Evolution of Factor Investing


A special series from NJ Mutual Fund

Read in
  • English
  • Hindi
  • Marathi
  • Gujarati
  • Punjabi
  • Bengali
  • Telugu
  • Tamil
  • Kannada
  • Malayalam

Factor investing is an investment method that selects securities based on certain quantifiable attributes that are associated with high risk-adjusted returns. Over the last couple of decades, it has become an increasingly popular approach in the investment world.

Typically, these attributes are based on robust economic or behavioral rationale. Some of the common factors are Value, Quality, Low Volatility and Momentum. Each factor can be expressed through multiple parameters but each factor draws its risk adjusted return signature from a unique rationale.

Over the years, the number of parameters have evolved, incorporating advanced technology, new research, and sophisticated data sets. This article aims to explore the evolution of factor investing, tracing its roots, highlighting the major milestones, and discussing its current applications and future prospects.

Origins of Factor Investing

While the application of factor investing in practice may seem relatively recent, the concept has its roots in academic research dating back to the mid-20th century. In the 1960s and 1970s, researchers began to examine the relationship between risk and return in equity markets. The Capital Asset Pricing Model (CAPM) introduced by four academicians in the 1960s was pioneering in this area, suggesting that a security's expected return was primarily determined by its systematic risk, measured by its beta vis-a-vis the market.

In the 1990s, Eugene Fama and Kenneth French expanded the concept of risk factors beyond market beta. They introduced the influential Fama-French Three-Factor Model, which added the size and value factors to the market factor. According to the model, small-cap stocks and stocks with high book-to-market ratios (value stocks) tend to outperform the market on a risk-adjusted basis. This work marked a significant development in the field of factor investing, as it expanded the universe of risk factors beyond the single market factor envisaged by the CAPM.

Broadening the Factor Universe

Following the introduction of the Fama-French Three-Factor Model, researchers began to identify and test a wider array of potential investment factors. Quality, which relies on the tendency of stocks with high-quality business operations to outperform, was also identified as a potential factor.

Simultaneously, researchers began to notice that factors weren't just confined to the equity markets. For example, term and credit were identified as important factors in bond markets. Other asset classes, such as commodities and real estate, were also found to have distinct factors driving their returns.

Emergence of Smart Beta and Factor ETFs

The late 2000s and early 2010s saw the rise of 'smart beta' strategies and factor ETFs. Smart beta strategies aim to provide investors with exposure to specific factors, attempting to outperform traditional market-cap weighted indices while retaining a rule-based approach that distinguishes them from traditional discretionary active strategies. These strategies are either based on a single factor or combine multiple factors, such as value, size, and momentum, in a single portfolio.

Factor ETFs brought factor investing to the masses. These products, which track factor indices, made it easier for individual investors and financial advisors to incorporate factor strategies into their portfolios. Today, there are hundreds of factor ETFs available, spanning a wide range of factors and asset classes.

Factor Investing in the Digital Age

The advent of big data and machine learning has brought about new possibilities in factor investing. Investment firms and researchers can now analyze vast amounts of data to uncover novel factors and improve the efficiency of factor portfolios. Machine learning techniques can help to identify complex, non-linear relationships and interactions between factors that might be missed by traditional statistical methods.

However, this new era of factor investing also comes with its challenges. The proliferation of data increases the risk of data mining – finding spurious relationships that don't hold up in real world applications. Moreover, the complexity of machine learning models can make them difficult to interpret, which can lead to a lack of transparency and trust in the investment process.

The Future of Factor Investing

The future of factor investing is likely to be shaped by ongoing research along with advancements, and changing investor demands. Factors have been at the center of modern portfolio theory and management for decades, and as the capital markets have evolved, so too has factor investing. This evolution has been driven by advances in academic theory, more and better data, and the growing comprehension of the sources of risk and return by investors.

Factor investing caused a shift from focusing on an individual security based on its specific merits and attributes to diversified portfolios driven by factor models. The success of factor investing can be attributed to strong academic theory, rigorous empirical analysis, and out of sample performance over decades.

The current state of factor investing is far from static. While some factors, like value, have seen recent underperformance, factors as a whole remain as relevant as ever. The focus of current academic and practitioner research is on refining and consolidating a parsimonious set of factors and developing more efficient portfolio construction approaches. The field is innovating in two primary areas: the use of new modeling and econometric approaches and the use of alternative data sets.

In terms of data, alternative sets, such as unstructured data found in news reports, product reviews, job postings, regulatory filings, call transcripts, satellite images, and more, have become increasingly important. Technologies like natural language processing, machine learning, nonlinear models, cloud computing, and textual analysis are being employed to capture new investment ideas, content, and themes from these data sets. The insights derived from these sources are beginning to affect the asset allocation process, opening up new investment ideas and themes for active management

In conclusion, the evolution of factor investing is a testament to the dynamism and adaptability of the investment field. From its origins in academic research to its current incarnation as a sophisticated, data-driven approach, factor investing has continually evolved to meet the changing needs of the market and investors. As we move forward, the field is likely to continue innovating, with a focus on refining factors and developing more efficient portfolio construction techniques.

For more information on factor investing, please visit www.njfactorbook.com

Mutual Fund investments are subject to market risks, read all scheme related documents carefully.

फैक्टर इन्वेस्टिंग एक निवेश पद्धति है जो कुछ मात्रात्मक विशेषताओं के आधार पर प्रतिभूतियों का चयन करती है जो उच्च जोखिम-समायोजित रिटर्न से जुड़ी होती हैं। पिछले कुछ दशकों में, यह निवेश की दुनिया में तेजी से लोकप्रिय दृष्टिकोण बन गया है।

आमतौर पर, ये विशेषताएँ मजबूत आर्थिक या व्यवहारिक तर्क पर आधारित होती हैं। कुछ सामान्य कारक मूल्य, गुणवत्ता, कम अस्थिरता और गति हैं। प्रत्येक कारक को कई मापदंडों के माध्यम से व्यक्त किया जा सकता है, लेकिन प्रत्येक कारक अपने जोखिम समायोजित रिटर्न हस्ताक्षर को एक अद्वितीय तर्क से आकर्षित करता है।

पिछले कुछ वर्षों में, उन्नत प्रौद्योगिकी, नए शोध और परिष्कृत डेटा सेट को शामिल करते हुए मापदंडों की संख्या विकसित हुई है। इस लेख का उद्देश्य कारक निवेश के विकास का पता लगाना, इसकी जड़ों का पता लगाना, प्रमुख मील के पत्थर पर प्रकाश डालना और इसके वर्तमान अनुप्रयोगों और भविष्य की संभावनाओं पर चर्चा करना है।

कारक निवेश की उत्पत्ति

जबकि व्यवहार में निवेश करने वाले कारक का अनुप्रयोग अपेक्षाकृत हाल ही में लग सकता है, इस अवधारणा की जड़ें 20 वीं शताब्दी के मध्य में अकादमिक अनुसंधान में हैं। 1960 और 1970 के दशक में, शोधकर्ताओं ने इक्विटी बाजारों में जोखिम और रिटर्न के बीच संबंधों की जांच शुरू की। 1960 के दशक में चार शिक्षाविदों द्वारा पेश किया गया कैपिटल एसेट प्राइसिंग मॉडल (CAPM) इस क्षेत्र में अग्रणी था, यह सुझाव देता है कि सुरक्षा की अपेक्षित वापसी मुख्य रूप से इसके व्यवस्थित जोखिम से निर्धारित होती है, जिसे इसके बीटा बनाम बाजार द्वारा मापा जाता है।

1990 के दशक में, यूजीन फामा और केनेथ फ्रेंच ने बाजार बीटा से परे जोखिम कारकों की अवधारणा का विस्तार किया। उन्होंने प्रभावशाली फामा-फ्रेंच थ्री-फैक्टर मॉडल पेश किया, जिसने बाजार कारक के आकार और मूल्य कारकों को जोड़ा। मॉडल के अनुसार, स्मॉल-कैप स्टॉक और उच्च बुक-टू-मार्केट रेशियो (वैल्यू स्टॉक) वाले स्टॉक जोखिम-समायोजित आधार पर बाजार से बेहतर प्रदर्शन करते हैं। इस कार्य ने कारक निवेश के क्षेत्र में एक महत्वपूर्ण विकास को चिह्नित किया, क्योंकि इसने सीएपीएम द्वारा परिकल्पित एकल बाजार कारक से परे जोखिम कारकों के ब्रह्मांड का विस्तार किया।

फैक्टर यूनिवर्स का विस्तार करना

फामा-फ्रेंच थ्री-फैक्टर मॉडल की शुरुआत के बाद, शोधकर्ताओं ने संभावित निवेश कारकों की एक विस्तृत श्रृंखला की पहचान और परीक्षण करना शुरू किया। गुणवत्ता, जो उच्च-गुणवत्ता वाले व्यवसाय संचालन वाले शेयरों की प्रवृत्ति पर निर्भर करती है, को भी एक संभावित कारक के रूप में पहचाना गया।

इसके साथ ही, शोधकर्ताओं ने ध्यान देना शुरू किया कि कारक केवल इक्विटी बाजारों तक ही सीमित नहीं थे। उदाहरण के लिए, बांड बाजारों में टर्म और क्रेडिट की पहचान महत्वपूर्ण कारकों के रूप में की गई थी। अन्य संपत्ति वर्ग, जैसे कि कमोडिटी और रियल एस्टेट, में भी उनके रिटर्न को चलाने वाले अलग-अलग कारक पाए गए।

स्मार्ट बीटा और फैक्टर ईटीएफ का उद्भव

2000 के दशक के अंत और 2010 के प्रारंभ में 'स्मार्ट बीटा' रणनीतियों और कारक ETF का उदय देखा गया। स्मार्ट बीटा रणनीतियों का उद्देश्य निवेशकों को पारंपरिक विवेकाधीन सक्रिय रणनीतियों से अलग करने वाले नियम-आधारित दृष्टिकोण को बनाए रखते हुए पारंपरिक मार्केट कैप भारित सूचकांकों से बेहतर प्रदर्शन करने का प्रयास करते हुए विशिष्ट कारकों के संपर्क में लाना है। ये रणनीतियाँ या तो एक कारक पर आधारित होती हैं या एक ही पोर्टफोलियो में मूल्य, आकार और गति जैसे कई कारकों को जोड़ती हैं।

फैक्टर ईटीएफ ने फैक्टर इन्वेस्टिंग को जनता तक पहुंचाया। ये उत्पाद, जो कारक सूचकांकों को ट्रैक करते हैं, ने व्यक्तिगत निवेशकों और वित्तीय सलाहकारों के लिए अपने पोर्टफोलियो में कारक रणनीतियों को शामिल करना आसान बना दिया। आज, कारकों और परिसंपत्ति वर्गों की एक विस्तृत श्रृंखला में फैले सैकड़ों कारक ईटीएफ उपलब्ध हैं।

डिजिटल युग में कारक निवेश

बड़े डेटा और मशीन लर्निंग के आगमन ने कारक निवेश में नई संभावनाएं ला दी हैं। निवेश फर्म और शोधकर्ता अब नए कारकों को उजागर करने और कारक पोर्टफोलियो की दक्षता में सुधार करने के लिए बड़ी मात्रा में डेटा का विश्लेषण कर सकते हैं। मशीन लर्निंग तकनीक जटिल, गैर-रैखिक संबंधों और कारकों के बीच बातचीत की पहचान करने में मदद कर सकती है जो पारंपरिक सांख्यिकीय विधियों से छूट सकती हैं।

हालाँकि, कारक निवेश का यह नया युग अपनी चुनौतियों के साथ भी आता है। डेटा के प्रसार से डेटा माइनिंग का जोखिम बढ़ जाता है - ऐसे झूठे रिश्ते ढूंढना जो वास्तविक दुनिया के अनुप्रयोगों में पकड़ में नहीं आते। इसके अलावा, मशीन लर्निंग मॉडल की जटिलता उन्हें व्याख्या करने में मुश्किल बना सकती है, जिससे निवेश प्रक्रिया में पारदर्शिता और विश्वास की कमी हो सकती है।

कारक निवेश का भविष्य

प्रगति के साथ-साथ चल रहे शोध और निवेशक की बदलती मांगों के कारण कारक निवेश का भविष्य आकार लेने की संभावना है। कारक दशकों से आधुनिक पोर्टफोलियो सिद्धांत और प्रबंधन के केंद्र में रहे हैं, और जैसे-जैसे पूंजी बाजार विकसित हुए हैं, वैसे-वैसे कारक निवेश भी होते गए हैं। यह विकास अकादमिक सिद्धांत, अधिक और बेहतर डेटा, और निवेशकों द्वारा जोखिम और वापसी के स्रोतों की बढ़ती समझ से प्रेरित है।

कारक निवेश ने कारक मॉडल द्वारा संचालित विविध पोर्टफोलियो के लिए अपनी विशिष्ट योग्यताओं और विशेषताओं के आधार पर एक व्यक्तिगत सुरक्षा पर ध्यान केंद्रित करने से एक बदलाव का कारण बना दिया। कारक निवेश की सफलता को मजबूत अकादमिक सिद्धांत, कठोर अनुभवजन्य विश्लेषण और दशकों से नमूने के बाहर प्रदर्शन के लिए जिम्मेदार ठहराया जा सकता है।

कारक निवेश की वर्तमान स्थिति स्थिर से बहुत दूर है। जबकि कुछ कारकों, जैसे मूल्य, ने हाल ही में खराब प्रदर्शन देखा है, समग्र रूप से कारक हमेशा की तरह प्रासंगिक बने हुए हैं। वर्तमान अकादमिक और व्यवसायी अनुसंधान का ध्यान कारकों के एक किफायती सेट को परिष्कृत और समेकित करने और अधिक कुशल पोर्टफोलियो निर्माण दृष्टिकोण विकसित करने पर है। क्षेत्र दो प्राथमिक क्षेत्रों में नवाचार कर रहा है: नए मॉडलिंग और अर्थमितीय दृष्टिकोण का उपयोग और वैकल्पिक डेटा सेट का उपयोग।

डेटा के संदर्भ में, वैकल्पिक सेट, जैसे समाचार रिपोर्ट, उत्पाद समीक्षा, नौकरी पोस्टिंग, नियामक फाइलिंग, कॉल ट्रांसक्रिप्ट, उपग्रह चित्र, और अधिक में पाए जाने वाले असंरचित डेटा तेजी से महत्वपूर्ण हो गए हैं। इन डेटा सेटों से नए निवेश विचारों, सामग्री और विषयों को पकड़ने के लिए प्राकृतिक भाषा प्रसंस्करण, मशीन लर्निंग, नॉनलाइनियर मॉडल, क्लाउड कंप्यूटिंग और पाठ्य विश्लेषण जैसी तकनीकों को नियोजित किया जा रहा है। इन स्रोतों से प्राप्त अंतर्दृष्टि संपत्ति आवंटन प्रक्रिया को प्रभावित करना शुरू कर रही है, सक्रिय प्रबंधन के लिए नए निवेश विचारों और विषयों को खोल रही है

अंत में, कारक निवेश का विकास निवेश क्षेत्र की गतिशीलता और अनुकूलता का प्रमाण है। अकादमिक अनुसंधान में इसकी उत्पत्ति से लेकर परिष्कृत, डेटा-संचालित दृष्टिकोण के रूप में इसके वर्तमान अवतार तक, बाजार और निवेशकों की बदलती जरूरतों को पूरा करने के लिए कारक निवेश लगातार विकसित हुआ है। जैसा कि हम आगे बढ़ते हैं, कारकों को परिष्कृत करने और अधिक कुशल पोर्टफोलियो निर्माण तकनीकों को विकसित करने पर ध्यान देने के साथ क्षेत्र में नवाचार जारी रखने की संभावना है।

कारक निवेश के बारे में अधिक जानकारी के लिए, कृपया देखेंwww.njfactorbook.com

म्युचुअल फंड निवेश बाजार जोखिमों के अधीन हैं, योजना से संबंधित सभी दस्तावेजों को ध्यान से पढ़ें।

घटक गुंतवणूक ही एक गुंतवणूक पद्धत आहे जी उच्च जोखीम-समायोजित परताव्याशी संबंधित विशिष्ट परिमाणयोग्य गुणधर्मांवर आधारित सिक्युरिटीज निवडते. गेल्या काही दशकांमध्ये, गुंतवणुकीच्या जगामध्ये हा एक लोकप्रिय दृष्टीकोन बनला आहे.

सामान्यतः, हे गुणधर्म मजबूत आर्थिक किंवा वर्तणुकीच्या तर्कावर आधारित असतात. मूल्य, गुणवत्ता, कमी अस्थिरता आणि गती हे काही सामान्य घटक आहेत. प्रत्येक घटक एकाहून अधिक पॅरामीटर्सद्वारे व्यक्त केला जाऊ शकतो परंतु प्रत्येक घटक अद्वितीय तर्कानुसार जोखीम समायोजित परतावा स्वाक्षरी काढतो.

अनेक वर्षांमध्ये, प्रगत तंत्रज्ञान, नवीन संशोधन आणि अत्याधुनिक डेटा सेट समाविष्ट करून पॅरामीटर्सची संख्या विकसित झाली आहे. या लेखाचा हेतू घटक गुंतवणूकीची उत्क्रांती शोधणे, त्याची मुळे शोधणे, प्रमुख टप्पे हायलाइट करणे आणि त्याचे वर्तमान अनुप्रयोग आणि भविष्यातील संभावनांवर चर्चा करणे हा आहे.

घटक गुंतवणूकीची उत्पत्ती

व्यवहारात गुंतवणुकीच्या घटकांचा वापर तुलनेने अलीकडचा वाटत असला तरी, या संकल्पनेची मुळे 20 व्या शतकाच्या मध्यापर्यंतच्या शैक्षणिक संशोधनात आहेत. 1960 आणि 1970 च्या दशकात, संशोधकांनी इक्विटी मार्केटमधील जोखीम आणि परतावा यांच्यातील संबंध तपासण्यास सुरुवात केली. 1960 च्या दशकात चार शिक्षणतज्ञांनी सादर केलेले कॅपिटल अॅसेट प्राइसिंग मॉडेल (CAPM) या क्षेत्रात अग्रगण्य होते, जे सूचित करते की सुरक्षेचा अपेक्षित परतावा प्रामुख्याने त्याच्या पद्धतशीर जोखमीद्वारे निर्धारित केला जातो, बाजाराच्या तुलनेत त्याच्या बीटा द्वारे मोजला जातो.

1990 च्या दशकात, यूजीन फामा आणि केनेथ फ्रेंच यांनी जोखीम घटकांची संकल्पना मार्केट बीटाच्या पलीकडे विस्तारली. त्यांनी प्रभावशाली फामा-फ्रेंच थ्री-फॅक्टर मॉडेल सादर केले, ज्याने बाजार घटकामध्ये आकार आणि मूल्य घटक जोडले. मॉडेलनुसार, स्मॉल-कॅप समभाग आणि उच्च बुक-टू-मार्केट गुणोत्तर असलेले स्टॉक (मूल्य समभाग) जोखीम-समायोजित आधारावर बाजारापेक्षा जास्त कामगिरी करतात. या कार्याने घटक गुंतवणुकीच्या क्षेत्रात एक महत्त्वपूर्ण विकास चिन्हांकित केला, कारण यामुळे सीएपीएमने परिकल्पित केलेल्या सिंगल मार्केट फॅक्टरच्या पलीकडे जोखीम घटकांचे विश्व विस्तारले.

कारक विश्वाचा विस्तार करणे

फामा-फ्रेंच थ्री-फॅक्टर मॉडेलच्या परिचयानंतर, संशोधकांनी संभाव्य गुंतवणूक घटकांची विस्तृत श्रेणी ओळखणे आणि तपासणे सुरू केले. गुणवत्ता, जी उच्च-गुणवत्तेच्या व्यवसाय ऑपरेशन्ससह स्टॉकच्या प्रवृत्तीवर अवलंबून असते, ते देखील संभाव्य घटक म्हणून ओळखले गेले.

त्याच बरोबर, संशोधकांच्या लक्षात येण्यास सुरुवात झाली की घटक केवळ इक्विटी मार्केट्सपुरते मर्यादित नाहीत. उदाहरणार्थ, मुदत आणि पत हे बाँड मार्केटमधील महत्त्वाचे घटक म्हणून ओळखले गेले. इतर मालमत्ता वर्ग, जसे की कमोडिटीज आणि रिअल इस्टेट, देखील त्यांच्या परताव्याला चालना देणारे वेगळे घटक असल्याचे आढळून आले.

स्मार्ट बीटा आणि फॅक्टर ईटीएफचा उदय

2000 च्या दशकाच्या उत्तरार्धात आणि 2010 च्या सुरुवातीच्या काळात 'स्मार्ट बीटा' धोरणे आणि घटक ईटीएफचा उदय झाला. स्मार्ट बीटा धोरणांचे उद्दिष्ट गुंतवणूकदारांना विशिष्ट घटकांच्या संपर्कात आणणे, पारंपारिक बाजार-कॅप भारित निर्देशांकांना मागे टाकण्याचा प्रयत्न करणे आणि त्यांना पारंपारिक विवेकाधीन सक्रिय धोरणांपासून वेगळे करणारा नियम-आधारित दृष्टीकोन कायम ठेवणे हे आहे. या धोरणे एकतर एकाच घटकावर आधारित असतात किंवा एकाच पोर्टफोलिओमध्ये मूल्य, आकार आणि गती यासारखे अनेक घटक एकत्र करतात.

