Front-End Rates and Long-End Relative Value in the U.S. Treasury Curve
यह शोध पत्र यह प्रदर्शित करता है कि फ्रंट-एंड दरों को एक सशर्त संदर्भ के रूप में उपयोग करने से लॉन्ग-एंड ट्रेजरी रिलेटिव वैल्यू रणनीतियों की पूर्वानुमान सटीकता और जोखिम-समायोजित प्रदर्शन में महत्वपूर्ण सुधार होता है, जिससे फ्रंट-एंड-कंडीशन्ड कर्व सिलेक्शन और डायरेक्शनल ड्यूरेशन को अलग-अलग पोर्टफोलियो निर्णयों के रूप में स्थापित किया जाता 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
सरकारी बॉन्ड की दुनिया को अक्सर वैश्विक वित्तीय प्रणाली के आधार स्तंभ के रूप में वर्णित किया जाता है, एक ऐसी जगह जहाँ पैसे की कीमत सभी के लिए निर्धारित की जाती है। इसके केंद्र में यील्ड कर्व (yield curve) स्थित है, जो एक ऐसी रेखा है जो विभिन्न समयावधियों के लिए सरकार द्वारा पैसा उधार लेने के लिए भुगतान की जाने वाली ब्याज दरों को जोड़ती है। आमतौर पर, तीस वर्षों के लिए उधार लेना दो वर्षों के उधार लेने से अधिक महंगा होता है, जिससे एक ऊपर की ओर झुकी हुई रेखा बनती है। लेकिन कभी-कभी, वह रेखा सपाट हो जाती है, या यहाँ तक कि दूसरी दिशा में झुक जाती है, जो यह संकेत देती है कि अर्थव्यवस्था धीमी हो सकती है या निवेशक भविष्य को लेकर चिंतित हैं। उन लोगों के लिए जो धन के विशाल भंडार का प्रबंधन करते हैं, यह समझना कि क्या यह रेखा सामान्य रूप से व्यवहार कर रही है या असामान्य रूप से, एक दैनिक आवश्यकता है। उन्हें यह जानने की आवश्यकता है कि क्या एक सपाट रेखा एक अस्थायी गड़बड़ी है या एक गहरे बदलाव का संकेत है, और उन्हें यह तय करने की आवश्यकता है कि रेखा के और अधिक तीव्र होने या और अधिक सपाट होने पर दांव लगाना है। चुनौती यह है कि ये रेखाएं कई ताकतों से एक साथ प्रभावित होती हैं: केंद्रीय बैंक की नीतियां, सरकार द्वारा बेचा जाने वाला ऋण की मात्रा, और बाजार का सामान्य मिजाज। एक सामान्य उतार-चढ़ाव और एक वास्तविक अवसर के बीच अंतर करने के लिए एक चलते हुए लक्ष्य के विरुद्ध वक्र को मापने के तरीके की आवश्यकता होती है।
गार्श संस्थान (GARCH Institute) के शोधकर्ताओं ने, फुली यांग और जिंग हुआंग के नेतृत्व में, इस जटिल प्रणाली के भीतर एक विशिष्ट पहेली को हल करने का प्रयास किया। वे जानना चाहते थे कि क्या अल्पकालिक ब्याज दरों का व्यवहार दीर्घकालिक वक्र के भविष्य की भविष्यवाणी करने के लिए एक विश्वसनीय मार्गदर्शक के रूप में कार्य कर सकता है, विशेष रूप से दस-वर्षीय और तीस-वर्षीय बॉन्ड के बीच के अंतर के लिए। उनका कार्य, जो 2026 के अंत में प्रकाशित हुआ, एक रणनीति पर केंद्रित है जिसे "स्टीपनर" (steepener) कहा जाता है, जो कि एक दांव है कि दीर्घकालिक दरों के बीच का अंतर बढ़ जाएगा। शोधकर्ताओं ने एक सरल लेकिन कठिन प्रश्न पूछा: यदि दीर्घकालिक वक्र अल्पकालिक दरों द्वारा सुझाए गए स्तर की तुलना में असामान्य रूप से सपाट दिखता है, तो क्या यह सपाटपन भविष्य के सुधार (correction) की भविष्यवाणी करता है? दूसरे शब्दों में, यदि रेखा आज बहुत सपाट दिख रही है, तो क्या वह कल स्वाभाविक रूप से सीधी हो जाएगी, और क्या एक निवेशक पूरे बाजार के एक दिशा में बढ़ने पर भारी जोखिम उठाए बिना उस हलचल से लाभ कमा सकता है?
