Szélsőséges kockázat: amit a VaR a küszöbön túl hagy

A küszöb nem maximum

A kockáztatott érték, azaz VaR, meghatározott időtáv és megbízhatósági szint mellett egy veszteségi kvantilist foglal össze. Az egynapos 95%-os VaR a modellezett egynapos veszteségeloszlás felső farkához kapcsolódó küszöb. Nem a lehető legnagyobb veszteség, nem garantált stopszint, és nem állítás arról, hogy a holnapi veszteség korlátos.

A megbízhatósági szint önmagában hiányos. A dollárösszeg a portfólió méretétől, összetételétől, az értékelési módszertől és a használt eloszlástól függ. A történeti, parametrikus és szimulációs megközelítések eltérő választ adhatnak, mert eltérő feltételezésekkel élnek. Mindig adjuk meg az előjel-konvenciót: egyes rendszerek pozitív veszteségösszeget közölnek, mások negatív hozamküszöböt mutatnak.

Kérdezd meg, mennyire súlyosak a rosszabb kimenetelek

A várható szélső veszteség a kimenetelek kiválasztott legrosszabb részének átlagos veszteségét vizsgálja, a diszkrét kvantilishatár megfelelő kezelésével. Így az eloszlás szélének olyan súlyosságát írja le, amelyet egy kvantilis önmagában elrejthet. Két portfólió VaR-ja hasonló lehet, miközben a küszöbön túli veszteségeik nagyon eltérnek.

Ez a többletinformáció nem teszi tévedhetetlenné a mutatót. A szélső megfigyelések ritkák, ezért a becslések instabilak lehetnek. Egy rövid minta talán egyetlen, a következőre emlékeztető válságot sem tartalmaz. A szabályozói piaci kockázati keretek meghatározott modellekben használják a várható szélső veszteséget, de egy oktatási számítás nem szabályozói tőkefelmérés, és nem kölcsönözhet tekintélyt e terminológiából.

Diszkrét eloszlásnál a várható szélső veszteség nem mindig a VaR-t szigorúan meghaladó veszteségek átlaga. Ha a veszteség 97 % valószínűséggel nulla, 2 %-kal száz, 1 %-kal ezer, a legrosszabb 5 % két százalékpontnyi nulla eredményt is tartalmaz. Átlaga (0,02 × 100 + 0,01 × 1 000) / 0,05 = 240.

A múltbeli hiány nem jelent lehetetlenséget

A történelmi szimuláció múltbeli változások alapján újraértékeli vagy közelíti az aktuális portfóliót. Átláthatósága hasznos, de a mintán kívüli eseményeket nem képes automatikusan megjeleníteni. A tőkeáttétel, a kereskedési helyszínek vagy maguk az instrumentumok szerkezeti változásai miatt egy ismerős történelmi sokk ma másként hathat.

A parametrikus modellek is alapos vizsgálatot igényelnek. A normális eloszlású hozam feltételezése alábecsülhet bizonyos szélsőséges kimeneteleket és függőségeket. Az egynapos kockázat idő négyzetgyökével történő skálázása szigorú függőségi és eloszlási feltételezésekre épül; nem általános szabály illikvid pozíciókra vagy nemlineáris termékekre. Mutassa meg az alternatív feltételezésekre való érzékenységet, ne egyetlen modellt mutasson be a portfólió objektív tulajdonságaként.

A szélsőséges függőség és a likviditás összetartozik

A szélsőséges együttmozgás eltérhet a szokásos napokon mért korrelációtól. Több, látszólag diverzifikáló pozíció egyszerre válhat nehezen eladhatóvá, amikor szűkül a finanszírozás. A veszteségek ekkor növelhetik a fedezeti igényt, kényszereladásokat és további árnyomást okozva. Egy statikus hozameloszlás kihagyhatja ezt a visszacsatolást.

Vegyen fel forgatókönyveket a spread tágulására, a késedelmes végrehajtásra és az elérhetetlen fedezeti ügyletekre. Opciók vagy tőkeáttételes termékek esetén változó érzékenységek mellett értékelje újra a pozíciót, ne egy kis elmozdulásra vonatkozó becslést vetítsen tovább. A működési fennakadások is nagyobb realizált veszteséggé alakíthatnak egy egyébként kezelhető kedvezőtlen ármozgást. A kockázatmérés hiányos, ha minden szélsőséges eseménynél tökéletesen működő kilépési folyamatot feltételez.

Használj több nézőpontot, és vizsgáld a kivételeket

A mennyiségi szélsőkockázati mutatókat egészítsd ki forgatókönyv-veszteségekkel, koncentrációs jelentésekkel és pénzáram-stressztesztekkel. Mindegyik mást emel ki. Ha a tényleges veszteség meghalad egy modellezett VaR-küszöböt, vizsgáld meg, összhangban van-e az esemény a célzott túllépési gyakorisággal, helyesen alkalmazták-e a modellt, és változott-e a mögöttes eloszlás.

Ne kalibrálja újra a modellt kizárólag azért, hogy a közelmúlt kivételei eltűnjenek. Őrizze meg a korábbi előrejelzéseket, hogy a modellt tisztességesen lehessen értékelni. Egy hasznos szélsőkockázati jelentés elmagyarázza, mit tartalmaz és mit nem, mennyire bizonytalan a becslés, és mely döntések függnek tőle. A legnagyobb veszély gyakran az, ha egy tömör statisztikai mutatót felhatalmazásnak tekintünk az azt létrehozó feltételezések figyelmen kívül hagyására.

A túllépések számát és a veszteségek súlyosságát is nézd

Az előrejelzésnek és az ellenőrző eredménynek ugyanarra a portfólióra kell vonatkoznia. Tegnapi pozíciók kockázatát nem lehet közvetlenül új ügyleteket és pénzkivonásokat tartalmazó eredménnyel összevetni. A rögzített pozíciós eredmény a modellt, a valós számla az egész folyamatot ellenőrzi. Keverésük elrejti a túllépés okát.

Tökéletesen kalibrált, folytonos veszteségmodellben az egynapos 99 %-os VaR a napok 1 %-ában lépődik túl. Kétszázötven nap alatt a várható szám 2,5. Függetlenség és állandó valószínűség mellett legalább egy túllépés esélye 1 − 0,99²⁵⁰ ≈ 91,9 %. Egyetlen túllépés nem bizonyít modellhibát.

A küszöböt éppen meghaladó és a tízszer nagyobb veszteség egyaránt egy túllépésnek számít, de eltérő következménnyel. Vizsgáld meg az összegeket, körülményeket és a korábban kiadott előrejelzést. A modell eltalálhatja a gyakoriságot, miközben kihagy súlyos finanszírozási veszteségeket.

Magasabb konfidenciaszint mellett kevesebb szélső megfigyelés marad. Ezer egyenlő súlyú forgatókönyv legrosszabb egy százaléka tíz eredmény. Egyetlen csere is erősen mozdíthatja az átlagot. Mutasd be a számot, súlyokat és érzékenységet; további tizedesjegyek nem pótolják az adatokat.