फॅक्टर ईटीएफने गुंतवणुकीचे घटक लोकांपर्यंत पोहोचवले. घटक निर्देशांकांचा मागोवा घेणारी ही उत्पादने, वैयक्तिक गुंतवणूकदार आणि आर्थिक सल्लागारांना त्यांच्या पोर्टफोलिओमध्ये घटक धोरणे समाविष्ट करणे सोपे करते. आज, शेकडो फॅक्टर ईटीएफ उपलब्ध आहेत, ज्यात अनेक घटक आणि मालमत्ता वर्ग आहेत.

डिजिटल युगातील गुंतवणुकीचे घटक

बिग डेटा आणि मशीन लर्निंगच्या आगमनाने घटक गुंतवणुकीत नवीन शक्यता निर्माण केल्या आहेत. गुंतवणूक कंपन्या आणि संशोधक आता नवीन घटक उघड करण्यासाठी आणि घटक पोर्टफोलिओची कार्यक्षमता सुधारण्यासाठी मोठ्या प्रमाणात डेटाचे विश्लेषण करू शकतात. पारंपारिक सांख्यिकीय पद्धतींमुळे चुकू शकणार्‍या घटकांमधील गुंतागुंतीचे, नॉन-रेखीय संबंध आणि परस्परसंवाद ओळखण्यात मशीन लर्निंग तंत्र मदत करू शकतात.

तथापि, घटक गुंतवणुकीचे हे नवीन युग त्याच्या आव्हानांसह देखील येते. डेटाच्या प्रसारामुळे डेटा मायनिंगचा धोका वाढतो - वास्तविक जगाच्या अनुप्रयोगांमध्ये नसलेले बनावट संबंध शोधणे. शिवाय, मशीन लर्निंग मॉडेल्सच्या जटिलतेमुळे त्यांचा अर्थ लावणे कठीण होऊ शकते, ज्यामुळे गुंतवणूक प्रक्रियेत पारदर्शकता आणि विश्वासाचा अभाव होऊ शकतो.

घटक गुंतवणूकीचे भविष्य

घटक गुंतवणुकीचे भवितव्य प्रगतीसह चालू संशोधन आणि बदलत्या गुंतवणूकदारांच्या मागणीमुळे आकाराला येण्याची शक्यता आहे. अनेक दशकांपासून आधुनिक पोर्टफोलिओ सिद्धांत आणि व्यवस्थापनाच्या केंद्रस्थानी घटक आहेत आणि भांडवली बाजार विकसित होत असताना, गुंतवणुकीचे घटक देखील आहेत. ही उत्क्रांती शैक्षणिक सिद्धांतातील प्रगती, अधिकाधिक आणि उत्तम डेटा आणि गुंतवणूकदारांद्वारे जोखीम आणि परताव्याच्या स्त्रोतांविषयी वाढत्या आकलनामुळे चालते.

घटक गुंतवणुकीमुळे वैयक्तिक सुरक्षेवर लक्ष केंद्रित करण्यापासून त्याच्या विशिष्ट गुणवत्तेवर आणि फॅक्टर मॉडेल्सद्वारे चालविलेल्या वैविध्यपूर्ण पोर्टफोलिओच्या गुणधर्मांवर लक्ष केंद्रित केले गेले. घटक गुंतवणुकीच्या यशाचे श्रेय भक्कम शैक्षणिक सिद्धांत, कठोर अनुभवजन्य विश्लेषण आणि अनेक दशकांतील नमुन्यातील कामगिरीला दिले जाऊ शकते.

घटक गुंतवणुकीची सध्याची स्थिती स्थिर नाही. मूल्यासारख्या काही घटकांनी अलीकडील कमी कामगिरी पाहिली असली तरी, घटक नेहमीप्रमाणेच संबंधित राहतात. सध्याच्या शैक्षणिक आणि अभ्यासकांच्या संशोधनाचा फोकस घटकांचा एक पारदर्शक संच परिष्कृत आणि एकत्रित करणे आणि अधिक कार्यक्षम पोर्टफोलिओ बांधकाम दृष्टिकोन विकसित करणे यावर आहे. हे क्षेत्र दोन प्राथमिक क्षेत्रांमध्ये नवनिर्मिती करत आहे: नवीन मॉडेलिंग आणि इकोनोमेट्रिक पद्धतींचा वापर आणि पर्यायी डेटा सेटचा वापर.

डेटाच्या दृष्टीने, पर्यायी संच, जसे की बातम्यांच्या अहवालांमध्ये आढळलेला असंरचित डेटा, उत्पादन पुनरावलोकने, जॉब पोस्टिंग, नियामक फाइलिंग, कॉल ट्रान्सक्रिप्ट्स, सॅटेलाइट प्रतिमा आणि बरेच काही, वाढत्या प्रमाणात महत्त्वाचे झाले आहेत. या डेटा सेट्समधून नवीन गुंतवणूक कल्पना, सामग्री आणि थीम कॅप्चर करण्यासाठी नैसर्गिक भाषा प्रक्रिया, मशीन लर्निंग, नॉनलाइनर मॉडेल्स, क्लाउड कॉम्प्युटिंग आणि मजकूर विश्लेषण यांसारख्या तंत्रज्ञानाचा वापर केला जात आहे. या स्त्रोतांमधून मिळालेल्या अंतर्दृष्टीमुळे मालमत्ता वाटप प्रक्रियेवर परिणाम होऊ लागला आहे, सक्रिय व्यवस्थापनासाठी नवीन गुंतवणूक कल्पना आणि थीम उघडत आहेत.

शेवटी, घटक गुंतवणुकीची उत्क्रांती ही गुंतवणूक क्षेत्राच्या गतिशीलता आणि अनुकूलतेचा पुरावा आहे. शैक्षणिक संशोधनाच्या उत्पत्तीपासून ते अत्याधुनिक, डेटा-चालित दृष्टिकोन म्हणून त्याच्या वर्तमान अवतारापर्यंत, बाजार आणि गुंतवणूकदारांच्या बदलत्या गरजा पूर्ण करण्यासाठी घटक गुंतवणूक सतत विकसित होत आहे. जसजसे आम्ही पुढे जात आहोत, तसतसे हे क्षेत्र नवनिर्मिती करत राहण्याची शक्यता आहे, कारण परिष्कृत घटकांवर लक्ष केंद्रित करणे आणि अधिक कार्यक्षम पोर्टफोलिओ बांधकाम तंत्र विकसित करणे.

घटक गुंतवणूकीबद्दल अधिक माहितीसाठी, कृपया भेट द्याwww.njfactorbook.com

म्युच्युअल फंड गुंतवणूक ही बाजारातील जोखमीच्या अधीन आहे, सर्व योजना संबंधित कागदपत्रे काळजीपूर्वक वाचा.

ફેક્ટર ઇન્વેસ્ટિંગ એ એક રોકાણ પદ્ધતિ છે જે ઉચ્ચ જોખમ-સમાયોજિત વળતર સાથે સંકળાયેલા ચોક્કસ પરિમાણપાત્ર લક્ષણોના આધારે સિક્યોરિટીઝ પસંદ કરે છે. છેલ્લા કેટલાક દાયકાઓમાં, તે રોકાણની દુનિયામાં વધુને વધુ લોકપ્રિય અભિગમ બની ગયો છે.

સામાન્ય રીતે, આ લક્ષણો મજબૂત આર્થિક અથવા વર્તણૂકીય તર્ક પર આધારિત હોય છે. કેટલાક સામાન્ય પરિબળો મૂલ્ય, ગુણવત્તા, નીચી વોલેટિલિટી અને મોમેન્ટમ છે. દરેક પરિબળને બહુવિધ પરિમાણો દ્વારા વ્યક્ત કરી શકાય છે પરંતુ દરેક પરિબળ અનન્ય તર્કથી તેના જોખમને સમાયોજિત વળતર સહી દોરે છે.

વર્ષોથી, પરિમાણોની સંખ્યા વિકસિત થઈ છે, જેમાં અદ્યતન તકનીક, નવા સંશોધન અને અત્યાધુનિક ડેટા સેટનો સમાવેશ થાય છે. આ લેખનો ઉદ્દેશ્ય પરિબળ રોકાણના ઉત્ક્રાંતિનું અન્વેષણ કરવાનો, તેના મૂળને શોધવાનો, મુખ્ય લક્ષ્યોને પ્રકાશિત કરવાનો અને તેની વર્તમાન એપ્લિકેશનો અને ભાવિ સંભાવનાઓની ચર્ચા કરવાનો છે.

પરિબળ રોકાણની ઉત્પત્તિ

જ્યારે વ્યવહારમાં પરિબળ રોકાણનો ઉપયોગ પ્રમાણમાં તાજેતરનો લાગે છે, ત્યારે ખ્યાલના મૂળ 20મી સદીના મધ્યભાગના શૈક્ષણિક સંશોધનમાં છે. 1960 અને 1970 ના દાયકામાં, સંશોધકોએ ઇક્વિટી બજારોમાં જોખમ અને વળતર વચ્ચેના સંબંધની તપાસ કરવાનું શરૂ કર્યું. 1960 ના દાયકામાં ચાર શિક્ષણવિદો દ્વારા રજૂ કરાયેલ કેપિટલ એસેટ પ્રાઇસિંગ મોડલ (CAPM) આ ક્ષેત્રમાં અગ્રણી હતું, જે સૂચવે છે કે સુરક્ષાનું અપેક્ષિત વળતર મુખ્યત્વે તેના વ્યવસ્થિત જોખમ દ્વારા નક્કી કરવામાં આવે છે, જે બજારની તુલનામાં તેના બીટા દ્વારા માપવામાં આવે છે.

1990ના દાયકામાં, યુજેન ફામા અને કેનેથ ફ્રેંચે જોખમી પરિબળોની વિભાવનાને માર્કેટ બીટાથી આગળ વધારી. તેઓએ પ્રભાવશાળી ફામા-ફ્રેન્ચ થ્રી-ફેક્ટર મોડલ રજૂ કર્યું, જેણે બજાર પરિબળમાં કદ અને મૂલ્યના પરિબળો ઉમેર્યા. મૉડલ મુજબ, સ્મોલ-કેપ શેરો અને ઊંચા બુક-ટુ-માર્કેટ રેશિયો (મૂલ્ય શેરો) ધરાવતા શેરો જોખમ-સમાયોજિત ધોરણે બજારને પાછળ રાખી દે છે. આ કાર્ય પરિબળ રોકાણના ક્ષેત્રમાં નોંધપાત્ર વિકાસ તરીકે ચિહ્નિત કરે છે, કારણ કે તે CAPM દ્વારા પરિકલ્પિત સિંગલ માર્કેટ ફેક્ટરની બહાર જોખમ પરિબળોના બ્રહ્માંડને વિસ્તૃત કરે છે.

ફેક્ટર બ્રહ્માંડને વિસ્તૃત કરવું

ફામા-ફ્રેન્ચ થ્રી-ફેક્ટર મોડલની રજૂઆત બાદ, સંશોધકોએ સંભવિત રોકાણ પરિબળોની વ્યાપક શ્રેણીને ઓળખવા અને તેનું પરીક્ષણ કરવાનું શરૂ કર્યું. ગુણવત્તા, જે આઉટપરફોર્મ કરવા માટે ઉચ્ચ-ગુણવત્તાવાળા બિઝનેસ ઓપરેશન્સ સાથેના શેરોના વલણ પર આધાર રાખે છે, તેને પણ સંભવિત પરિબળ તરીકે ઓળખવામાં આવી હતી.

તે જ સમયે, સંશોધકોએ નોંધવાનું શરૂ કર્યું કે પરિબળો માત્ર ઇક્વિટી બજારો સુધી મર્યાદિત નથી. ઉદાહરણ તરીકે, ટર્મ અને ક્રેડિટને બોન્ડ માર્કેટમાં મહત્વના પરિબળો તરીકે ઓળખવામાં આવ્યા હતા. અન્ય એસેટ વર્ગો, જેમ કે કોમોડિટીઝ અને રિયલ એસ્ટેટ, પણ તેમના વળતરને આગળ વધારતા અલગ-અલગ પરિબળો ધરાવે છે.

સ્માર્ટ બીટા અને ફેક્ટર ETF નો ઉદભવ

2000 ના દાયકાના અંતમાં અને 2010 ના દાયકાની શરૂઆતમાં 'સ્માર્ટ બીટા' વ્યૂહરચનાઓ અને પરિબળ ETF નો ઉદય જોવા મળ્યો. સ્માર્ટ બીટા વ્યૂહરચનાઓનો ઉદ્દેશ્ય રોકાણકારોને વિશિષ્ટ પરિબળોના સંપર્કમાં પ્રદાન કરવાનો છે, પરંપરાગત માર્કેટ-કેપ ભારાંક સૂચકાંકોને પાછળ રાખવાનો પ્રયાસ કરે છે જ્યારે નિયમ-આધારિત અભિગમ જાળવી રાખે છે જે તેમને પરંપરાગત વિવેકાધીન સક્રિય વ્યૂહરચનાથી અલગ પાડે છે. આ વ્યૂહરચનાઓ કાં તો એક પરિબળ પર આધારિત છે અથવા એક જ પોર્ટફોલિયોમાં મૂલ્ય, કદ અને ગતિ જેવા બહુવિધ પરિબળોને જોડે છે.

ફેક્ટર ETF એ લોકો માટે રોકાણનું પરિબળ લાવ્યા. આ ઉત્પાદનો, જે પરિબળ સૂચકાંકોને ટ્રૅક કરે છે, વ્યક્તિગત રોકાણકારો અને નાણાકીય સલાહકારો માટે તેમના પોર્ટફોલિયોમાં પરિબળ વ્યૂહરચનાનો સમાવેશ કરવાનું સરળ બનાવે છે. આજે, સેંકડો પરિબળ ETF ઉપલબ્ધ છે, જે પરિબળો અને સંપત્તિ વર્ગોની વિશાળ શ્રેણીમાં ફેલાયેલો છે.

ડિજિટલ યુગમાં રોકાણનું પરિબળ

મોટા ડેટા અને મશીન લર્નિંગના આગમનથી પરિબળ રોકાણમાં નવી શક્યતાઓ ઉભી થઈ છે. ઇન્વેસ્ટમેન્ટ કંપનીઓ અને સંશોધકો હવે નવા પરિબળોને ઉજાગર કરવા અને પરિબળ પોર્ટફોલિયોની કાર્યક્ષમતામાં સુધારો કરવા માટે વિશાળ માત્રામાં ડેટાનું વિશ્લેષણ કરી શકે છે. મશીન લર્નિંગ તકનીકો જટિલ, બિન-રેખીય સંબંધો અને પરિબળો વચ્ચેની ક્રિયાપ્રતિક્રિયાઓને ઓળખવામાં મદદ કરી શકે છે જે પરંપરાગત આંકડાકીય પદ્ધતિઓ દ્વારા ચૂકી જાય છે.

જો કે, પરિબળ રોકાણનો આ નવો યુગ તેના પડકારો સાથે પણ આવે છે. ડેટાના પ્રસારથી ડેટા માઇનિંગનું જોખમ વધી જાય છે - બનાવટી સંબંધો શોધવા કે જે વાસ્તવિક દુનિયાની એપ્લિકેશનમાં રોકાતા નથી. તદુપરાંત, મશીન લર્નિંગ મોડલ્સની જટિલતાને કારણે તેનું અર્થઘટન કરવું મુશ્કેલ બની શકે છે, જે રોકાણ પ્રક્રિયામાં પારદર્શિતા અને વિશ્વાસનો અભાવ તરફ દોરી શકે છે.

પરિબળ રોકાણનું ભવિષ્ય

પરિબળ રોકાણનું ભાવિ પ્રગતિ સાથે ચાલુ સંશોધન અને બદલાતી રોકાણકારોની માંગ દ્વારા આકાર લે તેવી શક્યતા છે. દાયકાઓથી આધુનિક પોર્ટફોલિયો થિયરી અને મેનેજમેન્ટના કેન્દ્રમાં પરિબળો રહ્યા છે અને મૂડી બજારો જેમ જેમ વિકસિત થયા છે, તેમ તેમ તેમાં પણ પરિબળ રોકાણ છે. આ ઉત્ક્રાંતિ શૈક્ષણિક સિદ્ધાંતમાં પ્રગતિ, વધુ અને વધુ સારા ડેટા અને રોકાણકારો દ્વારા જોખમ અને વળતરના સ્ત્રોતોની વધતી જતી સમજ દ્વારા પ્રેરિત છે.

પરિબળ રોકાણ તેના ચોક્કસ ગુણો અને વિશેષતાઓના આધારે વ્યક્તિગત સુરક્ષા પર ધ્યાન કેન્દ્રિત કરવાથી પરિબળ મોડેલો દ્વારા સંચાલિત વૈવિધ્યસભર પોર્ટફોલિયોમાં ફેરફારનું કારણ બને છે. પરિબળ રોકાણની સફળતાનો શ્રેય મજબૂત શૈક્ષણિક સિદ્ધાંત, સખત પ્રયોગમૂલક વિશ્લેષણ અને દાયકાઓમાં નમૂનારૂપ કામગીરીને આભારી છે.

પરિબળ રોકાણની વર્તમાન સ્થિતિ સ્થિર નથી. જ્યારે કેટલાક પરિબળો, જેમ કે મૂલ્ય, તાજેતરના અંડરપરફોર્મન્સને જોયા છે, એકંદરે પરિબળો હંમેશની જેમ સુસંગત રહે છે. વર્તમાન શૈક્ષણિક અને પ્રેક્ટિશનર સંશોધનનું ધ્યાન પરિબળોના પરસ્પર સમૂહને શુદ્ધ કરવા અને એકીકૃત કરવા અને વધુ કાર્યક્ષમ પોર્ટફોલિયો બાંધકામ અભિગમો વિકસાવવા પર છે. આ ક્ષેત્ર બે પ્રાથમિક ક્ષેત્રોમાં નવીનતા લાવી રહ્યું છે: નવા મોડેલિંગ અને ઈકોનોમેટ્રિક અભિગમોનો ઉપયોગ અને વૈકલ્પિક ડેટા સેટનો ઉપયોગ.

ડેટાના સંદર્ભમાં, વૈકલ્પિક સમૂહો, જેમ કે સમાચાર અહેવાલો, ઉત્પાદન સમીક્ષાઓ, જોબ પોસ્ટિંગ્સ, નિયમનકારી ફાઇલિંગ, કૉલ ટ્રાન્સક્રિપ્ટ્સ, સેટેલાઇટ છબીઓ અને વધુમાં મળેલ અનસ્ટ્રક્ચર્ડ ડેટા, વધુને વધુ મહત્વપૂર્ણ બન્યા છે. નેચરલ લેંગ્વેજ પ્રોસેસિંગ, મશીન લર્નિંગ, નોનલાઈનિયર મોડલ્સ, ક્લાઉડ કોમ્પ્યુટિંગ અને ટેક્સ્ચ્યુઅલ એનાલિસિસ જેવી ટેક્નોલોજીનો ઉપયોગ આ ડેટા સેટ્સમાંથી રોકાણના નવા વિચારો, સામગ્રી અને થીમ્સ મેળવવા માટે કરવામાં આવે છે. આ સ્ત્રોતોમાંથી મેળવેલી આંતરદૃષ્ટિએ એસેટ એલોકેશન પ્રક્રિયાને અસર કરવાનું શરૂ કર્યું છે, સક્રિય સંચાલન માટે નવા રોકાણ વિચારો અને થીમ્સ ખોલી રહ્યા છે.

નિષ્કર્ષમાં, પરિબળ રોકાણની ઉત્ક્રાંતિ એ રોકાણ ક્ષેત્રની ગતિશીલતા અને અનુકૂલનક્ષમતાનો પુરાવો છે. શૈક્ષણિક સંશોધનમાં તેના મૂળથી લઈને આધુનિક, ડેટા આધારિત અભિગમ તરીકે તેના વર્તમાન અવતાર સુધી, બજાર અને રોકાણકારોની બદલાતી જરૂરિયાતોને પહોંચી વળવા માટે પરિબળ રોકાણ સતત વિકસિત થયું છે. જેમ જેમ આપણે આગળ વધીએ છીએ તેમ, ફિલ્ડ રિફાઇનિંગ પરિબળો અને વધુ કાર્યક્ષમ પોર્ટફોલિયો બાંધકામ તકનીકો વિકસાવવા પર ધ્યાન કેન્દ્રિત કરીને નવીનતા ચાલુ રાખે તેવી શક્યતા છે.

પરિબળ રોકાણ પર વધુ માહિતી માટે, કૃપા કરીને મુલાકાત લોwww.njfactorbook.com

મ્યુચ્યુઅલ ફંડ રોકાણ બજારના જોખમોને આધીન છે, યોજના સંબંધિત તમામ દસ્તાવેજો કાળજીપૂર્વક વાંચો.

