تحلیل نوسان قیمت نهاده‌ها: اندازه‌گیری ریسک با Volatility و VaR

در بازار نهاده‌های دامی، «میانگین قیمت» اغلب چیزی را پنهان می‌کند که برای تصمیم خرید و تامین حیاتی است: دامنه و سرعت تغییرات. دو کالا می‌توانند میانگین قیمتی مشابه داشته باشند، اما یکی با نوسان کم و دیگری با جهش‌های مکرر؛ نتیجه برای مدیر خرید یا مدیر دامداری یکسان نیست. اگر فقط به میانگین تکیه کنیم، ممکن است هزینه واقعی ریسک (وقفه تامین، فشار نقدینگی، یا قفل شدن در قیمت بد) را نبینیم.

این راهنما در دانش‌دانه با تمرکز بر سنجش ریسک نوسان قیمت نهاده‌ها نوشته شده است: اول Volatility به عنوان «شدت نوسان»، سپس VaR به عنوان «برآورد زیان محتمل در افق زمانی مشخص». هدف این است که تحلیل قیمت از «خبر و نمودار» به «شاخص قابل تصمیم‌گیری» تبدیل شود؛ مخصوصا در ایران که هم‌زمان با ریسک‌های جهانی، با ریسک‌های ارزی، سیاستی و لجستیکی نیز روبه‌رو هستیم.

در ادامه، قدم‌به‌قدم می‌بینیم چگونه داده قیمت را آماده کنیم، Volatility را محاسبه و تفسیر کنیم، VaR را برای سناریوهای خرید به‌کار ببریم و مهم‌تر از همه، محدودیت‌های VaR و نقاط شکست آن را بشناسیم تا دچار اعتماد کاذب به یک عدد نشویم.

چرا «میانگین قیمت» بدون سنجش نوسان گمراه‌کننده است؟

میانگین، رفتار «مرکز» توزیع را خلاصه می‌کند، اما برای مدیریت ریسک، رفتار «دُم‌ها» مهم است؛ همان جاهایی که شوک‌ها رخ می‌دهند. در نهاده‌هایی مثل ذرت، کنجاله سویا، جو یا افزودنی‌ها، تصمیم‌های خرید فقط به قیمت فعلی وابسته نیست؛ به این هم بستگی دارد که قیمت در هفته یا ماه آینده با چه احتمالی می‌تواند از یک آستانه بدتر عبور کند.

از منظر مدیریتی، نوسان بالا یعنی:

• ریسک «بد خرید کردن» (قفل شدن در قیمت بالا) افزایش می‌یابد.
• بودجه‌بندی خوراک و کنترل هزینه تمام‌شده دشوارتر می‌شود.
• ریسک نقدینگی بالا می‌رود؛ چون ممکن است برای یک محموله مشابه، سرمایه در گردش بیشتری لازم شود.
• در زنجیره تامین، احتمال تصمیم‌های واکنشی (شتاب‌زده) بیشتر می‌شود.

در سطح بازار ایران، نوسان نهاده‌ها معمولاً ترکیبی از سه منبع است: نوسان جهانی کالا، نوسان نرخ ارز و ریسک سیاستی/اجرایی (ثبت سفارش، تخصیص ارز، محدودیت‌های واردات، ترخیص و حمل). بنابراین یک «میانگین ماهانه» ممکن است آرام به نظر برسد، اما درون همان ماه چند جهش داشته باشد که زمان‌بندی خرید را کاملا تغییر می‌دهد.

برای تحلیل‌های مکمل درباره روندهای بازار، می‌توانید مجموعه تحلیل قیمت نهاده‌ها را ببینید تا کنار شاخص‌های ریسک، تصویر روند هم روشن‌تر شود.

Volatility چیست و در نهاده‌ها دقیقا چه چیزی را اندازه می‌گیرد؟

Volatility یا «نوسان‌پذیری»، شاخصی از پراکندگی تغییرات قیمت در یک بازه زمانی است. مهم است که Volatility را روی «بازده» محاسبه کنیم، نه روی خود قیمت. چون قیمت‌ها مقیاس‌پذیرند (مثلا با تورم یا تغییر نرخ ارز سطحشان عوض می‌شود) اما بازده، تغییر نسبی را نشان می‌دهد و قابل مقایسه‌تر است.

دو تعریف رایج بازده:

• بازده ساده: Rt = (Pt / Pt-1) – 1
• بازده لگاریتمی: rt = ln(Pt / Pt-1)

در تحلیل‌های حرفه‌ای، بازده لگاریتمی به دلیل خواص آماری و امکان جمع‌پذیری در زمان، زیاد استفاده می‌شود؛ اما برای کاربرد عملی در تیم خرید، بازده ساده هم قابل فهم و کافی است، به شرط اینکه یک‌دست استفاده شود.

