوع کے فوائد پیدا کرتا ہے۔ |
| Sharpe | تیز تناسب | dimensionless | رسک ایڈجسٹ شدہ واپسی کی پیمائش = (E(R_p) − R_f) / σ_p؛ موثر فرنٹیئر پر ٹینگنسی پورٹ فولیو میں زیادہ سے زیادہ۔ |
| R_f | خطرے سے پاک شرح | % per year | خطرے سے پاک اثاثہ کی واپسی؛ کیپٹل مارکیٹ لائن ٹینجنٹ کو موثر فرنٹیئر کی شناخت کے لیے استعمال کیا جاتا ہے۔ |
کیسے Efficient Frontier Tool
▾
- 1ایک مشترکہ مدت میں تمام امیدواروں کے اثاثوں کے لیے تاریخی واپسی کا ڈیٹا اکٹھا کریں۔ ہر اثاثے کے لیے متوقع واپسی کا حساب لگائیں (عام طور پر تاریخی اوسط یا مستقبل کا تخمینہ)، ہر اثاثے کے ریٹرن کا تغیر/معیاری انحراف، اور تمام اثاثوں کے جوڑوں کے درمیان جوڑے کے لحاظ سے باہمی ربط کا میٹرکس۔
- 2ہم آہنگی میٹرکس بنائیں: Cov(R_i, R_j) = ρ_{ij} × σ_i × σ_j ہر جوڑے کے لیے۔ درست حل حاصل کرنے کے لیے اصلاح کے لیے covariance میٹرکس کا مثبت نیم واضح ہونا چاہیے۔
- 3پورٹ فولیو آپٹیمائزیشن کا مسئلہ ترتیب دیں: پورٹ فولیو میں فرق کو کم سے کم کریں (w^T Σ w) ہدف کی متوقع واپسی کی رکاوٹ (w^T μ = μ_target)، بجٹ کی رکاوٹ (Σ w_i = 1)، اور کوئی اضافی رکاوٹیں (جیسے، کوئی مختصر فروخت نہیں: w_i ≥)۔
- 4ٹارگٹ متوقع ریٹرن کی ایک رینج کے لیے چوکور پروگرامنگ کے مسئلے کو حل کریں — کم از کم ویرینس پورٹ فولیو (موثر فرنٹیئر پر سب سے بائیں نقطہ) سے زیادہ سے زیادہ واپسی کے پورٹ فولیو تک (سب سے زیادہ واپسی والے اثاثے میں 100%)۔ ہر حل ایک پورٹ فولیو کا وزن، متوقع واپسی، اور معیاری انحراف دیتا ہے۔
- 5تمام موثر پورٹ فولیو کے امتزاج کو (σ_p, E(R_p)) جوڑوں کے طور پر رسک ریٹرن اسپیس میں پلاٹ کریں۔ نتیجے میں پیرابولک وکر کا اوپری حصہ موثر فرنٹیئر ہے؛ نچلا حصہ (کم سے کم تغیر پورٹ فولیو کے نیچے) غلبہ والا اور غیر موثر ہے۔
- 6y-axis پر خطرے سے پاک شرح سے ایک لکیر کھینچ کر Tangency پورٹ فولیو کی شناخت کریں جو موثر فرنٹیئر کے لیے ٹینجنٹ ہے۔ ٹینجنٹ پوائنٹ فرنٹیئر پر موجود تمام پورٹ فولیوز کے درمیان تیز تناسب کو زیادہ سے زیادہ کرتا ہے۔ یہ CAPM فریم ورک کے تحت بہترین خطرناک پورٹ فولیو ہے۔
- 7کیپٹل مارکیٹ لائن کے ساتھ سرمایہ کار کے بہترین پورٹ فولیو کو ان کی خطرے کی برداشت کی بنیاد پر منتخب کریں: خطرے سے بچنے والے سرمایہ کار خطرے سے پاک اثاثہ اور ٹینگنسی پورٹ فولیو کا امتزاج رکھتے ہیں۔ خطرے کے متلاشی سرمایہ کار ٹینجنسی پورٹ فولیو کو فائدہ پہنچانے کے لیے خطرے سے پاک شرح پر قرض لیتے ہیں۔
