सर्व्हिवरशिप बायास आणि म्युच्युअल फंड परफॉर्मन्स

सर्व्हिवरशिप पक्षपात म्हणजे काय?

सर्व्हायव्हरशिप बायस, ज्याला सर्व्हायव्हर बायस म्हणूनही ओळखले जाते, सध्या अस्तित्वात नसलेल्या स्टॉकचा विचार न करता ऐतिहासिक डेटाच्या आधारे सध्या अस्तित्वात असलेले स्टॉक किंवा फंड मार्केटमध्ये कशी कामगिरी करत आहेत हे पाहण्याची प्रवृत्ती आहे. म्युच्युअल फंडाच्या कामगिरीवरील अहवालात सध्या अस्तित्वात असलेल्या म्युच्युअल फंडांबद्दलच्या डेटाचा वापर दर्शविला जातो तेव्हा सर्व्हायव्हरशिप बायस होतो; तथापि, ते प्रत्यक्षात काही फंडांबद्दल डेटा समाविष्ट करत नाहीत (जसे की विलीन झालेले किंवा निकामी झालेले निधी किंवा अयशस्वी निधी).

सर्व्हिवरशिप पक्षपातीमुळे, इन्व्हेस्टर इन्फ्लेटेड ऐतिहासिक डाटा किंवा फंड किंवा इंडेक्सच्या इतर गुणधर्मांमुळे स्टॉक किंवा इंडेक्सच्या परफॉर्मन्सचा अंदाज घेऊ शकतो. असा प्रकाशित डेटा गुंतवणुकदाराची दिशाभूल करतो आणि त्यांनी चुकीचा गुंतवणुकीचा निर्णय घेण्याची शक्यता वाढते, त्यामुळे सर्व्हायव्हरशिप बायस रिस्क वाढतो.

सर्व्हिवरशिप पक्षपात समजून घेणे

सर्व्हिवरशिप पक्षपात समजून घेण्यासाठी, चला मानतो की व्यापाऱ्याचा पोर्टफोलिओमध्ये 2019 मध्ये म्युच्युअल फंड, बाँड आणि स्टॉक समाविष्ट आहेत. महामारीच्या परिणामामुळे पुढील वर्ष, स्टॉकची किंमत मोठ्या प्रमाणात कमी झाली. या निरीक्षणाचा समावेश करण्याऐवजी, 2020 मध्ये, पोर्टफोलिओमधून थेट स्टॉक काढून टाकण्यात आले.

ही माहिती नंतर प्रकाशित केली जाते, दर्शवित आहे की पोर्टफोलिओमध्ये केवळ म्युच्युअल फंड आणि बाँड्स आहेत.

समजा, या पोर्टफोलिओची 2020 वर्षातील कामगिरी 2020 मधील समभागांची खराब कामगिरी लक्षात न घेता मोजली गेली, तर सामान्यत: 2019 मधील कामगिरीची गणना करताना, सर्व 3 चा समावेश आहे. त्या प्रकरणात, पोर्टफोलिओचा योग्य व्ह्यू देऊ शकणार नाही. तसेच, भविष्यात म्युच्युअल फंड आणि बाँड्स चांगली कामगिरी करू शकतील किंवा नसतील अशी शक्यताही आहे.

येथे सर्व्हायव्हरशिप बायसचा 2020 मधील पोर्टफोलिओच्या निकालांवर परिणाम झाला. या माहितीचे अनुसरण करणारा गुंतवणूकदार, रेकॉर्ड न केलेला डेटा जाणून घेतल्याशिवाय, चुकीचा गुंतवणुकीचा निर्णय घेईल ज्यामुळे भविष्यात त्याचे नुकसान होऊ शकते.

संभाव्य जोखीम आणि नुकसान संभाव्य लाभापेक्षा जास्त असेल किंवा जर एखाद्याला सर्व्हिवरशिप पक्षपाती असेल तर हे निर्धारित करणे महत्त्वाचे आहे.

सर्व्हिवरशीप पक्षपातीचे उदाहरण

म्युच्युअल फंड रिटर्नसाठी या आकडेवारी माना आणि सर्व फंड रिसर्चरच्या निकषांची पूर्तता करतात

जर आम्ही संभाव्य निकषांची पूर्तता केल्यामुळे पोर्टफोलिओमधील सर्व फंडचा विचार करून रिटर्नची गणना केली तर सरासरी रिटर्न 3% असेल. तथापि, सर्व्हिव्हरशीप पक्षपातीमुळे, जर आम्ही केवळ ॲक्टिव्ह फंडची गणना केली, तर सरासरी रिटर्न 8% असेल

यामुळे संशोधकाला डाटाचा सखोल, सखोल अभ्यास करणे खूपच महत्त्वाचे ठरते. तथापि, वगळणे कठीण आहे आणि म्हणूनच ते जगण्याच्या पक्षपातीत्वाला बळी पडू शकतात.

वास्तविक डाटाबेसमध्ये हजारो डाटा निरीक्षणे समाविष्ट आहेत. वगळण्याचा मागोवा घेणे खूपच कठीण आहे. डेटा व्यवस्थापकांसाठी सेट नियम आणि कार्यपद्धती लागू करणे, अचूक डेटा ठेवणे आणि ऑडिट करणे, कर्मचार्‍यांना चांगल्या पद्धतींविषयी शिक्षित करणे आवश्यक आहे. जबाबदार डाटा मॅनेजर ऑटोमॅटिकरित्या सर्व्हिवरशिप पक्षपातील जोखीम कमी करतील.

