펀드의 변동성을 고려할 때 투자자는 어떤 펀드가 최적의 리스크 보상 조합을 제공 할 것인지 결정하기가 어려울 수 있습니다. 많은 웹 사이트에서 뮤추얼 펀드에 대한 다양한 변동성 측정을 무료로 제공합니다. 그러나 수치의 의미뿐 아니라 분석 방법을 이해하기가 어려울 수 있습니다.
또한이 수치들 사이의 관계가 항상 명백한 것은 아닙니다. 가장 일반적인 4 가지 변동성 측정법과 최신 포트폴리오 이론을 기반으로 한 위험 분석 유형에 적용되는 방법에 대해 알아보십시오.
최적의 포트폴리오 이론과 뮤추얼 펀드
포트폴리오 수익률과 리스크 사이의 관계에 대한 한 가지 검토는 효율적인 포트폴리오, 현대 포트폴리오 이론의 일부인 곡선입니다. 곡선은 변동성으로 표시된 수익률과 위험을 나타내는 그래프로 구성되며 표준 편차로 표시됩니다. 현대의 포트폴리오 이론에 따르면, 곡선에 놓인 펀드는 변동성의 양을 감안할 때 가능한 최대 수익을 낳고 있습니다.
Julie Bang의 이미지 © Investopedia 2019
표준 편차가 증가함에 따라 수익도 증가합니다. 위의 차트에서 포트폴리오의 기대 수익률이 특정 수준에 도달하면 투자자는 적은 수익 증가를 위해 많은 변동성을 취해야합니다. 투자자가 소액의 수익률에 대해 많은 양의 불안정성을 취하고 있기 때문에 위험 / 수익률 관계가 곡선보다 훨씬 낮은 포트폴리오는 최적이 아닙니다. 제안 된 펀드가 취득한 변동성 금액에 대한 최적의 수익을 가지고 있는지 확인하려면 투자자는 펀드의 표준 편차를 분석해야합니다.
현대의 포트폴리오 이론과 변동성은 투자자가 시장의 여러 가지 요인으로 인한 위험을 분석하는 데 사용하는 유일한 수단은 아닙니다. 또한 위험 허용 및 투자 전략과 같은 것은 투자자가 위험에 대한 노출을 보는 방식에 영향을 미칩니다. 다른 4 가지 방법이 있습니다.
1. 표준 편차
많은 통계적 측정과 마찬가지로 표준 편차에 대한 계산은 까다로울 수 있지만 그 수는 사용 방법을 아는 사람들에게 매우 유용하기 때문에 펀드의 표준 편차를 제공하는 무료 뮤추얼 펀드 스크리닝 서비스가 많이 있습니다.
표준 편차는 본질적으로 펀드의 변동성을보고하는데, 이는 단기적으로 수익률이 급격히 증가 또는 하락하는 경향을 나타냅니다. 휘발성 보안은 성능이 언제든지 어느 방향 으로든 빠르게 변경 될 수 있기 때문에 더 높은 위험으로 간주됩니다. 펀드의 표준 편차는 펀드의 평균 수익률과 관련하여 펀드가 변동하는 정도를 측정하여이 위험을 측정합니다.
예를 들어, 4 년간 일관된 수익률이 3 % 인 펀드의 평균 또는 평균은 3 %입니다. 주어진 펀드의 수익률이 4 년 평균 3 %와 다르지 않기 때문에이 펀드의 표준 편차는 0이됩니다. 반면, 지난 4 년 동안 각각 -5 %, 17 %, 2 % 및 30 %를 반환 한 펀드의 평균 수익률은 11 %입니다. 이 펀드는 매년 펀드의 수익이 평균 수익과 다르기 때문에 높은 표준 편차를 나타냅니다. 따라서이 펀드는 단기간 내에 마이너스 수익과 플러스 수익간에 크게 변동하기 때문에 더욱 위험합니다.
변동성은 유가 증권에 영향을 미치는 위험에 대한 하나의 지표 일 뿐이므로, 펀드의 안정적인 과거 성과가 반드시 미래의 안정성을 보장하는 것은 아닙니다. 예상치 못한 시장 요인이 변동성에 영향을 줄 수 있으므로 올해 표준 편차가 0에 가깝거나 같은 펀드는 다음 해에 다르게 행동 할 수 있습니다.
펀드가 변동성에 대해 수령 한 수익을 극대화하는 정도를 결정하기 위해 유사한 투자 전략과 유사한 수익을 가진 다른 펀드와 펀드를 비교할 수 있습니다. 표준 편차가 낮은 펀드는 획득 한 위험 액에 대해 수령 한 수익을 극대화하기 때문에 더 최적입니다. 다음 그래프를 고려하십시오.
Julie Bang의 이미지 © Investopedia 2019
S & P 500 펀드 B를 통해 투자자는 펀드 A와 동일한 수익을 달성하는 데 필요한 것보다 더 많은 변동성 리스크를 확보하게됩니다. 펀드 A는 투자자에게 최적의 리스크 / 수익 관계를 제공합니다.
