Выдержка из книги «Анализ кредитных рисков».
Существуют различные методологии оценки возможных потерь по финансовым инструментам и портфелям., отметим основные из них:
- VaR (Value-at-Risk - «стоимость под риском»);
- Shortfall;
- Аналитические подходы (например, дельта-гамма подход);
- Stress Testing (новая методика).
Рассмотрим наиболее распространенный метод количественной оценки величины рыночного риска торговых позиций - VaR :
VaR - это выраженная в денежных единицах базовой валюты оценка величины, которую не превысят ожидаемые в течение данного периода времени (временной горизонт) потери с заданной вероятностью (уровень доверия). Базой для оценки VaR является динамика курсов и цен инструментов за установленный период времени в прошлом.
Временной горизонт часто выбирается исходя из срока нахождения финансового инструмента в портфеле или его ликвидности, исходя из минимального реального срока, на протяжении которого можно реализовать на рынке данный инструмент без существенного убытка. Временной горизонт измеряется числом рабочих или торговых дней.
Уровень доверия, или вероятность, выбирается в зависимости от предпочтений по риску, выраженных в регламентирующих документах банка. На практике часто используется уровень в 95% и 99%. Базельский комитет по банковскому надзору рекомендует уровень в 99%, на который ориентируются надзорные органы.
Величина VaR рассчитывается тремя основными методами:
Данный метод может использоваться для оценки рыночного риска финансовых инструментов, по которым банк имеет открытую позицию. Стоит отметить, что параметрический метод плохо подходит для оценки риска активов с нелинейными ценовыми характеристиками. Основным недостатком данного метода является предположение о нормальном распределении доходностей финансовых инструментов, которое, как правило, не соответствует параметрам реального финансового рынка. Для параметрического расчёта VaR необходимо регулярно рассчитывать волатильность котировок ценных бумаг, валютных курсов, процентных ставок или иных риск-факторов (переменная, от которой в наибольшей степени зависит изменение стоимости открытых банком позиций).
Базовая формула для определения VaR с учетом стоимости позиции актива имеет следующий вид:
VaR = V* λ *σ,
Где:
λ - квантиль нормального распределения для выбранного доверительного уровня. Квантиль показывает положение искомого значения случайной величины относительно среднего, выраженное в количестве стандартных отклонений доходности портфеля. При вероятности отклонения от среднего, равного 99%, квантиль нормального распределения составляет 2,326, при 95% - 1,645;
σ - волатильность изменения риск-фактора. Волатильность - это стандартное (среднеквадратическое) отклонение изменения риск-фактора относительно его предыдущего значения;
V - текущая стоимость открытой позиции. Под открытой позицией понимается рыночная стоимость финансовых инструментов, купленных или проданных банком для получения прибыли или иных целей таким образом, что количество финансовых инструментов, находящихся в рассматриваемый момент на балансовых или забалансовых счетах, не равно нулю.
Пример
Инвестор владеет акциями компании стоимостью 10 млн.руб. Заданный уровень доверия 99% с временным горизонтом в один день. Однодневная волатильность цены акций (σ) = 2,15.
VaR = 10 * 2,33* 2,15 = 50,09 млн.руб.
Другими словами, вероятность того, что убытки инвестора превысят 50 млн.руб. в течение ближайших суток, равна 1 %. Убытки, превышающие 50 млн.руб. ожидаются в среднем один раз в 100 дней торгов.
Данный метод основан на предположении о стационарности поведения рыночных цен в ближайшем будущем.
Сначала выбирается период времени (число рабочих или торговых дней), за который отслеживаются исторические изменения цен всех активов, входящих в портфель. Для каждого периода времени моделируются сценарии изменения цены. Гипотетическая цена актива рассчитывается как его текущая цена, умноженная на прирост цены, соответствующий данному сценарию. Затем производится полная переоценка всего текущего портфеля по ценам, смоделированным на основе исторических сценариев, и для каждого сценария вычисляется, насколько может измениться стоимость текущего портфеля. После этого полученные результаты ранжируются по номерам в порядке убывания (от самого большого прироста до самого большого убытка). И, наконец, в соответствии с желаемым уровнем доверия величина VaR определяется как такой максимальный убыток, который равен абсолютной величине изменения с номером, равным целой части числа (1- квантиль при заданном уровне доверия) * число сценариев.
