ঝুঁকি নিয়ন্ত্রণ করা একটি দক্ষতা যা প্রতিটি বিনিয়োগকারীকে আরও দ্রুত পরিবর্তনশীল এবং বিকশিত ডিজিটাল মুদ্রা বাজারের মোকাবেলা করে, বিশেষ করে ঝুঁকি ব্যবস্থাপনার দিকে মনোযোগ দিতে হবে। এর কারণ হল প্রোগ্রাম ট্রেডিং প্রায়ই ঐতিহাসিক ডেটা এবং পরিসংখ্যানগত মডেলের উপর ভিত্তি করে ট্রেডগুলিকে স্বয়ংক্রিয় করে, এবং দ্রুত অস্থির বাজারে, এই মডেলগুলি দ্রুত আর সঠিক হয়ে উঠতে পারে না। তাই, বিনিয়োগকারীদের পুঁজি রক্ষার জন্য কার্যকর ঝুঁকি ব্যবস্থাপনা কৌশল অত্যন্ত গুরুত্বপূর্ণ।

ঝুঁকি ব্যবস্থাপনার অনেক সরঞ্জামের মধ্যে, ভ্যালু অ্যাট রিস্ক (VaR) হল একটি বহুল ব্যবহৃত ঝুঁকি পরিমাপ পদ্ধতি যা বিনিয়োগকারীদের সাধারণ বাজারের পরিস্থিতিতে একটি পোর্টফোলিওতে ঘটতে পারে এমন সর্বাধিক ক্ষতির পূর্বাভাস দিতে সাহায্য করতে পারে। VaR ঝুঁকিকে একটি সংখ্যায় পরিমাপ করতে পারে, ঝুঁকির উপস্থাপনাকে সহজ করে এবং বিনিয়োগকারীদের স্বজ্ঞাতভাবে সম্ভাব্য ক্ষতি বুঝতে দেয়।

VaR এর ভূমিকা

VaR, বা “ঝুঁকিতে মান”, একটি নির্দিষ্ট সময়ের মধ্যে এবং আত্মবিশ্বাসের একটি নির্দিষ্ট স্তরে টিকিয়ে রাখা যেতে পারে এমন সর্বাধিক সম্ভাব্য ক্ষতির পরিমাণ নির্ধারণ করতে ব্যবহৃত হয়। অন্য কথায়, এটি বিনিয়োগকারীদের বা ঝুঁকি পরিচালকদের বলে: “স্বাভাবিক বাজারের অবস্থার অধীনে, আমাদের কাছে কত টাকা আছে যা আগামীকাল অর্থ হারানো ছাড়াই ‘নিরাপদ’ পোর্টফোলিও হয়\(10,000, তাহলে এর মানে হল যে 99% ক্ষেত্রে, আমরা এর চেয়ে বেশি হারানোর আশা করি না\)10,000。

সুবিধা

1. বুঝতে সহজ: উদাহরণস্বরূপ, একটি ডিজিটাল মুদ্রা পোর্টফোলিওর 1-দিনের 95%VaR হল৷\(5000, যার মানে 95% আত্মবিশ্বাস রয়েছে যে পোর্টফোলিও এর বেশি হারাবে না\)5000। জটিল ঝুঁকিগুলিকে একটি স্বজ্ঞাত সংখ্যায় পরিমাপ করুন যা অ-পেশাদারদের পক্ষে বোঝা সহজ। অবশ্যই, এটি অবশ্যম্ভাবীভাবে কিছুটা বিভ্রান্তিকর।

2. তুলনা মান: ধরুন দুটি বিনিয়োগ পোর্টফোলিও A এবং B আছে। A এর 1-দিনের 95% VaR হল\(৩০০০, যখন B এর\)6000। এর মানে হল যে A স্বাভাবিক বাজারের অবস্থার অধীনে B এর থেকে কম ঝুঁকিপূর্ণ। যদিও দুটি পোর্টফোলিওতে বিভিন্ন সম্পদ রয়েছে, আমরা সরাসরি তাদের ঝুঁকির মাত্রা তুলনা করতে পারি। তদনুসারে, বিনিয়োগের স্তরটিও বিচার করা যেতে পারে যদি বিগত মাসে দুটি কৌশল A এবং B উভয়ের আয় হয়$6000, এবং A-এর গড় এবং সর্বোচ্চ VaR মানগুলি B-এর তুলনায় উল্লেখযোগ্যভাবে কম। আমরা মনে করতে পারি যে কৌশল A আরও ভাল এবং কম ঝুঁকির স্তরে উচ্চতর রিটার্ন অর্জন করতে পারে।

