استفاده از نظریه نمونه کارها سرمایه گذاری مشتری

برنامه ریزی ثروت نسل بعدی

راه حل های ثروت و برنامه ریزی زندگی تجزیه و تحلیل 3 چشم

ما به موسسات مالی با راه حل های نرم افزاری و نرم افزاری با برچسب سفید ، به عنوان یک سرویس و API ارائه می دهیم که برنامه ریزی ثروت را به صورت تعاملی بهبود ، خودکار و تجسم می کند. راه حل های ما می تواند به صورت انعطاف پذیر تنظیم شود تا موارد استفاده متفاوتی در طول زنجیره ارزش مدیریت ثروت ایجاد شود. این امر ممکن است زیرا ما از یک معماری مبتنی بر خدمات پیروی می کنیم ، همیشه از آن استفاده می کنیم.

سرمایه گذاری های سر ما ، فلیکس Csajka ، مقاله ای را برای مجله بانکی خصوصی نوشته است که نشان دهنده عدم کفایت نظریه مدرن نمونه کارها در برنامه ریزی ثروت است.

چگونه مشاوران می توانند شفافیت بیشتری را برای برنامه ریزی ثروت بلند مدت مشتری خود به ارمغان بیاورد؟چگونه می توان اهداف مشتری را با اطمینان بالایی بدست آورد؟این سؤالات معمولاً در روند مشاوره برای مشتریان خصوصی بی پاسخ باقی می مانند.

سرمایه گذاری / مشاوره مبتنی بر هدف در حال افزایش است. طبق یک مطالعه اخیراً منتشر شده توسط EY ، بسیاری از مشتریان به دنبال این نوع مشاوره مالی هستند.

در سرمایه گذاری مبتنی بر هدف ، تمرکز بر دستیابی به اهداف مالی خاص مشتری است. این می تواند خرید املاک و مستغلات ، بازنشستگی بازنشستگی (اضافی) در طول بازنشستگی یا زودرس باشد. سؤال این است که چگونه مشتریان می توانند به بهترین وجه به اهداف مالی شخصی خود برسند.

1. نقطه شروع همه ما نگران اهداف مالی بلند مدت هستیم و حداقل طرح گسترده ای از کمک ها و دارایی های ثروت برنامه ریزی شده خود را می دانیم. اما ما به سختی می توانیم قضاوت کنیم که آیا اهداف ما واقع بینانه است و چه چیزی برای دستیابی به آنها لازم است.

چگونه می توانیم برنامه ریزی ثروت بلند مدت خود را شفاف تر کنیم؟چگونه می توانیم با بالاترین میزان اطمینان ممکن به اهداف خود برسیم؟

این سؤالات باید در قلب هر فرآیند مشاوره باشد ، اما به ندرت به وضوح برای مشتری های خصوصی پاسخ داده می شود. روش مناسب برای مدتی شناخته شده است و سرمایه گذاران نهادی سالهاست که با موفقیت از آن استفاده می کنند. بنابراین چرا هنوز برای برنامه ریزی ثروت فردی کاربردی نیست؟

این مانع ، از یک سو ، اجرای فنی و از سوی دیگر آموزش سنتی مشاوران مالی است. تمرکز بر روی سمت دارایی خالص همانطور که توسط تئوری مدرن نمونه کارها (MPT) پشتیبانی می شود ، قرار می گیرد. ملاحظات بلند مدت در مورد پرداخت و بنابراین در مورد اهداف مشتری مستثنی است.

در بخش های بعدی ، ما نمونه ای از چگونگی برنامه ریزی ثروت را ارائه می دهیم و چرا رویکردهای سنتی مانند نظریه نمونه کارها مدرن کوتاه می آیند.

2. چرا روشهای سنتی کافی نیستند ، مثال زیر رویکردهای مختلف در برنامه ریزی ثروت و محدودیت های روشهای سنتی را نشان می دهد:

تام سیدلر 48 ساله است و در آلمان مشمول مالیات است. وی دارای اهداف میان مدت و بلند مدت است ، یعنی تأمین مالی دخترش با 2،000 یورو در ماه در طی چهار سال و برای تأمین حقوق بازنشستگی خود با 3000 یورو در ماه. دارایی های فعلی وی 300000 یورو به صورت نقدی است. وی همچنین دارای یک ملک به ارزش 500000 یورو با وام 150،000 یورو است.

