𝗕𝘂𝗶𝗹𝗱𝗶𝗻𝗴 𝗥𝗶𝘀𝗸 𝗕𝘂𝗱𝗴𝗲𝘁 𝗖𝗵𝗲𝗰𝗸𝘀 𝗜𝗻𝘁𝗼 𝗣𝗼𝗿𝘁𝗳𝗼𝗹𝗶𝗼 𝗔𝗻𝗮𝗹𝘆𝘁𝗶𝗰𝘀

ഫിനാൻഷ്യൽ സോഫ്റ്റ്‌വെയർ ഡെവലപ്പർമാർ പലപ്പോഴും പെർഫോമൻസിനാണ് (പ്രകടനം) മുൻഗണന നൽകുന്നത്.

റിട്ടേണുകൾ കാണിക്കുന്നത് എളുപ്പമാണ്. ചാർട്ടുകൾ കാണാൻ ഭംഗിയുണ്ടാകും. റാങ്കിംഗുകൾ താരതമ്യം ചെയ്യാൻ ലളിതവുമാണ്.

എന്നാൽ റിസ്ക് (അപകടസാധ്യത) വ്യത്യസ്തമാണ്. അതിന് സന്ദർഭോചിതമായ അറിവും അനുമാനങ്ങളും ആവശ്യമാണ്. റിസ്ക് എന്നത് ഒരു ഒറ്റ സംഖ്യയല്ല. അത് വിപണിക്കനുസരിച്ച് മാറിക്കൊണ്ടിരിക്കുന്ന എക്സ്പോഷറുകളുടെ (exposures) ഒരു വ്യവസ്ഥയാണ്.

നിങ്ങളുടെ ഡാഷ്‌ബോർഡ് മികച്ച പ്രകടനം കാഴ്ചവെച്ച കാര്യങ്ങൾ മാത്രം കാണിച്ചാൽ പോരാ. ഉപയോക്താവ് ഏത് തരത്തിലുള്ള റിസ്കുകളാണ് ഏറ്റെടുത്തിരിക്കുന്നത് എന്നും അത് കാണിക്കണം. അതുകൊണ്ടാണ് നിങ്ങൾക്ക് ഒരു റിസ്ക് ബജറ്റ് ആവശ്യമായി വരുന്നത്.

സോഫ്റ്റ്‌വെയറിൽ എന്താണ് റിസ്ക് ബജറ്റ്?

ഒരു പോർട്ട്‌ഫോളിയോ എത്രത്തോളം അനിശ്ചിതത്വം (uncertainty) അനുവദിക്കുന്നു എന്ന് റിസ്ക് ബജറ്റ് നിർവചിക്കുന്നു. നിങ്ങളുടെ കോഡിൽ, ഇതിനർത്ഥം ചെക്കുകൾ (checks), പരിധികൾ (limits), അലേർട്ടുകൾ (alerts) എന്നിവ നിർമ്മിക്കുക എന്നാണ്.

ഉദാഹരണങ്ങൾ ഇവയാണ്:

  • അസറ്റ് ക്ലാസ് എക്സ്പോഷറുകൾക്കുള്ള പരിധികൾ (Limits on asset class exposure)
  • വോളറ്റിലിറ്റിക്കായുള്ള പരിധികൾ (Thresholds for volatility)
  • ലിക്വിഡിറ്റി സ്കോർ മിനിമം (Liquidity score minimums)

റിട്ടേണിന് മാത്രം മുൻഗണന നൽകുന്ന ഡാഷ്‌ബോർഡുകൾ അപകടകരമായേക്കാം. റിസ്ക് കാണാതെ ഒരു ഉപയോക്താവ് 12% റിട്ടേൺ കണ്ടാൽ, തങ്ങൾ മിടുക്കരാണെന്ന് അവർ കരുതിയേക്കാം. ഉയർന്ന ലെവറേജ് (leverage) മൂലമോ കുറഞ്ഞ ലിക്വിഡിറ്റി മൂലമോ ആണ് ഈ റിട്ടേൺ ലഭിക്കുന്നതെന്ന് അവർ തിരിച്ചറിയണമെന്നില്ല.

ഉത്തരവാദിത്തമുള്ള ഒരു സിസ്റ്റം റിട്ടേണിനെ റിസ്കിന് തൊട്ടടുത്ത് തന്നെ കാണിക്കുന്നു.

ഇത് മാത്രം കാണിക്കുന്നതിന് പകരം:

  • പോർട്ട്‌ഫോളിയോ റിട്ടേൺ: 12%

ഇത് കാണിക്കുക:

  • പോർട്ട്‌ഫോളിയോ റിട്ടേൺ: 12%
  • ഏറ്റവും വലിയ എക്സ്പോഷർ സ്രോതസ്സ്: [Asset Name]

ഇത് നിങ്ങളുടെ സോഫ്റ്റ്‌വെയറിനെ വിശ്വസനീയമാക്കുന്നു.

