Capital Budgeting में Risk Analysis: CAIIB ABFM एग्ज़ाम गाइड

CAIIB By Ashish Jain · IIBF STORE Editorial · 25 अगस्त 2026 · अपडेटेड 09 अक्टू. 2026 · 9 मिनट का पाठ · 78 व्यूज़ Read in English

#Advanced Business and Financial Management #banking exam #CAIIB #IIBF

Capital Budgeting में Risk Analysis: CAIIB ABFM एग्ज़ाम गाइड

बैंक जो भी प्रोजेक्ट अप्रेज़ल नंबर निकालता है — NPV, IRR, payback — वह कैश फ्लो के अनुमानों पर टिका होता है, और ये अनुमान गलत भी हो सकते हैं। यही वजह है कि capital budgeting में risk analysis CAIIB ABFM का एक अहम स्किल है: यह क्रेडिट और ट्रेज़री अधिकारियों को पैसा जारी करने से पहले यह जांचने का एक व्यवस्थित तरीका देता है कि कोई फैसला गलत मान्यताओं के प्रति कितना संवेदनशील है। इस लेख में वे मुख्य तकनीकें बताई गई हैं जो एग्ज़ामिनर से आप जानने की उम्मीद रखते हैं, वे एक-दूसरे से कैसे अलग हैं, और हर तकनीक कहां कमज़ोर पड़ती है।

📊 Capital Budgeting के फैसलों में Risk और Uncertainty क्यों होती है

अप्रेज़ल थ्योरी में risk का मतलब है कि नतीजों और उनकी प्रोबेबिलिटी का अनुमान पिछले डेटा से लगाया जा सकता है — जैसे किसी नई ब्रांच के विस्तार में डिमांड की रेंज पहले जैसे मामलों से पता चल जाती है। Uncertainty का मतलब है कि प्रोबेबिलिटी भी मालूम नहीं है, जैसे किसी बिल्कुल नई टेक्नोलॉजी में निवेश जिसका कोई पुराना उदाहरण ही न हो। पारंपरिक NPV और IRR यह मान लेते हैं कि कैश फ्लो का एक ही, तय सेट है, जो कई साल तक चलने वाले प्रोजेक्ट फाइनेंस में शायद ही सही साबित होता है।

एक गलत अनुमान किसी मुनाफे वाले दिखने वाले प्रोजेक्ट को घाटे का बना सकता है, इसलिए अप्रेज़ल फ्रेमवर्क एक तय कैश फ्लो पर भरोसा करने के बजाय स्पष्ट एडजस्टमेंट तकनीकों को शामिल करते हैं। लंबी गेस्टेशन अवधि वाले प्रोजेक्ट्स को फाइनेंस करने वाले बैंक टर्म लोन मंज़ूर करने से पहले आमतौर पर इनमें से दो या ज़्यादा तरीकों को मिलाकर इस्तेमाल करते हैं।

💡 Exam Tip: RADR, Certainty Equivalent, Sensitivity/Decision Tree, और Simulation याद रखें — CAIIB ABFM में अक्सर किसी तरीके को उसकी पहचान वाली खासियत से मैच करने के लिए कहा जाता है।

🎯 Risk-Adjusted Discount Rate Method

Risk-adjusted discount rate (RADR) method में expected कैश फ्लो को वैसा ही रखा जाता है, लेकिन उन्हें present value में लाने के लिए इस्तेमाल होने वाली discount rate बढ़ा दी जाती है। एडजस्ट की गई रेट, risk-free rate प्लस एक risk premium होती है, जो प्रोजेक्ट के जोखिम वर्ग के हिसाब से बढ़ती है — एक सामान्य रिप्लेसमेंट प्रोजेक्ट को किसी अनजान बाज़ार में नए प्रोडक्ट लाइन की तुलना में कम प्रीमियम मिलता है।

किसी बेहद अनिश्चित वेंचर में पांच साल बाद मिलने वाला एक रुपया, भरोसेमंद तरीके से मिलने वाले एक रुपये से आज कम मूल्य का होता है, इसलिए उसे ज़्यादा कड़ाई से डिस्काउंट करना इस अनिश्चितता की भरपाई करता है। RADR का इस्तेमाल व्यापक रूप से इसलिए होता है क्योंकि यह कैश फ्लो के अनुमान को दोबारा बनाए बिना सीधे स्टैंडर्ड NPV फॉर्मूले में फिट हो जाता है।

इसकी सबसे बड़ी कमज़ोरी यह है कि risk premium व्यक्तिगत निर्णय पर आधारित होता है — दो अलग-अलग अप्रेज़र एक ही प्रोजेक्ट के लिए वाजिब तौर पर अलग-अलग प्रीमियम चुन सकते हैं — और यह मान कर चलता है कि हर साल जोखिम समान रूप से बढ़ता है, जो हमेशा सही नहीं होता, खासकर जब जोखिम शुरुआती निर्माण चरण में ज़्यादा केंद्रित हो।

