Sunteți pe pagina 1din 18

Colecia de working papers ABC-UL LUMII FINANCIARE

WP nr. 1/2003

Msuri ale riscurilor financiar-bancare

imurlea Mihai
Facultatea de Finane, Asigurri, Bnci i Burse de Valori, anul III
Academia de Studii Economice din Bucureti
m.timurlea@yahoo.com

Coordonatorul lucrrii
Lect.univ.dr. Bobeic Gabriel

Rezumat. Prezenta lucrare i propune analiza unor msuri ale riscurilor financiare.
n prima parte vom prezenta metode de msurare a riscului precum Value at Risc (VaR).
Totodat vom prezenta i doua dintre cele mai utilizate modele de investigare a volatilitii
randamentelor, aa-numitele modele ARCH (Autoregressive Conditional Heteroscedasticity)
i GARCH (Generalized Autoregressive Conditional Heteroscedasticity) dezvoltate de ctre
Engel i extinse de Boreslev i Nelson.
A doua parte va cuprinde studiul de caz, modelarea seriei de date EUR/RON, pe perioada
2007-2012 inclusiv, date cu o frecven zilnic.

Cuvinte-cheie: Curs de schimb EUR/RON; volatilitate; pierdere; Value at Risk; GARCH.

Clasificare JEL: C220, G170.

Clasificare REL: 9B, 9F, 11A.

1. INTRODUCERE

Istoria Value at Risk este legat de preedintele bncii de investiii J.P. Morgan. Astfel,
n 1994 ia natere, n cadrul J.P. Morgan, departamentul de Risk Metrics. n urma cercetrilor
acestui departament, msura pentru risc lansat a fost Value at Risk (VaR). Succesul acestei
metode s-a datorat i importanei care i-a fost atribuit n amendamentul din 1996 al
Acordului de la Basel n care se recomand ca bncile centrale s foloseasc VaR pentru a
determina limita minim de capital necesar unei bnci comerciale pentru a-i acoperi riscul
de pia la care este expus. Unul din cele mai importante riscuri de pia este riscul de curs de
schimb, acesta urmnd s fie analizat n aceast lucrare.
Importana deosebit acordat msurrii riscului indus de volatilitatea cursului de
schimb se datoreaz faptului c nu numai instituiile financiare sunt afectate de fluctuaia
cursului. n realitate, o volatilitate ridicat a cursului de schimb poate afecta att instituiile
financiare ct i comertul international, o volatilitate foarte mare afectnd toate firmele care
particip la tranzacii conform lucrrii Exchange Rate Volatility and Trade Flows - Some New
Evidence (Clark P., Tamirisa N., 2004) Alte studii, precum Capital Controls, Exchange Rate
Volatility and External Vulnerability (Edwards S., Rigobon R., 2005) sau Financial Risk
Measurement for Financial Rick Management (Andersen T., Bollerslev, T., 2012) subliniaz
importana masurrii riscului cursului de schimb.

360
imurlea Mihai
Msuri ale riscurilor financiar-bancare

Pe parcursul acestei lucrri vom prezenta succint principalele modele GARCH de


estimare a volaitlitii cursului de schimb, principalele metode de calcul al Value at Risk,
urmnd s calculm volatilitatea cursului de schimb EUR/RON pe perioada ianuarie 2007
20 martie 2013 pe un set de date cu frecven zilnic i calculul Value at Risk al unui
portofoliu format din valuta EURO conform standardelor Comitetului de la Basel.

2. Recapitularea literaturii relevante

Lucrarea Exchange Rate Volatility and Trade Flows - Some New Evidence (Clark P.,
Tamirisa N., 2004) beneficiat de comentarii de la Mary Amiti, DellArricia, Raghuram Rajan,
Stephen Tokarick, dar i din partea managementului i a unora din numeroasele departamente
ale FMI. Opiniile exprimate fiind cele ale autorilor, nereflectnd neaprat punctele de vedere
ale autoritilor naionale sau a directorilor executivi ai FMI.
Acest studiu are o deosebita importanta deoarece arata importanta volatilitatii cursului
de schimb nu numai in banci si institutii financiare, dar si in ceea ce priveste comertul
international, o volatilitate foarte mare afectand toate firmele care participa la aceste tranzactii.
Aceast lucrare i propune analiza efectului cursului de schimb asupra comerului,
ntocmit ca un rspuns la o solicitare din partea directorului general al Organizaiei Mondiale
a Comerului la FMI. FMI a realizat, n 1984, pentru Acordul General pentru Tarife i Comer
(GATT), un studiu pe acest subiect. De atunci, s-au nregistrat evoluii importante n
economia mondial, unele dintre ele exacerbnd fluctuaiile cursului de schimb n timp ce
altele au redus impactul volatilitii asupra comerului, prin urmare s-a considerat necesar
revizuirea problemei 20 de ani mai trziu.
Studiul de fa a oferit o analiz mult mai cuprinztoare a volatilitii cursului de
schimb i a comerului decat analiza FMI-ului din anul 1984. Acesta a examinat variabilitatea
cursului de schimb n ultimii treizeci de ani pentru toate rile pentru care exist date
disponibile i a implementat tehnici statistice pentru a testa prezumia existent, aceea c
volatilitatea cursului de shimb reduce nivelul comerului internaional.
n ceea ce privete variabilitatea observat, aceast analiz arat c, n timp fluctuaiile
cursului de schimb au crescut n timpul crizei valutei i a balanei de pli, nu s-a constatat i o
cretere clar a mediei volatilitii cursului de schimb n perioada 1970-1990. Deasemenea,
este demonstrat faptul c valutele rilor cu o economie dezvoltat au avut o volatilitate medie
mai scazut decat rile in curs de dezvoltare.
n ceea ce privete impactul cursului de schimb asupra fluxurilor comerciale, aceast
lucrare nu gasete un efect negativ cert. Mai precis, studiul dispune de evidene ce arat
efectul negativ al volatilitii asupra cursului, dar acestea nu sunt destul de robuste pentru a
generaliza efectul negativ al volatilitii pe ntreaga perioad studiat.
Lipsa unui robust impact negativ al volatilitii cursului de schimb asupra comerului
internaional reflect ambiguitatea rezultatelor teoretice asupra modelelor de echilibru general.
Aceste modele arat c variabilitatea cursului de schimb este rezultatul volatilitii ocurilor n
ceea ce privete tehnologia, preferinele, dar i a regimului politicilor globale n ceea ce
privete comerul. Modificrile n volalitilitii cursului de schimb se pot reflecta n modificri
ale volatilitii ocurilor i/sau modificri ale regimului politicilor la nivel internaional. De
exemplu, liberalizarea comerului luat mpreun cu o flexibilitate mai mare a cursului de
schimb poate fi asociat, foarte bine, cu intensificri ale fluxurilor comerciale, dar i cu
creterea volatilitii cursului de schimb. Aceast posibilitate reprezint un motiv al
ambiguitii rezultatelor teoretice ct i al dificultii gsirii unor rezultate empirice robuste i
consistente cu privire la impactul volatilitii asupra comerului mondial. O implicaie
suplimentar este aceea c rezultatele empirice nu ofer o orientare clar asupra politicilor
internaionale. Chiar dac ar fi fost cazul ca o volatilitate ridicat s reduca fluxurile

