VaR: сравнение вариационно-ковариационного подхода с историческим. VaR и стресс-тесты — основные механизмы измерения рыночных рисков

Помимо стандартного отклонения, инвестиционные кампании рассчитывают такой показатель риска как VaR (Value at Risk). Этот показатель характеризует величину возможного убытка с выбранной вероятностью за определенный промежуток времени. Value-at-Risk рассчитывается 3-мя методами:

1. Вариация/ ковариация (или корреляция или параметрический метод)
2. Историческое моделирование (дельта нормальный метод, «ручной рассчет»)
3. Расчет при помощи метода Монте -Карло

Для расчета параметра риска Value at Risk с помощью дельта нормального метода , необходимо сформировать выборку фактора риска, необходимо, что бы количество значений выборки было больше 250 (рекомендация Bank of International Settlements), для обеспечения репрезентативности. Возьмем данные котировок акции Газпрома за период с 9 января 2007 года по 31 июля 2008 года.

Для котировок акции Газпрома рассчитаем дневную доходность по формуле:

Где: Д – дневная доходность;
Рi- текущая стоимость акции;
Рi-1 – вчерашняя доходность акции.

Правильность использования метода Value at Risk при дельта нормальном способе расчета, достигается при использовании только факторов риска подчиненным нормальному (Гауссовому) закону распределения. Для проверки нормальности распределения доходностей акции можно воспользоваться критериями Пирсона или Колмогорова -Смирнова.
Формула в Excel будет выглядеть следующим образом:

LN((C3)/C2)
В итоге получилась следующая таблица.

После этого необходимо рассчитать математическое ожидание доходности и стандартное отклонение доходности за весь период. Воспользуемся формулами Excel.
Математическое ожидание =СРЗНАЧ(D2:D391)
Стандартное отклонение =СТАНДОТКЛОН(D2:D391)

На следующем этапе необходимо рассчитать квантиль нормальной функции распределения. Квантиль – это значения функции распределения (Гауссовой функции) при заданных значениях, при которых значения функции распределения не превышают это значение с определенной вероятностью. Квантиль сообщает то, что убытки по акции Газпром не превысят с вероятностью 99%.

Квантиль рассчитывается по формуле:
=НОРМОБР(1%;F2;G2)

Для расчета стоимости акции с вероятностью 99% на следующий день, необходимо перемножить последнее (текущее) значение стоимости акции на квантиль сложенный с единицей.


Xt+1 –значение доходности в следующий момент времени.

Для расчета стоимости акции на несколько дней вперед с заданной вероятностью, воспользуемся следующей формулой.

Где: Q- значение квантиля для нормального распределения акции Газпрома;
Xt- значение доходности акции в текущий момент времени;
Xt+1 –значение отклонения доходности в следующий момент времени;
n - количество дней вперед.

Формулы расчета VAR на один день VAR(1) и на пять VAR(5) дней вперед производится по формулам:
X(1) =(F5+1)*C391
X(5) =(КОРЕНЬ(5)*F5+1)*C391

Расчет значения цены акции с вероятностью 99% при убытках показан на рисунке ниже.

Полученные значения Х(1) = 266.06 говорит о том, что в течение следующего дня, курса акции Газпрома не превысят значения в 226.06 руб. с вероятностью 99%. И Х(5) говорит о том, что в течение следующих пяти дней с вероятностью 99% курс акции Газпрома не опустится ниже 251.43 руб.

Для расчета самого Var (величина возможных убытков), рассчитаем абсолютное значение убытков и относительное. Формулы в Excel будут следующими:
=C392-G7 =G11/C392
=C392-G8 =G12/C392

Эти цифры говорят следующее: убыток по акции Газпрома с вероятностью 99% не превысит 7.16 руб. на следующий день и убыток по акции Газпрома с вероятностью 99% не превысит 21.79 руб. за следующие пять дней.

Расчет показателя Value at Risk «ручным способом»
Создадим новый рабочий лист в Excel. Для того что бы определить значения Value at Risk «ручным способом», необходимо найти:

1. Максимум доходностей за весь временной диапазон =МАКС(Лист1!D3:D392)
2. Минимум доходностей за весь временной диапазон =МИН(Лист1!D3:D392)
3. Количество интервалов (N) = 100
4. Интервал группировки (Int) =(B1-B2)/B3

Ниже показан расчет этих параметров.

После построим гистограмму накопительной вероятности. Для этого выберем Сервис ->Анализ Данных -> Гистограмма.

Входной интервал включает в себя значения доходностей акции Газпром. Интервал карманов это интервалы доходностей. Так же поставим галочки на флаге «Интегральный процент» и «Вывод графика». После проделанной операции получится следующий график и таблица накопительной вероятности.

В таблице накопительной вероятности найдем значения вероятности 1% (Это соответствует колонке «Интегральный %») и определим значения квантиля. Первая колонка это значения квантилей для распределения доходности акций Газпрома, вторая колонка частота появления таких значений на исторической выборке и третья колонка это вероятность появления таких убытков.

Значения квантиля будут равняться -0,0473, при подсчете первым методом значение квантиля равнялось 0,0425. Далее расчет делается аналогично дельта нормальному методу.
В таблице ниже представлен расчет VaR. Возможные убытки с вероятностью 99% не превысят на следующий день 8,47 руб. и в течение пяти дней не превысят 24,72 руб.

Выводы
Мера риска Value at Risk позволяет оценить величину возможных убытков в количественных показателях, что является эффективным методом управления финансовыми рисками.

Методы оценки рисков

Виды рисков

Риск характеризуется как опасность возникновения непредвиденных потерь ожидаемой прибыли, дохода, имущества или денежных средств в связи со случайным изменением условий экономической деятельности и неблагоприятными обстоятельствами.

О бычно выделяют 2 вида риска: системный и специфический риски.

Системный риск представляет собой риск глобальных негативных изменений в банковской, финансовой системе и в экономике страны, влияющий на рынок в целом.

С истемный риск подразумевает значительные потери, вызываемые снижением стоимости активов, невыполнением своих обязательств контрагентами и нарушениями в работе платежных систем. В рамках системного кризиса риски различных видов, независимые в стабильной ситуации, показывают значительную корреляцию.

К системным рискам можно отнести:

• риск изменения процентной ставки — риск, связанный со снижением или повышением процентной ставки центральным банком страны. При снижении процентной ставки уменьшается стоимость кредитов, получаемых компаниями, и увеличивается их прибыль, что является благоприятным для рынка акций. И наоборот, увеличение процентной ставки негативно влияет на рынок.
• инфляционный риск — вид риска, вызванный ростом инфляции. Рост инфляции уменьшает реальную прибыль компаний, что негативно влияет на рынок, а также вызывает появление другого риска — риска изменения процентной ставки.
• валютный риск — риск, возникающий вследствие как политических, так и экономических факторов, связанный с резким изменением курса валюты.
• политический риск — угроза негативного воздействия на рынок из-за смены правительства, режима государственного устройства, угрозы войны и т.п.

Специфический риск (несистемный или диверсифицируемый риск) вызывается событиями, относящимися только к конкретной компании или эмитенту, такими как управленческие ошибки, заключение новых контрактов, выпуск новых продуктов, слияния, приобретения и т.п.

Э ти риски называют также "рисками отдельных ценных бумаг" или "уникальными рисками", поскольку такие риски, как правило, бывают присущи ценным бумагам определенной компании или, более того, только конкретным финансовым инструментам. К несистемным относятся следующие категории рисков:

• риск потери ликвидности — спрос на те или иные ценные бумаги может подвергаться значительным изменениям, в том числе пропадать на продолжительные периоды времени;
• предпринимательский риск — стоимость ценных бумаг (в частности, акций) любой компании зависит от того, насколько успешно компания развивается в выбранном ею направлении;
• финансовый риск — цена акций компании может колебаться в зависимости от проводимой ее руководством финансовой политики.

  Методы оценки риска VaR (Value at Risk). Рыночный риск. Пример расчета в Excel

  Так, например, степень финансового риска увеличивается, если в финансировании деятельности компании ее руководство большое значение придает выпуску корпоративных долговых обязательств;

• риск невыполнения обязательств — эмитент, в силу различных причин (например, банкротство), может оказаться не в состоянии выполнить в срок или вообще выполнить свои обязательства перед держателями его ценных бумаг.

Риск и доход. П о существу, соотношение между риском и доходом оценивается так: чем выше риск, тем больший доход рассчитывает получить инвестор. Как правило, долгосрочные инвесторы подвергаются большему риску, поэтому они обычно получают более высокие доходы в долгосрочной перспективе.

