WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     | 1 |   ...   | 3 | 4 || 6 | 7 |   ...   | 14 |

«ЭНЦИКЛОПЕДИЯ ФИНАНСОВОГО РИСК-МЕНЕДЖМЕНТА Под ред. А. А. Лобанова и А. В. Чугунова а л ь п и н а /ржа б л и ш е р Москва 2003 УДК 336.7(031) ББК ...»

-- [ Страница 5 ] --

5. Производится переоценка стоимости портфеля (состоящего в данном примере из одного актива) по формуле: ДУ = Q(Simo-S(), где Q — количество единиц актива.

6. Шаги 4 и 5 выполняются 500 раз для заполнения таблицы 500 х 1000.

Полученные 500 значений AV сортируются по убыванию (от самого большого прироста до самого большого убытка). Эти ранжированные изменения можно пронумеровать от 1 до 500. В соответствии с жела­ емым уровнем доверия (1 - а) риск-менеджер может определить VaR как такой максимальный убыток, который не превышается в 500(1 - а) случаях, т. е. VaR равен абсолютной величине изменения с номером, равным 500(1 - а).

7. Шаги 1-6 повторяются для каждого расчета каждого дневного VaR.

В качестве объекта исследования был выбран индекс РТС. Генерация слу­ чайных чисел производилась при помощи встроенного генератора MS Excel (рис. 3.12).

Псевдоцены Начальная цена со in г- го Г- 00 О) Ю т- СП - СТ) 1П г- ГО 1^ Y т О! (О т- г- (М ГЛ го о т in ю ч- со см со 5 S г~ со О) со со ю ю со со г~ Рис. 3.12. Моделирование стоимости портфеля методом Монте-Карло III. Управление рыночными рисками Ж На графике показана одна из 500 траекторий цен от начальной цены S до последней S1000. Вообще говоря, SIOO0 может принимать значения как выше первоначальной цены S0, так и ниже, однако в результате проведенного мо­ делирования случайная переменная S1000 в подавляющем большинстве случа­ ев принимала значения, во много раз превышающие первоначальную цену и лишь в 2-3 случаях— меньшие (например, для S0 = 168,2 последняя цена S1000 = 40,4, а прогнозируемое на ее основе дневное падение стоимости порт­ феля составило 76%).

Метод Монте-Карло является наиболее технически сложным из всех опи­ санных методов расчета VaR. Кроме того, для выполнения расчетов в пол­ ном объеме необходимы значительные вычислительные мощности и времен­ ные ресурсы*. Конечно, современные компьютеры работают в несколько раз быстрее, но все равно еще очень далеко до обработки информации в режи­ ме реального времени, как этого требуют трейдеры, если риск-менеджеры хотят устанавливать VaR-лимиты на величину открытых позиций.

Существует вариант метода Монте-Карло, согласно которому можно не задавать какое-либо конкретное распределение для моделирования цен, а использовать непосредственно исторические данные. Подобно методу истори­ ческого моделирования, на основе ретроспективы моделируются гипотетичес­ кие цены, но их последовательность не является единственной и не ограни­ чена глубиной периода ретроспективы, поскольку выборка производится с воз вращением, т. е. возмущение из исторических данных выбирается случайным образом, и каждый раз в выборе участвуют все данные. Эта «загрузка» (bootstrap) историческими данными позволяет учесть эффект «толстых хвостов» и скач­ ки цен, не строя предположений о виде распределения. Это несомненные достоинства метода, который, в отличие от метода исторического моделиро­ вания, позволяет рассмотреть не какую-либо одну траекторию цен (сценарий), а сколь угодно много, что, как правило, повышает точность оценок. Недо­ статками «загрузки» является низкая точность при малых объемах выборки и использование предположения о независимости доходностей во времени.

3.17-2. Метод Монте-Карло для портфеля активов Чтобы проводить моделирование по Монте-Карло для многофакторного про­ цесса, можно точно так же моделировать каждый из k рассматриваемых фак­ торов исходя из сгенерированных случайных чисел:

dSt ( = ^Stjdt + ot]Su]dz, ) = 1,2,..., k. (3.54) С целью учета корреляции между факторами необходимо, чтобы слу­ чайные величины ej и е точно так же коррелировали между собой. Для этого используется разложение Холецкого (Cholesky factorization), суть ко * Так, например, минимальное время генерации случайных чисел в количестве 500 х 1000 на компьютере Intel Pentium 200 МГц, 90 Мб SDRAM составляет 8 мин., и еще 2 мин. занимает пересчет смоделированных цен. Таким образом, минимальное время, необходимое для вычисления всего лишь 255 оценок VaR, составляет 42,5 ч.

17* Энциклопедия финансового риск-менеджмента торого состоит в разложении корреляционной матрицы на две (множите­ ли Холецкого) и использовании их для вычисления коррелированных слу­ чайных чисел.

Корреляционная матрица является симметричной и может быть представ­ лена произведением треугольной матрицы низшего порядка с нулями в верх­ нем правом углу на такую же транспонированную матрицу. Например, для случая двух факторов имеем:

«п = Р.

1Р «и 0 «п «П« " «11«12 = I.

а, А,. а?2 + «^ _Р 1.«12 «22.

а\2 + с4 = 1, отсюда 1 "1 Р" 1= (3.55) P J О Vb.Р Р А/1 Коррелированные случайные числа е, и е2 получаются путем перемноже­ ния множителя Холецкого и вектора независимых случайных чисел 17:

О 7? (3.56) VT Л 2.

При расчетах необходимо правильно выбрать количество множителей, чтобы получилась положительно определенная матрица, но это отдельный вопрос, остающийся за пределами данной главы.

Достоинства метода Монте-Карло • Высокая точность расчетов.

• Высокая точность применительно к инструментам с нелинейными це­ новыми характеристиками.

• Возможность моделирования любых исторических и гипотетических распределений, учет эффекта «толстых хвостов» и скачков цен (вега риска).

Недостатки метода Монте-Карло • Высокая сложность моделей и соответственно высокий риск неадек­ ватности моделей.

• Высокие требования к вычислительной мощности и значительные зат­ раты времени на проведение расчетов.

3.18. Сравнительный анализ методов расчета VaR Поскольку современный финансовый риск-менеджмент оперирует показате­ лями на основе value at risk, необходимо четко представлять себе, какой из методов расчета VaR и в каких условиях показывает наилучшие результаты.

III. Управление рыночными рисками Параметрические методы (локального оценивания) Дельта-нормальный метод (ковариационный метод) прост, допускает анали­ тическое представление, не требует полной переоценки позиций, не требует обширной базы ретроспективных данных, однако имеет ряд минусов, главным из которых является то, что гипотеза о нормальном распределении, как пра­ вило, не соответствует параметрам реального финансового рынка. Данный метод также плохо подходит для оценки риска активов с нелинейными цено­ выми характеристиками.

Делъта-гамма-вега-приближение позволяет учесть соответствующие рис­ ки (изменение дельты, изменение волатильности), что позволяет усилить дос­ тоинства дельта-нормального метода за счет возможности более приемлемой оценки нелинейных инструментов, поступившись, однако, простотой, прису­ щей дельта-нормальному методу.

Методы полного оценивания Метод исторического моделирования позволяет наглядно и полно оценить риск с учетом «толстых хвостов» без предположений о характере распределения, однако он предполагает наличие обширной базы данных по всем факторам риска.

Метод Монте-Карло общепризнан наилучшим, так как обладает рядом неоспоримых достоинств, в частности не использует гипотезу о нормальном распределении доходностей, показывает высокую точность для нелинейных инструментов и устойчив к выбору ретроспективы. К недостаткам метода можно отнести техническую сложность расчетов и модельный риск.

В табл. 333 приведены сравнительные характеристики всех рассмотрен­ ных методов.

3.19. Предельный VaR, VaR приращения и относительный VaR Предельный VaR (marginal VaR) показывает, на какую величину изменится риск портфеля при малых изменениях* размера позиции по данному активу или фактору риска.

Пусть х(— сумма денежных средств, вложенных в i-й вид актива, тогда предельный VaR определяется как:

.- -. „ 0 dVaR(TI) Marginal VaRj = —. (3.57) Таким образом, предельный VaR — это показатель, характеризующий чув­ ствительность VaR портфеля к изменению его структуры и являющийся,про­ сто частной производной VaR портфеля по размеру позиции.

Предельный VaR используется в том случае, когда полная ликвидация дан­ ной позиции или нескольких позиций нецелесообразна, а управление сово­ купным риском портфеля осуществляется посредством балансирования пози­ ций, т. е. частичной покупки или продажи актива.

В предельном случае — при изменении размера позиции на одну денежную единицу.

174 Энциклопедия финансового риск-менеджмента Зная предельный VaR для каждого актива, входящего в портфель, размер позиции по i-му активу в портфеле xt и его процентное изменение в? можно найти приращение VaR портфеля*:

AVaR(Tl) = X Щ • (3.58) д(о Например, имея в портфеле актив А стоимостью 1000 долл. США с пре­ дельным VaR(A) - 100 долл., мы хотим дополнительно вложить 10 долл. в актив А, тогда VaR портфеля изменится следующим образом: АУаК(П) = = (1010/1000 - 1) X 100 = 1 долл.

Важной характеристикой предельного VaR (и его отличием от VaR при­ ращения) является свойство аддитивности:

VaR(n) = X х, • marginal Va^. (3.59) Таким образом, суммируя предельные VaR, умноженные на величину по­ зиций по всем инструментам**, можно получить VaR портфеля. На практике предельный VaR удобно использовать, например, при установлении лимитов, когда важно, чтобы сумма частных рисков была равна риску целого. В част­ ности, с помощью данного показателя можно провести декомпозицию VaR портфеля по входящим в него инструментам (позициям) или факторам рис­ ка. Воспользовавшись (3.59), получим следующее выражение для оценки вклада позиции в общий риск портфеля:

VaR contribution = ^ ' rnargind VaR 1. dVaRM.

= Q 60) VaR(n) VaR(f7) ' Эх( Приведенное разложение риска портфеля по позициям следует интерпре­ тировать в предельном смысле, т. е. оно показывает процентные вклады ин­ струментов в изменение VaR портфеля в результате изменения размера всех позиций на одну и ту же (малую) относительную величину.

Показатель VaR приращения (incremental VaR — IVaR) данной позиции в портфеле отражает величину риска, добавляемого данной позицией к совокуп­ ному риску портфеля. VaR приращения, как и предельный VaR, отражает вли­ яние изменения структуры портфеля на величину его риска, однако от пос­ леднего он отличается тем, что изменение размера позиции может быть боль­ шим, и тогда VaR портфеля будет изменяться нелинейно.

При помощи данного показателя можно определить, как изменится VaR портфеля при (значительном) изменении размера или ликвидации какой-либо позиции.

В общем случае VaR приращения определяется как разность между VaR первоначального портфеля и VaR портфеля без данной позиции:

IVafi = VaR(I7) - VaR(n - n). (3.61) Поскольку формула (3.57) представляет собой предельное разложение, точность ап­ проксимации (3-58) будет тем выше, чем меньше изменение размера позиции 6V Произведение предельного VaR позиции на величину данной позиции называют также component VaR.

III. Управление рыночными рисками Х Таблица 3. ^^\^^ Метод Дельта- Историческое Монте Дельта моделирование Карло гамма-вега нормальный Критерии ^ " ^ - ^ ^ Полное Полное 1. Оценивание Локальное Локальное Применимость к 2. нелинейным Нет Да Да Да инструментам Как оценка Как оценка Точно то, что Учет исторического нормального Полностью нормального 3. распределения распределе­ было распределения ния Учет «предполагаемой» Возможно Нет Возможно Да 4. волатильности Допущение о нормальном Нет Нет S. распределении Да Да доходностей Оценка экстремальных Плохая Возможна 6. Плохая Плохая событий Может быть Может быть Приемлемый Высокий 7. Модельный риск значительным значительным Объем требуемой Очень большой Малый Средний 8. Средний истории данных Вычислительная Очень Средняя Высокая Невысокая 9. сложность высокая 10. Наглядность Малая Большая Малая Средняя Возможность Нет Нет Нет II. оптимизации VaR Да где УаЯ(П) — VaR первоначального портфеля (со всеми позициями);

VaR(I7- n) — VaR портфеля без данной позиции.

Показатель VaR приращения учитывает корреляционные связи данной позиции с остальными позициями в портфеле.

Например, для параметрического метода VaR приращения позиции мож­ но рассчитать как VaR(n) - VaR(n - n) = JVaR2(n - n) + VaR2(n) + 2pVaR{Yl - n)VaR(n) - VaR(n - n) = VaR(n) \ Q? + 2p$ + l - 1), 0-Ь2) Z7* Энциклопедия финансового риск-менеджмента где р—корреляция позиции п со всей остальной частью портфеля (П-п), VoR(n) * VaR(i7 - n)' Пусть р— корреляция данной позиции с портфелем без данной позиции.

VaR приращения позиции будет положительным при р s= 0 и отрицательным при р < 0.

Из (3.61) следует, что для расчета VaR приращения в общем случае необ­ ходимо произвести полную переоценку портфеля (и, соответственно, перерас­ чет VaR) после изменения его структуры (выведения выбранной позиции). Та­ кой подход является наиболее корректным, однако он не всегда удобен, так как сопряжен с большими затратами времени на проведение вычислений.

Важно отметить, что если VaR позиции мал по сравнению с VaR портфе­ ля, то VaR приращения будет приблизительно равен VaR позиции, умножен­ ному на коэффициент корреляции р:

IVaR(n) -* VaR(n) при -> 0. (3.63) Рассмотрим три предельных случая:

• если р = 1, то позиция ведет себя так же, как и остальной портфель, при этом вклад позиции в общий риск портфеля в точности равен VaR данной позиции;

• если р = - 1, то позиция уменьшает риск портфеля на величину VaR ПОЗИЦИИ;

• при р = 0 вклад позиции в риск портфеля положителен и равен VaR(n)(JU^-l)/$.

Относительный VaR (relative VaR) позволяет оценить как портфели или их управляющих, показавших наименьшее отклонение доходности относительно эталонной нормы доходности (benchmark) с учетом риска, так и те, у которых существует наибольший шанс недобрать или перевыполнить эталонную норму доходности. Относительный VaR определяется путем расчета VaR по портфе­ лю, в который добавили короткую позицию по инструменту, дающему эталон­ ную доходность*. Пусть, например, эталонным активом является индекс РТС, а портфель российских акций характеризуется VaR = 5 млн. долл. Тогда, если в портфель условно добавить короткую позицию по индексу РТС (объем кото­ рой равен объему всего портфеля) и рассчитать оценку VaR для нового порт­ феля (например, равную 3 млн. долл.), то это означает, что по первоначально­ му портфелю одной и той же позиции «избыточный» по сравнению с рынком (РТС) риск, привнесенный менеджерами, составляет 3 млн. долл.

* В [32] показатель относительного VaR определяется как денежная величина потерь относительно среднего значения по распределению: relative VaR = Vk^ao,Jf. В этом смысле относительный VaR не отличается от (3-32). Абсолютный VaR отражает потери относительно нуля и является функцией как стандартного отклонения до­ ходности, так и его ожидаемого значения: absolute VaR = -VptT + Щ_аа,у1т.

III. Управление рыночными рисками Z Пример 3.13. Расчет VaR приращений и предельного VaR на современном рос­ сийском рынке (табл. 334-335).

Значение VaR приращения позиции • может меняться со временем вследствие изменения корреляционных связей внутри портфеля, что можно увидеть на при­ мере расчетов IVaR по данным современного российского финансового рынка.

