Οι Robo-σύμβουλοι έχουν αναδειχθεί κατά την τελευταία δεκαετία, με τον υποτομέα fintech να ενθαρρύνει την πιο ενεργή συμμετοχή των νεότερων επενδυτών και των μαζών στην αποταμίευση και τις επενδύσεις. Οι Robo-σύμβουλοι στοχεύουν στον εκδημοκρατισμό των χρηματοοικονομικών συμβουλών και στην παροχή υπηρεσιών υψηλής ποιότητας, που προηγουμένως ήταν διαθέσιμες αποκλειστικά σε πλούσιους, εξελιγμένους επενδυτές. Με λίγα λόγια, το robo-consulting είναι μια μορφή διαχείρισης επενδύσεων που αναθέτει τη στρατηγική χαρτοφυλακίου σε έναν αλγόριθμο. Η κατασκευή και η εξισορρόπηση χαρτοφυλακίου αυτοματοποιείται με τη βοήθεια υπολογιστών, παρέχοντας πιο προσιτές λύσεις διαχείρισης πλούτου και πιθανή μείωση του ανθρώπινου λάθους και προκατάληψης.

Πολλές νεοσύστατες επιχειρήσεις στο πεδίο αγωνίζονται να ξεπεράσουν και να δείξουν μάρκα ΔΙΑΦΟΡΕΤΙΚΟΤΗΤΑ-διάκριση . Ποιος είναι ο καλύτερος τρόπος για τους ρομπότ-συμβούλους να συνεχίσουν να εκδημοκρατίζουν τις επενδύσεις και να αποκομίζουν κέρδη, μεταφέροντας τους πραγματικούς κινδύνους ενός χαρτοφυλακίου;

Από πού προήλθε η συμβουλευτική του Robo;

Η Betterment και το Wealthfront είναι δύο από τους πιο σημαντικούς ρομπότ-συμβούλους, με τους πρώτους να είναι οι πρώτοι που ξεκίνησαν το 2008. Μέχρι το 2019, ο τομέας εκτιμάται ότι είχε 440 δισεκατομμύρια δολάρια περιουσιακών στοιχείων υπό διαχείριση παγκοσμίως, και με την πάροδο του χρόνου, οι παραδοσιακοί διαχειριστές πλούτου, όπως η Vanguard, έχουν επίσης υιοθετήσει τέτοιες τεχνικές. Ενώ είναι εντελώς διαφορετικό από τις πλατφόρμες συναλλαγών μόνο για εκτέλεση, όπως η Robinhood, το μήνυμα οικονομικής ενδυνάμωσης και των δύο τομέων αγκαλιάστηκε από νεότερους επενδυτές, οι οποίοι παραδοσιακά δεν είχαν ενεργό ενδιαφέρον για αποταμιεύσεις συνταξιοδότησης μέχρι αργότερα στη σταδιοδρομία τους.

Μία από τις βασικές προτάσεις αξίας των δημοφιλών ρομπότ-συμβούλων είναι ότι βοηθούν τους πελάτες να κατανοήσουν τους κινδύνους και το κόστος που σχετίζονται με τα χαρτοφυλάκια, αντί να επικεντρώνονται μόνο στις αποδόσεις. Τα επιχειρήματα εναντίον της παραδοσιακής διαχείρισης πλούτου υπό την καθοδήγηση του χρηματοοικονομικού συμβούλου είναι η κακή ευθυγράμμιση των κινήτρων, όπου τα ακριβά και κακής απόδοσης περιουσιακά στοιχεία διοχετεύονται σε επενδυτές, οι οποίοι δεν είναι σε θέση να αναλύσουν αντικειμενικά τους αριθμούς για να αποκτήσουν ορατότητα στην απόδοση. Για αυτό, οι robo-σύμβουλοι υπήρξαν υποστηρικτές της παθητικής επένδυσης, αποφεύγοντας τα ακριβά ενεργά διαχειριζόμενα κεφάλαια για τα οικονομικά κεφάλαια δεικτών και τα ανταλλασσόμενα κεφάλαια (ETFs).

