Először is emlékezzünk vissza, hogy mit mér a kockázati érték (VaR):
A VaR mutató szerint T nap horizontján a veszteségek P valószínűséggel nem haladják meg az X pénzegységet.
Tehát például, ha a portfólió egynapos VaR értéke -23 000 dollár 0,95-ös megbízhatósági szint mellett, ez azt jelenti, hogy 0,95-ös valószínűséggel a portfólió egy napos vesztesége nem haladja meg a -23 000 dollárt, és ennek megfelelően , 1 - 0,95 = 0,05 valószínűséggel meghaladja a - 23 000 dollárt.
A variancia-kovariancia VaR képlete nagyon egyszerű:
VaR = - P * k * szigma * sqrt (T/252)
ahol:
P - portfólió értéke;
k a normál eloszlás kvantilisa. Például 0,95 megbízhatósági szint esetén k = 1,645. Vagyis valójában hány szigmát kell bevinnünk, hogy elérjük a kívánt önbizalomszintet;
szigma - portfóliónk éves hozamának éves volatilitása vagy szórása;
T - horizont, amelyre a VaR-t napokban becsüljük;
252 - egy feltevés az év munkanapjainak számáról;
sqrt(T/252) - felelős a volatilitás skálázásáért a szükséges horizontra, mivel a pénzügyekben azt feltételezik, hogy a volatilitás arányos az idő gyökerével.
Egy portfólió szigmája könnyen kiszámítható a következőképpen:
1. Becsülje meg a C kovarianciamátrixot a portfólió eszközeinek egynapos hozama között valamilyen „ablakban”, például az elmúlt 252 napban.
2. Kiszámítjuk a W portfólióban lévő eszközök súlyának vektorát úgy, hogy összegük 1 legyen.
3. Számítsa ki a portfólió varianciáját a következőképpen: szigma^2 = W" * C * W, ahol a " transzpozíciót jelent. Kivonjuk a variancia négyzetgyökét, és megkapjuk a portfólió szigmáját.
4. Szorozzuk meg a kapott szigmát sqrt(252)-vel, hogy megkapjuk portfóliónk éves volatilitását.
Próbáljuk meg végrehajtani a fentieket egy egyszerű példán az Excelben 2 részvényhez, amelyek közül az egyik az Intel (INTC), a másik pedig a Texas Instruments (TXN):
Miután letöltöttük a pénzügyi.yahoo.com webhelyről az elmúlt évre vonatkozó napi hozamokat, megbecsüljük a napi hozamok közötti kovarianciát:
Meg kell jegyezni, hogy a kovariancia mátrix szimmetrikus, és a főátlón az egyes részvények kovarianciai vannak önmagával, ami megegyezik a részvény hozamvarianciájával.
Most tegyük fel, hogy hosszú INTC-t vettünk 250 000 USD-ért, és hosszú TXN-t 750 000 USD-ért. Ekkor a súlyvektor (0,25;0,75) lesz.
Most számoljuk ki portfóliónk szigmáját:
Így a szigma = 0,26.
Most csatlakoztassuk az összes számított értéket a fenti képletbe a VaR variancia-kovariancia módszerrel történő kiszámításához, hogy megbecsüljük az egynapos VaR-t egy két INTC és TXN részvényből álló portfólió esetében, amelyek értéke 1 000 000 USD, 0,95-ös megbízhatósági valószínűséggel: 
Így VaR = -26958,6 $. Vagyis 0,95-ös valószínűséggel egy napon belüli két részvényből álló portfólió vesztesége nem haladja meg a 26 958,6 dollárt.
A múltbeli VaR kiszámításának általános megközelítése a következő:
1. Határozza meg azon történeti forgatókönyvek számát, amelyekre a VaR-t ki szeretnénk számítani.
2. Valamennyi portfólió-instrumentum esetében a historikus árfolyamokat vesszük napra lebontva, ugyanarra az időszakra vonatkozóan, a forgatókönyvek számával + 1.
3. Számítsa ki az egyes eszközök napi hozamát.
4. Az előzmények minden napjára, amely a portfólió lehetséges viselkedésének külön forgatókönyve a napi hozam felhasználásával, kiszámítjuk az egyes instrumentumok napi nyereségét/veszteségét, majd a portfólió teljes nyereségét/veszteségét.
5. Miután megkapta a portfólió nyereség/veszteség vektorát minden forgatókönyvhöz, rendezze azt minimumtól maximumig.
6. Most meg kell határozni az úgynevezett kritikus forgatókönyv számát. Ehhez meg kell szorozni a megadott megbízhatósági valószínűséget a forgatókönyvek számával, és a kapott értéket a legközelebbi egész számra kerekíteni.
7. A VaR megszerzéséhez a lehetséges maximális profitnak megfelelő vektor elejétől kell számolnunk a 6. bekezdésben kapott kritikus forgatókönyv számával megegyező számú forgatókönyvet, és az utána következő forgatókönyv megadja a VaR.
Példánkban vegyük a 250 forgatókönyvek számát. Ekkor a kritikus forgatókönyv számítása a következő lesz: 
A kritikus forgatókönyv száma 238.
Most, miután felépítettük a portfólió nyereség/veszteség vektorát mind a 250 forgatókönyvre, meghatározzuk a történelmi VaR-t: 
Így példánk egynapos történelmi VaR értéke -25845,4 $.
Néha a jelentett múltbeli VaR-megközelítés a múltbeli adatok súlyozásával módosul, így a régebbi adatok kisebb súllyal szerepelnek a VaR-számításban, mint a frissebb adatok.
Ismét a számításhoz kiválasztott forgatókönyvek száma határozza meg azt az ablakot, amelyben a VaR becslésre kerül, és ha ez az ablak szélsőséges piaci eseményeket tartalmaz, akkor ezt figyelembe veszi a kapott VaR-becslés. Ez azt jelenti, hogy a kockázatelemző kifejezetten úgy választhat egy ablakot, hogy megragadja például a piac nagy volatilitású időszakát, és megbecsülje rá a VaR-t.
Ha a portfólió eszközei különböző devizákban vannak, akkor meg kell határozni a portfólió alapdevizáját, és az árfolyamok historikus nyomvonalait felhasználva a nyereség kiszámításánál figyelembe kell venni az árfolyamváltozásból származó nyereséget/veszteséget is. veszteség az egyes portfólióeszközök mindegyik forgatókönyv esetén.
Összehasonlítva a -26958,6$-os variancia-kovariancia VaR-t és a -25845,4$-nak megfelelő historikus VaR-t, azt látjuk, hogy a historikus VaR kisebbre becsüli a portfólió lehetséges veszteségeit, mint a variancia-kovariancia. Általában fordítva működik. A historikus VaR kiszámításához sok forgatókönyv esetén a veszteségbecslése magasabb, mint a variancia-kovariancia módszerrel kapott becslés, figyelembe véve a piaci valós eloszlást és a vastag farok jelenlétét.
A két megközelítés eredményeinek összehasonlítása a következő előnyökkel/hátrányokkal.
Variációs-kovariancia megközelítés a VaR kiszámításához:
Mínuszok:
1. Az instrumentumok hozamának normál eloszlásának törvényére vonatkozó alkalmazott feltevés.
2. Egy napnál hosszabb VaR kiszámításakor feltételezzük, hogy a kovarianciamátrix állandó.
3. Nem használható opciók és opciós jellemzőkkel rendelkező instrumentumok VaR-értékének kiszámításához.
Előnyök:
1. Gyors számítás, nem igényel nagy számítási erőforrásokat.
2. Ha a portfólió csak lineáris eszközöket tartalmaz, mint például részvények, határidős ügyletek, devizák, akkor a VaR számítása használható.