इसका उत्तर देने के लिए, टीम ने संयुक्त राज्य अमेरिका के ट्रेजरी के दशकों के सार्वजनिक डेटा का अध्ययन किया, जो 2015 से 2026 तक फैला हुआ है। उन्होंने एक मॉडल बनाया जिसने वर्तमान अल्पकालिक दरों का उपयोग करके एक "संदर्भ" (reference) बनाया कि दीर्घकालिक वक्र को कैसा दिखना चाहिए। कल्पना कीजिए कि एक पैमाना है जो तापमान के आधार पर हर दिन अपने निशान बदल देता है; यह अनिवार्य रूप से वही है जो उन्होंने ब्याज दर वक्र के साथ किया। उन्होंने वास्तविक बाजार दर और इस दैनिक समायोजित संदर्भ के बीच के अंतर, या "गैप" को मापा। जब वास्तविक वक्र संदर्भ की तुलना में अधिक सपाट था, तो उन्होंने इसे एक सकारात्मक गैप कहा। इसके बाद, उन्होंने अगले बीस ट्रेडिंग दिनों में दस-वर्षीय और तीस-वर्षीय बॉन्ड के बीच के अंतर (spread) को ट्रैक किया ताकि यह देखा जा सके कि क्या बाजार खुद को सुधारता है।
परिणामों ने दिखाया कि यह सशर्त संदर्भ वास्तव में एक शक्तिशाली उपकरण था। जब शोधकर्ताओं ने अल्पकालिक दरों का उपयोग करके अपना बेंचमार्क सेट किया, तो भविष्य के वक्र के आंदोलन की भविष्यवाणी करने की उनकी क्षमता में काफी सुधार हुआ। विशेष रूप से, उनके मॉडल ने केवल यह मान लेने की तुलना में कि गैप स्थिर रहेगा, उनके अनुमानों में औसत त्रुटि को लगभग 3.5 प्रतिशत कम कर दिया। यह सुधार कोई इत्तेफाक नहीं था; यह तब भी बना रहा जब उन्होंने दरों की गणना करने के विभिन्न तरीकों का परीक्षण किया और विभिन्न समय अवधियों में भी। हालांकि, संकेत की ताकत भिन्न थी। मॉडल 2021 के बाद के वर्षों में सबसे अच्छा काम करता था, जबकि 2015 और 2019 के बीच की अवधि में इसकी भविष्य कहने की शक्ति कमजोर थी। यह सुझाव देता है कि अल्पकालिक दरों और दीर्घकालिक वक्र के बीच का संबंध स्थिर नहीं है; यह आर्थिक वातावरण और सरकार द्वारा जारी किए जाने वाले ऋण की मात्रा के आधार पर बदलता रहता है।
शोधकर्ता फिर भविष्यवाणी से कार्रवाई की ओर बढ़े, और परीक्षण किया कि कैसे एक वास्तविक निवेशक इस जानकारी का उपयोग कर सकता है। उन्होंने एक "स्टीपनर" रणनीति की तुलना, जिसमें दस-वर्षीय बॉन्ड खरीदना और तीस-वर्षीय बॉन्ड बेचना शामिल है, केवल बड़ी मात्रा में दो-वर्षीय बॉन्ड खरीदने के मुकाबले की। लक्ष्य यह देखना था कि क्या स्टीपनर, ब्याज दरों की समग्र दिशा पर दांव लगाने से होने वाले मूल्य के बड़े उतार-चढ़ाव से बचते हुए, वक्र के सुधार से लाभ प्राप्त कर सकता है। डेटा ने दिखाया कि स्टीपनर उल्लेखनीय रूप से स्थिर था। जब बाजार दांव के विरुद्ध चला, तो स्टीपनर ने बॉन्ड की सीधी खरीद की तुलना में बहुत कम पैसा खोया। उदाहरण के लिए, जब ब्याज दरें बढ़ीं, तो स्टीपनर ने औसतन एक बेसिस पॉइंट से भी कम का नुकसान किया, जबकि दो-वर्षीय बॉन्ड ने लगभग तेरह बेसिस पॉइंट का नुकसान किया। बाजार के उतार-चढ़ाव के प्रति यह कम संवेदनशीलता सुरक्षा का एक रूप प्रदान करती है, जिससे निवेशकों को बाजार की रैली या गिरावट की पूरी ताकत के संपर्क में आए बिना वक्र के आकार पर अपनी राय व्यक्त करने की अनुमति मिलती है।
