Documente Academic
Documente Profesional
Documente Cultură
Octombrie, 2007
Cuprins
1. MSURA VAR 2
2. VAR ANALITIC 3
4. VAR ISTORIC 5
BIBLIOGRAFIE 51
1
1. Msura VaR
Valoarea la risc (VaR) este o ncercare de a reprezenta printr-un singur numr riscul total
dintr-un portofoliu de active financiare. Aceast msur a fost introdus de ctre J. P.
Morgan n 1994 i n prezent este folosit pe scar larg att de ctre instituiile
financiare ct i n trezoreriile corporaiilor i n fondurile de investiii. De asemenea, i
Comitetul de Supraveghere Bancar al Bncii Reglementelor Internaionale o folosete
pentru calculul cerinelor de capital pentru bnci.
n practic sunt utilizate mai multe metode de calcul al VaR, cele mai cunoscute fiind
metoda analitic, metoda istoric i simularea Monte Carlo. Alegerea metodei de calcul
depinde de:
instrumentele financiare asupra crora poate fi aplicat;
acurateea msurilor de risc, inclusiv ipotezele statistice pe care se bazeaz;
cerinele de implementare (modelele de evaluare a riscului, descompunerea
riscului, cerinele de date);
sistemele informatice necesare;
uurina de comunicare a rezultatelor ctre utilizatori.
2
2. VaR analitic
Ipoteza pe care se bazeaz aceast metod este c randamentele activelor din portofoliu
(R) pe orizontul de deinere (h) sunt normal distribuite, avnd media i deviaia
standard : R ~ N ( , ) .
Dac valoarea prezent a portofoliului este S, VaR-ul pentru orizontul de h zile, cu nivelul
de relevan 100(1 )% este:
VaRh , = x S ,
Metoda analitic una din cele mai simple i uor de implementat metodologii de calcul al
VaR, ea bazndu-se pe estimri ale parametrilor pe baza datelor istorice (volatilitate,
coeficieni de corelaie, randamente medii ale activelor).
3
3. VaR calculat pe baza simulrii Monte Carlo
Simularea Monte Carlo presupune specificarea proceselor aleatoare pentru factorii de risc
ai portofoliului, a modului n care acetia afecteaz portofoliul i simularea unui numr
mare de evoluie a acestor factori i implicit de valori finale ale portofoliului pe baza
acestor ipoteze. Fiecare simulare conduce la un posibil profit/pierdere. Dac este simulat
un numr suficient de mare de valori posibile ale profitului/pierderii, atunci se poate
construi densitatea de probabilitate pentru profitul/pierderea posibil i se poate genera
VaR-ul pe baza celei mai mici percentile a distribuiei.
Metodologie analizei Monte Carlo pentru preul unei aciuni, S, este prezentat dup cum
urmeaz. Presupunnd c S urmeaz o micare Brownian geometric, atunci:
dS
= dt + dW ,
S
unde :
este randamentul ateptat pe unitatea de timp,
este volatilitatea cursului spot al aciunii,
1
dW este un proces Wiener, care poate fi scris dW = (dt ) 2 , unde este o variabil
aleatoare i are o distribuie normal standard. Substituind pentru dW se obine:
dS 1
= dt + (dt )2 .
S
dS
Randamentul instantaneu al preului aciunii, , evolueaz funcie de trend, dt i de
S
termenul aleatoriu . n practic, n general se folosete modelul n timp discret. Astfel,
dac t reprezint frecvena de timp la care se msoar randamentul preului aciunii,
atunci,
S
= t + t ,
S
S
unde S reprezint modificarea preului aciunii n intervalul de timp t , iar
S
reprezint randamentul aciunii n timp discret.
4
Randamentul aciunii este considerat a avea o distribuie normal, cu media t i
deviaia standard t .
4. VaR istoric
Modelul de baz pentru calculul VaR prin simulare istoric const n calculul unei serii
ipotetice de profit i pierdere (P/L) sau randamente pentru portofoliul curent, pentru o
perioad istoric specific. Aceste randamente sunt msurate pe un interval standard de
5
timp (de exemplu o zi) pe un set suficient de mare de observaii istorice. Presupunnd c
portofoliul este format din n active, i pentru fiecare activ i, randamentul este calculat
pentru fiecare interval T. Dac ri ,t este randamentul activului i pentru sub-perioada t, i
Ai este suma investit n activul i, atunci P/L-ul simulat pentru portofoliul curent n sub-
perioada t este:
n
(P / L )t = Ai ri ,t .
i =1
Calculnd P/L pentru toi t, se obine P/L-ul ipotetic pentru portofoliul curent pentru tot
eantionul. VaR-ul este estimat pe baza distribuiei seriei P/L.
Alte metodologii pentru calculul VaR istoric pondereaz valorile P/L folosite n
construirea distribuiei seriei P/L.
n cazul n care volatilitatea activelor este variabil, datele pot fi ponderate funcie de
volatilitatea contemporan estimat (Hull i White, 1998). Astfel, presupunnd c se
dorete estimarea VaR pentru ziua T, considernd ri ,t randamentul istoric al activului i n
i,T cea mai recent prognoz a volatilitii activului i, randamentele efective ri ,t sunt
i ,T
ri*,t = r .
i ,t i ,t
6
Sunt uor de implementat pentru orice tip de poziii, inclusiv contracte derivate.
