تنوع ساده در مقابل بهینه‌سازی! کدام استراتژی برای سبد سهام شما بهتر است؟

یک سؤال ساده اما عمیق: آیا پخش کردن پول بین چند سهام مختلف، همان «بهینه‌سازی سبد سهام» است؟ یا بهینه‌سازی واقعی چیز دیگری است؟

اگر تا به حال شنیده‌اید که «تخم‌مرغ‌هایت را در یک سبد نگذار»، این مقاله برای شماست. این توصیه درست است، اما ناقص. تفاوت بین یک سرمایه‌گذار معمولی و یک مدیر پورتفولیو حرفه‌ای، دقیقاً در همین نقطه است: یکی تنوع می‌دهد، دیگری بهینه می‌کند.

این مقاله برای شما مناسب است اگر...

می‌خواهید بدانید تنوع‌بخشی ساده (خرید چند سهام مختلف) با بهینه‌سازی علمی سبد چه تفاوتی دارد، کدام روش در بازار ایران کاربردی‌تر است، و چرا حتی هری مارکویتز پدر بهینه‌سازی پورتفولیو از فرمول خودش استفاده نمی‌کرد!

تنوع‌بخشی ساده چیست؟ (و چرا به آن «ساده‌لوحانه» می‌گویند)

تنوع‌بخشی ساده یعنی تقسیم سرمایه بین چند دارایی مختلف، بدون هیچ محاسبه ریاضی. سرمایه‌گذار بر اساس حس، تجربه، یا توصیه دیگران تصمیم می‌گیرد: «۳ سهام بانکی، ۲ سهام پتروشیمی، ۱ صندوق طلا.»

این رویکرد هزاران سال قدمت دارد. در قرن چهارم میلادی، خاخام اسحاق بار آها توصیه کرد:

«دارایی‌هایت را به سه بخش مساوی تقسیم کن: یک‌سوم در زمین، یک‌سوم در کالا، یک‌سوم نقد.»

جالب است که این توصیه ۱۶۰۰ ساله، در قالب مدرن آن (ملک، سهام/اوراق، نقدینگی) هنوز هم توسط بسیاری از متخصصان توصیه می‌شود!

تعریف دقیق تنوع‌بخشی ساده

توزیع سرمایه بین دارایی‌های مختلف بر اساس قضاوت انسانی، بدون استفاده از مدل‌های ریاضی بهینه‌سازی. گاهی به آن Naive Diversification یا استراتژی 1/N گفته می‌شود.

استراتژی ۱/N چیست؟

ساده‌ترین شکل تنوع‌بخشی، استراتژی ۱/N است: اگر N دارایی دارید، به هر کدام دقیقاً ۱/N از سرمایه‌تان را اختصاص دهید.

• ۵ سهام دارید؟ به هر کدام ۲۰٪ بدهید.
• ۱۰ دارایی دارید؟ به هر کدام ۱۰٪ بدهید.

این روش هیچ محاسبه‌ای نیاز ندارد. اما آیا کارآمد است؟

بهینه‌سازی سبد سهام چیست؟ (ریاضیات پشت پرده)

بهینه‌سازی سبد سهام یعنی استفاده از مدل‌های ریاضی برای یافتن بهترین ترکیب دارایی‌ها ترکیبی که برای یک سطح ریسک مشخص، بیشترین بازده ممکن را ارائه دهد (یا برعکس، برای یک بازده هدف، کمترین ریسک را داشته باشد).

مدل مارکویتز: انقلابی که جایزه نوبل گرفت

در سال ۱۹۵۲، هری مارکویتز مقاله‌ای منتشر کرد که دنیای سرمایه‌گذاری را تغییر داد. ایده اصلی او ساده اما قدرتمند بود:

ریسک سبد فقط به ریسک تک‌تک سهام بستگی ندارد. همبستگی بین سهام نقش تعیین‌کننده‌ای دارد.

مثال عملی: قدرت همبستگی

فرض کنید سهام A و B هر کدام به تنهایی ۳۰٪ ریسک (انحراف معیار) دارند. اگر همبستگی بین آن‌ها ۱- باشد (کاملاً معکوس)، ریسک ترکیب ۵۰/۵۰ آن‌ها به صفر می‌رسد! این همان «جادوی تنوع‌بخشی» است که مارکویتز کشف کرد.

