کس طرح ہولڈنگ رسک کو پیمائش کرنے کے لئے VaR طریقہ کار کا تعارف

خطرے کو کنٹرول کرنا ہر سرمایہ کار کو سیکھنے کی ضرورت ہے ، اور تیزی سے بدلتے اور تیار ہوتے ہوئے ڈیجیٹل کرنسی مارکیٹوں کے مقابلہ میں ، منظم تاجروں کو خاص طور پر خطرے کے انتظام پر توجہ دینے کی ضرورت ہے۔ اس کی وجہ یہ ہے کہ منظم تجارت اکثر تاریخی اعداد و شمار اور شماریاتی ماڈلز پر مبنی ہوتی ہے جو خود بخود تجارت کو انجام دیتے ہیں ، اور تیزی سے اتار چڑھاؤ والے بازاروں میں ، یہ ماڈل تیزی سے ناقص ہوجاتے ہیں۔ لہذا ، سرمایہ کاروں کے سرمائے کو بچانے کے لئے موثر رسک مینجمنٹ کی حکمت عملی ضروری ہے۔

بہت سے رسک مینجمنٹ ٹولز میں سے ، ویلیو اٹ رسک (VaR) ایک وسیع پیمانے پر استعمال ہونے والا رسک میٹر ہے جو سرمایہ کاروں کو یہ اندازہ لگانے میں مدد کرتا ہے کہ عام مارکیٹ کے حالات میں پورٹ فولیو میں سب سے زیادہ نقصان کیا ہوسکتا ہے۔ VaR خطرے کو ایک واحد عدد میں مقدار میں تبدیل کرنے کے قابل ہے ، جس سے خطرے کی ترجمانی کو آسان بنایا جاتا ہے ، جس سے سرمایہ کاروں کو ممکنہ نقصانات کی بصری تفہیم حاصل ہوتی ہے۔

وی اے آر کا کردار

وی اے آر، یا خطرہ کی قیمت میں اضافہ، ایک مخصوص وقت کے دوران، اعتماد کی ایک مخصوص سطح کے مطابق، برداشت کرنے کے لئے سب سے زیادہ ممکنہ نقصان کو مقدار میں استعمال کیا جاتا ہے۔ دوسرے الفاظ میں، یہ سرمایہ کاروں یا خطرے کے مینیجر کو بتاتا ہے: وی اے آر، عام مارکیٹ کے حالات میں، ہمارے پاس کتنا پیسہ ہے، سیفٹی کی چوٹی کے اندر ہے، اور کل نقصان نہیں ہوگا۔ وی اے آر، مثال کے طور پر، اگر ایک ڈیجیٹل کرنسی سرمایہ کاری کے پورٹ فولیو میں ایک دن 99٪ وی اے آر $ 10،000 ہے، تو اس کا مطلب یہ ہے کہ 99٪ کے معاملے میں، ہم ایک دن کے نقصانات کی توقع نہیں کرتے ہیں جو $ 10،000 سے زیادہ ہے.

فوائد

1. سمجھنے میں آسانمثال کے طور پر: ایک ڈیجیٹل کرنسی کے پورٹ فولیو کا ایک دن کا 95٪ VaR $ 5000 ہے ، جس کا مطلب ہے کہ 95٪ اعتماد ہے کہ پورٹ فولیو ایک دن میں $ 5000 سے زیادہ کا نقصان نہیں کرے گا۔ پیچیدہ خطرے کو ایک بدیہی تعداد میں شمار کرنا آسان ہے ، جسے غیر پیشہ ور افراد کے لئے سمجھنا آسان ہے۔ یقینا. یہ بھی ناگزیر طور پر کچھ گمراہ کن ہے۔