Таблица 3. РАСЧЕТ VaR ПРИРАЩЕНИЯ ПО ДАННЫМ СОВРЕМЕННОГО РОССИЙСКОГО РЫНКА Цены входящих в портфель VaR VaR Волатильности активов активов портфеля портфе­ IVaR Дата (USD, EUR, ля (USD, (PTC) USD EUR USD РТС EUR РТС PTC) EUR) 19.03.02 27,3598 0,02360 5 136, 31,1119 0,00131 13 604,4117 8 468, 349,73 0, 18.03.02 0,00130 0,00508 13 455, 31.071 348,44 0,02359 5 162,91 8 292, 27, 1503 02 27,2326 340,26 0,00126 5 257,16 7 868, 0,00519 13 125, 31,0237 0, 14.03.02 7 842, 31,0758 0,00130 0,02306 13 207, 27,1727 332,24 0,00532 5 365, 13.03.02 0,02342 5 459, 322,79 0, 0,00135 13 511,0105 8 051, 31,0545 27, 12.03.02 0,00126 12 833,6330 7 432, 31,0632 0,00560 0, 27,1834 316,84 5 400, 11.03.02 30,9946 27,1978 0, -319,49 12 198,7119 6 714, 0,00131 0,00551 5 483, 07.03.02 6 977, 30,9946 27,0025 331,41 0,00137 0,02123 12 499,2114 5 521, 0, 7 368, 06.03.02 26,9466 0, 30,9909 12 980, 319,3 0,00143 0,02214 5 611, 05.03.02 319,86 0,02308 5 706,18 5 910, 30,9949 0,00141 И 616, 26,823 0, 3.20. Выбор параметра сглаживания Л в методе RiskMetrics Стандартная формула RiskMetrics для расчета VaR параметрическим методом с горизонтом прогнозирования в один день (t = 1) в случае единичного акти­ ва имеет вид:

VaR, = V,., • (1 - е -*-- <, -и + ")) 1 (3.64) где Vf_, — стоимость актива в период времени, предшествующий периоду прогнозирования;

J78 Энциклопедия финансового риск-менеджмента к,_а — квантиль нормального распределения, соответствующий уровню доверия (1 - а ) ;

<тф1 — прогнозируемая волатильность доходности актива;

/л — математическое ожидание доходности Е[г^\, принимаемое равным нулю.

На практике широко используется следующая аппроксимация формулы (3.64):

(3.65) VaRt = V., Кааф_г Экспоненциально взвешенная волатильность (exponentially weighted moving average— EWMA) в методике RiskMetrics рассчитывается по формуле:

г < = О-А^Я'-ЧП-?) 2.

т (3.66) I Т J где 0 < А < 1, Я'"1 = при Т -> оо.

м 1-Я Из рис. 3-13 видно, в чем состоят преимущества экспоненциального сгла­ живания волатильности: оно быстрее реагирует на шоковые изменения до­ ходности (что особенно актуально для России) и в целом представляет собой хороший прогноз стандартного отклонения.

Между параметром сглаживания А и глубиной ретроспективы Т устанав­ ливается зависимость. Для этого вводится переменная, называемая уровнем толерантности (tolerance level):

CI? = (l-A)A' = yL, (3.67) т. е.

Аг(1 - А)(1 + А + А2 +...) = (3.68) YL.

VaR estimate 1. Exponentially weighted moving average Simple moving average 1992 1993 Источник: [33].

Рис. 3.13. Сравнение равномерно и экспоненциально взвешенной волатильности III. Управление рыночными рисками Таблица 3. РАСЧЕТ ПРЕДЕЛЬНОГО VaR ПО ДАННЫМ СОВРЕМЕННОГО РОССИЙСКОГО РЫНКА Цены входящих в портфель активов VaR(TI + дх) dVaR(fT) Дата x,(EUR) х, + Зх, VaROD ^ОЯЕШ USD EUR РТС 20 396, 19.03.02 31,1119 31,11 349,73 500 000 501 000,0 20 406,6 -5 235, -10, 31,07 348,44 501 727 502 730,4 20 183, 18.03.02 -10, 20 173,5 -5 102, 31, -4 825, 15.03.02 31,0237 31,02 340,26 497 675 498 670,8 19 687,9 -9, 19 678, 14.03.02 31,0758 31,08 332,24 496 580 497 573,9 19 811,3 -9,6 -4 776, 19 801, 31,0545 31,05 322,79 497 034 498 028,0 20 266, 1303.02 20 256,6 -9,9 -4 959, 12.03.02 31,0632 31,06 316,84 496 776 497 769,8 19 250,4 -9, 19 241,3 -4 598, 11.03.02 30,9946 30,99 319,49 497 039 498 033,5 18 298,1 -8, 18 289,9 -4 092, 07.03.02 30,9946 30,99 331,41 493 470 494 457,3 18 748,8 -4 259, 18 740,3 -8, 06.03.02 19 461,0 -9, 30,9909 30,99 492 448 493 433,7 19 470,0 -4 522, 319, 05.03.02 30,9949 30,99 319,86 490 190 491 170,4 17 424,3 -7,2 -3623, 17 417, 04.03.02 30,9436 30,94 319,05 490 396 491 377,3 13 718,0 -1 841, 13 714,4 -3, 01.03.02 30,9404 30,94 305,47 489 100 490 079,0 13 902,6 -4, 13 898,6 -I 998, Таким образом, уровень толерантности представляет собой сумму весов данных, находящихся за пределами горизонта Т (табл. 336). Решая уравне­ ние относительно Т, получаем:

Т= (3.69) In Я Так, для и yL=0,01 и А = 0,94, например, Т = 74.

Затем необходимо определить оптимальное значение параметра А.

Известно, что of = E(rt - E(rt))2 = E(rf) - (E(rt))2, (rt) = 0 =>

Определим тогда ошибку прогноза как:

*t+nt = r w -

RMSE = ^i(r t 2 + I -o-? + I ] t (A)) 2. (3. 7 I ) Путем варьирования параметра А строится ряд значений RMSECA),, затем определяется min RMSE(X)jt и соответствующий этому значению параметр сгла­ живания А считается оптимальным.

В данном методе важно определить оптимальную глубину ретроспекти­ вы. Как известно, для того чтобы оценка стандартного отклонения верно ха­ рактеризовала генеральную совокупность, выборка должна обладать объемом не ниже некоторого уровня. Из рис. 3.14 следует, что этот объем должен быть не менее 40-50 наблюдений, иначе погрешность расчета волатильности будет слишком велика (т. е. волатильность может случайным образом ока­ заться как ниже, так и выше среднего уровня). Однако оценка волатильнос III. Управление рыночными рисками Z 30.10.00. DM 0, 0, 0, 0, 0, 0, 1 7 13 19 26 31 37 43 58 «1 67 73 79 «5 91 97 103 109 115 121 127 133 139 148 151 157 Рис. 3.14. Зависимость рассчитанной по формуле (3-66) волатильности наблюдаемых доходностей от глубины ретроспективы ти доходности финансовых активов имеет ряд особенностей, связанных с тем, что параметры распределения меняются со временем, в том числе и средняя волатильность (гетероскедастичность). Таким образом, накладывается ограни­ чение на максимальный размер выборки (глубину ретроспективы).

Пример 3.14- Расчет оптимального параметра сглаживания по данным россий­ ского финансового рынка.

Расчеты были произведены по выборке данных о курсах американского дол­ лара (USD), евро (EUR) на ММВБ и значениях индекса РТС за период 2000 2002 гг. вплоть до 19.03^2002.

На рис. 3-15 значение А, соответствующее min RMSEEm, равно 0,88. Как видно из рис. 3.15-3.17, зависимость ошибки прогноза от А близка к гипербо RMSE 2SS 0, 0, 0, 0,84 0,86 0,88 0,9 0,92 0,94 0,96 0,98 Рис. 3.15. RMSEE.m, оценка за 255 дней (15.03.2001-19.03.2002) ?П — 282 Энциклопедия финансового риск-менеджмента VaR 14 13 12 11 10 9 8 0,84 0,86 0,88 0,9 0,92 0,94 0,96 0,98 Рис. 3.16. VaR^, оценка за 255 дней (15.03.2001-19.03-2002) лической, VaR растет с увеличением А, что ведет к снижению количества слу­ чаев превышений убытками величины VaR.

Рассмотрим теперь важную проблему «недостающих данных», связанную, в частности, с определением оптимального параметра А в модели EWMA. Под недостающими данными здесь понимается, например, отсутствие данных о ценах активов в так называемые «неторговые» дни (обычно выходные и праз­ дничные дни). Проблема недостающих данных заключается в том, что инфор­ мация, накопившаяся за то время, пока торги не велись, с открытием торгов может привести к скачкообразным движениям цен активов, что, в свою оче­ редь, может привести к существенному изменению формы (параметров) ве­ роятностного распределения доходности активов, изменению (нарушению) корреляционных связей и т. д.

Обычно (когда неторговые периоды совпадают по продолжительности и календарно на взаимосвязанных рынках) этого не происходит, и эти «недо­ стающие» данные никак не учитываются. Однако, учитывая современные ус­ ловия, а именно все более тесную интеграцию финансовых рынков, данная проблема, скорее всего, неизбежна. Естественным образом встает вопрос о том, учитывать или не учитывать эти данные, что зависит от того, насколько значимыми стали изменения в поведении участников рынка.

Рассмотрим основные факторы, влияющие на масштаб накопившейся ин­ формации. Это в первую очередь несовпадение неторговых периодов по вре­ мени и продолжительности (как это было на Нью-Йоркской фондовой бир­ же, торги на которой не велись с 10 по 17 сентября 2001 г., в то время как на большинстве мировых финансовых рынков торги проводились). Любые крупные изменения (политические, экономические, социальные и т. д.), про­ изошедшие в это время, повлияют на характер торгов в момент открытия рынка.

Для решения этой проблемы используются такие подходы, как метод мак­ симального правдоподобия, множественный «броуновский мост» {multivariate III. Управление рыночными рисками Проколы 4,50% 3,50% ^ 3,00% 2,50% 2,00% 1,50% 1,00% 0,50% 0,00% 0,84 0,86 0,88 0,9 0,92 0,94 0,96 0,98 Рис. 3.17. Количество случаев превышения убытками величины VaKEUR (%), оценка за 255 дней (15-03.2001-19.03.2002) Brownian bridge)*, линейная интерполяция и др. У каждого метода есть свои преимущества и недостатки, и выбор метода в каждом случае будет опреде­ ляться конкретными условиями.

Проанализируем результаты применения метода линейной интерполяции на примере данных о курсе доллара США.

Рассмотрим два графика (рис. 3.18-3.19), на одном из которых изображе­ на зависимость средней величины ошибки прогноза RMSEUSD от значения А (значение Л ^ ^ 0,99), а на втором — динамика RMSEUSD за последние два года.

Заполнения недостающих данных не производилось.

На рис. 3.20-3.21 представлены те же зависимости, но уже после запол­ нения недостающих данных (традиционно нерабочие дни, первые числа янва­ ря 2001 и 2002 гг). После обработки данных оптимальное значение Л стало равным 0,92. Можно также заметить, что на порядок снизилось максималь­ ное значение ошибки прогноза, наблюдавшееся в январе 2002 г., что приве­ ло к увеличению доли в ошибке прогноза остальных дней ретроспективы, для которых А = 0,92 является оптимальным параметром.

Заметим, что при заполнении недостающих данных для диверсифициро­ ванного портфеля, существенное внимание следует уделить корреляционным связям в динамике активов.

Проведенные измерения оптимальных значений параметров сглаживания для некоторых активов российского финансового рынка (доллар США, евро, индекс РТС) позволяют построить график (рис. 3.22).

* «Броуновский мост» — это случайный процесс X, подчиняющийся уравнению dXt = -^=—3-Л + (Ц, 0 < t < Т, с Хо =а, Хт =/3 и некоторым броуновским движени­ ем Bt, t э 0.

= 20* 184 Энциклопедия финансового риск-менеджмента R M S E 0. 0, О.0О0О 0, 0, 0, 0, 0, 0, 0, 0,00001435 н,,,,,,,, 0,84 0,86 0,88 0,9 0,92 0,94 0,96 0,98 Рис. 3.18. Зависимость величины ошибки прогноза RMSEUSD от параметра А Под «возмущением» в данном случае понимается вызванное влиянием ка­ кого-либо фактора скачкообразное изменение текущей доходности актива, сопровождающееся, как правило, временным увеличением волатильности.

Рассмотрим три ключевые точки графика:

• возмущение — значение А снижается до уровня 0,85-0,88. Это обус­ ловлено тем, что изменившаяся ситуация на рынке наиболее адек­ ватно характеризуется недавними изменениями;

• стабилизация — А = 0,98-0,99: на первый взгляд, парадоксальный ре­ зультат, однако ему есть логическое объяснение — как можно в мень­ шей степени использовать данные недавнего возмущения;

• стабильность — А = 0,92-0,95: диапазон наиболее часто наблюдае­ мых значений при длительном отсутствии возмущений.

Значение параметра сглаживания X в системе RiskMetrics равно 0,94 при уровне толерантности в 1%. Это значение параметра сглаживания считается пригодным для финансовых рынков развитых стран. Оптимальное значение данного параметра для рынка в целом было получено при помощи взвешива­ ния индивидуальных параметров, при этом в качестве весов выступала точ­ ность прогнозирования волатильности (ошибка прогноза): чем выше точность, тем больший вес имеет параметр сглаживания данного актива. Разброс зна­ чений точности прогнозирования волатильности активов российского финан­ сового рынка ставит под сомнение целесообразность применения данного под­ хода в российских условиях. Поскольку наименее волатильные инструменты обладают наименьшей средней ошибкой прогноза, то они имеют наибольший вес в значении параметра X для рынка в целом. Для интегрального парамет­ ра X было бы рациональнее использовать индивидуальные значения этого па­ раметра с приданием им весов, пропорциональных объемам торгов по соот­ ветствующим инструментам или их долям в портфеле.

III. Управление рыночными рисками RMSE USD 0,000000045 • 0,00000004 ' 0, 0, 0, 0, 0, 0,00000001 • 0,000000005 • •о ч т о о (Ч 00 О •С чО 00 О Г 00 О CS -ТГ •*г CN -О GO О ^г гО гО гЛ TJ" LO •Ч- •ч N го m (N Рис. 3-19. Динамика RMSE за период с 03.01.2001 по 19.03. 3.21. Модели авторегрессионной условной гетероскедастичности* Главным недостатком экспоненциального сглаживания является его сильная зависимость от исторических данных, что иногда затрудняет прогнозирование будущих значений волатильности.

Изучение закономерностей изменений волатильности привело к появлению в начале 80-х годов класса моделей авторегрессионной условной гетероске­ дастичности (autoregressive conditionally heteroskedastic — ARCH) следующего вида:

г (3.72) а, =а +X/V Идея, лежащая в основе ARCH-модели, заключается в различии между ус­ ловными и безусловными моментами второго порядка. Тогда как безусловные вариации и ковариации постоянны, условные моменты нелинейно зависят от прошлых состояний и развиваются во времени. За последние двадцать лет были разработаны многочисленные модификации базовой модели Энгла (3.72), в ча­ стности M-ARCH, F-ARCH, T-ARCH, и примеры применения ее к финансовым и макроэкономическим временным рядам**. В результате выделился целый на­ бор более совершенных моделей, позволяющих отказаться от предположений о независимости волатильности от своих предыдущих значений и учесть авто­ корреляцию в них. В частности, появились так называемые GARCH-модели (general autoregressive conditional heteroskedastic —GARCH). Как видно из названия, они учитывают корреляционную зависимость с помощью авторегрессии значе­ ний волатильности при условии ее гетероскедастичности.

Разделы 3.21, 3.22 написаны при участии А. А. Лобанова.

Детальный обзор этих моделей дан в [2].

286 Энциклопедия финансового риск-менеджмента RMSE 0,92 0,94 0, 0,84 0, Рис. 3.20. Зависимость величины ошибки прогноза RMSEUSD от А после заполнения недостающих данных RMSE USD 0, Э.5Е- 0, 2,5Е- 0, 1.5Е- 0, 5Е- MJL ••••iiftrmfflliimi.A...iii.A*.1.imflil.iiiirHftl# bAimtMlm ? ЙВ й 5 SU)nvfflSU5«T-BSnrt^ftNljJ НИЯ^^АПЛПППТУ^Т^Ю Рис. 3-21. Динамика RMSE SD за период с 03.01.2001 по 19.03. Впервые GARCH (р,ч)-модель была предложена Боллерслевым в 1986 г. [18] и имела вид:

г ч о?=а + ^рго1, + 2 J V г,.,.. (3.73) Существенным преимуществом GARCH-модели признается ее свойство быстрого реагирования на любые наблюдаемые изменения на рынке и быст­ рого восстановления после сильных колебаний рынка.

