Анализ применимости различных моделей расчета value at risk на российском рынке акций
Порох Андрей
Старший консультант отдела услуг в области бизнес-рисков компании "Эрнст энд Янг"
В настоящее время банки стран <Группы 10> получили возможность использовать собственные модели расчета показателя рисковой стоимости VaR для определения размера капитала, резервируемого под рыночный риск торгового портфеля. Основные положения данного подхода были рассмотрены в предыдущей статье [1]. В данной статье на примере case-study анализируется возможность непосредственного применения подхода VaR для российского фондового рынка. Результаты тестирования некоторых наиболее распространенных моделей по методике Базельского комитета позволяют выбрать метод расчета VaR и период наблюдений, наиболее подходящие для российских условий. |
Настоящее исследование имеет целью сравнительный анализ прогнозной точности и эффективности применения различных моделей расчета величины VaR на российском фондовом рынке.
Здесь и далее под <моделью> понимается конкретный метод расчета показателя VaR вместе со значениями соответствующих параметров. Методологической основой исследования послужил подход, предложенный А. Финком, Л. Йоханнингом и Б. Рудольфом [2].1
На практике широко используются три базовых метода расчета величины VaR:
Для оценки прогнозной точности модели необходимо сначала установить, действительно ли случаи превышения фактическими убытками прогнозных значений рисковой стоимости происходят с заданной частотой в 1%. На рис. 1 приведены графики плотности нормального распределения и частотного распределения изменений индекса фондового рынка, построенного по семи входящим в портфели акциям за период с сентября 1995 г. по декабрь 1999 г.
Визуальное сравнение показывает, что распределение изменений индекса характеризуется лептокуртозисом, т.е. имеет более <толстые хвосты> и более <высокую вершину>, чем у нормального распределения.
Это наблюдение позволяет предположить, что ковариационный метод, основанный на посылке о нормальном распределении доходностей факторов риска, должен давать менее точные результаты, чем метод исторического моделирования, который опирается на реально наблюдавшиеся изменения цен. Данная гипотеза находит свое подтверждение в результатах исследования, приведенных в табл. 1.
Период тестирования | Ковариационный метод, % | Метод исторического моделирования, % | ||||
N= 250 дней | N= 30 дней | Экспонен-циальное сглаживание s | N= 250 дней | N= 30 дней | Кумулятивный период наблюдений | |
Сентябрь 1995 г. - декабрь 1999 г. (1053 дня) |
95,17 | 94,21 | 93,98- | 99,09+ | 96,36 | 98,61 |
Январь 1997 г. - сентябрь1997 г. (186 дней) |
95,37 | 94,28- | 96,09 | 97,76+ | 96,21 | 97,14 |
Сентябрь 1997 г. - апрель 1998 г. (123 дня) |
93,99- | 95,00 | 94,26 | 98,79+ | 96,72 | 97,5 |
Май 1998 г. - декабрь 1998 г. (168 дней) |
90,10 | 93,46 | 86,77- | 99,99+ | 96,95 | 99,97 |
Январь 1999 г. - декабрь 1999 г. (230 дней) |
98,89 | 94,31- | 97,35 | 99,63 | 96,01 | 99,89+ |
Полученные результаты следует анализировать как по применяемым моделям, так и по различным фазам рынка.
Из таблицы следует, что метод исторического моделирования с периодом наблюдений N = 250 дней обеспечивает средний доверительный интервал, наиболее близкий к заданным 99%, как на протяжении всего периода тестирования, так и почти во всех фазах рынка. Единственным исключением является период с января по декабрь 1999 г., для которого наименьшую частоту превышений убытками величины VaR демонстрирует модель с кумулятивно увеличивающимся периодом наблюдений. Этот результат может быть объяснен изменениями в характере развития рынка в 1999 г., а также наибольшей длительностью периода наблюдений в данной модели, что дает возможность учитывать поведение цен в различных фазах рынка.
