Պոչային ռիսկ. ի՞նչ է VaR-ը թողնում շեմից այն կողմ

Շեմը առավելագույն չէ

Ռիսկի տակ գտնվող արժեքը՝ VaR-ը, ամփոփում է վնասի քվանտիլը սահմանված ժամանակահատվածի և վստահության մակարդակի համար։ Մեկօրյա 95% VaR-ը շեմ է՝ կապված մոդելավորված մեկօրյա վնասների բաշխման վերին պոչի հետ։ Այն առավելագույն հնարավոր վնաս չէ, երաշխավորված ստոպի մակարդակ չէ և չի նշանակում, որ վաղվա վնասը սահմանափակված է։

Միայն վստահության մակարդակը բավարար չէ։ Դոլարային թիվը կախված է պորտֆելի չափից, ներդրումներից, գնահատման մեթոդից և օգտագործված բաշխումից։ Պատմական, պարամետրային և մոդելավորման մոտեցումները կարող են տարբեր պատասխաններ տալ, քանի որ տարբեր ենթադրություններ են անում։ Միշտ նշեք նշանի կանոնը. որոշ համակարգեր հայտնում են դրական վնասի գումար, մյուսները՝ բացասական եկամտաբերության շեմ։

Հարցրեք՝ որքան ծանր են ավելի վատ արդյունքները

Սպասվող պակասուրդն ուսումնասիրում է արդյունքների ընտրված վատագույն մասի միջին վնասը՝ դիսկրետ քվանտիլի սահմանը պատշաճ հաշվի առնելով։ Ուստի այն նկարագրում է պոչային վնասների ծանրությունը, որը միայն քվանտիլը կարող է թաքցնել։ Երկու պորտֆել կարող են ունենալ նման VaR, բայց այդ շեմից դուրս՝ շատ տարբեր վնասներ։

Այս լրացուցիչ տեղեկությունը չափիչն անսխալ չի դարձնում։ Պոչային դիտարկումները սակավ են, ուստի գնահատականները կարող են անկայուն լինել։ Կարճ ընտրանքը կարող է չպարունակել հաջորդին նման որևէ ճգնաժամ։ Շուկայական ռիսկի կարգավորող շրջանակները որոշակի մոդելներում կիրառում են սպասվող պակասուրդը, սակայն ուսումնական հաշվարկը կարգավորող կապիտալի գնահատում չէ և չպետք է այդ տերմինաբանությունից հեղինակություն փոխառի։

Դիսկրետ բաշխման մեջ պոչային միջինը միշտ չէ, որ VaR-ից խիստ մեծ կորուստների միջինն է։ Եթե 97% հավանականությամբ կորուստը զրո է, 2%-ով՝ 100 դոլար, 1%-ով՝ 1000, ամենավատ 5%-ում մտնում են նաև զրոյական արդյունքների երկու տոկոսային կետերը։ Այդ միջինը 240 դոլար է։ Միայն դրական կորուստների միջինը 400 է և վերաբերում է բաշխման այլ՝ 3% հատվածին։

Պատմական բացակայությունը անհնարինություն չէ

Պատմական մոդելավորումը վերագնահատում կամ մոտարկում է ընթացիկ պորտֆելը անցյալ փոփոխությունների պայմաններում։ Դրա թափանցիկությունն օգտակար է, բայց այն ինքնաբերաբար չի ներկայացնում ընտրանքից դուրս իրադարձությունները։ Լծակի, առևտրային հարթակների կամ հենց գործիքների կառուցվածքային փոփոխությունները կարող են բերել նրան, որ ծանոթ պատմական ցնցումն այսօր այլ կերպ դրսևորվի։

Պարամետրային մոդելները նույնպես մանրակրկիտ ստուգում են պահանջում։ Եկամտաբերությունների նորմալ բաշխում ենթադրելը կարող է թերագնահատել որոշ ծայրահեղ ելքեր ու կախվածություններ։ Մեկ օրվա ռիսկը ժամանակի քառակուսի արմատով մասշտաբավորելը հիմնվում է կախվածության և բաշխման խիստ ենթադրությունների վրա. դա ոչ իրացվելի դիրքերի կամ ոչ գծային գործիքների համընդհանուր կանոն չէ։ Ցույց տվեք այլընտրանքային ենթադրությունների նկատմամբ զգայունությունը՝ մեկ մոդելը պորտֆելի օբյեկտիվ հատկություն ներկայացնելու փոխարեն։

Պոչային կախվածությունն ու իրացվելիությունը պետք է դիտարկել միասին

Ծայրահեղ համատեղ շարժումը կարող է տարբերվել սովորական օրերի կոռելյացիայից։ Թվացյալ դիվերսիֆիկացնող մի քանի դիրքեր կարող են միաժամանակ դժվար վաճառելի դառնալ ֆինանսավորման խստացման ժամանակ։ Կորուստներն այնուհետև կարող են մեծացնել գրավի պահանջները՝ պարտադրելով վաճառքներ և լրացուցիչ գնային ճնշում ստեղծելով։ Եկամտաբերության ստատիկ բաշխումը կարող է բաց թողնել այս հետադարձ կապը։