Διαχείριση κινδύνων και Robo-σύμβουλοι

Ενώ οι περισσότεροι σύμβουλοι robo χρησιμοποιούν συνήθως σύγχρονη θεωρία χαρτοφυλακίου (μερικές φορές σε συνδυασμό με άλλες καλά μελετημένες μεθοδολογίες) για την κατασκευή χαρτοφυλακίων επενδυτών, χρησιμοποιούν διαφορετικούς τρόπους για να εκφράσουν τα επίπεδα κινδύνου που σχετίζονται με αυτά τα χαρτοφυλάκια. Οι περισσότεροι επαγγελματίες επενδύσεων συμφωνούν ότι ο κίνδυνος είναι εξίσου σημαντικός με την απόδοση στην επιλογή χαρτοφυλακίου. Στην πραγματικότητα, η συντριπτική πλειοψηφία των ασκούμενων συνεχίζει να εμπνέεται από το πλαίσιο βελτιστοποίησης μέσης διακύμανσης που απεικονίζεται από το βραβείο Νόμπελ Χάρι Μάρκοβιτς το 1952 διατριβή στην επιλογή χαρτοφυλακίου.

Ωστόσο, ο κίνδυνος συνήθως δεν είναι τόσο κατανοητός από τον μέσο επενδυτή όσο οι αναμενόμενες αποδόσεις. Αυτό συμβαίνει επειδή η ανοχή των κινδύνων ενός ατόμου καθοδηγείται όχι μόνο από τις προηγούμενες επιδόσεις και τις λογικές προσδοκίες, αλλά και από μοναδικές προσωπικές περιστάσεις και άλλους συναισθηματικούς παράγοντες, όπως ελπίδες και φόβοι. Επίσης, η ανοχή κινδύνου ενός ατόμου δεν αποτελεί στατικό μέτρο. Τα περισσότερα άτομα θα αντιλαμβανόταν αποφασιστικά ότι η ανοχή κινδύνου θα ήταν χαμηλότερη το 2020, λόγω των αβεβαιοτήτων που παρουσίασε το COVID-19, από οποιαδήποτε στιγμή κατά την τελευταία δεκαετία. Η επιθυμία ενός προτεινόμενου χαρτοφυλακίου αξιολογείται από έναν επενδυτή εν μέρει από τη δική του αντίληψη για την αδυναμία του χαρτοφυλακίου. Αυτός είναι ο λόγος για τον οποίο είναι ζωτικής σημασίας για έναν ρομπότ-σύμβουλο να απεικονίζει με σαφήνεια τον κίνδυνο, έτσι ώστε οι επενδυτές να μπορούν να κατανοήσουν την ανοησία και να το συσχετίσουν με τη δική τους ανοχή, στόχους και συναισθηματικές προτιμήσεις.

Οι Robo-σύμβουλοι χρησιμοποιούν ποσοτικά ή ποιοτικά μέτρα για να βοηθήσουν τους πελάτες να κατανοήσουν τον κίνδυνο. Κάθε μέτρο έχει τα πλεονεκτήματα και τους περιορισμούς του.

Ποιοτικά επίπεδα κινδύνου: Επιθετική ή υψηλή ανάπτυξη;

Οι περισσότεροι σύμβουλοι robo αποδίδουν μια ποιοτική βαθμολογία κινδύνου βάσει του τρόπου με τον οποίο οι επενδυτές απαντούν σε μια προκαθορισμένη λίστα ψυχομετρικών ερωτήσεων. Αυτό θα κυμαίνεται γενικά σε αριθμητική κλίμακα από 'Πολύ συντηρητικό' έως 'Πολύ επιθετικό'.

