ยินดีต้อนรับสู่โลกแห่งการบริหารจัดการพอร์ตการลงทุน!

สวัสดีครับ! คุณกำลังจะได้ก้าวเข้าสู่ส่วนที่น่าตื่นเต้นและนำไปใช้ได้จริงมากที่สุดส่วนหนึ่งของหลักสูตร CFA Level I นั่นคือ ความเสี่ยงและผลตอบแทนของพอร์ตการลงทุน (Portfolio Risk and Return) ให้มองว่านี่เป็น "คู่มือการใช้งาน" สำหรับการสร้างพอร์ตการลงทุนให้ประสบความสำเร็จ แทนที่เราจะมองแค่หุ้นตัวใดตัวหนึ่งแบบแยกส่วน เราจะมาดูกันว่าการลงทุนในสินทรัพย์หลายๆ อย่างเมื่อมารวมทีมกันแล้วจะเป็นอย่างไร

เมื่อจบเนื้อหาชุดนี้ คุณจะเข้าใจวิธีวัด "กำไร" (ผลตอบแทน) วิธีวัด "สิ่งที่น่ากลัว" (ความเสี่ยง) และวิธีเลือกส่วนผสมของสินทรัพย์ที่ดีที่สุด เพื่อให้คุณหลับสบายในยามค่ำคืนแต่ยังทำกำไรได้ตามเป้าหมาย มาเริ่มกันเลยครับ!

1. การวัดผลตอบแทน: เราทำผลงานได้ดีแค่ไหน?

ก่อนที่เราจะบริหารพอร์ตได้ เราต้องรู้วิธีคำนวณว่าเราทำเงินได้จริงเท่าไหร่ ซึ่งมีหลายวิธีและข้อสอบ CFA ชอบออกสอบมากว่าสถานการณ์แบบไหนควรใช้วิธีใด

ผลตอบแทนในช่วงเวลาที่ถือครอง (Holding Period Return: HPR)

นี่คือผลตอบแทนขั้นพื้นฐานที่สุด เป็นเพียงเปอร์เซ็นต์ส่วนต่างของความมั่งคั่งที่เพิ่มขึ้นในช่วงเวลาหนึ่ง
สูตร: \(HPR = \frac{P_{end} - P_{beginning} + CashFlow}{P_{beginning}}\)
ตัวอย่าง: คุณซื้อหุ้นในราคา $100 ได้รับเงินปันผล $2 และขายไปในราคา $105 ค่า HPR ของคุณคือ \((105 - 100 + 2) / 100 = 7%\)

\n\n

ผลตอบแทนแบบเลขคณิต (Arithmetic) เทียบกับ แบบเรขาคณิต (Geometric)

\n

ค่าเฉลี่ยเลขคณิต (Arithmetic Mean): นี่คือ "ค่าเฉลี่ยปกติ" ที่เราคุ้นเคยกัน โดยนำผลตอบแทนมารวมกันแล้วหารด้วยจำนวนปี เหมาะสำหรับการประมาณการผลตอบแทนในปีถัดไป (สำหรับช่วงเวลาเดียว)
\nค่าเฉลี่ยเรขาคณิต (Geometric Mean): นี่คือ "ค่าเฉลี่ยแบบทบต้น" ซึ่งคำนึงถึงว่าเงินที่งอกเงยขึ้นมาสามารถทำกำไรต่อได้อีก
\nสูตร: \(RG = [(1+R_1) \times (1+R_2) \times ... \times (1+R_n)]^{1/n} - 1\)

\n\n

รู้หรือไม่? ค่าเฉลี่ยเรขาคณิตจะ น้อยกว่าหรือเท่ากับ ค่าเฉลี่ยเลขคณิตเสมอ ยกเว้นในกรณีที่ผลตอบแทนทุกช่วงเวลาเท่ากันเป๊ะ ยิ่งผลตอบแทนมีความผันผวน (ขึ้นๆ ลงๆ) มากเท่าไหร่ ช่องว่างระหว่างตัวเลขทั้งสองก็จะยิ่งกว้างมากขึ้นเท่านั้น!

