ट्रेडिंग में वोलैटिलिटी टार्गेटिंग: पोज़िशन साइज़ और जोखिम

ट्रेडर या पोर्टफोलियो प्रबंधक पहले एक लक्ष्य चुनता है, आमतौर पर सालाना वोलैटिलिटी। फिर वह आने वाली अवधि में बेस पोज़िशन की संभावित वोलैटिलिटी का अनुमान लगाता है। अनुमान बढ़े तो नियम एक्सपोज़र कम करता है; अनुमान घटे तो वह एक्सपोज़र बढ़ा सकता है। इस तरह समान डॉलर नॉशनल बनाए रखने के बजाय जोखिम की बदलती स्थिति के साथ पोज़िशन बदलती है।

“लक्ष्य” डिजाइन का इनपुट है, पक्का नतीजा नहीं। निर्णय के समय अनुमान पिछले रिटर्न या मॉडल से निकला होता है, लेकिन अगली अवधि की असली वोलैटिलिटी अभी मालूम नहीं होती। अचानक खबर, कीमत का गैप या तरलता का सूखना अनुमान से कहीं बड़ा रिटर्न ला सकता है—अगले रीबैलेंस से पहले ही।

पहले साफ़ करें कि किसे स्केल कर रहे हैं: एक एसेट, पूरी रणनीति, या नकदी से अलग जोखिम वाला हिस्सा? समान नॉशनल का मतलब समान जोखिम नहीं है। कम उतार-चढ़ाव वाले शेयर और अधिक उतार-चढ़ाव वाले फ्यूचर का बराबर नॉशनल अलग जोखिम देता है; लीवरेज और पोज़िशनों का आपसी संबंध भी कुल पोर्टफोलियो जोखिम बदलता है।

लक्ष्य सालाना वोलैटिलिटी को σ* और निर्णय के समय ज्ञात बेस एक्सपोज़र की अनुमानित सालाना वोलैटिलिटी को σ̂ₜ मानें। सीधा एक्सपोज़र मल्टिप्लायर mₜ = σ* ÷ σ̂ₜ है। ऊपरी सीमा के साथ mₜ = min(Lmax, σ* ÷ σ̂ₜ)। न्यूनतम एक्सपोज़र या शॉर्ट की अनुमति अलग नियमों से तय होगी।

यदि बेस पोज़िशन पहले से तय है, तो उसे mₜ से गुणा करें। अगर एक ही जोखिम वाला एसेट पूरी जोखिमपूर्ण पोज़िशन है, तो प्रतिबंध लगाने से पहले यही अनुपात पूंजी का उस एसेट में लगाया जाने वाला हिस्सा दिखा सकता है। अंश और हर एक ही अवधि और एक ही माप पर हों तभी अनुपात इकाई-रहित है। सालाना लक्ष्य को दैनिक अनुमान से सीधे भाग देना इकाइयों को मिला देता है।

रैखिक एक्सपोज़र और समान परिभाषा वाली वोलैटिलिटी के लिए यह नियम अपेक्षित स्टैंडर्ड डिविएशन लक्ष्य करने का सीधा तरीका है। कई एसेट वाले पोर्टफोलियो में हर को पोर्टफोलियो का variance और covariance शामिल करना चाहिए; अलग-अलग वोलैटिलिटी जोड़ना पर्याप्त नहीं। बेस वजन बदलने पर पहले उसी नए बेस पोर्टफोलियो का अनुमानित जोखिम निकालें।

मान लें किसी रणनीति का काल्पनिक बेस नॉशनल 100,000 मुद्रा-इकाई है। आगे की अवधि के लिए सालाना वोलैटिलिटी का अनुमान 20% और लक्ष्य 10% है। मल्टिप्लायर 10% ÷ 20% = 0.5 होगा, इसलिए गणितीय एक्सपोज़र 50,000 होगा। यह सिर्फ अनुपात का उदाहरण है; इससे यह सिद्ध नहीं होता कि रणनीति की असल वोलैटिलिटी 10% होगी या संभावित नुकसान अब ज्ञात है।