В отличие от параметрического метода, метод исторического моделирования позволяет наглядно и полно оценить риск, он хорошо подходит для оценки риска активов с нелинейными ценовыми характеристиками. Преимущество исторического моделирования заключается в том, что он исключает высокое влияние модельного риска и основан на реально наблюдавшейся в прошлом модели, без учета предположений о нормальном распределении или какой-либо другой стохастической модели динамики цен на рынке. Стоит отметить, что при расчете VaR данным методом присутствует высокая вероятность ошибок измерения при малом периоде исторической выборки. Кроме того, из выборки не исключаются наиболее старые наблюдения, что резко ухудшает точность модели.
Пример:
В 400 сценариях оказалось 300 случаев убытка и 100 случаев прироста. VaR (95%) - это абсолютная величина 21-го по величине убытка (400+1-1(1-0,05)*400=21, где 0,05 - квантиль при уровне доверия 95%), т.е. изменения под номером 380.
Метод Монте-Карло, или метод стохастического моделирования, является самым сложным методом расчета VaR, однако его точность может быть значительно выше, чем у других методов. Метод Монте-Карло очень схож с методом исторического моделирования, он также основан на изменении цен активов, только с заданными параметрами распределения (математическим ожиданием, волатильностью). Метод Монте-Карло подразумевает осуществление большого количества испытаний - разовых моделирований развития ситуации на рынках с расчетом финансового результата по портфелю. В результате проведения данных испытаний будет получено распределение возможных финансовых результатов, на основе которого путем отсечения наихудших согласно выбранной доверительной вероятности может быть получена VaR-оценка. Метод Монте-Карло не подразумевает свертывания и обобщения формул для получения аналитической оценки портфеля в целом, поэтому и для результата по портфелю и для волатильностей и корреляций можно использовать значительно более сложные модели. Метод заключается в следующем. По ретроспективным данным (периоду времени) рассчитываются оценки математического ожидания и волатильность. С помощью датчика случайных чисел данные генерируются с помощью нормального распределения и заносятся в таблицу. Далее вычисляется траектория моделируемых цен по формуле натурального логарифма и производится переоценка стоимости портфеля.
Так как оценка VaR методом Монте-Карло практически всегда производится с использованием программных средств, данные модели могут представлять собой не формулы, а достаточно сложные подпрограммы. Таким образом, метод Монте-Карло позволяет использовать при расчете рисков модели практически любой сложности. Преимущество метода Монте-Карло заключается еще и в том, что предоставляется возможность использовать любые распределения. Кроме того, метод позволяет моделировать поведения рынков - трендов, кластеров высокой или низкой волатильности, меняющихся корреляций между факторами риска, сценариев "что-если" и т.д. При этом стоит отметить, что данный метод требует мощных вычислительных ресурсов и при простейших реализациях может оказаться близок к историческому или параметрическому VaR, что приведет к наследованию всех их недостатков.
Недостатком метода оценки рисков VaR является то, что он игнорирует очень многие значительные и интересные детали, необходимые для реального представления рыночных рисков. VaR не учитывает, какой вклад в риск вносит рынок, какие структурные изменения портфеля увеличивают риск, а также какие инструменты хеджирования контролируют специфический риск. Модель не дает информации о наихудшем возможном убытке за пределами значения VaR (при заданном уровне доверия 95% остается неизвестным, какими могут быть потери в оставшихся 5% случаев).
В качестве альтернативной меры оценки рыночного риска может использоваться методология Shortfall, которая представляет собой среднюю величину потерь, превышающих VaR. Shortfall - более консервативная мера риска, чем VaR. Для одного и того же уровня вероятности Shortfall требует резервировать больший капитал. Таким образом, он позволяет учитывать большие потери, которые могут произойти с небольшой вероятностью. Он также более адекватно позволяет оценить риск в таком распространенном на практике случае, когда распределение потерь имеет «толстые хвосты» функции распределения (отклонения на краях распределения плотности вероятностей от нормального распределения).
