การป้องกันความเสี่ยงพอร์ตโฟลิโอ: การชดเชยความเสี่ยง

การบริหารความเสี่ยงเชิงปริมาณด้วย Python

Jamsheed Shorish

Computational Economist

เสถียรภาพของพอร์ตโฟลิโอ

  • VaR/CVaR: การสูญเสียพอร์ตโฟลิโอที่อาจเกิดขึ้นที่ระดับความเชื่อมั่นที่กำหนด
  • การปรับพอร์ตโฟลิโอให้เหมาะสม: น้ำหนักพอร์ตโฟลิโอที่ 'ดีที่สุด'
    • แต่ความผันผวนยังคงมีอยู่!
  • นักลงทุนสถาบัน: เสถียรภาพ ของพอร์ตโฟลิโอต่อการเปลี่ยนแปลงที่ผันผวน
    • กองทุนบำเหน็จบำนาญ: ประมาณ 20 ล้านล้าน USD
การบริหารความเสี่ยงเชิงปริมาณด้วย Python

วันฝนตก วันแดดออก

  • พอร์ตโฟลิโอการลงทุน: บริษัทแว่นกันแดด
    • ปัจจัยความเสี่ยง: สภาพอากาศ

ภาพแว่นกันแดดบนแพยางสีเหลือง

การบริหารความเสี่ยงเชิงปริมาณด้วย Python

วันฝนตก วันแดดออก

  • พอร์ตโฟลิโอการลงทุน: บริษัทแว่นกันแดด
    • ปัจจัยความเสี่ยง: สภาพอากาศ (ฝน)
    • ฝนมากขึ้น => มูลค่าบริษัทลดลง
    • มูลค่าบริษัทลดลง => ราคาหุ้นลดลง
    • ราคาหุ้นลดลง => มูลค่าพอร์ตโฟลิโอลดลง

ภาพแว่นกันแดดบนแพยางสีเหลือง   ภาพหยดฝนบนกระจก

การบริหารความเสี่ยงเชิงปริมาณด้วย Python

วันฝนตก วันแดดออก

  • พอร์ตโฟลิโอการลงทุน: บริษัทแว่นกันแดด
    • ปัจจัยความเสี่ยง: สภาพอากาศ (ฝน)
    • ฝนมากขึ้น => มูลค่าบริษัทลดลง
    • มูลค่าบริษัทลดลง => ราคาหุ้นลดลง
    • ราคาหุ้นลดลง => มูลค่าพอร์ตโฟลิโอลดลง
  • โอกาสที่สอง: บริษัทร่ม
    • ฝนมากขึ้น => มูลค่าเพิ่มขึ้น!

ภาพร่มหลากสีพับเก็บในขาตั้ง

การบริหารความเสี่ยงเชิงปริมาณด้วย Python

วันฝนตก วันแดดออก

  • พอร์ตโฟลิโอการลงทุน: บริษัทแว่นกันแดด
    • ปัจจัยความเสี่ยง: สภาพอากาศ (ฝน)
    • ฝนมากขึ้น => มูลค่าบริษัทลดลง
    • มูลค่าบริษัทลดลง => ราคาหุ้นลดลง
    • ราคาหุ้นลดลง => มูลค่าพอร์ตโฟลิโอลดลง
  • โอกาสที่สอง: บริษัทร่ม
    • ฝนมากขึ้น => มูลค่าเพิ่มขึ้น!
  • พอร์ตโฟลิโอ: แว่นกันแดด & ร่ม มีเสถียรภาพมากขึ้น
    • ความผันผวนจากฝนถูกชดเชย

ภาพแว่นกันแดดบนแพยางสีเหลือง   ภาพร่มหลากสีพับเก็บในขาตั้ง

การบริหารความเสี่ยงเชิงปริมาณด้วย Python

การป้องกันความเสี่ยง (Hedging)

  • การป้องกันความเสี่ยง (Hedging): ชดเชยความผันผวนด้วยสินทรัพย์อื่น
  • สำคัญอย่างยิ่งสำหรับการบริหารความเสี่ยงของนักลงทุนสถาบัน
  • กระแสผลตอบแทนเพิ่มเติมที่เคลื่อนไหวตรงข้ามกับพอร์ตโฟลิโอ
  • ใช้ในกองทุนบำเหน็จบำนาญ, ForEx, ฟิวเจอร์ส, อนุพันธ์...
    • ปี 2019: ตลาด hedge fund ประมาณ 3.6 ล้านล้าน USD
การบริหารความเสี่ยงเชิงปริมาณด้วย Python

