ロボアドバイザーは過去10年間で目立つようになり、フィンテックサブセクターは若い投資家や大衆の貯蓄と投資へのより積極的な関与を奨励しています。ロボアドバイザーは、ファイナンシャルアドバイスを民主化し、以前は裕福で洗練された投資家だけが利用できた高品質のサービスを提供することを目指しています。一言で言えば、ロボアドバイザーはポートフォリオ戦略をアルゴリズムにアウトソーシングする投資管理の一形態です。ポートフォリオの構築とリバランスはコンピューターの助けを借りて自動化され、より手頃な資産管理ソリューションを提供し、人為的ミスとバイアスを減らす可能性があります。
この分野の多くの新興企業は、損益分岐点に達し、ブランドの差別化を示すのに苦労しています。ロボアドバイザーがポートフォリオの真のリスクを伝えながら、投資を民主化し、利益を上げ続けるための最良の方法は何ですか？
BettermentとWealthfrontは、最も著名な2つのロボアドバイザーであり、前者は2008年に最初にローンチされました。2019年までに、このセクターは世界で4,400億ドルの資産を運用していると推定され、時間の経過とともに、ヴァンガードもそのような技術を採用しています。ロビンフッドのような執行のみの取引プラットフォームとは完全に異なりますが、両方のセクターの金融エンパワーメントのメッセージは、キャリアの後半まで退職貯蓄に積極的な関心を持っていなかった若い投資家に受け入れられてきました。
人気のあるロボアドバイザーの重要な価値提案の1つは、リターンだけに焦点を合わせるのではなく、クライアントがポートフォリオに関連するリスクとコストを理解するのに役立つことです。従来のファイナンシャルアドバイザー主導のウェルスマネジメントに反対する議論は、インセンティブの不整合であり、パフォーマンスを把握するために数値を客観的に解析できない投資家に、高価でパフォーマンスの低い資産が注ぎ込まれます。そのため、ロボアドバイザーはパッシブ投資の支持者であり、高価なアクティブ運用ファンドを経済的なインデックスファンドや上場投資信託（ETF）に敬遠しています。
ほとんどのロボアドバイザーは通常、現代ポートフォリオ理論を（時には他のよく研究された方法論と組み合わせて）投資家ポートフォリオを構築するために使用しますが、それらのポートフォリオに関連するリスクレベルを表現するためにさまざまな方法を使用します。ほとんどの投資専門家は、リスクがポートフォリオ選択のリターンと同じくらい重要な考慮事項であることに同意しています。実際、実務家の大多数は、ノーベル賞受賞者のハリー・マーコウィッツの1952年のポートフォリオ選択に関する論文で示されている平均分散最適化フレームワークに引き続き影響を受けています。
ただし、リスクは通常、平均的な投資家には期待収益ほどよく理解されていません。これは、個人のリスク許容度は、過去のパフォーマンスや合理的な期待だけでなく、独特の個人的な状況や、希望や恐れなどの他の感情的要因によっても左右されるためです。また、個人のリスク許容度は、静的な尺度ではありません。 COVID-19によって提示された不確実性のために、ほとんどの個人は、過去10年間のどの時点よりも、2020年のリスク許容度が低いと断固として認識します。推奨ポートフォリオの望ましさは、ポートフォリオのリスクに対する投資家自身の認識によって部分的に評価されます。これが、投資家がリスクを理解し、それを自分の許容度、目標、感情的な好みに関連付けることができるように、ロボアドバイザーがリスクを明確に説明することが重要である理由です。
ロボアドバイザーは、クライアントがリスクを理解するのを助けるために定量的または定性的な手段を使用します。それぞれの対策には利点と制限があります。
ほとんどのロボアドバイザーは、投資家が事前定義された心理測定の質問のリストにどのように答えるかに基づいて、定性的なリスク評価を割り当てます。これは通常、「非常に保守的」から「非常に攻撃的」までの数値スケールの範囲になります。
定性的リスク評価には明らかな利点があり、投資家はさまざまなポートフォリオのリスクを相互に簡単に把握できます。たとえば、「アグレッシブ」評価が割り当てられたポートフォリオは、「コンサバティブ」とラベル付けされたポートフォリオよりも本質的にリスクが高い可能性があります。心理測定の質問は、損失に対する投資家の許容度を絞り込み、適切なリスクレベルを特定するのに役立ちます。
