बैंकिंग निर्णयों में Linear Programming: एक CAIIB ABM गाइड (2026)
ट्रेजरी डेस्क, क्रेडिट कमेटी और ब्रांच मैनेजर रोज़ एक ही समस्या से जूझते हैं: संसाधन सीमित हैं, मांगें कई हैं, और अंदाज़े से नहीं बल्कि गणितीय रूप से "सर्वश्रेष्ठ" जवाब चाहिए। यहीं पर linear programming in banking काम आती है। सही तरीके से इस्तेमाल की जाए तो linear programming in banking एक अस्पष्ट संसाधन-आवंटन बहस को एक हल-योग्य समीकरण में बदल देती है — जिसका एक ही इष्टतम (optimal) जवाब होता है — और यह CAIIB Advanced Bank Management (ABM) सिलेबस का एक स्कोरिंग टॉपिक है। इस गाइड में थ्योरी, फॉर्मूलेशन के स्टेप्स, हल करने के तरीके, और बैंक ज़मीनी स्तर पर इस तकनीक का इस्तेमाल कहाँ करते हैं — सब कवर किया गया है।
📊 बैंकिंग निर्णयों में Linear Programming क्या है?
Linear programming (LP) एक गणितीय तकनीक है जिससे सीमित संसाधनों के बीच सबसे अच्छा परिणाम — अधिकतम लाभ, न्यूनतम लागत, या इष्टतम आवंटन — निकाला जाता है, बशर्ते लक्ष्य और सारी शर्तें रैखिक (linear) समीकरणों या असमिकाओं (inequalities) के रूप में लिखी जा सकें। हर LP मॉडल चार आधारभूत हिस्सों पर टिका होता है: decision variables (वे अज्ञात मात्राएँ जो बैंक को तय करनी हैं, जैसे दो अलग-अलग लोन प्रोडक्ट्स को कितना-कितना लेंड करना है), objective function (वह रैखिक व्यंजक जिसे अधिकतम या न्यूनतम करना है, आमतौर पर लाभ या लागत), constraints (सीमित फंड, रेगुलेटरी सीमाओं, या स्टाफ क्षमता को दर्शाने वाली रैखिक असमिकाएँ), और non-negativity restriction (decision variables ऋणात्मक नहीं हो सकते, क्योंकि कोई बैंक ऋणात्मक राशि का लोन नहीं दे सकता)।
CAIIB की तैयारी कर रहे बैंकर्स को linear programming chapter ध्यान से पढ़ना चाहिए, क्योंकि परीक्षा में अक्सर सिर्फ कैलकुलेशन नहीं बल्कि formulation ही टेस्ट किया जाता है — आपसे उम्मीद की जाती है कि किसी भी वर्ड प्रॉब्लम को हल करने से पहले उसे variables और inequalities में बदलें।
🏦 बैंक Linear Programming का इस्तेमाल कहाँ करते हैं
Linear programming in banking सिर्फ किताबों तक सीमित कोई थ्योरी एक्सरसाइज़ नहीं है; यह असली ऑपरेशनल फैसलों की दिशा तय करती है। एक ट्रेजरी डेस्क इसका इस्तेमाल यह तय करने के लिए करता है कि सरप्लस पैसा government securities और call money के बीच कितना बाँटा जाए, ताकि SLR और liquidity floors का पालन करते हुए यील्ड अधिकतम हो सके। एक रिटेल लेंडिंग टीम इसका इस्तेमाल एक तय क्रेडिट बजट को होम लोन, ऑटो लोन और पर्सनल लोन में इस तरह बाँटने के लिए करती है कि सेक्टर एक्सपोज़र सीमाओं और risk-weighted asset limits के भीतर रहते हुए अपेक्षित रिटर्न अधिकतम हो। ब्रांच ऑपरेशंस टीमें इसका इस्तेमाल कैशियर शिफ्ट शेड्यूल करने के लिए करती हैं ताकि पीक आवर्स में हर काउंटर पर स्टाफ हो, फिर भी कुल वेज-बजट की सीमा न टूटे, और cash-logistics टीमें इसी से तय करती हैं कि किस ATM क्लस्टर तक कितनी करेंसी भेजी जाए ताकि idle cash कम रहे और स्टॉक-आउट भी न हो।
ये सब क्लासिक resource-allocation समस्याएँ हैं, और linear programming in banking का इस्तेमाल इन्हें एक भरोसेमंद, दोहराई जा सकने वाली विधि से हल करने का ही तरीका है। applied questions में हाथ डालने से पहले statistics fundamentals and their limitations दोबारा देख लें, क्योंकि LP, probability और hypothesis testing के साथ ABM के बड़े quantitative-techniques ब्लॉक का ही हिस्सा है।
🧮 LP Problem को स्टेप-बाय-स्टेप Formulate करना
ज़्यादातर कैंडिडेट यहीं मार्क्स गंवाते हैं, इसलिए एक तय क्रम अपनाएँ। Step 1: decision variables पहचानें और नाम दें — जैसे, x = Product A को दिया गया करोड़ रुपये का लोन, y = Product B को दिया गया करोड़ रुपये का लोन। Step 2: हर variable के प्रति-यूनिट योगदान का इस्तेमाल कर objective function लिखें, जैसे maximise Z = 8x + 6y (₹ लाख लाभ में)। Step 3: हर constraint को रैखिक असमिका के रूप में सूचीबद्ध करें — जैसे फंड-उपलब्धता constraint x + y ≤ 50 (करोड़), रेगुलेटरी-एक्सपोज़र constraint x ≤ 30, और न्यूनतम-विविधीकरण constraint y ≥ 10। Step 4: non-negativity शर्त जोड़ें, x ≥ 0 और y ≥ 0। Step 5: graphical method (दो variables के लिए) या simplex method (तीन या ज़्यादा variables के लिए) इस्तेमाल कर वह corner point ढूँढें जिस पर Z का मान सबसे अधिक हो।