361
Colecia de working papers ABC-UL LUMII FINANCIARE
WP nr. 1/2003

comerciale, asta nu ar fi nsemnat neaprat c volumul schimburilor comerciale ar crete dac


autoritaile ar stabiliza cursul de schimb n faa ocurilor care apar.
Aadar, aceste considerente menionate mai sus, sugereaz c nu exist motive
serioase pentru a fi luate msuri n ceea ce privete reducerea fluctuaiilor cursului de schimb
din perspectiva promovrii fluxurilor comerciale. Totodat, trebuie luat aminte c acest lucru
nu nseamn excluderea posibilitii ca fluctuaiile cursului de schimb sa afecteze starea
economiei prin alte canale. De exemplu, crizele valutare, un caz special al volatilitii cursului
de schimb, au necesitat ajustri foarte grave n ceea ce privete consumul i producia. Oricum,
n acest caz, cele mai adecvate politici sunt acelea care ajut la evitarea cauzelor care stau la
baza fluctuaiilor mari i imprevizibile ale cursului de schimb n detrimentul msurilor directe
de moderare a volatilitii cursului n vederea sporirii comerului.
Cel de-al doilea studiu ce evideniaz importana volatilitii cursului de schimb este
Capital Controls, Exchange Rate Volatility and External Vulnerability (Edwards S., Rigobon
R., 2005) evalueaz eficacitatea controalelor asupra intrrilor de capital, principalele
constatri fiind: o nsprire a controalelor asupra intrarilor de capital depreciaz cursul de
schimb, vulnerabilitatea cursului nominal de schimb la factorii externi descrete odat cu
nsprirea controalelor intrrilor de capital, iar nsprirea acestor controale sporete
volatilitatea necondiionat a cursului de schimb, dar face ca aceast volatilitate sa fie mai
puin sensibila la ocurile externe.
n practic, majoritatea rilor care au controale de capital reuesc s ii gestioneze
cursul de schimb. n aceste condiii, evaluarea eficacitii controalelor prin observarea
legturii dintre cursul de schimb i ocurile observate este de natur s surprind att
controalele ct i politica monetar activ i politica cursului de schimb. Fr un model clar de
desfurare a politicii monetare, este probabil ca acest studiu s produc rezultate prtinitoare
i analize neltoare. n plus, nu este suficient doar s se specifice o funcie de reacie a
politicii monetare deoarece unul din scopurile controalelor de capital este de a schimba
proprietile stohastice ale fundamentelor cursului de schimb (medie, varian, vulnerabilitai
.a.), lucru care a fost denumit n acest lucrare curs de shimb din umbr. Aadar, este
probabil ca funcia de reacie a politicii monetare sa se schimbe cand sunt impuse controale
sau cand se schimb amploarea lor.
n acest studiu s-a ncercat clarificarea rolului jucat de controalele de capital n
gestionarea cursului de schimb. n acest sens, se precizeaz cum se desfoar politica
monatar. Literatura de specialitate prezint funcii de reacie a politicii monetare care depind
de fundamente n aceeai msur n care depinde de proprietile ei stohastice. De aceea, prin
folosirea acestui instrument, poate fi introdus Critica Lucas 1 cel puin ntr-o oarecare
msur n modul n care schimbrile n procesul stohastic al micrilor cursului de schimb
influeneaz funcia de reacie a politicii monetare i a cursului de schimb observat.
Aceast lucrare are dou mari contribuii: n primul rnd, aceea de a estima un curs de
schimb din umbr care cur cursul de schimb observat prin prisma funciei de reacie
endogene a politicii monetare, procedur ce ine cont de maparea n timp dintre cele doua
modificri i de faptul c ine cont de proprietile stohastice ale fundamentelor; n al doilea
rnd, utiliznd cursul de schimb din umbra, se poate evalua cum afecteaz controlul
capitalului cursul de schimb. Se constat c o nsprire a controlului capitalului este asociat
cu o scdere a cursului de schimb nominal, o cretere a varianei necondiionate a cursului
nominal i o reducere a vulnerabilitii cursului nominal de schimb la ocurile externe, att n
medie ct i n varian.
Aceste rezultate sunt importante deoarece, utiliznd tehnici standard tehnici care nu
corecteaz atunci cnd apar reacii endogene ale politicii monetare nu este posibil s se
evalueze corect eficacitatea controalelor. Este important de subliniat faptul c nu s-a ncercat
1
Edwards S., Rigobon R., Capital Controls, Exchange Rate Volatility and External Vulnerability (2005), pg.11

362
imurlea Mihai
Msuri ale riscurilor financiar-bancare

o analiz complet cost-beneficiu a controalelor de capital. O evaluare complet a politicii de


control ar lua n considerare att aspectele macroeconomice ct i cele microeconomice ale
politicii.
A treia lucrare, Financial Risk Measurement for Financial Rick Management
(Andersen T., Bollerslev T., 2012) consider de o importan deosebit managementul
riscului, definindu-l ca fiind un domeniu uria cu componente diverse. O astfel de
component, probabil componenta cheie dup cum relateaz autorii, este msurarea riscului,
n particular msurarea volatilitii i a corelaiilor rentabilitilor activelor financiare. De o
mare importan este faptul c volatilitatea rentabilitii activelor variaz n timp i are o
dinamic persistent. Acest lucru este valabil la active, clase de active, perioade de timp i
chiar ri, fiind adus in prim-plan de-alungul numeroaselor crize, cea mai recent i
proeminent fiind recenta criza financiar din 2007-2008 i durata ei destul de ndelungat.
Econometria financiar acord o atenie considerabil volatilitii variabile n timp i
intrumentelor asociate pentru msurarea, modelarea i previzionarea ei. Nu n ultimul rnd,
scopul acestei teze este de a sugera aplicaii practice ale noilor metode econometrice de
msurare a volatilitii cu privire la msurarea i managementul riscului de pia prin modele
ce sunt uor de estimat i implementat.
Acest studiu evideniaz ase teme cheie, unele dintre ele fiind tratate n mod direct,
explicit, altele fiind tratate n mod indirect, din diferite unghiuri de abordare. Prima tema se
refer la nivelul de agregare, considerndu-se modelarea att la nivelul portofoliului ct i la
nivelul activelor, subliniindu-se distincta legtur dintre msurarea riscului i managementul
riscului. A doua tema se refer frecvena datelor, considerndu-se att date cu frecven
sczut ct i date cu frecven ridicat, dar i problema asociat cu privire la metodele
parametrice i nonparametrice de msurare a volatilitii, prioritate avnd metodele
nonparametrice. A treia tem consider modelarea i monitorizarea tuturor densitiilor
condiionate i variabile n timp n detrimentul volatilitii condiionate, argumentnu-se c
este necesar o intreag perspectiv asupra densitii condiionate n vederea msurrii
detaliate a riscurilor. A patra tema se refer la reducerea dimensiunii cmpului prea mare de
date multivariabile, o problem serioas la nivelul analizei activelor. A cincea tem se refer
la legturile dintre riscul de pia si variabilele macroeconomice fundamentale, prezentndu-
se legturile dintre volatilitatea activelor din pia i variabilele macroeconomice. A asea
tem prezint preferinele pentru utilizarea metodelor condiionate de msurare a riscului n
detrimentul celor necondiionate, argumentndu-se c, pentru cele mai multe scopuri ale
managementului financiar, metodele condiionate de msurare a riscului sunt mult mai
relevante pentru monitorizarea riscului de pia de zi cu zi.
De-alungul acestei lucrri s-a demonstrat i s-au demonstrat cele spuse mai sus, anume
puterea i potenialul metodelor dinamice ale econometriei financiare pentru msurarea i
managementul riscului financiar. Principalele concluzii care se pot trage din acest studiu sunt
n conformitate cu temele menionate mai sus. Metodele standard, precum simularea istoric,
se bazeaz pe presupuneri false cum ar fi independena rentabilitilor, fiind necesar un model
cu densitate condiionat care s permit variaia n timp a volatilitii. Msurarea cu succes a
riscului poate fi atins prin aplicarea direct a modelelor cu densitate univariat portofoliului,
modele precum GARCH pentru msurarea volatilitii oferind un cadru convenient pentru
modelarea caracteristicilor cheie precum rentabilitatea portofoliului. Contrastnd cu cele
spuse anterior, este nevoie i de un model complet specificat cu densitate multivariat, cele
standard fiind prea puternic parametrizate pentru a putea fi utilizate ntr-un context realist la
scar mare sau medie. n contextele financiare la scar medie, sunt preferate a fi utlizate
relativ recent descoperitele modele GARCH. La scar larg, trebuie impus mai mult
structur modelelor, cum ar fi decuplarea varianei i o dinamic a corelrii. n orice caz,

