ຫຼັກຊັບການລົງທຶນແມ່ນການເກັບກໍາຊັບສິນທາງດ້ານການເງິນ, ເຊັ່ນ: ຫຼັກຊັບ, ພັນທະບັດ, ຫຼື cryptocurrency, ເຊິ່ງບຸກຄົນລົງທຶນ. ການລົງທຶນສ່ວນໃຫຍ່ແມ່ນຖືກກໍານົດໂດຍຄວາມສ່ຽງຂອງມັນ (ມູນຄ່າການຜັນຜວນແນວໃດ) ແລະຜົນຕອບແທນຂອງມັນ (ສິ່ງທີ່ຄາດວ່າຈະໄດ້ຮັບ). ນັກລົງທຶນມີຈຸດປະສົງເພື່ອສ້າງຫຼັກຊັບທີ່ຫຼຸດຜ່ອນຄວາມສ່ຽງໃນຂະນະທີ່ເພີ່ມຜົນຕອບແທນສູງສຸດ.  ເນື່ອງຈາກການລົງທຶນທັງຫມົດແມ່ນກ່ຽວກັບການເຂົ້າໃຈຕົວເລກ, ພໍ່ຄ້າຜູ້ຊ່ຽວຊານໃຊ້ເຕັກນິກວິທະຍາສາດຂໍ້ມູນແລະຮູບແບບຕ່າງໆເພື່ອເພີ່ມປະສິດທິພາບຍຸດທະສາດການລົງທຶນຂອງພວກເຂົາ. ຫນຶ່ງໃນຕົວແບບດັ່ງກ່າວແມ່ນທິດສະດີຫຼັກຊັບທີ່ທັນສະໄຫມ (MPT), ເຊິ່ງເອີ້ນກັນວ່າທິດສະດີ Markowitz Mean-Variance Theory. ຮູບແບບດັ່ງກ່າວສະຫນອງຫຼັກຊັບການລົງທຶນທີ່ດີທີ່ສຸດໂດຍໃຊ້ການປະເມີນຄວາມສ່ຽງແລະຜົນຕອບແທນສູງສຸດສໍາລັບນັກລົງທຶນ.  ໃຫ້ພວກເຮົາເຂົ້າໃຈບົດບາດຂອງວິທະຍາສາດຂໍ້ມູນໃນການລົງທຶນທີ່ມີປະສິດທິພາບ, ເບິ່ງທິດສະດີຫຼັກຊັບທີ່ທັນສະໄຫມໂດຍລະອຽດ, ແລະປຶກສາຫາລືກ່ຽວກັບສົມມຸດຕິຖານແລະຄວາມສ່ຽງທີ່ກ່ຽວຂ້ອງກັບຕົວແບບວິທະຍາສາດຂໍ້ມູນ.   ເພີ່ມເຕີມກ່ຽວກັບທິດສະດີ Markowitz Mean-Variance  ທິດສະດີ Markowitz Mean-Variance Theory ໄດ້ຖືກຕີພິມຄັ້ງທຳອິດໂດຍ Harry Markowitz ໃນປີ 1952. ທິດສະດີດັ່ງກ່າວໄດ້ນຳສະເໜີຮູບແບບທີ່ອີງໃສ່ຂໍ້ມູນເພື່ອວິເຄາະແນວໂນ້ມທາງດ້ານການເງິນເພື່ອປະເມີນຄວາມສ່ຽງ ແລະ ຜົນຕອບແທນ. ຕາມກົດລະບຽບ, ການລົງທຶນຖືກຈັດປະເພດເປັນຄວາມສ່ຽງຕໍ່າ, ຜົນຕອບແທນຕໍ່າ, ແລະມີຄວາມສ່ຽງສູງ, ໃຫ້ຜົນຕອບແທນສູງ. ໃນຄໍາສັບທີ່ງ່າຍກວ່າ, ມັນກໍານົດວ່າການລົງທຶນທີ່ມີປັດໃຈຄວາມສ່ຽງສູງມີລາງວັນທີ່ສູງກວ່າແລະໃນທາງກັບກັນ.  MPT ໃຫ້ການເລືອກການລົງທຶນທີ່ດີທີ່ສຸດທີ່ສົມດຸນຄວາມສ່ຽງຕໍ່ລາງວັນ. ການຄັດເລືອກສຸດທ້າຍຂອງການລົງທຶນແລະສ່ວນແບ່ງຂອງພວກເຂົາໃນຫຼັກຊັບເປັນຕົວແທນຂອງຍຸດທະສາດການລົງທຶນທີ່ເຫມາະສົມໂດຍອີງໃສ່ແນວໂນ້ມຂໍ້ມູນ.   ວິທະຍາສາດທີ່ຢູ່ເບື້ອງຫລັງທິດສະດີ Portfolio ທີ່ທັນສະໄຫມ  ຂໍໃຫ້ເຂົ້າໃຈຄະນິດສາດທີ່ຢູ່ເບື້ອງຫລັງຂອງ MPT. ຢ່າງໃດກໍ່ຕາມ, ທໍາອິດ, ພວກເຮົາຕ້ອງເຂົ້າໃຈບາງຄໍາສໍາຄັນທີ່ເຮັດໃຫ້ຮູບແບບຄະນິດສາດເປັນໄປໄດ້.    