Mathematical Optimisation Techniques for Enterprise Finance: Maximising Returns and Minimising Risk
यह अध्ययन प्रदर्शित करता है कि पांच भारतीय कंपनियों के दैनिक स्टॉक डेटा पर गणितीय अनुकूलन (मैथमैटिकल ऑप्टिमाइजेशन) लागू करने से एक ऐसा समझौता (ट्रेड-ऑफ) सामने आता है जहाँ अनियंत्रित रिटर्न अधिकतमकरण अत्यधिक संकेंद्रण और उच्च अस्थिरता की ओर ले जाता है, जबकि न्यूनतम-जोखिम या समान रूप से भारित पोर्टफोलियो जैसी विविधीकृत रणनीतियाँ एंटरप्राइज फाइनेंस के लिए अधिक स्थिर रिटर्न और बेहतर जोखिम-समायोजित प्रदर्शन प्रदान करती हैं।
मूल पेपर CC BY 4.0 (https://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
प्रत्येक व्यवसाय जो धन का प्रबंधन करता है, वह एक मौलिक, अडिग तनाव का सामना करता है: धन बढ़ाने की इच्छा बनाम उसे सुरक्षित रखने की आवश्यकता। उद्यम वित्त (एंटरप्राइज फाइनेंस) की दुनिया में, यह अनुमान या अंतर्ज्ञान का मामला नहीं है, बल्कि एक ऐसे परिदृश्य में नेविगेट करने का मामला है जहाँ उच्च संभावित पुरस्कार, नुकसान की उच्च संभावनाओं से अटूट रूप से जुड़े होते हैं। इसे प्रबंधित करने के लिए, वित्तीय नेता 'जोखिम-रिटर्न ट्रेड-ऑफ' नामक अवधारणा पर भरोसा करते हैं। सरल शब्दों में, एक निवेश जो बड़े लाभ का वादा करता है, उसमें आमतौर पर मूल्य में गिरावट आने की महत्वपूर्ण संभावना होती है, जबकि एक सुरक्षित निवेश अक्सर केवल मामूली वृद्धि ही प्रदान करता है। किसी भी संगठन के लिए चुनौती संपत्तियों का वह सटीक मिश्रण खोजने की है जो उस जोखिम के लिए सर्वोत्तम संभव रिटर्न प्रदान करे जिसे वे स्वीकार करने के लिए तैयार हैं। यहीं पर गणितीय अनुकूलन (मैथमैटिकल ऑप्टिमाइजेशन) की भूमिका आती है, जो सहज ज्ञान (गट फीलिंग) पर निर्भर रहने के बजाय, विभिन्न निवेशों में धन के आदर्श वितरण की गणना करने के लिए एक व्यवस्थित तरीका प्रदान करता है।
घाना के विश्वविद्यालयों के शोधकर्ताओं की एक टीम ने यह परीक्षण करने के लिए कि ये गणितीय उपकरण उद्यम वित्त की वास्तविक दुनिया में कैसा प्रदर्शन करते हैं, एक अध्ययन किया। उन्होंने भारत के नेशनल स्टॉक एक्सचेंज में सूचीबद्ध पांच प्रमुख कंपनियों पर ध्यान केंद्रित किया, और 2015 से 2025 तक एक दशक के उनके दैनिक स्टॉक मूल्यों को ट्रैक किया। इन कंपनियों ने ऑटोमोबाइल, बैंकिंग, प्रौद्योगिकी, फार्मास्युटिकल्स और स्टील सहित विभिन्न उद्योगों का प्रतिनिधित्व किया, जिससे काम करने के लिए डेटा का एक विविध सेट प्राप्त हुआ। शोधकर्ताओं ने केवल यह नहीं देखा कि प्रत्येक कंपनी ने कितना पैसा कमाया; उन्होंने यह भी मापा कि उन कंपनियों की कमाई में दिन-प्रतिदिन कितना उतार-चढ़ाव आया और एक कंपनी का प्रदर्शन दूसरी कंपनियों के संबंध में कैसे बदला। इन पैटर्न का विश्लेषण करके, उन्होंने तीन अलग-अलग निवेश रणनीतियाँ बनाईं ताकि यह देखा जा सके कि कौन सा दृष्टिकोण एक उद्यम के लिए सबसे अधिक मूल्य प्रदान करता है।
