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.
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:
- Вариация/ ковариация (или корреляция или параметрический метод)
- Историческое моделирование (дельта нормальный метод, «ручной рассчет»)
- 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:
- Максимум доходностей за весь временной диапазон =МАКС(Лист1!D3:D392)
- Минимум доходностей за весь временной диапазон =МИН(Лист1!D3:D392)
- Количество интервалов (N) = 100
- 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.
В настоящей главе рассматривается методика определения риска портфеля, получившая название VaR. Мы определим понятия абсолютного и относительного VaR, диверсифицированного и не диверсифицированного VaR и приведем метод расчета параметрической модели VaR. В заключение главы определим понятие EaR.
В 90-е годы прошлого века теория и практика управления портфелем обогатилась концепцией VaR (Value at Risk). На русский язык VaR можно перевести как стоимость (портфеля), которой рискует инвестор. Появление методики VaR объясняется тем, что во многих случаях дисперсия не может рассматриваться как подходящий показатель измерения риска портфеля. Например, дисперсия не учитывает возможную скошенность в распределении доходности портфеля, если оно не является симметричным. Наиболее ярким случаем являются портфели, включающие значительную долю производных инструментов. Таким образом, VaR - это показатель, оценивающий риск портфеля. Следует подчеркнуть, что VaR оценивает рыночный риск. Он позволяет количественно оценить ожидаемые потери в стоимости портфеля в "нормальных условиях" функционирования рынка.
VaR - это показатель риска, который показывает, какую максимальную сумму денег может потерять портфель инвестора в течение определенного периода времени с заданной доверительной вероятностью. Соответственно VaR также говорит о том, что потери в стоимости портфеля в течение этого периода времени будут меньше данной величины с определенной вероятностью. Доверительную вероятность можно определить как показатель, говорящий о том, какое количество раз из каждых 100 раз потери в стоимости портфеля не превысят данного уровня. Поэтому VaR призван ответить на следующий вопрос: "Какой может оказаться максимальная потеря в стоимости портфеля, например, в 95% случаев в течение следующего дня?" Уровень доверительной вероятности задается заранее и зависит от характера компании, владеющей портфелем, и от субъективного подхода управляющего портфелем к этому вопросу. Обычно он равен 95% или 99%. Следует подчеркнуть, что выбор того или иного уровня доверительной вероятности не говорит об отношении инвестора к риску, так как VaR - это только определенная точка в распределении ожидаемых результатов доходности портфеля.
Пусть стоимость портфеля инвестора составляет 100 млн. руб., VaR для одного дня равен 2 млн. руб. с доверительной вероятностью 95%. Данную информацию можно интерпретировать следующим образом: а) вероятность того, что в течение следующих 24 часов потери в стоимости портфеля составят меньше 2 млн. руб. равна 95% или б) вероятность того, что в течение следующих 24 часов потери в стоимости портфеля превысят 2 млн. руб. равна 5%, или в) инвестор вправе ожидать, что в среднем его потери в течение 95 дней из каждых 100 дней не превысят 2 млн. руб., или что они окажутся больше 2 млн. руб. в течение 5 дней из каждых 100 дней.
При расчете VaR для некоторого временного интервала предполагается, что состав портфеля за этот период остается неизменным. В противном случае необходимо пересчитывать и значение VaR, так как новые активы, включаемые в портфель, как правило, изменяют и его риск.
Наиболее распространенный период, для которого рассчитывается VaR, -это один день или точнее - 24 часа. Однодневный VaR также обозначают как DEaR (Daily Earning at Risk). Базельский банк международных расчетов рекомендует банкам рассчитывать 10-дневный VaR с доверительной вероятностью 99% для определения минимального уровня собственных средств. Можно рассчитывать данный показатель и для более длительных периодов времени. Однако в этом случае состав портфеля должен оставаться неизменным. Для крупных институциональных инвесторов это условие вряд ли выполнимо. В целом, чем больше период времени, для которого рассчитывается VaR, тем больше будет и его величина, так как естественно, что на более длительном отрезке времени возрастает и вероятность более крупных потерь. Выбор более короткого периода VaR диктуется и самим подходом к статистической оценке данного показателя. Чтобы получить объективную оценку VaR, необходимо некоторое минимальное количество наблюдений. Например, если для оценки требуется 250 наблюдений, то однодневный VaR можно определить на основе данных за один год. Если же определяется десятидневный VaR, то 250 наблюдений с не перекрывающимися периодами в десять дней потребуют данных практически за семь лет. Для текущей оценки данные семилетней давности могут оказаться уже и не достаточно представительными. Кроме того, по ряду инструментов они могут просто отсутствовать физически.
