ยินดีต้อนรับสู่การวัดความเสี่ยง (Risk Measurement)!
ยินดีต้อนรับทุกคน! เรากำลังจะเข้าสู่หนึ่งในบทเรียนที่นำไปใช้ได้จริงมากที่สุดในหลักสูตร CAIA Level II นั่นคือ การวัดความเสี่ยง (Risk Measurement) หากคุณเคยสงสัยว่า "ถ้าลงทุนไปแล้ว ฉันจะขาดทุนได้มากที่สุดเท่าไหร่กันนะ?" คุณมาถูกที่แล้วครับ แม้ว่าคณิตศาสตร์ในบทนี้อาจดูน่ากลัวในแวบแรก แต่จริงๆ แล้วคอนเซปต์ของมันเข้าใจง่ายมากหากเราค่อยๆ ถอดรหัสออกมา เราจะมาดูกันว่ามืออาชีพเขาประเมินความไม่แน่นอนและเตรียมรับมือกับสถานการณ์ที่ "เลวร้ายที่สุด" กันอย่างไร
ถ้ารู้สึกว่ามันยากในตอนแรก ไม่ต้องกังวลนะ! เราจะใช้การเปรียบเทียบง่ายๆ และคำอธิบายเป็นขั้นตอนเพื่อให้คุณมั่นใจขึ้น เอาล่ะ เริ่มกันเลย!
1. มากกว่าแค่ส่วนเบี่ยงเบนมาตรฐาน (Standard Deviation): ทำความเข้าใจกับความเสี่ยง
ในการเรียนระดับต้น คุณอาจเคยใช้ ส่วนเบี่ยงเบนมาตรฐาน (Standard Deviation) เป็นเครื่องมือหลักในการวัดความเสี่ยง ซึ่งมันวัดว่าผลตอบแทนมีการ "เหวี่ยง" ไปมาจากค่าเฉลี่ยมากแค่ไหน อย่างไรก็ตาม ในโลกของการลงทุนทางเลือก (Alternative Investments) เช่น กองทุนเฮดจ์ฟันด์ หรือหุ้นนอกตลาด (Private Equity) ส่วนเบี่ยงเบนมาตรฐานมักจะใช้ไม่ได้ผล เพราะผลตอบแทนไม่ได้มีการกระจายตัวแบบ "ปกติ" (ไม่เป็นรูปกราฟระฆังคว่ำที่สมบูรณ์เสมอไป)
ปัญหาของการแจกแจงแบบปกติ (Normal Distribution):
สินทรัพย์ทางเลือกหลายประเภทมักประสบปัญหา ความเบ้ที่เป็นลบ (Negative Skewness) (มักจะมีกำไรเล็กๆ น้อยๆ บ่อยครั้ง แต่มีโอกาสขาดทุนก้อนมหึมาเป็นครั้งคราว) และ ความโด่ง (Excess Kurtosis) (หรือที่เรียกว่า "หางหนา" (Fat Tails) ซึ่งหมายความว่าเหตุการณ์สุดโต่งมีโอกาสเกิดขึ้นบ่อยกว่าที่คาดไว้) ด้วยเหตุนี้ เราจึงจำเป็นต้องใช้เครื่องมือที่ซับซ้อนกว่านี้
การเปรียบเทียบ: ส่วนเบี่ยงเบนมาตรฐานก็เหมือนการรู้ว่าอุณหภูมิเฉลี่ยในเมืองหนึ่งคือ 70 องศาฟาเรนไฮต์ ซึ่งฟังดูดี แต่ไม่ได้บอกคุณเลยว่ามีโอกาส 5% ที่จะเกิดคลื่นความร้อนที่อันตรายถึงชีวิตหรือพายุหิมะ เครื่องมือวัดความเสี่ยงจะช่วยให้เรามองเห็น "พายุหิมะ" เหล่านั้นได้อย่างชัดเจน
คำศัพท์สำคัญ: มูลค่าที่เสี่ยงต่อการขาดทุน (Value at Risk - VaR)
Value at Risk (VaR) เป็นวิธีที่นิยมที่สุดในการตอบคำถามว่า: "ในระยะเวลาหนึ่งที่กำหนด ด้วยระดับความเชื่อมั่นที่ระบุไว้ ฉันจะขาดทุนสูงสุดได้เท่าไหร่?"