حل شدہ مثالیں
▾
کم ارتباط (0.10) اہم تنوع فراہم کرتا ہے — پورٹ فولیو کا خطرہ کسی بھی اثاثہ کے انفرادی خطرے سے کم ہے۔
0.10 کے کم ارتباط کے ساتھ، اسٹاک اور بانڈز کو یکجا کرنے سے پورٹ فولیو کے خطرے کو نمایاں طور پر کم کیا جاتا ہے۔ کم از کم تغیراتی پورٹ فولیو میں تقریباً 25% اسٹاکس اور 75% بانڈز ہوتے ہیں، جس سے تقریباً 5.9% کا پورٹ فولیو معیاری انحراف حاصل ہوتا ہے — جب اس وزن میں یکجا کیا جائے تو اسٹاک کے اتار چڑھاؤ (16%) اور بانڈ کی اتار چڑھاؤ (6%) دونوں سے بہت کم ہے۔ 3% خطرے سے پاک شرح کے ساتھ زیادہ سے زیادہ تیز تناسب کو نشانہ بنانے والا ٹینجنسی پورٹ فولیو تقریباً 60% اسٹاکس اور 40% بانڈ رکھتا ہے — کلاسک 60/40 پورٹ فولیو قدرتی طور پر اس اصلاحی فریم ورک سے ابھرتا ہے جب ان پٹ طویل مدتی تاریخی اوسط کی عکاسی کرتے ہیں۔
کامل منفی ارتباط نظریاتی طور پر خطرے کے مکمل خاتمے کی اجازت دیتا ہے - ایک نظریاتی انتہائی شاذ و نادر ہی عملی طور پر پایا جاتا ہے۔
کامل منفی ارتباط (ρ = −1.0) کے ساتھ، یہ نظریاتی طور پر ممکن ہے کہ دو اثاثوں کو ایک خطرے سے پاک پورٹ فولیو میں جوڑ دیا جائے۔ وہ وزن جو پورٹ فولیو کے تمام خطرات کو ختم کرتے ہیں وہ ہیں: w_A = σ_B / (σ_A + σ_B) = 10/(12+10) = 45.5% اور w_B = 54.5%۔ نتیجے میں آنے والے پورٹ فولیو میں صفر معیاری انحراف ہے - بغیر کسی اتار چڑھاؤ کے تقریباً 6.9% کی ضمانت شدہ واپسی (ان وزنوں پر اوسط واپسی)۔ یہ انتہائی معاملہ تنوع کی زیادہ سے زیادہ طاقت کو واضح کرتا ہے اور یہ بتاتا ہے کہ سرمایہ کار کم یا منفی ارتباط کے ساتھ اثاثے کیوں تلاش کرتے ہیں، خاص طور پر ہیج کی حکمت عملی، گولڈ، اور بانڈز ایکویٹی کے مقابلے میں۔
سٹاک میں صفر کے قریب تعلق کے ساتھ سونا شامل کرنا سونے کی اعلیٰ اتار چڑھاؤ کے باوجود سرحد کو بہتر بناتا ہے۔
سونے کو تیسرے اثاثے کے طور پر شامل کرنے سے موثر سرحد کو اوپر اور بائیں طرف پھیلتا ہے، جس سے قابل حصول رسک ریٹرن ٹریڈ آف میں بہتری آتی ہے۔ سونے کی اعلیٰ انفرادی اتار چڑھاؤ (18%) کے باوجود، اسٹاک کے ساتھ اس کا صفر کے قریب یا قدرے منفی تعلق معنی خیز تنوع فراہم کرتا ہے۔ ٹینجینسی پورٹ فولیو تقریباً 12% سونے کے لیے مختص کرتا ہے، جو سرحد کو تبدیل کرتا ہے اور زیادہ سے زیادہ قابل حصول تیز تناسب کو بڑھاتا ہے۔ یہ مارکووٹز کی بنیادی بصیرت کو ظاہر کرتا ہے: انفرادی طور پر زیادہ اتار چڑھاؤ والا اثاثہ پھر بھی پورٹ فولیو کی کارکردگی کو بہتر بنا سکتا ہے اگر موجودہ ہولڈنگز کے ساتھ اس کا تعلق کافی حد تک کم ہو۔