3. সিদ্ধান্ত গ্রহণের সরঞ্জাম: একজন ব্যবসায়ী একটি পোর্টফোলিওতে একটি নতুন সম্পদ যোগ করার সিদ্ধান্ত নিতে VaR ব্যবহার করতে পারেন। যদি নতুন সম্পদ উল্লেখযোগ্যভাবে VaR বৃদ্ধি পায়, তাহলে এর অর্থ হতে পারে যে নতুন সম্পদের ঝুঁকি পোর্টফোলিওর ঝুঁকি সহনশীলতার সাথে মেলে না।

অভাব

1. লেজের ঝুঁকি উপেক্ষা করুন: যদি একটি পোর্টফোলিওর 1-দিনের 99%VaR হয়$10,000, 1% চরম ক্ষেত্রে ক্ষতি এই মানটিকে ছাড়িয়ে যেতে পারে। ডিজিটাল মুদ্রার ক্ষেত্রে, কালো রাজহাঁসের ঘটনা ঘন ঘন হয়, এবং চরম পরিস্থিতি বেশিরভাগ মানুষের প্রত্যাশা ছাড়িয়ে যাবে কারণ VaR লেজের ঘটনা বিবেচনা করে না।

2. অনুমানের সীমা: প্যারামেট্রিক VaR সাধারণত অনুমান করে যে সম্পদের রিটার্ন সাধারণত বিতরণ করা হয়, যা বাস্তব বাজারে, বিশেষ করে ডিজিটাল মুদ্রার বাজারে খুব কমই সত্য। উদাহরণস্বরূপ, ধরে নিই যে একটি পোর্টফোলিওতে শুধুমাত্র বিটকয়েন রয়েছে, আমরা ভ্যাআর প্যারামিটার ব্যবহার করি এবং ধরে নিই যে বিটকয়েন রিটার্ন সাধারণত বিতরণ করা হয়। কিন্তু প্রকৃতপক্ষে, বিটকয়েনের ফলন নির্দিষ্ট সময়ের মধ্যে বড় লাফ অনুভব করতে পারে, এবং অস্থিরতা একত্রিত হওয়ার একটি সুস্পষ্ট ঘটনা রয়েছে, উদাহরণস্বরূপ, গত সপ্তাহে অস্থিরতা খুব বেশি ছিল এবং পরবর্তী সময়ে উল্লেখযোগ্য অস্থিরতার সম্ভাবনা থাকবে। অনেক বেশি এটি স্বাভাবিক বন্টন মডেলকে ঝুঁকিকে অবমূল্যায়ন করবে। এমন মডেল রয়েছে যা এই সমস্যাটিকে বিবেচনা করে, যেমন GARCH, ইত্যাদি, যা আজ আলোচনা করা হবে না।

3. ঐতিহাসিক নির্ভরতা: VaR মডেলগুলি ভবিষ্যতের ঝুঁকির পূর্বাভাস দিতে ঐতিহাসিক তথ্যের উপর নির্ভর করে। যাইহোক, অতীতের কর্মক্ষমতা সবসময় ভবিষ্যতের অবস্থার ইঙ্গিত দেয় না, বিশেষ করে ডিজিটাল মুদ্রার মতো দ্রুত পরিবর্তনশীল বাজারে। উদাহরণস্বরূপ, যদি বিটকয়েন গত বছর ধরে খুব স্থিতিশীল থাকে, ঐতিহাসিক মডেলিং কম VaR পূর্বাভাস দিতে পারে। তবে, হঠাৎ নিয়ন্ত্রক পরিবর্তন বা বাজার ক্র্যাশ হলে, অতীতের ডেটা আর ভবিষ্যতের ঝুঁকির কার্যকর ভবিষ্যদ্বাণী হবে না।

ভিএআর গণনা পদ্ধতি

VaR গণনা করার তিনটি প্রধান উপায় রয়েছে: প্যারামেট্রিক পদ্ধতি (ভ্যারিয়েন্স-কোভেরিয়েন্স পদ্ধতি): রিটার্নগুলি একটি নির্দিষ্ট বন্টন (সাধারণত একটি সাধারণ বন্টন) অনুসরণ করে, ভ্যারটি রিটার্নের গড় এবং মানক বিচ্যুতি ব্যবহার করে গণনা করা হয়। ঐতিহাসিক সিমুলেশন পদ্ধতি: রিটার্নের বন্টন সম্পর্কে কোন অনুমান না করে, সম্ভাব্য ক্ষতি বন্টন নির্ধারণ করতে ঐতিহাসিক তথ্য সরাসরি ব্যবহার করা হয়। মন্টে কার্লো সিমুলেশন: সম্পদের মূল্য অনুকরণ করতে এবং তাদের থেকে VaR গণনা করতে এলোমেলোভাবে উৎপন্ন মূল্য পথ ব্যবহার করে।

