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
Понятное экономисту объяснение VaR звучит следующим образом: «Выраженная в денежных единицах оценка величины, которую не превысят ожидаемые в течение данного периода времени потери с заданной вероятностью». По-сути, VaR - это величина потерь по инвестиционному портфелю за фиксированный промежуток времени, в случае, если случится некоторое не благоприятное события. Под «не благоприятными событиями» можно понимать различные кризисы, слабо предсказуемые факторы (изменения в законодательстве, природные катаклизмы, ...), которые могут повлиять на рынок. В качестве временного горизонта, обычно выбирают один, пять или десять дней, в силу того, что на больший срок предсказать поведение рынка крайне сложно. Уровень допустимого риска (по-сути доверительный интервал) берется равным 95% или 99%. Также, конечно, фиксируется валюта, в которой мы будем измерять потери.При вычислении величины предполагается что рынок будет вести себя «нормальным» образом. Графически это значение можно проиллюстрировать так:
Методы расчета VaR
Рассмотрим наиболее часто применяемые методы вычисления VaR, а так же их преимущества и недостатки.Историческое моделирование
При историческом моделировании мы берем уже известные из прошлых измерений значения финансовых колебаний для портфеля. К примеру, у нас есть поведение портфеля на протяжении предыдущих 200 дней, на основе которых мы решаем вычислить VaR. Предположим, что на следующий день финансовый портфель будет вести себя также, как в один из предыдущих дней. Таким образом, мы получим 200 исходов на следующий день. Далее, мы допускаем, что случайная величина распределена по нормальному закону, основываясь на этом факте, мы понимаем, что VaR - это один из перцентилей нормального распределения. В зависимости от того, какой уровень допустимого риска мы взяли, выбираем соответствующий перцентиль и, как следствие, получаем интересующие нас значение.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
Для каждого финансового портфеля можно вычислить набор характеристик, помогающих оценить потенциал активов. Эти характеристики называются ведущими компонентами и, обычно, представляют собой набор частных производных от цены портфеля. Для вычисления стоимости портфеля обычно используется модель Блэка - Шоулза , о которой я постараюсь рассказать в следующий раз. В двух словах, модель представляет собой зависимость оценки европейского опциона от времени и от его текущей стоимости. Основываясь на поведении модели мы можем оценить потенциал опциона, анализируя функцию классическими методами математического анализа (выпуклость/вогнутость, промежутки возрастания/убывания и т.д.). Базируясь на данных анализа, VaR рассчитываются для каждой из компонент и результирующее значение строиться, как комбинация (обычно взвешенная сумма) каждой из оценок.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
Важно отметить, что при подсчете VaR принимается гипотеза о нормальном поведении рынка, однако, если бы это допущение было верным, крисизы случались бы раз в семь тысяч лет, но, как мы видим, это абсолютно не верно. Нассим Талеб, известный трейдер и математик, в книгах «Одураченные случайностью» и «Черный лебедь» подвергает существующую систему оценки рисков жесткой критике, а также предлагает свое решение, в виде использования другой системы расчета рисков, базирующейся на логонормальном распределении.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.
Одной из основных задач финансовых институтов является оценка рыночных рисков, которые возникают вследствие флуктуации (благоприятном событии) цен акций, сырьевых товаров, обменных курсов, процентных ставок и т.д. Простейшей мерой зависимости инвестора от рыночных рисков является величина изменения капитала портфеля, т.е. прибыли или убытки, возникающие вследствие движения цен активов. Наиболее распространенной на сегодняшний момент методологией оценивания рыночных рисков является Стоимость Риска (Value – at – Risk , VAR). 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).
Показатель рисковой стоимости был разработан в конце 1980 – х гг. и сразу же завоевал признание среди крупнейших участников финансового рынка. Впоследствии показатель рисковой стоимости (VAR) стал полноценным стандартом информации о риске фирмы, который мог использоваться внутри самой компании, а также указываться в отчетах для инвесторов и регулирующих органов.
За последние несколько лет VAR стал одним из самых популярных средств управления и контроля риска в компаниях различного типа. Вызвано это было несколькими причинами. Первой причиной стало, несомненно, раскрытие в 1994 г. крупнейшей инвестиционной компанией США Дж.П. Морган системы оценивания риска Riskmetrics TM и предоставление в свободное пользование базы данных для этой системы для всех участников рынка. Значения VAR, полученные с использованием системы Riskmetrics TM и до сих пор являются неким эталоном для оценок VAR. Вторая причина заключается в инвестиционном "климате", который царил в конце 1990 – х годов и был связан с огромными потерями, понесенными финансовыми институтами, в частности, при оперировании на рынках производных ценных бумаг (инструменты финансового рынка, функционирующие на базе основных активов (акций, облигаций и т.д.)). В таблице 3.7. указаны потери, понесенные некоторыми западными компаниями и даты, на которые они были обнародованы. Третьей причиной , является решение организаций, осуществляющих надзор за банками, использовать величины VAR для определения резервов капитала.