حقیقی دنیا کی رکاوٹیں (کوئی شارٹنگ نہیں، زیادہ سے زیادہ پوزیشن کی حدیں) قابل عمل سیٹ کو سکڑتی ہیں اور سرحد کو اندر کی طرف دھکیل دیتی ہیں۔
نظریاتی موثر فرنٹیئر غیر محدود پورٹ فولیو وزن کو فرض کرتا ہے - سرمایہ کار پورٹ فولیو کے تغیر کو مزید کم کرنے یا متوقع واپسی کو بڑھانے کے لیے مختصر پوزیشن (منفی وزن) لے سکتے ہیں۔ عملی طور پر، زیادہ تر سرمایہ کاروں کو صرف ایک طویل رکاوٹ (کوئی شارٹ سیلنگ نہیں)، زیادہ سے زیادہ پوزیشن سائز کی حد (مثال کے طور پر، کوئی سنگل ہولڈنگ> 10%)، سیکٹر کی حراستی کی حد، اور دیگر پابندیوں کا سامنا کرنا پڑتا ہے۔ ہر رکاوٹ پورٹ فولیوز کے قابل عمل سیٹ کو کم کرتی ہے اور موثر فرنٹیئر کو دائیں طرف دھکیل دیتی ہے (اسی واپسی کے لیے زیادہ خطرہ درکار ہے)۔ محدود اور غیر محدود سرحدوں کا موازنہ سرمایہ کاری کی رکاوٹوں کے مواقع کی لاگت کو درست کرتا ہے - ادارہ جاتی پورٹ فولیو ڈیزائن کے لیے ایک اہم مشق۔
عملی استعمال
▾
اسٹریٹجک اثاثہ مختص: پنشن فنڈز، اوقاف، اور خودمختار دولت کے فنڈز کے لیے ہدف کے وزن کا تعین
روبو ایڈوائزر پورٹ فولیو کی تعمیر: کلائنٹ پورٹ فولیو جنریشن کے لیے خودکار موثر فرنٹیئر آپٹیمائزیشن
ذمہ داری سے چلنے والی سرمایہ کاری: ذمہ داری کی خصوصیات کے پیش نظر فنڈڈ اسٹیٹس کو زیادہ سے زیادہ کرنے کے لیے اثاثہ جات کے محکموں کو بہتر بنانا
رسک فیکٹر پورٹ فولیو کی تعمیر: ایکویٹی عوامل میں فیکٹر ماڈل پر مبنی موثر پورٹ فولیوز کی تعمیر
تعلیمی اور CFA امتحان کا نصاب: مقداری پورٹ فولیو مینجمنٹ اور جدید فنانس تھیوری میں بنیادی موضوع
خاص صورتیں
▾
عملی طور پر، اس کنارے کے معاملے میں محتاط غور و فکر کی ضرورت ہے کیونکہ معیاری مفروضے ممکن نہیں ہیں۔ موثر فرنٹیئر ٹول کیلکولیشن میں اس منظر نامے کا سامنا کرتے وقت، پریکٹیشنرز کو حدود کے حالات کی تصدیق کرنی چاہیے، تقسیم بہ صفر خطرات کی جانچ کرنی چاہیے، اور غور کرنا چاہیے کہ آیا ان انتہائی حالات میں ماڈل کے مفروضے درست رہتے ہیں۔
عملی طور پر، اس کنارے کے معاملے میں محتاط غور و فکر کی ضرورت ہے کیونکہ معیاری مفروضے ممکن نہیں ہیں۔ موثر فرنٹیئر ٹول کیلکولیشن میں اس منظر نامے کا سامنا کرتے وقت، پریکٹیشنرز کو حدود کے حالات کی تصدیق کرنی چاہیے، تقسیم بہ صفر خطرات کی جانچ کرنی چاہیے، اور غور کرنا چاہیے کہ آیا ان انتہائی حالات میں ماڈل کے مفروضے درست رہتے ہیں۔