За прошедшие годы было установлено, что даже простые модели GARCH (1,1) (с коэффициентами р и q, равными 1) позволяют объяснить около 95% во латильности доходности, показывая лучшие результаты, чем различные взвешен­ ные модели. В большинстве случаев эта упрощенная модель вполне подходит для многих финансовых показателей, обеспечивая приемлемую прогнозную точность.

III. Управление рыночными рисками 0, «Возмущение» «Стабилизация» «Стабильность» Рис. 3.22. Зависимость параметра сглаживания от глубины ретроспективы 3.22. После VaR: иные меры риска Показатель VaR как статистика, характеризующая риск инвестиционного порт­ феля, несомненно, обладает многими достоинствами, главными из которых являются относительная простота представления информации о риске (в виде только одного значения в стоимостном выражении) и практическая полезность для управления портфелем. Однако поскольку VaR представляет собой толь­ ко одну заданную квантиль распределения прибылей и убытков, он имеет и целый ряд существенных недостатков, в том числе:

• отсутствие информации о наихудшем возможном убытке за предела­ ми значения VaR. Так, например, при заданном уровне доверия (1 - а) = 95% остается неизвестным, какими могут быть потери в ос­ тавшихся 5% случаев.

• отсутствие информации о виде распределения убытков: у распреде­ лений с разной толщиной «хвостов» при определенном уровне дове­ рия может наблюдаться одно и то же значение VaR;

• показатель VaR не является однозначно определенным: для одного и того же портфеля уровни доверия его значения могут существенно раз­ личаться — в зависимости от способа декомпозиции портфеля по фак­ торам риска, объема выборки исторических данных и применяемого метода расчета. Поэтому сложно судить о точности любого отдельного взятого значения VaR, скорее речь может идти о статистической точ­ ности модели расчета VaR, оцененной по большим выборкам данных*.

Некоторые критерии оценки точности VaR-моделей рассмотрены в [6].

288 Энциклопедия финансового риск-менеджмента Перечисленные слабые стороны VaR позволяют усомниться в том, насколь­ ко целесообразно использовать квантили распределений прибылей и убытков в целях оценки достаточности капитала. В качестве альтернатив можно было бы прибегнуть к таким мерам риска, используемым в финансовой сфере, как*:

• полное распределение прибылей и убытков по портфелю, для кото­ рого можно определить уже набор квантилей разных порядков;

• дисперсия (стандартное отклонение) доходности, которая учитывает большие по величине колебания цен. В то же время большая дис­ персия доходности может объясняться как значительными по величи­ не убытками, так и прибылями;

• полудисперсия доходности, отличающаяся от обычной дисперсии тем, что отражает разброс только тех значений, которые меньше среднего:

SV(X) = E((min (О, X - Е(Х))2) = - - (min(О, X - Е(Х))2;

(3.74) N — 1 j=I • нижний частный момент порядка п:

LPMn(x) = E(min (О, X - Xt)) = - Ц (min (О, X - Хт))п. (3.75) N - 1 (-J Легко видеть, что для случая п = 2, Xt = E(X) нижний частный мо­ мент будет равен полудисперсии;

• абсолютное отклонение, представляющее собой математическое ожи­ дание абсолютных значений отклонений от среднего:

АДХ) = ЩХ - Е(Х)| = -J-f^\Xt- X|, (3.76) • модифицированный коэффициент Джини:

G(X)= X N(N 7 1) i l k,j M - ^ i=i l '-^ (3.77) и др.

Всем перечисленным мерам присущи свои достоинства и недостатки, од­ нако остается неясным, какие из них обладают свойствами, важными для финансового риск-менеджмента, и в чем именно состоят эти свойства.

Идеальные свойства, которым должны обладать меры риска, применяе­ мые в финансовой сфере, были сформулированы в известной работе Артзне ра и др. [15]. Меру риска р(Х), определенную на всем множестве возможных прибылей и убытков G, называют когерентной (coherent), если и только если она удовлетворяет следующим аксиомам:

1) монотонность: если X, и Х2 Е G и Х ^ Х2, то р(Х,)>р(Х2). Это означа­ ет, что при сравнении двух портфелей, которые систематически по Сравнительный анализ перечисленных мер риска дан в [24].

III. Управление рыночными рисками Z называют разный уровень доходности, риск портфеля с меньшей до­ ходностью будет выше;

2) трансляционная инвариантность: если Х е С отрицателен, то для лю­ бого as=0, p(a + X) = р(Х) - а. Иными словами, добавление в портфель безрискового актива на сумму а уменьшает риск этого портфеля на эту же величину;

3) положительная однородность степени 1: для любых Лаю и X G, р(ЛХ) = Лр(Х). Это означает, что изменение размера портфеля в А раз должно приводить к изменению его риска в такое же число раз*;

4) субаддитивность: для любых Хх и Х2 е G, р(Х2 + Х2) =s р(Х,) +р(Х2). Это свойство показывает, что мера риска должна учитывать возможность диверсификации портфеля, предполагающей, что риск портфеля не дол­ жен быть больше суммы рисков составляющих его элементов.

В [15] показано, что показатель VaR в общем случае не удовлетворяет последнему свойству субаддитивности, т. е. при определенных условиях объе­ динение позиций может привести к более высокому портфельному VaR, чем сумма их индивидуальных значений VaR**. Это лишний раз доказывает необ­ ходимость осмотрительного применения VaR и производных от него показа­ телей при управлении рыночным риском портфеля.

Одной из мер риска, удовлетворяющих условиям когерентности, является показатель ожидаемых потерь (expected shortfall, mean excess loss, tail conditional expectation, tail loss, tail VaR, conditional VaR — CVaR) — статистика, позволяю­ щая оценить потери по портфелю, выходящие за пределы VaR.

Распространенным свойством вероятностных распределений доходностей финансовых активов является большая плотность редких или экстремальных событий по сравнению с нормальным распределением (эффект «толстых хво­ стов»). При использовании гипотезы о нормальном распределении доходнос­ тей финансовых активов это может привести к тому, что результаты верифи­ кации данной модели расчета VaR по частоте превышений убытками окажутся удовлетворительными, а потери, превысившие VdK, в среднем окажутся выше предсказываемых данной моделью.

Таким образом, важно иметь представление о потерях, превышающих за­ данный доверительный уровень. Пусть ( 1 - а ) — доверительный интервал, ЛV( — величина текущего снижения рыночной стоимости V инвестиционно­ го портфеля. Математически можно определить величину ожидаемых потерь как условное математическое ожидание потерь X, превысивших VaR:

Expected Shortfall,^ (X) = E(X|X >VaR,_a). (3.78) * Данному условию удовлетворяет, в частности, стандартное отклонение, что по­ зволяет получить аналитическое выражение для показателя предельного VaR, рассчитываемого дельта-нормальным методом.

** В случае нормально распределенных доходностей факторов риска показатель VaR будет удовлетворять всем четырем свойствам когерентных мер риска, в том чис­ ле аксиоме субаддитивности.

Z90 Энциклопедия финансового риск-менеджмента Для непрерывно распределенной доходности показатель ожидаемых по­ терь определяется следующим образом:

j xf(x)dx Expected Shortfall,^ (X) (3.79) j №dx При использовании совместно с VaR показатель ожидаемых потерь по­ зволяет получить дополнительные сведения о функции плотности распреде­ ления и толщине его «хвостов».

Показатель ожидаемых потерь может быть использован для определения размеров суммы, достаточной для страхования данного портфеля от убытков, которые превысят VaR:

Expected Shortfall = E[max(L - VaR, 0)] = E[max(L, VaR)] -VaR = (3.80) = E[L • lL>VaR + VaR • itsva?] - VaR = (1 - a)(E[L|L > VaR] - VaR), где L = AV(} — потери стоимости портфеля, [ 1, если L > VaR lL>VaR — индикатор, 1L > VaR :

jo, если L< VaR' Таким образом, размер требуемого страхового резерва составит разницу между ожидаемыми потерями, превышающими VaR, и величиной VaR, умно­ женной на вероятность наступления такого события (а).

Пример 3.15. Расчет показателя ожидаемых потерь на современном российском рынке.

Соответствующие расчеты были проведены для индекса РТС по данным за период с 09.03.2000 по 19.03.2002 (два финансовых года), с параметрами (1-а)=0,95, Л=0,92, рыночная стоимость портфеля на конец периода соста­ вила 1 000 000 ед. Результаты расчетов представлены в табл. 3.37.

Таблица 3. Резерв против Период, Увеличение Количество Expected ожидаемых VaR, ед.

дней риска, % превышений Shortfall, ед. потерь, ед.

20 232 255 29 231 44, 510 23 328 32 732 40, III. Управление рыночными рисками Z9I 3.23. Современные проблемы риск-менеджмента в России Финансовый риск-менеджмент в современной России находится в стадии ста­ новления. С одной стороны, это связано с особенностями политической и экономической истории страны, с низкими по сравнению с другими страна­ ми Восточной Европы темпами развития рынка в России. С другой стороны, следует помнить о сравнительно небольшом возрасте финансового риск-ме­ неджмента как направления в мировой экономической науке и практике.

Риск-менеджмент, пожалуй, в наибольшем объеме отражает специфику российской экономики и менталитета. В отличие от других стран в России еще не сменились собственники, участвовавшие в первичном накоплении ка­ питала, и в то же время есть пример и технологии развитых стран, неплохое развитие информационной инфраструктуры бизнеса и высококвалифицирован­ ные специалисты в области точных и компьютерных наук, массово перешед­ шие в коммерческий сектор.

При этом многие технологии западного риск-менеджмента, рассчитанные на управление классическими микроэкономическими параметрами (экономичес­ кой стоимостью бизнеса, прибылью) не срабатывают в российских условиях, во первых, потому, что зачастую критерием для временного спекулятивного бизне­ са в России являются не прибыли, а положительные денежные потоки, облада­ ние которыми может закончиться их незаконным и часто безнаказанным, т. е.

чрезвычайно рентабельным присваиванием, а во-вторых, потому, что их пыта­ ются применить в отсутствие четкой системы внутрифирменного управленчес­ кого учета, очищающего данные от огромных искажений бухгалтерской отчет­ ности и фиктивных сделок, связанных с налоговой оптимизацией и коррупцией.

Кроме того, стандарты управления рисками стали базой для определения некоторых, не всегда полноценно обоснованных (как, например, коэффици­ енты достаточности капитала) и часто противоречивых ключевых параметров надзорных органов в области банковского, страхового и пенсионного дела, в связи с чем интерес к управлению рисками беспорядочно и неадекватно на­ саждается «сверху», а также требованиями к имиджу компании со стороны иностранных партнеров.

В целом это приводит к мифологизации риск-менеджмента, к восприя­ тию технологий управления рисками как панацеи, а значит, чего-то нереаль­ ного и неэффективного, надуманного и профанированного.

Другими важнейшими факторами низкого уровня управления экономичес­ кими рисками в России является отсутствие развитого и стабильного рынка финансовых инструментов, а также отсутствие подготовленных кадров и об­ щий низкий уровень культуры риск-менеджмента.

Не только в российской, но и в мировой науке и практике управления рисками сегодня наблюдается ряд серьезных проблем.

Одна из глобальных, на наш взгляд, проблем современного риск-менедж­ мента состоит в недооценке трудностей восприятия риска лицами, принима­ ющими решения, и в недостаточно формализованных на сегодняшний день процедурах целеполагания и определения критериев для систем управления рисками, которые могли бы учитывать иррациональность предпочтений.

Последствием недооценки этой проблемы является нынешняя, затмева­ ющая прочие подходы мода на измерение рыночных и иных рисков в соот 292 Энциклопедия финансового риск-менеджмента ветствии с концепцией value at risk. Конечно, было бы ошибкой недооцени­ вать превосходные свойства показателя VaR, прекрасно подходящего для многих практических целей в силу своей наглядности и эффективности, од­ нако приходится констатировать, что в настоящее время «маятник» тенден­ ции развития риск-менеджмента опять качнулся в сторону довольно прими­ тивных измерителей рыночного риска, поскольку оценки «сверху» возмож­ ных потерь, во-первых, завышают (т. е. удорожают) для многих целей оцен­ ку риска, а во-вторых, противоречат концепции, объединяющей в понятии риска возможность не только отрицательных исходов (потерь), но и поло­ жительных (прибылей).

Увеличение систематических рисков провоцируется глобализацией мировой экономики и связанным с ней некоторым сокращением направлений диверси­ фикации (например, при объединении нескольких европейских валют в одну).

Наконец, следует отметить, что современные технические проблемы порт­ фельного риск-менеджмента тесно связаны с развитием электронной коммер­ ции, необходимостью ускорения расчетов в режиме реального времени и ро­ стом требований к обеспечению сохранности и достоверности передаваемой через Интернет информации.

Возрастающую роль в науке об управлении рисками играют достижения нейроматематики, синергетики, эконофизики. В частности, появляются такие идеи управления портфелем, как теория хаоса, «фрактальные финансы», «ней рофинансовая» теория, «квантовые финансы». Важность применения аппара­ та этих теорий связана с тем, что, в соответствии с современными взглядами на научную картину мира, он позволяет скорректировать представление о принятии решений и ввести в научный оборот нетрадиционные для рацио­ нального поведения методы управления рисками.

В целом наблюдается возрастание роли риск-менеджмента в России и в мире, и можно ожидать скачкообразного развития технологий риск-менедж­ мента с развитием «иррационального» подхода в научно-техническом прогрессе и соответствующей эволюцией в эконометрике и оптимизационных методах риск-менеджмента.

Литература 1. Бернстайн П. Против богов. Укрощение риска.— М: Олимп-Бизнес, 2000.

2. Бредихин А. А., Лоскутов А. Ю. Временные ряды с переменной дис­ персией и финансовый рынок России/УВопросы анализа риска. 1999. №1.

3. Громов А. С. Методология VaR, подбор оптимального параметра сгла­ живания//Вестник Международного университета природы, общества и человека «Дубна». 2001. №2 (5).

4. Кроновер Р. М. Фракталы и хаос в динамических системах. — М.: Пост маркет, 2000.

5. Лобанов А. Проблема метода при расчете value atrisfe//PbmoKценных бумаг. 2000. №21. С. 54-58.

III. Управление рыночными рисками Х9Ъ 6. Лобанов А., Порох А. Анализ применимости различных моделей рас­ чета value at risk на российском рынке акций//Рынок ценных бумаг.

2001. №2. С. 65-70.

7. Найт Ф. Понятие риска и неопределенности/ZTHESIS. 1994. №5.

С. 12-28.

8. Первозванский А. А., Первозванская Т. Н. Финансовый рынок: расчет и риск. — М.: ИНФРА-М, 1994.

9. Петере Э. Хаос и порядок на рынках капитала. — М: Мир, 2000.

10. Петровский В. А. Активность субъекта в условиях риска. Автореф.

дисс. на соиск. учен, степени канд. психол. наук. — М.: МГУ, 1977.

11. Рогов М. А. Риск-менеджмент.— М: Финансы и статистика, 2001.

12. Фридмен М., Сэвэдж Л. Анализ выбора в условиях риска//Российский экономический журнал. 1993- №9. С. 107-118.

13. Шумейкер П. Модель ожидаемой полезности: разновидности, подхо­ ды, результаты, пределы возможностей//ТНЕ515. 1994. №5. С. 29-80.

14. Эрроу К. Восприятие риска в психологии и экономической науке// THESIS. 1994. №5. С. 81-90.

