با ۱ میلیارد چه خودرویی بخریم
با ۱ میلیارد چه خودرویی بخریم : رویکردی برای تخصیص دارایی که اخیراً به طور فزاینده ای محبوب شده است، به ویژه در میان طرح های بازنشستگی شرکتی، سرمایه گذاری بر مبنای بدهی (LDI) است. LDI این فرض را به چالش می کشد که نوسانات بازده معیار مناسبی برای ریسک برای یک طرح بازنشستگی است.
بازده بدیهی است مطلوب است، اما در نهایت یک طرح بازنشستگی در کسب و کار کسب بازده نیست. در کار پرداخت مزایا است. تحت LDI، پورتفولیوی طرح بازنشستگی حول هدف توانایی پرداخت مزایای آتی ساختار یافته است. توانایی یک صندوق برای پرداخت بدهی‌هایش را می‌توان با وضعیت تامین مالی آن اندازه‌گیری کرد (به عنوان مثال، اندازه دارایی‌ها نسبت به بدهی‌ها)، و تحت LDI، ریسک به‌جای بازده دارایی به عنوان نوسان در وضعیت تامین مالی تعریف می‌شود.
با ۱ میلیارد چه خودرویی بخریم : یک سبد دارایی با ریسک پایین تحت LDI دارای نوسانات کم بازدهی نیست، بلکه سبد دارایی‌هایی است که بازده آن بسیار با تغییرات بدهی‌های صندوق مرتبط است. به این ترتیب، زمانی که بدهی ها افزایش می یابد، ارزش دارایی ها نیز افزایش می یابد و وضعیت تامین مالی نسبتاً بدون تغییر باقی می ماند.
نشان می‌دهند که چگونه یک بهینه‌سازی پورتفولیو را می‌توان در زمینه LDI انجام داد. آنها نشان می دهند که به جای ارزش مورد انتظار و نوسانات بازده به پرتفوی دارایی، RA، که متغیرهای مورد علاقه است، ارزش و نوسانات مورد انتظار Z است، که در آن: ۶۴ L و A آغاز ارزش های بازار دوره صندوق هستند.
با ۱ میلیارد چه خودرویی بخریم : بدهی ها و دارایی ها به ترتیب، بنابراین این نسبت معیاری برای وضعیت تامین مالی است. RL بازده بدهی است، یعنی درصد تغییر در ارزش بدهی. k یک متغیر وزنی است که نشان می دهد صندوق چقدر برای LDI در مقابل بهینه سازی سنتی فقط دارایی اهمیت قائل است.
اگر k = 0 باشد، Z به بازده دارایی-پرتفوی تبدیل می شود و بهینه سازی معادل واریانس میانگین سنتی است، اگر k = 1 باشد، تأکید کامل بر مازاد به عنوان متغیر کلیدی است. انجام یک تحلیل میانگین واریانس، با استفاده از میانگین و واریانس Z به جای بازده پورتفولیو، منجر به یک نمونه کار بهینه LDI می شود.
با ۱ میلیارد چه خودرویی بخریم : توجه داشته باشید که در تعریف Z، هر چه وضعیت تامین مالی طرح بدتر باشد (یعنی L / A بالاتر)، وزن بیشتری بر بدهی ها اعمال می شود. برعکس، طرح‌هایی که در موقعیت مازاد قرار دارند (L / A پایین) تخصیص بهینه نزدیک‌تر به تخصیص فقط دارایی سنتی خواهند داشت.
چندین مطالعه که نقش املاک و مستغلات را در چارچوب LDI بررسی می‌کنند (به کرافت [۲۰۰۱، ۲۰۰۵a، ۲۰۰۵b] و چون و همکاران مراجعه کنید) نشان می‌دهند که پرتفوی‌های چند دارایی بهینه‌شده LDI دارای تخصیص به املاک و مستغلات در همسایگی ۱۲ درصد برای اطلاعات بیشتر هستند.
با ۱ میلیارد چه خودرویی بخریم : پورتفولیوهای محافظه کار تخصیص بهینه برای پرتفوی های تهاجمی تر کاهش می یابد، اما با بهبود وضعیت بودجه افزایش می یابد. در حالی که ۱۲ درصد کمتر از آن چیزی است که معمولاً در بهینه‌سازی پرتفوی فقط دارایی بر اساس تحلیل میانگین واریانس سنتی یافت می‌شود.
اما هنوز بسیار بالاتر از تخصیص واقعی است که معمولاً در اکثر پرتفوی‌های صندوق بازنشستگی دیده می‌شود (جدول ۱.۱ را ببینید). بر اساس این مطالعات، به نظر می رسد املاک و مستغلات خصوصی نقش مهمی در ۶۵ پرتفوی سنتی فقط دارایی و پرتفوی مبتنی بر بدهی دارند.
با ۱ میلیارد چه خودرویی بخریم : نتیجه‌گیری تخصیص املاک تجاری می‌تواند جریان درآمدی پایدار و بازدهی جذابی را فراهم کند، و همچنین یک پرتفوی کلی را از طریق نوسانات کم و تنوع آن از سایر طبقات دارایی تثبیت کند. بنابراین، می‌تواند نقش مهمی را در بسیاری از پرتفوی‌های سازمانی، از جمله مواردی که حول چارچوب پوشش بدهی تنظیم شده‌اند، ایفا کند.