Таблица 3.7.
Потери крупных западных компаний за 1993 – 1995гг.
|
Дата отчета |
Компания |
Потери (в млн. руб) |
|
Metallgesellschaft | ||
|
Askin Capital Management | ||
|
Procter & Gamble | ||
|
Paine Webber Bond Mutual Fund | ||
|
Orange County CA | ||
Рисковая стоимость отражает максимально возможные убытки от изменения стоимости финансового инструмента, портфельного активов, компании, которое может произойти за данный период времени с заданной вероятностью его появления. Например, когда говорят, что рисковая стоимость на 1 день составляет 100 тыс. долларов США с доверительным интервалом 95% (или вероятностью потерь 5%), это означает, что потери в течение одного дня, превышающие 100 тыс. долларов, могут произойти не более чем в 5% случаев.
Говоря простым языком, вычисление величины VAR проводится с целью заключения утверждения подобного типа: "Мы уверены на X % (с вероятностью X %), что наши потери не превысят Y долларов в течение следующих N дней". В данном предложении неизвестная величина Y и есть VAR. Она является функцией 2 – х параметров: N – временного горизонта и X – доверительного интервала (уровня). Так, например, стандартом для брокерско – дилерских отчетов по операциям с внебиржевыми производными инструментами, передаваемым в Комиссию по биржам и ценным бумагам США, являются N равное 2 – м неделям и X = 99 %. The Bank of International Settlements для оценки достаточности банковского капитала установил X = 99 % и N равным 10 дней. Компания Дж.П. Морган опубликовывает свои дневные значения VAR при 95 % – ом доверительном уровне.
Для определения величины рисковой стоимости необходимо знать зависимость между размерами прибылей и убытков и вероятностями их появления, т.е. распределение вероятностей прибылей и убытков в течении выбранного интервала времени. В этом случае по заданному значению вероятности потерь можно однозначно определить размер соответствующего убытка.
Типичным приемом является использование нормального распределения вероятностей.
Ключевые параметры при определении рисковой стоимости – доверительный интервал и временной горизонт . Поскольку убытки являются следствием колебаний цен на рынке, доверительный интервал служит той границей, которая, по мнению управляющего портфелем, отделяет «нормальные» колебания рынка от экстремальных ценовых всплесков по частоте их проявления. Обычно вероятность потерь устанавливается на уровне 1%, 2,5 или 5% (соответствующий доверительный интервал составляет 99%, 97,5 и 95%), однако риск – менеджер может выбрать какое-либо другое значение в соответствии со стратегией управления капиталом, которой придерживается компания.
Помимо субъективной оценки, доверительный интервал может быть установлен и объективным методом. Для этого строят график реально наблюдаемого (эмпирического) распределения вероятностей прибылей и убытков и совмещают его с графиком плотности нормального распределения. Точки пересечения «хвостов»эмпирического и нормального распределения и будут задавать искомый доверительный интервал.
Следует учитывать, что с увеличением доверительного интервала показатель рисковой стоимости будет возрастать.
Выбор временного горизонта зависит от того, насколько часто производятся сделки с данными активами, а также от их ликвидности. ДЛя финансовых институтов, ведущих активные операции на рынках капитала, типичным периодом расчета является 1 день, в то время как стратегические инвесторы и нефинансовые компании могут использовать и большие периоды времени. Кроме того, при установлении временного горизонта следует учитывать наличие статистики по распределению прибылей и убытков для желаемого интервала времени. Вместе с удлинением временного горизонта возрастает и показатель рисковой стоимости.
Значение рисковой стоимости определяется на основе свойств нормального распределения. Так, если доверительный интервал задан на уровне 95%, то величина рисковой стоимости равна 1,65 стандартного отклонения портфеля. Таким образом, величина рисковой стоимости рассчитывается по следующей формуле:
,
где Z – количество средних квадратических отклонений, соответствующее заданному доверительному интервалу;
t – временной горизонт; p – вектор размера позиций; Q – ковариационная матрица изменений стоимости позиций.
Следует заметить, что концепция рисковой стоимости неявно предполагает, что состав и структура оцениваемого портфеля активов будут оставаться неизменными на протяжении всего временного горизонта. Такое допущение вряд ли оправдано для сравнительно больших интервалов времени, поэтому при каждом обновлении портфеля необходимо корректировать величину рисковой стоимости.
