Maraming mga mamumuhunan ang nakaranas ng hindi normal na antas ng pagkasumpungin sa pagganap ng pamumuhunan sa panahon ng iba't ibang mga panahon ng pag-ikot sa merkado. Habang ang pagkasumpungin ay maaaring mas malaki kaysa sa inaasahang mga oras, ang isang kaso ay maaari ding gawin na ang paraan kung saan ang pagkasumpungin ay karaniwang sinusukat na nag-aambag sa problema ng mga stock na tila hindi inaasahan, hindi mababago.
Ang layunin ng artikulong ito ay upang talakayin ang mga isyu na nauugnay sa tradisyonal na sukatan ng pagkasumpungin, at upang ipaliwanag ang isang mas madaling intuitive na pamamaraan na magagamit ng mga namumuhunan upang matulungan silang suriin ang magnitude ng mga panganib.
Isang Pinasimple na Diskarte Upang Kalkulahin ang pagkasumpungin
Tradisyonal na Sukat ng Volatility
Alam ng karamihan sa mga namumuhunan na ang karaniwang paglihis ay ang pangkaraniwang istatistika na ginamit upang masukat ang pagkasumpungin. Ang standard na paglihis ay simpleng tinukoy bilang parisukat na ugat ng average na pagkakaiba-iba ng data mula sa kahulugan nito. Habang ang istatistika na ito ay medyo madali upang makalkula, ang mga pagpapalagay sa likod ng pagpapakahulugan nito ay mas kumplikado, na kung saan naman ay nagtaas ng pag-aalala tungkol sa kawastuhan nito. Bilang isang resulta, mayroong isang tiyak na antas ng pag-aalinlangan na nakapalibot sa bisa nito bilang isang tumpak na sukatan ng peligro.
Upang ang karaniwang paglihis ay isang tumpak na sukatan ng peligro, ang isang palagay ay dapat gawin na ang data ng pagganap ng pamumuhunan ay sumusunod sa isang normal na pamamahagi. Sa mga graphical na termino, isang normal na pamamahagi ng data ay magplano sa isang tsart sa isang paraan na mukhang curve na hugis ng kampanilya. Kung ang pamantayang ito ay totoo, pagkatapos ay humigit-kumulang na 68% ng inaasahang mga kinalabasan ay dapat magsinungaling sa pagitan ng ± 1 karaniwang mga paglihis mula sa inaasahang pagbabalik ng pamumuhunan, 95% ang dapat magsinungaling sa pagitan ng ± 2 karaniwang mga paglihis, at ang 99.7% ay dapat magsinungaling sa pagitan ng ± 3 karaniwang mga paglihis.
Halimbawa, sa panahon ng Hunyo 1, 1979, hanggang Hunyo 1, 2009, ang tatlong-taong pag-roll ng taunang averageized na pagganap ng S&P 500 Index ay 9.5%, at ang karaniwang paglihis ay 10%. Dahil sa mga parameter na ito ng baseline, ang isang tao ay aasahan na 68% ng oras na ang inaasahang pagganap ng S&P 500 index ay mahuhulog sa loob ng isang saklaw ng -0.5% at 19.5% (9.5% ± 10%).
Sa kasamaang palad, may tatlong pangunahing dahilan kung bakit ang normal na data ng pagganap ng pamumuhunan ay hindi maaaring normal na ipinamamahagi. Una, ang pagganap ng pamumuhunan ay karaniwang naka-skewed, na nangangahulugang ang pagbabahagi ng pagbabalik ay karaniwang walang simetrya. Bilang isang resulta, ang mga mamumuhunan ay may posibilidad na makaranas ng abnormally mataas at mababang panahon ng pagganap. Pangalawa, ang pagganap ng pamumuhunan ay karaniwang nagpapakita ng isang pag-aari na kilala bilang kurtosis, na nangangahulugang ang pagganap ng pamumuhunan ay nagpapakita ng isang abnormally malaking bilang ng positibo at / o negatibong mga panahon ng pagganap. Kinuha, ang mga problemang ito ay humahawak sa hitsura ng curve na may hugis ng kampanilya, at guluhin ang kawastuhan ng karaniwang paglihis bilang isang sukatan ng peligro.
Bilang karagdagan sa skewness at kurtosis, ang isang problema na kilala bilang heteroskedasticity ay sanhi din ng pag-aalala. Ang Heteroskedasticity ay nangangahulugan lamang na ang pagkakaiba-iba ng data ng pagganap ng sample ng pamumuhunan ay hindi palaging sa paglipas ng panahon. Bilang isang resulta, ang karaniwang paglihis ay may posibilidad na magbago batay sa haba ng tagal ng oras na ginamit upang gawin ang pagkalkula, o ang panahon ng napiling gawin upang makalkula.
Tulad ng skewness at kurtosis, ang mga ramization ng heteroskedasticity ay magiging sanhi ng karaniwang paglihis upang maging isang hindi maaasahang panukala ng peligro. Kinuha nang sama-sama, ang tatlong problemang ito ay maaaring maging sanhi ng pagkakaunawaan ng mga namumuhunan ang potensyal na pagkasumpungin ng kanilang mga pamumuhunan, at maging sanhi ng mga ito na potensyal na kumuha ng higit pang panganib kaysa sa inaasahan.
