Yatırımcıların portföylerini riske karşı korumak için yaptıkları birkaç şey var. Birinin portföyünü korumanın önemli bir yolu çeşitlendirmektir. Kısacası, bu, bir yatırımcının farklı ihraçcı ve endüstrilerden gelen çeşitli menkul kıymetleri ve yatırımları içermeyi tercih ettiği anlamına gelir. Buradaki fikir, eski "yumurtalarınızı tek bir sepete koymayın" ile aynı. "Birçok bölgede yatırım yaptığınızda, biri başarısız olursa, gerisi portföyün bir bütün olarak güvenli kalmasını sağlayacaktır. Bu ek güvenlik, çeşitlendirilmiş bir portföyün aynı boyuttaki bireysel bir yatırımla karşılaştırıldığında getirme eğiliminde olan artan kazançlarla ölçülebilir.

Çeşitlendirme, uzun vadede yatırımlarında riski azaltmak isteyen herkes için mükemmel bir stratejidir. ASX (2014) notuna göre çeşitlendirme süreci şunları içerir:

Birden fazla türe yatırım yapılması. Bu, portföyünüzdeki tahviller, hisse senetleri, emtialar, GYO'lar, melezler ve daha fazlasını içeren anlamına gelir.

• Her varlık içinde birkaç farklı menkul kıymet yatırımı yapın. Çeşitlendirilmiş bir portföy, aynı varlık türünün farklı menkul kıymetlerine, farklı ihraççılardaki birden fazla tahvil, farklı sanayilerdeki birçok şirketteki hisseler gibi yatırımları etrafa yayar.
• Birbirleriyle önemli derecede ilişkili olmayan varlıklara yatırım yapmak. Buradaki fikir, portföyünüzü olumsuz yönde etkileyebilecek olumsuz koşulların etkisini en aza indirgemek için farklı ömürleri ve döngüleri olan farklı varlık sınıflarını ve menkul kıymetleri seçmektir.

Bu son nokta, çeşitlendirilmiş bir portföy oluştururken aklınızda tutmanız gereken kritik noktadır. Onsuz, varlık türleriniz ne kadar çeşitlendirilmiş olursa olsun aynı riskten etkilenebilir ve bu nedenle portföyünüz birdenbire tepki verecektir. Bu nedenle, yatırımcılar için, portföyleri için yüksek korelasyonlu yatırımlar seçmekten kaçınmak önemlidir. Portföy yönetimi uygulamalarında, saf çeşitlendirme ve etkili çeşitlendirme (aynı zamanda en uygun çeşitlendirme olarak da adlandırılır) arasında bir ayrım olduğuna dikkat etmek önemlidir.

Saf ve Optimal Çeşitlendirme Arasındaki Farkın Anlaşılması

Çeşitlendirmenin genellikle başarılı bir stratejinin nedeni, ayrı varlıkların her zaman fiyatlarının birlikte hareket ettirilmemesidir. Dolayısıyla, oldukça naif bir çeşitlendirme yararlı olabilir (ancak en kötü ihtimalle de verimsiz olabilir). NASDAQ (2016) açıkladığına göre, naif çeşitlendirme, bir yatırımcının, seçilen menkul kıymetlerin çeşitliliğinden dolayı portföy riskini düşüreceğini ümit ederek, basitçe farklı menkul kıymetler seçtiği çeşitlendirme stratejisinin bir türüdür.Basit çeşitlendirme, istatistiksel modelleme kullanan çeşitlendirme yöntemleri kadar sofistike değildir. Bununla birlikte, tecrübeler tarafından dikte edildikten sonra, her güvenliğin dikkatli bir şekilde incelenmesi ve sağduyu, saf çeşitlendirme, yine de portföy riskini azaltmak için kanıtlanmış etkili bir stratejidir.

