ค่าที่มีความเสี่ยง (VaR) เป็นตัวชี้วัดความเสี่ยงการลงทุนที่ใช้กันอย่างแพร่หลายสำหรับการลงทุนเพียงครั้งเดียวหรือพอร์ตการลงทุน VaR นำเสนอพอร์ตการขาดทุนสูงสุดดอลล่าร์ในช่วงระยะเวลาหนึ่งเพื่อความมั่นใจในระดับหนึ่ง บ่อยครั้งที่มีการเลือกระดับความเชื่อมั่นเพื่อบ่งบอกถึงความเสี่ยงต่อหาง นั่นคือความเสี่ยงของการจัดกิจกรรมการตลาดที่หายากและรุนแรง
ตัวอย่างเช่นตามการคำนวณ VaR นักลงทุนอาจมั่นใจ 95% ว่าการสูญเสียสูงสุดในหนึ่งวันของการลงทุนในตราสาร $ 100 จะไม่เกิน $ 3 VaR ($ 3 ในตัวอย่างนี้) สามารถวัดได้โดยใช้วิธีการที่แตกต่างกันสามวิธี แต่ละวิธีจะอาศัยการสร้างการกระจายผลตอบแทนการลงทุน ในอีกทางหนึ่งผลตอบแทนการลงทุนที่เป็นไปได้ทั้งหมดจะถูกกำหนดความน่าจะเป็นของการเกิดขึ้นในช่วงเวลาที่กำหนด (ดูเพิ่มเติมที่ บทนำเกี่ยวกับความเสี่ยง (VaR) )
VaR แม่นยำแค่ไหน?
เมื่อเลือกวิธีการ VaR แล้วการคำนวณ VaR ของพอร์ตโฟลิโอเป็นการฝึกที่ค่อนข้างตรงไปตรงมา ความท้าทายอยู่ที่การประเมินความถูกต้องของการวัดและความแม่นยำของการกระจายของผลตอบแทน การทราบความถูกต้องของมาตรการเป็นสิ่งสำคัญอย่างยิ่งสำหรับสถาบันการเงินเพราะใช้ VaR เพื่อประเมินจำนวนเงินสดที่ต้องสำรองเพื่อครอบคลุมการสูญเสียที่อาจเกิดขึ้น ความไม่ถูกต้องในแบบจำลอง VaR อาจหมายความว่าสถาบันไม่ได้มีเงินสำรองเพียงพอและอาจนำไปสู่การสูญเสียที่สำคัญไม่เพียง แต่สำหรับสถาบันเท่านั้น แต่ยังอาจเกิดขึ้นกับผู้ฝากเงินนักลงทุนรายบุคคลและลูกค้าองค์กร ในสภาวะตลาดที่รุนแรงเช่นที่ VaR พยายามที่จะจับการสูญเสียอาจมีขนาดใหญ่พอที่จะทำให้เกิดการล้มละลาย (ดู สิ่งที่คุณต้องการรู้เกี่ยวกับการล้มละลาย )
วิธีการทดสอบแบบจำลอง VaR เพื่อความแม่นยำ
ผู้จัดการความเสี่ยงใช้เทคนิคที่รู้จักกันในชื่อ backtesting เพื่อกำหนดความแม่นยำของแบบจำลอง VaR การทดสอบซ้ำเกี่ยวข้องกับการเปรียบเทียบการวัด VaR ที่คำนวณกับการขาดทุนจริง (หรือกำไร) ที่ได้จากพอร์ต backtest ขึ้นอยู่กับระดับความเชื่อมั่นที่ใช้ในการคำนวณ ตัวอย่างเช่นนักลงทุนที่คำนวณ VaR หนึ่งวันของ $ 3 ในการลงทุน $ 100 ด้วยความเชื่อมั่น 95% จะคาดหวังว่าการสูญเสียหนึ่งวันในพอร์ตโฟลิโอของเขาจะเกิน $ 3 เพียง 5% ของเวลา หากนักลงทุนบันทึกการสูญเสียจริงมากกว่า 100 วันการสูญเสียจะเกิน $ 3 ในห้าวันนั้นถ้าแบบจำลอง VaR นั้นถูกต้อง ง่าย ๆ ย้อนหลังกองการกระจายผลตอบแทนที่เกิดขึ้นจริงกับการกระจายผลตอบแทนรูปแบบโดยการเปรียบเทียบสัดส่วนของการยกเว้นการสูญเสียที่เกิดขึ้นจริงกับจำนวนข้อยกเว้นที่คาดหวัง backtest จะต้องดำเนินการเป็นระยะเวลานานพอสมควรเพื่อให้แน่ใจว่ามีการสังเกตผลตอบแทนที่เกิดขึ้นจริงเพียงพอที่จะสร้างการกระจายผลตอบแทนที่แท้จริง สำหรับมาตรการ VaR หนึ่งวันโดยทั่วไปผู้จัดการความเสี่ยงจะใช้ระยะเวลาขั้นต่ำหนึ่งปีสำหรับการทดสอบย้อนหลัง
backtest ง่าย ๆ มีข้อเสียเปรียบที่สำคัญ: มันขึ้นอยู่กับตัวอย่างของผลตอบแทนที่ใช้จริง พิจารณาอีกครั้งว่านักลงทุนที่คำนวณ VaR แบบรายวัน $ 3 ด้วยความมั่นใจ 95% สมมติว่านักลงทุนทำการทดสอบย้อนหลังเกิน 100 วันและพบว่ามีข้อยกเว้นห้าประการ หากนักลงทุนใช้ระยะเวลา 100 วันที่แตกต่างกันอาจมีข้อยกเว้นน้อยลงหรือมากขึ้น การพึ่งพาตัวอย่างนี้ทำให้ยากต่อการตรวจสอบความถูกต้องของแบบจำลอง เพื่อแก้ไขข้อบกพร่องนี้การทดสอบทางสถิติสามารถนำไปใช้เพื่อให้แสงสว่างมากขึ้นว่าการทดสอบย้อนหลังล้มเหลวหรือผ่านไปแล้ว
จะทำอย่างไรถ้า Backtest ล้มเหลว
เมื่อ backtest ล้มเหลวมีหลายสาเหตุที่เป็นไปได้ที่ต้องนำมาพิจารณา:
การกระจายผลตอบแทนที่ผิด
หากระเบียบวิธี VaR สันนิษฐานว่ามีการแจกแจงการส่งคืน (เช่นการกระจายการส่งคืนตามปกติ) เป็นไปได้ว่าการแจกแจงแบบจำลองนั้นไม่เหมาะสมกับการแจกแจงจริง สามารถใช้การทดสอบความดีทางสถิติเชิงสถิติเพื่อตรวจสอบว่าการกระจายตัวแบบนั้นตรงกับข้อมูลที่สังเกตได้จริง อีกวิธีหนึ่งคือสามารถใช้ระเบียบวิธี VaR ที่ไม่ต้องการการแจกแจงแบบกระจายได้
แบบจำลอง VaR ที่ไม่ถูกต้อง
หากแบบจำลอง VaR จับพูดได้เฉพาะความเสี่ยงของตลาดทุนในขณะที่พอร์ตการลงทุนมีความเสี่ยงอื่น ๆ เช่นความเสี่ยงด้านอัตราดอกเบี้ยหรือความเสี่ยงจากอัตราแลกเปลี่ยนรูปแบบดังกล่าวไม่ได้ระบุไว้ นอกจากนี้หากโมเดล VaR ไม่สามารถจับความสัมพันธ์ระหว่างความเสี่ยงได้จะถือว่าเป็นการผิดพลาด สิ่งนี้สามารถแก้ไขได้โดยการรวมความเสี่ยงที่เกี่ยวข้องทั้งหมดและความสัมพันธ์ที่เกี่ยวข้องในโมเดล เป็นสิ่งสำคัญที่จะต้องประเมินแบบจำลอง VaR ใหม่ทุกครั้งที่มีการเพิ่มความเสี่ยงใหม่เข้าไปในพอร์ทการลงทุน
การวัดความสูญเสียจริง
