РискМетрики

Не следует путать с метрикой риска , абстрактной концепцией, измеряемой количественно мерами риска .

Модель RiskMetrics отклонения , попросил предоставить ежедневный отчет , (также известная как экспоненциальное сглаживание ) была впервые создана в 1989 году, когда сэр Деннис Уэзерстоун , новый председатель JP Morgan измеряющий и объясняющий риски его фирмы. методологию RiskMetrics Почти четыре года спустя, в 1992 году, JP Morgan выпустил на рынок , сделав существенные исследования и анализ, удовлетворившие запрос сэра Денниса Уэзерстоуна, свободно доступными для всех участников рынка.

В 1998 году, когда спрос клиентов на опыт группы в области управления рисками превысил внутренние ресурсы компании по управлению рисками, Департамент корпоративного управления рисками был выделен из JP Morgan и стал RiskMetrics Group с 23 сотрудниками-учредителями. Технический документ RiskMetrics был переработан в 1996 году. В 2001 году он снова был переработан в Return to RiskMetrics . В 2006 году был представлен новый метод моделирования доходности факторов риска (RM2006). 25 января 2008 года RiskMetrics Group зарегистрировалась на Нью-Йоркской фондовой бирже ( NYSE : RISK). В июне 2010 года RiskMetrics была приобретена MSCI за 1,55 миллиарда долларов.

Процесс измерения рисков

портфеля Измерение риска можно разбить на этапы. Первый – это моделирование рынка, который приводит к изменениям стоимости портфеля. Рыночная модель должна быть достаточно конкретизирована, чтобы портфель можно было переоценить с использованием информации из рыночной модели. Затем измерения риска извлекаются из распределения вероятностей изменений стоимости портфеля. Изменение стоимости портфеля обычно называют прибылью и убытком, или P&L.

Факторы риска

Системы управления рисками основаны на моделях, описывающих потенциальные изменения факторов, влияющих на стоимость портфеля. Эти факторы риска являются строительными блоками для всех функций ценообразования. В целом, факторами, влияющими на цены финансовых ценных бумаг, являются цены на акции , курсы иностранных валют , цены на сырьевые товары , процентные ставки , корреляция и волатильность . Создавая будущие сценарии для каждого фактора риска, мы можем сделать вывод об изменениях стоимости портфеля и переоценить портфель для различных «состояний мира».

Меры портфельного риска

Стандартное отклонение

Первой широко используемой мерой риска портфеля было стандартное отклонение стоимости портфеля, описанное Гарри Марковицем . Хотя стандартное отклонение сравнительно легко вычислить, оно не является идеальным показателем риска, поскольку оно влияет как на прибыль, так и на убытки.

Стоимость под угрозой

Технический документ 1994 года популяризировал VaR как меру риска, которую выбирают инвестиционные банки, стремящиеся измерить риск своего портфеля в интересах банковских регуляторов. VaR — это мера риска снижения , то есть она обычно фокусируется на убытках.

Ожидаемый дефицит

Третьей часто используемой мерой риска является ожидаемый дефицит , также известный как ожидаемая хвостовая потеря, XLoss, условный VaR или CVaR.

Маржинальная VaR

Маржинальную VaR позиции по портфелю можно рассматривать как величину риска, который позиция добавляет к портфелю. Формально его можно определить как разницу между VaR всего портфеля и VaR портфеля без позиции.

Для измерения влияния изменения позиций на риск портфеля отдельных VaR недостаточно. Волатильность измеряет неопределенность в доходности актива, взятого изолированно. Однако, когда этот актив принадлежит портфелю, значение имеет вклад в риск портфеля.

- Филипп Жорион (2007)

Дополнительный риск

Статистика дополнительных рисков предоставляет информацию о чувствительности риска портфеля к изменениям размеров позиций в портфеле.

Важным свойством возрастающего риска является субаддитивность. То есть сумма дополнительных рисков позиций в портфеле равна общему риску портфеля. Это свойство имеет важное применение при распределении риска по различным подразделениям, где цель состоит в том, чтобы сохранить сумму рисков равной общему риску.

Поскольку RiskMetrics охватывает три меры риска, существует три дополнительных меры риска: приростная VaR (IVaR), приростная ожидаемая нехватка (IES) и приростное стандартное отклонение (ISD).

Дополнительную статистику также можно применять для оптимизации портфеля. Портфель с минимальным риском будет иметь дополнительный риск, равный нулю для всех позиций. И наоборот, если дополнительный риск равен нулю для всех позиций, портфель гарантированно будет иметь минимальный риск только в том случае, если мера риска является субаддитивной.

Последовательные меры риска

Последовательная мера риска удовлетворяет следующим четырем свойствам:

1. Субаддитивность

Мера риска является субаддитивной , если для любых портфелей A и B риск A+B никогда не превышает риск A плюс риск B. Другими словами, риск суммы подпортфелей меньше или равен сумму их индивидуальных рисков.

Стандартное отклонение и ожидаемый дефицит являются субаддитивными, а VaR — нет.

