Ni nini Asset Correlation Calculator?
▾
Mchanganyiko wa uunganisho ni zana ya kimsingi katika nadharia ya kwingineko na udhibiti wa hatari ambayo hukadiria uhusiano wa mstari kati ya mapato ya mali tofauti. Kila kipengele ρ(i,j) kwenye mkusanyiko kinawakilisha mgawo wa uunganisho wa Pearson kati ya vipengee i na j, kuanzia -1 (uwiano hasi kamili - vipengee husogea katika mwelekeo tofauti kabisa) hadi +1 (uwiano kamili chanya - mali husogea kwa njia ya kufuli), huku 0 ikionyesha hakuna uhusiano wa mstari. Matrices ya uwiano ndio msingi wa Nadharia ya Kisasa ya Kwingineko (MPT), iliyotengenezwa na Harry Markowitz mwaka wa 1952. Tofauti ya kwingineko inabainishwa sio tu na tete za mali za mtu binafsi lakini kwa kina na uwiano kati yao: σ²_portfolio = Σ Σ w_i w_j σ_i σ_j ρ(i,j). Uwiano wa chini au hasi kati ya mali hupunguza tofauti za kwingineko chini ya wastani wa uzani wa tofauti za kibinafsi - huu ndio msingi wa hisabati wa utofauti. Kwa mazoezi, matrices ya uunganisho yana mali na changamoto kadhaa muhimu. Kwanza, uunganisho si dhabiti kwa wakati - mali ambazo hazijaunganishwa katika soko tulivu mara nyingi huhusishwa sana katika migogoro ya soko ('mawiano ya spikes'). GFC ya 2008 iliangaziwa kwa uwiano kati ya rasilimali hatari zinazokaribia 1.0 kwa wakati mmoja, na kuondoa manufaa ya mseto inayotarajiwa kwa usahihi wakati ilipohitajika zaidi. Hali hii inajulikana kama 'uchanganuzi wa uwiano' au 'uambukizi.' Pili, hesabu za uunganisho lazima ziwe chanya semi-definite (PSD) ili zilingane kihisabati - eigenvalues zote lazima ziwe zisizo hasi. Pamoja na vipengee vingi na data ndogo, sampuli za uunganisho wa matriki mara nyingi hukiuka PSD kutokana na hitilafu ya ukadiriaji, inayohitaji urekebishaji (kupungua, makadirio ya matrix ya PSD ya karibu) kabla ya matumizi katika mifano ya hatari. Kikadiriaji cha kupungua kwa Ledoit-Wolf kinatumika sana kutengeneza matrices ya uunganisho yaliyo na hali nzuri kwa portfolio kubwa. Tatu, uunganisho wa mstari hautoshi kwa kunasa utegemezi wa mkia - tabia ya mali kuharibika pamoja katika matukio mabaya hata wakati kwa kawaida hayana uhusiano. Miundo ya Copula (hasa Gaussian na t-copula) huongeza uchanganuzi wa uunganisho ili kunasa miundo ya utegemezi isiyo ya mstari na utegemezi wa mkia, ambayo ni muhimu kwa kwingineko sahihi ya mikopo na muundo wa hatari wa CDO.
DigiCalcs delivers precision-engineered tools for engineers and STEM professionals.
Fomula
▾
ρ(i,j) = Cov(R_i, R_j) / (σ_i × σ_j)
Tofauti ya Kwingineko = Σ_i Σ_j w_i × w_j × σ_i × σ_j × ρ(i,j)
Uwiano wa Anuwai = Uzito Wastani Tete / Utepetevu wa KwinginekoMaelezo ya kigezo
▾
| Ishara | Jina | Kitengo | Maelezo |
|---|---|---|---|
| ρ(i,j) | Pearson Correlation Coefficient | dimensionless | Uwiano wa laini kati ya urejeshaji wa mali i na j: huanzia -1 hadi +1. Hupima mwelekeo na nguvu ya harakati za pamoja. |
| σ_p² | Tofauti ya kwingineko | %² | Jumla ya w_i × w_j × σ_i × σ_j × ρ(i,j) kwa jozi zote; kupunguzwa kwa uwiano mdogo kati ya mali. |
| R | Kurudi Matrix | % | T×N mkusanyiko wa marejesho ya kihistoria ya mali N kwa muda wa T; hutumika kukadiria matrix ya uunganisho. |
| β_div | Faida ya Mseto | % | Kupungua kwa tete ya kwingineko kutoka kwa mseto: ( Weighted avg vol - Portfolio vol) / Weighted avg vol. |
| λ_min | Kiwango cha chini cha Eigenvalue | dimensionless | Thamani ndogo kabisa ya matrix ya uunganisho; lazima iwe ≥ 0 kwa uhakika chanya cha nusu; thamani hasi zinaonyesha masuala ya makadirio. |
Jinsi ya Asset Correlation Calculator
▾
- 1Kusanya data ya kihistoria ya kurejesha mali zote kwenye kwingineko: mapato ya kila siku, kila wiki, au kila mwezi kwa angalau miaka 1-3 (data zaidi = makadirio thabiti zaidi).