💰 Certainty Equivalent Method

Certainty equivalent (CE) method इसके उलट तरीका अपनाती है: discount rate एडजस्ट करने के बजाय, यह खुद कैश फ्लो को एडजस्ट करती है। हर साल के expected (जोखिम भरे) कैश फ्लो को 0 और 1 के बीच के certainty equivalent coefficient से गुणा किया जाता है, जिससे वह एक ऐसी निश्चित रकम में बदल जाता है जिसे कोई निर्णयकर्ता जोखिम भरे कैश फ्लो के बदले स्वीकार कर लेगा। जिस साल का कैश फ्लो जितना ज़्यादा जोखिम भरा होगा, coefficient उतना ही कम होगा।

इन निश्चित कैश फ्लो को फिर risk-free rate पर डिस्काउंट किया जाता है, न कि किसी risk-adjusted rate पर, क्योंकि जोखिम को पहले ही numerator से हटा दिया गया है, न कि denominator में जोड़ा गया है। यही वजह है कि CE, RADR से concept के लिहाज़ से ज़्यादा साफ-सुथरी है — यह प्रोजेक्ट की पूरी अवधि में एक ही फ्लैट प्रीमियम रखने के बजाय हर साल जोखिम एडजस्टमेंट को बदलने देती है।

व्यवहार में, CE coefficients का भरोसेमंद अनुमान लगाना एक अकेले risk premium से कहीं ज़्यादा मुश्किल है, इसी वजह से सिलेबस में सैद्धांतिक रूप से बेहतर तरीका होने के बावजूद CE की तुलना में RADR ज़्यादा प्रचलित है।

⚠️ Common Mistake: certainty-equivalent कैश फ्लो को risk-free rate की जगह risk-adjusted rate पर डिस्काउंट करना risk adjustment को दो बार गिनने जैसा है, जिससे NPV असल से कम दिखता है।

🌳 Decision Tree Analysis और Sensitivity Analysis

Sensitivity analysis यह देखती है कि अगर कोई एक वेरिएबल — जैसे sales volume, selling price, कच्चे माल की लागत, या discount rate — बेस केस से अलग निकले, जबकि बाकी सभी वेरिएबल स्थिर रहें, तो क्या होगा। हर वेरिएबल के pessimistic, expected और optimistic मूल्यों के लिए NPV को दोबारा निकालने से पता चलता है कि प्रोजेक्ट की व्यवहार्यता किन इनपुट्स के प्रति सबसे ज़्यादा संवेदनशील है, जिससे क्रेडिट टीम अपनी due diligence वहीं केंद्रित कर सकती है।

इसकी सबसे बड़ी सीमा यह है कि यह एक बार में सिर्फ एक वेरिएबल बदलती है और इस बात को नज़रअंदाज़ करती है कि वेरिएबल अक्सर साथ-साथ बदलते हैं — जैसे कोई demand shock आमतौर पर वॉल्यूम और कीमत, दोनों को एक साथ प्रभावित करता है। यह अलग-अलग परिदृश्यों को कोई प्रोबेबिलिटी भी नहीं देती, इसलिए यह जोखिम की पहचान तो कर देती है, पर यह मात्रा में नहीं बताती कि वह जोखिम कितना संभावित है।

Decision tree analysis इसे आगे बढ़ाकर क्रमिक, बहु-चरण फैसलों तक ले जाती है। यह किसी प्रोजेक्ट को branching decision points और chance events के रूप में दिखाती है — जैसे कोई pilot phase, जिसके बाद पूरे पैमाने पर rollout का go/no-go फैसला लिया जाता है — और हर node पर expected values से पीछे की ओर काम करते हुए सबसे बेहतर रास्ता ढूंढती है। यह उन phased प्रोजेक्ट फाइनेंस के लिए उपयुक्त है जहां बाद का निवेश शुरुआती नतीजों पर निर्भर करता है।

🎲 Project Appraisal में Scenario Analysis और Monte Carlo Simulation

Scenario analysis कई वेरिएबल्स को आपस में मेल खाते हुए "states of the world" में समूहित करती है — जैसे recession scenario, base case, और boom scenario — और अलग से एक इनपुट बदलने के बजाय हर सिनेरियो के लिए NPV निकालती है। यह sensitivity analysis की उस कमी को काफी हद तक ठीक करती है जो correlated वेरिएबल्स को नज़रअंदाज़ करती है, हालांकि मॉडल किए गए सिनेरियो अब भी एनालिस्ट के निर्णय तक ही सीमित रहते हैं।

