اقدامات عملکرد تنظیم شده ریسک

بازده پاداش ریسک پذیری است: هنگامی که هیچ خطری وجود نخواهد داشت ، هیچ سود نیز وجود نخواهد داشت. در این مقاله در مورد نسبت شارپ ، نسبت Treynor ، نسبت اطلاعات ، آلفا جنسن و شاخص های Kappa بحث شده است که همه اقدامات برای ارزیابی عملکرد تنظیم شده ریسک هستند.

یک درس کلیدی برای مدیران ریسک همیشه این است که بازده به معنای هیچ چیز نیست ، مگر اینکه در کنار هم با ریسک انجام شود. اقدامات عملکرد تنظیم شده ریسک دقیقاً همین کار را انجام می دهد. بحث قابل توجهی در مورد اقدامات عملکرد تنظیم شده در معرض خطر در کتابچه راهنمای PRMIA وجود دارد - و این مقاله مختصر برای ارائه درک اساسی و بصری از مفاهیم اساسی در نظر گرفته شده است. ما در مورد نسبت شارپ ، نسبت Treynor ، نسبت اطلاعات ، آلفا جنسن و شاخص های Kappa صحبت خواهیم کرد. شما همچنین در رسانه های محبوب ، در گزارش های تحقیقاتی ، در وبلاگ های آنلاین با این شرایط روبرو خواهید شد و همیشه خوب است که دقیقاً بدانید منظور آنها چیست.

بازگرداندن دارایی:

به طور شهودی ، ما می توانیم بازده کل یک دارایی را به عنوان مبلغ بازده آزاد ریسک در نظر بگیریم ، که پاداش ارزش زمانی پول ، بازگشت بتا است که پاداش نوسانات اضافی دارایی است که نامیده می شود. حق بیمه خطر بازار و بازده آلفا ، که عملکرد برتر است که به مهارت انتخاب امنیت دارایی مربوط می شود.

نرخ ریسک بدون ریسک هیچ نوسانات ندارد. مؤلفه های بتا و آلفا بازده نوسانات را به جریان بازگشت دارایی می بخشد ، و نسبت شارپ بازده اضافی حاصل از دارایی "در هر واحد نوسانات" را اندازه گیری می کند. این کار با تقسیم بازده اضافی ، یعنی بازده دارایی نرخ آزاد کمتر از ریسک ، با انحراف استاندارد انجام می شود.

نسبت شارپ:

نسبت شارپ نشان دهنده نسبت کلیه بازده های اضافی نسبت به نرخ آزاد ریسک به کل ریسک (یا انحراف استاندارد) جریان بازده است. به عبارت دیگر ، ما نرخ ریسک را از بازده های به دست آمده از بین می بریم و تقسیم می کنیم که با کل انحراف استاندارد بازده.

نسبت شارپ =

در جایی که μ بازده مورد انتظار است ، σ انحراف استاندارد بازده است ، RM بازده نمونه کارها بازار است و RF نرخ بدون ریسک است:

نسبت Treynor:

نسبت Treynor نسبت بازگشت اضافی به بتا نمونه کارها است. این شبیه به نسبت شارپ است ، اما به جای استفاده از نوسانات در مخرج ، از بتا نمونه کارها استفاده می کند. بنابراین نسبت Treynor به عنوان [(بازده نمونه کارها - بازده بدون ریسک)/بتا نمونه کارها] محاسبه می شود.

نسبت Treynor = جایی که μ بازده مورد انتظار است ، σ انحراف استاندارد بازده ، β بتا نمونه کارها (یا امنیت مورد نظر) در برابر بازده بازار اندازه گیری می شود و RF نرخ ریسک است.

آلفا جنسن:

آلفا جنسن ، که اغلب از آن به عنوان آلفا یاد می شود ، معیار بازدهی است که به مهارت مدیر منتسب می شود ، یعنی بازده های باقی مانده پس از کسر آنچه که به بازده بتا نسبت داده می شود (که به مهارت احتیاج ندارند) و نرخ آزاد خطربشراین تفاوت بین بازگشت نمونه کارها و آنچه که نمونه کارها باید از نظر تئوری کسب کرده باشد ، است. از هر نمونه کارها می توان انتظار داشت که نرخ ریسک (RF) را بدست آورد ، به علاوه حق بیمه ریسک بازار (که توسط [بتا X (بازده نمونه کارها بازار - نرخ ریسک آزاد) ارائه شده است. مهارت انتخاب امنیت ، و آلفا است.