- 2Kokotoa sampuli ya wastani ya kurudi kwa kila mali; toa njia za kuweka data katikati.
- 3Kokotoa sampuli ya matrix ya ushirikiano: Cov(i,j) = (1/(T−1)) × Σ (R_it − μ_i)(R_jt − μ_j).
- 4Sawazisha kwa uwiano: ρ(i,j) = Cov(i,j) / (σ_i × σ_j). Vipengele vya diagonal ni 1.0 kwa ujenzi.
- 5Angalia nusu-uhakika chanya: hesabu eigenvalues. Ikiwa eigenvalue yoyote ni hasi, weka utaratibu (kupungua kwa Ledoit-Wolf, matrix ya PSD iliyo karibu).
- 6Changanua matriki ya uunganisho: tambua makundi ya vipengee yanayohusiana sana, uunganisho wa karibu sufuri (vitofautishaji vyema), na uunganisho hasi (ua asilia).
- 7Kukokotoa tofauti za kwingineko kwa kutumia matrix ya uunganisho na tete za mtu binafsi; kuhesabu faida ya mseto.
Mifano Iliyotatuliwa
▾
Uwiano hasi wa dhamana ya usawa ndio msingi wa portfolios 60/40
Tofauti ya kwingineko = (0.6)²(0.15)² + (0.4)²(0.07)² + 2(0.6)(0.4)(0.15)(0.07)(−0.25) = 0.0081 + 0.00078 − 0.001026 = 0.001026 = Kwingineko σ = √0.00762 = 8.73%. Uzito wa wastani σ = 0.6×15% + 0.4×7% = 11.8%. Faida ya mseto = (11.8% - 8.73%) / 11.8% = 26%. Uwiano hasi kati ya hisa na hati fungani ndio msingi wa muundo wa jalada la 60/40 - kihistoria, hisa zinaposhuka kutokana na kushuka kwa uchumi, dhamana huchanganyika kadri viwango vinavyopungua. Uwiano huu haukuwa wa kutegemewa mnamo 2022 wakati zote mbili zilianguka pamoja (kuongezeka kwa kiwango cha mfumuko wa bei).
Huduma na Nishati hutoa mseto zaidi dhidi ya Teknolojia
Mchanganyiko wa uunganisho unaonyesha kuwa Teknolojia na Huduma ya Afya zinahusiana zaidi (0.45) - zote mbili ni sekta za ukuaji zinazoathiriwa na sababu kuu zinazofanana. Nishati ina uwiano wa wastani na Teknolojia (0.30) na Huduma ya Afya (0.20) - inaendeshwa na vipengele vya mzunguko wa bidhaa. Huduma zina uwiano wa chini zaidi kwa sekta nyingine zote (0.10–0.35) - zinazoendeshwa na unyeti wa kiwango cha riba na mapato yaliyodhibitiwa, na kuzifanya kuwa kibadilishaji bora zaidi cha kwingineko. Kuongeza Huduma kwa maana kunapunguza tofauti za kwingineko bila kutoa faida kubwa inayotarajiwa.
