Investor's wiki

下振れリスク

下振れリスク

##下振れリスクとは何ですか?

下振れリスクは、市場の状況によって証券の価格が下落した場合の、証券の潜在的な価値の損失の見積もりです。使用する手段に応じて、下振れリスクは投資の最悪のシナリオを説明し、投資家がどれだけ失う可能性があるかを示します。利益の可能性が考慮されていないため、下振れリスク尺度は一方的なテストと見なされます。

##下振れリスクを理解する

一部の投資には有限のダウンサイドリスクがありますが、他の投資には無限のリスクがあります。たとえば、株式の購入には、ゼロで制限された有限量の下振れリスクがあります。投資家は投資全体を失う可能性がありますが、それ以上は失うことはありません。ただし、株式のショートポジションは、ショートセールを通じて達成されるように、証券の価格が無期限に上昇し続ける可能性があるため、無制限の下振れリスクを伴います。

同様に、オプションが長い場合(コールまたはプットのいずれか)には、オプションのプレミアムの価格に制限される下振れリスクがありますが、「裸の」ショートコールオプションの位置には、理論的には方法に制限がないため、無制限の潜在的な下振れリスクがあります。在庫がはるかに登ることができます。

オプションの販売者は証券を所有しておらず、契約を履行するために公開市場で購入する必要があるため、ネイキッドコールオプションは最もリスクの高いオプション戦略と見なされます。例として、行使価格が1ドルのコールオプションを販売し、契約満了までに株式が1,000ドルに上昇した場合、1,000ドルで株式を購入し、1ドルで販売する必要があります。投資収益率が良くない

投資家、トレーダー、およびアナリストは、さまざまな技術的および基本的な指標を使用して、過去のパフォーマンスや標準偏差の計算など、投資の価値が低下する可能性を推定します。一般に、下振れリスクの可能性が高い多くの投資は、プラスの報酬の可能性も高くなります。

投資家は、特定の投資に関連する潜在的なリスクを可能な報酬と比較することがよくあります。下振れリスクは、証券の価値が高まる可能性である上振れの可能性とは対照的です。

##下振れリスクの例:半偏差

半偏差とも呼ばれます。この測定値は、悪いボラティリティのみの偏差を測定するという点で、標準偏差のバリエーションです。損失の偏差がどれだけ大きいかを測定します。

標準偏差の計算にも上向きの偏差が使用されるため、投資運用会社は利益に大きな変動があると罰せられる可能性があります。下振れは、負のリターンのみに焦点を当てることによってこの問題に対処します

平均からのデータの分散を測定する標準偏差(σ)は、次のように計算されます。

<mtable rowspacing = "0.24999999999999992em "columnalign =" right left "columnspacing =" 0em "> <mstyle scriptlevel =" 0 "displaystyle =" true "> </ mrow> </ mstyle> </ mtd> σ = </ mo> ∑ </ mo> i </ mi> = </ mo> 1 </ mn> </ mrow> N </ mi> </ munderover> (</ mo> x </ mi> i </ mi> </ msub> μ </ mi> )</ mo> 2 </ mn> </ msup> </ mrow> N </ mi> </ mfrac> </ msqrt> </ mrow> </ mstyle> </ mtd> </ mtr> </ mrow> </ mstyle> </ mtd> </ mrow> ここで:</ mtext> </ mrow> </ mstyle> </ mtd> </ mtr> </ mrow> </ mstyle> </ mtd> <mstyle scriptlevel = " 0"表示style = "true"> </ mrow> x </ mi> = データポイントまたは観測</ mrow> </ mstyle > </ mtd> </ mtr> </ mrow> </ mstyle> </ mtd> μ = データセットの平均</ mrow> < / mstyle> </ mtd> </ mtr> </ mrow> </ mstyle> </ mtd> </ mrow> N </ mi> = データポイントの数</ mrow> </ mstyle> </ mtd> </ mtr> </ mtable> \ begin &amp; \ sigma = \ sqrt {\ frac {\ sum_ ^ (x_i-\ mu)^ 2} } \&amp; \ textbf {where:} \&amp; x = \ text{データポイントまたは観測}\&amp; \ mu = \ text{データセットの平均}\&amp; N = \text{データポイントの数}\\ end</注釈> </ math> </ span> < span class = "katex-html" aria-hidden = "true"> </ span> <span class =" vlist "style =" height:4.92em; "> <span class =" pstrut "style =" height:4.1263455em; "> </ span> </ span> </ span> <span class =" pstrut "style =" height:4.1263455em; "> </ span> </ span> </ span> <span class =" pstrut "style =" height:4.1263455em; "> </ span> </ span> </ span> <span class =" pstrut "style =" height:4.1263455em; "> </ span> </ span> </ span> <span class =" pstrut "style =" height:4.1263455em; "> </ span> </ span> </ span> </ span> < span class = "vlist-s"> </ span> </ span> </ span >> </ span> </ span> </ span> </ span> </ span> </ span> σ</ span> <spanclass = "mspace" style = "margin-right:0.2777777777777778em;"> </ span> = </ span> </ span> <span class =" vlist "style =" height: 2.1263455em; "> <span class =" svg-align "style =" top:-5em; "> <span class =" pstrut "style =" height:5em; "> </ span> <span class =" mord "style =" padding-left:1em; "> </ span> <span class =" vlist "style =" height:1.670941em; "> <span class =" ps trut "style =" height:3em; "> </ span> <span class =" mord mathnormal "style =" margin-right:0.10903em; "> N </ span> </ span> </ span> </ span> </ span> </ span> < / span> ∑ </ span> </ span> i </ span> = </ span> 1 </ span> </ span> </ span> </ span> <span class =" pstrut "style =" height:2.7em; "> </ span> N </ span> </ span> </ span> </ span> </ span> </ span> </ span> <spanclass = "vlist-r"> </ span> </ span> </ span > </ span> </ span> </ span> (</ span> x </ span> </ span> i </ span> </ span> </ span> </ span> <</ span> < / span> </ span> </ span> </ span> </ span> < /スパン> </ span> </ span> − </ span> </ span> <spanclass="mordmathnormal">μ<spanclass =" mclose "> )</ span> <span class =" pstrut "style =" height:2.7em; "> </ span> 2 </ span> </ span> </ span> </ span> </ span> </ span> </ span> </ span> </ span> </ span> </ span > </ span> </ span> </ span> </ span> </ span> </ span> </ span> </ span> </ span> </ span> </ span> <span class =" pstrut "style =" height:5em; "> </ span> <span class =" hidden-tail "style =" min-width:1.02em; height:3.08 em; "> <svg width = '400em' height = '3.08em' viewBox = '0 0 400000 3240'preserveAspectRatio='xMinYMinスライス'><pathd ='M473,2793