Datele necesare sunt uor de procurat.
Deoarece nu sunt dependente de ipoteze referitoare la parametrii de evoluie a
pieelor, aceast metodologie se poate acomoda distribuiilor leptokurtotice, celor
cu asimetrie i altor distribuii non-normale.
Simularea istoric poate fi modificat n sensul acordrii unei influene mai mari
anumitor observaii (n funcie de anotimp, vechime, volatilitate).
Principala deficien a simulrii istorice este legat de faptul c rezultatele sunt complet
dependente de setul de date folosit:
Dac n perioada folosit pentru calcul VaR pieele au fost neobinuit de calme
(sau de volatile) i condiiile s-au schimbat ntre timp, simularea istoric va
produce estimri ale VaR care sunt prea mici (mari) pentru riscurile actuale.
Simularea istoric prezint dificulti n luarea n considerare a modificrilor n
evoluia pieelor intervenite n perioada luat n considerare.
Msurile VaR obinute prin simulare istoric nu capteaz riscul asociat producerii
unor evenimente plauzibile n viitor dar care nu s-au ntmplat n trecut.
7
Maparea reduce drastic cerinele de calcul.
Aceeai abordare se aplic i altor poziii spot (de exemplu n cazul mrfurilor), cu
condiia s fie disponibil o volatilitate pentru preul spot al acestora.
Presupunnd c o anumit sum din portofoliu, S k , este investit n aciuni comune ale
firmei k. n cazul n care fiecare aciune este tratat ca un factor de risc distinct, atunci,
pentru un portofoliu larg diversificat, va trebui estimat o matrice de corelaie cu zeci de
mii de dimensiuni.
8
O abordare alternativ presupune utilizarea modelului CAPM (sau al unui model
multifactorial). Principala ipotez a modelului CAPM este c randamentul aciunilor unei
firme k, rk sunt legate de randamentul pieei prin urmtoarea ecuaie:
Rk = k + k Rm + k ,
unde:
k reprezint o constant specific firmei,
k componenta specific pieei a randamentului aciunilor firmei,
k element aleatoriu specific firmei, necorelat cu evoluia pieei.
Presupunnd c randamentele firmei sunt normal distribuite cu media zero, VaR-ul unei
poziii pe aciuni ale firmei k, evaluate la xk este:
VaR = Z k xk .
Atunci cnd se agreg riscul pentru un portofoliu bine diversificat, principalul contributor
la riscul total este componenta datorat riscului de pia, 2 m2 . Deoarece riscul specific
asociat fiecrei poziii este presupus a fi necorelat att cu randamentul pieei ct i cu
celelalte riscuri specifice, ponderea riscului total datorat de factorii specifici de risc se
reduce continuu pe msur ce portofoliul devine din ce n ce mai diversificat i se apropie
de zero cnd portofoliul aproximeaz compoziia pieei.
9
n caste condiii, estimarea doar a riscului sistematic al unui portofoliu utiliznd
abordarea CAPM se reduce la un calcul de mapare. Astfel, presupunnd c portofoliul
este format din N poziii pe active separate, cu valori de pia xk , pentru k = 1,2,..., N i
Astfel, VaR-ul sistematic reprezint produsul dintre valoarea critic, volatilitatea pieei i
suma ponderat funcie de beta a poziiilor n aciuni. Dac se noteaz cu X valoarea
total de pia a portofoliului, ecuaia anterioar poate fi scris:
n
x
VaR = Z X m k k .
k =1 X
n
k xk
n aceast form, expresia
k =1 X
reprezint beta portofoliului.
Pentru realizarea maprii poziiilor, n practic, condiiile curente din pia sunt
reprezentate prin curbe de randament zero-cupon cu fructificare continu (cunoscute i
sub numele de curbe de randament spot).
Conform acestei metodologii, fiecare poziie a unui portofoliu de instrumente cu venit fix
este exprimat ca unul sau mai multe cash-flow-uri care sunt marcate la pia la ratele
spot ale pieei funcie de o gril standard (de exemplu, 1M, 3M, 6M, 12 M, 1Y, 2Y, 3Y,
5Y, 7Y, 9Y, 10Y, 15Y, 20Y, 30Y).
n cazul n care un cash-flow are o alta scadena dect cele standard, acesta este repartizat
ctre cele dou scadene apropiate astfel nct cele dou cash-flow-uri rezultate s aib
aceleai caracteristici de risc ca i cel iniial. O abordare des ntlnit pentru separarea
cash-flow-ului iniial este utilizarea valorii prezente a impactului modificrii cu un punct
10
de baz a ratei spot (numit i valoarea prezent a unui punct de baz, PVBP): valoarea
pentru cash-flow-urile rezultate trebuie sa fie egal cu valoarea cash-flow-ului iniial.
Astfel,
VaR = `VR `V T ,
unde `V = [(0,33 1,645 1m ), (0,20 1,645 3m ), (0,37 1,645 6 m ), (0,10 1,645 12 m )]
n cazul unui contract forward/futures, acesta are un randament zilnic funcie de evoluia
preului forward/futures. n cazul n care poziia este de x contracte, i fiecare valoreaz
F, valoarea total a poziiei este xF. Dac randamentul contractului este normal distribuit
cu media zero i abaterea medie ptratic F , msura VaR a poziiei este:
VaR = Z F xF .
