On the Structure of Risk Contribution: A Leave-One-Out Decomposition into Inherent and Correlation Risk

यहाँ नोलां अलेक्जेंडर और फ्रैंक फाबोज़ी के शोध पत्र "On the Structure of Risk Contribution: A Leave-One-Out Decomposition into Inherent and Correlation Risk" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

पोर्टफोलियो जोखिम प्रबंधन (Risk Management) व्यक्तिगत स्थितियों (positions) के लिए कुल पोर्टफोलियो जोखिम का श्रेय देने हेतु जोखिम योगदान (Risk Contribution - RC) और इन्क्रीमेंटल वोलेटिलिटी (Incremental Volatility - iVol) पर अत्यधिक निर्भर करता है। हालाँकि, दोनों मेट्रिक्स व्याख्यात्मक सीमाओं से ग्रस्त हैं:

• iVol: यद्यपि यह सहज है (यह मापता है कि किसी संपत्ति को हटाने पर पोर्टफोलियो की अस्थिरता में क्या परिवर्तन आता है), यह पूर्णतः योगात्मक (strictly additive) नहीं है। व्यक्तिगत iVols का योग कुल पोर्टफोलियो अस्थिरता के बराबर नहीं होता है, जिससे पदानुक्रमित एकत्रीकरण (जैसे सेक्टर या एसेट क्लास द्वारा) असंगत हो जाता है।
• मानक RC: यह पूर्णतः योगात्मक है और अनुकूलन (optimization) में व्यापक रूप से उपयोग किया जाता है, लेकिन यह प्रत्येक स्थिति के लिए एक एकल सं agreged संख्या रिपोर्ट करता है। यह जोखिम के स्रोत को अस्पष्ट कर देता है। यह इस बात में अंतर नहीं कर सकता कि कोई स्थिति जोखिम में इसलिए योगदान दे रही है क्योंकि वह स्वाभाविक रूप से अस्थिर है (स्टैंड-अलोन रिस्क) या क्योंकि वह शेष पोर्टफोलियो के साथ अत्यधिक सह-संबंधित (highly correlated) है (इंटरेक्शन रिस्क)।
• अंतराल (The Gap): प्रबंधकों को एक ऐसे नैदानिक उपकरण (diagnostic tool) की आवश्यकता है जो RC की योगात्मकता (additivity) को बनाए रखे लेकिन जोखिम योगदान को आर्थिक रूप से विशिष्ट घटकों में विभाजित करे ताकि विशिष्ट कार्यों (जैसे एक्सपोजर कम करना बनाम विविधीकरण) के लिए मार्गदर्शन मिल सके।

2. कार्यप्रणाली: इनहेरेंट और कोरिलेशन डिकंपोजिशन (ICD)

लेखक मानक जोखिम योगदान (Risk Contribution) के एक लीव-वन-आउट (Leave-One-Out - LOO) प्रतिनिधित्व का प्रस्ताव करते हैं। यह दृष्टिकोण RC को गणितीय रूप से पुन: व्यक्त करता है ताकि संपत्ति के अपने विचरण (variance) को उसके शेष पोर्टफोलियो के साथ सह-विचरण (covariance) से अलग किया जा सके।

गणितीय व्युत्पत्ति (Mathematical Derivation)

माना कि $RC(a)$, संपत्ति$a$का जोखिम योगदान है,$w_a$ उसका भार (weight) है, $\sigma_a$ उसकी अस्थिरता है, और $\sigma_p$ पोर्टफोलियो की अस्थिरता है।
मानक RC को इस प्रकार परिभाषित किया जाता है:
$$RC(a) = \frac{w_a \cdot \text{cov}(r_a, r_p)}{\sigma_p}$$

$\text{cov}(r_a, r_p)$ के सह-विचरण पद को विस्तारित करके, जहाँ $r_p = \sum w_i r_i$, लेखक LOO रूप प्राप्त करते हैं:
$$RC(a) = \underbrace{\frac{w_a^2 \sigma_a^2}{\sigma_p}}_{\text{Inherent Risk } (RC_{inh})} + \underbrace{\frac{w_a(1-w_a)\text{cov}(r_a, r_{p\setminus a})}{\sigma_p}}_{\text{Correlation Risk } (RC_{corr})}$$

जहाँ:

• इनहेरेंट रिस्क ($RC_{inh}$): यह संपत्ति के स्वयं के विचरण (variance) का स्केल किया गया रूप है। यह हमेशा गैर-ऋणात्मक ($\ge 0$) होता है।
• कोरिलेशन रिस्क ($RC_{corr}$): यह संपत्ति और उस पोर्टफोलियो के बीच के सह-विचरण (covariance) को दर्शाता है जिसमें वह संपत्ति शामिल नहीं है ($r_{p\setminus a}$)। यह धनात्मक या ऋणात्मक हो सकता है।

मुख्य गुण

1. कठोर योगात्मकता (Strict Additivity): iVol के विपरीत, सभी संपत्तियों में $RC_{inh}$ और $RC_{corr}$ का योग कुल पोर्टफोलियो अस्थिरता ($\sigma_p$) के बराबर होता है। यह सुसंगत पदानुक्रमित अपघटन (जैसे एसेट क्लास द्वारा जोखिम को जोड़ना) की अनुमति देता है।
2. हेजिंग स्थिति (Hedging Condition): कोई स्थिति कुल पोर्टफोलियो जोखिम को तभी कम करती है (ऋणात्मक RC) जब उसका ऋणात्मक कोरिलेशन रिस्क उसके इनहेरेंट रिस्क से अधिक हो ($-RC_{corr} > RC_{inh}$)। यह स्पष्ट करता है कि केवल ऋणात्मक सहसंबंध ही हेज की गारंटी नहीं देता यदि संपत्ति की अपनी अस्थिरता बहुत अधिक है।
3. मजबूती (Robustness): यह ढांचा मानक कोवेरिएंस अनुमान तकनीकों को समाहित करता है, जिसमें श्रिंकेज एस्टिमेटर्स (Ledoit-Wolf), रैंडम मैट्रिक्स थ्योरी फ़िल्टरिंग, और एसिंक्रोनस ट्रेडिंग (लैग्ड कोवेरिएंस) तथा हेटेरोस्केडास्टिसिटी (एक्सपोनेंशियल डिके वेट्स) के समायोजन शामिल हैं।

3. प्रमुख योगदान

• सैद्धांतिक अपघटन (Theoretical Decomposition): यह शोध पत्र इनहेरेंट एंड कोरिलेशन डिकंपोजिशन (ICD) को पेश करता है, जो यह सिद्ध करता है कि मानक RC को एक नया जोखिम मीट्रिक बनाए बिना स्टैंड-अलोन अस्थिरता और इंटरेक्शन रिस्क में योगात्मक रूप से विभाजित किया जा सकता है।
• नैदानिक स्पष्टता (Diagnostic Clarity): यह दो अलग-अलग पोर्टफोलियो प्रबंधन समस्याओं के बीच अंतर करने के लिए एक तंत्र प्रदान करता है:
  • उच्च इनहेरेंट रिस्क: इसके लिए पोजीशन के आकार को कम करने की आवश्यकता है।
  • उच्च कोरिलेशन रिस्क: इसके लिए विविधीकरण या प्रतिसंतुलित (offsetting) स्थितियों की आवश्यकता है।
• समय-परिवर्तनीय विश्लेषण (Time-Varying Analysis): लेखक दो विधियों का प्रस्ताव करते हैं:
  1. फिक्स्ड पोजीशन, रोलिंग विंडो: यह आकलन करता है कि वर्तमान स्थितियों ने अतीत के बाजार परिदृश्यों में जोखिम में कैसे योगदान दिया होगा।
  2. रोलिंग पोजीशन, रोलिंग विंडो: यह ट्रैक करता है कि पोर्टफोलियो संरचना और बाजार की स्थितियाँ समय के साथ बदलने पर जोखिम का विकास कैसे होता है।
• अनुभवजन्य सत्यापन (Empirical Validation): इस ढांचे का परीक्षण 1990 से 2025 तक फ्यूचर्स और FX डेटा का उपयोग करके मल्टी-एसेट पोर्टफोलियो (Long-Short, Equal-Weight, Risk Parity) पर किया गया है।

4. परिणाम और अनुभवजन्य निष्कर्ष

तीन प्रकार के पोर्टफोलियो के उपयोग वाले अनुभवजन्य चित्रण कई महत्वपूर्ण अंतर्दृष्टि प्रदान करते हैं:

• स्रोत की पहचान: एक Long-Short पोर्टफोलियो में, कमोडिटीज को मुख्य रूप से इनहेरेंट वोलेटिलिटी के माध्यम से जोखिम संचालित करने वाला पाया गया, जबकि फिक्स्ड इनकम एक प्रभावी हेज के रूप में कार्य करती थी क्योंकि इसका ऋणात्मक कोरिलेशन रिस्क इसके इनहेरेंट रिस्क से अधिक था।
• संकट का आरोपण (Crisis Attribution):
  • 2007 (GFC पूर्व): इक्विटी जोखिम का उछाल लगभग पूरी तरह से इनहेरेंट रिस्क (वोलेटिलिटी झटकों) द्वारा संचालित था।
  • 2008 (GFC): इक्विटी और कमोडिटीज दोनों में कोरिलेशन रिस्क में उछाल देखा गया, जो विविधीकरण के टूटने का संकेत देता है क्योंकि सहसंबंध (correlations) अभिसरित (converge) हो गए थे।
  • 2012 (यूरो संकट): फिक्स्ड इनकम ने बढ़ता हुआ इनहेरेंट रिस्क और गिरता हुआ कोरिलेशन रिस्क दिखाया, जो एक-दूसरे को संतुलित कर रहे थे। अपघटन के बिना, कुल जोखिम स्थिर दिखाई देता, जिससे अंतर्निहित संरचनात्मक बदलाव छिप जाता।
  • 2020 (कोविड): इक्विटी और कमोडिटीज के लिए इनहेरेंट और कोरिलेशन रिस्क दोनों में एक साथ उछाल देखा गया।
• पोर्टफोलियो संरचना: रिस्क पैरिटी पोर्टफोलियो ने अधिक संतुलित जोखिम योगदान दिखाया, लेकिन अपघटन ने खुलासा किया कि FX संपत्तियां संकट के दौरान महत्वपूर्ण योगदान देती थीं, जो उनके विशिष्ट वेटिंग और कोरिलेशन स्ट्रक्चर के कारण होता, जो कुल RC में अदृश्य रहता।
• स्थिरता (Stability): सिमुलेशन ने दिखाया कि अपघटन घटक लगभग 125 अवलोकनों (दैनिक डेटा के 6 महीने) के बाद स्थिर मूल्यों पर अभिसरित होते हैं, जिससे वे व्यावहारिक निगरानी के लिए उपयुक्त बनते हैं।

5. महत्व और निहितार्थ

• बेहतर डायग्नोस्टिक्स: ICD ढांचा RC को एक स्थिर रिपोर्टिंग संख्या से एक गतिशील नैदानिक उपकरण में बदल देता है। यह जोखिम प्रबंधकों को यह पहचानने में मदद करता है कि जोखिम क्यों बदल रहा है (वोलेटिलिटी शॉक बनाम कोरिलेशन ब्रेकडाउन)।
• बेहतर हेजिंग विश्लेषण: यह "ऋणात्मक सहसंबंध" की अस्पष्टता को हल करता है और उस सीमा को मात्रात्मक रूप से बताता है जिस पर एक ऋणात्मक सहसंबंधित संपत्ति वास्तव में पोर्टफोलियो जोखिम को कम करती है।
• व्यावहारिक कार्यान्वयन: इस पद्धति के लिए किसी नए डेटा इनपुट की आवश्यकता नहीं है; यह उन मानक कोवेरिएंस मैट्रिसेस पर निर्भर करता है जिनका उपयोग पहले से ही जोखिम प्रणालियों में किया जाता है। यह उच्च-आयामी डेटा और आउटलेयर्स को संभालने के लिए मजबूत अनुमान तकनीकों के साथ संगत है।
• रणनीतिक निर्णय लेना: इनहेरेंट और कोरिलेशन रिस्क को अलग करके, यह ढांचा विशिष्ट पोर्टफोलियो समायोजन के लिए मार्गदर्शन करता है:
  • यदि जोखिम इनहेरेंट है, तो एक्सपोजर कम करें।
  • यदि जोखिम कोरिलेशन-ड्रिवन है, तो विविधीकरण में सुधार करने के लिए पोर्टफोलियो को पुनर्गठित करें।

निष्कर्षतः, यह शोध पत्र प्रदर्शित करता है कि मानक जोखिम योगदान (Risk Contribution) में अंतर्निहित संरचनात्मक जानकारी होती है। एक 'लीव-वन-आउट' अपघटन लागू करके, अभ्यासकर्ता इस जानकारी को निकाल सकते हैं ताकि पोर्टफोलियो प्रबंधन के लिए आवश्यक योगात्मक गुणों को छोड़े बिना जोखिम एट्रिब्यूशन, स्ट्रेस टेस्टिंग और प्रदर्शन विश्लेषण में सुधार किया जा सके।