எதிர்பார்க்கப்படும் மதிப்பு

File:Expected value illustration.png

எதிர்பார்க்கப்படும் மதிப்பிற்கான எடுத்துக்காட்டு

எதிர்பார்க்கப்படும் மதிப்பு

அறிமுகம்

எதிர்பார்க்கப்படும் மதிப்பு (Expected Value - EV) என்பது ஒரு சம்பவம் அல்லது பரிவர்த்தனையின் நீண்ட கால சராசரி விளைவு ஆகும். இது நிகழ்தகவு மற்றும் அந்தச் சம்பவத்தின் சாத்தியமான விளைவுகளை ஒருங்கிணைத்து கணக்கிடப்படுகிறது. பைனரி ஆப்ஷன்ஸ் (Binary Options) போன்ற நிதிச் சந்தைகளில், எதிர்பார்க்கப்படும் மதிப்பு ஒரு முக்கியமான கருவியாகும். இது ஒரு குறிப்பிட்ட பரிவர்த்தனையின் லாபம் அல்லது நஷ்டத்தின் சாத்தியக்கூறுகளை மதிப்பிட உதவுகிறது.

எதிர்பார்க்கப்படும் மதிப்பின் அடிப்படைக் கருத்து

எதிர்பார்க்கப்படும் மதிப்பு என்பது ஒவ்வொரு சாத்தியமான விளைவின் நிகழ்தகவையும், அந்த விளைவின் மதிப்பையும் பெருக்கி, பின்னர் அனைத்தையும் கூட்டிக் கணக்கிடுவதன் மூலம் பெறப்படுகிறது.

கணித ரீதியாக, எதிர்பார்க்கப்படும் மதிப்பு பின்வருமாறு குறிப்பிடப்படுகிறது:

E(X) = Σ [P(Xi) * Xi]

இங்கு:

• E(X) என்பது எதிர்பார்க்கப்படும் மதிப்பு.
• P(Xi) என்பது i-வது விளைவுக்கான நிகழ்தகவு.
• Xi என்பது i-வது விளைவின் மதிப்பு.
• Σ என்பது அனைத்து சாத்தியமான விளைவுகளின் கூட்டுத்தொகை.

எடுத்துக்காட்டு

ஒரு நாணயத்தை சுண்டும் விளையாட்டை எடுத்துக் கொள்வோம். தலை விழுந்தால் 10 ரூபாய் கிடைக்கும், பூ விழுந்தால் 5 ரூபாய் இழக்க நேரிடும்.

• தலை விழுவதற்கான நிகழ்தகவு (P(தலை)) = 0.5
• பூ விழுவதற்கான நிகழ்தகவு (P(பூ)) = 0.5
• தலை விழுந்தால் கிடைக்கும் மதிப்பு (X(தலை)) = 10 ரூபாய்
• பூ விழுந்தால் கிடைக்கும் மதிப்பு (X(பூ)) = -5 ரூபாய்

எதிர்பார்க்கப்படும் மதிப்பு: E(X) = (0.5 * 10) + (0.5 * -5) = 5 - 2.5 = 2.5 ரூபாய்

இந்த விளையாட்டில், ஒவ்வொரு முறையும் விளையாடும்போது சராசரியாக 2.5 ரூபாய் லாபம் கிடைக்கும் என்று எதிர்பார்க்கலாம்.

பைனரி ஆப்ஷன்ஸில் எதிர்பார்க்கப்படும் மதிப்பு

பைனரி ஆப்ஷன்ஸ் பரிவர்த்தனையில், எதிர்பார்க்கப்படும் மதிப்பு ஒரு முக்கியமான கருவியாகும். ஒரு பைனரி ஆப்ஷன் என்பது ஒரு குறிப்பிட்ட சொத்தின் விலை ஒரு குறிப்பிட்ட காலத்திற்குள் ஒரு குறிப்பிட்ட அளவை விட அதிகமாகவோ அல்லது குறைவாகவோ இருக்குமா என்பதை யூகிக்கும் ஒரு ஒப்பந்தமாகும்.