Субаддитивность требуется в связи с агрегированием рисков по подразделениям, бизнес-подразделениям, счетам или дочерним компаниям. Это свойство важно, когда разные бизнес-подразделения рассчитывают свои риски независимо, и мы хотим получить представление об общем риске. Отсутствие субаддитивности также может вызывать беспокойство у регулирующих органов, поскольку у компаний может возникнуть мотивация распадаться на дочерние компании для удовлетворения требований к капиталу.

2. Трансляционная инвариантность

Добавление денежных средств в портфель снижает его риск на ту же сумму.

3. Положительная однородность степени 1.

Если мы удвоим размер каждой позиции в портфеле, риск портфеля увеличится вдвое.

4. Монотонность

Если потери в портфеле А больше, чем убытки в портфеле Б для всех возможных сценариев доходности факторов риска, то риск портфеля А выше, чем риск портфеля Б.

Оценка мер риска

Процесс оценки любой меры риска может быть в значительной степени ошибочным. Если на основе неточной оценки мы не можем получить хорошее представление о том, какой может быть истинная ценность, то эта оценка практически бесполезна. Хорошее измерение риска — это дополнение любой оцененной меры риска некоторым показателем их точности или размера ошибки.

Существуют различные способы количественной оценки ошибки некоторых оценок. Один из подходов заключается в оценке доверительного интервала измерения риска.

Рыночные модели

RiskMetrics описывает три модели для моделирования факторов риска, определяющих финансовые рынки.

Ковариационный подход

Первый очень похож на среднековариационный подход Марковица. Марковиц предположил, что матрица ковариации активов $\Sigma$ можно наблюдать. Ковариационная матрица может использоваться для расчета дисперсии портфеля. RiskMetrics предполагает, что рынком движут факторы риска с наблюдаемой ковариацией. Факторы риска представлены временными рядами цен или уровней акций, валют, товаров и процентных ставок. Инструменты оцениваются с учетом этих факторов риска с помощью различных моделей ценообразования. Предполагается, что сам портфель представляет собой некую линейную комбинацию этих инструментов.

Историческое моделирование

Вторая рыночная модель предполагает, что рынок имеет только конечное число возможных изменений, взятых из выборки доходности факторов риска за определенный исторический период. Обычно историческое моделирование выполняется путем выборки прошлых ежедневных изменений факторов риска и применения их к текущему уровню факторов риска для получения сценариев цен на факторы риска. Эти сценарии возмущенных ценовых факторов риска используются для определения распределения прибыли (убытков) для портфеля.

Преимущество этого метода заключается в простоте, но как модель он медленно адаптируется к меняющимся рыночным условиям. Он также страдает от ошибок моделирования, поскольку количество симуляций ограничено историческим периодом (обычно от 250 до 500 рабочих дней).

Симуляция Монте-Карло

Третья рыночная модель предполагает, что логарифм доходности или логарифм доходности любого фактора риска обычно подчиняется нормальному распределению . В совокупности логарифмическая доходность факторов риска является многомерной нормальной . Моделирование алгоритма Монте-Карло генерирует случайные рыночные сценарии, основанные на этом многомерном нормальном распределении. Для каждого сценария рассчитывается прибыль (убыток) портфеля. Этот набор сценариев прибыли (убытков) представляет собой выборку распределения прибыли (убытков), на основе которой можно вычислить выбранные меры риска.

Критика

Нассим Талеб в своей книге «Черный лебедь» (2007) писал:

Банки сейчас более уязвимы для « Черного лебедя», чем когда-либо прежде, поскольку в их штате есть «ученые», которые заботятся о рисках . Гигантская фирма JP Morgan поставила под угрозу весь мир, представив в девяностых годах RiskMetrics, фальшивый метод, направленный на управление человеческими рисками. родственный метод под названием « Ценность под риском », который основан на количественном измерении риска. Распространяется

Ссылки

• Гарри Марковиц , «Выбор портфеля», «Финансовый журнал» , март 1952 г.
• Питер Зангари, Технический документ RiskMetrics , 1996 г.
• Мэтью Прицкер, Скрытые опасности исторического моделирования , Совет управляющих Федеральной резервной системы, Серия дискуссий по финансам и экономике , 2001.
• Джереми Берковиц и Джеймс О'Брайен, «Насколько точны модели оценки стоимости риска в коммерческих банках?», Journal of Finance , Vol. 57, № 3 (июнь 2002 г.), стр. 1093–1111.
• Хорхе Мина и Джерри Сяо. Вернитесь к RiskMetrics – эволюция стандарта , 2001 г.
• Крис Фингер. Как историческое моделирование сделало меня ленивым , RiskMetrics Research Monthly , апрель 2006 г.
• Жиль Зумбах, Краткое введение в методологию RM 2006 , Рабочий документ RiskMetrics, ноябрь 2006 г.
• Алан Лаубш, Управление рисками: Практическое руководство , 1999 г.

Специфический

Внешние ссылки

• • Исторические бизнес-данные RiskMetrics Group:
  • документы SEC