3. A kovariancia mátrixot beszerezheti az eladótól, hogy ne vegyen gőzfürdőt a számítással.
A VaR kiszámításának történelmi megközelítése:
Előnyök:
1. A piaci hozamok valós megoszlását használjuk valódi zsírfarkokkal.
2. A kovariancia mátrix nincs kiszámítva.
Mínuszok:
1. Nehézségek az opciók VaR kiszámítása során, mert az opciós sávok rövidek, és problémák a nagyszámú opciós sáv tárolásával is.
2. Az infrastrukturális költségek azt sugallják, hogy létre kell hozni egy adatbázist, ahol a kereskedett instrumentumok korábbi árfolyamait tárolják és frissítik.
A támadásban a post ekselchik, amely tartalmazza az összes számítást a fenti példák.
Kivonat a "Hitelkockázat-elemzés" című könyvből.
Különféle módszerek léteznek a pénzügyi eszközök és portfóliók lehetséges veszteségének felmérésére.
- VaR (Value-at-Risk – "kockázatos érték");
- rövid esés;
- Analitikus megközelítések (pl. delta-gamma megközelítés);
- Stresszteszt (új technika).
Tekintsük a kereskedési pozíciók piaci kockázatának számszerűsítésének legáltalánosabb módszerét - VaR:
A VaR annak az összegnek az alapvaluta pénzegységében kifejezett becslése, amelyet egy adott időszak (időhorizont) során várható veszteségek adott valószínűséggel (megbízhatósági szint) nem haladnak meg. A VaR értékelésének alapja az instrumentumok kamatlábának és árának dinamikája egy meghatározott időszakra a múltban.
Az időhorizontot gyakran a portfólióban lévő pénzügyi eszköz futamideje vagy likviditása alapján választják ki, azon minimális reálperiódus alapján, amely alatt jelentős veszteség nélkül el lehet adni ezt az eszközt a piacon. Az időhorizont a munka- vagy kereskedési napok számával mérhető.
A megbízhatósági szintet vagy valószínűséget a bank szabályozói dokumentumaiban kifejezett kockázati preferenciák függvényében választják ki. A gyakorlatban gyakran 95%-os és 99%-os szintet alkalmaznak. A Bázeli Bankfelügyeleti Bizottság 99%-os szintet javasol, amelyhez igazodnak a felügyeleti hatóságok.
A VaR értékét három fő módszerrel számítják ki:
Ezzel a módszerrel felmérhető azon pénzügyi eszközök piaci kockázata, amelyekre a bank nyitott pozícióval rendelkezik. Megjegyzendő, hogy a parametrikus módszer nem alkalmas a nemlineáris árjellemzőkkel rendelkező eszközök kockázatának felmérésére. Ennek a módszernek a fő hátránya a pénzügyi eszközök hozamának normális eloszlásának feltételezése, amely általában nem felel meg a valós pénzügyi piac paramétereinek. A VaR parametrikus kiszámításához rendszeresen ki kell számítani az értékpapír-jegyzések, árfolyamok, kamatlábak vagy egyéb kockázati tényezők volatilitását (az a változó, amelytől a legnagyobb mértékben függ a bank által nyitott pozíciók értékének változása) .
A VaR meghatározásának alapképlete, figyelembe véve egy eszközpozíció értékét, a következő:
VaR = V* λ *σ,
Ahol:
λ - a normál eloszlás kvantilisa a kiválasztott megbízhatósági szinthez. A kvantilis a valószínűségi változó kívánt értékének az átlaghoz viszonyított helyzetét mutatja, a portfólióhozam szórásának számában kifejezve. Az átlagtól való eltérés valószínűsége 99%, a normál eloszlás kvintilise 2,326, 95% - 1,645;
σ - a kockázati tényező változásának volatilitása. A volatilitás a kockázati tényező változásának a korábbi értékéhez viszonyított standard (négyzetes középérték) eltérése;
V- a nyitott pozíció aktuális értéke. Nyitott pozíció alatt a bank által nyereségszerzési vagy egyéb célból vásárolt vagy eladott pénzügyi eszközök piaci értéke értendő oly módon, hogy a jelenleg egyenlegen vagy mérlegen kívüli számlákon lévő pénzügyi eszközök száma nem egyenlő nullával.
Példa
A befektető 10 millió rubel értékben rendelkezik a cég részvényeivel. Adott 99%-os megbízhatósági szint egy napos időhorizonttal. Az egynapos részvényárfolyam volatilitása (σ) = 2,15.
VaR \u003d 10 * 2,33 * 2,15 \u003d 50,09 millió rubel.
Más szóval, annak a valószínűsége, hogy a befektető veszteségei meghaladják az 50 millió rubelt. a következő napon egyenlő 1%-kal. 50 millió rubelt meghaladó veszteség. átlagosan 100 kereskedési napon egyszer várható.
Ez a módszer azon a feltételezésen alapul, hogy a piaci árak viselkedése a közeljövőben stacionárius lesz.
Először egy időszakot választanak ki (munka- vagy kereskedési napok száma), amelyre vonatkozóan nyomon követik a portfólióban szereplő összes eszköz árfolyamának történeti változásait. Az árváltozási forgatókönyveket minden időszakra modellezzük. Egy eszköz feltételezett árát úgy számítják ki, hogy az aktuális árat megszorozzák az ennek a forgatókönyvnek megfelelő áremelkedéssel. Ezt követően a teljes aktuális portfóliót a történeti forgatókönyvek alapján modellezett árakon teljesen átértékelik, és minden szcenárióhoz kiszámolják, hogy az aktuális portfólió értéke mennyit változhat. Ezt követően az eredményeket számok szerint, csökkenő sorrendbe rendezik (a legnagyobb növekedéstől a legnagyobb veszteségig). És végül, a kívánt megbízhatósági szintnek megfelelően a VaR értékét olyan maximális veszteségként definiáljuk, amely egyenlő a változás abszolút értékével a szám egész részével egyenlő számmal (1-kvantilis at adott megbízhatósági szint) * forgatókönyvek száma.
A parametrikus módszerrel ellentétben a historikus modellezési módszer lehetővé teszi a kockázat vizuális és teljes körű felmérését, kiválóan alkalmas nemlineáris árjellemzőkkel rendelkező eszközök kockázatának felmérésére. A historikus modellezés előnye, hogy kiküszöböli a modellkockázat magas hatását, és a múltban reálisan megfigyelt modellen alapul, a normál eloszlás vagy a piaci árviselkedés bármely más sztochasztikus modellje nélkül. Meg kell jegyezni, hogy a VaR ezzel a módszerrel történő kiszámításakor nagy a valószínűsége a mérési hibáknak rövid történeti mintavételezés mellett. Ráadásul a legrégebbi megfigyeléseket sem zárják ki a mintából, ami élesen rontja a modell pontosságát.
Példa:
400 forgatókönyv szerint 300 veszteség és 100 nyereség volt. A VaR (95%) a 21. legnagyobb veszteség abszolút értéke (400+1-1(1-0.05)*400=21, ahol 0.05 a kvantilis 95%-os konfidenciaszinten), azaz. 380-as számozású változások.
