Cause-Specific Smooth Transition Hazards for Stock Exchange Delisting: Estimation, Calibrated Testing, and an Application to Bursa Malaysia
यह शोध पत्र स्वैच्छिक और अनैच्छिक स्टॉक एक्सचेंज डिलिस्टिंग (delistings) के बीच अंतर करने के लिए एक लचीले कारण-विशिष्ट स्मूथ ट्रांज़िशन हज़ार्ड मॉडल प्रस्तुत करता है, जिसे बुर्सा मलेशिया के डेटा पर लागू करते हुए प्रत्येक निकास प्रकार के लिए विशिष्ट जोखिम कारकों और समय संबंधी पैटर्न को प्रकट किया गया है, साथ ही सिमुलेशन के माध्यम से महत्वपूर्ण अनुमान चुनौतियों और परीक्षण आकार विकृतियों को भी रेखांकित किया गया है।
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
हर साल, कंपनियाँ शेयर बाजार से गायब हो जाती हैं। अधिकांशतः, वे दो तरीकों में से एक से बाहर निकलती हैं। कभी-कभी, किसी कंपनी को खरीद लिया जाता है या वह निजी होने का निर्णय लेती है, जो एक स्वैच्छिक निकास है जो आमतौर पर तब होता है जब व्यवसाय स्वस्थ होता है और कोई निवेशक नियंत्रण लेना चाहता है। दूसरी ओर, कोई कंपनी वित्तीय संकट में होने, नियम तोड़ने या केवल अपने ऋणों का भुगतान करने में असमर्थ होने के कारण सूची से बाहर होने के लिए मजबूर होती है। लंबे समय तक, इन घटनाओं का अध्ययन करने वाले सांख्यिकीविदों ने सभी प्रस्थानों को एक ही प्रकार की घटना माना, और इस बात के लिए एक ही सेट के कारणों की तलाश की कि कोई फर्म क्यों गायब हो सकती है। लेकिन यह दृष्टिकोण एक महत्वपूर्ण विवरण को छोड़ देता है: एक स्वस्थ कंपनी के जाने के कारण अक्सर एक विफल होने वाली कंपनी को हटाए जाने के कारणों के बिल्कुल विपरीत होते हैं। यदि आप इन दोनों समूहों को आपस में मिला देते हैं, तो डेटा एक भ्रमित करने वाला धुंधलापन बन जाता है जो किसी भी प्रक्रिया के बारे में कुछ भी नहीं बताता।
यह वह पहेली थी जिसे शोधकर्ताओं ने बुर्सा मलेशिया, देश के मुख्य स्टॉक एक्सचेंज के डेटा का उपयोग करके हल करने का प्रयास किया। वे न केवल यह समझना चाहते थे कि कंपनियाँ कब छोड़ती हैं, बल्कि क्यों, और क्या इन प्रस्थानों को नियंत्रित करने वाले नियम समय के साथ बदले हैं। ऐसा करने के लिए, उन्होंने एक नए प्रकार के सांख्यिकीय मॉडल का निर्माण किया जो स्वैच्छिक और अनैच्छिक निकासों को एक ही समय में होने वाली दो अलग-अलग कहानियों के रूप में देखता है। उन्होंने यह परीक्षण करने का एक तरीका भी पेश किया कि क्या अध्ययन अवधि के दौरान खेल के नियम बदल गए थे, विशेष रूप से यह देखने के लिए कि महामारी और उसके बाद सामान्य आर्थिक स्थितियों की वापसी ने संघर्ष कर रही फर्मों के परिदृश्य को कैसे बदला होगा। लक्ष्य यह देखना था कि क्या किसी कंपनी की विफलता की भविष्यवाणी करने वाले कारक उस कंपनी के निर्णय से भिन्न हैं जो छोड़ने का फैसला करती है, और क्या हाल के वर्षों में इन घटनाओं का समय बदल गया है।