11
5.5. Maparea poziiilor n contracte de opiuni
Poziiile n opiuni se mapeaz pe baza de aproximri de ordinul unu sau doi ale seriei
Taylor. Poziia n opiune este nlocuit cu o poziie surogat n activul suport al opiunii i
printr-o aproximare de ordinul unu (delta) sau doi (delta-gamma) se estimeaz VaR-ul
poziiei surogat.
n cazul poziiilor deinute pentru un orizont scurt de timp (delta poate fi considerat
constant), n acest caz putnd fi utilizat aproximarea de ordinul unu a seriei Taylor:
c S ,
unde:
c reprezint modificarea preului opiunii,
S modificarea cursului activului suport al opiunii,
delta opiunii c.
n cazul n care aproximarea de ordinul unu are o acuratee redus, neliniaritatea poate
luat n considerare printr-o aproximare delta-gamma:
1
c S + (S ) ,
2
2
unde reprezint gamma opiunii c.
Msura VaR este redus dac gamma este pozitiv i mrit dac gamma este negativ. De
asemenea, msura VaR este redus n cazul n care portofoliul este delta hedge-uit.
12
6. Utilizarea modelelor de volatilitate n calculul VaR
Parametrul arat persistena volatilitii activului financiar, cu ct acesta este mai mare
cu att un oc aprut la un moment dat n pia este mai persistent. Parametrul 1 arat
rapiditatea cu care volatilitatea activului rspunde la un oc indiferent de direcie, cu ct
acest parametru este mai mare, cu att reacia volatilitii la oc este mai mare.
RiskMetrics utilizeaz o valoare a pentru date zilnice de 0,94.
13
unde:
12,t reprezint covariana dintre activele 1 i 2,
Odat ce matricea de covarian a fost definit, aceasta poate fi folosit pentru calculul
VaR utiliznd fie metoda analitic (indicat pentru portofolii simple), fie simularea Monte
Carlo (pentru portofolii ce includ opiuni).
unde:
Z este valoarea critic a distribuiei normale standard pentru nivel de relevan,
P valoarea curent a portofoliului,
deviaia standard prognozat pentru un orizont de h zile.
14
n cazul portofoliilor simple, prognoza matricei de covarian pe un orizont de h zile se
obine aplicnd regula t , multiplicnd matricea de covariana pentru un orizont de o zi
n construirea unui model ARCH trebuie luate n considerare doua ecuaii distincte: una
pentru media condiionat (ecuaia de evoluie a randamentelor activului) i una pentru
variana condiionat (ecuaia volatilitii).
t N (0, ht )
p q
ht = 0 + 1,i L ht + 2, j L j t2
i
i =1 j =1
unde:
rt este un proces ARMA(m,n) sau un model Random Walk (atunci cnd 1,i = 0, i = 1, m ,
si 2, j = 0, j = 1, n );
15
n plus, coeficienii termenilor ARCH i GARCH trebuie sa fie subunitari i pozitivi.
Interpretat ntr-un context financiar, acest model descrie modul n care un agent ncearc
s prognozeze volatilitatea pentru urmtoarea perioad pe baza mediei pe termen lung
( 0 ) a varianei, a varianei anterioare (termenul GARCH) i a informaiilor privind
volatilitatea observat n perioada anterioara (termenul ARCH). Dac randamentul
activului din perioada anterioar a fost, n mod neateptat, mare n valoare absolut,
agentul va mri variana ateptat n perioada urmtoare.
Modelul GARCH a fost ulterior extins, pentru a relaxa anumite ipoteze sau pentru
ncorpora asimetria impactului randamentului cursului activelor financiare sau a separa
volatilitatea n trend i volatilitate pe termen scurt.
Modelul IGARCH
16
adugnd t la ambii termeni ai ecuaiei i scriind i = i i rezult
i + j = 1 .
i =1 j =1
Engle si Bollerslev (1986) numesc modelul care satisface condiia de mai sus GARCH
integrat sau IGARCH.
Dac t urmeaza un proces IGARCH, atunci variana necondiionataa lui t este infinit
rt = t + t .
( ht ).
Modelul ARCH-M, introdus de Engle, Lilien i Robins (1987) este obinut prin
introducerea n ecuaia randamentelor a varianei sau a deviaiei standard condiionate ( ht
sau ht ).
Efectul perceperii unui risc ridicat este cuantificat de coeficientul lui ht din ecuaia
randamentului ( ):
17
m n
rt = 0 + 1,i Li rt + 2, j Lj t + ht + t .
i =1 j =1
Pe pieele financiare s-a observat c agenii percep volatilitatea n mod diferit, funcie de
semnul variaiei zilnice a cursului activului financiar respectiv. De exemplu, pentru
aciuni, micrile n jos ale pieei sunt urmate de o volatilitate mai mare dect micrile n
sens cresctor de aceeai amplitudine.
