मुख्य » एल्गोरिथम ट्रेडिंग » पंचाट मूल्य निर्धारण सिद्धांत (APT)

पंचाट मूल्य निर्धारण सिद्धांत (APT)

एल्गोरिथम ट्रेडिंग : पंचाट मूल्य निर्धारण सिद्धांत (APT)
पंचाट मूल्य निर्धारण सिद्धांत (APT) क्या है?

आर्बिट्रेज प्राइसिंग सिद्धांत (APT) एक बहु-कारक परिसंपत्ति मूल्य निर्धारण मॉडल है, जो इस विचार पर आधारित है कि परिसंपत्ति के रिटर्न में परिसंपत्ति की अपेक्षित रिटर्न और व्यवस्थित जोखिम को पकड़ने वाले कई मैक्रोइकॉनॉमिक चर के बीच रैखिक संबंध का उपयोग करके भविष्यवाणी की जा सकती है। अस्थायी रूप से गलत तरीके से प्रतिभूतियों की पहचान करने के लिए मूल्य निवेश के दृष्टिकोण से पोर्टफोलियो का विश्लेषण करने के लिए यह एक उपयोगी उपकरण है।

1:27

पंचाट मूल्य निर्धारण सिद्धांत

पंचाट मूल्य निर्धारण सिद्धांत मॉडल के लिए सूत्र है

E (R) i = E (R) z + (E (I) =E (R) z × × Rnwhere: E (R) i = परिसंपत्ति पर अपेक्षित प्रतिफल = वापसी की जोखिम मुक्त दर = परिसंपत्ति की संवेदनशीलता मैक्रोइकॉनॉमिकफ़ैक्टर nEi के लिए मूल्य = कारक i से शुरू होने वाले जोखिम से जुड़ा हुआ है {संरेखित} और \ पाठ {E (R)} _ \ पाठ {i} = E (R) _z + (E (I) - E (R) _z) \ times \ beta_n \\ & \ textbf {जहाँ:} \\ & \ text {E (R)} _ \ text {i} = \ text {संपत्ति पर वापसी की उम्मीद} \\ & R_z = \ text {जोखिम मुक्त वापसी की दर} \\ & \ Beta_n = \ text {मैक्रोइकोनॉमिक के लिए संपत्ति की कीमत की संवेदनशीलता} \\ और \ पाठ {कारक} \ textit {n} \\ & Ei = \ text {कारक से संबंधित जोखिम प्रीमियम} {textit { i} \\ \ end {align} E (R) i = E (R) z + (E (I) )E (R) z) × Rn जहां: E (R) i = अपेक्षित ऐसेटआरज़ पर लौटें = रिस्क-फ्री रेट ऑफ़ रिटर्न =एन = मैक्रोइकॉनॉमिकफ़ैक्टर एनईआई के लिए एसेट की कीमत की संवेदनशीलता = कारक के साथ जुड़ा जोखिम प्रीमियम

एपीटी मॉडल में बीटा गुणांक का अनुमान रैखिक प्रतिगमन का उपयोग करके किया जाता है। सामान्य तौर पर, ऐतिहासिक प्रतिभूतियों के रिटर्न कारक पर अपने बीटा का अनुमान लगाने के लिए फिर से तैयार किए जाते हैं।

कैसे आर्बिट्राज मूल्य निर्धारण सिद्धांत काम करता है

आर्बिट्राज मूल्य निर्धारण सिद्धांत को 1976 में अर्थशास्त्री स्टीफन रॉस द्वारा कैपिटल एसेट प्राइसिंग मॉडल (CAPM) के विकल्प के रूप में विकसित किया गया था। सीएपीएम के विपरीत, जो मानते हैं कि बाजार पूरी तरह से कुशल हैं, एपीटी बाजारों को कभी-कभी प्रतिभूतियों का दुरुपयोग करता है, इससे पहले कि बाजार अंततः सही हो जाए और प्रतिभूति उचित मूल्य पर वापस आ जाए। एपीटी का उपयोग करना, मध्यस्थों को उचित बाजार मूल्य से किसी भी विचलन का लाभ उठाने की उम्मीद है।

हालांकि, यह मध्यस्थता के क्लासिक अर्थों में एक जोखिम-मुक्त ऑपरेशन नहीं है, क्योंकि निवेशक यह मान रहे हैं कि मॉडल सही है और दिशा-निर्देशात्मक व्यापार कर रहा है - बजाय जोखिम-मुक्त मुनाफे में ताला लगाने के।

एपीटी के लिए गणितीय मॉडल

जबकि APT CAPM से अधिक लचीला है, यह अधिक जटिल है। CAPM केवल एक कारक को ध्यान में रखता है - बाजार जोखिम-जबकि APT सूत्र में कई कारक हैं। और यह निर्धारित करने के लिए अनुसंधान की काफी मात्रा में है कि विभिन्न वृहद आर्थिक जोखिमों के लिए सुरक्षा कितनी संवेदनशील है।

कारकों के साथ ही उनमें से कितने का उपयोग किया जाता है व्यक्तिपरक विकल्प हैं, जिसका अर्थ है कि निवेशकों के पास उनकी पसंद के आधार पर अलग-अलग परिणाम होंगे। हालांकि, चार या पांच कारक आमतौर पर सुरक्षा के अधिकांश रिटर्न की व्याख्या करेंगे। (सीएपीएम और एपीटी के बीच के अंतर के बारे में अधिक जानने के लिए, सीएपीएम और मध्यस्थता मूल्य निर्धारण सिद्धांत अलग-अलग हैं।)