ประโยคของ VaR มักจะออกมาในลักษณะนี้: "มีโอกาส 5% ที่พอร์ตการลงทุนจะขาดทุนมากกว่า 1 ล้านดอลลาร์ในเดือนหน้า"
วิธีคำนวณ VaR 3 รูปแบบ
- วิธีพารามิเตอร์ (Parametric / Analytical Method): ใช้วิธีคำนวณตามสูตร โดยสมมติว่าผลตอบแทนมีการแจกแจงแบบเฉพาะเจาะจง (มักจะเป็น Normal Distribution)
\( VaR = | \mu - (z \times \sigma) | \)
โดยที่ \( \mu \) คือค่าเฉลี่ย, \( \sigma \) คือส่วนเบี่ยงเบนมาตรฐาน และ \( z \) คือค่าวิกฤต (เช่น 1.65 สำหรับระดับความเชื่อมั่น 95%) - วิธีจำลองสถานการณ์ในอดีต (Historical Simulation Method): ไม่ต้องใช้สูตร! แค่นำผลตอบแทนในอดีตมาเรียงลำดับจากแย่ที่สุดไปดีที่สุด หากคุณมีข้อมูล 100 วัน วันที่แย่เป็นอันดับที่ 5 ก็คือ VaR ที่ระดับ 95% ของคุณ
- การจำลองแบบมอนเตคาร์โล (Monte Carlo Simulation): ใช้คอมพิวเตอร์ "จำลองอนาคต" หลายพันครั้งโดยใช้ตัวแปรสุ่ม วิธีนี้เหมาะมากสำหรับพอร์ตที่มีความซับซ้อน เช่น มีออปชันหรือมีรูปแบบการจ่ายผลตอบแทนที่ไม่เป็นเส้นตรง
ทบทวนสั้นๆ:
- Parametric: คำนวณเร็ว แต่ต้องพึ่งพาสมมติฐานว่าข้อมูลเป็น "การแจกแจงแบบปกติ" (ซึ่งมักไม่เป็นความจริง)
- Historical: อธิบายง่าย แต่สมมติว่าอนาคตจะเหมือนกับอดีตเป๊ะๆ
- Monte Carlo: ยืดหยุ่นสูงมาก แต่มีค่าใช้จ่ายสูงและสร้างแบบจำลองได้ยาก
ประเด็นสำคัญ: VaR บอกเราว่าจำนวนเงินขั้นต่ำที่เราคาดว่าจะขาดทุนในกรณีที่แย่ที่สุด \( X \)% คือเท่าไหร่ แต่มัน ไม่ได้ บอกเราว่าถ้าเกิดเหตุการณ์แย่เกินกว่าจุดนั้นขึ้นมา ความเสียหายจะรุนแรงแค่ไหน
2. Expected Shortfall (Conditional VaR)
ถ้า VaR คือ "เส้นกั้น" ของโซนอันตราย Expected Shortfall (ES) — หรือที่เรียกว่า Conditional VaR (CVaR) — ก็คือสิ่งที่จะเกิดขึ้นเมื่อคุณก้าวข้ามเส้นนั้นเข้าไปแล้ว มันจะคำนวณ ค่าเฉลี่ย ของความสูญเสียที่อยู่ในส่วนหางของการแจกแจง
ตัวอย่าง: ถ้า 95% VaR ของคุณคือ 1 ล้านดอลลาร์ คุณรู้ว่ามีโอกาส 5% ที่จะขาดทุนอย่างน้อย 1 ล้านดอลลาร์ แต่ถ้าคุณขาดทุนเกิน 1 ล้านดอลลาร์ขึ้นมาล่ะ? ค่าเฉลี่ยการขาดทุนคือ 1.1 ล้าน หรือ 50 ล้านดอลลาร์กันแน่? Expected Shortfall จะให้คำตอบนี้กับคุณ
ทำไมต้องใช้ ES? เพราะมันไวต่อ "หางที่หนา" มากกว่า มันจะบอกคุณว่าความซวยนั้นน่ะ "ซวยแค่ไหนกันแน่" ในหลักสูตร CAIA นั้น ES ถือเป็น การวัดความเสี่ยงที่สอดคล้องกัน (Coherent Risk Measure) ในขณะที่ VaR ไม่ใช่ (เราจะมาอธิบายคำว่า "สอดคล้องกัน" ในหัวข้อถัดไป!)