درآمد وی معیشت او را تضمین می کند ، اما دارایی های وی رشد نمی کند. پس از بازنشستگی ، وی بازنشستگی ماهانه 1500 یورو دریافت می کند. در حال حاضر تام مطمئن نیست که آیا می تواند به اهداف مالی خود برسد یا خیر. او برای دستیابی به اهداف خود به بهترین شکل ممکن چه امکاناتی دارد؟

ما راه حل هایی را که خارج از قلمرو بازارهای سرمایه است ، از جمله: به دنبال یک اسپانسر ، پس انداز ، به تعویق انداختن هزینه ها در آینده یا کار طولانی تر ، یعنی به تعویق انداختن بازنشستگی در سنین بالاتر ، حذف می کنیم.

الف) اهداف مالی تام فقط با پول نقد قابل دستیابی نیست

یک شبیه سازی بلند مدت بیش از 1000 سناریو بازار سرمایه نشان می دهد که تام در دوره بازنشستگی نقدینگی کافی نخواهد داشت تا هدف بازنشستگی خود را تأمین کند (مثلث قرمز در شکل 1). موقعیت نقدی مورد انتظار به رنگ آبی نشان داده شده است ، در حالی که عملکرد این ملک به رنگ زرد برجسته می شود. این راهرو براساس سناریوهایی با خاصیت ضعیف (صدک 5 از همه سناریوها) و توسعه خوب (صدک 75) محدود است. توسعه قابل قبول به عنوان یک خط متراکم (میانه) قابل مشاهده است.

این شبیه سازی دوره از امروز را در کل طول عمر مورد انتظار بر اساس داده های محرک پوشش می دهد. دستاورد اهداف مالی تام را می توان در نمودار زیر مشاهده کرد: آموزش دختر وی بین سالهای 2020 تا 2024 تضمین شده است ، اما یک حساب نقدی نمی تواند بازنشستگی وی را تضمین کند. البته ما همچنین مؤلفه های دیگری مانند کمک ها ، وام یا اهداف دارایی را در شبیه سازی درج می کنیم. علاوه بر این ، تام می تواند با وام گرفتن اموال خود ، وضعیت خود را بهبود بخشد ، که در این مثال نشان داده نشده است. سرانجام ، به عنوان یک مالیات دهنده ، وی مجبور است مالیات بر درآمد و سود سرمایه خود را بپردازد و باید تأثیر بلند مدت هزینه های مدیریت دارایی را در نظر بگیرد.

توسعه ثروت تام و هدف از دستیابی به هدف (راهرو آبی: توسعه دارایی های نقدی ، که مستقیماً تحت تأثیر اهداف مالی قرار گرفته است. کریدور نارنجی: املاک و مستغلات. مثلث قرمز: دارایی های نقدی کاملاً در سناریوی متوسط تخلیه می شوند).

این شبیه سازی نشان می دهد که تام در زمان بازنشستگی با مشکلات روبرو خواهد شد. بنابراین ، سؤال اساسی این است: او برای دستیابی به اهداف مالی شخصی خود چه کاری می تواند انجام دهد؟

ب) بهبود دستیابی به اهداف تام با استفاده از نظریه مدرن نمونه کارها

رویکرد شناخته شده برای یک استراتژی بهینه سرمایه گذاری ، تئوری نمونه کارها مدرن (MPT) است: در MPT ، سرمایه گذاری ها با توجه به بازده ریسک خود بهینه می شوند. این رویکرد در ابتدا توسط هری م. مارکوویتز ، که در سال 1990 به دلیل کار خود در زمینه انتخاب نمونه کارها ، جایزه نوبل اقتصاد را دریافت کرد. ماركوویتس قبلاً در دهه 50 پایه و اساس را كه ویلیام شارپ بیشتر به تئوری مدرن نمونه كارها تبدیل كرده بود ، پایه گذاری كرده بود. بنابراین ، تئوری نمونه کارها مدرن مبتنی بر بنیادی است که بیش از 60 سال قدمت دارد. ایده اصلی ساده است: ما فقط به بازده و ریسک مورد انتظار نگاه می کنیم و نمونه کارها را با بالاترین بازده برای یک خطر ثابت یا نمونه کارها با کمترین خطر برای بازده مورد انتظار ثابت انتخاب می کنیم.

