आधुनिक पोर्टफोलियो सिद्धांत (एमपीटी) इस बात पर जोर देता है कि निवेशक अपने पोर्टफोलियो में चुनिंदा प्रतिभूतियों से रिटर्न के बीच संबंध को कम करके निवेश हानि के जोखिम को दूर कर सकते हैं। लक्ष्य एक निश्चित स्तर के जोखिम के खिलाफ अपेक्षित रिटर्न का अनुकूलन करना है। आधुनिक पोर्टफोलियो सिद्धांतकार के अनुसार, निवेशकों को विभिन्न परिसंपत्तियों के रिटर्न के बीच सहसंबंध गुणांक को मापना चाहिए और रणनीतिक रूप से उन परिसंपत्तियों का चयन करना चाहिए जो एक ही समय में मूल्य खोने की संभावना कम हैं।
आधुनिक पोर्टफोलियो सिद्धांत में सहसंबंध का अध्ययन
MPT अपेक्षित रिटर्न और विभिन्न निवेशों की अपेक्षित अस्थिरता के बीच सहसंबंध की तलाश करता है। यह अपेक्षित जोखिम-इनाम संबंध शिकागो-स्कूल के अर्थशास्त्री हैरी मार्कोविट्ज़ द्वारा "कुशल फ्रंटियर" शीर्षक था। कुशल फ्रंटियर एमपीटी में जोखिम और वापसी के बीच इष्टतम सहसंबंध है।
सहसंबंध -1.0 से +1.0 के पैमाने पर मापा जाता है। यदि दो परिसंपत्तियों में 1.0 की अपेक्षित वापसी सहसंबंध है, तो इसका मतलब है कि वे पूरी तरह से सहसंबद्ध हैं। जब कोई 5% प्राप्त करता है, तो दूसरा 5% प्राप्त करता है; जब एक 10% गिरता है, तो दूसरा करता है। एक पूरी तरह से नकारात्मक सहसंबंध (-1.0) का अर्थ है कि एक संपत्ति का लाभ आनुपातिक रूप से दूसरे परिसंपत्ति के नुकसान से मेल खाता है। एक शून्य सहसंबंध का कोई पूर्वानुमान संबंधी संबंध नहीं है। एमपीटी का मानना है कि निवेशकों को जोखिम को सीमित करने के लिए संपत्ति के निरंतर असंबंधित (शून्य के पास) पूल को देखना चाहिए।
आधुनिक पोर्टफोलियो सिद्धांत का सहसंबंध की आलोचना
Markowitz के प्रारंभिक एमपीटी के प्रमुख आलोचकों में से एक यह धारणा थी कि संपत्ति के बीच संबंध तय और अनुमानित है। विभिन्न संपत्तियों के बीच व्यवस्थित संबंध वास्तविक दुनिया में स्थिर नहीं रहते हैं, जिसका अर्थ है कि अनिश्चितता के समय एमपीटी कम और कम उपयोगी हो जाता है - ठीक उसी समय जब निवेशकों को अस्थिरता से सबसे अधिक सुरक्षा की आवश्यकता होती है।
अन्य लोग दावा करते हैं कि सहसंबंध गुणांक को मापने के लिए उपयोग किए जाने वाले चर स्वयं दोषपूर्ण हैं और किसी परिसंपत्ति के वास्तविक जोखिम स्तर को गलत तरीके से समझा जा सकता है। अपेक्षित मूल्य वास्तव में भविष्य के रिटर्न के निहित सहसंयोजक के बारे में गणितीय अभिव्यक्ति हैं और वास्तव में वास्तविक रिटर्न के ऐतिहासिक माप नहीं हैं।