363
Colecia de working papers ABC-UL LUMII FINANCIARE
WP nr. 1/2003

metodele de reeantionare aplicate rentabilitilor standardizate reprezint o strategie atractiv


pentru rentabilitile condiionate.
Aadar, metodele de msurare a volatilitii bazate pe date cu frecven ridicat
reprezint un pas important pentru managementul riscului, dup cum aceste metode de
msurare a volatilitii i a corelaiei dintre active produc evaluri mai precise cu privire la
msurarea riscului.
Alt studiu care evideniaz ct de important este tratarea cu seriozitate a cursului de
schimb ca un important risc de pia este Structural Factors Affecting Exchange Rate
Volatility: A Cross-Section Study (Canales-Kriljenko J., Habermeier K., 2004) careanalizeaz
factorii care afecteaz volatilitatea cursului de schimb, punnd accent pe caracteristicile
structurale ale regimului valutar. Aceasta se bazeaz pe datele colectate de FMI cu privire la
organizarea i reglementarea pieelor strine de schimb valutar. Principala constatare este
aceea c pieele descentralizate, reglementrile cu privire la utilizarea monedei naionale de
ctre nerezideni, acceptarea de obligaii din Articolul VIII i a limitelor poziiilor bncilor pe
valut sunt asociate cu o volatilitate redus a cursului de schimb. Deasemenea, lucrarea ofer
sprijin pentru rezultatele anterioare privind influena condiiilor macroeconomice i alegerea
regimului de curs de schimb asupra volatilitaii.
Lucrarea VaR: Exchange Rate Risk and Jump Risk (Fen-Ying C., 2010) prezint
metoda Value at Risk de cuantificare a riscului ca fiind cea mai intuitiv i folosit msur a
riscului deoarece poate fi foarte uor transmis managerului firmei, presupunnd c distribuia
zilnic a probabilitii randamentelor activelor este una normal, totui acest presupunere
fiind departe de realitate. Prezentul articol ofer un model mixt de evaluare a riscului de pia
prin prisma deinerii de portofolii ce au n componen active denominate n valut, innd
cont de volatilitatea cursului de schimb i difereniindu-se de studiile mai vechi n care
portofoliile conineau doar active denominate ntr-o singur valut
Odat cu globalizarea i liberalizarea pieelor de capital, activele denominate n valut
circul rapid n jurul lumii. n Taiwan, de exemplu, statisticile oficiale lunare arat faptul c
procentul mediu al investiiilor n active strine a fost de aproximativ 46% n cadrul bncilor
comerciale. n Japonia, rapotul este de 5%, iar n Korea de 9%, media fiind de 20% n cadrul
bancilor comerciale asiatice i aflndu-se ntr-o continu cretere. Aadar, controlul riscului
de pia, prin prisma portofoliilor ce conin att active denominate n moned local ct i
active strine, devine o preocupare tot mai mare a instituiilor financiare.
Abordarea prin metoda Value at Risk, definit ca pierderea maxim pe o anumit
perioad de timp i cu un anumit nivel de relevan, este considerat, n general, o masur a
riscului de pia prin prisma deinerii unui portofoliu de active financiare precum valute,
opiuni sau alte derivative. Utiliznd aceast msur, Hofmann i Platen2 consider riscul de
pia al unui portofoliu foarte diversificat al carei dinamic a distribuiei randamentelor este
una normal, n timp ce preul activelor urmeaz o distribuie lognormal. Totui, acest
presupunere a distribuiei lognormale este departe de realitate deoarece schimbrile zilnice la
nivelul multor variabile, mai ales a cursului de shcimb, prezint un kurtosis semnificativ
pozitiv ceea ce nseamn c distribuia rentabilitii activelor prezint cozi groase sau
discontinuiti.
Aadar, aceast lucrare a artat eficacitatea metodei Value at Risk indiferent de
activele financiare sau valutele n care sunt acestea denominate din componena unui
portofoliu, att pentru bnci ct i pentru investitori.
Un ultim studiu la care se face referire n aceast lucrate este Measuring Exchange
Rate Fluctuations Risk Using the Value-at-Risk (Akhtekhane S.S., Mohammadi P., 2012)
msoar Value at Risk zilnic pentru riscul de fluctuaie al cursului Rial-Euro. Din moment ce
se are n vedere un singur factor de risc, nu se va folosi metoda de simulare Monte Carlo
2
Fen-Ying C. Exchange Rate Risk and Jump Risk (2010), pg. 2

