ការអនុវត្តស្ថិតិក្នុងវិស័យហិរញ្ញវត្ថុ

ការអនុវត្តស្ថិតិក្នុងវិស័យហិរញ្ញវត្ថុ

ស្ថិតិគឺជាសាខាមួយនៃគណិតវិទ្យា ដែលត្រូវបានគេយល់ឃើញថាជារឿងរឹងរូស និងជាទ្រឹស្តី ប៉ុន្តែតាមពិតវាមានការអនុវត្តយ៉ាងទូលំទូលាយនៅក្នុងវិស័យផ្សេងៗ រួមទាំងហិរញ្ញវត្ថុផងដែរ។ ស្ថិតិដើរតួនាទីយ៉ាងសំខាន់ក្នុងការវិភាគទិន្នន័យ ការធ្វើការសម្រេចចិត្ត ការព្យាករណ៍ និងការគ្រប់គ្រងហានិភ័យនៅក្នុងពិភពហិរញ្ញវត្ថុ។ អត្ថបទនេះនឹងពិនិត្យឡើងវិញនូវការអនុវត្តសំខាន់ៗមួយចំនួននៃស្ថិតិក្នុងវិស័យហិរញ្ញវត្ថុ និងរបៀបដែលទិន្នន័យ និងវិធីសាស្រ្តស្ថិតិជួយអ្នកជំនាញហិរញ្ញវត្ថុដោះស្រាយបញ្ហាប្រឈម និងឱកាស។

១. ការវិភាគទិន្នន័យ និងការព្យាករណ៍

ការអនុវត្ត​ចម្បង​មួយ​នៃ​ស្ថិតិ​ក្នុង​វិស័យ​ហិរញ្ញវត្ថុ​គឺ​ការវិភាគ​ទិន្នន័យ និង​ការព្យាករណ៍។ ការដំណើរការទិន្នន័យប្រវត្តិសាស្ត្រដើម្បីព្យាករណ៍និន្នាការនាពេលអនាគតគឺជាការអនុវត្តទូទៅមួយនៅក្នុងឧស្សាហកម្មហិរញ្ញវត្ថុ។ ឧទាហរណ៍ អ្នកវិភាគហិរញ្ញវត្ថុប្រើប្រាស់ទិន្នន័យតម្លៃភាគហ៊ុនប្រវត្តិសាស្ត្រដើម្បីព្យាករណ៍ពីចលនាតម្លៃនាពេលអនាគត។ វិធីសាស្ត្រស្ថិតិដូចជាការវិភាគតំរែតំរង់លីនេអ៊ែរ និងការវិភាគស៊េរីពេលវេលាត្រូវបានប្រើជាញឹកញាប់សម្រាប់គោលបំណងនេះ។

តំរែតំរង់លីនេអ៊ែរ

ការវិភាគតំរែតំរង់លីនេអ៊ែរត្រូវបានប្រើដើម្បីធ្វើគំរូទំនាក់ទំនងរវាងអថេរឯករាជ្យ និងអថេរអាស្រ័យ។ ឧទាហរណ៍ នៅក្នុងបរិបទហិរញ្ញវត្ថុ វាអាចត្រូវបានប្រើដើម្បីព្យាករណ៍តម្លៃភាគហ៊ុន (អថេរអាស្រ័យ) ដោយផ្អែកលើកត្តាផ្សេងៗដូចជាអត្រាការប្រាក់ អតិផរណា ឬសូចនាករសេដ្ឋកិច្ចផ្សេងទៀត (អថេរឯករាជ្យ)។ សមីការតំរែតំរង់លីនេអ៊ែរសាមញ្ញមួយគឺ៖

\[ Y = \alpha + \beta X + \epsilon \]

កន្លែងណា៖
–\( Y\) គឺជាអថេរអាស្រ័យ (ឧទាហរណ៍ តម្លៃភាគហ៊ុន)
–\( X\) គឺជាអថេរឯករាជ្យ (ឧទាហរណ៍ អត្រាការប្រាក់)
– \( \alpha \) និង \( \beta \) គឺជាប៉ារ៉ាម៉ែត្រគំរូ
– \( \epsilon \) គឺជាសំណល់ ឬ កំហុស។

