کیا ہے Information Ratio Calculator?
▾
انفارمیشن ریشو (IR) ایک رسک ایڈجسٹ شدہ کارکردگی کا میٹرک ہے جو ایک بینچ مارک (جسے ایکٹو ریٹرن یا الفا کہا جاتا ہے) کے اوپر ایک پورٹ فولیو کی اضافی واپسی کی پیمائش کرتا ہے اس اضافی واپسی کی مستقل مزاجی (جسے ٹریکنگ ایرر کہا جاتا ہے)۔ اسے ولیم شارپ (1994) نے مقبول بنایا تھا اور اسے فعال پورٹ فولیو مینیجرز کی مہارت کا جائزہ لینے کے لیے بڑے پیمانے پر سب سے اہم میٹرک سمجھا جاتا ہے، کیونکہ یہ بیک وقت کارکردگی کی شدت اور مستقل مزاجی دونوں کو انعام دیتا ہے۔ عدد - فعال واپسی - صرف پیمائش کی مدت کے دوران بینچ مارک کی واپسی کو منفی پورٹ فولیو کی واپسی ہے۔ ڈینومینیٹر — ٹریکنگ ایرر — رولنگ ادوار میں فعال واپسی کا سالانہ معیاری انحراف ہے، اس بات کی پیمائش کرتا ہے کہ مینیجر کس حد تک مستقل طور پر اضافی واپسی فراہم کرتا ہے۔ ایک مینیجر جو کچھ مہینوں میں بینچ مارک کو 2% سے پیچھے چھوڑتا ہے اور دوسروں میں 2% کم کارکردگی کا مظاہرہ کرتا ہے اس میں ٹریکنگ کی خرابی زیادہ ہوتی ہے اور اس مینیجر کے مقابلے میں کم معلوماتی تناسب ہوتا ہے جو ممکنہ طور پر کم اوسط آؤٹ پرفارمنس کے باوجود ہر ماہ مستقل طور پر 1% کو شکست دیتا ہے۔ مستقل مزاجی پر یہ زور وہی ہے جو معلومات کے تناسب کو اتنا طاقتور بناتا ہے۔ ایک سرمایہ کار کو ایک ایسے مینیجر کی ضرورت ہوتی ہے جو وقت کے ساتھ ساتھ قابل اعتماد طریقے سے الفا پیدا کر سکے، نہ کہ وہ جو کبھی کبھار بولڈ کالز کرتا ہے جو کبھی بہت زیادہ ادائیگی کرتا ہے اور کبھی کبھی شاندار طور پر ناکام ہوجاتا ہے۔ معلومات کا تناسب عدم مطابقت پر جرمانہ عائد کرتا ہے جس طرح تیز تناسب کل اتار چڑھاؤ کو جرمانہ کرتا ہے، لیکن فعال انتظامی تناظر میں جہاں بینچ مارک ریٹرن ایک غیر فعال سرمایہ کار کے لیے دستیاب 'مفت' واپسی کی نمائندگی کرتا ہے۔ فعال انتظام کا بنیادی قانون، جو Grinold (1989) کے ذریعے تیار کیا گیا اور Grinold and Kahn (2000) کے ذریعے بڑھایا گیا، معلومات کے تناسب کو دو اجزاء میں ایک نظریاتی تحلیل فراہم کرتا ہے: انفارمیشن کوفیشینٹ (IC، پیشن گوئی اور نتائج کے درمیان ارتباط) اور چوڑائی (BR، ہر سال سرمایہ کاری کی تعداد)۔ فارمولہ IR ≈ IC × √BR خوبصورتی سے ظاہر کرتا ہے کہ فعال مینیجرز یا تو چند شرطوں پر انتہائی درست ہو کر یا بے ترتیب سے قدرے بہتر شرط لگا کر اعلی معلوماتی تناسب حاصل کر سکتے ہیں — حکمت عملی ڈیزائن کے لیے ایک اہم بصیرت۔ 0.5 سے اوپر کا معلوماتی تناسب عام طور پر اچھا سمجھا جاتا ہے، 1.0 سے اوپر بہت اچھا ہے، اور 1.5 سے اوپر ایک پائیدار کثیر سالہ مدت کے لیے غیر معمولی ہے۔
Calkulon makes complex calculations simple — built for students and everyday problem-solvers.
