Quant Convergence: Bridging Classical Value Investing and Modern Factor Models for Systematic Equity Selection
यह शोध प्रदर्शित करता है कि बेंजामिन ग्राहम के क्लासिक वैल्यू इन्वेस्टिंग सिद्धांतों को आधुनिक फैक्टर मॉडल्स के साथ एकीकृत करना प्रभावी रूप से एक जोखिम-नियंत्रण तंत्र के रूप में कार्य करता है, जिससे एक हाइब्रिड रैंडम फॉरेस्ट रणनीति चार साल की अवधि में ऑटोग्लून (AutoGluon) जैसे जटिल एआई मॉडल्स की तुलना में काफी कम ड्रॉडाउन के साथ बेहतर रिटर्न प्रदान करते हुए उत्कृष्ट प्रदर्शन करने में सक्षम होती है।
मूल पेपर CC0 1.0 (http://creativecommons.org/publicdomain/zero/1.0/) के तहत सार्वजनिक डोमेन को समर्पित 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 विशाल, शोर-शराबे वाले बगीचे (शेयर बाजार) में सबसे अच्छे सेब खोजने की कोशिश कर रहे हैं। दशकों से, सबसे बुद्धिमान लोग इसे करने के लिए दो बहुत ही अलग उपकरणों का उपयोग कर रहे हैं।
उपकरण 1: पुराना स्कूल वाला किसान (बेंजामिन ग्राहम)
यह 1940 के दशक का दृष्टिकोण है। यह एक सख्त चेकलिस्ट की तरह है। किसान केवल उन्हीं सेबों को चुनता है जो:
- बड़े और मजबूत हों (छोटे पौधों की तरह नहीं)।
- जिनकी जड़ों में पर्याप्त पानी हो (हाथ में नकदी)।
- फल देने का एक इतिहास रहा हो (लगातार मुनाफा)।
- जिन्हें एक उचित, कम कीमत पर बेचा जा रहा हो (महंगा नहीं)।
किसान उन चमकदार, महंगे "सुपर-सेबों" को नजरअंदाज कर देता है जो तेजी से बढ़ सकते हैं लेकिन तूफान में सड़ सकते हैं। यह एक लो-पास फिल्टर (low-pass filter) है: यह शोर वाले, जोखिम भरे सामान को बाहर कर देता है और केवल ठोस, सुरक्षित चीजों को ही अंदर आने देता है।
उपकरण 2: हाई-टेक ड्रोन (आधुनिक AI)
यह नया दृष्टिकोण है। यह जटिल कंप्यूटरों और मशीन लर्निंग (जैसे XGBoost और AutoGluon) का उपयोग करके पूरे बगीचे को स्कैन करता है। यह हजारों डेटा पॉइंट्स को देखता है: हवा कितनी तेज चल रही है, पत्तियों का रंग क्या है, मिट्टी का इतिहास कैसा है, और यहाँ तक कि मौसम के पूर्वानुमान का मिजाज भी क्या है। यह उन छिपे हुए पैटर्न को खोजने की कोशिश करता है जिन्हें इंसान नहीं देख सकते।
प्रयोग
इस शोध पत्र के लेखकों ने यह देखना चाहा कि जब मौसम खराब होता है, तो वास्तव में कौन सा उपकरण बेहतर काम करता है। उन्होंने S&P 500 (अमेरिका का सबसे बड़ा बगीचा) के 20 वर्षों के डेटा का उपयोग करके एक दौड़ आयोजित की। उन्होंने पांच अलग-अलग टीमों का परीक्षण किया:
- शुद्ध किसान (The Pure Farmer): केवल पुराने 1940 के नियमों का उपयोग करना।
- शुद्ध ड्रोन (The Pure Drone): केवल आधुनिक, हाई-टेक डेटा का उपयोग करना।
- हाइब्रिड (The Hybrid): पुराने नियमों को नई तकनीक के साथ मिलाने की कोशिश करना।
- सुपर-ड्रोन (The Super-Drone): एक बहुत ही जटिल AI जो कई मॉडलों को एक साथ जोड़ता है।
- बेंचमार्क (The Benchmark): बस पूरे बगीचे को खरीद लेना (S&P 500 इंडेक्स)।
उन्होंने इस दौड़ को एक विशिष्ट चार साल की अवधि (2022-2026) के माध्यम से चलाया, जिसमें एक बड़ा बाजार क्रैश (एक "तूफान") और उसके बाद की रिकवरी शामिल थी।
परिणाम: कौन जीता?
