<<
>>

2. Метод Исторического Моделирования (историческая волатиль-ность)

Этот подход состоит в следующем: программа расчета УаК фактически пересчитывает значение прибылей/убытков для существующего портфеля, каждый день возвращаясь к прошлым показателям, чтобы определить, сколько бы данный счет заработал или потерял за каждый день в последовательности.
Затем программа упорядочивает эти наблюдения прибылей/убытков по возрастанию и устанавливает то значение УаК, которое соответствует убытку, связанному с доверительным интервалом, определяемым пользователем. Например, если бы ваша программа расчета УаК по методу исторического моделирования могла производить обзор данных, собранных за год, то она взяла бы текущие данные вашего портфеля, посчитала для него значения прибылей/убытков для каждого дня, всякий раз возвращаясь ровно на 12 месяцев назад, и упорядочила бы полученные статистические данные по возрастанию. Если вы установили доверительный интервал, равный 95% , то программа отбросит худшие 5% значений ваших убытков (за операционный год длиной в 250 дней накопится примерно 12-13

Компоненты риска отдельного портфеля

141

таких наблюдений), и затем установит значение вашего риска на уровне убытков, соответствующем следующему наибольшему значению наблюдений. В основе здесь лежит предположение о том, что вы должны быть на 95% уверены, что в будущем ежедневные убытки этой цифры не превысят.

Расчет УаК по методу исторического моделирования является очень трудоемким с точки зрения объема необходимых вычислений, поскольку требует переоценки каждого отдельного инструмента за каждый отдельный день выбранного исторического отрезка времени. Однако я думаю, что если выполнить такой расчет возможно, то затраченные на это ресурсы вполне того стоят, поскольку метод исторического моделирования считается наиболее точным из всех методов расчета УаК - по крайней мере, для подавляющего большинства портфелей. Подтвердить его основные преимущества поможет внимательное рассмотрение той идеологии, которая лежит в его основе.

Во-первых, для оценки размера соответствующей подверженности рискам метод исторического моделирования фактически использует данные об историческом ценообразовании, а не полагается на данные о корреляции, чтобы на их основе приписать нескольким ценным бумагам определенные свойства ценообразования по отношению друг к другу.

Это может быть особенно важным во времена рыночных стрессов, когда склонны давать сбои даже модели статической корреляции. Во-вторых, в отличие от вариационно-ковариационного, метод исторического моделирования можно логически распространить и на такие производные инструменты, как опционы (при условии, что пользователь тщательно и аккуратно введет в программу весь набор входных данных), причем зачастую результаты расчета очень наглядно и изящно иллюстрируют ту причину, по которой многие менеджеры по управлению рисками, имеющие возможность выбирать для себя оптимальный метод расчета УаК, предпочитают именно этот метод. Наконец, метод исторического моделирования обеспечивает все возможности для проведения качественного анализа показателей на фоне реальных рыночных событий. Если в полученных результатах вас что-то заинтересовало, то очень полезно повнимательнее посмотреть на конкретные даты, в которые произошло нечто, что к таким результатам привело. Другие виды расчета УаК такого аналитического инструмента не обеспечивают. Постарайтесь воспользоваться его преимуществами- оцените вероятность повторения определенных событий и,

142

Глава 4

может быть, попытайтесь даже составить соответствующий план на случай непредвиденных дополнительных обстоятельств.

Ограничения, которые являются обязательными для метода исторического моделирования, характерны также и для любой другой статистической оценки подверженности портфеля рискам. Как мы уже говорили, они связаны с тем, что исторические данные не могут служить основанием для надежного предсказания будущих результатов. Кроме того — и об этом мы тоже уже упомянули, — этот метод требует большого объема вычислений, и, в принципе, помимо практических трудностей выполнения рутинных расчетов, он, наверное, более подвержен ошибкам погрешности, чем другие модели. Одно неправильное значение может существенно повлиять на конечный результат, даже если все остальные элементы расчета (который может включать сотни и тысячи отдельных шагов вычислений) абсолютно правильны.

Однако если вы в состоянии преодолеть эти проблемы, то я очень рекомендую пользоваться этим методом всегда, когда имеющиеся исходные данные и соответствующие программные средства позволяют вам это сделать.

