Det er flere ting investorer gjør for å beskytte sine porteføljer mot risiko. En viktig måte å beskytte ens portefølje på er å diversifisere. Kort sagt betyr dette at en investor velger å inkludere ulike typer verdipapirer og investeringer fra ulike utstedere og næringer. Ideen her er den samme som det gamle ordtaket "Ikke legg eggene dine i en kurv. "Når du er investert i mange områder, hvis en mislykkes, vil resten sikre at porteføljen som helhet forblir sikker. Denne ekstra sikkerhet kan måles i den økte fortjenesten som en diversifisert portefølje pleier å bringe inn i forhold til en individuell investering av samme størrelse.

Diversifisering er en god strategi for alle som ønsker å redusere risikoen for sin investering på lang sikt. Som ASX (2014) notater, omfatter diversifiseringsprosessen:

Investering i mer enn én type aktiva. Dette betyr blant annet obligasjoner, aksjer, råvarer, REITs, hybrider og mer i porteføljen din.

• Investering i flere ulike verdipapirer innenfor hver eiendel. En diversifisert portefølje sprer investeringer rundt i ulike verdipapirer av samme aktivtype, noe som betyr flere obligasjoner fra ulike utstedere, aksjer i flere selskaper fra ulike næringer mv.
• Investering i eiendeler som ikke er vesentlig korrelert til hverandre. Ideen her er å velge forskjellige aktivaklasser og verdipapirer med ulike livstider og sykluser for å minimere virkningen av eventuelle negative forhold som kan påvirke porteføljen din negativt.

Dette siste punktet er viktig å huske på når du komponerer en diversifisert portefølje. Uten det, uansett hvor diversifisert dine typer eiendeler er, kan de være sårbare for samme risiko, og derfor vil porteføljen din reagere i samspill. Derfor er det viktig for investorer å unngå å velge investeringer for sine porteføljer som er svært korrelerte. Det er viktig å merke seg at innen porteføljestyringspraksis er det forskjell mellom naiv diversifisering og effektiv diversifisering (også referert til som optimal diversifisering).

Forstå forskjellen mellom naiv og optimal diversifisering

Årsaken til at diversifisering er en vellykket strategi er at separate eiendeler ikke alltid har sine priser flytte sammen. Derfor kan en ganske naiv diversifisering være gunstig (men i verste fall kan den også være kontraproduktiv). Som NASDAQ (2016) forklarer, er naiv diversifisering en type diversifiseringsstrategi hvor en investor ganske enkelt velger forskjellige verdipapirer i tilfeldig håp om at dette vil redusere risikoen for porteføljen på grunn av de utvalgte verdipapirernes varierte karakter.Naiv diversifisering er rett og slett ikke så sofistikert som diversifiseringsmetoder som bruker statistisk modellering. Men når det dikteres av erfaring, er nøye undersøkelse av hver sikkerhet og sunn fornuft, naiv diversifisering, en bevist effektiv strategi for å redusere porteføljens risiko.

Optimal diversifisering (også kjent som Markowitz diversifisering), derimot, tar en annen tilnærming til å skape en diversifisert portefølje. Her er fokus på å finne eiendeler hvis korrelasjon med hverandre ikke er helt positiv. Dette bidrar til å minimere risikoen i færre verdipapirer som igjen kan bidra til å maksimere avkastningen. Med denne tilnærmingen kjører datamaskiner komplekse modeller og algoritmer i et forsøk på å finne den ideelle korrelasjonen mellom aktiver for å minimere risiko og maksimere avkastningen.

Som angitt ovenfor, kan begge former for diversifisering (naiv og optimal diversifisering) være effektive, ganske enkelt fordi diversifisering resulterer når du sprer dine investerbare midler over ulike eiendeler.

Naiv diversifisering refererer til prosessen med tilfeldig valg av ulike eiendeler for porteføljen din uten å bruke komplekse beregninger for å bestemme hvilken du velger. Til tross for sin tilfeldige natur er dette fortsatt en effektiv strategi for å redusere risikoen basert på loven om store tall.

Korrelasjonens betydning

Det er en "bedre" måte å diversifisere. Nærmere bestemt: undersøke eiendeler du har tenkt å investere i, for å finne de som ikke har en tendens til å bevege seg opp eller ned i sammenheng med hverandre. Ved å gjøre dette kan du effektivt redusere risikoen for porteføljen din. Dette fungerer, som forklart av CFA Institute (2014), på grunn av korrelasjon - et viktig konsept i statistikk. Korrelasjon er måling av graden eller omfanget som to separate numeriske verdier beveger seg sammen. Her er de verdiene vi er interessert i, eiendeler. Maksimal korrelasjonsmengde er 100%, som uttrykkes som 1. 0. Når to eiendeler har en korrelasjon på 1. 0, når en beveger seg, beveger den andre alltid. Selv om beløpet disse eiendelene beveger seg, kan være forskjellige, tyder en korrelasjon på 1. 0 at de alltid beveger seg i samme retning sammen. Omvendt, når to eiendeler beveger seg i motsatte retninger, er deres korrelasjon negativ. Hvis de alltid beveger seg 100% av tiden i motsatt retning, betraktes dette som -100% eller -1. 0. Så når man vurderer eiendelens korrelasjon, jo nærmere -1. 0, jo større er effekten av diversifisering. (For mer, se: Naive Diversification vs Optimization.)

The Bottom Line

Alle er klare på dette: Investorer må diversifisere sine porteføljer for å beskytte mot risiko. Selv om det blir mindre effektivt å diversifisere under ekstreme forhold, vil typiske markedsforhold nesten alltid bety at en veldiversifisert portefølje kan redusere risikoen for investorer betydelig. Derfor er det nøkkelen til å streve for kontinuerlig å forbedre eller optimalisere porteføljens diversifisering for å maksimere beskyttelsen den tilbyr dine investeringer. Dette betyr å utføre due diligence for å finne eiendeler som ikke beveger seg i sammenheng med hverandre i motsetning til enkel, naiv diversifisering.

På den annen side er de påståtte fordelene som kompleks matematisk diversifisering gir relativt uklart. Hvordan søke og drive slike komplekse modeller er enda mer uklart for den gjennomsnittlige investor. Sure datastyrt modeller har muligheten til å virke overbevisende og imponerende, men det betyr ikke at de er mer nøyaktige eller innsiktsfulle enn bare å være fornuftige. Til slutt er det viktigere om en modell produserer resultater enn om den er basert på en svært kompleks algoritme.