Оценка рисков

Под "оценкой риска" подразумевается его количественное измерение. Современный подход к проблеме оценки риска включает два различных, но дополняющих друг друга подхода:

• метод оценки стоимости риска — VaR (Value-at-Risk), базирующийся на анализе статистической природы рынка;
• метод анализа чувствительности портфеля к изменениям параметров рынка — Stress or Sensitivity Testing .

Методика оценки рисков VaR

VaR — это статистический подход. Методология VaR обладает рядом несомненных преимуществ: она позволяет измерить риск в терминах возможных потерь, соотнесенных с вероятностями их возникновения; позволяет измерить риски на различных рынках; позволяет агрегировать риски отдельных позиций в единую величину для всего портфеля, учитывая при этом информацию о количестве позиций, волатильности на рынке и периоде поддержания позиций.

VaR является суммарной мерой риска, способной производить сравнение риска по различным портфелям (например, по портфелям из акций и облигаций) и по различным финансовым инструментам (например, форварды и опционы).

VaR является универсальной методикой расчёта различных видов риска:
— ценового риска — риска изменения стоимости цены финансового актива на рынке;
— валютного риска — риска, связанного с изменением рыночного валютного курса национальной валюты к валюте другой страны;

— кредитного риска — риска, возникающего при частичной или полной неплатёжеспособности заёмщика по взятому кредиту;

— риска ликвидности — риска, связанного с невозможностью продажи финансового актива, либо реализации с большими убытками, возникающими при продаже актива в силу большой разницы величины покупки/продажи, существующей на рынке.

С утью расчетов VaR является чёткий и однозначный ответ на вопрос, возникающий при проведении финансовых операций: какой максимальный убыток рискует понести инвестор за определённый период времени с заданной вероятностью? Отсюда следует, что величина VaR определяется как наибольший ожидаемый убыток, который с заданной вероятностью может получить инвестор в течение n дней. Ключевыми параметрами VaR являются период времени, на который производится расчёт риска, и заданная вероятность того, что потери не превысят определенной величины.

Д ля вычисления VaR необходимо определить ряд базовых элементов, влияющих на его величину. В первую очередь, это вероятностное распределение рыночных факторов, напрямую влияющих на изменения цен входящих в портфель активов. Очевидно, что для его построения необходима некоторая статистика по поведению каждого из этих активов во времени. Если предположить, что логарифмы изменений цен активов подчиняются нормальному гауссовскому закону распределения с нулевым средним, то достаточно оценить только волатильность (т. е. стандартное отклонение). Однако на реальном рынке предположение о нормальности распределения, как правило, не выполняется. После задания распределения рыночных факторов необходимо выбрать доверительный уровень (confidence level), то есть вероятность, с которой потери не должны превышать VaR . Затем надо определить период поддержания позиций (holding period), на котором оцениваются потери. При некоторых упрощающих предположениях известно, что VaR портфеля пропорционален квадратному корню из периода поддержания позиций. Поэтому достаточно вычислить только однодневное VaR . Тогда, например, четырехдневное VaR будет в два раза больше.

Г оворя простым языком, вычисление величины VaR производится с целью формулирования утверждения подобного типа: "Мы уверены на Х% (с вероятностью Х%), что наши потери не превысят величины Y в течение следующих N дней." В данном положении неизвестная величина Y и есть VaR .

РАСЧЕТ VaR
Д ля начала нужно определить логарифмы однодневных изменений курсов акций для каждой позиции по формуле:

где F — курс акции на i-тую дату
З атем рассчитывается стандартное отклонение для каждой позиции:

где N — количество дней.
П ри расчете значения VaR на период более одного дня данное выражение умножается еще и на корень их числа дней, на которое рассчитывается VaR .
П осле этого уже рассчитывается сам показатель VaR по формуле:

где k — коэффициент, соответствующий каждому из доверительных уровней 90%, 95%, 97,5% и 99%;
P — текущая стоимость финансового инструмента;
N — количество финансовых инструментов данной позиции. О бычно расчет VaR производится для доверительных уровней 90%, 95%, 97,5% и 99%.
Коэффициенты, соответствующие каждому из доверительных уровней, приведены в таблице:

ПОСМОТРЕТЬ ЕЩЕ:

Текст научной статьи на тему «КОНЦЕПЦИЯ РИСКОВОЙ СТОИМОСТИ И ЕЕ ПРИМЕНЕНИЕ В РИСК-МЕНЕДЖМЕНТЕ НЕФИНАНСОВЫХ КОМПАНИЙ»

Концепция рисковой стоимости и ее применение в риск-менеджменте нефинансовых компаний

Т.В. Барсукова,

аспирант кафедры финансов, Санкт-Петербургский государственный университет экономики и финансов (191023, г. Санкт-Петербург, ул. Садовая, 21; e-mail: [email protected])

Аннотация. Активное внедрение на предприятиях системы риск-менеджмента, а также опыт участников финансового рынка в данной области способствовали популяризации среди нефинансовых компаний методов оценки рисков, основанных на концепции рисковой стоимости VaR. В связи с этим приобретает актуальность вопрос целесообразности использования данного подхода для предприятий реального сектора экономики. В настоящей работе рассмотрена область применения VaR как для финансовых, так и для нефинансовых компаний, выделены преимущества и недостатки различных методов расчета рисковой стоимости. Сделан вывод о том, что методология VaR может выступать дополнительным механизмом анализа рисков и подходит для крупных предприятий, чья деятельность в значительной степени подвержена воздействию рыночных рисков.

Abstract. The active adoption of the system of enterprise risk management and also an experience of participants of financial market in this sphere promoted the popularity of methods of risks evaluation based on the concept of value at risk among non-financial companies. Thereupon the question of the expediency of use of these methods for enterprises of the real sector of economy gains urgency. In the present work is examined an area of application of VaR for financial as well as non-financial companies, are cited advantages and disadvantages of different methods of calculation of value-at-risk. It is concluded that the methodology VaR can serve as additional mechanism of analisis of risks, and is fit for large enterprises whose activity is exposed to a considerable degree to the effects of market risks.

Ключевые слова: риск, рисковая стоимость, оценка, риск-менеджмент. Keywords: risk, value at risk, evaluation, risk management.

Характерной особенностью многих российских нефинансовых компаний, занимающихся внедрением системы риск-менеджмента на уровне всего предприятия, является тенденция к упрощению моделей, используемых при оценке рисков. Основываясь на зарубежный опыт в области управления рисками, отечественные компании применяют в качестве фундамента для расчетов и оценки уровня рисков концепцию рисковой стоимости (Уа1ие-а{-^к — УаР), относящуюся к классу статистических моделей.

Применение данной концепции обусловлено возможностью его использования для оценки доходности вложений с учетом риска, определения достаточности капитала и его диверсификации, для вычисления лимитов по открытым позициям, а также для оценки деятельности компании.

Наибольшее распространение данная концепция, наряду с финансовыми организациями и институциональными инвесторами, получила среди крупных нефинансовых компаний, чья деятельность сопряжена с мировыми рынками сырья и капитала, экспортными и импортными операциями, а, следовательно, подвержена рыночным рискам, связанным с колебаниями процентных ставок, обменных курсов, цен на сырье и ценные бумаги.

Исторически начало применения концепции рисковой стоимости относится к концу 1980-х — началу 1990-х годов среди крупных американских банков. Появившись в ответ на потребность в единой, оперативной, доступной для понимания оценке совокупного риска портфеля активов, концепция УаР быстро приобрела популярность среди участников финансового рынка. Однако прежде чем получить признание сре-

ди нефинансовых корпораций, концепция рисковой стоимости прошла через ряд этапов:

1993 г.: по заказу Группы Тридцати (G30) банком J.P. Morgan был подготовлен и опубликован доклад «Derivatives: practices and principles», где впервые появился термин «Value-at-Risk»;

1994 г.: компания J.P. Morgan произвела публикацию и размещение в Интернете в открытом доступе описания методологии оценивания риска RiskMetrics™, на базе которой разработал программный пакет FourFifteen по вычислению VaR;

1997 г.: американская Комиссия по ценным бумагам и биржам (Securities & Exchange Commission - SEC) в отношении подотчетных ей компаний утвердила правила по обязательному раскрытию информации о рыночной стоимости их финансовых активов и производных финансовых инструментов, подверженных флуктуации финансовых рынков, где VaR был признан одной из возможных методик расчета.

Таким образом, концепция VaR приобрела статус стандарта раскрытия информации о риске компании как для собственных целей, так и для предоставления в отчетах для инвесторов и регулирующих органов.

