مبتنی بر تحلیل میانگین واریانس و تئوری مدرن پرتفوی

برچسب: آموزش ساخت سبد

بازده انتظاری در ویپاس

بازی های شانس، قدمتی به بلندای تاریخ بشر دارند. باستان شناسان، با ارائه اسنادی وجود  “بازی براساس شانس” در دوران ماقبل تاریخ را تایید کرده اند. بازی مبتنی بر شانس، به طور غیر مستقیم منجر به تولد نظریه احتمالات شد. داستان از این قرار بود، که  آنتوان گومبو، نویسنده فرانسوی، “مساله کلاسیک تقسیم جوایز” را برای پاسکال مطرح کرد. از نظر او لاینحل بودن این مساله حکایت از ناتوانی ریاضیات در توجیه دنیای واقعی داشت. چنین نقدی بر ریاضیات و تردید در اعتبار دانشی که مدعی تسلط بر همه پدیده های عالم بود، باعث شد تا پاسکال؛ پادشاه شهیر جهان ریاضیات، به دفاع از سرزمین اعداد، شمشیر از رو ببندد و تمام توان خود را  صرف حل مساله کند. او مساله را با فرما در میان گذاشت. طی نامه نگاری های پاسکال و فرما، هم  “مساله تقسیم جوایز” برای همیشه حل شد و هم نگرش جهان  به مقولات “ریسک” و “عدم قطعیت”  تغییر کرد. نامه های این دو ریاضیدان برجسته، حاوی اصول اولیه  نظریه احتمالات است. امید ریاضی یا مقدار انتظاری، یکی از پایه ای ترین مفاهیم این نظریه، در  خلال حل “مساله تقسیم جوایز”  به وجود  آمد.  امروزه این مفهوم، ستون تصمیم گیری های ما راجع به آینده است.

در مقوله سرمایه گذاری، بازده انتظاری(مورد انتظار)، ریسک کسب بازده  را در نظر می گیرد و از فرمول زیر به دست می آید:

ri*pi∑= بازده مورد انتظار

  ri میزان بازده و pi احتمال وقوع آن است. به این مقدار، “امید ریاضی ” گفته می شود. این  تسمیه بی دلیل نیست، زیرا همان میزان بازدهی است که امیدواریم از سرمایه گذاری نصیبمان شود. در حقیقت ما فقط  میزان بازده  را در نظر نمی گیریم بلکه احتمال وقوع بازده را هم لحاظ می کنیم. مثلا فرض کنید در سهم ویپاس سرمایه گذاری می کنیم، با احتمال 60% میزان سود برابر 70% است و با احتمال 40% میزان سود برابر 50% است. در این صورت بازده انتظاری برابر است با:

0.62=0.4*0.6+0.5*0.7=بازده مورد انتظار

امید ریاضی، “عدم قطعیت در جهان واقعی” را در محاسبات، مورد توجه قرار می دهد و شک و انتظار و تردید جهان بیرونی را به دنیای اعداد می کشاند. بی تردید مهمترین و نخستین اتصال اتوپیای علم ریاضیات با جهانی که حتی به یک دقیقه  بعدش هم نمی توان امیدی بست، همین امید ریاضی است.

