फ़ामा-फ़्रेंच पांच-फ़ैक्टर मॉडल की विस्तृत व्याख्या

मुख्य निष्कर्ष

फ़ामा-फ़्रेंच पांच-फ़ैक्टर मॉडल आधुनिक अनुभवजन्य वित्त का मुख्य उपकरण है। यह पांच व्यवस्थित जोखिम कारकों -- बाज़ार प्रीमियम, आकार (SMB), मूल्य (HML), लाभप्रदता (RMW), और निवेश (CMA) -- का उपयोग करके पोर्टफ़ोलियो रिटर्न की व्याख्या करता है। परीक्षण संपत्तियों के आधार पर, मॉडल क्रॉस-सेक्शनल रिटर्न विचरण का 71 से 94 प्रतिशत तक पकड़ता है, जो मूल CAPM से कहीं अधिक शक्तिशाली है। इस मॉडल को समझना हर मात्रात्मक निवेशक के लिए आवश्यक है।

CAPM से पांच फ़ैक्टर तक: विकास क्रम

चरण 1: कैपिटल एसेट प्राइसिंग मॉडल (1964)

Sharpe (1964), Lintner (1965), और Mossin (1966) द्वारा स्वतंत्र रूप से विकसित CAPM ने एक सुंदर सरल सिद्धांत प्रस्तावित किया: किसी भी संपत्ति का अपेक्षित अतिरिक्त रिटर्न उसके बीटा गुणा बाज़ार जोखिम प्रीमियम के बराबर है।

E(Ri) - Rf = Beta_i x (E(Rm) - Rf)

CAPM क्रांतिकारी था, लेकिन अनुभवजन्य रूप से विफल रहा। 1980 के दशक तक, शोधकर्ताओं ने कई विसंगतियों को दर्ज किया जिन्हें अकेले बीटा नहीं समझा सका।

चरण 2: तीन-फ़ैक्टर मॉडल (1993)

Fama और French (1993) ने आकार और मूल्य विसंगतियों को पकड़ने के लिए दो अतिरिक्त फ़ैक्टर पेश किए:

• MKT (बाज़ार): व्यापक शेयर बाज़ार का जोखिम-मुक्त दर से अधिक रिटर्न।
• SMB (Small Minus Big): स्मॉल-कैप स्टॉक का रिटर्न घटा लार्ज-कैप स्टॉक का रिटर्न।
• HML (High Minus Low): उच्च बुक-टू-मार्केट (वैल्यू स्टॉक) का रिटर्न घटा कम बुक-टू-मार्केट (ग्रोथ स्टॉक) का रिटर्न।

तीन-फ़ैक्टर मॉडल CAPM पर बड़ा सुधार था और म्यूचुअल फ़ंड प्रदर्शन मूल्यांकन का मानक बन गया।

चरण 3: पांच-फ़ैक्टर मॉडल (2015)

तीन-फ़ैक्टर मॉडल ने दो महत्वपूर्ण रिटर्न पैटर्न को अनसमझाया छोड़ दिया। उच्च लाभप्रदता वाले स्टॉक ने कम लाभप्रदता वाले स्टॉक से अधिक रिटर्न अर्जित किया। रूढ़िवादी रूप से निवेश करने वाली कंपनियों के स्टॉक ने आक्रामक रूप से निवेश करने वालों से अधिक रिटर्न अर्जित किया।

• RMW (Robust Minus Weak): उच्च परिचालन लाभप्रदता वाले स्टॉक का रिटर्न घटा कम लाभप्रदता वाले स्टॉक का रिटर्न।
• CMA (Conservative Minus Aggressive): कम संपत्ति वृद्धि (रूढ़िवादी निवेश) वाली कंपनियों का रिटर्न घटा उच्च संपत्ति वृद्धि (आक्रामक निवेश) वाली कंपनियों का रिटर्न।

पांच फ़ैक्टर विस्तार से

फ़ैक्टर 1: बाज़ार (MKT)

बाज़ार फ़ैक्टर व्यापक इक्विटी जोखिम प्रीमियम को पकड़ता है। अमेरिकी इक्विटी में दीर्घकालिक बाज़ार प्रीमियम वार्षिक लगभग 6 से 8 प्रतिशत रहा है।

फ़ैक्टर 2: आकार (SMB)

SMB स्मॉल-कैप स्टॉक द्वारा लार्ज-कैप से बेहतर प्रदर्शन की ऐतिहासिक प्रवृत्ति को पकड़ता है। 1926 से अमेरिकी डेटा में वार्षिक SMB प्रीमियम लगभग 2% है।

फ़ैक्टर 3: मूल्य (HML)

HML वैल्यू प्रीमियम को पकड़ता है। अमेरिकी डेटा में वार्षिक HML प्रीमियम लगभग 3 से 4% है। विशेष रूप से, Fama और French (2015) ने पाया कि पांच-फ़ैक्टर मॉडल में HML काफ़ी हद तक अनावश्यक हो जाता है -- इसका प्रभाव RMW और CMA फ़ैक्टर द्वारा समाहित हो जाता है।

फ़ैक्टर 4: लाभप्रदता (RMW)

RMW लाभप्रदता प्रीमियम को पकड़ता है। अमेरिकी डेटा में वार्षिक RMW प्रीमियम लगभग 3% है। आर्थिक तर्क मूल्यांकन सिद्धांत में निहित है: कीमत स्थिर रखते हुए, उच्च अपेक्षित नकदी प्रवाह वाली कंपनियों को उच्च अपेक्षित रिटर्न होना चाहिए।