Среди нефинансовых компаний, первыми начавших применять подход VaR для оценки рыночного риска, можно выделить американскую компанию Mobil Oil, немецкие компании Veba и Siemens, а также норвежскую Statoil .

Популяризация концепции среди компаний реального сектора экономики повлекла за собой необходимость в разработке корпоративной версии VaR, которая бы учитывала специфику риск-менеджмента нефинансовых корпо-

Экономика и предпринимательство, № 6, 2013 г.

раций, в частности значимость нефинансовых факторов при оценке рисков. Первые аналоги VaR были предложены в 1999 г. консалтинговыми группами RiskMetrics Group в виде программного пакета CorporateManager™ и NERA (National Economic Research Associates) в виде методологии вычисления денежного потока (Cash Flow) в условиях риска CFaR, выделив основным риском для нефинансовых корпораций риск снижения операционных денежных потоков. Среди альтернативных методик измерения риска в корпорациях, появившихся в последние годы, следует выделить методики, основанные на использовании регрессионного анализа. В настоящее время продолжаются исследования по разработке адекватной системы оценки стоимости риска для компаний указанного типа.

В общем виде VaR — это выраженная в денежных единицах максимальная величина потенциальных потерь от изменения стоимости рискового актива или портфеля в целом в течение определенного периода времени при заданном доверительном интервале. Иными словами, VaR позволяет вычислить, насколько может снизиться стоимость позиции по финансовому инструменту или по портфелю инструментов в результате проявления тех или иных рисков (например, изменения курсовых ставок, колебания рыночных цен, волатильности рынка акций) на протяжении конкретного временного промежутка с определенным уровнем вероятности. Например, если рисковая стоимость на один день составляет 1 млн у.е. с доверительным интервалом 95%, это означает, что в течение одного дня потери, превышающие 1 млн у.е., могут произойти не более чем в 5% случаев.

Как видно из определения, ключевыми элементами при вычислении рисковой стоимости являются временной горизонт, в течение которого оценивается риск, доверительный интервал и заданный уровень потерь стоимости актива.

Установление временного горизонта зависит от частоты проведения сделок с данными активами, и их ликвидности, а также от наличия статистических данных по распределению прибылей и убытков для выбранного периода. В отличие от финансовых институтов, типичным периодом расчета для которых является 1 день, нефинансовые компании и стратегические инвесторы могут фиксировать и большие периоды времени. Предполагается, что состав и структура оцениваемого портфеля активов остается неизменным на протяжении всего временного интервала, для которого вычисляется VaR. С удлинением временного горизонта показатель рисковой стоимости будет возрастать.

Value At Risk

На практике считается, что за временной интервал в n дней величина рисковой стоимости будет приблизительно в Vn раз больше, чем за один день .

Доверительный интервал может быть определен как исходя из субъективной оценки вероятности потерь риск-менеджером, так и объективным методом путем выявления точек пересечения двух графиков: реально наблюдаемого эмпирического распределения вероятностей прибылей и убытков и плотности нормального распределения. На практике чаще всего довери-

тельный интервал устанавливается на уровне 95% Надзорные органы ориентируются на уровень 99%, рекомендованный Базельским комитетом по банковскому надзору . С увеличением доверительного уровня рисковая стоимость будет также возрастать.

При всем множестве существующих методик расчета величины УэР, их разнообразных модификаций и комбинаций, в основе ее вычисления лежат три базовых экономико-математических подхода:

Аналитический, или ковариационный, опирающийся на использование дисперсий и ковариаций рыночных рисков, а также на предположения о распределении доходностей;

Имитационное моделирование на основе исторических данных;

Имитационное моделирование по методу Монте-Карло, или стохастическое моделирование.

Ковариационный метод преимущественно отличается простотой реализации и сравнительно небольшими затратами на сбор и обработку первичных данных. В то же время этот подход ограничен необходимостью предположений относительно природы распределения доходностей стандартизированных активов, предшествующих этапу вычисления. Как правило, предположение о нормальном распределении не соответствует реальным характеристикам финансового рынка, что приводит к низкой точности производимой оценки.

В отличие от аналитического подхода, метод исторического моделирования не лимитирован проблемами, связанными с выдвижением конкретных предположений о характере распределения доходностей, обладает наглядностью, высокой точностью оценки рисков нелинейных инструментов, однако требует наличия обширной базы данных по всем факторам риска. Данный метод неявно предполагает репрезентативность исторических данных по отношению к потенциальным будущим рискам, что предопределяет сложности при высокой волатильности рисков на рынке, а также при возникновении новых рисков ввиду отсутствия исторических данных для вычисления величины УэР. Кроме того, при небольшом объеме исторических данных велика вероятность ошибок в расчетах рисковой стоимости.

Наиболее технически сложным и затратным в плане материальных и временных ресурсов

Для дальнейшего прочтения статьи необходимо приобрести полный текст. Статьи высылаются в формате PDF на указанную при оплате почту. Время доставки составляет менее 10 минут . Стоимость одной статьи — 150 рублей .

Показать целиком

Пoхожие научные работыпо теме «Экономика и экономические науки»

ГЛАВА 6 СТОИМОСТЬ ПОД РИСКОМ (Value at Risk)

Общие замечания

Показатель VaR(Value at Risk) появился в 90-е годы прошлого века. Определяет стоимость портфеля финансовых активов, которой рискует инвестор. Появление VaR связано с тем, что во многих случаях дисперсия не может служить хорошим показателем, измеряющим риск портфеля активов.

VaR- показатель риска, показывающий, какой максимальный ущерб может понести актив или портфель активов инвестора в течение определенного периода времени с заданной доверительной вероятностью.

Предполагается, что в период времени, для которого производится оценка, изменение в портфеле активов не происходит. Наиболее распространенный период, на который рассчитывается VaR – один день. Чем больше период, на который рассчитывается VaR, тем большее количество наблюдений необходимо. Так, для объективной оценки однодневного VaR, достаточно 250 однодневных наблюдений, для оценки десятидневного VaR, с непересекающимися периодами в 10 дней потребуются данные почти за семь лет.

Кроме технических трудностей получить данные за большой период времени, следует пониметь, что эти данные будут недостаточно представительными из-за динамичного развития рынков.

Какой риск измеряет VaR. Согласно методике расчета, VaR оценивает возможность потерь, вызванных рыночным риском, который проявится в изменении цены (и соответственно доходности) финансовых инструментов. Предполагается, что цена способна отразить в себе проявление большинства рисконесущих факторов. Поэтому инвесторы склонны смотреть на VaR как на меру всех рисков, связанных с финансовыми инструментами. В некоторых работах, указывается, что реальный размер убытков может оказаться большим, чем это оценивает VaR, если учитывать политические риски, риски ликвидности, регуляторные риски, которым подвержены финансовые активы.

Второе замечание связано с трактовкой прибыли и убытков в VaR, который рассматривается априори как отрицательный фактор. Так, определяя ушерб с 99% вероятностью, мы исходим из того, что ожидаемая стоимость портфеля равна не средней, а практически максимально возможной.

Временной характер VaR. В большинстве своих применений VaR вычисляется на короткие промежутки времени – один день, неделя, месяц. Чем короче оцениваемый период, тем точнее оценки VaR. Поэтому, этот показатель, как правило, используется компаниями при оперативном управлении рыночными рисками.

На Кубке мира по футболу-2018 впервые используют технологию VAR: что это такое?

В отличие от других мер риска, таких как стандартное отклонение или , которые дают представление о некотором усредненном риске, VaR дает представления о потерях в конкретный период

Ограничения VaR. Полагают, что использование методов VaR может привести к ошибочным результатам, которые будут вызваны следующими обстоятельствами:

· Распределение доходностей. Для каждого показателя VaR предполагается наличие определенного распределения доходностей;

· История – не очень хорошая база для реальных прогнозов. Во всех прогнозах VaR в той или иной степени используются исторические данные. Если период, за который взяты исторические данные был стабильным, VaR будет небольшим, если нестабильным, то – будет принимать большие значения. Однако, в рыночной экономике, отклонения, любые отклонения приводят к появлению механизмов, которые восстанавливают нарушенное равновесия. Тогда, достаточно ненадежной смотрится идея строить суждения о будущей рисках исходя из бывших отклонениях, учтенных экономикой.

· Нестационарные корреляции. Оценки VaR зависят от корреляционных связей источников риска. Корреляционные связи обычно основываются на исторических данных и являются волонтильными. Поскольку всякий раз, в расчетах, используется только одна корреляционная матрица, качество оценок зависят от того, насколько правильная матрица корреляций была использована.