سنجه های ریسک‌

تاکنون صاحبنظران سنجه های مختلفی برای اندازه گیری ریسک معرفی کرده اند که هر یک به جنبه ای از مقوله عدم اطمینان اشاره دارد و بعضا مکمل یکدیگرند. معیارهای اندازه گیری ریسک اول بار با مطالعه شاخص های پراکندگی آماری تعیین شد و پس از آن سنجه های جدیدتری مانند دیرش، ضریب بتا و ارزش در معرض خطر توسعه یافت.
تلاش­ ها برای طراحی ابزار اندازه­ گیری ریسک از نیمه اول قرن بیستم آغاز شد. مکالی[1] در سال 1983، دیرش[2] را به عنوان سنجه ریسک معرفی کرد که ابزاری ساده و در عین حال کارآمد برای سنجش ریسک اوراق بهادار با درآمد ثابت است. ادامه بررسی­ های مکالی به شناسایی رابطه غیرخطی ارزش اوراق بهادار با درآمد ثابت و نرخ بهره بازار منتهی شد و معیار تحدب[3] به عنوان شاخصی مکمل برای محاسبه ریسک این اوراق معرفی گردید. در سال 1952، مارکویتز[4] با ارایه مدلی کمی جهت انتخاب سبد دارایی­ها، برای اولین بار مقوله ریسک را در کنار بازده مدنظر قرار داد. وی انحراف معیار را به عنوان سنجه ریسک در نظر گرفت. شاگرد او ویلیام شارپ[5]، شاخص بتا را برای اندازه ­گیری تغییرات نسبی ارزش هر سهم در قبال تغییرات نسبی ارزش بازار با معرفی خط مشخصات[6] ارایه کرد. وی با طراحی مدل قیمت ­گذاری دارایی­ های سرمایه­ ای، مدیریت علمی سبد دارایی را پایه­ گذاری نمود.

بعد از دهه 1970 و افزایش روزافزون ریسک در جنبه­ های مختلف تصمیمات مالی، توجه مدیران بیش از پیش به اندازه­ گیری و مدیریت ریسک جلب شد. در این دوران، کنترل ریسک به عنوان عاملی برای ایجاد ارزش بیشتر مورد توجه قرار گرفت و نرخ­های بازدهی تعدیل شده بر اساس ریسک[7]، ملاک ارزیابی قرار گرفت.

برخی نظریه­ های قدیمی که به علت زمان­بر بودن و پیچیدگی­ های محاسباتی کنار گذاشته شده بود، همزمان با پیدایش ابررایانه­ ها مجددا مطرح شد. ریسک نامطلوب[8] از جمله این نظریه­ ها بود که قبلا توسط پیشگامان علم مالی مطرح شده بود و در سال 1996 جانی دوباره یافت و تحقیقات مفصلی در آن مورد انجام گرفت که چالش­های آن هنوز ادامه دارد.

در سال 1993، موسسه جی. پی. مورگان[9] مدل ارزش در معرض خطر را معرفی کرد. این معیار که تمامی انواع ریسک را در یک عدد خلاصه می­کرد، برای استفاده­ کنندگان بسیار جذاب به نظر آمد و هر روز به کاربردهای آن افزوده شد. به دنبال آن، روش­های محاسباتی پیچیده­ ای همانند فرآیندهای تصادفی[10] و شبیه­ سازی برای افزایش دقت مدل­های این سنجه توسعه یافت.

با توجه به تاریخچه تحقیقات و تلاش­های به عمل آمده در جهت اندازه­ گیری ریسک و پیشرفت­هایی که در هر دوره به وقوع پیوسته است، می ­توان دسته بندی زیر را از سنجه­ های ریسک ارایه داد که بر نحوه اندازه­ گیری ریسک استوار است:

سنجه­ های نوسان[11]: این سنجه ­ها، پراکندگی یک متغیر را در اطراف میانگین و یا پارامتر تصادفی دیگر اندازه ­گیری می­کند. واریانس و انحراف معیار دو نمونه از این سنجه­ ها هستند.

سنجه ­های حساسیت[12]: موضوع اندازه­ گیری این سنجه­ ها تغییرات متغیر وابسته بر اثر تغییرات متغیر مستقل است. دیرش و ضریب بتا دو نمونه از این سنجه­ هاست.