फ़ैक्टर 5: निवेश (CMA)

CMA निवेश प्रीमियम को पकड़ता है। अमेरिकी डेटा में वार्षिक CMA प्रीमियम लगभग 2.5% है। सैद्धांतिक आधार कॉर्पोरेट फ़ाइनेंस के q-सिद्धांत से जुड़ता है।

मॉडल का उपयोग: पोर्टफ़ोलियो विश्लेषण

फ़ैक्टर रिग्रेशन चलाना

पांच-फ़ैक्टर मॉडल का सबसे आम व्यावहारिक उपयोग पोर्टफ़ोलियो के अतिरिक्त रिटर्न का पांच फ़ैक्टर पर समय-श्रृंखला रिग्रेशन चलाना है:

Rp - Rf = alpha + b1(MKT) + b2(SMB) + b3(HML) + b4(RMW) + b5(CMA) + त्रुटि

गुणांक (b1 से b5) पोर्टफ़ोलियो के फ़ैक्टर एक्सपोज़र बताते हैं। अंतरखंड (अल्फ़ा) जोखिम-समायोजित असामान्य रिटर्न दर्शाता है।

परिणामों की व्याख्या

आलोचनाएं और विकल्प

मोमेंटम का अभाव

सबसे महत्वपूर्ण चूक मोमेंटम फ़ैक्टर है। कई व्यवसायी Carhart (1997) के UMD मोमेंटम फ़ैक्टर जोड़कर छह-फ़ैक्टर मॉडल का उपयोग करते हैं।

q-फ़ैक्टर मॉडल

Hou, Xue, और Zhang (2015) ने निवेश-आधारित परिसंपत्ति मूल्य निर्धारण सिद्धांत पर आधारित q-फ़ैक्टर मॉडल को विकल्प के रूप में प्रस्तावित किया।

Stambaugh-Yuan मॉडल

Stambaugh और Yuan (2017) ने 11 विसंगतियों से निर्मित दो गलत-मूल्य निर्धारण फ़ैक्टर वाला चार-फ़ैक्टर मॉडल प्रस्तावित किया।

डेटा माइनिंग चिंताएं

Harvey, Liu, और Zhu (2016) ने चिंताजनक निष्कर्ष प्रस्तुत किया कि वित्त में प्रकाशित अधिकांश फ़ैक्टर संभवतः डेटा माइनिंग द्वारा संचालित झूठी खोजें हैं। मानक सांख्यिकीय सीमा (t-सांख्यिकी > 2.0) अपर्याप्त है; वे लगभग 3.0 की सीमा अनुशंसा करते हैं।

अंतर्राष्ट्रीय साक्ष्य

पांच-फ़ैक्टर मॉडल का प्रदर्शन अंतर्राष्ट्रीय स्तर पर भिन्न है। विकसित बाज़ारों में लाभप्रदता और निवेश फ़ैक्टर सामान्यतः महत्वपूर्ण हैं, लेकिन उभरते बाज़ारों में साक्ष्य अधिक मिश्रित है।

व्यावहारिक सिफ़ारिशें

फ़ंड मूल्यांकन के लिए: पांच-फ़ैक्टर मॉडल का उपयोग करके किसी भी फ़ंड या रणनीति के रिटर्न को विघटित करें। यह ज्ञात फ़ैक्टर के यांत्रिक एक्सपोज़र से वास्तविक अल्फ़ा को अलग करता है।

पोर्टफ़ोलियो निर्माण के लिए: अपने पोर्टफ़ोलियो के फ़ैक्टर एक्सपोज़र को समझने से अनजाने दांव से बचने और जानबूझकर, विविध फ़ैक्टर झुकाव वाले पोर्टफ़ोलियो बनाने में मदद मिलती है।

जोखिम प्रबंधन के लिए: फ़ैक्टर एक्सपोज़र समय के साथ बदलते हैं। नियमित निगरानी शैली बदलाव या एकाग्रता जोखिम की चेतावनी दे सकती है।

फ़ैक्टर डेटा एक्सेस: डार्टमाउथ में Kenneth French डेटा लाइब्रेरी से फ़ैक्टर रिटर्न डाउनलोड करें। मानक रिग्रेशन के लिए मासिक रिटर्न का उपयोग करें। न्यूनतम 36 महीने का डेटा अनुशंसित; 60 महीने या अधिक अधिक स्थिर अनुमान प्रदान करता है।

सीमाएं

कोई भी परिसंपत्ति मूल्य निर्धारण मॉडल पूर्ण नहीं है। पांच-फ़ैक्टर मॉडल मोमेंटम को अनसमझाया छोड़ता है और अंतर्राष्ट्रीय बाज़ारों में असमान प्रदर्शन करता है। पांच-फ़ैक्टर ढांचे में मूल्य फ़ैक्टर की अनावश्यकता अमेरिकी डेटा के लिए विशिष्ट है। फ़ैक्टर प्रीमियम समय के साथ बदल सकते हैं और स्थायित्व की गारंटी नहीं है। मॉडल रैखिक फ़ैक्टर एक्सपोज़र मानता है। अंत में, यह मॉडल विघटन और श्रेय का उपकरण है -- यह नहीं बताता कि भविष्य में कौन से फ़ैक्टर सकारात्मक प्रीमियम प्रदान करेंगे।