Главная Заработная плата Финансовый анализ и инвестиционная оценка предприятия. VaR и стресс-тесты — основные механизмы измерения рыночных рисков

Финансовый анализ и инвестиционная оценка предприятия. VaR и стресс-тесты — основные механизмы измерения рыночных рисков

Value At Risk

Value at Risk (VaR) - стоимостная мера риска. Распространено общепринятое во всём мире обозначение «VaR». Это выраженная в денежных единицах оценка величины, которую не превысят ожидаемые в течение данного периода времени потери с заданной вероятностью . Также называется показателем "16:15", ибо именно в это время он должен был быть на столе у главы правления банка J.P.Morgan. В этом банке показатель VaR и был впервые введен в обиход с целью повышения эффективности работы с рисками.

VaR характеризуется тремя параметрами:

Временной горизонт , который зависит от рассматриваемой ситуации. По базельским документам - 10 дней, по методике Risk Metrics - 1 день. Чаще распространен расчет с временным горизонтом 1 день. 10 дней используется для расчета величины капитала, покрывающего возможные убытки.
Доверительный интервал (confidence level) - уровень допустимого риска. По базельским документам используется величина 99%, в системе RiskMetrics - 95%.
Базовая валюта , в которой измеряется показатель.

VaR - это величина убытков, которая с вероятностью, равной уровню доверия (например, 99%), не будет превышена. Следовательно, в 1% случаев убыток составит величину, большую чем VaR.

Проще говоря, вычисление величины VaR проводится с целью заключения утверждения подобного типа: “Мы уверены на X% (с вероятностью X/100), что наши потери не превысят Y долларов в течение следующих N дней”. В данном предложении неизвестная величина Y и есть VaR.

Бывает: 1) историческим, когда распределение доходностей берется из уже реализовавшегося временного ряда, то есть неявно предполагается, что доходности в будущем будут вести себя похожим на то, что уже наблюдалось, образом. 2) параметрическим, когда расчеты проводятся в предположении, что известен вид распределения доходностей (чаще всего оно предполагается нормальным).

Альтернативные методики расчета риска

Существует довольно много критических отзывов о методике, и зачастую процессу вычисления показателя придают не меньшую важность, чем его результату. Одним из направлений развития методики является CVaR (Conditional VaR) или Expected Shorfall (ES) (иногда также Average value at risk (AVaR) или Expected tail loss (ETL)) - ожидание размера убытка (с данным уровнем риска, на данном горизонте), при условии, что он превысит соответствующее значение VaR. Такая мера позволяет уже не только выделить нетипичный уровень потерь, но и показывает, что, скорее всего, произойдет при их реализации. Это альтернативная методика расчета значения риска, которая является более чувствительной к форме распределения убытков в хвост распределения. "Ожидаемый дефицит на уровне% Q" является ожидаемая доходность портфеля в худшем % Случаев. Ожидается дефицит не рассматривать только самый катастрофический исход. Значение, которое часто используется на практике, составляет 5%.

Формула расчета ожидаемых убытков

См. также

Wikimedia Foundation . 2010 .

Смотреть что такое "Value At Risk" в других словарях:

Value at risk - (VaR) is a maximum tolerable loss that could occur with a given probability within a given period of time. VaR is a widely applied concept to measure and manage many types of risk, although it is most commonly used to measure and manage the… … Wikipedia

Value-At-Risk - La Value at Risk 10% d un portefeuille suivant une distribution normale La VaR (de l anglais Value at Risk, mot à mot: « valeur sous risque ») est une notion utilisée généralement pour mesurer le risque de marché d un portefeuille … Wikipédia en Français

Value at Risk - Der Begriff Wert im Risiko oder englisch Value at Risk (VaR) bezeichnet ein Risikomaß, das angibt, welchen Wert der Verlust einer bestimmten Risikoposition (z. B. eines Portfolios von Wertpapieren) mit einer gegebenen Wahrscheinlichkeit und in… … Deutsch Wikipedia

