মাসিক শার্প অনুপাত কি √12 দিয়ে গুণ করব? সিরিয়াল সম্পর্কের প্রভাব

একটি সময়কালের শার্প অনুপাত হলো সেই সময়কালের ঝুঁকিমুক্ত হারের বেশি গড় রিটার্নকে একই সময়কালের রিটার্নের স্ট্যান্ডার্ড ডেভিয়েশন দিয়ে ভাগ করা: SR₁ = μ/σ। ডেটা মাসিক হলে ঝুঁকিমুক্ত হারও মাসিক সময়সীমার সঙ্গে সামঞ্জস্যপূর্ণ হতে হবে। মাসিক রিটার্ন থেকে সরাসরি বার্ষিক হার বিয়োগ করা ঠিক নয়।

এটি নির্দিষ্ট সংজ্ঞায় তৈরি পর্যবেক্ষিত রিটার্নের একটি নমুনাকে সংক্ষেপে প্রকাশ করে। এটি লাভের সম্ভাবনা, সম্পূর্ণ ঝুঁকি-মাপক, বা ভবিষ্যৎ পারফরম্যান্সের নিশ্চয়তা নয়। গ্রসের বদলে নেট রিটার্ন, বা লভ্যাংশ ও অর্থায়ন খরচের ভিন্ন হিসাব নিলে সংখ্যাটিও বদলাতে পারে।

একটি সময়কালের শার্পকে q সময়কালের জন্য রূপান্তর করতে প্রচলিত নিয়ম SR_q = √q × SR₁। এর ভিত্তিতে গড় ও ভ্যারিয়েন্স স্থিতিশীল এবং অন্তর্ভুক্ত ল্যাগগুলোতে অটোকরিলেশন নেই—এমন অনুমান রয়েছে। অভিন্ন ও স্বাধীনভাবে বণ্টিত (IID) রিটার্ন একটি পরিচিত পর্যাপ্ত শর্ত, তবে IID হওয়া কেবল অটোকরিলেশন শূন্য হওয়ার চেয়ে শক্তিশালী অনুমান।

উইলিয়াম শার্পের শার্প অনুপাতের ব্যাখ্যা-তে বর্গমূলের নিয়মের সঙ্গে শূন্য-সম্পর্কের শর্তের যোগসূত্র রয়েছে। মাসিক রিটার্ন পরস্পর সম্পর্কিত হলে তাদের যোগফলের স্ট্যান্ডার্ড ডেভিয়েশন সাধারণত মাসিক বিচ্যুতি × √q হয় না; তাই সরল গুণ স্বয়ংক্রিয়ভাবে প্রযোজ্য নয়।

ঝুঁকিমুক্ত হারের বেশি পর্যায়িক রিটার্নকে xₜ, ভ্যারিয়েন্সকে γ₀ এবং k ল্যাগে কোভ্যারিয়েন্সকে γₖ = Cov(xₜ, xₜ₋ₖ) ধরা যাক। তখন ρₖ = γₖ/γ₀ হলো k-তম ল্যাগের অটোকরিলেশন। কোভ্যারিয়েন্স স্থির এবং qটি পর্যায়িক অতিরিক্ত রিটার্ন যোগ করলে:

Var(Σₜ₌₁ᵠ xₜ) = qγ₀ + 2Σₖ₌₁ᵠ⁻¹(q−k)γₖ

এ থেকে অ্যান্ড্রু লো-র সময়-সমষ্টি সংশোধন পাওয়া যায়: SR_q = √q × SR₁ / √(1 + 2Σₖ₌₁ᵠ⁻¹(1−k/q)ρₖ)। বড় ল্যাগে কম জোড়া থাকে বলে প্রতিটি ল্যাগের ওজনও কমে।

প্রাসঙ্গিক ল্যাগগুলোতে সম্পর্ক ধনাত্মক হলে সংশোধনের হর সাধারণত একের বেশি হয়, ফলে শুধু √q দিয়ে গুণ করলে সংশোধিত শার্প বেশি দেখায়। সম্পর্ক ঋণাত্মক হলে সরল নিয়মটি কম দেখাতে পারে। এটি অনুমানাধীন কাঠামোর গাণিতিক ফল, কৌশলের গুণমানের বিচার নয়।

শুধু ব্যাখ্যার জন্য ধরা যাক, মাসিক গড় অতিরিক্ত রিটার্ন 0.4% এবং মাসিক স্ট্যান্ডার্ড ডেভিয়েশন 2%। সুতরাং SR₁ = 0.4% ÷ 2% = 0.20। সম্পর্ক উপেক্ষা করলে সরল বার্ষিক মান হবে 0.20 × √12 ≈ 0.6928।

এবার একটি কাল্পনিক AR(1) মডেল ধরি: ρ₁ = 0.25 এবং ρₖ = 0.25ᵏ। এই উদাহরণে সংশোধন গুণক √(1 + 2Σₖ₌₁¹¹(1−k/12)×0.25ᵏ) ≈ 1.262। তাই সংশোধিত বার্ষিক শার্প 0.6928 ÷ 1.262 ≈ 0.549। পরের ল্যাগগুলোতে 0.25ᵏ ব্যবহৃত হয়েছে AR(1) অনুমানের কারণে; প্রতিটি ল্যাগের সম্পর্ক 0.25 নয়।

এটি সম্পূর্ণ কাল্পনিক হিসাব, পূর্বাভাস বা ট্রেডিং পরামর্শ নয়। এটি মাসিক অতিরিক্ত রিটার্ন যোগ করা এবং উল্লিখিত মডেল-অনুমানের ওপর নির্ভর করে।

