Различные подходы для оценки кредитного показателя VAR на российском рынке.

Понятие « VaR » принадлежит Дэннису Везерстоуну , председателю сов е та директоров банка J.P. Morgan . Стимулом к распространению « VaR » среди нефинансовых корпораций стало решение американской Комиссии по ценным бумагам и биржам ( Securities & Exchange Commission   — SEC). В 1997 г. SEC установила для всех подотчетных ей компаний правила по   обязательному   раскрытию информации о рыночной стоимости используемых деривативов и финансовых активов, чу в ствительных к колебаниям финансовых рынков. Согласно новым правилам, « VaR » был одной из трех методик расчетов, разрешенных для обязательного раскрытия информации. В результате организации, использовавшие в своей деятельности деривативы и финансовые инструменты, подверженные знач и тельным колебаниям рыночной стоимости, стали проявлять значительно бол ь ший интерес к методам вычисления « VaR » . Одновременно резко повысился спрос на консалтинговые и программные услуги по вычислению « VaR » . После того как концепция « VaR » стала популярна среди нефинансовых корпораций, появилась потребность в создании корпоративной версии « VaR » , отражающей специфику риска в нефинансовых корпорациях, которые с точки зрения риска резко отличаются от банков. Методология количественного изм е рения рисков хорошо разработана для ликвидных активов. Более того, есть о б ширные и легко доступные данные о ликвидных финансовых активах. Бол ь шинство же активов нефинансовых фирм являются неликвидными. В конце 1990-х гг. несколько консалтинговых фирм одновременно н а чали работу над созданием корпоративного аналога « VaR » . В апреле 1999 г. RiskMetrics Group первой из консалтинговых групп разместила технический документ CorporateMetrics ™ [3] в открытом доступе и разработала для своих клиентов   программный пакет   CorporateManager ™. В середине 1999 г. в ко н салтинговой группе NERA ( National Economic Research Associates ) была сфо р мирована рабочая команда, члены которой начали разрабатывать методологию вычисления C-FaR . Группу возглавил известный специалист в области корп о ративных финансов, профессор экономики Гарвардского университета Джер е ми Стейн . В августе 2000 г. NERA обнародовала предварительные результаты и описание метода вычисления C-FaR в дискуссионной статье, опубликованной в ведущем аналитическом журнале по корпоративным финансам [4]. В последние годы создание адекватной стоимостной метрики риска для нефинансовых ко р пораций становится одним из наиболее активно исследуемых областей и   среди представителей университетской науки . За последние годы было разработ а но несколько альтернативных методик измерения риска в корпорациях, среди них следует отметить методики, основанные на применении регрессионного анализа [5].

Введение
1 Теоретические подходы для оценки кредитного показателя «VAR» на российском рынке
1.1 Основные понятия
1.2 Раскрытие качественной и количественной информации о рыночном риске
1.3 Использование «VaR»
2 Модели технического анализа
2.1 Модели «VAR»
2.2 Историческое моделирование
2.3 Вариационно-ковариационный метод
2.4 Кумулятивное стандартное нормальное распределение
2.5 Верификация (проверка истинности) модели «VAR»
Заключение
Литература

Чтобы управлять рисками на любом предприятии, в первую очередь надо оценить риски. Оценить все бизнес-процессы на предприятии с целью выявить риски и расставить приоритеты, какие из рисков наиболее значимые и угр о жающие деятельности предприятия, какие из рисков способны нанести макс и мальный ущерб. Важно также оценить, какими рисками можно управлять, а к а кими нет. Нужно в каждой конкретной ситуации (связанной с каждым конкре т ным риском или группой рисков) принять решение: стоит ли данный риск п о траченных временных и материальных ресурсов или, возможно, не стоит. Ведь можно вложить массу средств и времени в управление риском, ущерб от кот о рого обойдется предприятию меньше. Каким же образом можно оценивать ри с ки и отбирать наиболее существенные из них? В общем случае оценка риска имеет целью определить его количестве н ные характеристики: вероятность наступления неблагоприятных событий и возможный размер ущерба. Но если мы говорим о системном подходе, то оц е нивать риск в отрыве от деятельности предприятия нельзя. Системный подход к анализу и оценке результатов деятельности предприятия состоит в рассмотр е нии этого предприятия как сложной самостоятельной системы в совокупности взаимосвязанных и взаимозависимых элементов деятельности предприятия. Между элементами существуют определенные горизонтальные и вертикальные взаимосвязи, характеризующие финансово-хозяйственное состояние предпр и ятия и динамику его развития, эффективность управленческих решений, а та