Value at risk - La Value at Risk 10 % d un portefeuille suivant une distribution normale La VaR (de l anglais value at risk, mot à mot: « valeur sous risque ») est une notion utilisée généralement pour mesurer le risque de marché d un… … Wikipédia en Français

value at risk - alue at risk (VAR) The amount or percentage of value that is at risk of being lost from a change in prevailing interest rates (similarly defined for things other than interest rates as well). The sensitivity of the value of a single financial… … Financial and business terms

value-at-risk - VAR A measure of risk developed at the former US bank J. P. Morgan Chase in the 1990s, now most frequently applied to measuring market risk and credit risk. It is the level of losses over a particular period that will only be exceeded in a small… … Accounting dictionary

value-at-risk - VAR A measure of risk developed at the former US bank J. P. Morgan Chase in the 1990s, now most frequently applied to measuring market risk and credit risk It is the level of losses over a particular period that will only be exceeded in a small… … Big dictionary of business and management

value-at-risk - rizikos vertė statusas Aprobuotas sritis Finansai apibrėžtis Finansinių priemonių portfelio galimų nuostolių dėl rinkos kainos kitimo kiekybinis įvertinimo dydis tam tikru laikotarpiu su tam tikra tikimybe. atitikmenys: angl. value at risk vok.… … Lithuanian dictionary (lietuvių žodynas)

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.

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

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

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

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

Точнее, VaR - это максимальная сумма:

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

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

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

Примеры расчета VaR

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

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

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

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

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

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

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

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

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

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

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

По аналогии варьируется волатильность вдоль всей форвардной кривой.

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

Вариации моделей

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

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

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

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

Стресс-тесты

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

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

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

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

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

Взаимодействие волитарности, корреляции и ликвидности

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

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

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

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

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

Взаимосвязь между кредитным и рыночным риском

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

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

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

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

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

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

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

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

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

Выводы

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

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

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

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

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

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

Рассмотрим методы оценки риска, в частности рыночного, с помощью меры риска VaR (Value at Risk). Для этого разберем практический пример оценки риска для акции компании ОАО «Газпром».

Рыночный риск. Определение

Рыночный риск (англ. Market risk ) – это вероятность неблагоприятного изменения стоимости активов. На изменение стоимости влияют множество макро-, мезо-, микроэкономических факторов, к которым можно отнести цены на сырье (нефть, сталь, платина и т.д.); цены на драгоценные металлы (золото, серебро); изменения отраслевых индексов производства, национальных показателей (ВВП, безработица, ключевая процентная ставка, инфляция), уровня спроса и предложения и т.д.

Рыночные риски находятся в системе финансовых рисков и можно выделить их следующие виды:

Фондовый риск (Equity risk) – вероятность потерь в случае неблагоприятного изменения стоимости ценных бумаг на фондовом рынке.
Процентный риск (Interest rate risk) – вероятность потерь при изменении банковских процентных ставок.
Товарный риск (Commodity risk) – вероятность непредвиденных потерь в случае изменения стоимости товаров.
Валютный риск (Currency risk) – вероятность потерь из-за изменения курса валют.

Рыночные риски оценивают различные инвестиционные компании, инвестиционные и хеджевые фонды, частные инвесторы, банки, предприятия, финансовые агенты, поставщики и т.д. для минимизации возможных убытков и создания резервов. Как мы видим, рыночные риски влияют на самых различных участников финансового рынка.

Методы оценки риска

Для того чтобы управлять возможными потерями и определять резервы для страхования потерь необходима количественная оценка риска. Основная аксиома любого управления заключается в том, что управлять можно только тем, что можно количественно измерить. Все методы оценки рыночных риском можно условно разделить на две группы:

Статистические методы оценки риска
1. Стандартное отклонение доходностей (σ)
2. Метод Value at Risk (Var)
3. Метод CVaR
Экспертные методы оценки риска
1. Рейтинговые методы
2. Бальные методы
3. Метод Дельфи

К преимуществам статистических методов можно отнести возможность объективной оценки вероятности возникновения непредвиденных убытков и их абсолютного размера. Экспертные методы оценки позволяют учесть слабоформализуемые факторы риска и разработать различные сценарии его снижения.

Г.Марковиц в начале 60-х годов предложил оценивать риск как изменчивость стоимости ценных бумаг на фондовом рынке. То есть чем сильнее изменяется цена актива, тем выше риск вложения в него. Недостатками данного способа были в неспособности спрогнозировать размер и вероятность будущих убытков.

