রোবো-উপদেষ্টারা গত এক দশকে বিশিষ্টতা অর্জন করেছে, ফিনটেক সাব-সেক্টর তরুণ বিনিয়োগকারীদের এবং জনসাধারণকে সঞ্চয় ও বিনিয়োগে আরও সক্রিয় অংশগ্রহণকে উৎসাহিত করেছে। রোবো-উপদেষ্টাদের লক্ষ্য আর্থিক পরামর্শকে গণতান্ত্রিক করা এবং উচ্চ-মানের পরিষেবা আনা, যা আগে একচেটিয়াভাবে ধনী, পরিশীলিত বিনিয়োগকারীদের জন্য উপলব্ধ ছিল। সংক্ষেপে, রোবো-পরামর্শ হল বিনিয়োগ ব্যবস্থাপনার একটি রূপ যা পোর্টফোলিও কৌশলকে একটি অ্যালগরিদমে আউটসোর্স করে। পোর্টফোলিও নির্মাণ এবং পুনঃভারসাম্য কম্পিউটারের সাহায্যে স্বয়ংক্রিয় হয়, আরও সাশ্রয়ী মূল্যের সম্পদ ব্যবস্থাপনা সমাধান প্রদান করে এবং মানুষের ত্রুটি ও পক্ষপাতের সম্ভাব্য হ্রাস পায়।
ক্ষেত্রের অনেক স্টার্টআপ ব্র্যান্ডের পার্থক্য দেখাতে এবং ব্র্যান্ডের পার্থক্য দেখাতে লড়াই করে। একটি পোর্টফোলিওর সত্যিকারের ঝুঁকি জানাতে গিয়ে রোবো-উপদেষ্টাদের বিনিয়োগকে গণতন্ত্রীকরণ করা এবং মুনাফা চালু করার সর্বোত্তম উপায় কী?
বেটারমেন্ট এবং ওয়েলথফ্রন্ট হল দুটি প্রধান রোবো-উপদেষ্টা, যার মধ্যে প্রথমটি 2008 সালে প্রথম চালু হয়েছিল। 2019 সাল নাগাদ, বিশ্বব্যাপী এই সেক্টরটির ব্যবস্থাপনায় $440 বিলিয়ন সম্পদ রয়েছে বলে অনুমান করা হয়েছিল, এবং সময়ের সাথে সাথে, ঐতিহ্যগত সম্পদ ব্যবস্থাপক, যেমন ভ্যানগার্ড, এমন কৌশলও গ্রহণ করেছে। রবিনহুডের মতো শুধুমাত্র এক্সিকিউশন ট্রেডিং প্ল্যাটফর্ম থেকে সম্পূর্ণ ভিন্ন হলেও, উভয় সেক্টরের আর্থিক ক্ষমতায়নের বার্তা তরুণ বিনিয়োগকারীদের দ্বারা গ্রহণ করা হয়েছে, যারা ঐতিহ্যগতভাবে তাদের কর্মজীবনের পরে অবসরকালীন সঞ্চয়গুলিতে সক্রিয় আগ্রহ গ্রহণ করেনি।
জনপ্রিয় রোবো-উপদেষ্টাদের মূল মূল্য প্রস্তাবগুলির মধ্যে একটি হল যে তারা ক্লায়েন্টদের শুধুমাত্র রিটার্নের উপর ফোকাস করার পরিবর্তে পোর্টফোলিওর সাথে সম্পর্কিত ঝুঁকি এবং খরচ বুঝতে সাহায্য করে। প্রথাগত আর্থিক উপদেষ্টার নেতৃত্বে সম্পদ ব্যবস্থাপনার বিরুদ্ধে যুক্তি হল প্রণোদনাগুলির বিভ্রান্তিকরতা, যেখানে ব্যয়বহুল এবং খারাপভাবে কার্য সম্পাদনকারী সম্পদ বিনিয়োগকারীদের কাছে ফানেল করা