364
imurlea Mihai
Msuri ale riscurilor financiar-bancare

pentru calculul VaR, ci doar metoda analitic i cea bazat pe simularea istoric. Metoda
analitic se bazeaz pe presupunerea distribuiei normale a randamentelor, iar metoda
simulrii istorice folosete att date ponderate ct i date neponderate n funcie de timp.
Unul dintre cei mai importani factori de risc este reprezentat de riscul de fluctuaie al
cursului de schimb care are un impact foarte mare asupra performanelor bncilor i asupra
economiei. Senzitivitatea mare n operaiunile bancare aprut din cauza operaiunilor
monetare, financiare i de curs de schimb, dar i a sensibilitii la fluctuaiile internaionale i
n special a impactului pe care l are volatilitatea cursului de schimb asupra economiei, a fcut
ca bncile, un stlp important al economiei afectat de actste fluctuaii, s insinte asupra
metodelor relevante de estimare a riscului i a cerinelor minime de capital pentru a reduce
pierderile sau pentru a evita falimentul.
Exist diferite clasificri ale riscurilor financiare, dar cea mai preferat (Jorion. P,
2006) mparte aceste riscuri n cinci categorii: riscul de pia, risc ce apare din micrile la
nivelul volatilitii preurilor din pia, ca de exemplu riscul de curs de schimb, de rat de
dobnd sau riscul de evoluie nefavorabil a preului aciunilor sau obligaiunilor; riscul de
credit ce poate aprea din imposibilitatea sau reavoina uneia dintre pri de a-i onora
obligaiile contractuale; riscul de lichiditate care apare cnd nu se pot onora pli din cauz ca
activele nu pot fi transformate suficient de repede n bani; riscul operaional ce poate fi definit
ca riscul ce apare n urma erorilor umane sau tehnologice, aici incluzndu-se frauda,
managementul defectuos i procedurile de control inadecvate; riscul legal ce poate aprea cnd
legea nu poate interveni ntr-o anumit tranzacie, fiind, n general, corelat cu riscul de credit.
Folosindu-se niveluri de relevan de 1%, respectiv de 5% pentru calculul VaR prin
metoda analitic i metoda simulrii istorice cu i fr date ponderate n funcie de timp s-au
obinut anumite concluzii. Rezultatele metodei analitice au artat c presupunearea distribuiei
normale standard nu s-a mulat pe datele cursului de schimb deoarece kurtosis-ul densitii
obinut este mai mare dect cel al distribuiei normal, putn rezulta erori semnificative.
Interpretndu-se rezultatele obinute prin metoda simulrii istorice s-a observat c n ultimul
an al analizei, mai ales n ultimele luni, volatilitatea cursului de schimb Rial-Euro a crescut
fcnd s fie mai importante datele mai recente dect celelalte, aadar, artnd c acest
metod, a simulrii istorice, cu date ponderate n funcie de timp s fie mai bun dect
celelalte deoarece ine cont de evoluia n timp a randametelor la calculul VaR.
Lucrarea Econometric Modeling of Exchange Rate Volatility and Jumps (Erdemlioglu
D., Laurent S., 2012) se trece n revist evoluia rapid n ceea ce privete modelarea
volatilitii cursului de schimb din ultimele trei decenii, detaliind metodele de estimare a
volatilitii i a salturilor cursului de schimb.
Volatilitatea msoar dispersia rentabilitilor preurilor activelor. Recunoscndu-se
importana volatilitii cursului de schimb pentru managementul riscului, academicienii,
traderii i organele de reglementare au studiat ndelung modelele de estimare a volatilitii
pentru a ntelege cum afecteaz tirile preul activelor, ce informaii sunt importante i cum
asimileaz piaa respectivele informaii. Astfel, s-a ajuns la concluzia c un bun model de
estimare a volatilitii mbin trei caracteristici cheie ale volatilitii: periodicitate,
aurocorelatie i permiterea de discontinuiti n preuri.
n cadrul aceste teze, se artat modelul FIGARCH descrie foarte bine dinamica
volatilitii cursului de schimb zilnic, sunt prezentate cteva metode de estimare a variaiei, a
volatilitii integrate, a salturilor cursului de schimb i a periodicitii datelor din cadrul unei
zile. De altfel, se ajunge la concluzia c tirile cu privire la macroeconomie afecteaz
volatilitatea, dar nu la fel de mult ca periodicitatea cauzat de deschiderea i nchiderea
pieelor de tranzacionare i c efectul interveniei Bncii Centrale asupra volatilitii depinde
de condiiile pieei, aceasta putnd fi afectat att n sens negativ ct i n sens pozitiv.

365
Colecia de working papers ABC-UL LUMII FINANCIARE
WP nr. 1/2003

3. Teoria economic i modelul econometric


3.1. Value at Risk

Value at Risk (VaR) reprezint o metod de estimare, printr-un singur numr, a


riscului care msoar pierderea ateptata a unui portofoliu de active financiare pentru un
orizont de timp i cu o anumit probabilitate. Aceasta metod a fost implementat de ctre J.P.
Morgan n anul 19943, n prezent fiind folosit att de instituiile financiare ct si n corporaii
i n fondurile de investiii. De altfel, VaR este folosit i de Comitetul de Supraveghere
Bancar al Bncii Internaionale de Reglementri in calculul cerinelor de capital pentru bnci.
VaR are doi parametrii de baz: nivelul de relevan (sau nivelul de ncredere 1- ) i
orizontul de timp, notat h, care reprezint perioada de timp pentru care este calculat VaR,
msurat n zile de trading, n detrimentul zilelor calendaristice.
Deseori, nivelul de relevan este stabilit de ctre un organism extern precum o banc
de reglementare. Conform Acordului Basel II, bncile care folosesc modele interne VaR
pentru evaluarea riscului de pia privind cerinele de capital ar trebui sa aleaga un nivel de
relevan de 1%, adic un nivel de ncredere de 99%. n absena reglementarilor, nivelul de
relevan/ncredere n calculul VaR va depinde de aversiunea la risc a celui ce implementeaz
metoda. Cu ct aversiunea la risc este mai mic, cu att nivelul de relevan va fi mai mic,
respectiv nivelul de ncredere mai mare.
Orizontul de timp reprezint perioada pentru care se msoar pierderea potenial.
Riscuri diferite sunt evaluate pe perioade de timp diferite, n conformitate cu nivelul lor de
lichiditate. Spre exemplu, conform reglementrilor de la Basel, orizontul de timp pentru
calculul VaR este de 10 zile. n absena unor constrngeri interne sau externe, orizontul de
timp ar trebui s se refere la perioada de timp n care ne ateptm s fim expui pe o poziie.
n practic sunt folosite trei modele principale de calcul al VaR: metoda analitic,
metoda simulrii istorice i metoda simulrii Monte Carlo. Fiecare dintre acestea prezint
avantaje i dezavantaje, alegerea depinznd de factori precum: instrumente financiare asupra
crora poate fi aplicat, acurateea msurilor de risc, cerinele de implementare, sistemele
informatice necesare, uurina comunicrii rezultatelor ctre utilizatori.

