ఇబ్బంది ప్రమాదం (అర్థం, ఉదాహరణ) | డౌన్‌సైడ్ రిస్క్ అంటే ఏమిటి?
ఇబ్బంది రిస్క్ మీనింగ్
ఇబ్బంది అనేది మార్కెట్ పరిస్థితులలో మార్పుల కారణంగా భద్రత విలువలో నష్టాన్ని లెక్కించే గణాంక కొలత మరియు గ్రహించిన రాబడి the హించిన ఫలితాల కంటే చాలా తక్కువగా ఉంటుందని అనిశ్చితిగా కూడా సూచిస్తారు. సరళంగా చెప్పాలంటే, మార్కెట్ దిశను మార్చుకుంటే పెట్టుబడికి దారితీసే చెత్త నష్టాన్ని లెక్కించడంలో ఇది సహాయపడుతుంది.
డౌన్‌సైడ్ రిస్క్ యొక్క భాగాలు
ఇబ్బంది రిస్క్ మెట్రిక్ యొక్క ముఖ్యమైన భాగాలు క్రిందివి
- టైమ్ హారిజన్ - ఏదైనా రిస్క్ మెట్రిక్‌ను విశ్లేషించడానికి చాలా ముఖ్యమైన పరామితి సమయ హోరిజోన్. ఇబ్బంది కలిగించే ప్రమాదానికి ఈ అంశం మరింత ముఖ్యమైనది. టైమ్ హోరిజోన్ మా విశ్లేషణను ఒక నిర్దిష్ట వ్యవధిలో పరిమితం చేయడంలో సహాయపడుతుంది, మా గణనను మరింత ఖచ్చితమైనదిగా చేస్తుంది మరియు నమూనాలు మరింత దృ are ంగా ఉంటాయి. మీరు ఎంచుకున్న సమయ హోరిజోన్ నిష్పాక్షికంగా ఉందని మరియు చక్రీయ విచలనాల నుండి ఉచితమని నిర్ధారించుకోవడానికి సరైన నమూనా స్థలాన్ని చేర్చడం చాలా ముఖ్యం.
- విశ్వాస విరామం - డౌన్‌సైడ్ రిస్క్ అనేది గణాంక చర్యల ఆధారంగా ఒక అధ్యయనం. అందువల్ల అన్ని గణనలు దానిపై ఆధారపడి ఉంటాయి కాబట్టి సరైన మరియు ఖచ్చితమైన విశ్వాస సూత్రాన్ని ఎంచుకోవడం చాలా ముఖ్యం. ఈ పరామితిని పెట్టుబడిదారుడు లేదా విశ్లేషణ చేసే సంస్థ యొక్క సౌకర్య స్థాయి ఆధారంగా నిర్వచించాలి. సరైనది లేదా తప్పు అని ఖచ్చితమైన సంఖ్య లేదు, కానీ మీ రిస్క్ తీసుకునే సామర్థ్యాన్ని మీరు నిర్ణయించే బెంచ్ మార్క్.
ఇబ్బంది రిస్క్ ఫార్ములా
ప్రతికూల ప్రమాదాన్ని లెక్కించడానికి అనేక మార్గాలు ఉండవచ్చు. చారిత్రక అనుకరణ, వ్యత్యాసం-కోవియారిన్స్ వంటి బహుళ పద్ధతులను కలిగి ఉన్న ప్రామాణిక విచలనం, short హించిన కొరత లేదా విలువను మీరు ఉపయోగించవచ్చు. దీని కోసం నమూనా స్థలం (అంతర్లీన డేటా) ఆధారంగా మీరు కోల్పోయే గరిష్టాన్ని లెక్కించడం లక్ష్యం నిర్దిష్ట సమయ హోరిజోన్ మరియు విశ్వాస విరామం.
వైవిధ్యం-కోవియారిన్స్ పద్ధతి కోసం, ఇబ్బంది ప్రమాదం (VAR) ఇలా లెక్కించబడుతుంది:
VAR = - Z (విశ్వాసం ఆధారంగా z- విలువవిరామం) X STD. విచలనండౌన్సైడ్ రిస్క్‌కు ఉదాహరణ
దీన్ని మంచి మార్గంలో అర్థం చేసుకోవడానికి సరళమైన ఉదాహరణను చూద్దాం.
మీరు ఈ డౌన్‌సైడ్ రిస్క్ ఎక్సెల్ మూసను ఇక్కడ డౌన్‌లోడ్ చేసుకోవచ్చు - డౌన్‌సైడ్ రిస్క్ ఎక్సెల్ మూస
ఎబిసి కంపెనీ యొక్క ఉదాహరణను పరిగణించండి, దీని స్టాక్ $ 1000 వద్ద ట్రేడవుతోంది. కింది పట్టిక 1 సంవత్సరానికి నెలవారీ రాబడిని జాబితా చేస్తుంది.