2. موازنہمثال کے طور پر ، اگر آپ کے پاس دو پورٹ فولیو A اور B ہیں ، تو A کا ایک دن کا 95٪ VaR $ 3000 ہے ، اور B $ 6000 ہے۔ اس کا مطلب یہ ہے کہ عام مارکیٹ کے حالات میں ، A کا خطرہ B سے کم ہے۔ یہاں تک کہ اگر دونوں پورٹ فولیو مختلف اثاثوں پر مشتمل ہیں تو ، ہم ان کی رسک کی سطح کا براہ راست موازنہ کرسکتے ہیں۔ اس کے مطابق ، سرمایہ کاری کی سطح کا اندازہ لگایا جاسکتا ہے ، اگر دونوں حکمت عملیوں کے پچھلے ایک مہینے کی واپسی $ 6000 ہے ، اور A کا اوسط اور زیادہ سے زیادہ VaR قدر B سے نمایاں طور پر کم ہے ، تو ہم یہ کہہ سکتے ہیں کہ حکمت عملی A بہتر ہے ، جس سے کم رسک کی سطح پر زیادہ منافع ملتا ہے۔

3. فیصلہ سازی کے اوزار: ایک تاجر وی اے آر کا استعمال اس بات کا فیصلہ کرنے کے لئے کرسکتا ہے کہ آیا کسی نئے اثاثے کو پورٹ فولیو میں شامل کیا جائے۔ اگر نئے اثاثوں نے وی اے آر میں نمایاں اضافہ کیا ہے تو اس کا مطلب یہ ہوسکتا ہے کہ نئے اثاثوں کا خطرہ پورٹ فولیو کے خطرہ برداشت سے مماثل نہیں ہے۔

نقائص

1. پچھلے خطرے کو نظر انداز کرنا: اگر کسی پورٹ فولیو کا 99٪ وی اے آر ایک دن میں 10،000 ڈالر ہے تو ، 1٪ انتہائی صورت حال میں نقصانات اس تعداد سے کہیں زیادہ ہوسکتے ہیں۔ ڈیجیٹل کرنسیوں میں ، بلیک سوان کے واقعات کثرت سے ہوتے ہیں ، اور انتہائی صورت حال زیادہ تر لوگوں کی توقع سے کہیں زیادہ ہوتی ہے کیونکہ وی اے آر نے پچھلے واقعات کو مدنظر نہیں رکھا ہے۔

2. فرض کی حدود: پیرامیٹر وی اے آر عام طور پر فرض کرتا ہے کہ اثاثوں کی واپسی میں باقاعدگی سے تقسیم ہوتا ہے ، جو حقیقی مارکیٹوں میں ، خاص طور پر ڈیجیٹل کرنسیوں کے بازاروں میں ، بہت کم قائم ہوتا ہے۔ مثال کے طور پر ، فرض کریں کہ ایک سرمایہ کاری کے پورٹ فولیو میں صرف بٹ کوائن موجود ہے ، ہم پیرامیٹر وی اے آر کا استعمال کرتے ہیں اور فرض کرتے ہیں کہ بٹ کوائن کی واپسی میں باقاعدگی سے تقسیم ہوتی ہے۔ لیکن حقیقت میں ، بٹ کوائن کی واپسی میں کچھ عرصے میں بڑے چھلانگ لگ سکتے ہیں ، اور واضح اتار چڑھاؤ جمع ہونے کا رجحان ہوتا ہے ، جیسے کہ پچھلی فریکوئنسی میں بہت زیادہ اتار چڑھاؤ ہوتا ہے ، اور اگلی اتار چڑھاؤ میں نمایاں طور پر زیادہ امکان ہوتا ہے ، جس کی وجہ سے باقاعدگی سے ماڈل میں خطرہ کی تقسیم کو کم کیا جاتا ہے۔ ماڈل اس مسئلے کو مدنظر رکھتے ہیں ، جیسے کہ CHAR وغیرہ۔ آج اس پر تبادلہ خیال نہیں کیا جائے گا۔

3. تاریخی انحصار: VaR ماڈل مستقبل کے خطرے کی پیش گوئی کرنے کے لئے تاریخی اعداد و شمار پر انحصار کرتا ہے۔ تاہم ، ماضی کی کارکردگی ہمیشہ مستقبل کی پیش گوئی نہیں کرتی ہے ، خاص طور پر تیزی سے بدلتے ہوئے بازاروں جیسے ڈیجیٹل کرنسی مارکیٹوں میں۔ مثال کے طور پر ، اگر پچھلے سال میں بٹ کوائن بہت مستحکم رہا ہے تو ، تاریخی ماڈلنگ بہت کم VaR کی پیش گوئی کرسکتی ہے۔ تاہم ، اگر ریگولیٹری تبدیلیوں یا مارکیٹ میں اچانک گرنے کی صورت میں ، ماضی کے اعداد و شمار مستقبل کے خطرے کے موثر پیش گوئی کرنے والے نہیں رہیں گے۔