3.1.1. Metoda analitic


Metoda analitic reprezint una dintre cele mai simple i uor de implementat
metodologii de calcul al Value at Risk, bazndu-se pe estimri ale parametrilor pe baza
datelor istorice precum randamente medii ale activelor financiare, coeficieni de corelaie,
volatilitate. Principala caracteristic a metodei este simplitatea.
Aceast metod se bazeaz pe ipoteza randamentele activelor din portofoliu ( ) sunt
normal distribuite avnd media i variana , cu identic i independent distribuit (i.i.d.):
. Parametrii i reprezint previziunile fcute la momentul t cu privire
la rentabilitatea preconizat adus de deinerea portofoliului n urmatoarele h zile, actualizate
n ziua prezent.
Dac valoarea ateptat, actualizat n prezent, a portofoliului este , VaR pentru
orizontul de timp de h zile, cu un nivel de relevan 100(1-)% este:

(1)
unde reprezint cea mai mic percentil a distribuiei.
Aplicnd transformarea normal standard la , va rezulta:

3
J.P. Morgan RiskMetrics (1996), pg. 1

366
imurlea Mihai
Msuri ale riscurilor financiar-bancare

unde N este o variabila normal standard. Aadar


,
unde este cea mai mic percentila a distribuiei normale standard, rezultnd:
.
(2)
Astfel, nlocuind (2) n (1), rezult:
.
Dac principalul avantaj al acestei metode este uurina implementrii ei care se
datoreaz simplitii modelului, pricipalul dezavantaj este ipoteza statistic pe care se bazeaz,
anume c evoluia preului activelor financiare urmeaz o distribuie normal, aceast ipoteza
fiind foarte rar ndeplinit n practic.
Aceast metod de calcul al Var, va fi metoda folisit pentru a calcula, n aceast
lucrare, riscul deinerii unui portofoliu ce este firmat din valuta EURO.

3.1.2. Metoda simulrii istorice


Metoda simulrii istorice presupune c toate variabilele viitoare posibile au fost
experimentate n trecut i c distribuia simulat istoric este identic cu distribuia rentabilitii
pe orizontul de perspectiv. Cu alte cuvinte, informaiile cuprinse n trecutul apropiat sunt
suficiente pentru cuantificarea riscului din viitorul apropiat.
Aceast metod de calcul al VaR const n calcularea unor randamente sau serii
ipotetice de profit sau pierdere (P/L) pentru portofoliul deinut n prezent pentru o perioad
trecut specificat. Aceste serii de profit saupierdere (P/L) trebuiesc msurate pe un interval
de timp standard i pe un set suficient de mare de informaii din trecut. De exemplu, intervalul
de timp ideal pentru estimarea randamentelor este de o zi deoarece VaR istoric va reflecta
condiiile curente din pia i nu o medie pe o perioad lung de timp.
Dac presupunem c portofoliul este format dintr-un numr de n active, iar pentru
fiecare activ i randamentul este calculat pentru fiecare interval de timp T, reprezint
randamentul activului i n sub-perioada t i este suma investit n activul i, atunci funcia
simulat de profit sau pierdere (P/L) pentru portofoliul actual n sub-perioada t este:
(P/L) .
Dac se va calcula funcia de P/L pentru toate sub-perioadele t, se va obine funcia de
P/L pentru tot eantionul pentru portofoliul actual, VaR-ul fiind estimat pe baza distribuiei
seriei de profit i pierdere.
Pentru calculul VaR istoric exist i alte metode, acestea pondernd valorile P/L din
cadrul distribuiei seriei P/L. Astfel, valorile recente au o pondere mai mare dect cele vechi
deoarece au o importan mai mare (Boudoukh, 1998).
De altfel, conform Hull i White (1998), n cazul n care volatilitatea activelor este
variabil, datele pot fi ponderate n funcie de volatilitatea prezent estimat. Aadar, dac se
dorete estimarea VaR pentru ziua T:
,
unde reprezint randamentele ajustate n funcie de volatilitate, randamentul
istoric al activului i n sub-perioada t, volatilitatea estimat n ziua t-1, iar cea mai
recent estimare a volatilitii activului i.
Metoda simulrii istorice prezint urmtoarele avantaje principale: permite simularea
evenimentelor istorice extreme, datele necesare sunt uor de obinut, este intuitiv i simpl
din punct de vedere conceptual i se poate adapta distribuiilor leptokurtice, celor asimetrice i
altor distribuii non-normale deoarece nu este dependent de ipotezele referitoare la parametrii
de evoluie ai pieelor.

367
Colecia de working papers ABC-UL LUMII FINANCIARE
WP nr. 1/2003

Dezavantajele acestei metode sunt: prezint dificulti n luarea n considerare a


modificrilor n evoluie pieelor intervenite n perioada luat n considerare, valorile VaR
istoric nu capteaz riscul asociat producerii unor evenimente plauzibile n viitor dar care nu s-
au ntmplat n trecut.

3.1.3. Metoda simulrii Monte Carlo


Simularea Monte Carlo este o metod extrem de flexibil care are foarte multe
aplicaii n finane. Aceasta presupune specificarea unor procese aleatoare pentru factorii de
risc ai portofoliului, a modului n care este afectat portofoliul de aceti factori i simularea
unui numr mare de evoluii a acestora, implicit de valori finale ale portofoliului pe baza
acestor ipoteze. Cu fiecare simulare n parte se va obine un posibil profit sau o posibil
pierdere. Dac va exista un numr suficient de mare de simulri se va putea construi
densitatea de probabilitate pentru P/L posibil i se va putea genera VaR-ul pe baza celei mai
mici percentile a distribuiei.
Metodologia acestei metode de simulare, de exemplu pentru un curs de schimb A, este
urmtoarea:
,
unde A urmeaz o micare brownian geometric; este randamentul ateptat pe
unitatea de timp, este volatilitatea cursului de schimb spot, iar este un proces Wiener.
Acest proces Wiener mai poate fi scris ca unde este o variabil
aleatoare ce urmeaz o repartiie normal standard. nlocuind dW n relaia de mai sus, se
obine:
.
Deoarece, n practic, se folosete cu precdere modelul n timp discret, este
nlocuit cu care reprezint frecvena de timp la care se msoar randamentul cursului de
schimb, atunci:
,
Unde reprezint randamentul cursului de schimbn timp discret, iar modificarea
cursului de schimb n intervalul de timp .
Dac se dorete simularea cursului de schimb pe o perioad T, atunci se va diviza
perioada T ntr-un numr suficient de mare, N, de sub-perioade , . Considernd A(0)
o valoare iniial a cursului A, se va extrage o valoare aleatoare pentru i se va determina
cursul de schimb pentru prima sub-perioad. Acest proces se repet pentru toate sub-
perioadele, relundu-se pentru a genera un numr suficient de mare de traiectorii ale cursului
de schimb. Aadar, VaR-ul estimat al cursului de schimb se determin pe baza distribuiei
cursului la momentul T, A(T).
Metoda simulrii Monte Carlo prezint urmtoarele avantaje: poate captura riscul
inclus n scenarii, poate furniza informaii despre impactul scenariilor extreme, poate fi
capturat o varietate mare de comportamente ale pieei.
Dezavantajul major al acestei metode de calcul este necesitatea ridicat de putere de
calcul. ns, odat cu trecerea timpului i avansul tehnologiei, acest lucru incepe s nu mai
prezinte o descurajare n folosirea metodei.

3.2 Modele GARCH de estimare a volatilitii

Volatilitatea rentabilitii activelor financiare se schimb n timp, prezentnd perioade


n care este extrem de ridicat intersectate cu perioade n care este neobinuit de sczut.