Μια ποιοτική βαθμολογία κινδύνου έχει προφανή πλεονεκτήματα, καθώς καθιστά εύκολη για τον επενδυτή την κατανόηση της ανοχής των διαφόρων χαρτοφυλακίων που σχετίζονται μεταξύ τους. Για παράδειγμα, ένα χαρτοφυλάκιο με εκτίμηση 'Επιθετική' βαθμολογία μπορεί να είναι εγγενώς πιο επικίνδυνο από αυτό που φέρει την ένδειξη 'Συντηρητικό'. Οι ψυχομετρικές ερωτήσεις βοηθούν στη μείωση της ανοχής των επενδυτών για απώλειες και προσδιορίζουν το κατάλληλο επίπεδο κινδύνου.

go (γλώσσα προγραμματισμού)

Ωστόσο, μια ποιοτική βαθμολογία μπορεί να μην παρέχει σαφή κατανόηση σχετικά με την αναμενόμενη μεταβλητότητα του χαρτοφυλακίου. Μπορεί να μην είναι προφανές πόσο πιο ασταθές είναι ένα επιθετικό χαρτοφυλάκιο, σε σύγκριση με ένα μέτριο χαρτοφυλάκιο. Πιθανότατα, η βαθμολογία κινδύνου 6 δεν μπορεί να σημαίνει ότι το χαρτοφυλάκιο είναι διπλάσιο επικίνδυνο από αυτό που έχει βαθμολογηθεί 3. Επίσης, η αντίληψη του κινδύνου μπορεί να διαφέρει ανάλογα με τον τρόπο με τον οποίο διατυπώνεται η αξιολόγηση κινδύνου. Οι επενδυτές μπορούν να δουν ένα χαρτοφυλάκιο υψηλού κινδύνου διαφορετικά, ανάλογα με το αν έχει την ένδειξη 'Υψηλή ανάπτυξη' ή 'Πολύ επιθετική'. Ως εκ τούτου, μια τέτοια κατηγοριοποίηση εισάγει ένα στρώμα υποκειμενικότητας στην αντιληπτή ελκυστικότητα ενός χαρτοφυλακίου.

Η ανησυχία μου με τους συμβούλους ρομπότ που υπογραμμίζουν τον ποιοτικό κίνδυνο είναι ότι μπορεί να δώσει στους επενδυτές μια ψευδή αίσθηση ασφάλειας ως προς τη συνεχιζόμενη απόδοση των χαρτοφυλακίων τους. Μια αυθαίρετη βαθμολογία κινδύνου σε ένα επιθετικό / συντηρητικό εύρος μπορεί να είναι πολύ ευρεία και τελικά καταλήγει σε υποβέλτιστες αποφάσεις σχεδιασμού χρηματοδότησης από επενδυτές των οποίων οι περιστάσεις μπορεί να είναι πιο περίπλοκες από ό, τι πιστεύεται προηγουμένως. Οι ανησυχίες σχετικά με τους υπερβολικά απλουστευμένους κινδύνους αντικατοπτρίζονται σε κλήσεις κανονιστικών ρυθμίσεων σχετικά με τους ρομπότ-συμβούλους που συμμετέχουν συστηματική λανθασμένη πώληση , με τους επενδυτές να μην καταλαβαίνουν την πραγματική φύση του προϊόντος.

Η αυξημένη υιοθέτηση θεσμικών μέτρων ποσοτικού κινδύνου (που χρησιμοποιούνται από τράπεζες, ταμεία και οικογενειακά γραφεία) με την εκπαίδευση των πελατών θα μπορούσε να είναι το κλειδί για το επόμενο στάδιο της παροχής συμβουλών σε ρομπότ. Αυτό θα μπορούσε πραγματικά να προωθήσει τη βιομηχανία και να ανταποκριθεί στην εθνική κινήσεις για αυξημένη εκπαίδευση χρηματοοικονομικού γραμματισμού.

