जब सभी एक ही ट्रेड रखते हैं
6 अगस्त, 2007 को, कई क्वांटिटेटिव हेज फंडों ने कुछ ही घंटों में एक साथ अरबों डॉलर खो दिए। गोल्डमैन सैक्स का ग्लोबल अल्फा फंड, रेनेसां टेक्नोलॉजीज, AQR, और दर्जनों छोटी क्वांट शॉप्स सभी ने एक ही अचानक, हिंसक ड्रॉडाउन का अनुभव किया। इसका कारण कोई समष्टि आर्थिक झटका या नीतिगत आश्चर्य नहीं था। यह क्राउडिंग था: बहुत सारे फंड समान फैक्टर एक्सपोजर पर केंद्रित हो गए थे, और जब एक बड़े खिलाड़ी को डीलेवरेज करने के लिए मजबूर किया गया, तो परिणामी बिक्री दबाव समान पोजीशन साझा करने वाले प्रत्येक पोर्टफोलियो में फैल गया। Khandani और Lo (2011) ने इस घटना को विस्तार से प्रलेखित किया, यह दिखाते हुए कि भीड़भाड़ वाली फैक्टर पोजीशन के खुलने ने किसी भी व्यक्तिगत फंड के जोखिम मॉडल की भविष्यवाणी से कहीं अधिक नुकसान को बढ़ा दिया।
अगस्त 2007 का क्वांट संकट कोई अलग-थलग घटना नहीं थी। फैक्टर क्राउडिंग पिछले दो दशकों के लगभग हर प्रमुख फैक्टर विस्थापन से पहले मौजूद रही है, फरवरी 2018 की वोलैटिलिटी विस्फोट से लेकर मार्च 2020 के मोमेंटम रिवर्सल और 2022 के नाटकीय ग्रोथ-टू-वैल्यू रोटेशन तक। फिर भी, इसके महत्व के बावजूद, क्राउडिंग क्वांटिटेटिव फाइनेंस में सबसे खराब तरीके से मापी जाने वाली घटनाओं में से एक बनी हुई है। अधिकांश व्यवसायी पिछड़े प्रॉक्सी या गुणात्मक अंतर्ज्ञान पर निर्भर करते हैं। यह लेख एक रीयल-टाइम फैक्टर क्राउडिंग इंडेक्स (FCI) प्रस्तावित करता है जो तीन अलग-अलग संकेतों को एक एकल समग्र माप में जोड़ता है, और प्रदर्शित करता है कि क्राउडिंग-समायोजित फैक्टर पोर्टफोलियो अपने सामान्य प्रतिस्पर्धियों से काफी बेहतर प्रदर्शन करते हैं।
क्राउडिंग मापने की समस्या
फैक्टर क्राउडिंग तब होती है जब पूंजी का असमानुपातिक हिस्सा समान फैक्टर एक्सपोजर में केंद्रित होता है। जब मोमेंटम भीड़भाड़ वाला होता है, तो बहुत से पोर्टफोलियो समान विजेताओं को रखते हैं और समान हारने वालों को शॉर्ट करते हैं। जब वैल्यू भीड़भाड़ वाला होता है, तो समान सस्ते स्टॉक सैकड़ों फंड पोर्टफोलियो में दिखाई देते हैं। खतरा एक्सपोजर में नहीं बल्कि निकास की सहसंबद्धता में है: जब परिस्थितियां बदलती हैं, तो सभी एक साथ एक ही दरवाजे से बाहर भागते हैं।
रीयल टाइम में क्राउडिंग को मापना कई कारणों से कठिन है। 13F फाइलिंग से होल्डिंग्स डेटा 45 दिनों की देरी से आता है और केवल लॉन्ग पोजीशन को कवर करता है। फंड फ्लो डेटा समग्र गतिविधियों को पकड़ता है लेकिन उन प्रवाहों के भीतर विशिष्ट फैक्टर झुकावों को नहीं। रिटर्न-आधारित विश्लेषण क्राउडिंग प्रभावों को उनके प्रकट होने के बाद पहचान सकता है लेकिन अग्रिम चेतावनी प्रदान करने में संघर्ष करता है।