- हाई-टेक ड्रोन (AutoGluon): इस टीम ने बहुत पैसा बनाया (222% रिटर्न), लेकिन यह एक रोलरकोस्टर की तरह था। क्योंकि इसने चमकदार "टेक स्टॉक्स" का पीछा किया, जब तूफान आया, तो इसने अपने मूल्य का लगभग 40% हिस्सा खो दिया। यह एक रेस कार की तरह था जो तेज तो चलती है लेकिन बुरी तरह दुर्घटनाग्रस्त हो जाती है।
- शुद्ध किसान (Graham Rules): इस टीम ने कुल मिलाकर सबसे अधिक पैसा बनाया (232% रिटर्न)। इससे भी बेहतर बात यह है कि जब तूफान आया, तो उन्हें केवल 35% का नुकसान हुआ। वे इतनी बुरी तरह नहीं गिरे क्योंकि वे मजबूत, नकदी से भरपूर कंपनियों को पकड़े हुए थे।
- हाइब्रिड टीम: जब उन्होंने पुराने नियमों को नई तकनीक के साथ मिलाने की कोशिश की, तो परिणाम और भी खराब हो गए। कंप्यूटर भ्रमित हो गया, फिर से जोखिम भरे स्टॉक्स का पीछा करने लगा, और शुद्ध किसान की तुलना में कम पैसा बना।
- सुपर-ड्रोन (XGBoost): यह टेस्ट में पूरी तरह विफल रहा, इसने केवल बाजार खरीदने की तुलना में कम पैसा बनाया। इसने अतीत को बहुत अच्छी तरह से "याद" कर लिया था और नए तूफान को संभाल नहीं सका।
बड़ा सबक
लेखक निष्कर्ष निकालते हैं कि जटिलता हमेशा बेहतर नहीं होती।
उन पुराने 1940 के नियमों को पुराना या बेकार न समझें, बल्कि उन्हें एक सुरक्षा हार्नेस (safety harness) के रूप में देखें। जब आप एक उच्च-शक्ति वाले AI इंजन को एक सुरक्षा हार्नेस (ग्राहम के नियमों) में बांधते हैं, तो यह बेहतर प्रदर्शन करता है बजाय इसके कि आप AI को बेकाबू छोड़ दें।
बेंजामिन ग्राहम ने जिस "सुरक्षा मार्जिन" (margin of safety) की बात की थी, वह केवल एक अच्छा विचार नहीं है; यह एक गणितीय फिल्टर के रूप में कार्य करता है जो AI को उत्साहित होने और क्रैश से ठीक पहले जोखिम भरे, अस्थिर स्टॉक खरीदने से रोकता है।
संक्षेप में:
- जटिल AI एक रेस कार की तरह है: तेज, लेकिन तूफान में खतरनाक।
- पुराने स्कूल का वैल्यू इन्वेस्टिंग एक मजबूत ट्रक की तरह है: शुरू होने में धीमा, लेकिन यह आपको तूफान के बीच से सुरक्षित ले जाता है और आपकी जेब में अधिक पैसा लेकर मंजिल तक पहुँचाता है।
- दोनों को मिलाना एक ट्रक में रेस कार का इंजन लगाने जैसा है; यह वाहन को अस्थिर बना देता है।
यह अध्ययन साबित करता है कि शेयरों की शोर भरी, अराजक दुनिया में, "अच्छी कंपनियों को उचित कीमत पर खरीदने" के सरल, उबाऊ और मौलिक नियमों पर टिके रहना वास्तव में आधुनिक कंप्यूटरों का उपयोग करने का सबसे स्मार्ट तरीका है।
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।