c339.3、-1799.3、509.3、-2700、510、-2702 l0 -0

c3.3、-7.3、9.3、-11、18、-11 H400000v40H1017.7

s-90.5,478、-276.2,1466c-185.7,988、-279.5,1483、-281.5,1485c-2.6、-10.9、-24.9

c-8,0、-12、-0.7、-12、-2c0、-1.3、-5.3、-32、-16、-92c-50.7、-293.3、-119.7、-693.3、-207、-1200

c0、-1.3、-5.3,8.7、-16,30c-10.7,21.3、-21.3,42.7、-32.64s-16.33、-16.33s-26、-26、-26、-26

s76、-153.76、-153s77、-151.77、-151c0.7,0.7,35.7,202,105,604c67.3,400.7,102,602.7,104、

606zM1001 80h400000v40H1017.7z'/> </ svg> </ span> </ span> </ span> </ span> </ span> </ span> </ span> </ span> </ span> </ span> </ span> </ span> < span style = "top:-4.8663455em;"> </ span> < / span> 場所:</ span> </ span> </ span> </ span> </ span> </ span> x </ span> <span class =" mspace "style =" margin-right:0.2777777777777778em; "> </ span> = </ span> </ span> <spanclass="mord">データポイントまたは観測</ span> </ span> < / span> </ span> </ span> <spanclass="mordmathnormal">μ<spanclass = "mspace" style = "margin-right:0.2777777777777778em;" > </ span> = </ span> </ span> <spanclass="mord">データセットの平均</ span> </ span> </ span> <spanstyle = "top:-0.3663455000000013em;"> </ span> </ span> <span class =" mord mathnormal "style =" margin-right:0.10903em; " > N </ span> </ span> = </ span> </ span> <spanclass="mord">データポイントの数</ span> </ span> </ span> </ span> </ span> </ span> </ span> </ span> </ span> </ span> </ span> </ span> </ span> </ span> </ span> </ spa n>

下振れ偏差の式はこれと同じ式を使用しますが、平均を使用する代わりに、何らかのリターンしきい値を使用します。リスクフリーレートがよく使用されます。

投資に対して次の10年のリターンを想定します:10%、6%、-12%、1%、-8%、-3%、8%、7%、-9%、-7%。上記の例では、0%未満のリターンが下振れ偏差の計算に使用されました。

このデータセットの標準偏差は7.69%であり、このデータセットの下側偏差は3.27%です。これは、総ボラティリティの約40%がマイナスのリターンから来ていることを示しており、ボラティリティの60%がプラスのリターンから来ていることを意味します。このように分類すると、この投資の変動性のほとんどが「良好な」変動性であることは明らかです。

##下振れリスクの他の対策

###SFRatio

他のダウンサイドリスク測定は、投資家やアナリストによっても採用されることがあります。これらの1つは、ロイの安全第一基準(SFRatio)として知られています。これにより、ポートフォリオの収益が最小の望ましいしきい値を下回る確率に基づいてポートフォリオを評価できます。ここで、最適なポートフォリオは、ポートフォリオの収益がしきい値レベルを下回る可能性を最小限に抑えるポートフォリオになります。

投資家は、SFRatioを使用して、必要な最小リターンを達成する可能性が最も高い投資を選択できます。

VaR

企業レベルで最も一般的な下振れリスク尺度は、おそらくバリューアットリスク(VaR)です。 VaRは、日、週、または年などの設定された期間中に、一般的な市況が与えられた場合に、会社とその投資ポートフォリオが特定の確率でどれだけ失う可能性があるかを推定します。

VaRは、アナリストや企業、および金融業界の規制当局によって定期的に採用されており、特定の確率で予測される潜在的な損失をカバーするために必要な資産の合計額を見積もります。たとえば、何かが5%の確率で発生する可能性があります。特定のポートフォリオ、期間、および確立された確率** p について、確率が p 未満のより悪い結果を除外した場合、* p**-VaRは期間中の最大推定損失として説明できます。 *。

##ハイライト

-一部の投資には無限のダウンサイドリスクがありますが、他の投資には限定的なダウンサイドリスクがあります。

-下振れリスクの計算の例には、半偏差、バリューアットリスク(VaR)、およびロイのセーフティファースト比率が含まれます。

-下振れリスクは、損失または利益の対称的な可能性とは対照的に、投資における損失のリスクの一般的な用語です。

-下振れリスクは、市場の状況によって証券の価格が下落した場合の、証券の潜在的な価値の損失の見積もりです。