عملی طور پر، اس کنارے کے معاملے میں محتاط غور و فکر کی ضرورت ہے کیونکہ معیاری مفروضے ممکن نہیں ہیں۔ موثر فرنٹیئر ٹول کیلکولیشن میں اس منظر نامے کا سامنا کرتے وقت، پریکٹیشنرز کو حدود کے حالات کی تصدیق کرنی چاہیے، تقسیم بہ صفر خطرات کی جانچ کرنی چاہیے، اور غور کرنا چاہیے کہ آیا ان انتہائی حالات میں ماڈل کے مفروضے درست رہتے ہیں۔
مؤثر فرنٹیئر تجزیہ کے لیے تاریخی اثاثہ کلاس رسک ریٹرن ان پٹ (امریکی، طویل مدتی اوسط)
▾
| اثاثہ کلاس | اوسط سالانہ واپسی۔ | سالانہ Std دیو | ارتباط بمقابلہ یو ایس ایکویٹی |
|---|---|---|---|
| یو ایس لارج کیپ ایکویٹی | 10.0% | 15.5% | 1.00 |
| یو ایس سمال کیپ ایکویٹی | 12.0% | 20.0% | 0.80 |
| بین الاقوامی دیو۔ ایکویٹی | 8.5% | 16.5% | 0.75 |
| ابھرتی ہوئی مارکیٹ ایکویٹی | 10.0% | 22.0% | 0.65 |
| یو ایس انویسٹمنٹ گریڈ بانڈز | 4.5% | 6.5% | -0.05 |
| یو ایس ٹریژری بلز | 3.5% | 1.5% | −0.02 |
| سونا | 6.5% | 18.0% | -0.05 |
| امریکی REITs | 9.0% | 17.0% | 0.60 |
| اشیاء (وسیع) | 5.5% | 16.0% | 0.15 |
| اعلی پیداوار والے بانڈز | 6.5% | 10.0% | 0.55 |
اکثر پوچھے جانے والے سوالات
▾
کم از کم متغیر پورٹ فولیو کیا ہے؟
کم از کم ویرینس پورٹ فولیو (MVP) موثر فرنٹیئر پر سب سے بائیں نقطہ ہے - پورٹ فولیو کا مجموعہ جو متوقع واپسی سے قطع نظر سب سے کم ممکنہ معیاری انحراف حاصل کرتا ہے۔ یہ بغیر کسی واپسی کی رکاوٹ کے پورٹ فولیو کے تغیر کو کم سے کم کرکے پایا جاتا ہے۔ MVP انتہائی خطرے سے بچنے والے سرمایہ کاروں کے لیے متعلقہ ہے جو سرمایہ کے تحفظ کو سب سے زیادہ ترجیح دیتے ہیں۔ MVP کے بائیں طرف کے تمام پورٹ فولیوز ریاضی کے لحاظ سے ناقابل حصول ہیں، اور MVP کے نیچے کے تمام پورٹ فولیو (پیرابولک کریو کے نچلے نصف حصے پر) غیر موثر ہیں کیونکہ اوپری سرحد پر اتنا ہی خطرناک پورٹ فولیو زیادہ متوقع واپسی پیش کرتا ہے۔ MVP وزن کا تعین عام طور پر covariance میٹرکس کے الٹا استعمال کرتے ہوئے کیا جاتا ہے۔
کیپٹل مارکیٹ لائن کیا ہے اور اس کا موثر سرحد سے کیا تعلق ہے؟
کیپٹل مارکیٹ لائن (CML) خطرے سے پاک شرح (y-axis پر) کی وہ لائن ہے جو موثر فرنٹیئر کے لیے مماس ہے۔ یہ خطرے سے پاک اثاثہ (مثلاً T-Bills) اور Tangency Portfolio کے تمام ممکنہ امتزاج کی نمائندگی کرتا ہے۔ خطرے سے پاک شرح سے اوپر CML پر ہر پوائنٹ ایک ہی خطرے کی سطح پر موثر فرنٹیئر پر تمام پوائنٹس پر حاوی ہے، کیونکہ خطرے سے پاک اثاثہ سرمایہ کاروں کو مزید ٹی بلز رکھ کر خطرے کو صفر تک کم کرنے کے قابل بناتا ہے، یا پورٹ فولیو کو فائدہ پہنچانے کے لیے خطرے سے پاک شرح پر قرض لے کر Tangency پورٹ فولیو سے آگے واپسی کو بڑھاتا ہے۔ CAPM مفروضوں کے تحت، تمام سرمایہ کاروں کو خطرے کی رواداری سے قطع نظر، اپنے خطرناک مختص کے لیے Tangency پورٹ فولیو کو رکھنا چاہیے - وہ خطرے سے پاک اثاثہ کے ساتھ مکسچر کو مختلف کرکے خطرے کو ایڈجسٹ کرتے ہیں۔
درمیانی تغیر کی اصلاح کی بنیادی حدود کیا ہیں؟
مین ویریئنس آپٹیمائزیشن (MVO) کی کئی اہم حدود ہیں۔ سب سے پہلے، یہ ان پٹ مفروضوں کے لیے انتہائی حساس ہے — متوقع منافع میں چھوٹی تبدیلیاں زیادہ سے زیادہ وزن میں بڑی تبدیلیاں لاتی ہیں ('کچرا اندر، کچرا باہر' کا مسئلہ)۔ دوسرا، یہ ہم آہنگی کا اندازہ لگانے کے لیے تاریخی اعداد و شمار پر انحصار کرتا ہے، جو مستقبل کے تعلقات کی عکاسی نہیں کر سکتا۔ تیسرا، واپسی کی تقسیم اکثر غیر معمولی ہوتی ہے (چربی کی دم، ترچھا پن)، فرق کو واحد خطرے کی پیمائش کے طور پر استعمال کرنے کی نظریاتی بنیاد کی خلاف ورزی کرتی ہے۔ چوتھا، غیر محدود اصلاح انتہائی، مرتکز پورٹ فولیوز پیدا کرتی ہے جو کہ ناقابل عمل ہیں۔ پانچویں، لین دین کے اخراجات اور ٹیکس کو نظر انداز کیا جاتا ہے۔ پریکٹیشنرز سکڑنے کے تخمینے، بلیک لیٹر مین کے خیالات، مضبوط اصلاح، اور رکاوٹ پر مبنی نقطہ نظر کے ذریعے ان حدود کو دور کرتے ہیں۔
بلیک لیٹر مین ماڈل کیا ہے اور اسے کیوں تیار کیا گیا؟
1990 میں گولڈمین سیکس میں فشر بلیک اور رابرٹ لیٹرمین کے ذریعہ تیار کردہ بلیک-لٹرمین ماڈل، کلاسک مارکووٹز آپٹیمائزیشن کی شدید ترین حد کو دور کرتا ہے — متوقع واپسی کے تخمینے کے لیے انتہائی حساسیت۔ بلیک-لٹر مین موجودہ مارکیٹ پورٹ فولیو (سی اے پی ایم کا استعمال کرتے ہوئے) کے ذریعہ ایک غیر جانبدار نقطہ آغاز کے طور پر متوازی متوقع متوقع منافع کے ساتھ شروع ہوتا ہے، پھر سرمایہ کاروں کو مخصوص اثاثوں یا تعلقات کے بارے میں اپنے 'نظریات' کا اظہار کرنے کی اجازت دیتا ہے اور ان خیالات کو بایسیئن فریم ورک میں توازن کی واپسی کے ساتھ ملا دیتا ہے۔ اس کے نتیجے میں متوقع منافع بہت زیادہ مستحکم ہوتے ہیں اور اچھی طرح سے متنوع، بدیہی پورٹ فولیوز تیار کرتے ہیں جو خالص MVO کی انتہائی مرتکز مختص کرنے سے گریز کرتے ہیں۔ بلیک لیٹر مین ادارہ جاتی اسٹریٹجک اثاثوں کی تقسیم کے لیے غالب مقداری فریم ورک ہے۔
ارتباط کس طرح موثر سرحد کو متاثر کرتا ہے؟
