- •Содержание
- •ВВЕДЕНИЕ
- •2. РИСКИ СТРАХОВОЙ ОРГАНИЗАЦИИ И ФИНАНСОВЫЕ ИСТОЧНИКИ ИХ ПОКРЫТИЯ
- •3. СТРАТЕГИЧЕСКОЕ УПРАВЛЕНИЕ ФИНАНСОВЫМИ РИСКАМИ СТРАХОВОЙ ОРГАНИЗАЦИИ
- •3.1. ОСНОВЫ СТРАТЕГИЧЕСКОГО УПРАВЛЕНИЯ ФИНАНСОВЫМИ РИСКАМИ
- •3.2. ФУНКЦИИ И МЕХАНИЗМ УПРАВЛЕНИЯ ФИНАНСОВЫМИ РИСКАМИ СТРАХОВЩИКА
- •3.3. СОДЕРЖАНИЕ ПРОЦЕССА СТРАТЕГИЧЕСКОГО УПРАВЛЕНИЯ ФИНАНСОВЫМИ РИСКАМИ
- •4. МЕХАНИЗМЫ УПРАВЛЕНИЯ РИСКАМИ СТРАХОВОЙ ОРГАНИЗАЦИИ
- •4.1. СТРАХОВОЙ АНДЕРРАЙТИНГ
- •4.2. ПЕРЕРАСПРЕДЕЛЕНИЕ РИСКОВ
- •4.3. РЕЗЕРВИРОВАНИЕ
- •4.4. ДИВЕРСИФИКАЦИЯ
- •4.5. ЛИМИТИРОВАНИЕ
- •4.6. ХЕДЖИРОВАНИЕ
- •5. УПРАВЛЕНИЕ РИСКОМ СНИЖЕНИЯ ФИНАНСОВОЙ УСТОЙЧИВОСТИ И ПЛАТЕЖЕСПОСОБНОСТИ СТРАХОВОЙ ОРГАНИЗАЦИИ
- •5.1. ОБЩАЯ ХАРАКТЕРИСТИКА ФИНАНСОВОЙ УСТОЙЧИВОСТИ И ПЛАТЕЖЕСПОСОБНОСТИ СТРАХОВОЙ ОРГАНИЗАЦИИ
- •5.2. ОБЕСПЕЧЕНИЕ ФИНАНСОВОЙ УСТОЙЧИВОСТИ СТРАХОВЫХ ОПЕРАЦИЙ
- •5.3. ПОКАЗАТЕЛИ И МЕТОДИКА ОЦЕНКИ ПЛАТЕЖЕСПОСОБНОСТИ СТРАХОВОЙ ОРГАНИЗАЦИИ
- •6. УПРАВЛЕНИЕ РИСКАМИ ЛИКВИДНОСТИ
- •6.2. РИСК ЛИКВИДНОСТИ
- •7. УПРАВЛЕНИЕ КРЕДИТНЫМ РИСКОМ СТРАХОВОЙ ОРГАНИЗАЦИИ
- •7.1. ПОНЯТИЕ КРЕДИТНОГО РИСКА
- •7.2. ДЕФОЛТ И КРЕДИТНОЕ СОБЫТИЕ
- •7.3. МОДЕЛИ ОЦЕНКИ КРЕДИТНОГО РИСКА
- •7.4. ОСНОВНЫЕ СОСТАВЛЯЮЩИЕ КРЕДИТНОГО РИСКА
- •7.5. МЕТОДЫ ОЦЕНКИ ВЕРОЯТНОСТИ ДЕФОЛТА
- •7.6. ПОДВЕРЖЕННОСТЬ КРЕДИТНОМУ РИСКУ
- •7.7. ОЦЕНКА РИСКА ДЕФОЛТА ДЛЯ ПОРТФЕЛЯ АКТИВОВ
- •7.8. УПРАВЛЕНИЕ КРЕДИТНЫМИ РИСКАМИ
- •7.9. КРЕДИТНЫЕ ПРОИЗВОДНЫЕ ИНСТРУМЕНТЫ
- •8. УПРАВЛЕНИЕ ИНВЕСТИЦИОННЫМ РИСКОМ
- •8.1. ПРИНЦИПЫ ИНВЕСТИЦИОННОЙ ДЕЯТЕЛЬНОСТИ СТРАХОВОЙ ОРГАНИЗАЦИИ
- •8.2. ФОРМУЛИРОВКА ИНВЕСТИЦИОННЫХ ЦЕЛЕЙ
- •8.3. ФОРМИРОВАНИЕ ИНВЕСТИЦИОННОЙ ПОЛИТИКИ И ИНВЕСТИЦИОННОЙ СТРАТЕГИИ СТРАХОВОЙ ОРГАНИЗАЦИИ
- •8.4. АНАЛИЗ АКТИВОВ И ПЕРИОДА ИНВЕСТИРОВАНИЯ
- •8.5. ПОДХОДЫ К ОПТИМИЗАЦИИ ИНВЕСТИЦИОННОЙ ПОЛИТИКИ СТРАХОВЩИКА