بنابراین تام می تواند سعی کند نمونه کارها خود را بر اساس MPT بهینه کند. در عمل ، این به معنای تخمین بازده مورد انتظار برای هر کلاس دارایی در طی یک دوره زمانی مانند ماه یا سه ماهه آینده است. نتیجه بهینه سازی مجموعه ای از تخصیص ها است که در ریسک و بازده مورد انتظار متفاوت است. سپس تام باید انتخاب کند که کدام یک از تخصیص با مشخصات ریسک خود مطابقت دارد.

مرزی کارآمد مطابق نظریه مدرن نمونه کارها: اوراق بهادار با حداقل ریسک در بازده مورد انتظار.

نتیجه بهینه سازی MPT مبتنی بر فرضیاتی است که بسیار ناپایدار است: اولا ، بازده مورد انتظار هرگز "فرودهای لکه دار" نیست ، اما اغلب در عمل بسیار دور هستند ، زیرا هر سرمایه گذار فقط به خوبی می داند. ثانیا ، نوسانات (انحراف استاندارد بازده) به عنوان یک اندازه گیری خطر استفاده می شود ، که دست کم گرفته می شود ، به ویژه در بحران ها.

علاوه بر این ، MPT مبتنی بر توزیع عادی بازده بازار سرمایه است: نوسانات به طور عادی توزیع می شود و میانگین آن با بازده مورد انتظار مطابقت دارد. تجربه عملی نشان می دهد که توزیع عادی بازارهای مالی را بیش از حد ساده می کند. واقعیت کاملاً متفاوت به نظر می رسد:

نمونه ای از بازده های توزیع نشده غیر عادی: بازده سه ماهه سهام در حال ظهور بازار (1000 سناریو ، 400 چهارم)

علاوه بر این ، بهینه سازی MPT به تام نمی گوید که آیا او واقعاً می تواند به اهداف مالی خود برسد یا نه: بهینه سازی MPT فقط دارایی ها را در نظر می گیرد اما ترازنامه شخصی تام را که شامل بدهی ها نیز می شود ، نهفته است ، یعنی اعتبار و اهداف. علاوه بر این ، بهینه سازی قوی نیست زیرا تغییرات کوچک در انتظارات ممکن است به طور قابل توجهی تخصیص پیشنهادی را تغییر دهد. سرانجام ، تجزیه و تحلیل محدود به یک دوره سرمایه گذاری واحد است. با این حال ، در برنامه ریزی مالی و ثروت ، اهداف ممکن است یا در آینده نزدیک یا دور باشد و به طور معمول افق زمانی متفاوتی دارند. بنابراین ، در نظر گرفتن یک دوره سرمایه گذاری واحد گمراه کننده است.

3. راه حل: هدف و بهینه سازی مبتنی بر سناریو بازارهای سرمایه باید واقع بینانه و حتی برای تصحیح قوی در بازار مدل سازی شوند. این خلاف مدل معمولی یک بازار عادی توزیع شده است. علاوه بر اهداف مالی ، دیدگاه جامع نیز باید شامل سرمایه گذاری های غیرقانونی مانند املاک و مستغلات باشد که می تواند در دستیابی به اهداف کمک کند. در مقابل ، بدهی ها و وام های برجسته ، دستیابی به هدف را کاهش می دهد. سرانجام ، سناریوهای تورم و نرخ بهره باید به طور مشترک با بازده بازار سرمایه در نظر گرفته شوند ، زیرا آنها تأثیر بر دارایی ها ، بدهی ها و اهداف دارند.

شبیه سازی و بهینه سازی چندرسانه ای نشان دهنده وضعیت بلند مدت مشتری است. ارزش زمانی اهداف به طور خودکار در نظر گرفته می شود ، یعنی اهداف مالی در آینده دوردست دارای ارزش فعلی کمتری با نرخ بهره مثبت نسبت به اهداف در آینده نزدیک است. عملکرد عینی بهینه سازی ، کسری (کمبود تأمین مالی) اهداف مالی را اندازه گیری می کند و بینش واضح و سریع در مورد سلامت مالی و برنامه ریزی ثروت خود به مشتری می دهد.