A Monte Carlo módszer vagy a sztochasztikus szimulációs módszer a legösszetettebb módszer a VaR kiszámítására, de pontossága sokkal nagyobb lehet, mint más módszerek. A Monte Carlo-módszer nagyon hasonlít a historikus modellezési módszerhez, szintén az eszközárak változásán alapul, csak adott eloszlási paraméterekkel (elvárás, volatilitás). A Monte Carlo módszer nagyszámú teszt végrehajtását foglalja magában - a piaci helyzet alakulásának egyszeri szimulációit a portfólió pénzügyi eredményének kiszámításával. Ezen tesztek eredményeként a lehetséges pénzügyi eredmények eloszlása kerül kialakításra, amely alapján a kiválasztott megbízhatósági valószínűség szerint a legrosszabbakat levágva VaR becslés nyerhető. A Monte Carlo-módszer nem igényel összehajtást és általánosító képleteket a portfólió egészének analitikus értékeléséhez, ezért sokkal összetettebb modellek használhatók a portfólió eredményére, valamint a volatilitásokra és korrelációkra. A módszer a következő. A visszamenőleges adatok (időszak) alapján kiszámítják a matematikai várakozások és a volatilitás becsléseit. A véletlenszám-generátorral az adatok normál eloszlást használva generálódnak és táblázatba kerülnek. Ezután a szimulált árak pályáját a természetes logaritmus képlettel számítjuk ki, és átértékeljük a portfólió értékét.
Mivel a Monte Carlo VaR becslés szinte mindig szoftveres eszközökkel történik, előfordulhat, hogy ezek a modellek nem képletek, hanem összetett szubrutinok. Így a Monte Carlo-módszer lehetővé teszi szinte bármilyen bonyolultságú modell alkalmazását a kockázatok kiszámításakor. A Monte Carlo módszer másik előnye, hogy bármilyen eloszlás használható. Ezenkívül a módszer lehetővé teszi a piacok viselkedésének szimulálását - trendeket, magas vagy alacsony volatilitású klasztereket, változó korrelációkat a kockázati tényezők között, "mi lenne, ha" forgatókönyveket stb. Ugyanakkor meg kell jegyezni, hogy ez a módszer nagy teljesítményű számítási erőforrásokat igényel, és a legegyszerűbb megvalósításokkal közel állhat a historikus vagy parametrikus VaR-hez, ami az összes hiányosság öröklődéséhez vezet.
A VaR kockázatértékelési módszer hátránya, hogy figyelmen kívül hagy sok olyan jelentős és érdekes részletet, amelyek a piaci kockázatok valós ábrázolásához szükségesek. A VaR nem veszi figyelembe, hogy a piac mennyiben járul hozzá a kockázathoz, milyen portfóliószerkezeti változások növelik a kockázatot, vagy milyen fedezeti eszközök szabályozzák az adott kockázatot. A modell a VaR értéken túl nem ad információt a lehetséges legrosszabb veszteségről (adott 95%-os konfidenciaszint mellett továbbra sem ismert, hogy az esetek fennmaradó 5%-ában mekkora lehet a veszteség).
A piaci kockázatértékelés alternatív mérőszámaként alkalmazható a Shortfall módszertan, amely a VaR-t meghaladó veszteségek átlagos értéke. A hiány a kockázat konzervatívabb mértéke, mint a VaR. Ugyanazon valószínűségi szinthez a hiány több tőkét igényel. Így lehetővé teszi a kis valószínűséggel előforduló nagy veszteségek figyelembevételét. Lehetővé teszi továbbá a kockázat megfelelőbb felmérését egy ilyen gyakori esetben a gyakorlatban, amikor a veszteségek eloszlása az eloszlásfüggvény "zsírfarokkal" rendelkezik (a valószínűségi sűrűségeloszlás szélein eltérések a normál eloszlástól).
A piaci kockázat összegét a bank szavatolótőke-megfelelési mutatójának kiszámítása tartalmazza az Oroszországi Bank 2004. január 16-án kelt, „A kötelező banki mutatókról” szóló 110-I. számú utasítása szerint. A piaci kockázatok hitelintézetek általi kiszámításának eljárását az Orosz Föderáció Központi Bankjának „A piaci kockázatok hitelintézetek általi kiszámításának eljárásáról” szóló, 2007. november 14-i N 313-P rendelete írja elő. A piaci kockázat teljes összegét a következő képlet segítségével számítjuk ki:
RR \u003d 12,5 * (PR + FR) + VR,
Ahol:
RR- a piaci kockázat teljes összege;
STB- a kamatlábváltozásra érzékeny pénzügyi eszközök piaci kockázatának mértéke (a továbbiakban: kamatlábkockázat);
FR- a részvényjellegű értékpapírok jelenlegi (valós) értékének változásaira érzékeny pénzügyi eszközök piaci kockázatának mértéke;
VR- a hitelintézet által devizában és nemesfémben nyitott pozíciók piaci kockázatának mértéke.
Az elmúlt évtizedekben a világgazdaság rendszeresen a pénzügyi válságok forgatagába került. 1987, 1997, 2008 kis híján a fennálló pénzügyi rendszer összeomlásához vezetett, ezért a vezető szakértők olyan módszereket kezdtek kidolgozni, amelyekkel kordában lehet tartani a pénzügyi világban uralkodó bizonytalanságot. Az elmúlt évek Nobel-díjaiban (a Black-Scholes-modellért, VaR-ért stb. kapott) egyértelműen a gazdasági folyamatok matematikai modellezésére, a piac viselkedésének előrejelzésére és stabilitásának felmérésére tett kísérletek irányulnak.
Ma megpróbálok beszélni a legszélesebb körben használt veszteség-előrejelzési technikáról - a kockáztatott értékről (VaR).
Ennek a módszernek az a hátránya, hogy nem tudunk előrejelzéseket készíteni olyan portfóliók esetében, amelyekről nincs információnk. Probléma adódhat akkor is, ha a portfólió komponensei rövid időn belül jelentősen megváltoznak.
Egy jó példa a számításokra az alábbi linken található.
Természetesen nem ezek az egyetlen módszerek a VaR kiszámítására. Léteznek egyszerű lineáris és kvadratikus ár-előrejelzési modellek, valamint egy meglehetősen bonyolult variációs-kovariancia-módszer is, amiről nem beszéltem, de akit érdekel, az alábbi könyvekben találhat leírást a módszerekről.
A kritikák ellenére a VaR-t minden nagyobb pénzintézetben sikeresen alkalmazzák. Megjegyzendő, hogy ez a megközelítés nem mindig alkalmazható, ezért más módszereket is létrehoztak hasonló ötlettel, de más számítási módszerrel (például SVA).
A kritikákra válaszul a VaR módosításait vagy más eloszlások vagy a Gauss-görbe csúcsán lévő számítási módszerek alapján dolgozták ki. De erről máskor megpróbálok beszélni.
Tekintsük a kockázatértékelési módszereket, különösen a piaci kockázatot, a VaR (Value at Risk) kockázati mérőszám használatával. Ehhez elemezzük az OAO Gazprom részvényeinek kockázatértékelésének gyakorlati példáját.
Piaci kockázat (angolpiackockázat) az eszközök értéke kedvezőtlen változásának valószínűsége. Az értékváltozást számos makro-, mezo-, mikroökonómiai tényező befolyásolja, amelyek között szerepel a nyersanyagok (olaj, acél, platina stb.) ára is; nemesfémek (arany, ezüst) árai; az ágazati termelési indexek, az országos mutatók (GDP, munkanélküliség, irányadó kamat, infláció), keresleti és kínálati szint változása stb.