فارمولا
▾
IR = (R_p − R_b) / TE = فعال واپسی / ٹریکنگ کی خرابی
جہاں ہر متغیر فنانس اور سرمایہ کاری کے ڈومین میں ایک مخصوص قابل پیمائش مقدار کی نمائندگی کرتا ہے۔ معلوم اقدار کو تبدیل کریں اور نامعلوم کو حل کریں۔ ملٹی سٹیپ کیلکولیشنز کے لیے، پہلے اندرونی تاثرات کا جائزہ لیں، پھر آپریشنز کی معیاری ترتیب کا استعمال کرتے ہوئے نتائج کو یکجا کریں۔متغیر کی تشریح
▾
| علامت | نام | اکائی | تفصیل |
|---|---|---|---|
| IR | معلومات کا تناسب | dimensionless | ٹریکنگ ایرر کی فی یونٹ فعال واپسی؛ اعلی اقدار زیادہ مستقل اور نمایاں کارکردگی کی نشاندہی کرتی ہیں۔ |
| R_p | پورٹ فولیو ریٹرن | % per period | پیمائش کی مدت میں فعال پورٹ فولیو کی کل واپسی۔ |
| R_b | بینچ مارک ریٹرن | % per period | اسی مدت کے دوران بینچ مارک انڈیکس کی کل واپسی (جیسے، S&P 500)۔ |
| α | فعال واپسی (الفا) | % per period | بینچ مارک کے اوپر پورٹ فولیو کی اضافی واپسی: α = R_p − R_b۔ |
| TE | ٹریکنگ کی خرابی۔ | % per year (annualized) | متواتر فعال واپسیوں کا سالانہ معیاری انحراف (R_p,t − R_b,t)؛ آؤٹ پرفارمنس کی مستقل مزاجی کی پیمائش کرتا ہے۔ |
| IC | معلوماتی گتانک | dimensionless (−1 to +1) | بنیادی قانون میں، مینیجر کی واپسی کی پیشن گوئی اور اصل واپسی کے درمیان کراس سیکشنل تعلق؛ پیشن گوئی کی درستگی کے اقدامات |
کیسے Information Ratio Calculator
▾
- 1تشخیص کی مدت کے دوران پورٹ فولیو اور بینچ مارک کی متواتر واپسی کی سیریز کو جمع کریں — شماریاتی اعتبار کے لیے عام طور پر 3–5 سالوں میں ماہانہ واپسی۔
- 2ہر مدت کے لیے فعال واپسی کا حساب لگائیں: AR_t = R_p,t − R_b,t۔ یہ مینیجر کی کارکردگی کی نمائندگی کرتا ہے جو ہر مدت میں بینچ مارک سے متعلق ہے۔
- 3تمام ادوار میں اوسط فعال واپسی کا حساب لگائیں: AR̄ = (1/n) × Σ AR_t۔ یہ مینیجر کے ذریعہ تیار کردہ اوسط الفا ہے۔
- 4ٹریکنگ کی غلطی کا حساب لگائیں: TE = معیاری انحراف کا {AR_t} × √(سالانہ عنصر)۔ ماہانہ ڈیٹا کے لیے، √12 سے ضرب کریں؛ روزانہ ڈیٹا کے لیے، √252 سے ضرب کریں۔
- 5اوسط فعال واپسی کو ٹریکنگ کی خرابی سے تقسیم کریں: IR = AR̄ / TE۔ ہندسوں اور ڈینومینیٹر دونوں کا ایک ہی سالانہ بنیاد پر ہونا ضروری ہے۔