3. Метод Статистического Моделирования (метод Монте-Карло).

Подход к расчету УаИ по методу Монте-Карло похож на тот метод Монте-Карло, который применяется для вычисления модели ценообразования опционов. В соответствии с этим методом, программа генерирует большие объемы случайных чисел, имитирующих реально возможные результаты изменения цен отдельной ценной бумаги (на основе определяемого пользователем набора сценариев) и затем статистически классифицирует их в соответствии с их вероятностью. Затем программа присваивает УаК значение, привязанное к заданному доверительному интервалу. Например, программа расчета УаК по методу Монте-Карло для фиксации риска в 95-процентном доверительном интервале может переоценивать целые портфели до нескольких миллионов раз, чтобы определить весь диапазон возможных значений прибылей/убытков и затем установить такое значение УаК, чтобы значения 95% наблюдений были меньше этой цифры, а оставшиеся 5% - больше ее.

Преимущество моделирования по методу Монте-Карло состоит в том, что с помощью строгой экстраполяции рыночной истории по огромному числу результатов можно получить лучшую картину полного возможного распределения цен для данного портфеля, и, таким образом, иметь больший объем информации в отношении вероятностей возникновения широкого спектра возможных ре

Компоненты риска отдельного портфеля

143

зультатов. Кроме того, метод Монте-Карло может быть полезен для портфелей с большим количеством опционов: он предусматривает оценку практически неограниченного числа сочетаний цен и вола-тильностей лежащих в основе опционов базовых инструментов, а это является хорошей базой для определения стоимости опционов, содержащихся в данном портфеле, - в том числе и тех, что связаны с наиболее жесткими рыночными условиями, способными вызвать резкое колебание стоимости портфеля. Однако моделирование по методу Монте-Карло для большинства простых портфелей, наверное, будет чересчур мощным орудием любое увеличение точности становится в этих случаях просто несопоставимым с теми издержками, которые связаны с повышением уровня сложности и объемом необходимых для этого вычислений.

Стоит отметить, что для всех, кроме наиболее сложных портфелей с очень тонкими характеристиками ценообразования, результаты расчета УаЛ по всем трем описанным методам должны вполне соответствовать друг другу. На самом деле, я думаю, гораздо важнее потратить свое время на то, чтобы просто ввести расчет УаЫ в практику, чем транжирить ресурсы, выбирая, какой именно метод предпочесть. Выберите тот, который вам кажется наиболее подходящим с учетом характеристик вашего портфеля и ограничений, налагаемых на имеющиеся ресурсы, и включите его в свой процесс принятия решений. Остальное, как говорится, несущественно.

Проверка точности УаИ

Модели расчета УаИ, как мы обсудим вкратце, с точки зрения их математической конструкции отличаются друг от друга, но все они, как мы уже выяснили, предназначены для того, чтобы предсказывать волатильность показателей, связанную с определенным доверительным интервалом. В частности, все модели приведут к результатам, в которых имеется вероятностный компонент, каждый из которых порождает некое число, выступающее в качестве того порога, который волатильность портфеля должна нарушать с определенной долей вероятности. В принципе, точность и адекватность модели может быть проверена с помощью тестирования на основе исторических данных - надо просто проверить, сколько наблюдений значений прибылей/убытков действительно превысили значение УаЛ за данный промежуток времени, а затем привязать получившуюся долю в процентах к доверительному интервалу. Если эти две цифры не противоречат друг другу, значит, можно сказать, что модель вполне адекватна; если противоречат - тогда исходные

144

Глава 4

данные и предположения, лежащие в основе такой модели, следует проверить, чтобы определить источник противоречий (об этом последнем мы более подробно поговорим чуть позже). Такой тип исторического тестирования является одним из простейших математических упражнений, которые будут описаны в этой книге, и я очень советую вам периодически проверять, согласуется ли ваша фактическая волатильность прибылей/убытков с той моделью и теми параметрами, которые вы используете. Некоторые пуристы возразят, что сравнение фактической волатильности портфеля с результатами расчета УаЫ не является эффективным историческим тестированием, поскольку, если расчет УаК основан на текущем состоянии портфеля, которое измеряется по отношению к историческому поведению цен, то этот тест измеряет точность этого расчета по отношению к будущему колебанию цен. Однако я бы этому различию значения не придавал - по той простой причине, что если ваша фактическая волатильность прибылей/убытков существенно отличается от результатов, подразумеваемых в расчете УаИ, то эти данные вам в любом случае мало чем помогут.