Исторически подход оценки риска, основанный на VAR, впервые был рекомендован Группой Тридцати (The Global Derivatives Study Group, G30) в 1993 г. в исследовании "Derivatives: Practices and Principles". В том же году Европейский Совет в директиве "EEC 6 – 93" предписал установку резервов капитала для покрытия рыночных рисков с использованием моделей VAR. В 1994 г. The Bank of International Settlements рекомендовал банкам раскрытие своих значений VAR. В 1995 г. Базельский комитет по надзору за банками предложил банкам использовать собственные модели оценки VAR в качестве основы для расчета резервов капитала. Требования к размеру резервного капитала V рассчитывались как максимум двух величин: текущего значения VAR (VAR t ) и среднего VAR за предыдущие 60 дней, умноженного на коэффициент со значением между 3 и 4:
Значение фактора λ зависит от однодневного предсказания модели за предыдущие периоды времени. Так, если обозначить через K – число раз, когда однодневные потери превосходили предсказанное значение VAR за последний год (или последние 250 торговых дней), то различают следующие 3 зоны: "зеленая" зона (K меньше или равно 4), "желтая" зона (К в диапазоне от 5 до 9), "красная" зона (К больше или равно 10). Если K лежит в "зеленой" зоне, то λ= 3, если в "желтой" зоне, то 3< λ< 4, если в "красной" зоне, то λ =4.
Разработка и внедрение моделей VAR происходит стремительным образом. В инвестиционных компаниях и банках методология VAR может применяться по крайней мере в 4 – х направлениях деятельности.
1) Внутренний мониторинг рыночных рисков. Институциональные инвесторы могут вычислять и производить мониторинг значений VAR по нескольким уровням: агрегированному портфеля, по классу актива, по эмитенту, по контрагенту, по трейдеру/портфельному менеджеру и т.д. С точки зрения мониторинга точность оценивания величины VAR уходит на второй план поскольку в данном случае важна величина относительного, а не абсолютного значения VAR, т.е. VAR управляющего или VAR портфеля по сравнению с VAR эталонного портфеля, индекса, другого менеджера или того же менеджера в предыдущие моменты времени.
2) Внешний мониторинг. VAR позволяет создать представление о рыночном риске портфеля без раскрытия информации о составе портфеля (который может быть довольно запутанным). Кроме того, регулярные отчеты с использованием цифр VAR, предоставляемые начальству, могут служить одним из аргументов того, что риск, который взяли на себя управляющие менеджеры, находится в приемлемых рамках.
3) Мониторинг эффективности хеджа. Значения VAR могут использоваться для определения степени того, насколько хеджирующая стратегия выполняет поставленные цели. Менеджер может оценить эффективность хеджа путем сравнения величин VAR портфелей с хеджем и без хеджа. Если, например, разница между этими двумя величинами невелика, то возникает вопрос о целесообразности хеджирования или правильно ли хеджирование применяется.
4) "Что – если" анализ возможных трейдов. Методология VAR позволяет дать больше свободы и автономии управляющему персоналу, так как становится возможным сократить всевозможные бюрократические процедуры, связанные с утверждением тех или иных сделок (особенно с производными инструментами). Это достигается через мониторинг транзакций (сделок) с использованием VAR. Например, высшее руководство может просто установить правило для своих брокеров – дилеров подобного рода: "Никакая операция не должна приводить к увеличению значения VAR более чем на X% начального капитала" и после этого не вдаваться впоследствии в подробности каждого конкретного трейда.
Таким образом, компании могут использовать значения VAR для создания отчетов для менеджеров, акционеров и внешних инвесторов, так как VAR позволяет агрегировать всевозможные рыночные риски в одно число, имеющее денежное выражение. С помощью методологии VAR становится возможным вычислить оценки риска различных сегментов рынка и отождествить наиболее рисковые позиции. Оценки VAR могут использоваться для диверсификации капитала, установки лимитов, а также оценки деятельности компании. В некоторых банках оценка операций трейдеров, а также их вознаграждение вычисляется исходя из расчета доходности на единицу VAR.
Нефинансовые корпорации могут использовать технику VAR для оценки рисковости денежных потоков и принятия решений о хеджировании (защите капитала от неблагоприятного движения цен). Так одной из трактовок VAR является количество незастрахованного риска, которое принимает на себя корпорация. Среди первых нефинансовых компаний, начавших применять VAR для оценки рыночного риска, можно отметить американскую компанию Mobil Oil, немецкие компании Veba и Siemens, норвежскую Statoil.
Инвестиционные аналитики используют VAR для оценивания различных проектов. Институциональные инвесторы, такие как пенсионные фонды, используют VAR для расчета рыночных рисков. Так как было отмечено в исследовании New York University Stern School of Business, около 60% – ов пенсионных фондов США используют в своей работе методологию VAR.
Как уже отмечалось, для заданного временного интервала , где t – текущий момент времени, и доверительного уровня p VAR есть убыток на временном интервале , который произойдет с вероятностью 1 – p.