Οδηγός για το web api του πυρήνα asp.net

Ποσοτικά μέτρα κινδύνου για χαρτοφυλάκια επενδύσεων

Ελαχιστοποίηση μεταβλητότητας: Αξία σε κίνδυνο

Η τιμή στο Risk, ή VaR, είναι το πιο δημοφιλές μέτρο μεταβλητότητας ενός χαρτοφυλακίου. Με απλά λόγια, το VaR είναι ένα μέτρο των ελάχιστων αναμενόμενων απωλειών ως συγκεκριμένο επίπεδο πιθανότητας (επίσης γνωστό ως επίπεδο εμπιστοσύνης ή εκατοστημόριο). Για παράδειγμα, εάν το VaR 99% ενός χαρτοφυλακίου είναι 12%, αυτό σημαίνει ότι υπάρχει πιθανότητα 99% οι απώλειες από το χαρτοφυλάκιο να μην υπερβαίνουν το 12% κατά τη διάρκεια μιας δεδομένης περιόδου. Με άλλα λόγια, υπάρχει πιθανότητα 1% οι απώλειες χαρτοφυλακίου να είναι μεγαλύτερες από 12%. Το VaR εφαρμόζεται ήδη από ορισμένους συμβούλους ρομπότ, με ένα τέτοιο παράδειγμα χρήσης να είναι από το StashAway της Σιγκαπούρης, το οποίο χαρακτηρίζει μια οδηγία 99% σε ένα μέτρο που ονομάζεται ' Δείκτης κινδύνου '

Το VaR μπορεί να υπολογιστεί χρησιμοποιώντας διαφορετικές μεθόδους. Η ιστορική μέθοδος ταξινομεί τις ιστορικές αποδόσεις ενός χαρτοφυλακίου κατά μέγεθος και προσδιορίζει την απόδοση που παρατηρείται σε ένα ορισμένο εκατοστημόριο (συνήθως 95% ή 99%). Η μέθοδος variance-covariance προϋποθέτει ότι οι αποδόσεις διανέμονται κανονικά και χρησιμοποιεί την τυπική απόκλιση του χαρτοφυλακίου για να εκτιμήσει πού θα βρεθούν οι χειρότερες αποδόσεις 5% ή 1% στην καμπύλη καμπάνας. Το VaR μπορεί επίσης να εκτιμηθεί χρησιμοποιώντας Μόντε Κάρλο προσομοίωση, η οποία δημιουργεί τις χειρότερες αποδόσεις 5% ή 1% βάσει πιθανών αποτελεσμάτων.

Η δημοτικότητα του VaR προκύπτει από το γεγονός ότι καθιστά εύκολο για έναν επενδυτή να κατανοήσει τη μεταβλητότητα ενός χαρτοφυλακίου και να το συσχετίσει με την προσωπική του ανοχή για απώλειες. Ωστόσο, μπορούμε να λάβουμε διαφορετικά αποτελέσματα ανάλογα με τις εισόδους και τη μεθοδολογία που χρησιμοποιείται για τον υπολογισμό του VaR, επηρεάζοντας την αξιοπιστία του μέτρου. Επίσης, το VaR βασίζεται σε μεγάλο βαθμό σε πολλές υποθέσεις, όπως οι αποδόσεις που διανέμονται κανονικά και ευθυγραμμίζονται με τις ιστορικές αποδόσεις. Τέλος, ένα 99% VaR του 12% (περιγράφεται παραπάνω) δεν ενημερώνει τον επενδυτή σχετικά με το ποσό των ζημιών που μπορεί να αναμένεται στο χειρότερο σενάριο.

Οι διάφορες προειδοποιήσεις πίσω από το VaR ενδέχεται να περιορίζουν την εξέχουσα θέση σε πλατφόρμες παροχής συμβουλών για ρομπότ, με το να θεωρείται ως μια περίπλοκη μέτρηση για να κατανοήσουν οι χρήστες. Το παράδειγμα του StashAway που το χαρακτηρίζει σε μια πιο εύπεπτη μέτρηση δείχνει πώς αυτά τα εμπόδια μπορούν να αναλυθούν πιο προσεκτικά.