การสูญเสียพอร์ตโฟลิโอที่เกิดขึ้นจริงจะต้องเป็นตัวแทนของความเสี่ยงที่สามารถสร้างแบบจำลอง โดยเฉพาะอย่างยิ่งการสูญเสียที่เกิดขึ้นจริงจะต้องไม่รวมค่าธรรมเนียมหรือค่าใช้จ่ายหรือรายได้อื่น ๆ การสูญเสียที่แสดงถึงความเสี่ยงเท่านั้นที่สามารถจำลองได้นั้นเรียกว่า "การสูญเสียที่สะอาด" ผู้ที่มีค่าธรรมเนียมและรายการอื่น ๆ ดังกล่าวจะเรียกว่า "การสูญเสียที่สกปรก" การทดสอบซ้ำจะต้องทำโดยใช้การสูญเสียที่สะอาดเพื่อให้แน่ใจว่าการเปรียบเทียบแบบนี้จะเหมือนกัน
ข้อควรพิจารณาอื่น ๆ
สิ่งสำคัญคือไม่ต้องพึ่งพาแบบจำลอง VaR เพียงเพราะผ่านการทดสอบย้อนหลัง แม้ว่า VaR จะให้ข้อมูลที่เป็นประโยชน์เกี่ยวกับการเปิดเผยความเสี่ยงกรณีที่เลวร้ายที่สุด แต่ก็ต้องพึ่งพาการกระจายการส่งคืนอย่างมากโดยเฉพาะส่วนท้ายของการกระจาย เนื่องจากเหตุการณ์หางมีไม่บ่อยนักผู้ปฏิบัติงานบางคนยืนยันว่าความพยายามใด ๆ ในการวัดความน่าจะเป็นหางตามการสังเกตทางประวัติศาสตร์นั้นมีข้อบกพร่อง ตามรอยเตอร์ "VaR เข้ามาวิจารณ์อย่างรุนแรงหลังจากเกิดวิกฤตการณ์ทางการเงินเนื่องจากหลาย ๆ โมเดลล้มเหลวในการทำนายขอบเขตของการสูญเสียที่ทำลายธนาคารขนาดใหญ่หลายแห่งในปี 2550 และ 2551"
เหตุผล? ตลาดไม่เคยเจอเหตุการณ์ที่คล้ายกันดังนั้นจึงไม่ได้ถูกจับในส่วนท้ายของการแจกแจงที่ใช้ หลังจากวิกฤตการณ์ทางการเงินในปี 2550 มันก็กลายเป็นที่ชัดเจนว่าแบบจำลอง VaR ไม่สามารถรวบรวมความเสี่ยงทั้งหมดได้ ตัวอย่างเช่นความเสี่ยงพื้นฐาน ความเสี่ยงเพิ่มเติมเหล่านี้เรียกว่า "ความเสี่ยงที่ไม่ได้อยู่ใน VaR" หรือ RNiV
ในความพยายามที่จะจัดการปัญหาความไม่เพียงพอเหล่านี้ผู้จัดการความเสี่ยงจะเสริมมาตรการ VaR ด้วยมาตรการความเสี่ยงอื่น ๆ และเทคนิคอื่น ๆ เช่นการทดสอบความเครียด
บรรทัดล่าง
Value-at-Risk (VaR) เป็นตัวชี้วัดของการสูญเสียกรณีที่เลวร้ายที่สุดในช่วงเวลาที่กำหนดพร้อมความมั่นใจในระดับหนึ่ง การวัด VaR บานพับในการกระจายผลตอบแทนการลงทุน เพื่อทดสอบว่าแบบจำลองนั้นแสดงความเป็นจริงได้อย่างถูกต้องหรือไม่สามารถทำการทดสอบย้อนกลับได้ backtest ที่ล้มเหลวหมายความว่าโมเดล VaR ต้องได้รับการประเมินใหม่ อย่างไรก็ตามแบบจำลอง VaR ที่ผ่านการทดสอบย้อนหลังควรยังคงเสริมด้วยมาตรการความเสี่ยงอื่น ๆ เนื่องจากข้อบกพร่องของแบบจำลอง VaR (ดู วิธีการคำนวณผลตอบแทนการลงทุนของคุณ )