ນີ້ແມ່ນອັດຕາສ່ວນຜົນຕອບແທນທີ່ຄາດວ່າຈະມາຈາກການລົງທຶນ. ມັນສາມາດຖືກຄິດໄລ່ໂດຍໃຊ້ການວິເຄາະສະຖິຕິຂອງແນວໂນ້ມປະຫວັດສາດ. ຜົນຕອບແທນທີ່ຄາດໄວ້:    ນີ້ປະເມີນຄວາມຜັນຜວນຂອງຊັບສິນທາງດ້ານການເງິນສະເພາະ. ມັນແມ່ນມາດຕະການຂອງຄວາມສ່ຽງທີ່ກ່ຽວຂ້ອງກັບການລົງທຶນ, ie, ຊັບສິນທີ່ມີຄວາມແຕກຕ່າງກັນສູງມີຄວາມສ່ຽງສູງແລະລາງວັນສູງ. ມັນຍັງຖືກຄາດຄະເນໂດຍໃຊ້ການວິເຄາະສະຖິຕິຂອງແນວໂນ້ມຂໍ້ມູນ. ການບ່ຽງເບນມາດຕະຖານ:    ນີ້ຄາດຄະເນຄວາມສໍາພັນລະຫວ່າງຊັບສິນທີ່ແຕກຕ່າງກັນ. Covariance ຈະຊ່ວຍເພີ່ມປະສິດທິພາບການແຈກຢາຍຫຼັກຊັບໂດຍການປ່ຽນນ້ໍາຫນັກຊັບສິນຂຶ້ນຢູ່ກັບຄວາມແຕກຕ່າງກັນ. Covariance:     ໃຫ້ສາມຫຼັກຊັບ A, B, ແລະ C, ໃຫ້ພວກເຮົາສ້າງຫຼັກຊັບ. ນັກລົງທຶນມີຈຸດປະສົງເພື່ອຄິດໄລ່ຈໍານວນກອງທຶນທີ່ຈະຈັດສັນໃຫ້ກັບຫຼັກຊັບ. ສໍາລັບຫຼັກຊັບທີ່ໃຫ້, ໃຫ້ສົມມຸດວ່າແຕ່ລະຫຼັກຊັບມີຄຸນສົມບັດດັ່ງຕໍ່ໄປນີ້. ຖ້າຈໍານວນການລົງທຶນທັງຫມົດແມ່ນ $ 1000, $ 200 ແມ່ນສໍາລັບຫຼັກຊັບ A, $ 300 ສໍາລັບ B, ແລະ $ 500 ສໍາລັບ C. ຈາກການແຈກຢາຍ, ຜົນໄດ້ຮັບສະເລ່ຍຂອງຫຼັກຊັບອອກມາ.   ອັດຕາສ່ວນການຈັດສັນແມ່ນຍັງພິຈາລະນານ້ໍາຫນັກຂອງໂປຣໄຟລ໌ຍ້ອນວ່າພວກເຂົາກໍານົດວ່າການລົງທຶນຫຼາຍປານໃດເຂົ້າໄປໃນຊັບສິນໃດ.  ປັດໄຈສໍາຄັນອັນທີສອງທີ່ຈະພິຈາລະນາຢູ່ທີ່ນີ້ແມ່ນຄວາມແຕກຕ່າງກັນຂອງຫຼັກຊັບຫຼືຄວາມສ່ຽງ. ຄວາມສ່ຽງຫຼັກຊັບແມ່ນ trickier ໃນການຄິດໄລ່ຍ້ອນວ່າມັນພິຈາລະນາຄວາມແຕກຕ່າງກັນຂອງຊັບສິນທີ່ແຕກຕ່າງກັນ. ຫຼັກຊັບທີ່ດີທີ່ສຸດພາຍໃຕ້ຮູບແບບ Markowitz ປະກອບມີຊັບສິນທີ່ມີຄວາມສໍາພັນທາງລົບ. ຖ້າຊັບສິນສະເພາະໃດຫນຶ່ງຫຼຸດລົງ, ອີກອັນຫນຶ່ງຈະເພີ່ມຂຶ້ນແລະຕ້ານການສູນເສຍຂອງມັນ, ຫຼຸດຜ່ອນຄວາມສ່ຽງຂອງຫຼັກຊັບທັງຫມົດ.  ສູດສໍາລັບການປ່ຽນແປງຫຼັກຊັບກາຍເປັນ   ຄວາມແຕກຕ່າງກັນຕ້ອງໄດ້ຮັບການຄິດໄລ່ສໍາລັບແຕ່ລະຄູ່ຊັບສິນໃນຫຼັກຊັບ. ໃຫ້ສົມມຸດວ່າຊັບສິນຂອງພວກເຮົາມີມາຕຣິກເບື້ອງທີ່ກ່ຽວຂ້ອງກັນຕໍ່ໄປນີ້.   