к же его место на рынке региона (страны). В структуре элементов деятельности предприятия важнейшее место занимают риски. Сегодня подходы к оценке уровня риска разделяются в зависимости от конечной цели оценки. Первый подход - количественная оценка риска. Сюда входят как раз вышеназванные экономико-статистические методы оценки, эк с пертные методы, а также аналоговые методы. Выбор конкретных методов или сочетания методов оценки определяется наличием необходимой информацио н ной базы и профессионализмом управленческих решений. Другой подход к оценке рисков основывается на оценке уровня доходн о сти рассматриваемых операций или бизнес-процессов с учетом уровня риска. Такой подход позволяет обеспечить четкую количественную пропорционал ь ность этих двух показателей в процессе управления бизнесом (Бланк И.А. Управление финансовыми рисками. К.: НикаЦентр , 2005). Существующие методы идентификации и оценки рисков имеют ряд м и нусов. Среди недостатков И.А. Бланк, к примеру, называет то, что « уровневые показатели » риска не характеризуют максимально возможную сумму финанс о вого ущерба при наступлении рискового события, а также не позволяют и стр а ховаться от рассматриваемого риска предприятия в полном его объеме. Кроме того, отдельные « уровневые показатели » не могут быть агрегированы по всему предприятию, а также по различным инструментам даже одного вида деятел ь ности предприятия. Также использование « уровневых показателей » меры риска в процессе его контроля на предприятии является недостаточно надежным по некоторым видам рисков. Именно в связи с тем, что традиционные методы оценки рисков имеют столько минусов, в последние годы все большую популярность приобретают методы « стоимости под риском » . Этот инструмент риск-менеджмента стал и с пользоваться в первую очередь западными компаниями не только рыночного риска, но и не систематического. « Стоимость над риском » ( «VAR» ) представляет собой показатель стат и стической оценки выраженного в денежной форме максимально возможного размера финансовых потерь при установленном виде распределения вероятн о сти факторов, влияющих на стоимость актива (инструментов), а также зада н ном уровне вероятности возникновения этих потерь на протяжении расчетного периода времени. «VAR» - более гибкий и точный метод оценки рисков, пот о му как он базируется сразу на трех основных элементах, что позволяет оценить ри ск в пр остранстве и времени. Речь идет, во-первых, об установленном виде распределения вероятностей рисковых факторов (нормальное распределение, распределение Лапласа и т.д.); во-вторых, о заданном уровне вероятности того, что максимально возможный размер финансовых потерь не превысит расчетное значение этого показателя; в-третьих, о расчетном периоде времени оценки риска. Однако и все традиционные методы оценки рисков, и даже метод «VAR» даны практически у всех авторов унифицированно . Они все сводятся к стат и стическому или техническому измерению негативных последствий в результате тех или иных факторов риска. Но нужно смотреть шире, если мы говорим о комплексном подходе. К примеру, совсем неплохая и весьма полная классиф и кация методов оценки рисков, данная в книге И.А. Бланка « Управление фина н совыми рисками » , разделяет управление финансовыми рисками на предприятии на некие этапы управления рисками. При этом при управлении рисками прои с ходит оценка стоимости денег во времени, оценка фактора инфляции, оценка фактора ликвидности, а также обоснование управленческих решений. Ко м плексного же осмысления проблемы оценки рисков на предприятии нет! При этом , на наш взгляд, каждый конкретный риск требует своей отдел ь ной комбинации методов выявления риска. Отсюда - некоторые риски в н а стоящий момент до сих пор не идентифицированы. А следовательно, и не ищутся пути управления этими рисками. Необходимо на каждом предприятии разработать некую гибкую систему идентификации риска в самой первоначал ь ной стадии. Она должна включать и статистические исследования, и экспертные оце н ки, и аналоговые заключения. Проведение комплексного анализа - трудоемкая процедура, включающая огромный спектр специфических вопросов. Можно сказать, что наиболее сло ж ный этап в бизнесе - это идентификация рисков. Работа по сбору информации и выявлению рисков помогает идентифицировать большинство опасностей, но, как правило, через некоторое время появляются новые. Это, скорее всего, св я зано с тем, что накапливается опыт, статистические данные, практические пр и меры и ситуации, на которых руководитель делает свои выводы. Важную роль здесь играют и новые технологии, разработки, внедрения. Недостатком же всех названных методов оценки является отсутствие обобщения наиболее полного набора количественных методов оценки рисков.