Выбор параметров УаИ

Может быть, в этот самый момент вы спрашиваете себя: а какой же доверительный интервал лучше всего подойдет для вашего анализа УаК? Да в том-то и дело, что так просто на этот вопрос не ответишь. Но не все так плохо: если вы последовательно и правильно применяете этот анализ, то ошибиться тут практически невозможно.

Прежде всего, если вы используете вариационно-ковариационный метод расчета УаЛ, то неважно, какой вы выберете доверительный интервал, потому что эти числа будут просто линейно увеличиваться в соответствии с масштабными коэффициентами, приведенными в таблице 4.1, которую я тут для этих целей воскресил, как Лазаря, вытащив ее из главы 3. Таким образом, в соответствии с вариационно-ковариационным методом, 95-процентный доверительный интервал отныне и вовек будет приравниваться к 1.960 а, 99-процентный доверительный интервал - к 2.576 а, и так далее.

Если мы считаем УаИ по методу исторического моделирования или по методу Монте-Карло, то все становится немножко интереснее. В обоих этих методах рассматриваются такие миры - ох и далеки же они, наверное, от нас, - где распределение доходности портфелей отлично от нормального. Например, анализ по методу

Компоненты риска отдельного портфеля

145

исторического моделирования предусматривает тот факт, что на фондовом рынке распределения имеют более «толстые» (или, как еще говорят, «тяжелые») хвосты, чем распределения других финансовых активов; и если вы используете данные об исторической волатильности, вы можете обнаружить, что 99-процентный доверительный интервал соответствует значительно большей величине, чем 2.576 о. К тому же, чем сложнее ваш портфель (например, чем значительнее в нем доля опционов и других производных финансовых инструментов), тем выше будет вероятность того, что экстремальные значения наблюдений будут измеряться в неожиданно больших кратных величинах о. Доля площади под кривой Среднее значение +/— нормального распределения количество стандарт- ных отклонений 50.0(1> .6-74 с 68.8 1.000 00.0 ПЙ5 95.0 1.960 95.4 2.000 98.0 2.326 99.0 2.576 99.7 3.000 Таблица 4.1. Доля значений доходности, попадающих в соответствующие интервалы стандартного отклонения.

Поэтому здесь есть очень ценное практическое правило: чем сложнее портфель с математической точки зрения и чем лучше инструментарий для измерения УаН, тем полезнее будет применение более широких доверительных интервалов. Однако, ввиду того что большинство портфелей просты, а большинству систем расчета УаК недостает изощренности, чтобы определять все тонкости подверженности рискам на хвостах распределения, использование таких оценок с запасом, вообще говоря, может принести лишь незначительную выгоду. Что касается меня, то я предпочитаю измерять волатильность в терминах одного стандартного отклонения. Причин тому две: во-первых, этот способ предусматривает самое прямое сравнение с волатильностью отдельных финансовых инструментов, а во-вторых, как станет ясно в следующих главах, его, с помощью некоторого преобразования коэффициента Шарпа, можно использовать как средство управления уровнем инвестиций и волатильностью, которое позволит добиться определенных целевых значений доходности с поправкой на риск.

10. Заказ № К-5658

146

Глава 4

Выбор доверительных интервалов для УаИ становится наиболее уместным, когда оценка УаК используется не просто как общая индикация уровней подверженности рискам. Наиболее знаменательным примером здесь является использование УаК как эталонного ориентира, на основании которого устанавливаются лимиты или выделяются кредитные линии, - как это происходит, наверное, с большинством профессиональных трейдеров, работающих в крупных и мелких финансовых компаниях. Обычно такие организации налагают на трейдеров ограничения исходя из того, что, по мнению руководства, представляется приемлемым уровнем подверженности рискам, который оценивается с помощью их внутренних программ расчета УаИ.

