Cố vấn robot đã trở nên nổi bật trong thập kỷ qua, với lĩnh vực fintech khuyến khích sự tham gia tích cực hơn từ các nhà đầu tư trẻ tuổi và quần chúng vào tiết kiệm và đầu tư. Các nhà tư vấn robot nhằm mục đích dân chủ hóa tư vấn tài chính và mang lại các dịch vụ chất lượng cao, trước đây chỉ dành riêng cho các nhà đầu tư giàu có, sành sỏi. Nói tóm lại, tư vấn bằng rô-bốt là một hình thức quản lý đầu tư chuyển giao chiến lược danh mục đầu tư cho một thuật toán. Việc xây dựng và tái cân bằng danh mục đầu tư được tự động hóa với sự trợ giúp của máy tính, cung cấp các giải pháp quản lý tài sản hợp lý hơn và giảm khả năng xảy ra sai sót và thiên vị của con người.
Nhiều công ty khởi nghiệp trong lĩnh vực này phải vật lộn để hòa vốn và thể hiện sự khác biệt của thương hiệu. Cách tốt nhất để các cố vấn rô-bốt tiếp tục dân chủ hóa việc đầu tư và thu lợi nhuận trong khi truyền tải rủi ro thực sự của danh mục đầu tư là gì?
Betterment và Wealthfront là hai trong số những cố vấn rô bốt nổi bật nhất, với công ty này là cố vấn đầu tiên ra mắt vào năm 2008. Đến năm 2019, lĩnh vực này ước tính có tài sản 440 tỷ đô la đang được quản lý trên toàn cầu và theo thời gian, các nhà quản lý tài sản truyền thống, như Vanguard, cũng đã áp dụng các kỹ thuật như vậy. Mặc dù hoàn toàn khác với các nền tảng giao dịch chỉ thực thi, như Robinhood, thông điệp trao quyền tài chính của cả hai lĩnh vực này đã được các nhà đầu tư trẻ tuổi hơn, những người theo truyền thống không quan tâm tích cực đến tiết kiệm hưu trí cho đến sau này trong sự nghiệp của họ.
Một trong những đề xuất giá trị quan trọng của các cố vấn robot phổ biến là họ giúp khách hàng hiểu rủi ro và chi phí liên quan đến danh mục đầu tư, thay vì chỉ tập trung vào lợi nhuận. Các lập luận chống lại việc quản lý tài sản truyền thống do cố vấn tài chính đứng đầu là việc điều chỉnh sai các ưu đãi, trong đó các tài sản đắt tiền và hoạt động kém được chuyển đến các nhà đầu tư, những người không thể phân tích các con số một cách khách quan để có được tầm nhìn về hiệu suất. Vì vậy, các cố vấn robot đã là những người đề xuất đầu tư thụ động, tránh xa các quỹ được quản lý tích cực đắt tiền để chuyển sang các quỹ chỉ số tiết kiệm và các quỹ giao dịch trao đổi (ETF).
Trong khi hầu hết các cố vấn robot thường sử dụng lý thuyết danh mục đầu tư hiện đại (đôi khi kết hợp với các phương pháp luận được nghiên cứu kỹ lưỡng khác) để xây dựng danh mục đầu tư của nhà đầu tư, họ sử dụng các cách khác nhau để thể hiện mức độ rủi ro liên quan đến các danh mục đầu tư đó. Hầu hết các chuyên gia đầu tư đồng ý rằng rủi ro cũng quan trọng như lợi nhuận trong việc lựa chọn danh mục đầu tư. Trên thực tế, phần lớn các học viên tiếp tục được truyền cảm hứng bởi khung tối ưu hóa phương sai trung bình được minh họa bởi luận án năm 1952 của người đoạt giải Nobel Harry Markowitz về lựa chọn danh mục đầu tư.
Tuy nhiên, rủi ro thường không được các nhà đầu tư trung bình hiểu rõ như lợi nhuận kỳ vọng. Điều này là do khả năng chấp nhận rủi ro của một cá nhân không chỉ được thúc đẩy bởi hiệu suất trong quá khứ và kỳ vọng hợp lý mà còn bởi hoàn cảnh cá nhân độc đáo và các yếu tố cảm xúc khác như hy vọng và nỗi sợ hãi. Ngoài ra, khả năng chấp nhận rủi ro của một cá nhân hầu như không phải là một thước đo tĩnh. Hầu hết các cá nhân sẽ nhận thấy khả năng chấp nhận rủi ro của họ sẽ thấp hơn vào năm 2020, do sự không chắc chắn của COVID-19, so với bất kỳ thời điểm nào trong thập kỷ qua. Sự mong muốn của một danh mục đầu tư khuyến nghị được nhà đầu tư đánh giá một phần bằng nhận thức của họ về mức độ rủi ro của danh mục đầu tư. Đây là lý do tại sao điều quan trọng đối với một cố vấn robot là phải minh họa rõ ràng rủi ro để các nhà đầu tư có thể hiểu được mức độ rủi ro và liên hệ nó với khả năng chịu đựng, mục tiêu và sở thích cảm xúc của họ.
