நிதியியலில் புள்ளியியலின் பயன்பாடுகள்

நிதியியலில் புள்ளியியலின் பயன்பாடுகள்

புள்ளியியல் என்பது கணிதத்தின் ஒரு பிரிவாகும். இது பெரும்பாலும் விறைப்பானதாகவும் கோட்பாட்டு ரீதியானதாகவும் கருதப்பட்டாலும், உண்மையில் நிதி உட்பட பல்வேறு துறைகளில் இதற்கு விரிவான பயன்பாடுகள் உள்ளன. நிதி உலகில் தரவுப் பகுப்பாய்வு, முடிவெடுத்தல், முன்கணிப்பு மற்றும் இடர் மேலாண்மை ஆகியவற்றில் புள்ளியியல் ஒரு முக்கியப் பங்கு வகிக்கிறது. இந்தக் கட்டுரை, நிதியில் புள்ளியியலின் சில முக்கியப் பயன்பாடுகளையும், புள்ளியியல் தரவுகளும் முறைகளும் நிதி வல்லுநர்கள் சவால்களையும் வாய்ப்புகளையும் எதிர்கொள்ள எவ்வாறு உதவுகின்றன என்பதையும் மீள்பார்வை செய்யும்.

1. தரவு பகுப்பாய்வு மற்றும் கணிப்பு

நிதியியலில் புள்ளியியலின் முதன்மைப் பயன்பாடுகளில் ஒன்று தரவுப் பகுப்பாய்வு மற்றும் முன்கணிப்பு ஆகும். எதிர்காலப் போக்குகளைக் கணிக்க வரலாற்றுத் தரவுகளைச் செயலாக்குவது நிதித் துறையில் ஒரு பொதுவான நடைமுறையாகும். எடுத்துக்காட்டாக, நிதி ஆய்வாளர்கள் எதிர்கால விலை நகர்வுகளைக் கணிக்க வரலாற்றுப் பங்கு விலைத் தரவைப் பயன்படுத்துகின்றனர். நேரியல் பின்னடைவு மற்றும் காலத்தொடர் பகுப்பாய்வு போன்ற புள்ளியியல் முறைகள் இந்த நோக்கத்திற்காக அடிக்கடி பயன்படுத்தப்படுகின்றன.

நேரியல் பின்னடைவு

சார்பற்ற மற்றும் சார்பு மாறிகளுக்கு இடையிலான உறவை மாதிரியாக்க நேரியல் பின்னடைவு பயன்படுத்தப்படுகிறது. எடுத்துக்காட்டாக, நிதிச் சூழலில், வட்டி விகிதங்கள், பணவீக்கம் அல்லது பிற பொருளாதாரக் குறிகாட்டிகள் (சார்பற்ற மாறிகள்) போன்ற பல்வேறு காரணிகளின் அடிப்படையில் பங்கு விலைகளை (சார்பு மாறி) கணிக்க இதைப் பயன்படுத்தலாம். ஒரு எளிய நேரியல் பின்னடைவுச் சமன்பாடு:

\[ Y = \alpha + \beta X + \epsilon \]

எங்கே:
– \( Y \) என்பது சார்பு மாறி (எ.கா., பங்கு விலை),
– \( X \) என்பது சார்பற்ற மாறி (எ.கா., வட்டி விகிதம்),
– \( \alpha \) மற்றும் \( \beta \) ஆகியவை மாதிரி அளவுருக்கள் ஆகும்.
– \( \epsilon \) என்பது எச்சம் அல்லது பிழை ஆகும்.