368
imurlea Mihai
Msuri ale riscurilor financiar-bancare

Acest fenomen poart numele de volatility clustering (clusterizare a volatilitii) i depinde


de frecvena datelor, gsindu-se foarte greu n seturile de date anuale sau lunare, dar fiind
destul de evident n seturile de date zilnice sau din timpul unei zile. Deasemenea, acest
fenomen implic i posibilitatea previzionrii volatilitii condiionate. Volatilitatea activelor
financiare este foarte important pentru a determina gradul de adecvare a capitalului unei
banci sau pentru msurarea riscului unui portofoliu de active financiare folosind modele de tip
Value at Risk.
Clusterizarea volatilitii reprezint un element foarte important n msurarea riscului
sau n operaiunile de hedging sau de evaluare a preului opiunilor. n perioada ulterioar
unui oc asupra pieei, volatilitatea se schimb i crete foarte mult probabilitatea apariiei
unui alt oc, avnd o inciden mare asupra msurrii riscului portofoliilor. Dei simple,
modelele mediilor mobile ofer o vag imagine asupra variaiei n timp a volatilitii deoarece
aceste modele presupun c volatilitatea este constant i singurul motiv pentru care estimrile
se schimb n timp fiind variaia estimrii eantionului de date.
Pentru modelarea heteroscedasticitii condiionate, Engle a introdus, n anul 1982,
procesul ARCH (AutoRegresive Conditional Heteroskedasticity) care utilizeaz reziduurile
din ecuaia mediei condiionate n ecuaia pentru variana condiionat, deschiznd, astfel, un
capitol important n modelarea volatilitii seriilor de date financiare. Pentru a surprinde, ns,
dinamica variaiei condiionate este nevoie de un proces ARCH cu un numr foarte mare de
parametri, fiind dificil estimarea acestui model. n anul 1986, Bollerslev introduce procesul
GARCH (Generalized AutoRegresive Conditional Heteroskedasticity), proces ce poate
modela variana condiionat folosind un numr redus de parametri.
Constituirea unui model ARCH presupune luare n considerare a dou ecuaii: una
pentru media condiionat (ecuaia de evoluie a randamentelor activului) i una pentru
variana condiionat (ecuaia volatilitii).
Modelul GARCH (p,q), propus de Bollerslev (1986), are urmtoara specificaie:
= +

unde:
este un proces ARMA (cand =0, i= i =0, j= );
reprezint volatilitatea, fiind un proces ARCH(q) i GARCH(p)
este un parametru ce reprezint persistena volatilitii;
este un parametru ce reprezint viteza de reacie a volatilitii la ocurile pieei.
n plus, pentru a nu fi un proces ce prezint volatilitate exploziv, trebuie ndeplinit
condiia
, iar coeficienii termenilor ARCH i GARCH trebuie s fie
pozitivi.
Acest model descrie modul n care un agent ncearc s estimeze volatilitatea pentru
urmtoarea perioad pe baza mediei pe termen lung a varianei, a varianei anterioare
(termenul GARCH) i a informaiilor privind volatilitatea anterioar (termenul ARCH).
Pentru relaxarea anumitor ipoteze, ncorporarea asimetriei impactului randamentului
cursului activelor financiare sau pentru separarea volatilitii n trend i volatilitate pe termen
scurt, modelul GARCH a fost ulterior extins, cele mai cunoscute extensii fiind: IGARCH
(Integrated GARCH), GARCH-M (GARCH in Mean), TARCH (Treshold ARCH) i
EGARCH (Exponential GARCH).

369
Colecia de working papers ABC-UL LUMII FINANCIARE
WP nr. 1/2003

3.2.1. Modelul IGARCH

Modelul Integrated GARCH a fost introdus de Engle i Bollerslev (1986) i presupune


c = :
,
iar dac se adaug la ambii termeni ai ecuaiei i se nlocuiete rezult:

unde i p=max{p,q}. este valoarea prognozat pentru i


reprezint eroarea asociat acestei prognoze.
Aadar, rezult c urmeaz un proces ARMA, acest proces avnd un unit root dac

3.2.2. Modelul GARCH-M

Modelul ARCH-M, introdus de Engle, Lilien i Robins (1987) este obinut prin
introducerea varianei sau a deviaiei standard condiionate ( sau ) n ecuaia
randamentelor.
Este general acceptat ideea conform creia un activ cu un risc ridicat, n medie, va
avea un randament mai mare. Dac se presupune c este descompus ntr-o component
anticipat de ageni la momentul t-1 (notat ) i o component neanticipat (notat ),
atunci:

De altfel, teoria financiar sugereaz faptul c randamentul mediu ( ) este corelat cu


variana sa ( .
Perceperea unui risc ridicat este cuantificat de coeficientul lui din ecuaia
randamentului ( ):
.

3.2.3. Modelul EGARCH


n funcie de variaia zilnic a cursului activului financiar deinut, s-a constatat c, pe
pieele financiare, agenii economici percep volatilitatea n mod diferit. Spre exemplu,
scderea cursului este urmat de o volatilitate mai mare dect o creterea cursului cu aceeai
amplitudine.
Modelul Exponential GARCH este unul din cele mai utilizate modele ARCH care
permite analiza rspunsului asimetric la ocurile pieei.
Acest model a fost propus de Nelson (1991) i are urmtoarea specificaie pentru
ecuaia varianei condiionate:

Conform modelului de fa, efectul informaiilor este exponenial (i nu ptratic), iar


variana prognozat va fi obligatoriu non-negativ, impactul informaiilor fiind asimetric dac
0.

3.2.4. Modelul TARCH


Alt model ce permite analiza rspunsului asimetric este modelul Treshold ARCH, introdus
n mod independent de Zakoian (1990) i Glosten, Jaganathan i Runkle (1993), prezint
urmtoarea ecuaie a varianei:

370
imurlea Mihai
Msuri ale riscurilor financiar-bancare

unde dac dac .


n acest model, dac nseamn c vetile din pia sunt bune, n caz contrar
nsemnnd c sunt rele. Astfel, ele au efecte diferite asupra varianei condiionate vetile
bune au impact de n timp ce vetile rele au un impact de . Prin urmare, dac 0,
atunci efectul informaiilor asupra volatilitii este asimetric.
Aceste modele GARCH permit calculul VaR prin luarea n considerare a impactului
asupra volatilitii viitoare a evenimentelor recente. De asemenea, cele dou serii, de
randament i volatilitate, fiind serii staionare, modelele permit prognoza volatilitii pentru
fiecare sub-perioad a orizontului avut n vedere pentru calculul VaR.
n aceast lucrare ne propunem modelarea seriei zilnice a cursului de schimb EUR/RON
folosind modelul GARCH (1,1) i obinearea unor previziuni pe termen scurt pentru calculul
msurii Value at Risk pentru un portofoliu format din valuta EURO.