سنجه ­های ریسک نامطلوب[13]: این سنجه­ ها برعکس سنجه­ های نوسان، تنها بر بخش مخرب ریسک تمرکز دارند و نوسانات زیر سطح میانگین و یا متغیر هدف را محاسبه می­ کنند. نیم­ واریانس، نیم ­بتا و ارزش در معرض خطر از این نوع سنجه ­ها هستند.
سنجه­ های ریسک نامطلوب، به دو زیرگروه تقسیم شده است. این زیرگروه­ها شامل نیم­ سنجه­ های ریسک و سنجه­ های ریسک مبتنی بر صدک است. ارزش در معرض خطر از دسته سنجه­ های ریسک مبتنی بر صدک است.

[1] . Macaulay

[2] . Duration

[3] . Convexity

[4] . Markowitz

[5] . William Sharpe

[6] . Characteristic Line

[7] . Risk- adjusted Returns

[8] . Downside Risk

[9] . J. P. Morgan

[10] . Stochastic Processes

[11] . Volatility Measures

[12] . Sensitivity Measures

[13] . Downside Risk Measures

برگرفته از: وبلاگ آقای ناصر صنوبر

نگاهی به روش های بهینه سازی پرتفوی

هنگام ساخت یک سبد متشکل از چند دارایی ، داشتن  استراتژی برای اختصاص وزن به اجزای سبد یک گام بسیار مهم در این فرایند است. تخصیص وزن برای اجزای سبد سهام به طرق مختلفی قابل انجام است. انتخاب شیوه ی تخصیص وزن اما، دغدغه ای است که ماهرترین مدیران سرمایه گذاری را هم به فکر وا می دارد. بهترین راه برای انجام این کار چیست؟

هنگامی که به این موضوع ساده انگارانه نگاه کنیم، شهودی ترین روش “تخصیص وزن به دارایی های موجود در سبد” مبتنی بر نظر و عقیده شخصی خواهد بود. در ابتدای پیدایش بازارهای مالی،  معامله گران از این شیوه استفاده می کردند و این متد اتفاقا سودآور هم بود. از آنجایی که در اوایل سال 1997  سقوط بازارها و افزایش بی ثباتی گریبان جهان سرمایه را گرفت، معامله گران مفاهیمی نظیر حد ضرر، حد سود و خرید و فروش پله ای را در استراتژی ها لحاظ کردند.

پس از بحران مالی جهانی در سال 2008، “تعادل ریسک” به عنوان یک استراتژی جدی وارد مباحث تخصیص سرمایه شد. این استراتژی میزان ریسک مساوی را به کلیه دارایی های موجود اختصاص می دهد. در این روش، نظر شخصی سرمایه گذار یا بازده مورد انتظار، در تصیم گیری دخیل نیستند. مقبول ترین روش در این میان،  متد میانگین-واریانس است که به واسطه ی تلاش های وسیع مارکوویتز پا به عرصه نهاد.

دانش بهینه سازی سبد غنی و گسترده است. با توجه به روشهای اساسی و تحقیقات بسیار زیادی که پیرامون آن انجام شده، تغییرات و پیشرفت های متنوعی در آن به وجود آمده است.

به اختصار می توان برخی از روش های ساخت و بهینه سازی پرتفوی را بدین ترتیب برشمرد:

وزن برابر

این روش به کلیه مؤلفه ها وزن مساوی اختصاص می دهد. این امر زمانی مفید خواهد بود که بازده کل دارایی های کاملاً  نامطمئن و تصادفی باشد و نظر و علاقه ی شخصی سرمایه گذار در آن دخیل نباشد.

تعادل ریسک

سهم ریسک همه دارایی ها با هم  برابر است. این روش پس از بحران سال 2008 محبوبیت پیدا کرد. تعادل ریسک وقتی موثر است که نسبت شارپ همه رده های دارایی با هم برابر باشد.

حداقل واریانس

این روش نوسانات سبد را به حداقل می رساند. سبد متشکل از دارایی های متنوع و دارای ریسک است که زیان همدیگر را پوشش می دهند و منجر به کمترین ریسک برای سطح مشخصی از بازده می شوند.

