Alphaclone و نمونه کارها بهینه

در این مقاله به فهرست کارشناسی ارشد صندوق پرچین Alphaclone در زمینه ساخت نمونه کارها بهینه پرداخته شده است. هنگام ساختن یک نمونه کارها بهینه ، هدف این است که وزن نمونه کارها را در کلاسهای مختلف دارایی که به یک هدف بهینه سازی خاص می رسند ، بفهمید.

تجزیه و تحلیل ما چهار پرتفوی مختلف را ایجاد می کند ، هر یک برای نتیجه متفاوت بهینه شده اند:

حداکثر نسبت شارپ ، اولین بهینه سازی این است که به سادگی نسبت شارپ نمونه کارها را به حداکثر برسانید. به طور خلاصه ، این نمونه کارها است که بیشترین بازده را در کمترین خطر به شما می دهد. برای شما nerds ، این نمونه کارها بهینه تنظیم شده با ریسک است که در مرز کارآمد قرار دارد.

به حداکثر رساندن بازده @ 8 ٪ بهینه سازی هدف نوسانات که به دنبال حل یک هدف نوسانات خاص هستند ، ابتدا به این معنی است که سرمایه گذار دارای تعهدات مکرر خاصی است که باید از درآمد حاصل از نمونه کارها خود برآورده شود. هدف ابتدا ریسک کنترل است ، سپس سعی کنید بازده را بدون بیش از "بودجه ریسک" مشتری به حداکثر برسانید.

به حداقل رساندن نوسانات @ 10 ٪ سرمایه گذاران هدف بازده که ابتدا به دنبال یک هدف بازده خاص هستند و سپس به دنبال به حداقل رساندن نوسانات هستند ، معمولاً خرید بلند مدت هستند و سرمایه گذاران را نگه می دارند. به عنوان نمونه ، یک سرمایه گذار که در اهداف بازنشستگی خود عقب مانده است ، ممکن است نیاز به افزایش نرخ هدف بازده خود داشته باشد اما می خواهد اطمینان حاصل کند که آنها هیچ خطر غیر ضروری دیگری را در پیش نمی گیرند. آنها به دنبال هدف بازگشت خود هستند اما در کمترین خطر ممکن.

برابری ریسک ریسک یکی دیگر از رویکردهای ریسک اول برای بهینه سازی نمونه کارها است. با توزیع یکسان ریسک نمونه کارها در کلاسهای دارایی که نمونه کارها را تشکیل می دهند ، سرمایه گذار به دنبال این است که اطمینان حاصل کند که آنها بیش از حد از هیچ یک از کلاس ها استفاده نمی کنند. سرمایه گذاران برابری ریسک در درجه اول نگران ریسک غلظت در مواجهه خود هستند.

ما هر نمونه کارها بهینه شده را با "شروع نمونه کارها" که به صندوق ها/شاخص های زیر اختصاص می یابد ، مقایسه می کنیم ، هر کدام برای نشان دادن یک کلاس دارایی انتخاب شده اند:

• اوراق قرضه: شاخص کل بازار اوراق قرضه پیشتاز (VBMFX)
• سهام ایالات متحده (منفعل): Ishares Core S& P 500 ETF (IVV)
• سهام خارجی (توسعه یافته): پیشتاز بازارهای توسعه یافته (VTMGX)
• سهام خارجی (نوظهور): شاخص MKTS در حال ظهور پیشتاز (Veiex)
• سهام ایالات متحده (Alpha-Seeking): کارشناسی ارشد صندوق پرچین Alphaclone (ALFMIX)
• فلزات گرانبها (طلا): Fidelity Select Gold (FSAGX)
• گزینه های دیگر: DWS Global Macro (MGINX)

روش شناسی

• ما تمرین بهینه سازی خود را از نظر حداقل یا حداکثر وزن برای هر کلاس دارایی بدون محدودیت اجرا می کنیم. ما می دانیم که این ممکن است بسته به هدف بهینه سازی ، در یک نمونه کارها با وزن 100 ٪ به یک کلاس دارایی واحد - اما ما برای اهداف این تمرین فکر می کنیم ، که نتیجه به روشنایی نقش هر کلاس دارایی در نمونه کارها کمک می کندوادهمچنین این بدان معنی است که بهینه سازی ، به استثنای برابری ریسک ، برای دور انداختن یک یا چند کلاس دارایی (از جمله AlfMix) آزاد است.
• ما صندوق های خاص را در بالا انتخاب کردیم تا دوره تجزیه و تحلیل را که از آگوست 2001 تا دسامبر 2019 است (محدود شده توسط ماه شروع برای ALFMIX) به حداکثر برساند.
• ما سبک جهانی صندوق پرچین ماکرو را برای آستین گزینه های دیگر انتخاب می کنیم زیرا بیشتر سرمایه گذاران (حداقل این روزها) به گزینه های دیگر اختصاص می دهند تا همبستگی نمونه کارها با سهام را کاهش دهند. ما سبک کلان جهانی را انتخاب کردیم زیرا کمترین همبستگی با سهام نسبت به سایر سبک های صندوق پرچین را دارد (به این مقاله MSCI مراجعه کنید). از قضا ، کلاس دارایی با کمترین همبستگی با سهام گزینه های جایگزین (یا کلان جهانی) نیست بلکه اوراق قرضه و طلا است (در اینجا به ماتریس همبستگی مراجعه کنید).

