Shrinkage Estimators for Mean and Covariance: Evidence on Portfolio Efficiency Across Market Dimensions
यह अध्ययन अनुभवजन्य रूप से प्रदर्शित करता है कि ग्लोबल मिनिमम-वैरिएंस मॉडल को लेडिट-वुल्फ टू-पैरामीटर कोवेरिएंस श्रिंकेज एस्टीमेटर के साथ, या उसी कोवेरिएंस एस्टीमेटर और सैंपल मीन के साथ मीन-वैरिएंस मॉडल को संयोजित करना, विविध बाजार आयामों और निवेशक जोखिम-रिटर्न प्राथमिकताओं में पारंपरिक पोर्टफोलियो अनुकूलन तकनीकों से लगातार बेहतर प्रदर्शन करता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक पार्टी के लिए एक बेहतरीन केक (एक वित्तीय पोर्टफोलियो) बनाने की कोशिश कर रहे हैं। रेसिपी (मीन-वैरिएंस मॉडल) कहती है कि आपको दो मुख्य सामग्रियों की आवश्यकता है: अपेक्षित स्वाद (रिटर्न) और केक के ढहने का जोखिम (वोलैटिलिटी)।
द दशकों से, पेशेवर बेकर्स इन सामग्रियों को पूरी तरह से मापने की कोशिश कर रहे हैं। लेकिन समस्या यह है: भविष्य को मापना बहुत अव्यवस्थित है। यदि आप केवल ब्रेड के टुकड़ों (ऐतिहासिक डेटा) के एक छोटे से नमूने के आधार पर केक के स्वाद का अनुमान लगाने की कोशिश करते हैं, तो आपका अनुमान अक्सर गलत होता है। यदि आप उन गलत अनुमानों का उपयोग करके केक बनाते हैं, तो या तो केक बहुत खराब हो सकता है, या आप केवल एक ही स्वाद में 90% सामग्री डाल देंगे (बहुत अधिक जोखिम)।
यह पेपर एक विशाल 'टेस्ट-टेस्ट प्रतियोगिता' की तरह है। शोधकर्ताओं ने पूछा: "यदि हम अपनी मापों को ठीक करने के लिए विभिन्न 'स्मार्ट गेसिंग' तकनीकों का उपयोग करें, तो वास्तव में कौन सा सबसे अच्छा केक बनाएगा?"
समस्या: "शोर वाला" किचन
सामग्रियों का अनुमान लगाने का पारंपरिक तरीका केवल पिछले डेटा को देखना और यह कहना है, "यही आगे होने वाला है।" पेपर का तर्क है कि यह एक एकल बादल को देखकर मौसम की भविष्यवाणी करने जैसा है। यह अस्थिर और डगमगाते परिणाम देता है।
समाधान: "श्रिंकेज" (एक समझदारी भरा समझौता)
शोधकर्ताओं ने श्रिंकेज एस्टिमेटर्स (Shrinkage Estimators) का परीक्षण किया। "श्रिंकेज" को छोटा बनाने के रूप में नहीं, बल्कि अपने जंगली अनुमानों को एक समझदारी भरे केंद्र की ओर खींचने के रूप में समझें।
कल्पना कीजिए कि आप एक बास्केटबॉल खिलाड़ी की ऊंचाई का अनुमान लगा रहे हैं।
- पुराना तरीका: आप एक खिलाड़ी को मापते हैं, माप की त्रुटि के कारण एक अजीब संख्या प्राप्त करते हैं, और उस पर अपना सब कुछ दांव पर लगा देते हैं।
- श्रिंकेज वाला तरीका: आप उस माप को लेते हैं, लेकिन आप यह भी जानते हैं कि, "अरे, अधिकांश बास्केटबॉल खिलाड़ी लगभग 6'5" के होते हैं।" इसलिए, आप अपने अजीब माप को उस औसत की ओर खींचते हैं। आप त्रुटि को "सिकोड़" (shrink) देते हैं। आप अपने विशिष्ट डेटा को एक स्थिर, तार्किक लक्ष्य के साथ मिलाते हैं।
इस पेपर ने "स्वाद" (मीन) का अनुमान लगाने के पाँच अलग-अलग तरीकों और "जोखिम" (कोवेरिएंस) का अनुमान लगाने के ग्यारह अलग-अलग तरीकों का परीक्षण किया।
प्रयोग: एक रोलिंग विंडो टेस्ट
उन्होंने केवल एक केक नहीं बनाया। उन्होंने छह अलग-अलग वैश्विक बाजारों (जैसे अमेरिकी S&P 500, भारतीय NIFTY, आदि) के डेटा का उपयोग करके हजारों केक बनाए।
उन्होंने एक "रोलिंग विंडो" विधि का उपयोग किया। कल्पना कीजिए कि अगले 3 महीनों के लिए केक बनाने के लिए पिछले एक साल के डेटा को देखना, फिर यह परीक्षण करना कि उस केक का स्वाद कैसा है। फिर, वे विंडो को एक महीने आगे खिसकाते हैं, एक नया केक बनाते हैं, और फिर से उसका परीक्षण करते हैं। उन्होंने इसे अल्पकालिक (3 महीने), मध्यम अवधि (6 महीने), और दीर्घकालिक (1 वर्ष) क्षितिज के लिए किया।
केक को रैंक करने के लिए, उन्होंने केवल यह नहीं देखा कि किसका स्वाद सबसे अच्छा था। उन्होंने DEA (डेटा एनवेलपमेंट एनालिसिस) नामक एक परिष्कृत स्कोरिंग प्रणाली का उपयोग किया। इसे एक जज की तरह समझें जो केक के स्वाद, बनावट, लागत और सुरक्षा को एक साथ देखता है ताकि एक एकल "दक्षता स्कोर" (Efficiency Score) दे सके।
परिणाम: प्रतियोगिता में कौन जीता?