शोधकर्ताओं ने 2016 और 2025 के बीच एक्सचेंज पर सूचीबद्ध 836 कंपनियों की विशाल मात्रा में जानकारी एकत्र की। उन्होंने प्रत्येक महीने ट्रैक किया जब ये कंपनियाँ बाजार में थीं, उनके आकार, उनकी शेयर कीमत, उनके स्टॉक के व्यापार की आवृत्ति और उनके द्वारा लिए गए ऋण को रिकॉर्ड किया। जब कोई कंपनी अंततः एक्सचेंज छोड़ देती, तो टीम ने केवल तारीख नोट नहीं की; उन्होंने सटीक रूप से यह निर्धारित करने के लिए आधिकारिक घोषणाओं को पढ़ा कि यह क्यों हुआ। क्या यह कोई अधिग्रहण था? कोई अदालती आदेश? नियामक आवश्यकताओं को पूरा करने में विफलता? इस सावधानीपूर्वक वर्गीकरण ने उन्हें 116 निकासों को दो विशिष्ट समूहों में विभाजित करने की अनुमति दी: 62 स्वैच्छिक प्रस्थान और 46 अनैच्छिक निष्कासन।
एक बार डेटा को छाँटने के बाद, पैटर्न स्पष्ट हो गए। दो प्रकार के निकास पूरी तरह से अलग शक्तियों द्वारा संचालित थे। अनैच्छिक निष्कासन, वे प्रकार जो तब होते हैं जब कोई कंपनी संकट में होती है, छोटे आकार, कम शेयर कीमतों और व्यापार गतिविधि की कमी से मजबूती से जुड़े थे। ये फर्में अक्सर बाजार द्वारा अनदेखी की जाती थीं, जिनके शेयर लंबे समय तक बिना छुए पड़े रहते थे। इसके विपरीत, स्वैच्छिक निकास उन कंपनियों के बीच हुए जो वास्तव में अच्छा प्रदर्शन कर रही थीं। इन फर्मों की कीमतें स्वस्थ और सकारात्मक गति वाली थीं, लेकिन वे भी कम ट्रेडिंग (thin trading) से ग्रस्त थीं। शोधकर्ताओं ने पाया कि ये स्वस्थ कंपनियाँ किसी खरीदार द्वारा प्रस्ताव देने से पहले लगभग सात महीने तक शांत रहती थीं। यह सुझाव देता है कि स्वैच्छिक निकास विफलता के संकेत नहीं हैं, बल्कि निवेशक की उपेक्षा का परिणाम हैं, जहाँ एक अच्छी कंपनी को तब तक अनदेखा किया जाता है जब तक कि एक निजी खरीदार उसे बचाने के लिए नहीं आता।
अध्ययन ने यह भी उजागर किया कि बाजार वित्तीय संकट को कैसे संभालता है इसमें एक महत्वपूर्ण बदलाव आया है। दशक के अधिकांश समय के लिए, किसी कंपनी को जबरन हटाने का जोखिम अपेक्षाकृत स्थिर बना रहा। हालाँकि, डेटा ने दिसंबर 2024 के आसपास हो रहे एक परिवर्तन की ओर इशारा किया। इस तारीख के बाद, अनैच्छिक निष्कासन का समग्र जोखिम बढ़ गया, और एक नया कारक महत्वपूर्ण हो गया: ऋण। इस बदलाव से पहले, उच्च स्तर का ऋण होना किसी कंपनी के निष्कासित होने की संभावना को बहुत अधिक नहीं बढ़ाता था। इस बदलाव के बाद, ऋण एक प्रमुख चेतावनी संकेत बन गया। यह परिवर्तन संभवतः महामारी के दौरान लागू किए गए अस्थायी राहत उपायों के समाप्त होने को दर्शाता है, जिसने पहले संघर्ष कर रही फर्मों के निष्कासन को टाल दिया था। एक बार जब वह राहत समाप्त हो गई, तो बाजार ने इन कंपनियों की अंतर्निहित कमजोरियों, विशेष रूपकर भारी ऋण वाले भार वाली कंपनियों पर कार्रवाई करना शुरू कर दिया।