اثاثوں کے درمیان ارتباط سب سے اہم ان پٹ ہے جو موثر فرنٹیئر کی شکل اور پوزیشن کو چلاتا ہے۔ جب دو اثاثوں کے درمیان ارتباط بالکل +1.0 (مثبت مثبت ارتباط) ہو، تو کوئی تنوع کا فائدہ نہیں ہوتا ہے - موثر فرنٹیئر دو اثاثوں کو جوڑنے والی سیدھی لائن پر گر جاتا ہے، اور پورٹ فولیو کا خطرہ محض انفرادی خطرات کی وزنی اوسط ہے۔ جیسے جیسے ارتباط صفر کی طرف کم ہوتا ہے، فرنٹیئر مزید بائیں طرف مڑتا ہے، جو کہ بڑھتے ہوئے تنوع کے فوائد کی نمائندگی کرتا ہے۔ ارتباط = −1.0 (کامل منفی ارتباط) پر، سرحد کے پاس صفر متغیر پورٹ فولیو میں ایک کنک ہے، جو زیادہ سے زیادہ ممکنہ تنوع کی نمائندگی کرتا ہے۔ عملی طور پر، بڑے اثاثہ جات کے درمیان ارتباط −0.3 (اسٹاک بمقابلہ سونا) سے لے کر +0.9 (ایک ہی شعبے کے اندر اسٹاک) تک ہے، جو جزوی لیکن معنی خیز تنوع فراہم کرتا ہے۔
کیا وقت کے ساتھ موثر سرحد مستحکم ہے؟
موثر فرنٹیئر وقت کے ساتھ مستحکم نہیں ہوتا ہے - یہ بنیادی اثاثہ کی متوقع واپسی، اتار چڑھاؤ، اور ارتباط میں تبدیلی کے طور پر تبدیل ہوتا ہے۔ مارکیٹ کے تناؤ کے دوران (مثلاً، 2008، 2020)، خطرے کے اثاثوں کے درمیان ارتباط 1.0 کی طرف بڑھتا ہے، متنوع فائدہ کو ڈرامائی طور پر سکڑتا ہے اور سرحد کو اندر کی طرف منہدم کرتا ہے۔ تناؤ کے ادوار میں اتار چڑھاؤ بھی بڑھتا ہے، جو سرحد کو مزید تنزلی کا باعث بنتا ہے۔ طویل مدتی حکمت عملی کے موثر محاذ (20-30 سال کے اعداد و شمار کا استعمال کرتے ہوئے) قلیل مدتی حکمت عملی سے زیادہ مستحکم ہیں، لیکن یہاں تک کہ وہ نظام کی تبدیلیوں کے ساتھ مادی طور پر بدل جاتے ہیں۔ یہ عدم استحکام یہی وجہ ہے کہ زیادہ تر پریکٹیشنرز اپنے ہم آہنگی کے تخمینے کو متحرک طور پر رولنگ ونڈوز، ایکسپونینشل ویٹنگ، یا فیکٹر ماڈلز کا استعمال کرتے ہوئے اپ ڈیٹ کرتے ہیں جو مارکیٹ کے بدلتے ہوئے حالات کے مطابق ہوتے ہیں۔
ٹینجینسی پورٹ فولیو کیا ہے اور یہ کیوں خاص ہے؟
ٹینجینسی پورٹ فولیو موثر فرنٹیئر پر وہ پورٹ فولیو ہے جس کا تیز ترین تناسب ہے - یہ کل رسک کے فی یونٹ اضافی منافع کو زیادہ سے زیادہ کرتا ہے۔ ہندسی طور پر، یہ وہ نقطہ ہے جہاں خطرے سے پاک شرح سے کھینچی گئی لکیر صرف موثر سرحد کو چھوتی ہے (مماس ہے)۔ CAPM کے تحت، ٹینجنسی پورٹ فولیو مارکیٹ پورٹ فولیو (تمام سرمایہ کاری کے قابل اثاثوں کا ویلیو ویٹڈ پورٹ فولیو) کے برابر ہے۔ اس کا مطلب یہ ہے کہ غیر فعال انڈیکس سرمایہ کاری، جو مارکیٹ پورٹ فولیو کا تخمینہ لگاتی ہے، CAPM فریم ورک میں بہترین ہے۔ عملی طور پر، تاریخی اعداد و شمار یا تجزیہ کار کی پیشین گوئیوں سے شمار کردہ ٹینجنسی پورٹ فولیو نظریاتی مارکیٹ کے پورٹ فولیو سے مختلف ہے اور اسے مارکیٹ کے بینچ مارک کے نسبت فعال جھکاؤ کی بنیاد کے طور پر استعمال کیا جاتا ہے۔