Υπό όρους τιμή σε κίνδυνο

Αντιμετωπίζοντας ένα από τα μειονεκτήματα του VaR, η υπό όρους τιμή σε κίνδυνο, ή CVaR, παρέχει την αναμενόμενη ζημία σε έναν επενδυτή στο χειρότερο σενάριο. Σε επίπεδο εμπιστοσύνης 99%, το CVaR υπολογίζεται ως η μέση απόδοση χαρτοφυλακίου στο χειρότερο 1% των σεναρίων. Το CVaR εκτιμάται χρησιμοποιώντας παρόμοιες μεθόδους με το VaR. Αν και μπορεί να βοηθήσει να δώσει μια σαφέστερη εικόνα του χειρότερου σεναρίου σε σύγκριση με το VaR, μπορεί να υποφέρει από παρόμοιες ελλείψεις λόγω των υποθέσεων και των μεθοδολογιών που χρησιμοποιούνται στην εκτίμηση.

Οι αποσυνδέσεις της αγοράς του 2020 τείνουν να ωριμάσουν τα κανονικά μοτίβα διανομής, αποδεικνύοντας ότι η προσθήκη περισσότερων «τρισδιάστατων» μέτρων κινδύνου χαρτοφυλακίου, όπως το CVar, μπορεί να είναι επωφελής. Σε συνδυασμό με το τυπικό μέτρο VaR, τα δεδομένα CVaR θα βελτιώσουν τις προσφορές διαχείρισης κινδύνων ενός ρομπότ-συμβούλου και θα ταιριάζουν, λαμβάνοντας υπόψη ότι η πλειονότητα των περιουσιακών στοιχείων ρομπότ είναι κεφάλαια δεικτών (καλάθια αποθεμάτων).

πώς να δοκιμάσετε μεθόδους σε java

Καλύτερες και χειρότερες επιστροφές

Οι καλύτερες και οι χειρότερες αποδόσεις σχετίζονται με τις κυλιόμενες περιοδικές αποδόσεις μιας ασφάλειας ή ενός χαρτοφυλακίου κατά τη διάρκεια ενός δεδομένου χρονικού ορίζοντα. Η απόδοση μπορεί να υπολογιστεί σε καθημερινή, μηνιαία ή ετήσια βάση, ανάλογα με το χρονικό ορίζοντα του επενδυτή. Το χρονικό πλαίσιο καθορίζεται συνήθως από τη διαθεσιμότητα των δεδομένων, αλλά μπορεί να επηρεάσει τις καλύτερες και τις χειρότερες παρατηρούμενες αποδόσεις εάν δεν χρησιμοποιήσουμε αρκετό χρονικό ορίζοντα.

Καλύτερες και χειρότερες αποδόσεις για περιουσιακά στοιχεία ΗΠΑ: 1973-2016

Το μέτρο χρησιμοποιεί ιστορικές αποδόσεις για να δώσει στους επενδυτές μια ένδειξη για τα καλύτερα και τα χειρότερα σενάρια. Ένα σαφές πλεονέκτημα είναι ότι, σε αντίθεση με το VaR, διακρίνει μεταξύ θετικών και αρνητικών αποδόσεων, αντί να υποθέτει μια κανονική κατανομή. Οι επενδυτές τείνουν να μην ενδιαφέρονται για τη θετική μεταβλητότητα και συνήθως ανησυχούν για τους απόλυτους αρνητικούς κινδύνους. Επίσης, σε αντίθεση με το CVaR, δείχνει τις απόλυτες χειρότερες παρατηρούμενες αποδόσεις αντί να λαμβάνει έναν μέσο όρο αποδόσεων, κάτι που μπορεί να υποτιμά το χειρότερο σενάριο. Ωστόσο, όπως και άλλα ποσοτικά μέτρα, αυτό τείνει να είναι προς τα πίσω και εξαρτάται επίσης από το σύνολο δεδομένων των παρατηρούμενων αποτελεσμάτων.

