Mathematical Framework for Dynamic Downside-Minimizing Portfolio with Exotic Option Overlay
यह अध्ययन एक बहु-चरणीय गणितीय ढांचे को प्रस्तुत करता है जो यह प्रदर्शित करता है कि कैसे एक परिसंपत्ति ब्रह्मांड (एसेट यूनिवर्स) का विस्तार करना, मीन-सेमीवेरिएंस अनुकूलन को शामिल करना, और एशियाई एवं अमेरिकन पुट्स जैसे विलक्षण विकल्पों (एक्सोटिक ऑप्शंस) की परतें लगाना डाउनसाइड सुरक्षा और जोखिम-समायोजित रिटर्न को महत्वपूर्ण रूप से बढ़ाता है, जिससे एक मानक SPY बेंचमार्क की तुलना में अधिकतम सिम्युलेटेड नुकसान −45.9% से घटकर −8.8% हो गया और सॉर्टिनो अनुपात 9.62 के शिखर पर पहुँच गया।
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 लेखक ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
निवेशकों ने लंबे समय से एक ही, निरंतर समस्या से जूझते हुए देखा है: शेयर बाजार की वृद्धि को कैसे प्राप्त किया जाए बिना उन विनाशकारी नुकसानों को झेले जो इसके साथ अनिवार्य रूप से आते हैं। पारंपरिक वित्तीय सिद्धांत अक्सर जोखिम को कीमतों के ऊपर और नीचे जाने के एक सरल माप के रूप में देखता है, यह मानते हुए कि एक तीव्र उछाल उतनी ही जोखिम भरी है जितनी कि एक तीव्र गिरावट। हालांकि, अधिकांश लोग अचानक होने वाले लाभ से नहीं डरते; वे अचानक होने वाले नुकसान से डरते हैं। इस अंतर ने जोखिम के प्रति अधिक केंद्रित दृष्टिकोण के विकास का मार्ग प्रशस्त किया, जो ऊपर की अस्थिरता (upside volatility) को अनदेखा करता है और पूरी तरह से नीचे की ओर (downside) ध्यान केंद्रित करता है। एक निश्चित सीमा से नीचे होने वाले नुकसान की आवृत्ति और गंभीरता को मापकर, विश्लेषक ऐसे पोर्टफोलियो बना सकते हैं जो विशेष रूप से सबसे बुरे परिणामों से बचने के लिए डिज़ाइन किए गए हों। हालांकि, प्रश्न यह बना हुआ है कि क्या जटिल वित्तीय उपकरणों को जोड़कर या परिसंपत्तियों के मिश्रण को लगातार समायोजित करके ऐसी रणनीति को और भी अधिक सुदृढ़ बनाया जा सकता है, और यदि ऐसा है, तो उस सुरक्षा की वास्तविक लागत क्या होगी।
एक शोधकर्ता, अंतरिक बंसल ने इन प्रश्नों का उत्तर देने के लिए कृत्रिम रूप से निर्मित निवेश पोर्टफोलियोओं की एक श्रृंखला तैयार की, जिनमें से प्रत्येक पिछले वाले की तुलना में अधिक जटिल था, यह देखने के लिए कि एक विशिष्ट लाभ का लक्ष्य रखते हुए डाउनसाइड रिस्क (नीचे की ओर जोखिम) को कितना कम किया जा सकता है। अध्ययन की शुरुआत चार अलग-अलग प्रकार की परिसंपत्तियों के एक सरल आधार के साथ हुई: स्टॉक, बॉन्ड, सोना, और एक विशेष साधन जो तब बढ़ता है जब स्टॉक गिरते हैं। बाजार के इन चार भविष्य के रास्तों में से बीस हजार अलग-अलग संभावित पथों को एक वर्ष की अवधि के लिए चलाने के लिए कंप्यूटर का उपयोग करते हुए, शोधकर्ता ने सबसे पहले इन चार परिसंपत्तियों के मिश्रण को अनुकूलित किया ताकि बड़े नुकसान की संभावना को कम किया जा सके। इस प्रारंभिक, सावधानीपूर्वक संतुलित पोर्टफोलियो ने एक मानक स्टॉक फंड की तुलना में काफी बेहतर प्रदर्शन किया, जिसने सबसे खराब स्थिति में होने वाले सिम्युलेटेड नुकसान को लगभग छियालीस प्रतिशत से घटाकर चौबीस प्रतिशत कर दिया, और साथ ही रिटर्न और जोखिम के अनुपात में भी सुधार किया।
पोर्टफोलियो को और अधिक सुरक्षित बनाने के लिए, शोधकर्ता ने 'एक्सोटिक ऑप्शंस' का उपयोग करके बीमा की एक परत जोड़ी, जो ऐसे अनुबंध हैं जो केवल तभी भुगतान करते हैं जब बाजार एक निश्चित स्तर से नीचे गिर जाता है। एक प्रकार के अनुबंध ने वर्ष के बिल्कुल अंत में अचानक होने वाली गिरावट से सुरक्षा प्रदान की, जबकि दूसरे ने समय के साथ होने वाली धीमी, निरंतर गिरावट से सुरक्षा दी। इन दो बीमा पॉलिसियों के जुड़ने से एक सख्त 'फ्लोर' (न्यूनतम सीमा) का काम किया, जिससे पोर्टफोलio को सबसे खराब परिदृश्यों में आठ प्रतिशत से अधिक नुकसान होने से रोका जा सका। इस संभावित नुकसान में नाटकीय कमी एक औसत रिटर्न की छोटी लागत पर आई, लेकिन इसने निवेश के सुरक्षा प्रोफाइल को मौलिक रूप से बदल दिया, यह सिद्ध करते हुए कि स्पष्ट सुरक्षा पोर्टफोलियो के नुकसान को सिमुलेशन के नियमों के भीतर लगभग पूरी तरह से सीमित कर सकती है।