- 6شماریاتی اہمیت کا اندازہ لگائیں: انگوٹھے کا اصول یہ ہے کہ معلومات کے تناسب کے لیے کم از کم n = (IR/ target_precision)² پیریڈز کو شماریاتی لحاظ سے صفر سے ممتاز کرنے کی ضرورت ہوتی ہے۔ 0.5 کے IR کے لیے 95% کی سطح پر شماریاتی لحاظ سے اہم ہونے کے لیے تقریباً 16 سال کا ماہانہ ڈیٹا درکار ہوتا ہے — جو فعال مہارت کو ثابت کرنے میں دشواری کو نمایاں کرتا ہے۔
- 7IR کا ہم مرتبہ مینیجرز کے خلاف اور بنیادی قانون کی پیشین گوئی کے خلاف موازنہ کریں: IR ≈ IC × √Breadth. 0.05 کے IC کے ساتھ ایک مینیجر ہر سال 100 آزاد فیصلے کرتا ہے IR ≈ 0.05 × √100 = 0.50 حاصل کرنے کی پیش گوئی کی جاتی ہے۔
حل شدہ مثالیں
▾
0.5 حد سے اوپر — حقیقی فعال انتظامی مہارت کی نشاندہی کرتا ہے۔
ایک لاج کیپ ایکٹیو فنڈ 4.0% کی ٹریکنگ ایرر (اعتدال پسند فعال پوزیشنوں کی نشاندہی کرتا ہے) کے ساتھ اپنے بینچ مارک کو اوسطاً 3.5% سالانہ سے ہرا دیتا ہے۔ 0.875 کا انفارمیشن ریشو 'اچھی' رینج میں آتا ہے (0.5 سے اوپر، 1.0 سے نیچے) اور تجویز کرتا ہے کہ مینیجر مسلسل، بامعنی الفا بنا رہا ہے۔ سیاق و سباق کے لحاظ سے، صرف 20-30% فعال لاج کیپ ایکویٹی مینیجرز 5 سال کی مدت میں 0.5 سے اوپر IR برقرار رکھتے ہیں، جس سے یہ ایک حقیقی طور پر ہنر مند مینیجر ہے جو فعال انتظامی فیس کے قابل ہے۔
اعلی اوسط الفا کے باوجود، اعلی ٹریکنگ کی خرابی IR کو محدود کرتی ہے - عدم مطابقت کو جرمانہ کیا جاتا ہے۔
یہ مینیجر ایک متاثر کن 5% اوسط سالانہ الفا فراہم کرتا ہے، لیکن 9.5% کی ٹریکنگ ایرر کے ساتھ، ریٹرن انتہائی متضاد ہیں — کچھ سال بینچ مارک سے بہت اوپر، باقی بہت نیچے۔ 0.53 کا معلوماتی تناسب 43% زیادہ اوسط الفا کے باوجود پہلی مثال سے معمولی طور پر بہتر ہے۔ عملی مضمرات یہ ہے کہ اس مینیجر کے سرمایہ کاروں کو کسی بھی مدت میں نتائج کے نمایاں طور پر زیادہ اتار چڑھاؤ کا سامنا کرنا پڑتا ہے، جس کی وجہ سے ان کے لیے کم کارکردگی کے مراحل سے گزرنا مشکل ہو جاتا ہے — بالکل وہی جو کہ معلومات کا تناسب حاصل کرنے کے لیے ڈیزائن کیا گیا ہے۔
زیادہ چوڑائی والی مقداری حکمت عملی بہت سے چھوٹے مستقل شرطوں کے ذریعے بہت زیادہ IR حاصل کر سکتی ہے۔
ایک منظم مقداری فنڈ جس میں بہت سے چھوٹے ایکٹیو بیٹس ہوتے ہیں صرف 0.12% کی ماہانہ ٹریکنگ ایرر کے ساتھ 0.10% کی ماہانہ فعال واپسی حاصل کرتے ہیں۔ سالانہ بنیاد پر: فعال واپسی = 0.10% × 12 = 1.2%؛ ٹریکنگ ایرر = 0.12% × √12 = 0.416%۔ سالانہ IR = 1.2% / 0.416% = 2.88 — غیر معمولی۔ یہ عمل میں بنیادی قانون کو ظاہر کرتا ہے: بہت سے آزاد، معمولی IC کے ساتھ بے ترتیب سے قدرے بہتر بیٹس (اعلی چوڑائی) بہت زیادہ معلوماتی تناسب پیدا کرتے ہیں، جو منظم مقداری سرمایہ کاری کی نظریاتی بنیاد ہے۔