Достоинства методологии VaR. Несмотря на известную критику, метод VaR успешно используется в практике многих финансовых институтов. Среди достоинств этого метода выделяют следующие:

· Использование портфельного подхода к рассмотрению структуры активов;

· Расчет ожидаемой прибыли определяется реальными рыночными ставками финансовых инструментов, а не базовыми рыночными ставками, имеющими аналитическую природу;

· За счет использования корреляционных матриц получается более надежная оценка активов и портфелей активов, чем при помощи стохастического моделирования;

Существуют две группы методик VaR: а) аналитическими или дисперсионно-ковариационными модели; б) непараметрические модели.

Различные модели VaR

Параметрическая модель VaR

Модель называется параметрической, если нам известна функция распределения и параметры распределения случайной величины. В параметрической модели VaR предполагается, что доходности финансовых активов следуют определенному закону распределения, как правило, нормальному. Используя исторические наблюдения, определяют среднее значения, дисперсии и ковариации доходностей финансовых активов. На их основе определяют VaR портфеля с заданным доверительным уровнем по следующей формуле:

где — стоимость портфеля;

– стандартное отклонение доходностей портфеля, соответствующее периоду времени, для которого рассчитывается VaR;

– количество стандартных отклонений, соответствующее заданному доверительному уровню α.

Выделяют понятия абсолютного и относительного VaR. Абсолютный VaR определяет размер максимально возможной суммы которую инвестор может потерять в течение определенного периода времени с заданной вероятностью. Относительный VaR в отличие от абсолютного определяется относительно ожидаемой доходности портфеля.

В случае, когда инвестору известны VaR активов, входящих в его портфель, VaR портфеля определяется по формуле:

где — вектор-столбец и вектор-строка VaR активов портфеля;

– матрица корреляции активов портфеля

Если, при определении VaR портфеля, учитываются корреляции между активами, то речь идет о диверсифицированном VaR, если корреляции не учитываются, то говорят о недиверсифицированном VaR. Он представляет собой простую сумму индивидуальных VaR активов портфеля.

Поскольку корреляции могут изменяться со временем, то наряду с показателем диверсифицированный VaR, целесообразно определять недиверсифицированный VaR, который покажет максимальные потери для данного уровня доверительной вероятности при неустойчивых корреляциях или ошибках в их определении.

Предположение о нормальном распределении активов, входящих в портфель, позволяет переводить значение VaR из одного уровня доверительно вероятности в другой. Покажем на примере. Возьмем и . Выразим из первой формулы и подставим во вторую

Возьмем и . Выразим из первой формулы и подставим во вторую

Поскольку VaR определяется на основе статистических данных за определенный период времени, существует возможность получения оценок VaR, не соответствующих генеральной совокупности. В связи с этим, существует реальная необходимость оценки доверительного интервала для стандартного отклонения доходности портфеля активов.

Нижнюю () и верхнюю() границы доверительного интервала можно определить и следующих формул:

где — нижняя и верхняя граница доверительного интервала стандартного отклонения доходностей инвестиционного портфеля

В случае, когда убытки могут превысить значение VaR инвестору необходимо знать, какие размер убытков он должен ожидать. В этом случае, используют следующее соотношение:

где — VaR активов портфеля при заданной доверительной вероятности γ;

– средние ожидаемые потери при условии, что фактические убытки X, окажутся больше чем .

Противоположным понятием, по отношению к VaR, является понятие EaR(Earnings at Risk), который показывает, какой максимальный доход может принести владение определенным портфелем финансовых активов в течение определенного периода времени с заданной доверительной вероятностью.

При выборе портфеля можно опираться на соотношение EaR к VaR. Чем больше это соотношение при определенном уровне доверительной вероятности, тем предпочтительнее портфель.

Предыдущая11121314151617181920212223242526Следующая

Риск практикум. Оценка риска Value at Risk (VaR) с помощью исторического моделирования

Помимо стандартного отклонения, инвестиционные кампании рассчитывают такой показатель риска как VaR (Value at Risk). Этот показатель характеризует величину возможного убытка с выбранной вероятностью за определенный промежуток времени. Value-at-Risk рассчитывается 3-мя методами:

1. Вариация/ ковариация (или корреляция или параметрический метод)
2. Историческое моделирование (дельта нормальный метод, «ручной рассчет»)
3. Расчет при помощи метода Монте -Карло

Для расчета параметра риска Value at Risk с помощью дельта нормального метода , необходимо сформировать выборку фактора риска, необходимо, что бы количество значений выборки было больше 250 (рекомендация Bank of International Settlements), для обеспечения репрезентативности. Возьмем данные котировок акции Газпрома за период с 9 января 2007 года по 31 июля 2008 года.

Discovered

Для котировок акции Газпрома рассчитаем дневную доходность по формуле:

Где: Д – дневная доходность;
Рi- текущая стоимость акции;
Рi-1 – вчерашняя доходность акции.

Правильность использования метода Value at Risk при дельта нормальном способе расчета, достигается при использовании только факторов риска подчиненным нормальному (Гауссовому) закону распределения.

Для проверки нормальности распределения доходностей акции можно воспользоваться критериями Пирсона или Колмогорова -Смирнова.
Формула в Excel будет выглядеть следующим образом:

LN((C3)/C2)
В итоге получилась следующая таблица.

После этого необходимо рассчитать математическое ожидание доходности и стандартное отклонение доходности за весь период. Воспользуемся формулами Excel.
Математическое ожидание =СРЗНАЧ(D2:D391)
Стандартное отклонение =СТАНДОТКЛОН(D2:D391)

На следующем этапе необходимо рассчитать квантиль нормальной функции распределения. Квантиль – это значения функции распределения (Гауссовой функции) при заданных значениях, при которых значения функции распределения не превышают это значение с определенной вероятностью. Квантиль сообщает то, что убытки по акции Газпром не превысят с вероятностью 99%.

Квантиль рассчитывается по формуле:
=НОРМОБР(1%;F2;G2)

Для расчета стоимости акции с вероятностью 99% на следующий день, необходимо перемножить последнее (текущее) значение стоимости акции на квантиль сложенный с единицей.


Xt+1 –значение доходности в следующий момент времени.

Для расчета стоимости акции на несколько дней вперед с заданной вероятностью, воспользуемся следующей формулой.

Где: Q- значение квантиля для нормального распределения акции Газпрома;
Xt- значение доходности акции в текущий момент времени;
Xt+1 –значение отклонения доходности в следующий момент времени;
n — количество дней вперед.

Формулы расчета VAR на один день VAR(1) и на пять VAR(5) дней вперед производится по формулам:
X(1) =(F5+1)*C391
X(5) =(КОРЕНЬ(5)*F5+1)*C391

Расчет значения цены акции с вероятностью 99% при убытках показан на рисунке ниже.

Полученные значения Х(1) = 266.06 говорит о том, что в течение следующего дня, курса акции Газпрома не превысят значения в 226.06 руб. с вероятностью 99%. И Х(5) говорит о том, что в течение следующих пяти дней с вероятностью 99% курс акции Газпрома не опустится ниже 251.43 руб.

Для расчета самого Var (величина возможных убытков), рассчитаем абсолютное значение убытков и относительное. Формулы в Excel будут следующими:
=C392-G7 =G11/C392
=C392-G8 =G12/C392

Эти цифры говорят следующее: убыток по акции Газпрома с вероятностью 99% не превысит 7.16 руб. на следующий день и убыток по акции Газпрома с вероятностью 99% не превысит 21.79 руб. за следующие пять дней.

Расчет показателя Value at Risk «ручным способом»
Создадим новый рабочий лист в Excel. Для того что бы определить значения Value at Risk «ручным способом», необходимо найти:

1. Максимум доходностей за весь временной диапазон =МАКС(Лист1!D3:D392)
2. Минимум доходностей за весь временной диапазон =МИН(Лист1!D3:D392)
3. Количество интервалов (N) = 100
4. Интервал группировки (Int) =(B1-B2)/B3

Joomla SEF URLs by Artio

VaR (Value-at-Risk) — стоимость под риском. Показатель VaR отражает максимально возможные убытки от изменения стоимости финансового инструмента, портфеля активов и т.п., которые могут произойти за определенный период времени с заданной вероятностью. Другими словами, стоимость под риском — это оценка верхней границы возможных убытков, которые может понести банк в течение определенного периода времени (обычно за год), для определенного (установленного) уровня доверия (например, 95%).

