बीटा जोखिम

बीटा जोखिम क्या है?

बीटा जोखिम एक संभावना है कि एक सांख्यिकीय परीक्षण द्वारा एक झूठी शून्य परिकल्पना को स्वीकार किया जाएगा। इसे टाइप II त्रुटि या उपभोक्ता जोखिम के रूप में भी जाना जाता है । इस संदर्भ में, "जोखिम" शब्द गलत निर्णय लेने की संभावना या संभावना को दर्शाता है। बीटा जोखिम की मात्रा का प्राथमिक निर्धारक परीक्षण के लिए उपयोग किया जाने वाला नमूना आकार है। विशेष रूप से, जितना बड़ा नमूना परीक्षण किया जाता है, बीटा जोखिम उतना ही कम होता है।

बीटा जोखिम को समझना

बीटा जोखिम को एक वैकल्पिक परिकल्पना के सत्य होने पर गलत तरीके से शून्य परिकल्पना को स्वीकार करने में पाए जाने वाले जोखिम के रूप में परिभाषित किया जा सकता है। सीधे शब्दों में कहें, यह स्थिति ले रहा है कि वास्तव में कोई अंतर नहीं है, वास्तव में, एक है। अंतर का पता लगाने के लिए एक सांख्यिकीय परीक्षण को नियोजित किया जाना चाहिए और बीटा जोखिम यह संभावना है कि एक सांख्यिकीय परीक्षण ऐसा करने में असमर्थ होगा। उदाहरण के लिए, यदि बीटा जोखिम 0.05 है, तो अशुद्धि की 5% संभावना है।

बीटा जोखिम को कभी-कभी "बीटा त्रुटि" कहा जाता है और इसे अक्सर " अल्फा जोखिम " के साथ जोड़ा जाता है, जिसे टाइप I त्रुटि के रूप में भी जाना जाता है । अल्फा जोखिम एक त्रुटि है जब एक शून्य परिकल्पना को खारिज कर दिया जाता है जब यह वास्तव में सच होता है। इसे "निर्माता जोखिम" के रूप में भी जाना जाता है। अल्फा जोखिम को कम करने का सबसे अच्छा तरीका इस उम्मीद के साथ परीक्षण किए जा रहे नमूने के आकार को बढ़ाना है कि बड़ा नमूना जनसंख्या का अधिक प्रतिनिधि होगा।

बीटा जोखिम एक निर्णय की विशेषताओं और प्रकृति पर आधारित होता है जिसे लिया जा रहा है और एक कंपनी या व्यक्ति द्वारा निर्धारित किया जा सकता है। यह नमूना साधनों के बीच विचरण के परिमाण पर निर्भर करता है। परीक्षण के नमूने के आकार को बढ़ाकर बीटा जोखिम को प्रबंधित करने का तरीका है। निर्णय लेने में बीटा जोखिम का स्वीकार्य स्तर लगभग 10% है। किसी भी संख्या को नमूना आकार बढ़ाने के लिए ट्रिगर करना चाहिए।

बीटा जोखिम के उदाहरण

ऑल्टमैन जेड-स्कोर का उपयोग करके वित्त में परिकल्पना परीक्षण का एक दिलचस्प अनुप्रयोग बनाया जा सकता है। जेड-स्कोर एक सांख्यिकीय मॉडल है जो कुछ वित्तीय संकेतकों के आधार पर फर्मों के भविष्य के दिवालियापन की भविष्यवाणी करता है।

जेड-स्कोर की सटीकता के सांख्यिकीय परीक्षणों ने अपेक्षाकृत उच्च सटीकता का संकेत दिया है, एक वर्ष के भीतर दिवालियापन की भविष्यवाणी की है। ये परीक्षण परीक्षण किए जा रहे नमूने के आधार पर लगभग 15% से 20% तक बीटा जोखिम (फर्मों के दिवालिया होने की भविष्यवाणी की गई लेकिन नहीं) दिखाते हैं।

2007 में, ऑल्टमैन जेड-स्कोर ने संकेत दिया कि कंपनियों के जोखिम महत्वपूर्ण रूप से बढ़ रहे थे क्योंकि विशिष्ट परिसंपत्ति-संबंधित प्रतिभूतियों की क्रेडिट रेटिंग को जितना होना चाहिए था, उससे अधिक रेट किया गया था। 2007 में कंपनियों का औसत Altman Z-स्कोर 1.81 था, जो उस सीमा के बहुत करीब है जो दिवालिया होने की उच्च संभावना को इंगित करेगा; ऑल्टमैन की गणना ने उन्हें विश्वास दिलाया कि एक संकट होगा।

जेड-स्कोर की गणना और व्याख्या सावधानी से की जानी चाहिए। उदाहरण के लिए, Z-स्कोर गलत लेखांकन प्रथाओं से सुरक्षित नहीं है । चूंकि मुसीबत में फंसी कंपनियां कभी-कभी अपनी वित्तीय स्थिति को गलत तरीके से पेश कर सकती हैं या छिपा सकती हैं, इसलिए Z-स्कोर उतना ही सटीक होता है, जितना कि उसमें जाने वाला डेटा।

बीटा जोखिम बनाम। बीटा

बीटा, निवेश के संदर्भ में, बीटा गुणांक के रूप में भी जाना जाता है और संपूर्ण बाजार की तुलना में किसी सुरक्षा या पोर्टफोलियो की अस्थिरता, या व्यवस्थित जोखिम का एक उपाय है। संक्षेप में, एक निवेश के बीटा ने संकेत दिया कि क्या यह बाजार की तुलना में कम या ज्यादा अस्थिर है।

यह कैपिटल एसेट प्राइसिंग मॉडल (CAPM) का एक घटक है, जो किसी एसेट के बीटा और अपेक्षित मार्केट रिटर्न के आधार पर अपेक्षित रिटर्न की गणना करता है। जैसे, निर्णय लेने के संदर्भ में बीटा केवल बीटा जोखिम से संबंधित है।

##हाइलाइट

• बीटा, जो पूंजी परिसंपत्ति मूल्य निर्धारण मॉडल का हिस्सा है और एक सुरक्षा की सापेक्ष अस्थिरता को मापता है, निर्णय लेने में बीटा जोखिम से केवल दूरस्थ रूप से संबंधित है।

• बीटा जोखिम इस संभावना का प्रतिनिधित्व करता है कि एक सांख्यिकीय परीक्षण में एक झूठी परिकल्पना को सत्य के रूप में स्वीकार किया जाता है।

• एक सांख्यिकीय परीक्षण में उपयोग किए गए नमूना आकार को बढ़ाने से बीटा जोखिम कम हो सकता है।

• बीटा जोखिम का स्वीकार्य स्तर 10% है; इसके अलावा, नमूना आकार बढ़ाया जाना चाहिए।

• बीटा जोखिम अल्फा जोखिम के विपरीत है, जो इस संभावना को मापता है कि एक शून्य परिकल्पना को खारिज कर दिया जाता है जब यह वास्तव में सच होता है।