منفی IR — فیس کے بعد مسلسل کم کارکردگی کا مظاہرہ کرنا؛ انڈیکس فنڈ میں سرمایہ کار بہتر ہے۔
ایک فعال بانڈ فنڈ جو فیس وصول کرتا ہے وہ 2.5% کی ٹریکنگ ایرر کے ساتھ اپنے بینچ مارک کو 0.8% فی سال کم کرتا ہے۔ -0.32 کا انفارمیشن ریشو منفی ہے، جو اس بات کی نشاندہی کرتا ہے کہ مینیجر غیر فعال بینچ مارک انویسٹمنٹ کی نسبت رسک ایڈجسٹ شدہ بنیاد پر قدر کو تباہ کر رہا ہے۔ یہ اکیڈمک ریسرچ میں دستاویزی عام صورت حال ہے: زیادہ تر فعال مینیجرز فیس کے بعد اپنے معیار کو کم کرتے ہیں، خاص طور پر امریکی سرمایہ کاری کے درجے کے بانڈز جیسے موثر بازاروں میں جہاں معلومات کے تناسب کی تقسیم صفر سے قدرے نیچے ہوتی ہے۔
عملی استعمال
▾
فنانس اور سرمایہ کاری کے پیشہ ور افراد حسابات کی توثیق کرنے، ریاضی کی غلطیوں کو کم کرنے، اور مطابقت کے مقاصد کے لیے ساتھیوں، کلائنٹس، یا ریگولیٹری اداروں کے ساتھ دستاویزی، آڈٹ، اور شیئر کیے جاسکنے والے مستقل نتائج پیدا کرنے کے لیے اپنے معیاری تجزیاتی ورک فلو کے حصے کے طور پر معلوماتی تناسب کا استعمال کرتے ہیں۔
یونیورسٹی کے پروفیسرز اور انسٹرکٹرز معلوماتی تناسب کو کورس کے مواد، ہوم ورک اسائنمنٹس، اور امتحان کی تیاری کے وسائل میں شامل کرتے ہیں، جس سے طلباء کو دستی حسابات کی جانچ پڑتال کرنے، ان پٹ آؤٹ پٹ تعلقات کے بارے میں بصیرت پیدا کرنے، اور ریاضی کے بجائے تصوراتی تفہیم پر توجہ مرکوز کرنے کی اجازت ملتی ہے۔
کنسلٹنٹس اور ایڈوائزر کلائنٹ میٹنگز کے دوران مختلف منظرناموں کو تیزی سے ماڈل بنانے کے لیے معلوماتی تناسب کا استعمال کرتے ہیں، جس سے ایسے سوالات کی ریئل ٹائم ایکسپلوریشن ممکن ہو جاتی ہے جو بصورت دیگر تفصیلی اسپریڈشیٹ پر مبنی تجزیہ اور رپورٹنگ کے لیے دفتر میں واپس جائیں۔
انفرادی صارفین ذاتی منصوبہ بندی کے فیصلوں کے لیے معلومات کے تناسب پر انحصار کرتے ہیں — اختیارات کا موازنہ کرنا، سروس فراہم کرنے والوں سے موصول ہونے والے حوالوں کی تصدیق کرنا، فریق ثالث کے حسابات کی جانچ کرنا، اور یہ اعتماد پیدا کرنا کہ ایک اہم فیصلے کے پیچھے نمبروں کی صحیح اور مستقل بنیادوں پر گنتی کی گئی ہے۔
خاص صورتیں
▾
