การตั้งเป้าความผันผวนในการเทรด: ขนาดสถานะและการปรับความเสี่ยง

ผู้เทรดหรือผู้จัดการพอร์ตเลือกค่าความผันผวนเป้าหมาย ซึ่งมักแสดงเป็นรายปี แล้วประเมินความผันผวนของสถานะตั้งต้นในช่วงถัดไป หากค่าคาดการณ์สูงขึ้น กฎจะลด exposure; หากต่ำลง exposure อาจเพิ่มขึ้น แนวคิดคือปรับขนาดสถานะให้สอดคล้องกับความเสี่ยงโดยประมาณที่เปลี่ยนไป แทนการถือมูลค่าเงินดอลลาร์เท่าเดิมในสินทรัพย์ที่มีความผันผวนไม่คงที่

คำว่า “เป้าหมาย” หมายถึงค่าที่เลือกไว้ในการออกแบบระบบ ไม่ใช่ผลลัพธ์ที่แน่นอน ณ เวลาตัดสินใจ ค่าคาดการณ์มาจากผลตอบแทนในอดีตหรือแบบจำลอง แต่ยังไม่รู้ว่าความผันผวนจริงในช่วงถัดไปจะเป็นเท่าใด ข่าวกะทันหัน ช่องว่างราคา หรือสภาพคล่องที่หายไปอาจทำให้ผลตอบแทนต่างจากค่าประเมินมาก ก่อนจะถึงรอบปรับพอร์ตครั้งต่อไป

ควรระบุให้ชัดว่ากำลังปรับสิ่งใด: สินทรัพย์ตัวเดียว กลยุทธ์ทั้งชุด หรือเฉพาะส่วนที่มีความเสี่ยงโดยแยกเงินสดไว้ต่างหาก มูลค่า notional เท่ากันไม่ได้แปลว่ารับความเสี่ยงเท่ากัน มูลค่าเท่ากันในหุ้นที่นิ่งกับสัญญาฟิวเจอร์สที่ผันผวนย่อมมีความเสี่ยงต่างกัน และ leverage รวมถึงความสัมพันธ์ระหว่างสถานะก็เปลี่ยนความเสี่ยงรวมของพอร์ต

ให้ σ* คือความผันผวนเป้าหมายรายปี และ σ̂ₜ คือค่าความผันผวนรายปีที่คาดการณ์สำหรับ exposure ตั้งต้น ณ เวลาตัดสินใจ ตัวคูณ exposure โดยตรงคือ mₜ = σ* ÷ σ̂ₜ หากจำกัดค่าสูงสุด ให้ใช้ mₜ = min(Lmax, σ* ÷ σ̂ₜ) ส่วนการกำหนด exposure ขั้นต่ำหรือการอนุญาตให้ short เป็นข้อกำหนดอีกชุดหนึ่ง

หากมีสถานะตั้งต้นอยู่แล้ว ให้นำ mₜ ไปคูณกับ exposure นั้น หากสินทรัพย์เสี่ยงตัวเดียวเป็นส่วนเสี่ยงทั้งหมดของพอร์ต อัตราส่วนนี้อาจอ่านเป็นสัดส่วนเงินทุนที่จะจัดสรรก่อนใช้ข้อจำกัดอื่น อัตราส่วนจะไม่มีหน่วยก็ต่อเมื่อเศษและส่วนใช้ช่วงเวลาและนิยามเดียวกัน การนำเป้าหมายรายปีไปหารค่าคาดการณ์รายวันเป็นการปะปนหน่วยวัด

สำหรับ exposure ที่เปลี่ยนตามขนาดเชิงเส้นและใช้การวัดความผันผวนที่สอดคล้องกัน สูตรนี้เป็นวิธีตรงในการกำหนดส่วนเบี่ยงเบนมาตรฐานที่คาดการณ์ไว้ ในพอร์ตหลายสินทรัพย์ ตัวหารควรสะท้อน variance และ covariance ของทั้งพอร์ต ไม่ใช่แค่บวกค่าความผันผวนรายตัว หากเปลี่ยนน้ำหนักตั้งต้น ต้องประเมินความเสี่ยงของพอร์ตตั้งต้นใหม่ก่อนใช้ตัวคูณ

