VaR (Value at Risk) Model

Professor Vergil VOINEAGU PhD Danut CULETU, PhD Student Academy of Economic Studies, Bucharest
Abstract The VaR model represents a significant progress in risk analysis, among the improvements it brings we can outline the attempt to measure risk itself in terms of an eventual loss, instead of focusing on gain-based approach. Key words: risk, model, monitor, bank, loss, gain

Urmtoarea etap n cuantificarea riscului dup teoria portofoliului a fost Value at Risk(VaR). Aceasta reprezint o modificare substanial n direcia cuantificrii riscului datorit urmtoarelor : - VaR a iniiat o schimbare de focus n utilizarea msurtorilor de risc n favoarea unui management al riscului n contextul unei anumite industrii. n 1994 JP Morgan a creat VaR pentru a msura riscul ntregii instituii printr-o singur modalitate de msurare a riscului; - Comitetul Basel de monitorizare a bncilor, care standardizeaz reglementrile i practicile n domeniul bancar, a solicitat bncilor s-i stabileasc capitalul n funcie de VaR din 1995.Acest lucru a fcut ca VaR s devin popular n ceea ce privete msurarea riscului. - Precedentele metode de msurare a riscului se axau pe justificarea ctigurilor unui activ bazat pe modele teoretice care legau riscul de ctig (ex CAPM). VaR schimb focusul ncercnd s msoare riscul n sine n termenii unei eventuale pierderi (dect a unui eventual ctig). VaR i propune s rspund la ntrebarea "Ct de mult poate pierde un investitor cu o anumit probabilitate, pentru o perioad de timp". VaR este definit ca: (1) unde F(.) este probabilitatea cumulativa de distribuire a funciei Z(T) este pierderea .Pierderea este definita ca fiind Z(t) = S(0) - S(t) unde S(t) este preul aciunii la timpul t este o probabilitate cumulativ asociat pragului VaR i distribuiei pierderilor lui Z(t) Pentru a da un exemplu, s presupunem c un portofoliu ar avea VaR de 10,000,000 USD pentru o zi cu o probabilitate cumulativ de 90 %. Aceasta nseamn c pierderea asociat portofoliului poate fi de maxim 10,000,000 USD, pentru o zi, cu o probabilitate cumulative de 90 %. O interpretare alternativ ar fi aceea c pierderea la nivelul portofoliului poate fi mai mare de 10,000,000 USD, ntr-o zi, cu o probabilitate cumulativ de 100-90 = 10%.Uzual este ales 0,90 , 0,95 sau 0,99.

328

Revista Romn de Statistic Supliment Trim II/2012

Msurarea VaR pentru un portofoliu este o provocare teoretic i informaional ntruct este dificil s modelezi evoluia n timp a unui portofoliu compus din sute de aciuni. Dei se bucura de mare interes n mediul academic, cele patru metode principale sunt: Simularea istoric folosete date i informaii istorice pentru a previziona rata ctigului la factorii de risc, n locul ipotezei distribuiei normale pentru factorii de risc. Astfel, colectarea datelor istorice este urmat de msurarea modificrilor procentuale zilnice ale valorilor factorilor care influeneaz valoarea portofoliului n situaia n care istoria s-ar repeta n viitor. Prin scderea valorii viitoare a portofoliului din valoarea curent a acestuia, analistul poate determina valoarea care ar fi pierdut datorit riscului de pia, dac ipotezele sau condiiile de lucru s-ar repeta. Analiza este repetat pentru fiecare zi de tranzacionare din perioada pentru care s-au colectat datele istorice, concretizat n trasarea unei distribuii a rezultatelor posibile la nivelul portofoliului. Cnd distribuia este complet, rezultatele posibile sunt ierarhizate n funcie de nivelul ctigului sau al pierderii i este ales un nivel de ncredere (un nivel al probabilitii) pentru realizarea estimrii. Valoarea respectivului procent n cadrul distribuiei reprezint VAR pentru portofoliu. Simularea Monte Carlo reprezint o abordare mai riguroas i mai complex comparativ cu simularea istoric, deoarece acord o importan mai mare potenialului apariiei de ocuri de pia. Ea recurge la modelarea matematic pentru previzionarea ocurilor viitoare. Aceast metod presupune utilizarea modificrilor nregistrate n trecut la nivelul factorilor de risc pentru o perioad istoric, cu scopul generrii unui model matematic care cuprinde factorii considerai, de obicei sub forma unei regresii multiple. Modelul obinut este apoi utilizat pentru calcularea valorii viitoare posibile a unui factor de risc, prin simularea comportamentului factorilor de risc considerai. Prin repetarea simulrii este trasat o distribuie a valorilor viitoare, de obicei folosind cin numr mare de iteraii - de exemplu, 10.000. Fiecare dintre valorile obinute are atribuit o probabilitate de apariie, valorile portofoliului putnd fi ierarhizate ascendent sau descendent i nsoite de probabilitile de apariie. Decidentul selecteaz un nivel al ncrederii pentru estimarea VAR, iar cnd probabilitatea cumulat a distribuiei atinge acest nivel valoarea la care se ntmpl acest lucru reprezint VAR pentru portofoliu. Utilizarea corelaiilor este de departe abordarea cea mai puin complex, deoarece se bazeaz pe o serie de ipoteze de lucru simplificatoare: distribuia normal a ctigurilor i corelaiile constante ntre factorii de risc. Ca urmare, ea este cea mai rapid metod de calcul. Simularea istoric este o abordare mai complex, folosind tendinele nregistrate n preurile istorice pentru a permite o prezen mai mare a ocurilor pieei n calcularea VAR. Totui, ea presupune c preurile istorice reprezint previziuni suficient de bune ale preurilor viitoare i folosete un singur model al evoluiei preurilor pentru calcularea VAR, ceea ce poate s nu reprezinte o reflectare corect a viitorului. Simularea Monte Carlo este cea mai sofisticat modalitate de calcul a VAR, dar sA cea mai flexibil, ea mbinnd datele istorice cu o serie de constrngeri de natur statistic sub forma unui mod matematic ce ine cont de mai multe posibiliti de evoluie a factorilor de risc. Totui, datorit complexitii sale, aplicarea acestei metode este dificil, iar costul presupus de calcule poate fi considerat de anumite firme ca fiind exagerat.
Revista Romn de Statistic Supliment Trim II/2012