بهینه سازی میانگین-واریانس

سبد چیدمان شده، همان پرتفوی معروف مارکوویتز است. این متد، یک چارچوب ریاضی برای  تدوین یک سبد دارایی است، به گونه ای که بازده مورد انتظار برای “سطح معینی” از ریسک حداکثر می شود. در سامانه ویپاس می توانید به مدد ترکیب این  روش و محاسبات آماری و داده های به روز بهینه ترین اوزان را برای پرتفوی خود در حداقل زمان به دست آورید.

برای مطالعه بهینه سازی، چالش ها و چشم اندازهای آن خواندن این مقاله به علاقمندان توصیه می شود.

آموزش محاسبه ریسک و بازده و نسبت شارپ سبد سهام

انتخاب سبد، دغدغه ای جدی در سرمایه‌گذاری است. الگوها و روشهای مختلفی از زمانی که مارکوویتز این مساله را مطرح کرده است، برای انتخاب “سبد سرمایه‌گذاری بهینه” ارائه شده است. با این حال یافتن بهترین و مطمئن ترین الگو در انتخاب سبد، همواره مساله ی مهم سرمایه‌گذاران بوده است. برای بررسی “بازده و ریسک” سبد روش های مختلفی وجود دارد.

روش اول: محاسبه ریسک و بازده در اکسل

ابتدا می بایست قیمت‌های تعدیل شده‌ی تاریخی همه‌ی سهم های موجود در سبد را به دست آورد. پس از وارد کردن لیست قیمت ها در اکسل، باید قیمت ها را به بازده تبدیل کرد و با استفاده از توابع میانگین و انحراف معیار، بازده و ریسک مورد انتظار هر سهم را محاسبه کرد. در این مرحله با توجه به وزن هر سهم در سبد، بازده و ریسک سبد قابل محاسبه است. برای انجام مراحل مذکور، لازم است قیمت تعدیل شده سهم را از مرجع معتبر استخراج نموده و با فرمت مناسب در اکسل وارد نمایید. در نهایت مبرهن است، آشنایی در سطح پیشرفته با اکسل و توابع و فرمول های این محاسبات، امری ناگزیر است. حتی در صورت برقراری همه شرایط، انجام این محاسبات یک پروسه زمان بر و مملو از اشتباهات ناخواسته ی عددی است.

روش دوم: محاسبه ریسک و بازده در نرم افزار متلب

در این جا با داشتن قیمت های تعدیل شده تاریخی هرسهم می توان با استفاده از تولباکس مالی متلب، از الگوریتم میانگین- واریانس مارکوویتز بهره برد. همچنین با فراخوانی دستورات متنوع، می توان ریسک و بازده مورد انتظار سبد را به دست آورد. علاقمندان می توانند جزییات این شیوه ی محاسباتی را در سایت فرادرس  در این آموزش مشاهده کنند.

روش سوم: استفاده از سامانه ویپاس

پس از ثبت‌نام در سایت و ورود به سامانه‌ی ویپاس امکاناتی در اختیار شما قرار خواهد گرفت که به سهولت بتوانید برای متنوع‌سازی و بهینه کردن سبد سهام‌تان، پارامترهایی نظیر “سود و زیان” ، “مقدار ریسک” و ” شاخص نسبت شارپ” را بسنجید. با جستجوی چند سهم و چند کلیک به سادگی می توانید بازده و ریسک و نسبت شارپ هر سبد را در یک چشم به هم زدن ببینید. ویپاس یک سامانه ی عظیم محاسباتی دقیق است، یک ماشین حساب مطمئن که وظیفه آن تامین امنیت محاسبات شما در تخصیص سرمایه و ایجاد تنوع در سبد است.

با کمک راهنمای موجود در سایت ویپاس سبد مورد نظرتان را بسازید. ما به عنوان مثال سبد زیر را در نظر می گیریم.