Величина рыночного риска включается в расчет норматива достаточности собственных средств (капитала) банка в соответствии с Инструкцией Банка России от 16.01.2004 г. № 110-И «Об обязательных нормативах банков». Порядок расчета кредитными организациями размера рыночных рисков предусмотрен Положением ЦБ РФ «О порядке расчета кредитными организациями величины рыночного риска» от 14.11.2007 г. N 313-П. Совокупная величина рыночного риска рассчитывается по формуле:
РР = 12,5 * (ПР + ФР) + ВР,
Где:
РР - совокупная величина рыночного риска;
ПР - величина рыночного риска по финансовым инструментам, чувствительным к изменениям процентных ставок (далее - процентный риск);
ФР - величина рыночного риска по финансовым инструментам, чувствительным к изменению текущей (справедливой) стоимости на долевые ценные бумаги;
ВР - величина рыночного риска по открытым кредитной организацией позициям в иностранных валютах и драгоценных металлах.
Помимо стандартного отклонения, инвестиционные кампании рассчитывают такой показатель риска как VaR (Value at Risk). Этот показатель характеризует величину возможного убытка с выбранной вероятностью за определенный промежуток времени. Value-at-Risk рассчитывается 3-мя методами:
Для расчета параметра риска Value at Risk с помощью дельта нормального метода , необходимо сформировать выборку фактора риска, необходимо, что бы количество значений выборки было больше 250 (рекомендация Bank of International Settlements), для обеспечения репрезентативности. Возьмем данные котировок акции Газпрома за период с 9 января 2007 года по 31 июля 2008 года.
Для котировок акции Газпрома рассчитаем дневную доходность по формуле:
Где: Д – дневная доходность;
Рi- текущая стоимость акции;
Рi-1 – вчерашняя доходность акции.
Правильность использования метода Value at Risk при дельта нормальном способе расчета, достигается при использовании только факторов риска подчиненным нормальному (Гауссовому) закону распределения. Для проверки нормальности распределения доходностей акции можно воспользоваться критериями Пирсона или Колмогорова -Смирнова.
Формула в Excel будет выглядеть следующим образом:
LN((C3)/C2)
В итоге получилась следующая таблица.
После этого необходимо рассчитать математическое ожидание доходности и стандартное отклонение доходности за весь период. Воспользуемся формулами Excel.
Математическое ожидание =СРЗНАЧ(D2:D391)
Стандартное отклонение =СТАНДОТКЛОН(D2:D391)
На следующем этапе необходимо рассчитать квантиль нормальной функции распределения. Квантиль – это значения функции распределения (Гауссовой функции) при заданных значениях, при которых значения функции распределения не превышают это значение с определенной вероятностью. Квантиль сообщает то, что убытки по акции Газпром не превысят с вероятностью 99%.
Квантиль рассчитывается по формуле:
=НОРМОБР(1%;F2;G2)
Для расчета стоимости акции с вероятностью 99% на следующий день, необходимо перемножить последнее (текущее) значение стоимости акции на квантиль сложенный с единицей.
Xt+1 –значение доходности в следующий момент времени.
Для расчета стоимости акции на несколько дней вперед с заданной вероятностью, воспользуемся следующей формулой.
Где: Q- значение квантиля для нормального распределения акции Газпрома;
Xt- значение доходности акции в текущий момент времени;
Xt+1 –значение отклонения доходности в следующий момент времени;
n - количество дней вперед.
Формулы расчета VAR на один день VAR(1) и на пять VAR(5) дней вперед производится по формулам:
X(1) =(F5+1)*C391
X(5) =(КОРЕНЬ(5)*F5+1)*C391
Расчет значения цены акции с вероятностью 99% при убытках показан на рисунке ниже.
Полученные значения Х(1) = 266.06 говорит о том, что в течение следующего дня, курса акции Газпрома не превысят значения в 226.06 руб. с вероятностью 99%. И Х(5) говорит о том, что в течение следующих пяти дней с вероятностью 99% курс акции Газпрома не опустится ниже 251.43 руб.
Для расчета самого Var (величина возможных убытков), рассчитаем абсолютное значение убытков и относительное. Формулы в Excel будут следующими:
=C392-G7 =G11/C392
=C392-G8 =G12/C392
Эти цифры говорят следующее: убыток по акции Газпрома с вероятностью 99% не превысит 7.16 руб. на следующий день и убыток по акции Газпрома с вероятностью 99% не превысит 21.79 руб. за следующие пять дней.