यदि अनुमान 5% हो, तो कच्चा अनुपात 10% ÷ 5% = 2.0 है और उसी आधार पर नॉशनल 200,000 होगा। पर कम अनुमानित वोलैटिलिटी लीवरेज को बहुत बढ़ा सकती है। यदि उदाहरण में अधिकतम मल्टिप्लायर काल्पनिक रूप से 1.25 रखा जाए, तो 2.0 के बजाय 1.25 लागू होगा और एक्सपोज़र 125,000 होगा। यह सीमा उदाहरण के लिए है, किसी ट्रेडर के लिए सुझाया गया स्तर नहीं।

इससे दिखता है कि शांत दिखते बाजार में नियम जोखिमपूर्ण एक्सपोज़र बढ़ा सकता है। किसी झटके के बाद अनुमान ऊपर जाते-जाते नुकसान पहले ही हो सकता है; बाद में पोज़िशन घटाना पिछला नुकसान वापस नहीं लाता। वास्तविक नतीजे इस बात पर भी निर्भर करते हैं कि डेटा कब उपलब्ध हुआ, ऑर्डर कब भेजा और किस दाम पर भरा गया।

अनुमान के लिए rolling return window, हाल के रिटर्न को अधिक वजन देने वाली विधि, या GARCH मॉडल इस्तेमाल किया जा सकता है। हर चुनाव में तेज प्रतिक्रिया और माप के शोर के बीच अलग संतुलन है। छोटी विंडो जल्दी बदलती है लेकिन ज्यादा उछल सकती है; लंबी विंडो स्थिर होती है पर नई स्थिति में देर से ढलती है। Realized volatility की गणना विंडो, रिटर्न और annualization समझाती है; GARCH और volatility clustering पुराने डेटा से conditional variance का अनुमान समझाता है। अलग-अलग lookback अवधि में realized volatility का फैलाव देखने के लिए volatility cone भी उपयोगी है।

रिटर्न की आवृत्ति, कट-ऑफ समय, अनुमान की अवधि, छुट्टियों और छूटे दामों का नियम पहले तय करें। ट्रेडिंग-दिनों के दैनिक रिटर्न को सालाना करने के लिए √252 आम है, लेकिन यह रिटर्न की परिभाषा और समय के साथ variance जोड़ने की धारणाओं पर निर्भर है। लक्ष्य वोलैटिलिटी और अनुमानित वोलैटिलिटी एक ही अवधि, एक ही एसेट या पोर्टफोलियो और तुलनीय रिटर्न माप पर हों।

Backtest में सूचना-समय की पाबंदी भी जरूरी है। अगर आज के closing price या रिटर्न से गणना होती है, तो उससे आज के खुलते ही पोज़िशन निर्धारित नहीं की जा सकती। ऑर्डर भेजने से पहले सच में उपलब्ध डेटा से अनुमान बनाएं और एक्सपोज़र आगे की अवधि के लिए लागू करें। वरना परीक्षण में भविष्य की जानकारी घुस सकती है और रणनीति वास्तविकता से बेहतर दिखाई देगी।

शेयरों में संशोधित नॉशनल को शेयर की कीमत से भाग देकर संख्या निकालें और फिर ट्रेड होने वाली पूर्ण संख्या तक राउंड करें। फ्यूचर में पॉइंट वैल्यू, कॉन्ट्रैक्ट मल्टिप्लायर, मुद्रा रूपांतरण और मार्जिन भी शामिल होते हैं। नीचे की ओर राउंड करने से लक्ष्य वोलैटिलिटी पूरी न मिले; इसलिए केवल सैद्धांतिक मल्टिप्लायर नहीं, असली पोज़िशन का जोखिम भी दोबारा निकालें।

कई एसेट हों तो पोर्टफोलियो का variance-covariance अनुमान या सीधा पोर्टफोलियो जोखिम माप लें। अलग-अलग पोज़िशन में मध्यम वोलैटिलिटी हो सकती है, पर यदि वे साथ-साथ एक दिशा में चलें तो कुल जोखिम बढ़ेगा। दूसरी ओर, कम सहसंबंध विविधीकरण से पोर्टफोलियो की वोलैटिलिटी घटा सकता है। हर एसेट पर अलग मल्टिप्लायर लगाना और पूरे जोखिम वाले पोर्टफोलियो को एक अनुपात से स्केल करना एक ही बात नहीं है।