\n\n

ผลตอบแทนถ่วงน้ำหนักด้วยเวลา (TWR) เทียบกับ ถ่วงน้ำหนักด้วยเงิน (MWR)

\n

นี่คือจุดที่นักศึกษา "พลาดบ่อย" เลยทีเดียว เรามาทำให้มันเข้าใจง่ายๆ กันดีกว่า:

\n

1. Time-Weighted Return (TWR): วัดการเติบโตของเงิน $1 ที่ลงทุนไป ไม่ ได้รับผลกระทบจากการที่นักลงทุนนำเงินเข้าหรือถอนเงินออกเมื่อไหร่ ดังนั้นจึงเป็นมาตรฐานที่ใช้ในการวัดผลงานของ ผู้จัดการกองทุน (Investment Managers) (ซึ่งปกติไม่สามารถควบคุมได้ว่าลูกค้าจะนำเงินมาให้ลงทุนตอนไหน)

2. Money-Weighted Return (MWR): ในทางปฏิบัติมันก็คือ Internal Rate of Return (IRR) นั่นเอง ซึ่ง ได้รับผลกระทบ อย่างเต็มๆ จากช่วงเวลาและขนาดของกระแสเงินสด ถ้าคุณใส่เงินก้อนใหญ่เข้าไปก่อนที่หุ้นจะพุ่งกระฉูด ค่า MWR ของคุณจะดูดีกว่าค่า TWR

ทบทวนสั้นๆ:
- ใช้ Time-Weighted เพื่อประเมินผลงานของ ผู้จัดการกองทุน
- ใช้ Money-Weighted เพื่อดูประสบการณ์ของ ตัวนักลงทุนเอง จริงๆ ว่ากระเป๋าเงินเป็นอย่างไร

2. การวัดความเสี่ยง: "การเดินทางที่ขรุขระ"

ในโลกการเงิน เรานิยาม ความเสี่ยง ว่าคือความไม่แน่นอน โดยเฉพาะอย่างยิ่งคือโอกาสที่ผลตอบแทนจริงจะออกมาไม่ตรงกับที่เราคาดการณ์ไว้

ความแปรปรวน (Variance) และส่วนเบี่ยงเบนมาตรฐาน (Standard Deviation)

เราใช้ ความแปรปรวน (\(\sigma^2\)) และ ส่วนเบี่ยงเบนมาตรฐาน (\(\sigma\)) ในการวัดความเสี่ยง ยิ่งส่วนเบี่ยงเบนมาตรฐานสูงเท่าไหร่ ผลตอบแทนที่เป็นไปได้ก็จะยิ่ง "กระจายตัว" มากขึ้น และสินทรัพย์นั้นก็จะยิ่งมีความเสี่ยงมากขึ้นเท่านั้น

ไม่ต้องกังวลถ้าคณิตศาสตร์ดูน่ากลัว: ในข้อสอบ มักจะมีตัวเลขเหล่านี้มาให้ หรือคุณก็แค่ใช้ฟังก์ชันทางสถิติในเครื่องคิดเลขของคุณ จำแค่ว่าส่วนเบี่ยงเบนมาตรฐานคือ "รากที่สองของความแปรปรวน" ก็พอแล้ว

ความเกลียดชังความเสี่ยง (Risk Aversion)

นักลงทุนส่วนใหญ่มีความ เกลียดชังความเสี่ยง (Risk Averse) ซึ่งไม่ได้แปลว่าเขาจะไม่ยอมเสี่ยงเลย แต่แปลว่าพวกเขาต้องการ ผลตอบแทนที่สูงขึ้น เพื่อเป็นค่าตอบแทนในการแบกรับความเสี่ยงนั้น
- Risk Neutral: สนใจแค่ผลตอบแทน ไม่สนใจความเสี่ยง
- Risk Seeking: สนุกกับการเสี่ยง (ไม่ค่อยพบในทฤษฎีการลงทุนแบบมืออาชีพ!)