- •8.6. ФОРМИРОВАНИЕ ИНВЕСТИЦИОННОГО ПОРТФЕЛЯ И ЕГО ПЕРЕСМОТР
- •8.7. ОЦЕНКА ЭФФЕКТИВНОСТИ ИНВЕСТИЦИОННОЙ ДЕЯТЕЛЬНОСТИ
- •II. ИНВЕСТИЦИОННЫЕ КАЧЕСТВА ФИНАНСОВЫХ ИНСТРУМЕНТОВ В СВЕТЕ УПРАВЛЕНИЯ РИСКОМ
- •9. ОБЛИГАЦИИ
- •9.1. ОПРЕДЕЛЕНИЕ КУРСОВОЙ СТОИМОСТИ ОБЛИГАЦИИ
- •9.2. ОПРЕДЕЛЕНИЕ СУММАРНЫХ ДОХОДОВ ПО ОБЛИГАЦИИ
- •9.3. ДЮРАЦИЯ КАК ПОКАЗАТЕЛЬ РИСКА ОБЛИГАЦИИ
- •9.4. КРИВИЗНА ОБЛИГАЦИИ
- •10. АКЦИИ
- •10.1. ОПРЕДЕЛЕНИЕ КУРСОВОЙ СТОИМОСТИ АКЦИИ
- •10.2. ОПРЕДЕЛЕНИЕ ДОХОДНОСТИ АКЦИИ
- •10.3. РИСК АКЦИИ
- •10.5. МОДЕЛЬ ДОХОДНОСТИ АКЦИИ
- •11. УПРАВЛЕНИЕ РИСКОМ ПОРТФЕЛЯ ФИНАНСОВЫХ ИНСТРУМЕНТОВ ИНВЕСТИРОВАНИЯ
- •11.1. ИММУНИЗАЦИЯ ПОРТФЕЛЯ ОБЛИГАЦИЙ
- •11.2. ИСПОЛЬЗОВАНИЕ ИНСТРУМЕНТОВ СРОЧНОГО РЫНКА ДЛЯ ХЕДЖИРОВАНИЯ ИНВЕСТИЦИОННОГО ПОРТФЕЛЯ
- •11.3. ХЕДЖИРОВАНИЕ САМОЙ ДЕШЕВОЙ ОБЛИГАЦИИ
- •11.5. ХЕДЖИРОВАНИЕ ПОРТФЕЛЯ ОБЛИГАЦИЙ С ПОМОЩЬЮ ПОКАЗАТЕЛЯ ДЮРАЦИИ
- •11.6. ХЕДЖИРОВАНИЕ ПОРТФЕЛЯ ОБЛИГАЦИЙ С ПОМОЩЬЮ ПОКАЗАТЕЛЕЙ ДЮРАЦИИ И КРИВИЗНЫ
- •III. СТОИМОСТЬ ПОД РИСКОМ
- •12. КОНЦЕПЦИЯ VAR
- •12.1. ИЗМЕРЕНИЕ РЫНОЧНЫХ РИСКОВ
- •12.2. ОПРЕДЕЛЕНИЕ VAR
- •12.3. ВЕРИФИКАЦИЯ МОДЕЛЕЙ РАСЧЕТА VAR ПО ИСТОРИЧЕСКИМ ДАННЫМ
- •12.4. АНАЛИТИЧЕСКИЙ (ИЛИ ПАРАМЕТРИЧЕСКИЙ) МЕТОД
- •12.5. МЕТОД ИСТОРИЧЕСКОГО МОДЕЛИРОВАНИЯ (ИЛИ МОДЕЛИРОВАНИЯ ПО ИСТОРИЧЕСКИМ ДАННЫМ)
- •12.6. МЕТОД ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ (МЕТОД МОНТЕ-КАРЛО)
- •12.8. ПРОВЕРКА НА УСТОЙЧИВОСТЬ (СТРЕСС-ТЕСТИРОВАНИЕ)
- •ЗАКЛЮЧЕНИЕ
- •СПИСОК ОСНОВНОЙ ЛИТЕРАТУРЫ
- •СПИСОК ДОПОЛНИТЕЛЬНОЙ ЛИТЕРАТУРЫ
заться не совсем представительным, что приведет к ис- кажению оценки VaR;
Метод исторического моделирования также может недооценить риск портфеля, поскольку придает всем значениям цен активов, которые не наблюдались в ба- зовом периоде, нулевую вероятность.