عملی طور پر، اس کنارے کے معاملے میں محتاط غور و فکر کی ضرورت ہے کیونکہ معیاری مفروضے ممکن نہیں ہیں۔ معلومات کے تناسب کیلکولیٹر کیلکولیشن میں اس منظر نامے کا سامنا کرتے وقت، پریکٹیشنرز کو حدود کی شرائط کی تصدیق کرنی چاہیے، تقسیم بہ صفر خطرات کی جانچ کرنی چاہیے، اور غور کرنا چاہیے کہ آیا ماڈل کے مفروضے ان انتہائی حالات میں درست رہتے ہیں۔
عملی طور پر، اس کنارے کے معاملے میں محتاط غور و فکر کی ضرورت ہے کیونکہ معیاری مفروضے ممکن نہیں ہیں۔ معلومات کے تناسب کیلکولیٹر کیلکولیشن میں اس منظر نامے کا سامنا کرتے وقت، پریکٹیشنرز کو حدود کی شرائط کی تصدیق کرنی چاہیے، تقسیم بہ صفر خطرات کی جانچ کرنی چاہیے، اور غور کرنا چاہیے کہ آیا ماڈل کے مفروضے ان انتہائی حالات میں درست رہتے ہیں۔
عملی طور پر، اس کنارے کے معاملے میں محتاط غور و فکر کی ضرورت ہے کیونکہ معیاری مفروضے ممکن نہیں ہیں۔ معلومات کے تناسب کیلکولیٹر کیلکولیشن میں اس منظر نامے کا سامنا کرتے وقت، پریکٹیشنرز کو حدود کی شرائط کی تصدیق کرنی چاہیے، تقسیم بہ صفر خطرات کی جانچ کرنی چاہیے، اور غور کرنا چاہیے کہ آیا ماڈل کے مفروضے ان انتہائی حالات میں درست رہتے ہیں۔
انفارمیشن ریشو بینچ مارکس: ایکٹو ایکویٹی مینیجرز (مارننگ اسٹار/انڈسٹری ریسرچ)
▾
| مینیجر کیٹیگری | میڈین IR (5-سال) | ٹاپ-چوتھائی IR | IR کے ساتھ %> 0.5 |
|---|---|---|---|
| یو ایس لارج کیپ ایکٹیو ایکویٹی | −0.15 سے 0.05 | 0.4 - 0.7 | ~15–20% |
| یو ایس سمال کیپ ایکٹیو ایکویٹی | 0.00 سے 0.20 | 0.5 - 0.9 | ~25–30% |
| ابھرتی ہوئی مارکیٹس ایکٹو ایکویٹی | 0.10 سے 0.30 | 0.6 - 1.0 | ~30–35% |
| گلوبل ایکٹو ایکویٹی | −0.05 سے 0.15 | 0.4 - 0.8 | ~20–25% |
| ایکٹو انویسٹمنٹ گریڈ بانڈز | −0.20 سے 0.00 | 0.3 - 0.6 | ~15–20% |
| مقداری نظامی ایکویٹی | 0.30 سے 0.70 | 0.8 - 1.5 | ~50–65% |
| اعلی درجے کا ہیج فنڈ طویل/مختصر | 0.50 سے 1.20 | 1.5 - 2.5 | ~40–50% |
اکثر پوچھے جانے والے سوالات
▾
ایک اچھا معلوماتی تناسب کیا ہے؟
انگوٹھے کے اصول کے طور پر: 0.0 سے نیچے معلومات کا تناسب منفی ہے (خطرے سے ایڈجسٹ کی بنیاد پر کم کارکردگی کا مظاہرہ کرنا)، 0.0 سے 0.5 اوسط سے کم ہے، 0.5 سے 1.0 اچھا ہے، 1.0 سے 2.0 بہت اچھا ہے، اور 2.0 سے اوپر غیر معمولی ہے۔ گرینولڈ اور کاہن تجویز کرتے ہیں کہ 0.5 سے اوپر کا مستقل IR سرمایہ کاری کی حقیقی مہارت کی نمائندگی کرتا ہے۔ عملی طور پر، مسابقتی، کارآمد مارکیٹوں میں 5+ سالوں میں مسلسل 1.0 سے اوپر کا IR حاصل کرنا انتہائی مشکل ہے۔ اعلی چوڑائی والی مقداری حکمت عملی (کئی آزاد شرطیں) مرتکز صوابدیدی مینیجرز کے مقابلے اعلی IR حاصل کرنے کا زیادہ امکان رکھتی ہیں۔