ഒപ്റ്റിമൈസേഷന് മുമ്പ് റിസ്ക് ചെക്കുകൾ രൂപകൽപ്പന ചെയ്യുക.

പല ടൂളുകളും ആദ്യം ഒപ്റ്റിമൈസ് ചെയ്യുകയും പിന്നീട് നിയന്ത്രണങ്ങൾ (constraints) ചേർക്കുകയും ചെയ്യുന്നു. ഇതൊരു തെറ്റാണ്. ഒപ്റ്റിമൈസേഷൻ നടപ്പിലാക്കുന്നതിന് മുമ്പ് നിങ്ങളുടെ റിസ്ക് നിയന്ത്രണങ്ങൾ നിർവചിക്കുക.

നിങ്ങളുടെ ലോജിക്കിൽ ഈ ചോദ്യങ്ങൾ ചോദിക്കുക:

  • പരമാവധി എക്സ്പോഷർ എത്രയാണ്?
  • സ്വീകാര്യമായ വോളറ്റിലിറ്റി എത്രയാണ്?

നിയന്ത്രണങ്ങളില്ലാത്ത ഒപ്റ്റിമൈസേഷൻ തെറ്റായ കൃത്യത (false precision) സൃഷ്ടിക്കുന്നു. റിസ്ക് ബജറ്റിംഗ് അച്ചടക്കം നൽകുന്നു.

പാറ്റേണുകൾക്കായി AI ഉപയോഗിക്കുക, സത്യം കണ്ടെത്താനല്ല.

കോറിലേഷനുകൾ (correlations) കണ്ടെത്താനും വിപണിയിലെ മാറ്റങ്ങൾ സൂചിപ്പിക്കാനും AI-ക്ക് കഴിയും. AI നൽകുന്ന വിവരങ്ങൾ വസ്തുതകളായി അവതരിപ്പിക്കരുത്. ഒരു നല്ല സിസ്റ്റം അനിശ്ചിതത്വം കാണിക്കുന്നുണ്ട്. AI അറിയാത്ത കാര്യങ്ങൾ ഉപയോക്താക്കൾക്ക് മനസ്സിലാക്കാൻ കോൺഫിഡൻസ് റേഞ്ചുകൾ (confidence ranges) ഉപയോഗിക്കുക.

ലളിതമായ ഒരു റിസ്ക് ലോജിക് ലെയർ ഇപ്രകാരമാണ്:

  • അസറ്റ് എക്സ്പോഷർ ഒരു പരിധിയിൽ കൂടുതൽ ആണെങ്കിൽ, കോൺസെൻട്രേഷൻ റിസ്ക് (concentration risk) സൂചിപ്പിക്കുക.
  • വോളറ്റിലിറ്റി വർദ്ധിച്ചാൽ, വോളറ്റിലിറ്റി പ്രഷർ (volatility pressure) സൂചിപ്പിക്കുക.
  • കോറിലേഷനുകൾ വർദ്ധിച്ചാൽ, ഡൈവേഴ്‌സിഫിക്കേഷൻ വീക്ക്നസ് (diversification weakness) സൂചിപ്പിക്കുക.
  • ലിക്വിഡിറ്റി കുറഞ്ഞാൽ, ലിക്വിഡിറ്റി റിസ്ക് (liquidity risk) സൂചിപ്പിക്കുക.
  • മോഡൽ പെർഫോമൻസ് കുറഞ്ഞാൽ, മോഡൽ ഡ്രിഫ്റ്റ് (model drift) സൂചിപ്പിക്കുക.

ഈ സിസ്റ്റം തീരുമാനങ്ങൾ എടുക്കുന്നില്ല. ഇത് മികച്ച റിവ്യൂകൾ നടത്താൻ സഹായിക്കുന്നു.

നല്ല ഫിനാൻഷ്യൽ ടൂളുകൾ അമിത ആത്മവിശ്വാസം കുറയ്ക്കണം. അവ മറഞ്ഞിരിക്കുന്ന എക്സ്പോഷറുകളെ ദൃശ്യമാക്കണം. വിപണിയിൽ സമ്മർദ്ദം ഉണ്ടാകുന്നതിന് മുമ്പ് അവ പരിശോധന പ്രോത്സാഹിപ്പിക്കണം.

റിസ്ക് ബജറ്റില്ലാത്ത ഒരു റിട്ടേൺ ടാർഗെറ്റ് വെറുമൊരു അഭിലാഷം മാത്രമാണ്.

എക്സ്പോഷർ, അനിശ്ചിതത്വം, പരിമിതികൾ എന്നിവ കാണിക്കുന്ന ടൂളുകൾ നിർമ്മിക്കുക.

Source: https://dev.to/profdrgustavohenriquevalente/building-risk-budget-checks-into-portfolio-analytics-systems-alk

Optional learning community: https://t.me/GyaanSetuAi