ਫੈਕਟਰ ਇਨਵੈਸਟਿੰਗ ਇੱਕ ਨਿਵੇਸ਼ ਵਿਧੀ ਹੈ ਜੋ ਉੱਚ ਜੋਖਮ-ਅਨੁਕੂਲ ਰਿਟਰਨ ਨਾਲ ਸੰਬੰਧਿਤ ਕੁਝ ਮਾਤਰਾਤਮਕ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦੇ ਅਧਾਰ ਤੇ ਪ੍ਰਤੀਭੂਤੀਆਂ ਦੀ ਚੋਣ ਕਰਦੀ ਹੈ। ਪਿਛਲੇ ਕੁਝ ਦਹਾਕਿਆਂ ਵਿੱਚ, ਇਹ ਨਿਵੇਸ਼ ਸੰਸਾਰ ਵਿੱਚ ਇੱਕ ਵਧਦੀ ਪ੍ਰਸਿੱਧ ਪਹੁੰਚ ਬਣ ਗਈ ਹੈ।

ਆਮ ਤੌਰ 'ਤੇ, ਇਹ ਗੁਣ ਮਜ਼ਬੂਤ ​​ਆਰਥਿਕ ਜਾਂ ਵਿਹਾਰਕ ਤਰਕ 'ਤੇ ਆਧਾਰਿਤ ਹੁੰਦੇ ਹਨ। ਕੁਝ ਆਮ ਕਾਰਕ ਹਨ ਮੁੱਲ, ਗੁਣਵੱਤਾ, ਘੱਟ ਅਸਥਿਰਤਾ ਅਤੇ ਮੋਮੈਂਟਮ। ਹਰੇਕ ਕਾਰਕ ਨੂੰ ਕਈ ਮਾਪਦੰਡਾਂ ਦੁਆਰਾ ਪ੍ਰਗਟ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ ਪਰ ਹਰੇਕ ਕਾਰਕ ਇੱਕ ਵਿਲੱਖਣ ਤਰਕ ਨਾਲ ਇਸਦੇ ਜੋਖਮ ਨੂੰ ਅਨੁਕੂਲਿਤ ਵਾਪਸੀ ਦਸਤਖਤ ਖਿੱਚਦਾ ਹੈ।

ਸਾਲਾਂ ਦੌਰਾਨ, ਮਾਪਦੰਡਾਂ ਦੀ ਗਿਣਤੀ ਵਿਕਸਿਤ ਹੋਈ ਹੈ, ਜਿਸ ਵਿੱਚ ਉੱਨਤ ਤਕਨਾਲੋਜੀ, ਨਵੀਂ ਖੋਜ, ਅਤੇ ਵਧੀਆ ਡਾਟਾ ਸੈੱਟ ਸ਼ਾਮਲ ਹਨ। ਇਸ ਲੇਖ ਦਾ ਉਦੇਸ਼ ਕਾਰਕ ਨਿਵੇਸ਼ ਦੇ ਵਿਕਾਸ ਦੀ ਪੜਚੋਲ ਕਰਨਾ, ਇਸ ਦੀਆਂ ਜੜ੍ਹਾਂ ਦਾ ਪਤਾ ਲਗਾਉਣਾ, ਪ੍ਰਮੁੱਖ ਮੀਲ ਪੱਥਰਾਂ ਨੂੰ ਉਜਾਗਰ ਕਰਨਾ, ਅਤੇ ਇਸ ਦੀਆਂ ਮੌਜੂਦਾ ਐਪਲੀਕੇਸ਼ਨਾਂ ਅਤੇ ਭਵਿੱਖ ਦੀਆਂ ਸੰਭਾਵਨਾਵਾਂ ਬਾਰੇ ਚਰਚਾ ਕਰਨਾ ਹੈ।

ਕਾਰਕ ਨਿਵੇਸ਼ ਦੀ ਸ਼ੁਰੂਆਤ

ਹਾਲਾਂਕਿ ਅਭਿਆਸ ਵਿੱਚ ਕਾਰਕ ਨਿਵੇਸ਼ ਦੀ ਵਰਤੋਂ ਮੁਕਾਬਲਤਨ ਹਾਲੀਆ ਜਾਪਦੀ ਹੈ, ਇਸ ਧਾਰਨਾ ਦੀਆਂ ਜੜ੍ਹਾਂ ਅਕਾਦਮਿਕ ਖੋਜ ਵਿੱਚ ਹਨ ਜੋ 20 ਵੀਂ ਸਦੀ ਦੇ ਅੱਧ ਤੱਕ ਹਨ। 1960 ਅਤੇ 1970 ਦੇ ਦਹਾਕੇ ਵਿੱਚ, ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਇਕੁਇਟੀ ਬਾਜ਼ਾਰਾਂ ਵਿੱਚ ਜੋਖਮ ਅਤੇ ਵਾਪਸੀ ਦੇ ਵਿਚਕਾਰ ਸਬੰਧਾਂ ਦੀ ਜਾਂਚ ਕਰਨੀ ਸ਼ੁਰੂ ਕੀਤੀ। 1960 ਦੇ ਦਹਾਕੇ ਵਿੱਚ ਚਾਰ ਸਿੱਖਿਆ ਸ਼ਾਸਤਰੀਆਂ ਦੁਆਰਾ ਪੇਸ਼ ਕੀਤਾ ਗਿਆ ਕੈਪੀਟਲ ਐਸੇਟ ਪ੍ਰਾਈਸਿੰਗ ਮਾਡਲ (CAPM) ਇਸ ਖੇਤਰ ਵਿੱਚ ਮੋਹਰੀ ਸੀ, ਜੋ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ ਕਿ ਇੱਕ ਸੁਰੱਖਿਆ ਦੀ ਸੰਭਾਵਿਤ ਵਾਪਸੀ ਮੁੱਖ ਤੌਰ 'ਤੇ ਇਸਦੇ ਯੋਜਨਾਬੱਧ ਜੋਖਮ ਦੁਆਰਾ ਨਿਰਧਾਰਤ ਕੀਤੀ ਜਾਂਦੀ ਸੀ, ਜੋ ਕਿ ਮਾਰਕੀਟ ਦੇ ਮੁਕਾਬਲੇ ਇਸਦੇ ਬੀਟਾ ਦੁਆਰਾ ਮਾਪੀ ਜਾਂਦੀ ਹੈ।

1990 ਦੇ ਦਹਾਕੇ ਵਿੱਚ, ਯੂਜੀਨ ਫਾਮਾ ਅਤੇ ਕੇਨੇਥ ਫ੍ਰੈਂਚ ਨੇ ਮਾਰਕੀਟ ਬੀਟਾ ਤੋਂ ਪਰੇ ਜੋਖਮ ਦੇ ਕਾਰਕਾਂ ਦੀ ਧਾਰਨਾ ਦਾ ਵਿਸਤਾਰ ਕੀਤਾ। ਉਹਨਾਂ ਨੇ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਫਾਮਾ-ਫ੍ਰੈਂਚ ਥ੍ਰੀ-ਫੈਕਟਰ ਮਾਡਲ ਪੇਸ਼ ਕੀਤਾ, ਜਿਸ ਨੇ ਮਾਰਕੀਟ ਫੈਕਟਰ ਵਿੱਚ ਆਕਾਰ ਅਤੇ ਮੁੱਲ ਦੇ ਕਾਰਕਾਂ ਨੂੰ ਜੋੜਿਆ। ਮਾਡਲ ਦੇ ਅਨੁਸਾਰ, ਛੋਟੇ-ਕੈਪ ਸਟਾਕ ਅਤੇ ਉੱਚ ਬੁੱਕ-ਟੂ-ਮਾਰਕੀਟ ਅਨੁਪਾਤ (ਮੁੱਲ ਸਟਾਕ) ਵਾਲੇ ਸਟਾਕ ਜੋਖਮ-ਵਿਵਸਥਿਤ ਆਧਾਰ 'ਤੇ ਮਾਰਕੀਟ ਨੂੰ ਪਛਾੜਦੇ ਹਨ। ਇਸ ਕੰਮ ਨੇ ਕਾਰਕ ਨਿਵੇਸ਼ ਦੇ ਖੇਤਰ ਵਿੱਚ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਵਿਕਾਸ ਦੀ ਨਿਸ਼ਾਨਦੇਹੀ ਕੀਤੀ, ਕਿਉਂਕਿ ਇਸਨੇ CAPM ਦੁਆਰਾ ਕਲਪਨਾ ਕੀਤੇ ਸਿੰਗਲ ਮਾਰਕੀਟ ਕਾਰਕ ਤੋਂ ਪਰੇ ਜੋਖਮ ਦੇ ਕਾਰਕਾਂ ਦੇ ਬ੍ਰਹਿਮੰਡ ਦਾ ਵਿਸਤਾਰ ਕੀਤਾ ਹੈ।

ਫੈਕਟਰ ਬ੍ਰਹਿਮੰਡ ਦਾ ਵਿਸਤਾਰ ਕਰਨਾ

ਫਾਮਾ-ਫ੍ਰੈਂਚ ਥ੍ਰੀ-ਫੈਕਟਰ ਮਾਡਲ ਦੀ ਸ਼ੁਰੂਆਤ ਤੋਂ ਬਾਅਦ, ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਸੰਭਾਵੀ ਨਿਵੇਸ਼ ਕਾਰਕਾਂ ਦੀ ਇੱਕ ਵਿਸ਼ਾਲ ਸ਼੍ਰੇਣੀ ਦੀ ਪਛਾਣ ਅਤੇ ਜਾਂਚ ਕਰਨੀ ਸ਼ੁਰੂ ਕਰ ਦਿੱਤੀ। ਗੁਣਵੱਤਾ, ਜੋ ਉੱਚ-ਗੁਣਵੱਤਾ ਵਾਲੇ ਕਾਰੋਬਾਰੀ ਸੰਚਾਲਨ ਦੇ ਨਾਲ ਸਟਾਕਾਂ ਦੀ ਪ੍ਰਵਿਰਤੀ 'ਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ, ਨੂੰ ਵੀ ਇੱਕ ਸੰਭਾਵੀ ਕਾਰਕ ਵਜੋਂ ਪਛਾਣਿਆ ਗਿਆ ਸੀ।

ਇਸਦੇ ਨਾਲ ਹੀ, ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਧਿਆਨ ਦੇਣਾ ਸ਼ੁਰੂ ਕੀਤਾ ਕਿ ਕਾਰਕ ਸਿਰਫ਼ ਇਕੁਇਟੀ ਬਾਜ਼ਾਰਾਂ ਤੱਕ ਹੀ ਸੀਮਤ ਨਹੀਂ ਸਨ। ਉਦਾਹਰਨ ਲਈ, ਮਿਆਦ ਅਤੇ ਕ੍ਰੈਡਿਟ ਨੂੰ ਬਾਂਡ ਬਾਜ਼ਾਰਾਂ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਕਾਰਕਾਂ ਵਜੋਂ ਪਛਾਣਿਆ ਗਿਆ ਸੀ। ਹੋਰ ਸੰਪੱਤੀ ਸ਼੍ਰੇਣੀਆਂ, ਜਿਵੇਂ ਕਿ ਵਸਤੂਆਂ ਅਤੇ ਰੀਅਲ ਅਸਟੇਟ, ਵਿੱਚ ਵੀ ਉਹਨਾਂ ਦੇ ਰਿਟਰਨ ਨੂੰ ਚਲਾਉਣ ਵਾਲੇ ਵੱਖਰੇ ਕਾਰਕ ਪਾਏ ਗਏ ਸਨ।

ਸਮਾਰਟ ਬੀਟਾ ਅਤੇ ਫੈਕਟਰ ਈਟੀਐਫ ਦਾ ਉਭਾਰ

2000 ਦੇ ਅਖੀਰ ਅਤੇ 2010 ਦੇ ਦਹਾਕੇ ਦੇ ਸ਼ੁਰੂ ਵਿੱਚ 'ਸਮਾਰਟ ਬੀਟਾ' ਰਣਨੀਤੀਆਂ ਅਤੇ ਕਾਰਕ ETFs ਦਾ ਵਾਧਾ ਦੇਖਿਆ ਗਿਆ। ਸਮਾਰਟ ਬੀਟਾ ਰਣਨੀਤੀਆਂ ਦਾ ਉਦੇਸ਼ ਨਿਵੇਸ਼ਕਾਂ ਨੂੰ ਖਾਸ ਕਾਰਕਾਂ ਦੇ ਐਕਸਪੋਜਰ ਪ੍ਰਦਾਨ ਕਰਨਾ ਹੈ, ਇੱਕ ਨਿਯਮ-ਅਧਾਰਿਤ ਪਹੁੰਚ ਨੂੰ ਬਰਕਰਾਰ ਰੱਖਦੇ ਹੋਏ ਜੋ ਰਵਾਇਤੀ ਅਖਤਿਆਰੀ ਸਰਗਰਮ ਰਣਨੀਤੀਆਂ ਤੋਂ ਵੱਖਰਾ ਕਰਦਾ ਹੈ, ਰਵਾਇਤੀ ਮਾਰਕੀਟ-ਕੈਪ ਵਜ਼ਨ ਵਾਲੇ ਸੂਚਕਾਂਕ ਨੂੰ ਪਛਾੜਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦਾ ਹੈ। ਇਹ ਰਣਨੀਤੀਆਂ ਜਾਂ ਤਾਂ ਇੱਕ ਸਿੰਗਲ ਕਾਰਕ 'ਤੇ ਅਧਾਰਤ ਹਨ ਜਾਂ ਇੱਕ ਸਿੰਗਲ ਪੋਰਟਫੋਲੀਓ ਵਿੱਚ ਕਈ ਕਾਰਕਾਂ, ਜਿਵੇਂ ਕਿ ਮੁੱਲ, ਆਕਾਰ ਅਤੇ ਗਤੀ ਨੂੰ ਜੋੜਦੀਆਂ ਹਨ।

ਫੈਕਟਰ ETFs ਨੇ ਲੋਕਾਂ ਲਈ ਫੈਕਟਰ ਨਿਵੇਸ਼ ਲਿਆਇਆ। ਇਹ ਉਤਪਾਦ, ਜੋ ਕਾਰਕ ਸੂਚਕਾਂਕ ਨੂੰ ਟਰੈਕ ਕਰਦੇ ਹਨ, ਨੇ ਵਿਅਕਤੀਗਤ ਨਿਵੇਸ਼ਕਾਂ ਅਤੇ ਵਿੱਤੀ ਸਲਾਹਕਾਰਾਂ ਲਈ ਆਪਣੇ ਪੋਰਟਫੋਲੀਓ ਵਿੱਚ ਕਾਰਕ ਰਣਨੀਤੀਆਂ ਨੂੰ ਸ਼ਾਮਲ ਕਰਨਾ ਆਸਾਨ ਬਣਾ ਦਿੱਤਾ ਹੈ। ਅੱਜ, ਇੱਥੇ ਸੈਂਕੜੇ ਕਾਰਕ ETF ਉਪਲਬਧ ਹਨ, ਕਾਰਕਾਂ ਅਤੇ ਸੰਪੱਤੀ ਸ਼੍ਰੇਣੀਆਂ ਦੀ ਇੱਕ ਵਿਸ਼ਾਲ ਸ਼੍ਰੇਣੀ ਵਿੱਚ ਫੈਲੇ ਹੋਏ ਹਨ।

ਡਿਜੀਟਲ ਯੁੱਗ ਵਿੱਚ ਫੈਕਟਰ ਨਿਵੇਸ਼

ਵੱਡੇ ਡੇਟਾ ਅਤੇ ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਦੇ ਆਗਮਨ ਨੇ ਕਾਰਕ ਨਿਵੇਸ਼ ਵਿੱਚ ਨਵੀਆਂ ਸੰਭਾਵਨਾਵਾਂ ਲਿਆਂਦੀਆਂ ਹਨ। ਨਿਵੇਸ਼ ਫਰਮਾਂ ਅਤੇ ਖੋਜਕਰਤਾ ਹੁਣ ਨਵੇਂ ਕਾਰਕਾਂ ਨੂੰ ਬੇਪਰਦ ਕਰਨ ਅਤੇ ਕਾਰਕ ਪੋਰਟਫੋਲੀਓ ਦੀ ਕੁਸ਼ਲਤਾ ਵਿੱਚ ਸੁਧਾਰ ਕਰਨ ਲਈ ਵੱਡੀ ਮਾਤਰਾ ਵਿੱਚ ਡੇਟਾ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰ ਸਕਦੇ ਹਨ। ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਦੀਆਂ ਤਕਨੀਕਾਂ ਗੁੰਝਲਦਾਰ, ਗੈਰ-ਲੀਨੀਅਰ ਸਬੰਧਾਂ ਅਤੇ ਕਾਰਕਾਂ ਵਿਚਕਾਰ ਪਰਸਪਰ ਕ੍ਰਿਆਵਾਂ ਦੀ ਪਛਾਣ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦੀਆਂ ਹਨ ਜੋ ਰਵਾਇਤੀ ਅੰਕੜਾ ਵਿਧੀਆਂ ਦੁਆਰਾ ਖੁੰਝ ਸਕਦੀਆਂ ਹਨ।

ਹਾਲਾਂਕਿ, ਕਾਰਕ ਨਿਵੇਸ਼ ਦਾ ਇਹ ਨਵਾਂ ਯੁੱਗ ਆਪਣੀਆਂ ਚੁਣੌਤੀਆਂ ਨਾਲ ਵੀ ਆਉਂਦਾ ਹੈ। ਡੇਟਾ ਦਾ ਪ੍ਰਸਾਰ ਡੇਟਾ ਮਾਈਨਿੰਗ ਦੇ ਜੋਖਮ ਨੂੰ ਵਧਾਉਂਦਾ ਹੈ - ਜਾਅਲੀ ਸਬੰਧਾਂ ਨੂੰ ਲੱਭਣਾ ਜੋ ਅਸਲ ਸੰਸਾਰ ਦੀਆਂ ਐਪਲੀਕੇਸ਼ਨਾਂ ਵਿੱਚ ਨਹੀਂ ਰੱਖਦੇ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਮਾਡਲਾਂ ਦੀ ਗੁੰਝਲਦਾਰਤਾ ਉਹਨਾਂ ਦੀ ਵਿਆਖਿਆ ਕਰਨਾ ਮੁਸ਼ਕਲ ਬਣਾ ਸਕਦੀ ਹੈ, ਜਿਸ ਨਾਲ ਨਿਵੇਸ਼ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਪਾਰਦਰਸ਼ਤਾ ਅਤੇ ਵਿਸ਼ਵਾਸ ਦੀ ਕਮੀ ਹੋ ਸਕਦੀ ਹੈ।

ਫੈਕਟਰ ਨਿਵੇਸ਼ ਦਾ ਭਵਿੱਖ

ਕਾਰਕ ਨਿਵੇਸ਼ ਦਾ ਭਵਿੱਖ ਤਰੱਕੀ ਦੇ ਨਾਲ-ਨਾਲ ਚੱਲ ਰਹੇ ਖੋਜਾਂ ਅਤੇ ਨਿਵੇਸ਼ਕ ਦੀਆਂ ਮੰਗਾਂ ਨੂੰ ਬਦਲਣ ਦੁਆਰਾ ਆਕਾਰ ਦਿੱਤੇ ਜਾਣ ਦੀ ਸੰਭਾਵਨਾ ਹੈ। ਕਾਰਕ ਦਹਾਕਿਆਂ ਤੋਂ ਆਧੁਨਿਕ ਪੋਰਟਫੋਲੀਓ ਸਿਧਾਂਤ ਅਤੇ ਪ੍ਰਬੰਧਨ ਦੇ ਕੇਂਦਰ ਵਿੱਚ ਰਹੇ ਹਨ, ਅਤੇ ਜਿਵੇਂ ਕਿ ਪੂੰਜੀ ਬਾਜ਼ਾਰ ਵਿਕਸਿਤ ਹੋਏ ਹਨ, ਉਸੇ ਤਰ੍ਹਾਂ ਕਾਰਕ ਨਿਵੇਸ਼ ਵੀ ਹੈ। ਇਹ ਵਿਕਾਸ ਅਕਾਦਮਿਕ ਸਿਧਾਂਤ ਵਿੱਚ ਤਰੱਕੀ, ਵਧੇਰੇ ਅਤੇ ਬਿਹਤਰ ਡੇਟਾ, ਅਤੇ ਨਿਵੇਸ਼ਕਾਂ ਦੁਆਰਾ ਜੋਖਮ ਅਤੇ ਵਾਪਸੀ ਦੇ ਸਰੋਤਾਂ ਦੀ ਵਧ ਰਹੀ ਸਮਝ ਦੁਆਰਾ ਚਲਾਇਆ ਗਿਆ ਹੈ।