ঐতিহাসিক সিমুলেশন পদ্ধতি সরাসরি ভবিষ্যতের সম্ভাব্য ক্ষতি অনুমান করতে অতীতের মূল্য পরিবর্তন ব্যবহার করে। এটি রিটার্ন বন্টন সম্পর্কে কোন অনুমানের প্রয়োজন নেই, তাই এটি ডিজিটাল মুদ্রার মতো অজানা বা অস্বাভাবিক রিটার্ন বন্টন সহ সম্পদের জন্য উপযুক্ত।

উদাহরণ হিসাবে একটি বিটকয়েন স্পট অবস্থান নিলে, যদি আমরা এই পোর্টফোলিওর 1-দিনের 95% VaR গণনা করতে চাই, আমরা এটি করতে পারি:

1. নির্দিষ্ট সময়ের মধ্যে বিটকয়েনের দৈনিক রিটার্ন সংগ্রহ করুন (যেমন 100 দিন)।
2. প্রতিদিনের পোর্টফোলিও রিটার্ন গণনা করুন কারণ প্রতিটি সম্পদের রিটার্ন পোর্টফোলিওতে তার ওজন দ্বারা গুণিত হয়।
3. ছোট থেকে বড় এই 100 দিনের জন্য পোর্টফোলিও রিটার্ন সাজান।
4. 5ম পার্সেন্টাইল ডেটা পয়েন্ট খুঁজুন (কারণ আমরা 95% VaR গণনা করছি) গত 100 দিনের মধ্যে সবচেয়ে খারাপ 5 দিনের মধ্যে এই পয়েন্টটি ক্ষতির হারকে উপস্থাপন করে।
5. এই রিটার্নের হারকে হোল্ডিংয়ের মোট মূল্য দিয়ে গুণ করলে একদিনের জন্য ৯৫% VaR হয়।

নিম্নলিখিত একটি নির্দিষ্ট কোড যা গত 1,000 দিনের ডেটা প্রাপ্ত করে এবং গণনা করে যে একটি BTC স্পট ধরে রাখার বর্তমান VaR হল 1,980 USDT।

import numpy as np
import requests

url = 'https://api.binance.com/api/v3/klines?symbol=%s&interval=%s&limit=1000'%('BTCUSDT','1d')
res = requests.get(url)
data = res.json()

confidence_level = 0.95
closing_prices = [float(day[4]) for day in data]
log_returns = np.diff(np.log(closing_prices))
VaR = np.percentile(log_returns, (1 - confidence_level) * 100)
money_at_risk = VaR * closing_prices[-1] * 1

print(f"VaR at {confidence_level*100}% confidence level is {money_at_risk}")

পারস্পরিক সম্পর্ক বিবেচনা করে VaR গণনা

একাধিক সম্পদ ধারণকারী একটি পোর্টফোলিওর VaR গণনা করার সময়, আমাদের অবশ্যই সম্পদের মধ্যে পারস্পরিক সম্পর্ক বিবেচনা করতে হবে। যদি সম্পদের মধ্যে মূল্য পরিবর্তন ইতিবাচকভাবে সম্পর্কিত হয়, তাহলে পোর্টফোলিওর ঝুঁকি বৃদ্ধি পাবে; যদি তারা নেতিবাচকভাবে সম্পর্কিত হয়, তাহলে পোর্টফোলিওর ঝুঁকি হ্রাস পাবে।