3. คุณสมบัติของการวัดความเสี่ยงที่สอดคล้องกัน (Coherent Risk Measure)
เพื่อให้ถือว่าเป็น "ความสอดคล้องกัน" (คำสวยหรูที่แปลว่ามีความสมเหตุสมผลทางคณิตศาสตร์) เครื่องมือวัดความเสี่ยงต้องมีคุณสมบัติครบ 4 ประการ นี่เป็นหัวข้อที่ข้อสอบชอบออกมาก!
กฎเหล็ก 4 ข้อของ Coherence:
- 1. Monotonicity (ความเพิ่มขึ้นทางเดียว): ถ้าพอร์ต A ให้ผลตอบแทนดีกว่าพอร์ต B ในทุกๆ สถานการณ์ที่อาจเกิดขึ้น ดังนั้นพอร์ต A จะต้องมีความเสี่ยงน้อยกว่าพอร์ต B (ฟังดูสมเหตุสมผลใช่ไหมล่ะ?)
- 2. Subadditivity (การรวมกันแล้วไม่เกิน): ความเสี่ยงของพอร์ตที่นำมารวมกัน (A + B) ควรจะ น้อยกว่าหรือเท่ากับ ผลรวมของความเสี่ยงของ A และ B แยกกัน นี่คือตัวสะท้อนประโยชน์ของ การกระจายความเสี่ยง (Diversification) หมายเหตุ: VaR สอบตกในข้อนี้ในบางกรณี จึงไม่ถือว่าเป็น "Coherent"
- 3. Positive Homogeneity (ความเป็นเอกพันธุ์เชิงบวก): ถ้าคุณเพิ่มขนาดพอร์ตเป็นสองเท่า ความเสี่ยงของคุณก็ควรเพิ่มเป็นสองเท่า (ถ้าคุณถือหุ้นเสี่ยงตัวเดิมเป็น 2 เท่า คุณก็รับความเสี่ยงเพิ่มเป็น 2 เท่า)
- 4. Translation Invariance (การไม่แปรเปลี่ยนตามการเพิ่มมูลค่า): ถ้าคุณเพิ่มเงินสด (สินทรัพย์ที่ไร้ความเสี่ยง) เข้าไปในพอร์ต ความเสี่ยงของคุณควรจะลดลงเท่ากับจำนวนเงินสดที่เติมเข้าไปนั้นพอดี
ตัวช่วยจำ: "MSPT"
Monotonicity
Subadditivity (สำคัญที่สุด!)
Positive Homogeneity
TTranslation Invariance
ประเด็นสำคัญ: VaR แบบมาตรฐานบางครั้งอาจแนะนำว่าการกระจายพอร์ตของคุณ เพิ่ม ความเสี่ยง (ผิดกฎ Subadditivity) แต่ Expected Shortfall ไม่มีปัญหานี้
4. เครื่องมือวัดความเสี่ยงด้านขาลง (Downside Risk Measures)
นักลงทุนหลายคนไม่สนใจ "ความเสี่ยงขาขึ้น" (ความเสี่ยงที่กำไรจะเยอะเกินไป) พวกเขาสนใจแค่ ความเสี่ยงขาลง (Downside Risk) เท่านั้น และนี่คือเครื่องมือที่พวกเขาใช้:
Semivariance และ Semideviation
ส่วนเบี่ยงเบนมาตรฐาน (Standard Deviation) จะนำผลตอบแทนที่เบี่ยงเบนจากค่าเฉลี่ยทั้งหมด (ทั้งกำไรและขาดทุน) มายกกำลังสอง แต่ Semivariance จะนำเฉพาะค่าที่ ต่ำกว่า ค่าเฉลี่ย (หรือเป้าหมายผลตอบแทน) มายกกำลังสองเท่านั้น มันจะเพิกเฉยต่อความผันผวนที่เป็น "ด้านบวก" ไปเลย
Sortino Ratio
คุณคงจำ Sharpe Ratio ได้ Sortino Ratio ก็คือ "ญาติสนิทที่เน้นเฉพาะขาลง" ของมันนั่นเอง
\( Sortino = \frac{R_p - MAR}{Downside Deviation} \)
