प्रदर्शन मापन और म्यूचुअल फंड योजनाओं के मूल्यांकन के तहत जोखिम की अवधारणा

प्रदर्शन मापन और म्यूचुअल फंड योजनाओं के मूल्यांकन के तहत जोखिम की अवधारणा!

जोखिम प्रदर्शन माप का मुख्य आयाम है, और फंड मैनेजर के कौशल को निर्धारित करने में निर्णायक कारक है। केवल रिटर्न को देखकर एक प्रबंधक किसी विशेष अवधि में कितना कुशल है, इस बारे में कोई निर्णय नहीं कर सकता है।

चित्र सौजन्य: परिष्कृत करें.com/assets/images/Careers/Investing/What-are-index-mutual-funds.jpg

सामान्य अर्थों में जोखिम हानि, क्षति या नुकसान की संभावना है। निवेश के लिए जोखिम की एक अधिक विशिष्ट परिभाषा दी जा सकती है। यह अपेक्षित रिटर्न में परिवर्तनशीलता को संदर्भित करता है।

म्यूचुअल फंड के लिए निम्नलिखित कारक निवेश प्रदर्शन की परिवर्तनशीलता का कारण बनते हैं:

ए। पोर्टफोलियो में प्रतिभूतियों का प्रकार। उदाहरण के लिए, लार्ज कैप स्टॉक की तुलना में छोटे कैप स्टॉक अधिक अस्थिर हो सकते हैं।

ख। विविधीकरण की डिग्री। उदाहरण के लिए, 15 शेयरों वाले पोर्टफोलियो की तुलना में केवल 5 शेयरों का पोर्टफोलियो अधिक अस्थिर हो सकता है।

सी। किस हद तक पोर्टफोलियो प्रबंधक बाजार का समय है। उदाहरण के लिए, एक इंडेक्स फंड एक आक्रामक विकास फंड की तुलना में कम अस्थिर होता है।

मानक विचलन:

मानक विचलन बदले में फैलाव का एक उपाय है। यह उस डिग्री को परिमाणित करता है, जिसमें उनके औसत के आसपास उतार-चढ़ाव आता है। मानक विचलन का एक उच्च मूल्य उच्च जोखिम का मतलब है।

मानक विचलन का उपयोग सुरक्षा (या प्रतिभूतियों के पोर्टफोलियो) के जोखिम का वर्णन करने के लिए किसी अन्य उपाय से अधिक किया जाता है। निवेश प्रदर्शन पर किसी भी अकादमिक अध्ययन में; संभावना है कि जोखिम को नापने के लिए मानक विचलन का उपयोग किया जाएगा। यह सिर्फ एक वित्तीय उपकरण नहीं है, हालांकि।

मानक विचलन विज्ञान और सामाजिक विज्ञान में सबसे अधिक उपयोग किए जाने वाले सांख्यिकीय उपकरणों में से एक है। यह किसी भी संख्या में भिन्नता की मात्रा का सटीक माप प्रदान करता है - म्यूचुअल फंड का रिटर्न, मुंबई में बारिश, या पेशेवर क्रिकेट खिलाड़ियों का वजन - जो औसत बनाते हैं।

यह समझने के लिए कि मानक विचलन क्या इंगित करता है, आइए बहुत बुनियादी उदाहरणों के एक जोड़े के माध्यम से काम करें। हम दो परिवारों, शर्मा और वर्मा का उपयोग करेंगे। दोनों परिवारों में तीन बच्चे हैं, और दोनों परिवारों के लिए, बच्चों की औसत आयु 10. है। हालांकि, दोनों परिवारों के लिए बच्चों की उम्र की सीमा काफी अलग है।

शर्मा के एक आठ साल की बेटी, 10 साल का बेटा और 12 साल की बेटी है। वर्मा के एक साल का बेटा, नौ साल की बेटी और 20 साल का एक बेटा है। बच्चों के दोनों सेट की औसत आयु समान है, लेकिन हम मानक विचलन का उपयोग उस माध्य या औसत के आसपास विचरण को मापने के लिए कर सकते हैं।