بعد از استفاده کلیک کردن بر روی دکمه‌ی پردازش، به نمودارها و جداولی مطابق نمونه‌های زیر دسترسی خواهید داشت که تمام آنچه برای آینده‌نگری سرمایه‌تان نیاز دارید را به صورت کاملا علمی و دقیق به شما ارائه می کند. در باکس سمت راست ذیل وزن هر سهم در سبد، بازده مورد انتظار، ریسک و نسبت شارپ هر سبد را می بینید.مرز کارا رسم شده و نمودار میله ای وزن سهم های موجود در سبد نیز ارائه شده است. در ضمن برای محاسبه “ریسک”و “بازده” و “نسبت شارپ”  یک تک سهم کافی است سبد انتخابی فقط شامل یک سهم باشد.

در نمودارها و جداول نمونه‌ای که ملاحظه می فرمایید، ویپاس اطلاعاتی را در اختیار شما قرار داده، که منحصر به فرد است و پیش از این برای دسترسی به آنها نیاز به مطالعه، محاسبات طولانی و الگوریتم‌های پیچیده داشتید. جهت استفاده‌ی بهینه از این اطلاعات، ویپاس مطالب آموزشی کافی و رایگانی را در اختیار شما قرار داده است.

استراتژی های تشکیل یک پرتفوی کم ریسک و متنوع

همانطور که می‌دانید، در هر بازار و کشوری استراتژی‌های متفاوتی برای تشکیل پرتفوی وجود دارد. حتی در یک بازار مشخص هم استراتژی سرمایه گذاری در طول زمان یکسان نیست و با گذشت زمان این استراتژی تغییر خواهد کرد. اما موضوعی که همه سرمایه گذاران مطرح دنیا روی آن اتفاق نظر دارند، کاهش ریسک سرمایه گذاری با متنوع سازی سرمایه گذاری یا تشکیل پرتفوی است. در این مقاله تصمیم داریم تا شیوه‌های رایج متنوع سازی پرتفوی را برای شما توضیح دهیم.

استراتژی های تشکیل یک پرتفوی کم ریسک و متنوع

موفقیت در بازار سهام شرکت‌ها مانند هر بازار دیگری نیاز به انتخاب یک رویکرد مناسب و حفظ نظم فکری دارد. بدون این‌ها، سرمایه گذاری تنها خرید و فروش‌های بدون برنامه‌ای خواهد بود که سود یا زیان سرمایه گذار را بیشتر به بخت و اقبال وابسته می‌سازد تا به مهارت‌هایی مانند پشت کار در تحقیق، قدرت تحلیل، توانایی تصمیم گیری، صبر و شکیبایی برای رسیدن به هدف‌ها و مواردی از این دست.

در میان رویکردهای گوناگون برای سرمایه گذاری در بازار سهام، تشکیل سبد متنوع به عنوان یک روش غیر فعال اما به نسبت مطمئن شناخته شده است. استفاده از این روش، میزان ریسک را کاهش می‌دهد و بازده سرمایه گذاری را در سطحی نزدیک به بازده کل بازار نگه می‌دارد. اما یک سبد متنوع می‌تواند به چارچوبی برای آزمودن توانایی‌های یک شخص برای مدیریت دارایی تبدیل شود که در این صورت به نمونه‌ای کامل از مدیریت فعال تبدیل خواهد شد.

مقاله پیش رو ابتدا در مورد اصل تنوع بخشی و سازوکار ساخت و مدیریت سبد متنوع توضیح می‌دهد. در ادامه نیز به سراغ روش‌هایی می‌رویم که یک سهامدار می‌تواند با استفاده از آنها توانایی‌های تحلیلی و مدیریتی خود را در چارچوب یک سبد متنوع به کار بگیرد و علاوه بر کاهش سطح ریسک، توان خود را روی کسب بازده بیشتر از بازار متمرکز کند.