A piaci kockázatok a pénzügyi kockázatok rendszerébe tartoznak, és a következő típusokra oszthatók:
A piaci kockázatokat különböző befektetési társaságok, befektetési és fedezeti alapok, magánbefektetők, bankok, vállalkozások, pénzügyi ügynökök, beszállítók stb. az esetleges veszteségek minimalizálása és tartalékképzés. Amint látjuk, a piaci kockázatok a pénzügyi piaci szereplők széles skáláját érintik.
Az esetleges veszteségek kezeléséhez és a kárbiztosítási tartalékok meghatározásához kvantitatív kockázatértékelés szükséges. Minden menedzsment alapaxiómája, hogy csak azt kezelheti, ami mennyiségileg mérhető. A piaci kockázatok felmérésére szolgáló összes módszer két csoportra osztható:
A statisztikai módszerek előnyei közé tartozik az előre nem látható veszteségek előfordulási valószínűségének és abszolút nagyságának objektív értékelésének lehetősége. A szakértői értékelési módszerek lehetővé teszik a gyengén formalizálható kockázati tényezők figyelembevételét és különféle forgatókönyvek kidolgozását annak csökkentésére.
G.Markowitz a 60-as évek elején javasolta a kockázat értékelését az értékpapírok értékének volatilitásaként a tőzsdén. Azaz minél többet változik egy eszköz ára, annál nagyobb a kockázata a befektetésnek. Ennek a módszernek a hátránya az volt, hogy képtelen volt előre jelezni a jövőbeni veszteségek méretét és valószínűségét.
Az 1980-as években egy új kockázati kritérium - VaR (Kockáztatott érték), amely lehetővé tette a jövőbeni lehetséges veszteségek átfogó felmérését kiválasztott valószínűséggel és meghatározott ideig. A VaR kockázati mérőszám gyakorlati kiszámításához többféle módszert alkalmaznak:
Vegyünk egy példát egy eszköz kockázatának értékelésére a tőzsdén a VaR-modell használatával, amely a veszteség valószínűségének és nagyságának delta normál modellezésén alapul. Vegyük az OAO Gazprom részvényeinek jegyzéseit, és számítsuk ki az ilyen típusú eszközök lehetséges veszteségeit. Ehhez árajánlatokat kell letöltenie a finam.ru szolgáltatásról („Adatexport”) vagy a finance.yahoo.com webhelyről, ha felméri a külföldi vállalatok piaci kockázatát. A Bank of International Settlements legalább 250 részvényárfolyam adat használatát javasolja a VaR kiszámításához. Az OAO Gazpromra vonatkozó napi jegyzések a 2014. 01. 31. és 2015. 01. 31. közötti időszakra vonatkoznak.
Piaci kockázat értékelése Value at Risk (VaR) módszerrel
Az OAO Gazprom részvényeinek jövedelmezősége=LN(B6/B5)
Az OAO Gazprom részvények jövedelmezőségének kiszámítása
Megjegyzendő, hogy a delta normál kockázatértékelési módszer helyessége csak akkor érhető el, ha a kockázati tényezők (jövedelmezőség) a normál eloszlási törvény (Gauss-féle) hatálya alá tartoznak. Annak meghatározásához, hogy a hozamok eloszlása a Gauss-eloszláshoz tartozik-e, használhatja a klasszikus statisztikai kritériumokat - Kolomogorov-Smirnov vagy Pearson.
Várható érték=ÁTLAG(C5:C255)
Szórás=STDEV(C5:C255)
A részvényhozam eloszlási függvény paramétereinek számítása
A VaR kockázati mérték kiszámításának következő lépése ennek a normális eloszlásnak a kvantilisének meghatározása. A statisztikában kvantilis alatt az eloszlásfüggvény (Gauss) azon értéke értendő, amely adott paraméterekre (matematikai elvárásokra és szórásra) vonatkozik, amely alatt a függvény adott valószínűséggel nem haladja meg az adott értéket. Példánkban a valószínűségi szintet 99%-nak vettük.
Számítsuk ki Excelben az OAO Gazprom részvények jövedelmezősége eloszlására vonatkozó kvantilis értékét.
kvantilis=normál(1%,E5;F5)
Kvantilis becslés Excelben
ahol:
P t +1 egy részvény minimális értéke a következő t időszakban egy adott kvantilis szinttel.
Egy részvény (eszköz) jövőbeli értékének több időszakra előrejelzéséhez a képlet módosítását kell alkalmazni:
ahol:
q a részvényhozamok eloszlásának kvantilisa;
P t a részvény árfolyama t időpontban;
P t +1 a részesedés minimális értéke a következő t időszakban egy adott kvantilis szinten;
n a részvény lehetséges minimális értékére vonatkozó előrejelzés mélysége.
A részvény jövőbeli értékének kiszámítására szolgáló képlet az Excelben így fog kinézni:
Az OAO Gazprom részvényeinek minimális értéke másnap=(1+G5)*B255
Az OAO Gazprom részvényeinek minimális értéke 5 nap alatt=B255*(1+G5*GYÖKÉR(5))
Egy részvény minimális értékének előrejelzése adott valószínűséggel
A P t +1 értéke azt mutatja, hogy 99%-os valószínűséggel az OAO Gazprom részvényei nem esnek a 137,38 rubelnek megfelelő árfolyam alá, a P t +5 értéke pedig a részvény lehetséges minimális értékét mutatja valószínűséggel 99%-os a következő 5 napban. Az esetleges veszteség abszolút értékének kiszámításához meg kell határoznia egy részvény értékének százalékos változását. Az Excel számítási képlete a következő lesz:
A részvényárfolyam relatív változása
A részvényárfolyam relatív csökkenése másnap=LN(F9/B255)
A részvényárfolyam relatív csökkenése öt napon keresztül=LN(F10/B255)
Abszolút változás a részvényárfolyamban
Másnap abszolút értékcsökkenés a részvényben = F9-B255
A részvény értékének abszolút csökkenése öt nap alatt=F10-B255
Így a VaR mutató gazdasági jelentését a következőképpen kell értelmezni: a következő napon egy Gazprom részvény költsége 99%-os valószínűséggel nem lesz alacsonyabb 137,38 rubelnél. és az abszolút veszteség részvényenként nem haladja meg a 6,44 RUB-t (5%). És hasonlóan a VaR öt napra előre becsléséhez: öt napon belül egy Gazprom részvény értéke 99%-os valószínűséggel nem esik 129,42 rubel alá, a tőkeveszteség pedig nem haladja meg a 11%-ot (részvényenként 14,4 rubel).
A VaR kockázati mutató számításának második módszerét „kézi módszernek” nevezik, mivel ez lehetővé teszi, hogy ne legyen kötve az eszközérték változásának eloszlásához. Ez az egyik fő előnye a delta normál módszerrel szemben. A piaci kockázat felméréséhez ugyanazokat a bemeneti adatokat használjuk – idézi a Gazprom. A VaR kiszámításának lépései a következők:
Az OAO Gazprom részvények maximális és minimális hozamának kiszámítása
Az OAO Gazprom részvények számított hozama alapján határozzuk meg a maximális és minimális hozamot. Ehhez a képleteket használjuk:
A részvényhozam maximális értéke=MAX(C5:C255)
Minimális készletvisszatérítés=MIN(C5:C255)
Az intervallumok számának kiválasztása a részvénynyereség/veszteség csoportosításához
Egy manuális kockázatértékelési módszerhez a hozamok csoportosításának felosztásához szükséges intervallumok számát venni. A szám tetszőleges lehet, példánkban N=100-at veszünk.
