قياس مخاطر التركّز في المحفظة

عدّ المراكز ليس قياساً للتنويع. قد تضم المحفظة ثلاثين سهماً وتتصرف كأنها تضم أربعة. يتناول هذا الدليل الأرقام الثلاثة التي تصف التركُّز فعلياً — أعلى وزن لمركز واحد، ومؤشر هيرفيندال-هيرشمان، وعدد المراكز الفعّال — وكيف يُحسب كل منها، وأين يضللك كل واحد منها.

لماذا لا يكفي عدّ المراكز

الحدس القائل بأن كثرة المراكز تعني مخاطر أقل صحيح تقريباً وعديم الفائدة تماماً. تأمّل محفظتين، كل منهما تضم عشرة أسهم. الأولى توزّع رأس المال بالتساوي، عشرة بالمئة لكل سهم. الثانية تضع ستين بالمئة في اسم واحد وتوزّع الأربعين بالمئة الباقية على تسعة أسهم أخرى.

كلتاهما تضم عشرة مراكز. الأولى منوّعة فعلاً؛ أما الثانية فهي رهان على شركة واحدة مع بعض الزينة حوله. أي مقياس يعطي الإجابة نفسها للاثنتين لا يقيس ما يهمّك.

ما تريد معرفته حقاً هو مقدار اعتماد نتيجة المحفظة على عدد ضئيل من القرارات. وهذا يستلزم الترجيح.

أعلى وزن لمركز واحد

أبسط مقياس مفيد: ما النسبة من إجمالي القيمة الموجودة في أكبر مركز منفرد.

يستحق أن يكون أول ما تتحقق منه لأنه يلتقط أخطر أنماط الفشل في لحظة. فإذا شكّل مركز واحد خمسة وأربعين بالمئة من المحفظة، فلن يعني بقية تحليلك الكثير — سيهيمن ذلك المركز وحده على العوائد والانخفاضات والتقلب مهما بدا باقي التوزيع أنيقاً.

نقطة ضعفه أنه لا يرى سوى مركز واحد. محفظة من خمسة مراكز بوزن عشرين بالمئة لكل منها يبلغ أعلى وزن فيها عشرين بالمئة، وهو رقم يبدو معقولاً، ومع ذلك فهي أشد تركُّزاً بكثير مما يوحي به الرقم. ولذلك تحتاج إلى مقياس يأخذ التوزيع كله في الحسبان.

مؤشر هيرفيندال-هيرشمان

يأتي مؤشر HHI من اقتصاديات مكافحة الاحتكار، حيث تستخدمه الجهات التنظيمية لقياس مدى تركُّز صناعة ما بين المتنافسين فيها. وتنطبق الرياضيات نفسها بوضوح على المحفظة: ربّع كل وزن، ثم اجمع المربّعات.

التربيع هو ما يجعل هذا المقياس فعّالاً. فهو يعاقب الأوزان الكبيرة بصورة غير متناسبة — مركز بوزن أربعين بالمئة يسهم بـ 0.16 في المجموع، بينما تسهم أربعة مراكز بوزن عشرة بالمئة لكل منها بـ 0.04 مجتمعة فقط، رغم تمثيلها رأس المال نفسه. تصبح المراكز الصغيرة شبه غير مرئية، وهو أمر صحيح، لأنها كذلك فعلاً.

ونطاق المؤشر محدود على نحو مفيد:

النمط واضح: في حالة N من المراكز متساوية الوزن، يساوي المؤشر 1/N. وهذه العلاقة هي ما يجعل المقياس التالي ممكناً.

عدد المراكز الفعّال

مؤشر HHI نظيف رياضياً لكن يصعب استشعاره. قيمة 0.3877 لا تنقل شيئاً بديهياً. اقلب المقدار وسيظهر المعنى فوراً.

وهذا يجيب عن سؤال مفيد فعلاً: كم عدد المراكز متساوية الوزن التي تنتج التركُّز نفسه الموجود في محفظتك الحالية؟ محفظة من ثلاثين اسماً بعدد فعّال مقداره ستة تخبرك بوضوح لا لبس فيه أنها تتصرف كمحفظة من ستة أسهم. أما الأربعة والعشرون الباقية فهي ضجيج.

