मार्कोविट्ज़ मॉडल और आधुनिक पोर्टफोलियो सिद्धांत - एक व्याख्या
यह YouTube इनसाइट नोट LilysAI से बनाया गया है। मुफ्त में साइन अप करें और वीडियो से 10× तेज़ और गहरे इनसाइट्स पाएं।
Q: आधुनिक पोर्टफोलियो सिद्धांत (MPT) क्या है?
यह सामग्री आधुनिक पोर्टफोलियो सिद्धांत (MPT) के मूल सिद्धांतों को स्पष्ट करती है, जिसमें जोखिम और प्रतिफल के बीच संतुलन पर जोर दिया गया है। आप सीखेंगे कि कुशल सीमा (Efficient Frontier) का उपयोग करके अपने पोर्टफोलियो को कैसे अनुकूलित करें और CAPM विधि से अपेक्षित प्रतिफल की गणना कैसे करें। यह वीडियो आपको विविधीकरण के माध्यम से जोखिम को कम करते हुए प्रतिफल को अधिकतम करने के लिए व्यावहारिक, गणित-आधारित अंतर्दृष्टि प्रदान करता है।
1. आधुनिक पोर्टफोलियो सिद्धांत (MPT) का परिचय और मार्कविट्ज़ का योगदान
- वित्त की दुनिया में जोखिम और प्रतिफल के बीच संतुलन एक व्यापार-बंद (trade-off) है।
- आधुनिक पोर्टफोलियो सिद्धांत (MPT) का उपयोग करके इस संतुलन को मापा जा सकता है।
- MPT को पहली बार हैरी मार्कविट्ज़ द्वारा विस्तृत किया गया था।
- मार्कविट्ज़ ने सिद्धांत दिया कि हर चीज़ में जोखिम और प्रतिफल का व्यापार-बंद होना चाहिए।
- यह संतुलन किसी भी परिसंपत्ति पर लागू हो सकता है, बशर्ते जोखिम का उचित माप हो।
- मार्कविट्ज़ ने परिसंपत्ति की अस्थिरता को कुल जोखिम का आकलन करने के लिए एक अच्छा मीट्रिक सुझाया।
- परिसंपत्ति की कीमत जितनी अधिक अस्थिर होगी, निवेशक के लिए जोखिम उतना ही अधिक होगा।
- कम अस्थिरता का मतलब निवेशक के लिए कम जोखिम होता है।
- मार्कविट्ज़ ने यह भी देखा कि जोखिम भरी परिसंपत्तियों में कम जोखिम वाली परिसंपत्तियों की तुलना में अधिक प्रतिफल देने की क्षमता होती है।
- हालांकि, जोखिम भरी परिसंपत्तियों में अधिक नुकसान होने की भी बेहतर संभावना होती है।
- यहीं पर जोखिम-प्रतिफल भुगतान संरचना मौजूद है।
- अपने काम के लिए, मार्कविट्ज़ को अर्थशास्त्र में नोबेल पुरस्कार मिला।
2. MPT के गणितीय आधार: सहसंबंध और कुशल सीमा
- मार्कविट्ज़ ने सुझाव दिया कि परिसंपत्तियाँ एक-दूसरे के साथ सहसंबद्ध और असंबद्ध तरीकों से चलती हैं।
- कुछ परिसंपत्तियाँ एक समान तरीके से चलेंगी, जबकि अन्य असमान या नकारात्मक तरीके से चल सकती हैं।
- इसलिए, परिसंपत्तियों के बीच सहसंबंध और सहप्रसरण (covariances) महत्वपूर्ण थे।
- उन्होंने इस संबंध को एक सहप्रसरण मैट्रिक्स में संक्षेपित किया, जिसे सिग्मा ($\Sigma$) कहा जाता है।
- सिग्मा को प्रत्येक परिसंपत्ति के समय श्रृंखला सहप्रसरणों से बना एक मैट्रिक्स माना जा सकता है।
- कुछ परिसंपत्तियों में उच्च सहप्रसरण होगा, जबकि कुछ में कम होगा।
- मार्कविट्ज़ ने यह भी माना कि एक व्यक्ति अपने पोर्टफोलियो में परिसंपत्तियों के बीच आवंटन के अनंत संयोजन रख सकता है।
- हालांकि, केवल संयोजनों का एक उपसमूह ही कुशल आवंटन माना जाता था।
- ये कुशल आवंटन एक वक्र के साथ स्थित थे, जिसे मार्कविट्ज़ ने कुशल सीमा (Efficient Frontier) कहा।
- कुशल सीमा के साथ स्थित आवंटनों को जोखिम के दिए गए स्तर के लिए सर्वोत्तम प्रतिफल वाला माना जाता था।
2.1. कुशल सीमा की गणना के लिए गणितीय सूत्र
- प्रत्येक परिसंपत्ति के लिए पोर्टफोलियो भार का एक सेट हो सकता है, जिसे भारों का पोर्टफोलियो वेक्टर (W) कहा जाता है।
- यदि भारों के वेक्टर को सहप्रसरण मैट्रिक्स () से गुणा किया जाता है, और फिर भारों के वेक्टर के ट्रांसपोज़ (transpose) से गुणा किया जाता है, तो अस्थिरता वर्ग पद प्राप्त होता है।
- लक्ष्य यह जानना है कि प्रतिफल के दिए गए स्तर (R) के लिए यह मान कब न्यूनतम होता है।
- अपेक्षित प्रतिफल (R) की गणना:
- प्रत्येक परिसंपत्ति के अपेक्षित प्रतिफल मानों को एक नए वेक्टर में रखा जाता है, जिसे म्यू ($\mu$) कहा जाता है।
- यदि को भारों के ट्रांसपोज़ (W) से गुणा किया जाता है, तो पोर्टफोलियो प्रतिफल (R) प्राप्त होता है।
- यह प्रत्येक परिसंपत्ति के अपेक्षित प्रतिफल को पोर्टफोलियो भार से गुणा करने और फिर उन्हें एक साथ जोड़ने के समान है (जिसे डॉट उत्पाद भी कहा जाता है)।
- समाधान वक्र:
- दो समीकरणों के साथ, लक्ष्य जोखिम को कम करना और प्रतिफल को अधिकतम करना है।
- चूंकि ये दो प्रणालियाँ सुसंगत और अनिर्धारित हैं, इसलिए समाधान के रूप में एक वक्र प्राप्त होता है।
- वक्र पर किसी भी बिंदु की गणना:
- समीकरण है:
- (लैम्ब्डा) जोखिम सहनशीलता है, जो शून्य (कोई जोखिम नहीं) से अनंत (असीमित जोखिम) तक होती है।
- MPT का मुख्य उद्देश्य जोखिम-प्रतिफल को सबसे कुशल तरीके से मिलाना है।
- विविधीकरण MPT का प्रतिफल है।
- विपरीत सहसंबंधों वाली लेकिन सकारात्मक अपेक्षित प्रतिफल वाली परिसंपत्तियों में विविधीकरण करके, निवेशक सैद्धांतिक रूप से प्रतिफल को अधिकतम और जोखिम को कम कर सकते हैं।
- MPT की अवधारणा क्रिप्टोकरेंसी जैसी चीज़ों के लिए भी काम करती है।
- असंबद्ध परिसंपत्तियों में पोर्टफोलियो का विविधीकरण अक्सर पोर्टफोलियो में मजबूती जोड़ता है।
3. अपेक्षित प्रतिफल की गणना: CAPM विधि
- अपेक्षित प्रतिफल की गणना करना एक जटिल प्रश्न है, और इसका उत्तर निवेशक से निवेशक में भिन्न होता है।
- महत्वपूर्ण यह है कि परिसंपत्ति मूल्य निर्धारण के लिए एक कार्यशील प्रक्रिया विकसित की जाए और उसे सार्वभौमिक रूप से लागू किया जाए।
- अपेक्षित प्रतिफल की गणना के लिए कई वित्तीय विशेषज्ञों द्वारा उपयोग किया जाने वाला एक तरीका CAPM विधि है।
- CAPM का अर्थ है पूंजी परिसंपत्ति मूल्य निर्धारण मॉडल (Capital Asset Pricing Model)।
- अपेक्षित प्रतिफल की गणना करते समय CAPM के तीन घटक होते हैं।
- CAPM सूत्र: परिसंपत्ति का अपेक्षित प्रतिफल = जोखिम-मुक्त दर + परिसंपत्ति का बीटा (अपेक्षित बाजार प्रतिफल - जोखिम-मुक्त दर)।
3.1. CAPM के तीन घटक
-
जोखिम-मुक्त दर (Risk-free rate):
- यह वह दर है जिस पर सरकारी टी-बिलों में निवेश करके प्रतिफल प्राप्त किया जा सकता है।
- यह संख्या फेडरल रिजर्व वेबसाइट पर दैनिक रूप से पोस्ट की जाती है और इसे ढूंढना आसान है।
-
बाजार का अपेक्षित प्रतिफल (Expected market return):
- यह वह है जो आप समय की अवधि में बाजार के प्रतिफल का अनुमान लगाते हैं।
- इसकी गणना के लिए ऐतिहासिक प्रतिफल का उपयोग किया जा सकता है, या बाजार प्रतिफल का पूर्वानुमान लगाने के लिए अपना मॉडल विकसित किया जा सकता है।
-
बीटा (Beta):
- बीटा यह है कि आपकी परिसंपत्ति बाजार या बेंचमार्क के मुकाबले कितनी भिन्न होती है।
- बेंचमार्क के रूप में जो भी उपयोग करने का निर्णय लिया जाता है, वह समान परिसंपत्ति वर्ग का होना चाहिए।
- उदाहरण के लिए, यदि बॉन्ड का व्यापार कर रहे हैं, तो S&P 500 को बेंचमार्क के रूप में उपयोग नहीं करना चाहिए।
- बीटा का सारांश: यह मापी जा रही परिसंपत्ति और बेंचमार्क के सहप्रसरण को बेंचमार्क के प्रसरण से विभाजित करने पर प्राप्त होता है।
-
एक बार जब ये सभी घटक मिल जाते हैं, तो उन्हें समीकरण में रखा जा सकता है।
-
इससे एक अपेक्षित प्रतिफल प्राप्त होता है, जिसे प्रतिफल वेक्टर पर लागू किया जा सकता है।
-
यह आधुनिक पोर्टफोलियो सिद्धांत की समझ को पूरा करता है।
4. निष्कर्ष और अस्वीकरण
- यह वीडियो निवेश सलाह नहीं है।
- निवेशकों को अपने निवेश सलाहकार से बात करनी चाहिए कि क्या MPT उनके लिए सही है।
- पिछला प्रदर्शन भविष्य के प्रतिफल की गारंटी नहीं है।
असीमित सामग्री को जीनियस की तरह समझें — LilysAI के साथ
10,00,000+ ज्ञान‑खोजी Lilys AI का उपयोग करते हैं।
