ট্রেডিংয়ে ভোলাটিলিটি টার্গেটিং: পজিশন সাইজ ও ঝুঁকি সমন্বয়

ট্রেডার বা পোর্টফোলিও ব্যবস্থাপক প্রথমে একটি লক্ষ্য অস্থিরতা ঠিক করেন—সাধারণত বার্ষিক হিসাবে, যদিও অন্য সময়সীমাও ব্যবহার করা যায়। তারপর যে বেস পজিশনটি রাখতে চান, তার পরের সময়কালের অস্থিরতা অনুমান করেন। পূর্বাভাস বাড়লে নিয়ম এক্সপোজার কমায়; কমলে এক্সপোজার বাড়াতে পারে। ফলে প্রতিদিন একই ডলার পরিমাণ ধরে রাখার বদলে পরিবর্তনশীল ঝুঁকির সঙ্গে অবস্থান সামঞ্জস্য হয়।

“লক্ষ্য” শব্দটি নকশার একটি ইনপুট বোঝায়, নিশ্চিত ফল নয়। সিদ্ধান্তের মুহূর্তে পূর্বাভাসটি পুরোনো রিটার্ন বা কোনো মডেল থেকে আসে, কিন্তু পরের সময়ের প্রকৃত অস্থিরতা তখন অজানা। হঠাৎ সংবাদ, মূল্য-গ্যাপ বা তারল্য শুকিয়ে গেলে পরের রিটার্ন অনুমানের অনেক বাইরে যেতে পারে—পরবর্তী রিব্যালান্সের আগেই।

কোন জিনিসটি স্কেল করা হচ্ছে সেটিও বলতে হবে: একটি সম্পদ, পুরো কৌশল, নাকি নগদ বাদে ঝুঁকিপূর্ণ অংশ? সমান ডলার-এক্সপোজার সমান ঝুঁকি নয়। শান্ত শেয়ার ও বেশি অস্থির ফিউচার চুক্তির সমান নোশনাল ভ্যালুতে ঝুঁকি আলাদা; লিভারেজ ও অবস্থানগুলোর পারস্পরিক সম্পর্কও মোট ঝুঁকি বদলে দেয়।

ধরা যাক, লক্ষ্য বার্ষিক অস্থিরতা σ* এবং সিদ্ধান্তের সময়ে জানা বেস এক্সপোজারের পূর্বাভাসিত বার্ষিক অস্থিরতা σ̂ₜ। সরল এক্সপোজার গুণক mₜ = σ* ÷ σ̂ₜ। ঊর্ধ্বসীমা যোগ করলে mₜ = min(Lmax, σ* ÷ σ̂ₜ)। সর্বনিম্ন এক্সপোজার বা শর্ট পজিশন অনুমোদন আলাদা নীতির বিষয়।

আগে থেকে নির্ধারিত বেস পজিশন থাকলে সেটিকে mₜ দিয়ে গুণ করুন। একটি ঝুঁকিপূর্ণ সম্পদই যদি পুরো ঝুঁকির অংশ হয়, তাহলে সীমা আরোপের আগে অনুপাতটি মূলধনের কত অংশ সেখানে যাবে তা বোঝাতে পারে। বেস ও লক্ষ্য একই সময়সীমা এবং একই রিটার্ন-সংজ্ঞায় থাকলে অনুপাতটি এককবিহীন। বার্ষিক লক্ষ্যের সঙ্গে দৈনিক পূর্বাভাস ভাগ করলে একক মেলে না।

রৈখিক এক্সপোজার ও সামঞ্জস্যপূর্ণ অস্থিরতা মাপের ক্ষেত্রে এই নিয়ম প্রত্যাশিত স্ট্যান্ডার্ড ডিভিয়েশন লক্ষ্য করার সরাসরি রূপ। বহু সম্পদের পোর্টফোলিওতে হরটি পোর্টফোলিওর ভ্যারিয়েন্স-কোভ্যারিয়েন্স ধরবে; আলাদা সম্পদের অস্থিরতা যোগ করলেই মোট ঝুঁকি পাওয়া যায় না। বেস ওয়েট বদলালে সেই বেস পোর্টফোলিওর ঝুঁকিও নতুন করে হিসাব করা দরকার।