यहां विकसित दृष्टिकोण तीन पूरक संकेतों को मिलाकर इन सीमाओं को संबोधित करता है, जिनमें से प्रत्येक क्राउडिंग घटना के एक अलग आयाम को पकड़ता है। सैद्धांतिक आधार Stein (2009) से लिया गया है, जिन्होंने दिखाया कि जब रणनीतियां ओवरलैप होती हैं तो कई परिष्कृत निवेशकों की उपस्थिति विरोधाभासी रूप से बाजारों को अस्थिर कर सकती है। Yan (2008) का प्राकृतिक चयन ढांचा बताता है कि भीड़भाड़ वाली रणनीतियां ढहने तक अधिक से अधिक पूंजी क्यों आकर्षित करती हैं।
संकेत 1: शॉर्ट इंटरेस्ट एकाग्रता
FCI का पहला घटक फैक्टर पोर्टफोलियो के शॉर्ट साइड पर शॉर्ट इंटरेस्ट की एकाग्रता को मापता है। जब एक फैक्टर भीड़भाड़ वाला हो जाता है, तो शॉर्ट पोजीशन कम संख्या में नामों पर केंद्रित होती हैं। मोमेंटम रणनीति के लिए, इसका मतलब है कि मोमेंटम निवेशकों द्वारा शॉर्ट किए जा रहे स्टॉक (हाल के हारने वाले) विविध होने के बजाय तेजी से केंद्रित होते जाते हैं।
संकेत इस प्रकार बनाया जाता है: प्रत्येक फैक्टर (वैल्यू, मोमेंटम, क्वालिटी) के लिए, शॉर्ट लेग बनाने वाले निम्नतम दशमक स्टॉक की पहचान की जाती है। इन नामों में शॉर्ट इंटरेस्ट का हर्फिंडाल-हिर्शमैन इंडेक्स (HHI) की गणना की जाती है, जिसे दीर्घकालिक औसत HHI द्वारा सामान्यीकृत किया जाता है। जब सामान्यीकृत HHI अपने ऐतिहासिक माध्य से अधिक हो जाता है, तो शॉर्ट पोजीशन केंद्रित हो रही हैं, जो शॉर्ट साइड पर क्राउडिंग के निर्माण का संकेत है।
शॉर्ट इंटरेस्ट डेटा एक्सचेंजों से दो सप्ताह की देरी से उपलब्ध है, जो इसे तीन संकेतों में सबसे धीमा बनाता है। हालांकि, यह उस आयाम को पकड़ता है जिसे रिटर्न-आधारित मापें पूरी तरह चूक जाती हैं: कोई भी मूल्य प्रभाव होने से पहले ओवरलैपिंग पोजीशन का भौतिक निर्माण।
| फैक्टर | औसत शॉर्ट HHI (सामान्य) | औसत शॉर्ट HHI (भीड़भाड़) | अनुपात |
|---|---|---|---|
| मोमेंटम | 0.024 | 0.068 | 2.83x |
| वैल्यू | 0.019 | 0.051 | 2.68x |
| क्वालिटी | 0.015 | 0.038 | 2.53x |
तालिका दिखाती है कि भीड़भाड़ की अवधि में, शॉर्ट इंटरेस्ट एकाग्रता सामान्य स्थितियों की तुलना में लगभग तीन गुना बढ़ जाती है। मोमेंटम सबसे अधिक एकाग्रता प्रदर्शित करता है क्योंकि इसका शॉर्ट लेग सभी मोमेंटम कार्यान्वयनों में दिखाई देने वाले समान हाल के हारने वालों को लक्षित करता है।
संकेत 2: फैक्टर ETF फ्लो तीव्रता
दूसरा संकेत पिछले दशक में फैक्टर-विशिष्ट ETF के विस्फोट का लाभ उठाता है। iShares MSCI USA Momentum Factor ETF (MTUM), iShares MSCI USA Value Factor ETF (VLUE), और iShares MSCI USA Quality Factor ETF (QUAL) जैसे उत्पाद विशिष्ट फैक्टर एक्सपोजर के लिए निवेशक भूख में रीयल-टाइम विंडो प्रदान करते हैं।
