Rischio di coda: ciò che il VaR lascia oltre la soglia

Una soglia non è un massimo

Il Value at Risk, o VaR, sintetizza un quantile di perdita per un orizzonte e un livello di confidenza dichiarati. Un VaR giornaliero al 95% è una soglia associata alla coda superiore della distribuzione modellizzata delle perdite giornaliere. Non è la massima perdita possibile, un livello stop promesso o un'affermazione che la perdita di domani sia limitata.

Il solo livello di confidenza è incompleto. Un importo in dollari dipende da dimensione del portafoglio, posizioni, metodo di valutazione e distribuzione utilizzata. Approcci storici, parametrici e di simulazione possono dare risposte diverse perché adottano ipotesi diverse. Specifica sempre la convenzione del segno: alcuni sistemi riportano una perdita positiva, altri una soglia di rendimento negativa.

Chiedi quanto siano gravi gli esiti peggiori

L'expected shortfall esamina la perdita media nella porzione peggiore selezionata dei risultati, trattando opportunamente il confine di un quantile discreto. Descrive quindi la gravità della coda che il solo quantile può nascondere. Due portafogli possono avere un VaR simile ma perdite molto diverse oltre quella soglia.

Questa informazione aggiuntiva non rende la misura infallibile. Le osservazioni di coda sono scarse, quindi le stime possono essere instabili. Un campione breve può non contenere una crisi simile alla prossima. I quadri regolamentari del rischio di mercato usano l'expected shortfall in modelli specificati, ma un calcolo didattico non è una valutazione del capitale regolamentare e non dovrebbe appropriarsi dell'autorità di quella terminologia.

La definizione della coda conta negli esiti discreti. Ipotizza perdita zero con probabilità 97%, di 100 dollari con 2% e di 1.000 con 1%. Con la convenzione del più piccolo quantile di perdita, il VaR al 95% vale zero. Eppure la media del peggior 5% è (0,02 × 100 + 0,01 × 1.000 + 0,02 × 0) / 0,05 = 240 dollari. Mediare solo le perdite strettamente superiori al VaR darebbe 400 e risponderebbe a una domanda diversa: quegli esiti occupano soltanto il 3% della distribuzione.

L'assenza storica non equivale all'impossibilità

Una simulazione storica rivaluta o approssima il portafoglio attuale con variazioni passate. La sua trasparenza è utile, ma non può rappresentare automaticamente eventi fuori dal campione. Cambiamenti strutturali nella leva, nelle sedi di negoziazione o negli strumenti stessi possono far sì che uno shock storico noto si comporti diversamente oggi.

Anche i modelli parametrici richiedono esame critico. Presumere rendimenti normalmente distribuiti può sottostimare alcuni esiti estremi e dipendenze. Scalare il rischio giornaliero con la radice quadrata del tempo si basa su ipotesi restrittive su dipendenza e distribuzione; non è una regola universale per posizioni illiquide o prodotti non lineari. Mostra la sensibilità a ipotesi alternative anziché presentare un modello come proprietà oggettiva del portafoglio.

Dipendenza nelle code e liquidità vanno considerate insieme

Il movimento congiunto in condizioni estreme può differire dalla correlazione misurata nei giorni ordinari. Diverse posizioni apparentemente diversificanti possono diventare difficili da vendere simultaneamente quando il finanziamento si restringe. Le perdite possono allora aumentare le richieste di garanzia, imponendo vendite e creando ulteriore pressione sui prezzi. Una distribuzione statica dei rendimenti può omettere questa retroazione.

Includi scenari di ampliamento dello spread, esecuzione ritardata e coperture non disponibili. Per opzioni o prodotti a leva, rivaluta la posizione con sensibilità mutevoli anziché estrapolare una stima di piccolo movimento. Anche interruzioni operative possono trasformare un movimento avverso gestibile in una perdita realizzata maggiore. La misurazione del rischio è incompleta se presuppone un processo di uscita perfettamente funzionante in ogni evento estremo.

Usa più prospettive ed esamina le eccezioni

Affianca alle misure quantitative di coda perdite per scenario, rapporti sulle concentrazioni e stress test dei flussi di cassa. Ognuno evidenzia qualcosa di diverso. Quando le perdite realizzate superano una soglia VaR modellizzata, verifica se l'evento è coerente con la frequenza di superamento prevista, se il modello è stato implementato correttamente e se la distribuzione sottostante è cambiata.

Non ricalibrare soltanto per far scomparire le eccezioni recenti. Conserva le previsioni precedenti affinché il modello possa essere valutato onestamente. Un rapporto utile sul rischio di coda spiega che cosa sia incluso, che cosa non lo sia, quanto sia incerta la stima e quali decisioni ne dipendano. Il pericolo maggiore consiste spesso nel trattare una statistica sintetica come un permesso di ignorare le ipotesi che l'hanno generata.

Valuta la previsione prima di interpretarne i superamenti

Previsione e risultato di confronto devono riferirsi allo stesso oggetto. Una previsione giornaliera sulle posizioni della chiusura precedente non si verifica direttamente con un risultato contenente nuovi scambi, prelievi e oneri estranei. Mantieni un confronto basato su quelle posizioni per valutare il modello e uno effettivo per analizzare il conto. Entrambi servono, ma mescolarli rende poco chiara l’origine di un superamento.

In un modello continuo ideale correttamente calibrato, un VaR giornaliero al 99% viene superato nell’1% dei giorni. Su 250 giorni il numero atteso è 2,5, non esattamente due o tre. Con superamenti indipendenti a probabilità costante, la probabilità di almeno uno è 1 − 0,99²⁵⁰, circa il 91,9%. Un episodio isolato non dimostra automaticamente un errore. Nemmeno un totale basso prova una buona calibrazione se gli episodi si concentrano tutti in breve tempo.

La gravità è distinta dalla frequenza. Una perdita appena oltre la soglia e una dieci volte maggiore contano entrambe come un superamento, ma hanno conseguenze molto diverse. Esamina importi, circostanze e previsioni precedenti. Un modello che riproduce grossomodo il numero totale ma non una concentrazione di perdite severe legate al finanziamento non ha risposto all’intera domanda sul rischio.

Livelli di confidenza elevati lasciano poche osservazioni estreme. In 1.000 scenari storici equiponderati, il peggior 1% ne contiene dieci. Sostituirne una può cambiare molto la media, soprattutto con una perdita eccezionale. Modificare l’orizzonte o aggiungere scenari di stress cambia nuovamente la domanda. Riporta quantità di osservazioni, ponderazioni e sensibilità alle perdite maggiori. Più decimali non compensano informazioni scarse.