Расчет показателя
Value at Risk
«ручным способом»
Создадим новый рабочий лист в Excel. Для того что бы определить значения Value at Risk «ручным способом», необходимо найти:
Ниже показан расчет этих параметров.
После построим гистограмму накопительной вероятности. Для этого выберем Сервис ->Анализ Данных -> Гистограмма.
Входной интервал включает в себя значения доходностей акции Газпром. Интервал карманов это интервалы доходностей. Так же поставим галочки на флаге «Интегральный процент» и «Вывод графика». После проделанной операции получится следующий график и таблица накопительной вероятности.
В таблице накопительной вероятности найдем значения вероятности 1% (Это соответствует колонке «Интегральный %») и определим значения квантиля. Первая колонка это значения квантилей для распределения доходности акций Газпрома, вторая колонка частота появления таких значений на исторической выборке и третья колонка это вероятность появления таких убытков.
Значения квантиля будут равняться -0,0473, при подсчете первым методом значение квантиля равнялось 0,0425. Далее расчет делается аналогично дельта нормальному методу.
В таблице ниже представлен расчет VaR. Возможные убытки с вероятностью 99% не превысят на следующий день 8,47 руб. и в течение пяти дней не превысят 24,72 руб.
Выводы
Мера риска Value at Risk позволяет оценить величину возможных убытков в количественных показателях, что является эффективным методом управления финансовыми рисками.
Последние десятилетия мировая экономика регулярно попадает в водоворот финансовых кризисов. 1987, 1997, 2008 чуть не привели к коллапсу существующей финансовой системы, именно поэтому ведущие специалисты начали разрабатывать методы, с помощью можно контролировать неопределенность, господствующую в финансовом мире. В Нобелевских премиях последних лет (полученных за модель Блэка-Шоулза, VaR, и т.д.) отчетливо прослеживается тенденция к математическому моделированию экономических процессов, попыткам предсказать поведение рынка и оценить его устойчивость.
Сегодня я постараюсь рассказать о наиболее широко применяемой методике предсказаний потерь - Value at Risk (VaR).
Недостатком этого метода является невозможность построения предсказаний по портфелям, о которых у нас нет сведений. Также может возникнуть проблема, в случае, если составляющие портфеля существенно изменятся за короткий промежуток времени.
Хороший пример вычислений можно найти по следующей ссылке .
Естественно, это не единственные методики вычисления VaR. Существуют как простые линейные и квадратичные модели предсказания цены, так и достаточно сложный метод вариаций-ковариаций, о которых я не рассказал, но интересующиеся смогут найти описание методик в нижеприведенных книгах.
Несмотря на критику, VaR вполне успешно используется во всех крупнейших финансовых институтах. Стоит отметить, что данный подход не всегда применим, в силу чего, были созданы другие методики со схожей идеей, но другим методом расчета (например, SVA).
С учетом критики были разработаны модификации VaR, основанные либо на других распределениях, либо на других методиках расчетов на пике Гауссовой кривой. Но об этом я постараюсь рассказать уже в другой раз.
Процедура расчета Value-at-Risk (VaR) по облигациям процесс довольно не простой, особенно если подходить к этому вопросу комплексно, как например расчёт стоимости под риском портфеля облигаций в целом.
Оценку степени риска портфеля облигаций целесообразней проводить посредством расчета показателя процентного риска DV01, но порой, для расчета совокупного показателя риска диверсифицированного портфеля активов, возникает потребность в использовании универсальной её величины, как для долевых финансовых инструментов (акций), так и для долговых (облигаций). В этом случае как раз и прибегают к расчету VaR по облигациям.
Ниже представлен максимально упрощенный комплексный вариант-пример процедуры расчета Value-at-Risk по рублевым облигациям, торгуемым на Московской бирже в среде Excel*:
На первом этапе (см. на схеме <СБОР ДАННЫХ >) требуются рыночные данные, на базе которых будет происходить анализ и непосредственно расчет данных.