Приведем простой пример: пусть дневное значение VAR для данного портфеля есть $2 миллиона при 95% доверительном уровне. Такое значение VAR означает, что при отсутствии резких изменений в рыночных условиях однодневный убыток превысит $2 миллиона в 5% случаев (или 1 раз в месяц, если исходить из того, что в месяце 20 рабочих дней).
Говоря математическим языком, VAR = VAR t,T определяется как верхняя граница одностороннего доверительного интервала:
Probability (R t (T) < – VAR}) = 1 – α,
где α есть доверительный уровень, R t (T) есть ставка роста капитала портфеля на интервале при "непрерывном способе начисления процентов":
R t (T) = log (V(t+T)/ V(t)),
где V(t+T) и V(t) есть значения капитала портфеля в моменты времени t+T и t соответственно. Другими словами, V(t+T) = V(t) * exp(R t (T)).
Отметим, что R t (T) является случайной величиной и характеризуется, таким образом, некоторым вероятностным распределением. Значение VAR определяется из распределения приращений портфеля следующим образом:
,
где F R (x) = Probability (R ≤ x) есть функция распределения ставки роста портфеля, f R (x) есть плотность распределения R t (T).
Традиционными техниками аппроксимации распределения R t (T) являются:
параметрический метод;
моделирование по историческим данным
метод Монте – Карло
анализ сценариев
Если изменения капитала портфеля характеризуются параметрическим распределением, то VAR может быть вычислен через параметры этого распределения.
На рисунке 3.19. представлена плотность нормального распределения и указана квантиль Z 1 – α . Площадь под графиком функции плотности левее Z 1 – α (площадь "левого хвоста") равняется 1 – α.
Предполагается, что ставка роста актива μ= 0. Тогда VAR= – V t z 1 – α σ , где V t есть значение капитала портфеля в текущий момент времени t.
Пример 1: Случай одного актива.
На следующем графике 3.20. приведена гистограмма месячных ставок роста индекса FTSE – 100 с 1988 по 1995 гг.
Для вычисления VAR воспользуемся тем фактом, что вероятность вероятность в "левом хвосте" нормального распределения есть известная функция стандартного отклонения σ, а именно, 5% вероятности нормального распределения находится левее 1,65 стандартных отклонений от среднего значения μ. В данном примере имеем оценки μ=0.76% и σ=4,58%. При условии, что текущее значение капитала портфеля есть 1 млн фунтов стерлингов, значение VAR на интервале времени 1 месяц при 95% – ом доверительном уровне есть:
VAR = 1"000"000 (0.0076 – 1.65 0.0458)= 68"012 ф. ст.
Пример 2: Случай двух активов.
Рассмотрим теперь предыдущий пример портфеля, состоящего из "индекса FTSE 100"(предполагается, что инвестор может сформировать свой портфель из акций таким образом, что каждая акция имеет тот же вес, что и в индексе FTSE – 100. Таким образом, приращение такого портфеля будет равно приращению индекса FTSE – 100.), но с точки зрения инвестора, для которого базовой валютой является доллар США. Таким образом, портфель теперь состоит из двух "активов": фондового индекса, деноминированного в фунтах стерлингов, и обменного курса GBP/USD.
Пусть текущее значение обменного курса есть 1.629 долл за фунт ст.. Тогда капитал инвестиционного портфеля в долларах США есть 1"000"000/1.629= $613"874. Таким образом, значение 1 – месячного VAR фондового индекса при 95% – ом доверительном уровне есть:
VAR equity =$613"874 (0.0076 – 1.65 0.045)=$40"915
Оценками стандартного отклонения и среднего обменного курса GBP/USD на интервале времени 01/88 – 01/95 являются 0.0368 и – 0.001 соответственно. Таким образом, 1 – месячное значение VAR обменного курса GBP/USD есть:
VAR forex =$613"874 (– 0.001 – 1.65 0.0368)=$37"888
Теперь мы в состоянии вычислить суммарный VAR портфеля, используя то, что вариация портфеля из двух активов, имеющих совместное нормальное распределение, равняется сумме вариаций каждого актива и двойной корреляции между этими активами, умноженной на стандартные отклонения активов:
(VAR portfolio) 2 =(VAR equity) 2 +(VAR forex) 2 +2 ρ VAR equity VAR forex ,
где ρ есть коэффициент корреляции между ставками роста индекса FTSE – 100 и обменного курса GBP/USD. Оценкой ρ является – 0.2136, т.е. индекс FTSE – 100 и курс GBP/USD обратно коррелированы. Таким образом, 1 – месячный VAR портфеля при 95% – ом доверительном уровне есть
Таким образом, можно ожидать, что потери портфеля составят более 8% – ов начального капитала в 5 – ти из 100 месяцев в будущем.