ਫੈਕਟਰ ਨਿਵੇਸ਼ ਕਾਰਨ ਕਾਰਕ ਮਾਡਲਾਂ ਦੁਆਰਾ ਸੰਚਾਲਿਤ ਵਿਭਿੰਨ ਪੋਰਟਫੋਲੀਓ ਦੇ ਵਿਸ਼ੇਸ਼ ਗੁਣਾਂ ਅਤੇ ਗੁਣਾਂ ਦੇ ਆਧਾਰ 'ਤੇ ਵਿਅਕਤੀਗਤ ਸੁਰੱਖਿਆ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਨ ਤੋਂ ਇੱਕ ਤਬਦੀਲੀ ਹੋਈ। ਕਾਰਕ ਨਿਵੇਸ਼ ਦੀ ਸਫਲਤਾ ਦਾ ਕਾਰਨ ਮਜ਼ਬੂਤ ​​ਅਕਾਦਮਿਕ ਸਿਧਾਂਤ, ਸਖ਼ਤ ਅਨੁਭਵੀ ਵਿਸ਼ਲੇਸ਼ਣ, ਅਤੇ ਦਹਾਕਿਆਂ ਦੇ ਨਮੂਨੇ ਦੇ ਪ੍ਰਦਰਸ਼ਨ ਤੋਂ ਬਾਹਰ ਹੈ।

ਕਾਰਕ ਨਿਵੇਸ਼ ਦੀ ਮੌਜੂਦਾ ਸਥਿਤੀ ਸਥਿਰ ਤੋਂ ਬਹੁਤ ਦੂਰ ਹੈ। ਹਾਲਾਂਕਿ ਕੁਝ ਕਾਰਕ, ਜਿਵੇਂ ਕਿ ਮੁੱਲ, ਨੇ ਹਾਲ ਹੀ ਵਿੱਚ ਘੱਟ ਪ੍ਰਦਰਸ਼ਨ ਦੇਖਿਆ ਹੈ, ਸਮੁੱਚੇ ਤੌਰ 'ਤੇ ਕਾਰਕ ਪਹਿਲਾਂ ਵਾਂਗ ਹੀ ਢੁਕਵੇਂ ਰਹਿੰਦੇ ਹਨ। ਮੌਜੂਦਾ ਅਕਾਦਮਿਕ ਅਤੇ ਪ੍ਰੈਕਟੀਸ਼ਨਰ ਖੋਜ ਦਾ ਫੋਕਸ ਕਾਰਕਾਂ ਦੇ ਇੱਕ ਸੰਜੀਦਾ ਸਮੂਹ ਨੂੰ ਸ਼ੁੱਧ ਅਤੇ ਮਜ਼ਬੂਤ ​​ਕਰਨ ਅਤੇ ਵਧੇਰੇ ਕੁਸ਼ਲ ਪੋਰਟਫੋਲੀਓ ਨਿਰਮਾਣ ਪਹੁੰਚਾਂ ਨੂੰ ਵਿਕਸਤ ਕਰਨ 'ਤੇ ਹੈ। ਖੇਤਰ ਦੋ ਪ੍ਰਾਇਮਰੀ ਖੇਤਰਾਂ ਵਿੱਚ ਨਵੀਨਤਾ ਕਰ ਰਿਹਾ ਹੈ: ਨਵੇਂ ਮਾਡਲਿੰਗ ਅਤੇ ਅਰਥ ਗਣਿਤਕ ਪਹੁੰਚਾਂ ਦੀ ਵਰਤੋਂ ਅਤੇ ਵਿਕਲਪਕ ਡੇਟਾ ਸੈੱਟਾਂ ਦੀ ਵਰਤੋਂ।

ਡੇਟਾ ਦੇ ਸੰਦਰਭ ਵਿੱਚ, ਵਿਕਲਪਿਕ ਸੈੱਟ, ਜਿਵੇਂ ਕਿ ਨਿਊਜ਼ ਰਿਪੋਰਟਾਂ, ਉਤਪਾਦ ਸਮੀਖਿਆਵਾਂ, ਨੌਕਰੀ ਦੀਆਂ ਪੋਸਟਿੰਗਾਂ, ਰੈਗੂਲੇਟਰੀ ਫਾਈਲਿੰਗਜ਼, ਕਾਲ ਟ੍ਰਾਂਸਕ੍ਰਿਪਟਾਂ, ਸੈਟੇਲਾਈਟ ਚਿੱਤਰਾਂ, ਅਤੇ ਹੋਰਾਂ ਵਿੱਚ ਪਾਇਆ ਗਿਆ ਗੈਰ-ਸੰਗਠਿਤ ਡੇਟਾ, ਵਧਦੀ ਮਹੱਤਵਪੂਰਨ ਬਣ ਗਏ ਹਨ। ਕੁਦਰਤੀ ਭਾਸ਼ਾ ਪ੍ਰੋਸੈਸਿੰਗ, ਮਸ਼ੀਨ ਸਿਖਲਾਈ, ਨਾਨਲਾਈਨਰ ਮਾਡਲ, ਕਲਾਉਡ ਕੰਪਿਊਟਿੰਗ, ਅਤੇ ਟੈਕਸਟੁਅਲ ਵਿਸ਼ਲੇਸ਼ਣ ਵਰਗੀਆਂ ਤਕਨਾਲੋਜੀਆਂ ਨੂੰ ਇਹਨਾਂ ਡੇਟਾ ਸੈੱਟਾਂ ਤੋਂ ਨਿਵੇਸ਼ ਦੇ ਨਵੇਂ ਵਿਚਾਰਾਂ, ਸਮੱਗਰੀ ਅਤੇ ਥੀਮ ਨੂੰ ਹਾਸਲ ਕਰਨ ਲਈ ਲਗਾਇਆ ਜਾ ਰਿਹਾ ਹੈ। ਇਹਨਾਂ ਸਰੋਤਾਂ ਤੋਂ ਪ੍ਰਾਪਤ ਜਾਣਕਾਰੀ ਸੰਪੱਤੀ ਵੰਡ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਪ੍ਰਭਾਵਤ ਕਰਨਾ ਸ਼ੁਰੂ ਕਰ ਰਹੀ ਹੈ, ਸਰਗਰਮ ਪ੍ਰਬੰਧਨ ਲਈ ਨਵੇਂ ਨਿਵੇਸ਼ ਵਿਚਾਰਾਂ ਅਤੇ ਥੀਮਾਂ ਨੂੰ ਖੋਲ੍ਹ ਰਹੀ ਹੈ

ਸਿੱਟੇ ਵਜੋਂ, ਕਾਰਕ ਨਿਵੇਸ਼ ਦਾ ਵਿਕਾਸ ਨਿਵੇਸ਼ ਖੇਤਰ ਦੀ ਗਤੀਸ਼ੀਲਤਾ ਅਤੇ ਅਨੁਕੂਲਤਾ ਦਾ ਪ੍ਰਮਾਣ ਹੈ। ਅਕਾਦਮਿਕ ਖੋਜ ਵਿੱਚ ਇਸਦੀ ਸ਼ੁਰੂਆਤ ਤੋਂ ਲੈ ਕੇ ਇੱਕ ਆਧੁਨਿਕ, ਡੇਟਾ-ਸੰਚਾਲਿਤ ਪਹੁੰਚ ਦੇ ਰੂਪ ਵਿੱਚ ਇਸਦੇ ਮੌਜੂਦਾ ਅਵਤਾਰ ਤੱਕ, ਫੈਕਟਰ ਨਿਵੇਸ਼ ਬਾਜ਼ਾਰ ਅਤੇ ਨਿਵੇਸ਼ਕਾਂ ਦੀਆਂ ਬਦਲਦੀਆਂ ਜ਼ਰੂਰਤਾਂ ਨੂੰ ਪੂਰਾ ਕਰਨ ਲਈ ਨਿਰੰਤਰ ਵਿਕਸਤ ਹੋਇਆ ਹੈ। ਜਿਵੇਂ ਕਿ ਅਸੀਂ ਅੱਗੇ ਵਧਦੇ ਹਾਂ, ਫੀਲਡ ਦੇ ਕਾਰਕਾਂ ਨੂੰ ਸ਼ੁੱਧ ਕਰਨ ਅਤੇ ਵਧੇਰੇ ਕੁਸ਼ਲ ਪੋਰਟਫੋਲੀਓ ਨਿਰਮਾਣ ਤਕਨੀਕਾਂ ਦੇ ਵਿਕਾਸ 'ਤੇ ਧਿਆਨ ਕੇਂਦ੍ਰਤ ਕਰਦੇ ਹੋਏ, ਨਵੀਨਤਾ ਕਰਨਾ ਜਾਰੀ ਰੱਖਣ ਦੀ ਸੰਭਾਵਨਾ ਹੈ।

ਕਾਰਕ ਨਿਵੇਸ਼ ਬਾਰੇ ਵਧੇਰੇ ਜਾਣਕਾਰੀ ਲਈ, ਕਿਰਪਾ ਕਰਕੇ ਵੇਖੋwww.njfactorbook.com

ਮਿਉਚੁਅਲ ਫੰਡ ਨਿਵੇਸ਼ ਬਜ਼ਾਰ ਦੇ ਜੋਖਮਾਂ ਦੇ ਅਧੀਨ ਹਨ, ਯੋਜਨਾ ਨਾਲ ਸਬੰਧਤ ਸਾਰੇ ਦਸਤਾਵੇਜ਼ਾਂ ਨੂੰ ਧਿਆਨ ਨਾਲ ਪੜ੍ਹੋ।

ফ্যাক্টর ইনভেস্টিং হল একটি বিনিয়োগ পদ্ধতি যা উচ্চ ঝুঁকি-সামঞ্জস্যপূর্ণ রিটার্নের সাথে সম্পর্কিত নির্দিষ্ট পরিমাণগত বৈশিষ্ট্যের উপর ভিত্তি করে সিকিউরিটিজ নির্বাচন করে। গত কয়েক দশক ধরে, এটি বিনিয়োগ বিশ্বে ক্রমবর্ধমান জনপ্রিয় পদ্ধতিতে পরিণত হয়েছে।

সাধারণত, এই বৈশিষ্ট্যগুলি শক্তিশালী অর্থনৈতিক বা আচরণগত যুক্তির উপর ভিত্তি করে। কিছু সাধারণ কারণ হল মান, গুণমান, নিম্ন অস্থিরতা এবং গতিবেগ। প্রতিটি ফ্যাক্টর একাধিক প্যারামিটারের মাধ্যমে প্রকাশ করা যেতে পারে তবে প্রতিটি ফ্যাক্টর একটি অনন্য যুক্তি থেকে তার ঝুঁকি সামঞ্জস্যপূর্ণ রিটার্ন স্বাক্ষর আঁকে।

বছরের পর বছর ধরে, উন্নত প্রযুক্তি, নতুন গবেষণা এবং অত্যাধুনিক ডেটা সেট অন্তর্ভুক্ত করে প্যারামিটারের সংখ্যা বিবর্তিত হয়েছে। এই নিবন্ধটির লক্ষ্য ফ্যাক্টর বিনিয়োগের বিবর্তন অন্বেষণ করা, এর শিকড় সন্ধান করা, প্রধান মাইলফলকগুলি হাইলাইট করা এবং এর বর্তমান অ্যাপ্লিকেশন এবং ভবিষ্যতের সম্ভাবনা নিয়ে আলোচনা করা।

ফ্যাক্টর বিনিয়োগের উত্স

যদিও অনুশীলনে ফ্যাক্টর বিনিয়োগের প্রয়োগ তুলনামূলকভাবে সাম্প্রতিক বলে মনে হতে পারে, ধারণাটির শিকড় রয়েছে 20 শতকের মাঝামাঝি সময়ে একাডেমিক গবেষণায়। 1960 এবং 1970 এর দশকে, গবেষকরা ইক্যুইটি বাজারে ঝুঁকি এবং রিটার্নের মধ্যে সম্পর্ক পরীক্ষা করতে শুরু করেছিলেন। 1960-এর দশকে চারজন শিক্ষাবিদ দ্বারা প্রবর্তিত ক্যাপিটাল অ্যাসেট প্রাইসিং মডেল (সিএপিএম) এই ক্ষেত্রে অগ্রগামী ছিল, পরামর্শ দেয় যে একটি নিরাপত্তার প্রত্যাশিত রিটার্ন প্রাথমিকভাবে এর পদ্ধতিগত ঝুঁকি দ্বারা নির্ধারিত হয়েছিল, বাজারের বিটা-ভিস-এ-ভিস দ্বারা পরিমাপ করা হয়েছিল।

1990-এর দশকে, ইউজিন ফামা এবং কেনেথ ফ্রেঞ্চ বাজার বিটা ছাড়িয়ে ঝুঁকির কারণগুলির ধারণাকে প্রসারিত করেছিলেন। তারা প্রভাবশালী ফামা-ফরাসি থ্রি-ফ্যাক্টর মডেল প্রবর্তন করে, যা বাজারের ফ্যাক্টরের সাথে আকার এবং মূল্যের কারণ যোগ করে। মডেল অনুসারে, ছোট-ক্যাপ স্টক এবং উচ্চ বুক-টু-মার্কেট অনুপাত সহ স্টকগুলি (মূল্য স্টক) ঝুঁকি-সামঞ্জস্য ভিত্তিতে বাজারকে ছাড়িয়ে যায়। এই কাজটি ফ্যাক্টর বিনিয়োগের ক্ষেত্রে একটি উল্লেখযোগ্য উন্নয়ন চিহ্নিত করেছে, কারণ এটি সিএপিএম দ্বারা পরিকল্পিত একক বাজার ফ্যাক্টরের বাইরে ঝুঁকির কারণগুলির মহাবিশ্বকে প্রসারিত করেছে।

ফ্যাক্টর ইউনিভার্স প্রসারিত

ফামা-ফ্রেঞ্চ থ্রি-ফ্যাক্টর মডেলের প্রবর্তনের পর, গবেষকরা সম্ভাব্য বিনিয়োগের কারণগুলির একটি বিস্তৃত অ্যারে সনাক্ত এবং পরীক্ষা করতে শুরু করেন। গুণমান, যা উচ্চ-মানের ব্যবসায়িক ক্রিয়াকলাপগুলিকে ছাড়িয়ে যাওয়ার জন্য স্টকগুলির প্রবণতার উপর নির্ভর করে, এটিও একটি সম্ভাব্য কারণ হিসাবে চিহ্নিত করা হয়েছিল।

একই সাথে, গবেষকরা লক্ষ্য করতে শুরু করেছেন যে কারণগুলি কেবল ইক্যুইটি বাজারের মধ্যে সীমাবদ্ধ ছিল না। উদাহরণ স্বরূপ, বন্ড মার্কেটে টার্ম এবং ক্রেডিট গুরুত্বপূর্ণ ফ্যাক্টর হিসেবে চিহ্নিত করা হয়েছিল। অন্যান্য সম্পদ শ্রেণী, যেমন পণ্য এবং রিয়েল এস্টেট, তাদের রিটার্ন ড্রাইভিং স্বতন্ত্র কারণ আছে পাওয়া গেছে.

স্মার্ট বিটা এবং ফ্যাক্টর ইটিএফের উত্থান

2000-এর দশকের শেষের দিকে এবং 2010-এর দশকের প্রথম দিকে 'স্মার্ট বিটা' কৌশল এবং ফ্যাক্টর ETF-এর উত্থান দেখা যায়। স্মার্ট বিটা কৌশলগুলির লক্ষ্য বিনিয়োগকারীদের নির্দিষ্ট কারণগুলির সংস্পর্শ প্রদান করা, প্রথাগত বিবেচনামূলক সক্রিয় কৌশলগুলি থেকে আলাদা করে এমন একটি নিয়ম-ভিত্তিক পদ্ধতি বজায় রাখার পাশাপাশি প্রথাগত বাজার-ক্যাপ ওজনযুক্ত সূচকগুলিকে ছাড়িয়ে যাওয়ার চেষ্টা করা। এই কৌশলগুলি হয় একটি একক ফ্যাক্টরের উপর ভিত্তি করে বা একটি একক পোর্টফোলিওতে মান, আকার এবং গতির মতো একাধিক কারণকে একত্রিত করে।

ফ্যাক্টর ETF জনগণের জন্য ফ্যাক্টর বিনিয়োগ এনেছে। এই পণ্যগুলি, যা ফ্যাক্টর সূচকগুলি ট্র্যাক করে, স্বতন্ত্র বিনিয়োগকারী এবং আর্থিক উপদেষ্টাদের জন্য তাদের পোর্টফোলিওগুলিতে ফ্যাক্টর কৌশলগুলি অন্তর্ভুক্ত করা সহজ করে তোলে। আজ, ফ্যাক্টর এবং সম্পদ শ্রেণীর বিস্তৃত পরিসরে বিস্তৃত শত শত ফ্যাক্টর ইটিএফ উপলব্ধ।

ডিজিটাল যুগে ফ্যাক্টর ইনভেস্টিং

বিগ ডেটা এবং মেশিন লার্নিংয়ের আবির্ভাব ফ্যাক্টর বিনিয়োগে নতুন সম্ভাবনা নিয়ে এসেছে। বিনিয়োগ সংস্থা এবং গবেষকরা এখন অভিনব কারণগুলি উন্মোচন করতে এবং ফ্যাক্টর পোর্টফোলিওগুলির দক্ষতা উন্নত করতে প্রচুর পরিমাণে ডেটা বিশ্লেষণ করতে পারেন। মেশিন লার্নিং কৌশলগুলি জটিল, অ-রৈখিক সম্পর্ক এবং কারণগুলির মধ্যে মিথস্ক্রিয়া সনাক্ত করতে সাহায্য করতে পারে যা ঐতিহ্যগত পরিসংখ্যান পদ্ধতি দ্বারা মিস হতে পারে।

যাইহোক, ফ্যাক্টর বিনিয়োগের এই নতুন যুগের চ্যালেঞ্জগুলিও আসে। ডেটার বিস্তার ডেটা মাইনিংয়ের ঝুঁকি বাড়ায় - এমন মিথ্যা সম্পর্ক খুঁজে বের করা যা বাস্তব বিশ্বের অ্যাপ্লিকেশনগুলিতে ধরে না। অধিকন্তু, মেশিন লার্নিং মডেলগুলির জটিলতা তাদের ব্যাখ্যা করা কঠিন করে তুলতে পারে, যা বিনিয়োগ প্রক্রিয়ায় স্বচ্ছতা এবং আস্থার অভাবের কারণ হতে পারে।

ফ্যাক্টর বিনিয়োগের ভবিষ্যত

ফ্যাক্টর বিনিয়োগের ভবিষ্যত অগ্রগতির সাথে চলমান গবেষণা এবং বিনিয়োগকারীদের চাহিদা পরিবর্তনের দ্বারা আকৃতির হতে পারে। ফ্যাক্টরগুলি কয়েক দশক ধরে আধুনিক পোর্টফোলিও তত্ত্ব এবং পরিচালনার কেন্দ্রে রয়েছে এবং পুঁজিবাজার যেমন বিকশিত হয়েছে, তেমনি ফ্যাক্টর বিনিয়োগও রয়েছে। এই বিবর্তনটি একাডেমিক তত্ত্বের অগ্রগতি, আরও এবং আরও ভাল ডেটা এবং বিনিয়োগকারীদের দ্বারা ঝুঁকি এবং রিটার্নের উত্সগুলির ক্রমবর্ধমান বোঝার দ্বারা চালিত হয়েছে।

ফ্যাক্টর ইনভেস্টিং ফ্যাক্টর মডেল দ্বারা চালিত বৈচিত্রপূর্ণ পোর্টফোলিওতে তার নির্দিষ্ট যোগ্যতা এবং গুণাবলীর উপর ভিত্তি করে একটি পৃথক নিরাপত্তার উপর ফোকাস করা থেকে একটি পরিবর্তন ঘটায়। ফ্যাক্টর বিনিয়োগের সাফল্যকে শক্তিশালী একাডেমিক তত্ত্ব, কঠোর পরীক্ষামূলক বিশ্লেষণ এবং কয়েক দশক ধরে নমুনা পারফরম্যান্সের বাইরে দায়ী করা যেতে পারে।

ফ্যাক্টর বিনিয়োগের বর্তমান অবস্থা স্থির থেকে অনেক দূরে। যদিও কিছু ফ্যাক্টর, যেমন মান, সাম্প্রতিক কম পারফরম্যান্স দেখেছে, সামগ্রিকভাবে কারণগুলি আগের মতোই প্রাসঙ্গিক রয়েছে। বর্তমান একাডেমিক এবং অনুশীলনকারীদের গবেষণার ফোকাস হল পরিমার্জন এবং ফ্যাক্টরগুলির একটি সমষ্টিকে একত্রিত করা এবং আরও দক্ষ পোর্টফোলিও নির্মাণ পদ্ধতির বিকাশ। ক্ষেত্রটি দুটি প্রাথমিক ক্ষেত্রে উদ্ভাবন করছে: নতুন মডেলিং এবং ইকোনোমেট্রিক পদ্ধতির ব্যবহার এবং বিকল্প ডেটা সেটের ব্যবহার।

ডেটার পরিপ্রেক্ষিতে, বিকল্প সেট, যেমন সংবাদ প্রতিবেদনে পাওয়া অসংগঠিত ডেটা, পণ্য পর্যালোচনা, চাকরির পোস্টিং, নিয়ন্ত্রক ফাইলিং, কল ট্রান্সক্রিপ্ট, স্যাটেলাইট ছবি এবং আরও অনেক কিছু ক্রমবর্ধমান গুরুত্বপূর্ণ হয়ে উঠেছে। প্রাকৃতিক ভাষা প্রক্রিয়াকরণ, মেশিন লার্নিং, ননলাইনার মডেল, ক্লাউড কম্পিউটিং এবং পাঠ্য বিশ্লেষণের মতো প্রযুক্তিগুলি এই ডেটা সেটগুলি থেকে নতুন বিনিয়োগের ধারণা, বিষয়বস্তু এবং থিমগুলি ক্যাপচার করার জন্য নিযুক্ত করা হচ্ছে৷ এই উত্সগুলি থেকে প্রাপ্ত অন্তর্দৃষ্টিগুলি সম্পদ বরাদ্দকরণ প্রক্রিয়াকে প্রভাবিত করতে শুরু করেছে, সক্রিয় ব্যবস্থাপনার জন্য নতুন বিনিয়োগ ধারণা এবং থিম উন্মুক্ত করছে

উপসংহারে, ফ্যাক্টর বিনিয়োগের বিবর্তন বিনিয়োগ ক্ষেত্রের গতিশীলতা এবং অভিযোজনযোগ্যতার একটি প্রমাণ। একাডেমিক গবেষণায় এর উৎপত্তি থেকে শুরু করে একটি পরিশীলিত, ডেটা-চালিত পদ্ধতির বর্তমান অবতার পর্যন্ত, বাজার এবং বিনিয়োগকারীদের পরিবর্তিত চাহিদা মেটাতে ফ্যাক্টর বিনিয়োগ ক্রমাগত বিকশিত হয়েছে। আমরা এগিয়ে যাওয়ার সাথে সাথে ক্ষেত্রটি উদ্ভাবন চালিয়ে যাওয়ার সম্ভাবনা রয়েছে, কারণগুলিকে পরিমার্জন করা এবং আরও দক্ষ পোর্টফোলিও নির্মাণ কৌশল বিকাশের উপর ফোকাস করা।

ফ্যাক্টর বিনিয়োগ সম্পর্কে আরও তথ্যের জন্য, অনুগ্রহ করে দেখুনwww.njfactorbook.com

মিউচুয়াল ফান্ড বিনিয়োগ বাজারের ঝুঁকির সাপেক্ষে, সমস্ত স্কিম সম্পর্কিত নথি সাবধানে পড়ুন।

ఫాక్టర్ ఇన్వెస్టింగ్ అనేది అధిక రిస్క్-సర్దుబాటు చేసిన రాబడితో అనుబంధించబడిన నిర్దిష్ట పరిమాణాత్మక లక్షణాల ఆధారంగా సెక్యూరిటీలను ఎంచుకునే పెట్టుబడి పద్ధతి. గత రెండు దశాబ్దాలుగా, ఇది పెట్టుబడి ప్రపంచంలో మరింత ప్రజాదరణ పొందిన విధానంగా మారింది.

