Robo-danışman Endüstri Portföyü Riski: Verimlilik mi, Köşe Kesme mi?

Robo-danışmanlar, fintech alt sektörünün genç yatırımcıların ve kitlelerin tasarruf ve yatırıma daha aktif katılımını teşvik etmesiyle son on yılda öne çıktı. Robo-danışmanlar, finansal danışmanlığı demokratikleştirmeyi ve daha önce yalnızca zengin, sofistike yatırımcılara sunulan yüksek kaliteli hizmetleri getirmeyi amaçlar. Özetle, robo-danışmanlık, portföy stratejisini bir algoritmaya dış kaynak sağlayan bir yatırım yönetimi biçimidir. Portföy oluşturma ve yeniden dengeleme, bilgisayarların yardımıyla otomatik hale getirilerek daha uygun maliyetli varlık yönetimi çözümleri ve insan hatası ve önyargıda potansiyel azalma sağlanır.

Bu alandaki birçok startup, marka farkını kırmak ve göstermek için mücadele ediyor. Robo-danışmanların bir portföyün gerçek risklerini aktarırken yatırımı demokratikleştirmeye ve kâra çevirmeye devam etmesinin en iyi yolu nedir?

Robo-danışmanlık nereden geldi?

Betterment ve Wealthfront, en önde gelen robo-danışmanlardan ikisidir ve birincisi 2008'de piyasaya sürülen ilk şirkettir. 2019'a kadar, sektörün dünya çapında 440 milyar dolarlık varlığa sahip olduğu ve zaman içinde, geleneksel varlık yöneticilerinin, Vanguard da bu tür teknikleri benimsemiştir. Robinhood gibi yalnızca yürütmeye dayalı ticaret platformlarından tamamen farklı olmakla birlikte, her iki sektörün de finansal güçlendirme mesajı, geleneksel olarak kariyerlerinin ileri zamanlarına kadar emeklilik tasarruflarıyla aktif olarak ilgilenmeyen genç yatırımcılar tarafından benimsendi.

Popüler robo-danışmanların temel değer önermelerinden biri, müşterilerin yalnızca getirilere odaklanmak yerine portföylerle ilişkili riskleri ve maliyetleri anlamalarına yardımcı olmalarıdır. Geleneksel finansal danışman liderliğindeki servet yönetimine karşı argümanlar, pahalı ve düşük performans gösteren varlıkların, performansa ilişkin görüş açısı elde etmek için sayıları nesnel olarak ayrıştıramayan yatırımcılara aktarıldığı teşviklerin yanlış hizalanmasıdır. Bunun için robo-danışmanlar, pasif yatırımın savunucuları olmuş, ekonomik endeks fonları ve borsada işlem gören fonlar (ETF'ler) için aktif olarak yönetilen pahalı fonlardan kaçınmışlardır.

Risk Yönetimi ve Robo-danışmanlar

Çoğu robo-danışman, yatırımcı portföyleri oluşturmak için tipik olarak modern portföy teorisini (bazen iyi araştırılmış diğer metodolojilerle bağlantılı olarak) kullanırken, bu portföylerle ilişkili risk seviyelerini ifade etmek için farklı yollar kullanırlar. Çoğu yatırım uzmanı, portföy seçiminde riskin getiri kadar önemli olduğu konusunda hemfikirdir. Aslında, uygulayıcıların büyük çoğunluğu, Nobel Ödülü sahibi Harry Markowitz'in portföy seçimi üzerine 1952 tarihli tezinde gösterilen ortalama varyans optimizasyon çerçevesinden ilham almaya devam ediyor.

Bununla birlikte, risk genellikle ortalama yatırımcı tarafından beklenen getiriler kadar iyi anlaşılmaz. Bunun nedeni, bir bireyin risk toleransının yalnızca geçmiş performans ve rasyonel beklentiler tarafından değil, aynı zamanda benzersiz kişisel koşullar ve umutlar ve korkular gibi diğer duygusal faktörler tarafından da yönlendirilmesidir. Ayrıca, bir bireyin risk toleransı pek de statik bir ölçü değildir. Çoğu kişi, COVID-19'un sunduğu belirsizlikler nedeniyle 2020'de risk toleranslarının son on yıldaki herhangi bir zamandan daha düşük olacağını kesinlikle algılayacaktır. Tavsiye edilen bir portföyün arzu edilirliği, bir yatırımcı tarafından kısmen portföyün riskliliğine ilişkin kendi algılarına göre değerlendirilir. Bu nedenle, bir robo-danışmanın, yatırımcıların riski anlayabilmesi ve bunu kendi toleransları, hedefleri ve duygusal tercihleriyle ilişkilendirebilmesi için riski açıkça göstermesi hayati önem taşımaktadır.

