Backtesting Value-at-Risk (VaR): Grunderna

Value-at-risk (VaR) är ett allmänt använt mått på nedåtriktade investeringsrisk för en enda investering eller en portfölj av investeringar. VaR ger maximal förlust på en portfölj under en viss tidsperiod för en viss nivå av förtroende. Ofta väljs konfidensnivån för att ge en indikation på svansrisk; det vill säga risken för sällsynta, extrema marknadshändelser.

Till exempel, baserat på en VaR -beräkning, kan en investerare vara 95% säker på att den maximala förlusten på en dag på en aktieinvestering på $ 100 inte kommer att överstiga $ 3. VaR ($ 3 i detta exempel) kan mätas med tre olika metoder. Varje metod bygger på att skapa en fördelning av investeringsavkastning; på ett annat sätt tilldelas alla möjliga investeringsavkastningar en sannolikhet att inträffa under en viss tidsperiod. (Se även En introduktion till Value at Risk (VaR).)

Hur exakt är VaR?

När en VaR -metod väljs är beräkning av en portföljs VaR en ganska enkel övning. Utmaningen ligger i att bedöma måttets noggrannhet och därmed riktigheten i fördelningen av avkastningen. Att veta måttets noggrannhet är särskilt viktigt för finansinstitut eftersom de använder VaR för att uppskatta hur mycket kontanter de behöver reservera för att täcka potentiella förluster. Eventuella felaktigheter i VaR -modellen kan innebära att institutet inte har tillräckliga reserver och kan leda till betydande förluster, inte bara för institutet utan potentiellt för dess insättare, enskilda investerare och företag kunder. Under extrema marknadsförhållanden som de som VaR försöker fånga kan förlusterna vara tillräckligt stora för att orsaka

konkurs. (Se även Vad du behöver veta om konkurs.)

Hur man backtestar en VaR -modell för noggrannhet

Riskhanterare använder en teknik som kallas backtesting för att bestämma noggrannheten hos en VaR -modell. Backtesting innebär jämförelse av det beräknade VaR -måttet med de faktiska förlusterna (eller vinsterna) som uppnås på portföljen. En backtest förlitar sig på den nivå av förtroende som antas i beräkningen. Till exempel kommer investeraren som beräknade en en-dags VaR på $ 3 på en investering på $ 100 med 95% förtroende att förvänta sig att förlusten på en dag på sin portfölj överstiger $ 3 endast 5% av tiden. Om investeraren registrerade de faktiska förlusterna över 100 dagar skulle förlusten överstiga $ 3 på exakt fem av dessa dagar om VaR -modellen är korrekt. Ett enkelt backtest staplar upp den faktiska avkastningsfördelningen mot modellavkastningsfördelningen genom att jämföra andelen faktiska förlustundantag med det förväntade antalet undantag. Backtestet måste utföras under en tillräckligt lång period för att säkerställa att det finns tillräckligt med faktiska avkastningsobservationer för att skapa en faktisk avkastningsfördelning. För en VaR-åtgärd på en dag använder riskhanterare vanligtvis en period på minst ett år för baktestning.

Det enkla backtestet har en stor nackdel: det beror på urvalet av faktiska avkastning Begagnade. Tänk igen på investeraren som beräknade en 3-dagars VaR med 95% förtroende. Antag att investeraren gjorde ett backtest över 100 dagar och hittade exakt fem undantag. Om investeraren använder en annan 100-dagarsperiod kan det finnas färre eller fler undantag. Detta provberoende gör det svårt att fastställa modellens noggrannhet. För att ta itu med denna svaghet kan statistiska tester genomföras för att belysa om ett backtest har misslyckats eller gått.

Vad ska jag göra om backtestet misslyckas

När ett backtest misslyckas finns det ett antal möjliga orsaker som måste beaktas:

Felaktig returfördelning

Om VaR -metoden antar en avkastningsfördelning (t.ex. en normal fördelning av avkastning), är det möjligt att modellfördelningen inte passar bra till den faktiska fördelningen. Statistisk passform tester kan användas för att kontrollera att modellfördelningen passar de faktiska observerade data. Alternativt kan en VaR -metodik som inte kräver ett distributionsantag användas.

En felspecificerad VaR -modell

Om VaR -modellen fångar, säg, endast aktiemarknadsrisk medan investeringsportföljen utsätts för andra risker som ränterisk eller valutarisk, är modellen felspecificerad. Dessutom, om VaR -modellen inte lyckas fånga korrelationerna mellan riskerna, anses den vara felspecificerad. Detta kan åtgärdas genom att inkludera alla tillämpliga risker och tillhörande korrelationer i modellen. Det är viktigt att omvärdera VaR -modellen när nya risker läggs till a portfölj.

Mätning av faktiska förluster

De faktiska portföljförlusterna måste vara representativa för risker som kan modelleras. Mer specifikt måste de faktiska förlusterna utesluta eventuella avgifter eller andra sådana kostnader eller inkomster. Förluster som endast representerar risker som kan modelleras kallas "rena förluster". De som inkluderar avgifter och annat sådana föremål kallas "smutsiga förluster". Backtesting måste alltid göras med rena förluster för att säkerställa en like-for-like jämförelse.

Andra överväganden

Det är viktigt att inte lita på en VaR -modell bara för att den klarar ett backtest. Även om VaR erbjuder användbar information om risken i värsta fall är den starkt beroende av den avkastningsfördelning som används, särskilt svansen på distributionen. Eftersom svanshändelser är så sällsynta hävdar vissa utövare att alla försök att mäta svanssannolikheter baserade på historisk observation är i sig bristfälliga. Enligt Reuters, "VaR kom in för het kritik efter finanskrisen eftersom många modeller inte kunde förutsäga omfattningen av de förluster som förstörde många stora banker 2007 och 2008."

Anledningen? Marknaderna hade inte upplevt en liknande händelse, så det var inte fångat i svansen på de distributioner som användes. Efter finanskrisen 2007 blev det också klart att VaR -modeller inte kan fånga alla risker; till exempel, grundrisk.Dessa ytterligare risker kallas "risk not in VaR" eller RNiV.

I ett försök att åtgärda dessa brister kompletterar riskhanterare VaR -måttet med andra riskmått och andra tekniker som stresstester.

Poängen

Value-at-Risk (VaR) är ett mått på värsta förluster under en viss tidsperiod med ett visst förtroende. Mätningen av VaR beror på fördelningen av investeringsavkastningen. För att testa om modellen korrekt representerar verkligheten eller inte kan backtesting utföras. Ett misslyckat backtest innebär att VaR -modellen måste omvärderas. En VaR -modell som klarar ett backtest bör dock fortfarande kompletteras med andra riskmått på grund av bristerna i VaR -modellering. (Se även Hur man beräknar din investeringsavkastning.)