3. ทฤษฎีอรรถประโยชน์ (Utility Theory): เลือกสิ่งที่ดีที่สุดสำหรับตัวคุณ

เราจะตัดสินใจได้อย่างไรว่าพอร์ตไหน "ดีพอ"? เราจะใช้ ฟังก์ชันอรรถประโยชน์ (Utility Function) ซึ่งเป็นวิธีให้ "คะแนนความสุข" กับการลงทุน

สูตร: \(U = E(R) - \frac{1}{2} \times A \times \sigma^2\)
โดยที่:
- \(E(R)\) = ผลตอบแทนที่คาดหวัง (สิ่งที่เป็น "ข่าวดี")
- \(A\) = สัมประสิทธิ์ความเกลียดชังความเสี่ยง (คุณเกลียดความเสี่ยงแค่ไหน ยิ่ง A สูง ยิ่งเกลียดมาก)
- \(\sigma^2\) = ความแปรปรวน (สิ่งที่เป็น "ข่าวร้าย")

ประเด็นสำคัญ: นักลงทุนจะเลือกพอร์ตที่ให้ อรรถประโยชน์ (U) สูงที่สุด ถ้าคุณเกลียดความเสี่ยงมาก (A สูง) "บทลงโทษ" จากความแปรปรวนก็จะสูงมาก ทำให้คุณหันไปชอบสินทรัพย์ที่ปลอดภัยกว่า

เส้นความพึงพอใจเท่ากัน (Indifference Curves)

ลองจินตนาการถึงกราฟที่มีแกน Y คือผลตอบแทนและแกน X คือความเสี่ยง เส้นความพึงพอใจเท่ากัน จะเชื่อมจุดของพอร์ตการลงทุนทั้งหมดที่ให้ระดับความสุข (Utility) เท่ากัน
- สำหรับนักลงทุนที่เกลียดความเสี่ยง เส้นเหล่านี้จะ ลาดขึ้น (upward slope) (เพราะถ้าอยากเสี่ยงมากขึ้น ก็ต้องการผลตอบแทนที่สูงขึ้นมาชดเชย)
- ยิ่งเส้นมีความชันมากเท่าไหร่ ก็ยิ่งแปลว่านักลงทุนผู้นั้นมีความเกลียดชังความเสี่ยงมากเท่านั้น

4. ความเสี่ยงของพอร์ต: พลังของการกระจายความเสี่ยง

นี่คือ "เวทมนตร์" ของการบริหารพอร์ตการลงทุน เมื่อคุณนำสินทรัพย์ต่างๆ มารวมกัน ความเสี่ยงของพอร์ตโดยรวมมักจะ น้อยกว่า ค่าเฉลี่ยถ่วงน้ำหนักของความเสี่ยงของสินทรัพย์แต่ละตัว เหตุผลเพราะสินทรัพย์ไม่ได้เคลื่อนไหวไปในทิศทางเดียวกันทั้งหมดตลอดเวลานั่นเอง!

ความแปรปรวนร่วม (Covariance) และสหสัมพันธ์ (Correlation)

Covariance: วัดว่าสินทรัพย์สองตัวเคลื่อนไหวไปด้วยกันอย่างไร ถ้าเป็นบวก แสดงว่าไปทิศทางเดียวกัน ถ้าเป็นลบ แสดงว่าไปคนละทิศทาง
Correlation (\(\rho\)): เป็นเวอร์ชันที่เข้าใจง่ายกว่าของ Covariance โดยจะมีค่าอยู่ระหว่าง -1.0 ถึง +1.0 เสมอ

- Correlation = +1.0: เคลื่อนไหวในทิศทางเดียวกันเป๊ะ ไม่มีประโยชน์จากการกระจายความเสี่ยงเลย
- Correlation = 0: ไม่มีความสัมพันธ์กัน กระจายความเสี่ยงได้ดี
- Correlation = -1.0: เคลื่อนไหวสวนทางกันสมบูรณ์แบบ กระจายความเสี่ยงได้สูงสุด (คุณสามารถกำจัดความเสี่ยงออกไปได้เลย!)