الف) مبنای: سناریوهای بازارهای سرمایه

بهینه سازی مجموعه ای از سناریوهای ممکن در بازار سرمایه را در نظر می گیرد. این امر همچنین در مورد بدهی هایی مانند وام مسکن اعمال می شود ، که از طریق توسعه نرخ بهره و تورم به سناریوها نیز بستگی دارد.

سناریوهای بازار سرمایه شامل کلاسهای دارایی مشترک مانند بازار پول ، سهام ، اوراق با کیفیت اعتبار مختلف ، املاک و مستغلات و کالاها هستند. آنها همچنین شامل سناریوهای نرخ بهره و تورم برای مدل سازی هزینه ها و وام های مرتبط با تورم هستند.

سناریوها از خطای تخمین یک مقدار واحد برای بازده مورد انتظار جلوگیری می کنند ، که یک مشکل مهم در عمل است. این باعث می شود بهینه سازی مبتنی بر سناریو قوی تر از روش کلاسیک بهینه سازی MPT باشد. واقعیت های اقتصادی مانند نرخ بهره منفی در حال حاضر در حال حاضر نیز صریحاً مورد توجه قرار می گیرد و به طور متوسط از آن خارج نمی شود.

سناریوها برای هر کلاس دارایی محاسبه می شوند. این محاسبه براساس مدلهای اقتصادی برای نرخ بهره ، رشد اقتصادی و تورم است. این اجرای با محصولات سرمایه گذاری مانند اوراق بهادار فردی ، ETF یا وجوه انجام می شود که بسته به ترجیح مشتری ، این تخصیص را به صورت فعال یا منفعل نشان می دهد.

ب) بهینه سازی مبتنی بر هدف و سناریو چگونه کار می کند؟

بهینه سازی مبتنی بر هدف و سناریو شباهت هایی با محاسبه فرآیندهای پویا شناخته شده از علوم طبیعی دارد. به عنوان مثال ، انتگرال های مسیر متشکل از مجموعه ای از مسیرهای ممکن در فیزیک شناخته شده است. ما می توانیم روشهای تصادفی مشابه را برای بهینه سازی مبتنی بر هدف اعمال کنیم. هدف از بهینه سازی تصادفی دستیابی به کمترین خطای متوسط ممکن است ، که به عنوان یک انحراف از دستیابی کامل هدف در تمام سناریوها اندازه گیری می شود.

بهینه ساز با تغییر تخصیص بهترین راه حل را پیدا می کند: تغییرات با تحقق هدف بهتر ترجیح داده می شوند و Optimiser تخصیص های خود را با تحقق هدف بهتر می آموزد. یک تفاوت اساسی در MPT ماهیت چندرسانه ای بهینه سازی است: دیگر فقط یک دوره واحد را پوشش نمی دهد ، بلکه کل طول عمر ، با تمام جنبه های مهم ، همانطور که قبلاً مورد بحث قرار گرفت. پرداخت در زمان های مختلف به صراحت در نظر گرفته می شود ، که در مورد MPT اینگونه نیست.

ج) برنامه ریزی مالی تام با استفاده از بهینه سازی چند دوره ای ، هدف و سناریو

برنامه ریزی ثروت تام بر اساس این بهینه سازی مشخص می شود: او اکنون می داند کدام تخصیص بالاترین احتمال هدف را ارائه می دهد. او همچنین دیدگاه واقع بینانه ای از خطرات دارد و می داند که به احتمال زیاد به چه اهدافی می رسد.

تخصیص بهینه برای وضعیت و اهداف دارایی خاص تام شامل موارد زیر است:

37 درصد سهام

• سهام آلمان: 17 درصد
• سهام بازارهای نوظهور (به ارز محلی): 20 درصد

63 درصد اوراق قرضه

• اوراق قرضه دولتی (درجه سرمایه گذاری ، در یورو): 12 درصد
• اوراق قرضه مختلط (درجه سرمایه گذاری ، به ارز محلی): 10 درصد
• اوراق قرضه شرکت (درجه سرمایه گذاری ، در یورو): 30 درصد
• اوراق قرضه جهانی (بازده بالا ، در یورو): 11 درصد

سرمایه گذاری در بازار پول دیگر در تخصیص بهینه شده گنجانده نشده است زیرا تام به دلیل افق سرمایه گذاری بلند مدت بهتر از انتظارات بازگشت متوسط بازار پول است.