12.6. МЕТОД ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ (МЕТОД МОНТЕ-КАРЛО)
Метод Монте-Карло или метод стохастического моделирования (Monte Carlo simulation) основан на моделировании случайных процессов с заданными ха- рактеристиками, относится к группе методов полного
оценивания и является непараметрическим. Метод Монте-Карло (или метод статистических испытаний) можно определить как метод моделирования случай- ной величины с целью вычисления характеристик их распределений. Суть состоит в том, что результат ис- пытаний зависит от некоторой случайной величины, распределенной по заданному закону. Поэтому резуль- тат каждого отдельного испытания носит случайный характер. Проведя серию испытаний, получают выбор- ку. Полученные статистические данные обрабатывают- ся и представляются в виде численных оценок, интере- сующих исследователя величин (характеристик системы).
Испытание повторяется N раз, причем каждый опыт не зависит от остальных, и результаты всех опы- тов усредняются. Это значит, что число испытаний должно быть достаточно велико, поэтому метод суще- ственно опирается на возможности компьютера. Тео- ретической основой метода Монте-Карло являются предельные теоремы теории вероятностей. Они гаран- тируют высокое качество статистических оценок при весьма большом количестве испытаний. Метод стати-
437
стических испытаний применим для исследования как стохастических, так и детерминированных систем.
В отличие от метода исторического моделирова- ния, в методе Монте-Карло изменения цен активов ге- нерируются псевдослучайным образом в соответствии с заданными параметрами распределения, например, математическим ожиданием и волатильностью. Ими- тируемое распределение может быть, в принципе, лю- бым, а количество сценариев – весьма большим (до не- скольких десятков тысяч). В остальном метод аналогичен методу исторического моделирования.
В основе этого метода лежит многократная (дохо- дящая при достаточности компьютерных ресурсов до десятков тысяч вариантов) имитация условий генери- рования факторов риска и их отражении на изменении стоимости отдельных финансовых инструментов или их совокупного портфеля. Такая имитация носит слу- чайный характер, но в пределах заданных параметров. Такое искусственное моделирование факторов риска позволяет избирать любой вид распределения их веро- ятностей и позволяет достичь наибольшей тонкости расчетов стоимости под риском VaR. Кроме того, в от- личие от метода исторического моделирования этот метод не связан с выбором конкретной ретроспективы.
Среди других методов оценки стоимости под рис- ком VaR, используемых в последние годы в практике финансового риск-менеджмента, следует выделить так- же метод анализа сценариев, метод дерева вероятностей и другие.
12.6.1. Метод Монте-Карло для одного фактора
риска
Траектория цен – это последовательность цен, смо- делированных псевдослучайным образом, начиная от текущей цены и заканчивая ценой на некотором ко-
438
нечном шаге, например, на тысячном или десятиты- сячном. Чем больше число шагов, тем выше точность метода.
Каждая траектория представляет собой сценарий, по которому определяется цена на последнем шаге, ис- ходя из текущей цены. Затем осуществляется полная переоценка портфеля по цене последнего шага и про- изводится расчет изменения его стоимости для каждого сценария. Оценка VaR происходит по распределению изменений стоимости портфеля.