สมมติว่าสถานะตั้งต้นของกลยุทธ์มี notional สมมติ 100,000 หน่วยเงิน ค่าความผันผวนรายปีที่คาดการณ์สำหรับช่วงถัดไปคือ 20% และเป้าหมายคือ 10% ตัวคูณเท่ากับ 10% ÷ 20% = 0.5 จึงได้ exposure ตามการคำนวณ 50,000 ตัวเลขนี้มีไว้แสดงอัตราส่วนเท่านั้น ไม่ได้หมายความว่าความผันผวนจริงของกลยุทธ์จะเท่ากับ 10% พอดี หรือรู้ขนาดขาดทุนที่อาจเกิดขึ้นแล้ว

หากค่าคาดการณ์ลดลงเป็น 5% อัตราส่วนดิบจะเป็น 10% ÷ 5% = 2.0 และ notional จะเป็น 200,000 แต่ค่าคาดการณ์ต่ำอาจทำให้ leverage เพิ่มขึ้นมาก หากตัวอย่างนี้สมมติเพดานตัวคูณไว้ที่ 1.25 เท่า ระบบจะใช้ 1.25 แทน 2.0 ทำให้ exposure เป็น 125,000 เพดานนี้เป็นเพียงสมมติฐานเพื่ออธิบายเลข ไม่ใช่ระดับ leverage ที่เหมาะกับทุกคน

ตัวอย่างแสดงให้เห็นว่ากฎนี้อาจเพิ่ม leverage ตอนที่ตลาดดูสงบ หลังเกิดแรงกระแทก ค่าประมาณความผันผวนอาจเพิ่มขึ้นก็ต่อเมื่อเกิดความเสียหายไปแล้วบางส่วน การลดสถานะภายหลังไม่ได้ลบขาดทุนก่อนหน้า ผลจริงยังขึ้นอยู่กับเวลาที่ข้อมูลพร้อม เวลาส่งคำสั่ง และราคาที่ซื้อขายได้

การประเมินอาจใช้หน้าต่างผลตอบแทนแบบเลื่อน ให้น้ำหนักข้อมูลใหม่มากกว่า หรือใช้แบบจำลองอย่าง GARCH แต่ละทางเลือกแลกความเร็วในการตอบสนองกับสัญญาณรบกวนจากการวัด หน้าต่างสั้นปรับเร็วแต่ค่าขึ้นลงมาก หน้าต่างยาวเรียบกว่าแต่ตามการเปลี่ยน regime ช้ากว่า คู่มือการคำนวณ realized volatility อธิบายหน้าต่าง ผลตอบแทน และการ annualize ส่วนบทความ GARCH กับ volatility clustering อธิบายการคาดการณ์ conditional variance จากข้อมูลก่อนหน้า volatility cone ยังช่วยเปรียบเทียบการกระจายของ realized volatility ในหลาย horizon และหน้าต่างข้อมูลย้อนหลัง

กำหนดความถี่ผลตอบแทน เวลา cut-off ของข้อมูล ช่วงพยากรณ์ วันหยุดตลาด และวิธีจัดการราคาที่หายไปให้ชัด การ annualize ผลตอบแทนรายวันด้วย √252 เป็นวิธีที่พบได้ทั่วไปสำหรับวันซื้อขาย แต่ยังขึ้นอยู่กับนิยามผลตอบแทนและสมมติฐานการรวมช่วงเวลา เป้าหมายกับค่าคาดการณ์ควรใช้ช่วงเวลา สินทรัพย์หรือพอร์ต และนิยามผลตอบแทนที่เทียบกันได้