காலத் தொடர் பகுப்பாய்வு

காலத்தொடர் பகுப்பாய்வு என்பது, குறிப்பிட்ட வடிவங்கள் அல்லது போக்குகளைக் கண்டறிவதற்காக, காலப்போக்கில் தரவுகளை ஆய்வு செய்வதாகும். நிதியியலில், சொத்து விலைகள், வர்த்தக அளவு மற்றும் பொருளாதாரக் குறிகாட்டிகளை முன்னறிவிப்பதற்காக காலத்தொடர் பகுப்பாய்வு பயன்படுத்தப்படுகிறது. இந்த மாதிரிகளில், தன்னியக்க பின்னடைவு ஒருங்கிணைந்த நகரும் சராசரி (ARIMA) மற்றும் பொதுமைப்படுத்தப்பட்ட தன்னியக்க பின்னடைவு நிபந்தனை மாறுபட்ட பரவல் (GARCH) போன்ற நுட்பங்கள் பயன்படுத்தப்படுகின்றன.

2. இடர் மேலாண்மை

ஒரு நிறுவனம் அல்லது முதலீட்டாளர் எதிர்கொள்ளக்கூடிய நிதி அபாயங்களைக் கண்டறிதல், அளவிடுதல் மற்றும் கட்டுப்படுத்துதல் ஆகிய செயல்முறையான இடர் மேலாண்மையில், புள்ளிவிவரவியலும் ஒரு முக்கியப் பங்கு வகிக்கிறது. இடர் மேலாண்மையில் அடிக்கடி பயன்படுத்தப்படும் சில புள்ளிவிவரக் கருவிகளில் இடர் மதிப்பு (VaR), அழுத்தச் சோதனை மற்றும் மான்டே கார்லோ பகுப்பாய்வு ஆகியவை அடங்கும்.

ஆபத்தில் உள்ள மதிப்பு (VaR)

VaR என்பது, ஒரு குறிப்பிட்ட காலப்பகுதியில் ஒரு போர்ட்ஃபோலியோ அல்லது ஒரு குறிப்பிட்ட சொத்தின் அதிகபட்ச சாத்தியமான இழப்பை, அறியப்பட்ட நம்பகத்தன்மை மட்டத்துடன் மதிப்பிடும் ஒரு புள்ளிவிவர அளவீடு ஆகும். எடுத்துக்காட்டாக, $1 மில்லியனுக்கான 95% ஒரு-நாள் VaR என்பது, போர்ட்ஃபோலியோ இழப்பு ஒரே நாளில் $1 மில்லியனைத் தாண்டாது என்பதில் 95% நம்பிக்கை உள்ளது என்று பொருள்படும். VaR-ஐ வரலாற்று முறைகள், பகுப்பாய்வு முறைகள் அல்லது மான்டே கார்லோ உருவகப்படுத்துதல்களைப் பயன்படுத்தி கணக்கிடலாம்.

அழுத்த சோதனை

அழுத்தச் சோதனையானது, பல்வேறு தீவிரமான சந்தை நிலைமைகளை உருவகப்படுத்தி, அந்த நிலைமைகள் ஒரு முதலீட்டுத் தொகுப்பின் மதிப்பை எவ்வாறு பாதிக்கக்கூடும் என்பதை அளவிடுவதை உள்ளடக்கியது. உதாரணமாக, ஒரு உலகளாவிய நிதி நெருக்கடி ஒரு முதலீட்டுத் தொகுப்பை எவ்வாறு பாதிக்கும்? இந்தத் தீவிரமான சூழ்நிலைகளை உருவகப்படுத்துவதன் மூலம், நிதி நிறுவனங்கள் கணிசமான இழப்புகள் ஏற்படுவதற்கான சாத்தியக்கூறுகளுக்குத் தங்களைத் தயார்படுத்திக்கொள்ள முடியும்.

