पोर्टफोलियो थ्योरी में Covariance का उपयोग कैसे किया जाता है?
पोर्टफोलियो में क्या संपत्तियां शामिल हैं यह निर्धारित करने के लिए पोर्टफोलियो सिद्धांत में कोवरियन का उपयोग किया जाता है। Covariance दो परिसंपत्ति की कीमतों के बीच दिशात्मक संबंध का एक सांख्यिकीय उपाय है। आधुनिक पोर्टफोलियो सिद्धांत एक पोर्टफोलियो के लिए समग्र जोखिम को कम करने के लिए इस सांख्यिकीय माप का उपयोग करता है। एक सकारात्मक सहसंयोजक का मतलब है कि संपत्ति आम तौर पर एक ही दिशा में चलती है। नकारात्मक सहसंयोजक का अर्थ है कि संपत्ति आम तौर पर विपरीत दिशाओं में चलती है। यहां हम चर्चा करेंगे कि निवेश जोखिम को कम करने और पोर्टफोलियो विविधीकरण प्रदान करने के लिए कोवरियन का उपयोग कैसे किया जाता है ।
चाबी छीन लेना
- Covariance एक सांख्यिकीय उपकरण निवेशक है जो दो परिसंपत्ति की कीमतों के आंदोलन के बीच संबंध को मापने के लिए उपयोग करता है।
- एक सकारात्मक सहसंयोजक का अर्थ है कि संपत्ति की कीमतें समान दिशा में आगे बढ़ रही हैं।
- एक नकारात्मक सहसंयोजक का अर्थ है कि संपत्ति की कीमतें विपरीत दिशाओं में बढ़ रही हैं।
- आधुनिक पोर्टफोलियो सिद्धांत (एमपीटी) का उपयोग करने वाले निवेशक अपने पोर्टफोलियो में ऐसी परिसंपत्तियों को शामिल करके रिटर्न का अनुकूलन करना चाहते हैं जिनमें नकारात्मक सहसंयोजक होते हैं।
- कोवरियनस निवेशकों को एक पोर्टफोलियो बनाने में मदद करता है जिसमें अलग-अलग परिसंपत्ति प्रकारों का मिश्रण शामिल होता है, इस प्रकार जोखिम को कम करने के लिए विविधीकरण रणनीति को नियोजित करता है।
Covariance और आधुनिक पोर्टफोलियो सिद्धांत (MPT)
Covariance आधुनिक पोर्टफोलियो सिद्धांत (MPT) में प्रयुक्त एक महत्वपूर्ण माप है । एमपीटी एक पोर्टफोलियो में परिसंपत्तियों के मिश्रण के लिए एक कुशल सीमा निर्धारित करने का प्रयास करता है। कुशल फ्रंटियर पोर्टफोलियो में समग्र संयुक्त संपत्ति के लिए अधिकतम रिटर्न बनाम जोखिम की डिग्री का अनुकूलन करना चाहता है।
लक्ष्य संपत्ति एक कम है कि चयन करने के लिए है मानक विचलन संयुक्त पोर्टफोलियो व्यक्तिगत संपत्ति का मानक विचलन से कम है कि के लिए। इससे पोर्टफोलियो की अस्थिरता कम हो सकती है। आधुनिक पोर्टफोलियो सिद्धांत निम्न-अस्थिरता परिसंपत्तियों के साथ उच्च-अस्थिरता परिसंपत्तियों का एक इष्टतम मिश्रण बनाने का प्रयास करता है। एक पोर्टफोलियो में परिसंपत्तियों में विविधता लाने से, निवेशक जोखिम कम कर सकते हैं और फिर भी सकारात्मक रिटर्न की अनुमति दे सकते हैं।
डॉ। हैरी मार्कोविट ने 1952 में आधुनिक पोर्टफोलियो सिद्धांत (एमपीटी) का निर्माण किया, ताकि निवेशकों को उनके आदर्श पोर्टफोलियो बनाने के लिए उनकी पुरस्कार अपेक्षाओं के साथ जोखिम सहिष्णुता का मुकाबला करने में मदद मिल सके।
नकारात्मक सहसंयोजक और पोर्टफोलियो निर्माण
एक पोर्टफोलियो के निर्माण में, संपत्ति को शामिल करके समग्र जोखिम को कम करने का प्रयास करना महत्वपूर्ण है जो एक दूसरे के साथ नकारात्मक सहसंयोजक हैं। विश्लेषक विभिन्न शेयरों के बीच सहसंयोजक के माप को निर्धारित करने के लिए ऐतिहासिक मूल्य डेटा का उपयोग करते हैं। यह मानता है कि परिसंपत्ति की कीमतों के बीच एक ही सांख्यिकीय संबंध भविष्य में जारी रहेगा, जो हमेशा ऐसा नहीं होता है। उन संपत्तियों को शामिल करके जो नकारात्मक कोविरेंस दिखाते हैं, एक पोर्टफोलियो का जोखिम कम से कम है।
कोवरियनस फॉर्मूला
दो संपत्तियों के सहसंयोजक की गणना एक सूत्र द्वारा की जाती है । सूत्र का पहला चरण प्रत्येक व्यक्तिगत संपत्ति के लिए औसत दैनिक रिटर्न निर्धारित करता है। फिर, दैनिक रिटर्न के बीच अंतर दैनिक औसत रिटर्न प्रत्येक परिसंपत्ति के लिए गणना की जाती है, और ये संख्या एक दूसरे से गुणा होती है। अंतिम चरण उस उत्पाद को व्यापार अवधि की संख्या से विभाजित करना है, ऋण 1।
Covariance का उपयोग परिसंपत्तियों के पोर्टफोलियो में विविधीकरण को अधिकतम करने के लिए किया जा सकता है। एक पोर्टफोलियो में एक नकारात्मक कोवरियन के साथ संपत्ति को जोड़कर, समग्र जोखिम जल्दी से कम हो जाता है। कोवरियनस संपत्ति के मिश्रण के लिए जोखिम का एक सांख्यिकीय माप प्रदान करता है।
Covariance कमियां
कोवरियन के उपयोग में कमियां हैं। कोवरियन केवल दो परिसंपत्तियों के बीच दिशात्मक संबंध को माप सकते हैं। यह संपत्ति के बीच संबंधों की ताकत नहीं दिखा सकता है।
सहसंबंध गुणांक कि शक्ति का एक बेहतर उपाय है। सहसंयोजक के उपयोग के लिए एक अतिरिक्त दोष यह है कि गणना उच्च अस्थिरता रिटर्न के प्रति संवेदनशील है। अधिक अस्थिर परिसंपत्तियों में ऐसे रिटर्न शामिल होते हैं जो औसत से दूर होते हैं। इन उल्लिखित रिटर्न के परिणामस्वरूप होने वाले सहसंयोजक गणना पर अनुचित प्रभाव पड़ सकता है। बड़े एकल-दिन की कीमत की चाल कोवरिस को प्रभावित कर सकती है, जो माप के गलत अनुमान की ओर जाता है।