म्युचुअल फंड के लिए मानक विचलन:

जब किसी सुरक्षा या प्रतिभूतियों के पोर्टफोलियो के प्रदर्शन की अस्थिरता को मापने के लिए उपयोग किया जाता है, तो मानक विचलन की गणना आमतौर पर एक विशिष्ट समय अवधि में मासिक रिटर्न के लिए की जाती है - आमतौर पर 36 महीने। और, क्योंकि अधिकांश लोग वार्षिक रूप से नहीं मासिक आधार पर रिटर्न के बारे में सोचते हैं जिसके परिणामस्वरूप संख्या तब एक वार्षिक मानक विचलन का उत्पादन करने के लिए संशोधित होती है।

मानक विचलन एक सुरक्षा की वापसी में परिवर्तन की मात्रा निर्धारित करता है:

तकनीकी रूप से, मानक विचलन सुरक्षा के रिटर्न के विचलन का एक परिमाण प्रदान करता है, न कि इसका जोखिम। तो क्यों यह आमतौर पर एक जोखिम उपाय के रूप में उपयोग किया जाता है? आखिरकार, रिटर्न के उच्च मानक विचलन वाला एक फंड जरूरी नहीं है कि रिटर्न के निम्न-मानक विचलन के साथ एक से अधिक "जोखिम भरा" हो।

जिस तरह मेहरास ट्रिपल के मानक शून्य का मानक विचलन था, एक म्यूचुअल फंड जो हर महीने 1% खो देता था और शून्य का मानक विचलन भी होता था। एक फंड जो वैकल्पिक रूप से हर महीने 5% या 25% प्राप्त करता है, उसमें बहुत अधिक मानक विचलन होगा, लेकिन यह निश्चित रूप से एक बेहतर निवेश होगा।

जैसा कि यह पता चला है, जबकि वास्तविक रूप से वास्तविक दुनिया में कोई नकारात्मक जोखिम नहीं दिखाते हुए रिटर्न के उच्च मानक विचलन का होना संभव है, सुरक्षा की वापसी में स्विंग जितना अधिक होता है यह नकारात्मक क्षेत्र में डुबकी लगाने की अधिक संभावना है। हालाँकि, मानक विचलन, ऊपर और नीचे दोनों तरफ अस्थिरता को मापता है, यह किसी भी सुरक्षा के साथ नुकसान के जोखिम को मापने के लिए एक अच्छा प्रॉक्सी है।

मानक विचलन की एक ताकत यह है कि इसका उपयोग किसी भी प्रकार की सुरक्षा के साथ किसी भी प्रकार के पोर्टफोलियो के लिए बोर्ड में किया जा सकता है। गणना बॉन्ड के पोर्टफोलियो के लिए समान है क्योंकि यह ग्रोथ स्टॉक के पोर्टफोलियो के लिए है। एक्सेल शीट पर मानक विचलन की गणना बहुत आसानी से की जा सकती है। एक सरल उदाहरण अवधारणा को चित्रित करेगा।

एमएस एक्सेल में 'STDEV' फ़ंक्शन का उपयोग करके मानक विचलन की गणना की जा सकती है। चित्रण के उद्देश्य से हमें केवल 6 महीने का रिटर्न मिलेगा। उपयोग किया जाने वाला सूत्र "STDEV सेल श्रेणी" है। सेल रेंज मासिक रिटर्न श्रृंखला होगी।

सूत्र "STDEV (सेल रेंज)" है, जहां सेल रेंज कॉलम मासिक रिटर्न के तहत 3 से 8 तक सेल होगी यानी STDEV (A3: A8) (GRAY रंग में इंगित क्षेत्र)। मानक विचलन 0.0327 है।