अध्ययन ने उपलब्ध परिसंपत्तियों के दायरे का विस्तार किया, चार वस्तुओं से बढ़कर तेरह और अंततः इक्कीस तक, जिसमें छोटी कंपनियों, उभरते बाजारों और जैव प्रौद्योगिकी एवं रियल एस्टेट जैसे विशेष क्षेत्रों को शामिल किया गया। तर्क यह था कि परिसंपत्तियों की एक विस्तृत विविधता अधिक अवसर प्रदान करेगी ताकि ऐसे संयोजन खोजे जा सकें जो एक-दूसरे से स्वतंत्र रूप से चलते हैं, जिससे उतार-चढ़ाव को और अधिक सुगम बनाया जा सके। यह विस्तार अत्यधिक प्रभावी सिद्ध हुआ; रणनीति या बीमा बदले बिना केवल अधिक विविध परिसंपत्तियों को मिश्रण में जोड़ने से जोखिम-समायोजित प्रदर्शन में इतनी वृद्धि हुई कि पोर्टफोलियो का सुरक्षा स्कोर प्रारंभिक चार-परिसंपत्ति वाले संस्करण की तुलना में दोगुने से अधिक हो गया। शोधकर्ता ने पाया कि उपलब्ध विभिन्न निर्माण खंडों (building blocks) की विशाल संख्या ने कंप्यूटर को एक बहुत अधिक लचीली संरचना बनाने की अनुमति दी।
केवल सही परिसंपत्तियों का मिश्रण चुनने के अलावा, शोधकर्ता ने समय के साथ पोर्टफोलियो प्रबंधित करने के विभिन्न तरीकों का परीक्षण किया। एक रणनीति में हाल ही में अच्छा प्रदर्शन करने वाली परिसंपत्तियों की ओर लगातार पैसा स्थानांतरित करना शामिल था, जबकि दूसरी रणनीति में नियमित अंतराल पर पोर्टफोलियो को उसके मूल, सावधानीपूर्वक गणना किए गए मिश्रण पर रीसेट करना शामिल था। सिम्युलेटेड दुनिया में, जहाँ बाजार की हलचलें यादृच्छिक (random) और अप्रत्याशित थीं, हाल के विजेताओं का पीछा करने वाली रणनीति ने वास्तव में पोर्टफोलियो को अधिक जोखिम भरा और कम लाभदायक बना दिया। इसके विपरीत, पोर्टफोलियो को नियमित रूप से इसके मूल, अनुकूलित भार (weights) पर वापस लाने की रणनीति सबसे शक्तिशाली उपकरण साबित हुई। हर कुछ हफ्तों में योजना पर वापस लौटने के इस सरल, अनुशासित दृष्टिकोण ने उच्चतम सुरक्षा स्कोर दिए, जिसने बदलते बाजार की स्थितियों के प्रति प्रतिक्रिया करने वाले जटिल, सिग्नल-संचालित रणनीतियों से भी बेहतर प्रदर्शन किया।
अंत में, शोधकर्ता ने पंद्रह प्रतिशत के बहुत उच्च लक्ष्य रिटर्न का लक्ष्य रखकर प्रणाली को उसकी सीमा तक धकेला, जिसके लिए पोर्टफोलio में जोखिम भरे, उच्च-विकास वाली परिसंपत्तियों को भरना आवश्यक था। जैसा कि अपेक्षित था, इस उच्च पुरस्कार की आकांक्षा के साथ नुकसान का जोखिम भी काफी बढ़ गया, जिससे सबसे खराब स्थिति का आंकड़ा वापस लगभग उनतीस प्रतिशत तक पहुँच गया। हालांकि, पहले उपयोग की गई बीमा रणनीतियों को लागू करके, शोधकर्ता उस सबसे खराब स्थिति के नुकसान को एकल अंकों (single digits) में वापस लाने में सक्षम रहा, हालांकि इसके लिए सुरक्षा के भुगतान हेतु संभावित लाभ का एक महत्वपूर्ण हिस्सा छोड़ना पड़ा। अध्ययन यह निष्कर्ष निकालता है कि हालांकि एक पोर्टफोलियो बनाना संभव है जो उल्लेखनीय रूप से सुरक्षित और लचीला हो, लेकिन 'कोई मुफ्त लंच नहीं है' (no free lunch); उच्च रिटर्न की ओर प्रत्येक कदम या जोड़ी गई जटिलता की प्रत्येक परत एक समझौता (trade-off) है, और एक यादृच्छिक बाजार में जोखिम का प्रबंधन करने का सबसे विश्वसनीय तरीका अक्सर सबसे सरल होता है: परिसंपत्तियों का एक विविध मिश्रण, अनुशासित नियमित समायोजन, और सबसे बुरे परिणामों के विरुद्ध स्पष्ट सुरक्षा।
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।