Для определения величины стоимости под риском необходимо знать зависимость между объемами прибылей и убытков и вероятностями их появления, то есть распределение вероятностей прибылей и убытков в течение выбранного интервала времени. В этом случае по заданным значениям вероятности потерь можно определить величину соответствующего ущерба. Используя свойства нормального распределения вероятностей, простой формулой определения VaR будет:

VaR = (ασ — μ) А р

где α — пороговое значение вероятности;
σ — стандартное отклонение доходности актива (в процентах от стоимости актива);
μ — среднее значение доходности актива (в процентах от стоимости актива);
А р — стоимость актива.

При определении стоимости под риском ключевыми параметрами являются доверительный интервал и временной горизонт. Поскольку убытки являются следствием колебаний, доверительный интервал служит той чертой, отделяющей «нормальные» колебания от экстремальных всплесков по частоте их проявления. Обычно, вероятность потерь устанавливается на уровне 1%, 2,5% или 5% (соответствующий доверительный интервал составит 99%, 97,5% и 95%), однако в соответствии со стратегией управления капиталом, которой придерживается банк, риск-менеджер может выбрать другое значение. С увеличением доверительного интервала показатель стоимости под риском будет расти.

Выбор временного горизонта зависит от того, насколько часто используется актив. Для банков, которые проводят активные операции на рынке капитала, типичным периодом расчета является один день, в то время как стратегические инвесторы и нефинансовые компании используют другие периоды. Кроме того, при установке временного горизонта следует учитывать наличие статистического распределения прибыли и убытков для ожидаемого интервала времени. Вместе с увеличением временного горизонта растет и показатель стоимости под риском. Практика показывает, что за период в n дней величина стоимости под риском будет примерно в n раз больше, чем VaR, рассчитанная за один день.

Стоит помнить, что концепция VaR неявно предполагает, что состав и структура оцениваемого портфеля активов остаются неизменными в течение всего временного горизонта.

Такое предположение недостаточно оправдано для сравнительно длительных интервалов времени.

Что такое var в CS GO

Поэтому при каждом обновлении портфеля активов необходимо корректировать величину стоимости под риском.

Для расчета показателя стоимости под риском используют следующие методы:

1. аналитический;
2. метод исторического моделирования;
3. метод Монте-Карло.

Выбор метода расчета показателя стоимости под риском зависит от состава и структуры портфеля активов, доступности статистических данных, программного обеспечения и т.п.

Аналитический (ковариационный, дельта-нормальный) метод основывается на классической теории портфеля финансовых активов.

В его основе лежит предположение, что изменения рыночных факторов риска имеют нормальное распределение. Это предположение позволяет определить параметры распределения прибыли и убытков для всего портфеля. Затем, зная свойства закона нормального распределения, можно легко вычислить ущерб, который будет случаться не чаще заданного процента случаев. Аналитический метод уступает методам имитационного моделирования надежностью оценки рисков портфелей активов, состоящих из инструментов, стоимость которых зависит от рыночных факторов нелинейным образом, особенно на сравнительно больших временных горизонтах.

Метод исторического моделирования относительно простой и наиболее доступный для понимания.

Он не опирается на теорию вероятностей и требует небольшого числа предположений относительно статистических распределений для рыночных факторов риска. Как и в аналитическом методе, стоимости инструментов портфеля должны быть предварительно представлены как функции рыночных факторов риска, а распределение прибылей и убытков определяют эмпирическим путем. Однако использование этого метода требует наличия временных рядов значений по всем использованным в расчетах рыночным факторам, что не всегда возможно для значительно диверсифицированных портфелей.

Метод Монте-Карло относится к методам имитационного моделирования. Основное его отличие от метода исторического моделирования состоит в том, что в методе Монте-Карло избирается статистическое распределение, которое хорошо аппроксимирует изменения наблюдаемых рыночных факторов и определяется оценка его параметров. Основной сложностью применения метода Монте-Карло является выбор адекватного распределения для каждого рыночного фактора и оценка его параметров.

(См. Допустимый риск, Риск-менеджмент, Система оценки риска, Стресс-тестирование, Шоковая величина, Экономический капитал).

Для начала напомним, что измеряет value at risk (VaR):
показатель VaR говорит что на горизонте Т дней убытки не превысят Х денежных единиц с вероятностью Р.

Так, например, если однодневный VaR для портфеля равен -23000 долларов при уровне доверительной вероятности равном 0.95, это означает, что с вероятностью 0.95 убытки за один день по портфелю не превысят величину -23000 долларов и соответственно с вероятностью 1 - 0.95 = 0.05 превысят -23000 долларов.

Для вариационно-ковариционного VaR формулка очень простая:
VaR = - P * k * sigma * sqrt(T/252)
где:
P - стоимость портфеля;
k - квантиль для нормально распределения. Например для уровня доверительной вероятности 0.95, k = 1.645. То есть по сути сколько сигм нам нужно взять чтобы получить желаемый уровень доверительной вероятности;
sigma - годовая волатильность или стандартное отклонение доходности нашего портфеля за год;
T - горизонт для которого оцениваем VaR в днях;
252 - предположение о количестве бизнес дней в году;
sqrt(T/252) - отвечает за скейлинг волатильности на нужный нам горизонт, так как в финансах предполагается, что волатильность пропорциональна корню из времени.

Sigma портфеля можно легко посчитать следующим образом:
1. Оцениваем матрицу ковариаций C между однодневными доходностями активов в портфеле в некотором «окне», например, на последних 252 днях.
2. Вычисляем вектор весов активов в портфеле W, так что их сумма равна 1.
3. Считаем дисперсию портфеля как sigma^2 = W" * C * W, где " означает транспонирование. Извлекаем из дисперсии квадратный корень и получаем sigma портфеля.
4. Умножаем полученную sigma на sqrt(252) чтобы получить годовую волатильность нашего портфеля.

Попробуем проделать все вышеприведенное на простом примере в Ексель для 2 акций, одна из которых Интел (INTC), а вторая - Техас Инструментс (TXN):

Скачав дневки с finance.yahoo.com за последний год оценим ковариацию между их дневными доходностями:

Следует обратить внимание, что матрица ковариаций является симметричной, а на главной диагонали стоят ковариации каждой акции с самой собой, что равно дисперсии доходности акции.

Теперь предположим что у нас куплено в лонг INTC на 250 000 USD и куплено в лонг ТXN на 750 000 USD. Тогда вектор весов будет (0.25;0.75).

Теперь вычислим сигму нашего портфеля:

Таким образом sigma = 0.26.

Теперь подставим все расчитанные величины в формулу выше для расчета VaR вариационно-ковариационным методом чтобы оценить однодневный VaR для портфеля из двух акций INTC и TXN стоимостью 1 000 000$ с доверительной вероятностью 0.95:

Таким образом VaR = -26958.6$. То есть с вероятностью 0.95 наши убытки по портфелю из двух акций за один день не превысят 26958.6$.

Общий подход к расчету исторического VaR следующий:
1. Определяем количество сценариев на истории по которым мы хотим посчитать VaR.
2. Для всех инструментов портфеля берем исторические треки цен по дням за одинаковый период равный количеству сценариев + 1.
3. Вычисляем дневные доходности каждого инструмента.
4. Для каждого дня на истории что представляет собой отдельный сценарий возможного поведения портфеля используя дневную доходность мы считаем дневную прибыль/убыток для каждого инструмента и затем суммарную прибыль/убыток по портфелю.
5. Получив вектор прибылей/убытков по портфелю для каждого сценария сортируем его от минимума до максимума.
6. Теперь необходимо определить так называемый номер критического сценария. Для этого необходимо заданную доверительную вероятность умножить на количество сценариев и округлить полученное значение до ближайшего целого.
7. Для получения VaR мы должны отсчитать от начала вектора который соответствует максимальной возможной прибыли количество сценариев равное номеру критического сценария полученного в пункте 6 и следующий сценарией за ним даст нам значение VaR.

Для нашего примера возьмем количество сценариев равным 250. Тогда расчет критического сценария будет следующим:

Получили номер критического сценарий равен 238.
Теперь построив вектор прибылей/убытков по портфелю для всех 250ти сценариев определим исторический VaR:

Таким образом однодневный исторический VaR для нашего примера равен -25845.4$.

Иногда озвученный подход расчета исторического VaR модифицируют за счет взвешивания исторических данных так, чтобы более старые данные имели меньший вес при расчете VaR чем более свежие данные.
Опять же выбранное количество сценариев для расчета определяет окно в котором будет оцениваться VaR и если это окно содержит в себе некоторые экстремальные события на рынке, то это будет учтено в полученной оценке VaR. То есть риск аналист может специально выбрать окно таким, чтобы захватить например период высокой волатильности на рынке и оценить VaR для него.