เวลาที่ข้อมูลพร้อมมีความสำคัญพอ ๆ กับแบบจำลอง หากสัญญาณใช้ราคาปิดหรือผลตอบแทนของวันนี้ ก็ไม่อาจนำไปกำหนด exposure ณ ช่วงเปิดตลาดของวันเดียวกันได้ ใช้ข้อมูลที่ทราบจริงก่อนส่งคำสั่ง แล้วนำขนาดไปใช้กับช่วงถัดไป มิฉะนั้น backtest อาจแอบใช้ข้อมูลอนาคตและแสดงผลดีกว่าที่ซื้อขายได้จริง

สำหรับหุ้นที่ exposure เปลี่ยนตามขนาดเชิงเส้น ให้นำ notional ที่ปรับแล้วหารด้วยราคาหุ้นเพื่อหาจำนวนหน่วย จากนั้นปัดให้เป็นจำนวนที่ซื้อขายได้จริง สำหรับ futures ต้องรวมมูลค่าต่อจุด contract multiplier การแปลงสกุลเงิน และหลักประกัน การปัดลงอาจทำให้ความผันผวนจริงต่ำกว่าเป้าหมาย จึงควรคำนวณความเสี่ยงของสถานะหลังปัด ไม่ใช่ดูแต่ตัวคูณทางทฤษฎี

เมื่อมีหลายสินทรัพย์ ให้ใช้ค่าประมาณ variance-covariance ของพอร์ตหรือแบบจำลองความเสี่ยงของพอร์ตโดยตรง แต่ละสถานะอาจมีความผันผวนปานกลาง ทว่าความเสี่ยงรวมจะสูงขึ้นหากเคลื่อนไหวไปทางเดียวกัน ในทางกลับกัน correlation ที่ต่ำลงอาจลดความผันผวนรวมจากการกระจายความเสี่ยง การใช้ตัวคูณแยกทุกสินทรัพย์ไม่เหมือนกับการปรับส่วนเสี่ยงทั้งพอร์ตด้วยอัตราส่วนเดียว

ออปชันและสัญญาที่มี payoff ไม่เป็นเส้นตรงต้องพิจารณาเพิ่ม notional หรือ delta อย่างเดียวไม่ได้บอกว่าความเสี่ยงเปลี่ยนอย่างไรเมื่อราคา gamma vega เวลา หรือสภาพคล่องเปลี่ยนไป การทดสอบสถานการณ์ประเมินราคาใหม่ ความต้องการหลักประกัน และกรีกหลายตัวอาจให้ภาพชัดกว่าตัวคูณเดียว คู่มือการกำหนดขนาดสถานะฟิวเจอร์ส อธิบายการแปลงงบขาดทุนเป็นจำนวนสัญญา ซึ่งเป็นคนละโจทย์กับการตั้งเป้าความผันผวนของพอร์ตตามค่าคาดการณ์

การตั้งเป้าความผันผวนโดยตรงใช้ตัวคูณที่แปรผกผันกับส่วนเบี่ยงเบนมาตรฐาน: mₜ = σ* ÷ σ̂ₜ แต่งานวิจัยเรื่อง volatility-managed portfolios อาจใช้ค่าน้ำหนักที่แปรผกผันกับ variance ที่คาดการณ์ เช่น c ÷ σ̂ₜ² Moreira และ Muir ศึกษาการออกแบบลักษณะนี้กับพอร์ตปัจจัยการลงทุน โดยใช้การสเกลและการปรับ normalization ตามโจทย์วิจัย ค่า inverse ในที่นี้เป็น variance ไม่ใช่ส่วนเบี่ยงเบนมาตรฐาน จึงไม่ใช่แค่การเอาความผันผวนเป้าหมายหารด้วยค่าคาดการณ์ งานวิจัยใน Journal of Finance แสดงผลจากชุดข้อมูลเฉพาะ ไม่ได้รับประกันว่าทุกบัญชีจะมีความผันผวนถึงระดับใดระดับหนึ่ง