Terméscsoportosítási intervallum szélességének meghatározása
Az intervallum szélessége vagy csoportváltási lépése szükséges a hisztogram felépítéséhez, és a kiszámítása a maximális hozam felosztása az intervallumok számával. Az intervallum kiszámításának képlete a következő:
Intervallum mérete hozamok Készlet=(E5-F5)/H5
A kockázati mérőszám VaR „kézi” értékelése
A következő szakaszban fel kell építeni egy hisztogramot a hozamok eloszlásáról a kiválasztott intervallumokon. Ehhez kiszámítjuk az összes jövedelmezőségi csoport határait (összesen 100 van). A számítási képlet a következő:
Részvény hozammarzsa=H5+$11 E$
Az OAO Gazprom részvényeinek haszonkulcsának kiszámítása Excelben
A jövedelmezőségi csoportok határainak meghatározása után kumulatív hisztogramot építünk. Ehhez lépjen az „Adatok” → „Adatelemzés” → „Hisztogram” bővítményre.
A megnyíló ablakban töltse ki az "Input intervals", "Pocket intervals" mezőket, válassza ki az "Integrális százalék" és a "Grafikon kimenet" opciókat is.
Példa az OAO Gazprom jövedelmezőségi hisztogramjának elkészítésére
Ennek eredményeként egy új munkalap generálódik egy diagrammal és a nyereségesség / veszteség elérésének gyakoriságával egy adott intervallumban. A kumulatív grafikon így néz ki:
Az összesített hozamok hisztogramja az Excelben
Az így kapott táblázat első oszlopa tehát a hozamok/veszteségek eloszlására megadott kvantilis, a második az egyik vagy másik intervallumba eső hozamok gyakorisága, a harmadik a veszteségek valószínűségét tükrözi. Az egyik vagy másik intervallumba esés kumulatív valószínűségét tartalmazó táblázatban ~1%-os szintet kell találni.
A részvényhozamok kvantilisének meghatározása „kézi”
A kvantilis értéke -0,039, míg a delta normál kockázatértékelési módszernél a kvantilis -0,045 volt. A kockázatok felméréséhez a már megszerzett értékelési képleteket használjuk, és kiszámítjuk a veszteségek mértékét. Az alábbi ábra a következő napon és öt napon belüli lehetséges veszteségek becslését mutatja 1%-os valószínűséggel 4, illetve 9%.
A VaR kockázati mérőszám „kézi” értékelésének eredménye Excelben
A hazai tőzsdén meglehetősen nagy a volatilitás, a piacon „nehéz farok” van, vagyis gyakori, nagy veszteséggel járó válságok kialakulása. Ennek eredményeként a VaR-modell nem tudja pontosan megjósolni a befektető lehetséges jövőbeni veszteségeit. Meg kell jegyezni, hogy ez a modell jól alkalmazható az alacsony volatilitású árupiacokon, nem pedig a részvénypiacokon.
Összegzés
Ebben a cikkben a kockázatértékelési módszereket vizsgáltuk a Gazprom részvény példáján, ehhez lépésről lépésre elemeztük, hogyan épül fel Excelben egy modern Value at Risk (VaR) kockázatértékelés kétféle módon: delta normál modellezéssel, illetve " manuálisan".
Ha a vizsgálandó tényezőket elsődleges és másodlagosra bontjuk, akkor kiderül, hogy minden vállalkozásban mindkettő nagyon változatos. Nyilvánvaló, hogy kevesen ismerik mindegyiket. Ezért az 1990-es évek elején. A J.P. Morgan vezetése kihívás elé állította kockázatvállalóit, hogy találjanak olyan formátumot, amely könnyen érthető, és amely aggregálja és egyesíti az elsődleges és másodlagos kockázatokat a különböző üzleti területeken. Így született meg a Value-at-Risk, ismertebb nevén a VaR. Ma ez egy szabványos kockázatkezelési eszköz.
Egyes pénzügyi eszközök bevételi és kockázati profilja lineárisan oszlik meg. Tegyük fel, hogy vásárolt egy részvényt, és az árfolyam egységnyi változása esetén a pozíció eredménye ugyanennyivel változik. Ez egy példa az elsődleges kockázatra. A származékos ügyletek árának változása is főként a mögöttes eszközök (példánkban a részvények) árfolyamának változásától függ. Ugyanakkor érzékenyek az opciók fejezetben tárgyalt egyéb változók változásaira is, például a volatilitás és a kamatlábak változásaira, valamint az időbeli változásokra. Ezek néhány másodlagos változó. Emiatt a származékos ügyletek árai nem változnak lineárisan a mögöttes eszköz árához képest.
Valószínűleg a menedzsment nem szembesült volna a VaR létrehozásának kérdésével, ha nem jelentek volna meg származékos eszközök, például opciók, amelyek ára nem lineárisan függ az azt meghatározó változóktól. Fontos, hogy az olvasó elhiggye, hogy a hitelállomány ugyanaz az opciós portfólió, csak a hiteleken. A részletekről később lesz szó, ebben a fejezetben pedig egy egyszerűbb eszközön mutatjuk be a modell működési elveit, lehetőségeit és korlátait.
Meg kell jegyezni a korreláció szerepét a jelentések felépítésében. Egy nagy bank vezetésének két-három egyszerű jelentésre van szüksége a különféle termékekben található különféle pozíciók nagy számáról. Ha mindegyiket egy modellbe "hajtja", akkor még a mai számítógépes sebesség mellett is túl sok időt vesz igénybe az adatfeldolgozás. Könnyebb bizonyos mögöttes eszközökből kiindulni, és kiegészíteni azokat a más eszközökkel való összefüggések mátrixával, még akkor is, ha kevés pozíció van, mint abban a példában, amikor Lukoil részvényeket vásárolt és Rosneft részvényeket adott el. A rendszernek értékelnie kell a korrelációt, és meg kell tippelnie, mennyit veszíthet, ha az árak nem úgy viselkednek, ahogyan azt várta. Ha a korrelációt nem értékeljük, és két részvény kockázatát függetlenként kezeljük, akkor valójában túlbecsüljük őket, hiszen a gyakorlatban legtöbbször egy irányba mozognak. Pontosan a Value-at-Risk fő feladata a potenciális maximális veszteség statisztikailag ésszerű méretének megtalálása. Ezt a kifejezést a kockázat költségmérőjének fordítják.
Pontosabban a VaR a maximális összeg:
A VaR megalkotásának főbb változatai a várható volatilitás becslése és a szórások száma. Az első paraméter az adott időtartam 2/3-án belül várható legvalószínűbb veszteségbecslés megértéséhez szükséges. A második a maximális eltérés az idő 1/3-án belül.
A volatilitást vagy az árak ingadozását a statisztikákban "szórásnak" nevezik. A modellek régi barátunk várható volatilitást használnak, amelyet a záróárak közötti becsült (várható) különbözetként számítanak ki egy adott időszak alatt.