पेपर ने पाया कि हर प्रकार के निवेशक के लिए कोई एक "जादुई सामग्री" नहीं है जो काम करे, लेकिन विशिष्ट समूहों के लिए स्पष्ट विजेता हैं:
1. "सुरक्षा प्रथम" निवेशक (ग्रुप A और C)
- वे कौन हैं: वे लोग जो आपदा से बचना चाहते हैं। उन्हें पैसा बनाने से ज्यादा इस बात की चिंता होती है कि पैसा खो न जाए।
- विजेता: GMV (ग्लोबल मिनिमम वेरिएंस) मॉडल जो COV2 श्रिंकेज पद्धति के साथ जुड़ा है।
- उपमा: यह "बुलेटप्रूफ वेस्ट" रणनीति है। COV2 विधि जोखिम के लिए एक विशिष्ट प्रकार का "स्मार्ट गेसिंग" है जो डेटा को एक बहुत ही स्थिर, दो-भाग वाले लक्ष्य की ओर खींचता है। इसने लगातार पुराने तरीकों से बेहतर प्रदर्शन किया।
- निर्णय: यदि आप चैन की नींद सोना चाहते हैं, तो GMV मॉडल और COV2 जोखिम एस्टिमेटर का उपयोग करें।
2. "रिटर्न चाहने वाले" (ग्रुप B)
- वे कौन हैं: आक्रामक निवेशक जो उच्चतम संभव लाभ चाहते हैं और इसके लिए अधिक जोखिम लेने को तैयार हैं।
- विजेता: MV (मीन-वैरिएंस) मॉडल जो जोखिम के लिए COV2 का उपयोग करता है, लेकिन स्वाद के लिए सैंपल मीन (SM) को बरकरार रखता है।
- उपमा: यह "स्पोर्ट्स कार" रणनीति है। उन्होंने इंजन (जोखिम माप) को ठीक किया (स्मार्ट COV2 विधि का उपयोग करके), लेकिन उन्होंने गंतव्य (रिटर्न) के लिए ड्राइवर के मूल, कच्चे अनुमान को रखा। आश्चर्यजनक रूप से, इन निवेशकों के लिए, रिटर्न का "कच्चा अनुमान" वास्तव में बेहतर काम कर गया।
- निर्णय: यदि आप रिटर्न को अधिकतम करना चाहते हैं, तो MV मॉडल का उपयोग करें जिसमें स्मार्ट COV2 जोखिम एस्टिमेटर और मानक रिटर्न अनुमान शामिल हो।
मुख्य निष्कर्ष
- पुराना तरीका टूटा हुआ है: केवल कच्चे ऐतिहासिक डेटा (सैंपल मीन + सैंपल कोवेरिएंस) का उपयोग करने का पारंपरिक तरीका लगातार सबसे खराब केक बनाता था। यह बहुत अस्थिर और अविश्वसनीय था।
- एक आकार सभी के लिए उपयुक्त नहीं है: आप केवल एक ही "सर्वश्रेष्ठ" मॉडल सभी के लिए नहीं चुन सकते। एक रूढ़िवादी निवेशक को जोखिम लेने वाले की तुलना में अलग रेसिपी की आवश्यकता होती है।
- "COV2" सुपरस्टार: COV2 श्रिंकेज विधि (जोखिम माप को ठीक करने का एक विशिष्ट तरीका) सुपरस्टार थी। यह लगभग हर बाजार और हर प्रकार के निवेशक के लिए शीर्ष रेसिपी में दिखाई दी।
- "GMV" सुरक्षा जाल: "स्वाद" (रिटर्न) को अनदेखा करना और पूरी तरह से जोखिम को कम करने (GMV मॉडल) पर ध्यान केंद्रित करना अधिकांश लोगों के लिए एक बहुत ही मजबूत रणनीति साबित हुआ।
सारांश में
यह पेपर उन निवेशकों के लिए एक मार्गदर्शिका है जो खराब डेटा के कारण अपने पोर्टफोलियो के क्रैश होने से थक चुके हैं। यह कहता है: "कच्चे, शोर वाले डेटा के आधार पर भविष्य का अनुमान लगाना बंद करें। इसके बजाय, त्रुटियों को सुचारू बनाने के लिए इन विशिष्ट 'स्मार्ट श्रिंकेज' तकनीकों का उपयोग करें।"
यदि आप सतर्क हैं, तो GMV + COV2 रेसिपी का उपयोग करें। यदि आप आक्रामक हैं, तो MV + COV2 + सैंपल मीन रेसिपी का उपयोग करें। दोनों ही "स्मार्ट" रेसिपी लगभग हर परीक्षण में पारंपरिक, पुराने तरीकों को हरा देती हैं।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।