কিভাবে হোল্ডিং ঝুঁকি মাপতে হয় VaR পদ্ধতির সংক্ষিপ্ত বিবরণ

ঝুঁকি নিয়ন্ত্রণ করা এমন একটি দক্ষতা যা প্রত্যেক বিনিয়োগকারীকে শিখতে হবে। পরিবর্তিত এবং ক্রমাগত পরিবর্তিত ডিজিটাল মুদ্রার বাজারের মুখোমুখি হয়ে, পদ্ধতিগত ব্যবসায়ীদের ঝুঁকি ব্যবস্থাপনার দিকে বিশেষ মনোযোগ দিতে হবে। এটি কারণ পদ্ধতিগত লেনদেন প্রায়শই ঐতিহাসিক তথ্য এবং পরিসংখ্যানগত মডেলের উপর ভিত্তি করে স্বয়ংক্রিয়ভাবে লেনদেন সম্পাদন করে, যা দ্রুত অস্থির বাজারে দ্রুত ভুল হয়ে যেতে পারে। অতএব, বিনিয়োগকারীদের মূলধন রক্ষা করার জন্য কার্যকর ঝুঁকি ব্যবস্থাপনা কৌশলগুলি গুরুত্বপূর্ণ।

অনেক ঝুঁকি ব্যবস্থাপনা সরঞ্জামগুলির মধ্যে, ভ্যালু এট রিস্ক (VaR) একটি বহুল ব্যবহৃত ঝুঁকি পরিমাপ যা বিনিয়োগকারীদেরকে স্বাভাবিক বাজারের অবস্থার অধীনে একটি পোর্টফোলিওতে সর্বাধিক সম্ভাব্য ক্ষতির পূর্বাভাস দিতে সহায়তা করে। VaR ঝুঁকিকে একটি একক সংখ্যায় পরিমাপ করতে সক্ষম হয়, ঝুঁকি প্রকাশকে সহজ করে তোলে এবং বিনিয়োগকারীদের সম্ভাব্য ক্ষতির একটি স্বজ্ঞাত ধারণা দেয়।

ভিএআর এর ভূমিকা

VaR, বা ঝুঁকিপূর্ণ মূল্য ভলিউম ভলিউম, একটি নির্দিষ্ট সময়ের মধ্যে, একটি নির্দিষ্ট স্তরের বিশ্বাস অনুযায়ী, সর্বাধিক সম্ভাব্য ক্ষতির পরিমাণ পরিমাপ করার জন্য ব্যবহৃত হয়। অন্য কথায়, এটি বিনিয়োগকারী বা ঝুঁকি ব্যবস্থাপককে বলেঃ ভলিউম, স্বাভাবিক বাজারের পরিস্থিতিতে, আমাদের কত টাকা আছে তা ভলিউম সুরক্ষা ভলিউমের মধ্যে রয়েছে এবং আগামীকালই ক্ষতি হবে না। উদাহরণস্বরূপ, যদি একটি ডিজিটাল মুদ্রা বিনিয়োগের পোর্টফোলিওর একদিনের 99% VaR $ 10,000 হয়, তবে এর অর্থ হ'ল 99% ক্ষেত্রে, আমরা একদিনের ক্ষতির প্রত্যাশা করি না $ 10,000 এর বেশি।

সুবিধা

1. সহজেই বোঝা যায়উদাহরণস্বরূপঃ একটি ডিজিটাল মুদ্রা পোর্টফোলিওর এক দিনের 95% VaR হল $5000, যার অর্থ 95% আত্মবিশ্বাস আছে যে পোর্টফোলিওটি একদিনের মধ্যে $5000 এর বেশি ক্ষতি করবে না। জটিল ঝুঁকিকে একটি স্বজ্ঞাত সংখ্যায় পরিমাপ করা সহজ এবং অ-পেশাদারদের পক্ষে বোঝা সহজ। অবশ্যই এটিও অনিবার্যভাবে বিভ্রান্তিকর।