Volatility معمولاً به صورت انحراف معیار بازده‌ها تعریف می‌شود. اگر بازده‌های روزانه را داشته باشیم، Volatility روزانه را می‌توان به Volatility ماهانه یا سالانه تبدیل کرد (با مفروضات ساده‌ساز)؛ اما در نهاده‌های ایران که داده‌ها گاهی هفتگی/نامنظم‌اند، بهتر است افق زمانی را متناسب با چرخه خرید انتخاب کنید: مثلا هفتگی برای بازرگانی و ماهانه برای بودجه خوراک دام.

یک نکته عملی: Volatility «جهت» ندارد؛ نمی‌گوید قیمت بالا می‌رود یا پایین. فقط شدت نوسان را می‌سنجد. برای تصمیم خرید، جهت را باید با تحلیل روند/بنیادها و سناریوهای بازار ترکیب کرد، اما Volatility می‌گوید «عدم قطعیت» چقدر است.

روش‌های محاسبه Volatility: از ساده تا کاربردی

برای اینکه Volatility در تصمیم‌گیری قابل استفاده شود، باید روش محاسبه‌اش با کیفیت داده و افق خرید سازگار باشد. سه رویکرد رایج در عمل:

انحراف معیار بازده در یک پنجره ثابت (Rolling)

در این روش، مثلا بازده ۳۰ روز اخیر را می‌گیریم و انحراف معیار را محاسبه می‌کنیم، سپس هر روز پنجره را جلو می‌بریم. مزیتش سادگی و قابل توضیح بودن برای تیم اجرایی است. ضعفش این است که شوک‌های جدید را تا وقتی وارد پنجره شوند کامل منعکس نمی‌کند و نسبت به انتخاب طول پنجره حساس است.

Volatility وزنی (EWMA)

اینجا به بازده‌های جدید وزن بیشتری می‌دهیم. برای بازارهایی که خوشه‌بندی نوسان دارند (دوره‌های آرام و دوره‌های متلاطم)، EWMA اغلب از پنجره ثابت بهتر پاسخ می‌دهد. برای استفاده عملی، لازم است پارامتر وزن‌دهی (lambda) با آزمون و تجربه روی داده همان کالا تنظیم شود.

مدل‌های خانواده GARCH (پیشرفته‌تر)

اگر سازمان داده و توان تحلیلی دارد، GARCH می‌تواند نوسان شرطی را مدل کند و برای پیش‌بینی ریسک کوتاه‌مدت مفید باشد. اما در بسیاری از بنگاه‌های ایرانی، محدودیت داده، تغییر رژیم‌های سیاستی و شکست‌های ساختاری باعث می‌شود خروجی مدل اگر بدون نظارت و بازبینی استفاده شود، اعتماد کاذب تولید کند.

برای مقایسه سریع کاربردی، جدول زیر کمک می‌کند:

VaR چیست؟ تعریف، شهود و تفاوت آن با Volatility

VaR یا Value at Risk (ارزش در معرض ریسک) می‌گوید: «در یک افق زمانی مشخص، با سطح اطمینان مشخص، بدترین زیان محتمل چقدر است؟» برای مثال، VaR هفتگی با سطح اطمینان ۹۵٪ می‌تواند این پیام را منتقل کند: «با احتمال ۹۵٪، زیان هفتگی از مقدار X بیشتر نمی‌شود.»

تفاوت کلیدی با Volatility این است که Volatility یک شاخص کلی شدت نوسان است، اما VaR یک عدد «آستانه زیان» می‌دهد و مستقیم‌تر به زبان مدیریت ریسک و تصمیم خرید ترجمه می‌شود. در نهاده‌ها، «زیان» می‌تواند به شکل افزایش قیمت نسبت به امروز (برای خریدار) یا کاهش قیمت نسبت به موجودی خریداری‌شده (برای دارنده موجودی) تعریف شود؛ بنابراین قبل از محاسبه VaR باید مشخص کنید زاویه دید چیست:

• اگر هنوز نخریده‌اید: ریسک شما «بالا رفتن قیمت» است.
• اگر موجودی انبار دارید یا پیش‌خرید کرده‌اید: ریسک شما «پایین آمدن قیمت» (زیان ارزش موجودی) است.

در گزارش‌دهی، بهتر است VaR را در کنار توضیح افق (مثلا ۱۰ روز کاری) و سطح اطمینان (مثلا ۹۵٪) و همچنین واحد (ریال به ازای هر کیلو، یا درصد) بیاورید تا سوءبرداشت ایجاد نشود.

