ファンドのボラティリティを考慮すると、投資家は、どのファンドが最適なリスクと報酬の組み合わせを提供するかを決定するのが難しいと感じるかもしれません。 多くのWebサイトでは、ミューチュアルファンドに対してさまざまなボラティリティ測定を無料で提供しています。 ただし、数字の意味だけでなく、その分析方法を知ることも困難です。
さらに、これらの数字の関係は必ずしも明らかではありません。 続きを読んで、最も一般的な4つのボラティリティ指標と、それらが最新のポートフォリオ理論に基づくリスク分析のタイプにどのように適用されるかについて学びます。
最適なポートフォリオ理論と投資信託
ポートフォリオのリターンとリスクの関係を調べる1つの方法は、効率的なフロンティアです。これは、現代のポートフォリオ理論の一部である曲線です。 曲線は、標準偏差で表されるボラティリティによって示されるリターンとリスクをプロットしたグラフから形成されます。 現代のポートフォリオ理論によれば、曲線上にあるファンドは、ボラティリティの大きさを考えて可能な限り最大のリターンを生み出しています。
画像：Julie Bang©Investopedia 2019
標準偏差が増加すると、リターンも増加します。 上記のチャートでは、ポートフォリオの期待収益が特定のレベルに達すると、投資家は収益のわずかな増加に対して大量のボラティリティを引き受ける必要があります。 明らかに、曲線よりはるか下にプロットされたリスク/リターンの関係を持つポートフォリオは、投資家が小さなリターンで大量の不安定性を抱えているため、最適ではありません。 提案されたファンドが取得したボラティリティの量に対して最適なリターンを持っているかどうかを判断するには、投資家はファンドの標準偏差の分析を行う必要があります。
投資家が市場のさまざまな要因によって引き起こされるリスクを分析するために使用する手段は、最新のポートフォリオ理論とボラティリティだけではありません。 また、リスク許容度や投資戦略などは、投資家がリスクへのエクスポージャーをどのように見るかに影響します。 他の4つの対策があります。
1.標準偏差
多くの統計的尺度と同様に、標準偏差の計算は困難な場合がありますが、この数値は使い方を知っている人にとって非常に役立つため、資金の標準偏差を提供する多くの無料ミューチュアルファンドスクリーニングサービスがあります。
標準偏差は基本的に、ファンドのボラティリティを報告します。これは、短期間でリターンが大幅に上昇または下降する傾向を示します。 揮発性のセキュリティは、そのパフォーマンスがいつでもどちらの方向にも急速に変化する可能性があるため、より高いリスクと見なされます。 ファンドの標準偏差は、ファンドがその平均収益に関連して変動する度合いを測定することにより、このリスクを測定します。
たとえば、一貫した4年間のリターンが3％のファンドの平均または平均は3％です。 この場合、このファンドの標準偏差はゼロになります。これは、特定の年におけるファンドのリターンが4年間の平均3％と変わらないためです。 一方、過去4年間にそれぞれ-5％、17％、2％、および30％を返したファンドの平均収益率は11％になります。 毎年、ファンドの収益は平均収益とは異なるため、このファンドは高い標準偏差を示します。 したがって、このファンドは短期間でマイナスとプラスのリターンの間で大きく変動するため、リスクが高くなります。
ボラティリティはセキュリティに影響を与えるリスクの指標の1つに過ぎないため、ファンドの過去の安定したパフォーマンスは必ずしも将来の安定性を保証するものではないことを忘れないでください。 予想外の市場要因がボラティリティに影響を与える可能性があるため、今年の標準偏差がゼロに近いか等しいファンドは、翌年に異なる振る舞いをする可能性があります。
ファンドがボラティリティに対して受け取った収益を最大化する程度を判断するために、類似の投資戦略と類似の収益を備えたファンドを別のファンドと比較できます。 標準偏差が低いファンドは、取得したリスクの量に対して受け取ったリターンを最大化するため、より最適です。 次のグラフを検討してください。
画像：Julie Bang©Investopedia 2019
S&P 500ファンドBでは、投資家は、ファンドAと同じリターンを達成するために必要以上に多くのボラティリティリスクを獲得します。ファンドAは、投資家に最適なリスク/リターン関係を提供します。
2.ベータ