VaR کا حساب کتاب

VaR کے حساب کے لئے بنیادی طور پر تین طریقے ہیں: پیرامیٹرز کا طریقہ (فاصلہ-معاہدہ کا طریقہ): فرض کریں کہ منافع کسی قسم کی تقسیم (عام طور پر ایک عام تقسیم) پر عمل کرتا ہے ، اور VaR کا حساب لگانے کے لئے منافع کی شرح کی اوسط اور معیاری خرابی کا استعمال کریں۔ تاریخی ماڈلنگ: منافع کی تقسیم کے بارے میں کوئی مفروضہ نہیں بنانا ، اور ممکنہ نقصان کی تقسیم کا تعین کرنے کے لئے براہ راست تاریخی اعداد و شمار کا استعمال کریں۔ مونٹی کارلو ماڈلنگ: اثاثوں کی قیمتوں کا اندازہ لگانے اور اس سے VaR کا حساب لگانے کے لئے تصادفی پیدا کردہ قیمتوں کے راستوں کا استعمال کریں۔

تاریخی تجزیہ کا یہ طریقہ ماضی کی قیمتوں میں ہونے والی تبدیلیوں کا براہ راست استعمال کرتا ہے تاکہ مستقبل میں ہونے والے ممکنہ نقصانات کا اندازہ لگایا جاسکے۔ اس میں آمدنی کی تقسیم کے بارے میں کوئی مفروضہ کرنے کی ضرورت نہیں ہے ، لہذا یہ ان اثاثوں کے لئے موزوں ہے جہاں آمدنی کی تقسیم نامعلوم یا غیر معمولی ہے ، جیسے ڈیجیٹل کرنسی۔

اگر ہم اس پورٹ فولیو کے ایک دن میں 95 فیصد وی اے آر کا حساب لگانا چاہتے ہیں تو ہم یہ کر سکتے ہیں:

1. یہ اعداد و شمار ایک دن کے دوران (مثال کے طور پر 100 دن) بٹ کوائن کی روزانہ آمدنی جمع کرتے ہیں۔
2. پورٹ فولیو کی روزانہ واپسی کا حساب لگائیں، یعنی ہر اثاثے کی واپسی کو اس کے پورٹ فولیو میں وزن سے ضرب دیں۔
3. یہ 100 دن کی سرمایہ کاری کی واپسی کو چھوٹے سے بڑے تک ترتیب دیں۔
4. 5 فیصد ڈیٹا پوائنٹ تلاش کریں (کیونکہ ہم 95 فیصد وی اے آر کا حساب لگاتے ہیں) ، جو پچھلے 100 دنوں میں بدترین 5 دن اور اس دن کے بہترین نقصان کی شرح کو ظاہر کرتا ہے۔
5. اس منافع کی شرح کو ہولڈنگ کی کل قیمت سے ضرب دیں ، یہ ایک دن میں 95٪ وی اے آر ہے۔

ذیل میں ایک مخصوص کوڈ ہے جو پچھلے 1000 دنوں کے اعداد و شمار پر مبنی ہے اور اس کا حساب لگایا گیا ہے کہ ایک بٹ کوائن کے موجودہ ہولڈر کا وی اے آر 1980 USDT ہے۔

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}")

متعلقہ VaR حسابات پر غور کریں

کئی اثاثوں پر مشتمل پورٹ فولیو کے لئے وی اے آر کا حساب لگاتے وقت ہمیں اثاثوں کے مابین ارتباط کو مدنظر رکھنا ہوگا۔ اگر اثاثوں کے مابین قیمتوں میں تبدیلی مثبت ہے تو ، پورٹ فولیو کا خطرہ بڑھتا ہے؛ اگر منفی ہے تو ، پورٹ فولیو کا خطرہ کم ہوتا ہے۔