Uwiano wa migogoro huongezeka kuelekea 1.0, na kuharibu utofauti kwa usahihi inapohitajika
Katika masoko ya kawaida, usawa na mikopo (bondi za HY) zina uwiano wa wastani (0.25), ukitoa mseto wa maana katika kwingineko. Katika mgogoro wa 2008, masoko ya hisa na mikopo yalianguka kwa wakati mmoja huku chuki ya hatari ikiongezeka - uwiano ulipanda hadi 0.85. Kupunguza hatari ya kwingineko kutoka kwa mseto ilishuka kutoka 40% hadi 8%. 'Uchanganuzi huu wa uunganisho' ni hali ya kimaadili iliyothibitishwa vyema: uwiano kati ya mali hatari huelekea kuongezeka katika hali duni, na kufanya mseto kuwa mdogo sana wakati wa mahitaji makubwa. Uwiano wa kipindi cha mkazo lazima utumike katika upimaji wa dhiki.
Uwiano wa EM-US umeongezeka kwa muda - utandawazi unapunguza mseto
Uwiano unaoendelea wa miaka 3 kati ya hisa za Marekani na Masoko Yanayoibukia umeongezeka kwa kiasi kikubwa tangu 2000 (kutoka 0.4-0.5 miaka ya 1990 hadi 0.7-0.8 katika miaka ya 2010), kwa kiasi fulani kutokana na utandawazi, sera ya fedha iliyooanishwa, na kuongezeka kwa mtiririko wa mtaji wa mipakani. Katika migogoro (GFC 2008, COVID 2020), uwiano uliongezeka hadi 0.85–0.90. Mwelekeo huu - uunganisho unaoongezeka duniani - ni changamoto kubwa kwa mikakati ya kimataifa ya mseto, ambayo kihistoria ilihalalisha ugawaji wa EM kwa sehemu kwa misingi ya mseto. Manufaa ya mseto ya mgao wa EM yamepungua kadri muda wa masoko unavyozidi kuunganishwa.
Matumizi ya vitendo
▾
Ubunifu wa kwingineko na uboreshaji wa wastani wa tofauti, kuwezesha watendaji kufanya maamuzi ya upimaji yaliyoarifiwa kulingana na mbinu zilizoidhinishwa za hesabu na mbinu za kiwango cha tasnia, ambayo inahitaji uchanganuzi sahihi wa kiasi ili kusaidia maamuzi yanayotegemea ushahidi, ugawaji wa rasilimali za kimkakati, na uboreshaji wa utendaji katika miktadha tofauti ya shirika na taaluma za taaluma.
Usawa wa hatari na mikakati ya juu zaidi ya kwingineko ya mseto, kusaidia wachambuzi kutoa matokeo sahihi ambayo yanaunga mkono upangaji wa kimkakati, ugawaji wa rasilimali, na ulinganishaji wa utendaji katika mashirika yote, ambapo hesabu sahihi ya nambari ni muhimu kwa kutoa matokeo ya kuaminika ambayo yanaarifu upangaji, tathmini, na michakato ya uboreshaji endelevu katika mipangilio ya shirika na ya mtu binafsi.
Usanidi wa uigaji wa Monte Carlo VaR (Mtengano wa Cholesky), kuruhusu wataalamu kuhesabu matokeo kwa utaratibu na kulinganisha hali kwa kutumia mifumo ya hisabati inayotegemewa na fomula zilizowekwa, zikidai mbinu za kukokotoa ambazo hutafsiri data mbichi ya pembejeo kuwa maarifa yanayoweza kutekelezeka kwa wadau wanaotegemea ukali wa kiasi katika shughuli zao za kila siku za kitaaluma.
Upimaji wa mkazo wa uunganisho wa udhibiti chini ya Basel FRTB, kusaidia michakato ya tathmini inayoendeshwa na data ambapo usahihi wa nambari ni muhimu kwa utiifu, kuripoti, na malengo ya utoshelezaji, ikihitaji mbinu thabiti za kukokotoa ambazo hutoa matokeo thabiti na yanayoweza kuthibitishwa yanafaa kwa ajili ya kuripoti, ukaguzi, na uchanganuzi wa mwenendo wa muda mrefu katika mazingira ya kitaaluma.
Maelezo ya udhihirisho wa kipengele cha Hedge fund na uanganishi wa uunganisho, ambao unahitaji uchanganuzi sahihi wa kiasi ili kusaidia maamuzi kulingana na ushahidi, ugawaji wa rasilimali za kimkakati, na uboreshaji wa utendaji katika miktadha tofauti ya shirika na taaluma za kitaaluma.