ধরা যাক, কোনো কৌশলের বেস নোশনাল এক্সপোজার কাল্পনিকভাবে ১,০০,০০০ মুদ্রা-একক। পরের সময়ের অস্থিরতা ২০% বার্ষিক অনুমান করা হয়েছে এবং লক্ষ্য ১০%। গুণক ১০% ÷ ২০% = ০.৫, তাই হিসাবি এক্সপোজার ৫০,০০০। এই অঙ্কটি শুধু অনুপাত বোঝায়; কৌশলটি বাস্তবে ঠিক ১০% অস্থিরতা দেবে বা সম্ভাব্য ক্ষতি জানা গেল—এমন নয়।

পূর্বাভাস ৫%-এ নামলে কাঁচা অনুপাত ১০% ÷ ৫% = ২.০ হয় এবং একই ভিত্তিতে নোশনাল এক্সপোজার ২,০০,০০০ দাঁড়ায়। মার্জিন বা পরিচালন নীতি এত বড় আকার আটকে দিতে পারে। উদাহরণে কাল্পনিক সর্বোচ্চ গুণক ১.২৫ হলে ২.০ নয়, ১.২৫ প্রয়োগ হবে এবং হিসাবি এক্সপোজার হবে ১,২৫,০০০। এই সীমা কেবল অঙ্ক বোঝানোর জন্য; উপযুক্ত লিভারেজের সুপারিশ নয়।

কম পূর্বাভাসিত অস্থিরতায় কেন লিভারেজ বাড়তে পারে, উদাহরণটি সেটি দেখায়। কিন্তু শান্ত বাজারের পরে বড় ধাক্কা এলে অস্থিরতার অনুমান বাড়তে বাড়তে ক্ষতি ইতিমধ্যে হয়ে যেতে পারে। তখন অ্যালগরিদম এক্সপোজার কমালেও আগের ক্ষতি মুছে দেয় না। ফল নির্ভর করে তথ্য কখন পাওয়া গেছে এবং অর্ডার কী দামে পূরণ হয়েছে তার ওপরও।

অস্থিরতা অনুমানে চলমান রিটার্ন উইন্ডো, সাম্প্রতিক রিটার্নকে বেশি ওজন দেওয়া পদ্ধতি, অথবা GARCH মডেল ব্যবহার করা যায়। প্রতিটি পদ্ধতিতে দ্রুত সাড়া ও পরিমাপের শব্দের মধ্যে আলাদা ভারসাম্য আছে। ছোট উইন্ডো দ্রুত বদলায় কিন্তু বেশি দুলতে পারে; বড় উইন্ডো মসৃণ হলেও নতুন বাজার-পরিবর্তনে দেরি করে। Realized volatility হিসাবের নির্দেশিকা উইন্ডো, রিটার্ন ও annualization নিয়ে আলোচনা করে; GARCH ও volatility clustering পূর্ববর্তী তথ্য থেকে conditional variance অনুমানের পদ্ধতি দেখায়। পাশাপাশি বিভিন্ন lookback horizon-এ realized volatility কীভাবে ছড়ায় তা volatility cone তুলনা করে দেখায়।

রিটার্নের ফ্রিকোয়েন্সি, দিনের কাট-অফ, পূর্বাভাসের দিগন্ত, ছুটির দিন এবং অনুপস্থিত দামের নিয়ম আগে স্থির করুন। ট্রেডিং দিনের দৈনিক রিটার্ন থেকে বার্ষিক করতে √252 প্রচলিত, কিন্তু এটি নির্দিষ্ট রিটার্ন-সংজ্ঞা ও সময়-সমষ্টির অনুমানের ওপর নির্ভর করে। লক্ষ্য ও পূর্বাভাস একই হরাইজন, একই একক, একই সম্পদ বা পোর্টফোলিও এবং তুলনীয় রিটার্ন-পরিমাপের হতে হবে।