Cele mai utilizate modele ARCH care permit analiza rspunsului asimetric la ocuri sunt
modelele Treshold ARCH (TARCH) i GARCH Exponential (EGARCH).
i =1 j =1
n acest model, vetile bune ( t < 0 ) i vestile rele ( t > 0 ) au efecte diferite asupra
Modelul EGARCH, propus de Nelson (1991) are urmtoarea specificaie pentru ecuaia
varianei condiionate:
t 1 t 1
log(ht ) = + log(ht 1 ) + + .
ht 1 ht 1
Confirm acestui model, efectul informaiilor este exponenial (i nu ptratic) iar variana
prognozat va fi obligatoriu non-negativ. Impactul informaiilor este asimetric dac
0.
18
Aceste modele permit calculul VaR prin luarea n considerare a impactului asupra
volatilitii viitoare a evenimentelor recente. De asemenea, cele dou serii (randamente i
volatilitatea) fiind serii staionare, aceste modele permit prognoza volatilitii pentru
fiecare sub-perioad (zi) a orizontului avut n vedere pentru calculul VaR. De exemplu,
pentru a obine o prognoz a volatilitii pentru urmtoarele 10 zile, se nsumeaz cele 10
250
variane, se multiplic cu i se extrage rdcina ptrat.
10
n practic a fost sugerat chiar utilizarea modelelor GARCH pentru modelarea direct
P/L-ului portofoliului i calculul VaR funcie de volatilitatea condiionat a acestuia, n
acest fel evitndu-se calculul matricelor de covarian.
19
7. Calculul VaR pentru un portofoliu de aciuni
Considernd un portofoliu format din patru aciuni Antibiotice Iai (ATB), Impact
Bucureti (IMP), Turbomecanica (TBM) i Banca Transilvania (TLV) avnd ponderi
egale, se calculeaz VaR-ul portofoliului pe baza metodologiilor descrise n Capitolul
VIII. Calculul VaR va fi realizat pe date zilnice, perioada analizat fiind ianuarie 1999
mai 2007.
Msurile VaR calculate sunt: VaR analitic, VaR istoric, VaR prin maparea poziiilor pe
baza modelului CAPM, VaR pe baza de volatilitate EWMA i VaR pe baz de volatilitate
estimat prin modele GARCH.
Conform testului ADF, seriile randamentelor celor patru aciuni, indicelui BET i
portofoliului sunt staionare, iar conform testului Jarque Berra seriile randamentelor nu au
o distribuie normal (ci leptokurtotic).
20
Testul Jarque-Berra
ATB IMP
1400 1200
Series: DLN_ATB Series: DLN_IMP
Sample 1 2100 Sample 1 2100
1200 1000
Observations 2090 Observations 2090
TBM TLV
1400 1400
Series: DLN_TBM Series: DLN_TLV
Sample 1 2100 1200 Sample 1 2100
1200
Observations 2090 Observations 2090
1000 1000
Mean 0.002376
Mean 0.001890
800 Median 0.000000
800 Median 0.000000
Maximum 0.474894
Maximum 1.798494
Minimum -0.262364
Minimum -0.184093 600
600 Std. Dev. 0.030051
Std. Dev. 0.051122 Skewness 3.754518
Skewness 20.74361 400
400 Kurtosis 77.53756
Kurtosis 732.6264
200 Jarque-Bera 488732.0
200 Jarque-Bera 46509111 Probability 0.000000
Probability 0.000000 0
0 -0.25 -0.00 0.25
-0.0 0.5 1.0 1.5
Portofoliu
1000
Series: DLN_PORTOFOLIU
Sample 1 2100
800 Observations 2090
Mean 0.001923
600 Median 0.001221
Maximum 0.487856
Minimum -0.099785
400 Std. Dev. 0.023377
Skewness 6.518779
Kurtosis 132.5431
200
Jarque-Bera 1476185.
Probability 0.000000
0
-0.000 0.125 0.250 0.375 0.500
21
Cele patru momente ale distribuiilor sunt prezenetate n tabelul de mai jos. Ca urmare,
msurile VaR bazate pe ipoteza distribuiei normale a seriilor pot subestima riscul.
Matricea de corelaie dintre cele patru aciuni, calculat pe baza eantionului de date
pentru perioada analizat, este:
22
Evoluia randamentelor zilnice ale aciunilor i a portofoliului
DLN_ATB DLN_IMP
1.6 .3
.2
1.2
.1
0.8
.0
0.4
-.1
0.0
-.2
-0.4 -.3
250 500 750 1000 1250 1500 1750 2000 250 500 750 1000 1250 1500 1750 2000
DLN_TBM DLN_TLV
2.0 .5
.4
1.6
.3
1.2
.2
0.8 .1
.0
0.4
-.1
0.0
-.2
-0.4 -.3
250 500 750 1000 1250 1500 1750 2000 250 500 750 1000 1250 1500 1750 2000
DL_BET DLN_PORTOF
.12 .5
.08 .4
.04 .3
.00 .2
-.04 .1
-.08 .0
-.12 -.1
-.16 -.2
250 500 750 1000 1250 1500 1750 2000 250 500 750 1000 1250 1500 1750 2000
Pentru calculul VaR prin metoda analitic a fost calculat deviaia standard a P/L-ului
portofoliului de aciuni pe ultimele 250 de zile, p , i pe baza acestei serii, considernd o
23
valoare a portofoliului de o unitate monetar (1 RON), un nivel de relevan de 1 la sut
i un orizont de prognoz de 10 zile a fost generat msura VaR pe baza relaiei
VaR = 2.32635 p 10 .