হয়, যারা পারফরম্যান্সের উপর দৃষ্টিভঙ্গি অর্জনের জন্য সংখ্যাকে উদ্দেশ্যমূলকভাবে বিশ্লেষণ করতে অক্ষম। এর জন্য, রোবো-উপদেষ্টারা নিষ্ক্রিয় বিনিয়োগের প্রবক্তা, অর্থনৈতিক সূচক তহবিল এবং এক্সচেঞ্জ ট্রেডেড ফান্ড (ETFs) এর জন্য ব্যয়বহুল সক্রিয়ভাবে পরিচালিত তহবিল পরিহার করে।
যদিও বেশিরভাগ রোবো-উপদেষ্টারা সাধারণত বিনিয়োগকারীর পোর্টফোলিওগুলি তৈরি করতে আধুনিক পোর্টফোলিও তত্ত্ব (কখনও কখনও অন্যান্য ভাল-গবেষণা পদ্ধতির সাথে একত্রে) নিয়োগ করে, তারা সেই পোর্টফোলিওগুলির সাথে যুক্ত ঝুঁকির মাত্রা প্রকাশ করার জন্য বিভিন্ন উপায় ব্যবহার করে। বেশিরভাগ বিনিয়োগ পেশাদাররা সম্মত হন যে পোর্টফোলিও নির্বাচনের ক্ষেত্রে রিটার্নের মতো ঝুঁকিও গুরুত্বপূর্ণ। প্রকৃতপক্ষে, বেশিরভাগ অনুশীলনকারীরা পোর্টফোলিও নির্বাচনের উপর নোবেল পুরস্কার বিজয়ী হ্যারি মার্কোভিটজ এর 1952 গবেষণামূলক গবেষণা দ্বারা চিত্রিত গড়-ভেরিয়েন্স অপ্টিমাইজেশান কাঠামোর দ্বারা অনুপ্রাণিত হতে থাকে।
যাইহোক, ঝুঁকি সাধারণত প্রত্যাশিত রিটার্ন হিসাবে গড় বিনিয়োগকারী দ্বারা ভালভাবে বোঝা যায় না। এর কারণ হল একজন ব্যক্তির ঝুঁকি সহনশীলতা শুধুমাত্র অতীত কর্মক্ষমতা এবং যৌক্তিক প্রত্যাশা দ্বারা নয় বরং অনন্য ব্যক্তিগত পরিস্থিতি এবং আশা এবং ভয়ের মতো অন্যান্য মানসিক কারণ দ্বারাও পরিচালিত হয়। এছাড়াও, একজন ব্যক্তির ঝুঁকি সহনশীলতা খুব কমই একটি স্ট্যাটিক পরিমাপ। গত দশকের যেকোনো সময়ের তুলনায় COVID-19 দ্বারা উপস্থাপিত অনিশ্চয়তার কারণে বেশিরভাগ ব্যক্তি 2020 সালে তাদের ঝুঁকি সহনশীলতা কম বলে মনে করবেন। একটি প্রস্তাবিত পোর্টফোলিওর আকাঙ্খিততা আংশিকভাবে পোর্টফোলিওর ঝুঁকিপূর্ণতার নিজস্ব উপলব্ধি দ্বারা একজন বিনিয়োগকারী দ্বারা মূল্যায়ন করা হয়। এই কারণেই একজন রোবো-উপদেষ্টার পক্ষে ঝুঁকিকে স্পষ্টভাবে চিত্রিত করা অত্যাবশ্যক যাতে বিনিয়োগকারীরা ঝুঁকি বুঝতে পারে এবং এটিকে তাদের নিজস্ব সহনশীলতা, লক্ষ্য এবং আবেগগত পছন্দের সাথে সম্পর্কিত করতে পারে।
Robo-উপদেষ্টারা ক্লায়েন্টদের ঝুঁকি বুঝতে সাহায্য করার জন্য পরিমাণগত বা গুণগত ব্যবস্থা ব্যবহার করে। প্রতিটি পরিমাপের তার সুবিধা এবং সীমাবদ্ধতা রয়েছে৷