Τα μέτρα βέλτιστου και χειρότερου κινδύνου επιστροφής είναι κατάλληλα για πλατφόρμες robo-advisor, καθώς επικοινωνούν καθαρά με τους επενδυτές χωρίς να βασίζονται σε εκφοβιστικούς χρηματοοικονομικούς δείκτες. Ένας τέτοιος κίνδυνος, ωστόσο, είναι ότι μπορούν να παίξουν παράλογος προκαταλήψεις και ενθαρρύνουν τον πανικό να πουλάει σε μια πτώση της αγοράς ή να πεισματάρει τους χαμένους.

Μέτρηση του Ποσοτικού Κινδύνου

Ας ρίξουμε μια ματιά στον τρόπο με τον οποίο μπορούν να υπολογιστούν οι αποδόσεις VaR, CVaR και οι καλύτερες και χειρότερες αποδόσεις για ένα χαρτοφυλάκιο ενός στοιχείου. Το περιουσιακό στοιχείο που λαμβάνεται υπόψη είναι το SPY, το οποίο είναι ένα ETF που παρακολουθεί μεγάλες μετοχές των ΗΠΑ.

Τα δεδομένα που χρησιμοποιούνται για τους παρακάτω υπολογισμούς αφορούν τη NAV και τις μηνιαίες αποδόσεις του SPY από τον Ιούλιο του 2007 έως τον Ιούνιο του 2020. Οι υπολογισμοί μπορούν να εκτελεστούν χρησιμοποιώντας τις λειτουργίες Excel ή Google Sheets.

Που - 11,8% VaR υποδηλώνει ότι η πιθανότητα απώλειας SPY άνω του 11,8% σε έναν δεδομένο μήνα είναι 1%. Με άλλα λόγια, το SPY παρείχε καλύτερες μηνιαίες αποδόσεις από μια απώλεια 11,8% στο 99% των μηνών. Βήματα (Φύλλα Google / Excel):

1. Υπολογίστε τις ιστορικές μηνιαίες αποδόσεις από την τιμή μετοχής / τα δεδομένα NAV.
2. Χρησιμοποιήστε τη συνάρτηση PERCENTILE.INC χρησιμοποιώντας τη σειρά των ιστορικών αποδόσεων και το επιθυμητό εκατοστημόριο (π.χ. 1% για διάστημα 99%) ως εισόδους.

CVaR - 14,5% CVaR υποδηλώνει ότι η αναμενόμενη μηνιαία απώλεια στο SPY κατά τη διάρκεια του 1% χειρότερου αποτελέσματος είναι 14,5%. Αυτό μπορεί να προσδιοριστεί στα Φύλλα Google / Excel χρησιμοποιώντας τη συνάρτηση AVERAGEIF για τον υπολογισμό του μέσου όρου των αποδόσεων λιγότερο από το αποτέλεσμα VaR.

ποιο από τα παρακάτω είναι το κέντρο του μοντέλου των πέντε δυνάμεων του πορτιέρη που συζητήθηκε στη διάλεξη;

Καλύτερες και χειρότερες αποδόσεις - Όπως φαίνεται στον πίνακα, οι καλύτερες και χειρότερες μηνιαίες αποδόσεις που παρατηρήθηκαν στο SPY κατά την περίοδο 2007-2020 ήταν + 13% και -16% αντίστοιχα. Αυτά μπορούν να υπολογιστούν γρήγορα χρησιμοποιώντας το MIN και MAX λειτουργίες.

Όπως αναφέρθηκε, είναι σημαντικό να σημειωθεί ότι αυτά τα μέτρα μπορεί να αποφέρουν διαφορετικές τιμές, ανάλογα με τη μέθοδο και την περίοδο παρατήρησης. Η επιλογή της μεθοδολογίας και της περιόδου πρέπει να βασίζεται σε παράγοντες όπως η διαθεσιμότητα δεδομένων, ο αναμενόμενος χρονικός ορίζοντας και η προσωπική κρίση.

