क्वांट निवेश में व्यवहारिक पूर्वाग्रह: संज्ञानात्मक विकृतियों को व्यवस्थित रूप से दूर करना

मुख्य निष्कर्ष

अति-आत्मविश्वास, एंकरिंग, झुंड मानसिकता और हानि-विमुखता जैसे संज्ञानात्मक पूर्वाग्रह लगातार गलत मूल्य निर्धारण पैदा करते हैं जिनका क्वांट रणनीतियां व्यवस्थित रूप से लाभ उठा सकती हैं। फिर भी क्वांट निवेशक भी प्रतिरक्षित नहीं हैं -- मॉडल ओवरफिटिंग स्वयं एक संज्ञानात्मक पूर्वाग्रह है जो कठोर विश्लेषण के रूप में छिपा हुआ है। सबसे प्रभावी दृष्टिकोण मानवीय तर्कहीनता की जागरूकता को निवेश श्रृंखला से विवेकाधीन निर्णय को हटाने वाली नियम-आधारित, व्यवस्थित प्रक्रियाओं के साथ जोड़ता है।

व्यवहारिक पूर्वाग्रह क्वांट निवेशकों के लिए क्यों महत्वपूर्ण हैं

पारंपरिक वित्त मानता है कि निवेशक तर्कसंगत एजेंट हैं जो जानकारी को कुशलतापूर्वक संसाधित करते हैं और प्रतिभूतियों का सही मूल्य निर्धारण करते हैं। काह्नमैन (Kahneman), ट्वर्स्की (Tversky) और थेलर (Thaler) जैसे विद्वानों द्वारा NBER कार्य पत्र श्रृंखला और अन्य माध्यमों से संश्लेषित दशकों के शोध ने इस धारणा को ध्वस्त कर दिया है। निवेशक पूर्वानुमेय तरीकों से व्यवस्थित रूप से तर्कसंगत व्यवहार से विचलित होते हैं।

क्वांट निवेशकों के लिए, यह एक अवसर भी है और एक चेतावनी भी। अवसर पूर्वानुमेय गलतियों का फायदा उठाने वाली रणनीतियों को डिजाइन करने में है। चेतावनी यह है कि क्वांट निवेशक स्वयं भी मनुष्य हैं, और उनके पूर्वाग्रह सूक्ष्म लेकिन हानिकारक तरीकों से शोध प्रक्रिया में घुसपैठ करते हैं।

व्यवहारिक वित्त कुशल बाजारों को पूरी तरह से अमान्य नहीं करता। बल्कि, यह बताता है कि मोमेंटम, वैल्यू, कम अस्थिरता जैसी कुछ विसंगतियां व्यापक रूप से प्रलेखित होने के बाद भी क्यों बनी रहती हैं। ये विसंगतियां इसलिए जीवित रहती हैं क्योंकि जो पूर्वाग्रह उन्हें बनाते हैं वे मानव संज्ञान में गहराई से अंतर्निहित हैं और पूरी तरह से आर्बिट्राज के माध्यम से समाप्त करना कठिन है।

मुख्य पूर्वाग्रह: एक वर्गीकरण

प्रमुख संज्ञानात्मक पूर्वाग्रहों को समझना बाजार की अक्षमताओं का फायदा उठाने और व्यक्तिगत अंध बिंदुओं से बचाव दोनों के लिए आवश्यक है।

अति-आत्मविश्वास (Overconfidence) शायद सबसे व्यापक पूर्वाग्रह है। बार्बर (Barber) और ओडियन (Odean, 2001) ने दिखाया कि अति-आत्मविश्वासी निवेशक तर्कसंगत बेंचमार्क की तुलना में 45 प्रतिशत अधिक बार ट्रेड करते हैं, जिससे उनका वार्षिक शुद्ध रिटर्न लगभग 2.6 प्रतिशत अंक कम हो जाता है। अति-आत्मविश्वास पूर्वानुमानों में अत्यधिक सटीकता, यादृच्छिक परिणामों पर नियंत्रण का भ्रम, और यह विश्वास कि किसी की सूचना बढ़त वास्तव में जितनी है उससे बड़ी है, के रूप में प्रकट होता है।