Pentru calculul VaR prin simulare istoric, msura VaR pentru un orizont de 10 zile a fost
considerat percentila 1 la sut pentru seria de randamente zilnice ale portofoliului de
aciuni nmulit cu 10 .
n cazul calculului VaR prin maparea poziiilor n aciuni, utiliznd abordarea CAPM, au
fost estimai, printr-un model bazat pe panel data, prezentat n tabelul de mai jos,
coeficienii beta, funcie de indicele BET, pentru cele patru aciuni. De asemenea a fost
calculat deviaia standard a indicelui BET pe ultimele 250 de zile.
unde:
xk , pentru k = 1,...,4 reprezint ponderea n portofoliu a celor 4 aciuni,
24
Estimarea factorilor beta ai aciunilor incluse n portofoliu
Effects Specification
Weighted Statistics
Unweighted Statistics
Pentru calculul VaR prin EWMA, lund n considerare un coeficient pentru date zilnice
de 0,94, pornind, ca observaie iniial, de la abaterea medie ptratic istoric au fost
generate seriile de volatilitate pentru cele patru monede, conform relaiei
25
t2 = (1 )rt 21 + t21 ,
iar apoi, pe baza coeficienilor de corelaie istorici a fost calculat seria volatilitii
portofoliului. Seriile de volatiliti EWMA sunt prezentate n graficele de mai jos.
Msura VaR care ncorporeaz volatilitile calculate pe baza metodologiei EWMA a fost
generat prin metoda analitic, orizontul de timp fiind de 10 zile, iar nivelul de relevan
de 1 la sut.
EWMA_ATB EWMA_IMP
.4 .10
.08
.3
.06
.2
.04
.1
.02
.0 .00
250 500 750 1000 1250 1500 1750 2000 250 500 750 1000 1250 1500 1750 2000
EWMA_TBM EWMA_TLV
.5 .14
.12
.4
.10
.3
.08
.06
.2
.04
.1
.02
.0 .00
250 500 750 1000 1250 1500 1750 2000 250 500 750 1000 1250 1500 1750 2000
EWMA_PORTOFOLIU
.14
.12
.10
.08
.06
.04
.02
.00
250 500 750 1000 1250 1500 1750 2000
26
Specificaia modelelor ARCH utilizate a fost aleas funcie de testele de autocorelaie a
erorilor (modelele s nu prezinte autocorelaie), testele de autocorelaie a erorilor
ptratice (s nu existe termeni ARCH suplimentari), suma i semnul coeficienilor ARCH
i GARCH (s nu existe procese ARCH integrate iar volatilitatea s fie strict mai mare
dect zero). Ecuaia de volatilitate pentru cele patru aciuni este determinat dup cum
urmeaz:
ATB GARCH(1,1)
Variance Equation
27
C 0.000259 1.74E-05 14.88917 0.0000
RESID(-1)^2 0.565227 0.063491 8.902477 0.0000
GARCH(-1) 0.202583 0.030073 6.736352 0.0000
IMP TARCH(1,1,1)
Variance Equation
28
TBM TARCH(1,1,1)
Variance Equation
TLV GARCH(1,1)
29
Variance Equation
Portofoliu EGARCH(1,1)
Dependent Variable: DLN_PORTOFOLIU
Method: ML - ARCH (Marquardt) - Generalized error distribution (GED)
Date: 06/19/07 Time: 21:03
Sample (adjusted): 2 2091
Included observations: 2090 after adjustments
Convergence achieved after 38 iterations
Variance backcast: ON
LOG(GARCH) = C(2) + C(3)*ABS(RESID(-1)/@SQRT(GARCH(-1))) +
C(4)*LOG(GARCH(-1))
Variance Equation
30
Volatilitatea pentru un orizont de 10 zile a fost calculat ca radical din suma varianelor
la momentele t , t + 1,..., t + 9 .
Pe baza acestei volatiliti a fost calculat msura VaR pentru un nivel de relevan de 1
la sut, conform relaiei:
VaR = 2.32535 ARCH ,
unde ARCH reprezint volatilitatea portofoliului calculat prin modele GARCH, pentru
un orizont de 10 zile.
31
Volatilitatea cursurilor aciunilor i a portofoliului
calculat prin modele GARCH
STDEV_ARCH_ATB STDEV_ARCH_IMP
1.4 .40
1.2 .35
1.0 .30
0.8 .25
0.6 .20
0.4 .15
0.2 .10
0.0 .05
250 500 750 1000 1250 1500 1750 2000 250 500 750 1000 1250 1500 1750 2000
STDEV_ARCH_TBM STDEV_ARCH_TLV
1.2 .40
.35
1.0
.30
0.8
.25
0.6 .20
.15
0.4
.10
0.2
.05
0.0 .00
250 500 750 1000 1250 1500 1750 2000 250 500 750 1000 1250 1500 1750 2000
STDEV_ARCH_PORTOFOLIU STDEV_ARCH_PORTOFOLIU_AN
.5 .36
.32
.4 .28
.24
.3
.20
.16
.2
.12
.1 .08
.04
.0 .00
250 500 750 1000 1250 1500 1750 2000 250 500 750 1000 1250 1500 1750 2000
32
perioada analizat), iar ST_DEV_ARCH_PORTOFOLIU este volatilitatea portofoliului
calculat printr-un model GARCH pentru randamentele portofoliului.
