Senaryo Analizi Portföy Potansiyelinin Belirlenmesini Sağlar By Robert Kekemelerde

Senaryo analizi , önerilen bir yatırım veya iş aktivitesinin beklenen değerini değerlendirir. İstatistiksel ortalama, belirli bir durumda beklenen en yüksek olasılık olayıdır. Bir analist, meydana gelebilecek olasılığa Ne Zaman Emekli Olurummaruz kalarak oluşabilecek olasılıkları bir araya getirerek, bir yatırımın veya iş girişiminin değerini ve hesaplanan beklenen değerin gerçekte gerçekleşme olasılığını daha iyi belirleyebilir.

Belirlenmesi olasılık dağılımını bir yatırımın bu yatırımın doğasında riskini belirlemede eşittir. Beklenen getiriyi beklenen riske göre karşılaştırarak ve bir yatırımcının risk toleransıyla üstesinden gelmek, muhtemel bir iş girişimine yatırım yapıp yapmama konusunda daha iyi kararlar verebilirsiniz. Bu makale senaryo analizi yapmak ve kullanımlarına mantık sağlamak için çeşitli yollardan bazı basit örnekler sunacaktır. (Okuma, olasılık dağılımları hakkında daha fazla bilgi edinmek için Olasılık dağılımlarının ile Sağ Fit bulun .)

Özet

geçmiş performans verileri ilişkin bazı ayrıntıları için gereklidir değişkenliğiBir yatırımın performansının ve yatırımcıların geçmişte hissedarlar tarafından üstlenilen riski anlamasına yardımcı olmak. Bir yatırımcı periyodik geri dönüş verilerini inceleyerek bir yatırımın geçmiş riskine dair bilgi edinebilir. Örneğin, değişkenlik riske eşit olduğu için, her yıl aynı getiriyi sağlayan bir yatırım, negatif ve pozitif arasında dalgalanan yıllık getiriler sağlayan bir yatırımdan daha az riskli kabul edilir. Her iki yatırım da belirli bir yatırım ufku için aynı genel getiriyi sağlayabilse de , dönemsel getiriler bu yatırımlardaki risk farklılıklarını göstermektedir. (Daha fazla bilgi için, Portföyünüzün Performansını Ölçün .)

Geçmiş getirilerin hesaplanması ve sunulmasına ilişkin katı düzenlemeler, menkul kıymetler, yatırım yöneticileri ve fonlar arasında iade bilgilerinin karşılaştırılabilirliğini sağlar. Ancak geçmiş performans, bir yatırımın gelecekteki riski veya getirisi hakkında herhangi bir garanti vermemektedir. Senaryo analizi, bir girişimin potansiyel risk / getiri profilini anlamaya çalışır. Belirli bir girişim için birden fazla pro-forma tahmini analizi yaparak ve her senaryo için bir olasılık göstererek, o belirli işletme için bir olasılık dağılımı (risk profili) oluşturmaya başlar.

Örnekler

Senaryo analizi birçok şekilde uygulanabilir. En tipik yöntem, çoklu faktör analizi (çoklu değişkenler içeren modeller) aşağıdaki şekillerde gerçekleştirmektir:

Sabit sayıda senaryo oluşturma

Yüksek - Düşük Spreadin Belirlenmesi

Orta Senaryo Oluşturma

Rastgele Faktör Analizi

Sonsuz Sayısız Senaryo Sayısı

Monte Carlo Analizi

Pek çok analist, çok değişkenli bir model (çok değişkenli bir model) oluşturacak, her değişkenin değeri için en iyi tahminde bulunacak ve bir öngörü değeri getirecektir. Herhangi bir olasılık dağılımının ortalaması, meydana gelme olasılığı en yüksek olanıdır. Her değişken için en muhtemel olması beklenen bir değer kullanılarak, analist aslında potansiyel değerlerin potansiyel dağılımının ortalama değerini hesaplamaktadır. Ortalama, daha önce belirtildiği gibi bilgi değerine sahip olmasına rağmen, sonuçlarda herhangi bir potansiyel varyasyon göstermemektedir.

Risk analizi, gelecekteki bir sonucun ortalama Ne Zaman Emekli Olurumdeğerden başka bir şey olacağı olasılığını belirlemeye çalışmakla ilgilidir. Varyasyonu göstermenin bir yolu, ortalamanın pozitif ve negatif tarafındaki aşırı ve en olası sonuçların bir tahminini hesaplamaktır. Bir yatırımın veya girişimin potansiyel sonuçlarını tahmin etmenin en kolay yolu, her bir sonuç için yukarı ve aşağı yönlü bir durum ortaya koymak ve daha sonra ortaya çıkma olasılığını belirlemek. Şekil 1, bir temel durumu (B) (ortalama değer), baştaki durumu (U) ve bir aşağı yönlü durumu (D) değerlendiren üç senaryo yöntemini kullanmaktadır.

Şekil 1

Örneğin, basit bir iki faktör analizi:

Değer V = Değişken A + Değişken B, her değişken değeri kısıtlı değildir.