روش‌های محاسبه VaR در عمل و انتخاب مناسب برای بازار نهاده‌ها

سه روش رایج برای محاسبه VaR وجود دارد. انتخاب بین آن‌ها به کیفیت داده، توزیع بازده‌ها و هدف سازمان بستگی دارد.

۱) VaR پارامتریک (نرمال)

فرض می‌کند بازده‌ها تقریبا نرمال‌اند. سپس VaR با استفاده از میانگین و انحراف معیار محاسبه می‌شود. مزیت: سریع و قابل پیاده‌سازی در اکسل. ضعف: بازار نهاده‌ها اغلب دُم‌های چاق (شوک‌های بزرگ) دارند، مخصوصا وقتی نرخ ارز و سیاست همزمان اثر می‌گذارند؛ در نتیجه VaR نرمال می‌تواند ریسک واقعی را کم‌برآورد کند.

۲) VaR تاریخی (Historical)

بدون فرض توزیع، از داده گذشته استفاده می‌کند: بازده‌ها را مرتب می‌کنیم و صدک مربوط به سطح اطمینان را برمی‌داریم. مزیت: ساده و واقع‌گراتر نسبت به نرمال. ضعف: اگر رژیم بازار عوض شده باشد (مثلا تغییر سیاست ارزی یا محدودیت واردات)، تاریخ ممکن است نماینده آینده نباشد.

۳) VaR مونت‌کارلو

با شبیه‌سازی سناریوهای آینده (بر اساس یک مدل آماری یا مفروضات)، توزیع زیان ساخته می‌شود. مزیت: انعطاف بالا. ضعف: وابستگی شدید به مدل و مفروضات؛ برای بسیاری از تیم‌ها، هزینه پیاده‌سازی و ریسک سوءبرداشت بالاست.

برای بسیاری از فعالان نهاده در ایران، شروع عملی با VaR تاریخی یا پارامتریک (با کنترل‌های ساده) منطقی است. نکته کلیدی این است که VaR باید به یک «قاعده تصمیم» وصل شود، نه اینکه صرفا عددی در گزارش باشد.

ترجمه VaR به تصمیم خرید و تامین: قاعده‌های ساده اما قابل اجرا

VaR وقتی ارزشمند می‌شود که به یک تصمیم مشخص گره بخورد: چه مقدار بخریم، چه زمانی، و با چه ابزار پوشش ریسک (قرارداد، پیش‌خرید، تنوع تامین‌کننده، یا ترکیب موجودی و خرید نقدی).

یک چارچوب عملی برای تیم خرید نهاده:

1. افق تصمیم را تعیین کنید: ۷ روز، ۱۴ روز یا یک ماه (متناسب با زمان تامین و موجودی).
2. سطح اطمینان را ثابت کنید: مثلا ۹۵٪ برای تصمیم‌های روتین، ۹۹٪ برای دوره‌های بحرانی.
3. VaR را به واحد ریالی/تنی ترجمه کنید: VaR درصدی را در ارزش سفارش یا مصرف ضرب کنید.
4. VaR را با توان نقدینگی و ظرفیت انبار مقایسه کنید: اگر زیان محتمل از حاشیه تحمل شما بیشتر است، خرید را پلکانی کنید یا بخشی را قفل کنید.

برای اینکه این ترجمه ملموس شود، جدول زیر نمونه «قانون سرانگشتی» ارائه می‌دهد (اعداد فرضی‌اند و باید با داده واقعی هر نهاده کالیبره شوند):

نکته مهم برای واحد تغذیه: در دوره‌های VaR بالا، «گزینه‌های فنی کاهش ریسک» هم معنی پیدا می‌کنند؛ مثلا انعطاف‌پذیری در فرمولاسیون یا جایگزینی بخشی از مواد (با رعایت محدودیت‌های تغذیه‌ای و کیفیت). برای ورود ساختاری به این مبحث، محتوای جیره‌نویسی و فرمولاسیون می‌تواند مسیر تکمیلی بدهد.

محدودیت‌های VaR و شرایط شکست: چرا یک عدد ممکن است شما را گمراه کند؟

VaR ابزار مفیدی است، اما اگر به عنوان «ضمانت» برداشت شود خطرناک می‌شود. مهم‌ترین محدودیت‌ها:

• VaR درباره بدترین سناریوهای فراتر از آستانه حرفی نمی‌زند: می‌گوید با ۹۵٪ اطمینان زیان از X بیشتر نمی‌شود، اما در آن ۵٪ چه می‌شود؟ ممکن است زیان بسیار بزرگ‌تر باشد.
• وابستگی به گذشته: VaR تاریخی فرض می‌کند آینده شبیه گذشته است. در بازار ایران، تغییرات سیاستی یا شوک ارزی می‌تواند رژیم را عوض کند.
• حساسیت به کیفیت داده: اگر قیمت‌ها با تاخیر ثبت شوند، یا داده‌ها گسسته/کم‌تعداد باشد، صدک‌ها ناپایدار می‌شوند.
• ریسک‌های غیرقیمتی را کامل پوشش نمی‌دهد: تاخیر ترخیص، محدودیت حمل، تغییر مقررات و ریسک اعتباری تامین‌کننده ممکن است زیان واقعی ایجاد کند حتی اگر قیمت ثابت بماند.

