خطرات کو کنٹرول کرنا ایک ایسا ہنر ہے جو ہر سرمایہ کار کو تیزی سے بدلتی ہوئی اور ڈیجیٹل کرنسی کی مارکیٹ کے ساتھ سیکھنے کی ضرورت ہے۔ اس کی وجہ یہ ہے کہ پروگرامیٹک ٹریڈنگ اکثر تاریخی اعداد و شمار اور شماریاتی ماڈلز کی بنیاد پر تجارت کو خودکار کرتی ہے، اور تیزی سے آگے بڑھنے والی منڈیوں میں، یہ ماڈلز تیزی سے غلط ہو سکتے ہیں۔ لہذا، سرمایہ کاروں کے سرمائے کی حفاظت کے لیے ایک مؤثر رسک مینجمنٹ حکمت عملی ضروری ہے۔

خطرے کے انتظام کے بہت سے ٹولز میں سے، ویلیو ایٹ رسک (VaR) ایک وسیع پیمانے پر استعمال ہونے والا رسک پیمائش کا طریقہ ہے جو سرمایہ کاروں کو زیادہ سے زیادہ نقصان کا اندازہ لگانے میں مدد کر سکتا ہے جو عام مارکیٹ کے حالات میں سرمایہ کاری کے پورٹ فولیو میں ہو سکتا ہے۔ VaR خطرے کے بیان کو آسان بنا کر اور سرمایہ کاروں کو ممکنہ نقصانات کو بدیہی طور پر سمجھنے کی اجازت دے کر، ایک ہی نمبر میں خطرے کی مقدار کا تعین کر سکتا ہے۔

وی آر کا کردار

VaR، یا “خطرے میں قدر” کا استعمال زیادہ سے زیادہ ممکنہ نقصان کی مقدار کا تعین کرنے کے لیے کیا جاتا ہے جو ایک مخصوص مدت کے اندر اور ایک مخصوص اعتماد کی سطح پر برقرار رہ سکتا ہے۔ دوسرے لفظوں میں، یہ سرمایہ کاروں یا رسک مینیجرز کو بتاتا ہے: “ہمارے پاس کتنی رقم ہے جو عام مارکیٹ کے حالات میں ‘محفوظ’ حد میں ہے اور کل ضائع نہیں ہوگی، مثال کے طور پر، اگر ایک ڈیجیٹل کرنسی 1-day 99۔” پورٹ فولیو کا % VaR ہے۔\(10,000، جس کا مطلب ہے کہ 99% معاملات میں، ہم توقع کرتے ہیں کہ ایک دن میں نقصان اس سے زیادہ نہیں ہوگا\)10,000。

فائدہ

1. سمجھنے میں آسانمثال کے طور پر، ایک دن کے لیے کریپٹو کرنسی پورٹ فولیو کے لیے %95 VaR ہے۔\(5000، جس کا مطلب ہے کہ 95 فیصد اعتماد ہے کہ پورٹ فولیو سے زیادہ نقصان نہیں ہوگا\)5000 پیچیدہ خطرات کو ایک بدیہی تعداد میں شمار کریں جسے غیر پیشہ ور افراد کے لیے سمجھنا آسان ہو۔ یقینا، یہ لامحالہ گمراہ کن ہے۔

2. موازنہ کے معیارات: فرض کریں کہ دو پورٹ فولیو A اور B ہیں، اور A کا 1-day 95% VaR ہے\(3000، جبکہ بی\)6000 اس کا مطلب یہ ہے کہ بازار کے عام حالات میں، A B کے مقابلے میں کم خطرناک ہے۔ اگرچہ دونوں محکموں میں مختلف اثاثے ہیں، ہم ان کے خطرے کی سطح کا براہ راست موازنہ کر سکتے ہیں۔ اسی طرح، سرمایہ کاری کی سطح کا بھی اندازہ لگایا جا سکتا ہے اگر پچھلے مہینے میں حکمت عملی A اور B دونوں کی واپسی ہو۔$6000، اور A کی اوسط اور زیادہ سے زیادہ VaR قدریں B کی نسبت نمایاں طور پر کم ہیں۔ ہم یہ نتیجہ اخذ کر سکتے ہیں کہ حکمت عملی A بہتر ہے اور کم خطرے کی سطح پر زیادہ منافع حاصل کر سکتی ہے۔