Cố vấn robot sử dụng các biện pháp định lượng hoặc định tính để giúp khách hàng hiểu được rủi ro. Mỗi biện pháp đều có ưu điểm và hạn chế.
Hầu hết các cố vấn rô-bốt chỉ định xếp hạng rủi ro định tính dựa trên cách các nhà đầu tư trả lời danh sách các câu hỏi đo lường tâm lý được xác định trước. Điều này thường sẽ dao động trên thang số từ “Rất thận trọng” đến “Rất tích cực”.
Xếp hạng rủi ro định tính có những lợi thế rõ ràng, đó là nó giúp nhà đầu tư dễ dàng nhận ra mức độ rủi ro của các danh mục đầu tư khác nhau tương đối với nhau. Ví dụ:một danh mục đầu tư được chỉ định xếp hạng "Linh hoạt" có thể vốn có rủi ro cao hơn danh mục đầu tư được gắn nhãn "Bảo thủ". Các câu hỏi đo lường tâm lý giúp thu hẹp khả năng chịu lỗ của nhà đầu tư và xác định mức độ rủi ro thích hợp.
Tuy nhiên, xếp hạng định tính có thể không cung cấp hiểu biết rõ ràng về sự thay đổi dự kiến của danh mục đầu tư. Có thể không rõ ràng là một danh mục đầu tư tích cực biến động hơn bao nhiêu so với một danh mục đầu tư vừa phải. Rất có thể, xếp hạng rủi ro là 6 có thể không có nghĩa là danh mục đầu tư có rủi ro gấp đôi so với xếp hạng 3. Ngoài ra, nhận thức về rủi ro có thể khác nhau dựa trên cách xếp hạng rủi ro được diễn đạt bằng lời nói. Các nhà đầu tư có thể xem danh mục đầu tư rủi ro cao theo cách khác nhau, tùy thuộc vào việc nó được gắn nhãn “Tăng trưởng cao” hay “Rất tích cực”. Do đó, việc phân loại như vậy tạo ra một lớp chủ quan đối với mức độ hấp dẫn được nhận thức của một danh mục đầu tư.
Mối quan tâm của tôi với các cố vấn robot quá nhấn mạnh vào rủi ro định tính là nó có thể mang lại cho các nhà đầu tư cảm giác an toàn sai lầm về hiệu suất liên tục của danh mục đầu tư của họ. Một điểm rủi ro tùy ý trên một phạm vi tích cực / thận trọng có thể quá rộng và cuối cùng dẫn đến các quyết định lập kế hoạch tài chính dưới mức tối ưu của các nhà đầu tư có hoàn cảnh có thể phức tạp hơn suy nghĩ trước đây. Những lo ngại liên quan đến rủi ro đơn giản hóa quá mức được lặp lại trong các cuộc gọi quy định về việc cố vấn rô-bốt tham gia vào việc bán sai có hệ thống, trong đó các nhà đầu tư không hiểu được bản chất thực sự của sản phẩm.
Việc tăng cường áp dụng các biện pháp định lượng rủi ro theo thể chế (được sử dụng bởi các ngân hàng, quỹ và văn phòng gia đình) với việc giáo dục khách hàng có thể là chìa khóa cho giai đoạn tiếp theo của tư vấn robot. Điều này thực sự có thể thúc đẩy ngành công nghiệp tiến lên và tương ứng với các phong trào quốc gia nhằm tăng cường giáo dục hiểu biết về tài chính.
Các biện pháp định lượng rủi ro cho danh mục đầu tư
Giá trị rủi ro, hay VaR, là thước đo phổ biến nhất về sự biến động của danh mục đầu tư. Nói một cách đơn giản, VaR là thước đo các khoản lỗ dự kiến tối thiểu dưới dạng một mức xác suất nhất định (còn được gọi là mức độ tin cậy hoặc phần trăm). Ví dụ:nếu VaR 99% của danh mục đầu tư là 12%, điều đó có nghĩa là có 99% khả năng thua lỗ từ danh mục đầu tư sẽ không vượt quá 12% trong một khoảng thời gian nhất định. Nói cách khác, có 1% khả năng tổn thất danh mục đầu tư sẽ nhiều hơn 12%. VaR đã được một số cố vấn rô-bốt áp dụng, với một ví dụ về cách sử dụng như vậy là từ StashAway của Singapore, công ty đưa nguyên tắc 99% vào một thước đo được gọi là “Chỉ số rủi ro”.