ការវិភាគស៊េរីពេលវេលា

ការវិភាគស៊េរីពេលវេលាពិនិត្យទិន្នន័យតាមពេលវេលា ដើម្បីកំណត់គំរូ ឬនិន្នាការជាក់លាក់។ ក្នុងវិស័យហិរញ្ញវត្ថុ ការវិភាគស៊េរីពេលវេលាត្រូវបានប្រើដើម្បីព្យាករណ៍តម្លៃទ្រព្យសកម្ម បរិមាណជួញដូរ និងសូចនាករសេដ្ឋកិច្ច។ បច្ចេកទេសដូចជា Auto-Regressive Integrated Moving Average (ARIMA) និង Generalized Autoregressive Conditional Heteroskedasticity (GARCH) ត្រូវបានប្រើនៅក្នុងគំរូទាំងនេះ។

៥. ការគ្រប់គ្រងហានិភ័យ

ស្ថិតិក៏ដើរតួនាទីយ៉ាងសំខាន់ក្នុងការគ្រប់គ្រងហានិភ័យ ដែលជាដំណើរការនៃការកំណត់អត្តសញ្ញាណ ការវាស់វែង និងការគ្រប់គ្រងហានិភ័យហិរញ្ញវត្ថុដែលក្រុមហ៊ុន ឬវិនិយោគិនអាចប្រឈមមុខ។ ឧបករណ៍ស្ថិតិមួយចំនួនដែលត្រូវបានគេប្រើជាញឹកញាប់ក្នុងការគ្រប់គ្រងហានិភ័យរួមមាន តម្លៃនៅហានិភ័យ (VaR) ការធ្វើតេស្តភាពតានតឹង និងការវិភាគ Monte Carlo។

តម្លៃហានិភ័យ (VaR)

VaR គឺជារង្វាស់ស្ថិតិដែលប៉ាន់ប្រមាណការខាតបង់ដែលអាចកើតមានអតិបរមានៃផលប័ត្រ ឬទ្រព្យសកម្មជាក់លាក់ណាមួយក្នុងរយៈពេលជាក់លាក់មួយជាមួយនឹងកម្រិតទំនុកចិត្តដែលគេស្គាល់។ ឧទាហរណ៍ VaR 1 ថ្ងៃ 95% នៃ 1 លានដុល្លារមានន័យថាមានទំនុកចិត្ត 95% ថាការខាតបង់ផលប័ត្រនឹងមិនលើសពី 1 លានដុល្លារក្នុងមួយថ្ងៃទេ។ VaR អាចត្រូវបានគណនាដោយប្រើវិធីសាស្ត្រប្រវត្តិសាស្ត្រ វិធីសាស្ត្រវិភាគ ឬការក្លែងធ្វើ Monte Carlo។

ការធ្វើតេស្តស្ត្រេស

ការធ្វើតេស្តភាពតានតឹងពាក់ព័ន្ធនឹងការក្លែងធ្វើលក្ខខណ្ឌទីផ្សារខ្លាំងៗជាច្រើន ដើម្បីវាស់ស្ទង់ពីរបៀបដែលលក្ខខណ្ឌទាំងនេះអាចប៉ះពាល់ដល់តម្លៃផលប័ត្រ។ ឧទាហរណ៍ តើវិបត្តិហិរញ្ញវត្ថុពិភពលោកនឹងប៉ះពាល់ដល់ផលប័ត្រវិនិយោគយ៉ាងដូចម្តេច? តាមរយៈការក្លែងធ្វើសេណារីយ៉ូខ្លាំងៗទាំងនេះ ស្ថាប័នហិរញ្ញវត្ថុអាចរៀបចំសម្រាប់លទ្ធភាពនៃការខាតបង់យ៉ាងច្រើន។