3. فیصلہ سازی کے اوزار: ایک تاجر یہ فیصلہ کرنے کے لیے VaR استعمال کر سکتا ہے کہ آیا پورٹ فولیو میں نیا اثاثہ شامل کرنا ہے۔ اگر نئے اثاثوں کے اضافے سے VaR میں نمایاں اضافہ ہوتا ہے، تو اس کا مطلب یہ ہو سکتا ہے کہ نئے اثاثوں کا خطرہ پورٹ فولیو کے خطرے کو برداشت کرنے کی سطح سے مماثل نہیں ہے۔

کمی

1. دم کے خطرات کو نظر انداز کرنا: اگر پورٹ فولیو کا 1 دن کا 99% VaR ہے۔$10,000، اس 1% انتہائی صورت میں نقصان اس قدر سے کہیں زیادہ ہو سکتا ہے۔ ڈیجیٹل کرنسی کے میدان میں، بلیک سوان کے واقعات اکثر ہوتے رہتے ہیں، اور انتہائی حالات زیادہ تر لوگوں کی توقعات سے تجاوز کر جائیں گے کیونکہ VaR دم کے واقعات کو مدنظر نہیں رکھتا ہے۔

2. مفروضات： پیرامیٹرک VaR عام طور پر یہ فرض کرتا ہے کہ اثاثہ جات کی واپسی عام طور پر تقسیم کی جاتی ہے، جو حقیقی بازاروں میں، خاص طور پر کرپٹو کرنسی مارکیٹ میں شاذ و نادر ہی درست ہے۔ مثال کے طور پر، صرف Bitcoin کے ساتھ ایک پورٹ فولیو فرض کرتے ہوئے، ہم پیرامیٹر VaR استعمال کرتے ہیں اور یہ فرض کرتے ہیں کہ Bitcoin کی واپسی عام طور پر تقسیم ہوتی ہے۔ لیکن درحقیقت، بٹ کوائن کی واپسی کی شرح بعض ادوار میں بڑی چھلانگ کا تجربہ کر سکتی ہے، اور اتار چڑھاؤ کے مجموعی ہونے کا ایک واضح رجحان ہے، مثال کے طور پر، اگر پچھلے ہفتے میں اتار چڑھاؤ بہت زیادہ تھا، تو اگلے میں نمایاں اتار چڑھاؤ کا امکان۔ ہفتہ بہت بڑھ جائے گا، جس کی وجہ سے عام ڈسٹری بیوشن ماڈل خطرے کو کم سمجھتا ہے۔ ایسے ماڈلز ہیں جو اس مسئلے کو مدنظر رکھتے ہیں، جیسے GARCH، جس پر ہم آج بات نہیں کریں گے۔

3. تاریخی انحصار: VaR ماڈل مستقبل کے خطرات کی پیشین گوئی کے لیے تاریخی ڈیٹا پر انحصار کرتا ہے۔ تاہم، ماضی کی کارکردگی ہمیشہ مستقبل کی کارکردگی کی نشاندہی نہیں کرتی، خاص طور پر تیزی سے بدلتی ہوئی مارکیٹ جیسے کہ کرپٹو کرنسی مارکیٹ میں۔ مثال کے طور پر، اگر Bitcoin پچھلے سال کے دوران بہت مستحکم تھا، تو تاریخی نقلی طریقہ بہت کم VaR کی پیش گوئی کر سکتا ہے۔ تاہم، اگر کوئی اچانک ریگولیٹری تبدیلی یا مارکیٹ کریش ہوتی ہے، تو ماضی کا ڈیٹا مستقبل کے خطرے کا درست پیش گو نہیں ہوگا۔

وی آر کے حساب کتاب کا طریقہ

VaR کا حساب لگانے کے لیے تین اہم طریقے ہیں: پیرامیٹرک طریقہ (متغیر-کوویرینس طریقہ): یہ فرض کرتے ہوئے کہ واپسی کی شرح ایک مخصوص تقسیم (عام طور پر ایک عام تقسیم) کی پیروی کرتی ہے، شرح منافع کا اوسط اور معیاری انحراف VaR کا حساب لگانے کے لیے استعمال کیا جاتا ہے۔ . تاریخی نقلی طریقہ: ریٹرن کی تقسیم کے بارے میں کوئی قیاس نہ کریں اور ممکنہ نقصان کی تقسیم کا تعین کرنے کے لیے براہ راست تاریخی ڈیٹا کا استعمال کریں۔ مونٹی کارلو سمولیشن: اثاثوں کی قیمتوں کی نقالی کرنے اور ان سے VaR کا حساب لگانے کے لیے تصادفی طور پر تیار کردہ قیمت کے راستے استعمال کریں۔