VaR có thể được tính bằng các phương pháp khác nhau. Phương pháp lịch sử sắp xếp lợi nhuận lịch sử của một danh mục đầu tư theo độ lớn và xác định lợi nhuận quan sát được ở một phân vị nhất định (thường là 95% hoặc 99%). Phương pháp phương sai-hiệp phương sai giả định rằng lợi nhuận được phân phối bình thường và sử dụng độ lệch chuẩn của danh mục đầu tư để ước tính nơi lợi nhuận 5% hoặc 1% tồi tệ nhất sẽ nằm trên đường cong hình chuông. VaR cũng có thể được ước tính bằng cách sử dụng mô phỏng Monte Carlo, tạo ra lợi nhuận 5% hoặc 1% tồi tệ nhất dựa trên kết quả xác suất.
Sự phổ biến của VaR xuất phát từ thực tế là nó giúp nhà đầu tư dễ dàng hiểu được sự thay đổi của danh mục đầu tư và liên hệ nó với khả năng chịu lỗ của cá nhân họ. Tuy nhiên, chúng ta có thể thu được các kết quả khác nhau tùy thuộc vào đầu vào và phương pháp luận được sử dụng để tính VaR, ảnh hưởng đến độ tin cậy của phép đo. Ngoài ra, VaR chủ yếu dựa vào nhiều giả định, chẳng hạn như lợi nhuận được phân phối bình thường và phù hợp với lợi nhuận lịch sử. Cuối cùng, VaR 99% là 12% (được mô tả ở trên) không thông báo cho nhà đầu tư về số lượng tổn thất có thể dự kiến trong trường hợp xấu nhất.
Những lưu ý khác nhau đằng sau VaR có thể đang hạn chế sự nổi bật của nó trong các nền tảng tư vấn cho rô-bốt, vì nó được coi là một số liệu phức tạp để người dùng hiểu. Ví dụ về việc xây dựng thương hiệu StashAway thành một chỉ số dễ tiêu hóa hơn cho thấy cách các rào cản này có thể được phá vỡ một cách hợp lý hơn.
Giải quyết một trong những thiếu sót của VaR, giá trị có điều kiện bị rủi ro, hoặc CVaR, cung cấp tổn thất dự kiến cho nhà đầu tư trong trường hợp xấu nhất. Ở mức độ tin cậy là 99%, CVaR được tính là lợi tức trung bình của danh mục đầu tư trong 1% tình huống tồi tệ nhất. CVaR được ước tính bằng cách sử dụng các phương pháp tương tự như VaR. Mặc dù nó có thể giúp đưa ra bức tranh rõ ràng hơn về trường hợp xấu nhất so với VaR, nó có thể mắc phải những thiếu sót tương tự do các giả định và phương pháp luận được sử dụng trong ước tính.
Sự mất kết nối thị trường của năm 2020 có xu hướng phá vỡ các mô hình phân phối bình thường, chứng tỏ rằng việc bổ sung thêm các biện pháp rủi ro danh mục đầu tư “3 chiều”, như CVar, có thể có lợi. Cùng với thước đo VaR tiêu chuẩn, dữ liệu CVaR sẽ nâng cao các dịch vụ quản lý rủi ro của một cố vấn rô-bốt và rất phù hợp, vì phần lớn tài sản rô-bốt là quỹ chỉ số (rổ cổ phiếu).
Lợi nhuận tốt nhất và kém nhất liên quan đến lợi nhuận định kỳ luân phiên của một chứng khoán hoặc danh mục đầu tư trong một khoảng thời gian nhất định. Lợi nhuận có thể được tính hàng ngày, hàng tháng hoặc hàng năm, tùy thuộc vào thời gian của nhà đầu tư. Khung thời gian thường được xác định bởi tính sẵn có của dữ liệu, nhưng nó có thể ảnh hưởng đến lợi nhuận quan sát được tốt nhất và kém nhất nếu chúng ta không sử dụng khoảng thời gian đủ dài.