15. Artzner P., Delbaen F. L., Eber J.-M., Heath D. Coherent measures of risk// Mathematical Finance. 1999. P. 203-228.

16. Amendment to the Capital Accord to incorporate market risks. Basle Committee on Banking Supervision, 1996, January.

17. Best P. Implementing value at risk.— John Wiley & Sons, Ltd., 1998.

18. Bollerslev T. Generalized autoregressive conditional heteroskedasticity// Journal of Econometrics. 1986. № 3. P. 307-327.

19. Boudoukh J., Richardson M., Whitelaw R. The best of both worlds//Risk.

1998. No. 11 (October). P. 64-67.

20. Brehmer B. The psychology of risk/Дп: Singleton W. Т., Hovden J. (eds.) Risk and decisions.— John Wiley & Sons, Ltd., 1987.

21. Crouhy M., Galai D., Mark R. Risk management. — N.Y.: McGraw-Hill, 2001.

22. Dowd K. Beyond value at risk: The new science of risk management. — Chichester: John Wiley & Sons, Ltd., 1998.

23- Dowd K. Measuring market risk. — John Wiley & Sons, Ltd., 2002.

24. Eftekhari В., Pedersen С S., Satchell S. E. On the volatility of measures of financial risk: An investigation using returns from European markets// European Journal of Finance. 2000. V. 6. № I. P. 18-38.

25. Eisele W., Knobloch A. P. Value at risk: Tool for managing trading risks// In: Frenkel M„ Hommel U., Rudolf M. (eds.) Risk management: Challenge and opportunity.— Berlin: Springer Verlag, 2000. P. 155-179.

26. Golub B. W., Tilman L. M. Risk management: Approaches for fixed-income markets. — John Wiley & Sons, Ltd., 2000.

27. Good D. B. Value-at-risk tradeoff: Accuracy vs. computational time// Commodities Now. 2000. March. V. 4. No. 1. P. 63-68.

294 Энциклопедия финансового риск-менеджмента 28. Hecher С. «Griechen» und Value at Risk^icker. 1996. №13. P. 16-17.

29. Huang Chi-fu, Litzenberger R. H. Foundations for financial economics. — Prentice Hall, 1998.

30. Hull J. С Options, futures and other derivatives. 5th ed. — L.: Prentice Hall College Div., 2002.

31. Jorion P. Financial risk manager handbook 2001-2002.— N.Y.: John Wiley & Sons, Ltd., 2001.

32. Jorion P. Value at risk: the new benchmark for managing financial risk.

2nd. ed. — McGraw-Hill, 2001.

33- Longerstaey J., Spencer M. RiskMetrics™ technical document. 4th ed.— J. P. Morgan/Reuters, 1996.

34- Lore M., Borodovsky L. (eds.) The professional's handbook of financial risk management. — Oxford: Butterworth-Heinemann, 2000.

35. Mausser H., Rosen D. Beyond VaR: From measuring risk to managing risk//Algo Research Quarterly. 1998. Vol. 1. No. 5 (December). P. 5-20.

36. Munier B. R. A Guide to decision-making under uncertainty/In: Risk, decision and rationality. — Dordrecht: D. Reidel Publishing Company, 1988.

37. Pearson N. D. Risk budgeting: Portfolio problem-solving with value at risk. — John Wiley & Sons, Ltd., 2002.

38. Penza P., Bansal V. Measuring market risk with value at risk. — John Wiley & Sons, Ltd., 2000.

39. Piotrowski E. W., Sladkowski J. Quantum-like approach to financial risk:

Quantum anthropic principle//Acta Physica Polonica. 2001. V. 32. No. (November). P. 3873.

40. Rogov M. A. Problem of choice an optimal strategy for application of the VaR methodology under conditions of Russian market//Abstracts of the 7th Vilnius Conference on probability theory 22nd European meeting of statisticians. — Vilnius: TEV, 1998.

41. Schredelseker K. Moderne Portefeuilletheorie und ihre Andwendung// Ticker. 1992. Sommer. P. 4-5.

42. Smithson W., Smith С W., Wilford Jr. D. S. Managing financial risk: a guide to derivative products, financial engineering and value maximization.— N.Y.: Irwin, 1995.

43. Suganuma R. Reality check for volatility models. Working paper. — Department of Economics, University of California, San Diego, 2000.

44. Zagst R. Interest rate management. — Berlin: Springer Verlag, 2002.

III. Управление рыночными рисками Приложение Особенности управления рисками в крупной российской корпорации Для современного российского бизнеса характерна своя специфика управле­ ния рисками. Особенно неразвит риск-менеджмент в небанковском секторе экономики. Поэтому встает вопрос о создании адекватных бизнесу систем уп­ равления рисками. И здесь приходится заново «изобретать велосипед», поскольку существующие на Западе инструменты риск-менеджмента, включая программ­ ные продукты, рассчитаны, во-первых, на иную конъюнктуру рынка и, во-вто­ рых, на иной менталитет, корпоративную культуру и пользователей. Это раз­ личие все еще остается значительным, хотя и стирается со временем.

Особое значение имеет проблема создания систем управления рисками в крупном бизнесе. Это связано как с особой тяжестью последствий рисков в масштабах крупного бизнеса, так и с массовым характером проблемы. Со­ временное состояние экономики России характеризуется наличием так назы­ ваемых «олигархических» структур — систем, содержащих системообразующие предприятия (как правило, «гиганты» отечественной экономики советских вре­ мен и связанные с ними крупнейшие кредитные учреждения), а также основ­ ные предприятия— поставщики услуг для системообразующих организаций либо управляющие активами структуры (банки, инвестиционные компании, страховые компании, консультационные фирмы и т. д.).

Ниже приведены основные принципы системы управления рисками круп­ ной корпорации, отвечающие, как нам представляется, современным требо­ ваниям риск-менеджмента в российских условиях.

Основная цель управления финансовыми рисками состоит в защите ин­ тересов корпорации путем обеспечения надлежащего уровня надежности, соот­ ветствующей характеру и масштабам проводимых организациями корпорации операций и оптимизации финансовых рисков.

В корпорации создается система управления рисками в следующих целях-.

• обеспечение своевременной идентификации рисков;

• оценка финансовых рисков и принятие мер по их оптимизации;

• разрешение конфликтов интересов, возникающих в процессе деятель­ ности участников корпорации в части управления рисками.

Исходя из указанных выше целей, основные задачи системы управления рис­ ками состоят в том, чтобы обеспечить:

• выполнение требований по эффективному управлению финансовыми рисками, в том числе обеспечение сохранности бизнеса участников корпорации;

• надлежащее состояние отчетности, позволяющее получать адекват­ ную информацию о деятельности подразделений корпорации и свя­ занных с ней рисках;

• определение в служебных документах и соблюдение установленных процедур и полномочий при принятии решений.

*9* Энциклопедия финансового риск-менеджмента Управление финансовыми рисками осуществляется на основе портфель­ ного подхода к деятельности корпорации и ее участников.

Основными этапами реализации системы управления рисками являются:

• идентификация рисков и построение критерия управления рисками на основе предпочтений руководства с разрешением проблем конфлик­ та интересов;

• измерение и анализ параметров стоимости, доходности и риска объек­ тов риска (портфелей) с учетом колебания конъюнктуры;

• оптимизация параметров стоимости, доходности и риска объектов риска (портфелей) по установленным критериям управления с при­ менением финансовой инженерии.

Под риском в данном случае понимается возможность несоответствия характеристик состояния объекта ожидаемым субъектами риска значениям.

Для целей управления рисками в корпорации принимается следующая клас­ сификация финансовых рисков по их источникам:

• операционные риски — связаны с проведением операций в технологи­ ческих, управленческих и иных процессах. Включают в себя риски ос­ новной деятельности, юридические риски, информационные риски, риски персонала и прочие риски;

• кредитные риски — это риски невыполнения обязательств партнера­ ми субъекта риска в полном объеме под влиянием факторов, связан­ ных с самим контрагентом, политических, региональных (в том числе страновых) и иных факторов. Включают в себя риски непогашения дебиторской задолженности в срок в полном объеме, риски невоз­ врата заемных средств и дохода (процентов) по ним в срок в полном объеме, риски низкой ликвидности принятого обеспечения, в том числе залога (риски отсутствия возможности реализовать обеспечение в приемлемый срок без существенных потерь);

• рыночные риски — связаны с неопределенностью колебаний рыноч­ ной конъюнктуры. Включают в себя риски низкой ликвидности акти­ вов и организаций, ценовые риски портфелей долевых, долговых, про­ изводных финансовых инструментов и товарных рынков, валютные риски, в том числе трансляционный риск, процентные риски изме­ нения процентных доходов и расходов и стоимости портфелей и бизнеса.

Идентификация рисков организаций корпорации разрабатывается по кар­ т е основных рисков, в которой должны быть конкретизированы риски, с кото­ рыми сталкиваются организации корпорации, а также базовые подразделения и организации корпорации, в которых целесообразно централизовать соот­ ветствующие мероприятия риск-менеджмента.

В рамках системы управления рисками объектами контроля в обязатель­ ном порядке являются:

• наличие, полнота и эффективность стратегии развития организаций корпорации, включая вопросы маркетинговой политики, стратегического партнерства, региональной политики и стратегических инвестиций;

III. Управление рыночными рисками ЗД • соблюдение и эффективность установленных процедур планирования и бюджетирования, подготовки управленческой отчетности в органи­ зациях корпорации;

• установление и соблюдение процедур защиты от юридических рис­ ков, установленных положением о документообороте и иными доку­ ментами;

• разработка и соблюдение положения о лимитах и контрольных циф­ рах объема и иных параметров операций и сделок, выше которых ре­ шения о проведении сделки или операции контролируются или при­ нимаются исключительно вышестоящим руководством;

• разработка и соблюдение положения о требованиях и методах обес­ печения обязательств контрагентов и третьих сторон по сделкам;

• наличие актуализированных с учетом текущей конъюнктуры и про­ гнозов планов действий в чрезвычайной обстановке (contingency planning);

• эффективность применения процедур защиты конфиденциальной, ин­ формации, доступ работников к имеющейся в корпорации информаг ции в зависимости от их компетенции, а также требования к поиску оперативной информации (экономической разведке), установленной документами;

• соблюдение и эффективность документов о политике в области уп­ равления персоналом;

• соблюдение и эффективность документов о политике в области охра­ ны, пожарной и санитарной безопасности.

Система управления рисками имеет следующие режимы функционирования:

• обычный — режим, по умолчанию применяемый в обычных условиях хозяйственной деятельности;

• режим контроля— режим, применяемый к организации, подразделе­ нию, группе подразделений при накоплении сигналов о концентрации рисков по особому решению руководства и т. д.;

• чрезвычайный — режим, применяемый по отношению ко всей орга­ низации без исключения при сигнале о превышении допустимого уров­ ня концентрации рисков;

• режим отладки— режим испытания системы управления;

рисками, внедрения новых процедур, устанавливаемый по решению руководства.

Вышеперечисленные регламенты процедур должны быть адаптированы к применению в условиях обычного режима и режима контроля. В условиях чрезвычайного режима применяется план действий в чрезвычайной обстанов­ ке для данного подразделения. Планы действий в чрезвычайной обстановке должны быть согласованы между собой и по мере возможности испытаны в режиме отладки.

•>! •ЛПО IV. Управление рисками ликвидности Д. Ф. ЩУКИН 4.1. Введение Риск ликвидности является одним из основных видов финансового риска, на которые необходимо обращать внимание риск-менедже­ ру, но он же является и наименее изученным и формализованным явлением в современной теории финансов.

Важность оценки риска ликвидности и управления им в после­ дние годы значительно возросла. В первую очередь это связано с процессом глобализации мировой экономики, следствием которо­ го стало формирование мировой финансовой системы. Глобализа­ ция, с одной стороны, открыла перед участниками финансовых рынков новые, невиданные ранее инвестиционные возможности, а с другой — заставила учитывать риски, на которые ранее не обра­ щали особого внимания, в частности риск ликвидности.

Сразу оговоримся, что следует различать два схожих по назва­ нию, но разных по сути понятия риска ликвидности:

• с одной стороны, риском ликвидности называют риск того, что реальная цена сделки может сильно отличаться от ры­ ночной цены в худшую сторону. Этот риск будем называть риском рыночной ликвидности (market liquidity risk);

• с другой стороны, под риском ликвидности понимают опас­ ность того, что компания может оказаться неплатежеспо­ собной и не сможет выполнить свои обязательства перед контрагентами. Такой риск будем называть риском балан­ совой ликвидности (funding liquidity risk, insolvency risk)**.

Будучи одинаковы по названию, данные типы риска отличают­ ся друг от друга по своей природе, и методы, применяемые для их оценки и управления, также имеют кардинальные отличия. Ниже мы подробнее рассмотрим каждый из данных рисков и остановим­ ся на возможных методах оценки и управления ими.

* Выражаю благодарность моему научному руководителю В. Н. Лившицу за по­ мощь в осмыслении жизненных принципов и пример настоящего профессио­ нализма.

** Этот вид риска также часто называется риском ликвидности фондирования или риском неплатежеспособности.

аоо Энциклопедия финансового риск-менеджмента 4.2. Актуальность риска ликвидности в свете тенденций развития мировой финансовой системы За последние два десятилетия условия функционирования мировых финансо­ вых рынков изменились самым радикальным образом. Суть происходящих пе­ ремен отражена, в частности, в отчете Международного валютного фонда за 1998 г. [7], где констатируется, что «структурные изменения, которые возник­ ли в национальных и международных финансовых системах в течение послед­ них двух десятилетий, могут рассматриваться как часть сложного процесса, лучше всего описываемого как глобализация финансов и финансового риска».

Что же по сути изменилось в функционировании финансовых систем?

Основные тенденции, связанные с процессом глобализации и важные с точ­ ки зрения управления риском ликвидности, вкратце таковы:

• происходит интеграция национальных финансовых рынков, инвесто­ ров и заемщиков в единый глобальный рынок, при этом растут как объемы операций на рынках, так и сами рынки;

• капитал беспрепятственно и оперативно может переводиться с одного рынка на другой, что вызывает увеличение взаимозависимости рынков;

• идет процесс концентрации капитала в крупных финансовых институ­ тах: чем крупнее финансовый институт, тем быстрее он увеличивает свои активы. Как следствие, состояние рынков все сильнее зависит от действий отдельных участников;

• стираются различия между финансовыми институтами, их деятельно­ стью и рынками, на которых они работают, что приводит к усилению конкуренции между ними. Увеличение технических возможностей для оценки и перераспределения финансового риска вместе с усиливаю­ щейся конкуренцией ведет к усложнению стратегий поведения участ­ ников финансового рынка. А это, в свою очередь, приводит к тому, что состояние финансового портфеля зависит от все большего числа факторов рыночного риска.

Одним из следствий данного процесса стал рост влияния рыночной лик­ видности на риск портфеля. Ответ на вопрос о том, насколько ликвидным яв­ ляется финансовый инструмент, все чаще становится определяющим при вы­ боре финансовых стратегий, а учет риска ликвидности может сильно менять оценку совокупного риска портфеля. Недооценка риска ликвидности больших позиций по производным инструментам стала одной из главных причин разо­ рения известного фонда Long Term Capital Management (LTCM) в 1998 г. [5].

В чем же, собственно, заключается проблема, связанная с ликвидностью рынков и финансовых инструментов, и почему ее изучением не занимались серьезно вплоть до последнего времени?

Дело в том, что почти все современные модели и методы оценки ры­ ночного риска портфеля требуют в качестве исходных данных ввода значе­ ний цен активов, составляющих портфель (или значений рыночных парамет­ ров, от которых зависит стоимость портфеля). В качестве таких значений, как правило, используются усредненные рыночные цены в какой-то момент времени (или среднее значение цен спроса и предложения) или цена по­ следней сделки.

IV. Управление рисками ликвидности ЗО!

В то же время любой участник финансового рынка согласится с тем, что реальная цена каждой конкретной сделки почти всегда отличается от сред­ ней рыночной цены. Парадокс состоит в том, что на рынке нет понятия «ры­ ночная цена», в каждый момент времени есть цена спроса и цена предложе­ ния. Так, при приобретении финансового актива мы вынуждены покупать его по цене предложения (ask price), а при продаже— отдавать по цене спроса (bid price). Это означает, что для большинства участников цена реальной сделки отличается (причем не в лучшую сторону) от средней рыночной цены.