संकेत रोलिंग 20-दिन की विंडो पर फैक्टर ETF में शुद्ध प्रवाह और व्यापक बाजार ETF (SPY, IVV, VOO) के अनुपात की गणना करता है। जब यह अनुपात अपने 12-महीने के मूविंग एवरेज को एक मानक विचलन से अधिक पार कर जाता है, तो यह क्राउडिंग गतिशीलता के अनुरूप असामान्य फैक्टर-विशिष्ट मांग का संकेत देता है।
इस संकेत का लाभ यह है कि यह दैनिक रूप से उपलब्ध है और वास्तविक पूंजी तैनाती को प्रतिबिंबित करता है, न कि कथित इरादों को। Financial Analysts Journal में Baltas (2019) के शोध ने प्रलेखित किया कि कैसे वैकल्पिक जोखिम प्रीमिया रणनीतियां इन्हीं फ्लो-चालित तंत्रों के माध्यम से भीड़भाड़ वाली हो जाती हैं।
संकेत 3: जोड़ीवार फैक्टर रिटर्न सहसंबंध
तीसरा और सबसे सैद्धांतिक रूप से आधारित संकेत उन फैक्टर रणनीतियों के बीच रिटर्न के जोड़ीवार सहसंबंध को मापता है जो सिद्धांत रूप में असहसंबद्ध होनी चाहिए। उदाहरण के लिए, वैल्यू और मोमेंटम का अमेरिकी इक्विटी में दीर्घकालिक सहसंबंध लगभग -0.30 है। जब यह सहसंबंध तेजी से शून्य की ओर बढ़ता है या सकारात्मक हो जाता है, तो यह संकेत देता है कि एक सामान्य चालक (केंद्रित पोजिशनिंग) फैक्टरों के बीच मूलभूत संबंधों को दबा रहा है।
Lou और Polk (2022) ने Journal of Political Economy में अपने कोमोमेंटम पेपर में इस अंतर्ज्ञान को औपचारिक बनाया। उन्होंने दिखाया कि जब अंतरराष्ट्रीय बाजारों में मोमेंटम रणनीतियों का औसत जोड़ीवार सहसंबंध बढ़ता है, तो बाद के मोमेंटम रिटर्न तेजी से गिरते हैं। उनका ढांचा मल्टी-फैक्टर सेटिंग में स्वाभाविक रूप से विस्तारित होता है: बढ़ती क्रॉस-फैक्टर सहसंबंधता इंगित करती है कि मूलभूत मूल्य के बजाय पोर्टफोलियो ओवरलैप रिटर्न को चला रहा है।
संकेत की गणना वैल्यू, मोमेंटम, क्वालिटी, और लो-वोलैटिलिटी फैक्टर रिटर्न के सभी जोड़ीवार संयोजनों पर औसत 60-दिन रोलिंग सहसंबंध के रूप में की जाती है। इस क्रॉस-फैक्टर सहसंबंध का दीर्घकालिक औसत लगभग 0.05 है। जब यह 0.25 से अधिक हो जाता है, तो यह एक मजबूत क्राउडिंग संकेत प्रदान करता है।
समग्र फैक्टर क्राउडिंग इंडेक्स का निर्माण
तीन संकेतों को z-स्कोर मानकीकरण का उपयोग करके एकल समग्र सूचकांक में मिलाया जाता है। प्रत्येक संकेत को उसके अपने 5-वर्ष रोलिंग इतिहास के सापेक्ष z-स्कोर में परिवर्तित किया जाता है, और समग्र FCI तीन z-स्कोर का समान-भारित औसत है:
FCI = (z_शॉर्ट_इंटरेस्ट + z_ETF_फ्लो + z_फैक्टर_सहसंबंध) / 3
सूचकांक निर्माण द्वारा शून्य पर केंद्रित है, जिसमें सकारात्मक मान बढ़ी हुई क्राउडिंग और नकारात्मक मान औसत से कम क्राउडिंग का संकेत देते हैं। उच्च-क्राउडिंग शासन को परिभाषित करने के लिए 1.5 मानक विचलन (FCI > 1.5) की सीमा का उपयोग किया जाता है।
| घटना | तिथि | FCI स्तर | अग्रिम चेतावनी |
|---|---|---|---|
| क्वांट संकट | अगस्त 2007 | 2.41 | 3 सप्ताह |
| वोलैटिलिटी विस्फोट | फरवरी 2018 | 1.89 | 2 सप्ताह |
