backtesting ค่าความเสี่ยง (var): พื้นฐาน

มูลค่าความเสี่ยง (VAR) เป็นมาตรการที่ใช้กันอย่างแพร่หลายของความเสี่ยงด้านการลงทุนในการลงทุนครั้งเดียวหรือพอร์ตการลงทุน VAR ให้การสูญเสียขั้นต่ำในมูลค่าหรือเปอร์เซ็นต์ของพอร์ตโฟลิโอหรือสินทรัพย์ในช่วงระยะเวลาหนึ่งสำหรับความเชื่อมั่นในระดับหนึ่ง ระดับความเชื่อมั่นมักจะถูกเลือกเพื่อให้บ่งชี้ถึงความเสี่ยงหางนั่นคือความเสี่ยงของเหตุการณ์ตลาดที่หายากและรุนแรง

ตัวอย่างเช่นไฟล์การคำนวณ varนั่นแสดงให้เห็นว่าสินทรัพย์ 5% มีโอกาสขาดทุน 3% ในช่วงเวลาหนึ่งวันจะบอกนักลงทุนด้วยการลงทุน $ 100 ในสินทรัพย์นั้นว่าพวกเขาควรคาดหวังโอกาส 5% ที่พอร์ตการลงทุนของพวกเขาจะลดลงอย่างน้อย $ 3 ในวันใดก็ตาม VAR ($ 3 ในตัวอย่างนี้) สามารถวัดได้โดยใช้สามวิธีที่แตกต่างกัน แต่ละวิธีการขึ้นอยู่กับการสร้างการกระจายผลตอบแทนการลงทุน อีกวิธีหนึ่งผลตอบแทนการลงทุนที่เป็นไปได้ทั้งหมดได้รับมอบหมายความน่าจะเป็นของการเกิดขึ้นในช่วงเวลาที่กำหนด

ประเด็นสำคัญ

มูลค่าความเสี่ยง (VAR) วัดความเสี่ยงด้านการลงทุนข้อเสียของการลงทุนเพียงครั้งเดียวหรือการลงทุนทั้งหมด
Backtesting เป็นเทคนิคที่ใช้โดยผู้จัดการความเสี่ยงเพื่อตรวจสอบว่าโมเดล VAR นั้นถูกต้องหรือไม่
ควรพิจารณาสาเหตุที่เป็นไปได้จำนวนหนึ่งเมื่อใดและหากการทดสอบ backtest ล้มเหลว
VAR เสนอข้อมูลที่เป็นประโยชน์เกี่ยวกับการสัมผัสกับความเสี่ยงกรณีที่เลวร้ายที่สุด แต่ต้องอาศัยการกระจายผลตอบแทนที่ใช้อย่างมากโดยเฉพาะอย่างยิ่งหางของการกระจาย

เมื่อเลือกวิธีการ VAR แล้วการคำนวณ VAR ของพอร์ตโฟลิโอเป็นการออกกำลังกายที่ค่อนข้างตรงไปตรงมา ความท้าทายอยู่ในการประเมินความถูกต้องของการวัดและดังนั้นความแม่นยำของการกระจายผลตอบแทน การรู้ถึงความถูกต้องของมาตรการมีความสำคัญอย่างยิ่งสำหรับสถาบันการเงินเพราะพวกเขาใช้ VAR เพื่อประเมินจำนวนเงินที่พวกเขาต้องการในการจองเพื่อครอบคลุมการสูญเสียที่อาจเกิดขึ้น ความไม่ถูกต้องใด ๆ ในโมเดล VAR อาจหมายความว่าสถาบันไม่ได้มีการสำรองเพียงพอและอาจนำไปสู่การสูญเสียที่สำคัญไม่เพียง แต่สำหรับสถาบันเท่านั้น แต่อาจเป็นไปได้สำหรับผู้ฝากเงินนักลงทุนรายบุคคลและลูกค้าองค์กร ในสภาวะตลาดที่รุนแรงเช่นที่ VAR พยายามจับภาพการสูญเสียอาจมีขนาดใหญ่พอที่จะทำให้เกิดการล้มละลาย-