2. তুলনা: ধরুন, দুটি পোর্টফোলিও A এবং B আছে, A এর এক দিনের 95% VaR হল $3,000 এবং B এর $6,000; এর অর্থ হল, স্বাভাবিক বাজারের অবস্থার অধীনে, A এর ঝুঁকি B এর চেয়ে কম; এমনকি যদি এই দুটি পোর্টফোলিও বিভিন্ন সম্পদ ধারণ করে, আমরা তাদের ঝুঁকি স্তর সরাসরি তুলনা করতে পারি। এর সাথে সামঞ্জস্যপূর্ণভাবে, বিনিয়োগের স্তরটি উচ্চ বা নিম্ন হতে পারে। যদি A এবং B এর উভয় কৌশল গত এক মাসের আয় $6,000 হয় এবং A এর গড় এবং সর্বাধিক VaR উল্লেখযোগ্যভাবে B এর চেয়ে কম হয়, তাহলে আমরা A কৌশলটিকে আরও ভাল বলে মনে করতে পারি, যা কম ঝুঁকি স্তরে উচ্চতর আয় অর্জন করে।

3. সিদ্ধান্ত গ্রহণের সরঞ্জাম: একজন ব্যবসায়ী VaR ব্যবহার করে সিদ্ধান্ত নিতে পারেন যে পোর্টফোলিওতে একটি নতুন সম্পদ যোগ করা উচিত কিনা। যদি নতুন সম্পদ VaR উল্লেখযোগ্যভাবে বৃদ্ধি করে, তাহলে এর অর্থ হতে পারে যে নতুন সম্পদের ঝুঁকিটি পোর্টফোলিওর ঝুঁকি গ্রহণের স্তরের সাথে মেলে না।

অসুবিধা

1. পেছনের ঝুঁকিকে উপেক্ষা করা: যদি একটি পোর্টফোলিওর একদিনের 99% VaR $ 10,000 হয়, তবে 1% চরম পরিস্থিতিতে ক্ষতির পরিমাণ এই সংখ্যার চেয়ে অনেক বেশি হতে পারে। ডিজিটাল মুদ্রার ক্ষেত্রে, ব্ল্যাক সোয়ান ইভেন্টগুলি ঘন ঘন হয় এবং চরম পরিস্থিতিগুলি বেশিরভাগের প্রত্যাশার চেয়ে বেশি হয় কারণ VaR লেজ ইভেন্টগুলি বিবেচনা করে না।

2. অনুমান সীমাবদ্ধতা: প্যারামিটার VaR সাধারণত অনুমান করে যে সম্পদের আয় স্বাভাবিকভাবে বিতরণ করা হয়, যা বাস্তব বাজারে খুব কমই প্রতিষ্ঠিত হয়, বিশেষত ডিজিটাল মুদ্রার বাজারে। উদাহরণস্বরূপ, অনুমান করুন যে একটি পোর্টফোলিওতে কেবল বিটকয়েন রয়েছে, আমরা VaR প্যারামিটারটি ব্যবহার করি এবং বিটকয়েনের আয়কে স্বাভাবিকভাবে বিতরণ করা হয় বলে মনে করি। তবে বাস্তবে বিটকয়েনের আয় নির্দিষ্ট সময়ে বড় লাফিয়ে উঠতে পারে এবং স্পষ্টভাবে অস্থিরতা জমা হওয়ার ঘটনা রয়েছে, যেমন গত ফ্রিকোয়েন্সির অস্থিরতা খুব বেশি, পরবর্তীটি উল্লেখযোগ্যভাবে বাড়ার সম্ভাবনা রয়েছে, যার ফলে স্বাভাবিক মডেলের ঝুঁকিপূর্ণ বিতরণটি হ্রাস পাবে। মডেলগুলি এই সমস্যাটি বিবেচনা করবে, যেমন CHAR ইত্যাদি, যা আজ আলোচনা করা হবে না।

3. ঐতিহাসিক নির্ভরতা: VaR মডেল ভবিষ্যতের ঝুঁকি ভবিষ্যদ্বাণী করার জন্য historicalতিহাসিক তথ্যের উপর নির্ভর করে। তবে, অতীতের পারফরম্যান্স সর্বদা ভবিষ্যতের পরিস্থিতির পূর্বাভাস দেয় না, বিশেষত ডিজিটাল মুদ্রার মতো দ্রুত পরিবর্তিত বাজারে। উদাহরণস্বরূপ, যদি বিটকয়েন গত এক বছরে খুব স্থিতিশীল থাকে তবে historicalতিহাসিক মডেলগুলি খুব কম VaR পূর্বাভাস দিতে পারে। তবে, যদি হঠাৎ নিয়ন্ত্রক পরিবর্তন বা বাজার ধসে পড়ে তবে অতীতের তথ্যগুলি ভবিষ্যতের ঝুঁকির কার্যকর পূর্বাভাস হবে না।