При анализе риска с помощью VaR задача сводится к тому, чтобы построить распределение убытков и прибылей, которые может принести портфель инвестора в течение определенного периода времени и определить ту точку на этом распределении, которая бы соответствовала требуемому уровню доверительной вероятности. Существуют разные методики определения VaR, Все их можно разделить на две группы: параметрические модели (их еще называют аналитическими или дисперсионно-ковариационными) и непараметрические модели. Модель называется параметрической, если нам известна функция распределения случайной величины и параметры ее распределения. В параметрической модели VaR предполагается, что доходность финансовых активов следует определенному виду вероятностного распределения, обычно нормального. Используя прошлые данные статистики, определяют ожидаемые значения доходностей, дисперсий и ковариаций доходностей активов. На их основе рассчитывают VaR портфеля для заданного уровня доверительной вероятности по следующей формуле:
Примером параметрической модели VaR являются "Рискметрики" банка Дж.П.Морган, обнародованные им в 1994 г.
Определить однодневный VaR с доверительной вероятностью 95% для портфеля стоимостью 10 млн. руб., в который входят акции только одной компании. Стандартное отклонение доходности акции в расчете на год равно 25%.
Так как необходимо определить однодневный VAR, то вначале рассчитаем стандартное отклонение доходности акции для одного дня, учитывая, что в году 250 торговых дней:
По таблице нормального распределения (функция Лапласа) находим, что уровню доверительной вероятности в 95% соответствует 1,65 стандартных отклонений. VaR портфеля равен:
Таким образом, в течение следующих 24 часов максимальные потери в стоимости портфеля инвестора с доверительной вероятностью 95% могут составить 260,7 тыс. руб. Другими словами, в течение следующих 24 часов вероятность потерять сумму денег меньше 260,7 тыс. руб. равна 95%, а сумму больше 260,7 тыс. руб. - 5%.
Существуют понятия абсолютного и относительного значения VaR. В приведенном выше примере был представлен абсолютный VaR. Абсолютный VaR можно определить как максимальную сумму денег, которую может потерять портфель инвестора в течение определенного периода времени с заданной доверительной вероятностью. Относительный VaR отличается от абсолютного тем, что он рассчитывается относительно ожидаемой доходности портфеля. Его значение учитывает, что инвестор с заданной вероятностью не только может потерять сумму равную абсолютному VaR, но и не получить сумму равную средней ожидаемой доходности портфеля за рассматриваемый период. Так, в примере 1 однодневный абсолютный VaR с доверительной вероятностью 95% составлял 260,7 тыс. руб. Допустим, что на основании данных за прошлый год средняя доходность портфеля за день составляла 0,1%. От 10 млн. руб. это составляет 10 тыс. руб. Тогда относительный VaR равен:
Если ожидаемая доходность портфеля равна нулю, то значения абсолютного и относительного VaR совпадают.
Рассмотрим еще один пример на расчет абсолютного значения VaR.
Определить однодневный VaR с доверительной вероятностью 95% для портфеля стоимостью 10 млн. руб., в который входят акции двух компаний. Уд. вес первой акции в стоимости портфеля составляет 60%, второй - 40%. Стандартное отклонение доходности первой акции в расчете на один день равно 1,58%, второй - 1,9%, коэффициент корреляции доходностей акций равен 0,8.
Определяем стандартное отклонение доходности портфеля:
По таблице нормального распределения (функция Лапласа) находим, что уровню доверительной вероятности в 95% соответствует 1,65 стандартных отклонений. По формуле (9.1) определяем VaR портфеля:
Аналогично примеру 2 находится VaR для портфеля, состоящего и из акций большего количества компаний. В этом случае дисперсия доходности портфеля рассчитывается по формуле (1.30).
При расчете риска портфеля вместо формулы (1.30) удобно воспользоваться матричной формой записи (см. формулу (1.39)). Тогда дисперсию доходности портфеля в примере 2 найдем как:
где 2,4 - ковариация доходностей акций.
Стандартное отклонение доходности портфеля равно:
В примере 2 VaR можно определить также другим способом. Вначале определить VaR по каждой акции и после этого VaR портфеля. В этом случае VaR портфеля рассчитывается по формуле:
где V - матрица-столбец значений VaR по каждой бумаге;
VT- транспонированная матрица-столбец значений VaR по каждой бумаге, т.е. матрица-строка;
р - корреляционная матрица размерности пхп (п - число активов в портфеле).