Tegyük fel, hogy eladott egy opciót az X részvény árának növelésére (vételi opció az X részvényre). Portfóliója most egy eladott hívásból áll, a részvény árfolyama 100,0, a kötési árfolyam 100,0, a várható volatilitás 19,1%, a hívás lejárata (meghatározott időszak) 30 napon belül. A 19,1%-os volatilitás arra utal, hogy egy napon belül a részvény piaci árfolyam-eltérése (egy napos szórása) a vizsgált időszak (30 nap) 2/3-án körülbelül ±1% lesz.
Hány szórást kell használni a VaR kiszámításához? Vagyis hogyan lehet megragadni az ármozgást az időhorizont hátralévő 1/3-ában, amely meghaladja a piac által várt volatilitást? A legtöbb statisztikus hallgató tudja, mi az a haranggörbe, és azt a tényt, hogy normál eloszlásban az események 99%-a három szórásra esik. De a gyakorlatban ez az érték nagyobb valószínűséggel négy szórás (1. táblázat), ezért azokat kell használni a normál eloszlással nem magyarázható mozgások rögzítésére.
Asztal 1. Opció átértékelése (lásd a példát), amikor a mögöttes eszköz ára megváltozik (másnap)
A mögöttes eszköz értéke nem az egyetlen érték, amely időhorizonton belül változik. Egy opció várható volatilitása csökkenhet vagy emelkedhet. Ennek megfelelően a modellt tesztelni kell a várható volatilitás különböző szintjeire.
Például a modell korlátozhatja a volatilitás változásait 15%-ra. Ez azt jelenti, hogy ha pillanatnyilag 19,1%-os a várható volatilitás, akkor másnap már ezen belül (16,61%, 21,97%). Értékeljük újra portfóliónkat, tekintettel az új korlátokra (2. és 3. táblázat).
2. táblázat. Opció átárazása volatilitás változása esetén (másnap)
Ezeket az adatokat összehasonlítva lehet keresni egy olyan értékrácsban, amely az állandótól a szélsőségesig terjedő intervallumokban határozza meg a portfólió értékét a vizsgált időszakra (másnapra).
3. táblázat Opció átértékelése, ha mind az alapul szolgáló eszköz ára, mind a volatilitás megváltozik
Ha a kapott eredményekből levonjuk a portfólió jelenértékét, a vizsgált időszak összes változására átértékelési sorozatot kapunk (4. táblázat).
4. táblázat Az opció átárazásának pénzügyi eredménye, amikor mind az alapul szolgáló eszköz ára, mind a volatilitás megváltozik
A maximális veszteséget (-2,81) mutató átértékelés VaR egy napos időszakra, 98%-os konfidenciaszinttel (a mögöttes eszközérték 104 pont és a volatilitás 21,97%). Sok terméknek nem csak azonnali ára van, hanem határidős görbék is, vagyis ugyanazon termék ára a jövőbeni szállítással együtt, állandó spot mellett is ingadozva. A devizapiacon például a határidős görbék két valuta kamatlábai arányának eredménye. A határidős áruügyletek esetében a határidős görbék a jövőbeli piaci feltételek előrejelzésének eredményei. Például a határidős görbe megváltozik, ha a kínálati hiányra vonatkozó várakozások megváltoznak a szerződés lejártakor. Az alapul szolgáló eszköz határidős görbéin (termék árstruktúra) kívül határidős volatilitási görbék (volatilitási struktúra) is szerepelnek. A VaR egyszerűsített kiszámításához ajánlatos az egyes időszakok határidős árfolyamát a megfelelő szórással módosítani.
Hasonlóan, a volatilitás a teljes határidős görbe mentén változik.
A mögöttes eszköz és a volatilitás görbéit kombinálva megkapjuk a kívánt kockázati mátrixot az alapul szolgáló eszköz árfolyamának ingadozása, volatilitása és határidős görbéi alapján.
Felhívjuk figyelmét, hogy a kereskedési részlegek minden elszámolása egy adott időszakra - általában egy napra - történik. A gyakorlatban a piac sokkal hosszabb ideig tud egy irányba mozogni. Ebből következően a veszteségek maximumértékei több napon keresztül követhetik egymást, amelyek száma – amint azt a 2008 őszi árdinamika is mutatja – jelentős lehet. Ezért a menedzsment számára a számításokat tíz napos időszakra készítik. Ez azonban meglehetősen konzervatív megközelítés, hiszen negatív dinamika esetén a pozíció is változhat, azaz a kereskedők csökkenthetik a pozíciókat, a hitelegységek pedig eladhatják a portfólió egy részét. Ebben az esetben az előre jelzett veszteségek csökkenhetnek.
Mivel különböző képletek léteznek a volatilitás és a szükséges szórások becslésére, ha azt hallja, hogy mondjuk egy adott pozíció 10 millió dollárt veszíthet, ez nem jelenti azt, hogy 10-szer kisebb vagy 10-szer kisebb kockázatot hordoz, mint egy pozíció. Ez nem triviális megfigyelés: például 2011 második felének végén a Goldman Sachs által bejelentett VaR értéke 100 millió dollár volt a világ összes irodájában. Ugyanakkor egyes közepes méretű orosz bankoknál ez meghaladta a 15 millió dollárt, valószínűleg téves azt feltételezni, hogy kockázati szintjük hatoda volt a világ legnagyobb kereskedőinek. A kockázat meghatározásához használt képletek sokkal konzervatívabbak voltak.
2011. augusztus elején, az amerikai hitelminősítés leminősítésével és az európai bankválsággal összefüggő válság közepette arról számoltak be, hogy a Goldman Sachs két kereskedés során 100 millió dollár veszteséget könyvelhetett el. a VaR számítás helyessége megerősítést nyert .
A J.P. Morgannél a származékos portfóliók veszteségei miatti 2012. májusi botrány azonban ismét megmutatta, hogy a VaR-modellek is „csavarhatók” és alulbecsülhetők a kockázatok.
A VaR a lehetséges kimenetelek valószínűségi mérésének módszere, beleértve a maximális veszteségeket is, egy adott időszakban („időhorizont”). Kiszámítása során azt feltételezzük, hogy a kezdeti portfólió összetétele bizonyos (statisztikai szempontból) megbízhatósági szint mellett nem változik. A stresszteszteknél nem a jelenlegi piac legrosszabb helyzetét vesszük figyelembe, hanem a piacok fejlődésének legrosszabb történeti forgatókönyvei alapján készítünk stresszhelyzetek forgatókönyveit. Vagyis a portfólió veszteségeit a piac az elmúlt 30-40 év során tapasztalt paraméterei alapján számítják ki. Ha a portfólióját a vásárolt pozíciók uralják, akkor ezek mozgásából a legrosszabbat veszi ki a stresszteszt elkészítésekor. Ha többnyire értékesített pozíciói vannak, akkor a stresszteszt a féktelen növekedés pillanataira épül. A stresszteszt mindkét helyzetben rémálom forgatókönyveket mutat.
A stressztesztek és a VaR-számítások között jelentős különbség van a korrelációkban. A VaR számítás a portfólió különböző pozíciói között megfigyelt korrelációs szintet feltételezi. A stresszteszt forgatókönyveit figyelembe véve a megfigyelt összefüggéseket elvethetjük, ami az esetleges veszteségek növekedéséhez vezet. Így a Lukoil és a Rosneft részvényeiben elfoglalt pozícióink abszolút függetlennek minősülnek.
Sőt, nem a jelenlegi, hanem a maximális múltbeli volatilitást lehet figyelembe venni, például 30%-os esést vagy 40%-os növekedést valamelyik ilyen részvényben az 1998-as vagy 2008-as válságok valamelyik napján a kockázatkezelő választása szerint. .