Как можно легко заметить, VAR портфеля оказался меньше суммы VAR индекса и обменного курса (равной $78"803). Это явилось следствием диверсификации портфеля : так как активы имеют отрицательную корреляцию, то убытки по одному активу компенсируются прибылью по другому активу.
Кроме того, как и следовало ожидать, величина VAR для, например, американского инвестора в индекс FTSE – 100 оказывается большей по сравнению с величиной VAR для британского инвестора (равной GBP68"012*1.629=USD41"751), инвестирующего свои средства в тот же "актив – индекс". Это явилось следствием дополнительного риска, который несет в себе обменный курс GBP/USD.
В приведенных выше примерах нормальное распределение было избрано лишь для иллюстративных целей в силу простоты проводимых вычислений. На практике, как известно, приращения цен активов имеют, как говорят, более тяжелые "хвосты" по сравнению с нормальным законом, т.е. в реальности наблюдается больше "экстремальных" событий по сравнению с тем, что можно было бы ожидать при нормальном распределении. VAR по своей природе, как раз и имеет дело с предсказанием событий из "хвостов" распределения (с событиями из "левого хвоста" для "длинных" позиций по активу и с событиями из "правого хвоста" для "коротких" позиций по активу). Подобные события "катастрофического риска", хорошо известны в страховом и перестраховочном бизнесе.
Метод моделирования по историческим данным состоит в конструировании распределения изменений портфеля R t (T) по историческим данным. В данном случае делается только одна гипотеза о распределении доходности капитала портфеля: "будущее" будет вести себя также как и "прошлое". Для примера 1, разобранного выше, имеем что 5% – ая квантиль исторических приращений индекса FTSE – 100 есть – 6.87% (отмечена вертикальной линией на гистограмме). Таким образом, используя исторические данные, получаем следующую оценку VAR для портфеля из "индекса FTSE – 100":
VAR=GBP 1"000"000 * (– 6.87%)=GBP 68"700
(сравните с величиной VAR=GBP 68"012 из примера 1).
Метод Монте – Карло заключается в определении статистических моделей для активов портфеля и их моделировании посредством генерации случайных траекторий. Значение VAR вычисляется из распределения ставок роста капитала портфеля, аналогичного тому, которое изображено на гистограмме для индекса FTSE – 100, но полученного в результате искусственного моделирования.
Метод анализа сценариев изучает эффект изменения капитала портфеля в зависимости от изменения величин рисковых факторов (напр., процентной ставки, волатильности) или параметров модели. Моделирование происходит в соответствии с определенными "сценариями". Так многие банки оценивают величину "PV01" своих портфелей с "фиксированной доходностью" (fixed – income portfolios, т.е. портфелей, состоящих из инструментов "на процентную ставку": облигаций, форвардов на процентную ставку, свопов и т.д.), которая вычисляется как изменение капитала портфеля при параллельном сдвиге кривой доходности на 100 базисных пунктов.
Использование того или иного метода должно основываться на таких факторах как качество базы данных, простота реализации метода, наличие быстродействующих компьютеров, требования к надежности полученных результатов и т.д.
Хотелось бы отметить, что методология VAR не является универсальным способом предупреждения финансовых потерь. Она всего лишь помогает компаниям представить являются ли риски, которым они подвержены, теми рисками, которые они хотели бы на себя принять или думают, что они на себя приняли . VAR не может сказать управляющему компании "сколько риска нужно взять", а может только сказать "сколько риска уже взято". VAR может и должен использоваться не взамен, а в дополнение к другим методам анализа риска таким, например, как Shortfall – at – Risk (SAR, Средняя Величина Убытка ), когда интересуются не только граничной величиной капитала , ниже которой следует ожидать убыток с определенной долей вероятности, а и размером этого убытка.
Как правило, расчет рисковой стоимости сопровождается детальным анализом нескольких возможных сценариев, моделированием эмпирических распределений вероятностей и тестированием портфеля на устойчивость к изменениям основных параметров. Величина рисковой стоимости, как обобщающая оценка рыночного риска, нужна в первую очередь для принятия оперативных решений высшим руководством компании.
Все методы прогнозирования валютного риска можно условно разделить на две группы:
*статистические методы, в основе которых лежит количественный анализ
*экспертные методы, основанные на качественном анализе
За основу количественной оценки валютных рисков принят метод Value at Risk (VaR), определения функциональной связи вероятности наступления риска от внешних показателей. Методика VAR метода используется такими международными институтами как, Банк международных расчетов, Банковская федерация Европейского Сообщества и другими для вычисления достаточности капитала. Эта методика используется многими европейскими банками для измерения рыночных рисков (куда входит и валютный риск) банка.
