Value-at-risk (VaR) - это широко используемая мера понижательного инвестиционного риска для отдельной инвестиции или портфеля инвестиций. VaR дает максимальную потерю в портфеле в долларах за определенный период времени для определенного уровня уверенности. Часто уровень достоверности выбирается так, чтобы указывать риск хвоста; то есть риск редких, экстремальных рыночных событий.
Например, на основании расчета VaR, инвестор может быть на 95% уверен, что максимальный убыток за один день при инвестициях в 100 долларов не будет превышать 3 долларов. VaR ($ 3 в этом примере) можно измерить с помощью трех разных методологий. Каждая методология основана на создании распределения доходов от инвестиций; иными словами, всем возможным инвестиционным доходам присваивается вероятность возникновения в течение определенного периода времени. (См. Также Введение в стоимость под риском (VaR) .)
Насколько точен VaR?
После выбора методологии VaR расчет VaR портфеля становится довольно простым упражнением. Задача заключается в оценке точности измерения и, следовательно, точности распределения доходов. Знание точности измерения особенно важно для финансовых учреждений, поскольку они используют VaR для оценки того, сколько денег им необходимо зарезервировать для покрытия возможных убытков. Любые неточности в модели VaR могут означать, что учреждение не имеет достаточных резервов и может привести к значительным убыткам не только для учреждения, но и потенциально для его вкладчиков, индивидуальных инвесторов и корпоративных клиентов. В экстремальных рыночных условиях, таких как те, которые пытается захватить VaR, потери могут быть достаточно большими, чтобы вызвать банкротство. (Смотрите также, что вам нужно знать о банкротстве. )
Как протестировать модель VaR на точность
Менеджеры риска используют метод, известный как тестирование на истории, чтобы определить точность модели VaR. Тестирование на истории включает сравнение рассчитанного показателя VaR с фактическими потерями (или доходами), достигнутыми по портфелю. Тестирование на истории основывается на уровне достоверности, который предполагается при расчете. Например, инвестор, который рассчитал однодневный VaR в размере 3 долларов США для инвестиций в 100 долларов с уверенностью 95%, будет ожидать, что однодневные потери в его портфеле превысят 3 доллара только в 5% случаев. Если бы инвестор зафиксировал фактические убытки за 100 дней, потеря точно превысила бы 3 доллара ровно через пять дней, если модель VaR является точной. Простое обратное тестирование сопоставляет фактическое распределение прибыли с модельным распределением прибыли путем сравнения доли фактических исключений потерь с ожидаемым количеством исключений. Обратное тестирование должно быть выполнено в течение достаточно длительного периода, чтобы обеспечить достаточное количество фактических обратных наблюдений, чтобы создать фактическое возвращаемое распределение. Для однодневного измерения VaR менеджеры риска обычно используют минимальный период в один год для тестирования на истории.
Простое обратное тестирование имеет существенный недостаток: оно зависит от выборки фактической используемой доходности. Рассмотрим снова инвестора, который рассчитал однодневный VaR за 3 доллара с вероятностью 95%. Предположим, что инвестор провел тестирование в течение 100 дней и обнаружил ровно пять исключений. Если инвестор использует другой 100-дневный период, может быть меньшее или большее количество исключений. Эта выборочная зависимость затрудняет определение точности модели. Чтобы устранить эту слабость, могут быть реализованы статистические тесты, чтобы пролить больше света на то, прошел ли тест обратно или нет.
Что делать, если не прошло тестирование
Когда тестирование не пройдено, существует ряд возможных причин, которые необходимо учитывать:
Неправильное распределение дохода
Если методология VaR предполагает распределение доходов (например, нормальное распределение доходов), возможно, что распределение модели не очень хорошо соответствует фактическому распределению. Статистические тесты соответствия пригодности могут использоваться, чтобы проверить, что распределение модели соответствует фактическим наблюдаемым данным. В качестве альтернативы может использоваться методология VaR, которая не требует предположения о распределении.
Неправильная модель VaR
Если модель VaR отражает, скажем, только рыночный риск, в то время как инвестиционный портфель подвержен другим рискам, таким как риск изменения процентных ставок или валютный риск, модель будет неправильно определена. Кроме того, если модель VaR не в состоянии уловить корреляции между рисками, она считается неправильно определенной. Это можно исправить, включив в модель все применимые риски и соответствующие корреляции. Важно переоценивать модель VaR всякий раз, когда в портфель добавляются новые риски.
Измерение фактических потерь
Фактические потери портфеля должны отражать риски, которые могут быть смоделированы. Более конкретно, фактические потери должны исключать любые сборы или другие подобные расходы или доходы. Убытки, представляющие только риски, которые можно смоделировать, называются «чистыми потерями». Те, которые включают сборы и другие подобные предметы, известны как «грязные потери». Тестирование на истории всегда должно проводиться с использованием чистых потерь, чтобы обеспечить сопоставимое сравнение.
Другие соображения
Важно не полагаться на модель VaR просто потому, что она проходит тестирование на истории. Хотя VaR предлагает полезную информацию о подверженности риску в наихудшем случае, он в значительной степени зависит от используемого распределения прибыли, особенно от хвоста распределения. Поскольку хвостовые события настолько редки, некоторые практики утверждают, что любые попытки измерить вероятности хвоста, основанные на исторических наблюдениях, по своей сути ошибочны. Согласно Reuters, «VaR подвергся горячей критике после финансового кризиса, так как многие модели не смогли предсказать степень потерь, которые разрушили многие крупные банки в 2007 и 2008 годах».
Причина? Рынки не сталкивались с подобным событием, поэтому оно не было охвачено хвостами распределений, которые использовались. После финансового кризиса 2007 года также стало ясно, что модели VaR не способны охватить все риски; например, базовый риск. Эти дополнительные риски называются «риск не в VaR» или RNiV.
В попытке устранить эти недостатки, менеджеры риска дополняют показатель VaR другими показателями риска и другими методами, такими как стресс-тестирование.
Суть
Value-at-Risk (VaR) - это мера наихудших потерь за определенный период времени с определенным уровнем достоверности. Измерение VaR зависит от распределения доходов от инвестиций. Чтобы проверить, точно ли модель представляет реальность, можно провести тестирование на истории. Неудачное обратное тестирование означает, что модель VaR должна быть переоценена. Однако модель VaR, прошедшая тестирование на истории, должна быть дополнена другими мерами риска из-за недостатков моделирования VaR. (См. Также Как рассчитать возврат инвестиций. )