Моделирование траектории цен производится по различным моделям. Например, распространенная мо- дель геометрического броуновского движения дает в итоге следующие выражения для моделирования цен
S на каждом шаге процесса, состоящего из очень большого количества шагов, охватывающих временной период T :
dSt St dt dzt ,
где dS – винеровский случайный процесс.
Если траектория цен состоит из n равных шагов (например, n дней), то один шаг t 1/ n , а случайная величина ε подчиняется стандартному нормальному распределению 0, 1. Существуют и иные моде-
ли эволюции цен, например, экспоненциальная и др. Генерация случайных чисел в методе Монте-Карло
состоит из двух шагов. Сначала можно воспользоваться генератором случайных чисел, равномерно распреде- ленных на интервале между 0 и 1. Затем, используя как аргументы, полученные случайные числа, вычисляют значения функций моделируемых случайных распре- делений.
Однако следует помнить, что генераторы случай- ных чисел работают на детерминированных алгорит- мах и воспроизводят так называемые «псевдослучайные
439
числа». Поскольку с некоторого момента последова- тельности этих псевдослучайных чисел начинают по- вторяться, они перестают быть независимыми. В про- стейших генераторах это происходит уже через несколько тысяч генераций, а в более сложных – через миллиарды операций. Если массив случайных чисел начинает повторяться слишком быстро, метод Монте- Карло перестает моделировать случайные независимые сценарии, и оценка VaR начинает отражать ограни- ченность генератора, а не свойства портфеля. Опти- мальное количество шагов в процессе зависит от объе- ма выборки, состава портфеля и сложности составляющих его инструментов и др.
Метод Монте-Карло является наиболее технически сложным из всех описанных выше методов расчета VaR. Кроме того, для выполнения расчетов в полном объеме необходимы значительные вычислительные мощности и временные ресурсы. Современным ком- пьютерам, несмотря на их высокое быстродействие, все еще очень далеко до обработки информации в режиме реального времени, как этого требуют трейдеры, если риск-менеджеры хотят устанавливать VaR-лимиты на величину открытых позиций.
Существует вариант метода Монте-Карло, согласно которому можно не задавать какое-либо конкретное распределение для моделирования цен, а использовать
непосредственно исторические данные. Подобно методу ис-
торического моделирования, на основе ретроспективы моделируются гипотетические цены, но их последова- тельность не является единственной и не ограничена глубиной периода ретроспективы, поскольку выборка производится с возвращением, то есть возмущение из ис- торических данных выбирается случайным образом, и каждый раз в выборе участвуют все данные. Эта «за- грузка» [bootstrap] историческими данными позволяет
440
учесть эффект «толстых хвостов» и скачки цен, не строя предположений о виде распределения. Это – не- сомненные достоинства метода, который, в отличие от метода исторического моделирования, позволяет рас- смотреть не какую-либо одну траекторию цен (сцена- рий), а сколь угодно много, что, как правило, повышает точность оценок. Недостатками «загрузки» является низкая точность при малых объемах выборки и ис- пользование предположения о независимости доход- ностей во времени.
12.6.2.Метод Монте-Карло для портфеля
активов
Рассмотрим существо метода Монте-Карло для портфеля из двух бумаг. Для портфеля, включающего большее количество активов, подход останется анало- гичным.
Распределение стоимости портфеля зависит от сте- пени коррелированности доходностей входящих в него активов. Наиболее просто получить распределение стоимости портфеля, когда доходности акций изменя- ются независимо друг от друга или когда между ними наблюдается корреляция +1.