Barroso และ Santa-Clara ศึกษาการจัดการความเสี่ยงของกลยุทธ์ momentum ที่เปลี่ยนไปตามเวลา นั่นเป็นแบบวิจัยสำหรับกลยุทธ์เฉพาะ ไม่ใช่สูตรที่ใช้ได้อัตโนมัติกับทุกกลยุทธ์ Cederburg และผู้ร่วมวิจัยทดสอบกลยุทธ์หุ้น 103 แบบ พบว่ากลยุทธ์ volatility-managed ไม่ได้ชนะกลยุทธ์ที่ไม่ปรับความเสี่ยงอย่างเป็นระบบในการเปรียบเทียบตรง และแบบ out-of-sample ที่สมจริงก็อาจให้ผลอ่อนลง งานวิจัย momentum และการประเมินกลยุทธ์ 103 แบบ แสดงให้เห็นว่าหลักฐานขึ้นอยู่กับกลยุทธ์ ชุดข้อมูล และวิธีทดสอบ

การวิเคราะห์ของ Taylor ชี้ว่าผลจาก volatility timing อาจขึ้นกับความแม่นยำในการพยากรณ์ ความสัมพันธ์ระหว่างผลตอบแทนกับความเสี่ยง และความชอบด้านความเสี่ยงของผู้ลงทุน งานศึกษาองค์ประกอบของ volatility timing ช่วยอธิบายว่าทำไมจึงนำผลจากบทความหนึ่งไปใช้กับสินทรัพย์หรือกลยุทธ์อื่นตรง ๆ ไม่ได้ คำถามว่า “ต้องใช้ exposure เท่าใดจึงตรงกับความผันผวนเป้าหมายที่ออกแบบไว้” กับ “การเปลี่ยน exposure ตามความผันผวนเพิ่มผลตอบแทนหลังปรับความเสี่ยงหรือไม่” เป็นคนละคำถาม

เมื่อค่าคาดการณ์ความผันผวนต่ำมาก อัตราส่วนอาจสูงมาก เพดานตัวคูณ เพดาน notional หรือนโยบายหลักประกันช่วยจำกัด leverage แต่ความผันผวนจริงก็จะเบี่ยงจากเป้าหมาย ควรรายงานว่าชนเพดานบ่อยแค่ไหน exposure ถูกจำกัดนานเท่าใด และผลเปลี่ยนอย่างไรเมื่อใช้เพดานอื่นที่สมเหตุสมผล การเลือกเพดานย้อนหลังหลังเห็นผลที่ถูกใจทำให้การทดสอบไม่น่าเชื่อถือ

การเปลี่ยนตัวคูณทุกวันอาจทำให้ turnover สูงจาก noise ของค่าคาดการณ์ การปรับพอร์ตห่างขึ้นช่วยลดกิจกรรมซื้อขาย แต่ความเสี่ยงอาจอยู่ห่างจากเป้าหมายนานกว่า การทำ smoothing สัญญาณหรือกำหนดช่วงปรับพอร์ตเป็นการตัดสินใจออกแบบเพิ่ม ต้องกำหนดก่อนและทดสอบนอกตัวอย่าง รวมค่าคอมมิชชัน bid-ask spread slippage ผลกระทบต่อตลาด ต้นทุนกู้ยืมและเงินทุน funding ของ perpetual contracts ตลอดจนหลักประกัน

ตัวคูณตามทฤษฎีไม่ใช่ความเสี่ยงที่เกิดขึ้นจริง คำสั่งอาจจับคู่ไม่ได้ตามขนาดที่ต้องการ ราคาอาจกระโดดระหว่างรอบปรับพอร์ต หรือ correlation ของพอร์ตอาจเปลี่ยน บันทึกค่าคาดการณ์ก่อนตัดสินใจ ตัวคูณดิบ ตัวคูณหลังข้อจำกัด คำสั่งที่ได้จับคู่ และต้นทุนไว้ การบันทึกนี้ทำให้เห็นส่วนต่างระหว่างเป้าหมายเชิงออกแบบกับการซื้อขายจริง