3. ការធ្វើពិពិធកម្មផលប័ត្រ

ការធ្វើពិពិធកម្មគឺជាយុទ្ធសាស្ត្រវិនិយោគមួយដែលមានគោលបំណងកាត់បន្ថយហានិភ័យដោយការបែងចែកការវិនិយោគលើទ្រព្យសកម្មជាច្រើនប្រភេទដែលមិនទាក់ទងគ្នា។ ស្ថិតិជួយក្នុងការធ្វើពិពិធកម្មផលប័ត្រដោយការគណនាសហសម្ព័ន្ធ និងភាពប្រែប្រួលរវាងទ្រព្យសកម្មផ្សេងៗគ្នា។

ទំនាក់ទំនង និង កូវ៉ារីយ៉ាន់

សហសម្ព័ន្ធវាស់ស្ទង់ភាពខ្លាំង និងទិសដៅនៃទំនាក់ទំនងលីនេអ៊ែររវាងអថេរពីរ។ ឧទាហរណ៍ ប្រសិនបើទ្រព្យសកម្មមួយកើនឡើងជាប់ៗគ្នាជាញឹកញាប់ ទ្រព្យសកម្មនោះត្រូវបានគេនិយាយថាមានទំនាក់ទំនងវិជ្ជមាន។ ផ្ទុយទៅវិញ ប្រសិនបើទ្រព្យសកម្មមួយកើនឡើង ខណៈពេលដែលទ្រព្យសកម្មមួយទៀតធ្លាក់ចុះ នោះនឹងមានសហសម្ព័ន្ធអវិជ្ជមាន។ មេគុណសហសម្ព័ន្ធមានចាប់ពី -1 (សហសម្ព័ន្ធអវិជ្ជមានល្អឥតខ្ចោះ) ដល់ +1 (សហសម្ព័ន្ធវិជ្ជមានល្អឥតខ្ចោះ)។ ការកាត់បន្ថយហានិភ័យតាមរយៈការធ្វើពិពិធកម្មពាក់ព័ន្ធនឹងការជ្រើសរើសទ្រព្យសកម្មដែលមានសហសម្ព័ន្ធទាប ឬអវិជ្ជមាន។

ផលប័ត្រល្អបំផុត

ទ្រឹស្តីផលប័ត្រ Markowitz ឬការបង្កើនប្រសិទ្ធភាពមធ្យម-ភាពប្រែប្រួល ប្រើប្រាស់ស្ថិតិដើម្បីកំណត់ផលប័ត្រល្អបំផុតដោយបង្កើនប្រាក់ចំណេញអតិបរមា និងកាត់បន្ថយហានិភ័យ។ វិធីសាស្រ្តនេះពាក់ព័ន្ធនឹងការគណនាមធ្យមភាគ (ប្រាក់ចំណេញជាមធ្យម) និងភាពខុសគ្នា (ហានិភ័យ) នៃផលប័ត្រ ក៏ដូចជាទំនាក់ទំនងរវាងទ្រព្យសកម្មផ្សេងៗនៅក្នុងផលប័ត្រ។

៤. ការដាក់ពិន្ទុឥណទាន

ស្ថិតិដើរតួនាទីយ៉ាងសំខាន់នៅក្នុងឧស្សាហកម្មធនាគារ ជាពិសេសក្នុងការផ្តល់ប្រាក់កម្ចី។ គំរូស្ថិតិត្រូវបានប្រើដើម្បីវាយតម្លៃភាពស័ក្តិសមឥណទានរបស់បុគ្គល ឬក្រុមហ៊ុន ដែលបង្កើតឡើងដោយផ្អែកលើទិន្នន័យប្រវត្តិសាស្ត្រ និងលក្ខណៈរបស់អ្នកខ្ចីប្រាក់។

តំរែតំរង់ឡូជីស្ទីក

វិធីសាស្ត្រមួយដែលត្រូវបានគេប្រើជាញឹកញាប់ក្នុងការវាយតម្លៃឥណទានគឺការវិភាគតំរែតំរង់ឡូជីស្ទីក។ គំរូនេះប៉ាន់ប្រមាណប្រូបាប៊ីលីតេដែលអ្នកខ្ចីនឹងខកខានសងបំណុលដោយផ្អែកលើអថេរមួយចំនួនដូចជាប្រវត្តិឥណទាន ប្រាក់ចំណូល និងប្រភេទការងារ។

\[ \text{Logit}(P) = \alpha + \beta_1 X_1 + \beta_2 X_2 + \dots + \beta_n X_n \]