Изменение стоимости акций в портфеле можно представить равенствами:
S1,1 1S1,0 t 1S1,0 1,1 t
S2,1 2 S2,0 t 2 S2,0 2,1 t ,
где: S1,1 ; S1,2 – изменения курса первой и второй ак- ций в первом периоде;
S1,0 ; S2,0 – цены первой и второй акций в началь-
ный момент времени;1 , 2 – ожидаемые доходности первой и второй
акций;
441
1 , 2 – стандартные отклонения доходностей пер- вой и второй акций;
1,1 ; 2,1 – реализации стандартной нормально рас-
пределенной случайной величины в первом периоде. Расчеты применительно к портфелю ценных бумаг
удобно осуществлять в матричной форме. Поэтому
выражения S1,1 и S2,1 |
представим в матричной фор- |
||||||||||||||||||
ме как: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
S1,1 |
|
1S1,0 t |
|
|
1S1,0 |
0 |
|
|
|
1,1 |
t |
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
S2,1 |
|
|
2 S2,0 t |
|
|
|
0 |
|
2 S2,0 |
|
|
2,1 |
|
|||||
|
|
|
|
|
|
|
|
|
t |
||||||||||
Для простоты возьмем в выражении единичный пе- |
|||||||||||||||||||
риод времени. Тогда оно примет вид: |
|
|
|
|
|
||||||||||||||
|
S |
|
|
|
|
S |
|
t |
|
|
|
S |
|
0 |
|
|
|
|
|
|
|
1,1 |
|
|
1 |
|
1,0 |
|
|
|
1 |
|
1,0 |
|
|
|
|
1,1 |
|
|
S2,1 |
|
|
2 S2,0 t |
|
|
|
0 |
|
2 S2,0 |
|
|
2,1 |
|
|||||
|
|
|
|
|
|
|
|
|
|
S – это изменение стоимости акции. Его можно записать, как
S St St 1 ,
где: St – курс акции в момент t ,
St 1 – курс акции в момент t 1.
Учитывая сказанное, цены акций в предыдущем вы- ражении можно представить как:
S |
1,1 |
|
|
S |
1,0 |
|
S |
1,0 |
t |
|
1 |
S |
1,0 |
0 |
|
1,1 |
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
, |
||||||
|
|
|
|
|
|
|
|
|
|
|
|
0 |
|
|
|
|
|
|
|
S |
2,1 |
S2,0 |
2 S2,0 t |
|
|
|
2 S2,0 |
|
2,1 |
|
|
где S1,1 ; S2,1 – цены акций в конце первого периода ис-
пытания.
Стоимость портфеля в конце первого периода можно узнать, умножив предыдущее выражение на век- тор количества акций в портфеле:
P n |
n |
S |
|
n |
n |
S |
|
S |
t |
n1 |
S |
0 |
|
|||
|
1,1 |
|
1,0 |
1 1,0 |
|
n2 |
1 1,0 |
|
|
1,1 |
||||||
p |
1 |
|
|
1 |
|
|
|
|
|
|||||||
|
2 |
|
|
2 |
|
|
|
|
|
0 |
|
|
|
|||
|
|
|
S |
2,1 |
|
|
S2,0 |
2 S2,0 t |
|
|
2 S2,0 |
2,1 |
442
где PP – стоимость портфеля;
n1 , n2 – количество единиц первой и второй акций
в портфеле.
Представленная формула позволяет определить стоимость портфеля, когда корреляция доходностей бумаг равна нулю.
Если корреляция доходностей активов в портфеле равна +1 или -1, то представленное выражение прини- мает вид:
P n |
n |
S |
|
|
n |
n |
S |
|
S |
t |
n |
n |
S |
0 |
|
||||
|
1,1 |
|
|
1,0 |
1 1,0 |
|
|
1 1,0 |
|
|
|
1,1 |
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
P |
1 |
|
2 |
|
|
1 |
|
2 |
|
|
|
1 |
|
2 |
2 S2,0 |
0 |
|
|
|
|
|
|
S2,1 |
|
|
|
S2,0 |
2 S2,0 t |
|
|
|
|
2,1 |
Обычно корреляция доходностей акций в портфеле отлична от ±1. Этот факт необходимо учесть при оп- ределении его стоимости. Результаты испытаний зада-
|
1,1 |
|
|
|
|
|
|
, обозначим его через s. |
|
ются значениями вектора |
|
|
|
|
|
2,1 |
|
|
Они должны отражать структуру корреляций доходно- стей активов. Требуемое условие можно смоделиро- вать, воспользовавшись разложением Холецкого. Это разложение представляет собой симметрическую мат- рицу как произведение нижней и верхней треугольных матриц. Поэтому корреляционная матрица портфеля
(Q) представима как:
Q AAT ,
где A– нижняя треугольная матрица.
