Downside Risk (Kahulugan, Halimbawa) | Ano ang Downside Risk?

Kahulugan ng Downside Risk

Ang panganib ng downside ay isang panukalang estadistika na kinakalkula ang pagkawala ng halaga ng seguridad dahil sa mga pagbabago sa mga kondisyon sa merkado at tinukoy din bilang ang kawalan ng katiyakan na ang natanto na pagbalik ay maaaring mas mababa kaysa sa inaasahang mga resulta. Sa simpleng paglalagay nito, nakakatulong ito sa pag-kwenta ng pinakapangit na pagkawala ng kaso na maaaring humantong sa isang pamumuhunan kung magbabago ang direksyon sa merkado.

Mga Bahagi ng Panganib na Downside

Ang mga sumusunod ay ang mahalagang bahagi ng isang sukatan ng panganib ng downside

  • Oras na Horizon - Ang pinakamahalagang parameter upang suriin ang anumang sukatan sa peligro ay ang abot-tanaw ng oras. Ang kadahilanan na ito ay naging mas mahalaga para sa panganib ng downside. Tumutulong ang abot-tanaw ng oras sa paglilimita sa aming pagtatasa para sa isang partikular na tagal ng oras na ginagawang mas tumpak ang aming pagkalkula at mga modelo na mas matatag. Dapat ay mahalaga na isama ang tamang sample space upang matiyak na ang oras na iyong napili ay walang pinapanigan at libre mula sa mga sikloong paglihis.
  • Salungat ng Kumpiyansa - Ang panganib sa downside ay isang pag-aaral batay sa mga hakbang sa istatistika. Samakatuwid ito ay naging mahalaga na ang isang maayos at tiyak na tiwala formula ay napili dahil ang lahat ng karagdagang mga kalkulasyon ay batay sa mga ito. Ang parameter na ito ay dapat na tinukoy batay sa antas ng ginhawa ng namumuhunan o ng institusyong isinasagawa ang pagtatasa. Walang tiyak na numero na tama o mali, ngunit isang benchmark batay sa kung saan ka magpasya sa iyong kakayahan sa pagkuha ng peligro.

Downside Risk Formula

Maaaring maraming paraan upang makalkula ang downside na peligro. Maaari mong gamitin ang karaniwang paglihis, inaasahang kakulangan o halaga na nasa peligro na karagdagang may maraming mga pamamaraan tulad ng makasaysayang simulation, variance-covariance, atbp. Ang layunin ay upang makalkula kung ano ang maximum na maaari mong mawala batay sa sample space (pinagbabatayan ng data) para sa isang partikular na agwat ng oras at agwat ng kumpiyansa.

Para sa variance-covariance na pamamaraan, ang downside risk (VAR) ay kinakalkula bilang:

VAR = - Z (z- halaga batay sa kumpiyansaagwat) X Std. paglihis

Halimbawa ng Downside Risk

Hayaan ang makita ang simpleng halimbawa upang maunawaan ito sa isang mas mahusay na paraan.

Maaari mong i-download ang Template ng Downside Risk Excel dito - Downside Risk Excel Template

Isaalang-alang ang halimbawa ng isang kumpanya ng ABC na ang stock ay nakikipagkalakalan sa $ 1000. Ang sumusunod na talahanayan ay naglilista ng buwanang pagbabalik sa loob ng 1 taon.

Kalkulahin natin ang downside na peligro ng stock na ito batay sa mga nakaraang pagbabalik at upang mapanatili ang mga bagay na simple makakalkula namin gamit ang mekanismo ng makasaysayang pamamaraan. Magpasya tayo sa agwat ng kumpiyansa at abot-tanaw ng oras.

  • Salig ng kumpiyansa: 75%
  • Abot-tanaw ng oras: 1 taon

Bumabalik sa nakaayos na pagkakasunud-sunod

Pagkalkula ng Max Loss

  • Max Loss = 3

Inaayos ang mga pagbalik sa pinagsunod-sunod na pagkakasunud-sunod, magtutuon kami sa ilalim ng 25% na mga pagbalik (max loss) na 3 (75% ng 12). Samakatuwid ang cutoff ay ang ika-4 na pagbabalik. Sa simpleng mga termino na may 75% agwat ng kumpiyansa, kinakalkula namin ang downside na panganib na maging -5%.

Sumangguni sa Excel Sheet na ibinigay sa itaas para sa pagkalkula ng detalye.

