اول از همه، بیایید مفهوم مشاور مالی خودکار (robo-advisor) را بررسی کنیم. مشاور مالی خودکار در واقع جایگزین مشاور مالی (انسان) است. به جای اینکه یک فرد کارهایی مثل تعیین اهداف مالی، چیدمان پورتفولیو، برنامه‌ریزی مالی و مدیریت دارایی را انجام دهد، یک نرم‌افزار این وظایف را بر عهده می‌گیرد و معمولاً در ازای کارمزدی (مثلاً حدود ۱ درصد) این خدمات را ارائه می‌دهد.

بنابراین از چنین نرم‌افزاری انتظار داریم مجموعه‌ای از قابلیت‌ها را (حداقل در سطح پایه) به مشتری ارائه دهد:

۱. تخصیص دارایی‌ها (asset allocation). نرم‌افزار باید بتواند بر اساس میزان ریسکی که کاربر حاضر است بپذیرد، ترکیب دارایی او را مشخص کند. این دارایی‌ها معمولاً ترکیبی از سهام، رمزارز، اوراق قرضه، طلا و سایر ابزارهای مالی هستند. این کار اساساً تعیین می‌کند هر دارایی چه سهمی از پورتلفیو را داشته باشد.

۲. توازن بخشی (rebalancing). در ابتدای کار، کاربر معمولاً درصد هدفی برای پورتفولیو خود تعیین می‌کند. مثلاً ۱۰ درصد طلا، ۲۰ درصد سهام شرکت الف، ۳۰ درصد سهام شرکت ب، ۴۰ درصد اوراق قرضه. اما عملکرد دارایی‌ها در طول زمان متفاوت است. ممکن است پس از شش ماه سهام شرکت الف رشد زیادی کند و از ۲۰ درصد به ۲۵ درصد برسد، در حالی‌که سهام شرکت ب ضرر کند و سهمش در پورتفولیو از ۳۰ درصد به ۲۵ درصد کاهش یابد. توازن بخشی یعنی بازگرداندن پورتفولیو به ترکیب هدف. این عملیات به دو گروه کلی دسته‌بندی می‌شود.

توازن بخشی بر اساس میزان تغییر از هدف (drift-based): هر زمان که ترکیب واقعی پورتفولیو بیش از یک حد مشخص از ترکیب هدف فاصله گرفت، توازن انجام می‌شود. مثلاً بخشی از سهام شرکت الف فروخته می‌شود تا تا دوباره درصد‌ها درست شود.

توازن بخشی دوره‌ای (time-based): در فواصل زمانی مشخص، مثلاً هر سه ماه یا هر شش ماه، پورتفولیو به وضعیت هدف برگردانده می‌شود، حتی اگر انحراف خیلی زیاد نباشد.

آیا توزان‌بخشی کار ساده‌ای است؟ در ظاهر بله، اما در عمل خیر. فروش برخی دارایی‌ها ممکن است مشمول مالیات شود. بنابراین نرم‌افزار باید کاری کند که توازن‌بخشی باعث افزایش هزینه مالیاتی نشود. از طرف دیگر، برخی دارایی‌ها سود نقدی (dividend) پرداخت می‌کنند. اینکه این سودها در توزان بخشی چگونه استفاده شوند، مثلاً آیا دوباره سرمایه‌گذاری شوند یا برای اصلاح ترکیب پورتفولیو استفاده شوند، خودش یک تصمیم مهم است.

۳. پیش‌بینی آینده مالی (financial projection). نرم‌افزار باید بتواند بر اساس نرخ تورم، سود مورد انتظار دارایی‌ها، میزان پس‌انداز دوره‌ای کاربر و سایر پارامترها، به او نشان دهد که طی ۳، ۵ یا ۱۰ سال آینده احتمالا چه میزان دارایی خواهد داشت. این قابلیت برای هدف‌گذاری‌های مالی مثل پس‌انداز بازنشستگی یا خرید خانه اهمیت دارد.

۴. استفاده از زیان برای کاهش مالیات (tax-loss harvesting). فرض کنید سهام شرکت الف داریم که خیلی رشد کرده و اگر آن را بفروشیم، باید مالیات سود بپردازیم. در مقابل سهام شرکت ب را داریم که ضررده بوده است.ایده این است که بخشی از سهام ضررده را در همان زمانی بفروشیم که سهام سودده را می‌فروشیم. در این صورت زیان شرکت ب، سود شرکت الف را خنثی می‌کند و در نتیجه مالیات کمتری پرداخت می‌کنیم. مثلاً اگر قرار بوده یک ماه دیگر سهام شرکت ب را بفروشیم، می‌توانیم همین حالا بخشی از آن را بفروشیم تا زیانش به‌عنوان جبران سود شرکت الف استفاده شود. به این ترتیب مقدار مالیاتی که باید بپردازیم کاهش می‌یابد.

۵. مسیر کاهش ریسک (glide path). گاهی کاربر مستقیماً می‌گوید که چه میزان ریسکی برایش قابل‌قبول است. اما گاهی نرم‌افزار خودش می‌تواند سطح ریسک مناسب را پیشنهاد دهد، مخصوصاً بر اساس سن فرد. معمولاً فردی که به سن بازنشستگی نزدیک است تحمل ریسک پایین‌تری دارد، در حالی‌که فردی جوان‌تر (مثلاً در دهه سوم زندگی) می‌تواند ریسک بیشتری بپذیرد. یعنی مسیری که به‌تدریج پورتفولیو از پرریسک به کم‌ریسک تغییر وضعیت می‌دهد.

#BRP_RR_CH_1

@metapageai