సాధారణంగా, ఈ లక్షణాలు బలమైన ఆర్థిక లేదా ప్రవర్తనా హేతుబద్ధతపై ఆధారపడి ఉంటాయి. కొన్ని సాధారణ కారకాలు విలువ, నాణ్యత, తక్కువ అస్థిరత మరియు మొమెంటం. ప్రతి కారకాన్ని బహుళ పారామితుల ద్వారా వ్యక్తీకరించవచ్చు కానీ ప్రతి అంశం దాని రిస్క్ అడ్జస్ట్ చేయబడిన రిటర్న్ సిగ్నేచర్‌ను ఒక ప్రత్యేక హేతువు నుండి తీసుకుంటుంది.

సంవత్సరాలుగా, అధునాతన సాంకేతికత, కొత్త పరిశోధన మరియు అధునాతన డేటా సెట్‌లను కలుపుతూ పారామితుల సంఖ్య అభివృద్ధి చెందింది. ఈ కథనం కారకం పెట్టుబడి యొక్క పరిణామాన్ని అన్వేషించడం, దాని మూలాలను గుర్తించడం, ప్రధాన మైలురాళ్లను హైలైట్ చేయడం మరియు దాని ప్రస్తుత అనువర్తనాలు మరియు భవిష్యత్తు అవకాశాల గురించి చర్చించడం లక్ష్యంగా పెట్టుకుంది.

ఫాక్టర్ ఇన్వెస్టింగ్ యొక్క మూలాలు

ఆచరణలో కారకం పెట్టుబడి యొక్క అనువర్తనం సాపేక్షంగా ఇటీవలిదిగా అనిపించవచ్చు, ఈ భావన 20వ శతాబ్దం మధ్యకాలం నాటి విద్యా పరిశోధనలో దాని మూలాలను కలిగి ఉంది. 1960లు మరియు 1970లలో, పరిశోధకులు ఈక్విటీ మార్కెట్లలో రిస్క్ మరియు రిటర్న్ మధ్య సంబంధాన్ని పరిశీలించడం ప్రారంభించారు. 1960వ దశకంలో నలుగురు విద్యావేత్తలు ప్రవేశపెట్టిన క్యాపిటల్ అసెట్ ప్రైసింగ్ మోడల్ (CAPM) ఈ ప్రాంతంలో అగ్రగామిగా ఉంది, భద్రత యొక్క ఆశించిన రాబడి ప్రాథమికంగా దాని క్రమబద్ధమైన రిస్క్‌తో నిర్ణయించబడుతుంది, ఇది మార్కెట్‌తో పోలిస్తే దాని బీటా ద్వారా కొలవబడుతుంది.

1990లలో, యూజీన్ ఫామా మరియు కెన్నెత్ ఫ్రెంచ్ మార్కెట్ బీటాకు మించి ప్రమాద కారకాల భావనను విస్తరించారు. వారు ప్రభావవంతమైన ఫామా-ఫ్రెంచ్ త్రీ-ఫాక్టర్ మోడల్‌ను పరిచయం చేశారు, ఇది మార్కెట్ ఫ్యాక్టర్‌కు పరిమాణం మరియు విలువ కారకాలను జోడించింది. మోడల్ ప్రకారం, స్మాల్-క్యాప్ స్టాక్‌లు మరియు అధిక బుక్-టు-మార్కెట్ నిష్పత్తులు (విలువ స్టాక్‌లు) ఉన్న స్టాక్‌లు రిస్క్-సర్దుబాటు ఆధారంగా మార్కెట్‌ను అధిగమిస్తాయి. ఈ పని కారకం పెట్టుబడి రంగంలో గణనీయమైన అభివృద్ధిని గుర్తించింది, ఎందుకంటే ఇది CAPM ద్వారా ఊహించబడిన ఏకైక మార్కెట్ కారకం కంటే ప్రమాద కారకాల విశ్వాన్ని విస్తరించింది.

ఫాక్టర్ విశ్వాన్ని విస్తరించడం

ఫామా-ఫ్రెంచ్ త్రీ-ఫాక్టర్ మోడల్‌ను ప్రవేశపెట్టిన తరువాత, పరిశోధకులు పెట్టుబడి కారకాల యొక్క విస్తృత శ్రేణిని గుర్తించడం మరియు పరీక్షించడం ప్రారంభించారు. అధిక-నాణ్యత వ్యాపార కార్యకలాపాలతో స్టాక్‌లను అధిగమించే ధోరణిపై ఆధారపడే నాణ్యత కూడా సంభావ్య కారకంగా గుర్తించబడింది.

అదే సమయంలో, కారకాలు కేవలం ఈక్విటీ మార్కెట్‌లకు మాత్రమే పరిమితం కాలేదని పరిశోధకులు గమనించడం ప్రారంభించారు. ఉదాహరణకు, బాండ్ మార్కెట్లలో టర్మ్ మరియు క్రెడిట్ ముఖ్యమైన కారకాలుగా గుర్తించబడ్డాయి. వస్తువులు మరియు రియల్ ఎస్టేట్ వంటి ఇతర ఆస్తి తరగతులు కూడా వారి రాబడిని నడిపించే విభిన్న కారకాలను కలిగి ఉన్నట్లు కనుగొనబడింది.

స్మార్ట్ బీటా మరియు ఫాక్టర్ ఇటిఎఫ్‌ల ఆవిర్భావం

2000ల చివరలో మరియు 2010ల ప్రారంభంలో 'స్మార్ట్ బీటా' వ్యూహాలు మరియు ఫ్యాక్టర్ ETFల పెరుగుదల కనిపించింది. స్మార్ట్ బీటా వ్యూహాలు పెట్టుబడిదారులకు నిర్దిష్ట కారకాలకు బహిర్గతం చేయడాన్ని లక్ష్యంగా పెట్టుకుంటాయి, సాంప్రదాయ మార్కెట్ క్యాప్ వెయిటెడ్ సూచీలను అధిగమించడానికి ప్రయత్నిస్తాయి, అదే సమయంలో సంప్రదాయ విచక్షణతో కూడిన క్రియాశీల వ్యూహాల నుండి వారిని వేరు చేసే నియమ-ఆధారిత విధానాన్ని కలిగి ఉంటాయి. ఈ వ్యూహాలు ఒకే అంశంపై ఆధారపడి ఉంటాయి లేదా ఒకే పోర్ట్‌ఫోలియోలో విలువ, పరిమాణం మరియు మొమెంటం వంటి బహుళ కారకాలను మిళితం చేస్తాయి.

ఫ్యాక్టర్ ఇటిఎఫ్‌లు ఫ్యాక్టర్ ఇన్వెస్ట్‌మెంట్‌ను ప్రజల్లోకి తీసుకెళ్లాయి. కారకాల సూచికలను ట్రాక్ చేసే ఈ ఉత్పత్తులు, వ్యక్తిగత పెట్టుబడిదారులు మరియు ఆర్థిక సలహాదారులకు వారి పోర్ట్‌ఫోలియోల్లో ఫ్యాక్టర్ వ్యూహాలను చేర్చడాన్ని సులభతరం చేసింది. నేడు, అనేక రకాల కారకాలు మరియు ఆస్తి తరగతులను విస్తరించి, వందలాది ఫాక్టర్ ఇటిఎఫ్‌లు అందుబాటులో ఉన్నాయి.

డిజిటల్ యుగంలో పెట్టుబడి పెట్టే అంశం

పెద్ద డేటా మరియు మెషిన్ లెర్నింగ్ యొక్క ఆగమనం ఫ్యాక్టర్ ఇన్వెస్టింగ్‌లో కొత్త అవకాశాలను తీసుకొచ్చింది. ఇన్వెస్ట్‌మెంట్ సంస్థలు మరియు పరిశోధకులు ఇప్పుడు కొత్త అంశాలను వెలికితీసేందుకు మరియు ఫ్యాక్టర్ పోర్ట్‌ఫోలియోల సామర్థ్యాన్ని మెరుగుపరచడానికి విస్తారమైన డేటాను విశ్లేషించవచ్చు. సాంప్రదాయ గణాంక పద్ధతుల ద్వారా తప్పిపోయే కారకాల మధ్య సంక్లిష్టమైన, నాన్-లీనియర్ సంబంధాలు మరియు పరస్పర చర్యలను గుర్తించడంలో యంత్ర అభ్యాస పద్ధతులు సహాయపడతాయి.

అయితే, ఫ్యాక్టర్ ఇన్వెస్టింగ్ యొక్క ఈ కొత్త యుగం దాని సవాళ్లతో కూడా వస్తుంది. డేటా యొక్క విస్తరణ డేటా మైనింగ్ ప్రమాదాన్ని పెంచుతుంది - వాస్తవ ప్రపంచ అనువర్తనాల్లో లేని నకిలీ సంబంధాలను కనుగొనడం. అంతేకాకుండా, యంత్ర అభ్యాస నమూనాల సంక్లిష్టత వాటిని అర్థం చేసుకోవడం కష్టతరం చేస్తుంది, ఇది పెట్టుబడి ప్రక్రియలో పారదర్శకత మరియు నమ్మకం లేకపోవడానికి దారితీస్తుంది.

ఫాక్టర్ ఇన్వెస్టింగ్ యొక్క భవిష్యత్తు

ఫాక్టర్ ఇన్వెస్టింగ్ యొక్క భవిష్యత్తు పురోగతితో పాటు కొనసాగుతున్న పరిశోధనలు మరియు పెట్టుబడిదారుల డిమాండ్లను మార్చడం ద్వారా రూపొందించబడుతుంది. దశాబ్దాలుగా ఆధునిక పోర్ట్‌ఫోలియో సిద్ధాంతం మరియు నిర్వహణలో కారకాలు కేంద్రంగా ఉన్నాయి మరియు మూలధన మార్కెట్లు అభివృద్ధి చెందినందున, కారకాల పెట్టుబడి కూడా ఉంది. ఈ పరిణామం అకడమిక్ థియరీలో పురోగతి, మరింత మెరుగైన డేటా మరియు పెట్టుబడిదారులచే రిస్క్ మరియు రిటర్న్ యొక్క మూలాల యొక్క పెరుగుతున్న గ్రహణశక్తి ద్వారా నడపబడింది.

ఫ్యాక్టర్ ఇన్వెస్టింగ్ అనేది ఒక వ్యక్తి భద్రతపై దృష్టి సారించడం నుండి దాని నిర్దిష్ట మెరిట్‌లు మరియు ఫ్యాక్టర్ మోడల్‌ల ద్వారా నడిచే విభిన్న పోర్ట్‌ఫోలియోలకు సంబంధించిన లక్షణాలపై దృష్టి పెట్టడానికి కారణమైంది. ఫ్యాక్టర్ ఇన్వెస్టింగ్ యొక్క విజయానికి బలమైన విద్యా సిద్ధాంతం, కఠినమైన అనుభావిక విశ్లేషణ మరియు దశాబ్దాలుగా నమూనా పనితీరుకు కారణమని చెప్పవచ్చు.

ఫ్యాక్టర్ ఇన్వెస్టింగ్ యొక్క ప్రస్తుత స్థితి స్థిరంగా లేదు. విలువ వంటి కొన్ని కారకాలు ఇటీవలి పనితీరు తక్కువగా ఉన్నప్పటికీ, మొత్తంగా కారకాలు ఎప్పటిలాగే సంబంధితంగా ఉంటాయి. ప్రస్తుత అకడమిక్ మరియు ప్రాక్టీషనర్ రీసెర్చ్ యొక్క దృష్టి సారవంతమైన కారకాల సమితిని మెరుగుపరచడం మరియు ఏకీకృతం చేయడం మరియు మరింత సమర్థవంతమైన పోర్ట్‌ఫోలియో నిర్మాణ విధానాలను అభివృద్ధి చేయడం. ఈ ఫీల్డ్ రెండు ప్రాథమిక రంగాలలో నూతనత్వాన్ని కలిగి ఉంది: కొత్త మోడలింగ్ మరియు ఎకనోమెట్రిక్ విధానాల ఉపయోగం మరియు ప్రత్యామ్నాయ డేటా సెట్‌ల ఉపయోగం.

డేటా పరంగా, వార్తా నివేదికలు, ఉత్పత్తి సమీక్షలు, జాబ్ పోస్టింగ్‌లు, రెగ్యులేటరీ ఫైలింగ్‌లు, కాల్ ట్రాన్‌స్క్రిప్ట్‌లు, ఉపగ్రహ చిత్రాలు మరియు మరిన్నింటిలో కనిపించే నిర్మాణాత్మక డేటా వంటి ప్రత్యామ్నాయ సెట్‌లు చాలా ముఖ్యమైనవిగా మారాయి. ఈ డేటా సెట్ల నుండి కొత్త పెట్టుబడి ఆలోచనలు, కంటెంట్ మరియు థీమ్‌లను సంగ్రహించడానికి సహజ భాషా ప్రాసెసింగ్, మెషిన్ లెర్నింగ్, నాన్‌లీనియర్ మోడల్స్, క్లౌడ్ కంప్యూటింగ్ మరియు టెక్స్ట్యువల్ అనాలిసిస్ వంటి సాంకేతికతలు ఉపయోగించబడుతున్నాయి. ఈ మూలాల నుండి పొందిన అంతర్దృష్టులు ఆస్తి కేటాయింపు ప్రక్రియను ప్రభావితం చేయడం ప్రారంభించాయి, క్రియాశీల నిర్వహణ కోసం కొత్త పెట్టుబడి ఆలోచనలు మరియు థీమ్‌లను తెరుస్తాయి

ముగింపులో, కారకం పెట్టుబడి యొక్క పరిణామం పెట్టుబడి రంగం యొక్క చైతన్యం మరియు అనుకూలతకు నిదర్శనం. అకడమిక్ రీసెర్చ్‌లో దాని మూలాల నుండి అధునాతనమైన, డేటా-ఆధారిత విధానంగా ప్రస్తుత అవతారం వరకు, మార్కెట్ మరియు పెట్టుబడిదారుల మారుతున్న అవసరాలను తీర్చడానికి ఫ్యాక్టర్ ఇన్వెస్టింగ్ నిరంతరం అభివృద్ధి చెందుతోంది. మేము ముందుకు సాగుతున్నప్పుడు, ఫీల్డ్ ఇన్నోవేట్‌ను కొనసాగించే అవకాశం ఉంది, కారకాలను మెరుగుపరచడం మరియు మరింత సమర్థవంతమైన పోర్ట్‌ఫోలియో నిర్మాణ సాంకేతికతలను అభివృద్ధి చేయడంపై దృష్టి సారిస్తుంది.

ఫ్యాక్టర్ ఇన్వెస్టింగ్ గురించి మరింత సమాచారం కోసం, దయచేసి సందర్శించండిwww.njfactorbook.com

మ్యూచువల్ ఫండ్ పెట్టుబడులు మార్కెట్ రిస్క్‌లకు లోబడి ఉంటాయి, అన్ని స్కీమ్ సంబంధిత పత్రాలను జాగ్రత్తగా చదవండి.

காரணி முதலீடு என்பது ஒரு முதலீட்டு முறையாகும், இது அதிக ஆபத்து-சரிசெய்யப்பட்ட வருமானத்துடன் தொடர்புடைய சில அளவிடக்கூடிய பண்புகளின் அடிப்படையில் பத்திரங்களைத் தேர்ந்தெடுக்கிறது. கடந்த இரண்டு தசாப்தங்களாக, இது முதலீட்டு உலகில் பெருகிய முறையில் பிரபலமான அணுகுமுறையாக மாறியுள்ளது.

பொதுவாக, இந்தப் பண்புக்கூறுகள் வலுவான பொருளாதார அல்லது நடத்தை பகுத்தறிவை அடிப்படையாகக் கொண்டவை. மதிப்பு, தரம், குறைந்த நிலையற்ற தன்மை மற்றும் உந்தம் ஆகியவை பொதுவான காரணிகளில் சில. ஒவ்வொரு காரணியும் பல அளவுருக்கள் மூலம் வெளிப்படுத்தப்படலாம், ஆனால் ஒவ்வொரு காரணியும் அதன் ஆபத்து சரிசெய்யப்பட்ட கையொப்பத்தை ஒரு தனித்துவமான பகுத்தறிவிலிருந்து பெறுகிறது.

பல ஆண்டுகளாக, மேம்பட்ட தொழில்நுட்பம், புதிய ஆராய்ச்சி மற்றும் அதிநவீன தரவுத் தொகுப்புகளை உள்ளடக்கிய அளவுருக்களின் எண்ணிக்கை உருவாகியுள்ளது. இந்த கட்டுரை காரணி முதலீட்டின் பரிணாமத்தை ஆராய்வது, அதன் வேர்களைக் கண்டறிதல், முக்கிய மைல்கற்களை முன்னிலைப்படுத்துதல் மற்றும் அதன் தற்போதைய பயன்பாடுகள் மற்றும் எதிர்கால வாய்ப்புகளைப் பற்றி விவாதிப்பதை நோக்கமாகக் கொண்டுள்ளது.

காரணி முதலீட்டின் தோற்றம்

நடைமுறையில் காரணி முதலீட்டின் பயன்பாடு ஒப்பீட்டளவில் சமீபத்தியதாகத் தோன்றினாலும், இந்த கருத்து 20 ஆம் நூற்றாண்டின் நடுப்பகுதியில் இருந்து கல்வி ஆராய்ச்சியில் அதன் வேர்களைக் கொண்டுள்ளது. 1960கள் மற்றும் 1970களில், பங்குச் சந்தைகளில் ஆபத்துக்கும் வருமானத்திற்கும் இடையிலான உறவை ஆராய்ச்சியாளர்கள் ஆராயத் தொடங்கினர். 1960 களில் நான்கு கல்வியாளர்களால் அறிமுகப்படுத்தப்பட்ட மூலதன சொத்து விலை மாதிரி (CAPM) இந்த பகுதியில் முன்னோடியாக இருந்தது, பாதுகாப்பின் எதிர்பார்க்கப்படும் வருமானம் முதன்மையாக அதன் முறையான அபாயத்தால் தீர்மானிக்கப்படுகிறது, இது சந்தைக்கு எதிரான அதன் பீட்டாவால் அளவிடப்படுகிறது.