ただし、定性的な格付けでは、ポートフォリオの予想される変動性に関して明確な理解が得られない場合があります。中程度のポートフォリオと比較して、積極的なポートフォリオがどれほど不安定であるかは明らかではないかもしれません。ほとんどの場合、リスク評価が6の場合、ポートフォリオが3の2倍のリスクがあることを意味するわけではありません。また、リスクの認識は、リスク評価の言語化方法によって異なる場合があります。投資家は、「高成長」と「非常に積極的」のどちらのラベルが付けられているかによって、リスクの高いポートフォリオの見方が異なる場合があります。したがって、そのような分類は、ポートフォリオの知覚された魅力に主観の層を導入します。
ロボアドバイザーが定性的リスクを過度に強調していることに対する私の懸念は、ポートフォリオの継続的なパフォーマンスに関して投資家に誤った安心感を与える可能性があることです。積極的/保守的な範囲にわたる任意のリスクスコアは広すぎる可能性があり、最終的には、状況が以前に考えられていたよりも複雑になる可能性がある投資家による最適ではない資金調達計画の決定につながる可能性があります。過度に単純化されたリスクに関する懸念は、投資家が製品の本質を理解できず、体系的な誤販売に従事するロボアドバイザーに関する規制当局の呼びかけに反映されています。
顧客教育を伴う制度的定量的リスク尺度（銀行、ファンド、およびファミリーオフィスで使用される）の採用の増加は、ロボアドバイスの次の段階への鍵となる可能性があります。これは本当に業界を前進させ、金融リテラシー教育を強化するための全国的な動きに対応する可能性があります。
投資ポートフォリオの定量的リスク尺度
バリューアットリスク（VaR）は、ポートフォリオのボラティリティの最も一般的な指標です。簡単に言えば、VaRは、特定の確率レベル（信頼水準またはパーセンタイルとも呼ばれます）としての最小予想損失の尺度です。たとえば、ポートフォリオの99％VaRが12％の場合、ポートフォリオからの損失が特定の期間中に12％を超えない可能性が99％あることを意味します。言い換えれば、ポートフォリオの損失が12％を超える可能性が1％あります。 VaRはすでに一部のロボアドバイザーによって適用されており、そのような使用例の1つは、99％のガイドラインを「リスクインデックス」と呼ばれる指標にブランド化するシンガポールのStashAwayからのものです。
VaRは、さまざまな方法を使用して計算できます。ヒストリカルメソッドは、ポートフォリオのヒストリカルリターンをマグニチュードでソートし、特定のパーセンタイル（通常は95％または99％）で観察されたリターンを識別します。分散共分散法は、リターンが正規分布していることを前提とし、ポートフォリオの標準偏差を使用して、最悪の5％または1％のリターンがベルカーブのどこにあるかを推定します。 VaRは、モンテカルロシミュレーションを使用して推定することもできます。モンテカルロシミュレーションは、確率的な結果に基づいて、最悪の5％または1％のリターンを生成します。
VaRの人気は、投資家がポートフォリオの変動性を理解し、それを個人の損失許容度に関連付けることを容易にするという事実から生じています。ただし、VaRの計算に使用される入力と方法論に応じて異なる結果を得ることができ、測定の信頼性に影響を与えます。また、VaRは、正規分布で収益が過去の収益に合わせられるなど、多くの仮定に大きく依存しています。最後に、12％の99％VaR（上記）は、最悪のシナリオで予想される損失額について投資家に通知しません。
VaRの背後にあるさまざまな警告が、ロボアドバイスプラットフォームでのその卓越性を制限している可能性があり、ユーザーが理解するための複雑な指標と見なされています。 StashAwayをより消化しやすい指標にブランド化する例は、これらの障壁をより適切に解消する方法を示しています。
VaRの欠点の1つであるバリューアットリスクの条件付き値、つまりCVaRに対処することで、最悪のシナリオで投資家に期待損失を提供します。 99％の信頼水準では、CVaRは、シナリオの最悪の1％での平均ポートフォリオリターンとして計算されます。 CVaRは、VaRと同様の方法を使用して推定されます。 VaRと比較して、最悪のシナリオをより明確に把握するのに役立つ場合がありますが、推定で使用される仮定と方法論のために、同様の欠点が生じる可能性があります。
