Riziko krajních ztrát: co VaR ponechává za hranicí

Hranice není maximum

Value at Risk neboli VaR shrnuje kvantil ztráty pro stanovený horizont a hladinu spolehlivosti. Jednodenní 95% VaR je práh spojený s horním chvostem modelovaného rozdělení jednodenní ztráty. Není to maximální možná ztráta, slíbená stop úroveň ani tvrzení, že zítřejší ztráta je ohraničená.

Samotná hladina spolehlivosti není úplná. Dolarový údaj závisí na velikosti portfolia, držených aktivech, metodě ocenění a použitém rozdělení. Historické, parametrické a simulační přístupy mohou dávat různé odpovědi, protože vycházejí z odlišných předpokladů. Vždy uveďte znaménkovou konvenci: některé systémy vykazují kladnou částku ztráty, jiné záporný práh výnosu.

Ptejte se, jak závažné jsou horší výsledky

Očekávaná ztráta v chvostu rozdělení zkoumá průměrnou ztrátu ve zvolené nejhorší části výsledků se správným zohledněním hranice diskrétního kvantilu. Popisuje tak závažnost krajních ztrát, kterou samotný kvantil může skrývat. Dvě portfolia mohou mít podobný VaR, a přitom velmi odlišné ztráty za touto hranicí.

Tyto dodatečné informace nečiní ukazatel neomylným. Pozorování krajních hodnot jsou vzácná, takže odhady mohou být nestabilní. Krátký vzorek nemusí obsahovat žádnou krizi podobnou té příští. Regulatorní rámce tržního rizika používají očekávanou ztrátu v chvostu ve stanovených modelech, ale vzdělávací výpočet není posouzením regulatorního kapitálu a neměl by si z této terminologie vypůjčovat autoritu.

U diskrétního rozdělení není očekávaná chvostová ztráta vždy průměrem ztrát ostře větších než VaR. Pokud je ztráta nula s pravděpodobností 97 %, sto s 2 % a tisíc s 1 %, nejhorších 5 % zahrnuje i dva procentní body nulových výsledků. Průměr je (0,02 × 100 + 0,01 × 1 000) / 0,05 = 240. Samotné kladné ztráty pokrývají pouze 3 % rozdělení.

Historická absence neznamená nemožnost

Historická simulace přeceňuje nebo aproximuje současné portfolio při minulých změnách. Její transparentnost je užitečná, ale nedokáže automaticky reprezentovat události mimo vzorek. Strukturální změny páky, obchodních míst nebo samotných nástrojů mohou způsobit, že se známý historický šok dnes projeví jinak.

Také parametrické modely vyžadují kritické posouzení. Předpoklad normálně rozdělených výnosů může podhodnocovat určité extrémní výsledky a závislosti. Přepočet jednodenního rizika pomocí odmocniny času stojí na omezujících předpokladech o závislosti a rozdělení; není univerzálním pravidlem pro nelikvidní pozice či nelineární produkty. Ukažte citlivost na alternativní předpoklady, místo abyste jeden model prezentovali jako objektivní vlastnost portfolia.

Závislost v krajních situacích a likvidita patří k sobě

Extrémní společný pohyb se může lišit od korelace měřené v běžných dnech. Několik zdánlivě diverzifikujících pozic může být při zpřísnění financování obtížné prodat současně. Ztráty pak mohou zvýšit požadavky na zajištění, které vynutí prodeje a vytvoří další cenový tlak. Statické rozdělení výnosů může tuto zpětnou vazbu opomíjet.

Zahrňte scénáře rozšíření spreadů, opožděné realizace a nedostupného zajištění. U opcí nebo pákových produktů přeceňte pozici při měnících se citlivostech místo extrapolace jednoho odhadu malého pohybu. Provozní výpadky mohou také proměnit zvládnutelný nepříznivý cenový pohyb ve větší realizovanou ztrátu. Měření rizika je neúplné, pokud při každé krajní události předpokládá dokonale fungující proces uzavření pozice.

Použijte více pohledů a prověřte výjimky

Kvantitativní míry krajních rizik doplňte ztrátami ze scénářů, zprávami o koncentraci a zátěžovými testy peněžních toků. Každý nástroj zdůrazňuje něco jiného. Když realizované ztráty překročí modelovaný práh VaR, zkoumejte, zda událost odpovídá zamýšlené četnosti překročení, zda byl model správně implementován a zda se změnilo podkladové rozdělení.

Nepřekalibrovávejte pouze proto, aby zmizela nedávná překročení. Uchovejte předchozí prognózy, aby bylo možné model poctivě vyhodnotit. Užitečná zpráva o riziku v chvostech rozdělení vysvětluje, co zahrnuje a co nikoli, jak nejistý je odhad a která rozhodnutí na něm závisejí. Největším nebezpečím bývá zacházení se stručnou statistikou jako s povolením ignorovat předpoklady, z nichž vznikla.

Posuzujte četnost překročení i závažnost ztrát

Předpověď a ověřovací výsledek musí měřit stejné portfolio. Jednodenní riziko včerejších pozic nelze přímo porovnat s dnešním výsledkem zahrnujícím nové obchody, výběry a nesouvisející poplatky. Výsledek při pevných pozicích kontroluje model; skutečný účet kontroluje obchodní proces. Smíchání obou zastírá příčinu překročení.

V ideálně kalibrovaném modelu spojitých ztrát je jednodenní 99% VaR překročen v 1 % dní. Za 250 dní je očekávaný počet 2,5, nikoli nutně dva či tři. Při nezávislých událostech a stálé pravděpodobnosti je šance alespoň jedné 1 − 0,99²⁵⁰ ≈ 91,9 %. Jedno překročení automaticky nedokazuje selhání; malý počet nezaručuje kvalitu, zejména při shlukování.

Ztráta těsně nad prahem i desetkrát vyšší ztráta se počítají jako jedno překročení, ale mají jiné ekonomické důsledky. Prozkoumejte částky, podmínky a předem vydanou prognózu. Model může vystihnout četnost a zároveň přehlédnout závažné ztráty vyvolané financováním.

Vyšší hladina spolehlivosti ponechá méně chvostových pozorování. Z 1 000 stejně vážených scénářů tvoří nejhorší procento deset výsledků. Nahrazení jediného může výrazně posunout průměr. Uvádějte počet, váhy a citlivost na největší ztráty. Další desetinná místa nenahradí chybějící informace.