स्प्रेड डेटा: पोर्टफोलियो डिजाइन में अधिक वजन के लिए एक अच्छा मीट्रिक

अधिक वजन के लिए वैश्विक बाजारों के सम्मोहक स्लाइस ढूंढना कोई आसान नहीं है। दुनिया की अधिकांश जोखिम वाली संपत्तियों में लंबे समय तक चलने के बाद, कम लटकने वाले फल को चुना गया है। लेकिन हमेशा अपेक्षाकृत आकर्षक बाजार होते हैं। सभी सामान्य चेतावनियाँ, निश्चित रूप से लागू होती हैं, लेकिन भिखारी चूजी नहीं हो सकते।

उदाहरण के तौर पर, डेटा स्प्रेड के एक नए कॉलम पर विचार करें, जो अब इन पेजों पर प्रमुख परिसंपत्ति वर्गों के लिए आवधिक रिटर्न अनुमानों का हिस्सा है (पृष्ठभूमि के लिए यह परिचय देखें)। मूल विचार यह है कि संख्याओं के लिए नया जोड़ 10-वर्ष के रिटर्न वाले बाजारों की पहचान करना है जो प्रदर्शन पूर्वानुमानों से काफी हद तक विचलित होते हैं (औसत तीन मॉडलों के आधार पर, जिन्हें नीचे परिभाषित किया गया है)। तर्क: यदि एसेट x का पिछला रिटर्न अपेक्षित रिटर्न से काफी कम है, तो अधिक वजन (और इसके विपरीत) का मामला है।

क्या यह एक त्रुटिहीन रणनीति है जो असामान्य रूप से उच्च रिटर्न जल्दी और विश्वसनीय रूप से उत्पन्न करेगी? उह, नहीं। और कोई दांत परी भी नहीं है। लेकिन इन भिन्नताओं को देखते हुए यह तय करने का एक आधार मिलता है कि पोर्टफोलियो भार को समायोजित करने के लिए एक नज़दीकी नज़र कहाँ है।

यह हमें नीचे दी गई तालिका में लाता है (जो सितंबर 2021 तक डेटा को क्रंच करता है)। सकारात्मक स्प्रेड (10-वर्ष के अनुगामी रिटर्न से अधिक अपेक्षित रिटर्न) इन दिनों अल्पमत में हैं (हरे रंग में हाइलाइट किए गए)। सबसे बड़ा सकारात्मक प्रसार जिंसों में पाया जाता है, जो 2.7% की पिछली वार्षिक 10-वर्ष की हानि पोस्ट कर रहे हैं, 1.1% की अपेक्षित दीर्घकालिक प्रदर्शन, जो कि +3.8 प्रतिशत का अनुवाद करता है

अगला उच्चतम स्प्रेड उभरते बाजारों में सरकारी बांडों में +1.1 प्रतिशत अंक स्प्रेड के साथ है।

स्प्रेड डेटा का उपयोग करने का दूसरा तरीका सबसे गहरी नकारात्मक रीडिंग की पहचान करना है। यह सम्मान अमेरिकी शेयरों को जाता है, जिनमें 10.7 प्रतिशत अंक की गहरी नकारात्मक खाई है। आउच! निहितार्थ: पिछले एक दशक में अमेरिकी शेयरों के लिए 16.6% वार्षिक कुल रिटर्न चरम बनाम 5.9% वार्षिक अपेक्षित रिटर्न (मॉडल औसत के माध्यम से) में ऊंचा है।

इसका मतलब यह नहीं है कि हमें पूरी तरह से अमेरिकी शेयरों से बचना चाहिए (चरम संपत्ति आवंटन में शायद ही कभी उत्पादक होते हैं)। लेकिन यह कम से कम आवंटन पर विचार करने का एक कारण है, खासकर अगर इस कोने में एक पोर्टफोलियो काफी अधिक वजन वाला है, जो कि अमेरिकी शेयरों में नवीनतम तेजी के बाद होने की संभावना है।

अंत में, यहाँ ऊपर दी गई तालिका के लिए संक्षिप्त परिभाषाएँ दी गई हैं:

BB: ​​बिल्डिंग ब्लॉक मॉडल भविष्य का अनुमान लगाने के लिए ऐतिहासिक रिटर्न का उपयोग प्रॉक्सी के रूप में करता है। उपयोग की गई नमूना अवधि जनवरी 1998 में शुरू होती है (उपरोक्त सूचीबद्ध सभी परिसंपत्ति वर्गों के लिए जल्द से जल्द उपलब्ध तिथि)। प्रक्रिया प्रत्येक परिसंपत्ति वर्ग के लिए जोखिम प्रीमियम की गणना करना, वार्षिक रिटर्न की गणना करना और फिर कुल रिटर्न पूर्वानुमान उत्पन्न करने के लिए एक अपेक्षित जोखिम-मुक्त दर जोड़ना है। अपेक्षित जोखिम-मुक्त दर के लिए, हम 10-वर्षीय ट्रेजरी मुद्रास्फीति संरक्षित सुरक्षा (TIPS) पर नवीनतम यील्ड (लक्षित माह के लिए, जो इस मामले में जुलाई 2021 है) का उपयोग कर रहे हैं। इस प्रतिफल को एक "सुरक्षित" परिसंपत्ति के लिए जोखिम-मुक्त, वास्तविक (मुद्रास्फीति-समायोजित) प्रतिफल का बाज़ार अनुमान माना जाता है। ध्यान दें कि यहां इस्तेमाल किया गया बीबी मॉडल (शिथिल रूप से) एक पद्धति पर आधारित है जिसे मूल रूप से इबॉट्सन एसोसिएट्स द्वारा उल्लिखित किया गया है।