বিনিয়োগকারীরা কিভাবে সাইকোমেট্রিক প্রশ্নের পূর্বনির্ধারিত তালিকার উত্তর দেয় তার উপর ভিত্তি করে বেশিরভাগ রোবো-উপদেষ্টারা একটি গুণগত ঝুঁকি রেটিং নির্ধারণ করে। এটি সাধারণত "খুব রক্ষণশীল" থেকে "খুব আক্রমনাত্মক" পর্যন্ত একটি সংখ্যাগত স্কেলে পরিসীমা হবে৷
একটি গুণগত ঝুঁকি রেটিং এর সুস্পষ্ট সুবিধা রয়েছে, এটি একে অপরের সাথে সম্পর্কিত বিভিন্ন পোর্টফোলিওর ঝুঁকি উপলব্ধি করা একজন বিনিয়োগকারীর জন্য সহজ করে তোলে। উদাহরণস্বরূপ, একটি "আক্রমনাত্মক" রেটিং দেওয়া একটি পোর্টফোলিও "রক্ষণশীল" লেবেলযুক্ত একটির চেয়ে স্বাভাবিকভাবেই ঝুঁকিপূর্ণ হতে পারে। সাইকোমেট্রিক প্রশ্নগুলি ক্ষতির জন্য বিনিয়োগকারীদের সহনশীলতাকে সংকুচিত করতে এবং উপযুক্ত ঝুঁকির স্তর সনাক্ত করতে সহায়তা করে৷
যাইহোক, একটি গুণগত রেটিং পোর্টফোলিওর প্রত্যাশিত পরিবর্তনশীলতার ক্ষেত্রে একটি স্পষ্ট বোঝা নাও দিতে পারে। একটি মধ্যপন্থী পোর্টফোলিওর তুলনায় একটি আক্রমণাত্মক পোর্টফোলিও কতটা বেশি উদ্বায়ী তা স্পষ্ট নাও হতে পারে। খুব সম্ভবত, 6-এর ঝুঁকির রেটিং এর অর্থ এই নয় যে পোর্টফোলিওটি একটি রেট 3-এর চেয়ে দ্বিগুণ ঝুঁকিপূর্ণ। এছাড়াও, ঝুঁকির ধারণাটি কীভাবে ঝুঁকির রেটিং মৌখিকভাবে প্রকাশ করা হয় তার উপর ভিত্তি করে পরিবর্তিত হতে পারে। বিনিয়োগকারীরা একটি উচ্চ-ঝুঁকির পোর্টফোলিওকে ভিন্নভাবে দেখতে পারে, এটিকে "উচ্চ বৃদ্ধি" বা "খুব আক্রমনাত্মক" লেবেল করা হয়েছে কিনা তার উপর নির্ভর করে। তাই এই ধরনের শ্রেণীকরণ একটি পোর্টফোলিওর অনুভূত আকর্ষণীয়তার সাথে বিষয়গততার একটি স্তরের পরিচয় দেয়৷
রোবো-উপদেষ্টাদের গুণগত ঝুঁকির উপর বেশি জোর দেওয়া নিয়ে আমার উদ্বেগ হল যে এটি বিনিয়োগকারীদের তাদের পোর্টফোলিওগুলির চলমান কার্যকারিতা সম্পর্কে একটি মিথ্যা নিরাপত্তার ধারণা দিতে পারে। একটি আক্রমনাত্মক/রক্ষণশীল পরিসর জুড়ে একটি নির্বিচারে ঝুঁকি স্কোর খুব বিস্তৃত হতে পারে এবং শেষ পর্যন্ত বিনিয়োগকারীদের দ্বারা সাবঅপ্টিমাল ফাইন্যান্সিং প্ল্যানিং সিদ্ধান্তে পরিণত হতে পারে যাদের পরিস্থিতি আগের চিন্তার চেয়ে জটিল হতে পারে। অত্যধিক সরলীকৃত ঝুঁকি সম্পর্কিত উদ্বেগগুলি রোবো-উপদেষ্টাদের পদ্ধতিগত ভুল বিক্রিতে জড়িত থাকার বিষয়ে নিয়ন্ত্রক কলগুলিতে প্রতিধ্বনিত হয়, যেখানে বিনিয়োগকারীরা পণ্যের প্রকৃত প্রকৃতি বুঝতে ব্যর্থ হন৷