مدل مارکویتز که به آن بهینه‌سازی میانگین-واریانس (Mean-Variance Optimization) می‌گویند، سه ورودی اصلی دارد:

مدل‌های پیشرفته‌تر بهینه‌سازی

بعد از مارکویتز، مدل‌های پیچیده‌تری توسعه یافتند:

• مدل ترینور-بلک: ترکیب تحلیل بنیادی با بهینه‌سازی کمی
• شبیه‌سازی مونت‌کارلو: شبیه‌سازی هزاران سناریوی ممکن برای بازار
• مدل بلک-لیترمن: ترکیب نظر متخصص با داده‌های بازار
• بهینه‌سازی Risk Parity: تخصیص بر اساس مشارکت یکسان ریسک

مقایسه مستقیم: تنوع ساده در برابر بهینه‌سازی

حالا بیایید این دو رویکرد را روبه‌روی هم بگذاریم:

شواهد علمی: تنوع ساده بهتر است یا بدتر؟

اینجاست که داستان جالب می‌شود. بسیاری انتظار دارند مدل‌های پیچیده همیشه برنده باشند. اما تحقیقات چیز دیگری می‌گویند.

پژوهش دمیگول: شوک بزرگ به مدل‌های پیچیده

دکتر ویکتور دمیگول و همکارانش در مدرسه کسب‌وکار لندن (London Business School) یک مطالعه مهم انجام دادند با عنوان:

«بهینه‌سازی در مقابل متنوع‌سازی ساده: چگونه استراتژی ۱/N مؤثر است؟»

نتایج شگفت‌انگیز بود: در بسیاری از بازه‌های زمانی، استراتژی ساده ۱/N از ۱۴ مدل بهینه‌سازی پیچیده عملکرد بهتری داشت.

چرا؟ چون مدل‌های پیچیده به داده‌های تاریخی متکی‌اند، و بازده آینده لزوماً مانند گذشته نیست. خطای تخمین در بازده مورد انتظار می‌تواند کل مدل را از مسیر خارج کند.

نکته کلیدی از پژوهش دمیگول

برای اینکه یک مدل بهینه‌سازی پیچیده بتواند از استراتژی ساده ۱/N پیشی بگیرد، به بیش از ۵۰۰ ماه (حدود ۴۲ سال!) داده تاریخی پایدار نیاز دارد. این در بازارهای نوظهور مثل ایران عملاً غیرممکن است.

پارادوکس مارکویتز: سازنده مدل از مدلش استفاده نمی‌کند!

یکی از معروف‌ترین و طنزآمیزترین داستان‌های مالی این است: هری مارکویتز، کسی که جایزه نوبل اقتصاد را برای بهینه‌سازی پورتفولیو گرفت، سرمایه شخصی‌اش را به صورت مساوی بین سهام و اوراق قرضه تقسیم می‌کرد!

خودش دلیلش را توضیح داد: «می‌خواستم از پشیمانی آینده جلوگیری کنم.» این دلیل رفتاری و روانشناختی است، نه ریاضی.

پیام این داستان مهم است: حتی برترین متخصصان هم گاهی ساده‌ترین راه را انتخاب می‌کنند نه از روی جهل، بلکه از روی آگاهی.

تله‌های تنوع‌بخشی ساده: وقتی ساده بودن خطرناک می‌شود

اما تنوع‌بخشی ساده هم مشکلاتی دارد که باید جدی بگیریم.

۱. تنوع کاذب: وقتی تنوع داری ولی نداری!

فرض کنید ۱۰ سهام از ۱۰ شرکت مختلف دارید. اما اگر همه آن‌ها در بازار ایران به شدت به قیمت دلار وابسته باشند، عملاً یک دارایی دارید نه ده تا!

این مشکل در بازار ایران بسیار رایج است. اکثر سهام‌های بزرگ ما به نرخ ارز حساس هستند. تنوع‌بخشی ساده این همبستگی پنهان را نمی‌بیند.