Определим в примере 2 абсолютный VaR для первой акции:
Абсолютный VaR для второй акции равен:
Абсолютный VaR портфеля составляет:
Инвестор может держать средства в иностранных ценных бумагах. В этом случае он подвергается помимо риска падения курсовой стоимости бумаг и валютному риску. Риск состоит в том, что иностранная валюта подешевеет. В результате ее конвертации в национальную возникнут потери. Поэтому показатель VaR портфеля должен отразить данный факт. Рассмотрим вначале портфель, состоящий из одной акции иностранной компании.
Российский инвестор купил акции компании А на 357,143 тыс. долл. Стандартное отклонение доходности акции составляет 1,58%. Курс доллара 1долл.=28 руб., стандартное отклонение валютного курса в расчете на один день 0,6%, коэффициент корреляции между курсом доллара и ценой акции компании А равен 0,2. Определить VaR портфеля инвестора с доверительной вероятностью 95%.
Текущий курс доллара равен 28 руб., поэтому рублевый эквивалент позиции инвестора составляет:
Это означает, что в настоящий момент инвестор рискует суммой в 10 млн. руб., и данный риск обусловлен двумя факторами: возможным падением котировок акций компании А и падением курса доллара. Реализация любого из данных рисков приведет к падению стоимости портфеля ниже суммы в 10 млн. руб. Поскольку цена акций компании А и валютный курс имеют корреляцию существенно меньшую чем плюс один, то общий риск портфеля уменьшается за счет эффекта диверсификации. Поэтому дисперсия доходности портфеля равна:
Стандартное отклонение доходности составляет:
Однодневный VaR портфеля равен:
В данной задаче дисперсию портфеля можно было определить с помощью матричного исчисления, а именно:
В примере 2 мы привели еще один способ нахождения VaR портфеля с помощью формулы (9.2) на основе расчета VaR по каждому активу. Решим пример 3 с помощью данной формулы. Вначале определяем показатели VaR для акции (VaR a) и валютного курса (VaR b):
VaR портфеля составляет:
Рассмотрим пример, когда портфель инвестора включает разные валюты.
Курс доллара составляет 1долл.=28 руб., курс евро - 1евро=34 руб. Банк купил на спотовом рынке 357,143 тыс. долл. и осуществил короткую продажу 294,118 тыс. евро. Стандартное отклонение курса доллара в расчете на один день составляет 0,6%, евро - 0,65%, коэффициент корреляции равен 0,85. Определить однодневный VaR портфеля с доверительной вероятностью 95%.
Рассчитаем VaR в рублях, так как банк закроет свои позиции в иностранных валютах, конвертировав их в рубли. Долларовая позиция банка в рублях составляет:
Позиция по евро в рублях:
Поскольку банк продал евро, то для дальнейших расчетов его позицию следует записать со знаком минус, т.е. - 10млн.руб.
VaR по долларовой позиции равен:
VaR по евро равен:
VaR портфеля согласно формуле (9.2) составляет:
В приведенных выше примерах мы рассчитывали однодневный VaR на основе стандартных отклонений для одного дня. Однако данные могут быть заданы в расчете на год. Один из вариантов расчета состоит в том, чтобы перевести годичное стандартное отклонение в однодневное по формуле:
После этого можно воспользоваться приведенными выше алгоритмами.
Знаете ли Вы, что: Форекс-брокер Exness предлагает своим клиентам более 80 вариантов выбора валюты счета , в том числе метало-валютные счета.
Другой подход состоит в том, чтобы матрицу ковариаций, составленную из годичных значений, перевести в матрицу с однодневными значениями. Кроме этого, данную матрицу также удобно сразу скорректировать в соответствии с заданным уровнем доверительной вероятности. Тогда годичную матрицу ковариаций следует умножить на коэффициент:
Пусть в примере 4 годичное стандартное отклонение изменения курса доллара равно 9,4868%, а евро - 10,2774%, количество торговых дней в году 250. Определить однодневный VaR для доверительной вероятности 95%.
