मल्टीफ़ैक्टर उत्पादकता निवेशक विदेशी मुद्रा

बहु-फैक्टर मॉडल बहु-कारक मॉडल क्या है एक बहु-कारक मॉडल एक वित्तीय मॉडल है जो बाजार की घटनाओं और समतोल परिसंपत्ति की कीमतों की व्याख्या के लिए अपनी कंप्यूटेशंस में कई कारकों को नियोजित करता है। बहु-कारक मॉडल का इस्तेमाल व्यक्तिगत सुरक्षा या प्रतिभूतियों के पोर्टफोलियो को समझाने के लिए किया जा सकता है। यह चर और परिणामी प्रदर्शन के बीच संबंधों का विश्लेषण करने के लिए दो या अधिक कारकों की तुलना करके ऐसा करता है मल्टी-फैक्टर मॉडल को छोड़कर बहु-कारक मॉडल कुछ विशेषताओं के साथ पोर्टफोलियो का निर्माण करने के लिए उपयोग किया जाता है, जैसे कि जोखिम, या अनुक्रमित ट्रैक करने के लिए। जब एक बहु-कारक मॉडल का निर्माण होता है, तो यह तय करना मुश्किल होता है कि कितने और कौन सी कारकों को शामिल करना है। इसके अलावा, मॉडल का आकलन ऐतिहासिक संख्याओं पर किया जाता है, जो भविष्य के मूल्यों का सही अनुमान नहीं लगा सकता है। बहु-कारक मॉडल की श्रेणियां बहु-कारक मॉडल को तीन श्रेणियों में विभाजित किया जा सकता है: मैक्रोइकॉनॉमिक मॉडल, मौलिक मॉडल और सांख्यिकीय मॉडल। व्यापक आर्थिक मॉडल रोजगार, मुद्रास्फीति और ब्याज जैसी कारकों पर सुरक्षा की वापसी की तुलना करते हैं मौलिक मॉडल सुरक्षा की वापसी और इसके अंतर्निहित वित्तीय, जैसे कमाई के बीच संबंधों का विश्लेषण करते हैं। सांख्यिकीय मॉडल का इस्तेमाल विभिन्न प्रतिभूतियों के रिटर्न की तुलना में किया जाता है जो प्रत्येक सुरक्षा में और उसके स्वयं के सांख्यिकीय प्रदर्शन के आधार पर होता है। एक सुरक्षा का बीटा समग्र बाजार के संबंध में सुरक्षा का सिस्टमिक जोखिम का उपाय करता है। 1 का एक बीटा इंगित करता है कि सुरक्षा सैद्धांतिक रूप से उसी स्तर की अस्थिरता को बाजार के रूप में अनुभव करती है और बाजार के साथ मिलकर चलती है। 1 से अधिक बीटा इंगित करता है कि सुरक्षा सैद्धांतिक रूप से बाजार से अधिक अस्थिर है। इसके विपरीत, 1 से कम एक बीटा इंगित करता है कि सुरक्षा सैद्धांतिक रूप से बाजार की तुलना में कम अस्थिर है। मल्टी फैक्टर मॉडल फॉर्मूला कारक की तुलना निम्न सूत्र के साथ की जाती है: रीय आई (एम) आरएम i (1) एफ 1 आई (2) एफ 2 i (एन) एफ एन ईआई रिज़र्ब्युरिटी आईआरएम का रिटर्न है आईपीएम मार्केट रिटर्न F (1, 2, 3. एन) है प्रत्येक कारक के संबंध में उपयोग किए जाने वाले कारक बीटा हैं, जिनमें बाजार (एम) ई त्रुटि शब्द ए एक इंटरफ़ेस है फ़ैमा और फ़्रेंच तीन-फैक्टर मॉडल एक व्यापक रूप से इस्तेमाल किया बहु-कारक मॉडल फ़ैमा और फ़्रेंच तीन-कारक मॉडल है। फ़ैमा और फ्रांसीसी मॉडल के तीन कारक हैं: फर्मों का आकार, बाजार से पुस्तक मूल्य और बाजार पर अतिरिक्त रिटर्न। दूसरे शब्दों में, इस्तेमाल किए गए तीन कारक एसएमबी (छोटा घटाव बड़ा), एचएमएल (उच्च ऋण से कम) है और पोर्टफोलियो रिटर्न की जोखिम मुक्त दर को कम करता है। बड़े बाजार से आने वाले शेयरों के लिए एसएमबी खातों में बड़े रिटर्न उत्पन्न होते हैं, जबकि एचएमएल खातों के उच्च शेयर-टू-मार्केट अनुपात वाले शेयरों के लिए शेयर हैं, जो बाजार के मुकाबले ज्यादा रिटर्न कमाते हैं। कुल फैक्टर उत्पादकता का मतलब 1 जून, 2016 को अद्यतन संकल्पनात्मक रूप से, कुल कारक उत्पादकता से पता चलता है कि उत्पादन प्रक्रिया में कितनी कुशलतापूर्वक और तीव्रता का उपयोग किया जाता है। कुल कारक उत्पादकता कभी-कभी 34 मल्टी-कारक उत्पादकता के रूप में संदर्भित की जाती है, 34 और, कुछ मान्यताओं के तहत, प्रौद्योगिकी या ज्ञान के स्तर के माप के रूप में माना जा सकता है। मैक्रो मॉडल को देखते हुए: वाई टी 61 Z टी एफ (के टी, एल टी), कुल फैक्टर उत्पादकता (टीएफपी) को यू टी एफ (के टी, एल टी) के रूप में परिभाषित किया गया है। अकेले एकल अवशिष्ट TFP का एक अंश है । समय के साथ टीएफपी संभावित रूप से बदलता है इस सवाल पर साहित्य में असहमति है कि क्या अकेले उदहारण उपाय प्रौद्योगिकी झटके। इनपुट को बदलने के प्रयास, जैसे के टी उपयोग दर के लिए समायोजित करने के लिए और आगे, एकल अवशिष्ट को बदलने का प्रभाव है और इस प्रकार टीएफपी का उपाय। लेकिन टीएफपी का विचार इस प्रकार के प्रत्येक मॉडल के लिए अच्छी तरह से परिभाषित है। टीएफपी जरूरी नहीं कि तकनीक का एक उपाय है क्योंकि टीएफपी सैन्य खर्च, या मौद्रिक झटके या सत्ता में राजनीतिक दल जैसी अन्य चीजों का एक कार्य हो सकता है। कुल कारक उत्पादकता (टीएफपी) में 34 वृद्धि उत्पादन की वृद्धि को दर्शाती है इनपुट के विकास के लिए नहीं। - हॉर्नस्टेन और क्रुसेल (1 99 6)। बीमारी, अपराध और कंप्यूटर वायरस के पास के और एल के लगभग किसी भी तरह का उपयोग करते हुए टीएफपी पर छोटे नकारात्मक प्रभाव पड़ते हैं, हालांकि कश्मीर और एल के उपायों को पूरी तरह से पूरा किया जा सकता है। कारण: अपराध, बीमारी, और कंप्यूटर वायरस लोगों को काम पर कम उत्पादक बनाते हैं।