โดยที่ MAR คือผลตอบแทนขั้นต่ำที่ยอมรับได้ (Minimum Acceptable Return) อัตราส่วนนี้ได้รับความนิยมมากในการวิเคราะห์เฮดจ์ฟันด์ เพราะมันไม่ลงโทษผู้จัดการกองทุนที่สร้างผลตอบแทนที่เป็น "บวก" สูงเกินไป
รู้หรือไม่? การใช้ Sharpe ratio กับกองทุนที่มีผลตอบแทนขาขึ้นสูงๆ อาจทำให้กองทุนดู แย่ลง ทั้งที่นักลงทุนชอบกำไรก้อนโตเสียอีก! Sortino ratio จึงเข้ามาแก้ความลำเอียงนี้ครับ
5. การทดสอบภาวะวิกฤต (Stress Testing) และการวิเคราะห์สถานการณ์ (Scenario Analysis)
VaR และ ES ต้องพึ่งพาข้อมูลในอดีตหรือการแจกแจงเชิงสถิติ แต่ถ้าเกิดเหตุการณ์ที่ไม่เคยเกิดขึ้นมาก่อนล่ะ? นี่คือจุดที่ 2 เทคนิคนี้เข้ามาช่วย:
- การวิเคราะห์สถานการณ์ (Scenario Analysis): คุณสร้างเรื่องราว "สมมติว่าถ้า..." เช่น "สมมติว่าราคาน้ำมันพุ่งเป็นสองเท่า" หรือ "สมมติว่าธนาคารใหญ่ล้มละลาย" จากนั้นคุณก็นำไปจำลองว่าพอร์ตของคุณจะมีปฏิกิริยาอย่างไร
- การทดสอบภาวะวิกฤต (Stress Testing): คุณผลักดันตัวแปรหนึ่งตัวไปถึงขีดจำกัดสุดโต่ง (เช่น "ถ้าอัตราดอกเบี้ยพุ่งขึ้น 500 basis points ภายในวันเดียวจะเป็นอย่างไร?") เพื่อดูว่าเมื่อไหร่ที่พอร์ตของคุณจะพัง
ข้อผิดพลาดที่ควรหลีกเลี่ยง:
อย่าสับสนระหว่าง Scenario Analysis กับ Stress Testing นะครับ Scenario Analysis มักเกี่ยวข้องกับการเปลี่ยนตัวแปรหลายอย่างพร้อมกันเพื่อให้สอดคล้องกับเหตุการณ์ที่อาจเกิดขึ้นจริง (เช่น ช่วงเศรษฐกิจถดถอย) ส่วน Stress Testing มักเน้นไปที่การเคลื่อนไหวที่รุนแรงของปัจจัยทางกลไกเพียงตัวเดียว
สรุป: รวมทุกอย่างเข้าด้วยกัน
เพื่อให้เชี่ยวชาญด้านการวัดความเสี่ยงสำหรับ CAIA Level II ให้จำแก่นสำคัญเหล่านี้ไว้:
- VaR เป็นมาตรฐานของอุตสาหกรรมแต่มีจุดอ่อน (ไม่ Coherent และมองข้ามความเสี่ยงที่ปลายหาง)
- Expected Shortfall คือ VaR เวอร์ชั่น "ที่ปรับปรุงแล้ว" เพราะมันบอกค่าเฉลี่ยความเสียหายที่หางและเป็น Coherent
- Coherency ถูกนิยามโดยกฎ 4 ข้อ โดยที่ Subadditivity สำคัญที่สุดสำหรับการกระจายความเสี่ยง
- เครื่องมือวัดความเสี่ยงขาลง (เช่น Sortino Ratio) มักเกี่ยวข้องกับสินทรัพย์ทางเลือกมากกว่าเครื่องมือวัดแบบเดิมๆ
- Stress tests ช่วยให้เราเตรียมพร้อมสำหรับเหตุการณ์ "เหลือเชื่อ" ที่ประวัติศาสตร์ไม่เคยบอกเรามาก่อน
คุณทำได้แน่นอน! การวัดความเสี่ยงเป็นเพียงการสร้างชุดเครื่องมือเพื่อให้คุณมองเห็นโลกการลงทุนได้อย่างชัดเจนขึ้น ฝึกฝนนิยามของคุณสมบัติทั้ง 4 ของ Coherence ให้ดี เพราะเป็นจุดที่ทำคะแนนได้ดีในห้องสอบครับ!