Если инструменты портфеля в разных валютах тогда необходимо определиться с базовой валютой портфеля и используя исторические треки курсов валют также учитывать прибыль/убыток от изменения валютного курса при расчете прибылей/убытков по каждому из инструментов портфеля для каждого сценария.

Сравнив вариационно-ковариационный VaR равный -26958.6$ и исторический VaR равный -25845.4$ увидим, что исторический VaR оценивает возможные убытки по портфелю меньше чем вариационно-ковариационный. Обычно получается наоборот. При большом количестве сценариев расчета исторического VaR его оценка убытков получается выше чем оценка полученная вариационно-ковариационным методом за счет учета реального распределения на рынке и наличия толстых хвостов в нем.

Сравнение двух подходов приводит с следующим плюсам/минусам для каждого из них.

Вариационно-ковариационный подход к расчету VaR:
Минусы:
1. Используемое предположение о нормальном законе распределения доходностей инструментов.
2. При расчет VaR на больше чем один день предполагается что матрица ковариаций постоянна.
3. Невозможно использовать для расчета VaR для опционов и инструментов с чертами опционов.

Плюсы:
1. Быстрый расчет, не требует больших вычислительных ресурсов.
2. Если в портфеле только линейные инструменты вроде акций, фьючерсов, валют может быть использован для расчета VaR.
3. Ковариационная матрица может быть получена от вендора чтобы не париться с расчетом самому.

Исторический подход к расчету VaR:
Плюсы:
1. Используется реальное распределение доходностей на рынке с реальными толстыми хвостами.
2. Матрица ковариаций не рассчитывается.

Минусы:
1. Трудности при расчете VaR для опционов так как опционные треки короткие и также проблемы с хранением большого количества опционных треков.
2. Инфраструктурные затраты предполагают, что должна быть БД где будут хранится и обновляться исторические треки цен для торгуемых инструментов.

В атаче к посту ексельчик который содержит все вычисления для приведенных примеров.

Последние десятилетия мировая экономика регулярно попадает в водоворот финансовых кризисов. 1987, 1997, 2008 чуть не привели к коллапсу существующей финансовой системы, именно поэтому ведущие специалисты начали разрабатывать методы, с помощью можно контролировать неопределенность, господствующую в финансовом мире. В Нобелевских премиях последних лет (полученных за модель Блэка-Шоулза, VaR, и т.д.) отчетливо прослеживается тенденция к математическому моделированию экономических процессов, попыткам предсказать поведение рынка и оценить его устойчивость.

Сегодня я постараюсь рассказать о наиболее широко применяемой методике предсказаний потерь - Value at Risk (VaR).

Понятие VaR

Методы расчета VaR

Историческое моделирование

Недостатком этого метода является невозможность построения предсказаний по портфелям, о которых у нас нет сведений. Также может возникнуть проблема, в случае, если составляющие портфеля существенно изменятся за короткий промежуток времени.

Хороший пример вычислений можно найти по следующей ссылке .

Метод ведущих компонент

Естественно, это не единственные методики вычисления VaR. Существуют как простые линейные и квадратичные модели предсказания цены, так и достаточно сложный метод вариаций-ковариаций, о которых я не рассказал, но интересующиеся смогут найти описание методик в нижеприведенных книгах.

Критика методики

Несмотря на критику, VaR вполне успешно используется во всех крупнейших финансовых институтах. Стоит отметить, что данный подход не всегда применим, в силу чего, были созданы другие методики со схожей идеей, но другим методом расчета (например, SVA).

С учетом критики были разработаны модификации VaR, основанные либо на других распределениях, либо на других методиках расчетов на пике Гауссовой кривой. Но об этом я постараюсь рассказать уже в другой раз.

Если разделить факторы, подлежащие анализу, на первичные и вторичные, окажется, что в каждом бизнесе есть великое множество как тех, так и других. Понятное дело, что все их мало кто знает. Поэтому в начале 1990-х гг. руководство банка J. P. Morgan дало своим «рисковикам» задание найти некий формат, который легко понять и который агрегировал бы и унифицировал первичные и вторичные риски в разных областях бизнеса. Так и возникла оценка Value-at-Risk, более известная как VaR. Сегодня это стандартный инструмент контроля за риском.

Профиль доходов и риска у некоторых финансовых инструментов распределяется линейно. Допустим, вы купили акцию, и на единицу изменения ее цены результат вашей позиции будет меняться на одно и то же количество единиц. Это пример первичного риска. Изменения цен производных инструментов тоже в основном зависят от изменения цен базовых активов (в нашем примере акций). Однако они также чувствительны к изменениям и других переменных, которые мы обсуждали в главе по опционам, например к изменениям волатильности и процентных ставок, а также изменениям времени. Это некие вторичные переменные. Из-за них цены производных инструментов не изменяются линейно по отношению к цене базового актива.

Наверное, перед менеджментом не встал бы вопрос о создании VaR, если бы не появились производные инструменты, например опционы, цена которых нелинейно зависит от определяющих ее переменных. Важно, чтобы читатель поверил, что портфель кредитов - это тот же портфель опционов, только на кредиты. Детали мы обсудим позже, а в этой главе продемонстрируем принципы работы, возможности и ограничения модели на более простом активе.

Следует отметить роль корреляции в построении отчетов. Менеджменту крупного банка нужно два-три простых отчета об огромном количестве разных позиций в разных продуктах. Если «загнать» их все в одну модель, то даже при сегодняшних компьютерных скоростях обработка данных займет слишком много времени. Проще отталкиваться от неких базовых активов и дополнять их матрицей корреляций с другими активами, даже если позиций мало, как в примере, где вы купили акции «ЛУКОЙЛа» и продали акции «Роснефти». Система должна оценить корреляцию и предположить, сколько вы можете потерять, если цены поведут себя не так, как вы ожидали. Если корреляцию не оценить и рассматривать риски двух акций как независимые, вы фактически завысите их, так как на практике большую часть времени они движутся в одном направлении. Нахождение статистически обоснованного размера потенциальных максимальных потерь как раз и является основной задачей Value-at-Risk. Этот термин переводится как стоимостная мера риска.

Точнее, VaR - это максимальная сумма:

• неизменной позиции;
• в течение данного периода времени (стандартный горизонт составляет от одного до десяти дней);
• для заданной предполагаемой волатильности;
• для заданного уровня доверия (количества стандартных отклонений от средней величины).

Основными вариациями в построении VaR являются оценка ожидаемой волат ильности и количество стандартных отклонений. Первый параметр нужен, чтобы понять наиболее вероятную оценку потерь, которую можно ожидать в течение 2/3 заданного отрезка времени. Второй - максимум отклонения в течение 1/3 времени.

Волатильность, или изменчивость цен, в статистике называют «стандартным отклонением». В моделях используют нашего старого знакомца ожидаемую волатильность, которая рассчитывается как предполагаемый (ожидаемый) разброс между ценами закрытий в течение данного периода времени.

Примеры расчета VaR

Предположим, что вы продали опцион на повышение цены акции Х (опцион колл на акцию Х). Теперь ваш портфель состоит из одного проданного колла, цена акции - 100,0, цена исполнения - 100,0, ожидаемая волатильность - 19,1%, исполнение колла (заданный период) через 30 дней. Волатильность 19,1% предполагает, что в течение одного дня отклонение рыночной цены акции (однодневное стандартное отклонение) составит примерно ±1% в течение 2/3 рассматриваемого периода (30 дней).

Сколько же стандартных отклонений правильно использовать для подсчета VaR? Иными словами, как уловить движение цен в оставшейся 1/3 временного горизонта, которое превысит ожидаемую рынком волатильность? Большинство изучавших статистику знают, что представляет собой кривая нормального распределения, и тот факт, что при нормальном распределении под три стандартных отклонения подпадает 99% событий. Но на практике это значение скорее составляет четыре стандартных отклонения (таблица. 1), поэтому именно их стоит использовать для улавливания движений, необъясненных нормальным распределением.

Таблица 1. Переоценка опциона (см. пример) при изменении цены базового актива (на следующий день)

Стоимость базового актива - не единственное значение, меняющееся в пределах временного горизонта. Цена ожидаемой волатильности опциона может падать или подниматься. Соответственно, модель должна тестироваться для разных уровней ожидаемой волатильности.

Например, модель может ограничить изменения волатильности в размере 15%. Это означает, что если на данный момент ожидаемая волатильность составляет 19,1%, то на следующий день она будет в пределах {16,61%, 21,97%}. Давайте переоценим наш портфель, учитывая новые ограничения (таблицы 2 и 3).