2020年の市場の切断は、正規分布パターンを引き裂く傾向があり、CVarのような「3次元」ポートフォリオリスク尺度を追加することが有利である可能性があることを示しています。標準のVaR指標と組み合わせて、CVaRデータは、ロボアドバイザーのリスク管理サービスを強化し、ロボ資産の大部分がインデックスファンド（株式のバスケット）であることを考えると、非常に適しています。
最良および最悪のリターンは、特定の期間における証券またはポートフォリオの定期的なリターンのローリングに関連しています。リターンは、投資家の期間に応じて、日次、月次、または年次ベースで計算できます。時間枠は通常、データの可用性によって決定されますが、十分に長い期間を使用しない場合、観察された最良および最悪の収益に影響を与える可能性があります。
米国資産のベストリターンとワーストリターン：1973-2016
この指標は、過去のリターンを使用して、投資家に最良および最悪のシナリオを示します。明らかな利点の1つは、VaRとは異なり、正規分布を仮定する代わりに、正と負のリターンを区別することです。投資家はポジティブなボラティリティを気にしない傾向があり、ほとんどの場合、絶対的な下振れリスクを心配します。また、CVaRとは異なり、リターンの平均を取るのではなく、絶対的に最悪の観測リターンを示します。これは、最悪のシナリオを過小評価する可能性があります。ただし、他の定量的測定と同様に、これは後向きになる傾向があり、観察された結果のデータセットにも依存します。
ベストリターンとワーストリターンのリスク尺度は、威圧的な財務比率に依存することなく投資家と明確にコミュニケーションをとるため、ロボアドバイザープラットフォームに最適です。ただし、そのようなリスクの1つは、不合理な偏見を利用して、下落する市場への売り込みや敗者を頑固に保持するパニックを助長する可能性があることです。
単一資産ポートフォリオについて、VaR、CVaR、およびベストとワーストのリターンを計算する方法を見てみましょう。考慮される資産は、大型株の米国株を追跡するETFであるSPYです。
以下の計算に使用されるデータは、2007年7月から2020年6月までのNAVおよびSPYの月次収益に関連しています。計算はExcelまたはGoogleスプレッドシート機能を使用して実行できます。
VaR -11.8％VaRは、特定の月にSPYが11.8％を超えて失う確率が1％であることを意味します。言い換えれば、SPYは、99％の月で11.8％の損失よりも優れた月次リターンを提供しました。手順（Googleスプレッドシート/ Excel）：
CVaR -14.5％CVaRは、1％の最悪の結果の間のSPYの予想される月間損失が14.5％であることを意味します。これは、AVERAGEIF関数を使用してVaRの結果よりも少ない収益の平均を計算することにより、Google Sheets/Excelで決定できます。
ベストリターンとワーストリターン -表に示されているように、2007年から2020年の期間にSPYで観察された最高および最低の月次リターンは、それぞれ+ 13％および-16％でした。これらは、MINを使用してすばやく計算できます およびMAX 関数。
前述のように、これらの測定値は、方法や観察期間に応じて異なる値を生成する可能性があることに注意することが重要です。方法論と期間の選択は、データの可用性、予想される投資期間、個人的な判断などの要因に基づいて行う必要があります。
従来のウェルスマネジメントの基盤は、ポートフォリオを個々のニーズに合わせて調整することです。これは、期間、倫理、リスクアペタイト、および収入ベースのニーズに基づいています。そのために、すべてのアプローチはオーダーメイドです。ロボアドバイザーを魅力的なものにしているのは、その自動化された方法が顧客ベースのスワス全体でどのように機能できるかです。
ただし、ロボアドバイザーは、クライアントが個人のニーズに合った適切なポートフォリオを選択できるように、ポートフォリオ提供のリスクリターンのトレードオフを明確に理解できるようにする必要があります。定性的リスク尺度は、ロボアドバイスの「ランプ上」で理解しやすいものですが、時間の経過とともに、それらのパラメーターは冗長になる可能性があります。ただし、ここで概説する定量的リスク尺度と組み合わせて使用すると、ポートフォリオのパフォーマンスに対するより包括的なリスク管理ガイドラインと認識を提供するのに役立ちます。