গ্রাহক শিক্ষার সাথে প্রাতিষ্ঠানিক পরিমাণগত ঝুঁকির পরিমাপ (ব্যাংক, তহবিল এবং পারিবারিক অফিস দ্বারা ব্যবহৃত) বর্ধিত গ্রহণ রোবো-পরামর্শের পরবর্তী পর্যায়ের চাবিকাঠি হতে পারে। এটি সত্যিই শিল্পকে এগিয়ে নিয়ে যেতে পারে এবং আর্থিক সাক্ষরতা শিক্ষা বৃদ্ধির জন্য জাতীয় আন্দোলনের সাথে সামঞ্জস্যপূর্ণ হতে পারে৷
বিনিয়োগ পোর্টফোলিওর জন্য পরিমাণগত ঝুঁকির পরিমাপ
ঝুঁকিতে মান, বা ভিএআর, একটি পোর্টফোলিওর অস্থিরতার সবচেয়ে জনপ্রিয় পরিমাপ। সহজভাবে বলতে গেলে, VaR হল একটি নির্দিষ্ট সম্ভাব্যতা স্তর হিসাবে ন্যূনতম প্রত্যাশিত ক্ষতির পরিমাপ (আস্থার স্তর বা শতাংশ হিসাবেও পরিচিত)। উদাহরণস্বরূপ, যদি একটি পোর্টফোলিওর 99% VaR হয় 12%, এর মানে হল একটি নির্দিষ্ট সময়ের মধ্যে পোর্টফোলিও থেকে ক্ষতি 12% এর বেশি হবে না এমন একটি 99% সম্ভাবনা রয়েছে। অন্য কথায়, পোর্টফোলিও ক্ষতি 12% এর বেশি হওয়ার 1% সম্ভাবনা রয়েছে। VaR ইতিমধ্যেই কিছু রোবো-উপদেষ্টার দ্বারা প্রয়োগ করা হয়েছে, সিঙ্গাপুরের StashAway থেকে ব্যবহারের এরকম একটি উদাহরণ রয়েছে, যা "ঝুঁকি সূচক" নামে একটি পরিমাপ হিসাবে 99% নির্দেশিকা ব্র্যান্ড করে৷
VaR বিভিন্ন পদ্ধতি ব্যবহার করে গণনা করা যেতে পারে। ঐতিহাসিক পদ্ধতিটি একটি পোর্টফোলিওর ঐতিহাসিক রিটার্নকে মাত্রা অনুসারে সাজায় এবং একটি নির্দিষ্ট শতাংশে (সাধারণত 95% বা 99%) পরিলক্ষিত রিটার্ন সনাক্ত করে। ভ্যারিয়েন্স-কোভেরিয়েন্স পদ্ধতি অনুমান করে যে রিটার্নগুলি সাধারণত বিতরণ করা হয় এবং পোর্টফোলিওর মানক বিচ্যুতি ব্যবহার করে অনুমান করতে যেখানে সবচেয়ে খারাপ 5% বা 1% রিটার্ন বেল বক্ররেখায় থাকবে। মন্টে কার্লো সিমুলেশন ব্যবহার করেও VaR অনুমান করা যেতে পারে, যা সম্ভাব্য ফলাফলের উপর ভিত্তি করে সবচেয়ে খারাপ 5% বা 1% রিটার্ন তৈরি করে।