VaR-это величина убытков, которая с вероятностью уровня доверительного интервала (к примеру 99%), не будет превышена. Соответственно в 1% событий убыток может составить величину превышающую VaR. Метод VaR по сути является развитием классического метода измерения риска, основанном на вычислении среднеквадратического отклонения с последующим применением нормального закона распределения. Достоинства оценки валютных рисков с помощью метода VaR обладает следующими преимуществами, потому что он позволяет:
*рассчитать риски для всех возможных рынков
*рассчитать риск потерь в соответствии с вероятностью их появления
Говоря общими словами, VaR можно определить как статистическую оценку максимальных потерь портфеля инвестора при заданном распределении факторов рынка за определенный промежуток времени почти во всех случаях (за исключением малого процента ситуаций).
При вычислении VaR нужно определить базовые элементы, которые оказывают влияние на его величину: вероятностное распределение рыночных факторов
, доверительный интервал
, т.е. вероятность, с которой потери не должны превышать VaR, период удержания позиций
(holding period). Формула расчета VaR:
VAR=
k*
σ*
Y
Где k – коэффициент, определенного доверительного интервала, Y – стоимостной объем актива, σ - волатильность курса валюты.
Волатильность равна квадратному корню из дисперсии: меры разброса валюты от своей средней. Следующий шаг в расчете показателя VaR – выбор доверительного интервала, количественную характеристику точности прогноза. Для каждого доверительного интервала существует свой коэффициент
(множитель k). Наиболее часто используется – 95% доверительный интервал (коэффициент 1,65) и 97,5% (коэффициент 1,96) и 99% (коэффициент 2,33) интервалы. Указанные интервалы определяют вероятность превышения расчетного VaR.
Есть три метода расчета VaR: метод вариации-ковариации (аналитический), моделирование на истории, статистическое моделирование (называемое методом Монте-Карло). Для вычисления VaR чаще всего используют метод вариации-ковариации (разобранный выше). Его широкое использование связано с тем, что его просто использовать, а результаты точности расчета оказываются на высоком уровне. Использовать этот метод возможно только, если изучаемые статистические данные соответствуют нормальному закону распределения, что в реальности должно означать отсутствие каких – либо существенных отклонений значений цен от среднего уровня. Аналитический метод расчета VaR можно реализовать на любом компьютере, однако при его использовании нужно считаться со стационарным нормальным распределением, что делает его малопригодным для российских условий.
Процедура расчета Value-at-Risk (VaR) по облигациям процесс довольно не простой, особенно если подходить к этому вопросу комплексно, как например расчёт стоимости под риском портфеля облигаций в целом.
Оценку степени риска портфеля облигаций целесообразней проводить посредством расчета показателя процентного риска DV01, но порой, для расчета совокупного показателя риска диверсифицированного портфеля активов, возникает потребность в использовании универсальной её величины, как для долевых финансовых инструментов (акций), так и для долговых (облигаций). В этом случае как раз и прибегают к расчету VaR по облигациям.
Ниже представлен максимально упрощенный комплексный вариант-пример процедуры расчета Value-at-Risk по рублевым облигациям, торгуемым на Московской бирже в среде Excel*:
Схема процесса расчета стоимости под риском (VaR) по облигациям
На первом этапе (см. на схеме <СБОР ДАННЫХ >) требуются рыночные данные, на базе которых будет происходить анализ и непосредственно расчет данных.
В качестве источника рыночных данных, использованы месячные данные, формируемые Московской Биржей по итогам ежедневных торгов . Информация, увы, доступна только на платной основе (по крайне мере, о наличии бесплатных альтернативных вариантов - неизвестно).
Для расчета целесообразно использовать данные минимум за 12 месяцев.
На следующем этапе <БАЗА РЫНОЧНЫХ ДАННЫХ > происходит процедура автоматического объединения, консолидации месячных данных за последний год.
Представленный на схеме независимый процесс <ПОРТФЕЛЬ ДАННЫХ > это возможный к использованию вспомогательный элемент автоматической подгрузки данных о конкретном портфеле облигаций (в представленном ниже примере для скачивания этот процесс не поддерживается, но при желании не составит большого труда организовать автоматическую его подкачку).
Скачать приложения Вы можете здесь:
Приложение « Расчет VaR по облигациям » .
Скачать
Краткая процедура к использованию*:
2. Разархивированные месячные данные поместить в папку:
...\РАСЧЁТ VAR ОБЛИГАЦИЙ\РАСЧЁТ VAR\А. БИРЖА КОТИРОВКИ\ОБЛИГАЦИИ\12 МЕС
4. Запустить файл <РАСЧЕТ VAR ОБЛИГАЦИЙ.xlsm>.
4.1. На листе "Сводный" файла ниже таблицы укажите дату расчета (последний рабочий день скаченных с биржи данных), перечисленные ниже параметры предлагается оставить без изменения (по умолчанию).
4.3. Затем нажмите на кнопку "Сводные таблицы", расположенную в верхнем левом углу на листе "Сводный" файла.
Всё расчет готов!