EQ: इक्विलिब्रियम मॉडल रिवर्स इंजीनियरों को जोखिम के माध्यम से वापसी की उम्मीद थी। सीधे रिटर्न की भविष्यवाणी करने की कोशिश करने के बजाय, यह मॉडल भविष्य के प्रदर्शन का अनुमान लगाने के लिए जोखिम मेट्रिक्स का उपयोग करने के कुछ अधिक विश्वसनीय ढांचे पर निर्भर करता है। यह प्रक्रिया इस मायने में अपेक्षाकृत मजबूत है कि जोखिम की भविष्यवाणी करना रिटर्न पेश करने की तुलना में थोड़ा आसान है। तीन इनपुट:

शार्प अनुपात के रूप में परिभाषित समग्र पोर्टफोलियो के जोखिम के अपेक्षित बाजार मूल्य का अनुमान, जो जोखिम प्रीमियम से अस्थिरता (मानक विचलन) का अनुपात है। नोट: यहां और संपूर्ण "पोर्टफोलियो" को GMI के रूप में परिभाषित किया गया है

प्रत्येक परिसंपत्ति की अपेक्षित अस्थिरता (मानक विचलन) (जीएमआई के बाजार घटक)

पोर्टफोलियो के सापेक्ष प्रत्येक परिसंपत्ति के लिए अपेक्षित सहसंबंध (जीएमआई)

संतुलन रिटर्न के आकलन के लिए यह मॉडल शुरू में प्रोफेसर बिल शार्प द्वारा 1974 के एक पेपर में उल्लिखित किया गया था। सारांश के लिए, निवेश में पोर्टेबल एमबीए के अध्याय 3 में गैरी ब्रिंसन की व्याख्या देखें। मैं अपनी पुस्तक डायनामिक एसेट आवंटन में मॉडल की समीक्षा भी करता हूं। ध्यान दें कि यह पद्धति शुरू में जोखिम प्रीमियम का अनुमान लगाती है और फिर कुल रिटर्न पूर्वानुमान पर पहुंचने के लिए एक अपेक्षित जोखिम-मुक्त दर जोड़ती है। अपेक्षित जोखिम-मुक्त दर ऊपर बीबी में उल्लिखित है।

ADJ: यह पद्धति एक अपवाद के साथ ऊपर उल्लिखित संतुलन मॉडल (ईक्यू) के समान है: पूर्वानुमान अल्पकालिक गति और लंबी अवधि के औसत प्रत्यावर्तन कारकों के आधार पर समायोजित किए जाते हैं। मोमेंटम को 12-महीने के मूविंग एवरेज के अनुगामी वर्तमान मूल्य के रूप में परिभाषित किया गया है। औसत प्रत्यावर्तन कारक को अनुगामी 60-महीने (5-वर्ष) चलती औसत के सापेक्ष वर्तमान मूल्य के रूप में अनुमानित किया गया है। संतुलन पूर्वानुमानों को 12-महीने और 60-महीने के मूविंग एवरेज के सापेक्ष मौजूदा कीमतों के आधार पर समायोजित किया जाता है। यदि मौजूदा कीमतें चलती औसत से ऊपर (नीचे) हैं, तो असमायोजित जोखिम प्रीमियम अनुमान कम (बढ़े हुए) हैं। समायोजन का सूत्र केवल वर्तमान मूल्य के औसत का प्रतिलोम दो चलती औसत में ले जाना है। उदाहरण के लिए: यदि किसी परिसंपत्ति वर्ग की मौजूदा कीमत उसके 12-महीने के मूविंग एवरेज से 10% और उसके 60-महीने के मूविंग एवरेज से 20% अधिक है, तो अनसमायोजित पूर्वानुमान 15% (औसतन 10% और 20%) कम हो जाता है। यहां तर्क यह है कि जब हाल के इतिहास की तुलना में कीमतें अपेक्षाकृत अधिक होती हैं, तो संतुलन पूर्वानुमान कम हो जाते हैं। दूसरी तरफ, जब कीमतें अपेक्षाकृत कम बनाम हाल के इतिहास में होती हैं, तो संतुलन पूर्वानुमान बढ़ जाते हैं।

औसत: यह कॉलम प्रत्येक पंक्ति (एसेट क्लास) के लिए तीन पूर्वानुमानों का एक साधारण औसत है

10-वर्ष का रिटर्न: वास्तविक रिटर्न के परिप्रेक्ष्य के लिए, यह कॉलम वर्तमान लक्ष्य माह (इस मामले में जुलाई 2021) के माध्यम से परिसंपत्ति वर्गों के लिए पिछला 10-वर्ष का वार्षिक कुल रिटर्न दिखाता है।

स्प्रेड: 10 साल के रिटर्न को घटाकर मॉडल-औसत पूर्वानुमान को पीछे छोड़ते हुए।