เปรียบเทียบ: ลองนึกภาพร้านขายร่มกับร้านขายครีมกันแดด วันไหนฝนตก ร้านร่มก็ขายดี ร้านกันแดดก็แย่ วันไหนแดดออกก็สลับกัน ถ้าคุณเป็นเจ้าของทั้งสองร้าน รายได้รวมของคุณก็จะค่อนข้างคงที่ไม่ว่าสภาพอากาศจะเป็นอย่างไร นี่แหละคือการกระจายความเสี่ยง!

5. เส้นจัดสรรเงินทุน (Capital Allocation Line: CAL)

จะเกิดอะไรขึ้นเมื่อเราผสม "สินทรัพย์ไร้ความเสี่ยง" (เช่น ตั๋วเงินคลัง) เข้ากับ "พอร์ตที่มีความเสี่ยง" (เช่น หุ้น)? เราจะได้เส้นที่เรียกว่า Capital Allocation Line (CAL)

สูตรสำหรับผลตอบแทนที่คาดหวังของการผสมนี้: \(E(R_p) = R_f + \sigma_p \times \frac{E(R_i) - R_f}{\sigma_i}\)

เดี๋ยว! ลองดูสูตรนี้ดีๆ: ส่วนที่เป็น \(\frac{E(R_i) - R_f}{\sigma_i}\) จริงๆ แล้วมันคือ Sharpe Ratio!
Sharpe Ratio ใช้วัด "ผลตอบแทนส่วนเพิ่มต่อหน่วยความเสี่ยง" ในเส้น CAL ค่า Sharpe Ratio ก็คือ ความชัน (slope) ของเส้นนั้นเอง

ประเด็นสำคัญของ CAL:
1. จุดตัดแกน Y: คืออัตราผลตอบแทนไร้ความเสี่ยง (\(R_f\)) หากคุณไม่รับความเสี่ยงเลย นี่คือสิ่งที่คุณจะได้รับ
2. การขยับไปตามเส้น: ยิ่งคุณขยับไปทางขวา แสดงว่าคุณกำลังใส่เงินเพิ่มเข้าไปในหุ้นที่เสี่ยงมากขึ้น และลดเงินในสินทรัพย์ไร้ความเสี่ยงลง
3. การให้กู้ยืมเทียบกับการกู้ยืม: ถ้าคุณอยู่ระหว่างแกน Y กับพอร์ตที่มีความเสี่ยง แสดงว่าคุณกำลัง "ให้กู้ยืม" (ซื้อตั๋วเงินคลัง) แต่ถ้าคุณขยับ เลย พอร์ตที่มีความเสี่ยงไป นั่นแปลว่าคุณกำลัง "กู้เงิน" ในอัตราดอกเบี้ยไร้ความเสี่ยงมาเพื่อซื้อหุ้นเพิ่มขึ้น (เป็นการใช้ Leverage)

บทสรุปและเคล็ดลับสู่ความสำเร็จ

- จำเป้าหมายไว้ให้มั่น: การบริหารพอร์ตการลงทุนคือการเพิ่มผลตอบแทนให้สูงสุดภายใต้ระดับความเสี่ยงที่ยอมรับได้
- ระวัง TWR กับ MWR: ถ้าโจทย์พูดถึง "Investment Manager" ให้มองหาคำตอบที่เป็น Time-Weighted Return
- Correlation คือกุญแจสำคัญ: การกระจายความเสี่ยงจะทำงานได้ก็ต่อเมื่อค่า Correlation น้อยกว่า +1.0 เท่านั้น
- สัมประสิทธิ์ A: ยิ่งค่า A ในสูตร Utility สูง แสดงว่านักลงทุนยิ่ง "ขี้กลัว" และต้องการเส้น Indifference Curve ที่มีความชันมากขึ้น

คุณทำได้แน่นอน! บทนี้เป็นการปูพื้นฐานสำหรับทุกสิ่งทุกอย่างในวิชาบริหารพอร์ตการลงทุน ใช้เวลาทบทวนสูตรสักนิด แล้วลองทำโจทย์ฝึกหัดเพื่อดูว่าแนวคิดเหล่านี้ทำงานอย่างไรในโลกความเป็นจริงครับ!