標準偏差は、一定期間にわたるリターンの格差に従ってファンドのボラティリティを決定しますが、もう1つの有用な統計的尺度であるベータは、ファンドのボラティリティ（またはリスク）をインデックスまたはベンチマークと比較します。 ベータが1に非常に近いファンドは、ファンドのパフォーマンスがインデックスまたはベンチマークとほぼ一致することを意味します。 1より大きいベータは市場全体よりもボラティリティが高いことを示し、1より小さいベータはベンチマークよりも低いボラティリティを示します。
たとえば、ファンドのベータがS&P 500に対して1.05である場合、ファンドはインデックスよりも5％移動しています。 したがって、S&P 500が15％増加した場合、ファンドは15.75％増加すると予想されます。 一方、ベータが2.4のファンドは、対応するインデックスの2.4倍の移動が予想されます。 したがって、S&P 500が10％移動した場合、ファンドは24％増加すると予想され、S&P 500が10％減少した場合、ファンドは24％を失うと予想されます。
市場が強気であると予想する投資家は、高いベータを示すファンドを選択する可能性があり、これにより市場を破る投資家のチャンスが増えます。 投資家が近い将来に市場が弱気になると予想する場合、ベータよりも低いベータのファンドは、インデックスよりも価値が低下すると予想されるため、良い選択です。 たとえば、ファンドのベータが0.5で、S&P 500が6％下落した場合、ファンドは3％しか下落しないと予想されます。
ベータ自体は限定的であり、ファンドのボラティリティに影響を与える市場リスク以外の要因により歪む可能性があります。
3. R二乗
ファンドのR 2乗は、投資信託のベータが適切なベンチマークに対して測定されるかどうかを投資家に示します。 ファンドの動きとインデックスの動きの相関を測定するR-squaredは、ファンドのボラティリティと市場リスクの関連性のレベル、またはより具体的には、ファンドのボラティリティが日々の結果である度合いを表します市場全体が経験する変動。
Rの2乗値の範囲は0〜100です。0は最小の相関を表し、100は完全な相関を表します。 ファンドのベータのR二乗値が100に近い場合、ファンドのベータは信頼されるべきです。 一方、Rの2乗値が0に近い場合、ファンドが不適切なベンチマークと比較されているため、ベータが特に有用ではないことを示しています。
たとえば、S&P 500に対して債券ファンドが判断された場合、Rの2乗値は非常に低くなります。 リーマン・ブラザーズ総合債券インデックスなどの債券インデックスは、債券ファンドにとってより適切なベンチマークとなるため、結果のR 2乗値は高くなります。 明らかに、株式市場で明らかなリスクは、債券市場に関連するリスクとは異なります。 したがって、債券のベータが株価指数を使用して計算された場合、ベータは信頼できません。
不適切なベンチマークは、単なるベータ版以上のものを歪めます。 アルファはベータを使用して計算されるため、ファンドのR 2乗値が低い場合は、アルファに指定された数値を信頼しないことも賢明です。 次のセクションで例を見ていきます。
4.アルファ
ここまで、ボラティリティによってもたらされるリスクを測定する数値を調べる方法を学びましたが、市場のボラティリティ以外の要因によってもたらされるリスクを引き受けることで得られる追加のリターンをどのように測定しますか？ アルファを入力します。これは、この追加のリスクのいずれかがファンドが対応するベンチマークを上回るのにどれだけ役立ったかを測定します。 アルファの計算では、ベータを使用して、ファンドのパフォーマンスをベンチマークのリスク調整後リターンのパフォーマンスと比較し、同量のリスクが与えられた場合にファンドが市場を上回るかどうかを確認します。
たとえば、ファンドのアルファが1である場合、ファンドはベンチマークを1％上回ることを意味します。 負のアルファは、ファンドの投資家が引き受けた追加のファンド固有のリスクの量に対してファンドがパフォーマンスを下回っていることを示すという点で悪いです。
ボトムライン
これらの4つの統計的指標のこの説明は、最適なポートフォリオ理論の前提を適用するためにそれらを使用するための基本的な知識を提供します。 。 これらの数字は理解するのが難しい場合があるため、それらを使用する場合は、その意味を理解することが重要です。
これらの計算は、1種類のリスク分析内でのみ機能します。 ミューチュアルファンドの購入を決定する場合は、ミューチュアルファンドによってもたらされるリスクに影響を与え、示すボラティリティ以外の要因を認識することが重要です。