💡 Exam Tip: जब CAIIB के किसी सवाल में "at least," "at most," या "not more than" शब्द आएँ, तो objective function को छूने से पहले इन्हें शब्दशः ≥, ≤ चिह्नों में बदलें — एक भी असमिका गलत पढ़ने से पूरा feasible region उलट जाता है।
📐 Graphical Method बनाम Simplex Method
बैंक की LP problem एक बार formulate हो जाने पर, हल करने की तकनीक मुख्यतः इस बात पर निर्भर करती है कि कितने decision variables शामिल हैं। नीचे दी गई टेबल में CAIIB ABM के कैंडिडेट्स के लिए वे व्यावहारिक अंतर बताए गए हैं जो याद रखने चाहिए।
| पहलू | Graphical Method | Simplex Method |
|---|---|---|
| संभाले जा सकने वाले decision variables की संख्या | केवल 2 variables | 3 या अधिक variables |
| 3+ variables के लिए काम करता है | ❌ नहीं | ✅ हाँ |
| हल करने का तरीका | Constraints प्लॉट करें, feasible region पहचानें, corner points जाँचें | Iterative algebraic table (simplex tableau) जो optimality की ओर बढ़ता है |
| बैंक परीक्षा में हाथ से कैलकुलेशन के लिए उपयुक्त | हाँ, 2-variable सवालों के लिए मानक | पूरी तरह हाथ से शायद ही किया जाता है |
| बड़ी असली-दुनिया की समस्याओं के लिए गति | 2 variables से आगे लागू नहीं | सॉफ्टवेयर (Excel Solver, LINDO) के साथ तेज़ |
| असली treasury/credit सॉफ्टवेयर में इस्तेमाल | ❌ नहीं | ✅ हाँ |
व्यवहार में, असली बैंक ऑप्टिमाइज़ेशन सिस्टम — चाहे पोर्टफोलियो आवंटन के लिए हों या कैश लॉजिस्टिक्स के लिए — हमेशा simplex method (या इसके कंप्यूटरीकृत वेरिएंट) ही चलाते हैं, क्योंकि एक साथ दर्जनों लोन प्रोडक्ट्स, ब्रांचेज़, या सिक्योरिटीज़ शामिल होती हैं। CAIIB के लिए graphical method फिर भी महत्वपूर्ण है क्योंकि यह algebra तक पहुँचने से पहले "feasible region" और "optimal corner point" का दृश्य (visual) अंतर्ज्ञान बनाता है।
⚠️ आम गलतियाँ और Exam Pointers
सबसे आम गलती है constraints लिखते समय non-negativity restriction भूल जाना, जिससे अन्यथा सही जवाब भी अधूरा रह जाता है। दूसरी गलती है maximise बनाम minimise को गलत समझना: cost-minimisation problem और profit-maximisation problem एक ही feasible region के विपरीत कोनों की ओर optimal point ले जाते हैं। तीसरी गलती है degeneracy और infeasibility की जाँच छोड़ देना — कोई ABM सवाल जानबूझकर ऐसे constraints दे सकता है जिनसे कोई feasible region बनता ही नहीं, और आपसे उम्मीद की जाती है कि आप ज़बरदस्ती जवाब बनाने के बजाय यही बताएँ।
Common Mistake: छात्र अक्सर दो constraint lines के intersection को हल कर लेते हैं और मान लेते हैं कि यही अपने-आप optimum है — हमेशा पहले जाँचें कि वह point feasible region के अंदर है, फिर उसका Z मान बाकी हर corner point से तुलना करके देखें।
📌 Remember: Linear programming in banking तभी काम करती है जब objective और हर constraint पूरी तरह रैखिक (linear) हों; जिस पल किसी relationship में कोई variable स्क्वायर हो जाए या दूसरे variable से गुणा हो जाए, आप LP के दायरे से बाहर निकलकर non-linear optimisation में पहुँच जाते हैं।
Linear programming in banking के इर्द-गिर्द फैले quantitative-techniques ब्लॉक की व्यापक समझ के लिए, इसे correlation and regression analysis से तुलना करें, जो allocation को optimise करने के बजाय variables के बीच संबंध मापता है। यह देखना भी उपयोगी है कि optimisation-जैसी सोच रेगुलेटरी capital planning में कैसे लागू होती है, हमारी Basel III capital adequacy गाइड में, और resource-tiering फैसलों के लिए NBFC scale based regulation में। अगर आप Bank Financial Management भी तैयार कर रहे हैं, तो हमारी bond pricing formula गाइड में इसी तरह की formula-पहले वाली सोच अपनाई गई है।
🧠 Practice MCQs: Linear Programming in Banking
Q1. In a linear programming problem, the objective function represents (a) the constraints on resources (b) the goal to be maximised or minimised (c) the non-negativity condition (d) the feasible region boundary
Answer: (b) — The objective function is the linear expression, such as profit or cost, that the model seeks to maximise or minimise.