Таблица 2. Переоценка опциона при изменении волатильности (на следующий день)

Сопоставляя эти данные, можно осуществить поиск по сетке значений, которая определяет стоимость портфеля в интервалах, начиная от неизменных и заканчивая экстремальными за рассматриваемый период (на следующий день).

Таблица 3. Переоценка опциона при изменении как цены базового актива, так и волатильности

Вычитая нынешнюю стоимость портфеля из полученных результатов, мы получаем ряд переоценок для всех вариаций за рассматриваемый период (таблица 4).

Таблица 4. Финансовый результат переоценки опциона при изменении как цены базового актива, так и волатильности

Переоценка, показывающая максимальную потерю (–2.81), является VaR на срок один день и с уровнем доверия 98% (при стоимости базового актива 104 пункта и волатильности 21,97%). Многие продукты имеют не только цену спот, но и форвардные кривые, т. е. цены на тот же продукт с его поставкой в будущем, колеблющиеся даже при устойчивом споте. На валютном рынке, например, форвардные кривые являются результатом соотношения процентных ставок двух валют. В случае с товарными фьючерсами форвардные кривые - итог прогноза будущей конъюнктуры рынка. Например, форвардная кривая видоизменяется при изменении ожиданий о дефиците предложения товара на дату истечения контракта. Кроме форвардных кривых базового актива (структуры срочных цен) существуют форвардные кривые волатильности (структура волатильности). Для упрощенного расчета VaR рекомендуется видоизменить форвардную цену каждого периода при помощи соответствующего стандартного отклонения.

По аналогии варьируется волатильность вдоль всей форвардной кривой.

Комбинируя кривые базового актива и волатильности, мы получим искомую матрицу риска исходя из колебаний цен базового актива, его волатильности и форвардных кривых.

Вариации моделей

Обратите внимание, что все расчеты для торговых подразделений ведутся на заданный период - как правило, на один день. На практике рынок может двигаться в одном направлении гораздо дольше. Следовательно, максимальные значения потерь могут следовать одно за другим на протяжении нескольких дней, количество которых, как показала динамика цен осенью 2008 г., может быть значительным. Поэтому для менеджмента готовятся расчеты на период десяти дней. Однако это достаточно консервативный подход, так как при негативной динамике позиция тоже способна меняться, т. е. трейдеры могут сократить позиции, а кредитные подразделения - продать часть портфеля. В этом случае прогнозируемые убытки могут уменьшиться.

Поскольку есть разные формулы оценки волатильности и необходимых стандартных отклонений, когда вы слышите, что, скажем, данная позиция может потерять $10 млн, это вовсе не значит, что она в 10 раз меньше или несет в 10 раз меньше риска, чем позиция, которая может потерять $100 млн. Это не тривиальное замечание: так, на конец второго полугодия 2011 г. объявленная банком Goldman Sachs величина VaR составляла $100 млн на все позиции во всех офисах мира. В то же время в некоторых российских банках среднего размера она превышала $15 млн. Наверное, неправильно предположить, что их уровень риска составлял шестую часть риска крупнейшего в мире трейдера. Скорее формулы, заложенные при определении риска, были гораздо консервативнее.

В начале августа 2011 г., в разгар кризисных явлений, связанных с понижением кредитного рейтинга США и банковского кризиса в Европе, появилось сообщение, что по результатам двух торговых сессий у Goldman Sachs возникли убытки в размере $100 млн. Иными словами, правильность расчета VaR подтвердилась.

Однако скандал в J. P. Morgan из-за потерь в портфелях производных инструментов, произошедший в мае 2012 г., еще раз показал, что модели VaR тоже можно «покручивать» и занижать показатели риска.

Стресс-тесты

VaR - способ вероятностного измерения возможных результатов, включая максимальные убытки, в заданный отрезок времени («временной горизонт»). При его расчетах исходят из того, что состав исходного портфеля и с определенным уровнем доверия (в терминах статистики) не меняются. В стресс-тестах мы не рассматриваем наихудшее состояние нынешнего рынка, а создаем сценарии стрессовых ситуаций, основанных на наихудших исторических сценариях развития рынков. Иначе говоря, потери вашего портфеля рассчитываются по параметрам пережитого рынком за последние 30–40 лет. Если в вашем портфеле в основном купленные позиции, при создании стресс-теста вы берете худшее их движение. Если у вас в основном проданные позиции, то в основе стресс-теста - моменты безудержного роста. В обеих ситуациях стресс-тест показывает сценарии ночного кошмара.

Значительная разница между стресс-тестами и расчетами VaR состоит в отношении к корреляциям. При расчетах VaR предполагается наблюдаемый уровень корреляции между различными позициями в портфеле. Рассматривая сценарии стресстеста, мы можем отказаться от наблюдаемых корреляций, что приводит к возрастанию возможных потерь. Так, наши позиции в акциях «ЛУКОЙЛа» и «Роснефти» будут рассматриваться как абсолютно независимые.

Более того, может учитываться не текущая, а максимальная историческая волатильность, например 30%-ное падение или 40%-ный рост одной из этих акций в один из дней кризисов 1998 г. или 2008 г. по выбору риск-менеджера.

Идея отсутствия корреляции между аналогичными проданными и купленными активами можно сравнить с тем, что, например, стоимость молока и стоимость коров может идти в разных направлениях: цена молока (акций «ЛУКОЙЛа») удвоится, а цена коров (акций «Роснефти») упадет в два раза. Иными словами, что при одной и той же цене нефти подобная динамика цен будет невелика. Если принимать его за основу, то все российские банки должны закрыться, так как колебания процентных ставок, продемонстрированные в 2008 г., указывают на колоссальный риск их текущих операций.

Чтобы не закрывать банки, выбирают какие-то «разумные» сценарии. В результате подобного «сглаживания» худших сценариев, как показывают кризисы, случившиеся в России (1998 г.) и на Западе (2007–2009 гг.), в докризисных стресстестах были занижены максимальные потери. Указывая на это, риск-менеджер скажет, что «в результате такой недооценки большинство банковских руководителей были недостаточно обеспокое ны предлагаемыми сценариями и не смогли своевременно закрыть рискованные позиции». Он порекомендует при проведении стресс-тестов лучше ошибаться в сторону консервативности оценок и завышения риска сценариев. На практике это означает, что в докризисные времена менеджеры должны были делать бизнес в гораздо меньших объемах. Правилен этот вывод или нет, но именно посредством осовремененных стресс-тестов западные регуляторы добиваются снижения левереджа банков.

Взаимодействие волитарности, корреляции и ликвидности

Нужно отметить, что «привычная (историческая) корреляция» - весьма непрактичный термин. Корреляции активов за 10 лет и за год могут быть очень разными. Поэтому приходится выбрать период за который берется историческая корреляция для использования ее в моделях. Однако чем выше волатильность рынка, тем труднее сохраняются привычные взаимосвязи. Иными словами, возрастание волатильности сопровождается зменением корреляций.

Одной из причин их нарушения являются разрывы в ликвидности. Возросшая волатильность приводит к тому, что участники рынка сокращают размер позиций. Поскольку число покупателей тоже уменьшается, при продажах рынки сталкиваются с «разрывами ликвидности», т. е. цены движутся не плавно, а скачками. Более того, так как разные группы активов имеют разную клиентскую базу, разрывы ликвидности воздействуют на их цены по-разному.

Поэтому именно она является основным врагом стабильности корреляций. Подобные «разрывы» сложно выразить математически. Поэтому, повторимся, опционные трейдеры закладываются на возможность появления этих разрывов, завышая ожидаемую волатильность. Учитывая ценность такой экспертной корректировки в VaR-моделях активов, на которые торгуются опционы, используют не фактическую, а ожидаемую волатильность. Однако для некоторых активов нет интенсивно действующего опционного рынка. Какую волатильность нужно использовать в расчетах VaR?

Если опционы не торгуются на нужный актив, модели могут использовать ожидаемую волатильность похожего актива с учетом некоего коэффициента корреляции между изменениями цен этих активов. Таким образом, относительно небольшая группа трейдеров, которые торгуют опционами на ликвидные активы и определяют на них ожидаемые волатильности, неожиданно для себя поставляет этот критический параметр расчета максимальных потерь значительной части рынка.

Любопытная деталь, еще раз демонстрирующая ограничения возможностей даже таких «навороченных» логических построений, которые лежат в основе современной системы измерения рисков: как мы уже говорили, ожидаемая волатильность сама является товаром, и ее цена подвержена колебаниям из-за спроса и предложения. Получается, что один крупный покупатель или продавец может исказить волатильность на определенном рынке, а это повлияет на оценку потерь целого сегмента рынка!