Когда поставщик капитала устанавливает лимиты трейдинга и риска на основе анализа рисковой стоимости, то конкретный метод, который используется для ее расчета, приобретает гораздо большее значение. По своему опыту могу сказать: поистине счастлив тот профессионал в области рыночных инвестиций, чьи лимиты рисковой стоимости согласуются с его собственной разумной оценкой той подверженности рискам, с которой он сталкивается на рынке. К сожалению, всем остальным придется что-то такое изобретать, еще более усложняя тем самым проблему максимизации прибыли, - они вынуждены будут вносить некие усовершенствования в лимиты, хорошо при этом зная, какова истинная подверженность портфеля рискам. Единственный путь выхода из такой ситуации, когда эти цели находятся в конфликте друг с другом (об этом я вкратце расскажу в дальнейшем), я вижу в том, чтобы сократить тот риск, который вы на себя берете, до такого уровня, который укладывался бы и в рамки той системы управления рисками, которой вас обязывают следовать, и в ту сумму «истинной» подверженности рискам, которую готовы принять на рынке вы сами. Возможно, это будет стоить вам денег, поскольку помешает установить для себя максимальный профиль риска - особенно в тех случаях, когда вы на все сто процентов уверены, что такой риск оправдан.

Я бы хотел, чтобы вы на минутку представипи себе один гипотетический банк - очень крупный международный банк - с большим объемом капиталовложений в трейдинг и (естественно) неколебимой приверженностью идее управления рисками. Насколько этот банк был привержен идее управления рисками? Он был всецело привержен идее управления рисками. Это же так ясно сказано в его буклете.

По понятным причинам, департаменты по управлению рисками там были строго обособлены и находились в отдаленных укромных уголках роскошного головного офиса банка,

Компоненты риска отдельного портфеля

147

расположенного в центре финансового квартала одного из крупнейших городов Западного побережья. Именно в этих высших сферах хранители священного огня Управления Рисками и приступили к задаче по созданию своего уникального творения - печально известной системы Black Box (Черный Ящик). Я эгс все к тому говорю, чтобы, помимо всего прочего, показать, что такие вот черные ящики, механизмы Rube Walker и прочие сомнительные системы управления рисками существуют по обе стороны Атлантики. Может быть, тут дело в составе воздуха на верхних этажах; может быть, сыграло свою роль желание затмить коллег из конкурирующих фирм, - не знаю. Но, так или иначе, они решили, что любая разумная система управления рисками должна учитывать не просто какие-то там отдельные риски, но - вепикий боже! - <«вообще все риски, которые топько бывают».

На крыльях этой идеи они радостно пролетели мимо порогов в одно, и в два, и в три стандартных отклонения, вырвались за пределы 95-процентного, 99-процентного и даже 99.99-проценного доверительных интервалов и проделали весь этот путь - честное слово, не оглядываясь назад! - аж до самой 100-процентной отметки шкалы, чтобы ни одно наблюдение не ускользнупо от их пытливого ока. Какой-то особо рьяный деятепь выступил с предложением использовать отметку в 200%, но у остальных присутствующих при этом обсуждении все же хватило здравого смысла, чтобы понять всю абсурдность этой идеи. Вместо того чтобы проанализировать наихудшие ситуации, случившиеся на рынке, скажем, в течение прошлого года, они, ради чести мундира, решили (чрезвычайно патриотично, на мой взгляд) обратить свои взоры именно на те огромные изменения цен, которые произошли на всех рынках за истекшее десятилетие. Это предложение было встречено с гаким бурным энтузиазмом, что один особенно амбициозный умник высказался в том смысле, что для плодотворного анализа даже и 10 лет будет мало, и единственной по-настоящему вдохновляющей идеей было бы сравнение сегодняшних позиций с наихудшими динамиками цен за сюлетие, - то есть как раз до начала XXI века. «Мужик, да ты спятил!» - сказал один из присутствовавших там трейдеров; но никто не понял, что он имел в виду. Я совершенно уверен, что это предложение было бы утверждено, не упомяни кто-то из суровых реалистов в этой компании, что будет все-таки трудновато получить данные за каждый день столетия по рынкам, многих из которых одно покопение назад еще и в природе не существовало.