पहली रणनीति सबसे सरल थी: एक समान रूप से भारित पोर्टफोलियो (इक्वली वेटेड पोर्टफोलियो)। इस दृष्टिकोण में, व्यवसाय अपने धन को समान रूप से विभाजित करेगा, यानी प्रत्येक पांच कंपनियों में समान राशि लगाएगा। दूसरी रणनीति का लक्ष्य पूर्णतः सुरक्षित मार्ग खोजना था, एक न्यूनतम-जोखिम पोर्टफोलियो जिसे निवेश के मूल्य को यथासंभव स्थिर रखने के लिए डिज़ाइन किया गया था, भले ही इसके लिए कम लाभ स्वीकार करना पड़े। तीसरी रणनीति इसके विपरीत थी, एक अधिकतम-रिटर्न पोर्टफोलio जिसने इस बात की परवाह किए बिना कि यात्रा कितनी उथल-पुथल भरी हो सकती है, हर संभव डॉलर के मुनाफे को निचोड़ने की कोशिश की। शोधकर्ताओं ने कंप्यूटर मॉडल का उपयोग करके यह गणना करने के लिए कि दूसरे और तीसरे दृष्टिकोण के लिए प्रत्येक स्टॉक में धन का सटीक प्रतिशत कितना आवंटित किया जाए, ऐतिहासिक डेटा के आधार पर गणित को सर्वोत्तम मिश्रण तय करने दिया।
परिणामों ने इन दृष्टिकोणों के बीच एक स्पष्ट अंतर दिखाया। उच्चतम संभव लाभ के पीछे भागने वाली रणनीति ने अंततः अपना सारा पैसा केवल एक कंपनी, टाटा स्टील में लगा दिया। जबकि इस दृष्टिकोण ने 32.89 प्रतिशत का भारी वार्षिक रिटर्न उत्पन्न किया, इसकी एक कीमत भी थी: निवेश का मूल्य बहुत अधिक उतार-चढ़ाव भरा रहा, जिसकी वार्षिक अस्थिरता (वोलैटिलिटी) 48.72 प्रतिशत थी। इस अत्यधिक एकाग्रता का अर्थ था कि यदि टाटा स्टील को परेशानी का सामना करना पड़ा, तो पूरा निवेश प्रभावित होगा। अध्ययन में पाया गया कि इस तरह का "ऑल-इन" दृष्टिकोण, हालांकि शुद्ध लाभ के लिए गणितीय रूप से अनुकूल है, फिर भी एक ऐसा स्तर का जोखिम पैदा करता है जो अक्सर एक स्थिर व्यवसाय के लिए बहुत अधिक होता है।
इसके विपरीत, न्यूनतम-जोखिम रणनीति ने एक बहुत ही अलग तस्वीर पेश की। पांच कंपनियों में सावधानीपूर्वक पैसा फैलाकर, जिसमें सबसे बड़ा हिस्सा प्रौद्योगिकी फर्म इंफोसिस को दिया गया, पोर्टफोलियो ने 16.91 प्रतिशत का वार्षिक रिटर्न प्राप्त किया। इससे भी महत्वपूर्ण बात यह थी कि इस पोर्टफोलियो का मूल्य बहुत स्थिर था, जिसकी अस्थिरता केवल 18.55 प्रतिशत थी। इसने यह प्रदर्शित किया कि विविधीकरण (डाइवर्सिफिकेशन) के माध्यम से—उन विभिन्न कंपनियों में निवेश फैलाकर जो पूर्ण तालमेल (लॉकस्टेप) में नहीं चलती हैं—व्यवसाय मूल्य में भारी गिरावट की संभावना को काफी कम कर सकता है। समान रूप से भारित दृष्टिकोण, जिसने जटिल गणनाओं के बिना केवल पैसे को पांच भागों में विभाजित किया था, बीच में कहीं पहुंचा, जिसने 20.80 प्रतिशत की अस्थिरता के साथ 19.87 प्रतिशत का रिटर्न दिया।
अध्ययन यह निष्कर्ष निकालता है कि हालांकि गणितीय मॉडल निवेश निर्णय लेने के लिए शक्तिशाली उपकरण हैं, लेकिन उनका उपयोग सावधानी के साथ किया जाना चाहिए। शोध का सुझाव है कि केवल रिटर्न को अधिकतम करने के उद्देश्य से मॉडल का अंधाधुंध अनुसरण करने से किसी एक संपत्ति में खतरनाक अति-एकाग्रता (ओवर-कंसंट्रेशन) हो सकती है। इसके बजाय, एक उद्यम के लिए सबसे व्यावहारिक दृष्टिकोण यह है कि इन मॉडलों का उपयोग एक संतुलित आवंटन खोजने के लिए किया जाए जो स्थिरता की आवश्यकता का सम्मान करता हो। निष्कर्ष बताते हैं कि एक विविध पोर्टफोलियो, जो बहुत कम जोखिम के बदले थोड़ा कम रिटर्न स्वीकार करता है, अक्सर दीर्घकालिक वित्तीय स्वास्थ्य के लिए एक समझदारी भरा विकल्प होता है। गणितीय सटीकता को किसी एक निवेश में कितना पैसा लगाना है, इसके बारे में समझदारी भरे नियमों के साथ जोड़कर, व्यवसाय बाजार की अनिश्चितता के बीच अधिक विश्वास और स्पष्टता के साथ आगे बढ़ सकते 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।