а) На листе "Service" файла в соответствующей таблице заполните данные о собственном портфеле.
Выдержка из книги «Анализ кредитных рисков».
Существуют различные методологии оценки возможных потерь по финансовым инструментам и портфелям., отметим основные из них:
- VaR (Value-at-Risk - «стоимость под риском»);
- Shortfall;
- Аналитические подходы (например, дельта-гамма подход);
- Stress Testing (новая методика).
Рассмотрим наиболее распространенный метод количественной оценки величины рыночного риска торговых позиций - VaR :
VaR - это выраженная в денежных единицах базовой валюты оценка величины, которую не превысят ожидаемые в течение данного периода времени (временной горизонт) потери с заданной вероятностью (уровень доверия). Базой для оценки VaR является динамика курсов и цен инструментов за установленный период времени в прошлом.
Временной горизонт часто выбирается исходя из срока нахождения финансового инструмента в портфеле или его ликвидности, исходя из минимального реального срока, на протяжении которого можно реализовать на рынке данный инструмент без существенного убытка. Временной горизонт измеряется числом рабочих или торговых дней.
Уровень доверия, или вероятность, выбирается в зависимости от предпочтений по риску, выраженных в регламентирующих документах банка. На практике часто используется уровень в 95% и 99%. Базельский комитет по банковскому надзору рекомендует уровень в 99%, на который ориентируются надзорные органы.
Величина VaR рассчитывается тремя основными методами:
- параметрическим;
- методом исторического моделирования;
- методом Монте-Карло.
Параметрический метод расчёта VaR
Данный метод может использоваться для оценки рыночного риска финансовых инструментов, по которым банк имеет открытую позицию. Стоит отметить, что параметрический метод плохо подходит для оценки риска активов с нелинейными ценовыми характеристиками. Основным недостатком данного метода является предположение о нормальном распределении доходностей финансовых инструментов, которое, как правило, не соответствует параметрам реального финансового рынка. Для параметрического расчёта VaR необходимо регулярно рассчитывать волатильность котировок ценных бумаг, валютных курсов, процентных ставок или иных риск-факторов (переменная, от которой в наибольшей степени зависит изменение стоимости открытых банком позиций).
Базовая формула для определения VaR с учетом стоимости позиции актива имеет следующий вид:
VaR = V* λ *σ,
Где:
λ - квантиль нормального распределения для выбранного доверительного уровня. Квантиль показывает положение искомого значения случайной величины относительно среднего, выраженное в количестве стандартных отклонений доходности портфеля. При вероятности отклонения от среднего, равного 99%, квантиль нормального распределения составляет 2,326, при 95% - 1,645;
σ - волатильность изменения риск-фактора. Волатильность - это стандартное (среднеквадратическое) отклонение изменения риск-фактора относительно его предыдущего значения;
V - текущая стоимость открытой позиции. Под открытой позицией понимается рыночная стоимость финансовых инструментов, купленных или проданных банком для получения прибыли или иных целей таким образом, что количество финансовых инструментов, находящихся в рассматриваемый момент на балансовых или забалансовых счетах, не равно нулю.
Пример
Инвестор владеет акциями компании стоимостью 10 млн.руб. Заданный уровень доверия 99% с временным горизонтом в один день. Однодневная волатильность цены акций (σ) = 2,15.
VaR = 10 * 2,33* 2,15 = 50,09 млн.руб.
Другими словами, вероятность того, что убытки инвестора превысят 50 млн.руб. в течение ближайших суток, равна 1 %. Убытки, превышающие 50 млн.руб. ожидаются в среднем один раз в 100 дней торгов.
Метод исторического моделирования расчета VaR
Данный метод основан на предположении о стационарности поведения рыночных цен в ближайшем будущем.
Сначала выбирается период времени (число рабочих или торговых дней), за который отслеживаются исторические изменения цен всех активов, входящих в портфель. Для каждого периода времени моделируются сценарии изменения цены. Гипотетическая цена актива рассчитывается как его текущая цена, умноженная на прирост цены, соответствующий данному сценарию. Затем производится полная переоценка всего текущего портфеля по ценам, смоделированным на основе исторических сценариев, и для каждого сценария вычисляется, насколько может измениться стоимость текущего портфеля. После этого полученные результаты ранжируются по номерам в порядке убывания (от самого большого прироста до самого большого убытка). И, наконец, в соответствии с желаемым уровнем доверия величина VaR определяется как такой максимальный убыток, который равен абсолютной величине изменения с номером, равным целой части числа (1- квантиль при заданном уровне доверия) * число сценариев.