Поэтому они взяли на вооружение десятилетний план. Это означало, что риск по каждой позиции на фондовом рынке измеряйся так, как будто бы она теряет столько же, сколько могла потерять 19 октября 1987 года; каждая позиция процентной ставки сопоставлялась с данными времен кризиса финансирования во Франции в начале 1994 года, и так далее. Все друг друга поздравляли с созданием самой совершенной в мире системы управления рисками. И, в порыве истинной щедроеiи (коюрому в некоторой степени поспособствовала угроза массового исхода трейдеров), зная, что система Black Box выдавала оценки рисков, которые были в пять раз выше, чем те, что получались на выходе программы расчета VaR, где параметр доверительною интервала устанавливался на 95%, тогдашнее руководство немедленно увеличило лимит риска каждому трейдеру в пять раз.

В итоге получилась система, где оценки рисков и связанные с ними лимиты были в пять раз выше тех, что были в предыдущей структуре. В банке все были счастливы - ведь теперь весь мир увидит его искреннюю приверженность идее разумного управпения рисками. Трейдеры были довольны, поскольку на каждый доллар риска, который они могли взять при предыдущем режиме, теперь им разрешили брать пять допларов. Если кто-то и подозревал, что в результате произошло не что иное, как «инфляция лимитов» - обе части уравнения

148

Глава 4

лимита увеличились на равную сумму, а портфельные менеджеры остались там же, где и были, - то они все равно делали это совершенно спокойно. Эти короли управления рисками получили свой Черный Ящик - и он-то их и погубил.

А случилось вот что. В один из осенних дней в 1997 года - а точнее, 20 октября (то есть ровно через 10 лет и один день лосле кризиса 1987 года), - из базы данных по акциям выкатились ряды показателей «Черного понедельника»55. И худшие за 10 лет убытки на фондовом рынке были уменьшены более чем на 60 процентов, а возможности по принятию риска занимавшихся акциями банковских трейдеров при этом более чем удвоились. Празднование принимало разные формы; так, пара усердных ребят решила удвоить позиции «вниз» по тем акииям, которые были у них на руках. Ровно неделю спустя, 27 октября 1997 года, индекс Доу-Джонса упал даже сильнее, чем десять лет (и одну неделю) назад. После этого случая тех двоих парней в банке было не видно, но этого уже никто не заметил. А вот Black Box существует и поныне.

Использование расчета VaR в управлении портфелем

Большинство трейдеров-профессионалов, работающих на финансовые структуры, подчиняются тому или иному режиму в отношении оценки рисковой стоимости, который направлен на установку для них соответствующих лимитов. Однако даже деятельность тех, кто занимается трейдингом в своих собственных интересах, тоже подчиняется определенному регламенту в отношении VaR - зачастую в скрытых формах. Вот, например, на фьючерсных рынках и

на рынках опционов для вычисления предписываемой маржи3 по их продуктам используется модифицированная версия расчета VaR, и там настаивают на том, чтобы брокерские фирмы, которые производят расчеты по своим контрактам, поступали так же. Поэтому, если только вы не занимаетесь ничем, кроме трейдинга долевыми ценными бумагами для себя лично, то, скорее всего, для вас будет обязательным использование того или иного вида расчета рисковой стоимости как минимум для какой-то части вашего портфеля.

Однако если какая-либо процедура расчета рисковой стоимости установлена для вас «сверху», то я считаю, что очень полезно выполнить и проанализировать метод расчета VaR применительно к вашему трейдингу, поскольку это позволит наилучшим образом выделить характеристики подверженности рискам вашего портфеля в целом в любое заданное время. Кроме того, VaR служит одним из лучших индикаторов фактического уровня рыночного участия, доступного типичному инвестору, - это тонкий вопрос, но он подразумевает, что для того, чтобы полностью понять ситуацию, нужно сделать паузу и хорошенько подумать. Давайте рассмотрим два портфеля, в каждом из которых сумма инвестиций на рынке равна 1 миллиону долларов. В одном портфеле - множество акций с вы

Компоненты риска отдельного портфеля

149

сокой волатильностью; в другом - скучные дивидендные активы. И хотя вложенная в рынок сумма денег для обоих портфелей одинакова, я бы сказал, что первый портфель является в большей степени

«полностью инвестированным»57 и имеет более высокую степень рыночного участия - главным образом потому, что происходящие на рынке ценовые изменения любого уровня будут оказывать на него гораздо более сильное финансовое влияние, чем на портфель с дивидендными активами. У УаИ нет иных целей, кроме оценки этих концепций, и я особенно одобрил бы ваши действия, если бы вы сделали все, что нужно, для понимания динамики временных рядов в расчете рисковой стоимости, - начиная с рутинных периодических измерений точности ее предсказания (т.е. с проверки исторических данных). Изучите ее способность придерживаться заданного вами доверительного интервала (в соответствии с тем, что описывается в предыдущем разделе о проверке точности УаИ).