एंकरिंग (Anchoring) तब होता है जब निवेशक अप्रासंगिक संदर्भ बिंदुओं -- किसी स्टॉक की 52-सप्ताह की उच्चतम कीमत, पिछली खरीद मूल्य, या गोल संख्या -- पर टिके रहते हैं और उनसे पर्याप्त समायोजन नहीं करते। एंकरिंग यह समझाने में मदद करती है कि गोल संख्या मूल्य स्तरों के पास विशिष्ट ट्रेडिंग पैटर्न क्यों दिखाई देते हैं और विश्लेषक पूर्वानुमान स्वतंत्र रूप से नई जानकारी को प्रतिबिंबित करने के बजाय पूर्व सहमति अनुमानों के आसपास क्यों एकत्रित होते हैं।

झुंड मानसिकता (Herding) निवेशकों को अपने स्वयं के विश्लेषण के बजाय भीड़ का अनुसरण करने के लिए प्रेरित करती है। यह मूलभूत औचित्य से परे विस्तारित मूल्य रुझान बनाती है जो अंततः उलट जाते हैं। झुंड मानसिकता कैरियर जोखिम द्वारा प्रवर्धित होती है: सहमति से विचलित होकर खराब प्रदर्शन करने वाले पेशेवर मनी मैनेजरों को बर्खास्तगी का सामना करना पड़ता है, जबकि साथियों के साथ नुकसान उठाने वालों की बहुत कम जांच होती है।

हालिया पूर्वाग्रह (Recency bias) निवेशकों को हाल की घटनाओं को अधिक महत्व देने और अल्पकालिक रुझानों को भविष्य में विस्तारित करने के लिए प्रेरित करता है। बाजार दुर्घटना के बाद, निवेशक अत्यधिक निराशावादी हो जाते हैं; रैली के बाद, अत्यधिक आशावादी। यह पूर्वाग्रह मध्यम अवधि में मोमेंटम और लंबी अवधि में मीन रिवर्जन में योगदान करता है।

हानि-विमुखता (Loss aversion) -- समकक्ष लाभ की तुलना में हानि को लगभग दोगुनी तीव्रता से महसूस करने की प्रवृत्ति -- डिस्पोजिशन इफेक्ट, प्रॉस्पेक्ट थ्योरी और जोखिम प्रीमियम पहेली के अधिकांश भाग को रेखांकित करती है। यह निवेशकों को नुकसान वाली स्थितियों को बहुत लंबे समय तक रखने (ब्रेक-ईवन की उम्मीद में) और जीत वाली स्थितियों को बहुत जल्दी बेचने (लाभ लॉक करने) का कारण बनती है।

पूर्वाग्रह कैसे शोषण योग्य विसंगतियां बनाते हैं

व्यवहारिक पूर्वाग्रहों और प्रसिद्ध फैक्टर प्रीमियम के बीच की कड़ी अब अकादमिक साहित्य में भली-भांति स्थापित है।

मोमेंटम फैक्टर नई जानकारी पर निवेशकों की प्रारंभिक कम प्रतिक्रिया से लाभान्वित होता है। डैनियल (Daniel), हर्शलाइफर (Hirshleifer) और सुब्रमण्यम (Subrahmanyam, 1998) ने प्रस्तावित किया कि अति-आत्मविश्वास और पक्षपातपूर्ण आत्म-श्रेय ट्रेंडिंग व्यवहार बनाते हैं। वैल्यू फैक्टर विपरीत पैटर्न से लाभान्वित होता है -- कथाओं पर अति-प्रतिक्रिया।

कम अस्थिरता विसंगति आंशिक रूप से बार्बेरिस (Barberis) और हुआंग (Huang, 2008) द्वारा प्रलेखित "लॉटरी प्राथमिकता" पूर्वाग्रह से उत्पन्न होती है। निवेशक उच्च-अस्थिरता वाले स्टॉक के लिए अधिक कीमत चुकाते हैं क्योंकि वे छोटी संभावनाओं वाले बड़े भुगतान वाली लॉटरी टिकट से मिलते जुलते हैं।

क्वांट निवेशक के अपने पूर्वाग्रह

यहां असुविधाजनक सत्य है: क्वांट निवेशक अपने स्वयं के पूर्वाग्रहों से पीड़ित हैं, जो अक्सर गणितीय परिष्कार के पीछे छिपे होने के कारण अधिक खतरनाक हैं।