VaR এর জনপ্রিয়তা এই সত্য থেকে উদ্ভূত হয় যে এটি একজন বিনিয়োগকারীর জন্য একটি পোর্টফোলিওর পরিবর্তনশীলতা বোঝা সহজ করে তোলে এবং ক্ষতির জন্য তাদের ব্যক্তিগত সহনশীলতার সাথে এটি সম্পর্কিত করে। যাইহোক, আমরা পরিমাপের নির্ভরযোগ্যতাকে প্রভাবিত করে, VaR গণনা করতে ব্যবহৃত ইনপুট এবং পদ্ধতির উপর নির্ভর করে বিভিন্ন ফলাফল পেতে পারি। এছাড়াও, VaR অনেক অনুমানের উপর অনেক বেশি নির্ভর করে, যেমন রিটার্ন সাধারণত বিতরণ করা হয় এবং ঐতিহাসিক রিটার্নের সাথে সংযুক্ত করা হয়। অবশেষে, 12% এর 99% VaR (উপরে বর্ণিত) সবচেয়ে খারাপ পরিস্থিতিতে আশা করা যেতে পারে এমন ক্ষতির পরিমাণ সম্পর্কে বিনিয়োগকারীকে অবহিত করে না।
ভিএআর-এর পিছনে বিভিন্ন সতর্কতা হয়তো রোবো-পরামর্শ প্ল্যাটফর্মে এর প্রাধান্যকে সীমিত করছে, এটি ব্যবহারকারীদের বোঝার জন্য একটি জটিল মেট্রিক হিসাবে দেখা হচ্ছে। স্ট্যাশঅ্যাওয়ে এটিকে আরও হজমযোগ্য মেট্রিকে ব্র্যান্ডিং করার উদাহরণটি দেখায় যে কীভাবে এই বাধাগুলি আরও সজাগভাবে ভেঙে ফেলা যায়৷
VaR-এর একটি ত্রুটির সমাধান করা, ঝুঁকির শর্তাধীন মান, বা CVaR, সবচেয়ে খারাপ পরিস্থিতিতে একজন বিনিয়োগকারীকে প্রত্যাশিত ক্ষতি প্রদান করে। 99% আত্মবিশ্বাসের স্তরে, সবচেয়ে খারাপ 1% পরিস্থিতিতে গড় পোর্টফোলিও রিটার্ন হিসাবে CVaR গণনা করা হয়। VaR-এর মতো অনুরূপ পদ্ধতি ব্যবহার করে CVaR অনুমান করা হয়। যদিও এটি VaR-এর তুলনায় সবচেয়ে খারাপ পরিস্থিতির একটি পরিষ্কার ছবি দিতে সাহায্য করতে পারে, এটি অনুমানে ব্যবহৃত অনুমান এবং পদ্ধতির কারণে অনুরূপ ত্রুটির সম্মুখীন হতে পারে।
2020-এর বাজার সংযোগ বিচ্ছিন্ন হওয়া স্বাভাবিক বন্টন প্যাটার্নগুলিকে বিচ্ছিন্ন করে দেয়, এটি প্রদর্শন করে যে CVar-এর মতো আরও "3-মাত্রিক" পোর্টফোলিও ঝুঁকির ব্যবস্থা যোগ করা সুবিধাজনক হতে পারে। স্ট্যান্ডার্ড VaR পরিমাপের সাথে একত্রে, CVaR ডেটা রোবো-উপদেষ্টার ঝুঁকি ব্যবস্থাপনা অফারগুলিকে বাড়িয়ে তুলবে এবং ভালভাবে উপযোগী হবে, এই বিবেচনায় যে বেশিরভাগ রোবো-সম্পদ হল সূচক তহবিল (স্টকের ঝুড়ি)।