Msurile VaR calculate pe baza celor cinci metodologii de mai sus sunt prezentate n
graficele de mai jos mpreun cu randamentele pe 10 zile ale portofoliului, nmulite cu -1
pentru comparabilitate (cu msurile VaR).
Conform rezultatelor:
Modelul bazat pe EWMA a performat cel mai bine, n perioada analizat
producnd o singur eroare, n 1841 de observaii (incadrndu-se n nivelul de
relevan de 1 la sut).
De asemenea i modelul pe baz de simulare istoric, modelul analitic i modelele
bazate pe estimarea volatilitii prin modele GARCH se ncadreaz n nivelul de
relevan de 1 la sut (au produs fiecare cte dou erori n 1841 de observaii
pentru modelul analitica i modelul istoric i, respectiv, 2072 de observaii pentru
modelele GARCH). Dintre aceste patru modele se detaeaz modelele bazate pe
GARCH, care fa de celelalte dou implic cerine de capital mai reduse.
Dintre cele dou modele GARCH, modelul bazat pe metoda analitic implic
cerine de capital inferioare modelului GARCH aplicat randamentelor
portofoliului, dar n acelai timp implic cerine de calcul superioare.
33
-0.8
-0.6
-0.4
-0.2
0.0
0.2
0.4
0.6
0.8
1.0
1.2
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
1/18/1999 12/22/1999 1.2
4/18/1999 3/22/2000
7/18/1999
6/22/2000
10/18/1999
9/22/2000
1/18/2000
12/22/2000
4/18/2000
3/22/2001
7/18/2000
(-1)*Randament 10 zile
1/18/2001 9/22/2001
4/18/2001 12/22/2001
7/18/2001 3/22/2002
10/18/2001 6/22/2002
1/18/2002
9/22/2002
VaR GARCH
4/18/2002
12/22/2002
7/18/2002
3/22/2003
10/18/2002
6/22/2003
1/18/2003
4/18/2003 9/22/2003
7/18/2003 12/22/2003
10/18/2003 3/22/2004
1/18/2004 6/22/2004
VaR istoric
4/18/2004
VaR EWMA
9/22/2004
7/18/2004
12/22/2004
10/18/2004
3/22/2005
(-1)*Randament 10 zile
1/18/2005
6/22/2005
4/18/2005
7/18/2005 9/22/2005
10/18/2005 12/22/2005
Msurile VaR calculate pe baz de modele GARCH
1/18/2006 3/22/2006
VaR CAPM
VaR analitic
4/18/2006 6/22/2006
7/18/2006 9/22/2006
10/18/2006
12/22/2006
Msurile VaR bazat pe mapare a poziiilor, istoric, analitic i EWMA
1/18/2007
3/22/2007
4/18/2007
34
8.Calculul VaR pentru un portofoliu de monede
Considernd un portofoliu format din patru monede (CHF, EUR, GBP, USD) versus
RON avnd ponderi: 40 la sut EUR, 20 la sut GBP, 20 la suta CHF i 20 la sut USD,
se calculeaz VaR-ul portofoliului pe baza metodologiilor descrise n Capitolul VIII.
Calculul VaR va fi realizat pe date zilnice, perioada analizat fiind ianuarie 1999 mai
2007.
Msurile VaR calculate sunt: VaR analitic, VaR istoric, VaR pe baza de volatilitate
EWMA i VaR pe baz de volatilitate estimat prin modele GARCH.
Conform testului ADF, seriile randamentelor celor patru monede sunt staionare, iar
conform testului Jarque Berra seriile randamentelor nu au o distribuie normal,
distribuia acestor serii fiind leptokurtotic.
Probabilitate
t-statistic
asociat
CHF -29.6555 0
EUR -29.1738 0
GBP -33.9879 0
USD -40.7971 0
Portofoliu -29.1039 0
Nivel de
t-statistic
relevan
1% -2.56604
5% -1.94097
10% -1.61660
35
Testul Jarque-Berra
CHF EUR
800 900
Series: DL_CHF Series: DL_EUR
700 Sample 1 2500 800 Sample 1 2500
Observations 2147 700 Observations 2147
600
Mean 0.000417 600 Mean 0.000427
500
Median 8.19e-05 Median -2.90e-05
500 Maximum 0.068792
400 Maximum 0.069412
Minimum -0.050280 400 Minimum -0.051064
300 Std. Dev. 0.006491 Std. Dev. 0.006208
Skewness 0.774321 300 Skewness 0.857072
200 Kurtosis 12.46162 Kurtosis 14.10991
200
100 Jarque-Bera 8223.063 100 Jarque-Bera 11304.70
Probability 0.000000 Probability 0.000000
0 0
-0.050 -0.025 -0.000 0.025 0.050 -0.050 -0.025 -0.000 0.025 0.050
GBP USD
800 1200
Series: DL_GBP Series: DL_USD
700 Sample 1 2500 Sample 1 2500
1000
Observations 2147 Observations 2147
600
Mean 0.000448 800 Mean 0.000363
500 Median 0.000686
Median 0.000382
Maximum 0.062027 600 Maximum 0.059451
400
Minimum -0.048380 Minimum -0.049684
300 Std. Dev. 0.005812 Std. Dev. 0.005437
Skewness 0.561002 400 Skewness 0.349573
200 Kurtosis 12.83267 Kurtosis 15.95207
200
100 Jarque-Bera 8761.568 Jarque-Bera 15050.90
Probability 0.000000 Probability 0.000000
0 0
-0.050 -0.025 -0.000 0.025 0.050 -0.04 -0.02 -0.00 0.02 0.04 0.06
Portofoliu
900
Series: DL_PORTOFOLIU
800 Sample 1 2500
700 Observations 2147
36
Cele patru momente ale distribuiilor sunt prezentate n tabelul de mai jos. Ca urmare,
msurile VaR bazate pe ipoteza distribuiei normale a seriilor pot subestima riscul.