VaR এর গণনা পদ্ধতি

VaR গণনা করার প্রধানত তিনটি পদ্ধতি রয়েছেঃ পরামিতি পদ্ধতি (বিভিন্নতা-সংশ্লেষিত বিভিন্নতা পদ্ধতি): গ্যারান্টি করুন যে উপার্জন একটি বন্টন অনুসরণ করে (সাধারণত একটি স্বাভাবিক বন্টন) এবং গ্যারান্টি করুন যে উপার্জন হারের গড় এবং স্ট্যান্ডার্ড বিভিন্নতা ব্যবহার করে VaR গণনা করুন। ঐতিহাসিক মডেলিংঃ উপার্জন বন্টন সম্পর্কে কোনও অনুমান করবেন না, সরাসরি ঐতিহাসিক তথ্য ব্যবহার করে সম্ভাব্য ক্ষতির বন্টন নির্ধারণ করুন। মন্টকার্লো মডেলিংঃ এলোমেলোভাবে উত্পন্ন দামের পথ ব্যবহার করে সম্পদের দামের অনুকরণ করুন এবং এর থেকে VaR গণনা করুন।

ঐতিহাসিক মডেলিং পদ্ধতিটি অতীতের মূল্য পরিবর্তনের সরাসরি ব্যবহার করে ভবিষ্যতের সম্ভাব্য ক্ষতির অনুমান করে। এটি লাভের বন্টনের জন্য কোনও অনুমান করার প্রয়োজন নেই এবং তাই এমন সম্পদগুলির জন্য প্রযোজ্য যেখানে লাভের বন্টন অজানা বা অস্বাভাবিক, যেমন ডিজিটাল মুদ্রা।

বিটকয়েনের একটি ক্যাশ হোল্ডিংয়ের উদাহরণ হিসাবে, যদি আমরা এই পোর্টফোলিওটির একদিনের 95% VaR গণনা করতে চাই, আমরা এটি করতে পারিঃ

1. বিটকয়েনের দৈনিক মুনাফা সংগ্রহ করা হয় গত এক বছরের (যেমন ১০০ দিন) মধ্যে।
2. প্রতিদিনের পোর্টফোলিও রিটার্ন হিসাব করা হয়, অর্থাৎ প্রতিটি সম্পদের রিটার্নের পরিমাণকে পোর্টফোলিওতে তাদের ওজন দ্বারা গুণিত করা হয়।
3. এই ১০০ দিনের পোর্টফোলিওতে ছোট থেকে বড় পর্যন্ত রিটার্ন অর্ডার করুন।
4. ৫% ডেটা পয়েন্টটি খুঁজে বের করুন (কারণ আমরা ৯৫% VaR গণনা করছি), যা গত ১০০ দিনের মধ্যে সবচেয়ে খারাপ ৫ দিনের মধ্যে সেরা ৫ দিনের হারকে নির্দেশ করে।
5. এই মুনাফা হারকে মোট হোল্ডিংয়ের মূল্য দ্বারা গুণ করুন, যা এক দিনের জন্য 95% VaR।

নিচে একটি নির্দিষ্ট কোড দেওয়া হল, যা গত ১০০০ দিনের ডেটা সংগ্রহ করে, যা গণনা করে যে একজন বর্তমান বিটিসি হোল্ডারের ভিএআর ১৯৮০ ইউএসডিটি।

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}")

প্রাসঙ্গিকতা বিবেচনা করে VaR গণনা

একাধিক সম্পদের সমন্বয়ে গঠিত পোর্টফোলিওর VaR গণনা করার সময়, আমাদের সম্পদের মধ্যে সম্পর্ক বিবেচনা করতে হবে। যদি সম্পদের মধ্যে মূল্য পরিবর্তন ইতিবাচকভাবে সম্পর্কিত হয়, তবে পোর্টফোলিওর ঝুঁকি বৃদ্ধি পায়; যদি এটি নেতিবাচকভাবে সম্পর্কিত হয়, তবে পোর্টফোলিওর ঝুঁকি হ্রাস পায়।