تنوع بخشی، میانبری برای کاهش ریسک

«تنوع بخشی» یکی از روش‌های متداول برای کاهش ریسک غیرسیستماتیک به شمار می‌رود. ریسک غیرسیستماتیک از تاثیرات رویدادهایی ناشی می‌شود که به طبیعت یک شرکت یا گروه خاصی از شرکت‌ها مرتبط است. معمولا این گونه رویدادها کل شرکت‌ها یا کل بازار را تحت تاثیر خود قرار نمی‌دهد. به عنوان مثال، یک تصمیم دولت ممکن است هزینه‌های یک صنعت خاص را افزایش دهد و در نتیجه قیمت سهام شرکت‌های آن صنعت کاهش یابد یا مدیریت ضعیف یک شرکت در توسعه بازار ممکن است سبب تضعیف موقعیت آن در برابر رقبا شود، سودآوری را نسبت به بقیه کاهش دهد و همین موضوع به افت قیمت سهم آن شرکت منجر شود. اما هر یک از این رویدادها به طور مستقیم بر بازده سهام شرکت‌های مرتبط اثر می‌گذارد نه کل بازار. تنوع بخشی از طریق ساختن یک سبد متشکل از سهام شرکت‌های مختلف می‌تواند ریسک غیرسیستماتیک را کاهش دهد.

در مقابل ریسک غیرسیستماتیک، ریسک سیستماتیک قرار دارد. ریسک سیستماتیک به تاثیرات مجموعه‌ای از رویدادهای کلی بر بازده طیف گسترده‌ای از شرکت‌ها و صنایع گفته می‌شود که به سادگی قابل پیش بینی یا کنترل نیستند. به عنوان مثال، سیاست‌های مالی و پولی دولت‌ها، عملکرد کلی اقتصاد، مناقشات سیاسی، حوادث طبیعی، و تغییرات دائمی شرایط روانی بازار یا به اصطلاح «جو بازار» نمونه‌هایی از این رویدادها هستند که هر یک می‌تواند بازده کل بازار را به صورت مثبت یا منفی تحت تاثیر قرار دهد. ریسک سیستماتیک با تنوع بخشی قابل کاهش نیست. این ریسک مربوط به زمانی است که سرمایه گذار با هدف کسب سود وارد یک بازار می‌شود و آن را می‌پذیرد. به همین دلیل به ریسک سیستماتیک در اصطلاح «ریسک بازار» هم گفته می‌شود.

چه راه‌هایی برای تنوع بخشی در سبد سهام وجود دارند؟

در تئوری، هر چه قدر تعداد سهم‌های یک سبد بیشتر و وابستگی بازده سهم‌ها به هم کمتر یا حتی منفی باشد، ریسک غیرسیستماتیک هم کمتر می‌شود. اما تنوع بخشی در عمل با چالش‌هایی مثل «هزینه» همراه است. حتی اگر یک سرمایه گذار بتواند سهام تمام شرکت‌های بورسی را خریداری کند در عمل هزینه‌های معاملاتی یا همان کارمزدها آن قدر بالا می‌رود که مزیت‌های ناشی از تنوع بخشی را بی‌معنا می‌کند. علاوه بر این، اداره یک سبد بزرگ از سهام نیاز به صرف زمان و امکانات قابل توجه دارد. همچنین موضوعاتی مانند تعیین وابستگی بازده سهم‌ها به هم حتی در تئوری هنوز یک چالش است.

استراتژی های تشکیل یک پرتفوی کم ریسک و متنوعبا وجود تمام این چالش‌ها و بر اساس نتایج تجربی، کاربرد تنوع بخشی برای کاهش ریسک غیرسیستماتیک امکان پذیر به نظر می‌رسد. در منابع مالی، معمولا گفته می‌شود که تعداد معدودی سهم – مثلا بیش از ۱۰ سهم – می‌تواند ریسک غیرسیستماتیک را به میزان قابل توجهی کاهش دهد. برای تشکیل یک سبد متنوع، رویکردهای مختلفی وجود دارد از جمله سبد مبتنی بر ارزش بازار و سبد هم وزن.