గత రాబడి ఆధారంగా ఈ స్టాక్ యొక్క నష్టాన్ని లెక్కిద్దాం మరియు విషయాలను సరళంగా ఉంచడానికి చారిత్రక పద్ధతి యొక్క యంత్రాంగాన్ని ఉపయోగించి మేము లెక్కిస్తాము. విశ్వాస విరామం మరియు సమయ హోరిజోన్‌ను నిర్ణయిద్దాం.
- విశ్వాస విరామం: 75%
- సమయ హోరిజోన్: 1 సంవత్సరం
క్రమబద్ధీకరించిన క్రమంలో తిరిగి వస్తుంది
గరిష్ట నష్టం యొక్క లెక్కింపు
- గరిష్ట నష్టం = 3
క్రమబద్ధీకరించిన క్రమంలో రాబడిని అమర్చడం, మేము దిగువ 25% రాబడిపై (గరిష్ట నష్టం) 3 (12 లో 75%) పై దృష్టి పెడతాము. అందువల్ల కటాఫ్ 4 వ రాబడి అవుతుంది. 75% విశ్వాస విరామంతో సరళంగా, మేము నష్టాన్ని -5% గా లెక్కించాము.
వివరాల లెక్కింపు కోసం పైన ఇచ్చిన ఎక్సెల్ షీట్ చూడండి.
ప్రయోజనాలు
- చెత్త కేసు ప్రణాళికలో సహాయపడుతుంది: మీరు ప్లాన్ చేయడంలో విఫలమైతే, మీరు విఫలం కావాలని ఆలోచిస్తున్నారు. అంచనా వేసిన అభిప్రాయం తప్పుగా మారితే పెట్టుబడి ఎంత నష్టాలకు దారితీస్తుందో అర్థం చేసుకోవడం ద్వారా చెత్త దృష్టాంతంలో ప్రణాళిక చేయడంలో ఇబ్బంది మీకు సహాయపడుతుంది. యుఎస్ ట్రెజరీ బిల్లులచే తరచుగా నిర్వచించబడే రాబడి మరియు మార్కెట్ ఉచిత రేట్ల కోసం పెట్టుబడులు పెట్టడం సాధారణ విషయం కాదు. వార్తల భాగం లేదా మార్కెట్లో ప్రతిబింబించని సంఘటన కారణంగా విషయాలు expected హించిన విధంగా జరగని సందర్భాలు ఉండవచ్చు. 90 ల ప్రారంభంలో సెర్చ్ ఇంజన్ దిగ్గజం యాహూ యొక్క ఉదాహరణను పరిగణించండి. ఈ స్టాక్ మల్టీ-బ్యాగర్ అవుతుందని అందరూ ఆశాభావంతో ఉన్నారు, కాని కొత్త మార్కెట్ నాయకుడు (గూగుల్) తయారవుతున్నారని మరియు యాహూ స్థానభ్రంశం చెందుతుందని అందరికీ తెలియదు. వ్యవస్థలలో ప్రమాదకర నియంత్రణ నియంత్రణలో ఉంటే, నష్టాలు చాలా తక్కువగా ఉండేవి.
- నిర్ణయించే హెడ్జింగ్ వ్యూహాలు: పైన వివరించినట్లుగా, సంఘటనలు .హించిన విధంగా మారనప్పుడు సిద్ధం చేయడం గురించి రిస్క్ ఎక్కువ. పెట్టుబడి నుండి ఎప్పుడు రావాలో గుర్తించడంలో ఇటువంటి అంచనా సహాయపడుతుంది. వారు చెప్పినట్లు, మీ లాభాలను ఉంచండి కాని మీ నష్టాలను బుక్ చేసుకోండి.