| COVID फैक्टर रोटेशन | मार्च 2020 | 2.17 | 4 सप्ताह |
| ग्रोथ→वैल्यू रोटेशन | जनवरी 2022 | 1.73 | 3 सप्ताह |
FCI ने नमूना अवधि में चार प्रमुख फैक्टर विस्थापनों में से प्रत्येक से पहले अग्रिम चेतावनी प्रदान की। औसत लीड टाइम 3 सप्ताह था, जिसकी सीमा 2 से 4 सप्ताह थी। यह अग्रिम चेतावनी उत्प्रेरक घटना द्वारा अनवाइंड शुरू करने से पहले भीड़भाड़ वाली पोजीशन के क्रमिक निर्माण के अनुरूप है।
क्राउडिंग-समायोजित फैक्टर पोर्टफोलियो
FCI का व्यावहारिक अनुप्रयोग सीधा है: जब सूचकांक बढ़ी हुई क्राउडिंग का संकेत देता है तो फैक्टर एक्सपोजर को कम करना। विशेष रूप से, क्राउडिंग-समायोजित रणनीति इस प्रकार काम करती है। जब FCI 1.5 से नीचे होता है, पूर्ण फैक्टर एक्सपोजर बनाए रखा जाता है। जब FCI 1.5 से अधिक होता है, फैक्टर एक्सपोजर रैखिक रूप से कम किया जाता है, FCI 3.0 या उससे ऊपर पर शून्य एक्सपोजर तक पहुंचता है। यह बाइनरी ऑन/ऑफ स्विच के बजाय एक सुचारू संक्रमण बनाता है।
2003 से 2025 तक की बैकटेस्ट अवधि के परिणाम उल्लेखनीय हैं:
| फैक्टर | सामान्य शार्प | समायोजित शार्प | सामान्य अधिकतम DD | समायोजित अधिकतम DD | DD कमी |
|---|---|---|---|---|---|
| मोमेंटम | 0.55 | 0.71 | -52.3% | -31.4% | 40.0% |
| वैल्यू | 0.32 | 0.48 | -44.7% | -29.1% | 34.9% |
| क्वालिटी | 0.61 | 0.73 | -28.5% | -18.9% | 33.7% |
| लो-वोल | 0.43 | 0.56 | -35.2% | -22.8% | 35.2% |
क्राउडिंग समायोजन सभी चार फैक्टरों में शार्प अनुपात को 0.12 से 0.16 तक सुधारता है और अधिकतम ड्रॉडाउन को 34 से 40 प्रतिशत तक कम करता है। सुधार मोमेंटम के लिए सबसे बड़ा है, जो मोमेंटम के सबसे अधिक क्राउडिंग-संवेदनशील फैक्टर होने के अनुरूप है। समायोजन फैक्टर क्रैश उत्पन्न करने वाले केंद्रित अनवाइंड को टालकर यह सुधार प्राप्त करता है; लागत उच्च-क्राउडिंग अवधि के दौरान कुल एक्सपोजर में मामूली कमी है, जो गैर-क्रैश वर्षों में कच्चे रिटर्न को थोड़ा कम करती है।
संकेत विश्लेषण: कौन सा घटक सबसे महत्वपूर्ण है
प्रत्येक संकेत के सीमांत योगदान का आकलन करने के लिए, प्रत्येक घटक को व्यक्तिगत रूप से उपयोग करके क्राउडिंग-समायोजित रणनीति चलाई गई:
| उपयोग किया गया संकेत | मोमेंटम शार्प | वैल्यू शार्प | औसत DD कमी |
|---|---|---|---|
| केवल शॉर्ट इंटरेस्ट | 0.62 | 0.39 | 22.1% |
| केवल ETF फ्लो | 0.60 | 0.41 | 19.4% |
| केवल फैक्टर सहसंबंध | 0.66 | 0.44 | 27.3% |
| पूर्ण समग्र (FCI) | 0.71 | 0.48 | 35.7% |
फैक्टर सहसंबंध सबसे मजबूत व्यक्तिगत संकेत है, जो Lou और Polk (2022) के इस निष्कर्ष के अनुरूप है कि रिटर्न-आधारित क्राउडिंग माप फैक्टर रिवर्सल के सबसे तत्काल अग्रदूतों को पकड़ते हैं। हालांकि, समग्र सूचकांक किसी भी व्यक्तिगत घटक से काफी बेहतर प्रदर्शन करता है, जो पुष्टि करता है कि तीन संकेत पूरक जानकारी को पकड़ते हैं। संकेतों के संयोजन से सुधार केवल योगात्मक नहीं है; चूंकि तीन संकेत वास्तविक क्राउडिंग दबाव के बिना शायद ही कभी एक साथ उछलते हैं, समग्र सूचकांक झूठे सकारात्मक को कम करता है।