Robo-danışmanlar, müşterilerin riski anlamalarına yardımcı olmak için nicel veya nitel önlemler kullanır. Her önlemin avantajları ve sınırlamaları vardır.

Niteliksel Risk Düzeyleri: Agresif mi, Yüksek Büyüme mi?

Çoğu robo-danışman, yatırımcıların önceden tanımlanmış bir psikometrik soru listesini nasıl yanıtladığına dayalı olarak niteliksel bir risk derecelendirmesi atar. Bu genellikle "Çok Muhafazakar"dan "Çok Agresif"e kadar sayısal bir ölçekte değişecektir.

Niteliksel bir risk derecelendirmesi, bir yatırımcı için çeşitli portföylerin birbirine göre riskliliğini algılamayı kolaylaştırdığından, bariz avantajlara sahiptir. Örneğin, "Agresif" notu atanan bir portföy, doğası gereği "Muhafazakar" olarak etiketlenen bir portföyden daha riskli olabilir. Psikometrik sorular, yatırımcıların kayıplara karşı toleransını daraltmaya ve uygun risk seviyesini belirlemeye yardımcı olur.

Bununla birlikte, niteliksel bir derecelendirme, portföyün beklenen değişkenliği konusunda net bir anlayış sağlamayabilir. Agresif bir portföyün ılımlı bir portföye kıyasla ne kadar değişken olduğu açık olmayabilir. Büyük olasılıkla, 6'lık bir risk derecelendirmesi, portföyün, derecelendirilen 3'ten iki kat daha riskli olduğu anlamına gelmeyebilir. Ayrıca, risk algısı, risk derecelendirmesinin nasıl sözlü ifade edildiğine bağlı olarak değişebilir. Yatırımcılar, "Yüksek Büyüme" veya "Çok Agresif" olarak etiketlenmesine bağlı olarak, yüksek riskli bir portföyü farklı şekilde görebilirler. Dolayısıyla böyle bir sınıflandırma, bir portföyün algılanan çekiciliğine bir öznellik katmanı getirir.

Niteliksel riski gereğinden fazla vurgulayan robo-danışmanlarla ilgili endişem, bunun yatırımcılara portföylerinin devam eden performansına ilişkin yanlış bir güvenlik hissi vermesidir. Agresif/muhafazakar bir aralıkta rastgele bir risk puanı çok geniş olabilir ve nihayetinde koşulları önceden düşünülenden daha karmaşık olabilen yatırımcılar tarafından optimal olmayan finansman planlama kararlarıyla sonuçlanabilir. Aşırı basitleştirilmiş risklerle ilgili endişeler, yatırımcıların ürünün gerçek doğasını anlamada başarısız olmasıyla birlikte, sistemik yanlış satış yapan robo-danışmanlar hakkındaki düzenleyici çağrılarda tekrarlanıyor.

Müşteri eğitimiyle birlikte kurumsal nicel risk önlemlerinin (bankalar, fonlar ve aile ofisleri tarafından kullanılan) artan oranda benimsenmesi, robo-danışmanın bir sonraki aşamasının anahtarı olabilir. Bu, endüstriyi gerçekten ileriye taşıyabilir ve artan finansal okuryazarlık eğitimi için ulusal hareketlere karşılık gelebilir.

Yatırım Portföyleri için Nicel Risk Önlemleri

Taming Volatilite: Riske Maruz Değer

Riske Maruz Değer veya VaR, bir portföyün oynaklığının en popüler ölçüsüdür. Basitçe söylemek gerekirse, VaR, belirli bir olasılık seviyesi (güven seviyesi veya yüzdelik olarak da bilinir) olarak minimum beklenen kayıpların bir ölçüsüdür. Örneğin, bir portföyün %99 VaR'si %12 ise, bu, portföydeki kayıpların belirli bir dönemde %12'yi geçmeme olasılığının %99 olduğu anlamına gelir. Diğer bir deyişle, portföy kayıplarının %12'den fazla olma olasılığı %1'dir. VaR, bazı robo-danışmanlar tarafından halihazırda uygulanmaktadır ve bu tür bir kullanım örneği, Singapur'daki StashAway'den gelmektedir ve bu örnek, “Risk Endeksi” olarak adlandırılan bir önlem için %99'luk bir kılavuz oluşturmaktadır.