A hasonló vásárolt és eladott eszközök közötti összefüggés hiányának gondolata ahhoz hasonlítható, hogy például a tej és a tehenek ára eltérő irányba fordulhat: a tej ára (LUKOIL részvények) kétszeresére, míg a tehenek (Rosneft részvények) ára kétszeresére esik. Más szóval, ugyanazon olajár mellett az ilyen árdinamika kicsi lesz. Ha ezt vesszük alapul, akkor minden orosz banknak be kellene zárnia, mivel a 2008-ban kimutatott kamatingadozások a jelenlegi működésük óriási kockázatára utalnak.
Annak érdekében, hogy ne zárják be a bankokat, néhány "ésszerű" forgatókönyvet választanak. A legrosszabb forgatókönyvek ilyen „kisimítása” eredményeként, amint azt az Oroszországban (1998) és a Nyugaton (2007–2009) bekövetkezett válságok mutatják, a válság előtti stressztesztekben alábecsülték a maximális veszteségeket. Erre mutatva a kockázatmenedzser azt fogja mondani, hogy "ennek az alábecslésnek az eredményeként a legtöbb bankvezető nem volt kellőképpen aggasztva a javasolt forgatókönyvek miatt, és nem tudta időben lezárni a kockázatos pozíciókat." Azt fogja javasolni, hogy a stressztesztek végrehajtásakor jobb, ha a becslések konzervativizmusa és a forgatókönyvek kockázatának túlbecslése mellett tévedünk. A gyakorlatban ez azt jelenti, hogy a válság előtti időkben a menedzsereknek jóval kisebb léptékben kellett üzletelni. Akár helyes ez a következtetés, akár nem, a nyugati szabályozók modernizált stressztesztekkel próbálják csökkenteni a bankok tőkeáttételét.
Megjegyzendő, hogy a "szokásos (történelmi) összefüggés" egy nagyon nem praktikus kifejezés. Az eszközök korrelációi 10 év és egy év alatt nagyon eltérőek lehetnek. Ezért ki kell választani azt az időszakot, amelyre a történeti összefüggést vesszük, hogy a modellekben felhasználjuk. Azonban minél nagyobb a piaci volatilitás, annál nehezebb fenntartani a megszokott kapcsolatokat. Vagyis a volatilitás növekedése a korrelációk változásával jár együtt.
Megsértésének egyik oka a likviditási hiány. A megnövekedett volatilitás oda vezet, hogy a piaci szereplők csökkentik a pozíciók méretét. Mivel a vásárlók száma is csökken, az eladások során a piacok "likviditási résekkel" szembesülnek, vagyis az árak nem gördülékenyen mozognak, hanem ugrálnak. Sőt, mivel a különböző eszközcsoportok eltérő ügyfélkörrel rendelkeznek, a likviditási rések eltérő módon befolyásolják áraikat.
Ezért ő az, aki a korrelációk stabilitásának fő ellensége. Az ilyen „szakadásokat” nehéz matematikailag kifejezni. Tehát ismét az opciós kereskedők e rések lehetőségére fogadnak, növelve a várható volatilitást. Figyelembe véve az ilyen szakértői kiigazítás értékét, az opciókkal kereskedett eszközök VaR-modellei nem tényleges, hanem várható volatilitást használnak. Egyes eszközök esetében azonban nincs intenzív opciós piac. Milyen volatilitást kell használni a VaR-számításoknál?
Ha a kívánt eszközzel nem kereskednek opciókkal, a modellek felhasználhatják egy hasonló eszköz várható volatilitását, figyelembe véve az ezen eszközök árváltozásai közötti korrelációs együtthatót. Így a kereskedők viszonylag kis csoportja, akik likvid eszközökre opciós kereskedést folytatnak, és meghatározzák azok várható volatilitását, váratlanul megadja ezt a kritikus paramétert a piac jelentős részének maximális veszteségének kiszámításához.
Érdekes részlet, amely ismét megmutatja a modern kockázatmérési rendszer alapjául szolgáló ilyen "divatos" logikai konstrukciók korlátait is: mint már említettük, a várható volatilitás maga is árucikk, amelynek ára ki van téve a kereslet és kínálat miatti ingadozásoknak. . Kiderül, hogy egy-egy nagy vevő vagy eladó eltorzíthatja a volatilitást egy adott piacon, és ez hatással lesz a teljes piaci szegmens veszteségbecslésére!
Amint azt a könyv következő részében látni fogjuk, a hiteltermékek kamatai kockázatmentes kamatokból és hitelkockázati díjból (hitelfelár) tevődnek össze. A hitelfelárakat általában a hiteltermékek kamatlábába "pakolják", de egyszerűen elkülöníthetők (lásd a 8. fejezetet). Ezenkívül ezek az elszámolt hitelfelárak pénzügyi termékekként léteznek. A kereskedelmi bankárok garanciáknak (valójában az ügyfél fedezetlen hitelkockázatának eladásának), a befektetési bankárok pedig hitelcsere-ügyleteknek (CDS) hívják őket. A garanciális árak ritkán változnak. A hitelcsereügyletekkel azonban kereskednek a piacon, ezért áraik gyakran változnak.
A legtöbb nagyvállalatnak és banknak van államadóssága. És mivel léteznek, ez azt jelenti, hogy a törlesztésükre szánt forrásból lehetséges hitelkockázati kifizetést allokálni, azaz hitelcsere vásárlására vagy eladására.
Ebben az esetben a partnerkockázati limit a piaci volatilitás alá kerül, ami azt jelenti, hogy VaR segítségével számítható. Ha ezt a módszertant elfogadják, akkor a hitelpiacok likviditásának változásakor, mint máshol, ez az értékelés torzul. A helyzet az, hogy bár a hitelfelárakat eredetileg kötvényárak alapján számították ki, mára ezek a piacok párhuzamosan léteznek. Mivel ugyanazon kibocsátó kötvényeinek és hitelswapügyleteinek likviditása eltérő, úgy tűnik, hogy a két piacon elméletileg eltérő hitelkockázati értékelések léteznek. Ebben a tekintetben a kockázatkezelők bármelyiket alapul vehetik. Preferenciáik befolyásolják a limitek partnerenkénti mértékét, valamint a felülvizsgálat időpontjában bekövetkezett változásokat: minél instabilabb piacot vesznek alapul, a volatilitás változását követően annál gyakrabban módosíthatók a limitek. Ez a folyamat szükségtelen volatilitást vihet be egy már standardizált banki üzletágba, amelynek stabilitását ezzel szemben a kockázatkezelőknek kell védeniük.
A túlzott kontroll által okozott további bonyolultságok a kockázatkezelők „aszimmetrikus kockázathoz” való hozzáállásának a következményei. Statisztikai szempontból az áreltérés növekedése és csökkenése esetén azonos kockázattal járhat. A rubel esése azonban az orosz bankrendszer megbízhatóságának csökkenésével jár, akárcsak más fejlődő országok esetében. Így ha egy orosz bank elad egy hosszú távú határidős szerződést a rubel megerősítésére, akkor ha a rubel erősödik és az eladás során veszteségek keletkeznek, akkor a bank meg tudja fizetni, mivel a rubel erősödése általában a az orosz gazdaság növekedése és a jólét a világ egészében. De ha a bank hosszú ideig ad el dollárt, akkor válságban nehezen tudja megtéríteni a veszteségeket, mivel a pénzügyi piacon ez egybeesik a nehéz gazdasági helyzet miatti hitelportfólió nemteljesítésének növekedésével. Így a piaci kockázat szempontjából szimmetrikus kockázat nem feltétlenül szimmetrikus az azonos ügyletekre vonatkozó hitelkockázati számítások során.