ব্যাকটেস্টে তথ্যের সময়ও ঠিক থাকতে হবে। দিনের ক্লোজিং দাম বা আজকের রিটার্ন দেখে আজকের শুরুর এক্সপোজার নির্ধারণ করা যায় না। যে মুহূর্তে অর্ডার পাঠানো হবে, তার আগে পাওয়া তথ্য দিয়ে পূর্বাভাস তৈরি করুন এবং পরের সময়সীমায় পজিশন প্রয়োগ করুন। নইলে পরীক্ষায় ভবিষ্যৎ তথ্য ঢুকে ফল বাস্তবের চেয়ে ভালো দেখাবে।

শেয়ারের ক্ষেত্রে সংশোধিত নোশনাল এক্সপোজারকে শেয়ারদর দিয়ে ভাগ করে সংখ্যা বের করা যায়, তারপর ট্রেডযোগ্য পূর্ণসংখ্যায় রাউন্ড করতে হয়। ফিউচারে পয়েন্ট ভ্যালু, কন্ট্রাক্ট মাল্টিপ্লায়ার, মুদ্রা-রূপান্তর ও মার্জিন যোগ হয়। নিচের দিকে রাউন্ড করলে লক্ষ্য অস্থিরতা পুরোপুরি না-ও মিলতে পারে; তাই শুধু তাত্ত্বিক গুণক নয়, বাস্তবে পূরণ হওয়া অবস্থানের ঝুঁকিও হিসাব করুন।

একাধিক সম্পদে তাদের সহ-চলন ধরতে পোর্টফোলিও ভ্যারিয়েন্স-কোভ্যারিয়েন্স বা সরাসরি পোর্টফোলিও পূর্বাভাস ব্যবহার করুন। পৃথক পজিশনের অস্থিরতা মাঝারি হলেও সবগুলো একসঙ্গে একই দিকে চললে মোট ঝুঁকি বাড়তে পারে। আবার কম সম্পর্কের অবস্থান একত্রে নিলে মোট অস্থিরতা কমতে পারে। প্রতিটি সম্পদে আলাদা গুণক প্রয়োগ করা আর পুরো পোর্টফোলিওকে একটি গুণকে স্কেল করা একই বিষয় নয়।

অপশন ও অন্যান্য non-linear কন্ট্রাক্টে নোশনাল বা ডেল্টা একা যথেষ্ট নয়। দাম, গামা, ভেগা, সময়ক্ষয় ও বাজার-তারল্য বদলালে ঝুঁকিও বদলায়। ধাক্কা-ভিত্তিক পুনর্মূল্যায়ন, মার্জিন চাহিদা ও একাধিক গ্রীকস দেখা সহজ গুণকের চেয়ে উপযোগী হতে পারে। ফিউচার পজিশন সাইজিং ক্ষতি-বাজেট থেকে কন্ট্রাক্ট সংখ্যা নির্ধারণের ধাপ বোঝায়; তা পূর্বাভাসিত পোর্টফোলিও অস্থিরতা লক্ষ্য করার প্রশ্ন থেকে আলাদা।

সরাসরি ভোলাটিলিটি টার্গেটিংয়ে গুণক স্ট্যান্ডার্ড ডিভিয়েশনের বিপরীতে চলে: mₜ = σ* ÷ σ̂ₜ। অন্যদিকে volatility-managed portfolio গবেষণা কখনও পূর্বাভাসিত ভ্যারিয়েন্সের inverse-এর সঙ্গে সমানুপাতিক ওজন ব্যবহার করে—c ÷ σ̂ₜ² ধরনের নিয়ম। Moreira ও Muir বিভিন্ন factor portfolio-তে এমন ঝুঁকি-সময়ভিত্তিক স্কেলিং বিশ্লেষণ করেছেন এবং নকশার নির্দিষ্ট গুণক/নরমালাইজেশন ব্যবহার করেছেন। এখানে inverse-টি variance-এর; তাই এটি সরাসরি লক্ষ্য-ভোলাটিলিটি ভাগ পূর্বাভাসিত ভোলাটিলিটি নয়। তাঁদের Journal of Finance গবেষণা নির্দিষ্ট নমুনার ফল দেখায়, প্রত্যেক অ্যাকাউন্টে নির্দিষ্ট অস্থিরতা নিশ্চিত করে না।