Модели на базе ковариационного метода характеризуются самыми значительными отклонениями частоты превышений величины VaR от заданного 1% случаев. В частности, на всем интервале тестирования модель с экспоненциальным сглаживанием стандартного отклонения обеспечивает доверительный интервал 93,98%, что является наихудшим результатом для всех рассматриваемых моделей. В период сильного спада рынка с мая по декабрь 1998 г. фактическое покрытие убытков величиной VaR в этой модели составляет лишь 86,77%.
Весьма близким значением фактического доверительного интервала (90,1%) для данной фазы рынка характеризуется ковариационный метод с N = 250 дней. Это самые неудовлетворительные результаты по всем рассматриваемым моделям и фазам рынка. Невысокая точность моделей на основе ковариационного метода может быть объяснена их низкой чувствительностью к резким изменениям волатильности рынка в фазах резкого роста или падения рынка.
Таким образом, ковариационный метод, основанный на свойствах нормального распределения, является значительно менее эффективным для оценки рисков на российском рынке акций, чем метод исторического моделирования.
На рис. 2, 3 представлены распределения частот фактически наблюдаемых доверительных интервалов для рассматриваемых шести моделей по 1000 портфелей на всем интервале их тестирования. В общем случае точность модели будет тем выше, чем у?же распределение и чем правее оно расположено.
Как следует из графиков, распределение частот для метода исторического моделирования с N = 250 дням сильнее смещено вправо к отметке 99% по сравнению с остальными моделями. Кроме того, данное распределение характеризуется также и наименьшим размахом (около 2%).
Напротив, распределение частот для ковариационного метода с N = 30 дням является значительно более <широким>, чем у остальных моделей. Таким образом, из всех рассмотренных моделей ковариационный метод с N = 30 дням обеспечивает не только наименьший наблюдаемый доверительный интервал, но и характеризуется самой большой неточностью (разбросом) в оценке рисковой стоимости портфелей.
Для определения размера превышений реально наблюдаемыми убытками прогнозной величины VaR для каждого портфеля были рассчитаны отрицательные дневные отклонения стоимости портфеля (в % от величины VaR предшествующего дня), которые затем были усреднены по общему количеству таких случаев превышения, имевших место в течение рассматриваемого интервала тестирования.
Полученные значения были агрегированы по всем портфелям для нахождения средней величины превышений по каждой модели и интервалу тестирования, которые приведены в табл. 2.
Период тестирования | Ковариационный метод, % | Метод исторического моделирования, % | ||||
N= 250 дней | N= 30 дней | Экспонен-циальное сглаживание s | N= 250 дней | N= 30 дней | Кумулятивный период наблюдений | |
Сентябрь 1995 г. - декабрь 1999 г. (1053 дня) |
53,4 | 56,6 | 65,79- | 43,06+ | 52,01 | 44,82 |
Январь 1997 г. - сентябрь1997 г. (186 дней) |
45,23 | 70,07 | 51,79 | 47,17 | 80,43- | 44,78+ |
Сентябрь 1997 г. - апрель 1998 г. (123 дня) |
53,66 | 60,35- | 57,65 | 40,22+ | 51,19 | 54,7 |
Май 1998 г. - декабрь 1998 г. (168 дней) |
64,11 | 56,99 | 97,29- | 0,14 | 33,12 | 0,13+ |
Январь 1999 г. - декабрь 1999 г. (230 дней) |
25,23 | 51,81 | 52,02- | 10,22 | 48,75 | 1,09+ |
Данные таблицы показывают, что относительные величины превышений убытков над прогнозной величиной VaR в большинстве случаев оказываются весьма значительными. Этот факт обусловлен более высокой волатильностью российского фондового рынка по сравнению с развитыми рынками, где этот показатель обычно не превышает 10%.
Тем не менее по данному критерию метод исторического моделирования вновь оказывается более точным, чем ковариационный метод.