Когда вы достигнете достаточного уровня точности, вы сможете использовать статистику УаК как еще одно средство обеспечения эффективного использования своего капитала. Если размер вашей рисковой стоимости увеличивается, это означает, что ваша подверженность рискам повышается; и если рассуждать логически, то это должно происходить, только если: 1) вы располагаете достаточной суммой рискового капитала, чтобы повысить ставки; и 2) возможности получения прибыли растут так, что это оправдывает увеличение риска. Поэтому ваша рисковая стоимость должна быть разумно коррелирована с вашими общими показателями. Если это не так, то причиной тут может быть то, что вы не сумели добиться эффективного управления своим рисковым капиталом и определить свои самые благоприятные возможности с точки зрения перспектив на будущее.

Когда только возможно, я рекомендую вам также просматривать «промежуточные» расчеты, связанные с вашей программой вычисления рисковой стоимости. Это нужно для того, чтобы выявить те элементы вашего портфеля, которые обеспечивают наибольший вклад в общий уровень вашей подверженности риску. В большинстве программ это можно сделать путем сравнения рисков, прогнозируемых для отдельных позиций из общего списка наименований, содержащихся в портфеле. Обычно самый большой вклад в общий уровень риска делают те активы, которые связаны с вашими самыми выгодными возможностями, которые в конечном итоге должны принести вам самые высокие прибыли.

150

Глава 4

Если, в соответствии с расчетом УаК, сопряженные с наибольшей подверженностью рискам позиции сильно отличаются от тех, которые более всего повлияли на ваши прибыли/убытки, то этот факт следует рассматривать как индикатор того, что вы могли бы управлять своим портфелем более эффективно, и что если бы вы перераспределили свой рисковый капитал так, чтобы источником львиной доли ваших поступлений были сделки, которые вам кажутся наиболее выигрышными, то вы смогли бы добиться более высокой прибыльности.

Когда ваша программа расчета рисковой стоимости уже установлена, работает и выдает стабильные результаты, воспринимайте ее как некий барометр своих рисков. Установите диапазон приемлемых результатов УаК и не выходите за его границы. Удостоверьтесь, что в тех случаях, когда вы действительно работаете поблизости от верхней границы этого диапазона, вы и правда полагаете, что данные дополнительные риски оправданы качеством соответствующих рыночных возможностей, а не связаны с так называемым «инвестиционным зудом», скукой или иными факторами, которые могут побудить инвестора открывать и поддерживать в своем портфеле какие-то позиции по причинам, которые они и сами-то не могут толком объяснить.

Чтобы подвести итог всему сказанному, я хотел бы сказать следующее. Расчет УаК, со всеми свойственными ему ограничениями, хоть многие и придают ему почти карикатурное значение, имеет незавидную репутацию, - и, по-моему, зря. Во-первых, когда портфель действительно очень сложный - в особенности если он содержит много видов разных активов и финансовых инструментов, таких как акции, облигации и опционы, - трудно придумать какой-либо способ агрегирования рисков, который бы не опирался на ту или иную систему подсчета рисковой стоимости. То же самое, хотя и в несколько меньшей степени, относится к портфелям, ориентированным на длинные/короткие позиции, или даже к «односторонним» портфелям, содержащим всего один вид финансовых инструментов, если управляющие этими портфелями стремятся к какой-то их диверсификации. В каждом из этих случаев хорошо структурированный расчет рисковой суммы должен быть ценным инструментом управления размером подверженности рискам как на уровне отдельной позиции, так и на уровне всего портфеля в целом. Я не могу себе представить ни одной ситуации (в том числе если речь идет об инженерах-математиках), когда трейдингу не пошло бы на пользу применение той или иной модели оценки УаИ. Бу

Компоненты риска отдельного портфеля

151

дучи менеджером по управлению рисками, я просто содрогаюсь от одной мысли, что можно работать без программы расчета рисковой стоимости или как минимум без какого-то инструмента, который бы хоть как-то был на нее похож. А в более сложных условиях, в которых мне приходилось работать, обходиться без какого-либо аппарата, позволяющего агрегировать риски, было бы просто нелепо. Если вы, как инвестор, возьмете на себя труд осмыслить все сильные и слабые стороны модели расчета рисковой стоимости, которая применяется для управления вашим счетом, то сможете разглядеть очень многие дополнительные факторы, влияющие на динамику своего счета, - как внутренние, так и связанные с поведением рынка.