Öte yandan, Optimal çeşitlendirme (Markowitz çeşitlendirme olarak da bilinir), çeşitlendirilmiş bir portföy yaratmak için farklı bir yaklaşım benimsemektedir. Burada odak noktası, birbirleriyle olan korelasyonu mükemmel pozitif olmayan varlıkları bulmaktır. Bu, daha az menkul kıymet riskini en aza indirmeye yardımcı olur ve bu da dönüşü en üst düzeye çıkarmaya yardımcı olabilir. Bu yaklaşımla, bilgisayarlar riskleri en aza indirgemek ve geri dönüşü en üst düzeye çıkarmak için varlıklar arasındaki ideal ilişkiyi bulmak için karmaşık modeller ve algoritmalar yürütürler.

Yukarıda belirtildiği gibi, çeşitlendirmenin her iki biçimi (saf ve optimal çeşitlendirme) etkili olabilir, zira farklı varlıklara yatırım yapabileceğiniz fonları dağıttığınızda çeşitlendirme gerçekleşir.

Saf çeşitlendirme, seçim yapmak için karmaşık bir hesaplama yapmaksızın portföyünüz için rastgele farklı varlıkları seçme süreci anlamına gelir. Rasgele niteliğine rağmen, bu, çok sayıdaki yasaya dayanarak riski azaltmak için halen etkili bir stratejidir.

Korelasyonun Önemi

Çeşitlendirmenin "daha iyi" bir yolu var. Özellikle: yatırım yapmayı planladığınız varlıkları birbiriyle ilişkili olarak yukarı veya aşağı hareket etmeyen eğilimler bulmak için inceleyin. Bunu yaparak, portföyünüzün riskini etkin bir şekilde azaltabilirsiniz. Bu, CFA Enstitüsü (2014) tarafından açıklandığı üzere, istatistikte önemli bir kavram olan korelasyon nedeniyle çalışır. Korelasyon, iki ayrı sayısal değerin birlikte hareket ettiği derecenin veya ölçünün ölçüsüdür. Burada ilgilendiğimiz değerler varlıktır. Mümkün olan maksimum korelasyon miktarı% 100'tür, bu da 1. 0. olarak ifade edilir. İki varlık arasındaki korelasyon 0,1 olduğunda, biri hareket ettiğinde diğeri daima hareket eder. Bu varlıkların hareket miktarı farklı olabileceği halde, 1. 0'luk bir korelasyon daima aynı yönde birlikte hareket ettiklerini gösterir. Tersine, iki varlık ters yönde hareket ederlerse, bunların korelasyonu negatiftir. Zamanın% 100'ünü daima ters yönde hareket ettirirlerse, -100 veya -1 olarak kabul edilir. 0 Yani varlıkların korelasyonunu incelerken -1'e yaklaşır. 0, çeşitlendirmenin etkisi o kadar yüksektir. (Daha fazla bilgi için, bkz. Saf Çok Çeşitlendirme ve Optimizasyon.)

Bottom Line

Herkes şundan emin: Yatırımcılar, riske karşı korumak için portföylerini çeşitlendirmelidir. Aşırı koşullar altında çeşitlenmenin daha az etkili olmasına rağmen, tipik pazar koşulları neredeyse her zaman iyi çeşitlendirilmiş bir portföyün yatırımcıların karşılaşacağı riski önemli ölçüde azaltabileceği anlamına gelir. Bu nedenle, yatırımlarınızı sunduğunuz korumayı en üst düzeye çıkarmak için portföyünüzün çeşitlendirilmesini sürekli iyileştirmek veya optimize etmek için gayret etmek önemlidir. Bu, basit, saf çeşitlendirmenin aksine, birbiriyle ilişkili olmayan varlıkları bulmak için gereken özen göstermek anlamına gelir.

Öte yandan, karmaşık matematiksel çeşitliliğin sağladığı varsayılan faydalar nispeten belirsizdir. Bu karmaşık modelleri nasıl uygulayacağız ve uygulayacağınız, ortalama yatırımcı için daha da belirsizdir. Tabii bilgisayarlı modeller ikna edici ve etkileyici görünme yeteneğine sahiptir ancak bu, mantıklı olmaktan daha doğru veya anlayışlı oldukları anlamına gelmez. Sonuçta, bir modelin son derece karmaşık bir algoritmaya dayalı olması durumunda sonuç üretip üretmeyeceği daha önemlidir.