عام غلطیاں جن سے بچنا ہے
▾
- !متوقع واپسی کے آدانوں کے طور پر صرف تاریخی ریٹرن کا استعمال کرنا — تاریخی ذرائع مستقبل کی واپسی کے ناقص پیشین گو ہیں اور جب براہ راست MVO میں کھلایا جاتا ہے تو انتہائی غیر مستحکم پورٹ فولیوز پیدا کرتے ہیں۔
- !Covariance میٹرکس میں تخمینہ کی خرابی کو نظر انداز کرتے ہوئے - بہت سے اثاثوں اور محدود ڈیٹا کے ساتھ، نمونہ covariance میٹرکس میں تخمینہ کی کافی خرابی ہوتی ہے جو اصلاح میں بڑھ جاتی ہے۔
- !موثر فرنٹیئر کو متحرک ان پٹ پر منحصر تعمیر کے بجائے ایک مستحکم اصلاح کے طور پر علاج کرنا - فرنٹیئر کو مارکیٹ کے حالات اور واپسی کی توقعات میں تبدیلی کے طور پر اپ ڈیٹ کیا جانا چاہئے۔
- !ری بیلنسنگ میں لین دین کی لاگت کا حساب دینے میں ناکامی - موثر سرحد پر رہنے کے لیے بار بار دوبارہ بیلنس کرنا لین دین کے اخراجات اور ٹیکسوں کے ذریعے واپسی کو ختم کر سکتا ہے۔
- !سرحد کے ساتھ شارپ ریشو میں چھوٹے فرقوں کی حد سے زیادہ تشریح کرنا — ٹینجنسی پوائنٹ کے قریب پورٹ فولیوز میں اسی طرح کی رسک ایڈجسٹ کارکردگی ہوتی ہے، اور ان پٹ میں غیر یقینی صورتحال کا مطلب ہے کہ 'بہترین' پورٹ فولیو میں اعتماد کے وسیع وقفے ہوتے ہیں۔
پرو ٹپ
متوقع واپسیوں میں تخمینہ کی خرابی کی وجہ سے، مخصوص ٹینجنسی پورٹ فولیو وزن کے بجائے موثر سرحدی شکل (خاص طور پر کم از کم تغیر پورٹ فولیو کے قریب وکر) پر توجہ دیں۔ جب متوقع واپسی کے تخمینے غیر یقینی ہوتے ہیں تو خطرے پر مبنی نقطہ نظر (مساوی خطرہ شراکت، زیادہ سے زیادہ تنوع) اکثر واپسی کو زیادہ سے زیادہ کرنے کے طریقوں سے زیادہ مضبوط ہوتے ہیں۔
کیا آپ جانتے ہیں؟
ہیری مارکووٹز نے 1952 میں شکاگو یونیورسٹی میں پورٹ فولیو تھیوری پر اپنا پی ایچ ڈی کا مقالہ پیش کیا۔ جب اس نے ملٹن فریڈمین (ایک اور مستقبل کے نوبل انعام یافتہ) کو اپنا کام پیش کیا تو فریڈمین نے مبینہ طور پر اعتراض کیا کہ یہ واقعی معاشیات نہیں ہے۔ مارکووٹز نے 1990 میں معاشیات کا نوبل انعام جیتا — 38 سال بعد — اسی کام کے لیے جس پر فریڈمین نے ابتدا میں سوال کیا تھا۔
Regional Guides
▾
🇺🇸 US▾
🇬🇧 UK▾
🇪🇺 EU▾
حوالہ جات
Read the full guide on how to use this calculator effectively
مزید پڑھیں →ہفتہ وار ریاضی کی تجاویز حاصل کریں۔
ان 12,000+ سبسکرائبرز میں شامل ہوں جو ہر ہفتے کیلکولیٹر ٹپس حاصل کرتے ہیں۔