Запишем выражение Q AAT для портфеля из двух бумаг:
1 |
|
a |
0 |
a |
a |
|
|
, |
|||
|
|
|
|
11 |
|
|
11 |
|
21 |
|
|
|
|
1 |
|
|
|
|
0 |
|
|
|
|
|
|
a21 |
a22 |
|
a22 |
|
где – корреляция доходностей активов. Произведение матриц AAT дает результат:
443
a |
0 a |
|
a |
|
|
|
|
|
|
a |
2 |
|
|
|
a a |
|
|
|
|
|||||||||
11 |
|
|
|
11 |
|
21 |
|
|
|
11 |
|
|
|
|
2 |
11 |
|
21 |
2 |
|
||||||||
|
|
|
0 |
|
|
|
|
|
|
|
|
a |
|
a a |
|
a |
|
|
||||||||||
a21 |
a22 |
|
a22 |
|
|
|
21 |
21 |
|
22 |
|
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
11 |
|
|
|
|
|
|
|
|||
Приравняем элементы корреляционной матрицы и |
||||||||||||||||||||||||||||
матрицы произведений AAT : |
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
1 |
|
a |
2 |
|
|
a |
|
a |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
11 |
|
|
|
11 |
|
|
21 |
|
2 |
|
|
|
|
|
|
|
|
|
|
|||||
|
|
a |
a |
|
a |
|
2 |
|
a |
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
1 |
|
21 |
|
|
22 |
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
21 |
11 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
Отсюда: a |
2 |
1; |
|
a |
11 |
a |
21 |
; a |
|
2 |
a |
|
|
2 |
|
1 |
||||||||||||
и |
|
|
11 |
|
|
|
|
|
|
|
|
|
|
|
|
|
21 |
|
|
22 |
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
a 1; a |
21 |
|
; |
|
a |
22 |
|
1 2 |
|
|
|
|
|
|
|
|
|
|||||||||||
11 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Зададим значения вектора как:
A ,
где – вектор независимых стандартных случайных переменных. Тогда:
|
1,1 |
|
1 |
0 |
|
|
|
|
|
|
||
|
|
|
|
|
|
|
2 |
|
|
1 |
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
2,1 |
|
|
|
|
2 |
|
и
1,1 1
2,1 1 1 2 2
Найденные значения 1,1 |
и 2,1 подставляем в вы- |
|||||||||||||
ражение |
S |
|
|
|
|
S |
|
S |
t |
S |
0 |
|
||
P n |
n |
|
|
n |
n |
|
|
|||||||
|
1,1 |
|
|
1,0 |
1 |
1,0 |
n1 n2 |
1 1,0 |
|
1,1 |
||||
p 1 |
|
|
|
|
|
|
||||||||
2 |
|
1 |
2 |
|
|
|
|
0 |
|
|
||||
|
|
S2,1 |
|
|
|
S2,0 |
2 S2,0 t |
|
2 S2,0 |
2,1 |
и получаем стоимость портфеля с учетом структуры его корреляционной матрицы.
Для того чтобы можно было использовать разложе- ние Холецкого, при расчетах необходимо правильно выбрать количество множителей, чтобы получилась
положительно определенная матрица A . Точность оценки VaR зависит от количества проведенных ис-
444
пытаний. Возможная ошибка обратно пропорцио- нальна корню квадратному из их количества.
В заключение данного параграфа остановимся еще раз на использовании формулы
S S t S t ,
где: S – цена спот акции;
– непрерывно начисляемая ожидаемая доход-
ность;– мгновенное стандартное отклонение;
– стандартная нормально распределенная вели- чина;
t – период времени, за который рассматривается изменение стоимости акции.
для моделирования курсовой стоимости акции. Формула включает элемент S t . Он определяет тренд
или скорость тенденции движения цены акции. За ко- роткий период времени тренд фактически не опреде- лим, и изменение цены акции задается в основном стандартным отклонением. Поэтому, если курс акции моделируется для небольшого периода времени, то данное слагаемое можно опустить. Тогда представлен-
ная формула примет вид: S S t .