2. 베타
표준 편차는 일정 기간 동안의 수익 차이에 따라 펀드의 변동성을 결정하지만 유용한 통계 측정법 인 베타는 펀드의 변동성 (또는 위험)을 지수 또는 벤치 마크와 비교합니다. 베타가 1에 매우 가까운 펀드는 펀드의 성과가 지수 또는 벤치 마크와 거의 일치 함을 의미합니다. 1보다 큰 베타는 전체 시장보다 큰 변동성을 나타내고, 1보다 작은 베타는 벤치 마크보다 낮은 변동성을 나타냅니다.
예를 들어 S & P 500과 관련하여 펀드의 베타가 1.05 인 경우 펀드가 지수보다 5 % 더 많이 이동 한 것입니다. 따라서 S & P 500이 15 % 증가하면 기금은 15.75 % 증가 할 것으로 예상됩니다. 반면, 베타 2.4의 펀드는 해당 지수보다 2.4 배 더 많이 움직일 것으로 예상됩니다. 따라서 S & P 500이 10 % 이동하면 펀드가 24 % 증가하고 S & P 500이 10 % 감소하면 펀드가 24 % 손실 될 것으로 예상됩니다.
시장이 강세를 보일 것으로 기대하는 투자자들은 베타 버전이 높은 펀드를 선택하여 투자자가 시장을 이길 가능성을 높입니다. 투자자가 가까운 장래에 시장이 약세를 보일 것으로 예상한다면 베타보다 1 미만인 펀드는 지수보다 가치가 떨어질 것으로 예상되므로 좋은 선택입니다. 예를 들어, 펀드 베타가 0.5이고 S & P 500이 6 % 감소한 경우 펀드는 3 % 만 감소 할 것으로 예상됩니다.
베타 자체는 제한적이며 펀드의 변동성에 영향을 미치는 시장 위험 이외의 요인으로 인해 왜곡 될 수 있습니다.
3. R- 제곱
펀드의 R- 제곱은 뮤추얼 펀드의 베타가 적절한 벤치 마크에 대해 측정되는지 투자자에게 보여줍니다. R- 제곱은 펀드의 움직임과 지수의 상관 관계를 측정하여 펀드의 변동성과 시장 위험 사이의 연관성 수준, 또는 구체적으로 펀드의 변동성이 일상의 결과 인 정도를 나타냅니다. 전체 시장에서 경험하는 변동.
R- 제곱 값의 범위는 0에서 100 사이이며 0은 최소 상관 관계를 나타내고 100은 전체 상관 관계를 나타냅니다. 펀드 베타의 R 제곱 값이 100에 가까우면 펀드 베타를 신뢰할 수 있어야합니다. 반면, 0에 가까운 R 제곱 값은 펀드가 부적절한 벤치 마크와 비교되기 때문에 베타가 특히 유용하지 않음을 나타냅니다.
예를 들어, S & P 500에 대해 채권 기금이 판단되면 R 제곱 값은 매우 낮습니다. Lehman Brothers Aggregate Bond Index와 같은 채권 지수는 채권 펀드에 훨씬 더 적합한 벤치 마크이므로 결과 R- 제곱 값이 더 높습니다. 분명히 주식 시장에서 명백한 위험은 채권 시장과 관련된 위험과 다릅니다. 따라서 채권에 대한 베타가 주가 지수를 사용하여 계산되면 베타는 신뢰할 수 없습니다.
부적절한 벤치 마크는 단순한 베타 이상으로 치우치게됩니다. 알파는 베타를 사용하여 계산되므로 펀드의 R- 제곱 값이 낮 으면 알파에 대해 주어진 수치를 신뢰하지 않는 것이 좋습니다. 다음 섹션에서 예제를 살펴 보겠습니다.
4. 알파
지금까지 우리는 변동성으로 인한 위험을 측정하는 수치를 조사하는 방법을 배웠지 만 시장 변동성 이외의 요인으로 인한 위험을 감수 한 것에 대해 귀하에게 보상되는 추가 수익을 어떻게 측정합니까? 알파를 입력하십시오.이 추가 위험 중 하나가 펀드가 해당 벤치 마크를 능가하는 데 얼마나 도움이되었는지 측정합니다. 알파 계산은 펀드의 성과를 벤치 마크의 리스크 조정 수익률과 비교하여 펀드가 동일한 금액의 리스크를 감안할 때 펀드가 시장을 능가했는지 여부를 설정합니다.
예를 들어, 펀드의 알파가 1 인 경우 펀드가 벤치 마크보다 1 % 높은 성능을 나타냅니다. 마이너스 알파는 펀드 투자자가 수행 한 추가 펀드 별 위험 정도에 따라 펀드가 성과가 저조하다는 것을 나타냅니다.
결론
이 네 가지 통계 측정에 대한 설명은이를 사용하여 최적 포트폴리오 이론의 전제를 적용하는 데 필요한 기본 지식을 제공합니다. 변동성을 사용하여 위험을 설정하고 펀드의 변동성이 얼마나 높은 수익률을 갖는지 결정하는 지침을 제공합니다.. 이러한 수치는 이해하기 어려울 수 있으므로 사용하는 경우 그 의미를 아는 것이 중요합니다.
이러한 계산은 한 가지 유형의 위험 분석 내에서만 작동합니다. 뮤추얼 펀드를 구매하기로 결정한 경우, 뮤추얼 펀드에 의해 야기되는 위험에 영향을 미치고 영향을 나타내는 변동성 이외의 요소를 인식하는 것이 중요합니다.
