Метод исторического моделирования расчета var. VaR и стресс-тесты — основные механизмы измерения рыночных рисков

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.

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.

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).

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.

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.

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.

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.