Коэффициент К равен:
Ковариационная матрица на основе годичных значений равна (стандартные отклонения берем в десятичных значениях):
Умножим матрицу В на коэффициент К. Получим матрицу Q":
После этого VaR портфеля находим по формуле:
VaR портфеля согласно формуле (9.3) равен:
В примерах мы рассчитывали VaR с учетом корреляций между активами портфеля. Такой VaR называют диверсифицированным. Если определить VaR без учета корреляций, то получим не диверсифицированный VaR. Он представляет собой простую сумму индивидуальных VaR активов портфеля. Покажем это для портфеля из двух активов. Пусть стандартные отклонения и уд. Веса первого и второго активов соответственно равны сг1, вх и ст2, в2, стоимость портфеля составляет Р. Тогда VaR портфеля для уровня доверительной вероятности а равен:
Если коэффициент корреляции между доходностями активов равен единице, то формула (9.4) принимает вид:
Формула (9.5) говорит о том, что в случае полной положительной корреляции между активами VaR портфеля является суммой индивидуальных VaR входящих в него активов. Поскольку корреляции могут изменяться со временем, то наряду с показателем диверсифицированного VaR целесообразно рассчитывать и не диверсифицированный VaR. Он покажет максимум возможных потерь (при нормальных условиях рынка) для данного уровня доверительной вероятности в случае неустойчивости корреляций или ошибки их оценок.
Допущение нормальности распределения доходности портфеля позволяет легко переводить значения VaR из одного уровня доверительной вероятности в другой. VaR портфеля для доверительной вероятности z 1 равен:
для доверительной вероятности z 2:
Выразим значение Ра из формулы (9.6):
И подставим в формулу (9.7):
Таким образом, зная величину VaR 1 для доверительной вероятности z 1 , по формуле (9.8) легко получить VaR 2 для доверительной вероятности z 2 .
Аналогичным образом можно пересчитывать значения VaR для разных периодов времени. Пусть VaR портфеля для периода t 1 равен:
для периода t 2:
Выразим значение Paz из формулы (9.9):
и подставим в формулу (9.10):
Таким образом, зная величину VaR 1 для периода времени t 1 , по формуле (9.11) легко получить VaR 2 для периода времени t 2 .
Содержание
В этой статье я хочу познакомить вас с популярным инструментом для оценки финансового риска VaR (ValueAtRisk ). При этом я постараюсь использовать минимум экономических, математических и статистических терминов.
Главные идеи VaR были разработаны и применены в банке JP Morgan в 80-х. Широкое применение VaR получил в 1993 когда был одобрен Группой тридцати(G-30) как часть “лучших практик” для работы с деривативами(производными финансовыми инструментами). А позже стала одним из показателей риска банка по системе Базель II (набор международных рекомендации по банковскому регулированию). Идею используемую в VaR можно отследить до ранних работ лауреата нобелевской премии по экономике Гарии Марковица в 1952.
Зачем нужен VaR?
VaR имеет много применений:- банки определяют текущий риск по отделам и банку вообщем;
- трейдеры используют VaR в торговых стратегиях (например для определения момента выхода из сделки);
- частные инвесторы для выбора менее рискованных вложений;
Управление рисками
Сначала давайте разберемся что такое управление рисками и зачем это надо.“Управление рисками это процесс обнаружения, анализа и принятия или смягчения неопределенности в инвестиционных решениях. В сущности, управление рисками происходит всегда когда инвестор или управляющий фондом анализирует и пытается оценить потенциальные убытки и затем принять(или не принять) необходимые меры, учитывая его инвестиционные цели и толерантность к риску”.
→
Почему управление рисками актуально? Даниел Канеман в своей книге “Думай медленно… решай быстро ” утверждает, что люди не любят проигрывать больше чем любят выигрывать. То есть, если человеку предлагают с 50% выиграть 110$ и с 50% проиграть 100$, то он скорее всего откажется, хотя потенциальный выигрыш и больше. Автор называет это ассиметрией потерь (loss averse).
Прогнозированием возможных потерь, к которым люди так чувствительны, мы с вами и займемся. Но перед тем как переходить к VaR нам нужно поговорить о понятии волатильности , без которой невозможно представить управление рисками .
Немного о Волатильности
Сначала рассмотрим два примера.Пример 1 - пусть весь прошлый года акция А каждый день либо росла на 3%, либо теряла -1%. При этом эти два события были независимы и равновероятны. Если наши вложения составляют 100$, то мы можем с высокой вероятностью сказать, что завтра тенденция сохранится и мы либо получим 3$, либо потеряем -1$ с одинаковой вероятностью. Другими словами вероятность получить +3$ равна 50% и вероятность потерять -1$ тоже равна 50%. Мы даже можем сказать, что ожидаемая прибыль каждый день равна 1$ (3$*50%-1$*50%). Но как мы увидим позже, ожидаемая прибыль это не то что нас интересует при управлении рисками. Для нас важны именно убытки, и с возможными убытками здесь все ясно - с вероятностью 50% мы можем потерять затра $1 .