Q2. A bank wants to allocate funds between two loan products to maximise profit, with three or more decision variables. Which solution method should it use? (a) Graphical method (b) Simplex method (c) Regression analysis (d) Trial and error
Answer: (b) — The graphical method is limited to two decision variables; three or more variables require the simplex method.
Q3. The non-negativity restriction in a bank's LP model exists because (a) it simplifies the objective function (b) decision variables like loan amounts cannot be negative (c) it removes the need for constraints (d) it converts the problem to non-linear form
Answer: (b) — A bank cannot disburse a negative loan amount, so all decision variables must be zero or positive.
Q4. In the graphical method of solving an LP problem, the optimal solution is found at (a) the centre of the feasible region (b) any point inside the feasible region (c) a corner (vertex) point of the feasible region (d) the intersection of the axes
Answer: (c) — For a linear objective function, the optimum always occurs at a corner point of the feasible region, never strictly inside it.
Q5. Which of the following is NOT a required component of a linear programming model used in banking decisions? (a) Decision variables (b) Objective function (c) Linear constraints (d) Probability distribution
Answer: (d) — LP models are deterministic and linear; a probability distribution belongs to stochastic or statistical models, not to LP formulation.
100+ MCQs वाले chapter-wise mock tests चाहिए? मुफ़्त प्रैक्टिस शुरू करें →
अक्सर पूछे जाने वाले प्रश्न
बैंकिंग में linear programming का मुख्य उपयोग क्या है?
Linear programming in banking मुख्यतः सीमित संसाधनों — जैसे लोन योग्य फंड, निवेश सरप्लस, ब्रांच स्टाफ घंटे, या ATM कैश — को इस तरह आवंटित करने में इस्तेमाल होती है कि रेगुलेटरी और ऑपरेशनल शर्तों का पालन करते हुए लाभ अधिकतम हो या लागत न्यूनतम हो।
क्या linear programming CAIIB ABM सिलेबस का हिस्सा है?
हाँ। Linear programming, CAIIB Advanced Bank Management पेपर के quantitative techniques सेक्शन के अंतर्गत आती है, साथ ही statistics fundamentals, probability, और correlation and regression analysis भी इसी में शामिल हैं।
Graphical method और simplex method में क्या अंतर है?
Graphical method सिर्फ दो decision variables वाली LP problems को feasible region प्लॉट कर और corner points जाँचकर हल कर सकती है, जबकि simplex method एक iterative algebraic तकनीक है जो तीन या अधिक decision variables संभालती है और असली बैंकिंग सॉफ्टवेयर में यही इस्तेमाल होती है।
क्या बैंकिंग की किसी linear programming problem का कोई हल न निकले, ऐसा हो सकता है?
हाँ। अगर constraints एक-दूसरे के विपरीत हों, तो वे एक खाली feasible region बना देते हैं, जिसका मतलब है कि problem "infeasible" है और उसका कोई मान्य हल नहीं है — CAIIB के सवाल कभी-कभी यही टेस्ट करते हैं कि कैंडिडेट ज़बरदस्ती जवाब बनाने के बजाय इस स्थिति को सही ढंग से पहचान पाता है या नहीं।
निष्कर्ष: Linear Programming को अपने लिए काम में लाएँ
Linear programming in banking उन कैंडिडेट्स को फायदा देती है जो रटने की बजाय formulation में महारत हासिल करते हैं — एक बार जब आप decision variables, objective function और constraints सही ढंग से सेट करना सीख जाते हैं, तो problem हल करना लगभग यांत्रिक (mechanical) हो जाता है। ऊपर दिए गए worked example को दोबारा देखें, वर्ड प्रॉब्लम्स को inequalities में बदलने का अभ्यास करें, और exam से पहले graphical व simplex दोनों तरीकों पर अपनी गति नापें — linear programming in banking में जल्दी महारत हासिल करना आगे आने वाले हर ABM quantitative-techniques सवाल में काम आता है। exam-day की असली गति बनाने के लिए, पूरे लंबाई वाले CAIIB mock tests दें और Advanced Bank Management tag hub पर और quantitative-techniques गाइड्स देखें, या संरचित, chapter-wise तैयारी के लिए पूरा CAIIB course देखें।
Quick quiz on this topic
5 exam-style questions from our free test bank — check yourself before you move on.
Practice this topic
मुफ़्त मॉक टेस्ट दें, चैप्टर PDF डाउनलोड करें या वीडियो क्लास देखें — सब iibf.store पर मुफ़्त है।
पढ़ना जारी रखें
