कैसे Covariance पोर्टफोलियो जोखिम और रिटर्न को प्रभावित करता है?

कोवरियनस एक सांख्यिकीय उपाय है कि एक दूसरे के संबंध में दो संपत्ति कैसे चलती हैं। यह विविधीकरण प्रदान करता है और एक पोर्टफोलियो के लिए समग्र अस्थिरता को कम करता है। एक सकारात्मक सहसंयोजक इंगित करता है कि दो संपत्ति अग्रानुक्रम में चलती हैं। एक नकारात्मक सहसंयोजक इंगित करता है कि दो संपत्ति विपरीत दिशाओं में चलती हैं।

एक पोर्टफोलियो के निर्माण में, वापसी की सकारात्मक दर के लिए प्रयास करते हुए समग्र जोखिम और अस्थिरता को कम करने का प्रयास करना महत्वपूर्ण है। एनालिस्ट्स ऐतिहासिक मूल्य डेटा का उपयोग यह निर्धारित करने के लिए करते हैं कि किसी पोर्टफोलियो में कौन सी परिसंपत्तियाँ शामिल हैं। उन संपत्तियों को शामिल करने से जो एक नकारात्मक सह-अस्तित्व दिखाते हैं, एक पोर्टफोलियो की समग्र अस्थिरता कम हो जाएगी।

दो विशेष परिसंपत्तियों के सहसंयोजन की गणना एक ऐसे फार्मूले द्वारा की जाती है, जिसमें स्वतंत्र और आश्रित चर के रूप में ऐतिहासिक संपत्ति रिटर्न शामिल होते हैं, साथ ही प्रत्येक परिसंपत्ति के लिए ट्रेडिंग अवधि के समान संख्या पर प्रत्येक व्यक्तिगत संपत्ति की कीमत का ऐतिहासिक मतलब होता है। सूत्र दैनिक रिटर्न माइनस को प्रत्येक संपत्ति के लिए औसत रिटर्न लेता है, एक-दूसरे से गुणा किया जाता है, और फिर मापा समय के लिए ट्रेडिंग अवधि की संख्या से विभाजित किया जाता है। सहसंयोजक सूत्र है:

एक विविधीकरण उपकरण के रूप में सहसंयोजक

Covariance परिसंपत्तियों के एक पोर्टफोलियो में विविधीकरण को अधिकतम कर सकता है। एक पोर्टफोलियो में एक नकारात्मक कोवरियन के साथ संपत्ति जोड़ना समग्र जोखिम को कम करता है। सबसे पहले, यह जोखिम जल्दी से कम हो जाता है; अतिरिक्त संपत्ति के रूप में जोड़ा जाता है, यह धीरे-धीरे बंद हो जाता है। एक पोर्टफोलियो में 25 अलग-अलग शेयरों को मिलाकर विविध जोखिम को कम नहीं किया जा सकता है। हालांकि, नकारात्मक सहसंयोजक के साथ अधिक संपत्ति सहित इसका मतलब है कि जोखिम अधिक तेज़ी से गिरता है।

कोवरियन की कुछ सीमाएँ हैं। जबकि सहसंयोजक दो परिसंपत्तियों के बीच की दिशा दिखा सकता है, इसका उपयोग कीमतों के बीच संबंधों की ताकत की गणना करने के लिए नहीं किया जा सकता है। संपत्ति के बीच सहसंबंध गुणांक का निर्धारण करना रिश्ते की ताकत को मापने का एक बेहतर तरीका है।

सहसंयोजक के उपयोग के लिए एक अतिरिक्त दोष यह है कि माप अंतर्निहित डेटा में आउटलेर की उपस्थिति से तिरछा होने के अधीन है। इस प्रकार, बड़े एकल-अवधि मूल्य आंदोलन मूल्य श्रृंखला की समग्र अस्थिरता को कम कर सकते हैं और परिसंपत्तियों के बीच दिशा की प्रकृति का एक अविश्वसनीय सांख्यिकीय माप प्रदान करते हैं।

आधुनिक पोर्टफोलियो थ्योरी का कोविरेंस का उपयोग

आधुनिक पोर्टफोलियो सिद्धांत (एमपीटी) पोर्टफोलियो के निर्माण में एक महत्वपूर्ण तत्व के रूप में कोवरियन का उपयोग करता है। MPT मानता है कि निवेशकों को जोखिम का सामना करना पड़ता है फिर भी अभी तक संभव है कि वे सबसे अच्छा रिटर्न प्राप्त करें। एमपीटी इस प्रकार एक पोर्टफोलियो में परिसंपत्तियों के मिश्रण के लिए एक कुशल फ्रंटियर, या एक इष्टतम बिंदु निर्धारित करने का प्रयास करता है, जिस पर जोखिम और वापसी के बीच संबंध सबसे अधिक फायदेमंद है। कुशल फ्रंटियर पोर्टफोलियो के लिए अधिकतम रिटर्न की गणना करता है और अंतर्निहित परिसंपत्तियों के संयोजन के लिए जोखिम की मात्रा। लक्ष्य एक समग्र मानक विचलन के साथ संपत्ति का एक समूह बनाना है जो व्यक्तिगत प्रतिभूतियों की तुलना में कम है। कुशल फ्रंटियर का ग्राफ घुमावदार है, यह दर्शाता है कि उच्च-अस्थिरता वाली परिसंपत्तियों को कम-अस्थिरता वाली परिसंपत्तियों के साथ मिलाया जा सकता है ताकि वापसी को अधिकतम किया जा सके लेकिन बड़ी कीमत में उतार-चढ़ाव के प्रभाव को कम किया जा सके। एक पोर्टफोलियो में परिसंपत्तियों में विविधता लाने से, निवेशक अपने निवेश पर रिटर्न प्राप्त करते समय जोखिम को कम कर सकते हैं।