Upload
others
View
1
Download
0
Embed Size (px)
Citation preview
Value at Risk
Voľba parametrov výpočtu VaR
• Confidence level
• Dĺžka časového obdobia
• Hodnota investícií do jednotlivých finančných nástrojov
• Identifikácia rizikových faktorov
• Spôsob zohľadnenia korelácií rizikových faktorov
VaR -využitie
• Regulatórne účely: Výpočet výšky vlastných zdrojov pre krytie
trhových rizík (č. 364 nariadenia EÚ 575/2013)
• Umožňuje hodnotiť rizikovosť celého portfólia
• Limity pre dealerov, hodnotenie ich úspešnosti
VaR – problémy a kritika
• VaR nedáva informáciu, čo sa deje po prekročení straty zodpovedajúcej VaR
– Motivuje k štruktúre portfólia, ktorá je vysoko riziková ale toto riziko je veľmi nepravdepodobné (Csilla Krommerová)
– Vylepšenie: expected shortfall = podmienená stredná hodnota pri prekročení VaR
• Problém časového škálovania:
– Násobenie odmocninou je OK, ak výnosy sledujú geometrickú náhodnú prechádzku a očakávaný výnos je 0
• Treba vylúčiť vplyvy zmien portfólia
• Chýbajúce a chybné trhové dáta
• Problém s odhadom strednej hodnoty výnosov
• VaR predpokladá homogenitu 1. stupňa – neberie do úvahy tzv. negative signal risk
VaR – problémy a kritika
• Odhadovanie rizika zriedkavých javov je šarlatánstvo! (Nassim
Taleb)
• Vždy treba mať na mysli tzv. model risk
– Nesprávny model štatistického rozdelenia zmien rizikových faktorov
– Nesprávna oceňovacia funkcia
• VaR nezahŕňa riziko likvidity
– pri trhových turbulenciách sa môže prestať obchodovať s daným
nástrojom
– stádovité správanie, zmena nálady na trhu
– negative signal risk
• Je jednoduché nepochopiť VaR, a vtedy sa stáva nebezpečným!
VaR – problémy a kritika
• VaR nie je subaditívna miera rizika!!
– Od „rozumnej“ miery rizika by sme očakávali, že súčet rizika dvoch
samostatných portfólií neprekročí riziko spojeného portfólia (efekt
diverzifikácie)
• Kontrapríklad:
– 2 aktíva (X a Y), každé má výnos 0 % s pravdepodobnosťou 99,1 % a
výnos – 10 % s pravdepodobnosťou 0,9 %.
– 99%-né VaR pre každé aktívum samostatne je 0.
– Ak uvažujeme kombinované portfólio (X + Y), straty sú:
• 20 s pravdepodobnosťou 0,0081 %
• 10 s pravdepodobnosťou 1,7838 % = 2*0,009*0,991
• 0 s pravdepodobnosťou 98,2081 %
– 99 %-né VaR pre kombinované portfólio je 10.
VaR – problémy a kritika
• Problém so subaditivitou vzniká najmä v týchto príkladoch:
– Šikmé jednorozmerné rozdelenia
– Viac aktív so symetrickým rozdelením výnosov, ale vysoká tail
dependence
– Jednorozmerné rozdelenia s ťažkými chvostami
• Poznámka: Expected shortfall je subaditívna miera.
Backtesting
• Backtesting (spätné testovanie) = posúdenie kvality VaR modelu na základe údajov o prekročeniach VaR z minulosti
• Aplikácia: Posúdenie žiadosti banky pre využívanie interného modelu pre výpočet objemu interného kapitálu na krytie trhového rizika
• Základné vlastnosti, ktoré by mal mať VaR model:
– Vlastnosť správneho nepodmieneného pokrytia (Unconditional Coverage Property)
– Vlastnosť nezávislosti (Independence Property)
• Základné testy:
– Regulatórny test
– Kupiecov POF test (POF = Proportion of failures)
– Christoffersenov test
Backtesting – regulatórny test
• Čl. 366 nariadenia 575 / 2013
• Na základe spätného testovania sa určuje multiplikačný koeficient ms a
mc pri výpočte kapitálu na trhové riziko (market risk capital, MRC)
• m závisí od počtu prekročení K za posledný rok (cca 250 pracovných
dní): m = 3 + „plus faktor“
Backtesting – Kupiecov POF test
• Nulová hypotéza: Skutočná relatívna početnosť prekročení q zodpovedá
stanovenej úrovni pravdepodobnosti p
• Likelihood ratio test:
LR = - 2 (ln L(K,N,p) - ln L(K,N,q))
kde K je počet prekročení za N dní
L je funkcia vierohodnosti binomického rozdelenia, t.j.