До тех пор пока ситуация на рынке стабильна и рынок находится в сба­ лансированном состоянии*, издержки заключения сделки (так называемые «транзакционные издержки») не оказывают сильного влияния на риск порт­ феля, которое при этом можно достаточно точно оценить. Ситуация в корне меняется, когда рынок выходит из состояния равновесия, и на нем начинает­ ся паника или кризис. В этом случае транзакционные издержки могут возра­ сти в десятки и сотни раз.

Для проведения любой операции на рынке необходимым условием явля­ ется наличие контрагента по сделке, который желает совершить противо­ положную операцию. Все рыночные стратегии и модели исходят из этого простого допущения: в любой момент времени найдется контрагент для про­ ведения требуемых сделок. Большую часть времени это допущение верно, однако в случае кризиса на рынке оно может нарушаться. Если подавляю­ щая часть участников рынка будет стремиться совершать сделки в одном направлении, то контрагентов просто не хватит на всех участников рынка.

Если к тому же возникает необходимость в совершении сделки большого объема, трудности могут возрасти многократно: либо придется потратить много времени в ожидании подходящей цены, подвергаясь все время ры­ ночному риску, либо понести высокие транзакционные издержки вследствие риска ликвидности. Именно с этой проблемой столкнулись участники рынка з 1998 г. после объявления дефолта российским правительством. Так, в пер зые дни после кризиса на российском фондовом рынке по большинству ак­ ций котировки на покупку просто отсутствовали— на рынке находились только продавцы.

Учитывая процесс интеграции рынков и их возрастающую взаимозависи­ мость, резкие изменения ликвидности рынка стали возникать гораздо чаще, чем раньше;

соответственно возникла необходимость учета данного вида риска в моделях оценки рыночного риска.

4.3. Понятие ликвидности и ее характеристики В общем случае ликвидность рынка (инструмента) показывает, какое коли­ чество актива может быть продано на рынке по рыночной цене. Наиболее общее определение ликвидного рынка таково: ликвидный рынок — это рынок, на котором участники могут быстро заключать сделки большого объема без существенного влияния на рыночную цену.

* Мы оставляем за рамками данной главы точное определение понятий стабильно­ го состояния рынка и рыночного кризиса.

30Z Энциклопедия финансового риск-менеджмента Ликвидность рынка можно охарактеризовать множеством различных па­ раметров, таких как ценовой спред (spread) — разность между ценами пред­ ложения и спроса, оборот торгов, физический объем сделок, количество и частота сделок, число участников рынка, разнородность участников, волатиль ность цены и др. Поэтому неудивительно, что, хотя большинство наблюдате­ лей с легкостью скажут, ликвиден или нет конкретный рынок, формализо­ вать их мнение практически невозможно. Кроме того, каждый рынок имеет свои уникальные особенности— ликвидность двух рынков при одних и тех же значениях показателей ликвидности может сильно различаться.

В мае 1999 г. исследовательская группа при Комитете по глобальной фи­ нансовой системе (Committee on the Global Financial System) под патронажем Банка международных расчетов (Bank for International Settlements) опубликова­ ла отчет об исследовании различных аспектов ликвидности рынка [2].

Согласно данному отчету, стандартный подход при исследовании ликвид­ ности рынка состоит в ее анализе по таким критериям, как вязкость, глубина и способность к восстановлению.

Вязкость (tightness) рынка показывает, как далеко отклоняется цена реаль­ ной сделки от средней рыночной цены. Естественным средством измерения вяз­ кости рынка является величина ценового спреда.

Можно измерять различные типы спреда в зависимости от преследуемой цели, каждый из которых подчеркивает ту или иную грань ликвидности рын­ ка. Проще всего измерить наблюдаемый спред — разность между лучшими котировками на покупку и на продажу. Данный спред отражает величину минимальных транзакционных издержек при заключении сделки. Однако если объем заключаемой сделки превышает объем лучшей котировки, реальный спред будет отличаться от первоначально наблюдавшегося.

Для того чтобы оценить данное отличие, можно вычислить величину реа­ лизованного спреда как разность между средневзвешенными ценами сделок за какой-то период времени, совершенных по цене спроса, и сделок, совер­ шенных по цене предложения. Величина реализованного спреда показывает, насколько «тонким» является рынок: чем больше данная величина отличает­ ся от наблюдаемого спреда, тем сильнее транзакционные издержки зависят от объема сделки.

Наконец, самым точным показателем вязкости рынка является величина эффективного спреда, определяемая для каждого участника рынка индиви­ дуально и равная разнице между реальной ценой сделки и средней ценой рынка в момент заключения сделки. Отметим, что величина эффективного спреда зависит не только от объема сделки, но и от ее направления (напри­ мер, при тенденции к росту цен на рынке следует ожидать, что эффектив­ ный спред при покупке актива будет больше, чем при продаже).

Глубина (depth) рынка показывает активность его участников, объем тор­ говли, оборот. Суть этой характеристики состоит в оценке потенциального объема спроса (предложения) на рынке. Для измерения глубины рынка мож­ но использовать максимальный объем сделки, не влияющий на изменение ко­ тировок, или количество/объем заявок на покупку (продажу), зарегистриро­ ванных в торговой системе в данный момент времени. Косвенной характери­ стикой глубины рынка служит отношение объема торговли активом за дан IV. Управление рисками ликвидности ный период времени к общему обороту торговой системы, а также средний объем сделок. В принципе, для данного момента времени можно построить зависимость потенциального объема заявок от уровня цены. Чем более лик­ виден данный рынок, тем больше должна быть его глубина и меньше вола тильность цены в зависимости от объема сделки.

Способность к восстановлению (resiliency) рынка характеризуется време­ нем, за которое исчезает колебание цены, вызванное совершением сделки, или устраняется дисбаланс между спросом и предложением.

На рис. 4.1 показана взаимосвязь между различными характеристиками ликвидности рынка.

Размер лимитных Размер лимитных заявок на покупку заявок на продажу Лучшая цена предложения на Лимитные заявки / моментt \ на продажу / Лучшая цена X предложения на L / момент t + 1 \ _ У '1 -J | Способность Вязкость к восстановлению Глубина J ' / Лимитные заявки / на покупку Лучшая цена спроса Источник: [9].

РИС. 4-1. Критерии ликвидности Основной проблемой при измерении ликвидности с помощью данных по­ казателей является отсутствие необходимых статистических данных и сложность ;

к сбора. Как правило, большинство указанных величин недоступно для прямо­ го наблюдения, и требуются значительные усилия для сбора нужной информа­ ции. Особенно остро эта проблема стоит для внебиржевых рынков, на кото­ рых реальные и котируемые цены могут сильно различаться, а информация о реальных сделках поступает на рынок с опозданием или не поступает вовсе.

Вторым недостатком перечисленных критериев является их статичность. Все показатели ликвидности вычисляются для данного момента времени и данного значения цены и могут меняться как при изменении ситуации на рынке, так и 304 Энциклопедия финансового риск-менеджмента в зависимости от времени (например, наблюдаемый спред, как правило, выше в начале и конце торговой сессии, чем в середине торгового дня).

Хотя теоретически приведенные характеристики достаточно информатив­ ны, их вычисление на практике вряд ли возможно или сопряжено со значи­ тельными временными и финансовыми затратами. Показатели, которые мож­ но вычислить на одном рынке, могут быть недоступны для расчета на другом рынке, что делает невозможным количественное сравнение ликвидности двух рынков. Однако, несмотря на всю сложность получения количественных оце­ нок ликвидности рынка, польза от таких оценок может быть существенна.

Приведем в качестве примера одну простую, но достаточно информативную модель оценки ликвидности рынка.

43.1. Пример количественной оценки ликвидности рынка Рассмотрим вопрос практической оценки ликвидности рынка на примере тор­ говли обыкновенными акциями РАО «ЕЭС России» в Российской торговой си­ стеме (РТС). Выбор акций РАО «ЕЭС России» обусловлен тем, что это наибо­ лее активно торгуемые акции, привлекающие наибольшее внимание участни­ ков, и тем, что по данным акциям существует достаточное количество исто­ рических данных.

Следующие данные итогов торгов за день, характеризующие ликвидность рынка, находятся в открытом доступе на сервере РТС в сети Интернет (www.rts.ru):

• объем торгов в штуках акций;

• количество сделок с акциями;

• величина спреда при открытии и закрытии торгов.

Данные о величине спроса и предложения, изменении спреда в течение торгов отсутствуют.

Отметим, что указанные выше данные являются стандартной биржевой информацией, поэтому построенный ниже индикатор легко может быть вос­ произведен на любом финансовом рынке.

Используемые данные охватывают период с 1 ноября 1995 г. по 1 августа 1999 г. На основе имеющихся данных получим следующие параметры лик­ видности рынка для каждого торгового дня:

• величина спреда при закрытии торгов;

• количество сделок за день;

• среднее число акций в одной сделке.

Величина спреда характеризует вязкость рынка, остальные два парамет­ ра косвенно характеризуют глубину рынка.

Полученные значения параметров пронормируем по следующей формуле:

Хпат ~ у "^ V ' (4.1) где xmax, xmin— минимальное и максимальное значения параметра за выбранный интервал времени.

IV. Управление рисками ликвидности В нашем случае интервал наблюдений равен всему историческому периоду, за который доступны ценовые данные, хотя можно выбирать в качестве ин­ тервала любой фиксированный промежуток времени. Затем вычислим усред­ ненные значения данных параметров с помощью простого 30-дневного сколь­ зящего среднего.

Полученные в результате расчетов данные представлены на рис. 4.2, по­ казывающем динамику изменения логарифма цены акций РАО «ЕЭС России» и соответствующих параметров ликвидности.

Акций в сделке - Число сделок Цена Спред • Рис. 4-2. Динамика параметров ликвидности и цены акций РАО «ЕЭС России» Рассмотрим, как каждый из параметров теоретически отражает ликвид­ ность рынка. Чем меньше величина спреда, тем меньше издержки соверше­ ния сделок на рынке, поэтому уменьшение спреда ведет к увеличению лик­ видности рынка. Большее количество заключаемых сделок означает больший лоток заявок на покупку и продажу, т. е. количество заключенных сделок кос зенно отражает количество заявок на покупку и продажу. Поэтому увеличе­ ние числа сделок должно приводить к увеличению ликвидности рынка.

Связь среднего числа акций в сделке и ликвидности рынка менее оче­ видна. С одной стороны, чем больше объем одной сделки, тем проще со зершить операцию большого объема и, следовательно, тем ниже транзакци онные издержки и выше ликвидность рынка. С другой стороны, рынок РТС в рассматриваемый период времени не являлся биржевым рынком, поэтому слишком высокий объем одной сделки делал недоступным рынок для мел­ ких инвесторов, уменьшая тем самым количество участников. Как видно из рис. 4.2, уменьшение числа акций в одной сделке характеризовалось рос­ том числа сделок, что указывает на увеличение количества участников тор­ говли и, соответственно, увеличение ликвидности рынка. Можно сделать вы­ вод, что для внебиржевого рынка связь между средним объемом сделки и ликвидностью рынка отрицательна.

ЗОб Энциклопедия финансового риск-менеджмента Построим на основе данных параметров индикатор ликвидности рынка.

Будем считать, что когда спред и число акций в одной сделке минималь­ ны, а количество сделок максимально, рынок обладает максимальной ликвид­ ностью. Следовательно, когда спред и число акций в одной сделке максималь­ ны и число сделок минимально, ликвидность рынка будет минимальной.

Пусть S, V, М — сглаженные нормированные значения спреда закрытия, среднего числа акций в одной сделке и количества заключенных сделок.

Пусть L = М- S-Vотражает ликвидность рынка, определим тогда инди­ катор ликвидности рынка следующим образом:

L-Ur U (4.2) ^max ^nin где L м_ •S_ -V — минимальное значение ликвидности рынка;

L = М_ V. — максимальное значение ликвидности рынка.

Динамика индикатора ликвидности и цены акции РАО «ЕЭС России» при­ ведена на рис. 43. Как видно, ликвидность рынка постоянно возрастала до кризиса в августе 1998 г., а затем резко уменьшилась.

Заметим, что корреляция между построенным индикатором ликвидности и динамикой цены акции равна 0,88, хотя значение цены актива не входит ни в один из параметров, образующих индикатор.

Это позволяет сделать предположение, что рост цены акции на протяже­ нии 1995-1998 гг. был обусловлен увеличением числа участников рынка и притоком капитала на рынок, а не фундаментальными причинами. Также можно предположить, что на глубину падения цены акций в значительной Индикатор ликвидности. Цена m г^ г- г^ (О (О СО СП СО СО сп О) СП СП СП СП СП СП ел с» о СП см оо со см 00 см см 3 S 3 о о ч— о ю ю ю ю ю ю ю ю Рис. 43. Динамика индикатора ликвидности и цены акций РАО «ЕЭС России» IV. Управление рисками ликвидности 3<> степени повлияло резкое падение ликвидности рынка, что спровоцировало па­ нику среди участников и их бегство с рынка.

Для разных участников важность каждого из параметров определяется индивидуально. Так, для крупного инвестора важнее знать глубину рынка (в нашем случае — это объем и оборот рынка), а для инвестора, проводяще­ го спекулятивные операции небольшого объема, но с высокой частотой, наи­ большее значение имеет величина спреда. Поэтому каждый участник может устанавливать наиболее подходящие для его деятельности весовые коэффи­ циенты для каждого параметра ликвидности в функции L.

Конечно, построенный индикатор в значительной степени условен, так как вряд ли с помощью скалярной величины можно адекватно описать много­ аспектное понятие ликвидности рынка, однако для получения первого пред­ ставления о ликвидности рынка он вполне удобен и прост в применении.

43.2. Динамика ликвидности Выше мы рассмотрели, какими параметрами может характеризоваться лик­ видность рынка в конкретный момент времени. Однако ликвидность рынка не остается постоянной во времени. По мере развития информационных тех­ нологий и глобализации финансовых рынков проведение торговых операций существенно ускорилось и упростилось, и, как следствие, торговая активность может быстро возрастать и уменьшаться внутри рынка, а также быстро пе­ ремещаться с одного рынка на другой. Рынки могут быстро и неожиданно терять ликвидность. Отслеживание и моделирование динамики ликвидности рынка в силу рассмотренных причин является трудноразрешимой проблемой.

На сегодняшний день информация о динамике ликвидности рынка носит эм­ пирический характер. Следуя [7], выделим основные моменты, характерные для динамики ликвидности.

Концентрация ликвидности. На рынках, где торгуемые инструменты явля­ ются взаимозаменяемыми, ликвидность часто сконцентрирована в небольшом числе активов или даже в одном активе, при этом остальные активы являются существенно менее ликвидными. При определенных условиях ликвидность мо­ жет быстро «перемещаться» из одного инструмента в другой. В качестве при­ мера можно привести российский фондовый рынок, на котором ликвидность сконцентрирована в двух акциях: РАО «ЕЭС России» и НК ЛУКОЙЛ.

Исчезновение ликвидности на рынке. Как правило, концентрация лик­ видности на одном рынке приводит к исчезновению ликвидности на дру­ гих рынках. Так, после создания фондовой секции на ММВБ торговля ак­ циями российских предприятий неуклонно перемещается с площадки РТС на ММВБ.

