Porteføljerisiko: det vektene skjuler

En portefølje er ikke en samling isolerte veddemål

To posisjoner med identisk selvstendig volatilitet kan bidra med svært ulik risiko til en eksisterende portefølje. Forskjellen skyldes hvordan avkastningen samspiller med andre beholdninger. En posisjon som vanligvis beveger seg sammen med den største eksponeringen, kan forsterke svingningene; en annen kan motvirke noen av dem. Å telle symboler måler ikke dette forholdet.

Det klassiske middelverdi–varians-rammeverket beskriver porteføljevarians med vekter, individuelle varianser og parvise kovarianser. Dette er en nyttig modell for strukturering, ikke en fullstendig definisjon av fare. Den fanger ikke direkte opp mislighold, markedsstengning, uttaksbegrensninger eller varig tap av kjøpekraft. Begynn med å avgjøre hvilke risikoer beregningen kan belyse, og hvilke som krever separat analyse.

Gjør kryssleddet synlig

For to eiendeler med vekter w1 og w2, volatiliteter s1 og s2 og korrelasjon r er variansen w1²s1² + w2²s2² + 2w1w2rs1s2. Det siste leddet er grunnen til at et enkelt gjennomsnitt av volatiliteter vanligvis svikter. Alle inndata må bruke konsekvente tidshorisonter, avkastningskonvensjoner og valutabehandling.

Et likt vektet par eiendeler, hver med 20% annualisert volatilitet, har omtrent 14.14% modellert volatilitet når korrelasjonen er null. Med korrelasjon én blir resultatet 20%. Med korrelasjon minus én og identiske størrelser er den idealiserte variansen null. Den siste beregningen viser modellens regning, ikke at en risikofri portefølje er tilgjengelig i virkeligheten.

Korrelasjon er et estimat, ikke en kontrakt

En utvalgskorrelasjon endres med observasjonsvinduet og markedsmiljøet. Rolige perioder kan skjule felles sårbarhet for inflasjon, finansieringsmangel eller tvangssalg. Eiendeler som virker urelaterte på vanlige dager, kan reagere sammen når investorer trenger kontanter. Estimeringsusikkerhet bør derfor være synlig i stedet for begravd i én matrise.

Sammenlign flere plausible korrelasjoner og undersøk konkrete stressepisoder. Vær forsiktig med utdaterte priser: En eiendel som verdsettes sjelden, kan se kunstig stabil og svakt korrelert ut bare fordi den registrerte verdien justeres sent. Samordne observasjonstidspunkter og forstå verdsettelsesmetoder før du tolker et lavt tall som diversifisering. Ulike åpningstider skaper et lignende problem selv når begge instrumentene handles aktivt.

Kovariansmatrisen må beskrive matematisk forenlige sammenhenger. Parvise korrelasjoner beregnet på ulike datoer kan gi en matrise som ikke er positiv semidefinit, slik at noen vekter gir negativ beregnet varians. Det er et data- eller modellproblem, ikke en usedvanlig god sikring. Samordne observasjonstidene, kontroller matriseegenskapene og dokumenter regularisering. Selv en gyldig matrise kan være ustabil med mange eiendeler og kort historikk.

Oversett navn til økonomiske eksponeringer

Et teknologiaksjefond, et enkelt programvareselskap og en vekstfølsom valutaposisjon kan dele følsomhet for risikovilje selv om de har ulike merkelapper. En innenlandsk konto med utenlandske eiendeler har også valutaeksponering med mindre den faktisk er sikret. Del posisjoner opp i drivere som aksjebeta, renter, valutaer, kreditt og råvarepriser.

Nominelle derivatbeløp og kontantallokering krever særlig omtanke. Et lite margininnskudd kan støtte en stor økonomisk eksponering, mens en opsjons følsomhet endrer seg med pris og tid. Porteføljevekter som bare bygger på betalte kontanter, kan gi et alvorlig misvisende bilde av disse instrumentene. Et førsteordens faktorperspektiv er nyttig, men ikke-lineære eksponeringer trenger fortsatt ny verdsettelse under scenarioer, ikke en fast følsomhet for alltid.

Bruk marginale endringer til å informere analysen

Spør hva som skjer med samlet modellert risiko hvis en liten mengde av en posisjon legges til eller fjernes. Dette marginale perspektivet kan vise at den største beholdningen ikke nødvendigvis gir størst tilleggsrisiko. Det hindrer også at en rangering av enkeltstående volatilitet forveksles med en porteføljebeslutning.

Behold kovariansberegningen sammen med konsentrasjonsgrenser, likviditetsmål og tapsscenarioer. En matematisk lavvolatilitetsmiks kan ha én felles depottilbyder eller avhenge av giring som ikke tåler stress. Det praktiske resultatet bør være et kart over sårbarheter og usikkerheter, ikke én desimal med tilsynelatende definitiv risiko. Beregn på nytt etter vesentlige eksponeringsendringer og undersøk hvorfor resultatet beveger seg.

Gjør eksponering og finansiering synlige i vektene

Vekter trenger en nevner. Med 100 000 dollar egenkapital har en lang posisjon på 60 000 og en kort på 40 000 vektene +0,60 og −0,40. Nettoeksponeringen er 20 prosent, bruttoeksponeringen 100 prosent. Å normalisere de to vektene til sum én endrer den økonomiske størrelsen. Kontanter, shortsalgsproveny og finansiering skal føres etter det faktiske opplegget.

Med 20 prosent årlig volatilitet i begge eiendelene og korrelasjon 0,8 blir variansen 0,60² × 0,20² + (−0,40)² × 0,20² + 2 × 0,60 × (−0,40) × 0,8 × 0,20 × 0,20 = 0,00544. Volatiliteten relativt til egenkapital er omtrent 7,38 prosent uten varierende finansieringskostnader. Ved null korrelasjon stiger den til omtrent 14,42 prosent. Positiv korrelasjon hjelper denne lang–kort-sikringen, i motsetning til to sammenlignbare lange posisjoner.

Valutakonvertering skaper en samvirkning. Stiger en utenlandsk eiendel fem prosent lokalt mens valutaen faller ti prosent mot kontovalutaen, blir avkastningen 1,05 × 0,90 − 1 = −5,5 prosent før kostnader. Enkel summering utelater kryssleddet. Lag avkastningsserien i relevant valuta før kovariansberegningen, med mindre en separat modellert valutasikring endrer eksponeringen.

Faste modellvekter er ikke automatisk rebalansering. Priser endrer vektene hvis handler ikke gjenoppretter dem. Dagens beregning beskriver lokal eksponering, ikke automatisk neste måneds portefølje eller daglige rebalanseringskostnader. Finansiering og likviditet må vurderes utenfor variansformelen også.