معلومات کا تناسب تیز تناسب سے کیسے مختلف ہے؟
تیز تناسب کل پورٹ فولیو کے اتار چڑھاؤ کے فی یونٹ خطرے سے پاک شرح سے زائد واپسی کی پیمائش کرتا ہے۔ معلومات کا تناسب ٹریکنگ ایرر کے فی یونٹ بینچ مارک سے اوپر اضافی واپسی کی پیمائش کرتا ہے (فعال واپسی کا اتار چڑھاؤ)۔ اہم فرق حوالہ نقطہ (خطرے سے پاک شرح بمقابلہ بینچ مارک) اور خطرے کی پیمائش (کل اتار چڑھاؤ بمقابلہ ٹریکنگ ایرر) ہے۔ معلومات کا تناسب خاص طور پر ایک بینچ مارک کے مقابلے میں فعال انتظام کا جائزہ لینے کے لیے ڈیزائن کیا گیا ہے، جبکہ تیز تناسب مطلق خطرے کے ساتھ ایڈجسٹ شدہ کارکردگی کا جائزہ لیتا ہے۔ ایک غیر فعال انڈیکس فنڈ میں صفر کی ٹریکنگ ایرر اور غیر متعینہ انفارمیشن ریشو ہوتا ہے۔ اس کا ایک معنی خیز تیز تناسب ہے۔
ٹریکنگ ایرر کیا ہے، اور نارمل رینج کیا ہے؟
ٹریکنگ ایرر وقت کے ساتھ پورٹ فولیو کی فعال واپسی (پورٹ فولیو ریٹرن مائنس بینچ مارک ریٹرن) کا سالانہ معیاری انحراف ہے۔ یہ پیمائش کرتا ہے کہ مینیجر بینچ مارک کو کتنے قریب سے یا ڈھیلے طریقے سے ٹریک کرتا ہے۔ اپنے بینچ مارک کو نشانہ بنانے والے انڈیکس فنڈ میں 0.05%–0.20% فی سال کے قریب ٹریکنگ کی خرابی ہوگی۔ بہتر انڈیکس فنڈز 0.5%–1.5% کو نشانہ بنا سکتے ہیں۔ اعتدال پسند فعال فنڈز عام طور پر 2%–5% ٹریکنگ ایرر چلاتے ہیں۔ انتہائی فعال یا مرتکز فنڈز میں 8%–15%+ ٹریکنگ کی خرابی ہو سکتی ہے۔ بہت زیادہ ٹریکنگ کی خرابی صحیح معنوں میں فعال، اعلیٰ یقین کی حکمت عملیوں کے لیے موزوں ہو سکتی ہے، لیکن معلومات کے مثبت تناسب کو برقرار رکھنے کے لیے اسے متناسب طور پر زیادہ فعال واپسی کی ضرورت ہوتی ہے۔
فعال انتظام کا بنیادی قانون کیا ہے؟
Richard Grinold (1989) کے ذریعے تیار کیا گیا اور Grinold and Kahn (2000) کے ذریعے پھیلایا گیا، بنیادی قانون میں کہا گیا ہے: IR ≈ IC × √BR، جہاں IC (معلومات کی گتانک) مینیجر کی واپسی کی پیشن گوئی اور حقیقی نتائج کے درمیان تعلق ہے، اور BR میں سرمایہ کاری کی تعداد (بی آر) پر منحصر ہے جو فیصلہ کیا گیا ہے۔ قانون کا مطلب ہے کہ مینیجر یا تو اعلی پیشن گوئی کی درستگی (اعلی IC، جیسے کہ ایک میکرو ٹریڈر 5-10 ہائی کنکشن کالز کرنے) کے ذریعے یا بہت سے آزاد، قدرے بہتر سے بے ترتیب فیصلوں کے ذریعے اعلی IR حاصل کر سکتا ہے (اعلی BR، مثال کے طور پر، ایک مقداری اسٹاک اسکرینر فی سال 1+0 فیصلہ کرنا)۔ قانون یہ سمجھنے کے لیے ایک طاقتور فریم ورک فراہم کرتا ہے کہ کیوں منظم مقدار کی حکمت عملی اکثر صوابدیدی مینیجرز کو رسک ایڈجسٹ کی بنیاد پر پیچھے چھوڑ دیتی ہے۔