VaR farklı yöntemler kullanılarak hesaplanabilir. Tarihsel yöntem, bir portföyün tarihsel getirilerini büyüklüklerine göre sıralar ve belirli bir yüzdelik dilimde (tipik olarak %95 veya %99) gözlemlenen getiriyi tanımlar. Varyans-kovaryans yöntemi, getirilerin normal olarak dağıldığını varsayar ve en kötü %5 veya %1'lik getirilerin çan eğrisinde nerede olacağını tahmin etmek için portföyün standart sapmasını kullanır. VaR, olasılıksal sonuçlara dayalı olarak en kötü %5 veya %1 getiriyi üreten Monte Carlo simülasyonu kullanılarak da tahmin edilebilir.

VaR'ın popülaritesi, bir yatırımcının bir portföyün değişkenliğini anlamasını ve bunu kişisel kayıplara karşı toleranslarıyla ilişkilendirmesini kolaylaştırmasından kaynaklanmaktadır. Ancak, VaR'ı hesaplamak için kullanılan girdilere ve metodolojiye bağlı olarak, önlemin güvenilirliğini etkileyen farklı sonuçlar elde edebiliriz. Ayrıca, VaR, getirilerin normal dağılması ve tarihsel getirilerle hizalanması gibi çok sayıda varsayıma büyük ölçüde dayanır. Son olarak, %12'lik %99 VaR (yukarıda açıklanmıştır), en kötü senaryoda beklenebilecek zarar miktarı konusunda yatırımcıyı bilgilendirmez.

VaR'nin arkasındaki çeşitli uyarılar, kullanıcıların anlaması için karmaşık bir ölçüm olarak görülmesiyle birlikte, robo-danışma platformlarındaki önemini sınırlandırıyor olabilir. StashAway'in onu daha sindirilebilir bir ölçüme dönüştürme örneği, bu engellerin nasıl daha inandırıcı bir şekilde yıkılabileceğini gösterir.

Risk Altındaki Koşullu Değer

VaR'nin eksikliklerinden birinin, risk altındaki koşullu değerin veya CVaR'nin ele alınması, en kötü senaryoda bir yatırımcıya beklenen zararı sağlar. %99 güven düzeyinde, CVaR, senaryoların en kötü %1'inde ortalama portföy getirisi olarak hesaplanır. CVaR, VaR ile benzer yöntemler kullanılarak tahmin edilir. VaR'ye kıyasla en kötü durum senaryosunun daha net bir resmini vermeye yardımcı olsa da, tahminde kullanılan varsayımlar ve metodolojiler nedeniyle benzer eksikliklerden muzdarip olabilir.

2020'deki piyasa kopuklukları, normal dağılım modellerini parçalama eğiliminde olup, CVar gibi daha fazla "3 boyutlu" portföy risk önlemi eklemenin avantajlı olabileceğini göstermektedir. Standart VaR ölçümü ile bağlantılı olarak, CVaR verileri bir robo-danışmanın risk yönetimi tekliflerini iyileştirecek ve robo varlıkların çoğunluğunun endeks fonları (hisse senetleri) olduğu göz önüne alındığında çok uygun olacaktır.

En İyi ve En Kötü Getiriler

En iyi ve en kötü getiriler, belirli bir zaman ufku boyunca bir menkul kıymetin veya portföyün periyodik getirilerinin yuvarlanmasıyla ilgilidir. Getiri, yatırımcının zaman ufkuna bağlı olarak günlük, aylık veya yıllık olarak hesaplanabilir. Zaman çerçevesi genellikle verilerin mevcudiyeti ile belirlenir, ancak yeterince uzun bir zaman ufku kullanmazsak, gözlemlenen en iyi ve en kötü getirileri etkileyebilir.