«Бегство к ликвидности» (/light to liquidity). Данное явление может рассмат­ риваться как миграция активности на рынки, которые, как ожидается, будут сохранять достаточную ликвидность даже в моменты кризисов. При таком яв­ лении участники готовы платить более высокую премию, чем обычно, чтобы инвестировать средства в такие активы. Явление «бегства к ликвидности» обычно является частью более широкого процесса «бегства к качеству» (/light to quality), когда участники платят более высокую премию за активы, имеющие низкий 308 Энциклопедия финансового риск-менеджмента уровень всех видов риска (в первую очередь, кредитного), и наблюдается в моменты кризисных ситуаций на рынке. Одно из самых сильных проявлений «бегства к ликвидности» на мировом рынке наблюдалось в 1998 г. в разгар финансового кризиса в России. Масштаб этого «бегства» был столь значитель­ ным, что это сыграло самую роковую роль в судьбе фонда Long Term Capital Management, портфель которого управлялся с помощью моделей, не способ­ ных спрогнозировать такое значительное изменение корреляций между различ­ ными рынками. Этот чисто иррациональный случай «бегства ликвидности» едва ли мог быть предсказан посредством стандартных VaR-моделей [5].

433. Факторы ликвидности рынка Факторы, влияющие на ликвидность рынка, достаточно разнообразны. Как правило, невозможно узнать, какое влияние оказывает на ликвидность рынка тот или иной фактор сам по себе, в отдельности от остальных. Выделяют три основных группы факторов ликвидности рынка.

Специфика торгуемого инструмента. Одним из ключевых элементов при рассмотрении взаимосвязи между спецификой торгуемого инструмен­ та и ликвидностью рынка является замещаемость инструментов. Если за мещаемость между инструментами высока, то рыночная ликвидность кон­ центрируется только в одном из них: участники предпочитают при прочих равных приобретать более ликвидные активы. В то же время, если инстру­ мент не имеет аналогов на рынке, торговля им может быть затруднитель­ на из-за опасений участников по поводу ликвидности данного инструмента в кризисных ситуациях, а также из-за ограничений в построении возмож­ ных финансовых стратегий.

Микроструктура рынка (market microstructure). Рост конкуренции между торговыми площадками и простота перевода капитала между рынками при­ вели к усилению зависимости ликвидности от микроструктуры рынка, кото­ рая характеризуется следующими основными элементами:

1. Тип торговой системы. Можно выделить два основных типа организа­ ции торгов: дилерский и биржевой рынки. Биржевой (auction-agency/ order-driven) рынок, основанный на сборе и сведении заявок на по­ купку и продажу по определенным правилам, обеспечивает участни­ ков более широкой информацией о потоке заявок и реальной цене сделок. Дилерский рынок, на котором дилеры выставляют свои коти­ ровки на покупку и продажу остальным участникам рынка, предос­ тавляет дилерам монополию на информацию о потоках заявок. Как правило, биржевой рынок более ликвиден, чем дилерский, и отлича­ ется большей открытостью информации.

2. Издержки заключения сделок. Уменьшение транзакционных издержек приводит, как правило, к увеличению ликвидности рынка.

3. Информационная прозрачность рынка. ЭТИМ термином обычно обозна­ чают возможность участников рынка иметь доступ к информации о процессе торгов [9]. Взаимосвязь между прозрачностью рынка и лик­ видностью нелинейна. До определенного момента увеличение прозрач IV. Управление рисками ликвидности 34* ности приводит к увеличению ликвидности рынка, после которого на­ ступает обратный эффект (см. пример в [9]).

Поведение участников рынка. На каждом рынке можно выявить прева­ лирующий тип участников, чье поведение определяет реакцию рынка на вне­ шние изменения. Разнородность участников рынка способствует увеличению ликвидности рынка.

Часто на рынках можно наблюдать действие механизма самосбывающих­ ся ожиданий: если участники рынка начинают считать какой-либо инструмент более ликвидным, чем другие, этот инструмент (рынок) через некоторое вре­ мя действительно становится более ликвидным.

Рассмотренные выше основные характеристики и факторы ликвидности рынка схематически представлены на рис. 4.4.

ликвидность РЫНКА Характеристики Динамика Вязкость (tightness) Концентрация ликвидности Исчезновение ликвидности Глубина {depth) «Бегство к ликвидности» Восстановление (resiliency) Влияющие факторы | 1. Специфика торгуемого инструмента 2. Микростр уктура рынка 3. Поведение учас тников рынка > i 3.1. Превалирующи е участники рынка 2. 1. Особенности TOf)говой системы ;

3.2. Степень разнородности участников 2.2. Транзакционные издержки рынка 1 2.3. Информационная прозрачность рынка 3.3. Эффект самосбывающихся ожиданий Рис. 4-4- Характеристики и факторы ликвидности рынка 319 Энциклопедия финансового риск-менеджмента 4.3-4- Рекомендации по созданию ликвидного рынка Завершая разговор о рыночной ликвидности, остановимся на основных прин­ ципах создания ликвидного рынка, опубликованных в отчете Комитета по гло­ бальной финансовой системе [6]:

1. Необходимо поддерживать конкурентую рыночную среду, иначе ликвид­ ность переместится на более конкурентные рынки.

2. Рынок должен иметь низкий уровень фрагментации. При прочих равных условиях ликвидность выше там, где инструменты взаимозаменяемы.

3. Транзакционные издержки должны быть минимизированы. Уменьшение стоимости заключения сделок увеличивает ликвидность рынка, поэто­ му их необходимо минимизировать до тех пор, пока это не влияет на безопасность функционирования рынка.

4- Необходимо поддерживать адекватную, современную и безопасную ин­ фраструктуру рынка. Такая инфраструктура стимулирует активность участников и помогает смягчить и преодолеть последствия внешних кризисов.

5. Необходимо поддерживать разнородность участников рынка. Дифферен­ циация участников по типу проводимых сделок, восприятию риска, ин­ вестиционному горизонту увеличивает ликвидность рынка.

4.4. Риск ликвидности Определив понятие ликвидности рынка и ее параметры, перейдем теперь к рассмотрению риска рыночной ликвидности.

Риск рыночной ликвидности связан с потерями, которые может понести участник из-за недостаточной ликвидности рынка. Иными словами, это риск того, что транзакционные издержки окажутся слишком высокими. Мерой риска рыночной ликвидности может служить реализованный спред, напомним, од­ нако, что рассчитать данную величину весьма проблематично.

Риск ликвидности имеет две составляющие: экзогенную (объективную) и эндогенную (субъективную) [1]. Экзогенная составляющая риска ликвидности определяется параметрами ликвидности рынка, такими как величина спреда на рынке, глубина рынка и его объем. Данная составляющая риска одинако­ ва для всех участников рынка, и каждый отдельный участник изменить ее, как правило, не в состоянии. Эндогенная составляющая определяется для каждого участника индивидуально и зависит от объема его позиции на рын­ ке. Чем больше размер позиции, тем большее значение имеет субъективная составляющая риска.

Поясним сказанное на примере. Предположим, что инвестор имеет от­ крытую позицию на рынке и намеревается ее ликвидировать (например, у него есть акции, которые он желает продать). В момент совершения сделки на рынке имеются соответствующие котировки на покупку и продажу, причем объем лучшей котировки вполне конечен. Это означает, что он может про­ дать по текущей цене только ограниченный объем акций. Если инвестор про­ дал не все имеющиеся у него акции по этой цене, то ему необходимо либо IV. Управление рисками ликвидности S U ждать появления новых заявок на покупку по этой же или лучшей цене либо продавать акции по более низким котировкам, согласно очереди заявок на покупку (в этом случае транзакционные издержки начинают возрастать).

Приведенный пример показывает, что транзакционные издержки, вообще говоря, зависят от двух эндогенных параметров: объема сделки и времени, от­ веденного на ее исполнение. До тех пор пока объем планируемой сделки не превышает объем лучшей заявки на рынке, эндогенная составляющая риска ликвидности равна нулю, и транзакционные издержки определяются величи­ ной наблюдаемого спреда*. Однако, как только объем сделки становится боль­ ше объема лучшей заявки на рынке, транзакционные издержки начинают уве­ личиваться и определяются глубиной рынка (если сделка исполняется немед­ ленно). Если рынок недостаточно ликвиден, а объем планируемой сделки зна­ чителен, то величина реализованного спреда может в несколько раз отли­ чаться от наблюдаемого.

Ввиду этого всегда необходимо внимательно следить за позициями, раз­ мер которых велик по сравнению со средним для данного рынка, так как в случае необходимости быстро ликвидировать позицию издержки совершения сделки могут оказаться очень большими. На рис. 4.5 показана зависимость цены от объема сделки.

' L Цена сделки Точка эндогенной составляющей риска ликвидности Цена предложения / I у^ I I IV N I | ^"***—-^ Цена спроса • Объем сделки Рис. 45. Зависимость реализованного спреда от объема сделки * Здесь мы абстрагируемся от таких фиксированных составляющих транзакцион ных издержек, как комиссионное вознаграждение брокера и т. д.

31Z Энциклопедия финансового риск-менеджмента Вместо того чтобы совершать сделку по любой, доступной в данный мо­ мент времени цене, у инвестора всегда есть альтернатива — увеличить вре­ мя осуществления сделки. Тогда, при прочих равных, с ростом времени ожи­ дания транзакционные издержки будут уменьшаться (здесь уместно напом­ нить третий критерий ликвидности рынка— время восстановления рынка).

Однако при увеличении времени ожидания будет расти величина упущен­ ной выгоды от операций, которые можно было бы совершить за это время.

Иными словами, при увеличении времени, отведенного на исполнение сдел­ ки, с одной стороны, уменьшается стоимость заключения сделки, а с дру­ гой — увеличивается размер упущенной выгоды, поэтому для данного объе­ ма сделки теоретически существует оптимальное время ее исполнения. Од­ нако это в большей степени теоретическое, нежели практическое рассуж­ дение, так как измерить на практике величину упущенной выгоды удается редко.

Теперь обратимся к тому, что изменится при развитии кризисной си­ туации на рынке. В этом случае, во-первых, нарушаются обычные условия функционирования рынка, следствием чего является снижение его ликвид­ ности (см. пример ниже). Во-вторых, в этих условиях инвесторы, как пра­ вило, лишены возможности ждать и ликвидировать позиции им требуется немедленно. Все это приводит к тому, что транзакционные издержки в моменты кризисов могут сильно возрастать по сравнению с нормальной ситуацией.

Для иллюстрации этой особенности приведем комментарий Данбара к кризису августа 1998 г.: «Портфели обычно оцениваются посредством сред­ ней цены между спросом и предложением, многие хеджевые фонды исполь­ зовали модели, основанные на этом предположении. В конце августа суще­ ствовала только одна реалистичная цена для оценки портфеля: цена спроса.

Среди потока массированных продаж только первый продавец получал ре­ альную цену продажи, остальные неудачники должны были платить премию за ликвидность, если они желали совершить продажу... Модели оценки рис­ ка должны быть пересмотрены, чтобы включить в них поведение спреда между ценой спроса и предложения» [3].

Модели оценки риска портфеля на основе показателя VaR обычно реаги­ руют на резкое изменение ситуации на рынке, отражаемой в росте волатиль ности цен, и пересмотр структуры портфеля приходится делать в тот момент, когда конъюнктура рынка далека от нормальной, а стоимость совершения сделок выше, чем обычно. Поэтому часто оказывается, что реальный риск портфеля оказывается намного больше, чем оценка, полученная с помощью УаЯ-модели.

Одним из самых больших недостатков стандартных моделей оценки ры­ ночного риска является их инвариантность к величине портфеля: оценка ры­ ночного риска не зависит от величины портфеля. Так, если какой-либо участ­ ник рынка контролирует, к примеру, половину объема всего рынка и попы­ тается быстро ликвидировать свою позицию, то вряд ли стоит рассчитывать, что рыночная цена не изменится. Однако немногие модели оценки рыночно­ го риска учитывают данный фактор риска.

Какие же методы оценки риска ликвидности можно предложить?

IV. Управление рисками ликвидности ЪХЪ К сожалению, необходимо признать, что на сегодняшний день отсутству­ ет универсальный метод, пригодный для практической оценки риска рыноч­ ной ликвидности. Это связано как с проблемой получения необходимой ин­ формации о параметрах ликвидности рынка, без которых невозможно полу­ чить ее количественные оценки, так и с эндогенным характером риска лик­ видности. Применение статистического подхода, по аналогии с моделями оцен­ ки рыночного риска, в данном случае проблематично, так как риск зависит от объема позиций, а собрать исторические данные по стоимости заключе­ ния сделки в зависимости от ее объема крайне сложно даже для крупных финансовых институтов*.

Можно порекомендовать вести статистику ожидаемых издержек заклю­ чения сделки в сопоставлении с фактическими издержками и делать поправ­ ку на полученную величину при оценке риска портфеля. Если портфель слож­ ный, то необходимо для каждого инструмента оценивать размер позиции по отношению к объему рынка и на основе таких оценок и статистических дан­ ных (если их удалось собрать) прогнозировать транзакционные издержки и их влияние на общий риск портфеля**.

Более понятна ситуация с экзогенной составляющей риска ликвиднос­ ти, выражающейся в величине наблюдаемого спреда. Можно достаточно легко построить зависимость между величиной спреда и волатильностью рынка и на основе выявленной зависимости внести коррективы в модель оценки рыночного риска (как правило, к величине риска портфеля следует прибавлять слагаемое, отражающее риск ликвидности). Покажем один из возможных подходов к решению этой проблемы на примере рынка акций РАО «ЕЭС России».

* Количественная оценка эндогенного риска ликвидности для портфеля активов, предполагает знание эластичности цены по объему сделки для каждого отдель­ ного рынка/инструмента, что, в свою очередь, требует проведения специаль­ ных эмпирических наблюдений. Проблема состоит в том, что эти измерения могут быть получены, как правило, только организатором торгов и/или самим участ­ ником рынка, достаточно крупным, чтобы объемы заключаемых им сделок ока­ зывали сколько-нибудь заметное влияние на равновесную рыночную цену. В этой связи отмечается, что «поправка на ликвидность к стандартному показателю VaR требует знания зависимости между размером сделки и скидкой с цены [за ее объем], а также временем ее исполнения. Очевидно, что в настоящее время не существует готового источника данных для количественной оценки этих зави­ симостей, что заставляет опираться на субъективные оценки» [1].

* Проблема эндогенной составляющей риска ликвидности осложняется также и таким едва ли моделируемым фактором риска, как спекулятивные ожидания участников рынка при заключении крупной сделки одним из них. Формирова­ ние и ликвидация крупных позиций могут оказывать влияние на цену не толь­ ко непосредственно, в момент заключения сделки, но и опосредованно, через ожидания участников;

при этом последний эффект может быть весьма значи­ тельным, особенно на таких узких и неглубоких финансовых рынках, как рос­ сийский.

4^1 ПЛЛ 314 Энциклопедия финансового риск-менеджмента 4-4-1. Пример учета риска ликвидности при оценке рыночного риска Попробуем оценить, как риск ликвидности влияет на величину рыночного риска портфеля*. Предположим, что портфель состоит только из обыкновен­ ных акций РАО «ЕЭС России». Вычислим значение VaR такой позиции для однодневного интервала времени и доверительного интервала 95%. В целях большей наглядности будем использовать наиболее простой способ расчета VaR— метод исторического моделирования, для чего проведем следующие вычисления:

1. Рассчитаем изменение цены акции Ut за один день как логарифм от­ ношения средней цены между спросом и предложением при закры­ тии торгов в день t к средней цене между спросом и предложением при закрытии в предыдущий день t - 1:

cbid, cask U = ln < cb + ^ • (4.3) + °t-i °t-i 2. Отсортируем Ut в порядке возрастания.

3. Для данного размера выборки Т найдем U* такое, что только аТ зна­ чений U меньше U', где (1 - а) — доверительный интервал (в нашем случае а = 0,05).

4. Найденное значение U" является значением VaR позиции, вычисленным с помощью метода исторического моделирования, т. е. с вероятностью 95% однодневное изменение стоимости портфеля будет не меньше (J*.

С помощью описанного алгоритма рассчитаем значение VaR портфеля, используя в качестве исторической выборки все имеющиеся ценовые дан­ ные с 1995 по 1999 г.** Аналогичные вычисления проведем для различных доверительных интервалов: 95, 97,5, 99%. Результаты вычислений приведены в табл. 4.1.