Alpha = μ-R F-β (R M-RF) ، که در آن μ بازده مورد انتظار است ، بتا از نمونه کارها (یا امنیت مورد نظر) در برابر بازده بازار اندازه گیری می شود ، RM بازگشت سبد بازار و RF استنرخ بدون ریسک است

شاخص های کاپا

یکی از انتقادات از سایر اقدامات عملکرد تنظیم شده ریسک این است که آنها هم ریسک صعودی و هم نزولی را در نظر می گیرند ، حتی اگر یک مدیر نمونه کارها یا سرمایه گذار فقط به مدیریت نزولی بپردازند. شاخص های Kappa ، که شامل نسبت Sortino و آماری امگا است ، واریانس نیمه واریانس را در نظر بگیرید ، یعنی واریانس فقط در مورد ریسک نزولی به جای واریانس بر اساس تمام بازده ها محاسبه می شود. یکی از مشکلات معیارهای مبتنی بر نیمه متغیر این است که آنها از نظر ریاضی قابل ردیابی نیستند ، یعنی انجام کارهای بیشتر با آنها پس از محاسبه دشوار است.

نسبت اطلاعات:

نسبت اطلاعات ، که اغلب در دنیای صندوق پرچین مورد استفاده قرار می گیرد ، نسبت مؤلفه آلفا بازده کل به انحراف استاندارد این بازده های اضافی آلفا است. مؤلفه آلفا برگشتی است که به مهارت مدیر (یا شانس ؛-) منتسب می شود ، و پس از خارج کردن بازده آزاد ریسک و اجزای بتا از کل بازده ، باقیمانده است. همچنین به تفاوت در مخرج توجه داشته باشید - در حالی که نسبت شارپ انحراف استاندارد از کل بازده را در نظر می گیرد ، نسبت اطلاعات ، تنوع تنها مؤلفه آلفا بازده را در نظر می گیرد (که شمارنده را نیز تشکیل می دهد). به عبارت دیگر ، نسبت اطلاعات صرفاً آلفا جنسن است که بر اساس انحراف استاندارد آن تقسیم می شود. هرچه نسبت اطلاعات بیشتر باشد ، احتمال کسب درآمد بیشتر می شود.

نسبت اطلاعات فقط به دنبال محاسبه بازده در واحد ریسک انجام شده برای مؤلفه آلفا است. این مهم است زیرا بازده آلفا خطرناک است ، زیرا آنها یک بازی صفر برای کل بازار را نشان می دهند. در حقیقت ، میانگین آلفا برای بازار به طور کلی به دلیل معامله و سایر هزینه ها کمی کمتر از صفر است. بنابراین برای یک مدیر آسان است که بتواند "خطر آلفا" را بگیرد و پول خود را از دست بدهد که در بازده بتا نیش بزند.

تفسیر نسبت اطلاعات ، یا چرا نسبت اطلاعات مهم است؟

نسبت اطلاعات برای درک اینکه چقدر خطرناک با آلفا مورد نظر خطرناک است بسیار مفید است. اگر فرض کنیم که بازده آلفا به طور معمول توزیع می شود ، نسبت اطلاعات به ما امکان می دهد تا آلفا را به عنوان یک توزیع با میانگین = IR و انحراف استاندارد = 1. مدل سازی کنیم زیرا این بصری است زیرا IR = (میانگین بازگشت آلفا/انحراف استانداردبازگشت آلفا). نسبت Say ، 0. 4 را می توان تفسیر کرد که حاکی از توزیع عادی با میانگین برابر با 0. 4 و انحراف استاندارد یک است. از این نقطه ، همه چیز آسان است زیرا اکنون می توانیم احتمال از دست دادن پول یا احتمال ملاقات با یک معیار را تخمین بزنیم.

توجه داشته باشید که فقط قرار دادن فرمول = NormsDist (-IR) احتمال از دست دادن پول را در یک سال به ما می دهد.

ما می توانیم تجزیه و تحلیل را تا چندین سال گسترش دهیم - به عنوان مثال ، یک مدیر را با آلفا Say ، 3 ٪ و انحراف استاندارد Say 10 ٪ در نظر بگیرید (IR = 0. 3). احتمال از دست دادن پول در طی یک دوره یک ساله 38 ٪ است. اکنون به یک افق سه ساله فکر کنید. میانگین بازده در مدت سه ساله 9 ٪ خواهد بود و انحراف استاندارد (3^1/2)*10 ٪ یا 17. 3 ٪ و بنابراین امکان از دست دادن پول در طی یک دوره سه ساله حدود 30 خواهد بود٪.