परिणामी संख्या मासिक मानक विचलन है। एक वर्ष के दौरान महीनों की संख्या के वर्गमूल अर्थात 12 से ऊपर की गणना, मानक विचलन को गुणा करके इस संख्या को वार्षिक किया जा सकता है।

वार्षिक मानक विचलन = 0.0327। 12 = 11.33% का वर्गमूल।

इस उदाहरण में हम मासिक एनएवी के साथ काम कर रहे हैं। यदि हम दैनिक एनएवी के साथ काम कर रहे थे, तो शनिवार, रविवार और सार्वजनिक अवकाश के एक वर्ष में टिप्पणियों की संख्या 252 के आसपास होगी और, हमें दैनिक मानक विचलन संख्या को 252 के वर्गमूल से गुणा करना होगा।

फंड का मासिक मानक 3.27% है। मान लीजिए कि स्कीम का मासिक रिटर्न 2% है। भविष्य में इसका मतलब है:

ए। 66.7% संभावना है कि फंड रिटर्न 2% -3.27% से 2% + 3.27% के बीच होगा

ख। 95% संभावना है कि फंड रिटर्न 2% - 6.54% से 2% + 6.54% के बीच होगा

सी। 99% संभावना है कि फंड रिटर्न 2% - 9.81% से 2% + 9.81% के बीच होगा

मानक विचलन समान उद्देश्यों के साथ पोर्टफोलियो को एक विशेष समय सीमा में तुलना करने की अनुमति देता है। इसका उपयोग यह पता लगाने के लिए भी किया जा सकता है कि एक श्रेणी में किसी फंड का जोखिम कितना अधिक है।

बीटा:

कैपिटल एसेट प्राइसिंग मॉडल (CAPM) मानता है कि जोखिम एक व्यवस्थित घटक और एक विशिष्ट घटक के होते हैं। व्यक्तिगत प्रतिभूतियों के लिए विशिष्ट जोखिम को दूर किया जा सकता है इसलिए एक निवेशक को इस प्रकार के जोखिम को वहन करने के लिए मुआवजे की उम्मीद नहीं करनी चाहिए।

इसलिए जब किसी पोर्टफोलियो का मूल्यांकन अन्य विभागों के साथ किया जाता है, तो इसके अतिरिक्त रिटर्न को इसके कुल जोखिम के बजाय इसके व्यवस्थित जोखिम से समायोजित किया जाना चाहिए। बाजार का जोखिम बीटा द्वारा मापा जाता है। बीटा किसी शेयर या म्यूचुअल फंड के रिटर्न को मार्केट इंडेक्स से संबंधित करता है। यह बाजार सूचकांक में उतार-चढ़ाव के लिए फंड की वापसी की संवेदनशीलता को दर्शाता है।

बीटा गणना को समय की एक लंबी अवधि के लिए दो श्रृंखलाओं की आवश्यकता होती है, 3 से 5 साल कहते हैं। मूल्यों की एक श्रृंखला म्यूचुअल फंड योजना की एनएवी होगी। दूसरी श्रृंखला उन सभी तिथियों पर बाजार सूचकांक होगी जिनके लिए योजना के एनएवी पर विचार किया गया है।

जानकारी को देखते हुए, किसी योजना में रिटर्न के विचरण की गणना की जानी है। मानक विचलन विचरण का वर्गमूल है। एमएस एक्सेल VAR फंक्शन यानी 'VAR (सेल रेंज)' का उपयोग करके भी सीधे गणना की जा सकती है। सूत्र "VAR (सेल रेंज)" होगा, जहां सेल रेंज म्यूचुअल फंड स्कीम का दैनिक / साप्ताहिक / मासिक रिटर्न होगा।