Метод оценки рыночного риска. Мера риска VaR (Value at Risk)

В 80-е годы был предложен новый критерий риска – VaR (Value at Risk) , который позволил комплексно оценить возможные убытки в будущем с выбранной вероятностью и за определенный промежуток времени. Для расчета меры риска VaR на практике используют несколько способов:

Метод исторического моделирования («дельта нормальный», «ручной способ»).
Метод параметрической модели.
Статистическое (имитационное) моделирование с помощью метода Монте-Карло.

Оценка риска по методу VaR на основе исторического моделирования в Excel

Рассмотрим пример оценки риска актива на фондовом рынке по модели VaR на основе дельта нормального моделирования вероятности и размера убытка. Возьмем котировки акции ОАО «Газпром» и рассчитаем возможные убытки по данному виду актива. Для этого необходимо закачать котировки с сервиса finam.ru («Экспорт данных») или с сайта finance.yahoo.com, если вы будете оценивать рыночный риск для иностранных компаний. По рекомендации Bank of International Settlements для расчета VaR необходимо использовать не менее 250 данных по стоимости акции. Были взяты дневные котировки по ОАО «Газпром» за период 31.01.2014 – 31.01.2015.

Оценка рыночного риска методом Value at Risk (VaR)

Доходность акции ОАО «Газпром» =LN(B6/B5)

Расчет доходности акции ОАО «Газпром»

Следует отметить, что корректность использования дельта нормального метода оценки риска достигается только при подчинении факторов риска (доходности) нормальному закону распределения (Гауссовому). Для определения принадлежности распределения доходности Гауссовому распределению можно воспользоваться классическими статистическими критериями – Коломогорова-Смирнова или Пирсона.

Математическое ожидание =СРЗНАЧ(C5:C255)

Стандартное отклонение =СТАНДОТКЛОН(C5:C255)

Расчет параметров функции распределения доходностей акции

Следующим этапом в расчете меры риска VaR является определение квантиля данного нормального распределения. В статистике под квантилем понимают – значение функции распределения (Гаусса) по заданным параметрам (математического ожидания и стандартного отклонения) при которых функция не превышает данное значение с заданной вероятностью. В нашем примере уровень вероятности был взят 99%.

Рассчитаем в Excel значение квантиля для распределения доходностей акции ОАО «Газпром».

Квантиль =НОРМОБР(1%;E5;F5)

Оценка квантиля в Excel

Прогнозирование будущей стоимости акции на основе метода VaR

где:

P t +1 – минимальная стоимость акции в следующем периоде времени t с заданным уровнем квантиля.

Для прогнозирования будущей стоимости акции (актива) на несколько периодов вперед следует использовать модификацию формулы:

где:

q – квантиль распределения доходностей акции;

P t – стоимость акции в момент времени t;

P t +1 – минимальная стоимость акции в следующем периоде времени t при заданном уровне квантиля;

n – глубина прогноза возможной минимальной стоимости акции.

Формула расчета будущей стоимости акции в Excel будет иметь вид:

Минимальная стоимость акции ОАО «Газпром» на следующий день =(1+G5)*B255

Минимальная стоимость акции ОАО «Газпром» через 5 дней =B255*(1+G5*КОРЕНЬ(5))

Прогнозирование минимальной стоимости акции с заданной вероятностью

Значения P t +1 показывает, что с вероятностью 99% акции ОАО «Газпром» не опустятся ниже цены равной 137.38руб, а значение P t +5 показывает возможную минимальную стоимость акции с вероятностью 99% на 5 следующих дней. Для расчета абсолютного значения возможного убытка следует определить процентное изменение стоимости акции. Формулы расчета в Excel будут следующие:

Относительное изменение стоимости акции

Относительное снижение стоимости акции на следующий день =LN(F9/B255)

Относительное снижение стоимости акции за пять дней =LN(F10/B255)

Абсолютное изменение стоимости акции

Абсолютное снижение стоимости акции на следующий день = F9-B255

Абсолютное снижение стоимости акции за пять дней =F10-B255

Таким образом читать экономический смысл показателя VaR заключается в следующем: в течение следующего дня стоимость акции ОАО «Газпром» с вероятностью 99% не окажется ниже 137,38руб. и абсолютные убытки не превысят 6,44руб (5%) на акцию. И аналогично для оценки VaR на пять дней вперед: в течение пяти дней стоимость акции ОАО «Газпром» с вероятностью 99% не опуститься ниже 129,42 руб., и потеря капитала не превысит 11% (14,4руб на акцию).