سبد مبتنی بر ارزش بازار

در این سبد، وزن سهام هر شرکت در سبد با توجه به ارزش بازار آن شرکت در مقایسه با دیگر سهم‌های سبد تعیین می‌شود. مثلا اگر ۱۰ سهم با بیشترین ارزش بازار انتخاب شده و ارزش بازار سهم اول نسبت به سهم دوم ۱۵ درصد بیشتر باشد، وزن سهم اول در سبد هم باید ۱۵ درصد بیشتر از وزن سهم دوم باشد. ارزش بازار شرکت برابر تعداد کل سهام شرکت ضرب در قیمت آن سهم است. وزن هر سهم در سبد هم با توجه به نسبت ارزش خرید آن سهم به کل ارزش سبد مشخص می‌شود.

مثلا فرض کنید یک میلیون تومان برای خرید ده سهم جهت تشکیل یک سبد در نظر گرفته شده است. در این صورت اگر ۱۰۰۰ سهم یک شرکت به قیمت ۲۰۰ تومان خریداری شود ارزش خرید آن سهم ۲۰۰ هزار تومان و وزن آن سهم در سبد معادل ۲۰ درصد است (۲۰۰هزار تومان تقسیم بر یک میلیون تومان). برای اینکه این سبد یک سبد مبتنی بر وزن بازار باشد باید نسبت وزن سهم‌ها در سبد با نسبت ارزش بازار شرکت‌های مربوط به هر سهم موجود در سبد مطابقت داشته باشد.

سبد هم وزن

ساختار این سبد ساده است. چون وزن تمام سهم‌ها در سبد بدون توجه به اینکه ارزش بازار شرکت‌های مربوطه چقدر است با یکدیگر برابر هستند. مثلا در همان سبد یک میلیون تومانی باید ۱۰۰ هزار تومان برای خرید هر یک از ده سهم اختصاص داده شود. خود سهم‌ها می‌توانند از میان بزرگ‌ترین شرکت‌ها بر اساس ارزش بازار انتخاب شوند.

برگرفته از: وبسایت خانه سرمایه

آموزش ساخت سبد سهام در سامانه ویپاس

پس از ثبت نام و ورود به سامانه ی ویپاس امکاناتی در اختیار شما قرار می گیرد که به سهولت می توانید برای متنوع سازی و بهینه کردن سبد سهام تان، پارامترهایی نظیر “سود و زیان” ، “مقدار ریسک” و ” نسبت شارپ” را بسنجید. پس از ورود به سامانه با صفحه ی زیر مواجه می شوید.

اکنون با طی چند مرحله ی ساده موفق به ساخت سبدهای سهام متعددی خواهید شد. توجه داشته باشید که ساخت سبد برای استفاده ی از امکانات محاسبه و تحلیل ویپاس اجباری نیست. شما می توانید بدون ساخت سبد از بخش بالای همین صفحه از “پردازش” استفاده نمایید. اما بهتر است برای حفظ نظم و طبقه بندی پردازش هایتان نسبت به ساخت سبد اقدام کنید. برای ساخت سبد سهام مورد نظرتان، کافی است نامی انتخاب کنید، این نام را در قسمت نام سبد جدید را وارد کرده و سپس روی علامت جمع در مربع سبز رنگ کلیک کنید. پس از انجام این مرحله یک سبد سهام ساخته اید . در اینجا سبد را به نام “سهام شرکت های بزرگ” نامگذاری کرده ایم.

در همین صفحه شما می توانید سبدهای متعددی را با نام های مختلف بسازید تا بهترین تصمیم را برای سرنوشت سرمایه تان بگیرید. حالا شما یک سبد یا شاید هم سبد های متعددی دارید که باید سهام مورد نظرتان را به این سبدها اضافه نمایید. برای اضافه نمودن سهام، بررسی وضعیت سبد و عملیات دیگر ابتدا باید با استفاده از در کنار عنوان سبد، سبد مورد نظرتان را انتخاب نمایید. پس از انتخاب یک سبد، صفحه زیر به نمایش در خواهد آمد.

