VaR и стресс-тесты — основные механизмы измерения рыночных рисков. Value at Risk (VaR) - Оценка рисков с использованием VaR

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:

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

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?

• 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

“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

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%;

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.

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

“Какой максимальный убыток я могу ожидать в течение определенного отрезка времени с заданным уровнем вероятности(доверия)”

• 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:

1. Собрать исторические данные о доходе за определенный период (месяц, год);
2. Отсортировать данные по возрастанию;
3. Выбрать порог с которым мы хотим делать прогноз и “отрезать” наихудшее значение зная порог;

Шаги:

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 prices, Double confidenceLevel, Double amount) { if (prices.isEmpty()) { return 0d; } List returns = getReturns(prices); Collections.sort(returns); double threshold = (returns.size() * (1 - confidenceLevel)); int intPart = (int) threshold; Double decimalPart = threshold - intPart; Double rawVar = returns.get(intPart); Double interpolatedPart = decimalPart * (returns.get(intPart) - (returns.get(intPart + 1))); return rawVar + interpolatedPart; } private List getReturns(List prices) { List result = new ArrayList<>(prices.size()); for (int i = 1; i < prices.size(); i++) { result.add(prices.get(i) / (prices.get(i - 1)) - 1); } return result; }

• 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

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.

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 ни под каким предлогом ни одного ордера своих клиентов без их согласия за всю историю своего существования.

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 .

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.

Главная » Вопросы по кредитам » VaR и стресс-тесты — основные механизмы измерения рыночных рисков. Value at Risk (VaR) - Оценка рисков с использованием VaR