VaR и проблема «больших хвостов» распределения доходности
Размещено на сайте 31.05.2012
Value-at-Risk (VaR) стал в последнее время одним из самых популярных показателей для оценки и управления рисками. Важнейшим его преимуществом перед таким показателем, как стандартное отклонение доходности, является то, что он измеряет не абстрактную волатильность, а вполне конкретный уровень возможных потерь при заданной вероятности. Однако не следует забывать о том, что данное преимущество приобретается весьма большой ценой — мы делаем предположение о распределении доходности. И если это предположение окажется неверным, то и оценка риска будет ошибочной.
В.Ю. Хохлов, консультант по корпоративным финансам и инвестициям, MBA
Приводятся извлечения из статьи.
Полную версию материала читайте в журнале.
Подписаться
То, что современная портфельная теория базируется на нормальном распределении, — это распространенное заблуждение. Сама по себе теория не накладывает ограничений на распределение доходности.
|
Если использование нормального распределения является привычным и простым, то применение распределений Стьюдента и Лапласа имеет ряд нюансов, которые зачастую выпадают из поля зрения теоретиков.
|
Ни одно теоретическое распределение не может точно описать фактическую доходность, но использование распределений Стьюдента и Лапласа однозначно и значительно улучшает качество ее моделирования.
|
При расчете значений VaR есть два нюанса, которые ведут к серьезным расхождениям в значениях. Первый из них — это то, как считаются убытки. Второй — делается ли предположение о распределении доходности или логарифма доходности.
|
Результаты сравнения фактического и теоретического VaR на фондовом рынке России оказались точно такими же, как и на рынке США, — для VaR 5% наиболее точную оценку дает распределение Лапласа, а для VaR 1% и 0,1% — распределение Стьюдента с тремя степенями свободы.
|
Использование распределений Стьюдента и Лапласа может практически устранить недооценку вероятности даже далеко в «хвостах» распределения. Эти распределения фактически нейтрализуют аргументы Нассима Талеба против использования статистических подходов к оценке риска.
|