मॉडल ओवरफिटिंग एक संज्ञानात्मक पूर्वाग्रह है। जब एक शोधकर्ता सैकड़ों विनिर्देशों का परीक्षण करता है और सबसे अधिक बैकटेस्ट शार्प अनुपात वाले को चुनता है, तो प्रक्रिया कठोर लगती है। लेकिन यह पुष्टि पूर्वाग्रह द्वारा संचालित है -- शोधकर्ता अनजाने में पूर्वकल्पित विचार का समर्थन करने वाले साक्ष्य खोज रहा है। बेली (Bailey) और लोपेज़ डी प्राडो (Lopez de Prado, 2014) ने दिखाया कि बहु-परीक्षण के लिए उचित समायोजन के बिना, अधिकांश प्रकाशित बैकटेस्ट रणनीतियां संभवतः झूठी खोजें हैं।

डेटा स्नूपिंग (Data snooping) छिपे हुए रूप में एंकरिंग है। एक बार शोधकर्ता ने डेटा देख लिया, तो वास्तव में स्वतंत्र परिकल्पनाएं तैयार करना लगभग असंभव हो जाता है। मन देखे गए पैटर्न पर एंकर हो जाता है और प्रशंसनीय स्पष्टीकरणों की रिवर्स-इंजीनियरिंग करता है। यही कारण है कि आउट-ऑफ-सैंपल परीक्षण और परिकल्पनाओं का पूर्व-पंजीकरण इतने महत्वपूर्ण हैं।

जटिलता पूर्वाग्रह (Complexity bias) क्वांट शोधकर्ताओं को परिष्कृत मॉडलों को प्राथमिकता देने के लिए प्रेरित करता है, भले ही सरल मॉडल आउट-ऑफ-सैंपल में समान या बेहतर प्रदर्शन करें। 50-फैक्टर मशीन लर्निंग मॉडल 3-फैक्टर लीनियर मॉडल से अधिक प्रभावशाली लगता है, लेकिन अतिरिक्त जटिलता अक्सर सिग्नल के बजाय शोर को कैप्चर करती है।

कथा भ्रम (Narrative fallacy) क्वांट निवेशकों को प्रभावित करता है जब वे बैकटेस्ट के काम करने की व्याख्या के लिए सम्मोहक कहानियां बनाते हैं। कहानी रणनीति की भविष्यमुखी वैधता में झूठा विश्वास पैदा करती है। रणनीति का मूल्यांकन सैद्धांतिक प्राथमिकताओं और आउट-ऑफ-सैंपल साक्ष्य पर किया जाना चाहिए, न कि इसकी कथा कितनी संतोषजनक है।

व्यवस्थित प्रक्रिया के माध्यम से पूर्वाग्रह हटाना

व्यवहारिक पूर्वाग्रहों के खिलाफ सबसे प्रभावी बचाव जितने संभव हो उतने निवेश निर्णयों से मानवीय विवेक को हटाना है। यह क्वांटिटेटिव निवेश का मूल तर्क है। लेकिन पूर्वाग्रह हटाना शोध प्रक्रिया तक भी विस्तारित होना चाहिए।

पूर्व-प्रतिबद्धता प्रोटोकॉल (Pre-commitment protocols) शोधकर्ताओं से परिणाम देखने से पहले अपनी परिकल्पना, डेटा, कार्यप्रणाली और सफलता मानदंड निर्दिष्ट करने की आवश्यकता होती है। यह नैदानिक अनुसंधान में पूर्व-पंजीकरण आंदोलन को दर्शाता है और डेटा स्नूपिंग को नाटकीय रूप से कम करता है।

बहु-परीक्षण समायोजन (Multiple testing adjustments) जैसे बोनफेरोनी सुधार या डिफ्लेटेड शार्प अनुपात, परीक्षित रणनीतियों की संख्या को ध्यान में रखते हैं। यदि किसी शोधकर्ता ने 100 विनिर्देशों का परीक्षण किया है, तो 2.0 का t-सांख्यिकी अब महत्वपूर्ण नहीं है -- सीमा लगभग 3.4 तक बढ़ जाती है।

एन्सेम्बल दृष्टिकोण (Ensemble approaches) एकल अनुकूलित मॉडल पर निर्भर रहने के बजाय कई कमजोर सिग्नलों को जोड़ते हैं जो ओवरफिटिंग के प्रति अधिक मजबूत हैं। वे अंतिम पोर्टफोलियो पर किसी भी एकल शोधकर्ता के पूर्वाग्रहों के प्रभाव को भी कम करते हैं।