A ve B için aşırı ve aşağı yönlü iki değer atayarak, üç senaryo değerimizi elde ederiz. Oluşma olasılığını atayarak, varsayalım:

Değer için% 50 (B) = 200

% Değer için% 25 (U) =

% 25 Değer (D) = 1 00

Olasılıklar atandığında, atanan olasılıkların toplamı% 100'e eşit olmalıdır. Bu değerleri ve olasılıklarını çizerek, oldukça kaba bir olasılık dağılımı (tüm hesaplanan değerlerin dağılımı ve bu değerlerin meydana gelme olasılığı) tahmin edebiliriz. Yukarı ve aşağı yönlü durumları oluşturarak, diğer olası geri dönüş sonuçları hakkında bir anlayış elde etmeye başlıyoruz, ancak kümede zaten tahmin edilen aşırı yukarı ve aşağı yönlü sınırlarla ilgili birçok potansiyel sonuç var.

Şekil 2, iki aşırı uç arasında sabit sonuçların belirlenmesi için bir yöntem sunmaktadır. Her bir değişkenin bağımsız olarak davrandığını varsayarsak, diğer bir değişkenin değerine bağlı değildir, her bir değişken için bir üst, taban ve aşağı yönlü bir durum yürütebiliriz. Basit iki faktör modelinde, bu analiz türü toplam dokuz sonuçla sonuçlanacaktır. Her bir değişken için üç potansiyel sonuç kullanan üç faktörlü bir model 27 sonuçla sonuçlanacaktır, vb. Bu yöntemi kullanarak toplam sonuç sayısını belirleme denklemi ( Y X ) ' e eşittir , burada Y = her bir faktör için olası senaryoların sayısı ve X = modeldeki faktör sayısıdır. (Daha fazla bilgi için, bkz. Modern Portföy Teorisi İstatistikleri Astarı .)

şekil 2

Şekil 2'de dokuz sonuç vardır, ancak dokuz ayrı değer yoktur. Örneğin, BB için sonuç, sonuç DU veya UD'ye eşit olabilir. Bu çalışmayı sonuçlandırmak için, analist her bir sonuç için olasılıkları tayin edecek ve ardından bu olasılıkları benzer değerler için ekleyecektir. Ortaya tekabül eden değerin, bu durumda BB'nin en çok ortaya çıkmasını bekleyeceğiz, çünkü ortalamanın meydana gelme olasılığı en yüksek olan değerdir. Oluşan benzer değerlerin sıklığı, ortaya çıkma olasılığını artırır. Değerler tekrarlanmadıkça, özellikle de ortalama değer, gelecekteki getirilerin ortalamadan başka bir şey olacağı olasılığı artar. Bir modelde daha fazla faktör ve daha fazla faktör senaryoları şunları içerir:

Senaryo Analizinin

dezavantajları Bu tür sabit sonuç analizleri için en büyük dezavantaj tahmin edilen olasılıklar ve son derece olumlu ve olumsuz olaylar için değerlerle sınırlanan sonuç kümeleridir. Düşük olasılıklı olaylar olsa da, yatırımların çoğu ya da yatırım portföyleri çok yüksek pozitif ve negatif getiri potansiyeline sahiptir. Yatırımcılar, sık sık olmalarına rağmen, bu düşük olasılıklı olayların gerçekleştiğini ve bu potansiyel olayların bir yatırımcının risk toleransı içinde olup olmadığını belirlemeye yardımcı olan risk analizi olduğunu hatırlamalıdır. (İlgili okuma için, bkz. Risk Toleransı ve Risk Toleransı Kişiselleştirilmesi Sadece Hikayenin Yarısını Açıklar .)

Önceki örneklerde var olan problemleri atlatmak için bir yöntem, çok değişkenli bir modelin aşırı sayıda denemesini yürütmektir. Rastgele faktör analizi, binlerce ve hatta yüzbinlerce bağımsız denemenin bir bilgisayarla birlikte rastgele bir şekilde faktörlere değerlerini atamasıyla gerçekleştirilir. En yaygın rastgele faktör analizi türü, faktör değerlerinin tahmin edilmediği fakat değişkenlerin kendi olasılık dağılımı ile sınırlanan bir kümeden rastgele seçildiği "Monte Carlo" analizi olarak adlandırılır. (Bu analiz hakkında daha fazla bilgi için, Monte Carlo Simülasyonuna Giriş okuyun .)

Sonuç

Yatırım performansının raporlanması için belirlenen standartlar, yatırımcılara yatırımların geçmiş performansları için risk profili (performansın değişkenliği) sağlamasını sağlar. Geçmiş performansın gelecekteki risk veya getiri üzerinde herhangi bir etkisi olmadığı için, yatırımcı veya işletme sahipleri yatırımlarını geleceğe yönelik riskleri belirleyerek pro-forma modelleri oluşturabilirler. Herhangi bir tahminin çıktısı, yalnızca bu inisiyatifin beklenen veya ortalama değerini üretecektir; Analistin, ortaya çıkma olasılığının en yüksek olduğuna inandığı sonuç. Senaryo analizi yaparak, bir yatırımcı öngörülen bir yatırım için bir risk Ne Zaman Emekli Olurumoluşturabilir ve muhtemel yatırımları karşılaştırmak için bir temel oluşturabilir.