Оценка меры риска VaR на основе «ручного способа» в Excel

Второй метод расчета меры риска VaR называется «ручным способом», так как позволяет не привязываться к распределению, по которому изменяется стоимость актива. Это одно из его главных преимуществ по отношению к дельта нормальному методу. Для оценки рыночного рискам будем использовать те же входные данные – котировки ОАО «Газпром». Этапы расчета VaR следующие:

Расчет максимума и минимума доходностей акции ОАО «Газпром»

По рассчитанной доходности акции ОАО «Газпром» определяем максимум и минимум доходности. Для этого воспользуемся формулами:

Максимальное значение доходности акции =МАКС(C5:C255)

Минимальное значение доходности акции =МИН(C5:C255)

Выбор количества интервалов группировки доходностей/убытков акции

Для ручного способа оценки риска необходимо взять количество интервалов деления группировки доходностей. Количество может быть любое, в нашем примере мы возьмем N=100.

Определение ширины интервала группировки доходностей

Ширина интервала или шаг изменения группы необходим для построения гистограммы и рассчитывается как деление максимального разброса доходностей к количеству интервалов. Формула расчета интервала следующая:

Размер интервала доходностей акции =(E5-F5)/H5

Оценка меры риска VaR «ручным способом»

На следующем этапе необходимо построить гистограмму распределения доходностей по выбранным интервалам. Для этого рассчитываем границы всех групп доходностей (всего их 100). Формула расчета следующая:

Граница доходностей акции =H5+$E$11

Расчет границы доходностей в Excel для акции ОАО «Газпром»

После определения границ групп доходностей строим накопительную гистограмму. Для этого заходим в надстройку «Данные» → «Анализ данных» → «Гистограмма».

В открывшемся окне заполняем «Входные интервалы», «Интервалы карманов», также выбираем опцию «Интегральный процент» и «Вывод графика».

Пример построения гистограммы доходностей ОАО «Газпром»

В результате будет сформирован новый рабочий лист с графиком и частотой попадания доходности/убытка в тот или иной интервал. График накопительным итогом имеет следующий вид:

Гистограмма накопительной доходности в Excel

Итак первый столбец полученной таблицы это квантиль данного для распределения доходностей/убытков, вторая частота попадания доходностей в тот или иной интервал, третья отражает вероятность появления убытков. В таблице с накопительной вероятностью попадания в тот или иной интервал необходимо найти уровень ~1%.

Определение квантиля доходностей акции «ручным способом»

Значение квантиля соответствует -0,039, тогда как при дельта нормальном способе оценки риска квантиль составил -0,045. Для оценки рисков воспользуемся уже полученными формулами оценки и рассчитаем размер убытков. На рисунке ниже показана оценка возможных убытков на следующий день и в течение пяти дней с вероятностью 1% составят 4 и 9% соответственно.

Результат оценки «ручным способом» меры риска VaR в Excel

Сложность использования метода оценки риска VaR

Отечественный фондовый рынок имеет достаточно высокую степень волатильности, на рынке наблюдаются «тяжелые хвосты» – то есть возникновение частых кризисов с большим размером убытков. В результате модель VaR не может точно спрогнозировать возможные будущие потери инвестора. Следует отметить, что данная модель хорошо применима для товарных низковолательных рынков нежели фондовых.

Резюме

В данной статье мы рассмотрели методы оценки риска на примере акции ОАО «Газпром», для этого пошагово разобрали, как строится современная оценка риска Value at Risk (VaR) в Excel двумя способами: дельта нормальным моделированием и «ручным способом».

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.

﻿ Финансовый анализ и инвестиционная оценка предприятия. VaR и стресс-тесты — основные механизмы измерения рыночных рисков