Случайный доход +3% или -1%
Теперь давайте рассмотрим пример 2 . Есть информация о ежедневном доходе акции В за прошлый год. Свойства дохода:
- принимал одно из четырех значение -4%, -3%, +5%, +6%;
- вероятность каждого из четырех событий одинаковая - 25%;
Случайный доход -3%, -4%, 5% или 6%
Я специально подобрал значения так, чтобы среднее значение было +1%(-4%*25% -3%*25% +5%*25% +6%*25%) как и в первом примере. То есть, если у нас есть акции на 100$, то ожидаемое значение завтра тоже будет 1$ .
Сравнение примера 1(-1%, +3%) и примера 2(-3%, -4%, 5%, 6%)
Хотя ожидаемые значения в двух случаях одинаковы (+1%), уровень риска разный, так как размер убытков может быть выше во втором случае. Это и есть волатильность .
Волатильность, изменчивость (англ. volatility) - статистический финансовый показатель, характеризующий изменчивость цены. Является важнейшим финансовым показателем и понятием в управлении финансовыми рисками, где представляет собой меру риска использования финансового инструмента за заданный промежуток времени.
Или своими словами, волатильность - это сила разброса значений. Чем больше разброс, тем выше волатильность и тем труднее нам делать предположение о цене в будущем. Напрашивается вывод, чем выше волатильность, тем выше риск . Казалось бы, что волатильность это тот показатель, который нам нужен.
Но у волатильности есть один существенный недостаток для управления рисками. Она учитывает как разброс прибылей так и разброс убытков. Например, если цена на акцию резко вырастет, то и волатильность увеличится. Хотя риск, с точки зрения возможных потерь, останется на том же уровне. Эту проблему решит VaR, но перед тем как переходить к VaR давайте разберемся с проблемой оценки убытков.
Проблема 1 . Как описать потенциальные убытки?
Если в первом примере прогноз убытков на завтра был -1% с вероятностью 50% , то во втором ситуация сложнее. Мы можем сказать что:
- с вероятностью 25% мы потеряем 3%;
- с вероятностью 25% мы потеряем 4%;
- c вероятностью 50% мы потеряем более 3%;
Проблема 2. Экстремальные значения.
Давайте представим, что прошлый год акция принимала значения от -5% до 5%, но в один день убыток был -10%. Если взять количество дней в году за 364 (для простоты забудем о выходных и праздниках), то вероятность повторения убытка в -10% равна 1/364=0.274%. Вероятность 0.274% довольно мала, ее трудно представить, а кто-то может посчитать ее вообще не существенной для рассмотрения. Как быть в этом случае?
В обоих этих случаях к нам на помощь и приходит VaR.
VaR
VaR позволяет оценить убытки с определенной вероятностью. И сделать это можно довольно кратко, чтобы человек мог относительно легко представить размер риска. VaR отвечает на следующий вопрос:“Какой максимальный убыток я могу ожидать в течение определенного отрезка времени с заданным уровнем вероятности(доверия)”
Например, VaR 100$ c порогом 99% значит:
- с вероятностью 1% мы можем потерять 100$ и более в течении дня;
- с вероятностью 99% мы не потеряем более 100$ в течении дня;
VaR состоит из трех компонентов:
- уровень/порог прогноза (обычно 95% или 99%);
- временной интервал прогноза (день, месяц или год);
- возможные потери (количество денег (обычно долларов) или процентах);
Существует три метода получения VaR: исторический , ковариационный и метод Монте-Карло .
В этой статье мы рассмотрим исторический метод , так как он требует наименьших знаний в области статистики и, по-моему, самый интуитивный из трех.