Так, на всем интервале тестирования минимальный размер превышений (43,06%) характерен для модели на основе метода исторического моделирования с периодом наблюдений в 250 дней. В то же время для всех рассматриваемых фаз рынка (за исключением периода с октября 1997 г. по апрель 1998 г.) бо?льшую точность обеспечивает модель с кумулятивно увеличивающимся периодом наблюдений.
Для оценки сравнительной эффективности моделей по критерию минимизации капитала, резервируемого под рыночный риск, было проведено поквартальное тестирование моделей за период с января 1997 г. по ноябрь 1999 г. Тестирование проводилось в соответствии с требованиями Базельского комитета по банковскому надзору [1, 6] с целью определения гипотетических средних надбавок к нормативному множителю. (Поскольку в России подход на основе внутренних моделей не применяется, данное тестирование носит условный характер и проводится для отнесения моделей к одной из зон адекватности.) Результаты расчетов приведены в табл. 3, случаи попадания моделей по результатам тестирования в <красную>, <желтую> или <зеленую> зону выделены соответствующим тоном.
Квар-тал | Период тестирования | Ковариационный метод, % | Метод исторического моделирования, % | ||||
|
|
N= 250 дней | N= 30 дней | Экспонен-циальное сглаживание s | N= 250 дней | N= 30 дней | Кумулятивный период наблюдений |
I |
Январь 1997 г. - декабрь 1997 г. |
0,90 | 0,94 | 0,65 | 0,22 | 0,87 | 0,41 |
II |
Апрель 1997 г.- март 1998 г. |
0,99 | 0,99 | 0,90 | 0,37 | 0,81 | 0,75 |
III |
Июль 1997 г. - июнь 1998 г. |
1,00 | 0,99 | 1,00 | 0,39 | 0,80 | 0,73 |
IV |
Октябрь 1997 г. - сентябрь 1998 г. |
1,00 | 1,00 | 1,00 | 0,35 | 0,67 | 0,60 |
V |
Январь 1997 г.- декабрь 1998 г. |
1,00 | 1,00 | 1,00 | 0,05 | 0,72 | 0,19 |
VI |
Апрель 1998 г. - март 1999 г. |
1,00 | 1,00 | 1,00 | 0 | 0,63 | 0 |
VII |
Июль 1998 г. - июнь 1999 г. |
1,00 | 1,00 | 1,00 | 0 | 0,74 | 0 |
VIII |
Октябрь 1998 г. - сентябрь 1999 г. |
1,00 | 0,91 | 1,00 | 0 | 0,78 | 0 |
IX |
Январь 1999 г. - ноябрь 1999 г. |
0,76 | 0,93 | 0,80 | 0 | 0,78 | 0 |
|
Январь 1997 г. - ноябрь 1999 г. |
1,00 | 1,00 | 1,00 | 0,10 | 0,97 | 0,24 |
Полученные результаты, отражающие сравнительную эффективность моделей, подтверждают сделанные ранее выводы:
Данное исследование является попыткой частичной оптимизации параметров распространенных за рубежом моделей оценки рыночных рисков для применения на российском фондовом рынке.
Полученные результаты могут непосредственно использоваться для построения и тестирования систем риск-менеджмента в российских финансовых институтах, а также служить отправной точкой для исследований по другим рынкам.
Литература
1. Лобанов А. Регулирование рыночных рисков банков на основе внутренних моделей расчета VaR // РЦБ. 2000. № 9. С. 63-66.
2. Fink A., Johanning L., Rudolph B. Zur Prognosegu..te alternativer VaR-Verfahren im Aktienbereich // Solutions. 1999. Jahrgang 3, Ausgabe 1. S. 25-33.
3. Лобанов А. Проблема метода при расчете value at risk // РЦБ. 2000. № 21. С. 54-58.
4. Лобанов А., Филин С., Чугунов А. Риск-менеджмент. Ч. 1 // РИСК. 1999. № 4. С. 43-52.
5. J. P. Morgan/Reuters. RiskMetrics - technical do-cument. Fourth Edition. NY, 1996.
6. Supervisory framework for the use of
Адрес авторов: risklab@rea.ru