Διαφοροποίηση μέσω ποσοτικών μέτρων

Το θεμέλιο της παραδοσιακής διαχείρισης πλούτου προσαρμόζει χαρτοφυλάκια στις ατομικές ανάγκες, είτε σε χρονικό διάστημα, ηθικό, όρεξη κινδύνου και ανάγκες βάσει εισοδήματος. για αυτό, κάθε προσέγγιση είναι κατά παραγγελία. Αυτό που κάνει το robo-consulting ελκυστικό είναι πώς οι αυτοματοποιημένες μέθοδοι του μπορούν να λειτουργήσουν σε πολλές βάσεις πελατών.

Ωστόσο, οι robo-σύμβουλοι πρέπει να βοηθήσουν τους πελάτες να κατανοήσουν με σαφήνεια την αντιστάθμιση κινδύνου από τις προσφορές χαρτοφυλακίου τους, ώστε να μπορούν να επιλέξουν τα σωστά χαρτοφυλάκια που ικανοποιούν τις προσωπικές τους ανάγκες. Τα ποιοτικά μέτρα κινδύνου είναι ένα εύκολο στην κατανόηση 'on ramp' να συμβουλευτεί το robo, αλλά με την πάροδο του χρόνου, οι παράμετροί τους μπορούν να καταστούν περιττές. Ωστόσο, όταν χρησιμοποιούνται σε συνδυασμό με τα ποσοτικά μέτρα κινδύνου που περιγράφονται εδώ, βοηθούν στην παροχή πιο ολιστικών κατευθυντήριων γραμμών διαχείρισης κινδύνου και ευαισθητοποίησης σχετικά με την απόδοση του χαρτοφυλακίου.

Κατανόηση των βασικών

Ποια είναι τα μειονεκτήματα της χρήσης ενός robo-advisor;

Η συμβουλευτική υπηρεσία Robo είναι διαθέσιμη στο εμπόριο για περισσότερο από μια δεκαετία, γεγονός που καθιστά δύσκολη την αξιολόγηση της μακροπρόθεσμης, προσαρμοσμένης στον κίνδυνο απόδοσης υπό μια σειρά από συνθήκες της αγοράς. Επιπλέον, οι χρεώσεις που χρεώνουν οι robo-σύμβουλοι μπορούν να θεωρηθούν υψηλές - για πρόσβαση σε ευρέως διαθέσιμες παθητικές αξίες χαμηλού κόστους.

Ποια είναι τα πλεονεκτήματα της χρήσης ενός robo-advisor;

Για επενδυτές που είναι νεοεισερχόμενοι, η ρομποτική παροχή συμβουλών είναι μια αποτελεσματική πρακτική για τη σταδιακή εκμάθηση τεχνικών κατανομής περιουσιακών στοιχείων. Λόγω των αυτόματων προσαρμογών εξισορρόπησης, ενθαρρύνει επίσης τους επενδυτές να μην κάνουν παράλογες συναλλαγές και να αφήσουν ένα χαρτοφυλάκιο στη θέση τους μετά τη χάραξη μιας στρατηγικής.

Ποια είναι η καλύτερη μέθοδος για τη μέτρηση του ποσοτικού επενδυτικού κινδύνου;

Το Value at Risk (VaR) είναι ένα ευρέως χρησιμοποιούμενο μέτρο σε ολόκληρο τον επενδυτικό κόσμο που υπολογίζει τις ελάχιστες αναμενόμενες απώλειες σε ένα χαρτοφυλάκιο σε ένα ορισμένο επίπεδο πιθανότητας (εμπιστοσύνη). Για παράδειγμα, εάν το 99% VaR ενός χαρτοφυλακίου είναι 12%, υπάρχει πιθανότητα 99% οι απώλειες να μην υπερβαίνουν το 12% σε μια δεδομένη περίοδο.