मजबूती और सीमाएं
FCI ढांचे पर कई महत्वपूर्ण चेतावनियां लागू होती हैं।
लेनदेन लागत कुछ लाभ को कम करती है। क्राउडिंग-समायोजित रणनीति फैक्टर पोजीशन को स्केल इन और आउट करते समय अतिरिक्त टर्नओवर उत्पन्न करती है। प्रति लेनदेन 10 बेसिस पॉइंट की रूढ़िवादी लागत धारणाओं का उपयोग करते हुए, शुद्ध शार्प सुधार ऊपर रिपोर्ट किए गए सकल सुधार का लगभग 70 प्रतिशत है।
बैकटेस्ट अवधि में केवल चार प्रमुख क्राउडिंग घटनाएं शामिल हैं। जबकि FCI ने चारों को सही ढंग से चिह्नित किया, घटनाओं की कम संख्या भविष्यवाणी मॉडल की सांख्यिकीय विश्वसनीयता का उच्च आत्मविश्वास के साथ आकलन करना कठिन बनाती है। शार्प सुधार के z-सांख्यिकी 1.8 से 2.3 की सीमा में हैं, जो सूचक है लेकिन पारंपरिक महत्व स्तरों पर निर्णायक नहीं है।
ETF फ्लो संकेत लगभग 2012 के बाद से ही उपलब्ध है, जब फैक्टर ETF ने पर्याप्त पैमाना और तरलता हासिल की। 2012 से पहले, FCI तीन घटकों में से केवल दो पर निर्भर करता है, जो इसकी विभेदन शक्ति को कम करता है।
रेजीम निर्भरता एक चिंता है। FCI 5-वर्ष रोलिंग विंडो पर कैलिब्रेट किया गया है, जिसका अर्थ है कि क्राउडिंग की लंबी अवधि सूचकांक को अनुकूलित और खतरनाक स्तरों को सामान्य बना सकती है। लंबी ऐतिहासिक विंडो से जोड़ने से यह जोखिम कम होता है लेकिन विकसित हो रही बाजार संरचना के प्रति सूचकांक की संवेदनशीलता भी कम हो जाती है।
अंत में, FCI इक्विटी फैक्टर यूनिवर्स के भीतर सापेक्ष क्राउडिंग को मापता है। यह क्रॉस-एसेट क्राउडिंग या शॉर्ट इंटरेस्ट या ETF फ्लो डेटा में कोई निशान न छोड़ने वाली एल्गोरिथमिक रणनीतियों द्वारा संचालित क्राउडिंग को नहीं पकड़ता।
मल्टी-फैक्टर पोर्टफोलियो निर्माण के लिए निहितार्थ
FCI ढांचे का मल्टी-फैक्टर पोर्टफोलियो के निर्माण और प्रबंधन के तरीके पर सीधा प्रभाव है।
पहला, फैक्टर भार स्थिर नहीं बल्कि गतिशील होने चाहिए। वैल्यू, मोमेंटम और क्वालिटी को निश्चित भार देने का पारंपरिक दृष्टिकोण क्राउडिंग द्वारा पेश किए गए समय-भिन्न जोखिम की अनदेखी करता है। मूलभूत रूप से आकर्षक लेकिन गंभीर रूप से भीड़भाड़ वाला फैक्टर खराब जोखिम-प्रतिफल ट्रेडऑफ प्रस्तुत करता है।
दूसरा, फैक्टर विविधीकरण लाभ क्राउडिंग घटनाओं के दौरान भ्रामक होते हैं। मल्टी-फैक्टर निवेश का पारंपरिक तर्क फैक्टरों के बीच कम सहसंबंध पर आधारित है। लेकिन जैसा कि जोड़ीवार सहसंबंध संकेत दिखाता है, यह विविधीकरण ठीक तब टूट जाता है जब इसकी सबसे अधिक आवश्यकता होती है।