பைனரி ஆப்ஷன்ஸில் எதிர்பார்க்கப்படும் மதிப்பைக் கணக்கிட, பின்வரும் காரணிகளைக் கருத்தில் கொள்ள வேண்டும்:

• வெற்றி நிகழ்தகவு (Probability of Success): உங்கள் கணிப்பு சரியாக இருப்பதற்கான நிகழ்தகவு.
• வெற்றி பெறும் தொகை (Payout): உங்கள் கணிப்பு சரியாக இருந்தால் கிடைக்கும் தொகை.
• இழப்பு தொகை (Investment): உங்கள் கணிப்பு தவறாக இருந்தால் இழக்கும் தொகை.

பைனரி ஆப்ஷன்ஸில் எதிர்பார்க்கப்படும் மதிப்பிற்கான சூத்திரம்:

EV = (வெற்றி நிகழ்தகவு * வெற்றி பெறும் தொகை) – (இழப்பு நிகழ்தகவு * இழப்பு தொகை)

உதாரணம்

நீங்கள் ஒரு பைனரி ஆப்ஷன்ஸில் 100 ரூபாய் முதலீடு செய்கிறீர்கள் என்று வைத்துக்கொள்வோம். வெற்றி நிகழ்தகவு 60% மற்றும் வெற்றி பெறும் தொகை 150 ரூபாய்.

• வெற்றி நிகழ்தகவு = 0.6
• வெற்றி பெறும் தொகை = 150 ரூபாய்
• இழப்பு நிகழ்தகவு = 0.4
• இழப்பு தொகை = 100 ரூபாய்

எதிர்பார்க்கப்படும் மதிப்பு: EV = (0.6 * 150) - (0.4 * 100) = 90 - 40 = 50 ரூபாய்

இந்த பரிவர்த்தனையில், ஒவ்வொரு முறையும் பரிவர்த்தனை செய்யும் போது சராசரியாக 50 ரூபாய் லாபம் கிடைக்கும் என்று எதிர்பார்க்கலாம்.

எதிர்பார்க்கப்படும் மதிப்பின் முக்கியத்துவம்

• பரிவர்த்தனை முடிவுகளை எடுக்க உதவுகிறது: எந்த பைனரி ஆப்ஷன்ஸில் முதலீடு செய்வது என்பதை தீர்மானிக்க உதவுகிறது.
• ஆபத்து மேலாண்மை (Risk Management): சாத்தியமான ஆபத்துகளை மதிப்பிட்டு, அவற்றை குறைக்க உதவுகிறது.
• நீண்ட கால லாபம்: நீண்ட காலத்திற்கு லாபம் ஈட்டக்கூடிய பரிவர்த்தனைகளை அடையாளம் காண உதவுகிறது.

எதிர்பார்க்கப்படும் மதிப்பைக் கணக்கிடுவதில் உள்ள சிக்கல்கள்

எதிர்பார்க்கப்படும் மதிப்பைக் கணக்கிடுவது எளிமையானதாக தோன்றினாலும், சில சிக்கல்கள் உள்ளன.

• நிகழ்தகவை மதிப்பிடுவது: சரியான நிகழ்தகவை மதிப்பிடுவது கடினம். சந்தை நிலவரங்கள், பொருளாதார காரணிகள் மற்றும் பிற வெளிப்புற காரணிகள் நிகழ்தகவை பாதிக்கலாம்.
• சரியான தரவு: துல்லியமான தரவு இல்லாமல், எதிர்பார்க்கப்படும் மதிப்பைக் கணக்கிடுவது கடினம்.
• உணர்ச்சிவசப்படுதல் (Emotional Bias): முதலீட்டாளர்கள் தங்கள் உணர்ச்சிகளின் அடிப்படையில் முடிவுகளை எடுக்கும்போது, எதிர்பார்க்கப்படும் மதிப்பைக் கணக்கிடுவது தவறாகப் போகலாம்.