Mga kalamangan

  • Mga Tulong sa Pagpaplano para sa Pinakamasamang Kaso: Kung nabigo kang magplano, nagpaplano kang mabigo. Ang panganib ng downside ay makakatulong sa iyong pagpaplano para sa pinakapangit na sitwasyon sa pamamagitan ng pag-unawa sa kung magkano ang pamumuhunan na maaaring humantong sa pagkalugi kung ang inaasahang pananaw ay magiging mali. Hindi karaniwang katotohanan na ang mga pamumuhunan ay ginawa para sa mga pagbalik at pagtugon sa mga rate ng libreng merkado, na madalas na tinukoy ng mga panukalang-batas ng US. Ngunit maaaring may mga sitwasyon kung kailan hindi umaabot ang mga bagay dahil sa isang piraso ng balita o isang kaganapan na hindi nasasalamin sa merkado. Isaalang-alang ang halimbawa ng Yahoo, isang higanteng search engine ng unang bahagi ng 90 nang walang anumang kakumpitensya. Umaasa ang lahat na ang stock na ito ay magiging isang multi-bagger ngunit hindi alam ng lahat na may bagong namumuno sa merkado (Google) na ginagawa at mawawala ang yahoo. Kung nagkaroon ng downside na kontrol sa peligro na ipinakalat sa mga system, ang pagkalugi ay magiging mas mababa.
  • Mga Istratehiya sa Pagpapasya: Tulad ng ipinaliwanag sa itaas ng downside na panganib ay higit pa tungkol sa paghahanda kapag ang mga kaganapan ay hindi naging daan tulad ng inaasahan. Ang nasabing pagtatantya ay kapaki-pakinabang sa pagtukoy kung kailan lalabas sa isang pamumuhunan. Tulad ng sinabi nila, panatilihin ang iyong kita ngunit i-book ang iyong mga pagkalugi.

Mga Limitasyon / Disadvantage

  • Isang maling pakiramdam ng seguridad: Ang panganib sa downside ay isang diskarteng pang-istatistika na sumusubok na hulaan batay sa nakaraang mga pattern ng data. Ang pagiging kumplikado nito ay nag-iiba mula sa klase ng asset hanggang sa klase ng pag-aari. Para sa isang simpleng produktong pampinansyal tulad ng equity, maaari itong maging kasing simple ng mga presyo ng pangangalakal ngunit para sa isang kumplikadong produkto tulad ng credit default swap, nakasalalay ito sa maraming mga parameter tulad ng pinagbabatayan ng mga presyo ng financial bond, oras sa pagkahinog, kasalukuyang mga rate ng interes, atbp. ang modelo na iyong ginagamit ay maaaring gumana ng 99 beses ngunit maaaring mabibigo din minsan at madalas na mangyari ito kapag mataas ang pagkasumpungin, o nag-crash ang mga merkado. Sa madaling salita, mabibigo ito kapag kailangan mo ito ng higit. Samakatuwid dahil sa panganib ng modelo, ang panganib sa downside ay maaaring magbigay sa iyo ng isang maling pakiramdam ng seguridad
  • Hindi pantay na mga resulta sa mga modelo: Ang panganib ng downside ay kasing ganda ng ginamit na modelo at batay sa ginamit na proseso ng pinagbabatayan, maaaring may mga pagkakaiba-iba sa resulta kahit na ang mga pinagbabatayan na palagay at ang sample ay pareho. Ito ay sapagkat ang bawat mekanismo ng sukatan ng peligro ng peligro ay may sariling implicit na palagay na maaaring humantong sa ibang output. Halimbawa, ang parehong makasaysayang simulation at simulasi ng Monte Carlo ay Halaga sa mga mekanismo ng peligro ngunit ang resulta na nakuha sa pamamagitan ng mga ito batay sa parehong pinagbabatayan ng data ay maaaring magkakaiba.

Mahalagang Mga Puntong Dapat Tandaan

  • Mga diskarte sa pagbawas ng peligro: Ang pagkalkula ng downside na peligro ay makakatulong sa isa sa pagkilala ng tamang diskarte sa hedging. Ang mga namumuhunan at institusyon ay dapat na maunawaan ang produktong pampinansyal na kinakaharap nila at pagkatapos ay pumili ng isang angkop na sukatan ng panganib na downside ayon sa kanilang kaginhawaan at kakayahan.
  • Ang bawat klase sa pag-aari ay may iba't ibang panganib sa downside. Para sa mga produktong pampinansyal ng vanilla tulad ng equity at naayos na kita, ang downside na panganib ay medyo madaling makalkula at limitado. Gayunpaman, para sa mga produktong pampinansyal tulad ng mga pagpipilian o credit default swap, ang downside ay mahirap makalkula at walang limitasyong.

Konklusyon

Walang sinuman ang may gusto ng pagkalugi ngunit ang mga aralin mula sa nakaraan ay nagturo sa amin na ang mga produktong pampinansyal ay hindi mahuhulaan. Sa mga oras ng pagkabalisa tulad ng pag-urong sa ekonomiya noong 2008 o 2001 dot com bubble, ang pagkasumpungin, at ang ugnayan sa pagitan ng mga klase ng asset ay tumataas. Karamihan sa madalas kaysa sa hindi, nakakakuha ito ng mga namumuhunan na hindi nagbabantay na humahantong sa malaking pagkalugi at sakuna na mga kaganapan. Ang downside na peligro, bilang isang hakbang sa pag-iwas, ay tumutulong sa pag-aalis o paghahanda ng mas mahusay para sa mga nasabing senaryo.