В отличие от параметрического метода, метод исторического моделирования позволяет наглядно и полно оценить риск, он хорошо подходит для оценки риска активов с нелинейными ценовыми характеристиками. Преимущество исторического моделирования заключается в том, что он исключает высокое влияние модельного риска и основан на реально наблюдавшейся в прошлом модели, без учета предположений о нормальном распределении или какой-либо другой стохастической модели динамики цен на рынке. Стоит отметить, что при расчете VaR данным методом присутствует высокая вероятность ошибок измерения при малом периоде исторической выборки. Кроме того, из выборки не исключаются наиболее старые наблюдения, что резко ухудшает точность модели.
Пример:
В 400 сценариях оказалось 300 случаев убытка и 100 случаев прироста. VaR (95%) - это абсолютная величина 21-го по величине убытка (400+1-1(1-0,05)*400=21, где 0,05 - квантиль при уровне доверия 95%), т.е. изменения под номером 380.
Метод Монте-Карло расчета VaR
Метод Монте-Карло, или метод стохастического моделирования, является самым сложным методом расчета VaR, однако его точность может быть значительно выше, чем у других методов. Метод Монте-Карло очень схож с методом исторического моделирования, он также основан на изменении цен активов, только с заданными параметрами распределения (математическим ожиданием, волатильностью). Метод Монте-Карло подразумевает осуществление большого количества испытаний - разовых моделирований развития ситуации на рынках с расчетом финансового результата по портфелю. В результате проведения данных испытаний будет получено распределение возможных финансовых результатов, на основе которого путем отсечения наихудших согласно выбранной доверительной вероятности может быть получена VaR-оценка. Метод Монте-Карло не подразумевает свертывания и обобщения формул для получения аналитической оценки портфеля в целом, поэтому и для результата по портфелю и для волатильностей и корреляций можно использовать значительно более сложные модели. Метод заключается в следующем. По ретроспективным данным (периоду времени) рассчитываются оценки математического ожидания и волатильность. С помощью датчика случайных чисел данные генерируются с помощью нормального распределения и заносятся в таблицу. Далее вычисляется траектория моделируемых цен по формуле натурального логарифма и производится переоценка стоимости портфеля.
Так как оценка VaR методом Монте-Карло практически всегда производится с использованием программных средств, данные модели могут представлять собой не формулы, а достаточно сложные подпрограммы. Таким образом, метод Монте-Карло позволяет использовать при расчете рисков модели практически любой сложности. Преимущество метода Монте-Карло заключается еще и в том, что предоставляется возможность использовать любые распределения. Кроме того, метод позволяет моделировать поведения рынков - трендов, кластеров высокой или низкой волатильности, меняющихся корреляций между факторами риска, сценариев "что-если" и т.д. При этом стоит отметить, что данный метод требует мощных вычислительных ресурсов и при простейших реализациях может оказаться близок к историческому или параметрическому VaR, что приведет к наследованию всех их недостатков.
Недостатком метода оценки рисков VaR является то, что он игнорирует очень многие значительные и интересные детали, необходимые для реального представления рыночных рисков. VaR не учитывает, какой вклад в риск вносит рынок, какие структурные изменения портфеля увеличивают риск, а также какие инструменты хеджирования контролируют специфический риск. Модель не дает информации о наихудшем возможном убытке за пределами значения VaR (при заданном уровне доверия 95% остается неизвестным, какими могут быть потери в оставшихся 5% случаев).
В качестве альтернативной меры оценки рыночного риска может использоваться методология Shortfall, которая представляет собой среднюю величину потерь, превышающих VaR. Shortfall - более консервативная мера риска, чем VaR. Для одного и того же уровня вероятности Shortfall требует резервировать больший капитал. Таким образом, он позволяет учитывать большие потери, которые могут произойти с небольшой вероятностью. Он также более адекватно позволяет оценить риск в таком распространенном на практике случае, когда распределение потерь имеет «толстые хвосты» функции распределения (отклонения на краях распределения плотности вероятностей от нормального распределения).
Расчет риска в соответствии с Положением ЦБ РФ № 313-П
Величина рыночного риска включается в расчет норматива достаточности собственных средств (капитала) банка в соответствии с Инструкцией Банка России от 16.01.2004 г. № 110-И «Об обязательных нормативах банков». Порядок расчета кредитными организациями размера рыночных рисков предусмотрен Положением ЦБ РФ «О порядке расчета кредитными организациями величины рыночного риска» от 14.11.2007 г. N 313-П. Совокупная величина рыночного риска рассчитывается по формуле:
РР = 12,5 * (ПР + ФР) + ВР,
Где:
РР - совокупная величина рыночного риска;
ПР - величина рыночного риска по финансовым инструментам, чувствительным к изменениям процентных ставок (далее - процентный риск);
ФР - величина рыночного риска по финансовым инструментам, чувствительным к изменению текущей (справедливой) стоимости на долевые ценные бумаги;
ВР - величина рыночного риска по открытым кредитной организацией позициям в иностранных валютах и драгоценных металлах.