VAR গণনা করার জন্য ঐতিহাসিক সিমুলেশন পদ্ধতি ব্যবহার করার সময় যেটি পারস্পরিক সম্পর্ককে বিবেচনায় নেয়, আমাদের অবশ্যই প্রতিটি পৃথক সম্পদের ঐতিহাসিক রিটার্ন সংগ্রহ করতে হবে না, তবে এই সম্পদের রিটার্নের যৌথ বন্টনও বিবেচনা করতে হবে। প্রকৃত অপারেশনে, আপনি বাছাই এবং গণনার জন্য বিনিয়োগ পোর্টফোলিওর ঐতিহাসিক রিটার্ন সরাসরি ব্যবহার করতে পারেন, কারণ এই রিটার্নগুলি ইতিমধ্যেই সম্পদের মধ্যে পারস্পরিক সম্পর্ককে বোঝায়। ডিজিটাল কারেন্সি মার্কেটে, বিটিসি মুলত মার্কেট লিডার, যদি বিটিসি দ্রুত বৃদ্ধি পায় বা কমে যায়, তাহলে বাজারের সেন্টিমেন্ট দ্রুত পরিবর্তন হতে পারে। অল্প সময়ের মধ্যে উল্লেখযোগ্যভাবে বৃদ্ধি পায়, যা চরম বাজার ইভেন্টের সময় বিশেষভাবে সাধারণ। অতএব, ডিজিটাল মুদ্রা পোর্টফোলিওর VaR বিবেচনা করার সময় ঐতিহাসিক সিমুলেশন পদ্ধতি একটি দরকারী টুল। এটির জন্য জটিল পরিসংখ্যানগত মডেলের প্রয়োজন নেই, শুধুমাত্র বৈধ ঐতিহাসিক তথ্য, এবং এটি স্বাভাবিকভাবেই সম্পদের মধ্যে পারস্পরিক সম্পর্ককে অন্তর্ভুক্ত করে।

উদাহরণ হিসাবে 1 BTC-এর একটি দীর্ঘ অবস্থান এবং 10 ETH-এর একটি সংক্ষিপ্ত অবস্থান নিলে, পূর্ববর্তী পদ্ধতি অনুসারে, 10 ETH-এর সংক্ষিপ্ত অবস্থানের VaR গণনা করা যেতে পারে 1219USDT। যখন এই দুটি সম্পদ একত্রিত হয়, তখন VaR নিম্নরূপ গণনা করা হয়:

confidence_level = 0.95
btc_closing_prices = np.array([float(day[4]) for day in btc_data])
eth_closing_prices = np.array([float(day[4]) for day in eth_data])
btc_log_returns = np.diff(np.log(btc_closing_prices))
eth_log_returns = np.diff(np.log(eth_closing_prices))

log_returns = (1*btc_log_returns*btc_closing_prices[1:] - 10*eth_log_returns*eth_closing_prices[1:])/(1*btc_closing_prices[1:] + 10*eth_closing_prices[1:])
VaR = np.percentile(log_returns, (1 - confidence_level) * 100)
money_at_risk = VaR * (btc_closing_prices[-1] * 1 + eth_closing_prices[-1]*10)

print(f"VaR at {confidence_level*100}% confidence level is {money_at_risk}")

ফলাফল হল 970USDT, যার অর্থ হল এই সংমিশ্রণের ঝুঁকি সংশ্লিষ্ট সম্পদগুলিকে আলাদাভাবে ধারণ করার চেয়ে কম এই কারণে যে BTC এবং ETH-এর দামগুলি অত্যন্ত পারস্পরিক সম্পর্কযুক্ত, এবং দীর্ঘ-স্বল্প সংমিশ্রণের হেজিং প্রভাব কমাতে ভূমিকা পালন করে। ঝুঁকি

সারসংক্ষেপ

এই নিবন্ধটি একটি অত্যন্ত অভিযোজনযোগ্য ঝুঁকি মূল্যায়ন পদ্ধতির প্রয়োগের সাথে পরিচয় করিয়ে দেবে, যথা ঐতিহাসিক সিমুলেশন, VaR গণনার ক্ষেত্রে, এবং কীভাবে ঝুঁকির পূর্বাভাস অপ্টিমাইজ করার জন্য সম্পদের মধ্যে পারস্পরিক সম্পর্ক বিবেচনা করা যায়। ডিজিটাল মুদ্রা বাজারের নির্দিষ্ট উদাহরণের মাধ্যমে, এটি ব্যাখ্যা করে যে কীভাবে পোর্টফোলিও ঝুঁকি মূল্যায়নের জন্য ঐতিহাসিক সিমুলেশন পদ্ধতি ব্যবহার করতে হয় এবং সম্পদের পারস্পরিক সম্পর্ক গুরুত্বপূর্ণ হলে VaR গণনা করার পদ্ধতি নিয়ে আলোচনা করে। এই পদ্ধতির মাধ্যমে, প্রোগ্রাম ট্রেডাররা শুধুমাত্র বেশিরভাগ পরিস্থিতিতে সর্বাধিক ক্ষতি অনুমান করতে পারে না, তবে চরম বাজার পরিস্থিতির জন্য প্রস্তুত থাকতে পারে, যাতে তারা ট্রেডিংয়ে আরও শান্ত হতে পারে এবং সঠিকভাবে কৌশলগুলি সম্পাদন করতে পারে।