วิธีย้อนกลับโมเดล VAR เพื่อความแม่นยำ

ผู้จัดการความเสี่ยงใช้เทคนิคที่เรียกว่าการทดสอบย้อนหลังเพื่อกำหนดความถูกต้องของโมเดล VAR การทดสอบย้อนหลังเกี่ยวข้องกับการเปรียบเทียบการวัด VAR ที่คำนวณได้กับการสูญเสียจริง (หรือกำไร) ที่เกิดขึ้นกับพอร์ตโฟลิโอ การทดสอบ backtest ขึ้นอยู่กับระดับความเชื่อมั่นที่สันนิษฐานในการคำนวณ

ตัวอย่างเช่นนักลงทุนที่คำนวณ VAR หนึ่งวันของ $ 3 สำหรับการลงทุน $ 100 ด้วยความเชื่อมั่น 95% จะคาดหวังว่าการสูญเสียหนึ่งวันในพอร์ตการลงทุนของเขาจะเกิน $ 3 เพียง 5% ของเวลา หากนักลงทุนบันทึกการสูญเสียจริงเกิน 100 วันการสูญเสียจะเกิน $ 3 ในห้าของวันนั้นหากโมเดล VAR ถูกต้อง การทดสอบ backtest แบบง่ายขึ้นการแจกแจงการส่งคืนจริงกับการแจกแจงการส่งคืนแบบจำลองโดยการเปรียบเทียบสัดส่วนของข้อยกเว้นการสูญเสียที่เกิดขึ้นจริงกับจำนวนข้อยกเว้นที่คาดหวัง การทดสอบ backtest จะต้องดำเนินการในระยะเวลานานพอสมควรเพื่อให้แน่ใจว่ามีการสังเกตผลตอบแทนที่เกิดขึ้นจริงเพียงพอที่จะสร้างการกระจายผลตอบแทนที่เกิดขึ้นจริง สำหรับการวัด VAR หนึ่งวันผู้จัดการความเสี่ยงมักใช้ระยะเวลาขั้นต่ำหนึ่งปีสำหรับการทดสอบย้อนหลัง

backtest ที่เรียบง่ายมีข้อเสียเปรียบที่สำคัญ: ขึ้นอยู่กับตัวอย่างของผลตอบแทนที่แท้จริงใช้แล้ว. พิจารณาอีกครั้งนักลงทุนที่คำนวณ VAR หนึ่งวัน $ 3 ด้วยความมั่นใจ 95% สมมติว่านักลงทุนทำการทดสอบ backtest มากกว่า 100 วันและพบข้อยกเว้นห้าประการ หากนักลงทุนใช้ระยะเวลา 100 วันที่แตกต่างกันอาจมีข้อยกเว้นน้อยลงหรือมีจำนวนมากขึ้น การพึ่งพาตัวอย่างนี้ทำให้ยากต่อการตรวจสอบความถูกต้องของแบบจำลอง เพื่อจัดการกับจุดอ่อนนี้การทดสอบทางสถิติสามารถนำไปใช้เพื่อให้แสงสว่างมากขึ้นว่าการทดสอบ backtest ล้มเหลวหรือผ่าน

ประเภทของวิธีการทดสอบ backtest

มีสองสามวิธีในการทดสอบ back -backs นี่คือไฮไลต์ของวิธีการทั่วไปบางอย่าง:

การจำลองเชิงประวัติศาสตร์ย้อนหลัง:การจำลองย้อนหลังในอดีตเปรียบเทียบการประมาณค่า VAR ของโมเดลกับผลตอบแทนที่เกิดขึ้นจริงจากข้อมูลตลาดที่ผ่านมา วิธีนี้ถือว่าการเคลื่อนไหวของราคาในอดีตเป็นพื้นฐานที่เชื่อถือได้สำหรับอนาคตการประเมินความเสี่ยง- มันเป็นวิธีที่ง่ายที่สุด แต่มีข้อสันนิษฐานมากมายที่อาจไม่เป็นจริง
Monte Carlo Simulation Backtesting:วิธี Monte Carloสร้างสถานการณ์ตลาดหลายพัน (หรือหลายล้าน) ของสมมุติฐานโดยใช้เทคนิคการสุ่มตัวอย่างแบบสุ่ม ด้วยการดำเนินการจำลองเหล่านี้ผู้จัดการความเสี่ยงสามารถประเมินความสูญเสียที่คาดการณ์ของโมเดลได้บ่อยครั้งเกินความสูญเสียจริง
พารามิเตอร์ (ความแปรปรวน -covariance) backtesting:
Parametric backtesting สันนิษฐานว่าสินทรัพย์ที่ส่งคืนเป็นไปตามการแจกแจงแบบปกติโดยอาศัยค่าเฉลี่ยของสินทรัพย์และค่าเบี่ยงเบนมาตรฐานเพื่อประเมิน var น่าเสียดายที่บางครั้งตลาดการเงินมีการแจกแจงแบบยาวแทน
ทฤษฎีค่าสุดขีด (EVT) การทดสอบย้อนหลัง:EVT มุ่งเน้นไปที่การสร้างแบบจำลองการสูญเสียที่รุนแรงเกินกว่าเกณฑ์ VAR มาตรฐาน โดยการกระจายการแจกแจงทางสถิติกับเหตุการณ์หางมันจะประเมินโอกาสและขนาดของการสูญเสียที่หายาก แต่รุนแรง

ข้อเท็จจริง

หน่วยงานกำกับดูแลอาจต้องมีการทดสอบย้อนหลังเป็นมาตรการความเสี่ยง

จะทำอย่างไรถ้าการทดสอบ backtest ล้มเหลว

เมื่อการทดสอบ backtest ล้มเหลวมีหลายสาเหตุที่เป็นไปได้ที่ต้องนำมาพิจารณา:

การกระจายผลตอบแทนที่ไม่ถูกต้อง

หากวิธีการ VAR ถือว่ามีการแจกแจงแบบส่งคืน (เช่นการกระจายผลตอบแทนปกติ) เป็นไปได้ว่าการแจกแจงแบบจำลองนั้นไม่เหมาะสมกับการแจกแจงจริง เกี่ยวกับสถิติความดีของพอดีการทดสอบสามารถใช้เพื่อตรวจสอบว่าการแจกแจงแบบจำลองนั้นเหมาะกับข้อมูลที่สังเกตได้จริง อีกวิธีหนึ่งคือวิธีการ VAR ที่ไม่ต้องการสมมติฐานการกระจาย

โมเดล VAR ที่ผิดพลาด

หากโมเดล VAR จับได้ให้พูดเพียงความเสี่ยงของตลาดทุนในขณะที่พอร์ตการลงทุนจะได้รับความเสี่ยงอื่น ๆ เช่นความเสี่ยงด้านอัตราดอกเบี้ยหรือความเสี่ยงจากการแลกเปลี่ยนเงินตราต่างประเทศ นอกจากนี้หากโมเดล VAR ล้มเหลวในการจับความสัมพันธ์ระหว่างความเสี่ยงก็จะถือว่าเป็นการสะกดผิด สิ่งนี้สามารถแก้ไขได้โดยรวมถึงความเสี่ยงที่เกี่ยวข้องและความสัมพันธ์ที่เกี่ยวข้องทั้งหมดในแบบจำลอง มันเป็นสิ่งสำคัญที่จะประเมินโมเดล VAR อีกครั้งเมื่อมีความเสี่ยงใหม่ถูกเพิ่มเข้าไปในกผลงาน-

การวัดการสูญเสียที่เกิดขึ้นจริง

การสูญเสียพอร์ตโฟลิโอที่แท้จริงจะต้องเป็นตัวแทนของความเสี่ยงที่สามารถสร้างแบบจำลองได้ โดยเฉพาะอย่างยิ่งการสูญเสียจริงจะต้องยกเว้นค่าธรรมเนียมใด ๆ หรือค่าใช้จ่ายหรือรายได้อื่น ๆ การสูญเสียที่แสดงถึงความเสี่ยงที่สามารถสร้างแบบจำลองได้นั้นเรียกว่า "การสูญเสียที่สะอาด" ผู้ที่มีค่าธรรมเนียมและรายการอื่น ๆ เรียกว่า "การสูญเสียสกปรก" การทดสอบย้อนกลับจะต้องดำเนินการโดยใช้การสูญเสียที่สะอาดเพื่อให้แน่ใจว่ามีการเปรียบเทียบที่คล้ายกัน