Minél több részletet említünk, annál nyilvánvalóbb, hogy a kockázatelemzés folyamatát nehéz szigorúan szabályozni. Figyelembe kell vennie az aszimmetrikus helyzeteket, amelyek gyakran feltárulnak az élet valóságának elemzése során. Még egy példa.
2007 elején elemzés készült arról, hogy milyen hitelkockázattal kell szembenéznie egy orosz banknak a Citibankkal kapcsolatban, ha a Sberbank részvényeire vételi opciót vásárolna az utóbbitól. Valójában a hitelkockázat az árfolyam drasztikus emelkedése esetén jelentkezett, ha ezzel egy időben a Citibank képtelenné vált kötelezettségeinek teljesítésére. Mivel az opció rövid távú volt, ez a helyzet csak a Citibank hirtelen csődje esetén jöhetett létre.
Akkor még senki sem sejtette, hogy a világ súlyos válság küszöbén áll. Az üzleti álláspont az volt, hogy csak a globális pénzügyi piacok váratlan összeomlása vezethet egy olyan nemzetközi bank csődjéhez, mint a Citibank. Ezért bármennyire is jó eredményeket mutat fel a Sberbank, globális válsághelyzetben részvényei is esnek. Ebben az esetben az opció nem kerül lehívásra, így a Citibanktól való vételi opció vásárlásának hitelkockázata csekély volt. De amikor a Sberbank eladási opciót vásárolt a Citibanktól, ez az elemzés nem működött. A kockázati szakértők azonban úgy vélték, hogy a vételi és eladási opciók vásárlásakor a hitelkockázat szimmetrikus. Az opció 2007 novemberében lehívható volt, és a tényleges események megerősítették, hogy az üzletágban helyesen értelmezték az aszimmetrikus hitelkövetelés fogalmát.
A kockázatkezelés a banki üzletág egyik kulcsfontosságú területe. A kockázatkezelési modellek lehetővé teszik a pénzügyi menedzserek, azaz a generalisták számára, hogy gyorsan felmérjék a kevéssé ismert termékek kockázatát egyetlen formátumban a joghatóságuk alá tartozó összes vállalkozás számára. Ez az ilyen modellek fő értéke. Ezért a bank tevékenységének „kockázatkezelésnek” nevezett funkcionális területe egyre fontosabb eszközzé válik a kockázatok különböző formáiról, azaz a bankok rendelkezésére álló kockázati erőforrások mértékéről szóló döntések módszertanának egységesítésében.
Mindazonáltal, mint minden eszköztárat, a kockázatmérő modelleket is megfontoltan kell használni, nem kell kiszervezni a magasan képzett modellezőknek, hanem úgy, hogy a számításokban szereplő feltételezéseket egyedül kell megérteni. Ezt a kockázatok szimmetriájának kérdéskörének eltérő megközelítési példáján mutattuk be. Az ilyen helyzetek a jól ismert, a dinoszauruszról szóló anekdotára emlékeztetnek: amikor egy férfit megkérdeznek, mi az esélye, hogy ilyen állattal találkozzon az utcán, azt mondja, nincs ilyen: "Kihaltak!" A kérdésre legközelebb egy szőke válaszol, aki egyébként statisztikát szerzett. Véleménye szerint 50-50 az esély: "Vagy egy találkozó, vagy nem." Azokban a helyzetekben, amikor a menedzserek (és nem csak a kockázatmenedzserek) a gyakorlati logika figyelembevétele nélkül alkalmazzák a kvantitatív elemzést, minden kockázat abszolút kockázattá alakul, vagyis nincs súlyozva az elemzett kritikus helyzet bekövetkezésének valószínűségével. Akkor nem fogsz találkozni dinoszauruszokkal, és nem fogsz üzletelni. Ezért értelmesnek kell lennie az olyan modellek használatának, mint a VaR vagy a stresszteszt.
A bank bizonyos forrásokkal rendelkezik, amelyek többféle kockázati mennyiséget jelentenek, amelyet el tud fogadni. Ezek közül a legfontosabbak a likviditási kockázat, a hitelkockázat, a kamatlábkockázat és az árfolyamkockázat.
A likviditási kockázatok volumene olyan erőforrás, amelynek rossz kezelése jelenti a legnagyobb veszélyt a bank számára. Ugyanakkor az eszközök bevonásának és elhelyezésének költségei közötti különbségből adódó fő bevételi forrás is, ezen mutatók számítása szubjektív, és a leginkább átpolitizált kérdésnek számító transzferár módszertanhoz kapcsolódik. Az alapok növelésének és elhelyezésének összetettsége mindenki számára ismert. A felső vezetés mind a fejlett, mind a fejlődő országokban folyamatosan részt vesz valamilyen vitában a túlzott és elégtelen likviditásról. A hitelkockázat specifikusabb kategória, mint a likviditás, de ki van téve a politika befolyásának is. Az erős egységek ebben az értelemben „befogják” a gyengébbeket, megakadályozva hozzáférésüket a korlátokhoz. Ez az irányelv azonban gyakran rejti a más termékek képességeinek félreértését.
Vagyis mindenki csak azt tanulta, amelyikben kifejezetten részt vesz, és a menedzsment nem ismeri eléggé a teljes termékcsaládot ahhoz, hogy elősegítse a termékdivíziók közötti hatékony párbeszédet. A deviza- és kamatlábkockázatot, amelyet sokan bevonnak a likviditáselemzésbe, könnyebb külön témaként elemezni, bár a határidős ügyletek fókusza és ez a két erőforrás szorosan összefonódik.
A szétválasztás fontossága mindenki számára egyértelműnek tűnik, de a gyakorlatban nagyon nehéz, például a különböző tranzakciók számviteli tükrözésének eltérősége miatt. Az ilyen összefonódások következtében egy banknak elegendő likviditása lehet, de az árfolyamok vagy a kamatlábak mozgása nullára csökkentheti a profitját.
A gyakorlatban a deviza- és kamatkockázati tartalékok is valamilyen jóváhagyott hazai politika tárgyát képezik. A likviditási kockázat mellett a kereskedelmi részlegek inkább figyelmen kívül hagyják azokat. Azzal, hogy a profitot a hitelgörbe mentén optimalizálják, azaz abszolút értékben (a hitelfelvevő hitelgörbéjére való hivatkozás nélkül) megkapják a maximális hitelkockázati hasznot, teljesen figyelmen kívül hagyják ezen erőforrások optimális elosztásának kérdését, és azt hiszik, hogy a gazdálkodásuk a gazdálkodóhoz tartozik. valaki" a bankkincstárban.
Így a bankokban kezdetben elmosódik a felelősség az összes legfontosabb erőforrásért. A problémát súlyosbítja, hogy a likviditáson kívül nem számítanak forrásnak. Ezeket "korlátoknak" nevezik. Ebben a könyvben megpróbáljuk megmutatni, hogy a terminológia változása ideológiai változáshoz vezethet. És a különféle típusú kockázatok felvállalásának lehetőségeinek mérlegelésével összefüggésben, amelyeket erőforrásként, és nem korlátként tekintenek, megmutatjuk, hogyan lehet növelni ezek felhasználásának hatékonyságát.