เครื่องมือป้องกันความเสี่ยง: ออปชัน

  • อนุพันธ์ (Derivative): เครื่องมือป้องกันความเสี่ยง
  • ออปชัน (Option) แบบยุโรป: อนุพันธ์ที่นิยมมากที่สุด
    • Call option แบบยุโรป: สิทธิ (ไม่ใช่พันธะ) ในการซื้อหุ้นที่ราคา $X$ ณ วันที่ $M$
    • Put option แบบยุโรป: สิทธิ (ไม่ใช่พันธะ) ในการขายหุ้นที่ราคา $X$ ณ วันที่ $M$
    • หุ้น = "สินทรัพย์อ้างอิง" ของออปชัน
      • ราคาตลาดปัจจุบัน $S$ = ราคา spot
    • $X$ = ราคาใช้สิทธิ (strike price)
    • $M$ = วันครบกำหนด (maturity date)
การบริหารความเสี่ยงเชิงปริมาณด้วย Python

การคำนวณราคาออปชันด้วย Black-Scholes

  • มูลค่าออปชันเปลี่ยนแปลงตามราคาสินทรัพย์อ้างอิง => นำมาใช้ป้องกันความเสี่ยงได้
  • ต้องทำการประเมินมูลค่าออปชัน: ต้องการสมมติฐานเกี่ยวกับตลาด สินทรัพย์อ้างอิง อัตราดอกเบี้ย ฯลฯ
  • สูตรราคาออปชัน Black-Scholes: Fisher Black & Myron Scholes ผู้ได้รับรางวัลโนเบล (1973)
    • ต้องการค่าต่อไปนี้สำหรับแต่ละเวลา $t$:
      • ราคา spot $S$
      • ราคาใช้สิทธิ $X$
      • เวลาจนถึงวันครบกำหนด $T := M - t$
      • อัตราดอกเบี้ยไร้ความเสี่ยง $r$
      • ความผันผวนของผลตอบแทนสินทรัพย์อ้างอิง $\sigma$ (ค่าเบี่ยงเบนมาตรฐาน)
1 Black, F. and M. Scholes (1973). "The Pricing of Options and Corporate Liabilities", Journal of Political Economy vol 81 no. 3, pp. 637–654.{{3}}
การบริหารความเสี่ยงเชิงปริมาณด้วย Python

สมมติฐานของสูตร Black-Scholes

  • โครงสร้างตลาด
    • ตลาดมีประสิทธิภาพ
    • ไม่มีต้นทุนการทำธุรกรรม
    • อัตราดอกเบี้ยไร้ความเสี่ยง
  • หุ้นอ้างอิง
    • ไม่มีเงินปันผล
    • ผลตอบแทนมีการแจกแจงแบบปกติ
  • เครื่องคำนวณออนไลน์: https://www.math.drexel.edu/~pg/fin/VanillaCalculator.html
  • ฟังก์ชัน Python black_scholes(): ลิงก์ซอร์สโค้ดอยู่ในแบบฝึกหัด
การบริหารความเสี่ยงเชิงปริมาณด้วย Python

การคำนวณมูลค่าออปชันด้วย Black-Scholes

  • สูตรราคาออปชัน Black-Scholes black_scholes()
  • พารามิเตอร์ที่ต้องการ: $S$, $X$, $T$ (เป็นเศษส่วนของปี), $r$, $\sigma$
  • ระบุ option_type ที่ต้องการ ('call' หรือ 'put')

 

S = 70; X = 80; T = 0.5; r = 0.02; sigma = 0.2

option_value = black_scholes(S, X, T, r, sigma, option_type = "put")

print(option_value)

10.31222171237868
การบริหารความเสี่ยงเชิงปริมาณด้วย Python

การป้องกันความเสี่ยงสถานะหุ้นด้วยออปชัน

  • ป้องกันความเสี่ยงหุ้นด้วย European put option: สินทรัพย์อ้างอิงคือหุ้นในพอร์ตโฟลิโอ
  • ราคา spot $S$ ลดลง ($\Delta S < 0$) => มูลค่าออปชัน $V$ เพิ่มขึ้น ($\Delta V > 0$)
  • Delta ของออปชัน: $\Delta := \frac{\partial V}{\partial S}$
  • ป้องกันความเสี่ยงหุ้น 1 หุ้นด้วยออปชันจำนวน $\frac{1}{\Delta}$
  • Delta neutral: $\Delta S + \frac{\Delta V}{\Delta} = 0$; หุ้นได้รับการป้องกันความเสี่ยงแล้ว!
  • ฟังก์ชัน Python bs_delta(): คำนวณค่า delta ของออปชัน
    • ลิงก์ซอร์สโค้ดอยู่ในแบบฝึกหัด
การบริหารความเสี่ยงเชิงปริมาณด้วย Python

มาฝึกกันเถอะ!

การบริหารความเสี่ยงเชิงปริมาณด้วย Python

Preparing Video For Download...