4. Setul de date

Analiza volatilitii cursului de schimb se va face pe un set de date cu frecven


zilnic, pe perioada ianuarie 2007 20 martie 2013 pe baza cursului de schimb EUR/RON
publicat de Eurostat, totalitatea observaiilor fiinde n numr de 1593.
Pentru facilizarea interpretrii coeficienilor obinui din regresie, acetia reprezentnd
elasticiti, analiza econometric se va realiza cu serii logaritmice, aplicnduse i prima
diferen pentru staionarizarea seriilor.
Seriile de date prelucrate n aplicatia econometric vor fi:
l_eur, seria de logaritmi care reprezint cursul de schimb
dl_eur, seria de prime diferene care reprezint variaia zilnic a cursului.

5. Rezultatele empirice

Analiza volatilitii cursului de schimb EUR/RON n perioada ianuareie 2007 20


martie 2013 i calculul Value at Risc pentru un portofoliu format din valuta EURO.

1.6 .03

.02
1.5

.01
1.4
.00

1.3
-.01

1.2 -.02

1.1 -.03
250 500 750 1000 1250 1500 1750 2000 250 500 750 1000 1250 1500 1750 2000

L_EUR DL_EUR

Dup cum se poate observa din grafice, seria cursului de schimb (L_EUR) ar trebui s
fie o serie nestaionar, iar seria variaiei zilnice a cursului de schimb (DL_EUR) ar trebui s

371
Colecia de working papers ABC-UL LUMII FINANCIARE
WP nr. 1/2003

fie o serie staionar. Totui, aceast observaie trebuie confirmat printr-un test de
staionaritate i anume testul Augmented Dickey-Fuller.
n urma aplicrii testului s-au obinut urmtoarele rezultate ale testului ADF pentru
l_eur:

Null Hypothesis: L_EUR has a unit root


Exogenous: Constant
Lag Length: 1 (Automatic based on SIC, MAXLAG=23)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -1.532138 0.5172


1%
Test critical values: level -3.434252
5%
level -2.863150
10%
level -2.567675

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation


Dependent Variable: D(L_EUR)
Method: Least Squares
Date: 04/03/13 Time: 08:07
Sample (adjusted): 3 1594
Included observations: 1592 after adjustments

Coeffici
Variable ent Std. Error t-Statistic Prob.

-
L_EUR(-1) 0.001643 0.001073 -1.532138 0.1257
0.09535
D(L_EUR(-1)) 7 0.024938 3.823719 0.0001
0.00244
C 4 0.001496 1.633076 0.1027

0.01051 0.00017
R-squared 8 Mean dependent var 3
0.00927 0.00442
Adjusted R-squared 2 S.D. dependent var 5
0.00440 -
S.E. of regression 5 Akaike info criterion 8.010386
0.03082 -
Sum squared resid 9 Schwarz criterion 8.000261
6379.26 8.44508
Log likelihood 7 F-statistic 6
1.98711 0.00022
Durbin-Watson stat 4 Prob(F-statistic) 5

n prima parte a testului sunt prezentate informaii cu privire la tipul testului (ADF,
variabilele exogene introduse trend, constant) i cuprinde rezultatele testului, valorile
critice pentru fiecare nivel de relevan (1%, 5% i 10%) i probabilitatea p, asociat
rezultatului testului.
Pentru seria l_eur, ADF are valoarea -1.532138, avnd valoarea p asociat acestuia de
0.5172. Valoarea testului fiind mai mare dect valoarea critic, nu este respins ipoteza nul,

372
imurlea Mihai
Msuri ale riscurilor financiar-bancare

rezultnd c seria este staionar. Dea altfel, i valoarea p, care este mai mare dect fiecare
nivel de relevan (de 1%, 5% i 10%), indic nestaionaritatea seriei.
n a doua parte a testului este prezentat ecuaia estimat, pe baza creia a fost calculat
tesul ADF.
Pentru a se determina de cte diferene este nevoie pentru a obine o serie staionar,
vom testa staionaritatea seriei de prime diferene (dl_eur), obtinnd urmtoarele rezultate:
Null Hypothesis: D(DL_EUR) has a unit root
Exogenous: Constant
Lag Length: 14 (Automatic based on SIC, MAXLAG=23)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -17.74268 0.0000


1%
Test critical values: level -3.434291
5%
level -2.863168
10%
level -2.567684

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation


Dependent Variable: D(DL_EUR,2)
Method: Least Squares
Date: 04/03/13 Time: 08:10
Sample (adjusted): 18 1594
Included observations: 1577 after adjustments

Coeffici
Variable ent Std. Error t-Statistic Prob.

-
D(DL_EUR(-1)) 8.196402 0.461960 -17.74268 0.0000
6.35219
D(DL_EUR(-1),2) 1 0.452281 14.04478 0.0000
5.53372
D(DL_EUR(-2),2) 6 0.436166 12.68721 0.0000
4.74449
D(DL_EUR(-3),2) 7 0.414299 11.45186 0.0000
3.98266
D(DL_EUR(-4),2) 2 0.387193 10.28598 0.0000
3.28033
D(DL_EUR(-5),2) 8 0.355425 9.229350 0.0000
2.61629
D(DL_EUR(-6),2) 7 0.320380 8.166243 0.0000
2.04454
D(DL_EUR(-7),2) 3 0.281881 7.253218 0.0000
1.63787
D(DL_EUR(-8),2) 4 0.240587 6.807837 0.0000
1.28921
D(DL_EUR(-9),2) 0 0.199151 6.473538 0.0000
0.93932
D(DL_EUR(-10),2) 4 0.158932 5.910241 0.0000
0.68743
D(DL_EUR(-11),2) 8 0.120272 5.715684 0.0000
0.47546
D(DL_EUR(-12),2) 3 0.084509 5.626148 0.0000
0.27883
D(DL_EUR(-13),2) 3 0.052467 5.314402 0.0000
0.09795
D(DL_EUR(-14),2) 8 0.025137 3.897036 0.0001

373
Colecia de working papers ABC-UL LUMII FINANCIARE
WP nr. 1/2003

6.33E-
C 06 0.000113 0.055910 0.9554

0.80261 4.63E-
R-squared 3 Mean dependent var 06
0.80071 0.01006
Adjusted R-squared 6 S.D. dependent var 6
0.00449 -
S.E. of regression 4 Akaike info criterion 7.962214
0.03152 -
Sum squared resid 1 Schwarz criterion 7.907799
6294.20 423.153
Log likelihood 5 F-statistic 8
2.01089 0.00000
Durbin-Watson stat 4 Prob(F-statistic) 0

Valoarea testului, -17.74268, fiind mai mic dect valoarea critic pentru oricare dintre
nivelele de relevan, chiar i dect cel mai restrictiv prag de 1%, putem spune c la 1% nivel
de relevan este respins ipoteza nul este respins, rezultnd c seria este staionar. Acest
lucru rezult i din valoarea probabilitii asociate p, aceast fiind mai mic dect cel mai
restrictiv nivel de relevan, de 1%, putnd afirma, astfel, c este respins ipoteza conform
creia seria este nestaionar. De aici rezult c ordinul de integrare al seriei este 1 sau seria
este l(1).
n continuare, vom testa normalitatea distribuiei prin aplicarea testului Jarque-Bera i
vom prezenta momentele seriei variaiilor zilnice ale cursului de schimb EUR/RON (dl_eur):
500
Series: DL_EUR
Sample 1 2000
400 Observations 1593

