Моделирование финансовых рисков

Для моделирования рисков применяются различные методы, включая оценку рыночных рисков, стоимость под риском (VaR), историческое моделирование (HS) и теория экстремальных значений (EVT), для анализа портфеля и прогнозирования возможных потерь по различным видам рисков. Как правило, такие риски группируются по категориям кредитных, рыночных, рискованных моделей, ликвидности и операционных рисков.

Многие крупные финансовые посредники используют моделирование рисков для помощи управляющим портфелями в оценке объёма резервов капитала, необходимых для поддержания, а также для управления покупками и продажами различных классов финансовых активов.

Формализованное моделирование рисков требуется в рамках соглашения Базель II для всех основных международных банковских институтов национальными органами надзора. Ранее анализ рисков проводился, как правило, качественно, однако с появлением мощных вычислительных программных средств количественный анализ стал быстрым и доступным.

В настоящее время известно, что моделирование изменений с помощью распределений с конечной дисперсией некорректно. Бенуа Мандельброт ещё в 1960-х годах установил, что изменения цен на финансовых рынках не соответствуют нормальному (гауссовскому) распределению, а точнее описываются лейевскими устойчивыми распределениями. Масштаб изменений, или волатильность, зависит от длины временного интервала по степенному закону, показатель которого чуть больше 1/2. Вероятность крупных изменений вверх или вниз, так называемые «толстые хвосты», существенно выше, чем можно было бы рассчитать по гауссовскому распределению с оценённым стандартным отклонением^[1][2].

Количественный анализ рисков и его моделирование подвергаются сомнению в свете корпоративных скандалов последних лет (в частности, Энрон), внедрения Базель II, пересмотра стандарта FAS 123R и закона Сарбейнса—Оксли, а также неспособности предсказать мировой финансовый кризис 2008 года^[1][3][4].

Быстрое развитие финансовых инноваций породило сложные модели, основанные на наборе предположений. Эти модели подвержены риску модели. Существует несколько подходов к учёту неопределённости модели. Джохадзе и Шмидт (2018) предложили практическую структуру измерения риска модели на основе байесовских вычислений^[5]. Они ввели суперпозиционные меры риска, позволяющие последовательно оценивать рыночный и модельный риск.

Йон Даниэльссон отмечает, что прогнозы рисков весьма неточны, особенно при обычных объёмах выборки, и выражает обеспокоенность их применением в регулировании.