Hali maalum
▾
Wataalamu wanaofanya kazi na matrix ya uunganisho wanapaswa kuwa waangalifu hasa kwa hali hii kwa sababu inaweza kusababisha matokeo ya kupotosha ikiwa haitashughulikiwa ipasavyo. Thibitisha hali za mipaka kila wakati na uangalie kwa kutumia mbinu za kujitegemea wakati kesi hii inatokea katika mazoezi.
Kwa mazoezi, kesi hii ya makali inahitaji kuzingatiwa kwa uangalifu kwa sababu mawazo ya kawaida hayawezi kushikilia. Wakati wa kukumbana na hali hii katika hesabu za kikokotoo cha uunganisho wa mali, watendaji wanapaswa kuthibitisha masharti ya mipaka, kuangalia hatari za mgawanyiko kwa sifuri, na kuzingatia kama mawazo ya modeli yanasalia kuwa halali chini ya hali hizi mbaya.
Wataalamu wanaofanya kazi na matrix ya uunganisho wanapaswa kuwa waangalifu hasa kwa hali hii kwa sababu inaweza kusababisha matokeo ya kupotosha ikiwa haitashughulikiwa ipasavyo. Thibitisha hali za mipaka kila wakati na uangalie kwa kutumia mbinu za kujitegemea wakati kesi hii inatokea katika mazoezi.
Uhusiano wa Kawaida wa Daraja la Vipengee (Wastani wa Muda Mrefu, Mtazamo wa USD)
▾
| Jozi ya Mali | Kipindi-Kawaida ρ | Kipindi cha Mgogoro ρ | Thamani ya Mseto |
|---|---|---|---|
| Hisa za Marekani - Hazina za Marekani | −0.25 hadi +0.10 | −0.40 hadi -0.60 | Juu sana (ndege hadi ubora) |
| Hisa za Marekani - Bondi za Mavuno ya Juu | 0.55–0.70 | 0.75–0.90 | Chini katika mgogoro |
| Hisa za Marekani - Dhamana za Biashara za IG | 0.10–0.30 | 0.40–0.60 | Wastani |
| Hisa za Marekani - Dhahabu | −0.10 hadi +0.10 | −0.20 hadi +0.20 | Wastani |
| Hisa za Marekani - Masoko Yanayoibuka | 0.70–0.80 | 0.85–0.92 | Chini (kupanda kwa muda) |
| Hisa za Marekani - Mali isiyohamishika (REITs) | 0.60–0.75 | 0.70–0.85 | Low |
| Hazina za Marekani - Dhahabu | 0.0 hadi 0.15 | 0.0 hadi 0.20 | Wastani |
Maswali yanayoulizwa mara kwa mara
▾
Uunganisho wa 0.7 kati ya mali mbili unamaanisha nini katika mazoezi?
Uwiano wa 0.7 unamaanisha kuwa mali mbili huwa na mwelekeo mmoja takriban 70% ya wakati (isiyo rasmi) na kwamba takriban 49% (0.7²) ya tofauti ya kipengee kimoja inaweza kuelezewa na harakati za mstari katika nyingine. Kwa maneno ya kwingineko, uwiano wa 0.7 kati ya mali mbili hutoa manufaa machache zaidi ya mseto kuliko uwiano wa 0.0 au hasi. Kuongeza kipengee cha pili chenye uwiano wa 0.7 kwa nafasi iliyopo hupunguza mkengeuko wa kawaida wa kwingineko ikilinganishwa na kushikilia mojawapo ya mali pekee. Mseto wa kweli unahitaji uunganisho karibu na 0 au hasi.
Kwa nini uhusiano hubadilika kwa wakati?