تاریخی تجزیہ کے حساب سے متعلقہ وی اے آر کو مدنظر رکھتے ہوئے ، ہم نہ صرف ہر انفرادی اثاثے کی تاریخی واپسیوں کو اکٹھا کرتے ہیں ، بلکہ ان اثاثوں کی واپسیوں کی مشترکہ تقسیم کو بھی مدنظر رکھتے ہیں۔ عملی طور پر ، آپ براہ راست پورٹ فولیو کی تاریخی واپسیوں کو ترتیب دے سکتے ہیں اور ان کا حساب لگاسکتے ہیں ، کیونکہ ان کی واپسیوں میں اثاثوں کے مابین وابستگی کا اشارہ مل چکا ہے۔ ڈیجیٹل کرنسی مارکیٹوں میں ، وابستگی خاص طور پر اہم ہے ، بنیادی طور پر بی ٹی سی کی وجہ سے ، جو مارکیٹ کا قائد ہے ، اور اگر بی ٹی سی تیزی سے بڑھتا ہے تو دیگر ڈیجیٹل کرنسیوں کے بڑھنے کا امکان بڑھ جاتا ہے ، اور اگر بی ٹی سی تیزی سے بڑھتا ہے یا گرتا ہے تو ، کیونکہ مارکیٹ میں جذبات تیزی سے بدل سکتے ہیں ، جس سے وابستگی میں مختصر مدت میں نمایاں اضافہ ہوتا ہے ، جو انتہائی مارکیٹ کے واقعات میں خاص طور پر عام ہے۔ لہذا ، تاریخی تجزیہ کا طریقہ کار ڈیجیٹل کرنسی کے سرمایہ کاری کے مجموعے پر غور کرنے کے لئے ایک مفید ذریعہ ہے۔ اس میں صرف پیچ

مثال کے طور پر، ایک بی ٹی سی کی کثیر پوزیشن اور 10 ای ٹی ایچ کی خالی پوزیشن کے ساتھ، 10 ای ٹی ایچ کی خالی پوزیشن کے لئے وی اے آر 1219 امریکی ڈالر ہے۔ جب دونوں اثاثوں کے پورٹ فولیو کو ملایا جاتا ہے تو، وی اے آر کا حساب کتاب مندرجہ ذیل ہے:

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}")

نتیجہ 970USDT ہے ، جس کا مطلب یہ ہے کہ اس پورٹ فولیو کا خطرہ انفرادی طور پر اسی اثاثے کو رکھنے سے کم ہے ، کیونکہ بی ٹی سی اور ای ٹی ایچ کی مارکیٹیں انتہائی وابستہ ہیں ، اور زیادہ خالی پورٹ فولیو کا ہیجنگ خطرہ کو کم کرنے کا کام کرتا ہے۔

خلاصہ

اس مضمون میں خطرہ کا اندازہ لگانے کا ایک قابل اطلاق طریقہ ، یعنی تاریخی تخروپن (Historical Simulation) کا استعمال VaR کے حساب میں کیا جاتا ہے ، اور یہ کہ کس طرح اثاثوں کے مابین تعلقات کو مدنظر رکھتے ہوئے خطرے کے تخمینوں کو بہتر بنایا جاسکتا ہے۔ مخصوص ڈیجیٹل کرنسی مارکیٹ کی مثالوں کے ذریعہ ، یہ بتایا گیا ہے کہ کس طرح تاریخی تخروپن کا استعمال پورٹ فولیو کے خطرے کا اندازہ کرنے کے لئے کیا جاتا ہے ، اور اس طرح کے طریقہ کار پر تبادلہ خیال کیا گیا ہے جب اثاثوں سے وابستہ پیداواری صلاحیت نمایاں ہوتی ہے۔ اس طریقہ کار کے ذریعہ ، منظم تاجروں کو نہ صرف زیادہ سے زیادہ نقصانات کا اندازہ لگایا جاسکتا ہے ، بلکہ وہ انتہائی مارکیٹ کی حالتوں کے لئے بھی تیار ہیں ، جس سے وہ تجارت میں زیادہ مجبور اور درست حکمت عملی پر عمل درآمد کرتے ہیں۔