329

Metoda varianei-covarianei ( cunoscuta ca Metoda Delta Normal) Utiliznd aceasta metod, modelm distribuia pierderilor din portofoliu, apelnd la urmtoarele ipoteze: - portofoliu este linear: schimbrile n preul portofoliului V(t) sunt dependente de preul activului din componenta S(t). Cu alte cuvinte:

- activul din componenta are o distribuie normala a ctigului, ceea ce implica faptul ca i ctigurile din portofoliu sunt normal distribuite. Este de notat c suma funciilor distribuite normal nu este ntotdeauna normal. Astfel ipoteza portofoliului linear nu poate garanta ctigul portofoliului ca fiind normal. Avnd n vedere ipotezele expuse mai sus, care ne dau posibilitatea s descriem pierderea din portofoliu utiliznd o distribuie normal, exist numeroase ecuaii i metode de distribuie care pot fi folosite, calcularea VaR devenind astfel mult mai simpla. 5. Msurarea coerent a riscului Axiomele msurrii riscului reprezint o piatr de temelie n msurarea riscului a fost propunerea lui Artzner referitoare la primele axiome ale msurrii riscului; msurarea riscului n concordanta cu aceste axiome a fost numit msurare coerent a riscului. Axiomele coerenei au avut asemenea implicaii nct nu a mai fost posibil desemnarea arbitrar a unei funcii de msurare a riscului, dect cu condiia respectrii acestor axiome , n consecina VaR nu a mai fost considerat un indicator adecvat al msurrii riscului. Vom defini acum o msurare coerenta a riscului ca fiind p(.).Fie X i Y pierderile a doua portofolii, atunci p este coerent daca adera la cele patru axiome: - riscul este monoton: dac X < Y atunci p(X) p (Y) - riscul este omogen: p(X) = p(X) pentru > 0 - invariaia translatrii activelor fr risc:p(X+)= p(X) ,unde este activul fr risc. - riscul este sub-aditiv :p(X+Y) p(X) + p(Y) Vom explica acum fiecare axiom n parte. Prima axiom explic asocierea riscului nalt cu riscul sczut. Omogenitatea ne asigur c nu putem creste sau descrete riscul investind sume diferite n aciuni diferite; cu alte cuvinte riscul este asociat activului n sine i nu n funcie de cantitatea cumprat. Invariaia translatrii poate fi explicat prin faptul ca investiia ntr-un activ fr risc aduce probabilitatea pierderii la 1. Astfel vom primi ntotdeauna suma iniial investit. Investiia iniial este dedus pentru c msurtorile de risc msoar riscul ca o sum pozitiv, un asemenea ctig fiind negativ. Subaditivitatea este cea mai important axiom pentru c asigur c o msurare coerenta a riscului poate avea loc odat cu diversificarea portofoliului. Axioma ne arat c, investind n ambele portofolii, X i Y, rezultatul este un risc mai mic pe total dect suma riscurilor pentru o investiie separat n portofoliul X i portofoliul Y. VaR nu este o msur coerent pentru c nu respect axioma subaditivitii, i n consecin poate conduce la un risc mai ridicat rezultnd din diversificare. Putem spune c msurarea riscului este de coeren redus dac este convex, invariabil translaional i omogen. Merit s observm c axiomele coerenei asigur c msurarea riscului este convex i supus optimizrii informatice. 330
Revista Romn de Statistic Supliment Trim II/2012