Matricea de corelaie dintre cele patru monede calculat pe baza eantionului de date
pentru perioada analizat este:
37
Evoluia randamentelor zilnice ale monedelor i a portofoliului
DL_CHF DL_EUR
.08 .08
.06 .06
.04 .04
.02 .02
.00 .00
-.02 -.02
-.04 -.04
-.06 -.06
500 1000 1500 2000 500 1000 1500 2000
DL_GBP DL_USD
.08 .08
.06 .06
.04 .04
.02 .02
.00 .00
-.02 -.02
-.04 -.04
-.06 -.06
500 1000 1500 2000 500 1000 1500 2000
DL_PORTOFOLIU
.08
.06
.04
.02
.00
-.02
-.04
-.06
500 1000 1500 2000
Pentru calculul VaR prin metoda analitic a fost calculat deviaia standard a P/L-ului
portofoliului de monede pe ultimele 250 de zile, p , i pe baza acestei serii, considernd
38
o valoare a portofoliului de o unitate monetar (1 RON), un nivel de relevan de 1 la sut
i un orizont de prognoz de 10 zile a fost generat msura VaR pe baza relaiei
VaR = 2.32635 p 10 .
Pentru calculul VaR prin simulare istoric, msura VaR pentru un orizont de 10 zile a fost
considerat percentila 1 la sut pentru seria de randamente zilnice ale portofoliului
nmulit cu 10 .
Pentru calculul VaR prin EWMA, lund n considerare un coeficient pentru date zilnice
de 0,94, pornind, ca variabil iniial, de la abaterea medie ptratic istoric au fost
generate seriile de volatilitate pentru cele patru monede, conform relaiei
t2 = (1 )rt 21 + t21 ,
iar apoi, pe baza coeficienilor de corelaie istorici a fost calculat seria volatilitii
portofoliului. Seriile de volatiliti EWMA sunt prezentate n graficele de mai jos.
Msura VaR care ncorporeaz volatilitile calculate pe baza metodologiei EWMA a fost
generat prin metoda analitic, orizontul de timp fiind de 10 zile, iar nivelul de relevan
de 1 la sut.
39
Volatilitatea zilnic a seriilor de cursuri de schimb i a portofoliului
calculat pe baza metodologiei EWMA
EWMA_EUR EWMA_CHF
.020 .020
.016 .016
.012 .012
.008 .008
.004 .004
.000 .000
250 500 750 1000 1250 1500 1750 2000 250 500 750 1000 1250 1500 1750 2000
EWMA_GBP EWMA_USD
.020 .020
.016 .016
.012 .012
.008 .008
.004 .004
.000 .000
250 500 750 1000 1250 1500 1750 2000 250 500 750 1000 1250 1500 1750 2000
EWMA_PORTOFOLIU
.016
.014
.012
.010
.008
.006
.004
.002
250 500 750 1000 1250 1500 1750 2000
40
Distribution, GED), avnd n vedere c distribuia seriilor nu este normal. Conform
estimrilor, coeficientul GED a fost mai mic dect 2 ceea ce concord cu ipoteza
distribuiei leptokurtotice a datelor. Modelele GARCH estimate sunt prezentate n mai
jos.
Variance Equation
41
Coefficient Std. Error z-Statistic Prob.
Variance Equation
Variance Equation
42
Sum squared resid 0.072523 Schwarz criterion -7.641798
Log likelihood 8226.486 Durbin-Watson stat 1.796292
Variance Equation
43
Portofoliu - TARCH (1,1,1)
Variance Equation
44
Volatilitatea seriilor de cursuri de schimb i a portofoliului
calculat prin modele GARCH
STDEV_ARCH_CHF STDEV_ARCH_EUR
.07 .06
.06 .05
.05
.04
.04
.03
.03
.02
.02
.01 .01
.00 .00
250 500 750 1000 1250 1500 1750 2000 250 500 750 1000 1250 1500 1750 2000
STDEV_ARCH_GBP STDEV_ARCH_USD
.045 .06
.040 .05
.035
.04
.030
.03
.025
.02
.020
.015 .01
.010 .00
250 500 750 1000 1250 1500 1750 2000 250 500 750 1000 1250 1500 1750 2000
STDEV_ARCH_PORTOFOLIU_AN STDEV_ARCH_PORTOFOLIU
.05 .07
.06
.04
.05
.03
.04
.03
.02
.02
.01
.01
.00 .00
250 500 750 1000 1250 1500 1750 2000 250 500 750 1000 1250 1500 1750 2000
45
ST_DEV_ARCH_PORTOFOLIU este volatilitatea portofoliului calculat printr-un
model GARCH pentru randamentele portofoliului.
