Franklin India Technology Fund, છેલ્લા એક વર્ષમાં **-17.2%** ના ઘટાડા સાથે, તેના સ્પર્ધકો SBI Technology Opportunities Fund (**-19.0%**) અને Aditya Birla Sun Life Digital India Fund (**-20.5%**) કરતાં વધુ સારું પ્રદર્શન કર્યું છે.
શું થયું?
Franklin India Technology Fund તાજેતરમાં જાહેર થયેલા એક વર્ષના રિટર્નના આંકડા મુજબ, ટેકનોલોજી સેક્ટરના મ્યુચ્યુઅલ ફંડ્સમાં સૌથી શ્રેષ્ઠ પરફોર્મર તરીકે ઉભરી આવ્યું છે. 29 જૂન 2026 સુધીમાં, આ ફંડે -17.2% નું નેગેટિવ રિટર્ન નોંધાવ્યું છે. જોકે આ આંકડો નકારાત્મક છે, તે દર્શાવે છે કે ફંડે તેના મોટાભાગના સ્પર્ધકો કરતાં ઓછું નુકસાન સહન કર્યું છે.
મંદીમાં 'આઉટપર્ફોર્મન્સ'નો અર્થ
જ્યારે માર્કેટ તેજીમાં હોય, ત્યારે આઉટપર્ફોર્મન્સ એટલે કે વધુમાં વધુ નફો કમાવવો. પરંતુ મંદીના માહોલમાં, આઉટપર્ફોર્મન્સનો અર્થ સામાન્ય રીતે એ થાય છે કે ફંડ તેના બેન્ચમાર્ક અથવા સ્પર્ધકો કરતાં ઓછું નુકસાન કરી રહ્યું છે. Franklin India Technology Fund એ તેના બેન્ચમાર્ક -23.8% ની સરખામણીમાં સારું પ્રદર્શન કર્યું છે, જે દર્શાવે છે કે ફંડ મેનેજમેન્ટની વ્યૂહરચનાએ ટેક સેક્ટરની મોટાભાગની મંદી સામે થોડું રક્ષણ પૂરું પાડ્યું હતું. તેમ છતાં, રોકાણકારોના પૈસામાં ઘટાડો નોંધાયો છે.
સેક્ટર ફંડ્સનું જોખમ
ટેકનોલોજી ફંડ્સ, જે સેક્ટોરલ અથવા થીમેટિક ફંડ્સ તરીકે ઓળખાય છે, તે પોતાના પોર્ટફોલિયોનો મોટો હિસ્સો માત્ર એક જ ઉદ્યોગમાં રોકે છે. આ ફંડ્સ ટેક બૂમ દરમિયાન ઊંચા ગ્રોથ આપી શકે છે, પરંતુ જ્યારે સેક્ટર પર સંકટ આવે છે ત્યારે તે ખૂબ જ સંવેદનશીલ બની જાય છે. બેન્કિંગ, મેન્યુફેક્ચરિંગ જેવા વિવિધ સેક્ટરમાં રોકાણ કરતા ડાઇવર્સિફાઇડ ઇક્વિટી ફંડ્સથી વિપરીત, ટેકનોલોજી ફંડ્સ સંપૂર્ણપણે IT કંપનીઓને અસર કરતી જોખમો સામે ખુલ્લા હોય છે. આ કારણે, આવા ફંડ્સ ફક્ત એવા રોકાણકારો માટે ભલામણપાત્ર છે જેઓ ઊંચી વોલેટિલિટી (Volatility) સાથે આરામદાયક હોય અને લાંબા ગાળાનું રોકાણ કરવા માંગતા હોય.
લાંબા ગાળાનું પ્રદર્શન
ટૂંકા ગાળાના રિટર્ન, જેમ કે એક મહિના કે ત્રણ મહિનાના આંકડા, ખૂબ જ અસ્થિર હોઈ શકે છે. પરંતુ લાંબા ગાળાનું પ્રદર્શન ફંડની સ્થિરતાનું સ્પષ્ટ ચિત્ર આપે છે. ઉદાહરણ તરીકે, ત્રણ વર્ષના ગાળામાં, Franklin India Technology Fund એ 10.4% નું રિટર્ન આપ્યું છે, જે તેના બેન્ચમાર્ક કરતાં 7.6% વધુ છે. રોકાણકારોએ ટૂંકા ગાળાના ઉતાર-ચઢાવને બદલે, ફંડ મેનેજરની વ્યૂહરચના વિવિધ માર્કેટ સાયકલમાં કેટલી અસરકારક રહી છે તે જાણવા માટે આ મલ્ટી-યર ડેટા પર ધ્યાન આપવું જોઈએ.