اینجا است که شما باید سهامی را که مد نظرتان است به سبدتان اضافه کنید. برای این کار به سادگی نماد سهام مورد نظرتان را در قسمت “اقلام پرتفوی” جستجو کنید. در قسمت “اقلام پرتفوی”، ویپاس به صورت پیش فرض نام نماد ها را برای شما ذخیره کرده است و جهت جلوگیری از اشتباه آنها را به شما پیشنهاد می دهد. بنابراین اگر نام های پرطمطراق شرکت ها را به خاطر نسپرده اید، دانستن بخشی از نام شرکت مورد نظر برای پیدا کردن آن کافیست.

شما می توانید از   برای اضافه نمودن نماد به سبد مورد نظر استفاده کنید. مراقب باشید که کل سهام انتخاب شده را از سبد حذف می کند و  نیز سبد سهام مرتب شده را ذخیره می کند. ما به طور مثال در این بخش پنج نماد “فولاد، وغدیر، وبملت، دانا و شبندر” را به سبد “سهام شرکت های بزرگ” اضافه کرده ایم. شما می توانید هر چقدر می خواهید نمادهای دلخواهتان را به همین شکل در سبدتان اضافه کنید. همین طور که در شکل زیر پیدا است قادر خواهید بود تاریخ عرضه نماد مورد نظرتان را به بازار بورس و قیمت نهایی آن را هم در بازار مشاهده کنید.

می بینید که “تنوع سهام” شما تامین شده است، سبد سهام شما آماده و پارامترهای مربوط به آن در حافظه ی ویپاس محاسبه شده است. اکنون نوبت آن است تا شما هم از تحلیل سامانه ی هوشمند ویپاس نسبت به انتخاب هایتان باخبر شوید. به همین منظور به بخش “پارامترهای پردازش” در قسمت پایین صفحه توجه بفرمایید. همانطور که در تصویر زیر مشخص است در این بخش پارامترهای متعدد محاسباتی در تخمین وضعیت آینده ی سبد شما قابل دسترسی و انتحاب هستند. برخی از پارامترها نیز غیر قابل تغییرند. تغییر این پارامترها نیازمند تسلط سطح بالا و حرفه ای به الگوریتم های مدرن ریاضی و آماری است که در بهینه سازی سبد استفاده می شود. در صورت تمایل اما، در قسمت کاربری می توانید پلن مربوط به این سطح حرفه ای را خریداری فرمایید.

نکته : اگر شما هنوز از پلن های ویپاس خریداری نکرده اید به معنای آن نیست که نمی توانید با سامانه ی هوشمند ویپاس، ریسک خود را کم کنید یا سود خود را افزایش دهید. شما می توانید از امکانات ویپاس استفاده کنید اما ماهیانه فقط “پنج” بار می توانید از محاسبات و پردازش سبد استفاده نمایید. در صورت تمایل به استفاده ی بیشتر از ویپاس می بایست به بخش “کاربری” بالای همین صفحه مراجعه فرمایید. روشن است که اگر شما به عنوان یک مشاور مالی فعالیت می کنید و یا در تحلیل بازار به شکل جدی تری مشغول هستید می توانید از پلن های پیشرفته تر ویپاس بهره ی بیشتری ببرید.

تیم تحلیلی ویپاس جهت استفاده کاربران پلن های عادی، بهترین پارامترها، بهترین الگوها و دو تابع هدف (حداکثر شارپ و حداقل نوسان) را به صورت پیشفرض برای این سطح از دسترسی قرار داده است تا کاربران پلن های عادی ضمن بهره بردن از آنها، دچار خطای محاسباتی و تحلیلی نشوند . اما در صورت نیاز به استفاده از پارامترها و توابع هدف بیشتر، می توانید پلن مربوط به مشاورین مالی را خریداری فرمایید.