LO 2d Exam Patterns — Optimal Portfolio Allocation (ไทย)

LO 2d Exam Patterns — Optimal Portfolio Allocation

วิเคราะห์ pattern ของข้อสอบ, framework ในการตอบ, และข้อสอบเก่าสำหรับ LO 2d: Recommend and justify optimal portfolio allocation in a risk-return framework

Question Patterns (รูปแบบข้อสอบที่เจอบ่อย)

Pattern 1: Recommend & Justify (แบบคำนวณ)

โจทย์ให้มา: portfolio 2–3 ตัว พร้อม E(R) กับ σ และ risk aversion λ ของ investor สิ่งที่ต้องทำ: Recommend portfolio ที่ดีที่สุด แล้ว justify สกิลหลัก: คำนวณ utility ของแต่ละ portfolio แล้วเลือกตัวที่สูงสุด

Pattern 2: Recommend & Justify (แบบใช้ framework)

โจทย์ให้มา: scenario ของ institutional investor (pension/insurer) — manager คนนึงใช้ asset-only MVO อีกคนใช้ liability-relative สิ่งที่ต้องทำ: Recommend ว่าวิธีไหนเหมาะกว่า สกิลหลัก: identify ประเภทของ investor ก่อน → เลือก framework ให้ถูก (asset-only vs surplus). Justify ว่าทำไม surplus volatility คือ risk metric ตัวจริง

Pattern 3: Critique a Statement

โจทย์ให้มา: manager พูดอะไรบางอย่างเกี่ยวกับ heuristic หรือ MVO สิ่งที่ต้องทำ: Evaluate คำพูดนั้น สกิลหลัก: หาจุดบกพร่องให้เจอ. เป้าหมายที่เจอบ่อย: Risk Parity (“ignores E(R)”), MVO (“input sensitive”), asset-only สำหรับ ALM (“ignores liabilities”)

Pattern 4: Critique MVO & Explain Solutions

โจทย์ให้มา: “Explain the common criticisms of MVO and describe how [Reverse Optimization / Black-Litterman] addresses them” สกิลหลัก: list ข้อเสีย 2 อย่าง (Input Sensitivity, Concentration). Explain ว่า B-L เริ่มจาก market-implied E(R) ที่ stable (จาก reverse optimization) แล้ว blend manager views เข้าไป

Answer Frameworks / Templates (โครงคำตอบให้ท่องเลย)

Template: “Recommend and Justify an Optimal Portfolio Allocation”

อันนี้คือ format ที่เจอบ่อยสุดของ LO 2d:

Step 1 — บอก Objective:

“The investor’s primary objective is [maximize asset-only returns / manage surplus volatility relative to liabilities].”

Step 2 — เลือก Framework:

“Given this objective, the most appropriate framework is [MVO / Surplus Optimization]. This framework defines risk as [asset volatility σ_A / surplus volatility σ_S].”

Step 3 — วิเคราะห์ตัวเลือก (คำนวณ):

“To select the optimal portfolio, we apply the utility function: $U_m=E(R_m)-0.005\lambda {\sigma }_m^2$, where λ = [X].”

• “Portfolio A: $U_A$ = …”
• “Portfolio B: $U_B$ = …”
• “Portfolio C: $U_C$ = …”

Step 4 — Recommendation:

“Based on this analysis, Portfolio [B] is recommended.”

Step 5 — Justification:

“Portfolio [B] provides the highest risk-adjusted return (Utility = [6.0]) for this investor’s risk aversion (λ = [4]). Although Portfolio [A] offers a higher expected return, its significantly higher volatility results in a lower overall utility ([4.88]) and is therefore sub-optimal.”

Template: “Critique an Asset-Only Approach for ALM”

Step 1: ระบุว่า investor มี liabilities → asset-only ไม่เหมาะ Step 2: บอก framework ที่ถูกต้อง: “The appropriate framework is Surplus Optimization.” Step 3: Explain: “The surplus variance depends on asset-liability correlation (${\rho }_{A,L}$). The portfolio with the highest correlation to liabilities provides the best natural hedge, reducing surplus volatility — which is the insurer’s/pension’s primary risk.” Step 4: Recommend portfolio ที่มี ${\rho }_{A,L}$ สูงกว่า — ไม่ใช่ตัวที่ σ_A ต่ำกว่า

Past Exam Analysis (วิเคราะห์ข้อสอบเก่า)

QFI PM Fall 2020, Q16 (LO 2d, 2f)

ออกอะไรมา: Corner Portfolio table ที่มี portfolio 5 ตัว (E(R), σ, asset weights). มี 3 parts:

1. Calculate ค่าที่หายไป (σ ของ 2-asset portfolio, Sharpe Ratio)
2. ใช้ Corner Portfolio Theorem interpolate asset weights สำหรับ target return 8.17% (อยู่ระหว่าง portfolio 4 กับ 5)
3. Critique Black-Litterman กับ Experience-Based approaches

สกิลที่ต้องมี:

• สูตร σ ของ 2-asset portfolio
• Linear interpolation: $R_{target}=w\cdot R_4+(1-w)\cdot R_5$ → solve หา $w$ → apply กับ asset weights
• B-L critique: stable inputs, incorporates views, แต่ก็ยัง depend on quality of views

QFI PM Fall 2021, Q12 (LO 2d) — “The Complete LO 2d Question”

ออกอะไรมา: 4 parts ครอบคลุมทั้ง definitions, calculation, critique, application:

1. Define MVO terms (Efficient Portfolio, GMVP, Tangency Portfolio, CML)
2. Calculate σ ของ current portfolio
3. Critique คำแนะนำของ manager ที่บอกว่า “sell all equities and buy bonds to reduce risk”
4. แสดงว่าการเพิ่ม risk-free asset (CML) ทำให้ได้ portfolio ที่ดีกว่ายังไง

Critical insight (Part 3): model solution บอกว่า current portfolio คือ GMVP อยู่แล้ว. ดังนั้น การ reallocate risky assets ใดๆ (รวมถึงการขาย equities ไปซื้อ bonds) จะ เพิ่ม risk. สัญชาตญาณของ manager ผิด — นี่คือ “gotcha” ที่ exam ชอบออก

Critical insight (Part 4): CML แสดงว่าการ mix Tangency Portfolio กับ risk-free asset จะ dominate efficient frontier. นายจะได้ E(R) เท่าเดิมแต่ σ ต่ำกว่า ถ้าย้ายมาอยู่บน CML

QFI PM Fall 2024, Q4 (LO 2d, 2k)

ออกอะไรมา: liability-relative framework แบบตรงๆ:

1. Benefits ของ Monte Carlo Simulation (MCS)
2. Describe components ของ Surplus Utility Function ($U_m^{LR}$)
3. Calculate: ต้องเพิ่ม $E(S{R}_m)$ เท่าไร (สำหรับ Portfolio A) หรือลด $\sigma (S{R}_m)$ เท่าไร (สำหรับ Portfolio B) เพื่อให้ utility เท่ากับ current portfolio?

สกิลหลัก: algebraic manipulation ของสูตร surplus utility. ตั้ง $U_{current}=U_{new}$ แล้ว solve หาตัวแปรที่หายไป. Algebra ตรงๆ แต่ต้องจำสูตรได้แม่น

Practice Scenarios

Scenario 1: The “Utility Trap” (Asset-Only)

• Endowment, λ = 4
• Portfolio A: E(R) = 10%, σ = 16%
• Portfolio B: E(R) = 8%, σ = 10%

Solution:

• $U_A=10-0.005(4)(16^2)=10-5.12=4.88$
• $U_B=8-0.005(4)(10^2)=8-2.00=6.00$
• Recommend B. E(R) ที่สูงกว่าชดเชย volatility penalty ที่ λ = 4 ไม่ไหว

Scenario 2: The “ALM Trap” (Liability-Relative)

• P&C Insurer, ${\sigma }_L=7\%$
• Portfolio X: E(R) = 9%, σ_A = 10%, ${\rho }_{A,L}=0.1$
• Portfolio Y: E(R) = 8%, σ_A = 9%, ${\rho }_{A,L}=0.8$

Solution:

• Asset-only approach (Sharpe, MVO) ไม่เหมาะ — ignores liabilities
• Framework ที่ถูก: Surplus Optimization. ตัวขับหลักคือ ${\rho }_{A,L}$
• Recommend Y. correlation ที่สูง (0.8) กับ liabilities ทำหน้าที่ natural hedge ได้ดี → surplus volatility ต่ำกว่า. Portfolio X correlation ต่ำ (0.1) แทบไม่ hedge อะไรเลย ถึงแม้ asset-only stats จะดูโอเค

Common Pitfalls (กับดักที่เจอบ่อย)

Pitfall	ทำไมถึงผิด	วิธีที่ถูก
Using Sharpe Ratio for pension/insurer	Sharpe เป็น asset-only; ignores liabilities	ใช้ Surplus Optimization (เอา surplus volatility เป็น risk)
Recommendation without justification	บอก “Portfolio B” เฉยๆ = 0 marks	ต้องโชว์ calculation (utility) หรือ conceptual reasoning
Confusing Risk Parity and Risk Budgeting	Risk Parity = heuristic (ignores E(R)); Risk Budgeting = optimality condition (includes E(R)/MCTR)	จำความต่างให้แม่น
Saying B-L fixes non-normality	B-L แก้ input E(R) instability ไม่ได้แก้ skewness/kurtosis	B-L scope: market-implied E(R) + views
Assuming lower σ_A always means lower risk for ALM	Surplus volatility depends on asset-liability correlation ไม่ใช่แค่ σ_A	${\rho }_{A,L}$ สูง → hedge ดีกว่า → surplus risk ต่ำกว่า

Critical Keywords (วลีที่ต้องท่องให้ขึ้นใจ)

Term	Exam-Ready Phrasing
Mean-Variance Optimization	”The foundational framework for asset-only allocation”
Risk Aversion (λ)	“The investor’s price of risk; higher λ = higher penalty for variance”
Input Sensitivity	”A small change in E(R) inputs leads to large, unstable changes in output weights”
Reverse Optimization	”Derives implied returns from market-cap weights, producing stable diversified allocations”
Black-Litterman	”Blends market-implied E(R) with the manager’s views in a Bayesian framework”
Surplus Optimization	”Optimizes surplus return against surplus volatility — the correct framework for ALM”
Hedging/Return-Seeking	”Two-portfolio approach: hedging portfolio to defease liabilities, return-seeking portfolio for surplus”
Risk Parity	”Allocates based on risk contribution; flawed because it ignores expected returns”
MCTR	”Marginal Contribution to Total Risk — optimal portfolio equalizes E(R)/MCTR across assets”

Cross-References

• asset-allocation — concept page ที่มี framework เต็มๆ
• keynote-gem-lo-2d — source keynote
• investment-policy-statement — IPS ให้ λ กับ constraints (inputs ของ MVO)
• lo-2abc-exam-patterns — exam patterns ของ LO 2a/2b/2c ที่เกี่ยวข้อง
• performance-attribution — Risk Budgeting เชื่อมกับ attribution (LO 2k)