सर्व्हिवरशिप पक्षपातीचा परिणाम

सर्व्हिवरशिप बायास इन्व्हेस्टरवर कसा परिणाम करतो हे समजून घेणे आवश्यक आहे. सर्व्हायव्हरशिप बायस गुंतवणुकदारासमोर असा निष्कर्ष मांडतो जो अती आशावादी किंवा अती निराशावादी दिसतो.

गुंतवणुक व्यवस्थापक विविध कारणांसाठी बाजारातील निधी बंद करतो तेव्हा पक्षपात होतो. यामुळे सध्याचे फंड बाजारात आघाडीवर राहतात आणि सर्वाधिक एक्सपोजर मिळवतात. त्याच वेळी, बाजाराच्या या परिस्थितींमुळे अस्तित्वात असलेली थांबलेली निरीक्षणे ते सोडून देतात.

म्युच्युअल फंडांच्या बाबतीत, सध्या अस्तित्वात असलेल्या केवळ म्युच्युअल फंडांचा विचार केल्यामुळे सर्व्हायव्हरशिप बायस परतावा आशावादी वाटू शकतो. योग्य गुंतवणुकीच्या धोरणांमुळे किंवा व्यवस्थापनाकडून वेळेवर मिळालेल्या प्रतिक्रियांमुळे, हे म्युच्युअल फंड आर्थिक मंदी आणि साथीच्या परिस्थितीसारख्या कठीण परिस्थितीतून टिकून राहिले आहेत.

रिसेशन किंवा महामारीमुळे येणारे म्युच्युअल फंड आणि रिटर्नची गणना करताना खराब परफॉर्मन्स समाविष्ट नसल्यामुळे बंद होण्यास बाध्य झाले.

सर्व म्युच्युअल फंड म्हणून- टिकून राहणार किंवा टिकत नसल्याने- विचारात घेतले जात नाही, सकारात्मकरित्या उतरलेला निव्वळ रिटर्न वास्तविक रिटर्न दर्शविणार नाही.

म्युच्युअल फंड परिस्थितीचे वास्तविक रिटर्न समजून घेण्यासाठी, अभ्यासातील कालावधीशिवाय रिटर्नचे मूल्यांकन करणे आवश्यक आहे.

सर्व्हिवरशिप पक्षपात टाळणे

सर्व्हिवरशिप पक्षपात टाळण्यासाठी, कोणताही डाटाबेस रिसर्च करण्यापूर्वी काही सोप्या गोष्टी करू शकतात. गुंतवणुकदारांनी हे लक्षात घेतले पाहिजे की त्यांच्या गुंतवणुकीच्या कार्यक्षमतेवर परिणाम करणारा एक घटक बचाव पक्षाघात असू शकतो. सर्व्हायव्हरशिप बायसचा धोका कमी करण्यासाठी अतिशय निवडक डेटा स्रोतांमधून डेटा निवडणे आवश्यक आहे. जर डाटा पक्षपाती स्त्रोतामधून पिक-अप केला असेल तर संशोधनाचा एकूण परिणाम देखील पक्षपात केला जाईल. पोर्टफोलिओ किंवा डाटाबेसचे मूल्यांकन करताना, निरीक्षण अखंड आहेत आणि अस्तित्वात नसल्यास काढून टाकले जात नाहीत याची खात्री करा. परफॉर्मन्स स्टेटस काहीही असो, पोर्टफोलिओ किंवा डेटाबेसमध्ये सर्व व्हेरिएबल्स असावेत.

हे करण्याद्वारे निर्णय अचूक आणि अचूक निरीक्षणे आणि मूल्यांकनावर आधारित असल्याची खात्री करते.

अधिक अत्याधुनिक स्तरावर, बाजार संशोधक फंड सर्व्हायव्हरशिप बायसचे परीक्षण करतात आणि फंड वगळलेले निरीक्षण आणि ऐतिहासिक ट्रेंड कसे मोजतात आणि विश्लेषित डेटा निधी कार्यप्रदर्शन निरीक्षणासाठी जोडतात. परिमाणात्मक निधी संशोधनाचा समावेश करणे देखील काही वेळा सर्व्हायव्हरशिप पूर्वाग्रह कमी करण्यासाठी उपयुक्त आहे.

निष्कर्ष

कोणतेही निरीक्षण वगळल्यास आणि त्याचा ट्रेडर्स, मॅनेजर आणि म्युच्युअल फंडांवर होणार्‍या परिणामामुळे सर्व्हायव्हरशिप बायसमुळे अविश्वसनीय माहिती कशी निर्माण होऊ शकते याचे आम्ही निरीक्षण केले आहे. म्युच्युअल फंडमध्ये इन्व्हेस्टमेंट करताना निर्णय घेण्यासाठी योग्य दृष्टीकोन निर्धारित करण्यासाठी सर्वोत्तम परफॉर्मिंग आणि सर्वात खराब परफॉर्मिंग परिवर्तन असलेल्या अचूक डाटाबेसचा वापर करावा. सर्व्हायव्हरशिप बायस मार्केटमध्ये मोठ्या प्रमाणावर आहे, तरीही गुंतवणूकदार आदर्शवादी पोर्टफोलिओ आणि फंड मॅनेजरचे आंधळेपणाने पालन करतात, त्यामुळे योग्य डेटाबेस वापरून चांगले संशोधन करून सर्व्हायव्हरशिप बायसचा धोका कमी केला जाऊ शकतो.