تخصیص دقیق بسیار وابسته به مسائل خاص سرمایه گذار است، مانند تحمل ریسک و نیاز به نقدینگی، اما بیشتر تحلیل ها تخصیص بهینه را در سطوح بالاتر از میانگین مشاهده شده در عمل نشان می دهند. در حالی که تحلیل‌های مبتنی بر روش‌هایی مانند بهینه‌سازی میانگین واریانس، همه پیچیدگی‌های تصمیم‌گیری در دنیای واقعی تخصیص دارایی را در بر نمی‌گیرد.
با ۱ میلیارد چه خودرویی بخریم : تحقیقات به پیشرفت‌های خود ادامه می‌دهد.چنین پیشرفت هایی به سرمایه گذاران کمک می کند تا در آینده تصمیمات آگاهانه تری برای تخصیص اتخاذ کنند و تا کنون همچنان نقش مهمی را برای املاک و مستغلات در پرتفوی های چند دارایی سازمانی نشان می دهد.
وزن بهینه نمونه کارها برای املاک و مستغلات با هزینه نقدینگی، خطای برآورد و عدم قطعیت گریزی. کاغذ کار. دانشگاه سینسیناتی ۶۶ بودوخ، جی و ام ریچاردسون. ۱۹۹۳. بازده سهام و تورم: چشم انداز افق بلند. بررسی اقتصادی آمریکا، جلد. ۸۳، شماره ۵، صص ۱۳۴۶–۱۳۵۵. کمبل، جی. و T. Vuolteenaho. 2004. توهم تورم و قیمت سهام.
با ۱ میلیارد چه خودرویی بخریم : فضیلت دیگری که اجازه می دهد تا در صورت تغییر چشم انداز بازار معیار، تعدیلات منطقی در پیش بینی سطح دارایی انجام شود. ستون چهارم – اظهار نظر – شاید مهم‌ترین ستون از همه باشد، زیرا توضیح واضحی درباره اینکه چرا ممکن است انتظار می‌رود یک دارایی منفرد در بازار گسترده‌تر عملکرد بهتری داشته باشد یا عملکرد کمتری داشته باشد، می‌دهد.
چگونه پیش بینی کنیم؟ رویکردهای متعدد و متنوعی برای پیش بینی وجود دارد. هیچ رویکرد درست یا غلطی وجود ندارد. خیلی به ابزار و انگیزه های پیش بینی کننده و در دسترس بودن داده ها بستگی دارد. یک چارچوب مفهومی در شکل ۲.۱ نشان داده شده است. ۳ دو رویکرد اصلی برای پیش‌بینی وجود دارد: • رویکردهای غیررسمی اساساً مبتنی بر تجربه و شهود بازار هستند و منعکس‌کننده سنت‌های حرفه‌ای و کارآفرینانه سرمایه‌گذاری و توسعه املاک و مستغلات هستند.
با ۱ میلیارد چه خودرویی بخریم : اغلب پیش‌بینی‌های غیررسمی به احساسات بازار در کنار قدردانی از عوامل بنیادی بازار تکیه می‌کنند. •رویکردهای رسمی می تواند کمی، کیفی یا ترکیبی از این دو باشد. رویکردهای کمی ممکن است به روش‌هایی تقسیم شوند که بر تجزیه و تحلیل مبتنی بر سری‌های زمانی / روند (عموماً بدون جستجوی نظریه‌های توضیحی) یا تحلیل علی / ساختاری (به طور کلی ساخت، آزمایش و استفاده از مدل‌هایی با پشتوانه‌های نظری قوی) تمرکز دارند.
رویکردهای کیفی می تواند شامل بررسی نظرات کارشناسان، روش های دلفی و قیاس تاریخی یا جغرافیایی باشد. شکل ۲.۱: رویکردهای پیش بینی ۷۹ منبع: Lizieri, Colin. پیش بینی و مدل سازی املاک و مستغلات، ارائه در دانشکده املاک و مستغلات هنلی و برنامه ریزی در دانشگاه ریدینگ در ۲۷ مارس ۲۰۰۹. با در نظر گرفتن اینکه سرمایه گذار ممکن است بخواهد بازده درآمد، بازده سرمایه یا بازده کل را پیش بینی کند که مناسب ترین است. تکنیک پیش بینی ممکن است متفاوت باشد.
با ۱ میلیارد چه خودرویی بخریم : مدل‌های مبتنی بر سری‌های زمانی / روند، نیازهای داده‌ای محدودی دارند، می‌توانند به سرعت و به آسانی توسعه یابند، و پایه‌ای مفید برای مقایسه سایر مدل‌ها ارائه دهند. آنها اغلب موفقیت عملی قابل توجهی برای پیش‌بینی پایه سری داده‌های غیر فرار دارند – به عنوان مثال بهترین نشانه برای بازده درآمد در دوره بعدی، اغلب بازده درآمد در دوره قبل است.