APT कारक एक व्यवस्थित पोर्टफोलियो के विविधीकरण द्वारा कम नहीं किए जा सकने वाले व्यवस्थित जोखिम हैं। मूल्य पूर्वानुमानों के रूप में सबसे विश्वसनीय साबित हुए व्यापक आर्थिक कारकों में मुद्रास्फीति में अप्रत्याशित बदलाव, सकल राष्ट्रीय उत्पाद (जीएनपी), कॉर्पोरेट बांड फैलता है और उपज वक्र में बदलाव शामिल है। अन्य आम तौर पर उपयोग किए जाने वाले कारक सकल घरेलू उत्पाद (जीडीपी), वस्तुओं की कीमतें, बाजार सूचकांक और विनिमय दरें हैं।

चाबी छीन लेना

  • आर्बिट्रेज प्राइसिंग सिद्धांत (APT) एक बहु-कारक परिसंपत्ति मूल्य निर्धारण मॉडल है, जो इस विचार पर आधारित है कि परिसंपत्ति के रिटर्न में परिसंपत्ति की अपेक्षित रिटर्न और व्यवस्थित जोखिम को पकड़ने वाले कई मैक्रोइकॉनॉमिक चर के बीच रैखिक संबंध का उपयोग करके भविष्यवाणी की जा सकती है।
  • सीएपीएम के विपरीत, जो मानते हैं कि बाजार पूरी तरह से कुशल हैं, एपीटी बाजारों को कभी-कभी प्रतिभूतियों का दुरुपयोग करता है, इससे पहले कि बाजार अंततः सही हो जाए और प्रतिभूति उचित मूल्य पर वापस आ जाए।
  • एपीटी का उपयोग करना, मध्यस्थों को उचित बाजार मूल्य से किसी भी विचलन का लाभ उठाने की उम्मीद है।

कैसे आर्बिट्राज मूल्य निर्धारण सिद्धांत का उपयोग किया जाता है

उदाहरण के लिए, स्टॉक की वापसी और प्रत्येक कारक के प्रति संवेदनशीलता और प्रत्येक कारक से जुड़े जोखिम प्रीमियम की व्याख्या करते हुए निम्नलिखित चार कारकों की पहचान की गई है:

  • सकल घरेलू उत्पाद (जीडीपी) वृद्धि: ß = 0.6, आरपी = 4%
  • मुद्रास्फीति की दर: 0.8 = 0.8, आरपी = 2%
  • सोने की कीमतें: prices = -0.7, आरपी = 5%
  • स्टैंडर्ड एंड पूअर्स का 500 इंडेक्स रिटर्न: P = 1.3, आरपी = 9%
  • जोखिम-मुक्त दर 3% है

APT सूत्र का उपयोग करते हुए, अपेक्षित रिटर्न की गणना इस प्रकार की जाती है:

  • प्रत्याशित वापसी = 3% + (0.6 x 4%) + (0.8 x 2%) + (-0.7 x 5%) + (1.3 x 9%) = 15.2%
इनवेस्टमेंट अकाउंट्स प्रोवाइडर नाम की तुलना करें। विज्ञापनदाता का विवरण × इस तालिका में दिखाई देने वाले प्रस्ताव उन साझेदारियों से हैं जिनसे इन्वेस्टोपेडिया को मुआवजा मिलता है।

संबंधित शर्तें

कंजम्पशन कैपिटल एसेट प्राइसिंग मॉडल कैसे काम करता है खपत कैपिटल एसेट प्राइसिंग मॉडल कैपिटल एसेट प्राइसिंग मॉडल का एक विस्तार है जो मार्केट बीटा के बजाय एक खपत बीटा पर केंद्रित है। अधिक कैसे एकाधिक रैखिक प्रतिगमन काम करता है कई रैखिक प्रतिगमन (एमएलआर) एक सांख्यिकीय तकनीक है जो प्रतिक्रिया चर के परिणाम की भविष्यवाणी करने के लिए कई व्याख्यात्मक चर का उपयोग करती है। अधिक अंडरस्टैंडिंग बीटा और इसकी गणना कैसे करें बीटा एक पूरे के रूप में बाजार की तुलना में सुरक्षा या एक पोर्टफोलियो की अस्थिरता, या व्यवस्थित जोखिम का एक उपाय है। बीटा का उपयोग कैपिटल एसेट प्राइसिंग मॉडल (CAPM) में किया जाता है। ट्रेयनोर अनुपात के अंदर अधिक ट्रेनीर अनुपात, जिसे इनाम-से-अस्थिरता अनुपात के रूप में भी जाना जाता है, यह निर्धारित करने के लिए एक प्रदर्शन मीट्रिक है कि पोर्टफोलियो द्वारा लिए गए जोखिम की प्रत्येक इकाई के लिए कितना अतिरिक्त रिटर्न उत्पन्न हुआ था। अधिक कैपिटल एसेट प्राइसिंग मॉडल (CAPM) कैपिटल एसेट प्राइसिंग मॉडल एक मॉडल है जो जोखिम और अपेक्षित रिटर्न के बीच के संबंध का वर्णन करता है, जो जोखिमपूर्ण प्रतिभूतियों के मूल्य निर्धारण में मदद करता है। अधिक एक त्रुटि अवधि क्या है? एक त्रुटि शब्द को एक सांख्यिकीय मॉडल में एक चर के रूप में परिभाषित किया गया है, जो तब बनाया जाता है जब मॉडल स्वतंत्र और निर्भर चर के बीच वास्तविक संबंध का पूरी तरह से प्रतिनिधित्व नहीं करता है। अधिक साथी लिंक
अनुशंसित
अपनी टिप्पणी छोड़ दो