ข้อพิจารณาอื่น ๆ

เป็นสิ่งสำคัญที่จะไม่พึ่งพาโมเดล VAR เพียงเพราะมันผ่านการทดสอบ backtest แม้ว่า VAR เสนอข้อมูลที่เป็นประโยชน์เกี่ยวกับการสัมผัสกับความเสี่ยงกรณีที่เลวร้ายที่สุด เนื่องจากเหตุการณ์หางไม่บ่อยนักผู้ปฏิบัติงานบางคนยืนยันว่าความพยายามใด ๆ ในการวัดความน่าจะเป็นของหางตามการสังเกตทางประวัติศาสตร์นั้นมีข้อบกพร่องโดยเนื้อแท้ จากข้อมูลของสำนักข่าวรอยเตอร์ "VAR เข้ามาวิจารณ์อย่างรุนแรงหลังจากวิกฤตการณ์ทางการเงินเนื่องจากหลายรูปแบบล้มเหลวในการทำนายขอบเขตของการสูญเสียที่ทำลายล้างธนาคารขนาดใหญ่หลายแห่งในปี 2550 และ 2551"

เหตุผล? ตลาดไม่เคยประสบกับเหตุการณ์ที่คล้ายกันดังนั้นจึงไม่ได้ถูกจับในหางของการแจกแจงที่ใช้ หลังจากวิกฤตการณ์ทางการเงินปี 2550 ก็เห็นได้ชัดว่าโมเดล VAR ไม่สามารถรับความเสี่ยงได้ทั้งหมด ตัวอย่างเช่น,ความเสี่ยงพื้นฐาน-ความเสี่ยงเพิ่มเติมเหล่านี้เรียกว่า "ความเสี่ยงไม่ได้อยู่ใน VAR" หรือ RNIV

ในความพยายามที่จะจัดการกับความไม่เพียงพอเหล่านี้ผู้จัดการความเสี่ยงเสริมการวัด VAR ด้วยมาตรการความเสี่ยงอื่น ๆ และเทคนิคอื่น ๆ เช่นการทดสอบความเครียด-

การทดสอบความเครียด

ในขณะที่ VAR ให้การประเมินความน่าจะเป็นของการสูญเสียที่อาจเกิดขึ้นภายใต้สภาวะตลาดปกติ แต่มักจะประเมินความเสี่ยงของหางต่ำกว่า แต่ทางการเงินที่หายาก แต่หายาก การทดสอบความเครียดช่วยลดช่องว่างนี้

หนึ่งในข้อได้เปรียบหลักของการทดสอบความเครียดคือความสามารถในการเปิดเผยจุดอ่อนในแบบจำลอง VAR ที่อาจเกิดขึ้นจากสมมติฐานเชิงโครงสร้างหรือข้อมูลทางประวัติศาสตร์ที่ จำกัด วิธีการทดสอบย้อนหลังแบบดั้งเดิมประเมินความแม่นยำในการทำนายของแบบจำลองตามพฤติกรรมการตลาดที่ผ่านมา แต่พวกเขาไม่สามารถอธิบายการเปลี่ยนแปลงของตลาดได้อย่างไม่เคยปรากฏมาก่อน โดยการใช้สถานการณ์ความเครียดเช่นการปรับขึ้นอัตราดอกเบี้ยที่คมชัดการลดค่าเงินสกุลเงินการระบาดใหญ่ของโควิด 19- ผู้จัดการที่มีความเสี่ยงสามารถระบุจุดบอดที่อาจเกิดขึ้นในรุ่น VAR ของพวกเขา