Mahusiano si mambo thabiti ya kimuundo - yanaonyesha mazingira ya sasa ya kiuchumi na kifedha. Katika masoko ya fahali na hali ya jumla thabiti, rasilimali za hatari zinaweza kuwa na uhusiano wa chini kwa sababu sababu mahususi za kampuni hutawala. Katika masoko ya dubu na mizozo, sababu kuu za hatari hutawala (kukimbia hadi kwa ubora, kulazimishwa kukabidhi pesa, upunguzaji wa mikopo), huendeleza uwiano kuelekea 1.0 kati ya rasilimali za hatari. Zaidi ya hayo, kuongezeka kwa utandawazi, sera ya benki kuu iliyosawazishwa, na kurahisisha kiasi kumeongeza kimuundo uwiano wa mali mtambuka katika miongo miwili iliyopita. Miundo ya hatari inayotumia uunganisho wa wastani wa muda mrefu kwa utaratibu inapuuza hatari ya mgogoro kwa sababu haichukui ukosefu huu wa uwiano.
Mkadiriaji wa shrinkage ya uunganisho ni nini na kwa nini inahitajika?
Kwa data ndogo ya kihistoria (uchunguzi wa T) na mali nyingi (N), sampuli za uunganisho wa matriki huwa na makadirio duni na yenye kelele. Wakati T <N, sampuli ya matrix haiwezi hata kugeuzwa. Hata wakati T > N, makadirio mengi ya uunganisho wa jozi yatakuwa mbali na maadili yao ya kweli kwa sababu ya makosa ya makadirio. Wakadiriaji wa shrinkage (Ledoit-Wolf, Oracle Approximating Shrinkage) hurekebisha sampuli ya uunganisho wa matrix kwa kuipunguza kuelekea lengo lililoundwa (kawaida matrix ya utambulisho au muundo wa sababu). Hii inapunguza hitilafu ya kukadiria kwa gharama ya kuanzisha baadhi ya upendeleo, lakini hutoa matriki yenye tabia bora na dhahiri ambayo huboresha uboreshaji wa kwingineko na uthabiti wa muundo wa hatari.
Utegemezi wa mkia ni nini na kwa nini uunganisho wa mstari hauchukui?
Utegemezi wa mkia hupima uwezekano kwamba mali mbili kwa wakati mmoja hupitia mienendo mikali, zaidi ya kile ambacho uunganisho wa mstari ungetabiri. Vipengee viwili vinaweza kuwa na uunganisho wa mstari sifuri lakini utegemezi mkubwa wa mkia (huanguka pamoja ingawa kwa kawaida hazisogei). Miundo ya Copula hutenganisha usambazaji wa kando ya kila kipengee kutoka kwa muundo wa utegemezi. T-copula, tofauti na nakala ya Gaussian, inaonyesha utegemezi wa juu na chini wa mkia - mali zilizoundwa na t-copula zina uwezekano mkubwa wa kuanguka au kuongezeka pamoja kuliko copula ya Gaussian inavyotabiri. Tofauti hii ilikuwa muhimu katika mgogoro wa CDO wa 2008, ambapo mifano ya Gaussian copula ilikadiria kwa kiasi kikubwa uwezekano wa chaguo-msingi wa pamoja chini ya mkazo.
Ni mali ngapi zinahitajika kabla ya matrix ya uunganisho kuwa isiyotegemewa?
Kanuni mbaya ya kidole gumba: unahitaji angalau uchunguzi wa T > 3N (muda dhidi ya idadi ya vipengee) kwa makadirio thabiti ya uunganisho. Ukiwa na uchunguzi wa kila siku 252 (mwaka 1), unaweza kukadiria kwa uaminifu uunganisho wa takriban mali 80. Kwa mali 2,000 (jalada kubwa la kawaida), utahitaji zaidi ya uchunguzi wa kila siku 6,000 (miaka 24) - haitumiki. Hii ndiyo sababu miundo ya vipengele (CAPM, Fama-French) hutumiwa kwa jalada kubwa: hutengana mapato katika idadi ndogo ya mambo ya kawaida pamoja na hatari ya kipuuzi, hupunguza kwa kiasi kikubwa idadi ya vigezo vya kukadiria huku ikitoa muundo wa udadisi uliopangwa zaidi na thabiti.
Uwiano wa Mseto ni nini na unatumiwaje?