ঐতিহাসিক অ্যানিমেশন পদ্ধতি ব্যবহার করে প্রাসঙ্গিকতা VaR গণনা করার সময়, আমরা কেবলমাত্র প্রতিটি পৃথক সম্পদের ঐতিহাসিক ফলন সংগ্রহ করি না, তবে এই সম্পদগুলির ফলনগুলির সম্মিলিত বন্টনও বিবেচনা করি। বাস্তবে, আপনি সরাসরি পোর্টফোলিওর ঐতিহাসিক ফলনগুলি ব্যবহার করে স্যুট এবং গণনা করতে পারেন, কারণ এই ফলনগুলি ইতিমধ্যে সম্পদের মধ্যে সম্পর্ককে বোঝায়। ডিজিটাল মুদ্রার বাজারে, সম্পর্ক বিশেষভাবে গুরুত্বপূর্ণ, মূলত বিটিসির বাজারের নেতৃত্বের সাথে, যদি বিটিসি উত্থিত হয় তবে অন্যান্য ডিজিটাল মুদ্রাগুলির উত্থানের সম্ভাবনা বাড়বে, যদি বিটিসি দ্রুত বৃদ্ধি পায় বা কমে যায়, কারণ বাজারের আবেগ দ্রুত পরিবর্তিত হতে পারে, যার ফলে স্বল্পমেয়াদে সম্পর্ক উল্লেখযোগ্যভাবে বৃদ্ধি পায়, যা চরম বাজারের ইভেন্টগুলিতে বিশেষত ঘটে। সুতরাং, ঐতিহাসিক অ্যানিমেশন পদ্ধতিটি ডিজিটাল মুদ্রা বিনিয়োগের পোর্টফোলিওগুলির উত্পাদনশীলতা বিবেচনা করার সময় একটি খুব দরকারী সরঞ্জাম। এটি কেবল জটিল পরিসংখ্যান মডেলের প্রয়োজন, এবং এটি

উদাহরণস্বরূপ, 1 টি বিটিসি মাল্টি-হোল্ডিং এবং 10 টি ইটিএইচ হোল্ডিংয়ের জন্য, 10 টি ইটিএইচ হোল্ডিংয়ের জন্য ভিএআর 1219 ইউএসডিটি হিসাবে গণনা করা যেতে পারে। যখন এই দুটি পোর্টফোলিও সংযুক্ত হয়, তখন ভিএআর গণনা করা হয়ঃ

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 970USDT, যার অর্থ এই পোর্টফোলিওটি পৃথকভাবে সংশ্লিষ্ট সম্পদ ধারণ করার তুলনায় কম ঝুঁকিপূর্ণ, কারণ বিটিসি এবং ইটিএইচ বাজারে অত্যন্ত সম্পর্কযুক্ত, এবং বহু ফাঁকা পোর্টফোলিওগুলির হেজিং ঝুঁকি হ্রাস করার ভূমিকা পালন করে।

সংক্ষিপ্তসার

এই নিবন্ধটি একটি অভিযোজনযোগ্য ঝুঁকি মূল্যায়ন পদ্ধতি, যা হ'ল VaR গণনা করার সময় ঐতিহাসিক সিমুলেশন (Historical Simulation) এর প্রয়োগ এবং ঝুঁকি পূর্বাভাসকে অনুকূল করার জন্য কীভাবে সম্পদগুলির মধ্যে সম্পর্ক বিবেচনা করা যায় তা বর্ণনা করবে। নির্দিষ্ট ডিজিটাল মুদ্রা বাজারের উদাহরণগুলির মাধ্যমে, পোর্টফোলিও ঝুঁকি মূল্যায়নের জন্য ঐতিহাসিক সিমুলেশন কীভাবে ব্যবহার করা যায় তা ব্যাখ্যা করা হবে এবং সম্পদ সম্পর্কিত ফলন উল্লেখযোগ্য হলে VaR গণনা করার উপায়গুলি আলোচনা করা হবে। এই পদ্ধতিতে, পদ্ধতিগত ব্যবসায়ীরা কেবলমাত্র বেশিরভাগ ক্ষেত্রে সর্বাধিক ক্ষতির অনুমান করতে সক্ষম হবেন না, তবে চরম বাজারের পরিস্থিতির জন্যও প্রস্তুত থাকবেন, যার ফলে তারা ট্রেডিংয়ে আরও বাধ্যতামূলক এবং সঠিকভাবে কৌশল সম্পাদন করতে সক্ষম হবে।