ABD Varlıkları İçin En İyi ve En Kötü Getiri: 1973-2016

Ölçü, yatırımcılara en iyi ve en kötü durum senaryolarının bir göstergesini vermek için tarihsel getirileri kullanır. Açık bir avantaj, VaR'den farklı olarak, normal bir dağılım varsaymak yerine pozitif ve negatif getiriler arasında ayrım yapmasıdır. Yatırımcılar, pozitif oynaklığı önemsememe eğilimindedir ve çoğunlukla mutlak aşağı yönlü risklerden endişe duyarlar. Ayrıca, CVaR'den farklı olarak, en kötü durum senaryosunu hafife alabilecek bir ortalama getiri almak yerine mutlak en kötü gözlemlenen getirileri gösterir. Bununla birlikte, diğer nicel önlemler gibi, bu da geriye dönük olma eğilimindedir ve aynı zamanda gözlemlenen sonuçların veri setine de bağlıdır.

En İyi ve En Kötü Getiri risk önlemleri, korkutucu finansal oranlara güvenmeden yatırımcılara net bir şekilde iletişim kurdukları için robo-danışman platformları için çok uygundur. Yine de böyle bir risk, mantıksız önyargılarla oynayabilmeleri ve düşen bir pazarda panik satışını veya inatla kaybedenlere tutunmayı teşvik edebilmeleridir.

Niceliksel Riski Kendiniz Ölçme

Tek varlık portföyü için VaR, CVaR ve En İyi ve En Kötü getirilerin nasıl hesaplanabileceğine bir göz atalım. Dikkate alınan varlık, büyük ölçekli ABD hisse senetlerini izleyen bir ETF olan SPY'dir.

Aşağıdaki hesaplamalar için kullanılan veriler, Temmuz 2007'den Haziran 2020'ye kadar SPY'nin NAV ve aylık getirileri ile ilgilidir. Hesaplamalar Excel veya Google E-Tablolar işlevleri kullanılarak yapılabilir.

VaR - %11.8 VaR, SPY'nin belirli bir ayda %11.8'den fazla kaybetme olasılığının %1 olduğu anlamına gelir. Başka bir deyişle, SPY, ayların %99'unda %11,8'lik bir kayıptan daha iyi aylık getiri sağladı. Adımlar (Google E-Tablolar/Excel):

1. Hisse fiyatı/NAV verilerinden tarihsel aylık getirileri hesaplayın.
2. Girdi olarak geçmiş getiriler dizisini ve istenen yüzdelik dilimini (örneğin, %99'luk bir aralık için %1) kullanarak YÜZDEBİRLİK.DHL işlevini kullanın.

CVaR - %14.5 CVaR, %1'lik en kötü sonuçlar sırasında SPY'de beklenen aylık kaybın %14.5 olduğu anlamına gelir. Bu, VaR sonucundan daha düşük getirilerin ortalamasını hesaplamak için EĞERORTALAMA işlevi kullanılarak Google E-Tablolar/Excel'de belirlenebilir.

En iyi ve en kötü getiri - Tabloda gösterildiği gibi, 2007-2020 döneminde SPY'de gözlemlenen en iyi ve en kötü aylık getiriler sırasıyla +13 ve -16% idi. Bunlar, MIN ve MAX fonksiyonları kullanılarak hızlı bir şekilde hesaplanabilir.

Belirtildiği gibi, bu ölçümlerin yönteme ve gözlem süresine bağlı olarak farklı değerler verebileceğine dikkat etmek önemlidir. Metodoloji ve süre seçimi, verilerin mevcudiyeti, beklenen yatırım süresi ufku ve kişisel yargı gibi faktörlere dayanmalıdır.

Nicel Ölçülerle Farklılaşma

Geleneksel servet yönetiminin temeli, portföyleri zaman aralığı, etik, risk iştahı ve gelir temelli ihtiyaçlar gibi bireysel ihtiyaçlara göre uyarlamaktır; Bunun için her yaklaşım ısmarlamadır. Robo-danışmanı çekici kılan şey, otomatikleştirilmiş yöntemlerinin müşteri tabanlarının tamamında nasıl işleyebileceğidir.

Bununla birlikte, robo-danışmanların, kişisel ihtiyaçlarını karşılayan doğru portföyleri seçebilmeleri için müşterilerin portföy tekliflerinin risk getirisi değiş tokuşlarını net bir şekilde anlamalarına yardımcı olması gerekir. Niteliksel risk önlemleri, robo-danışmanlığın anlaşılması kolay bir “yoksa çıkışı”dır, ancak zaman içinde parametreleri gereksiz hale gelebilir. Bununla birlikte, burada ana hatları verilen nicel risk ölçütleriyle birlikte kullanıldıklarında, portföy performansına yönelik daha bütünsel risk yönetimi yönergeleri ve farkındalık sağlamaya yardımcı olurlar.