นอกจากนี้ยังมีบางสิ่งที่ต้องคำนึงถึงเกี่ยวกับการทดสอบความเครียดหน่วยงานกำกับดูแลอาจเน้นการทดสอบความเครียดโดยเฉพาะอย่างยิ่งสำหรับกรอบการทำงานเช่นการบริหารความเสี่ยงทางการเงิน ตัวอย่างเช่นธนาคารและสถาบันการเงินจะต้องทำการทดสอบความเครียดควบคู่ไปกับการคำนวณ VAR เพื่อตอบสนองความต้องการความเพียงพอของทุน สิ่งนี้ทำให้แน่ใจว่าธนาคารเหล่านี้ไม่มีการพึ่งพาตัวชี้วัดความเสี่ยงเพียงครั้งเดียว แต่มีมุมมองที่กว้างขึ้นไม่เพียง แต่ในรูปแบบ แต่เป็นผลลัพธ์

ความล้มเหลวในการทดสอบ backtesting var หมายถึงอะไร?

ความล้มเหลวของการทดสอบ backtesting var เกิดขึ้นเมื่อการสูญเสียพอร์ตการลงทุนจริงเกินเกณฑ์ VAR ที่คาดการณ์ไว้บ่อยกว่าที่คาดไว้ สิ่งนี้ชี้ให้เห็นว่าแบบจำลองนั้นประเมินความเสี่ยงต่ำเกินไป

โมเดล VAR ควรล้มเหลวบ่อยแค่ไหน?

อัตราความล้มเหลวที่คาดหวังขึ้นอยู่กับระดับความเชื่อมั่นที่ใช้ในการคำนวณ VAR สำหรับระดับความเชื่อมั่น 95% การเกินควรเกิดขึ้นประมาณ 5% ของเวลาในขณะที่ระดับความเชื่อมั่น 99% พวกเขาควรจะเกิดขึ้นประมาณ 1% ของเวลา หากความล้มเหลวเกินความคาดหวังเหล่านี้อย่างมีนัยสำคัญแสดงว่าโมเดลอาจไม่ได้รับการสอบเทียบอย่างเหมาะสม

อะไรคือสาเหตุหลักของความล้มเหลวในการทดสอบ back -backsing var?

สาเหตุทั่วไป ได้แก่ การใช้การกระจายที่ไม่เหมาะสมสำหรับการส่งคืนสินทรัพย์ไม่สามารถอธิบายการจัดกลุ่มความผันผวนได้อาศัยชุดข้อมูลประวัติที่ จำกัด หรือมองเห็นความเสี่ยงด้านหาง

การทดสอบความเครียดสามารถเติมเต็ม var backtesting ได้อย่างไร?

การทดสอบความเครียดช่วยระบุความเสี่ยงที่แบบจำลอง VAR อาจมองข้ามโดยการจำลองสถานการณ์ตลาดที่รุนแรง แต่น่าเชื่อถือ ซึ่งแตกต่างจาก VAR ซึ่งถือว่าสภาวะตลาดปกติการทดสอบความเครียดประเมินประสิทธิภาพของพอร์ตการลงทุนภายใต้สถานการณ์ฉุกเฉินที่ไม่ซ้ำกันมากขึ้น

บรรทัดล่าง

ค่าความเสี่ยง (VAR) เป็นการวัดการสูญเสียกรณีที่เลวร้ายที่สุดในช่วงเวลาที่กำหนดด้วยความมั่นใจในระดับหนึ่ง การวัดบานพับ VAR ในการกระจายผลตอบแทนการลงทุน เพื่อที่จะทดสอบว่าแบบจำลองนั้นแสดงถึงความเป็นจริงได้อย่างถูกต้องหรือไม่สามารถทำการทดสอบย้อนหลังได้หรือไม่ การทดสอบ backtest ที่ล้มเหลวหมายความว่าโมเดล VAR จะต้องได้รับการประเมินใหม่ อย่างไรก็ตามโมเดล VAR ที่ผ่านการทดสอบ backtest ควรเสริมด้วยมาตรการความเสี่ยงอื่น ๆ เนื่องจากข้อบกพร่องของการสร้างแบบจำลอง VAR