Uwiano wa Mseto = (Uzito wastani wa tete ya mtu binafsi) / (Utetemeko wa kwingineko). Uwiano wa 1.0 unamaanisha hakuna faida ya mseto (mali zote zinahusiana kikamilifu). Uwiano wa 2.0 unamaanisha kuyumbayumba kwa kwingineko ni nusu ya utepetevu wa mtu binafsi uliopimwa-wastani - mseto mkubwa. Mijadala ya usawa wa hatari huongeza Uwiano wa Mseto kwa kuweka uzani wa mali kinyume na uwiano wa mchango wao kwa hatari ya kwingineko, badala ya uwiano kinyume na mapato yanayotarajiwa (kama uboreshaji wa wastani wa tofauti unavyofanya). The Most Diversified Portfolio (MDP) - iliyotengenezwa na Choueifaty na Coignard - huchagua uzani ambao huongeza Uwiano wa Mseto, bila kudhania kuhusu mapato yanayotarajiwa.
Je, uunganisho unapaswa kukadiriwa vipi kwa majaribio ya mfadhaiko dhidi ya kipimo cha kawaida cha hatari?
VaR ya kawaida na uboreshaji wa kwingineko unapaswa kutumia ulinganifu unaokadiriwa kutoka kwa mzunguko kamili wa soko au kwa ulainishaji wa wastani wa uzani (EWMA) ambao unasisitiza data ya hivi majuzi. Kwa upimaji wa mfadhaiko na CVaR ya shida, tumia uunganisho uliokadiriwa kutoka nyakati za kihistoria za shida - haswa kutoka kwa windows ambayo ni pamoja na GFC (2008), ajali ya COVID (2020), au matukio mengine ya dhiki. Uwiano wa kipindi cha mgogoro kati ya rasilimali za hatari kwa kawaida huwa juu ya 30-50% kuliko wastani wa muda kamili. Kutumia uwiano uliosisitizwa katika uchanganuzi wa utoshelevu wa mtaji huzuia dhana hatari kwamba faida za mseto zinazozingatiwa katika masoko tulivu zitaendelea katika hali za mgogoro.
Makosa ya Kawaida ya Kuepuka
▾
- !Kukokotoa uwiano kutoka kwa viwango vya bei badala ya mapato - hutoa uwiano wa juu sana kutoka kwa mitindo inayoshirikiwa.
- !Kwa kutumia madirisha mafupi ya kihistoria (< mwaka 1) kwa makadirio ya uunganisho ambayo ni nyeti sana kwa kipindi mahususi kilichochaguliwa.
- !Kutumia uunganisho wa muda mrefu usio na masharti katika kupima dhiki badala ya uunganisho wa kipindi cha shida.
- !Kupuuza mahitaji chanya ya nusu-ubainifu - kutumia matrix isiyo ya PSD katika mifano ya hatari kunaweza kutoa tofauti hasi za kwingineko.
- !Kutibu uunganisho wa hali ya juu kama wa kudumu - uunganisho hutofautiana wakati na unapaswa kukadiria upya mara kwa mara.
Kidokezo cha Pro
Taswira matrix ya uunganisho kama ramani ya joto iliyopangwa kwa nguzo za daraja. Hii hufichua mara moja makundi ya mali asili (vikundi vya mali sawa na uwiano wa juu wa ndani) na vianuwai halisi (mali zilizo na uwiano mdogo kwa makundi mengi). Tumia muundo huu kuongoza ujenzi wa kwingineko.
Je, ulijua?
Harry Markowitz, ambaye alianzisha Nadharia ya Kisasa ya Kwingineko na dhima ya kiasi ya uwiano katika ujenzi wa kwingineko, alipokea Tuzo ya Nobel ya Uchumi mwaka wa 1990. Inasemekana kwamba awali aliwekeza akiba yake ya pensheni 50/50 katika hisa na bondi - akipuuza hesabu zake za ubora wa juu - kwa sababu hakujuta kuwa na soko kubwa la hisa. Hata baba wa nadharia ya kwingineko ya kiasi alikubali mapungufu ya uboreshaji safi bila uamuzi wa kitabia.
Regional Guides
▾
🇺🇸 US▾
🇬🇧 UK▾
🇪🇺 EU▾
Marejeo
Pata Vidokezo vya Hisabati vya Wiki
Jiunge na watumiaji 12,000+ wanaopata vidokezo vya kikokotoo kila wiki.