Таким образом, для моделирования курса акции для малых периодов времени можно воспользоваться вме-
сто формулы S S t S |
t выражением |
S S t . Разница в результатах тем меньше, чем
меньше период времени берется для каждого испыта- ния. При моделировании стоимости акций в портфеле
с учетом их корреляций в формуле S S t зна- чения необходимо учитывать в соответствии с выра-
1,1 |
1 |
|
жением |
|
1 2 2 |
2,1 |
1 |
445
Достоинства метода Монте-Карло:
Высокая точность расчетов; Высокая точность применительно к инструментам с
нелинейными ценовыми характеристиками; Возможность моделирования любых исторических
и гипотетических распределений, учет эффекта «тол- стых хвостов» и скачков цен (вега-риска).
Недостатки метода Монте-Карло:
Высокая сложность моделей и соответственно вы- сокий риск неадекватности моделей;
Высокие требования к вычислительной мощности и значительные затраты времени на проведение расчетов.
В табл. 10 представлена сравнительная характери- стика описанных выше методов оценки VaR.
Таблица 10
Сравнительная характеристика методов оценки VaR
Метод |
|
Пара- |
Дельта- |
|
Исто- |
|
Монте- |
|
Критерии |
|
метриче- |
гамма |
|
риче- |
|
Карло |
|
|
|
|
ский |
|
|
ское |
|
|
|
|
|
|
|
|
модели- |
|
|
|
|
|
|
|
|
рование |
|
|
1. |
Оценива- |
Локаль- |
Локальное |
|
Полное |
|
Полное |
|
|
ние |
|
ное |
|
|
|
|
|
2. |
Примени- |
Нет |
Да |
|
Да |
|
Да |
|
|
мость |
к |
|
|
|
|
|
|
|
нелиней- |
|
|
|
|
|
|
|
|
ным |
инст- |
|
|
|
|
|
|
|
рументам |
|
|
|
|
|
|
|
3. |
Учет |
исто- |
Как оцен- |
Как оценка |
|
Точно |
|
Полно- |
|
рического |
ка нор- |
нормаль- |
|
то, что |
|
стью |
|
|
распреде- |
мального |
ного рас- |
|
было |
|
|
|
|
ления |
|
распреде- |
пределе- |
|
|
|
|
|
|
|
ления |
ния |
|
|
|
|
4. |
Учет |
|
Возмож- |
Возможно |
|
Нет |
|
Да |
446
|
«предпола- |
но |
|
|
|
|
|
гаемой» |
|
|
|
|
|
|
волатиль- |
|
|
|
|
|
|
ности |
|
|
|
|
|
5. |
Допущение |
Да |
Да |
Нет |
Нет |
|
|
о нормаль- |
|
|
|
|
|
|
ном |
рас- |
|
|
|
|
|
пределении |
|
|
|
|
|
|
доходно- |
|
|
|
|
|
|
стей |
|
|
|
|
|
6. |
Оценка |
|
Плохая |
Плохая |
Плохая |
Возможно |
|
экстре- |
|
|
|
|
|
|
мальных |
|
|
|
|
|
|
событий |
|
|
|
|
|
7. |
Модельный |
Может |
Может |
Прием- |
Высокий |
|
|
риск |
|
быть зна- |
быть зна- |
лемый |
|
|
|
|
читель- |
чительным |
|
|
|
|
|
ным |
|
|
|
8. |
Объем тре- |
Средний |
Средний |
Очень |
Малый |
|
|
буемой |
ис- |
|
|
большой |
|
|
тории |
дан- |
|
|
|
|
|
ных |
|
|
|
|
|
9. |
Вычисли- |
Невысо- |
Средняя |
Высокая |
Очень |
|
|
тельная |
|
кая |
|
|
высокая |
|
сложность |
|
|
|
|
|
10. |
Нагляд- |
Средняя |
Малая |
Большая |
Малая |
|
|
ность |
|
|
|
|
|
11. |
Возмож- |
Да |
Нет |
Нет |
Нет |
|
|
ность |
оп- |
|
|
|
|
|
тимизации |
|
|
|
|
|
|
VAR |
|
|
|
|
|
12.7. ПОКАЗАТЕЛЬ ПРЕДЕЛЬНОГО VAR, VAR ПРИРАЩЕНИЯ
И ОТНОСИТЕЛЬНЫЙ VAR
Предельный VaR (marginal VaR) показывает, на ка- кую величину изменится риск портфеля при малых изменениях размера позиции по данному активу или фактору риска.