ដែល \(P\) ជា​ប្រូបាប៊ីលីតេ​នៃ​លំនាំដើម \(\alpha\) ជា​ចំណុច​ប្រសព្វ និង \(\beta\) ជា​មេគុណ​តំរែតំរង់។

៥. ដេរីវេ និងជម្រើស

ស្ថិតិក៏មានសារៈសំខាន់ខ្លាំងណាស់នៅក្នុងការកំណត់តម្លៃឧបករណ៍និស្សន្ទវត្ថុ និងជម្រើសផងដែរ។ គំរូ Black-Scholes គឺជាគំរូមួយក្នុងចំណោមគំរូដ៏ល្បីល្បាញបំផុតសម្រាប់ការកំណត់តម្លៃជម្រើស។

ម៉ូដែល Black-Scholes

គំរូនេះប្រើប្រាស់ធាតុចូលស្ថិតិជាច្រើន រួមទាំងការប្រែប្រួលតម្លៃនៃទ្រព្យសកម្មមូលដ្ឋាន ដើម្បីគណនាតម្លៃទ្រឹស្តីនៃជម្រើសមួយ។ រូបមន្ត Black-Scholes គឺ៖

\[ C = S_0 N(d_1) – X e^{-rt} N(d_2) \]

កន្លែងណា៖
– \( C \) គឺជាតម្លៃនៃជម្រើសហៅទូរស័ព្ទ
– \( S_0 \) គឺជាតម្លៃទ្រព្យសកម្មបច្ចុប្បន្ន
– \( X \) គឺជាតម្លៃធ្វើកូដកម្ម
– \( r \) គឺជាអត្រាការប្រាក់គ្មានហានិភ័យ
– \( t \) គឺជាពេលវេលានៃភាពចាស់ទុំ
–\( N(d)\) គឺជាអនុគមន៍ចែកចាយកកកុញនៃការចែកចាយធម្មតា
– \( d_1 \) និង \( d_2 \) គឺជាអថេរដែលទទួលបានពីការបញ្ចូលគំរូ។

សេចក្តីសន្និដ្ឋាន

ចាប់ពីការវិភាគទិន្នន័យរហូតដល់ការគ្រប់គ្រងហានិភ័យ និងការបង្កើតផលប័ត្រ ស្ថិតិដើរតួនាទីយ៉ាងសំខាន់ក្នុងវិស័យហិរញ្ញវត្ថុ។ ការប្រើប្រាស់វិធីសាស្ត្រស្ថិតិជួយអ្នកជំនាញហិរញ្ញវត្ថុក្នុងការវាយតម្លៃ ការព្យាករណ៍ និងការធ្វើការសម្រេចចិត្តកាន់តែប្រសើរឡើង ដែលអនុញ្ញាតឱ្យមានភាពច្នៃប្រឌិត និងស្ថិរភាពកាន់តែច្រើននៅក្នុងឧស្សាហកម្មហិរញ្ញវត្ថុ។ ទោះជាយ៉ាងណាក៏ដោយ វាជារឿងសំខាន់ដែលត្រូវដឹងជានិច្ចអំពីការសន្មត់ និងដែនកំណត់នៃគំរូស្ថិតិណាមួយដែលបានប្រើ។

ជាមួយនឹងការរីកចម្រើនផ្នែកបច្ចេកវិទ្យា និងការកើនឡើងនៃទិន្នន័យ កម្មវិធីស្ថិតិក្នុងវិស័យហិរញ្ញវត្ថុនឹងបន្តវិវត្ត និងកាន់តែស្មុគស្មាញ។ បន្តរៀនសូត្រ និងប្រើប្រាស់ស្ថិតិដើម្បីធ្វើការសម្រេចចិត្តដែលមានព័ត៌មាន និងមានព័ត៌មានគ្រប់គ្រាន់នៅក្នុងពិភពហិរញ្ញវត្ថុដែលមានការផ្លាស់ប្តូរឥតឈប់ឈរ។