Barroso ও Santa-Clara momentum কৌশলে সময়ভেদে বদলানো ঝুঁকি ম্যানেজ করার একটি গবেষণামূলক নকশা পরীক্ষা করেন। সেটি কার্যকর হতে পারে কি না তা কৌশল, ডেটা ও পূর্বাভাসের ওপর নির্ভর করে; একে সব ট্রেডে প্রযোজ্য সাধারণ সূত্র বলা যাবে না। পরে Cederburg ও সহলেখকেরা ১০৩টি ইকুইটি কৌশল পরীক্ষা করে দেখান যে volatility-managed সংস্করণগুলো সরাসরি তুলনায় নিয়মিতভাবে unmanaged কৌশলকে হারায় না; বাস্তবসম্মত out-of-sample সংস্করণও দুর্বল হতে পারে। Momentum গবেষণা এবং ১০৩ কৌশলের মূল্যায়ন প্রমাণের পরিসর ও সীমা দেখায়।

Taylor-এর বিশ্লেষণ অনুযায়ী volatility timing-এর ফল পূর্বাভাসের দক্ষতা, ঝুঁকি-রিটার্ন সম্পর্ক এবং বিনিয়োগকারীর ঝুঁকি-পছন্দের মতো শর্তে বদলাতে পারে। volatility timing-এর নির্ধারক নিয়ে গবেষণা দেখায় কেন একটি paper-এর backtest অন্য সম্পদ বা অন্য কৌশলে সরাসরি স্থানান্তর করা ঠিক নয়। “কত এক্সপোজারে নকশাগত অস্থিরতা মিলবে?” এবং “অস্থিরতা বদলে দিলে ঝুঁকি-সমন্বিত ফল বাড়বে কি?”—দুটি আলাদা প্রশ্ন।

পূর্বাভাস খুব নিচে নেমে গেলে ভাগফল বড় হয়ে যায়। সর্বোচ্চ গুণক, নোশনাল সীমা বা মার্জিন নীতি লিভারেজ বেঁধে রাখতে পারে, তবে এতে বাস্তব অস্থিরতা লক্ষ্য থেকে বিচ্যুত হবে। ব্যাকটেস্টে কতবার সীমাটি লেগেছে, কতদিন এক্সপোজার সীমাবদ্ধ ছিল, এবং অন্য যুক্তিসংগত সীমায় ফল কেমন—এসব জানানো দরকার। ফল দেখে সুবিধাজনকভাবে সীমা বেছে নিলে সেটি আর নিরপেক্ষ পরীক্ষার নকশা থাকে না।

প্রতিদিন গুণক বদলালে পূর্বাভাসের শব্দের কারণে ঘনঘন কেনাবেচা হতে পারে। কম ঘন রিব্যালান্সে ট্রেডের খরচ কমতে পারে, কিন্তু ঝুঁকি দীর্ঘ সময় লক্ষ্য থেকে সরে থাকে। মসৃণ সংকেত বা rebalance band ব্যবহারও নতুন নকশা-সিদ্ধান্ত; এগুলো আগে স্থির করে out-of-sample-এ যাচাই করুন। কমিশন, bid-ask spread, slippage, market impact, ঋণ ও ফান্ডিং খরচ, perpetual contract funding এবং margin—সবই ফলের অংশ।

তাত্ত্বিক গুণক মানেই বাস্তবায়িত ঝুঁকি নয়। চাহিদামতো অর্ডার পূরণ নাও হতে পারে, রিব্যালান্সের মধ্যে দাম লাফ দিতে পারে, বা পোর্টফোলিওর correlation বদলে যেতে পারে। তাই সিদ্ধান্তের আগে ব্যবহৃত পূর্বাভাস, তাত্ত্বিক গুণক, সীমার পর গুণক, বাস্তব অর্ডার ও খরচ নথিবদ্ধ করুন। এই রেকর্ডেই লক্ষ্য-নকশা আর বাস্তব ট্রেডের পার্থক্য দেখা যায়।