Mean 0.000168
300 Median 0.000000
Maximum 0.027401
Minimum -0.019919
200 Std. Dev. 0.004428
Skewness 0.497747
Kurtosis 7.716500
100
Jarque-Bera 1542.315
Probability 0.000000
0
-0.02 -0.01 0.00 0.01 0.02

Graficul reprezint histograma distribuiei, alturi fiind prezentate valorile minime i


maxime, media, mediana, deviaia standard, coeficientul de asimetrie (en. skewness), kurtotica
seriei (kurtosis) si testul Jarque-Bera.
n cazul unei distribuii normale, coeficientul de asimetrie (skewness) este 0, distribuia
fiind simetric, iar kurtotica (kurtosis) este 3, o valoare mai mare a acestuia indicnd o
ditribuie leptokurtic, iar o valoare mai mic o distribuie platikurtic.
Conform rezultatelor statistice obinute mai sus, distribuia evoluiilor zilnice ale
cursului de schimb are media foarte apropiat de 0 i prezint asimetrie pozitiv, ceea ce
nseamn c, n perioada analizat, cursul de schimb EUR/RON a avut o tendina de cretere,
depreciindu-se leul. Kurtotica are o valoare de aproape de peste 7, indicnd o distribuie
leptokurtic.
O astfel de distribuie, leptokurtic, o au majoritatea activelor financiare, probabilitatea
de apariie a unui eveniment extrem fiind superioar probabilitii de apariie a aceluiai

374
imurlea Mihai
Msuri ale riscurilor financiar-bancare

eveniment ntr-o distribuie normal. Aadar, modelele de evaluare a preului i riscului


activului respectiv pot genera erori dac presupun distribuia normal a acestuia.
Testul Jarque-Bera testeaz normalitatea distribuiei seriei, msurnd diferena dintre
skewness-ul i kurtosis-ul distribuiei analizate i cele ale distribuiei normale. Ipoteza nul a
testului presupune c seria este normal distribuit. Asadar, dac probabilitatea asociat
testului este superioar nivelului de relevan ales (1%, 5% sau 10%) atunci ipoteza nul este
acceptat.
Cum, n exemplul de mai sus, valoarea probabilitii asociate este 0 se respinge ipoteza
nul i deducem c seria evoluiilor zilnice ale cursului EUR/RON nu este normal distribuit.
n continuare vom calcula, utiliznd modelul GARCH(1,1) volatilitatea cursului
EUR/RON pentru perioada ianuarie 2007 20 martie 2013 pentru o serie cu frecvena zilnic.
Ecuaia de regresie a modelului este prezentat mai jos:

Dependent Variable: DL_EUR


Method: ML - ARCH
Date: 04/03/13 Time: 08:28
Sample (adjusted): 2 1594
Included observations: 1593 after adjustments
Convergence achieved after 13 iterations
Variance backcast: ON
GARCH = C(2) + C(3)*RESID(-1)^2 + C(4)*GARCH(-1)

Coeffici
ent Std. Error z-Statistic Prob.

1.70E-
C 05 7.23E-05 0.234761 0.8144

Variance Equation

2.92E-
C 07 4.96E-08 5.890748 0.0000
0.24607
RESID(-1)^2 5 0.019999 12.30434 0.0000
0.77622
GARCH(-1) 2 0.014662 52.94033 0.0000

- 0.00016
R-squared 0.001170 Mean dependent var 8
- 0.00442
Adjusted R-squared 0.003060 S.D. dependent var 8
0.00443 -
S.E. of regression 5 Akaike info criterion 8.457106
0.03124 -
Sum squared resid 9 Schwarz criterion 8.443613
6740.08 1.80551
Log likelihood 5 Durbin-Watson stat 5

Volatilitatea (msurat prin abaterea medie ptratic) este prezentat n graficul de mai
jos:

375
Colecia de working papers ABC-UL LUMII FINANCIARE
WP nr. 1/2003

.016

.014

.012

.010

.008

.006

.004

.002

.000
250 500 750 1000 1250 1500

Conditional Standard Deviation

Calculul VaR, prin metoda analitic, al unui portofoliu format din valuta EURO,
considernd o valoare a acestuia de 100.000 EURO.
Conform Acordului de la Basel, orizont de timp de dou saptmni (10 zile) i un
nivel de relevan de 1%, este calculat deviaia standard a P/L-ului portofoliului de valut pe
ultimul an (ultimele 250 de zile) - i, pe baza acestei serii, este generat msura VaR pe
baza relaiei:

Astfel, pierderea mazim probabil a se obine,pe un portofoliu format din valuta


EURO, n urmtoarele 10 zile, cu un nivel de relevan de 1% este 2.4% din valoarea
portofoliului sau de 2400 de EURO.

6. Concluzii

n aceast lucrare am artat importana msurrii volatilitii cursului de schimb. Am


artat cum a evoluat aceast volatilitate a cursului EUR/RON n ultimii ase ani i trei luni pe
baza modeluli GARCH(1,1) i am calculat Value at Risk, prin metoda analitic, pentru un
portofoliu ce deine n componen valuta EURO.
Prezenta lucrare va putea fi extins prin msurarea volatilitii cursului de schimb cu
alte modele GARCH dect cel utilizat i prin cuantificarea riscului de pia cu ajutorul Value
at Risk calculat att prin metoda simulrii istorice ct i prin metoda simulrii Monte Carlo.

Bibliografie
Ahktekhane S.S. (2012), Measuring Exchange Rate Fluctuations Risk Using the Value-at-Risk, Journal of
Applied Finance & Banking, vol.2, no.3, International Scientific Press
Alexander C. (2008), Market Risk Analysis Volume 2, John Wiley & Sons
Alexander C. (2008), Market Risk Analysis Volume 4, John Wiley & Sons
Andersen G.T., Bollorslev T., Christoffersen P.F., Diebold F.X. (2012), Financial Risk Measurement For
Financial Risk Management, NBER Working Paper Series no. 180184
Canales-Kriljenko J., Habermeier K. (2004), Structural Factors Affecting Exchange Rate Volatility: A Cross-
Section Study, IMF Working Paper no. 147
Chen F.Y. (2010), VaR: Exchange Rate Risk and Jump Risks, Hindawi Publishing Corporation, Journal of
Probability and Statistics
Clark P., Tamirisa N., Wei S.J. (2004), Exchange Rate Volatility and Trade Flows - Some New Evidence,
International Monetary Fund

376
imurlea Mihai
Msuri ale riscurilor financiar-bancare

Codirlasu A. (2007), Modele Value at Risk


Edwards S., Rigobon R. (2005), Capital Controls, Exchange Rate Volatility and External Vulnerability, NBER
Working Paper no. 11434
Erdemlioglu D., Laurent S., Neely C.J. (2012), Econometric Modeling of Exchange Rate Volatility and Jumps,
Federal Reserve Bank of St. Louis, Working Paper 008A
Morgan J.P. (1996), Risk Metrics, New York
ec.europa.eu/eurostat
www.bnro.ro

377