مثال محلول

لنأخذ محفظة تقنية من ثلاثة مراكز:

مؤشر HHI يساوي 0.3877، ومن ثم فعدد المراكز الفعّال هو 1 / 0.3877 = 2.58. تضم المحفظة ثلاثة أسماء لكنها تتصرف كأنها تضم اثنين ونصفاً تقريباً — إذ لا يسهم سهم NVDA، بأقل من خمسة عشر بالمئة، إلا بقدر ضئيل جداً في ملف المخاطر الإجمالي.

أعلى وزن لمركز واحد يبلغ 45.45 بالمئة، وهو في حد ذاته تحذير. ومعاً يروي الرقمان قصة متسقة: هذا رهان مركَّز، وإضافة NVDA لم تغيّر ذلك تغييراً ذا معنى.

التركُّز الذي تغفله هذه المقاييس

وهنا المصيدة. كل المقاييس السابقة تعامل المراكز على أنها مستقلة. وهي ليست كذلك.

المحفظة في المثال تقنية بنسبة مئة بالمئة. وحتى لو أعدت موازنتها إلى ثلاثة مراكز متساوية تماماً — فرفعت العدد الفعّال إلى 3.0 وخفضت أعلى وزن إلى 33 بالمئة — لظلّت رهاناً واحداً غير منوّع على مصير قطاع بعينه. ستتحسن المقاييس على مستوى المراكز بينما لا تكاد المخاطر الحقيقية تتحرك.

ولذلك يتعين على أي تحليل تركُّز جادّ أن ينظر إلى ثلاثة مستويات على الأقل:

• مستوى المركز — أعلى وزن، ومؤشر HHI، وعدد المراكز الفعّال
• مستوى القطاع — الحسابات نفسها مطبقة على تجميعات قطاعية بدل الأسهم المفردة
• مستوى العوامل — ما إذا كانت المراكز تتشارك التعرّض للمحركات الأساسية نفسها، مثل الحساسية لأسعار الفائدة أو الزخم أو عملة واحدة

المستوى الثالث هو حيث يتوقف معظم التحليل، وحيث تكمن المفاجآت الحقيقية. فقد يكون سهمان من قطاعين مختلفين أشد ارتباطاً بكثير من سهمين في القطاع نفسه إذا استجابا للعامل الكلي ذاته. وقد تبدو محفظة ما منوّعة عبر جميع القطاعات وتظل في الوقت نفسه رهاناً برافعة على انخفاض أسعار الفائدة.

حسابها عبر الواجهة البرمجية

هذه الحسابات بسيطة بما يكفي لتنفيذها بنفسك — فمؤشر HHI ثلاثة أسطر برمجية. الجزء الصعب فعلاً هو كل ما يليها: ربط الرموز بالقطاعات والتعرّضات العاملية، وإبقاء تلك البيانات المرجعية محدّثة عبر الأسواق، وترجمة الأرقام إلى حكم.

تعيد واجهة PORTIQA البرمجية مقاييس التركُّز الثلاثة جميعها إلى جانب التحليل القطاعي والعاملي في طلب واحد:

curl -X POST https://portiqa.ai/evaluate \
  -H "Authorization: Bearer $PORTIQA_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "risk_level": "medium",
    "positions": [
      { "ticker": "AAPL", "market_value": 25000 },
      { "ticker": "MSFT", "market_value": 22000 },
      { "ticker": "NVDA", "market_value":  8000 }
    ]
  }'

الحقول ذات الصلة في الاستجابة:

{
  "score": 45.9,
  "status": "Neutral",
  "max_position_weight": 45.45,
  "max_position_ticker": "AAPL",
  "effective_positions": 2.58,
  "top_sector": "Technology",
  "top_sector_weight": 100,
  "score_components": {
    "diversification": 34.5,
    "risk": 99.2,
    "quality": 72.1
  }
}

لاحظ التعارض بين مكوّنين، فهو تعارض مفيد. يسجّل مكوّن risk ‏99.2 — فهذه شركات كبيرة ومستقرة وعالية الجودة وذات تقلب فردي منخفض. أما مكوّن diversification فيسجّل 34.5، لأن تلك الجودة كلها مركَّزة في قطاع واحد. كانت درجة واحدة مدمجة ستخفي هذا التوتر؛ أما المكوّنات المنفصلة فتُظهر لك بالضبط أي مشكلة ينبغي حلها.

التوثيق الكامل للحقول موجود في مرجع الواجهة البرمجية، ومقتطفات التنفيذ بلغات Python وJavaScript وPHP في أمثلة الكود.