Monte Carlo simulation इससे भी आगे जाती है: यह हर मुख्य वेरिएबल को एक probability distribution देती है और हज़ारों random trials चलाती है, जिनमें हर बार हर वेरिएबल के लिए एक मूल्य चुना जाता है और उससे मिलने वाला NPV निकाला जाता है। इसका नतीजा कोई एक अंक नहीं, बल्कि संभावित NPV की एक पूरी probability distribution होती है, जिससे मैनेजमेंट यह अंदाज़ा लगा सकता है कि प्रोजेक्ट वाकई value-accretive होने की कितनी संभावना रखता है।

Simulation कंप्यूटेशन के लिहाज़ से भारी होती है और यह इस बात पर बहुत निर्भर करती है कि हर वेरिएबल का distribution और वेरिएबल्स के बीच का correlation सही तरीके से तय किया गया हो, इसलिए गलत इनपुट मान्यताएं देखने में सटीक लगने वाला मगर भ्रामक नतीजों का फैलाव दे सकती हैं।

📌 Remember: Sensitivity और scenario analysis डायग्नोस्टिक हैं — ये बताती हैं कि जोखिम कहां छिपा है। RADR, CE और simulation उस जोखिम को खुद अप्रेज़ल नंबर में शामिल कर देते हैं।

🧠 अभ्यास MCQs: Capital Budgeting में Risk और Uncertainty

Q1. Risk-adjusted discount rate (RADR) method में ज़्यादा जोखिम वाले प्रोजेक्ट के साथ क्या किया जाता है? (a) सभी प्रोजेक्ट्स के लिए एक जैसी discount rate (b) उसके कैश फ्लो को डिस्काउंट करने के लिए risk premium जोड़कर एक ऊंची discount rate इस्तेमाल की जाती है (c) जोखिम की भरपाई के लिए कैश फ्लो बढ़ा दिए जाते हैं (d) सिर्फ शुरुआती निवेश (initial outlay) को एडजस्ट किया जाता है

उत्तर: (b) — RADR कैश फ्लो को वैसा ही रखती है और discount rate को प्रोजेक्ट के जोखिम वर्ग के हिसाब से बढ़ते risk premium से ऊंचा कर देती है।

Q2. Certainty equivalent method जोखिम भरे कैश फ्लो को निश्चित कैश फ्लो में कैसे बदलती है? (a) Discount rate में risk premium जोड़कर (b) हर कैश फ्लो को certainty equivalent coefficient (0 से 1) से गुणा करके, फिर risk-free rate पर डिस्काउंट करके (c) कैश फ्लो में उतार-चढ़ाव को नज़रअंदाज़ करके (d) ज़्यादा जोखिम वाले सालों में discount rate घटाकर

उत्तर: (b) — CE कैश फ्लो को जोखिम के हिसाब से एडजस्ट करती है और risk-free rate पर डिस्काउंट करती है, जिससे जोखिम को दो बार गिनने से बचा जाता है।

Q3. Capital budgeting में sensitivity analysis जोखिम का आकलन कैसे करती है? (a) एक बार में एक वेरिएबल बदलकर, बाकी को स्थिर रखते हुए, और NPV पर पड़ने वाले असर को देखकर (b) random distributions का इस्तेमाल करते हुए सभी वेरिएबल एक साथ बदलकर (c) discount rate को नज़रअंदाज़ करके (d) सिर्फ पुराने accounting profit पर भरोसा करके

उत्तर: (a) — Sensitivity analysis एक समय में एक वेरिएबल के असर को अलग करके देखती है; यह काम इसकी जगह Monte Carlo simulation का है।

Q4. Decision tree किस स्थिति में सबसे उपयुक्त होता है? (a) जब प्रोजेक्ट में कोई जोखिम न हो (b) जब निवेश क्रमिक/बहु-चरण हो, और बाद के फैसले पहले के नतीजों पर निर्भर हों (c) जब सिर्फ एक ही कैश फ्लो सिनेरियो संभव हो (d) जब discount rate रेगुलेशन से तय हो

उत्तर: (b) — Decision tree branching decision points को दिखाता है, जो pilot stage के बाद go/no-go rollout जैसे phased प्रोजेक्ट्स के लिए उपयुक्त है।

Q5. Project appraisal में Monte Carlo simulation मुख्य रूप से किस तरह मदद करती है? (a) एक सटीक NPV आंकड़ा तय करके (b) वेरिएबल distributions से बार-बार सैंपलिंग करके NPV नतीजों की एक probability distribution तैयार करके (c) discount rate की ज़रूरत ही खत्म करके (d) certainty equivalent coefficients को तय प्रतिशत से बदलकर

उत्तर: (b) — Simulation random trials चलाकर एक अकेले आंकड़े की बजाय NPV नतीजों की पूरी probability distribution तैयार करती है।

चैप्टर के हिसाब से 100+ MCQs वाले mock tests चाहिए? मुफ्त अभ्यास शुरू करें →

❓ अक्सर पूछे जाने वाले सवाल

Capital budgeting में risk और uncertainty के बीच बुनियादी फर्क क्या है?