В качестве источника рыночных данных, использованы месячные данные, формируемые Московской Биржей по итогам ежедневных торгов . Информация, увы, доступна только на платной основе (по крайне мере, о наличии бесплатных альтернативных вариантов - неизвестно).
Для расчета целесообразно использовать данные минимум за 12 месяцев.
На следующем этапе <БАЗА РЫНОЧНЫХ ДАННЫХ > происходит процедура автоматического объединения, консолидации месячных данных за последний год.
Представленный на схеме независимый процесс <ПОРТФЕЛЬ ДАННЫХ > это возможный к использованию вспомогательный элемент автоматической подгрузки данных о конкретном портфеле облигаций (в представленном ниже примере для скачивания этот процесс не поддерживается, но при желании не составит большого труда организовать автоматическую его подкачку).
Приложение « Расчет VaR по облигациям » .
Скачать
Краткая процедура к использованию*:
2. Разархивированные месячные данные поместить в папку:
...\РАСЧЁТ VAR ОБЛИГАЦИЙ\РАСЧЁТ VAR\А. БИРЖА КОТИРОВКИ\ОБЛИГАЦИИ\12 МЕС
4. Запустить файл <РАСЧЕТ VAR ОБЛИГАЦИЙ.xlsm>.
4.1. На листе "Сводный" файла ниже таблицы укажите дату расчета (последний рабочий день скаченных с биржи данных), перечисленные ниже параметры предлагается оставить без изменения (по умолчанию).
4.3. Затем нажмите на кнопку "Сводные таблицы", расположенную в верхнем левом углу на листе "Сводный" файла.
Всё расчет готов!
а) На листе "Service" файла в соответствующей таблице заполните данные о собственном портфеле.
Для начала напомним, что измеряет value at risk (VaR):
показатель VaR говорит что на горизонте Т дней убытки не превысят Х денежных единиц с вероятностью Р.
Так, например, если однодневный VaR для портфеля равен -23000 долларов при уровне доверительной вероятности равном 0.95, это означает, что с вероятностью 0.95 убытки за один день по портфелю не превысят величину -23000 долларов и соответственно с вероятностью 1 - 0.95 = 0.05 превысят -23000 долларов.
Для вариационно-ковариционного VaR формулка очень простая:
VaR = - P * k * sigma * sqrt(T/252)
где:
P - стоимость портфеля;
k - квантиль для нормально распределения. Например для уровня доверительной вероятности 0.95, k = 1.645. То есть по сути сколько сигм нам нужно взять чтобы получить желаемый уровень доверительной вероятности;
sigma - годовая волатильность или стандартное отклонение доходности нашего портфеля за год;
T - горизонт для которого оцениваем VaR в днях;
252 - предположение о количестве бизнес дней в году;
sqrt(T/252) - отвечает за скейлинг волатильности на нужный нам горизонт, так как в финансах предполагается, что волатильность пропорциональна корню из времени.
Sigma портфеля можно легко посчитать следующим образом:
1. Оцениваем матрицу ковариаций C между однодневными доходностями активов в портфеле в некотором «окне», например, на последних 252 днях.
2. Вычисляем вектор весов активов в портфеле W, так что их сумма равна 1.
3. Считаем дисперсию портфеля как sigma^2 = W" * C * W, где " означает транспонирование. Извлекаем из дисперсии квадратный корень и получаем sigma портфеля.
4. Умножаем полученную sigma на sqrt(252) чтобы получить годовую волатильность нашего портфеля.
Попробуем проделать все вышеприведенное на простом примере в Ексель для 2 акций, одна из которых Интел (INTC), а вторая - Техас Инструментс (TXN):
Скачав дневки с finance.yahoo.com за последний год оценим ковариацию между их дневными доходностями:
Следует обратить внимание, что матрица ковариаций является симметричной, а на главной диагонали стоят ковариации каждой акции с самой собой, что равно дисперсии доходности акции.
Теперь предположим что у нас куплено в лонг INTC на 250 000 USD и куплено в лонг ТXN на 750 000 USD. Тогда вектор весов будет (0.25;0.75).
Теперь вычислим сигму нашего портфеля:
Таким образом sigma = 0.26.