3. போர்ட்ஃபோலியோ பல்வகைப்படுத்தல்

பல்வகைப்படுத்தல் என்பது, ஒன்றுக்கொன்று தொடர்பில்லாத பல்வேறு சொத்துக்களில் முதலீடுகளைப் பிரித்து ஒதுக்குவதன் மூலம் இடரைக் குறைப்பதை நோக்கமாகக் கொண்ட ஒரு முதலீட்டு உத்தியாகும். வெவ்வேறு சொத்துக்களுக்கு இடையேயான தொடர்பு மற்றும் இணை மாறுபாட்டைக் கணக்கிடுவதன் மூலம், புள்ளியியல் முதலீட்டுத் தொகுப்பைப் பல்வகைப்படுத்த உதவுகிறது.

ஒட்டுறவு மற்றும் இணைமாறுபாடு

ஒட்டுறவு என்பது இரண்டு மாறிகளுக்கு இடையிலான நேரியல் உறவின் வலிமையையும் திசையையும் அளவிடுகிறது. எடுத்துக்காட்டாக, ஒரு சொத்து மற்றொரு சொத்துடன் சேர்ந்து அடிக்கடி உயர்ந்தால், அந்தச் சொத்துக்கள் நேர்மறையாக ஒட்டுறவு கொண்டவை என்று கூறப்படுகிறது. இதற்கு நேர்மாறாக, ஒரு சொத்து உயரும்போது மற்றொன்று குறைந்தால், அங்கு எதிர்மறை ஒட்டுறவு உள்ளது. ஒட்டுறவுக் குணகம் -1 (முழுமையான எதிர்மறை ஒட்டுறவு) முதல் +1 (முழுமையான நேர்மறை ஒட்டுறவு) வரை இருக்கும். பல்வகைப்படுத்தல் மூலம் இடரைக் குறைப்பது என்பது, குறைந்த அல்லது எதிர்மறை ஒட்டுறவு கொண்ட சொத்துக்களைத் தேர்ந்தெடுப்பதை உள்ளடக்கியது.

உகந்த போர்ட்ஃபோலியோ

மார்க்கோவிட்ஸ் முதலீட்டுத் தொகுப்புக் கோட்பாடு, அல்லது சராசரி-மாறுபாடு உகப்பாக்கம், வருவாயை அதிகப்படுத்தி மற்றும் இடரைக் குறைப்பதன் மூலம் உகந்த முதலீட்டுத் தொகுப்பைத் தீர்மானிக்கப் புள்ளிவிவரங்களைப் பயன்படுத்துகிறது. இந்த அணுகுமுறையானது, ஒரு முதலீட்டுத் தொகுப்பின் சராசரி (சராசரி வருவாய்) மற்றும் மாறுபாடு (இடர்) ஆகியவற்றைக் கணக்கிடுவதையும், அத்துடன் அந்தத் தொகுப்பிலுள்ள பல்வேறு சொத்துக்களுக்கு இடையேயான தொடர்பைக் கண்டறிவதையும் உள்ளடக்கியுள்ளது.

4. கடன் மதிப்பெண்

வங்கித் துறையில், குறிப்பாகக் கடன் வழங்குவதில், புள்ளிவிவரங்கள் முக்கியப் பங்கு வகிக்கின்றன. தனிநபர்கள் அல்லது நிறுவனங்களின் கடன் தகுதியை மதிப்பிடுவதற்கு, வரலாற்றுத் தரவுகள் மற்றும் கடன் வாங்குபவரின் பண்புகளின் அடிப்படையில் உருவாக்கப்பட்ட புள்ளிவிவர மாதிரிகள் பயன்படுத்தப்படுகின்றன.

லாஜிஸ்டிக் பின்னடைவு

கடன் மதிப்பீட்டில் அடிக்கடி பயன்படுத்தப்படும் ஒரு முறை லாஜிஸ்டிக் ரெக்ரஷன் ஆகும். இந்த மாதிரி, கடன் வரலாறு, வருமானம் மற்றும் வேலை வகை போன்ற சில மாறிகளின் அடிப்படையில், கடன் வாங்கியவர் கடனைத் திருப்பிச் செலுத்தத் தவறுவதற்கான நிகழ்தகவை மதிப்பிடுகிறது.

\[ \text{Logit}(P) = \alpha + \beta_1 X_1 + \beta_2 X_2 + \dots + \beta_n X_n \]

இதில் \( P \) என்பது கடன் தவறுவதற்கான நிகழ்தகவு, \( \alpha \) என்பது இடைமறிப்பு, மற்றும் \( \beta \) என்பது பின்னடைவுக் கெழு ஆகும்.