Ներառեք սփրեդի ընդլայնման, կատարման ուշացման և հեջերի անհասանելիության սցենարներ։ Օպցիոնների կամ լծակավորված գործիքների համար վերագնահատեք դիրքը փոփոխվող զգայունությունների պայմաններում՝ փոքր շարժի մեկ գնահատականը տարածելու փոխարեն։ Գործառնական ընդհատումները նույնպես կարող են կառավարելի անբարենպաստ գնային շարժը վերածել ավելի մեծ փաստացի կորստի։ Ռիսկի չափումը թերի է, եթե յուրաքանչյուր ծայրահեղ իրադարձության դեպքում ենթադրում է անխափան ելքի գործընթաց։

Դիտարկեք մի քանի տեսանկյունից և ուսումնասիրեք բացառությունները

Քանակական պոչային չափումները համադրեք սցենարային կորուստների, կենտրոնացման հաշվետվությունների և դրամական հոսքերի սթրես-թեստերի հետ։ Յուրաքանչյուրը բացահայտում է այլ բան։ Երբ փաստացի կորուստները գերազանցում են մոդելավորված VaR շեմը, ուսումնասիրեք՝ իրադարձությունը համապատասխանո՞ւմ է նախատեսված գերազանցման հաճախականությանը, մոդելը ճի՞շտ է կիրառվել, և հիմքում ընկած բաշխումը փոխվե՞լ է։

Մի վերակարգավորեք միայն վերջին բացառությունները վերացնելու համար։ Պահպանեք նախորդ կանխատեսումները, որպեսզի մոդելը հնարավոր լինի ազնվորեն գնահատել։ Օգտակար պոչային ռիսկի հաշվետվությունը բացատրում է՝ ինչն է ներառված, ինչը՝ ոչ, որքան անորոշ է գնահատականը և որ որոշումներն են դրանից կախված։ Ամենամեծ վտանգը հաճախ հակիրճ վիճակագրական ցուցանիշը դրա հիմքում ընկած ենթադրություններն անտեսելու թույլտվություն համարելն է։

Շեմի խախտման հաճախականությունն ու ծանրությունը տարբեր հարցեր են

Կանխատեսումը և ստուգվող արդյունքը պետք է նույն պորտֆելը չափեն։ Երեկվա դիրքերի մեկօրյա ռիսկը ուղղակի չի ստուգվում այն արդյունքով, որը ներառում է այսօրվա նոր գործարքներ, դուրսբերումներ և այլ վճարներ։ Պահեք անփոփոխ դիրքերի համեմատությունը մոդելի համար և փաստացի հաշվի արդյունքը՝ ամբողջ գործընթացի համար։ Երկուսն էլ կարևոր են, բայց խառնելը թաքցնում է շեղման աղբյուրը։

Իդեալականորեն ճիշտ չափաբերված շարունակական մոդելում մեկօրյա 99% VaR-ը գերազանցվում է օրերի 1%-ում։ 250 օրում սպասվող թիվը 2.5 է, ոչ պարտադիր երկու կամ երեք։ Անկախ դեպքերի և հաստատուն հավանականության դեպքում առնվազն մեկ գերազանցման հավանականությունը 1 − 0.99²⁵⁰ ≈ 91.9% է։ Մի խախտումը ինքնաբերաբար մոդելի ձախողում չէ, իսկ փոքր ընդհանուր քանակը չի արդարացնում դրանց կուտակումը մեկ շրջանում։

Շեմից փոքր-ինչ մեծ կորուստն ու շեմի տասնապատիկ կորուստը երկուսն էլ մեկ խախտում են, բայց տնտեսական հետևանքը տարբեր է։ Նայեք մեծությանը, պայմաններին և դեպքից առաջ տրված կանխատեսմանը։ Մոդելը, որը միջին հաճախականությունը մոտավորապես ճիշտ է տալիս, բայց բաց է թողնում ֆինանսավորման հետ կապված ծանր կորուստների կուտակումը, ամբողջ ռիսկային հարցին չի պատասխանել։

Հազար հավասար կշռով պատմական սցենարի ամենավատ 1%-ում ընդամենը տասը դիտարկում կա։ Դրանցից մեկը փոխելը կարող է զգալիորեն փոխել միջինը։ Հայտնեք արդյունավետ դիտարկումների թիվը, կշռման կանոնը և խոշոր կորուստների նկատմամբ զգայունությունը։ Հորիզոն փոխելը կամ սթրեսային դեպքեր ավելացնելը նաև հարցն է փոխում։ Ավելի շատ տասնորդական թվանշանները չեն փոխարինում պակաս տեղեկատվությանը։