तीसरा, FCI मौजूदा फैक्टर टाइमिंग दृष्टिकोणों के पूरक के रूप में काम कर सकता है। वैल्यूएशन स्प्रेड के आधार पर फैक्टर को टाइम करने वाले मॉडल एक अलग प्रश्न को संबोधित करते हैं: क्या फैक्टर सस्ता है या महंगा। FCI यह संबोधित करता है कि फैक्टर भीड़भाड़ वाला है या नहीं। एक फैक्टर सस्ता और गैर-भीड़भाड़ वाला दोनों हो सकता है (सबसे आकर्षक संयोजन) या सस्ता लेकिन भीड़भाड़ वाला (फैक्टर स्तर पर वैल्यू ट्रैप)।
निष्कर्ष
फैक्टर क्राउडिंग एक मापने योग्य, पूर्वानुमेय जोखिम है जिसे अधिकांश निवेशक या तो अनदेखा करते हैं या केवल गुणात्मक रूप से संबोधित करते हैं। यहां प्रस्तावित तीन-संकेत समग्र सूचकांक, जो शॉर्ट इंटरेस्ट एकाग्रता, ETF फ्लो तीव्रता, और जोड़ीवार फैक्टर रिटर्न सहसंबंध को जोड़ता है, रीयल टाइम में क्राउडिंग को मापने के लिए एक व्यावहारिक ढांचा प्रदान करता है। साक्ष्य बताते हैं कि इस सूचकांक ने 2007 के बाद से प्रत्येक प्रमुख फैक्टर विस्थापन से 2 से 4 सप्ताह पहले अग्रिम चेतावनी प्रदान की होती, और क्राउडिंग संकेतों के लिए समायोजित पोर्टफोलियो अपने सामान्य समकक्षों की तुलना में काफी उच्च शार्प अनुपात और कम ड्रॉडाउन प्राप्त करते हैं।
मूल अंतर्दृष्टि यह नहीं है कि फैक्टर निवेश दोषपूर्ण है, बल्कि यह है कि किसी भी फैक्टर का जोखिम-रिटर्न प्रोफाइल इस बात पर निर्णायक रूप से निर्भर करता है कि कितने अन्य निवेशक समान प्रीमियम का दोहन कर रहे हैं। क्राउडिंग की निगरानी वैकल्पिक नहीं है; यह किसी भी गंभीर फैक्टर-आधारित निवेश प्रक्रिया का आवश्यक घटक है।
संबंधित
Written by Elena Vasquez · Reviewed by Sam
यह लेख उद्धृत प्राथमिक साहित्य पर आधारित है और सटीकता तथा उचित श्रेय के लिए हमारी संपादकीय टीम द्वारा समीक्षित है। संपादकीय नीति.
संदर्भ
-
Baltas, N. (2019). "The Impact of Crowding in Alternative Risk Premia Investing." Financial Analysts Journal, 75(3), 89-104. https://doi.org/10.2469/faj.v75.n3.1
-
Khandani, A. E., & Lo, A. W. (2011). "What Happened to the Quants in August 2007? Evidence from Factors and Transactions Data." Journal of Financial Markets, 14(1), 1-46. https://doi.org/10.1016/j.jfm.2011.10.003
-
Lou, D., & Polk, C. (2022). "Comomentum: Inferring Arbitrage Activity from Return Correlations." Journal of Political Economy, 130(8), 2085-2119. https://doi.org/10.1086/718982
-
Stein, J. C. (2009). "Presidential Address: Sophisticated Investors and Market Efficiency." The Journal of Finance, 64(4), 1517-1548. https://doi.org/10.1111/j.1540-6261.2009.01472.x
-
Yan, H. (2008). "Natural Selection in Financial Markets: Does It Work?" Management Science, 54(11), 1935-1950. https://doi.org/10.1287/mnsc.1080.0911