ພິຈາລະນາຄ່າຄວາມສຳພັນ ແລະຄ່າບ່ຽງເບນມາດຕະຖານຂ້າງເທິງ, ພວກເຮົາສາມາດຄຳນວນຄວາມປ່ຽນແປງໄດ້ໂດຍໃຊ້ສູດຕໍ່ໄປນີ້:   ມາຕຣິກເບື້ອງ covariance ກາຍເປັນ   ການນໍາໃຊ້ມູນຄ່າການຄິດໄລ່ຂ້າງເທິງ, portfolio co-variance ຂອງພວກເຮົາກາຍເປັນ    ຊາຍແດນທີ່ມີປະສິດທິພາບ  ຕົວຢ່າງຂ້າງເທິງສະແດງໃຫ້ເຫັນຄວາມເປັນໄປໄດ້ຫນຶ່ງສໍາລັບຫຼັກຊັບການລົງທຶນ. ທິດສະດີຂອງ Markowitz ສ້າງການປະສົມປະສານຫຼາຍຂອງຫຼັກຊັບດັ່ງກ່າວໂດຍນໍາໃຊ້ມູນຄ່າການຈັດສັນ (ນ້ໍາຫນັກ) ທີ່ແຕກຕ່າງກັນ. ຫຼັກຊັບທີ່ແຕກຕ່າງກັນສະແດງລະດັບຕ່າງໆຂອງຜົນຕອບແທນສໍາລັບມູນຄ່າຄວາມສ່ຽງທີ່ໃຫ້ (variance). ຫຼັກຊັບທີ່ແຕກຕ່າງກັນເຫຼົ່ານີ້ຖືກສະແດງຢູ່ໃນຕາຕະລາງທີ່ເອີ້ນວ່າ Efficient Frontier.   ເສັ້ນໂຄ້ງສະແດງເຖິງການລົງທືນທີ່ມີຄວາມສ່ຽງຕໍ່ການຊື້ຂາຍທີ່ນັກລົງທຶນມີຄວາມສົນໃຈໃນທຸກສິ່ງທີ່ຢູ່ຂ້າງເທິງ. ປັດໄຈທີ່ຫນ້າສົນໃຈອີກອັນຫນຶ່ງຂອງຕາຕະລາງນີ້ແມ່ນເສັ້ນການຈັດສັນທຶນ (CAL) ທີ່ແລ່ນຈາກຈຸດທີ່ບໍ່ມີຄວາມສ່ຽງ (Zero Standard-Deviation) ແລະປະກອບເປັນ tangent ໃນທົ່ວເສັ້ນໂຄ້ງ. ຈຸດ tangent ມີອັດຕາສ່ວນລາງວັນຕໍ່ຄວາມສ່ຽງສູງສຸດແລະເປັນຫຼັກຊັບທີ່ດີທີ່ສຸດທີ່ເປັນໄປໄດ້ສໍາລັບການລົງທຶນ.   Key Takeaways  ຫຼັກຊັບການລົງທຶນປະກອບມີຊັບສິນຕ່າງໆເຊັ່ນ: ຫຼັກຊັບ ແລະພັນທະບັດ. ນັກລົງທຶນທຸກຄົນເລີ່ມຕົ້ນດ້ວຍການລົງທຶນຄົງທີ່ແລະຕັດສິນໃຈວ່າຈະລົງທຶນຫຼາຍປານໃດໃນແຕ່ລະຊັບສິນ. ເຕັກນິກວິທະຍາສາດຂໍ້ມູນເຊັ່ນທິດສະດີ Markowitz mean-variance ຊ່ວຍກໍານົດການຈັດສັນການແບ່ງປັນທີ່ດີທີ່ສຸດເພື່ອສ້າງຫຼັກຊັບທີ່ດີທີ່ສຸດ.  ທິດສະດີສ້າງແບບຈໍາລອງທາງຄະນິດສາດເພື່ອເພີ່ມປະສິດທິພາບການຈັດສັນຊັບສິນເພື່ອໃຫ້ໄດ້ຜົນຕອບແທນສູງສຸດສໍາລັບລະດັບຄວາມສ່ຽງ. ມັນວິເຄາະຊັບສິນທາງດ້ານການເງິນທີ່ແຕກຕ່າງກັນແລະພິຈາລະນາອັດຕາຜົນຕອບແທນແລະປັດໃຈຄວາມສ່ຽງ, ເນື່ອງຈາກແນວໂນ້ມປະຫວັດສາດຂອງພວກເຂົາ. ອັດຕາຜົນຕອບແທນແມ່ນເປັນການປະມານວ່າກຳໄລຂອງຊັບສິນຈະສ້າງໄດ້ເທົ່າໃດໃນໄລຍະເວລາໃດໜຶ່ງ. ປັດໄຈຄວາມສ່ຽງແມ່ນຖືກຄິດໄລ່ໂດຍໃຊ້ຄ່າບ່ຽງເບນມາດຕະຖານຂອງມູນຄ່າຊັບສິນ. ການບ່ຽງເບນທີ່ສູງຂຶ້ນສະແດງເຖິງຊັບສິນທີ່ປ່ຽນແປງໄດ້ ແລະ ດ້ວຍເຫດນີ້, ຄວາມສ່ຽງທີ່ສູງຂຶ້ນ.  ມູນຄ່າຜົນຕອບແທນແລະຄວາມສ່ຽງແມ່ນຄິດໄລ່ສໍາລັບການປະສົມຫຼັກຊັບຕ່າງໆແລະຖືກສະແດງຢູ່ໃນເສັ້ນໂຄ້ງຊາຍແດນທີ່ມີປະສິດທິພາບ. ເສັ້ນໂຄ້ງຊ່ວຍໃຫ້ນັກລົງທຶນກໍານົດຜົນຕອບແທນສູງສຸດຕໍ່ກັບຄວາມສ່ຽງທີ່ເຂົາເຈົ້າເລືອກ.