সেরা এবং সবচেয়ে খারাপ রিটার্ন একটি নির্দিষ্ট সময়ের দিগন্তে একটি নিরাপত্তা বা পোর্টফোলিওর পর্যায়ক্রমিক রিটার্নের সাথে সম্পর্কিত। বিনিয়োগকারীর সময় দিগন্তের উপর নির্ভর করে রিটার্নটি দৈনিক, মাসিক বা বার্ষিক ভিত্তিতে গণনা করা যেতে পারে। সময়সীমা সাধারণত ডেটার প্রাপ্যতা দ্বারা নির্ধারিত হয়, তবে এটি সর্বোত্তম এবং সবচেয়ে খারাপ পরিলক্ষিত রিটার্নকে প্রভাবিত করতে পারে যদি আমরা যথেষ্ট দীর্ঘ সময় দিগন্ত ব্যবহার না করি।
ইউএস সম্পদের জন্য সেরা এবং সবচেয়ে খারাপ রিটার্ন:1973-2016
পরিমাপটি বিনিয়োগকারীদের সর্বোত্তম এবং সবচেয়ে খারাপ পরিস্থিতির একটি ইঙ্গিত দিতে ঐতিহাসিক রিটার্ন ব্যবহার করে। একটি সুস্পষ্ট সুবিধা হল, VaR এর বিপরীতে, এটি একটি স্বাভাবিক বন্টন অনুমান করার পরিবর্তে ইতিবাচক এবং নেতিবাচক রিটার্নের মধ্যে পার্থক্য করে। বিনিয়োগকারীরা ইতিবাচক অস্থিরতা মনে করেন না এবং বেশিরভাগই নিখুঁত ক্ষতির ঝুঁকি নিয়ে চিন্তিত হন। এছাড়াও, CVaR-এর বিপরীতে, এটি রিটার্নের গড় গ্রহণের পরিবর্তে নিখুঁত সবচেয়ে খারাপ পরিলক্ষিত রিটার্ন দেখায়, যা সবচেয়ে খারাপ পরিস্থিতিকে অবমূল্যায়ন করতে পারে। যাইহোক, অন্যান্য পরিমাণগত ব্যবস্থার মতো, এটিও পশ্চাদমুখী হওয়ার প্রবণতা দেখায় এবং এটি পর্যবেক্ষিত ফলাফলের ডেটাসেটের উপরও নির্ভরশীল।
রোবো-উপদেষ্টা প্ল্যাটফর্মগুলির জন্য সেরা এবং সবচেয়ে খারাপ রিটার্নের ঝুঁকির ব্যবস্থাগুলি উপযুক্ত কারণ তারা আর্থিক অনুপাতের উপর নির্ভর না করে বিনিয়োগকারীদের সাথে স্পষ্টভাবে যোগাযোগ করে। এইরকম একটি ঝুঁকি, যদিও, তারা অযৌক্তিক পক্ষপাতিত্বের জন্য খেলতে পারে এবং একটি পতনশীল বাজারে আতঙ্কিত হয়ে বিক্রি করতে বা জেদিভাবে হারানো ব্যক্তিদের ধরে রাখতে উত্সাহিত করতে পারে৷
একক-সম্পদ পোর্টফোলিওর জন্য কীভাবে VaR, CVaR এবং সেরা এবং সবচেয়ে খারাপ রিটার্ন গণনা করা যেতে পারে তা দেখে নেওয়া যাক। বিবেচনায় নেওয়া সম্পদ হল SPY, যা হল একটি ETF যা বড়-ক্যাপ মার্কিন স্টকগুলিকে ট্র্যাক করে৷
নীচের গণনার জন্য ব্যবহৃত ডেটা জুলাই 2007 থেকে জুন 2020 পর্যন্ত SPY-এর NAV এবং মাসিক রিটার্ন সম্পর্কিত। গণনাগুলি Excel বা Google Sheets ফাংশন ব্যবহার করে করা যেতে পারে।
