Value-at-risk (VaR) är ett allmänt använt mått på nedåtriktad investeringsrisk för en enskild investering eller en portfölj av investeringar. VaR ger maximal portförlust 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 dollar inte kommer att överstiga 3 dollar. VaR ($ 3 i detta exempel) kan mätas med hjälp av tre olika metoder. Varje metod förlitar sig på att skapa en fördelning av investeringsavkastningen; uttryckt på ett annat sätt, all möjlig investeringsavkastning tilldelas 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 har valts är beräkning av en portföljs VaR en ganska enkel övning. Utmaningen ligger i att bedöma åtgärdens noggrannhet och därmed noggrannheten i fördelningen av avkastningen. Att veta åtgärdens 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 institutionen inte har tillräckliga reserver och kan leda till betydande förluster, inte bara för institutionen utan även för sina insättare, enskilda investerare och företagskunder. 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 testar en VaR-modell för noggrannhet
Riskhanterare använder en teknik som kallas backtesting för att bestämma noggrannheten för en VaR-modell. Backtesting innebär en jämförelse av det beräknade VaR-måttet med de faktiska förlusterna (eller vinsterna) som uppnåtts i portföljen. En backtest bygger på den nivå av förtroende som antas vid beräkningen. Till exempel kommer investeraren som beräknade en en-dagers VaR på $ 3 på en $ 100-investering med 95% förtroende förväntar sig att en dagsförlust på sin portfölj endast överstiger 3 $ endast 5% av tiden. Om investeraren registrerade de faktiska förlusterna under 100 dagar skulle förlusten överstiga 3 dollar på exakt fem av dessa dagar om VaR-modellen är korrekt. En enkel backtest staplar upp den faktiska avkastningsfördelningen mot modellåterfördelningen genom att jämföra andelen faktiska förlustundantag med det förväntade antalet undantag. Backtest måste utföras under en tillräckligt lång period för att säkerställa att det finns tillräckliga faktiska returobservationer för att skapa en verklig returdistribution. För ett VaR-mått på en dag använder riskhanterare vanligtvis en period på minst ett år för backtesting.
Det enkla backtestet har en stor nackdel: det beror på urvalet av faktiska avkastningar som används. Tänk igen investeraren som beräknade en $ 3-dagars VaR med 95% förtroende. Anta att investeraren utförde en backtest över 100 dagar och hittade exakt fem undantag. Om investeraren använder en annan 100-dagarsperiod kan det finnas färre eller större antal undantag. Detta provberoende gör det svårt att fastställa modellens noggrannhet. För att hantera denna svaghet kan statistiska test implementeras för att belysa om en backtest har misslyckats eller godkänts.
Vad du ska göra om Backtest misslyckas
När en backtest misslyckas finns det ett antal möjliga orsaker som måste beaktas:
Distributionen för fel återkomst
Om VaR-metodologin antar en returdistribution (t.ex. en normalfördelning av returer), är det möjligt att modellfördelningen inte passar bra till den faktiska distributionen. Statistiska tester av passform kan användas för att kontrollera att modellfördelningen passar de faktiska observerade data. Alternativt kan en VaR-metodik som inte kräver ett distributionsantagande användas.
En missuppgiven VaR-modell
Om VaR-modellen fångar upp, till exempel, endast aktiemarknadsrisk medan investeringsportföljen är exponerad för andra risker som ränterisk eller valutarisk, är modellen felaktigt specificerad. Om VaR-modellen inte lyckas fånga korrelationerna mellan riskerna, anses den vara felaktigt specificerad. Detta kan korrigeras genom att inkludera alla tillämpliga risker och tillhörande korrelationer i modellen. Det är viktigt att omvärdera VaR-modellen närhelst nya risker läggs till i en 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 inkomst. Förluster som endast representerar risker som kan modelleras kallas "rena förluster." De som inkluderar avgifter och andra sådana artiklar kallas "smutsiga förluster." Åtgärder måste alltid göras med rena förluster för att säkerställa en jämförbar jämförelse.
Andra överväganden
Det är viktigt att inte lita på en VaR-modell bara för att den passerar en backtest. Även om VaR erbjuder användbar information om exponeringen i värsta fall är den starkt beroende av den avkastningsfördelning som används, speciellt distansen. Eftersom svanshändelser är så sällsynta, hävdar vissa utövare att alla försök att mäta svanssannolikheter baserat på historisk observation i sig är felaktiga. Enligt Reuters, "VaR kom in för upphettad kritik efter finanskrisen eftersom många modeller inte förutsåg omfattningen av de förluster som förstörde många stora banker under 2007 och 2008."
Anledningen? Marknaderna hade inte upplevt en liknande händelse, så den fångades inte i svansarna i distributionerna som användes. Efter finanskrisen 2007 blev det också tydligt att VaR-modeller inte kan fånga alla risker. till exempel basrisk. Dessa ytterligare risker benämns "risk inte i VaR" eller RNiV.
I ett försök att hantera dessa brister kompletterar riskhanterare VaR-åtgärden med andra riskmått och andra tekniker som stresstestning.
Poängen
Value-at-Risk (VaR) är ett mått på värsta fall förluster under en viss tidsperiod med en viss nivå av förtroende. Mätningen av VaR beror på fördelningen av investeringsavkastningen. För att testa huruvida modellen exakt representerar verkligheten kan backtesting genomföras. En misslyckad backtest innebär att VaR-modellen måste omvärderas. En VaR-modell som passerar en backtest bör dock fortfarande kompletteras med andra riskåtgärder på grund av bristerna i VaR-modellering. (Se även Hur du beräknar din investeringsavkastning. )