রিটার্নের ধারাবাহিকতা বা উল্টো দিকে ফেরার প্রবণতা বাস্তব অর্থনৈতিক আচরণ দেখাতে পারে। আবার একাধিক দিনের হোল্ডিং পিরিয়ডের কৌশলে প্রতিদিনের রিটার্ন হিসাব করলে পর্যবেক্ষণগুলো একই অবস্থানের ঝুঁকি ভাগ করে নিতে পারে। এ ধরনের ওভারল্যাপড রিটার্ন স্বাধীন পর্যবেক্ষণ নয়।

পুরোনো দাম, কম-তরল সম্পদের মূল্যায়ন, বা দামের ওঠানামা মসৃণ করে দেখানো মার্কিং পদ্ধতিও সিরিজকে মসৃণ করতে পারে। সিগন্যাল, রিব্যালান্সিং এবং রিটার্ন তৈরির নিয়ম থেকেও সময়গত নির্ভরতা আসতে পারে। সংশোধনের আগে দেখুন সম্পর্কটি অর্থনৈতিক বৈশিষ্ট্য, পরিমাপের কৃত্রিম প্রভাব, নাকি রিটার্ন সংজ্ঞার ফল।

রিটার্নের ধরন, সময়সীমা এবং সংশ্লিষ্ট ঝুঁকিমুক্ত হার একইভাবে সংজ্ঞায়িত করুন। ফলাফল গ্রস না খরচ-পরবর্তী তা জানান। লিভারেজ, ফান্ডিং, সুদ, লভ্যাংশ এবং ক্রিপ্টো পারপেচুয়াল ফান্ডিংয়ের হিসাবও ধারাবাহিক রাখুন; এক জায়গায় খরচ বাদ দিয়ে অন্য জায়গায় যোগ করবেন না।

উপরের কোভ্যারিয়েন্স সূত্রটি অনুমানগুলো মানলে qটি পর্যায়িক অতিরিক্ত রিটার্নের গাণিতিক যোগফলের জন্য। পোর্টফোলিও ভ্যালু থেকে চক্রবৃদ্ধি করে বার্ষিক রিটার্ন বের করলে সেটিকে এই যোগফলের সঙ্গে গুলিয়ে ফেলবেন না। পুনরুৎপাদনযোগ্য তুলনার জন্য পদ্ধতি, পুনর্বিনিয়োগ, ওজন এবং বাহ্যিক নগদ প্রবাহ উল্লেখ করুন।

অটোকরিলেশন নমুনা থেকে অনুমান করা হয়। পর্যবেক্ষণ কম থাকলে, বিশেষ করে দীর্ঘ ল্যাগে, অনুমান অনেক শব্দযুক্ত হতে পারে। প্রথম ল্যাগে সম্পর্ক দেখেই AR(1) ধরে নেবেন না; একাধিক ল্যাগ, রিটার্নের চার্ট এবং ডেটা কীভাবে তৈরি হয়েছে তা পরীক্ষা করুন।

নমুনার দৈর্ঘ্য, অনুমানের পদ্ধতি, ব্যবহৃত ল্যাগ এবং যুক্তিসঙ্গত বিকল্প অনুমানে সংশোধিত অনুপাত কতটা বদলায় তা জানান। দুটি কৌশল তুলনা করলে সম্ভব হলে অনিশ্চয়তা বা কনফিডেন্স ইন্টারভ্যাল দিন; সামান্য দশমিক পার্থক্যকে নিশ্চিত ফল হিসেবে দেখাবেন না।

সময়-সমষ্টির সংশোধন বহু কৌশল পরীক্ষা করে সেরা ফল বেছে নেওয়া, ডেটা-স্নুপিং, বাজার-ব্যবস্থার পরিবর্তন, টেইল রিস্ক, লিভারেজ, লিকুইডিটি বা এক্সিকিউশন খরচ দূর করে না। সংশোধিত শার্পেও বিরল কিন্তু বড় ক্ষতি আড়াল হতে পারে।

সংশোধনের পর বেশি শার্প মানেই ভবিষ্যতে ভালো ফল বা কম ঝুঁকি—এমন নয়। রিটার্ন-টু-ভোলাটিলিটি পরিমাপকে স্থায়িত্ব, বাস্তবায়নযোগ্যতা এবং মূলধন-ঝুঁকির পরীক্ষা থেকে আলাদা রাখুন।

ডেটার ফ্রিকোয়েন্সি, অতিরিক্ত রিটার্নের সংজ্ঞা, মিলযুক্ত ঝুঁকিমুক্ত হার, নমুনার সময়কাল ও আকার লিখে রাখুন। প্রাসঙ্গিক ল্যাগের অটোকরিলেশন ও রূপান্তরের অনুমান দেখান; সরল √q নিয়ম নাকি লো-র সংশোধন ব্যবহার করেছেন তা বলুন।

ফি ও ফান্ডিং খরচ, লিভারেজ, লভ্যাংশ, কম্পাউন্ডিং ও বহিরাগত নগদ প্রবাহের আচরণ জানান। অনিশ্চয়তা বা সংবেদনশীলতা যোগ করুন, আর অতীতের অনুমানকে পূর্বাভাস বলবেন না। আরও পড়ুন: গাণিতিক বনাম জ্যামিতিক গড় রিটার্ন, সর্বোচ্চ ড্রডাউন ও পুনরুদ্ধারের শতাংশ, এবং বায়াস-ভ্যারিয়েন্স ট্রেড-অফ ও আর্থিক মডেলের ওভারফিটিং।

অ্যান্ড্রু লো-র The Statistics of Sharpe Ratios গবেষণাপত্রে সিরিয়াল নির্ভরতা শার্প অনুপাতকে কীভাবে প্রভাবিত করে এবং সময়-রূপান্তর কেন আলাদা হতে পারে তা বিশ্লেষণ করা হয়েছে।