ऑप्शन और अन्य non-linear उत्पादों में नॉशनल या डेल्टा अकेले पर्याप्त नहीं। कीमत, gamma, vega, समय-क्षय और तरलता बदलने पर जोखिम भी बदलता है। कई ग्रीक्स, पुनर्मूल्यांकन के परिदृश्य और मार्जिन दबाव देखना एक सरल मल्टिप्लायर से अधिक उपयोगी हो सकता है। फ्यूचर पोज़िशन साइजिंग नुकसान-बजट से कॉन्ट्रैक्ट संख्या निकालती है; वह अनुमानित पोर्टफोलियो-वोलैटिलिटी को लक्ष्य करने से अलग सवाल है।

सीधे volatility targeting में मल्टिप्लायर स्टैंडर्ड डिविएशन के उलट है: mₜ = σ* ÷ σ̂ₜ। इसके विपरीत, volatility-managed portfolios पर शोध अनुमानित variance के inverse के अनुपात में वजन ले सकता है, जैसे c ÷ σ̂ₜ²। Moreira और Muir ने factor portfolios के लिए ऐसे volatility-managed डिजाइन का अध्ययन किया; उसमें शोध की खास scaling और normalization है। यहां inverse variance है, standard deviation नहीं, इसलिए इसे लक्ष्य-वोलैटिलिटी ÷ अनुमानित-वोलैटिलिटी नियम न मानें। उनका Journal of Finance शोध विशेष नमूनों के अनुभवजन्य नतीजे दिखाता है, हर खाते के लिए तय जोखिम की गारंटी नहीं।

Barroso और Santa-Clara ने momentum रणनीति में बदलते समय-आधारित जोखिम को संभालने का एक शोध-रूप जांचा। उसका परिणाम चुनी रणनीति, डेटा और अनुमान की गुणवत्ता पर निर्भर है; वह हर ट्रेडिंग रणनीति के लिए सार्वभौमिक सूत्र नहीं। बाद में Cederburg और सहलेखकों ने 103 equity रणनीतियों का अध्ययन किया। उनकी सीधी तुलनाओं में volatility-managed रूप नियमित रूप से unmanaged रूप से बेहतर नहीं निकले और यथार्थवादी out-of-sample रूप कमजोर हो सकते थे। Momentum का अध्ययन तथा 103 रणनीतियों का मूल्यांकन बताते हैं कि निष्कर्ष का दायरा नमूने और पद्धति से बंधा है।

Taylor के विश्लेषण में volatility timing का लाभ पूर्वानुमान कौशल, जोखिम-प्रतिफल संबंध और निवेशक की जोखिम-पसंद जैसी स्थितियों से बदलता है। Volatility timing के निर्धारकों पर शोध इस बात का कारण दिखाता है कि एक पेपर का नतीजा दूसरे एसेट या रणनीति पर सीधे लागू क्यों नहीं होता। “कौन-सा एक्सपोज़र डिजाइन लक्ष्य वोलैटिलिटी से मेल खाता है?” और “क्या वोलैटिलिटी देखकर एक्सपोज़र बदलने से जोखिम-समायोजित प्रदर्शन सुधरेगा?” अलग प्रश्न हैं।

अनुमान बहुत कम हो तो भागफल बहुत बड़ा हो सकता है। मल्टिप्लायर की अधिकतम सीमा, नॉशनल सीमा या मार्जिन नीति लीवरेज सीमित कर सकती है, लेकिन इससे वास्तविक वोलैटिलिटी लक्ष्य से अलग होगी। बैकटेस्ट में बताएं कि सीमा कितनी बार लगी, कितनी अवधि तक एक्सपोज़र बाधित रहा, और दूसरी उचित सीमाओं पर नतीजा कैसे बदला। नतीजे देखकर सुविधाजनक सीमा चुनना निष्पक्ष परीक्षण नहीं है।

हर दिन मल्टिप्लायर बदलने से पूर्वानुमान का शोर ज्यादा turnover पैदा कर सकता है। कम बार रीबैलेंस करने से ट्रेड कम होंगे, मगर जोखिम ज्यादा समय लक्ष्य से दूर रह सकता है। स्मूद किया हुआ संकेत या रीबैलेंस बैंड भी नया डिजाइन निर्णय है; इसे पहले तय कर out-of-sample जांचें। कमीशन, bid-ask spread, slippage, market impact, उधारी और funding लागत, perpetual funding तथा margin शामिल करें।