تاریخی نقلی طریقہ یہ طریقہ مستقبل کے ممکنہ نقصانات کا تخمینہ لگانے کے لیے ماضی کی قیمتوں میں ہونے والی تبدیلیوں کو براہ راست استعمال کرتا ہے۔ اسے واپسی کی تقسیم کے بارے میں کسی مفروضے کی ضرورت نہیں ہے اور اس لیے یہ نامعلوم یا غیر معمولی واپسی کی تقسیم، جیسے ڈیجیٹل کرنسیوں والے اثاثوں کے لیے موزوں ہے۔

مثال کے طور پر بٹ کوائن کی اسپاٹ پوزیشن کو لے کر، اگر ہم اس پورٹ فولیو کے 1 دن کے 95% VaR کا حساب لگانا چاہتے ہیں، تو ہم اسے اس طرح کر سکتے ہیں:

1. Bitcoin کی روزانہ کی واپسی کو ایک مدت کے دوران جمع کریں (مثلاً 100 دن)۔
2. روزانہ پورٹ فولیو کی واپسی کا حساب لگائیں کیونکہ ہر اثاثہ کی واپسی کو پورٹ فولیو میں اس کے وزن سے ضرب دیا جاتا ہے۔
3. ان 100 دنوں کے پورٹ فولیو ریٹرن کو چھوٹے سے بڑے تک ترتیب دیں۔
4. 5% ڈیٹا پوائنٹ تلاش کریں (کیونکہ ہم 95% VaR کا حساب لگا رہے ہیں)۔
5. واپسی کی اس شرح کو ہولڈنگز کی کل قیمت سے ضرب دینا ایک دن کے لیے 95% VaR ہے۔

مندرجہ ذیل ایک مخصوص کوڈ ہے جو پچھلے 1000 دنوں سے ڈیٹا حاصل کرتا ہے اور اس کا حساب لگاتا ہے کہ ایک BTC جگہ رکھنے کا VaR فی الحال 1980USDT ہے۔

import numpy as np
import requests

url = 'https://api.binance.com/api/v3/klines?symbol=%s&interval=%s&limit=1000'%('BTCUSDT','1d')
res = requests.get(url)
data = res.json()

confidence_level = 0.95
closing_prices = [float(day[4]) for day in data]
log_returns = np.diff(np.log(closing_prices))
VaR = np.percentile(log_returns, (1 - confidence_level) * 100)
money_at_risk = VaR * closing_prices[-1] * 1

print(f"VaR at {confidence_level*100}% confidence level is {money_at_risk}")

باہمی ربط پر غور کرتے ہوئے VaR کا حساب کتاب

متعدد اثاثوں پر مشتمل پورٹ فولیو کے VaR کا حساب لگاتے وقت، ہمیں اثاثوں کے درمیان ارتباط کو مدنظر رکھنا چاہیے۔ اگر اثاثوں کے درمیان قیمت کی تبدیلیاں مثبت طور پر منسلک ہوں تو، پورٹ فولیو کا خطرہ بڑھ جائے گا؛ اگر وہ منفی طور پر منسلک ہوتے ہیں، تو پورٹ فولیو کا خطرہ کم ہو جائے گا۔