กฎนี้สมมติว่าค่าคาดการณ์ให้ข้อมูลที่มีประโยชน์กับช่วงที่จะนำไปใช้ และนิยามกลยุทธ์ไม่เปลี่ยนไปกลางทาง การเปลี่ยน regime วิกฤตสภาพคล่อง การเปลี่ยนกฎ การหยุดซื้อขาย หรือราคาจากแบบจำลองที่เรียบเกินไปอาจทำให้หน้าต่างข้อมูลเก่าชวนเข้าใจผิด GARCH และ rolling window เป็นเพียงวิธีคำนวณค่าคาดการณ์คนละแบบ ไม่ได้ขจัดความไม่แน่นอน ควรเปรียบเทียบค่าคาดการณ์กับความผันผวนที่เกิดขึ้นจริงภายหลัง

ความผันผวนวัดการกระจายของผลตอบแทน ไม่ได้วัดความเสี่ยงล้มละลาย drawdown สูงสุด หรือขาดทุนที่รุนแรงที่สุดทั้งหมด สองช่วงเวลาอาจมีส่วนเบี่ยงเบนมาตรฐานเท่ากัน แต่ลำดับการขาดทุนต่างกัน ช่องว่างราคาข้ามคืนหรือการกระโดดเมื่อเปิดตลาดอาจทะลุเป้าหมายรายปีก่อนจะลดสถานะได้ การลดตัวคูณไม่ได้สร้างขอบเขตล่างของการขาดทุน และไม่ได้ลบความเสี่ยงจาก leverage หรือ margin

กำหนดกฎ หน้าต่าง ช่วงพยากรณ์ leverage สูงสุด รอบปรับพอร์ต และต้นทุนก่อนดูผล ทดสอบกับช่วงที่ไม่ได้ใช้เลือกแบบจำลอง เปรียบเทียบกับ exposure ตั้งต้นคงที่ในวันเดียวกัน และรายงาน realized volatility, drawdown, turnover และต้นทุน ไม่ใช่เฉพาะผลตอบแทน ผล out-of-sample ยังอาจได้รับผลจากการเปลี่ยนโครงสร้างตลาดและการเลือกกลยุทธ์ การตั้งเป้าความผันผวนช่วยจัด exposure ตามค่าประมาณเท่านั้น ไม่ใช่การทำนายกำไร การรับประกันควบคุมขาดทุน หรือคำแนะนำทางการเงินเฉพาะบุคคล

หลังทดลองใช้กฎใน paper trading หรือซื้อขายจริง ให้เปรียบเทียบค่าคาดการณ์ของแต่ละช่วงกับความผันผวนที่เกิดขึ้นจริง โดยใช้ horizon และนิยามเดียวกัน แสดงทั้งสองชุดตามเวลา ไม่ใช่รายงานเฉพาะค่าเฉลี่ยรายปี เพราะค่าเฉลี่ยอาจซ่อนช่วงที่ความผันผวนจริงสูงกว่าเป้าหมาย หรือ exposure ติดเพดานอยู่นาน ตรวจขนาดและทิศทางของ forecast error แยกช่วงตลาดสงบกับผันผวน ความผิดพลาดซ้ำใน regime ใด regime หนึ่งอาจเปลี่ยนประโยชน์ของกฎนี้

วัด exposure หลังปัดจำนวนสัญญา คำนึงถึงข้อจำกัด margin การจับคู่คำสั่ง และต้นทุนแล้ว ไม่ใช่ดูเฉพาะตัวคูณตามทฤษฎี หากเปลี่ยนหน้าต่างข้อมูลหรือ estimator ให้ถือเป็นกลยุทธ์เวอร์ชันใหม่และทดสอบกับข้อมูลที่ไม่ได้ใช้เลือกมัน อย่าเพิ่มเป้าหมายหรือเพดานเพียงเพราะตลาดช่วงหลังสงบลง การทำเช่นนั้นเปลี่ยนนโยบายความเสี่ยง แต่ไม่ได้รับประกันผลในช่วงถัดไป