1990 களில், யூஜின் ஃபாமா மற்றும் கென்னத் பிரெஞ்ச் சந்தை பீட்டாவிற்கு அப்பால் ஆபத்து காரணிகளின் கருத்தை விரிவுபடுத்தினர். அவர்கள் செல்வாக்குமிக்க ஃபாமா-பிரெஞ்சு மூன்று-காரணி மாதிரியை அறிமுகப்படுத்தினர், இது சந்தை காரணிக்கு அளவு மற்றும் மதிப்பு காரணிகளைச் சேர்த்தது. மாதிரியின் படி, ஸ்மால்-கேப் பங்குகள் மற்றும் அதிக புத்தக-சந்தை விகிதங்களைக் கொண்ட பங்குகள் (மதிப்பு பங்குகள்) ஆபத்து-சரிசெய்யப்பட்ட அடிப்படையில் சந்தையை விஞ்சும். இந்த வேலை காரணி முதலீட்டுத் துறையில் குறிப்பிடத்தக்க வளர்ச்சியைக் குறிக்கிறது, ஏனெனில் இது CAPM ஆல் திட்டமிடப்பட்ட ஒற்றை சந்தை காரணிக்கு அப்பால் ஆபத்து காரணிகளின் பிரபஞ்சத்தை விரிவுபடுத்தியது.

காரணி பிரபஞ்சத்தை விரிவுபடுத்துதல்

ஃபாமா-பிரெஞ்சு மூன்று காரணி மாதிரியின் அறிமுகத்தைத் தொடர்ந்து, ஆராய்ச்சியாளர்கள் சாத்தியமான முதலீட்டு காரணிகளின் பரந்த வரிசையை அடையாளம் கண்டு சோதிக்கத் தொடங்கினர். உயர்தர வணிகச் செயல்பாடுகளைக் கொண்ட பங்குகளின் போக்கைச் சார்ந்து செயல்படும் தரம், ஒரு சாத்தியமான காரணியாகவும் அடையாளம் காணப்பட்டது.

அதே நேரத்தில், காரணிகள் பங்குச் சந்தைகளுக்கு மட்டும் மட்டுப்படுத்தப்படவில்லை என்பதை ஆராய்ச்சியாளர்கள் கவனிக்கத் தொடங்கினர். எடுத்துக்காட்டாக, பத்திரச் சந்தைகளில் கால மற்றும் கடன் முக்கிய காரணிகளாக அடையாளம் காணப்பட்டன. சரக்குகள் மற்றும் ரியல் எஸ்டேட் போன்ற பிற சொத்து வகுப்புகளும் அவற்றின் வருவாயை இயக்கும் தனித்துவமான காரணிகளைக் கொண்டிருப்பது கண்டறியப்பட்டது.

ஸ்மார்ட் பீட்டா மற்றும் காரணி ப.ப.வ.நிதிகளின் தோற்றம்

2000களின் பிற்பகுதியிலும் 2010களின் முற்பகுதியிலும் 'ஸ்மார்ட் பீட்டா' உத்திகள் மற்றும் காரணி ப.ப.வ.நிதிகளின் எழுச்சியைக் கண்டது. ஸ்மார்ட் பீட்டா உத்திகள் முதலீட்டாளர்களுக்கு குறிப்பிட்ட காரணிகளை வெளிப்படுத்துவதை நோக்கமாகக் கொண்டுள்ளன, பாரம்பரிய மார்க்கெட்-கேப் எடையுள்ள குறியீடுகளை விஞ்சும் அதே வேளையில், பாரம்பரிய விருப்பமான செயலில் உள்ள உத்திகளிலிருந்து வேறுபடும் விதி அடிப்படையிலான அணுகுமுறையைத் தக்கவைத்துக்கொள்ள முயற்சிக்கிறது. இந்த உத்திகள் ஒரு காரணியை அடிப்படையாகக் கொண்டவை அல்லது ஒரே போர்ட்ஃபோலியோவில் மதிப்பு, அளவு மற்றும் வேகம் போன்ற பல காரணிகளை இணைக்கின்றன.

காரணி ப.ப.வ.நிதிகள் காரணி முதலீட்டை மக்களிடம் கொண்டு வந்தன. காரணி குறியீடுகளைக் கண்காணிக்கும் இந்தத் தயாரிப்புகள், தனிப்பட்ட முதலீட்டாளர்கள் மற்றும் நிதி ஆலோசகர்கள் தங்கள் போர்ட்ஃபோலியோக்களில் காரணி உத்திகளை இணைத்துக்கொள்வதை எளிதாக்கியது. இன்று, நூற்றுக்கணக்கான காரணி ப.ப.வ.நிதிகள் கிடைக்கின்றன, அவை பலதரப்பட்ட காரணிகள் மற்றும் சொத்து வகுப்புகளைக் கொண்டுள்ளன.

டிஜிட்டல் யுகத்தில் முதலீடு செய்யும் காரணி

பெரிய தரவு மற்றும் இயந்திர கற்றலின் வருகை காரணி முதலீட்டில் புதிய சாத்தியங்களைக் கொண்டு வந்துள்ளது. முதலீட்டு நிறுவனங்கள் மற்றும் ஆராய்ச்சியாளர்கள் இப்போது புதிய காரணிகளைக் கண்டறியவும் காரணி இலாகாக்களின் செயல்திறனை மேம்படுத்தவும் பரந்த அளவிலான தரவுகளை பகுப்பாய்வு செய்யலாம். இயந்திர கற்றல் நுட்பங்கள் சிக்கலான, நேரியல் அல்லாத உறவுகள் மற்றும் பாரம்பரிய புள்ளியியல் முறைகளால் தவறவிடக்கூடிய காரணிகளுக்கிடையேயான தொடர்புகளை அடையாளம் காண உதவும்.

இருப்பினும், காரணி முதலீட்டின் இந்த புதிய சகாப்தமும் அதன் சவால்களுடன் வருகிறது. தரவுகளின் பெருக்கம் தரவுச் செயலாக்கத்தின் அபாயத்தை அதிகரிக்கிறது - நிஜ உலகப் பயன்பாடுகளில் இல்லாத போலியான உறவுகளைக் கண்டறிதல். மேலும், இயந்திரக் கற்றல் மாதிரிகளின் சிக்கலான தன்மை, அவற்றைப் புரிந்துகொள்வதை கடினமாக்குகிறது, இது முதலீட்டுச் செயல்பாட்டில் வெளிப்படைத்தன்மை மற்றும் நம்பிக்கையின் பற்றாக்குறைக்கு வழிவகுக்கும்.

காரணி முதலீட்டின் எதிர்காலம்

காரணி முதலீட்டின் எதிர்காலம் முன்னேற்றங்கள் மற்றும் முதலீட்டாளர் கோரிக்கைகளை மாற்றுவதன் மூலம் தொடர்ந்து ஆராய்ச்சி மூலம் வடிவமைக்கப்படலாம். பல தசாப்தங்களாக நவீன போர்ட்ஃபோலியோ கோட்பாடு மற்றும் நிர்வாகத்தின் மையத்தில் காரணிகள் உள்ளன, மேலும் மூலதனச் சந்தைகள் உருவாகியுள்ளதால், காரணி முதலீடும் உள்ளது. இந்த பரிணாமம் கல்விக் கோட்பாட்டின் முன்னேற்றங்கள், மேலும் மேலும் சிறந்த தரவு மற்றும் முதலீட்டாளர்களின் ஆபத்து மற்றும் வருமானத்தின் ஆதாரங்களின் வளர்ந்து வரும் புரிதல் ஆகியவற்றால் இயக்கப்படுகிறது.

காரணி முதலீடு என்பது ஒரு தனிப்பட்ட பாதுகாப்பில் கவனம் செலுத்துவதிலிருந்து அதன் குறிப்பிட்ட தகுதிகள் மற்றும் காரணி மாதிரிகளால் இயக்கப்படும் பன்முகப்படுத்தப்பட்ட போர்ட்ஃபோலியோக்களுக்கான பண்புகளின் அடிப்படையில் மாற்றத்தை ஏற்படுத்தியது. காரணி முதலீட்டின் வெற்றிக்கு வலுவான கல்விக் கோட்பாடு, கடுமையான அனுபவ பகுப்பாய்வு மற்றும் பல தசாப்தங்களாக மாதிரி செயல்திறன் காரணமாக இருக்கலாம்.

காரணி முதலீட்டின் தற்போதைய நிலை நிலையானது அல்ல. மதிப்பு போன்ற சில காரணிகள் சமீபத்திய குறைவான செயல்திறனைக் கண்டாலும், ஒட்டுமொத்த காரணிகளும் எப்போதும் போலவே தொடர்புடையதாகவே இருக்கின்றன. தற்போதைய கல்வி மற்றும் பயிற்சியாளர் ஆராய்ச்சியின் கவனம், ஒரு பாகுபடுத்தும் காரணிகளை செம்மைப்படுத்துதல் மற்றும் ஒருங்கிணைத்தல் மற்றும் மிகவும் திறமையான போர்ட்ஃபோலியோ கட்டுமான அணுகுமுறைகளை உருவாக்குதல் ஆகும். புதிய மாடலிங் மற்றும் பொருளாதார அளவீட்டு அணுகுமுறைகளின் பயன்பாடு மற்றும் மாற்று தரவுத் தொகுப்புகளின் பயன்பாடு ஆகிய இரண்டு முதன்மைப் பகுதிகளில் இந்தத் துறை புதுமைகளை உருவாக்குகிறது.

தரவைப் பொறுத்தவரை, செய்தி அறிக்கைகள், தயாரிப்பு மதிப்புரைகள், வேலை இடுகைகள், ஒழுங்குமுறை தாக்கல்கள், அழைப்பு டிரான்ஸ்கிரிப்டுகள், செயற்கைக்கோள் படங்கள் மற்றும் பலவற்றில் காணப்படும் கட்டமைக்கப்படாத தரவு போன்ற மாற்றுத் தொகுப்புகள் பெருகிய முறையில் முக்கியத்துவம் பெற்றுள்ளன. இயற்கை மொழி செயலாக்கம், இயந்திர கற்றல், நேரியல் அல்லாத மாதிரிகள், கிளவுட் கம்ப்யூட்டிங் மற்றும் உரை பகுப்பாய்வு போன்ற தொழில்நுட்பங்கள் இந்தத் தரவுத் தொகுப்புகளிலிருந்து புதிய முதலீட்டு யோசனைகள், உள்ளடக்கம் மற்றும் கருப்பொருள்களைப் பிடிக்கப் பயன்படுத்தப்படுகின்றன. இந்த மூலங்களிலிருந்து பெறப்பட்ட நுண்ணறிவு சொத்து ஒதுக்கீடு செயல்முறையை பாதிக்கத் தொடங்கியுள்ளது, புதிய முதலீட்டு யோசனைகள் மற்றும் செயலில் நிர்வாகத்திற்கான கருப்பொருள்களைத் திறக்கிறது.

முடிவில், காரணி முதலீட்டின் பரிணாமம் முதலீட்டுத் துறையின் சுறுசுறுப்பு மற்றும் தகவமைப்புத் தன்மைக்கு ஒரு சான்றாகும். கல்வி ஆராய்ச்சியில் அதன் தோற்றம் முதல் அதிநவீன, தரவு சார்ந்த அணுகுமுறையாக அதன் தற்போதைய அவதாரம் வரை, சந்தை மற்றும் முதலீட்டாளர்களின் மாறிவரும் தேவைகளைப் பூர்த்தி செய்ய காரணி முதலீடு தொடர்ந்து உருவாகி வருகிறது. நாம் முன்னோக்கிச் செல்லும்போது, ​​காரணிகளைச் செம்மைப்படுத்துதல் மற்றும் மிகவும் திறமையான போர்ட்ஃபோலியோ கட்டுமான நுட்பங்களை மேம்படுத்துதல் ஆகியவற்றில் கவனம் செலுத்துவதன் மூலம் இந்தத் துறை புதுமைகளைத் தொடர வாய்ப்புள்ளது.

காரணி முதலீடு பற்றிய கூடுதல் தகவலுக்கு, தயவுசெய்து பார்வையிடவும்www.njfactorbook.com

மியூச்சுவல் ஃபண்ட் முதலீடுகள் சந்தை அபாயங்களுக்கு உட்பட்டவை, திட்டம் தொடர்பான அனைத்து ஆவணங்களையும் கவனமாக படிக்கவும்.

ಫ್ಯಾಕ್ಟರ್ ಹೂಡಿಕೆಯು ಹೂಡಿಕೆಯ ವಿಧಾನವಾಗಿದ್ದು ಅದು ಹೆಚ್ಚಿನ ಅಪಾಯ-ಹೊಂದಾಣಿಕೆಯ ಆದಾಯದೊಂದಿಗೆ ಸಂಬಂಧಿಸಿದ ಕೆಲವು ಪರಿಮಾಣಾತ್ಮಕ ಗುಣಲಕ್ಷಣಗಳ ಆಧಾರದ ಮೇಲೆ ಸೆಕ್ಯುರಿಟಿಗಳನ್ನು ಆಯ್ಕೆಮಾಡುತ್ತದೆ. ಕಳೆದ ಎರಡು ದಶಕಗಳಲ್ಲಿ, ಹೂಡಿಕೆ ಜಗತ್ತಿನಲ್ಲಿ ಇದು ಹೆಚ್ಚು ಜನಪ್ರಿಯ ವಿಧಾನವಾಗಿದೆ.

ವಿಶಿಷ್ಟವಾಗಿ, ಈ ಗುಣಲಕ್ಷಣಗಳು ದೃಢವಾದ ಆರ್ಥಿಕ ಅಥವಾ ನಡವಳಿಕೆಯ ತಾರ್ಕಿಕತೆಯನ್ನು ಆಧರಿಸಿವೆ. ಕೆಲವು ಸಾಮಾನ್ಯ ಅಂಶಗಳೆಂದರೆ ಮೌಲ್ಯ, ಗುಣಮಟ್ಟ, ಕಡಿಮೆ ಚಂಚಲತೆ ಮತ್ತು ಮೊಮೆಂಟಮ್. ಪ್ರತಿಯೊಂದು ಅಂಶವನ್ನು ಬಹು ನಿಯತಾಂಕಗಳ ಮೂಲಕ ವ್ಯಕ್ತಪಡಿಸಬಹುದು ಆದರೆ ಪ್ರತಿ ಅಂಶವು ಅದರ ಅಪಾಯದ ಹೊಂದಾಣಿಕೆಯ ರಿಟರ್ನ್ ಸಹಿಯನ್ನು ವಿಶಿಷ್ಟ ತಾರ್ಕಿಕತೆಯಿಂದ ಸೆಳೆಯುತ್ತದೆ.

ವರ್ಷಗಳಲ್ಲಿ, ಸುಧಾರಿತ ತಂತ್ರಜ್ಞಾನ, ಹೊಸ ಸಂಶೋಧನೆ ಮತ್ತು ಅತ್ಯಾಧುನಿಕ ಡೇಟಾ ಸೆಟ್‌ಗಳನ್ನು ಒಳಗೊಂಡಿರುವ ನಿಯತಾಂಕಗಳ ಸಂಖ್ಯೆಯು ವಿಕಸನಗೊಂಡಿದೆ. ಈ ಲೇಖನವು ಅಂಶ ಹೂಡಿಕೆಯ ವಿಕಸನವನ್ನು ಅನ್ವೇಷಿಸಲು ಗುರಿಯನ್ನು ಹೊಂದಿದೆ, ಅದರ ಬೇರುಗಳನ್ನು ಪತ್ತೆಹಚ್ಚುವುದು, ಪ್ರಮುಖ ಮೈಲಿಗಲ್ಲುಗಳನ್ನು ಹೈಲೈಟ್ ಮಾಡುವುದು ಮತ್ತು ಅದರ ಪ್ರಸ್ತುತ ಅಪ್ಲಿಕೇಶನ್‌ಗಳು ಮತ್ತು ಭವಿಷ್ಯದ ಭವಿಷ್ಯವನ್ನು ಚರ್ಚಿಸುವುದು.

ಅಂಶ ಹೂಡಿಕೆಯ ಮೂಲಗಳು

ಪ್ರಾಯೋಗಿಕವಾಗಿ ಹೂಡಿಕೆ ಮಾಡುವ ಅಂಶದ ಅನ್ವಯವು ತುಲನಾತ್ಮಕವಾಗಿ ಇತ್ತೀಚಿನದು ಎಂದು ತೋರುತ್ತದೆಯಾದರೂ, ಪರಿಕಲ್ಪನೆಯು 20 ನೇ ಶತಮಾನದ ಮಧ್ಯಭಾಗದಲ್ಲಿ ಶೈಕ್ಷಣಿಕ ಸಂಶೋಧನೆಯಲ್ಲಿ ತನ್ನ ಬೇರುಗಳನ್ನು ಹೊಂದಿದೆ. 1960 ಮತ್ತು 1970 ರ ದಶಕದಲ್ಲಿ, ಸಂಶೋಧಕರು ಈಕ್ವಿಟಿ ಮಾರುಕಟ್ಟೆಗಳಲ್ಲಿ ಅಪಾಯ ಮತ್ತು ಆದಾಯದ ನಡುವಿನ ಸಂಬಂಧವನ್ನು ಪರೀಕ್ಷಿಸಲು ಪ್ರಾರಂಭಿಸಿದರು. 1960 ರ ದಶಕದಲ್ಲಿ ನಾಲ್ಕು ಶಿಕ್ಷಣ ತಜ್ಞರು ಪರಿಚಯಿಸಿದ ಕ್ಯಾಪಿಟಲ್ ಅಸೆಟ್ ಪ್ರೈಸಿಂಗ್ ಮಾಡೆಲ್ (CAPM) ಈ ಪ್ರದೇಶದಲ್ಲಿ ಪ್ರವರ್ತಕವಾಗಿದೆ, ಭದ್ರತೆಯ ನಿರೀಕ್ಷಿತ ಆದಾಯವನ್ನು ಪ್ರಾಥಮಿಕವಾಗಿ ಅದರ ವ್ಯವಸ್ಥಿತ ಅಪಾಯದಿಂದ ನಿರ್ಧರಿಸಲಾಗುತ್ತದೆ ಎಂದು ಸೂಚಿಸುತ್ತದೆ, ಅದರ ಬೀಟಾ ವಿಸ್-ಎ-ವಿಸ್ ಮಾರುಕಟ್ಟೆಯಿಂದ ಅಳೆಯಲಾಗುತ್ತದೆ.

1990 ರ ದಶಕದಲ್ಲಿ, ಯುಜೀನ್ ಫಾಮಾ ಮತ್ತು ಕೆನ್ನೆತ್ ಫ್ರೆಂಚ್ ಮಾರುಕಟ್ಟೆ ಬೀಟಾವನ್ನು ಮೀರಿ ಅಪಾಯಕಾರಿ ಅಂಶಗಳ ಪರಿಕಲ್ಪನೆಯನ್ನು ವಿಸ್ತರಿಸಿದರು. ಅವರು ಪ್ರಭಾವಿ ಫಾಮಾ-ಫ್ರೆಂಚ್ ತ್ರೀ-ಫ್ಯಾಕ್ಟರ್ ಮಾದರಿಯನ್ನು ಪರಿಚಯಿಸಿದರು, ಇದು ಮಾರುಕಟ್ಟೆ ಅಂಶಕ್ಕೆ ಗಾತ್ರ ಮತ್ತು ಮೌಲ್ಯದ ಅಂಶಗಳನ್ನು ಸೇರಿಸಿತು. ಮಾದರಿಯ ಪ್ರಕಾರ, ಸ್ಮಾಲ್-ಕ್ಯಾಪ್ ಸ್ಟಾಕ್‌ಗಳು ಮತ್ತು ಹೆಚ್ಚಿನ ಬುಕ್-ಟು-ಮಾರುಕಟ್ಟೆ ಅನುಪಾತಗಳನ್ನು ಹೊಂದಿರುವ ಷೇರುಗಳು (ಮೌಲ್ಯ ಸ್ಟಾಕ್‌ಗಳು) ಅಪಾಯ-ಹೊಂದಾಣಿಕೆಯ ಆಧಾರದ ಮೇಲೆ ಮಾರುಕಟ್ಟೆಯನ್ನು ಮೀರಿಸುತ್ತವೆ. ಈ ಕೆಲಸವು ಫ್ಯಾಕ್ಟರ್ ಹೂಡಿಕೆಯ ಕ್ಷೇತ್ರದಲ್ಲಿ ಗಮನಾರ್ಹ ಬೆಳವಣಿಗೆಯನ್ನು ಗುರುತಿಸಿದೆ, ಏಕೆಂದರೆ ಇದು CAPM ನಿಂದ ಕಲ್ಪಿಸಲ್ಪಟ್ಟ ಏಕೈಕ ಮಾರುಕಟ್ಟೆ ಅಂಶವನ್ನು ಮೀರಿ ಅಪಾಯಕಾರಿ ಅಂಶಗಳ ವಿಶ್ವವನ್ನು ವಿಸ್ತರಿಸಿತು.