تاریخی تخروپن کے طریقہ کار کا استعمال کرتے ہوئے ارتباط کے ساتھ VaR کا حساب لگاتے وقت، ہمیں نہ صرف ہر انفرادی اثاثہ کے تاریخی منافع کو جمع کرنے کی ضرورت ہے، بلکہ ان اثاثوں کے منافع کی مشترکہ تقسیم پر بھی غور کرنا ہوگا۔ عملی طور پر، آپ پورٹ فولیو کے تاریخی ریٹرن کو چھانٹی اور حساب کے لیے براہ راست استعمال کر سکتے ہیں، کیونکہ یہ ریٹرن پہلے سے ہی اثاثوں کے درمیان تعلق کو ظاہر کرتے ہیں۔ کرپٹو کرنسی مارکیٹ میں، بنیادی طور پر، بی ٹی سی مارکیٹ لیڈر ہے، اگر بی ٹی سی بڑھتا ہے یا تیزی سے گرتا ہے، تو مارکیٹ کا جذبہ تیزی سے بدل سکتا ہے۔ قلیل مدت میں ارتباط میں نمایاں اضافہ ہوتا ہے، جو خاص طور پر مارکیٹ کے انتہائی واقعات کے دوران عام ہوتا ہے۔ لہذا، کریپٹو کرنسی پورٹ فولیو کے VaR پر غور کرتے وقت تاریخی نقلی ایک مفید ٹول ہے۔ اس کے لیے پیچیدہ شماریاتی ماڈلز کی ضرورت نہیں ہے، صرف درست تاریخی ڈیٹا، اور یہ قدرتی طور پر اثاثوں کے درمیان ارتباط کو شامل کرتا ہے۔

مثال کے طور پر 1 BTC لمبی پوزیشن اور 10 ETH شارٹ پوزیشنز کے انعقاد کو لے کر، پچھلے طریقہ کے مطابق، یہ اندازہ لگایا جا سکتا ہے کہ 10 ETH شارٹ پوزیشنز کا VaR 1219USDT ہے۔ جب ان دونوں اثاثوں کو ملایا جاتا ہے، تو VaR کا حساب اس طرح کیا جاتا ہے:

confidence_level = 0.95
btc_closing_prices = np.array([float(day[4]) for day in btc_data])
eth_closing_prices = np.array([float(day[4]) for day in eth_data])
btc_log_returns = np.diff(np.log(btc_closing_prices))
eth_log_returns = np.diff(np.log(eth_closing_prices))

log_returns = (1*btc_log_returns*btc_closing_prices[1:] - 10*eth_log_returns*eth_closing_prices[1:])/(1*btc_closing_prices[1:] + 10*eth_closing_prices[1:])
VaR = np.percentile(log_returns, (1 - confidence_level) * 100)
money_at_risk = VaR * (btc_closing_prices[-1] * 1 + eth_closing_prices[-1]*10)

print(f"VaR at {confidence_level*100}% confidence level is {money_at_risk}")

نتیجہ 970 USDT ہے، جس کا مطلب ہے کہ اس امتزاج کا خطرہ متعلقہ اثاثوں کو الگ الگ رکھنے سے کم ہے اس کی وجہ یہ ہے کہ BTC اور ETH کے بازار کے حالات بہت زیادہ باہم مربوط ہیں، اور طویل عرصے سے مختصر امتزاج کا ہیجنگ اثر خطرے کو کم کرتا ہے۔ .

خلاصہ کریں۔

یہ مضمون قابل قبول خطرے کی تشخیص کا طریقہ متعارف کرائے گا، یعنی VaR کا حساب لگانے میں تاریخی تخروپن کا اطلاق، اور خطرے کی پیشن گوئی کو بہتر بنانے کے لیے اثاثوں کے درمیان ارتباط پر غور کرنے کا طریقہ۔ کریپٹو کرنسی مارکیٹ سے مخصوص مثالوں کے ذریعے، یہ مقالہ وضاحت کرتا ہے کہ پورٹ فولیو کے خطرے کا اندازہ لگانے کے لیے تاریخی تخروپن کو کس طرح استعمال کیا جائے اور جب اثاثہ کا ارتباط اہم ہو تو VaR کا حساب لگانے کے طریقوں پر بحث کرتا ہے۔ اس نقطہ نظر کے ذریعے، پروگرامیٹک ٹریڈرز نہ صرف زیادہ تر معاملات میں زیادہ سے زیادہ نقصان کا اندازہ لگا سکتے ہیں، بلکہ مارکیٹ کے انتہائی حالات کے لیے بھی تیار رہتے ہیں، جس سے وہ ٹریڈنگ میں زیادہ پرسکون ہو سکتے ہیں اور حکمت عملیوں کو درست طریقے سے انجام دے سکتے ہیں۔