Взаимосвязь между кредитным и рыночным риском

Как мы увидим в следующей части книги, процентные ставки на кредитные продукты состоят из безрисковых ставок и платы за кредитный риск (кредитный спред). Кредитные спреды, как правило, «запакованы» в процентные ставки по кредитным продуктам, но их можно просто вычленить (см. главу 8). Более того, эти очищенные кредитные спреды существуют в качестве финансовых продуктов. Коммерческие банкиры называют их гарантиями (фактически продажей нефондируемого кредитного риска клиента), а инвестиционные - кредитными свопами (CDS). Цены на гарантии меняются редко. А вот кредитные свопы торгуются на рынке, и потому их цены часто подвержены изменениям.

Большинство крупных компаний и банков имеют публичные долги. А раз они существуют, значит, из средств, предназначенных для их погашения, можно выделить плату за кредитный риск, т. е. купить или продать кредитный своп.

В таком случае лимит кредитного риска на контрагентов становится подверженным рыночной волатильности, а значит, его можно рассчитать посредством VaR. Если эта методология принимается, то, как и везде, подобная оценка искажается при изменении ликвидности кредитных рынков. Дело в том, что хотя изначально кредитные спреды рассчитывались на основании цен облигаций, теперь эти рынки существуют параллельно. Поскольку ликвидность облигаций и кредитных свопов одного и того же эмитента отличаются, выходит, что теоретически на двух рынках сосуществуют различные оценки кредитного риска. В связи с этим риск-менеджеры могут принять за основу любую из них. Их предпочтения влияют на размер лимитов на контрагента, а также на изменение сроков их пересмотра: чем нестабильнее рынок, взятый ими за основу, тем чаще могут пересматриваться лимиты вслед за изменением волатильности. Этот процесс может внести ненужную волатильность в уже стандартизированный банковский бизнес, стабильность которого риск-менеджеры, наоборот, должны защищать.

Дополнительные сложности, вызванные избыточным контролем, могут быть следствием отношения риск-менеджеров к «несимметричному риску». С точки зрения статистики отклонение цены способно привести к одинаковому риску и в случае ее роста, и в случае уменьшения. Однако падение рубля ассоциируется с падением надежности российской банковской системы, как и в случае других развивающихся стран. Таким образом, если российский банк продаст долгосрочный форвардный контракт на укрепление рубля, то, если рубль укрепится и при продаже возникнут потери, банк сможет расплатиться, так как укрепление рубля, как правило, связано с ростом российской экономики и благоденствием в мире в целом. А вот если банк продаст доллары на долгий срок, то в кризисной ситуации ему будет сложно возместить потери, поскольку на финансовом рынке они совпадут с ростом дефолтов в кредитном портфеле, вызванных сложной экономической ситуацией. Таким образом, риск, симметричный с точки зрения рыночного риска, может быть несимметричным для расчетов кредитного риска по тем же сделкам.

Чем больше деталей мы упоминаем, тем более очевидно, что процесс анализа рисков сложно жестко регламентировать. Он должен учитывать несимметричные ситуации, которые часто выявляются при анализе жизненных реалий. Еще один пример.

В начале 2007 г. проводился анализ кредитного риска, который возникал у российского банка по отношению к Citibank в случае покупки у последнего опциона колл на акции Сбербанка. Фактически кредитный риск появлялся в случае его резкого подорожания, если одновременно Citibank становился неспособным исполнить свои обязательства. Поскольку опцион был краткосрочным, такая ситуация могла возникнуть только при внезапном банкротстве Citibank.

На тот момент еще никто не подозревал, что мир стоит на пороге серьезного кризиса. Позиция бизнеса заключалась в том, что лишь неожиданный крах мировых финансовых рынков может привести к банкротству международного банка - такого как Citibank. Следовательно, какие бы хорошие результаты ни показывал Сбербанк, в ситуации мирового кризиса его акции тоже упадут. В этом случае опцион исполнен не будет, а потому и кредитный риск при покупке у Citibank опциона колл был небольшим. А вот при приобретении Сбербанком у Citibank опциона пут этот анализ не работал. Однако специалисты по рискам считали, что при покупке опционов колл и пут кредитный риск был симметричным. Опцион подлежал исполнению в ноябре 2007 г., и фактические события подтвердили правильное понимание бизнесом концепции несимметричности кредитного иска сделки.

Управление рисками - одна из ключевых областей банковского бизнеса. Модели риск-менеджмента позволяют финансистамуправленцам, т. е. специалистам широкого профиля быстро оценить риск малоизвестных продуктов в едином формате для всех разноплановых бизнесов, находящихся в их ведении. Именно это является основной ценностью таких моделей. Поэтому функциональная область деятельности банка под названием «рискменеджмент» становится все более важным инструментом при унификации методологии принятия решений о разных формах риска, т. е. об объеме доступных банкам ресурсов риска.

Однако, как и в случае любого инструментария, пользоваться моделями, измеряющими риск, нужно осмысленно, не отдавая их на откуп узкоспециализированным специалистам по моделированию, а самостоятельно разбираясь в предположениях, заложенных в расчетах. Мы продемонстрировали это на примере разницы в подходах к вопросу о симметричности рисков. Подобные ситуации напоминают известный анекдот про динозавра: когда у мужчины спрашивают, какой шанс встретить такого зверя на улице, он говорит, что никакого: «Они же вымерли!» Следующей отвечает на вопрос блондинка, между прочим, дипломированный специалист в области статистики. По ее мнению, шансы 50 на 50: «То ли встречу, то ли нет». В ситуациях, когда менеджеры (причем не только риск-менеджеры) используют количественный анализ без учета практической логики, каждый риск превращается в абсолютный, т. е. не взвешенный на вероятность возникновения анализируемой критической ситуации. Тогда и динозавра не встретишь, и бизнеса не сделаешь. Поэтому использование моделей типа VaR или стресс-тест должно носить осмысленный характер.

Выводы

Банк владеет определенными ресурсами, которые представляют собой объемы нескольких видов риска, который он может принять. Из них ключевые - риск ликвидности, кредитный риск, процентный риск и валютный риск.

Объем рисков ликвидности - это ресурс, неправильное управление которым представляет для банка наибольшую угрозу. При этом он является и основным источником доходов, возникающим благодаря разнице между стоимостью привлечения и размещения активов, а расчет этих показателей субъективен и связан с методикой трансферного ценообразования, которая является наиболее политизированным вопросом. Сложность способов наращивания средств и их размещения известна всем. Высший менеджмент и в развитых, и в развивающихся странах постоянно оказывается вовлеченным в ту или иную форму дискуссии об избыточной и недостаточной ликвидности. Кредитный риск - более конкретная категория по сравнению с ликвидностью, но и он подвержен влиянию политики. Сильные в этом смысле подразделения «зажимают» более слабые, перекрывая им доступ к лимитам. Однако за такой политикой часто скрывается непонимание возможностей других продуктов.

Иначе говоря, все изучили только тот из них, которым конкретно занимаются, а менеджмент не знает в достаточной степени всю линейку продуктов, чтобы способствовать эффективному диалогу между продуктовыми подразделениями. Валютный и процентный риски, которые многие включают в анализ ликвидности, проще анализировать как разные темы, хотя, посвященной форвардам, и эти два ресурса тесно переплетаются.

Важность разделения кажется всем понятной, но на практике является очень сложной, например, из-за разницы в отражении разных операций в учете. В результате таких переплетений банк может иметь достаточно ликвидности, но движение валютных курсов или процентных ставок способно свести его прибыль к нулю.

На практике резервы валютного и процентного риска - тоже предмет какой-то утвержденной внутренней политики. Как и риск ликвидности, коммерческие подразделения предпочитают их не рассматривать. Оптимизируя прибыль по кредитной кривой, т. е. получая максимальную прибыль за кредитный риск в абсолютном выражении (без привязки к кредитной кривой заемщика), они полностью игнорируют вопрос об оптимальном распределении этих ресурсов, считая, что управление ими принадлежит «кому-то» в казначействе банка.

Таким образом, в банках изначально размыта ответственность за все важнейшие ресурсы. Проблема усугубляется тем, что и ресурсами они, кроме ликвидности, не считаются. Их называют «лимитами». В этой книге мы попытаемся показать, что изменение терминологии может привести к изменению идеологии. А в контексте рассмотрения потенциалов принятия разного типа рисков, воспринимаемых как ресурсы, а не как лимиты, покажем пути повышения эффективности их использования.