Zróżnicowanie portfela zrobione w prawo

Inwestorzy robią kilka rzeczy, aby chronić swoje portfele przed ryzykiem. Jednym ze znaczących sposobów ochrony portfela jest dywersyfikacja. Krótko mówiąc, oznacza to, że inwestor decyduje się na włączenie różnego rodzaju papierów wartościowych i inwestycji różnych emitentów i branż. Pomysł jest taki sam, jak stare powiedzenie „nie wkładaj jajek wszystkich do jednego koszyka”. Jeśli zainwestujesz w wiele obszarów, jeśli jedno zawiedzie, reszta zapewni bezpieczeństwo portfela jako całości. To dodatkowe bezpieczeństwo można zmierzyć poprzez zwiększenie zysków, które zdywersyfikowany portfel ma tendencję do przynoszenia w porównaniu z pojedynczą inwestycją tej samej wielkości.

Dywersyfikacja to świetna strategia dla każdego, kto chce zmniejszyć ryzyko inwestycji w perspektywie długoterminowej. Proces dywersyfikacji obejmuje inwestowanie w więcej niż jeden rodzaj aktywów. Oznacza to włączenie do Twojego portfela obligacji, akcji, towarów, REIT, hybryd i innych.

• Inwestowanie w kilka różnych papierów wartościowych w ramach każdego składnika aktywów. Zróżnicowany portfel obejmuje inwestycje w różne papiery wartościowe tego samego rodzaju aktywów, co oznacza wiele obligacji różnych emitentów, akcje kilku spółek z różnych branż itp.
• Inwestowanie w aktywa, które nie są znacząco ze sobą skorelowane. Chodzi o to, aby wybrać różne klasy aktywów i papiery wartościowe o różnych cyklach życia i cyklach, aby zminimalizować wpływ wszelkich negatywnych warunków, które mogłyby niekorzystnie wpłynąć na twój portfel.

Ten ostatni punkt ma kluczowe znaczenie przy tworzeniu zdywersyfikowanego portfela. Bez tego, bez względu na to, jak zróżnicowane są twoje rodzaje aktywów, mogą być narażone na to samo ryzyko, a zatem twój portfel zareaguje zgodnie. Dlatego kluczowe jest, aby inwestorzy unikali wybierania inwestycji dla swoich portfeli, które są wysoce skorelowane. Należy zauważyć, że w ramach praktyk zarządzania portfelem istnieje rozróżnienie między naiwną dywersyfikacją a efektywną dywersyfikacją (zwaną również dywersyfikacją optymalną).

Naiwna i optymalna dywersyfikacja

Powodem, dla którego dywersyfikacja jest zwykle skuteczną strategią, jest to, że oddzielne aktywa nie zawsze mają takie same ceny. Dlatego raczej naiwna dywersyfikacja może być korzystna (jednak w najgorszym przypadku może przynieść efekt przeciwny do zamierzonego). Naiwna dywersyfikacja to rodzaj strategii dywersyfikacyjnej, w której inwestor wybiera losowo różne papiery wartościowe, mając nadzieję, że obniży to ryzyko portfela ze względu na zróżnicowany charakter wybranych papierów wartościowych. Naiwne zróżnicowanie po prostu nie jest tak skomplikowane, jak metody dywersyfikacyjne wykorzystujące modelowanie statystyczne. Jednak podyktowane doświadczeniem, staranną analizą każdego zabezpieczenia i zdrowym rozsądkiem, naiwna dywersyfikacja jest jednak sprawdzoną skuteczną strategią ograniczania ryzyka portfela.

Z drugiej strony optymalna dywersyfikacja (znana również jako dywersyfikacja Markowitza) ma inne podejście do tworzenia zdywersyfikowanego portfela. Tutaj koncentruje się na poszukiwaniu aktywów, których korelacja ze sobą nie jest całkowicie pozytywna. Pomaga to zminimalizować ryzyko związane z mniejszą liczbą papierów wartościowych, co z kolei może również pomóc zmaksymalizować zwrot. Dzięki takiemu podejściu komputery uruchamiają złożone modele i algorytmy, próbując znaleźć idealną korelację między zasobami, aby zminimalizować ryzyko i zmaksymalizować zwrot.

Jak wskazano powyżej, obie formy dywersyfikacji (dywersyfikacja naiwna i optymalna) mogą być skuteczne, po prostu dlatego, że dywersyfikacja powstaje, gdy rozłożysz fundusze inwestycyjne na różne aktywa.

Naiwna dywersyfikacja dotyczy procesu losowego wybierania różnych aktywów do portfela bez korzystania ze skomplikowanych obliczeń w celu podjęcia decyzji o wyborze. Pomimo losowego charakteru jest to nadal skuteczna strategia zmniejszania ryzyka w oparciu o prawo dużych liczb.

Znaczenie korelacji

Istnieje „lepszy” sposób na dywersyfikację. W szczególności poprzez badanie aktywów, w które zamierzasz inwestować, aby znaleźć takie, które nie mają tendencji do przesuwania się w górę lub w dół w korelacji ze sobą. W ten sposób możesz skutecznie obniżyć ryzyko swojego portfela. Działa to z powodu korelacji - ważnej koncepcji w statystyce. Korelacja jest miarą stopnia lub zakresu, w jakim poruszają się dwie oddzielne wartości liczbowe. Tutaj interesują nas te wartości. Maksymalna możliwa korelacja wynosi 100%, co jest wyrażone jako 1, 0. Gdy dwa zasoby mają korelację wynoszącą 1, 0, gdy jeden się porusza, drugi zawsze się porusza. Chociaż wielkość tych aktywów może się różnić, korelacja wynosząca 1, 0 wskazuje, że zawsze poruszają się razem w tym samym kierunku. I odwrotnie, gdy dwa aktywa poruszają się w przeciwnych kierunkach, ich korelacja jest ujemna. Jeśli zawsze poruszają się 100% czasu w przeciwnym kierunku, uważa się to za -100% lub -1. Tak więc, badając korelację aktywów, im bliżej -1, 0, tym większy efekt dywersyfikacji.

Dolna linia

Wszyscy mają jasność: inwestorzy muszą zdywersyfikować swoje portfele, aby chronić się przed ryzykiem. Chociaż dywersyfikacja w ekstremalnych warunkach staje się mniej efektywna, typowe warunki rynkowe prawie zawsze oznaczają, że dobrze zdywersyfikowany portfel może znacznie zmniejszyć ryzyko, na które narażeni są inwestorzy. Dlatego kluczowe jest dążenie do ciągłej poprawy lub optymalizacji dywersyfikacji portfela, aby zmaksymalizować ochronę, jaką oferuje on Twoim inwestycjom. Oznacza to zachowanie należytej staranności w celu zlokalizowania aktywów, które nie poruszają się w korelacji ze sobą, w przeciwieństwie do prostej, naiwnej dywersyfikacji.

Z drugiej strony, domniemane korzyści, jakie zapewnia złożona dywersyfikacja matematyczna, są stosunkowo niejasne. Jak stosować i obsługiwać tak złożone modele, jest jeszcze bardziej niejasne dla przeciętnego inwestora. Na pewno modele skomputeryzowane mogą wydawać się przekonujące i imponujące, ale to nie znaczy, że są bardziej dokładne lub wnikliwe niż po prostu rozsądne. Ostatecznie ważniejsze jest to, czy model generuje wyniki, czy nie, jeśli jest oparty na wysoce złożonym algorytmie.