ಫ್ಯಾಕ್ಟರ್ ಯೂನಿವರ್ಸ್ ಅನ್ನು ವಿಸ್ತರಿಸುವುದು

ಫಾಮಾ-ಫ್ರೆಂಚ್ ತ್ರೀ-ಫ್ಯಾಕ್ಟರ್ ಮಾದರಿಯ ಪರಿಚಯದ ನಂತರ, ಸಂಶೋಧಕರು ಸಂಭಾವ್ಯ ಹೂಡಿಕೆ ಅಂಶಗಳ ವ್ಯಾಪಕ ಶ್ರೇಣಿಯನ್ನು ಗುರುತಿಸಲು ಮತ್ತು ಪರೀಕ್ಷಿಸಲು ಪ್ರಾರಂಭಿಸಿದರು. ಉತ್ತಮ ಗುಣಮಟ್ಟದ ವ್ಯಾಪಾರ ಕಾರ್ಯಾಚರಣೆಗಳೊಂದಿಗೆ ಸ್ಟಾಕ್‌ಗಳ ಪ್ರವೃತ್ತಿಯನ್ನು ಅವಲಂಬಿಸಿರುವ ಗುಣಮಟ್ಟವನ್ನು ಸಹ ಸಂಭಾವ್ಯ ಅಂಶವಾಗಿ ಗುರುತಿಸಲಾಗಿದೆ.

ಅದೇ ಸಮಯದಲ್ಲಿ, ಅಂಶಗಳು ಕೇವಲ ಇಕ್ವಿಟಿ ಮಾರುಕಟ್ಟೆಗಳಿಗೆ ಸೀಮಿತವಾಗಿಲ್ಲ ಎಂದು ಸಂಶೋಧಕರು ಗಮನಿಸಲಾರಂಭಿಸಿದರು. ಉದಾಹರಣೆಗೆ, ಬಾಂಡ್ ಮಾರುಕಟ್ಟೆಗಳಲ್ಲಿ ಟರ್ಮ್ ಮತ್ತು ಕ್ರೆಡಿಟ್ ಅನ್ನು ಪ್ರಮುಖ ಅಂಶಗಳಾಗಿ ಗುರುತಿಸಲಾಗಿದೆ. ಸರಕುಗಳು ಮತ್ತು ರಿಯಲ್ ಎಸ್ಟೇಟ್‌ನಂತಹ ಇತರ ಆಸ್ತಿ ವರ್ಗಗಳು ಸಹ ತಮ್ಮ ಆದಾಯವನ್ನು ಹೆಚ್ಚಿಸುವ ವಿಭಿನ್ನ ಅಂಶಗಳನ್ನು ಹೊಂದಿವೆ ಎಂದು ಕಂಡುಬಂದಿದೆ.

ಸ್ಮಾರ್ಟ್ ಬೀಟಾ ಮತ್ತು ಫ್ಯಾಕ್ಟರ್ ಇಟಿಎಫ್‌ಗಳ ಹೊರಹೊಮ್ಮುವಿಕೆ

2000 ರ ದಶಕದ ಕೊನೆಯಲ್ಲಿ ಮತ್ತು 2010 ರ ದಶಕದ ಆರಂಭದಲ್ಲಿ 'ಸ್ಮಾರ್ಟ್ ಬೀಟಾ' ತಂತ್ರಗಳು ಮತ್ತು ಫ್ಯಾಕ್ಟರ್ ಇಟಿಎಫ್‌ಗಳ ಏರಿಕೆ ಕಂಡಿತು. ಸ್ಮಾರ್ಟ್ ಬೀಟಾ ತಂತ್ರಗಳು ಹೂಡಿಕೆದಾರರಿಗೆ ನಿರ್ದಿಷ್ಟ ಅಂಶಗಳಿಗೆ ಒಡ್ಡಿಕೊಳ್ಳುವುದನ್ನು ಒದಗಿಸುವ ಗುರಿಯನ್ನು ಹೊಂದಿವೆ, ಸಾಂಪ್ರದಾಯಿಕ ಮಾರುಕಟ್ಟೆ-ಕ್ಯಾಪ್ ತೂಕದ ಸೂಚ್ಯಂಕಗಳನ್ನು ಮೀರಿಸಲು ಪ್ರಯತ್ನಿಸುತ್ತವೆ ಮತ್ತು ಸಾಂಪ್ರದಾಯಿಕ ವಿವೇಚನೆಯ ಸಕ್ರಿಯ ಕಾರ್ಯತಂತ್ರಗಳಿಂದ ಅವುಗಳನ್ನು ಪ್ರತ್ಯೇಕಿಸುವ ನಿಯಮ-ಆಧಾರಿತ ವಿಧಾನವನ್ನು ಉಳಿಸಿಕೊಳ್ಳುತ್ತವೆ. ಈ ತಂತ್ರಗಳು ಒಂದೇ ಅಂಶವನ್ನು ಆಧರಿಸಿವೆ ಅಥವಾ ಒಂದೇ ಪೋರ್ಟ್‌ಫೋಲಿಯೊದಲ್ಲಿ ಮೌಲ್ಯ, ಗಾತ್ರ ಮತ್ತು ಆವೇಗದಂತಹ ಬಹು ಅಂಶಗಳನ್ನು ಸಂಯೋಜಿಸುತ್ತವೆ.

ಫ್ಯಾಕ್ಟರ್ ಇಟಿಎಫ್‌ಗಳು ಫ್ಯಾಕ್ಟರ್ ಹೂಡಿಕೆಯನ್ನು ಜನಸಾಮಾನ್ಯರಿಗೆ ತಂದವು. ಫ್ಯಾಕ್ಟರ್ ಸೂಚ್ಯಂಕಗಳನ್ನು ಟ್ರ್ಯಾಕ್ ಮಾಡುವ ಈ ಉತ್ಪನ್ನಗಳು, ವೈಯಕ್ತಿಕ ಹೂಡಿಕೆದಾರರು ಮತ್ತು ಹಣಕಾಸು ಸಲಹೆಗಾರರಿಗೆ ಫ್ಯಾಕ್ಟರ್ ತಂತ್ರಗಳನ್ನು ತಮ್ಮ ಪೋರ್ಟ್‌ಫೋಲಿಯೊಗಳಲ್ಲಿ ಅಳವಡಿಸಲು ಸುಲಭಗೊಳಿಸಿದವು. ಇಂದು, ನೂರಾರು ಫ್ಯಾಕ್ಟರ್ ಇಟಿಎಫ್‌ಗಳು ಲಭ್ಯವಿವೆ, ವ್ಯಾಪಕ ಶ್ರೇಣಿಯ ಅಂಶಗಳು ಮತ್ತು ಆಸ್ತಿ ವರ್ಗಗಳನ್ನು ವ್ಯಾಪಿಸಿದೆ.

ಡಿಜಿಟಲ್ ಯುಗದಲ್ಲಿ ಹೂಡಿಕೆ ಮಾಡುವ ಅಂಶ

ದೊಡ್ಡ ಡೇಟಾ ಮತ್ತು ಯಂತ್ರ ಕಲಿಕೆಯ ಆಗಮನವು ಅಂಶ ಹೂಡಿಕೆಯಲ್ಲಿ ಹೊಸ ಸಾಧ್ಯತೆಗಳನ್ನು ತಂದಿದೆ. ಹೂಡಿಕೆ ಸಂಸ್ಥೆಗಳು ಮತ್ತು ಸಂಶೋಧಕರು ಈಗ ಹೊಸ ಅಂಶಗಳನ್ನು ಬಹಿರಂಗಪಡಿಸಲು ಮತ್ತು ಫ್ಯಾಕ್ಟರ್ ಪೋರ್ಟ್ಫೋಲಿಯೊಗಳ ದಕ್ಷತೆಯನ್ನು ಸುಧಾರಿಸಲು ಹೆಚ್ಚಿನ ಪ್ರಮಾಣದ ಡೇಟಾವನ್ನು ವಿಶ್ಲೇಷಿಸಬಹುದು. ಸಾಂಪ್ರದಾಯಿಕ ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ವಿಧಾನಗಳಿಂದ ತಪ್ಪಿಸಿಕೊಳ್ಳಬಹುದಾದ ಅಂಶಗಳ ನಡುವಿನ ಸಂಕೀರ್ಣ, ರೇಖಾತ್ಮಕವಲ್ಲದ ಸಂಬಂಧಗಳು ಮತ್ತು ಪರಸ್ಪರ ಕ್ರಿಯೆಗಳನ್ನು ಗುರುತಿಸಲು ಯಂತ್ರ ಕಲಿಕೆಯ ತಂತ್ರಗಳು ಸಹಾಯ ಮಾಡುತ್ತವೆ.

ಆದಾಗ್ಯೂ, ಅಂಶ ಹೂಡಿಕೆಯ ಈ ಹೊಸ ಯುಗವು ಅದರ ಸವಾಲುಗಳೊಂದಿಗೆ ಬರುತ್ತದೆ. ಡೇಟಾದ ಪ್ರಸರಣವು ದತ್ತಾಂಶ ಗಣಿಗಾರಿಕೆಯ ಅಪಾಯವನ್ನು ಹೆಚ್ಚಿಸುತ್ತದೆ - ನೈಜ ಪ್ರಪಂಚದ ಅಪ್ಲಿಕೇಶನ್‌ಗಳಲ್ಲಿ ಹಿಡಿದಿಟ್ಟುಕೊಳ್ಳದ ನಕಲಿ ಸಂಬಂಧಗಳನ್ನು ಕಂಡುಹಿಡಿಯುವುದು. ಇದಲ್ಲದೆ, ಯಂತ್ರ ಕಲಿಕೆಯ ಮಾದರಿಗಳ ಸಂಕೀರ್ಣತೆಯು ಅವುಗಳನ್ನು ಅರ್ಥೈಸಲು ಕಷ್ಟಕರವಾಗಿಸುತ್ತದೆ, ಇದು ಹೂಡಿಕೆ ಪ್ರಕ್ರಿಯೆಯಲ್ಲಿ ಪಾರದರ್ಶಕತೆ ಮತ್ತು ನಂಬಿಕೆಯ ಕೊರತೆಗೆ ಕಾರಣವಾಗಬಹುದು.

ದಿ ಫ್ಯೂಚರ್ ಆಫ್ ಫ್ಯಾಕ್ಟರ್ ಇನ್ವೆಸ್ಟಿಂಗ್

ಅಂಶ ಹೂಡಿಕೆಯ ಭವಿಷ್ಯವು ಪ್ರಗತಿಗಳ ಜೊತೆಗೆ ನಡೆಯುತ್ತಿರುವ ಸಂಶೋಧನೆ ಮತ್ತು ಹೂಡಿಕೆದಾರರ ಬೇಡಿಕೆಗಳನ್ನು ಬದಲಾಯಿಸುವ ಮೂಲಕ ರೂಪಿಸಲ್ಪಡುತ್ತದೆ. ಅಂಶಗಳು ದಶಕಗಳಿಂದ ಆಧುನಿಕ ಬಂಡವಾಳ ಸಿದ್ಧಾಂತ ಮತ್ತು ನಿರ್ವಹಣೆಯ ಕೇಂದ್ರದಲ್ಲಿವೆ, ಮತ್ತು ಬಂಡವಾಳ ಮಾರುಕಟ್ಟೆಗಳು ವಿಕಸನಗೊಂಡಂತೆ, ಅಂಶ ಹೂಡಿಕೆ ಕೂಡ ಇದೆ. ಈ ವಿಕಸನವು ಶೈಕ್ಷಣಿಕ ಸಿದ್ಧಾಂತದಲ್ಲಿನ ಪ್ರಗತಿಗಳು, ಹೆಚ್ಚು ಹೆಚ್ಚು ಉತ್ತಮವಾದ ಡೇಟಾ ಮತ್ತು ಹೂಡಿಕೆದಾರರಿಂದ ಅಪಾಯ ಮತ್ತು ಲಾಭದ ಮೂಲಗಳ ಬೆಳೆಯುತ್ತಿರುವ ಗ್ರಹಿಕೆಯಿಂದ ನಡೆಸಲ್ಪಟ್ಟಿದೆ.

ಫ್ಯಾಕ್ಟರ್ ಮಾಡೆಲ್‌ಗಳಿಂದ ನಡೆಸಲ್ಪಡುವ ವೈವಿಧ್ಯಮಯ ಪೋರ್ಟ್‌ಫೋಲಿಯೊಗಳಿಗೆ ಅದರ ನಿರ್ದಿಷ್ಟ ಅರ್ಹತೆಗಳು ಮತ್ತು ಗುಣಲಕ್ಷಣಗಳ ಆಧಾರದ ಮೇಲೆ ವೈಯಕ್ತಿಕ ಭದ್ರತೆಯ ಮೇಲೆ ಕೇಂದ್ರೀಕರಿಸುವ ಬದಲಾವಣೆಯನ್ನು ಫ್ಯಾಕ್ಟರ್ ಹೂಡಿಕೆಯು ಉಂಟುಮಾಡಿತು. ಅಂಶದ ಹೂಡಿಕೆಯ ಯಶಸ್ಸನ್ನು ಬಲವಾದ ಶೈಕ್ಷಣಿಕ ಸಿದ್ಧಾಂತ, ಕಠಿಣ ಪ್ರಾಯೋಗಿಕ ವಿಶ್ಲೇಷಣೆ ಮತ್ತು ದಶಕಗಳಿಂದ ಮಾದರಿ ಕಾರ್ಯಕ್ಷಮತೆಗೆ ಕಾರಣವೆಂದು ಹೇಳಬಹುದು.

ಅಂಶ ಹೂಡಿಕೆಯ ಪ್ರಸ್ತುತ ಸ್ಥಿತಿಯು ಸ್ಥಿರತೆಯಿಂದ ದೂರವಿದೆ. ಮೌಲ್ಯದಂತಹ ಕೆಲವು ಅಂಶಗಳು ಇತ್ತೀಚಿನ ಕಳಪೆ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಕಂಡಿದ್ದರೂ, ಒಟ್ಟಾರೆಯಾಗಿ ಅಂಶಗಳು ಎಂದಿನಂತೆ ಪ್ರಸ್ತುತವಾಗಿವೆ. ಪ್ರಸ್ತುತ ಶೈಕ್ಷಣಿಕ ಮತ್ತು ಅಭ್ಯಾಸಕಾರರ ಸಂಶೋಧನೆಯ ಗಮನವು ಅಂಶಗಳನ್ನು ಪರಿಷ್ಕರಿಸುವುದು ಮತ್ತು ಕ್ರೋಢೀಕರಿಸುವುದು ಮತ್ತು ಹೆಚ್ಚು ಪರಿಣಾಮಕಾರಿ ಪೋರ್ಟ್‌ಫೋಲಿಯೊ ನಿರ್ಮಾಣ ವಿಧಾನಗಳನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸುವುದು. ಕ್ಷೇತ್ರವು ಎರಡು ಪ್ರಾಥಮಿಕ ಕ್ಷೇತ್ರಗಳಲ್ಲಿ ನಾವೀನ್ಯತೆಯನ್ನು ಹೊಂದಿದೆ: ಹೊಸ ಮಾಡೆಲಿಂಗ್ ಮತ್ತು ಇಕೊನೊಮೆಟ್ರಿಕ್ ವಿಧಾನಗಳ ಬಳಕೆ ಮತ್ತು ಪರ್ಯಾಯ ಡೇಟಾ ಸೆಟ್‌ಗಳ ಬಳಕೆ.

ಡೇಟಾದ ವಿಷಯದಲ್ಲಿ, ಸುದ್ದಿ ವರದಿಗಳು, ಉತ್ಪನ್ನ ವಿಮರ್ಶೆಗಳು, ಉದ್ಯೋಗ ಪೋಸ್ಟಿಂಗ್‌ಗಳು, ನಿಯಂತ್ರಕ ಫೈಲಿಂಗ್‌ಗಳು, ಕರೆ ಪ್ರತಿಗಳು, ಉಪಗ್ರಹ ಚಿತ್ರಗಳು ಮತ್ತು ಹೆಚ್ಚಿನವುಗಳಲ್ಲಿ ಕಂಡುಬರುವ ರಚನೆಯಿಲ್ಲದ ಡೇಟಾದಂತಹ ಪರ್ಯಾಯ ಸೆಟ್‌ಗಳು ಹೆಚ್ಚು ಪ್ರಾಮುಖ್ಯತೆಯನ್ನು ಪಡೆದಿವೆ. ನೈಸರ್ಗಿಕ ಭಾಷಾ ಸಂಸ್ಕರಣೆ, ಯಂತ್ರ ಕಲಿಕೆ, ರೇಖಾತ್ಮಕವಲ್ಲದ ಮಾದರಿಗಳು, ಕ್ಲೌಡ್ ಕಂಪ್ಯೂಟಿಂಗ್ ಮತ್ತು ಪಠ್ಯ ವಿಶ್ಲೇಷಣೆಯಂತಹ ತಂತ್ರಜ್ಞಾನಗಳನ್ನು ಈ ಡೇಟಾ ಸೆಟ್‌ಗಳಿಂದ ಹೊಸ ಹೂಡಿಕೆ ಕಲ್ಪನೆಗಳು, ವಿಷಯ ಮತ್ತು ಥೀಮ್‌ಗಳನ್ನು ಸೆರೆಹಿಡಿಯಲು ಬಳಸಿಕೊಳ್ಳಲಾಗುತ್ತಿದೆ. ಈ ಮೂಲಗಳಿಂದ ಪಡೆದ ಒಳನೋಟಗಳು ಸ್ವತ್ತು ಹಂಚಿಕೆ ಪ್ರಕ್ರಿಯೆಯ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರಲು ಪ್ರಾರಂಭಿಸಿವೆ, ಸಕ್ರಿಯ ನಿರ್ವಹಣೆಗಾಗಿ ಹೊಸ ಹೂಡಿಕೆ ಕಲ್ಪನೆಗಳು ಮತ್ತು ಥೀಮ್‌ಗಳನ್ನು ತೆರೆಯುತ್ತದೆ

ಕೊನೆಯಲ್ಲಿ, ಅಂಶ ಹೂಡಿಕೆಯ ವಿಕಸನವು ಹೂಡಿಕೆ ಕ್ಷೇತ್ರದ ಕ್ರಿಯಾಶೀಲತೆ ಮತ್ತು ಹೊಂದಿಕೊಳ್ಳುವಿಕೆಗೆ ಸಾಕ್ಷಿಯಾಗಿದೆ. ಶೈಕ್ಷಣಿಕ ಸಂಶೋಧನೆಯಲ್ಲಿ ಅದರ ಮೂಲದಿಂದ ಅತ್ಯಾಧುನಿಕ, ಡೇಟಾ-ಚಾಲಿತ ವಿಧಾನವಾಗಿ ಅದರ ಪ್ರಸ್ತುತ ಅವತಾರಕ್ಕೆ, ಮಾರುಕಟ್ಟೆ ಮತ್ತು ಹೂಡಿಕೆದಾರರ ಬದಲಾಗುತ್ತಿರುವ ಅಗತ್ಯಗಳನ್ನು ಪೂರೈಸಲು ಅಂಶ ಹೂಡಿಕೆಯು ನಿರಂತರವಾಗಿ ವಿಕಸನಗೊಂಡಿದೆ. ನಾವು ಮುಂದುವರಿಯುತ್ತಿದ್ದಂತೆ, ಕ್ಷೇತ್ರವು ಹೊಸತನವನ್ನು ಮುಂದುವರೆಸುವ ಸಾಧ್ಯತೆಯಿದೆ, ಪರಿಷ್ಕರಿಸುವ ಅಂಶಗಳನ್ನು ಮತ್ತು ಹೆಚ್ಚು ಪರಿಣಾಮಕಾರಿ ಪೋರ್ಟ್‌ಫೋಲಿಯೊ ನಿರ್ಮಾಣ ತಂತ್ರಗಳನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸುವುದರ ಮೇಲೆ ಕೇಂದ್ರೀಕರಿಸುತ್ತದೆ.

ಅಂಶ ಹೂಡಿಕೆಯ ಕುರಿತು ಹೆಚ್ಚಿನ ಮಾಹಿತಿಗಾಗಿ, ದಯವಿಟ್ಟು ಭೇಟಿ ನೀಡಿwww.njfactorbook.com

ಮ್ಯೂಚುವಲ್ ಫಂಡ್ ಹೂಡಿಕೆಗಳು ಮಾರುಕಟ್ಟೆ ಅಪಾಯಗಳಿಗೆ ಒಳಪಟ್ಟಿರುತ್ತವೆ, ಎಲ್ಲಾ ಯೋಜನೆಗೆ ಸಂಬಂಧಿಸಿದ ದಾಖಲೆಗಳನ್ನು ಎಚ್ಚರಿಕೆಯಿಂದ ಓದಿ.