सैद्धांतिक मल्टिप्लायर असल में हासिल जोखिम नहीं होता। ऑर्डर भरने में कठिनाई हो सकती है, रीबैलेंस के बीच कीमत उछल सकती है या पोर्टफोलियो सहसंबंध बदल सकता है। निर्णय के समय का अनुमान, सैद्धांतिक गुणक, सीमा के बाद का गुणक, भरा गया ऑर्डर और लागत दर्ज करें। यह रिकॉर्ड डिजाइन के लक्ष्य और वास्तविक ट्रेड में फर्क समझने देता है।

नियम मानता है कि अनुमान लागू होने वाली अवधि के बारे में उपयोगी सूचना देता है और रणनीति की परिभाषा स्थिर रहती है। बाजार-व्यवस्था का बदलाव, तरलता संकट, नया नियम, ट्रेड रुकना या पुराने दामों का अत्यधिक स्मूद होना ऐतिहासिक विंडो को भ्रामक बना सकता है। GARCH हो या rolling window, दोनों अनुमान के तरीके हैं; कोई अनिश्चितता खत्म नहीं करता। बाद की realized volatility के मुकाबले पूर्वानुमान की गलती जांचें।

वोलैटिलिटी रिटर्न का फैलाव है; यह दिवालियेपन, सबसे बड़ा drawdown या अधिकतम नुकसान की पूरी माप नहीं। दो अवधियों की standard deviation समान हो सकती है, पर नुकसान का क्रम अलग। एक overnight gap या बाजार खुलने पर छलांग वार्षिक लक्ष्य पार कर सकती है, पोज़िशन घटाने का अवसर मिलने से पहले। मल्टिप्लायर घटाने से नुकसान की निचली सीमा नहीं बनती और लीवरेज या margin जोखिम खत्म नहीं होता।

नतीजा देखने से पहले नियम, विंडो, हाइराइज़न, अधिकतम लीवरेज, रीबैलेंस अंतराल और लागत तय करें। मॉडल चुनने में इस्तेमाल न हुई अवधि पर परीक्षण करें, उसी तारीखों के स्थिर-बेस पोर्टफोलियो से तुलना करें, और केवल return नहीं बल्कि realized volatility, drawdown, turnover और लागत भी बताएं। Out-of-sample नतीजे भी संरचनात्मक बदलाव या रणनीति चयन से प्रभावित हो सकते हैं। यह तरीका अनुमान के अनुसार एक्सपोज़र व्यवस्थित करता है; लाभ, नुकसान-नियंत्रण की गारंटी या व्यक्तिगत वित्तीय सलाह नहीं देता।

Paper trading या वास्तविक कारोबार में नियम चलाने के बाद हर अवधि के अनुमान की तुलना उसी horizon और उसी परिभाषा से मापी गई realized volatility से करें। केवल सालाना औसत दिखाने के बजाय समय के साथ दोनों श्रृंखलाएं देखें; औसत यह छिपा सकता है कि किन अवधियों में असली वोलैटिलिटी लक्ष्य से ऊपर गई या एक्सपोज़र लंबे समय तक cap पर रहा। शांत और उथल-पुथल वाले समय में forecast error का आकार और दिशा अलग-अलग देखें—किसी एक regime में बार-बार गलती से नियम की उपयोगिता बदल सकती है।

कॉन्ट्रैक्ट संख्या, margin, वास्तविक भराव और लागत के बाद बचा एक्सपोज़र मापें, सिर्फ सैद्धांतिक मल्टिप्लायर नहीं। विंडो या estimator बदलें तो उसे रणनीति का नया संस्करण मानें और ऐसी अवधि पर जांचें जिसका उपयोग चुनाव के लिए नहीं हुआ। हाल की शांति देखकर लक्ष्य या cap न बढ़ाएं; इससे जोखिम-नीति बदलती है, और पिछला नतीजा अगली अवधि की गारंटी नहीं बनता।