आधुनिक पोर्टफोलियो सिद्धांत (एमपीएस) लागू करने का उदाहरण

आधुनिक पोर्टफोलियो सिद्धांत (एमपीटी) निवेश और पोर्टफोलियो प्रबंधन में एक सिद्धांत है जो दिखाता है कि एक निवेशक पोर्टफोलियो में विभिन्न परिसंपत्तियों के अनुपात में परिवर्तन करके किसी दिए गए जोखिम के लिए किसी पोर्टफोलियो के अपेक्षित रिटर्न को अधिकतम कैसे कर सकता है। अपेक्षित रिटर्न के स्तर को देखते हुए, एक निवेशक रिटर्न की उस दर के लिए संभावित न्यूनतम स्तर के जोखिम को प्राप्त करने के लिए पोर्टफोलियो के निवेश भार को बदल सकता है।

आधुनिक पोर्टफोलियो सिद्धांत की मान्यताओं

एमपीटी के दिल में यह विचार है कि जोखिम और वापसी सीधे जुड़े हुए हैं, जिसका अर्थ है कि एक निवेशक को अधिक अपेक्षित रिटर्न प्राप्त करने के लिए उच्च जोखिम लेना चाहिए। सिद्धांत का एक अन्य मुख्य विचार यह है कि विभिन्न प्रकार के सुरक्षा प्रकारों में विविधता के माध्यम से, एक पोर्टफोलियो के समग्र जोखिम को कम किया जा सकता है। यदि एक निवेशक को दो पोर्टफ़ोलियो के साथ प्रस्तुत किया जाता है जो एक ही अपेक्षित रिटर्न प्रदान करते हैं, तो तर्कसंगत निर्णय कुल जोखिम की कम राशि के साथ पोर्टफोलियो का चयन करना है।

इस निष्कर्ष पर पहुंचने के लिए कि जोखिम, वापसी और विविधीकरण के संबंध सही हैं, कई तरह की धारणाएं बनाई जानी चाहिए।

1. निवेशकों ने अपनी अनूठी स्थिति को देखते हुए अधिकतम रिटर्न का प्रयास किया।
2. एसेट रिटर्न सामान्य रूप से वितरित किया जाता है।
3. निवेशक तर्कसंगत हैं और अनावश्यक जोखिम से बचते हैं।
4. सभी निवेशकों के पास एक ही जानकारी है।
5. अपेक्षित रिटर्न पर निवेशकों के विचार समान हैं।
6. कर और व्यापार लागत पर विचार नहीं किया जाता है।
7. एकल निवेशक बाजार की कीमतों को प्रभावित करने के लिए पर्याप्त नहीं हैं।
8. जोखिम-मुक्त दर पर असीमित मात्रा में पूंजी उधार ली जा सकती है।

इनमें से कुछ धारणाएं कभी भी धारण नहीं कर सकती हैं, फिर भी एमपीटी अभी भी बहुत उपयोगी है।

आधुनिक पोर्टफोलियो सिद्धांत लागू करने के उदाहरण

एमपीटी लगाने का एक उदाहरण पोर्टफोलियो के अपेक्षित रिटर्न से संबंधित है। एमपीटी से पता चलता है कि एक पोर्टफोलियो की कुल प्रत्याशित वापसी व्यक्तिगत संपत्ति के अपेक्षित प्रतिफल का भारित औसत है। उदाहरण के लिए, मान लें कि एक निवेशक के पास $ 1 मिलियन का दो-परिसंपत्ति पोर्टफोलियो है। एसेट एक्स में 5% की अनुमानित वापसी है, और एसेट वाई में 10% की अपेक्षित वापसी है। पोर्टफोलियो में एसेट एक्स में 800, 000 डॉलर और एसेट वाई में $ 200, 000 है। इन आंकड़ों के आधार पर, पोर्टफोलियो की अपेक्षित वापसी है:

पोर्टफोलियो अपेक्षित रिटर्न = (($ 800, 000 / $ 1 मिलियन) x 5%) + (($ 200, 000 / $ 1 मिलियन) x 10%) = 4% + 2% = 6%

यदि निवेशक पोर्टफोलियो के अनुमानित रिटर्न को 7.5% तक पहुंचाना चाहता है, तो सभी निवेशकों को एसेट एक्स से एसेट वाई तक पूंजी की उचित राशि को स्थानांतरित करना होगा। इस मामले में, प्रत्येक संपत्ति में उचित वजन 50% है। :

7.5% = (50% x 5%) + (50% x 10%) = 2.5% + 5% = 7.5% की अपेक्षित वापसी

यही विचार जोखिम पर लागू होता है। एक जोखिम सांख्यिकीय जो एमपीटी से आता है, जिसे बीटा के रूप में जाना जाता है, जो बाजार के व्यवस्थित जोखिम के लिए एक पोर्टफोलियो की संवेदनशीलता को मापता है, जो कि व्यापक बाजार घटनाओं के लिए पोर्टफोलियो की भेद्यता है। एक के एक बीटा का मतलब है कि पोर्टफोलियो बाजार के समान व्यवस्थित जोखिम के समान है। अधिक बेटस का अर्थ है अधिक जोखिम, और निम्न बेट्स का अर्थ है कम जोखिम। मान लें कि एक निवेशक के पास निम्नलिखित चार संपत्तियों में एक $ 1 मिलियन का पोर्टफोलियो है:

एसेट ए: 1 का बीटा, $ 250, 000 का निवेश
एसेट बी: 1.6 का बीटा, $ 250, 000 का निवेश
एसेट C: 0.75 का बीटा, $ 250, 000 का निवेश
एसेट डी: 0.5 का बीटा, $ 250, 000 का निवेश

पोर्टफोलियो बीटा है:

बीटा = (25% x 1) + (25% x 1.6) + (25% x 0.75) + (25% x 0.5 = = 96)

0.96 बीटा का अर्थ है कि पोर्टफोलियो सामान्य रूप से बाजार के रूप में बहुत व्यवस्थित जोखिम ले रहा है। मान लें कि एक निवेशक अधिक जोखिम लेना चाहता है, और अधिक रिटर्न हासिल करने की उम्मीद करता है, और 1.2 का एक बीटा तय करता है आदर्श है। एमपीटी का तात्पर्य है कि पोर्टफोलियो में इन परिसंपत्तियों के वजन को समायोजित करके, वांछित बीटा हासिल किया जा सकता है। यह कई तरीकों से किया जा सकता है, लेकिन यहां एक उदाहरण है जो वांछित परिणाम प्रदर्शित करता है:

एसेट ए से 5% दूर और एसेट सी और एसेट डी से 10% दूर एसेट बी में इस पूंजी का निवेश करें:

नया बीटा = (20% x 1) + (50% x 1.6) + (15% x 0.75) + (15% x 0.5) = 1.19

पोर्टफोलियो भार में कुछ बदलावों के साथ वांछित बीटा लगभग पूरी तरह से प्राप्त किया गया है। यह एमपीटी से प्रमुख अंतर्दृष्टि है।