పరిమితులు / అప్రయోజనాలు
- భద్రత యొక్క తప్పుడు భావన: డౌన్‌సైడ్ రిస్క్ అనేది గణాంక సాంకేతికత, ఇది గత డేటా నమూనాల ఆధారంగా అంచనా వేయడానికి ప్రయత్నిస్తుంది. దీని సంక్లిష్టత ఆస్తి తరగతి నుండి ఆస్తి తరగతి వరకు మారుతుంది. ఈక్విటీ వంటి సరళమైన ఆర్థిక ఉత్పత్తి కోసం, ఇది ట్రేడింగ్ ధరల వలె సరళంగా ఉంటుంది కాని క్రెడిట్ డిఫాల్ట్ మార్పిడులు వంటి సంక్లిష్టమైన ఉత్పత్తికి, ఇది అంతర్లీన ఆర్థిక బాండ్ ధరలు, పరిపక్వతకు సమయం, ప్రస్తుత వడ్డీ రేట్లు మొదలైన పారామితులపై ఆధారపడి ఉంటుంది. మీరు ఉపయోగిస్తున్న మోడల్ 99 సార్లు పని చేయగలదు కాని ఒక్కసారి కూడా విఫలమవుతుంది మరియు అస్థిరత ఎక్కువగా ఉన్నప్పుడు లేదా మార్కెట్లు క్రాష్ అవుతున్నప్పుడు ఇది జరుగుతుంది. సంక్షిప్తంగా, మీకు చాలా అవసరమైనప్పుడు అది విఫలమవుతుంది. అందువల్ల మోడల్ రిస్క్ కారణంగా, ఇబ్బంది రిస్క్ మీకు తప్పుడు భద్రతా భావాన్ని అందిస్తుంది
- మోడళ్లలో అస్థిరమైన ఫలితాలు: ఇబ్బంది రిస్క్ ఉపయోగించిన మోడల్ వలె మంచిది మరియు ఉపయోగించిన అంతర్లీన ప్రక్రియ ఆధారంగా, అంతర్లీన అంచనాలు మరియు నమూనా ఒకేలా ఉన్నప్పటికీ ఫలితంలో వైవిధ్యాలు ఉండవచ్చు. ఎందుకంటే ప్రతి ఇబ్బంది రిస్క్ మెట్రిక్ మెకానిజం దాని స్వంత అవ్యక్త అంచనాలను కలిగి ఉంటుంది, ఇది వేరే ఉత్పత్తికి దారితీస్తుంది. ఉదాహరణకు, చారిత్రక అనుకరణ మరియు మోంటే కార్లో అనుకరణ రెండూ రిస్క్ మెకానిజమ్‌లలో విలువ, కానీ అదే అంతర్లీన డేటా ఆధారంగా వాటి ద్వారా పొందిన ఫలితం భిన్నంగా ఉంటుంది.
గమనించవలసిన ముఖ్యమైన పాయింట్లు
- రిస్క్ తగ్గింపు వ్యూహాలు: ఇబ్బంది ప్రమాదాన్ని లెక్కించడం సరైన హెడ్జింగ్ వ్యూహాన్ని గుర్తించడంలో ఒకరికి సహాయపడుతుంది. పెట్టుబడిదారులు మరియు సంస్థలు వారు వ్యవహరిస్తున్న ఆర్థిక ఉత్పత్తిని అర్థం చేసుకోవాలి మరియు వారి సౌలభ్యం మరియు సామర్ధ్యం ప్రకారం తగిన ఇబ్బంది రిస్క్ మెట్రిక్‌ను ఎంచుకోవాలి.
- ప్రతి ఆస్తి తరగతికి వేర్వేరు ఇబ్బంది ఉంటుంది. ఈక్విటీ మరియు స్థిర ఆదాయం వంటి వనిల్లా ఆర్థిక ఉత్పత్తుల కోసం, నష్టాన్ని లెక్కించడం చాలా సులభం మరియు పరిమితం. అయినప్పటికీ, ఎంపికలు లేదా క్రెడిట్ డిఫాల్ట్ మార్పిడులు వంటి ఆర్థిక ఉత్పత్తుల కోసం, ఇబ్బంది లెక్కించడం కష్టం మరియు అపరిమితంగా ఉంటుంది.
ముగింపు
నష్టాలను ఎవరూ ఇష్టపడరు కాని ఆర్థిక ఉత్పత్తులు అనూహ్యమైనవని గతంలోని పాఠాలు మనకు నేర్పించాయి. 2008 ఆర్థిక మాంద్యం లేదా 2001 డాట్ కామ్ బబుల్ వంటి బాధ సమయాల్లో, అస్థిరత మరియు ఆస్తి తరగతుల మధ్య పరస్పర సంబంధం పెరుగుతుంది. చాలా తరచుగా, ఇది పెట్టుబడిదారులకు రక్షణ లేకుండా చేస్తుంది, ఇది భారీ నష్టాలు మరియు విపత్తు సంఘటనలకు దారితీస్తుంది. ప్రతికూల ప్రమాదం, నివారణ చర్యగా, అటువంటి దృశ్యాలను తొలగించడానికి లేదా బాగా సిద్ధం చేయడానికి సహాయపడుతుంది.