எதிர்பார்க்கப்படும் மதிப்பு மற்றும் பிற நிதி கருவிகள்

எதிர்பார்க்கப்படும் மதிப்பு, பங்குச் சந்தை (Stock Market), பரஸ்பர நிதி (Mutual Funds), மற்றும் பத்திரங்கள் (Bonds) போன்ற பிற நிதி கருவிகளிலும் பயன்படுத்தப்படுகிறது. முதலீட்டாளர்கள் தங்கள் போர்ட்ஃபோலியோவின் (Portfolio) செயல்திறனை மதிப்பிடவும், ஆபத்துக்களை நிர்வகிக்கவும், நீண்ட கால லாபம் ஈட்டவும் இந்த கருவியைப் பயன்படுத்துகின்றனர்.

தொடர்புடைய உத்திகள் மற்றும் நுட்பங்கள்

• மதிப்பீட்டு உத்திகள் (Valuation Strategies): சொத்துக்களின் உண்மையான மதிப்பை மதிப்பிடுவதற்கு உதவுகிறது. ஆராய்ச்சி பகுப்பாய்வு
• சந்தை பகுப்பாய்வு (Market Analysis): சந்தை போக்குகளை அடையாளம் காண உதவுகிறது. சந்தை முன்னறிவிப்பு
• தொழில்நுட்ப பகுப்பாய்வு (Technical Analysis): விலை மற்றும் அளவு தரவுகளைப் பயன்படுத்தி எதிர்கால விலை நகர்வுகளை கணிக்க உதவுகிறது. சார்ட் பேட்டர்ன்கள்
• அடிப்படை பகுப்பாய்வு (Fundamental Analysis): ஒரு சொத்தின் உள்ளார்ந்த மதிப்பை மதிப்பிடுவதற்கு உதவுகிறது. நிதி அறிக்கைகள்
• ஆபத்து மேலாண்மை உத்திகள் (Risk Management Strategies): ஆபத்துக்களைக் குறைக்க உதவுகிறது. டைவர்சிஃபிகேஷன்
• குவாண்டிடேடிவ் அனாலிசிஸ் (Quantitative Analysis): புள்ளிவிவர மற்றும் கணித மாதிரிகளைப் பயன்படுத்தி முதலீட்டு முடிவுகளை எடுக்க உதவுகிறது. புள்ளிவிவர பகுப்பாய்வு
• சமவாய்ப்பு மாதிரி (Monte Carlo Simulation): பல சாத்தியமான விளைவுகளை உருவகப்படுத்துவதன் மூலம் ஆபத்துக்களை மதிப்பிட உதவுகிறது. உருவகப்படுத்துதல்
• உணர்திறன் பகுப்பாய்வு (Sensitivity Analysis): உள்ளீட்டு மாறிகளில் ஏற்படும் மாற்றங்கள் வெளியீட்டை எவ்வாறு பாதிக்கின்றன என்பதை மதிப்பிட உதவுகிறது. மாறி பகுப்பாய்வு
• சூழல் பகுப்பாய்வு (Scenario Analysis): வெவ்வேறு சூழ்நிலைகளில் ஒரு முதலீட்டின் செயல்திறனை மதிப்பிட உதவுகிறது. சூழல் திட்டமிடல்
• ஆப்டிமைசேஷன் (Optimization): ஒரு குறிப்பிட்ட இலக்கை அடைய சிறந்த முதலீட்டு கலவையைத் தேர்ந்தெடுக்க உதவுகிறது. போர்ட்ஃபோலியோ தேர்வு
• சமநிலை மாதிரி (Equilibrium Model): சந்தை சமநிலையை கணிக்க உதவுகிறது. சந்தை மாதிரி
• நேரத் தொடர் பகுப்பாய்வு (Time Series Analysis): காலப்போக்கில் தரவு புள்ளிகளைப் பயன்படுத்தி எதிர்கால மதிப்புகளைக் கணிக்க உதவுகிறது. கால வரிசை
• ரீக்ரஷன் பகுப்பாய்வு (Regression Analysis): மாறிகளுக்கு இடையிலான உறவை மதிப்பிட உதவுகிறது. சமன்பாடு
• தரவு சுரங்கம் (Data Mining): பெரிய தரவுத்தொகுப்பிலிருந்து பயனுள்ள தகவல்களைப் பிரித்தெடுக்க உதவுகிறது. தரவு ஆய்வு
• இயந்திர கற்றல் (Machine Learning): தரவுகளிலிருந்து கற்றுக்கொண்டு எதிர்கால முடிவுகளைக் கணிக்க உதவுகிறது. நரம்பியல் நெட்வொர்க்குகள்