معلومات کے تناسب پر بھروسہ کرنے کے لیے کتنے عرصے تک ٹریک ریکارڈ کی ضرورت ہے؟
معلوماتی تناسب کی شماریاتی اہمیت حیرت انگیز طور پر مضحکہ خیز ہے۔ 95% اعتماد کی سطح پر صفر سے 0.5 کے IR میں فرق کرنے کے لیے تقریباً (1.645/0.5)² ≈ 11 سال کا سالانہ ڈیٹا، یا اس کے برابر تقریباً 130 ماہ درکار ہیں۔ 1.0 کے IR کے لیے، تقریباً 3 سال کا سالانہ ڈیٹا کافی ہے۔ اس کا مطلب یہ ہے کہ زیادہ تر 3 سے 5 سال کے ٹریک ریکارڈز، یہاں تک کہ اچھے مینیجرز کے لیے بھی، 95% کی سطح پر قسمت سے شماریاتی طور پر ممتاز نہیں ہو سکتے۔ طویل ٹریک ریکارڈز، مارکیٹ کے متعدد نظاموں میں، فعال انتظامی مہارت میں اعتماد کے لیے ضروری ہیں۔ یہی وجہ ہے کہ بہت سے نفیس مختص کرنے والوں کو بڑی رقم مختص کرنے سے پہلے 7-10 سال کا ٹریک ریکارڈ درکار ہوتا ہے۔
کیا معلومات کا تناسب کھیلا جا سکتا ہے؟
ہاں — معلومات کے تناسب کو کئی طریقوں سے جوڑ دیا جا سکتا ہے۔ ایک مینیجر بینچ مارک (کلوسیٹ انڈیکسنگ) کو گلے لگا کر ٹریکنگ کی خرابی کو مصنوعی طور پر کم کر سکتا ہے، جبکہ ایکٹو مینجمنٹ چلانے کا دعویٰ کرتا ہے - یہ ایک چھوٹے مثبت الفا پر ایک اعلی IR پیدا کرتا ہے، لیکن سرمایہ کار قریبی غیر فعال نمائش کے لیے فعال فیس ادا کر رہے ہیں۔ متبادل طور پر، ایک مینیجر ایک بینچ مارک کا انتخاب کر سکتا ہے جس کے خلاف انہیں ساختی فائدہ حاصل ہو۔ ریٹرن اسموتھنگ (جیسا کہ پرائیویٹ ایکویٹی یا غیر قانونی ہولڈنگز کے ساتھ ہیج فنڈز میں) IR کو بڑھاتے ہوئے ٹریکنگ کی ظاہری خرابی کو کم کرتا ہے۔ سرمایہ کاروں کو IR کے ساتھ ٹریکنگ کی خرابی کی شدت کا جائزہ لینا چاہیے تاکہ یہ یقینی بنایا جا سکے کہ فعال واپسی ادا کی گئی فیس اور لیے گئے خطرے کے مقابلے میں بامعنی ہے۔
فیس معلومات کے تناسب کو کیسے متاثر کرتی ہے؟