Every

Read My Stories

ສຽງນີ້ຖືກຜະລິດເປັນພາສາຕົ້ນສະບັບຂອງເລື່ອງ!

ວິທະຍາສາດຂໍ້ມູນສໍາລັບການເພີ່ມປະສິດທິພາບຫຼັກຊັບ: Markowitz Mean-Variance Theory

About Author

ຄຳເຫັນ

ວາງປ້າຍ

ບົດຄວາມນີ້ໄດ້ຖືກນໍາສະເຫນີໃນ

Related Stories

Starting 2025 with New Features: Settings Dashboard, HackerNoon Decoded, Updated Search UI, and More

Unraveling Web and API Security by Vulnerabilities Examples

Design Shifts at HackerNoon: Streamlined Top Nav, Quick Search and Settings Dashboard 🚀

Meet Bird Eye India, Winner of Startups of The Year 2024 in Fashion

Starting 2025 with New Features: Settings Dashboard, HackerNoon Decoded, Updated Search UI, and More

Unraveling Web and API Security by Vulnerabilities Examples

Design Shifts at HackerNoon: Streamlined Top Nav, Quick Search and Settings Dashboard 🚀

Meet Bird Eye India, Winner of Startups of The Year 2024 in Fashion

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps

ວິທະຍາສາດຂໍ້ມູນສໍາລັບການເພີ່ມປະສິດທິພາບຫຼັກຊັບ: Markowitz Mean-Variance Theory

About Author

ຄຳເຫັນ

ວາງປ້າຍ

ບົດ​ຄວາມ​ນີ້​ໄດ້​ຖືກ​ນໍາ​ສະ​ເຫນີ​ໃນ

Related Stories

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps

ບົດຄວາມນີ້ໄດ້ຖືກນໍາສະເຫນີໃນ