 Msurarea coerenta a riscului Avnd n vedere introducerea n axiomele coerenei i concluzia c VaR nu este coerent, noi msuri de coeren a riscului au fost propuse pentru a capta avantajele VaR. n particular era nevoie de o msurare "pur" a riscului, simpl de neles care ar putea captura toate informaiile cheie de risc cu cele trei pri importante ale informaiei: probabilitate, pierdere i timp. Pentru a rspunde cu un echivalent coerent la VaR , o varietate de msuri legate de VaR au fost propuse. Exemplele includ TvaR (tail value at risk), WCE( Worst condiional expectation) i CVaR ( condiional value at risk). CVaR a devenit o modalitate uzual de msurare a riscului datorit similaritii cu VaR dar i datorit faptului c evalueaz "ct de ru pot evolua lucrurile" dac pierderea VaR este depit. CVaR este pierderea ateptat ca urmare a faptului c VaR este depit; este definit ca:

O definiie alternativ a CVaR este media distribuiilor extreme ale pierderilor VaR .Un alt avantaj al CVaR este ca ponderea n portofoliu poate fi uor optimizat cu ajutorul programrii liniare pentru a minimiza CVaR. Msurtorile spectrale de risc sunt un grup de msurtori coerente de risc, unde riscul este dat de suma mediei ponderate a rezultatelor. Aceste ponderi pot fi alese pentru a reflecta preferina de risc pentru rezultate particulare. Axioma subaditivitii demonstreaz importana capturrii dependentelor dintre active atunci cnd se msoar riscul portofoliului. n consecin acest lucru crete interesul pentru copula: acesta este o funcie care cartografiaz un set de distribuii marginale ntr-o distribuie multivariat i viceversa. Teorema lui Sklar st la baza teoriei copula, care demonstreaz c pentru o distribuie multivariat dat exist o copula care poate combina toate distribuiile marginale pentru a da o distribuie comun. De exemplu, ntr-un caz bivariat, dac avem dou distribuii marginale F(x) i G(y) atunci exist o funcie copula C pentru a da distribuia multivariat H(x,y): Exist o varietate de copula i exemplele includ i copula Gaussian i pe cea a lui Clayton. nainte de a fi utilizate n matematica financiar, copula a fost utilizat n tiinele actuariale i Ingineria civil i mecanic. n Teoria Valorilor Extreme copula a devenit deosebit de important pentru c nu este posibil sa capturezi dependentele dintre variabile aleatoare utiliznd corelaiile standard. n ciuda numrului mare de copula existente acestea continu s fie o zon activ de cercetri ntruct este important s avem copula care captureaz tipul corect de dependente dintre active. Tendine viitoare privind msurtorile de risc Msurarea riscului a fost ntotdeauna un domeniu nfloritor de cercetare. O zon important de interes este cea care se refer la identificarea unor metode satisfctoare de modelare a dependentelor ntre active, altele dect corelaiile. Alternativ, exist un interes mare n gsirea formulelor care pot s captureze dependena comportamentului n mod semnificativ. Un alt domeniu de cercetare este msurarea dinamic a riscului. Aceasta implic msurarea riscului n mod continuu, n loc s aplice distribuia static. O alt direcie important n msurarea riscului este conceperea unor modaliti de msurare a riscului specific cum ar fi, msurarea riscului de credit, msurarea riscului de lichiditate, etc. Ar fi de notat c asemenea msurtori exista deja n anumite domenii (de
Revista Romn de Statistic Supliment Trim II/2012

331

exemplu Merton utilizeaz modelul structural al creditelor neperformante) i modelul KMV.

Bibliografie selectiv Alexander C. (2009) Market Risk Analysis, Volume IV, Value-at-Risk Models, John Wiley & Sons, Ltd.; Jorion P. (2003) Financial Risk Manager Handbook, Second Edition, John Wiley & Sons, Inc.; ESMA (2009) - Risk Management Principle for UCITS; Directiva 2010/43/UE a Comisiei din 1 iulie 2010 de punere n aplicare a Directivei 2009/65/CE a Parlamentului European i a Consiliului n ceea ce privete cerinele organizatorice, conflictele de interese, regulile de conduit, administrarea riscului i coninutul acordului dintre depozitar i societatea de administrare

332

Revista Romn de Statistic Supliment Trim II/2012