Volatilitatea pentru un orizont de 10 zile a fost calculat ca radical din suma varianelor
la momentele t , t + 1,..., t + 9 .
Pe baza acestei volatiliti a fost calculat msura VaR pentru un nivel de relevan de 1
la sut, conform relaiei:
VaR = 2.32535 ARCH ,
unde ARCH reprezint volatilitatea portofoliului calculat prin modele GARCH, pentru
un orizont de 10 zile.
Msurile VaR calculate pe baza celor patru metodologii de mai sus sunt prezentate n
graficele de mai jos mpreun cu randamentele pe 10 zile ale portofoliului de valute,
nmulite cu -1 pentru comparabilitate (cu msurile VaR).
Conform rezultatelor:
Modelul pe baz de volatilitate calculat prin EWMA tinde s subestimeze riscul
portofoliului,
Modelul pe baz de simulare istoric i modelul analitic estimeaz bine cerinele
de capital n perioadele cu volatilitate redus. n perioada cu volatilitate ridicat,
oct. 2004 feb. 2005 acestea subestimeaz riscul.
Msurile VaR care au la baz modele GARCH, datorit caracteristicii forward
looking a acestora, se comport bine i n perioadele cu volatilitate ridicat.
46
-0.20
-0.15
-0.10
-0.05
0.00
0.05
0.10
0.15
-0.08
-0.06
-0.04
-0.02
0.00
0.02
0.04
0.06
0.08
0.10
0.12
1/5/1999 12/22/1999
4/5/1999 3/22/2000
7/5/1999
6/22/2000
10/5/1999
9/22/2000
1/5/2000
12/22/2000
4/5/2000
VaR istoric
3/22/2001
7/5/2000
10/5/2000 6/22/2001
9/22/2001
VaR GARCH
(-1)*Randament 10 zile
1/5/2001
4/5/2001 12/22/2001
7/5/2001 3/22/2002
(-1)*Randament 10 zile
10/5/2001 6/22/2002
1/5/2002
9/22/2002
VaR analitic
VaR EWMA
4/5/2002
12/22/2002
7/5/2002
3/22/2003
10/5/2002
6/22/2003
1/5/2003
4/5/2003 9/22/2003
7/5/2005 9/22/2005
10/5/2005 12/22/2005
Msurile VaR calculate pe baz de modele GARCH
1/5/2006 3/22/2006
4/5/2006 6/22/2006
7/5/2006
9/22/2006
10/5/2006
12/22/2006
1/5/2007
3/22/2007
4/5/2007
47
9.Calculul VaR pentru un portofoliu de opiuni
Portofoliul de opiuni
48
Scadena medie a portofoliului, calculat ca sum ponderat a scadenelor funcie de
noional, este de aproximativ 6 luni.
0.07
0.06
0.05
0.04
0.03
0.02
0.01
0.00
1/24/2006
2/24/2006
3/24/2006
4/24/2006
5/24/2006
6/24/2006
7/24/2006
8/24/2006
9/24/2006
1/24/2007
2/24/2007
3/24/2007
4/24/2007
5/24/2007
10/24/2005
11/24/2005
12/24/2005
10/24/2006
11/24/2006
12/24/2006
49
n vederea simulrii, abaterea medie ptratic a cursului de schimb pentru un orizont de o
zi, a fost considerat ultima observaie a seriei de volatilitate istoric, 4,5 la sut iar
abaterea medie ptratic, pentru un orizont de o zi, a volatilitii cursului de schimb, de
1,54 la sut.
n cazul calculului VaR prin maparea poziiilor, considernd ca portofoliu a fost delta
hedge-uit printr-un contract forward, delta portofoliului de opiuni este 0, msura VaR
este:
1
VaR Z S (Z S ) ,
2
2
unde:
S reprezint cursul de schimb spot EUR/RON,
delta portofoliului de opiuni,
gamma portofoliului de opiuni,
deviaia standard a randamentelor cursului spot EUR/RON.
50
Bibliografie
[2] Alexander, Carol i Elizabeth Sheedy, editori, (2004) The Professional Risk
Managers Handbook. Volume I: Finance Theory, Financial Instruments and
Markets, PRMIA Publications.
[3] Alexander, Carol i Elizabeth Sheedy, editori, (2004) The Professional Risk
Managers Handbook. Volume II: Mathematical Foundations of Risk
Measurement, PRMIA Publications.
[4] Alexander, Carol i Elizabeth Sheedy, editori, (2004) The Professional Risk
Managers Handbook. Volume III: Risk Management Practices, PRMIA
Publications.
[7] Crouhy, Michel, Dan Galai i Robert Mark (2001) Risk Management, McGraw-
Hill.
[8] Engle, Robert F., editor, (1995) ARCH. Selected Readings, Oxford University
Press.
[9] Hamilton, James D. (1994) Time Series Analysis, Princeton University Press.
[11] Jorion, Philippe (2003) Financial Risk Manager Handbook, Second Edition, John
Wiley & Sons
51