مینجمنٹ فیس اور پرفارمنس فیس انفارمیشن ریشو کے فعال ریٹرن نمبر کو براہ راست کم کرتی ہے۔ 0.8 کی پری فیس IR اور 100bps سالانہ مینجمنٹ فیس کے ساتھ ایک فنڈ میں تقریباً (فعال واپسی −1.0%) / ٹریکنگ ایرر کا پوسٹ فیس IR ہوگا۔ اگر پری فیس ایکٹیو ریٹرن 5.0% ٹریکنگ ایرر (IR = 0.80) کے ساتھ 4.0% تھا، تو پوسٹ فیس ایکٹیو ریٹرن 3.0%، اور پوسٹ فیس IR = 3.0% / 5.0% = 0.60 بن جاتا ہے۔ پرفارمنس فیس کارکردگی فیس کی شرح اور ہائی واٹر مارک کراسنگ کی فریکوئنسی کے تناسب سے IR کو مزید کم کرتی ہے۔ زیادہ تر مطالعات سے پتہ چلتا ہے کہ فعال مینیجرز کی پوسٹ فیس IR کی تقسیم صفر سے تھوڑی نیچے مرکوز ہوتی ہے، یعنی اوسطاً، فعال انتظام موثر مارکیٹوں میں فیس کے بعد قدر کو تباہ کر دیتا ہے۔
عام غلطیاں جن سے بچنا ہے
▾
- !ایک نامناسب یا آسانی سے شکست دینے والے بینچ مارک کا استعمال - یہ حقیقی مہارت کی عکاسی کیے بغیر فعال واپسی اور معلومات کے تناسب کو مصنوعی طور پر بڑھاتا ہے۔
- !بہت کم عرصے میں IR کا جائزہ لینا — 3 سال سے کم ماہانہ ڈیٹا مثبت IR کو بے ترتیب موقع سے ممتاز کرنے کے لیے ناکافی ہے۔
- !ٹریکنگ ایرر کی سطح کو نظر انداز کرنا — 1% ٹریکنگ ایرر اور 1% الفا کے ساتھ حاصل کردہ 1.0 کا IR بنیادی طور پر اسی IR سے مختلف ہے جو 10% ٹریکنگ ایرر اور 10% الفا کے ساتھ حاصل کیا گیا ہے اور سرمایہ کار کے تجربے کے لحاظ سے 10% الفا ہے۔
- !مجموعی فیس اور خالص آف فیس کا موازنہ استعمال کرنے میں ناکام ہونا — سرمایہ کار کے لیے قدر کا اندازہ کرتے وقت ہمیشہ IR کا خالص فیس کی بنیاد پر جائزہ لیں۔
- !انفارمیشن ریشو کو بینچ مارک سے آزاد سمجھنا - بینچ مارک کو تبدیل کرنے سے عدد (فعال واپسی) اور ڈینومینیٹر (ٹریکنگ ایرر) اور اسی وجہ سے IR دونوں میں نمایاں تبدیلی آتی ہے۔
پرو ٹپ
مینیجر کے انتخاب کے لیے معلومات کے تناسب پر بھروسہ کرنے سے پہلے کم از کم 5 سال (ترجیحی طور پر 7+) ماہانہ ڈیٹا درکار ہے۔ اچھی مارکیٹوں میں شارٹ ٹریک ریکارڈز متاثر کن IRs پیدا کر سکتے ہیں جو شماریاتی طور پر قسمت سے الگ نہیں ہوتے۔ مختلف مارکیٹ رجیموں میں تناسب کی مستقل مزاجی پر توجہ مرکوز کریں، نہ صرف ہیڈ لائن نمبر۔
کیا آپ جانتے ہیں؟
رچرڈ گرنولڈ نے اصل میں ایکٹیو مینجمنٹ کا بنیادی قانون (IR ≈ IC × √BR) 1989 کے ایک مقالے میں وضع کیا جو صرف 7 صفحات پر مشتمل تھا۔ یہ دھوکہ دہی سے آسان فارمولہ اس کے بعد سے مقداری اثاثہ جات کے انتظام میں سب سے زیادہ حوالہ دینے والے اور بااثر خیالات میں سے ایک بن گیا ہے، جو منظم سرمایہ کاری کے لیے پوری نظریاتی بنیاد کو بنیاد بناتا ہے۔
Regional Guides
▾
🇺🇸 US▾
🇬🇧 UK▾
🇪🇺 EU▾
حوالہ جات
ہفتہ وار ریاضی کی تجاویز حاصل کریں۔
ان 12,000+ سبسکرائبرز میں شامل ہوں جو ہر ہفتے کیلکولیٹر ٹپس حاصل کرتے ہیں۔