Сценарный анализ

Если помните, я назвал УаК видом алхимии, с помощью которого те, кто хочет предсказать будущую дисперсию показателя прибылей/убытков портфеля, содержащего различные и сложные финансовые инструменты, пытаются выразить эту дисперсию в виде единой численной оценки. Надеюсь, мне удалось вас убедить, что, хотя эта методика и может быть неточной, но она несомненно обладает определенными достоинствами и стоит затрачиваемых на нее усилий. Для того чтобы справиться с теми недостатками, которые сопряжены с процессом агрегирования, а также с неспособностью изящным способом выразить определенные типы подверженности рискам, те из нас, кто зациклен на идее более качественного управления рисками, изобрели концепцию сценарного анализа.

Как следует из названия, сценарный анализ предназначен для измерения оценки подверженности рискам, связанной со специфическими, задаваемыми пользователем ситуациями на рынке, которые другими методиками были охвачены не в полной мере. Наиболее типичным и, наверное, наиболее эффективным приложением сценарного анализа является его использование для анализа

разного рода арбитражных портфелей08, в которых взаимное влияние отдельных инструментов не так-то просто отобразить с помощью довольно-таки «лобовой» методики оценки УаИ (которая подразумевает, что позиции того или иного счета напрямую описываются в терминах простых для понимания факторов риска).

Чтобы проиллюстрировать сказанное, я бы предложил вашему вниманию несколько примеров приложения сценарного анализа к трем специфическим видам арбитражных портфелей.

152

Плава 4

<< | >>
Источник: КЕННЕТ Л.ГРАНТ. УПРАВЛЕНИЕ РИСКАМИ В ТРЕЙДИНГЕ. КАК ПОВЫСИТЬ ПРИБЫЛЬ С ПОМОЩЬЮ КОНТРОЛЯ НАД РИСКАМИ.. 2005

Еще по теме 2. Метод Исторического Моделирования (историческая волатиль-ность):

  1. 10.1. Историческое моделирование
  2. ИСТОРИЧЕСКИ ОБОСНОВАННЫЕ ВЕРОЯТНОСТИ и МОДЕЛИРОВАНИЕ
  3. Вопр.15.«СТАРАЯ ИСТОРИЧЕСКАЯ» и «НОВАЯ ИСТОРИЧЕСКАЯ» ШКОЛЫ ГЕРМАНИИ.
  4. 10.2. Использование программы Excel для исторического моделирования
  5. Метод исторических аналогий
  6. ЧАСТЬ ЧЕТВЕРТАЯ ЭМПИРИЧЕСКИЙ МЕТОД СРАВНИТЕЛЬНО- ИСТОРИЧЕСКОГО ИНСТИТУЦИОНАЛЬНОГО АНАЛИЗА
  7. 2.2. Историческая школа Германии
  8. Историческая экономическая школа
  9. Исторические формы собственности
  10. Историческая и фрайбургская школы Германии
  11. Лекция 8 ИСТОРИЧЕСКАЯ ШКОЛА И ИНСТИТУЦИОНАЛИЗМ
  12. «Новейшая» историческая школа
  13. 15.4. Историческое место антикапиталистического тоталитаризма
  14. СРАВНИТЕЛЬНО-ИСТОРИЧЕСКИЙ АНАЛИЗ ИНСТИТУТОВ
  15. Начало новой исторической эпохи
  16. «Новая» историческая школа
  17. Лекция № 13 ЭФФЕКТ ИСТОРИЧЕСКОЙ ОБУСЛОВЛЕННОСТИ РАЗВИТИЯ
  18. Глава 2. Налоговые теории. Исторический экскурс