Riziko extrémnych strát: čo VaR nezachytáva za prahom

Prahová hodnota nie je maximum

Value at Risk, čiže VaR, sumarizuje kvantil straty pre stanovený horizont a hladinu spoľahlivosti. Jednodňový 95 % VaR je hranica spojená s horným chvostom modelovaného rozdelenia jednodňovej straty. Nie je to maximálna možná strata, sľúbená úroveň stop pokynu ani tvrdenie, že zajtrajšia strata má pevnú hranicu.

Samotná hladina spoľahlivosti nestačí. Dolárová suma závisí od veľkosti portfólia, pozícií, metódy oceňovania a použitého rozdelenia. Historické, parametrické a simulačné prístupy môžu dať odlišné odpovede, pretože majú rôzne predpoklady. Vždy uveďte znamienkovú konvenciu: niektoré systémy vykazujú kladnú výšku straty, iné zápornú hranicu výnosu.

Pýtajte sa, aké závažné sú horšie výsledky

Očakávaná strata v chvoste skúma priemernú stratu vo vybranej najhoršej časti výsledkov s primeraným spracovaním hranice diskrétneho kvantilu. Opisuje tak závažnosť krajných strát, ktorú samotný kvantil môže zakryť. Dve portfóliá môžu mať podobný VaR a zároveň veľmi odlišné straty za touto hranicou.

Tieto dodatočné informácie nerobia ukazovateľ neomylným. Pozorovania v chvoste rozdelenia sú vzácne, takže odhady môžu byť nestabilné. Krátka vzorka nemusí obsahovať žiadnu krízu podobnú tej nasledujúcej. Regulačné rámce trhového rizika používajú očakávanú stratu za hranicou kvantilu v stanovených modeloch, no vzdelávací výpočet nie je posúdením regulačného kapitálu a nemal by si od tejto terminológie požičiavať autoritu.

V diskrétnom rozdelení nie je očakávaná chvostová strata vždy priemerom strát striktne väčších než VaR. Ak strata nula nastáva s pravdepodobnosťou 97 %, sto s 2 % a tisíc s 1 %, najhorších 5 % obsahuje aj dva percentuálne body nulových výsledkov. Priemer je (0,02 × 100 + 0,01 × 1 000) / 0,05 = 240. Samotné kladné straty pokrývajú len 3 % rozdelenia.

To, že sa niečo v minulosti nestalo, neznamená, že je to nemožné

Historická simulácia preceňuje alebo približne vyhodnocuje súčasné portfólio pri minulých zmenách. Jej transparentnosť je užitočná, ale automaticky nedokáže zachytiť udalosti mimo vzorky. Štrukturálne zmeny finančnej páky, obchodných miest alebo samotných nástrojov môžu spôsobiť, že známy historický šok sa dnes prejaví inak.

Aj parametrické modely si vyžadujú kontrolu. Predpoklad normálne rozdelených výnosov môže podhodnotiť niektoré extrémne výsledky a závislosti. Škálovanie jednodňového rizika odmocninou času sa opiera o prísne predpoklady o závislosti a rozdelení; nie je univerzálnym pravidlom pre nelikvidné pozície či nelineárne produkty. Ukážte citlivosť na alternatívne predpoklady namiesto prezentovania jedného modelu ako objektívnej vlastnosti portfólia.

Závislosť v extrémoch a likvidita patria k sebe

Extrémny spoločný pohyb sa môže líšiť od korelácie meranej počas bežných dní. Viaceré zdanlivo diverzifikujúce pozície sa pri sprísnení financovania môžu stať súčasne ťažko predajnými. Straty potom môžu zvýšiť požiadavky na kolaterál, ktoré vynútia predaje a vytvoria ďalší cenový tlak. Statické rozdelenie výnosov môže túto spätnú väzbu vynechať.

Zahrňte scenáre rozšírenia spreadov, oneskorenej realizácie a nedostupného zaistenia. Pri opciách alebo pákových produktoch preceňte pozíciu pri meniacich sa citlivostiach namiesto extrapolácie jedného odhadu malého pohybu. Prevádzkové výpadky môžu tiež premeniť zvládnuteľný nepriaznivý cenový pohyb na väčšiu realizovanú stratu. Meranie rizika je neúplné, ak pri každej krajnej udalosti predpokladá dokonale fungujúci proces uzavretia pozície.

Použite viacero pohľadov a preskúmajte výnimky

Kvantitatívne chvostové ukazovatele kombinujte so scenárovými stratami, správami o koncentrácii a záťažovými testami peňažných tokov. Každý zvýrazňuje niečo iné. Keď realizované straty prekročia modelovaný prah VaR, skúmajte, či je udalosť v súlade so zamýšľanou frekvenciou prekročenia, či bol model správne implementovaný a či sa podkladové rozdelenie zmenilo.

Nekalibrujte model znovu iba preto, aby nedávne výnimky zmizli. Uchovávajte predchádzajúce prognózy, aby sa model dal poctivo hodnotiť. Užitočná správa o chvostovom riziku vysvetľuje, čo zahŕňa, čo nezahŕňa, aký neistý je odhad a ktoré rozhodnutia od neho závisia. Najväčším nebezpečenstvom je často chápať stručnú štatistiku ako povolenie ignorovať predpoklady, z ktorých vznikla.

Posudzujte počet prekročení aj závažnosť strát

Predpoveď a overovací výsledok musia merať to isté portfólio. Jednodenné riziko včerajších pozícií nemožno priamo porovnať s dnešným výsledkom obsahujúcim nové obchody, výbery a nesúvisiace poplatky. Výsledok pri pevných pozíciách preveruje model; skutočný účet preveruje obchodný proces. Zmiešanie oboch zahmlieva príčinu prekročenia.

V ideálne kalibrovanom modeli spojitých strát je jednodenný 99 % VaR prekročený v 1 % dní. Za 250 dní je očakávaný počet 2,5, nie nutne dva alebo tri. Pri nezávislých udalostiach a stálej pravdepodobnosti je šanca aspoň jednej 1 − 0,99²⁵⁰ ≈ 91,9 %. Jedno prekročenie automaticky nedokazuje zlyhanie; malý počet nezaručuje kvalitu, najmä pri zhlukovaní.

Strata tesne nad prahom a desaťkrát vyššia strata sa obe počítajú ako jedno prekročenie, no majú iné ekonomické následky. Preskúmajte sumy, podmienky a predpoveď vydanú vopred. Model môže vystihnúť počet a pritom minúť závažné straty vyvolané financovaním.

Vyššia úroveň spoľahlivosti ponechá menej chvostových pozorovaní. Z tisíca rovnako vážených scenárov tvorí najhoršie percento desať výsledkov. Nahradenie jediného môže výrazne posunúť priemer. Uvádzajte počet, váhy a citlivosť na najväčšie straty. Ďalšie desatinné miesta nenahradia nedostatok informácií.