• Štatistika LR má asymptoticky chí-kvadrát rozdelenie s 1 stupňom voľnosti
• Nevýhoda: Test hodnotí iba vlastnosť správneho nepodmieneného pokrytia
• KUPIEC, N. H. : Techniques for Verifying the Accuracy of Risk Measurement
Models, Journal of Derivatives, Vol. 3, No. 2, 1995
KNK
K
NNKL
)1(),,(
Backtesting – Christoffersenov test (1)
• Testuje obe vlastnosti (správny počet výnimiek aj ich nezávislosť)
• Testovacia štatistika: LRch = LRpof + LRind
• LRpof - Kupiecov POF test
• LRind - test H0: „výnimky sú nezávislé“
N01 – počet dní s prekročením nasledujúcich po dni bez prekročenia
N11 – počet dní s prekročením nasledujúcich po dni s prekročením
N00 – počet dní bez prekročenia nasledujúcich po dni bez prekročenia
N10 – počet dní bez prekročenia nasledujúcich po dni s prekročením
q01 – relatívna početnosť prekročení v prípade, že pred ním nenastalo prekročenie
q11 – relatívna početnosť prekročení v prípade, že pred ním nastalo prekročenie
q01 = N01 / (N00 + N01) q11 = N11 / (N10 + N11) q = (N01 + N11) / (N00 + N01 + N10 + N11)
11011000
11011000
11011101 )1()1(
)1(ln2
NNNN
NN
indqqqq
qqLR
NN
Backtesting – Christoffersenov test (2)
• Za predpokladu H0 by malo platiť q01 = q11
• LRch = LRpof + LRind má asymptoticky chí-kvadrát rozdelenie s 2 stupňami
voľnosti
• CHRISTOFFERSEN, P. F. : Evaluating Interval Forecasts, Internal
Economic Review, Vol. 39, No. 4, November 1998
11011000
11011000
11011101 )1()1(
)1(ln2
NNNN
NN
indqqqq
qqLR
NN
Prípadová štúdia
• Využívanie VaR v analýzach NBS na hodnotenie miery trhového rizika v dohliadaných inštitúciách a vo finančnom sektore ako celku
• Údaje: úplné detailné portfólio všetkých nástrojov od všetkých dohliadaných inštitúcií s výnimkou portfólia retailových úverov v bankách
• V modeli využívame veľké množstvo rizikových faktorov: – 8 diskontných kriviek (každá pozostáva z 20 bodov),
– 16 výmenných kurzov,
– 3 akciové indexy,
– index iTraxx (5Y, senior financial),
– ceny za poistenie kreditného rizika (CDS) pre štáty s vyššou mierou rizika
• Pozície v akciách a podielových listoch sú vyjadrené tiež prostredníctvom týchto rizikových faktorov s využitím lineárnych regresií (odhad "zovšeobecnených" parametrov beta).
• Táto transformácia nám dovoľuje počítať nepriame úrokové a devízové riziko a odhadnúť skutočnú expozíciu voči jednotlivým rizikovým faktorom. Chýba však odhad špecifického rizika.
Prípadová štúdia
• Metodológia
– Pre každý rizikový faktor samostatný GARCH(1,1) model – odhad
podmienenej volatility
– Korelácie medzi rizikovými faktormi pomocou odhadu nepodmienenej
variačno-kovariančnej matice štandardizovaných rezíduí
– Generovanie dostatočného počtu scenárov zmien rizikových faktorov
– Precenenie aktuálneho portfólia pre všetky jednotlivé scenáre
– Výpočet príslušného kvantilu z tohto rozdelenia
Prípadová štúdia • Výsledky – 31. december 2010
Analýza slovenského finančného sektora za rok 2010,
http://www.nbs.sk/_img/Documents/_Dohlad/ORM/Analyzy/AnalyzaSFS2010.pdf
Literatúra – DP a BP
• Všeobecne o VaR a jeho výpočte:
– Krátka, J. (DP, 2006): GARCH modely a Value-at-Risk aplikácie
– Štalmach, M. (DP, 2007): Value at Risk: nástroj na meranie trhového rizika
– Harcek, J. (DP, 2010): Neparametrické a semiparametrické metódy odhadu Value at
Risk
– Žabka, R. (DP, 2003): Value at Risk (Miera Rizika)
• Backtesting:
– Švarda, N. (BP, 2007): Porovnanie rôznych štatistických testov na validáciu Value-at-
Risk modelov
– Holosová, M. (BP, 2010): Nové metódy spätného testovania Value-at-Risk modelov
• Aplikácie:
– Potisková, L. (DP, 2009): Odhad Value-at-Risk pomocou copula funkcií
– Kvašňáková, K. (DP, 2009): Modeling dependence structure of the stock and bond
market
– Repková, M. (BP, 2009): Value at Risk modely: Odhad rizika v dôchodkových fondoch