Учтем теперь наличие спреда на рынке. Для этого будем считать, что формирование позиции происходит не по средней рыночной цене, а по цене предложения S"5*, а ликвидация позиции— по цене спроса SWd. Тогда в алго­ ритме расчета VaR методом исторического моделирования значение Ut вмес­ то (4.3) будет определяется следующим выражением:

сш Ц=1пфг- (4.4) Остальные шаги алгоритма остаются без изменения.

* На сегодняшний день не существует стандартного подхода к учету риска ликвид­ ности при оценке рыночного риска. В этом разделе предлагается один из воз­ можных способов решения этой проблемы.

** В данном примере общее количество исторических наблюдений изменения цены равно 983.

IV. Управление рисками ликвидности Таблица 4- СРАВНЕНИЕ ЗНАЧЕНИЙ VaR ПОРТФЕЛЯ, ВЫЧИСЛЕННЫХ С ПОМОЩЬЮ МЕТОДА ИСТОРИЧЕСКОГО МОДЕЛИРОВАНИЯ С УЧЕТОМ И БЕЗ УЧЕТА РИСКА ЛИКВИДНОСТИ Доверительный Увеличение VaR без учета VaR с учетом риска, % интервал, % ликвидности, % ликвидности, % 95,0 13, 9, 8, 11,98 14,49 20, 97, 99,0 19,61 27, 15, Проведем расчет величины VaR портфеля, учитывающей наличие спреда на рынке. Результаты вычислений приведены в табл. 4.1.

Как видим, с увеличением желаемого уровня достоверности значение VaR, учитывающее наличие спреда, все сильнее отличается от значения VaR, вычис­ ленного по средней рыночной цене, причем для доверительного интервала в 99% различие достигает 27%.

Данный факт объясняется тем, что с увеличением уровня достоверности оценка VaR все сильнее зависит от экстремальных движений цены, а таким движениям, как показано на рис. 4.6, соответствуют более высокие значения спреда. Это подтверждает гипотезу о том, что влияние риска ликвидности на общую величину рыночного риска возрастает при резких изменениях на рын­ ке. Поэтому использование VaR-моделей, не учитывающих ликвидность рын Сглаженное значение спреда (за 3 0 дней) и тренд 3.50% у = 2Е-1 Зх4 - ЗЕ-1 Ох3 + 2Е-07Х2 - 7Е-05х + 0. 3.00% 2.50% 0.00% T-cooO't-'fCvicoiocMmco т- 1^- 'Ч c s ю' t a j c O T - c o c 4 ! " •* p — -• en см T- h СО 00 I* о -г- T- сч| со <о s * ri pi •Ч- i i. i Рис. 4.6. Зависимость величины спреда от изменения цены (уравнение тренда получено путем интерполяции (подгонки) по историческим данным) ЪХЬ Энциклопедия финансового риск-менеджмента ка или учитывающих ее на основе наблюдений рынка в стационарном состо­ янии, потенциально приводит к недооценке принимаемого риска.

Приведенные выше оценки VaR были рассчитаны по всем имеющимся ис­ торическим данным. Включение слишком старых данных и их большой объем делают эту оценку неадекватной сегодняшнему состоянию рынка. Данные вычисления были проведены с той целью, чтобы показать устойчивое влия­ ние риска ликвидности на риск позиции.

Рассчитаем теперь значение VaR позиции, используя в качестве истори­ ческой выборки последние 100 значений изменения цены. Эти вычисления проведем для всего исторического периода, чтобы посмотреть динамику из­ менения VaR и частоту реального превышения потерями величины VaR. Ди­ намика изменения оценок VaR с учетом (L - VaR) и без учета ликвидности (VaR) приведена на рис. 4.7.

Расчет однодневной величины VaR методом исторического моделирова­ ния с доверительным интервалом в 95% по выборке из ста предыдущих зна­ чений изменения цены было проведено для 883 дней торгов*. При этом пре­ вышение убытками величины VaR, не учитывающей риск ликвидности, наблю­ далось в 79 случаях, что составляет 8,9% и превышает заданный доверитель VaR _ _ _ L - VaR Цена 6. 0% ГХ,^±Ъ^. ^•^Jtetv.

-5% 5. -10% 4. -15% 3. -20% -25% 2. -30% 1. -35% 0. -40% (D(DlflО)О) rocda>c\icocoOTCNco'cdaJc\irocoa> о о о ^ о о о ^ р р о ^ о о р cbcdcdcbcbcdcbcbcocdcocbcbcoco CMCNCMCMCMCNCNCM CM CN CN CM CN CMC M Рис. 4.7. Динамика изменения риска портфеля с учетом и без учета риска ликвидности Мы сознательно не используем при расчете показателя VaR экспоненциальное сглаживание данных для придания последним значениям большего веса, так как преследуем цель показать влияние ликвидности рынка, а не получения наиболее подходящей модели оценки VaR.

IV. Управление рисками ликвидности ный интервал в 5%. Поэтому данную модель расчета VaR следует признать неадекватной.

Превышение оценки L - VaR, учитывающей риск ликвидности, наблюда­ лось уже только в 49 случаях, что составляет 4,9% и не превышает заданный уровень достоверности. Результаты расчетов приведены в табл. 4.2.

Динамика величин VaR с учетом и без учета ликвидности приведена на рис. 4.8.

Заметим, что полученная поправка к величине VaR при учете ликвиднос­ ти рынка является минимальной, так как мы не учитывали эндогенную со­ ставляющую риска ликвидности, отражающую объем сделок.

Рассмотренный пример показывает, что учет ликвидности рынка даже в простейшей форме ведет к существенному (иногда в два раза) увеличению оценки рыночного риска. Поэтому модели, игнорирующие существование Таблица 4. СТАТИСТИКА ПРЕВЫШЕНИЙ УБЫТКАМИ ОДНОДНЕВНОГО ЗНАЧЕНИЯ VaR, РАССЧИТАННОГО С УЧЕТОМ И БЕЗ УЧЕТА РИСКА ЛИКВИДНОСТИ С ДОВЕРИТЕЛЬНЫМ ИНТЕРВАЛОМ 95% VaR с учетом Количество VaR без учета риска наблюдений риска ликвидности ликвидности 883 79 Вероятность 4,9% 8,9% Увеличение величины VaR при учете ликвидности Цена 120% 4. 4. ^*Л 3. My/""" 3. 2. т kz.

т^к 2. 1. 1. ilL-^nf Ч 0. 0. О) (OO О) СОО> 0 )050500) О! б) О) 61 б> <И (О (О О СЧСОСОО СМГОШОЭСМООСОСО О О О т - О О О т - О О О т - О О О (О tO СО (О СО СО (0 СО CD СО СО СО СО СО CO CM N N N t M N N N N N N M N N N Рис. 4-8. Влияние риска ликвидности на величину VaR 318 Энциклопедия финансового риск-менеджмента риска рыночной ликвидности, могут приводить к серьзным ошибкам оценки риска портфеля.

Обратимся теперь к другому виду риска ликвидности, связанному с воз­ можностью утраты предприятием платежеспособности.

4.5. Риск неплатежеспособности Риск неплатежеспособности заключается в том, что компания не сможет выполнить свои обязательства перед контрагентами в силу нехватки налич­ ных средств или других высоколиквидных активов. В каждый момент времени можно точно сказать, платежеспособна данная компания или нет, поэтому можно применить статистический подход для оценки вероятности данного события и тот же инструментарий, что и при оценке рыночного риска.

Основными факторами, влияющими на риск неплатежеспособности, яв­ ляются возможность компании привлекать в случае необходимости заемные средства и самостоятельно генерировать денежный поток путем продажи соб­ ственных активов.

Компания может ограничить риск неплатежеспособности, поддерживая необходимое количество ликвидных активов, однако их избыток ведет к не­ дополучению компанией прибыли. Кроме того, на риск неплатежеспособнос­ ти влияет скорость, с которой компания может превратить ликвидные акти­ вы в наличные средства. В кризисной ситуации (вспомним о риске рыночной ликвидности) продажа даже ликвидных активов может занять или слишком много времени, или не принести ожидаемого денежного потока.

Выделяют три источника возникновения риска неплатежеспособности:

системный, индивидуальный и технический [5].

Системный риск возникает в том случае, когда в расчетных системах просто не окажется необходимого количества денежных средств или из-за сбоев в функционировании таких систем средства не будут в указанные сро­ ки переведены по назначению. Такой риск может возникнуть, в том числе и в результате ошибочных действий регулирующих органов. В качестве приме­ ра уместно привести ситуацию, сложившуюся на российском денежном рын­ ке после дефолта по внутреннему государственному долгу 17 августа 1998 г.

Как известно, денежные средства оказались заморожены в государственных облигациях или были переведены банками в валютные активы, свободные ос­ татки на счетах банков составляли всего 5-8 млрд. руб., что было явно недо­ статочно для обслуживания российской экономики. Кроме этого, из-за бан­ ковского кризиса большая часть платежей просто не доходила по назначе­ нию, застревая на счетах «проблемных» банков. Как правило, повлиять на данный фактор риска неплатежеспособности отдельные участники рынка не в состоянии, и системный риск следует воспринимать как неизбежный.

Индивидуальный риск состоит в возможном изменении мнения участни­ ков рынка о платежеспособности компании и соответствующем пересмотре отношений с ней. Так, компания может потерять доступ к кредитным ресур­ сам или не получить ожидаемой цены при продаже активов из-за того, что участники, предполагая возможные проблемы у компании-продавца, будут стре­ миться заработать на этом. Поводом для изменения мнения о компании со IV. Управление рисками ликвидности стороны контрагентов могут быть как объективные факторы (например, сни­ жение кредитного рейтинга), так и субъективные, основанные на слухах и ожиданиях, которые зачастую могут оказаться беспочвенными. В целях избе­ жания данного вида риска ликвидности компаниям можно рекомендовать тщательно следить за своей репутацией на рынке и обращать внимание на корпоративную культуру для того, чтобы пресечь возможность нежелатель­ ной утечки информации о состоянии компании.

Технический риск состоит в несбалансированной структуре будущих платежей (forward payment structure) и является наиболее серьезной составля­ ющей риска неплатежеспособности.

В техническом риске неплатежеспособности, в свою очередь, выделяют две составляющие: 1) несбалансированность ожидаемых доходов и расходов и 2) высокая неопределенность размеров будущих платежей. Первая состав­ ляющая при внимательном отношении компании к структуре своих платежей, как правило, легко минимизируется. Со второй составляющей дело обстоит сложнее: неопределенность будущих платежей требует поддержания опреде­ ленного резерва ликвидных средств. Компания не может держать в качестве ликвидных средств наличность без уменьшения рентабельности своей деятель­ ности, поэтому, как правило, использует в качестве таких средств заемные средства либо ликвидные активы, которые могут быть быстро переведены в денежные средства, например ценные бумаги. Однако в кризисных ситуациях оба эти источника могут оказаться недоступны в нужном объеме. Для сни­ жения данного вида риска следует проводить исторический анализ структу­ ры платежей компании для планирования объема ликвидных средств*. Одна­ ко в случае нестандартной ситуации на рынке ретроспективный анализ мо­ жет оказаться малоэффективным.

Для управления технической составляющей риска ликвидности можно рекомендовать следующий алгоритм:

1) провести анализ известных будущих платежей (согласно имеющимся обязательствам и заключенным контрактам);

2) составить прогноз появления возможных будущих обязательств (напри­ мер, на основе истории компании);

3) выделить для каждого ожидаемого платежа детерминированную и сто­ хастическую части;

4) оценить с помощью вероятностных методов ожидаемое значение сто­ хастических платежей и их возможный разброс;

5) составить зависимость необходимого объема ликвидных средств от времени и оценить минимальную и максимальную величину данного объема (для некоторого уровня вероятности);

6) оценить способность компании по привлечению средств, при необхо­ димости пересмотреть структуру будущих платежей.

* Общие принципы контроля и управления риском ликвидности в банках изложе­ ны в документе Базельского комитета по банковскому надзору [5].

ЗХО Энциклопедия финансового риск-менеджмента 4.6. Рекомендации Следует признать, что управление риском ликвидности (в обоих его вариан­ тах) до сих пор является скорее искусством, чем наукой, поэтому знания, пригодные для применения на практике, могут быть получены по большей части только эмпирическим путем.

Тем не менее следует всегда осознавать наличие риска ликвидности и принимать его во внимание при управлении портфелем финансовых инстру­ ментов, тем более, что риску ликвидности свойственно проявляться именно в кризисных ситуациях.

При работе на финансовых рынках всегда следует оценивать размер сво­ ей позиции по отношению к рынку и в случае большой позиции особенно внимательно следить за изменением ситуации на рынке. Следует помнить, что большинство моделей оценки риска не учитывают такого понятия, как «лик­ видность рынка», т. е. основаны на допущении, что риск ликвидности равен нулю. Однако с ростом размера портфеля по отношению к объему рынка риск ликвидности также возрастает и в кризисных ситуациях может оказать­ ся неприемлемо большим.

Всегда следует выделять в структуре своего портфеля активы, которые легко можно обратить в наличность для устраненияй дисбаланса в структуре платежей. На практике все же выгоднее прогнозировать и управлять риском ликвидности, чем бороться с последствиями пренебрежения им.

Литература 1. Bangia A., Diebold F.X., Schuermann Т., Stroughair J.D. Modeling liquidity risk with implications for traditional market risk measurement and management//Risk. 1999. No. 12. P. 68-73.

2. Criss N., Almgren R. Optimal execution of portfolio transactions. Working paper. University of Chicago, Department of Mathematics, Goldman Sachs & Co., and Courant Institute of Mathematical Sciences, 1999.

3. Dunbar N. Meriwether's Meltdown/TRisk. 1998. October. P. 32-34.

4. Fiedler R.E. Liquidity risk//In: Lore M., Borodovsky L. (eds.) The professional's handbook of financial risk management. — Oxford:

Butterworth-Heinemann, 2000. P. 440-472.

5. Fishman A., Fiedler R. Liquidity: The fair-weather friend//Risk Professional.

1999. V. 1. No. 8 (November). P. 36-39.

6. How should we design deep and liquid markets? The case of government securities. Bank for International Settlements, Committee on the Global Financial System, 1999, October.

7. International capital markets: Developments, prospects, and key policy issues. Annex V: «Globalization of finance and financial risks». International Monetary Fund, 1998, September.

8. Jarrow R., Subramanian A. Mopping up liquidity//Risk. 1997. No. (December). P. 170-173.

IV. Управление рисками ликвидности 9. Market liquidity: Research findings and selected policy implications. Report of a study group established by the Committee on the Global Financial System of the central banks of the Group of Ten countries. Bank for International Settlements, 1999, May.

10. Matz L.M. Liquidity risk management. — Austin: Sheshunoff Information Services, 1999.

11. Shamroukh N. Modeling liquidity risk in VaR models. Working paper.

Algorithmics UK, 2000.

12. Sound practices for managing liquidity in banking organisations. Basel Committee on Banking Supervision, 2000, February.

V. Управление кредитными рисками Н.Ю. Ситникова 5.1. Введение Управление кредитными рисками своими корнями уходит в далекое прошлое, к эпохе античности. Во времена Римской империи впервые возникло поня­ тие «кредит», которое лежит в основе процесса управления кредитными рисками. Дословный перевод слова credit — «вера, доверие»;

кредитором называли человека, к которому обращались с просьбой о денежной ссуде и который, в свою очередь, доверял своим заемщикам и был уверен в возвра­ те своих денежных средств. Позднее, в эпоху Средневековья возникло поня­ тие «банкротство» (от итал. Ьапса — скамья и rotta — изломанная, надло­ манная), означавшее финансовую несостоятельность банкира, крах банка.

Ход исторического развития привел к тому, что помимо слепой веры в способность заемщика вернуть долг стало необходимым проведение кре­ дитного анализа, подразумевающего оценку и управление кредитным рис­ ком. Поэтому банки с момента зарождения банковского дела активно раз зивали методы контроля за кредитными рисками.