شکل 1 در زیر خلاصه ها و معیارهای نمونه کارها را برای هر نمونه کارها بهینه شده خلاصه می کند.

یافته های کلیدی

• با نگاهی به پرتفوی های بهینه شده مختلف ، بدیهی است که سرمایه گذاران برای دستیابی به اهداف بهینه سازی به بیش از سهام و اوراق قرضه احتیاج ندارند.
• بیشتر سرمایه گذاران/مشاوران احتمالاً از بهینه سازی های ارائه شده توسط P2 (حداکثر بازده @ 8 ٪ نوسانات) یا P3 (به حداقل رساندن نوسانات @ 10 ٪ هدف بازده) در شکل بالا استفاده می کنند. از آنجا که آنها بدون محدودیت هستند ، هر دو بهینه سازی فقط 3 از 7 کلاس دارایی موجود را اختصاص می دهند.
• به استثنای نمونه کارها Parity Parity (P4) ، که باید به هر یک از 7 کلاس دارایی موجود اختصاص یابد ، همه بهینه سازی ها ALFMIX را منحصراً از S& P 500 برای قرار گرفتن در معرض سهام ایالات متحده حمایت می کردند. این تعجب آور نیست با توجه به اینکه ALFMIX هم از CAGR بالاتر و هم بازده تنظیم شده با ریسک نسبت به S& P 500 دارد (شکل 2 را ببینید).
• برای همه پرتفوی های بهینه شده ، هر 1 ٪ در نوسانات در بازده مورد انتظار حدود 1 ٪ است.

پیامدهای عملی برای تخصیص نمونه کارها

این آموزنده است که بهینه سازی های پرتفوی نامشخص به دنبال استفاده از شاخص ALFMIX برای محرومیت از سایر صندوق های سهام موجود است. در حالی که ساختن یک نمونه کارها یا حتی یک آستین سهام عدالت فقط از دو یا سه بودجه ممکن است واقع بینانه نباشد ، افزودن AlfMIX به هر ترکیبی از قرار گرفتن در معرض سهام شما به وضوح ارزش را اضافه می کند.

بنابراین ، تخصیص مناسب برای Alfmix چیست؟البته ، این بستگی دارد اما یک راه برای فکر کردن در مورد سهام عدالت شما در امتداد یک زنجیره منفعل/فعال است. منابع منفعل بازده هرگز آسانتر یا ارزان تر نبودند اما کم هزینه ، منابع فعال کارآمد بازده بسیار سخت تر است - این جایی است که Alfmix می درخشد. به عنوان مثال ، یک نمونه کارها که 50 ٪ وزن آن به سهام ایالات متحده است و به دنبال دستیابی به برابری ریسک است ، ممکن است 20 ٪ (40 ٪ از کل 50 ٪ در معرض سهام عدالت) را به ALFMIX و 30 ٪ به S& P 500 اختصاص دهد. از طرف دیگر، همان نمونه کارها برای مشتری که "بودجه ریسک" بالاتری دارد می تواند تا زمان دستیابی به بودجه ریسک مشتری ، قرار گرفتن در معرض ALFMIX را افزایش دهد.

© 2020 ، کلیه حقوق محفوظ است. آرم Alphaclone یک علامت خدماتی از Alphaclone ، Inc است. اطلاعات موجود در اینجا ("اطلاعات") ممکن است تکثیر نشود یا به طور کامل یا جزئی بدون مجوز کتبی قبلی از Alphaclone ، Inc. Alphaclone ، Inc. یک مشاور سرمایه گذاری ثبت شده در SEC. ثبت نام مشاور سرمایه گذاری به معنای مهارت یا آموزش نیست. محصولات سرمایه گذاری Alphaclone به عنوان هدف سرمایه گذاری خود به دنبال قدردانی از سرمایه هستند. هیچ تضمینی وجود ندارد که هدف سرمایه گذاری حاصل شود. عملکرد گذشته نشانگر نتایج آینده نیست. اهداف سرمایه گذاری ، خطرات ، هزینه ها ، هزینه ها و ابزارهای مورد استفاده برای اجرای یک استراتژی را قبل از سرمایه گذاری در نظر بگیرید. این ارتباطات یک پیشنهاد یا درخواست سرمایه گذاری با Alphaclone ، Inc را تشکیل نمی دهد.

شاخص کارشناسی ارشد صندوق پرچین Alphaclone (ALFMIX) شاخصی از دارایی های معتبر بالا است که از افشای عمومی صندوق پرچین گرفته شده و توسط Alphaclone انتخاب شده است. ALFMIX در 25 اوت 2017 راه اندازی شد و توسط Solactive محاسبه می شود. هر عملکرد قبل از آن تاریخ فرضی است. شاخص S& P 500 شاخصی از سرمایه های بزرگ ایالات متحده است. سرمایه گذاری در یک فهرست امکان پذیر نیست.