व्यवस्थित रीबैलेंसिंग नियम (Systematic rebalancing rules) तनाव की अवधि के दौरान सिग्नल को ओवरराइड करने के प्रलोभन को हटाते हैं। सबसे हानिकारक निवेशक व्यवहार बाजार के चरम पर होता है, ठीक तब जब पूर्वाग्रह सबसे मजबूत होते हैं।

टीम-आधारित समीक्षा (Team-based review) जवाबदेही और संज्ञानात्मक विविधता प्रस्तुत करती है। "शैतान के वकील" की भूमिका निभाने के लिए प्रशिक्षित सदस्यों वाली एक विविध शोध टीम उन पूर्वाग्रहों को पकड़ती है जो व्यक्ति चूक जाते हैं।

पोर्टफोलियो निर्माण के लिए व्यावहारिक निहितार्थ

व्यवहारिक पूर्वाग्रहों को समझने का पोर्टफोलियो निर्माण और प्रबंधन पर सीधा प्रभाव पड़ता है।

पहला, व्यवहारिक प्रीमियम एकत्र करने वाली फैक्टर-आधारित रणनीतियां -- मोमेंटम, वैल्यू, कम अस्थिरता -- मुख्य होल्डिंग होनी चाहिए। ये विसंगतियां इसलिए मौजूद हैं क्योंकि वे अस्थायी बाजार विस्थापन नहीं बल्कि स्थायी मानव मनोविज्ञान में निहित हैं।

दूसरा, अलग-अलग पूर्वाग्रह अलग-अलग समय पर हावी होते हैं, इसलिए फैक्टर विविधीकरण आवश्यक है। मोमेंटम कम प्रतिक्रिया से लाभान्वित होता है; वैल्यू अति-प्रतिक्रिया से। दोनों नकारात्मक रूप से सहसंबद्ध होते हैं, जो प्राकृतिक हेजिंग प्रदान करते हैं।

तीसरा, निवेशकों को उन रणनीतियों के प्रति गहरी संदेहशीलता रखनी चाहिए जो असाधारण बैकटेस्ट प्रदर्शन दिखाती हैं लेकिन जिनकी व्यवहारिक या जोखिम-आधारित स्पष्टीकरणों में कोई सैद्धांतिक आधार नहीं है। यदि कोई रणनीति "मैं किसकी व्यवहारिक गलती का फायदा उठा रहा हूं?" प्रश्न का उत्तर नहीं दे सकती, तो यह वास्तविक अल्फा स्रोत होने की तुलना में ओवरफिटिंग का उत्पाद होने की अधिक संभावना है।

चौथा, निष्पादन अनुशासन सिग्नल गुणवत्ता जितना ही महत्वपूर्ण है। अति-आत्मविश्वास वाले पोजीशन साइजिंग या घबराहट-प्रेरित निकास के साथ निष्पादित उत्कृष्ट रणनीति, यांत्रिक स्थिरता के साथ निष्पादित एक औसत रणनीति से कम प्रदर्शन करेगी।

सीमाएं

व्यवहारिक पूर्वाग्रह वास्तविक और अच्छी तरह से प्रलेखित हैं, लेकिन वे भविष्य के शोषण की गारंटी नहीं देते। जैसे-जैसे अधिक पूंजी व्यवहारिक विसंगतियों को लक्षित करती है, प्रीमियम सिकुड़ सकता है। पूर्वाग्रह-संचालित गलत मूल्य निर्धारण का समय स्वाभाविक रूप से अप्रत्याशित है, और इन पर आधारित रणनीतियां लंबे समय तक गिरावट का अनुभव कर सकती हैं। इसके अतिरिक्त, विशेष रूप से सीमित ऐतिहासिक डेटा वाले बाजारों में, वास्तविक व्यवहारिक प्रभावों और सांख्यिकीय कृत्रिम उत्पादों के बीच अंतर करना चुनौतीपूर्ण बना हुआ है। निवेशकों को व्यवहारिक वित्त को अल्फा के गारंटीकृत स्रोत के रूप में नहीं, बल्कि बाजारों को समझने के लिए एक लेंस के रूप में देखना चाहिए।