Шаги подсчета VaR:
- Собрать исторические данные о доходе за определенный период (месяц, год);
- Отсортировать данные по возрастанию;
- Выбрать порог с которым мы хотим делать прогноз и “отрезать” наихудшее значение зная порог;
Шаги:
1. Получить данные о доходности акций в процентах . Скачать данные можно например с yahoo.finance.com. Yahoo предоставляет цены открытия, закрытия и тд. Мы рассмотрим цены закрытия(close*). Обратите внимания что на yahoo даты отсортированы в порядке убывания, так что можно отсортировать в порядке возрастания. Мы преобразуем цены закрытия в прибыль в процентах с предыдущего дня. Например, если цена вчера была 10$, а сегодня 15$, то прибыль в процентах будет (15$-10$)/10$ = 50%;
Преобразование данных из Yahoo и сортировка
2. Отсортировать прибыли
по возрастанию (для наглядности я построил гистограмму);
3. Выбрать порог , с которым мы хотим делать прогноз, и “отрезать” наихудшее значение зная порог. У нас 252 рабочих дня. Если мы хотим сделать оценку покрывающую 95% случаев, то мы отбрасываем худшие 5%, вероятность которых мы считаем низкой. 5% от 252 дней это 13 дней (округляем 12.6 до 13). Если посмотреть на график, то видно, что доход 13-ого “худшего деня” был -2.71%. Теперь мы можем сказать что с вероятностью 95% мы не потеряем более 2.71%. Если наши вложения 100$, то с вероятностью 95% мы не потеряем более 2,71$. Это не значит, что мы не можем потерять более 2,71$ , мы говорим о вероятности в 95%. Если этого недостаточно, то можно увеличить порог например до 99%;
* Мы выбираем close цену, а не adj. close, так как adj. close непостоянна и может меняться со временем. Например, если происходят split-ы акций. Наша же цель, чтобы цифры сошлись у тех, кто выполнит этот пример позже.
Завершая пример с данными Apple, привожу еще один интересный график. На графике по горизонтали мы видим диапазоны прибылей, и по вертикале - количество дней, когда прибыль попадала в соответствующий интервал. Этот график очень похож на нормальное распределение . Этот факт нам пригодится в следующие статье где мы рассмотрим два других метода подсчета VaR.
Пример кода
public Double calculateHistoricalVar(List
Немного о недостатках исторического метода и VaR вообщем:
- Мы прогнозируем будущие, используя исторические данные. Это может быть хрупким предположение. Так как мы делаем предположение, что события из прошлого будут повторяться. Можно пытаться бороться с этим используя разные временные интервалы для подсчета VaR(год, месяц, день). Об этом мы поговорим ниже.
- VaR ничего не говорит, о значениях за пределами порога, например 95%. Мы можем иметь две разных акции А и B с VaR 50$ при пороге 95% и 100 наблюдениях. Пусть 95 лучших наблюдений у А и В одинаковы и равны от -50$ до 45$ с шагом 1$. Но пять худших прибылей А = {-1000$, -800$, -700$, -600$, -500$}, а В = {-100$, -99$, -98$, -97$, -96$}. Очевидно что риск для B выше. Можно пробовать бороться с этим увеличивая порог(до 99%, 99.9%, 99.99% и тд.). Также существуют методы, специально направленные на устранения этих недостатков, например, Conditional VAR, который оценивает убытки, если потери превысили VaR. Но мы не будем рассматривать их в этой статье.
- Как выбрать период?
- На это нет определенного ответа, все зависит от вашего инвестиционного горизонта. Банки обычно считают VaR для дней, пенсионные фонды, с другой стороны, часто считают VaR для месяцев.
- Что делать если 95% это не целый номер элемента?
- В нашем примере мы использовали 252 дня и порог 95%. Элемент, который мы отсекаем равняется 252*0.05=12.6. В нашем примере мы просто округли и взяли 13-ый элемент, но если быть точными, то наше значение должно быть где-то посередине. К сожалению, в нашем примере 12-ый и 13-ый элементы равны -2.71%. Поэтому, давайте представим, что 12-ый элементы равен -4%, а 13-ый -3%. Тогда VaR будет находится между -4% и -3%, ближе к -3%. А точнее -3.6%. Здесь к нам на помощь и приходит интерполяция. Формула выглядит так:
b+(a-b)*k , где а-нижнее значение, b-верхнее значение и k-дробная часть (в нашем случае 0.6)
Получается -3% + (-4% + 3%) * 0.6 = -3.6%
Заключение
Красота подхода VaR в том, что он отлично работает и для набора из нескольких акций или комбинации разных ценных бумаг. Например, VaR для набора из облигаций и валют дает нам оценку без особых усилий. А использование других способов, таких как анализ возможных сценариев, сильно усложняется из-за корреляции (связи) между ценными бумагами.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.