447
Пусть xi – сумма денежных средств, вложенных в i-й вид актива, тогда предельный VaR определяется как:
Marginal VaRi VaR П
xi
Таким образом, предельный VaR – это показатель, характеризующий чувствительность VaR
VaR портфеля к изменению его структуры и яв- ляющийся просто частной производной VaR портфе- ля по размеру позиции.
Предельный VaR используется в случае, когда пол- ная ликвидация данной позиции или нескольких пози- ций нецелесообразна, а управление совокупным рис- ком портфеля осуществляется посредством балансирования позиций, то есть частичной покупки или продажи актива.
Зная величину предельного VaR для каждого акти- ва, входящего в портфель, размер позиции по i-ому ак-
тиву в портфеле xi и его процентное изменение i ,
можно найти приращение VaR портфеля: |
|
VaR П xi i |
VaR П |
i |
i |
Например, имея в портфеле актив A стоимостью 1000 долл. США с предельным VaR (A) = 100 долл., мы хотим дополнительно вложить 10 долл. в актив A, тогда VaR портфеля изменится следующим образом:
VaR П =(1010/1000 ‒ 1)×100 = 1 долл.
Важной характеристикой величины предельного VaR (и его отличием от VaR приращения) является свойство аддитивности:
VaR( П) xi Marginal VaRi
i
где VaR П – VaR портфеля
448
Таким образом, суммируя значения предельных VaR, умноженных на величины позиций по всем инст- рументам, можно получить VaR портфеля. На практи- ке значение предельного VaR удобно использовать, например, при установлении лимитов, когда важно, чтобы сумма частных рисков была равна риску целого. В частности, с помощью данного показателя можно провести декомпозицию VaR портфеля по входящим в него инструментам (позициям) или факторам риска. Воспользовавшись предыдущей формулой, получим следующее выражение для оценки вклада позиции в общий риск портфеля:
Для портфеля
VaR |
xi |
Marg inalVaR 100% |
1 |
x |
i |
|
VaR(П) 100% |
|
VaR(П) |
VaR(П) |
|||||||
|
|
|
|
xi |
Приведенное разложение риска портфеля по позици- ям следует интерпретировать в предельном смысле, то есть оно показывает процентные вклады инструментов в изменение VaR портфеля в результате изменения размера всех позиций на одну и ту же (малую) относи- тельную величину.
Показатель VaR приращения (incremental VaR –
IVaR ) данной позиции в портфеле отражает величину риска, добавляемого данной позицией к совокупному риску порт- феля.
Показатель VaR приращения, как и предельный VaR, отражает влияние изменения структуры портфеля на величину его риска. Однако от риска портфеля он отличается тем, что изменение размера позиции может быть большим, и тогда VaR портфеля будет изменять- ся нелинейно.
При помощи данного показателя можно опреде- лить, как изменится VaR портфеля при (значительном) изменении размера или ликвидации какой-либо пози- ции.
449
В общем случае VaR приращения определяется как разность между VaR первоначального портфеля и VaR портфеля без данной позиции:
IVaR VaR П VaR П n
где: VaR П VaR первоначального портфеля (со все- ми позициями);
VaR П n − VaR портфеля без данной позиции.
Показатель VaR приращения учитывает корреляци- онные связи данной позиции с остальными позициями в портфеле. Например, для параметрического метода приращения позиции можно рассчитать, как
VaR П VaR П n VaR2 П n VaR2 n 2 VaR П n VaR n VaR П n
VaR n 1 2 2 1 1
где ρ ‒ корреляция позиции n со всей остальной ча- стью портфеля П n ,
VaR(n) VaR(П n)
Важно отметить, что если VaR позиции мал по сравнению с VaR портфеля, то VaR приращения будет приблизительно равен VaR позиции, умноженной на коэффициент корреляции ρ: IVaR(n) VaR(n) при
значении 0 .
Рассмотрим три предельных случая:
Если 1, то позиция ведет себя так же, как и ос-
тальной портфель, при этом вклад позиции в общий риск портфеля в точности равен VaR данной позиции;
Если 1, то позиция уменьшает риск портфеля
на величину VaR позиции;
При ρ = 0, то вклад позиции в риск портфеля по- ложителен и равен
VaR(n) 1 2 1 /
450