Lợi nhuận tốt nhất và tệ nhất cho tài sản ở Hoa Kỳ:1973-2016
Biện pháp này sử dụng lợi nhuận lịch sử để cung cấp cho các nhà đầu tư dấu hiệu về các tình huống tốt nhất và trường hợp xấu nhất. Một lợi thế rõ ràng là, không giống như VaR, nó phân biệt giữa lợi nhuận dương và âm, thay vì giả định một phân phối chuẩn. Các nhà đầu tư có xu hướng không bận tâm đến sự biến động tích cực và chủ yếu lo lắng về rủi ro giảm giá tuyệt đối. Ngoài ra, không giống như CVaR, nó cho thấy lợi nhuận tuyệt đối được quan sát thấy tồi tệ nhất thay vì lấy trung bình của lợi nhuận, có thể đánh giá thấp tình huống xấu nhất. Tuy nhiên, giống như các biện pháp định lượng khác, điều này có xu hướng lạc hậu và cũng phụ thuộc vào tập dữ liệu của các kết quả quan sát được.
Các biện pháp rủi ro Lợi nhuận Tốt nhất và Tồi tệ nhất rất phù hợp với các nền tảng cố vấn rô-bốt vì chúng giao tiếp rõ ràng với các nhà đầu tư mà không dựa vào các tỷ lệ tài chính đáng sợ. Tuy nhiên, một rủi ro như vậy là họ có thể chơi theo những thành kiến phi lý và khuyến khích việc hoảng loạn bán vào thị trường đang giảm hoặc cố chấp giữ chặt những kẻ thua cuộc.
Hãy cùng xem cách tính lợi tức VaR, CVaR và Tốt nhất và Tồi tệ nhất cho một danh mục tài sản đơn lẻ. Tài sản được xem xét là SPY, là một quỹ ETF theo dõi các cổ phiếu vốn hóa lớn của Hoa Kỳ.
Dữ liệu được sử dụng cho các phép tính dưới đây liên quan đến NAV và lợi nhuận hàng tháng của SPY từ tháng 7 năm 2007 đến tháng 6 năm 2020. Các tính toán có thể được thực hiện bằng cách sử dụng các hàm Excel hoặc Google Trang tính.
VaR - 11,8% VaR ngụ ý rằng xác suất SPY mất hơn 11,8% trong một tháng nhất định là 1%. Nói cách khác, SPY mang lại lợi nhuận hàng tháng tốt hơn so với mức lỗ 11,8% trong 99% số tháng. Các bước (Google Trang tính / Excel):
CVaR - 14,5% CVaR ngụ ý rằng tổn thất hàng tháng dự kiến trong SPY trong 1% kết quả tồi tệ nhất là 14,5%. Điều này có thể được xác định trong Google Trang tính / Excel bằng cách sử dụng hàm AVERAGEIF để tính toán mức trung bình của lợi nhuận nhỏ hơn kết quả VaR.
Lợi nhuận tốt nhất và kém nhất - Như thể hiện trong bảng, lợi nhuận hàng tháng tốt nhất và kém nhất quan sát được trong SPY trong giai đoạn 2007-2020 lần lượt là + 13% và -16%. Chúng có thể được tính toán nhanh chóng bằng cách sử dụng MIN và MAX chức năng.
Như đã đề cập, điều quan trọng cần lưu ý là các biện pháp này có thể mang lại các giá trị khác nhau, tùy thuộc vào phương pháp cũng như khoảng thời gian quan sát. Việc lựa chọn phương pháp và thời gian phải dựa trên các yếu tố như tính sẵn có của dữ liệu, thời gian đầu tư dự kiến và đánh giá cá nhân.
Nền tảng của quản lý tài sản truyền thống là điều chỉnh danh mục đầu tư cho phù hợp với nhu cầu cá nhân, có thể là theo khoảng thời gian, đạo đức, khẩu vị rủi ro và nhu cầu dựa trên thu nhập; vì vậy, mọi cách tiếp cận đều được thực hiện riêng. Điều làm cho dịch vụ tư vấn bằng robot trở nên hấp dẫn là cách các phương pháp tự động của nó có thể hoạt động trên nhiều cơ sở khách hàng.
Tuy nhiên, cố vấn robot cần phải giúp khách hàng hiểu rõ ràng về sự đánh đổi lợi nhuận rủi ro của các dịch vụ danh mục đầu tư của họ để họ có thể chọn đúng danh mục đầu tư đáp ứng nhu cầu cá nhân của họ. Các thước đo rủi ro định tính là một cách dễ hiểu để tư vấn bằng robot, nhưng theo thời gian, các thông số của chúng có thể trở nên thừa. Tuy nhiên, khi được sử dụng cùng với các biện pháp rủi ro định lượng được nêu ở đây, chúng sẽ giúp cung cấp các hướng dẫn quản lý rủi ro toàn diện hơn và nhận thức về hiệu suất danh mục đầu tư.