برای کاهش این ریسک‌ها، چند کنترل عملی پیشنهاد می‌شود:

1. VaR را کنار شاخص‌های تکمیلی ببینید: حداکثر افت/جهش تاریخی، و بررسی دوره‌های بحران مشابه.
2. در دوره‌های پرریسک، سطح اطمینان بالاتر (مثلا ۹۹٪) و افق کوتاه‌تر را هم محاسبه کنید.
3. تحلیل سناریو انجام دهید: مثلا سناریوی جهش ارز یا اختلال واردات را جداگانه روی هزینه تمام‌شده تست کنید.

اگر قصد دارید این رویکرد را به شکل منظم در سازمان جا بیندازید، دسته‌بندی تحلیل ریسک و سناریو می‌تواند مکمل خوبی برای اتصال VaR به سناریونویسی باشد.

جمع‌بندی: استفاده عملی از Volatility و VaR برای مدیریت خرید نهاده

Volatility و VaR وقتی ارزش تصمیم‌سازی دارند که به زبان «سیاست خرید» ترجمه شوند. Volatility به شما می‌گوید بازار چقدر متلاطم است و آیا وارد دوره‌ای شده‌اید که تصمیم‌های یک‌باره پرهزینه می‌شوند. VaR یک آستانه زیان محتمل می‌دهد تا بتوانید ریسک را با ظرفیت نقدینگی، توان انبارداری و حساسیت تولید به وقفه تامین مقایسه کنید.

اما هیچ‌کدام جایگزین قضاوت مدیریتی و فهم بنیادهای بازار نیستند. VaR در شوک‌های رژیمی و دُم‌های سنگین می‌تواند کم‌برآورد کند و Volatility جهت را نشان نمی‌دهد. راه درست این است که یک داشبورد ساده بسازید: روند قیمت + Volatility + VaR + سناریوهای سیاستی/ارزی. سپس قاعده‌های اجرایی داشته باشید: خرید پلکانی در ریسک متوسط، موجودی ایمنی و تنوع تامین در ریسک بالا، و بازنگری فنی جیره در چارچوب استاندارد در شرایط بحرانی.

برای مطالعه مطالب مرتبط و تکمیل این مسیر، بخش‌های دیگر دانش‌دانه را ببینید.

سوالات متداول

۱. Volatility در نهاده‌ها دقیقا چه چیزی را نشان می‌دهد؟

Volatility شدت نوسان تغییرات قیمت را (معمولا روی بازده) نشان می‌دهد و می‌گوید بازار چقدر بی‌ثبات است، نه اینکه قیمت حتما بالا می‌رود یا پایین.

۲. VaR ۹۵٪ را چگونه باید تفسیر کرد؟

VaR با سطح اطمینان ۹۵٪ یعنی در افق زمانی مشخص، با احتمال ۹۵٪ زیان از یک مقدار بیشتر نمی‌شود؛ اما درباره بدترین حالت در ۵٪ باقی‌مانده چیزی نمی‌گوید.

۳. برای بازار ایران VaR تاریخی بهتر است یا پارامتریک؟

اغلب VaR تاریخی به دلیل اتکا کمتر به فرض نرمال بودن مفیدتر است، اما اگر رژیم بازار تغییر کرده باشد هر دو روش می‌توانند خطا بدهند و باید با کنترل‌های سناریویی همراه شوند.

۴. با داده‌های هفتگی یا نامنظم هم می‌توان Volatility و VaR گرفت؟

بله، اما باید افق تصمیم را با تناوب داده هماهنگ کنید و از مقایسه‌های نادرست (مثل سالانه‌سازی بی‌دقت) پرهیز شود؛ کیفیت و پیوستگی داده تعیین‌کننده است.

۵. چه زمانی VaR ممکن است شکست بخورد و خطرناک شود؟

در شوک‌های شدید، تغییرات سیاستی/ارزی، یا وقتی توزیع بازده دُم‌های سنگین دارد، VaR می‌تواند ریسک واقعی را کم‌برآورد کند و حس امنیت کاذب ایجاد کند.