নিয়মটি ধরে নেয় যে অস্থিরতার পূর্বাভাস প্রয়োগের সময় সম্পর্কে কিছু তথ্য দেয় এবং কৌশলের সংজ্ঞা স্থির থাকে। বাজারের regime বদল, লিকুইডিটি সংকট, নতুন নিয়ন্ত্রণ, স্থগিত ট্রেড বা মসৃণ মডেল-দামে অতীতের উইন্ডো বিভ্রান্ত করতে পারে। GARCH বা rolling window কোনোটি অনিশ্চয়তা সরিয়ে দেয় না; এগুলো পূর্বাভাস তৈরির আলাদা পদ্ধতি। পরের সময়ে প্রকৃত অস্থিরতার সঙ্গে পূর্বাভাসের ভুল তুলনা করুন।

অস্থিরতা রিটার্নের বিচ্যুতি মাপে; দেউলিয়া হওয়া, সর্বোচ্চ drawdown বা সবচেয়ে বড় ক্ষতির পূর্ণ হিসাব দেয় না। দুটি সময়ে standard deviation এক হলেও ক্ষতির ক্রম আলাদা হতে পারে। একটি overnight gap বা বাজার বন্ধের পরে মূল্য-লাফ বার্ষিক লক্ষ্য ছাড়িয়ে যেতে পারে, অবস্থান কমানোর সুযোগের আগেই। গুণক কমানো ক্ষতির নিম্নসীমা নির্ধারণ করে না, লিভারেজ বা মার্জিন ঝুঁকি বিলোপ করে না।

ফল পড়ার আগে নিয়ম, উইন্ডো, পূর্বাভাসের হরাইজন, সর্বোচ্চ লিভারেজ, রিব্যালান্সের সময়সূচি ও খরচ নির্ধারণ করুন। মডেল তৈরি করতে ব্যবহৃত নয় এমন সময়ে পরীক্ষা করুন, একই তারিখে স্থির-বেস কৌশলের সঙ্গে তুলনা করুন, এবং শুধু রিটার্ন নয় realized volatility, drawdown, turnover ও খরচও জানান। out-of-sample ফলও কাঠামোগত পরিবর্তন বা কৌশল নির্বাচনে প্রভাবিত হতে পারে। এই পদ্ধতি পূর্বাভাস অনুযায়ী এক্সপোজার সংগঠিত করে; লাভ বা ক্ষতি নিয়ন্ত্রণের নিশ্চয়তা কিংবা ব্যক্তিগত আর্থিক পরামর্শ দেয় না।

কাগজে বা বাস্তব লেনদেনে নিয়মটি চালানোর পর প্রতিটি সময়ের পূর্বাভাসের সঙ্গে একই horizon ও একই সংজ্ঞায় realized volatility তুলনা করুন। শুধু এক বছরের গড় দেখানোর বদলে সময়ের সঙ্গে পূর্বাভাস ও ফল পাশাপাশি দেখান। গড়ের আড়ালে এমন সময় থাকতে পারে যখন realized volatility লক্ষ্য ছাড়িয়েছে, কিংবা exposure অনেক দিন cap-এ আটকে ছিল। শান্ত ও অস্থির—দুই ধরনের সময়ে forecast error-এর আকার ও দিক আলাদা করে দেখুন; এক অবস্থায় ধারাবাহিক ভুল হলে নিয়মটির ব্যবহারযোগ্যতা বদলাতে পারে।

কন্ট্রাক্ট সংখ্যা round করা, margin, বাস্তব fill ও খরচের পর যে exposure থাকে সেটিও মাপুন; তাত্ত্বিক multiplier একা যথেষ্ট নয়। window বা estimator বদলালে সেটিকে নতুন strategy version ধরে এমন সময়ে পরীক্ষা করুন, যা বেছে নেওয়ার সময় ব্যবহার হয়নি। সাম্প্রতিক শান্ত বাজার দেখে লক্ষ্য বা cap বাড়াবেন না; তাতে ঝুঁকির নীতি বদলে যায়, আর পুরোনো ফল পরের সময়ের নিশ্চয়তা হয় না।