यह सुनिश्चित करने के लिए कि उनके निष्कर्ष वास्तविक थे और केवल गणित का परिणाम नहीं थे, शोधकर्ताओं ने हजारों कंप्यूटर सिमुलेशन चलाए। उन्होंने पाया कि मानक सांख्यिकीय परीक्षण, जिन पर आमतौर पर परिणामों की पुष्टि करने के लिए भरोसा किया जाता है, इस विशिष्ट प्रकार के डेटा में गलत सूचनाओं (false alarms) के प्रति संवेदनशील थे। जब शोधकर्ताओं ने मानक परीक्षण का उपयोग किया, तो इसने सुझाव दिया कि दिसंबर 2024 का बदलाव एक मजबूत, सांख्यिकीय रूप से सिद्ध तथ्य था। हालाँकि, जब उन्होंने एक अधिक सावधानीपूर्वक, विशेष रूप से इस स्थिति के लिए निर्मित परीक्षण का उपयोग किया, तो साक्ष्य कम निश्चित हो गया। नए परीक्षण ने दिखाया कि हालांकि बदलाव आर्थिक रूप से अर्थपूर्ण था और पैटर्न स्पष्ट था, लेकिन सांख्यिकीय प्रमाण उतना पुख्ता नहीं था जितना कि मानक परीक्षण दावा करता है। परिणाम एक ऐसा निष्कर्ष है जो अत्यधिक सुझाव देने वाला और व्यावहारिक रूप से महत्वपूर्ण है, लेकिन जिसे व्याख्या करने के लिए सावधानी की डिग्री की आवश्यकता है।
शोधकर्ताओं ने यह भी परीक्षण किया कि क्या उनके निष्कर्ष इस बात पर निर्भर करते हैं कि उन्होंने अपने मॉडल के लिए किस गणितीय आकार को चुना है। उन्होंने सरल से जटिल तक चार अलग-अलग गणितीय ढांचों का परीक्षण किया, और पाया कि परिणाम उपयोग किए गए उपकरण के बावजूद समान रहे। यह निरंतरता इस विश्वास को देती है कि जो पैटर्न उन्होंने खोजे हैं वे बाजार की वास्तविक विशेषताएं हैं, न कि किसी विशेष गणना पद्धति का परिणाम। इसके अलावा, उनके सिमुलेशन ने समान अध्ययनों में एक छिपे हुए खतरे का खुलासा किया: यदि डेटासेट की सभी कंपनियाँ एक्सचेंज पर एक ही समय में अपना "जीवन" शुरू करती हैं, तो यह बताना लगभग असंभव हो जाता है कि कंपनी कितनी पुरानी हो रही है और कैलेंडर समय बदल रहा है। शोधकर्ताओं ने पाया कि समय के साथ क्रमिक बदलाव देखने के लिए, आपको विभिन्न अवधियों के लिए सूचीबद्ध कंपनियों के मिश्रण की आवश्यकता होती है। इस मिश्रण के बिना, डेटा बिना किसी परिवर्तन के एक भ्रामक भ्रम पैदा कर सकता है।
अंत में, यह कार्य शेयर बाजार के निकास द्वारों की एक स्पष्ट तस्वीर प्रदान करता है। यह दिखाता है कि बाजार सभी प्रस्थानों के साथ समान व्यवहार नहीं करता है। एक छोटी, उपेक्षित कंपनी वित्तीय संकट के कारण बाहर होने की संभावना रखती है, जबकि एक स्वस्थ, अच्छी कीमत वाली कंपनी इसलिए जा सकती है क्योंकि उसे निवेशकों द्वारा चुपचाप अनदेखा किया गया था जब तक कि एक खरीदार नहीं आ गया। यह यह भी रेखांकित करता है कि खेल के नियम बदल सकते हैं, जैसा कि देर 2024 में ऋण के जोखिम कारक के रूप में उदय के साथ देखा गया है। इन कहानियों को अलग करके और अधिक सावधानीपूर्वक परीक्षण विधियों का उपयोग करके, यह अध्ययन सार्वजनिक कंपनियों के जीवन और मृत्यु को समझने का एक अधिक सटीक तरीका प्रदान करता है, जो हमें याद दिलाता है कि वित्त की दुनिया में, संदर्भ ही सब कुछ 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।