महत्वपूर्ण रूप से, अध्ययन ने पाया कि यह सुरक्षा एक वास्तविक, सकारात्मक रिटर्न के साथ आई। जब शोधकर्ताओं ने केवल उन समयों को देखा जब गैप सकारात्मक था—अर्थात वक्र अपेक्षित से अधिक सपाट था—तो स्टीपनर रणनीति ने प्रति इकाई जोखिम लगभग 0.72 बेसिस पॉइंट का औसत लाभ उत्पन्न किया। यह लाभ व्यापार को वित्तपोषित करने के लिए पैसा उधार लेने की लागत और बॉन्ड खरीदने और बेचने के शुल्क को ध्यान में रखने के बाद भी बना रहा। शोधकर्ताओं ने यह भी जांचा कि क्या ज्ञात भविष्य की घटनाएं, जैसे कि निर्धारित सरकारी बॉन्ड नीलामी, उनके परिणामों को स्पष्ट कर सकती हैं। उन्होंने पाया कि जब उन्होंने सरकार द्वारा बेचे जाने वाले ऋण की विशिष्ट मात्रा को भी ध्यान में रखा, तो अल्पकालिक दरों और वक्र के समायोजन के बीच का संबंध मजबूत बना रहा। इससे संकेत मिला कि यह केवल आपूर्ति और मांग के ज्ञात प्रतिबिंब का हिस्सा नहीं था, बल्कि एक वास्तविक बाजार अक्षमता थी जिसका फायदा उठाया जा सकता था।
अध्ययन ने समय और उपयोग किए गए डेटा के विशिष्ट प्रकार के महत्व पर भी प्रकाश डाला। शोधकर्ताओं ने पाया कि संकेत तब सबसे मजबूत था जब उन्होंने सबसे अद्यतित, निरंतर अपडेट की जाने वाली ब्याज दर डेटा का उपयोग किया। यदि उन्होंने सूचना में कुछ दिनों की भी देरी की, तो मॉडल की भविष्य कहने की शक्ति गिर गई। यह सुझाव देता है कि बाजार अल्पकालिक दरों के बारे में नई जानकारी पर तेजी से प्रतिक्रिया करता है, और निवेशकों को अवसर का लाभ उठाने के लिए चुस्त रहने की आवश्यकता है। इसके अलावा, अध्ययन ने दिखाया कि हालांकि समग्र रणनीति ठोस थी, लेकिन इसका प्रदर्शन सभी वर्षों में एक समान नहीं था। लाभ अध्ययन की अवधि के बाद के वर्षों में, विशेष रूप से 2022 के बाद, केंद्रित थे, जो यह सुझाव देता है कि इस रणनीति के काम करने के लिए आवश्यक स्थितियां हमेशा मौजूद नहीं होती हैं।
अंत में, यांग और हुआंग का कार्य ट्रेजरी के दीर्घकालिक छोर (long end) को समझने के लिए एक स्पष्ट, डेटा-संचालित मानचित्र प्रदान करता है। यह प्रदर्शित करता है कि वक्र का अगला हिस्सा—अल्पकालिक दरें—दीर्घकालिक छोर के लिए एक विश्वसनीय दिशा-सूचक (compass) के रूप में कार्य कर सकता है। इस दिशा-सूचक का उपयोग करके, निवेशक पहचान सकते हैं कि कब दीर्घकालिक वक्र असामान्य रूप से सपाट है और खुद को सुधार के लिए लाभ कमाने हेतु तैयार कर सकते हैं। इससे भी महत्वपूर्ण बात यह है कि वे ऐसा एक ऐसे तरीके से कर सकते हैं जो पूरे बाजार के एक दिशा में बढ़ने पर दांव लगाने की तुलना में काफी कम जोखिम भरा है। अनुसंधान पुष्टि करता है कि रिलेटिव वैल्यू इन्वेस्टिंग (relative value investing) केवल सस्ते बॉन्ड खोजने के बारे में नहीं है, बल्कि वक्र के विभिन्न हिस्सों के बीच के संबंध को समझने और उस समझ का उपयोग करके एक ऐसा पोर्टफोलियो बनाने के बारे में है जो बाजार के झटकों के प्रति लचीला हो। ये निष्कर्ष निवेशकों को सामान्य बाजार अस्थिरता के शोर से वक्र सुधार के संकेत को अलग करने के लिए एक व्यावहारिक ढांचा प्रदान करते हैं, जिससे उन्हें सरकारी ऋण की जटिल दुनिया में एक स्पष्ट रास्ता मिलता 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।