مثال بازار ایران

در سال ۱۳۹۹، بسیاری از سرمایه‌گذاران فکر می‌کردند با خرید ۵ سهام مختلف از صنایع متفاوت، سبد متنوعی دارند. اما وقتی بازار ریزش کرد، تقریباً همه سهام با هم افتادند چون همه به یک متغیر (رشد نقدینگی و انتظارات ارزی) وابسته بودند.

۲. سوگیری ارائه‌دهنده (Presentation Bias)

پروفسور شلومو بنارتزی از دانشگاه کالیفرنیا (UCLA) تحقیق جالبی انجام داد. نشان داد که سرمایه‌گذاران ساده‌نگر، سبدشان را بر اساس آنچه به آن‌ها ارائه می‌شود می‌سازند، نه آنچه نیاز دارند.

مثال عملی:

• اگر به کارگزار سهامی بروید → سبدتان پر از سهام می‌شود
• اگر با متخصص اوراق قرضه صحبت کنید → حجم زیادی اوراق می‌خرید
• اگر تبلیغات طلا زیاد باشد → سهم طلا در سبدتان بالا می‌رود

این رویکرد، «تنوع‌بخشی هوشمندانه» نیست؛ «تنوع‌بخشی تصادفی» است.

۳. آستانه مؤثر تنوع: بیشتر لزوماً بهتر نیست

یک تحقیق معروف نشان می‌دهد که بیشترین کاهش ریسک غیرسیستماتیک با ۱۵ تا ۲۰ سهام حاصل می‌شود. اضافه کردن سهام ۲۱ام به بعد تأثیر معناداری ندارد!

پس داشتن ۵۰ سهام در سبد، شما را فقط اندکی از داشتن ۲۰ سهام بهتر نمی‌کند، اما هزینه معاملاتی و پیچیدگی مدیریت را بسیار افزایش می‌دهد.

تله‌های بهینه‌سازی پیچیده: وقتی ریاضیات دروغ می‌گوید

مدل‌های پیچیده هم بی‌نقص نیستند. بیایید صادق باشیم.

۱. مشکل اصلی: آینده مثل گذشته نیست

هر مدل بهینه‌سازی به داده‌های تاریخی متکی است. اما بازده آینده دارایی‌ها مجهول است. این «خطای تخمین» می‌تواند کل مدل را خراب کند.

تصور کنید مدل شما می‌گوید ۶۰٪ وزن را به سهام A بدهید چون تاریخاً بهترین بازده را داشته. اما اگر شرایط تغییر کند، این تمرکز بالا می‌تواند فاجعه‌بار باشد.

۲. بهینه‌سازی گذشته‌نگر (Overfitting)

مدل‌های پیچیده اغلب به گونه‌ای «کالیبره» می‌شوند که روی داده‌های گذشته عالی عمل کنند. اما این «بهینه‌سازی روی گذشته» ضرورتاً در آینده کار نمی‌کند.

۳. شوک‌های غیرقابل پیش‌بینی

هیچ مدل ریاضی نمی‌توانست بحران ۲۰۰۸، کووید-۱۹ یا جهش‌های ارزی ناگهانی ایران را پیش‌بینی کند. مدل‌های پیچیده در برابر «دم‌های چاق» (Fat Tails) آسیب‌پذیرند.

هشدار مهم

مدل‌های بهینه‌سازی ابزار هستند، نه پیشگو. استفاده کورکورانه از آن‌ها بدون درک محدودیت‌هایشان، خطرناک‌تر از تنوع‌بخشی ساده است.

رویکرد هوشمندانه: ترکیب بهترین‌های هر دو دنیا

اینجاست که پاسخ واقعی سؤال ما مشخص می‌شود. این یک انتخاب «یا این یا آن» نیست.

یک مدیر پورتفولیو باتجربه، از هر دو رویکرد هوشمندانه استفاده می‌کند:

گام اول: تنوع ساده برای چارچوب کلی

ابتدا با منطق ساده، کلاس‌های دارایی اصلی را انتخاب کنید:

• سهام (داخلی و خارجی)
• اوراق درآمد ثابت
• کالاها (طلا، فلزات پایه)
• دارایی‌های جایگزین (صندوق‌های زمین، ارز)

گام دوم: بهینه‌سازی برای وزن‌دهی

درون هر کلاس، از ابزارهای ساده بهینه‌سازی برای تعیین وزن استفاده کنید. حتی یک محاسبه ساده همبستگی بین سهام، می‌تواند تفاوت بزرگی ایجاد کند.