முடிவுரை

எதிர்பார்க்கப்படும் மதிப்பு என்பது பைனரி ஆப்ஷன்ஸ் பரிவர்த்தனையில் ஒரு முக்கியமான கருவியாகும். இது பரிவர்த்தனைகளின் சாத்தியமான விளைவுகளை மதிப்பிடவும், ஆபத்துக்களை நிர்வகிக்கவும், நீண்ட கால லாபம் ஈட்டவும் உதவுகிறது. இருப்பினும், எதிர்பார்க்கப்படும் மதிப்பைக் கணக்கிடுவதில் உள்ள சிக்கல்களைப் புரிந்துகொண்டு, சரியான தரவு மற்றும் பகுப்பாய்வைப் பயன்படுத்துவது அவசியம்.

நிகழ்தகவு புள்ளியியல் பைனரி ஆப்ஷன்ஸ் சம்பவம் பரிவர்த்தனை ஆபத்து மேலாண்மை நிதிச் சந்தைகள் முதலீடு லாபம் நஷ்டம் வெற்றி நிகழ்தகவு இழப்பு நிகழ்தகவு சந்தை பகுப்பாய்வு தொழில்நுட்ப பகுப்பாய்வு அடிப்படை பகுப்பாய்வு போர்ட்ஃபோலியோ மதிப்பீட்டு உத்திகள் குவாண்டிடேடிவ் அனாலிசிஸ் சமவாய்ப்பு மாதிரி உணர்திறன் பகுப்பாய்வு சூழல் பகுப்பாய்வு ஆப்டிமைசேஷன் பங்குச் சந்தை பரஸ்பர நிதி பத்திரங்கள் ஆராய்ச்சி பகுப்பாய்வு சந்தை முன்னறிவிப்பு சார்ட் பேட்டர்ன்கள் நிதி அறிக்கைகள் டைவர்சிஃபிகேஷன் புள்ளிவிவர பகுப்பாய்வு உருவகப்படுத்துதல் மாறி பகுப்பாய்வு சூழல் திட்டமிடல் போர்ட்ஃபோலியோ தேர்வு சந்தை மாதிரி கால வரிசை சமன்பாடு தரவு ஆய்வு நரம்பியல் நெட்வொர்க்குகள்

இப்போது பரிவர்த்தனையை தொடங்குங்கள்

IQ Option-ல் பதிவு செய்யவும் (குறைந்தபட்ச டெபாசிட் $10) Pocket Option-ல் கணக்கு திறக்கவும் (குறைந்தபட்ச டெபாசிட் $5)

எங்கள் சமூகத்தில் சேருங்கள்

எங்கள் Telegram சேனலுக்கு சேர்ந்து @strategybin பெறுங்கள்: ✓ தினசரி பரிவர்த்தனை சமிக்ஞைகள் ✓ சிறப்பு உத்திகள் மற்றும் ஆலோசனைகள் ✓ சந்தை சார்ந்த அறிவிப்புகள் ✓ தொடக்க அடிப்படையிலான கல்வி பொருட்கள்