VaR и CVaR: расчёт максимальных потерь

VaR и CVaR: расчёт максимальных потерь

VaR и CVaR: расчёт максимальных потерь Value at Risk (VaR) — стоимость под риском — является основным количественным показателем рыночного риска, используемым институциональными инвесторами, банками и регуляторами для оценки потенциальных потерь инвестиционного портфеля. VaR отвечает на вопрос: «Какова максимальная сумма, которую портфель может потерять за определённый период времени с заданной вероятностью при нормальных рыночных условиях?» Например, VaR(95%, 1 день) = $2.5M означает: с вероятностью 95% потери портфеля за один торговый день не превысят $2.5 млн. Или эквивалентно: в 5% торговых дней (примерно 12–13 дней в году) потери могут превысить $2.5 млн. VaR был формализован группой количественного анализа JP Morgan (RiskMetrics, 1994) и стал стандартом риск-менеджмента после принятия Базельского соглашения (Basel II, 2004), обязавшего банки рассчитывать рыночный риск через VaR для определения достаточности капитала. Исторический метод расчёта VaR (Historical VaR) Исторический VaR (Historical Simulation VaR) — наиболее интуитивный метод, не требующий предположений о распределении доходностей. Алгоритм: собрать исторические дневные доходности портфеля за определённый период (обычно 1–3 года, 250–750 торговых дней); ранжировать доходности от наихудшей к наилучшей; VaR(95%) = значение на 5-м процентиле (для 250 наблюдений — 12-я или 13-я наихудшая доходность). Преимущества: не требует допущений о нормальности распределения; автоматически учитывает fat tails (тяжёлые хвосты), skewness (асимметрию) и нелинейности (актуально для портфелей с опционами); легко объяснить нетехническому руководству. Недостатки: полностью зависит от исторического периода — VaR, рассчитанный на данных 2017–2019 (низкая волатильность), кардинально отличается от VaR на данных 2020–2022 (высокая волатильность); не может предсказать события, не имеющие исторического прецедента (например, пандемия COVID-19 для данных до 2020); Ghost Effect — экстремальное событие «выпадает» из окна наблюдений через 1–3 года, что приводит к резкому и часто неоправданному снижению VaR. Параметрический метод расчёта VaR (Parametric VaR) Параметрический VaR (Parametric VaR, Variance-Covariance VaR) предполагает нормальное распределение доходностей портфеля и рассчитывает VaR через статистические параметры — среднюю доходность (μ) и стандартное отклонение (σ). Формула: VaR(α) = μ – z(α) × σ × √T, где z(α) — квантиль стандартного нормального распределения (z(95%) = 1.645, z(99%) = 2.326), σ — волатильность портфеля, T — горизонт в днях. Для портфеля с дневной волатильностью 1.5% и стоимостью $100M: VaR(95%, 1 день) = $100M × 1.645 × 1.5% = $2.47M. Для 10-дневного VaR: $2.47M × √10 = $7.8M. Преимущества: быстрый расчёт, подходит для больших портфелей с тысячами позиций; легко декомпозируется на Component VaR (вклад каждой позиции в общий VaR) и Marginal VaR (изменение VaR при добавлении единицы позиции). Критический недостаток: предположение нормальности распределения. Реальные финансовые доходности имеют лептокуртоз (Leptokurtosis) — более острый пик и более тяжёлые хвосты, чем нормальное распределение. Это означает систематическую недооценку хвостовых рисков: событие «–5σ», которое по нормальному распределению должно происходить раз в 14,000 лет, на практике случается раз в 50–70 лет. Метод Монте-Карло (Monte Carlo VaR) Метод Монте-Карло (Monte Carlo Simulation VaR) генерирует тысячи или десятки тысяч случайных сценариев будущих доходностей на основе заданной модели (распределения, корреляции, волатильности) и оценивает VaR как соответствующий процентиль полученного распределения результатов. Преимущества: может использовать любое распределение (t-distribution с тяжёлыми хвостами, смешанные распределения, regime-switching models); корректно оценивает нелинейные позиции (опционы, структурные продукты); позволяет моделировать стохастическую волатильность (Stochastic Volatility — модели Heston, SABR) и скачки (Jump-Diffusion — модели Merton). Для портфеля с опционами и структурными продуктами Монте-Карло — единственный корректный метод расчёта VaR, так как нелинейность payoff-функции делает параметрический подход неприменимым. Недостатки: вычислительная сложность (для портфеля из 500 позиций с 10,000 сценариев — 5M переоценок); model risk — качество VaR полностью определяется качеством модели (мусор на входе — мусор на выходе, Garbage In Garbage Out). CVaR: преодоление ограничений VaR Conditional Value at Risk (CVaR, также Expected Shortfall, ES) — метрика хвостового риска, отвечающая на вопрос: «Какова ожидаемая средняя потеря, если потеря превысит VaR?» Если VaR(95%) = $2.5M, то CVaR(95%) = $4.0M означает, что в тех 5% наихудших дней средняя потеря составит $4.0M. CVaR всегда больше VaR и особенно информативен для портфелей с тяжёлыми хвостами распределения (fat tails). Математически: CVaR(α) = E[Loss | Loss > VaR(α)] — условное математическое ожидание потерь, превышающих VaR. Преимущества CVaR над VaR: CVaR является когерентной мерой риска (Coherent Risk Measure), удовлетворяющей свойству субаддитивности (Subadditivity): CVaR(A+B) ≤ CVaR(A) + CVaR(B), то есть диверсификация всегда снижает CVaR. VaR этим свойством не обладает: существуют ситуации, когда VaR портфеля превышает сумму VaR отдельных позиций — диверсификация «увеличивает» риск по VaR, что алогично. Базельский комитет (Basel III.1, также известный как FRTB — Fundamental Review of the Trading Book) заменил VaR на Expected Shortfall (CVaR) в качестве стандартной меры рыночного риска для банков начиная с 2025 года. Ограничения VaR и хеджирование хвостовых рисков VaR имеет ряд фундаментальных ограничений, критически важных для понимания. VaR ничего не говорит о величине потерь за пределами порога — VaR(95%) = $2.5M не раскрывает, будут ли потери в 5% наихудших случаев составлять $3M или $30M. VaR предполагает «нормальные рыночные условия» и неприменим для экстремальных событий (Black Swan events). VaR является процикличным (Procyclical): в спокойные периоды VaR снижается, инвесторы берут больше риска, что усиливает будущий шок; в кризисы VaR резко возрастает, инвесторы сокращают позиции, что усугубляет падение. Хеджирование хвостовых рисков (Tail Risk Hedging) через OTM (Out-of-The-Money) опционы — практический инструмент защиты от событий, лежащих за пределами VaR. Покупка deep OTM put-опционов на S&P 500 (strike 80–90% от spot) обеспечивает нелинейную защиту: незначительная стоимость в нормальных условиях и огромный payoff в кризис. Стратегия Tail Risk Parity (TRP), разработанная фондом Universa Investments Марка Шпицнагеля, выделяет 1–3% портфеля на систематическую покупку OTM puts, что позволяет увеличить рисковую аллокацию основного портфеля на 10–15%. Put Spread Collar (покупка put + продажа call + продажа глубокого OTM put) снижает стоимость хеджирования до 0.5–1.0% от номинала за счёт ограничения диапазона защиты и отказа от потенциала роста выше определённого уровня. Variance Swap — дериватив на реализованную волатильность — позволяет монетизировать рост волатильности без необходимости определять направление рынка: long variance swap с нотионалом $100K/vega point приносит ~$100K за каждый пункт роста реализованной волатильности выше страйка. Практическая рекомендация для управляющего крупным портфелем: использовать VaR и CVaR как complementary metrics (дополняющие метрики). Ежедневный мониторинг: VaR(95%, 1 день) и CVaR(95%, 1 день) для каждого класса активов и портфеля в целом. Лимиты: установить максимальный VaR(99%, 10 дней) не более 10–15% от NAV. Backtesting: ежеквартальная проверка модели VaR — если фактические потери превышают VaR чаще, чем предусмотрено уровнем доверия (более 5–6 пробоев из 250 дней для VaR 95%), модель требует калибровки. Стресс-тестирование: дополнять VaR/CVaR сценарным анализом — применение исторических кризисных сценариев (2008, 2020, 2022) и гипотетических шоков к текущему портфелю.