5. வழித்தோன்றல்கள் மற்றும் விருப்பத்தேர்வுகள்

வழித்தோன்றல்கள் மற்றும் விருப்பத்தேர்வுகளின் விலை நிர்ணயத்தில் புள்ளிவிவரங்களும் மிகவும் முக்கியமானவை. விருப்பத்தேர்வு விலை நிர்ணயத்திற்கான மிகவும் பிரபலமான மாதிரிகளில் ஒன்று பிளாக்-ஸ்கோல்ஸ் மாதிரி ஆகும்.

பிளாக்-ஸ்கோல்ஸ் மாதிரி

இந்த மாதிரி, ஒரு ஆப்ஷனின் கோட்பாட்டு விலையைக் கணக்கிட, அடிப்படைச் சொத்தின் விலை ஏற்ற இறக்கம் உள்ளிட்ட பல புள்ளிவிவர உள்ளீடுகளைப் பயன்படுத்துகிறது. பிளாக்-ஸ்கோல்ஸ் சூத்திரம்:

\[ C = S_0 N(d_1) – X e^{-rt} N(d_2) \]

எங்கே:
– \( C \) என்பது கால் ஆப்ஷனின் விலை,
– \( S_0 \) என்பது தற்போதைய சொத்து விலை,
– \( X \) என்பது ஸ்டிரைக் விலை,
– \( r \) என்பது இடர் இல்லா வட்டி விகிதம்,
– \( t \) என்பது முதிர்வடைவதற்கான காலம்,
– \( N(d) \) என்பது இயல்நிலைப் பரவலின் திரள் பரவல் சார்பு ஆகும்.
– \( d_1 \) மற்றும் \( d_2 \) ஆகியவை மாதிரி உள்ளீட்டிலிருந்து பெறப்பட்ட மாறிகள் ஆகும்.

முடிவுரை

தரவுப் பகுப்பாய்வு முதல் இடர் மேலாண்மை மற்றும் முதலீட்டுத் தொகுப்பு உருவாக்கம் வரை, நிதியியலில் புள்ளியியல் ஒரு மையப் பங்கை வகிக்கிறது. புள்ளியியல் முறைகளின் பயன்பாடு, நிதி வல்லுநர்களுக்குச் சிறந்த மதிப்பீடு, முன்கணிப்பு மற்றும் முடிவெடுத்தல் ஆகியவற்றில் உதவுவதோடு, நிதித் துறையில் பெரும் புத்தாக்கத்தையும் நிலைத்தன்மையையும் சாத்தியமாக்குகிறது. இருப்பினும், பயன்படுத்தப்படும் எந்தவொரு புள்ளியியல் மாதிரியின் அனுமானங்கள் மற்றும் வரம்புகள் குறித்து எப்போதும் அறிந்திருப்பது முக்கியம்.

தொழில்நுட்ப முன்னேற்றங்கள் மற்றும் தரவுகளின் கிடைக்கும் தன்மை அதிகரிப்பதால், நிதியியலில் புள்ளியியல் பயன்பாடுகள் தொடர்ந்து வளர்ச்சியடைந்து மேலும் மேலும் சிக்கலானதாக மாறும். எப்போதும் மாறிக்கொண்டிருக்கும் நிதியியல் உலகில், நன்கு அறிந்த மற்றும் தகவலறிந்த முடிவுகளை எடுக்க, புள்ளியியலைத் தொடர்ந்து கற்றுக்கொண்டு பயன்படுத்துங்கள்.