बीटा गणना के लिए एक नंबर की आवश्यकता होती है। covarianceof स्कीम रिटर्न और मार्केट रिटर्न। Covariance अनिवार्य रूप से मापता है कि योजना किस सीमा तक और बाजार रिटर्न एक साथ चलती है। इसकी गणना using COVAR ’फ़ंक्शन का उपयोग करके MS Excel में की जा सकती है।

सूत्र 'COVAR (सेल रेंज 1, सेल रेंज 2)' होगा, जहां सेल रेंज बाजार में रिटर्न के अनुरूप होगा, और सेल रेंज 2 स्कीम में रिटर्न के अनुरूप होगा।

समय अवधि के लिए सभी मासिक रिटर्न की साजिश रचने के बाद, एक सबसे फिट लाइन, जो सभी बिंदुओं के सबसे करीब आती है - खींची जाती है। फिर हम फंड के बीटा का निर्धारण करने के लिए इस रेखा के ढलान को मापते हैं। हमारे उदाहरण फंड का बीटा 1.1 के बराबर है। (ट्रेंड लाइन के समीकरण को प्राप्त करके सर्वश्रेष्ठ-फिट लाइन का ढलान प्राप्त किया जा सकता है। यह आर 2 मान को भी फेंकता है)।

बीटा की व्याख्या करना काफी आसान है। एक बीटा जो एक से अधिक है इसका मतलब है कि फंड या स्टॉक बेंचमार्क इंडेक्स की तुलना में अधिक अस्थिर है, जबकि एक से कम बीटा का मतलब है कि सुरक्षा इंडेक्स की तुलना में कम अस्थिर है। बीटा की अवधारणा करने का एक आसान तरीका दो बच्चों की कल्पना करना है जो एक स्विंग सेट पर खेल रहे हैं।

एक बच्चा "बाजार" स्विंग पर बैठता है, दूसरा "फंड" स्विंग पर है, और दोनों को उनकी माताओं द्वारा धक्का दिया जाता है। उनकी गति के आगे के हिस्से को निवेश के लाभ और निवेश के नुकसान का प्रतिनिधित्व करने के रूप में पिछड़े हिस्से के रूप में देखें। बीटा मापता है कि "बाजार" बच्चे के सापेक्ष "फंड" बच्चे को कितना मुश्किल धक्का दिया जा रहा है।

उदाहरण के लिए, 1.0 के एक बीटा का मतलब है कि दोनों बच्चों को समान बल के साथ धकेला जा रहा है, और इसलिए, उनके झूलों की ऊंचाई बराबर होनी चाहिए। (इसे निवेश की दुनिया में वापस लाना, अगर बाजार 10% बढ़ जाता है, तो 1.0 के बीटा वाले फंड को 10% ऊपर जाना चाहिए, जबकि अगर बाजार 10% गिरता है, तो फंड को एक समान राशि से गिरना चाहिए)।

हालांकि, एक से अधिक बीटा इंगित करता है कि "फंड" बच्चे को "बाजार" बच्चे की तुलना में कठिन धक्का दिया जा रहा है, और इसलिए प्रत्येक दिशा में उच्च स्विंग होगा। 1.1 के अपने बीटा के साथ हमारी उदाहरण निधि, बाजार की तुलना में थोड़ा अधिक अस्थिर होने की उम्मीद की जाएगी। यदि बाजार में 10% लाभ होता है, तो हमारे फंड को औसतन, 11% का लाभ प्राप्त करना चाहिए, जबकि बाजार में 10% की गिरावट के परिणामस्वरूप फंड द्वारा 11% की गिरावट होनी चाहिए।

इसके विपरीत, कम से कम एक बीटा का अर्थ है कि "निधि" बच्चे की मां के रूप में कठिन धक्का नहीं है, और "निधि" बच्चे के रूप में दूर आगे स्विंग नहीं होगा, लेकिन यह भी "बाजार" के रूप में वापस स्विंग नहीं होगा बच्चे। 0.9 के बीटा के साथ एक फंड 9% लौटाएगा जब बाजार 10% बढ़ गया, लेकिन जब बाजार में 10% की गिरावट आई तो वह केवल 9% खो देगा।