گام سوم: بازآرایی دوره‌ای (Rebalancing)

مهم‌ترین کاری که یک سرمایه‌گذار می‌تواند انجام دهد: بازآرایی منظم. وقتی یک دارایی رشد زیادی کرد و وزنش در سبد از حد مطلوب فراتر رفت، بخشی از آن را بفروشید و به دارایی‌های عقب‌مانده اضافه کنید.

فرمول طلایی سرمایه‌گذاری موفق

سبد بهینه = (تنوع‌بخشی هوشمند بین کلاس‌های دارایی) + (همبستگی پایین بین اجزا) + (بازآرایی منظم) + (مدیریت ریسک رفتاری). این فرمول نه نیاز به نرم‌افزار گران‌قیمت دارد و نه به پیچیدگی‌های کوانتی.

راهنمای عملی برای سرمایه‌گذار ایرانی در ۱۴۰۵

با توجه به ویژگی‌های خاص بازار ایران نوسانات ارزی، تورم بالا، نقدشوندگی محدود برخی دارایی‌ها توصیه‌های زیر کاربردی است:

اگر سرمایه‌گذار تازه‌کار هستید:

• با ۵ تا ۱۵ سهام از صنایع مختلف شروع کنید
• اطمینان حاصل کنید صنایع انتخابی همبستگی پایینی با هم دارند (مثلاً نه همه صادرات‌محور، نه همه وابسته به یک مواد اولیه)
• ۱۰ تا ۲۰ درصد سبد را به دارایی امن (طلا یا صندوق طلا) اختصاص دهید
• هر سه ماه یکبار سبد را بازآرایی کنید

اگر سرمایه‌گذار نیمه‌حرفه‌ای هستید:

• ماتریس همبستگی ساده بین سهام انتخابی محاسبه کنید (اکسل کافی است)
• سهامی که همبستگی بالای ۰.۷ با هم دارند را به عنوان یک گروه در نظر بگیرید
• از صندوق‌های سرمایه‌گذاری با استراتژی‌های مختلف برای تنوع‌بخشی بین‌المللی استفاده کنید

نکته ویژه بازار ایران

در بازار ایران به دلیل ارتباط شدید اکثر سهام با نرخ ارز، تنوع‌بخشی واقعی مستلزم ورود به دارایی‌هایی است که با نرخ ارز همبستگی منفی یا خنثی دارند. مثلاً: سهام شرکت‌های داخلی‌محور (خرده‌فروشی، بیمه داخلی) در کنار سهام صادراتی.

جمع‌بندی: پاسخ نهایی سؤال ما

پس از این همه بحث، پاسخ چیست؟ آیا تنوع ساده بهتر است یا بهینه‌سازی؟

پاسخ صادقانه این است: بستگی دارد.

• اگر ابزار، دانش و داده کافی دارید → بهینه‌سازی می‌تواند مزیت ایجاد کند
• اگر بازار بی‌ثبات و کم‌داده است → تنوع ساده هوشمند اغلب بهتر عمل می‌کند
• در هر حال → حذف همبستگی بالا از سبد از هر مدل پیچیده‌ای مهم‌تر است

ضرب‌المثل طلایی سرمایه‌گذاری

«به آنچه می‌شناسید و می‌فهمید بچسبید.» این توصیه پیتر لینچ، نه دعوت به بی‌دانشی، بلکه هشدار در برابر پیچیدگی‌های بی‌معناست. ساده باشید اما آگاهانه ساده باشید.

مهم‌ترین درس این است: تنوع‌بخشی ساده ولی هوشمند که بر اساس همبستگی‌های واقعی دارایی‌ها بنا شده باشد از هر مدل پیچیده‌ای که با داده‌های ناقص اجرا شود، بهتر عمل می‌کند. و یک سبد سرمایه‌گذاری که به صورت دوره‌ای بازآرایی شود و با شرایط بازار تطبیق یابد، هم از منظر عقلی قابل دفاع است و هم در عمل کارآمد.