دستیابی بهینه هدف تام و توسعه ثروت

احتمال دستیابی به هدف دوم و خواستار تر (برای تأمین حقوق بازنشستگی 3000 یورو در هر ماه) ، به میزان قابل توجهی افزایش می یابد ، در حالی که دستیابی به هدف اولین هدف بدون تغییر باقی می ماند. علاوه بر این ، برنامه ریزی تام انعطاف پذیر تر می شود: او می تواند اهداف خود را تنظیم کند ، اهداف جدیدی را اضافه کند و تصویری دقیق از آینده مالی خود بدست آورد. این همچنین شامل شبیه سازی وقایع زندگی مانند وراثت ، طلاق و موارد دیگر است که می تواند وضعیت مالی را به میزان قابل توجهی تغییر دهد.

4- نتیجه گیری برنامه ریزی یکپارچه مالی و ثروت به روشهای واقع گرایانه نیاز دارد که اهداف فردی مشتری را در نظر بگیرد. بهینه سازی مبتنی بر هدف و سناریو این الزامات را برآورده می کند: بازارهای سرمایه برای بسیاری از سناریوها واقع بینانه هستند و بهینه سازی تصادفی تخصیصی را پیدا می کند که اهداف مالی را به بهترین شکل ممکن انجام می دهد. این شامل وضعیت شخصی مشتری از همه جنبه ها است و محدود به دارایی های نقدینگی نیست.

نظریه مدرن نمونه کارها به عنوان رویکردی برای برنامه ریزی ثروت و سرمایه گذاری مبتنی بر هدف کافی نیست: اهداف بهینه نمی شوند ، خطای تخمین متغیرهای بهینه سازی نتیجه را تحریف می کند و مشاهدات در افق زمانی مختلف امکان پذیر نیست. نظریه مدرن نمونه کارها یک رویکرد تخصیص دارایی جامع از جمله بدهی ها نیست ، بلکه یک رویکرد یک دوره است: برای یک دوره زمانی واحد (به طور معمول کوتاه) معتبر است و فقط سمت دارایی را در نظر می گیرد ، نه کل ترازنامه مشتری.

وقت آن است که دوباره به برنامه ریزی ثروت بپردازیم! اهداف مالی کوتاه مدت و بلند مدت نیاز به بهینه سازی مبتنی بر هدف و سناریو دارد که مستقیماً متناسب با مشتری باشد- به جای نظریه منسوخ مدرن نمونه کارها.

حدود 3-EYES Analytics 3rd-Eyes یک شرکت فناوری مالی است که در سال 2015 تأسیس شده است و راه حل های دیجیتالی را برای بانک ها ، مشاوران سرمایه گذاری ، شرکت های بیمه و نرم افزاری به روشی کاملاً قابل تنظیم و بسیار انعطاف پذیر ارائه می دهد. راه حل دیجیتال 3-چشم یا همانطور که ما آن را می نامیم ، سیستم ناوبری ما ، مشاوره سرمایه گذاری را بر اساس اهداف مالی مشتری و ارزش های شخصی و اعتقادات در ترکیب با برنامه ریزی مالی ارائه می دهد. ما یک ارزیابی جامع از ثروت مشتری از جمله دارایی ها و بدهی ها ارائه می دهیم ، اهداف مالی وی را تجزیه و تحلیل می کنیم و تخصیص دارایی مشتری را بهینه می کنیم تا سپس مجموعه ای از محصولات مالی (وجوه و ETF) را برای سرمایه گذاری و اجرای یا از طریق شریک بانکی متولدین ما یا از طریق توصیه کنیم. پلت فرم انتخابی مشتری. 3-EYES یک روش مدل مسئولیت دارایی (ALM) را اعمال می کند ، در غیر این صورت فقط در دسترس اوراق بهادار چند میلیارد یورویی نهادی است.