इस नंबर की सीमाएं:

बीटा का सबसे बड़ा दोष यह है कि यह तब ही उपयोगी होता है जब किसी प्रासंगिक बेंचमार्क के विरुद्ध गणना की जाती है। हमारे उदाहरण फंड के साथ, हम एक अच्छी सीधी रेखा खींचने में सक्षम थे। लेकिन क्या होगा अगर सभी बिंदु बिखरे हुए हैं, जैसा कि हम निम्नलिखित ग्राफ में देखते हैं?

हम अभी भी एक बीटा प्राप्त करने के लिए "सबसे अच्छी फिट" सीधी रेखा खींच सकते हैं, लेकिन परिणामी बीटा आपको ज्यादा नहीं बताता है। उदाहरण के लिए जब बीएसई 30 के मुकाबले सेक्टर फंड की वापसी होती है, तो इसमें कम बीटा हो सकता है। इस तरह के कम बीटा से किसी को यह विश्वास हो सकता है कि सेक्टर फंड सुरक्षित निवेश हैं, लेकिन वे वास्तव में बेहद अस्थिर हैं और कई बार भारी नुकसान झेलते हैं। उनका दांव कम है क्योंकि उनके रिटर्न का बीएसई 30 के रिटर्न के साथ अपेक्षाकृत कम है। बीटा एक विशिष्ट बेंचमार्क या इंडेक्स के सापेक्ष सुरक्षा की पिछली अस्थिरता का माप प्रदान करता है, लेकिन आपको यह सुनिश्चित करने के लिए मिल गया है कि आपने अतिरिक्त चुना है एक प्रासंगिक बेंचमार्क।

इस कारण से, किसी भी सुरक्षा के बीटा पर विचार करते समय, किसी अन्य सांख्यिकीय-आर-वर्ग पर भी विचार करना चाहिए।

आर-वर्ग (आर ² ):

R-squared (R ² ) यह मापता है कि XY ग्राफ के सभी बिंदुओं को सबसे अच्छी तरह से फिट करने वाली रेखा के कितने करीब है। यदि सभी बिंदु लाइन पर थे, तो एक फंड में 100 का आर-वर्ग होगा, जो चुने हुए सूचकांक के साथ पूर्ण सहसंबंध को दर्शाता है। शून्य का एक आर-स्क्वेर्ड जो कोई संबंध नहीं बताता है।

आर-वर्ग जितना कम होता है उतना कम विश्वसनीय बीटा सुरक्षा की अस्थिरता के माप के रूप में होता है। उदाहरण के लिए, आईटी फंड्स का बीएसई 30 या निफ्टी के साथ कम आर-वर्ग हो सकता है, जो दर्शाता है कि बीएसई 30 या निफ्टी के सापेक्ष उनका दांव जोखिम के उपायों के रूप में बहुत बेकार है।

बीटा की एक और सीमा यह है कि यह एक सापेक्ष माप है; यह उस हद तक उपयोगी है जब फंड का प्रदर्शन बेंचमार्क इंडेक्स के साथ सहसंबद्ध होता है। कई फंडों के लिए, एक उपयुक्त सूचकांक मौजूद नहीं हो सकता है। कई इक्विटी फंड निफ्टी या बीएसई 30 जैसे सूचकांकों के साथ बहुत कम संबंध रखते हैं।

इसके अलावा बीटा निवेशकों को उपयोगी जानकारी प्रदान करने की संभावना है, यदि वे सूचकांक की अस्थिरता को समझते हैं। हालांकि, यह संदिग्ध है कि कई निवेशक यहां तक ​​कि उन लोगों से भी परिचित हैं, उदाहरण के लिए निफ्टी इंडेक्स - परिचित के साथ प्रदर्शित करेगा कि यह कितना अस्थिर रहा है।