VaR - 11.8% VaR বোঝায় যে একটি নির্দিষ্ট মাসে SPY 11.8% এর বেশি হারানোর সম্ভাবনা 1%। অন্য কথায়, SPY 99% মাসে 11.8% ক্ষতির চেয়ে ভাল মাসিক রিটার্ন প্রদান করেছে। ধাপ (গুগল শীট/এক্সেল):
CVaR - 14.5% CVaR বোঝায় যে 1% সবচেয়ে খারাপ ফলাফলের সময় SPY-তে প্রত্যাশিত মাসিক ক্ষতি হল 14.5%। এটি Google পত্রক/এক্সেলে AVERAGEIF ফাংশন ব্যবহার করে নির্ণয় করা যেতে পারে যাতে VaR ফলাফলের চেয়ে কম রিটার্নের গড় গণনা করা যায়।
সেরা এবং সবচেয়ে খারাপ রিটার্ন - সারণীতে দেখানো হয়েছে, 2007-2020 সময়কালে SPY-তে সর্বোত্তম এবং সবচেয়ে খারাপ মাসিক আয় যথাক্রমে +13% এবং -16% ছিল৷ এগুলি MIN ব্যবহার করে দ্রুত গণনা করা যেতে পারে এবং MAX ফাংশন।
উল্লিখিত হিসাবে, এটি লক্ষ করা গুরুত্বপূর্ণ যে এই ব্যবস্থাগুলি পদ্ধতির পাশাপাশি পর্যবেক্ষণের সময়কালের উপর নির্ভর করে বিভিন্ন মান দিতে পারে। পদ্ধতি এবং সময়কালের পছন্দ ডেটার প্রাপ্যতা, প্রত্যাশিত বিনিয়োগের সময় দিগন্ত এবং ব্যক্তিগত বিচারের মতো বিষয়গুলির উপর ভিত্তি করে হওয়া উচিত।
ঐতিহ্যগত সম্পদ ব্যবস্থাপনার মূল ভিত্তি হল পোর্টফোলিওগুলিকে ব্যক্তিগত প্রয়োজনের জন্য তৈরি করা, তা সময়সীমা, নৈতিক, ঝুঁকির ক্ষুধা এবং আয়-ভিত্তিক প্রয়োজনে হোক; যে জন্য, প্রতিটি পদ্ধতির ইচ্ছামত. রোবো-পরামর্শকে যা আকর্ষণীয় করে তোলে তা হল কীভাবে এর স্বয়ংক্রিয় পদ্ধতিগুলি গ্রাহক বেস জুড়ে কাজ করতে পারে৷
যাইহোক, রোবো-উপদেষ্টাদের ক্লায়েন্টদের তাদের পোর্টফোলিও অফারগুলির ঝুঁকি রিটার্ন ট্রেডঅফগুলি স্পষ্টভাবে বুঝতে সাহায্য করতে হবে যাতে তারা তাদের ব্যক্তিগত চাহিদা পূরণ করে এমন সঠিক পোর্টফোলিওগুলি বেছে নিতে পারে। গুণগত ঝুঁকির পরিমাপগুলি রোবো-পরামর্শ দেওয়ার জন্য "র্যাম্পে" সহজে বোঝা যায়, কিন্তু সময়ের সাথে সাথে তাদের প্যারামিটারগুলি অপ্রয়োজনীয় হয়ে উঠতে পারে। যাইহোক, এখানে বর্ণিত পরিমাণগত ঝুঁকির পরিমাপের সাথে একত্রে ব্যবহার করা হলে, তারা পোর্টফোলিও পারফরম্যান্সের প্রতি আরও সামগ্রিক ঝুঁকি ব্যবস্থাপনা নির্দেশিকা এবং সচেতনতা প্রদান করতে সহায়তা করে।