Ryzyko ogonowe: co VaR pomija poza progiem

Próg nie jest maksimum

Wartość zagrożona, czyli VaR, opisuje kwantyl straty dla określonego horyzontu i poziomu ufności. Jednodniowy VaR 95% jest progiem związanym z górnym ogonem modelowanego rozkładu jednodniowej straty. Nie jest maksymalną możliwą stratą, obiecanym poziomem stop ani stwierdzeniem, że jutrzejsza strata jest ograniczona.

Sam poziom ufności jest niepełny. Kwota dolarowa zależy od wielkości portfela, pozycji, metody wyceny i zastosowanego rozkładu. Podejścia historyczne, parametryczne i symulacyjne mogą dawać różne odpowiedzi z powodu różnych założeń. Zawsze podawaj konwencję znaku: niektóre systemy raportują dodatnią kwotę straty, inne ujemny próg stopy zwrotu.

Zapytaj, jak dotkliwe są gorsze wyniki

Expected shortfall bada średnią stratę w wybranej najgorszej części wyników, z właściwym uwzględnieniem granicy dyskretnego kwantyla. Opisuje więc dotkliwość ogona, którą sam kwantyl może ukrywać. Dwa portfele mogą mieć podobny VaR, lecz bardzo różne straty powyżej tego progu.

Ta dodatkowa informacja nie czyni miary nieomylną. Obserwacje ogonowe są rzadkie, więc szacunki mogą być niestabilne. Krótka próba może nie zawierać kryzysu podobnego do następnego. Regulacyjne ramy ryzyka rynkowego wykorzystują expected shortfall w określonych modelach, ale obliczenie edukacyjne nie jest oceną kapitału regulacyjnego i nie powinno czerpać autorytetu z tej terminologii.

W rozkładzie dyskretnym oczekiwanego niedoboru nie zawsze można obliczyć jako zwykłą średnią strat ściśle większych od VaR. Jeśli strata wynosi 0 z prawdopodobieństwem 97%, 100 z prawdopodobieństwem 2% i 1000 z prawdopodobieństwem 1%, najgorsze 5% obejmuje także 2% wyników zerowych. Średnia najgorszych 5% wynosi (0,02 × 100 + 0,01 × 1000) / 0,05 = 240. Średnia samych dodatnich strat opisuje tylko 3% rozkładu.

Brak w historii nie oznacza niemożliwości

Symulacja historyczna wycenia ponownie lub przybliża obecny portfel przy przeszłych zmianach. Jej przejrzystość jest przydatna, ale nie może automatycznie reprezentować wydarzeń spoza próby. Zmiany strukturalne dźwigni, miejsc obrotu lub samych instrumentów mogą sprawić, że znany historyczny szok zachowa się dziś inaczej.

Modele parametryczne również wymagają kontroli. Założenie normalnego rozkładu stóp zwrotu może zaniżać niektóre skrajne wyniki i zależności. Skalowanie ryzyka jednodniowego pierwiastkiem kwadratowym z czasu opiera się na restrykcyjnych założeniach dotyczących zależności i rozkładu; nie jest uniwersalną zasadą dla pozycji niepłynnych ani produktów nieliniowych. Pokaż wrażliwość na alternatywne założenia zamiast przedstawiać jeden model jako obiektywną właściwość portfela.

Zależność ogonowa i płynność należą do tej samej analizy

Współzmienność w warunkach skrajnych może różnić się od korelacji mierzonej w zwykłe dni. Kilka pozornie dywersyfikujących pozycji może jednocześnie stać się trudnych do sprzedaży, gdy finansowanie się kurczy. Straty mogą następnie zwiększyć wymagania dotyczące zabezpieczenia, wymuszając sprzedaż i wywołując dodatkową presję na ceny. Statyczny rozkład stóp zwrotu może pomijać to sprzężenie zwrotne.

Uwzględnij scenariusze rozszerzenia spreadów, opóźnionego wykonania i niedostępnych zabezpieczeń. Dla opcji lub produktów lewarowanych wyceniaj pozycję ponownie przy zmieniających się wrażliwościach, zamiast ekstrapolować jeden szacunek małego ruchu. Przerwy operacyjne mogą też zamienić możliwy do opanowania niekorzystny ruch ceny w większą zrealizowaną stratę. Pomiar ryzyka jest niepełny, jeśli zakłada idealnie działający proces wyjścia w każdym zdarzeniu ogonowym.

Spoglądaj z kilku perspektyw i badaj wyjątki

Łącz ilościowe miary ryzyka ogonowego ze stratami scenariuszowymi, raportami koncentracji i testami warunków skrajnych przepływów pieniężnych. Każde narzędzie uwypukla coś innego. Gdy rzeczywiste straty przekraczają modelowy próg VaR, sprawdź, czy zdarzenie odpowiada zakładanej częstości przekroczeń, czy model wdrożono poprawnie i czy zmienił się rozkład bazowy.

Nie kalibruj modelu ponownie wyłącznie po to, by zniknęły ostatnie przekroczenia. Zachowuj wcześniejsze prognozy, aby móc uczciwie ocenić model. Użyteczny raport ryzyka ogonowego wyjaśnia, co uwzględniono, czego nie, jak niepewne jest oszacowanie i które decyzje od niego zależą. Największym zagrożeniem jest często traktowanie zwięzłej statystyki jako przyzwolenia na ignorowanie założeń, z których powstała.

Sprawdź częstość przekroczeń i ich rozmiar

Prognoza i sprawdzający ją wynik muszą dotyczyć tego samego portfela. Jednodniowego ryzyka wczorajszych pozycji nie porównuj bezpośrednio z dzisiejszym wynikiem zawierającym nowe transakcje, wypłaty i niezwiązane opłaty. Wynik przy stałych pozycjach pomaga ocenić model; rzeczywisty rachunek opisuje działanie procesu. Oba są potrzebne, ale ich pomieszanie zaciera przyczynę przekroczenia.

W idealnym, poprawnie skalibrowanym modelu ciągłych strat jednodniowy VaR 99% jest przekraczany w 1% dni. W 250 dniach oczekiwana liczba wynosi 2,5, nie obowiązkowo dwa lub trzy. Przy niezależnych przekroczeniach i stałym prawdopodobieństwie szansa choć jednego wynosi 1 − 0,99²⁵⁰ ≈ 91,9%. Pojedyncze przekroczenie nie przesądza o wadzie modelu, a mała liczba nie gwarantuje poprawności, zwłaszcza jeśli zdarzenia wystąpiły w jednym skupisku.

Strata minimalnie ponad próg i strata dziesięciokrotnie większa liczą się jako jedno przekroczenie, ale mają odmienne konsekwencje. Analizuj kwotę, warunki i prognozę dostępną wcześniej. Model może trafnie przybliżać częstość, a pomijać ciężkie straty związane z utratą finansowania.

Wyższy poziom ufności pozostawia mniej obserwacji ogona. W 1000 jednakowo ważonych scenariuszy najgorszy 1% to zaledwie dziesięć wyników. Zmiana jednego może silnie przesunąć średnią. Raportuj liczbę obserwacji, wagi oraz wrażliwość na największe straty. Dodatkowe miejsca po przecinku nie zastępują brakującej informacji.