Теперь подставим все расчитанные величины в формулу выше для расчета VaR вариационно-ковариационным методом чтобы оценить однодневный VaR для портфеля из двух акций INTC и TXN стоимостью 1 000 000$ с доверительной вероятностью 0.95:
Таким образом VaR = -26958.6$. То есть с вероятностью 0.95 наши убытки по портфелю из двух акций за один день не превысят 26958.6$.
Общий подход к расчету исторического VaR следующий:
1. Определяем количество сценариев на истории по которым мы хотим посчитать VaR.
2. Для всех инструментов портфеля берем исторические треки цен по дням за одинаковый период равный количеству сценариев + 1.
3. Вычисляем дневные доходности каждого инструмента.
4. Для каждого дня на истории что представляет собой отдельный сценарий возможного поведения портфеля используя дневную доходность мы считаем дневную прибыль/убыток для каждого инструмента и затем суммарную прибыль/убыток по портфелю.
5. Получив вектор прибылей/убытков по портфелю для каждого сценария сортируем его от минимума до максимума.
6. Теперь необходимо определить так называемый номер критического сценария. Для этого необходимо заданную доверительную вероятность умножить на количество сценариев и округлить полученное значение до ближайшего целого.
7. Для получения VaR мы должны отсчитать от начала вектора который соответствует максимальной возможной прибыли количество сценариев равное номеру критического сценария полученного в пункте 6 и следующий сценарией за ним даст нам значение VaR.
Для нашего примера возьмем количество сценариев равным 250. Тогда расчет критического сценария будет следующим:
Получили номер критического сценарий равен 238.
Теперь построив вектор прибылей/убытков по портфелю для всех 250ти сценариев определим исторический VaR:
Таким образом однодневный исторический VaR для нашего примера равен -25845.4$.
Иногда озвученный подход расчета исторического VaR модифицируют за счет взвешивания исторических данных так, чтобы более старые данные имели меньший вес при расчете VaR чем более свежие данные.
Опять же выбранное количество сценариев для расчета определяет окно в котором будет оцениваться VaR и если это окно содержит в себе некоторые экстремальные события на рынке, то это будет учтено в полученной оценке VaR. То есть риск аналист может специально выбрать окно таким, чтобы захватить например период высокой волатильности на рынке и оценить VaR для него.
Если инструменты портфеля в разных валютах тогда необходимо определиться с базовой валютой портфеля и используя исторические треки курсов валют также учитывать прибыль/убыток от изменения валютного курса при расчете прибылей/убытков по каждому из инструментов портфеля для каждого сценария.
Сравнив вариационно-ковариационный VaR равный -26958.6$ и исторический VaR равный -25845.4$ увидим, что исторический VaR оценивает возможные убытки по портфелю меньше чем вариационно-ковариационный. Обычно получается наоборот. При большом количестве сценариев расчета исторического VaR его оценка убытков получается выше чем оценка полученная вариационно-ковариационным методом за счет учета реального распределения на рынке и наличия толстых хвостов в нем.
Сравнение двух подходов приводит с следующим плюсам/минусам для каждого из них.
Вариационно-ковариационный подход к расчету VaR:
Минусы:
1. Используемое предположение о нормальном законе распределения доходностей инструментов.
2. При расчет VaR на больше чем один день предполагается что матрица ковариаций постоянна.
3. Невозможно использовать для расчета VaR для опционов и инструментов с чертами опционов.
Плюсы:
1. Быстрый расчет, не требует больших вычислительных ресурсов.
2. Если в портфеле только линейные инструменты вроде акций, фьючерсов, валют может быть использован для расчета VaR.
3. Ковариационная матрица может быть получена от вендора чтобы не париться с расчетом самому.
Исторический подход к расчету VaR:
Плюсы:
1. Используется реальное распределение доходностей на рынке с реальными толстыми хвостами.
2. Матрица ковариаций не рассчитывается.
Минусы:
1. Трудности при расчете VaR для опционов так как опционные треки короткие и также проблемы с хранением большого количества опционных треков.
2. Инфраструктурные затраты предполагают, что должна быть БД где будут хранится и обновляться исторические треки цен для торгуемых инструментов.
В атаче к посту ексельчик который содержит все вычисления для приведенных примеров.