Risk तब होता है जब नतीजों और उनकी प्रोबेबिलिटी का अनुमान पिछले डेटा से लगाया जा सकता है, जबकि uncertainty तब होता है जब प्रोबेबिलिटी भी मालूम नहीं होती। तकनीकी रूप से RADR और certainty equivalent असल में uncertainty के नहीं बल्कि risk-adjustment के टूल हैं।

RADR और certainty equivalent method में ज़्यादा सटीक कौन सी है?

Certainty equivalent सैद्धांतिक रूप से बेहतर मानी जाती है क्योंकि यह risk-free time value of money को risk premium से अलग रखते हुए, हर साल risk adjustment को बदलने देती है। बैंकों में RADR ज़्यादा इस्तेमाल होती है, सिर्फ इसलिए क्योंकि एक अकेले premium का अनुमान लगाना आसान है।

व्यापक रूप से इस्तेमाल होने के बावजूद sensitivity analysis को सीमित क्यों माना जाता है?

यह एक बार में सिर्फ एक वेरिएबल बदलती है और नतीजों को कोई प्रोबेबिलिटी नहीं देती, इसलिए यह यह तो बता देती है कि कौन से इनपुट सबसे ज़्यादा मायने रखते हैं, पर यह नहीं दिखाती कि किसी प्रतिकूल कॉम्बिनेशन की संभावना कितनी है। इस कमी को scenario analysis और simulation पूरा करती हैं।

बैंक साधारण NPV कैलकुलेशन की बजाय decision tree analysis का इस्तेमाल कब करता है?

Decision tree phased या conditional निवेश के लिए उपयुक्त होते हैं — जैसे कोई pilot प्रोजेक्ट जिसके बाद पूरे रोलआउट का फैसला लिया जाता है — जहां बाद के outflows पहले चरण के नतीजे पर निर्भर करते हैं, जिसे एक अकेला NPV दिखा नहीं सकता।

📋 Risk-Adjustment तकनीकें एक नज़र में

तकनीक	यह क्या एडजस्ट करती है	Correlated वेरिएबल्स संभालती है	Probability Distribution देती है
Risk-Adjusted Discount Rate	Discount rate (risk premium जोड़ती है)	❌	❌
Certainty Equivalent	कैश फ्लो (CE coefficients के ज़रिए)	❌	❌
Sensitivity Analysis	एक बार में एक इनपुट वेरिएबल	❌	❌
Decision Tree Analysis	क्रमिक decision paths	✅ (branches के भीतर)	❌
Scenario Analysis	वेरिएबल्स के समूह	✅	❌
Monte Carlo Simulation	distributions के ज़रिए सभी वेरिएबल	✅	✅

ये तकनीकें Adjustment of Risk and Uncertainty in Capital Budgeting Decision पर आधारित हैं और cross-border अप्रेज़ल तक फैलती हैं, जिसे Capital Budgeting for International Project Investment Decision में कवर किया गया है। इन्हें operating leverage and financial leverage और project finance appraisal techniques के साथ रिवाइज़ करें, क्योंकि risk profile ही तय करती है कि बैंक कितना leverage मंज़ूर करेगा। भरोसेमंद borrower आंकड़े भी मायने रखते हैं, इसीलिए अप्रेज़र प्रोजेक्शंस पर भरोसा करने से पहले window dressing of financial statements पकड़ते हैं। अप्रेज़ल की गुणवत्ता उन टीमों पर भी निर्भर करती है जो लोन की निगरानी करती हैं, यह विषय CAIIB HRM इलेक्टिव के employee engagement in banks में कवर किया गया है।

अप्रेज़ल मानकों की प्राइमरी-सोर्स जांच के लिए भारतीय रिज़र्व बैंक देखें।

खुद को परखने के लिए तैयार हैं?

और CAIIB ABFM आर्टिकल्स देखें या पूरी CAIIB mock test series अटेम्प्ट करें, यह जानने के लिए कि परीक्षा में ये सवाल किस तरह आते हैं।

Prefer revising from a printed book?

Chapter-wise books with MCQs after every chapter — minimal pages, complete coverage, delivered anywhere in India. Every book has a free sample to read first.

All books →

CAIIB 2026 Edition

ABFM — Advanced Business and Financial Management

148 pages · 375 MCQs