ഉയർന്ന റിസ്ക് അഡ്ജസ്റ്റ് ചെയ്ത റിട്ടേണുമായി ബന്ധപ്പെട്ട ചില ക്വാണ്ടിഫൈയബിൾ ആട്രിബ്യൂട്ടുകളെ അടിസ്ഥാനമാക്കി സെക്യൂരിറ്റികൾ തിരഞ്ഞെടുക്കുന്ന ഒരു നിക്ഷേപ രീതിയാണ് ഫാക്ടർ നിക്ഷേപം. കഴിഞ്ഞ രണ്ട് പതിറ്റാണ്ടുകളായി, നിക്ഷേപ ലോകത്ത് ഇത് കൂടുതൽ ജനപ്രിയമായ ഒരു സമീപനമായി മാറിയിരിക്കുന്നു.

സാധാരണഗതിയിൽ, ഈ ആട്രിബ്യൂട്ടുകൾ ശക്തമായ സാമ്പത്തിക അല്ലെങ്കിൽ പെരുമാറ്റപരമായ യുക്തിയെ അടിസ്ഥാനമാക്കിയുള്ളതാണ്. മൂല്യം, ഗുണമേന്മ, കുറഞ്ഞ അസ്ഥിരത, ആക്കം എന്നിവയാണ് പൊതുവായ ചില ഘടകങ്ങൾ. ഓരോ ഘടകങ്ങളും ഒന്നിലധികം പാരാമീറ്ററുകളിലൂടെ പ്രകടിപ്പിക്കാൻ കഴിയും, എന്നാൽ ഓരോ ഘടകവും അതിന്റെ റിസ്ക് അഡ്ജസ്റ്റ് ചെയ്ത റിട്ടേൺ സിഗ്നേച്ചർ ഒരു അദ്വിതീയ യുക്തിയിൽ നിന്ന് ആകർഷിക്കുന്നു.

കാലക്രമേണ, നൂതന സാങ്കേതികവിദ്യ, പുതിയ ഗവേഷണം, സങ്കീർണ്ണമായ ഡാറ്റാ സെറ്റുകൾ എന്നിവ ഉൾപ്പെടുത്തിക്കൊണ്ട് പാരാമീറ്ററുകളുടെ എണ്ണം വികസിച്ചു. ഫാക്ടർ നിക്ഷേപത്തിന്റെ പരിണാമം പര്യവേക്ഷണം ചെയ്യുക, അതിന്റെ വേരുകൾ കണ്ടെത്തുക, പ്രധാന നാഴികക്കല്ലുകൾ ഉയർത്തിക്കാട്ടുക, അതിന്റെ നിലവിലെ ആപ്ലിക്കേഷനുകളും ഭാവി സാധ്യതകളും ചർച്ച ചെയ്യുക എന്നിവയാണ് ഈ ലേഖനം ലക്ഷ്യമിടുന്നത്.

ഫാക്ടർ നിക്ഷേപത്തിന്റെ ഉത്ഭവം

പ്രയോഗത്തിൽ ഫാക്ടർ നിക്ഷേപത്തിന്റെ പ്രയോഗം താരതമ്യേന സമീപകാലമാണെന്ന് തോന്നുമെങ്കിലും, ഇരുപതാം നൂറ്റാണ്ടിന്റെ മദ്ധ്യത്തോടെയുള്ള അക്കാദമിക് ഗവേഷണത്തിൽ ഈ ആശയത്തിന് വേരുകളുണ്ട്. 1960 കളിലും 1970 കളിലും, ഇക്വിറ്റി മാർക്കറ്റുകളിലെ അപകടസാധ്യതയും റിട്ടേണും തമ്മിലുള്ള ബന്ധം ഗവേഷകർ പരിശോധിക്കാൻ തുടങ്ങി. 1960-കളിൽ നാല് അക്കാദമിക് വിദഗ്ധർ അവതരിപ്പിച്ച ക്യാപിറ്റൽ അസറ്റ് പ്രൈസിംഗ് മോഡൽ (CAPM) ഈ മേഖലയിൽ പയനിയറിംഗ് നടത്തി, ഒരു സെക്യൂരിറ്റിയുടെ പ്രതീക്ഷിക്കുന്ന വരുമാനം പ്രാഥമികമായി നിർണ്ണയിക്കുന്നത് അതിന്റെ വ്യവസ്ഥാപിതമായ അപകടസാധ്യതയാണ്, ഇത് വിപണിയിലെ ബീറ്റയെ അടിസ്ഥാനമാക്കിയുള്ളതാണ്.

1990-കളിൽ, യൂജിൻ ഫാമയും കെന്നത്ത് ഫ്രഞ്ചും മാർക്കറ്റ് ബീറ്റയ്ക്കപ്പുറം അപകടസാധ്യത ഘടകങ്ങളെക്കുറിച്ചുള്ള ആശയം വിപുലീകരിച്ചു. അവർ സ്വാധീനമുള്ള ഫാമ-ഫ്രഞ്ച് ത്രീ-ഫാക്ടർ മോഡൽ അവതരിപ്പിച്ചു, അത് വിപണി ഘടകത്തിലേക്ക് വലുപ്പവും മൂല്യ ഘടകങ്ങളും ചേർത്തു. മോഡൽ അനുസരിച്ച്, സ്മോൾ ക്യാപ് സ്റ്റോക്കുകളും ഉയർന്ന ബുക്ക്-ടു-മാർക്കറ്റ് അനുപാതമുള്ള സ്റ്റോക്കുകളും (മൂല്യം സ്റ്റോക്കുകൾ) റിസ്ക്-അഡ്ജസ്റ്റ് ചെയ്ത അടിസ്ഥാനത്തിൽ വിപണിയെ മറികടക്കുന്നു. CAPM വിഭാവനം ചെയ്യുന്ന ഏക മാർക്കറ്റ് ഘടകത്തിനപ്പുറം അപകടസാധ്യത ഘടകങ്ങളുടെ പ്രപഞ്ചത്തെ വികസിപ്പിച്ചതിനാൽ ഈ കൃതി ഫാക്ടർ നിക്ഷേപ മേഖലയിൽ ഒരു സുപ്രധാന വികസനം അടയാളപ്പെടുത്തി.

ഫാക്ടർ പ്രപഞ്ചത്തെ വിശാലമാക്കുന്നു

ഫാമ-ഫ്രഞ്ച് ത്രീ-ഫാക്ടർ മോഡലിന്റെ ആമുഖത്തെത്തുടർന്ന്, ഗവേഷകർ നിക്ഷേപ സാധ്യതകളുടെ വിശാലമായ ശ്രേണിയെ തിരിച്ചറിയാനും പരിശോധിക്കാനും തുടങ്ങി. ഉയർന്ന നിലവാരമുള്ള ബിസിനസ്സ് പ്രവർത്തനങ്ങളുള്ള സ്റ്റോക്കുകളുടെ പ്രവണതയെ ആശ്രയിക്കുന്ന ഗുണനിലവാരം, ഒരു സാധ്യതയുള്ള ഘടകമായി തിരിച്ചറിഞ്ഞു.

അതേ സമയം, ഘടകങ്ങൾ ഇക്വിറ്റി മാർക്കറ്റുകളിൽ മാത്രം ഒതുങ്ങുന്നില്ല എന്ന് ഗവേഷകർ ശ്രദ്ധിക്കാൻ തുടങ്ങി. ഉദാഹരണത്തിന്, ബോണ്ട് മാർക്കറ്റിലെ പ്രധാന ഘടകങ്ങളായി കാലാവധിയും ക്രെഡിറ്റും തിരിച്ചറിഞ്ഞു. ചരക്കുകൾ, റിയൽ എസ്റ്റേറ്റ് തുടങ്ങിയ മറ്റ് അസറ്റ് ക്ലാസുകൾക്കും അവരുടെ വരുമാനത്തെ പ്രേരിപ്പിക്കുന്ന വ്യത്യസ്ത ഘടകങ്ങൾ ഉണ്ടെന്ന് കണ്ടെത്തി.

സ്മാർട്ട് ബീറ്റയുടെയും ഫാക്ടർ ഇടിഎഫുകളുടെയും ആവിർഭാവം

2000-കളുടെ അവസാനത്തിലും 2010-കളുടെ തുടക്കത്തിലും 'സ്മാർട്ട് ബീറ്റ' തന്ത്രങ്ങളുടെയും ഫാക്ടർ ഇടിഎഫുകളുടെയും ഉയർച്ച കണ്ടു. പരമ്പരാഗത വിവേചനാധികാരമുള്ള സജീവ തന്ത്രങ്ങളിൽ നിന്ന് അവരെ വേർതിരിക്കുന്ന ഒരു റൂൾ-അധിഷ്ഠിത സമീപനം നിലനിർത്തിക്കൊണ്ട്, പരമ്പരാഗത മാർക്കറ്റ് ക്യാപ് വെയ്റ്റഡ് സൂചികകളെ മറികടക്കാൻ ശ്രമിക്കുന്ന, നിർദ്ദിഷ്ട ഘടകങ്ങളിലേക്ക് നിക്ഷേപകർക്ക് എക്സ്പോഷർ നൽകാനാണ് സ്മാർട്ട് ബീറ്റ തന്ത്രങ്ങൾ ലക്ഷ്യമിടുന്നത്. ഈ തന്ത്രങ്ങൾ ഒന്നുകിൽ ഒരൊറ്റ ഘടകത്തെ അടിസ്ഥാനമാക്കിയുള്ളതാണ് അല്ലെങ്കിൽ ഒരൊറ്റ പോർട്ട്‌ഫോളിയോയിൽ മൂല്യം, വലുപ്പം, ആക്കം എന്നിവ പോലുള്ള ഒന്നിലധികം ഘടകങ്ങൾ സംയോജിപ്പിക്കുന്നു.

ഫാക്ടർ ഇടിഎഫുകൾ ഫാക്ടർ നിക്ഷേപം ജനങ്ങളിലേക്ക് എത്തിച്ചു. ഫാക്ടർ സൂചികകൾ ട്രാക്ക് ചെയ്യുന്ന ഈ ഉൽപ്പന്നങ്ങൾ, വ്യക്തിഗത നിക്ഷേപകർക്കും സാമ്പത്തിക ഉപദേഷ്ടാക്കൾക്കും അവരുടെ പോർട്ട്ഫോളിയോകളിൽ ഫാക്ടർ സ്ട്രാറ്റജികൾ ഉൾപ്പെടുത്തുന്നത് എളുപ്പമാക്കി. ഇന്ന്, നൂറുകണക്കിന് ഫാക്ടർ ഇടിഎഫുകൾ ലഭ്യമാണ്, വിവിധ ഘടകങ്ങളും അസറ്റ് ക്ലാസുകളും വ്യാപിച്ചുകിടക്കുന്നു.

ഡിജിറ്റൽ യുഗത്തിലെ നിക്ഷേപത്തിന്റെ ഘടകം

ബിഗ് ഡാറ്റയുടെയും മെഷീൻ ലേണിംഗിന്റെയും വരവ് ഫാക്ടർ നിക്ഷേപത്തിൽ പുതിയ സാധ്യതകൾ കൊണ്ടുവന്നു. പുതിയ ഘടകങ്ങൾ കണ്ടെത്തുന്നതിനും ഫാക്ടർ പോർട്ട്‌ഫോളിയോകളുടെ കാര്യക്ഷമത മെച്ചപ്പെടുത്തുന്നതിനും നിക്ഷേപ സ്ഥാപനങ്ങൾക്കും ഗവേഷകർക്കും ഇപ്പോൾ വലിയ അളവിലുള്ള ഡാറ്റ വിശകലനം ചെയ്യാൻ കഴിയും. പരമ്പരാഗത സ്ഥിതിവിവരക്കണക്ക് രീതികൾ വഴി തെറ്റിയേക്കാവുന്ന ഘടകങ്ങൾ തമ്മിലുള്ള സങ്കീർണ്ണവും രേഖീയമല്ലാത്തതുമായ ബന്ധങ്ങളും ഇടപെടലുകളും തിരിച്ചറിയാൻ മെഷീൻ ലേണിംഗ് ടെക്നിക്കുകൾക്ക് കഴിയും.

എന്നിരുന്നാലും, ഫാക്ടർ നിക്ഷേപത്തിന്റെ ഈ പുതിയ യുഗവും അതിന്റെ വെല്ലുവിളികൾക്കൊപ്പം വരുന്നു. ഡാറ്റയുടെ വ്യാപനം ഡാറ്റ മൈനിംഗിന്റെ അപകടസാധ്യത വർദ്ധിപ്പിക്കുന്നു - യഥാർത്ഥ ലോക ആപ്ലിക്കേഷനുകളിൽ നിലനിൽക്കാത്ത വ്യാജ ബന്ധങ്ങൾ കണ്ടെത്തുന്നു. മാത്രമല്ല, മെഷീൻ ലേണിംഗ് മോഡലുകളുടെ സങ്കീർണ്ണത അവയെ വ്യാഖ്യാനിക്കാൻ പ്രയാസകരമാക്കും, ഇത് നിക്ഷേപ പ്രക്രിയയിൽ സുതാര്യതയുടെയും വിശ്വാസത്തിന്റെയും അഭാവത്തിലേക്ക് നയിച്ചേക്കാം.

ഫാക്ടർ നിക്ഷേപത്തിന്റെ ഭാവി

ഫാക്‌ടർ നിക്ഷേപത്തിന്റെ ഭാവി രൂപപ്പെടുത്തുന്നത് പുരോഗതിയ്‌ക്കൊപ്പം നടന്നുകൊണ്ടിരിക്കുന്ന ഗവേഷണത്തിലൂടെയും നിക്ഷേപകരുടെ ആവശ്യങ്ങൾ മാറ്റുന്നതിലൂടെയും രൂപപ്പെടുത്താൻ സാധ്യതയുണ്ട്. പതിറ്റാണ്ടുകളായി ആധുനിക പോർട്ട്ഫോളിയോ സിദ്ധാന്തത്തിന്റെയും മാനേജ്മെന്റിന്റെയും കേന്ദ്രബിന്ദുവാണ് ഘടകങ്ങൾ, മൂലധന വിപണികൾ വികസിച്ചതനുസരിച്ച്, ഫാക്ടർ നിക്ഷേപവും. അക്കാദമിക് സിദ്ധാന്തത്തിലെ പുരോഗതി, കൂടുതൽ മെച്ചപ്പെട്ട ഡാറ്റ, നിക്ഷേപകരുടെ അപകടസാധ്യതയുടെയും ആദായത്തിന്റെയും ഉറവിടങ്ങളെക്കുറിച്ചുള്ള വർദ്ധിച്ചുവരുന്ന ഗ്രാഹ്യവുമാണ് ഈ പരിണാമത്തിന് കാരണമായത്.

ഫാക്ടർ മോഡലുകളാൽ നയിക്കപ്പെടുന്ന വൈവിധ്യമാർന്ന പോർട്ട്‌ഫോളിയോകളിലേക്കുള്ള നിർദ്ദിഷ്ട മെറിറ്റുകളും ആട്രിബ്യൂട്ടുകളും അടിസ്ഥാനമാക്കി ഒരു വ്യക്തിഗത സുരക്ഷയിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നതിൽ നിന്ന് ഫാക്ടർ നിക്ഷേപം ഒരു മാറ്റത്തിന് കാരണമായി. ശക്തമായ അക്കാദമിക് സിദ്ധാന്തം, കർക്കശമായ അനുഭവ വിശകലനം, പതിറ്റാണ്ടുകളായി സാമ്പിൾ പ്രകടനത്തിന് പുറത്താണ് ഫാക്ടർ നിക്ഷേപത്തിന്റെ വിജയം.

ഫാക്ടർ നിക്ഷേപത്തിന്റെ നിലവിലെ അവസ്ഥ സ്ഥിരതയിൽ നിന്ന് വളരെ അകലെയാണ്. മൂല്യം പോലെയുള്ള ചില ഘടകങ്ങൾ ഈയിടെ മോശം പ്രകടനം കണ്ടിട്ടുണ്ടെങ്കിലും, ഘടകങ്ങൾ മൊത്തത്തിൽ എന്നത്തേയും പോലെ പ്രസക്തമായി തുടരുന്നു. നിലവിലെ അക്കാദമിക്, പ്രാക്ടീഷണർ ഗവേഷണത്തിന്റെ ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നത് ഘടകങ്ങളുടെ ഒരു കൂട്ടം ശുദ്ധീകരിക്കുകയും ഏകീകരിക്കുകയും കൂടുതൽ കാര്യക്ഷമമായ പോർട്ട്ഫോളിയോ നിർമ്മാണ സമീപനങ്ങൾ വികസിപ്പിക്കുകയും ചെയ്യുന്നു. രണ്ട് പ്രാഥമിക മേഖലകളിൽ ഈ ഫീൽഡ് നവീകരിക്കുന്നു: പുതിയ മോഡലിംഗിന്റെയും ഇക്കണോമെട്രിക് സമീപനങ്ങളുടെയും ഉപയോഗവും ഇതര ഡാറ്റ സെറ്റുകളുടെ ഉപയോഗവും.

ഡാറ്റയുടെ കാര്യത്തിൽ, വാർത്താ റിപ്പോർട്ടുകൾ, ഉൽപ്പന്ന അവലോകനങ്ങൾ, ജോലി പോസ്റ്റിംഗുകൾ, റെഗുലേറ്ററി ഫയലിംഗുകൾ, കോൾ ട്രാൻസ്‌ക്രിപ്റ്റുകൾ, സാറ്റലൈറ്റ് ഇമേജുകൾ എന്നിവയിലും മറ്റും കാണപ്പെടുന്ന ഘടനയില്ലാത്ത ഡാറ്റ പോലെയുള്ള ഇതര സെറ്റുകൾക്ക് കൂടുതൽ പ്രാധാന്യമുണ്ട്. ഈ ഡാറ്റാ സെറ്റുകളിൽ നിന്ന് പുതിയ നിക്ഷേപ ആശയങ്ങൾ, ഉള്ളടക്കം, തീമുകൾ എന്നിവ ക്യാപ്‌ചർ ചെയ്യുന്നതിന് നാച്ചുറൽ ലാംഗ്വേജ് പ്രോസസ്സിംഗ്, മെഷീൻ ലേണിംഗ്, നോൺ ലീനിയർ മോഡലുകൾ, ക്ലൗഡ് കമ്പ്യൂട്ടിംഗ്, ടെക്‌സ്‌ച്വൽ അനാലിസിസ് തുടങ്ങിയ സാങ്കേതികവിദ്യകൾ ഉപയോഗിക്കുന്നു. ഈ ഉറവിടങ്ങളിൽ നിന്ന് ഉരുത്തിരിഞ്ഞ സ്ഥിതിവിവരക്കണക്കുകൾ അസറ്റ് അലോക്കേഷൻ പ്രക്രിയയെ ബാധിക്കാൻ തുടങ്ങിയിരിക്കുന്നു, സജീവമായ മാനേജ്മെന്റിനായി പുതിയ നിക്ഷേപ ആശയങ്ങളും തീമുകളും തുറക്കുന്നു

ഉപസംഹാരമായി, ഫാക്ടർ നിക്ഷേപത്തിന്റെ പരിണാമം നിക്ഷേപ മേഖലയുടെ ചലനാത്മകതയുടെയും പൊരുത്തപ്പെടുത്തലിന്റെയും തെളിവാണ്. അക്കാദമിക് ഗവേഷണത്തിലെ അതിന്റെ ഉത്ഭവം മുതൽ ആധുനികവും ഡാറ്റാധിഷ്ഠിതവുമായ സമീപനമെന്ന നിലയിൽ അതിന്റെ നിലവിലെ അവതാരം വരെ, വിപണിയുടെയും നിക്ഷേപകരുടെയും മാറിക്കൊണ്ടിരിക്കുന്ന ആവശ്യങ്ങൾ നിറവേറ്റുന്നതിനായി ഫാക്ടർ നിക്ഷേപം തുടർച്ചയായി വികസിച്ചുകൊണ്ടിരിക്കുന്നു. ഞങ്ങൾ മുന്നോട്ട് പോകുമ്പോൾ, ഘടകങ്ങൾ ശുദ്ധീകരിക്കുന്നതിലും കൂടുതൽ കാര്യക്ഷമമായ പോർട്ട്‌ഫോളിയോ നിർമ്മാണ സാങ്കേതിക വിദ്യകൾ വികസിപ്പിക്കുന്നതിലും ശ്രദ്ധ കേന്ദ്രീകരിച്ചുകൊണ്ട് ഫീൽഡ് നവീകരണം തുടരാൻ സാധ്യതയുണ്ട്.

ഫാക്ടർ നിക്ഷേപത്തെക്കുറിച്ചുള്ള കൂടുതൽ വിവരങ്ങൾക്ക്, ദയവായി സന്ദർശിക്കുക www.njfactorbook.com

മ്യൂച്വൽ ഫണ്ട് നിക്ഷേപങ്ങൾ വിപണി അപകടസാധ്യതകൾക്ക് വിധേയമാണ്, സ്കീമുമായി ബന്ധപ്പെട്ട എല്ലാ രേഖകളും ശ്രദ്ധാപൂർവ്വം വായിക്കുക.

Share this article