В 1997 г. Базельский комитет по банковскому надзору в своем доку­ менте «Основополагающие принципы эффективного банковского надзо­ ра» [19] назвал кредитный риск основным видом финансового риска, с кото­ рым сталкиваются финансовые институты в своей деятельности. Этот факт отражает прокатившуюся по всему миру в 1980-1990-х годах волну корпо­ ративных банкротств, ставших результатом кредитного риска. Основными,i\ причинами были такие факторы, как низкое качество активов, несвоев­ ременное выявление проблемных кредитов и недостаточность созданных под них резервов, слабость кредитного контроля. Кроме того, процесс гло­ бализации мирового хозяйства и тенденция ко все большему дерегулиро­ ванию финансовых рынков оказали непосредственное воздействие на воз­ растание кредитных рисков.

Рост интереса к управлению кредитным риском обусловлен также сле­ дующими факторами:

• увеличение объемов заемного и, в частности, банковского финан­ сирования;

• появление рынка высокодоходных облигаций с низким кредитным рейтингом — так называемых «мусорных» облигаций (junk bonds);

• тенденция к снижению рентабельности банков;

• случаи значительных потерь по ссудам и займам, получившие ши­ рокую известность.

324 Энциклопедия финансового риск-менеджмента В связи с возросшим масштабом кредитных рисков возникла необходи­ мость в совершенствовании существующих и внедрении новых методик оцен­ ки и управления ими. Эти методики и модели составляют «ядро» современ­ ной системы риск-менеджмента, обеспечивающей успешное функционирова­ ние любого финансового института.

5.2. Понятие кредитного риска Являясь наиболее распространенным видом финансового риска, кредитный риск представляет собой элемент неопределенности при выполнении контра­ гентом своих договорных обязательств, связанных с возвратом заемных средств.

Иными словами, кредитный риск — это возможность потерь вследствие не­ способности контрагента выполнить свои контрактные обязательства. Для кредитора последствия невыполнения этих обязательств измеряются потерей основной суммы задолженности и невыплаченных процентов за вычетом сум­ мы восстановленных денежных средств.

Наиболее ярким проявлением кредитного риска является дефолт (default) — неисполнение контрагентом в силу неспособности или нежелания условий кредитного соглашения или рыночной сделки. Поэтому к категории кредитного риска относятся, в первую очередь, потери, связанные с объявле­ нием контрагентом дефолта. Кроме того, к кредитному риску относятся так­ же и потери, связанные с понижением кредитного рейтинга заемщика, так как это обычно приводит к понижению рыночной стоимости его обязательств, а также потери в виде недополученной прибыли вследствие досрочного воз­ врата ссуды заемщиком.

Кредитный риск включает в себя страновой риск и риск контрагента.

Страновой или суверенный риск (country/sovereign risk) возникает в тех случаях, когда вследствие действий государства (например, при осуществле­ нии мер валютного контроля) становится невозможным выполнение контра­ гентами своих обязательств. Если риск дефолта обусловлен в основном спе­ цификой компании, то страновой риск — спецификой страны, государствен­ ного контроля, макроэкономического регулирования и управления.

В свою очередь, кредитный риск контрагента (counterpartyrisk)можно разделить на две составляющие: риск до осуществления расчетов и риск рас­ четов.

Риск до осуществления расчетов (presettlement risk) — это возможность потерь из-за отказа контрагента от выполнения своих обязательств в течение срока действия сделки, пока по ней еще не осуществлены расчеты. Этот вид кредитного риска характерен, как правило, для длительных временных интер­ валов: от момента заключения сделки до осуществления расчета.

Под риском расчетов (settlementrisk)понимается возможность неполучения денежных средств в момент осуществления расчета по сделке из-за дефолта или недостатка ликвидных средств у контрагента, а также из-за операционных сбоев. Иными словами, это риск того, что расчеты по сделке не будут осуще­ ствлены вовремя. Данный риск, связанный с движением денежных средств, про­ является на относительно коротких интервалах времени. Необходимо отметить, что расчетный риск значительно увеличивается при осуществлении операций V. Управление кредитными рисками между контрагентами, находящимися в различных временных зонах. Эта воз­ можность является вполне реальной для операций, связанных с обменом ва­ лют, когда платеж может быть сделан, например, утром в Европе, а получен позже в Америке. Так, западногерманский Herstatt Bank, обанкротившийся в 1974 г., в тот день, когда объявил дефолт, получил платежи от целого ряда контрагентов, но уже не выплатил причитающиеся им суммы по заключенным сделкам. Это нашумевшее банкротство оказало значительное дестабилизирую­ щее воздействие на мировую банковскую систему* и стало одним из побуди­ тельных мотивов для разработки требований Базельского комитета к достаточ­ ности капитала, которые были приняты в конце 80-х — начале 90-х годов XX в.

Расчетный риск может быть снижен, в частности, посредством создания сис­ тем проведения брутто-платежей в реальном масштабе времени (real-time gross settlement systems), которые позволяют сократить временной интервал между моментом оплаты и получением контрагентом денежных средств.

По источнику проявления кредитный риск можно разделить на две группы [2]:

1) внешний риск (риск контрагента);

2) внутренний риск (риск кредитного продукта).

Внешний риск обусловлен оценкой платежеспособности, надежности контрагента, вероятности объявления им дефолта и потенциальных потерь в случае дефолта. В состав внешнего риска входят:

• риск контрагента — риск невыполнения контрагентом своих обяза­ тельств;

• страновой риск — риск того, что все или большинство контрагентов (включая органы власти) в данной стране не смогут выполнить свои финансовые обязательства в силу какой-либо внутренней причины;

• риск ограничения перевода денежных средств за пределы страны вследствие дефицита валютных резервов;

• риск концентрации портфеля — риск несбалансированного распре­ деления средств между различными отраслями промышленности, ре­ гионами или контрагентами.

Внутренний риск сопряжен с особенностями кредитного продукта и воз­ можных потерь по нему вследствие невыполнения контрагентом своих обяза­ тельств. В состав внутреннего риска входят:

• риск невыплаты основной суммы долга и процентов по нему;

• риск замещения заемщика — риск потери части номинальной сум­ мы долга, называемой стоимостью замещения (replacement value), при * Риск расчетов может быть снижен посредством использования систем двусторон­ него неттинга (взаимозачета) требований и обязательств, которые включают ком­ пенсацию денежных средств по стоимости на определенную дату, в определен­ ном объеме и в определенной валюте между двумя контрагентами;

а также сис­ тем многостороннего неттинга требований и обязательств, которые позволяют бан­ кам производить ежедневные расчеты в различных валютах. Примером может служить система «Мультинет» (Multinet), которая была основана в 1994 г. как кли­ ринговая система для осуществления компенсаций по многосторонним валютным требованиям и обязательствам.

326 Энциклопедия финансового риск-менеджмента осуществлении операций с обращающимися долговыми обязательства­ ми, например с форвардами, свопами, опционами и др., вследствие невозможности выполнения контрагентом по сделке своих обяза­ тельств. Если в это время происходит изменение процентных ставок или валютных курсов, то кредитор будет вынужден понести дополни­ тельные издержки на восстановление денежного потока;

• риск завершения операции — риск невыполнения контрагентом своих обязательств в срок либо выполнения с опозданием;

• риск обеспечения кредита — риск потерь, связанных со снижением рыночной стоимости обеспечения ссуды, невозможности вступления в права владения залогом и т. д.

Методы и инструменты управления кредитными рисками прошли длитель­ ный процесс развития. Так, первоначально оценка кредитного риска своди­ лась к определению только номинальной стоимости ссуды. Впоследствии были разработаны способы определения стоимости кредитного продукта с учетом риска, широкое распространение получили системы рейтинговой оценки кре­ дитоспособности заемщиков. Современный этап развития кредитного риск менеджмента ознаменован все более широким внедрением внутренних бан­ ковских моделей количественной оценки рисков портфелей ссуд. Основыва­ ясь на передовых технологиях оценки и управления рыночными рисками, банки стремятся применять портфельный подход к управлению также и кредитным риском.

Прогресс в области оценки кредитного риска оказал существенное воз­ действие на развитие и совершенствование методов управления им, о чем свидетельствуют такие достижения, как:

• изменение структуры финансовых операций в части, касающейся обес­ печения возврата денежных средств (например, залог недвижимости, выпуск ценных бумаг, обеспеченных активами заемщика*, и т. д.);

• наличие специализированных посредников при осуществлении финан­ совых операций в виде бирж и расчетно-клиринговых систем, учас­ тие которых уменьшает необходимость для сторон по сделке прини­ мать особые меры по снижению риска контрагента;

• появление кредитных производных инструментов, способствующих снижению кредитных рисков лежащих в их основе активов. Хотя этот рынок является сравнительно молодым, он характеризуется высоки­ ми темпами роста объема сделок (см. п. 5-22). Кредитор, который не хочет принимать на себя кредитный риск по принадлежащим ему активам, может при определенных условиях немедленно «продать» этот риск на рынке и тем самым хеджировать свои активы. Таким обра­ зом, кредитные производные представляют собой финансовые ин­ струменты, которые создают своеобразный механизм страхования, вы­ ражающийся в передаче кредитного риска спекулятивно настроенным участникам рынка.

Asset-backed securities (ABS).

У. Управление кредитными рисками з» Процесс управления кредитными рисками включает в себя качественный и количественный аспекты. Качественный аспект заключается в определении кредитоспособности (надежности) заемщика или контрагента. Современный подход к количественной оценке кредитного риска основывается на концеп­ ции value atrisk(VaR), ставшей общепринятым стандартом для оценки рыноч­ ных рисков. Применение данного подхода к оценке риска на уровне портфе­ ля ссуд предполагает проведение дополнительных исследований, включающих построение распределения вероятностей наступления дефолта, оценку под­ верженности риску и уровня безвозвратных потерь в случае дефолта.

Сравнительный анализ рыночных и кредитных рисков является важной частью процесса управления финансовыми рисками в большинстве финансо­ вых институтов. Об этом свидетельствует тот факт, что размер экономичес­ кого капитала, который банки резервируют против потерь вследствие кредит­ ного риска, обычно значительно превосходит резерв, создаваемый против рыночного риска. Кроме того, наибольшие по своим масштабам потери фи­ нансовые учреждения несли именно вследствие кредитного риска. Наиболее известными примерами могут служить, в частности:

• кризис ссудо-сберегательных учреждений в США в первой половине 80-х годов XX в. (издержки государства на реструктуризацию проблем­ ных организаций составили около 30 млрд. долл.);

• серия дефолтов по государственным обязательствам стран Латинской Америки в первой половине 80-х годов XX в.;

• кризис на рынке коммерческой недвижимости на рубеже 1980 1990-х годов;

• пик дефолтов по корпоративным облигациям в конце 90-х годов XX в.

(совокупные потери держателей оцениваются в 22 млрд. долл.).

Кредитные и рыночные риски характеризуются рядом существенных от­ личий, несмотря на сходные методики их оценки.

В отличие от рыночного риска, для которого вероятностное распределе­ ние прибылей и убытков обычно является довольно симметричным, для кре­ дитного риска соответствующее распределение характеризуется ярко выра­ женной левосторонней асимметрией. Подобное явление может быть объяс­ нено тем, что инвестиции, связанные с кредитным риском, можно сравнить с короткой позицией по опциону, по которой в лучшем случае контрагент осу­ ществляет оговоренные платежи, а в худшем случае вся сумма долга не вы­ плачивается (подробнее см. п. 5.13.2.1).

Процессы управления рыночными и кредитными рисками характеризуют­ ся различной временной длительностью: в случае рыночных рисков управле­ ние осуществляется в течение относительно коротких временных интервалов, тогда как для управления кредитными рисками требуются гораздо более дли­ тельные периоды времени. Сроки ссудных операций в среднем значительно превосходят периоды удержания позиций при спекулятивных или хеджирую­ щих операциях на финансовых рынках. Кроме того, процесс выдачи и до­ срочного востребования ссуд также требует значительного времени.

Степень агрегирования оценок кредитного риска также может сильно различаться. Если лимиты по рыночным рискам могут устанавливаться на уров У. Управление кредитными рисками ъ% Процесс управления кредитными рисками включает в себя качественный и количественный аспекты. Качественный аспект заключается в определении кредитоспособности (надежности) заемщика или контрагента. Современный подход к количественной оценке кредитного риска основывается на концеп­ ции value atrisk(VaR), ставшей общепринятым стандартом для оценки рыноч­ ных рисков. Применение данного подхода к оценке риска на уровне портфе­ ля ссуд предполагает проведение дополнительных исследований, включающих построение распределения вероятностей наступления дефолта, оценку под­ верженности риску и уровня безвозвратных потерь в случае дефолта.

Сравнительный анализ рыночных и кредитных рисков является важной частью процесса управления финансовыми рисками в большинстве финансо­ вых институтов. Об этом свидетельствует тот факт, что размер экономичес­ кого капитала, который банки резервируют против потерь вследствие кредит­ ного риска, обычно значительно превосходит резерв, создаваемый против рыночного риска. Кроме того, наибольшие по своим масштабам потери фи­ нансовые учреждения несли именно вследствие кредитного риска. Наиболее известными примерами могут служить, в частности:

• кризис ссудо-сберегательных учреждений в США в первой половине 80-х годов XX в. (издержки государства на реструктуризацию проблем­ ных организаций составили около 30 млрд. долл.);

• серия дефолтов по государственным обязательствам стран Латинской Америки в первой половине 80-х годов XX в.;

• кризис на рынке коммерческой недвижимости на рубеже 1980 1990-х годов;

• пик дефолтов по корпоративным облигациям в конце 90-х годов XX в.

(совокупные потери держателей оцениваются в 22 млрд. долл.).

Кредитные и рыночные риски характеризуются рядом существенных от­ личий, несмотря на сходные методики их оценки.

В отличие от рыночного риска, для которого вероятностное распределе­ ние прибылей и убытков обычно является довольно симметричным, для кре­ дитного риска соответствующее распределение характеризуется ярко выра­ женной левосторонней асимметрией. Подобное явление может быть объяс­ нено тем, что инвестиции, связанные с кредитным риском, можно сравнить с короткой позицией по опциону, по которой в лучшем случае контрагент осу­ ществляет оговоренные платежи, а в худшем случае вся сумма долга не вы­ плачивается (подробнее см. п. 5.13.2.1).

Процессы управления рыночными и кредитными рисками характеризуют­ ся различной временной длительностью: в случае рыночных рисков управле­ ние осуществляется в течение относительно коротких временных интервалов, тогда как для управления кредитными рисками требуются гораздо более дли­ тельные периоды времени. Сроки ссудных операций в среднем значительно превосходят периоды удержания позиций при спекулятивных или хеджирую­ щих операциях на финансовых рынках. Кроме того, процесс выдачи и до­ срочного востребования ссуд также требует значительного времени.

Степень агрегирования оценок кредитного риска также может сильно различаться. Если лимиты по рыночным рискам могут устанавливаться на уров 328 Энциклопедия финансового риск-менеджмента не отдельного рынка, трейдера, подразделения или в целом по компании, то в случае кредитных рисков лимиты должны определяться на уровне каждого отдельного контрагента по всем позициям, занимаемым банком.

Наконец, необходимо отметить тесную взаимосвязь кредитного и юриди­ ческого рисков, что не имеет места в случае рыночного риска.

5.3. Финансовые институты и инструменты, подверженные кредитному риску Учреждениями, специализирующимися на предоставлении кредитов, традици­ онно являются банки, однако этот вид деятельности может осуществляться также и финансовыми, и страховыми компаниями, и промышленными пред­ приятиями (в форме займов), и государственными структурами (в форме го­ сударственного кредита). Эти организации преследуют различные цели и, сле­ довательно, предлагают различные условия кредитования, иными словами, их подходы к процессу кредитования различны. Однако их стратегии в отноше­ нии избежания и минимизации принимаемых на себя кредитных рисков но­ сят идентичный характер.

Pages:     | 1 |   ...   | 3 | 4 || 6 | 7 |   ...   | 14 |



© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.