Isang Pinasimple na Pagsukat ng Volatility
Sa kabutihang palad, mayroong isang mas madali at mas tumpak na paraan upang masukat at suriin ang panganib, sa pamamagitan ng isang proseso na kilala bilang makasaysayang pamamaraan. Upang magamit ang pamamaraang ito, kailangan lang i-graph ng mga namumuhunan ang makasaysayang pagganap ng kanilang mga pamumuhunan, sa pamamagitan ng pagbuo ng isang tsart na kilala bilang isang histogram.
Ang isang histogram ay isang tsart na naglalagay ng proporsyon ng mga obserbasyon na nahuhulog sa loob ng isang host ng mga saklaw ng kategorya. Halimbawa, sa tsart sa ibaba, ang tatlong taong lumunsad na taunang averageized na pagganap ng S&P 500 Index para sa panahon ng Hunyo 1, 1979, hanggang Hunyo 1, 2009, ay itinayo. Ang patayong axis ay kumakatawan sa kadakilaan ng pagganap ng S&P 500 Index, at ang pahalang na axis ay kumakatawan sa dalas kung saan nakaranas ang S&P 500 Index.
Larawan 1: S&P 500 Index Performance Performanceogram
Tulad ng inilalarawan ng tsart, ang paggamit ng isang histogram ay nagbibigay-daan sa mga namumuhunan upang matukoy ang porsyento ng oras kung saan ang pagganap ng isang pamumuhunan ay nasa loob, sa itaas, o sa ibaba ng isang naibigay na saklaw. Halimbawa, 16% ng S&P 500 Index ng mga obserbasyon sa pagganap ay nakamit ang pagbabalik sa pagitan ng 9% at 11.7%. Sa mga tuntunin ng pagganap sa ibaba o sa itaas ng isang threshold, maaari rin itong matukoy na ang S&P 500 Index ay nakaranas ng pagkawala na mas malaki kaysa o katumbas ng 1.1%, 16% ng oras, at pagganap sa itaas 24.8%, 7.7% ng oras.
Ang paghahambing ng Mga Paraan
Ang paggamit ng makasaysayang pamamaraan sa pamamagitan ng isang histogram ay may tatlong pangunahing bentahe sa paggamit ng karaniwang paglihis. Una, hindi kinakailangan ng makasaysayang pamamaraan na ang pagganap ng pamumuhunan ay normal na maipamahagi. Pangalawa, ang epekto ng skewness at kurtosis ay malinaw na nakuha sa tsart ng histogram, na nagbibigay ng mga namumuhunan ng kinakailangang impormasyon upang mabawasan ang hindi inaasahang pagkagulat ng pagkasira. Pangatlo, maaaring suriin ng mga namumuhunan ang laki ng mga nadagdag at pagkalugi na naranasan.
Ang tanging disbentaha sa makasaysayang pamamaraan ay ang histogram, tulad ng paggamit ng karaniwang paglihis, ay naghihirap mula sa potensyal na epekto ng heteroskedasticity. Gayunpaman, hindi ito dapat maging isang sorpresa, dahil dapat maunawaan ng mga namumuhunan na ang nakaraang pagganap ay hindi nagpapahiwatig ng mga pagbabalik sa hinaharap. Sa anumang kaganapan, kahit na sa isang caveat na ito, ang makasaysayang pamamaraan ay nagsisilbi rin bilang isang mahusay na sukatan ng baseline ng panganib sa pamumuhunan, at dapat gamitin ng mga namumuhunan para sa pagsusuri ng kadakilaan at dalas ng kanilang mga potensyal na nakuha at pagkalugi na nauugnay sa kanilang mga pagkakataon sa pamumuhunan.
Paglalapat ng Pamamaraan
Paano nakagawa ang mga namumuhunan ng isang histogram upang matulungan silang suriin ang mga katangian ng peligro ng kanilang pamumuhunan?
Ang isang rekomendasyon ay ang humiling ng impormasyon sa pagganap ng pamumuhunan mula sa mga kumpanya ng pamamahala ng pamumuhunan. Gayunpaman, ang kinakailangang impormasyon ay maaari ring makuha sa pamamagitan ng pagkolekta ng buwanang presyo ng pagsasara ng asset ng pamumuhunan, karaniwang matatagpuan sa pamamagitan ng iba't ibang mga mapagkukunan, at pagkatapos manu-mano ang pagkalkula ng pagganap ng pamumuhunan.
Matapos ang impormasyon ng pagganap ay natipon, o manu-manong kinakalkula, ang isang histogram ay maaaring itayo sa pamamagitan ng pag-import ng data sa isang package ng software, tulad ng Microsoft Excel, at paggamit ng tampok na add-on na pagtatasa ng data ng software. Sa pamamagitan ng paggamit ng pamamaraang ito, ang mga namumuhunan ay dapat na madaling makabuo ng isang histogram, na kung saan ay dapat tulungan silang masukat ang tunay na pagkasumpungin ng kanilang mga oportunidad sa pamumuhunan.
Ang Bottom Line
Sa mga praktikal na termino, ang paggamit ng isang histogram ay dapat pahintulutan ang mga mamumuhunan na suriin ang panganib ng kanilang mga pamumuhunan sa isang paraan na makakatulong sa kanila na masukat ang halaga ng pera na kanilang itinayo upang makagawa o mawala sa isang taunang batayan. Dahil sa ganitong uri ng kakayahang magamit ng tunay na mundo, ang mga namumuhunan ay dapat na hindi gaanong magulat kapag ang mga merkado ay nagbago nang malaki, at samakatuwid dapat silang makaramdam ng mas maraming nilalaman sa pagkakalantad ng kanilang pamumuhunan sa lahat ng mga pang-ekonomiyang kapaligiran.