1.Иванов А.А., Олейников С.Я., Бочаров С.А. Риск-менеджмент (методиче-ское пособие). – М.: МЭСИ, 2006
2.Малашихина Н. Н., Белокрылова О. С. Риск-менеджмент - Ростов-на-Дону: Изд. «Феникс», 2004
3.Чернова Г.В., Кудрявцев А.А. Управление рисками: Учебное пособие - М.: Изд. ТК «Велби», «Проспект», 2007
4.Шапкин А. С. Экономические и финансовые риски - М.: Изд. «Дашков и Ко», 2005
5. Group of Thirty Global Derivatives Study Group (1993). Derivatives: practices and principles. Washington. D. C. [G-30 report].
6. J.P. Morgan. (1995). RiskMetrics ™ Technical Document, 3rd ed. New York.
7. RiskMetrics, (1999). CorporateMetrics™ Technical Document, New York: RiskMetrics Group.
8. Stein J., Usher S., LaGatutta D., Youngen J. (2001). A comparables approach to measuring Cashflow-at-Risk for non-financial firms. Journal of Applied Corporate Finance, Vol.13, (4), pp.100-109.
9. Andren N., Jankensgard H., Oxelheim L. (2005). Exposure-based Cash-Flow-at-Risk under macroeconomic Uncertainty, working paper, Lund University and Lund Institute of Economic Research, Lund.
10. Энциклопедия финансового риск-менеджмента / Под ред. А. А. Лобанова, А. В. Чугунова. — 2-е изд. М.: Альпина Бизнес Букс, 2003.
11. Giot P., Laurent S. (2003). Value-at-Risk for long and short trading posi-tions. Journal of Applied Econometrics. Vol.18, pp.641-664.
12. Phelan M. (1995). Probability and statistics applied to the practice of financial risk management: The case of J.P. Morgan’s RiskMetrics™. Working paper 95-19. Wharton School. University of Pennsylvania.
13. Manganelli S., Engle R. (2001). Value at risk models in finance. Working pa-per No.75. European Central Bank Working paper series.
14. Tuckman B. (1996). Fixed income securities. Tools for today’s markets. John Wiley & Sons, New York.
15. Hull J., White A. (1998). Incorporating volatility updating into the historical simulation method for Value-at-Risk. Journal of Risk.
16. Boudokh J., Richardson M, Whitelaw R. (1998). The best of both worlds, RISK, May.
17. Mina J., Xiao J. (2001). Return to RiskMetrics: The evolution of a standard. RiskMetrics Group, New York.
18. Duffie D., Pan J. (1997). An overview of Value-at-Risk. The Journal of Derivatives, Spring.
19. McNeil A. (1999). Extreme value theory for risk managers. Department Mathematik . ETH Zentrum. Zurich.
20. Danielsson J., DeVries C. (2000). Value-at-Risk and Extreme Returns. Annales d’economie at de statistique. No. 60.
21. Persaud A. (2000). Sending the herd off the cliff edge: the disturbing interaction between herding and market-sensitive risk management practices. ERisk, December.
22. Danielsson J. (2000). The emperor has no clothes: limits to risk modeling. Working paper. Financial Markets group. London School of Economics.
23. Лукашов. А. В. Международные финансы и управление валютными рисками в нефинансовых корпорациях // Управление корпоративными финансами. — 2005. — №1. — С. 36–52.
24. Pritsker M. (2001) The hidden dangers of historical simulation. Working paper. University of California at Berkeley.
25. Samajdar A. (2001). Testing Value-at-Risk Models for Foreign Exchange Trading Positions. ICICI Research Center.
26. Andersen T., Bollerslev T., Christoffersen P., Diebold F. (2005). Practical volatility modeling for financial markets risk management. Forthcoming in The risks of financial institutions. by Stulz R., Carey M. University of Chicago Press and NBER.
27. Andersen T., Bollerslev T., Christoffersen P., Diebold F. (2005). Volatility forecasting. Forthcoming in: Handbook of Economic Forecasting. Ed. by Graham E., Granger C., Timmerman A., Amsterdam. North Holland.
28. Giot P., Laurent S. (2002). Market risk in commodity markets: A «VaR» ap-proach. Working paper. Universite catholique de Louvain, Belgium.
29. Schroeder T., Mintert J. (1999). Livestock Price Discovery: Trends and Issues, Kansas State University Risk and Profit Conference.