위험 거래 전략의 가치

가치가있는 위험 - VaR.

'Value At Risk - VaR'이란 무엇입니까?

Value at risk (VaR)는 특정 기간 동안 회사 또는 투자 포트폴리오 내의 재무 위험 수준을 측정하고 수치화하는 데 사용되는 통계 기법입니다. 이 메트릭은 투자 및 상업 은행이 기관 포트폴리오의 잠재적 손실 범위와 발생 비율을 결정하는 데 가장 일반적으로 사용됩니다. VaR 계산은 특정 포지션이나 포트폴리오 전체에 적용되거나 기업 전체의 위험 노출을 측정 할 수 있습니다.

위험에 처한 가치 - VaR '을 깨고

VaR 적용.

투자 은행은 자주 독립적 인 트레이딩 데스크가 높은 상관 관계의 자산에 회사를 의도하지 않게 노출시킬 가능성 때문에 VaR 모델링을 기업 전반의 위험에 적용합니다. 기업 전반의 VaR 평가를 사용하면 기관 내의 다른 거래 데스크 및 부서에서 집계 된 누적 위험을 결정할 수 있습니다. VaR 모델링에서 제공하는 데이터를 사용하여 금융 기관은 손실을 충당하기위한 충분한 자본 보유가 있는지 또는 수용 가능한 수준 이상의 위험으로 집중적 인 지분을 줄여야 하는지를 결정할 수 있습니다.

VaR 계산상의 문제점.

자산, 포트폴리오 또는 회사 전체 위험을 결정하는 데 사용되는 통계에 대한 표준 프로토콜은 없습니다. 예를 들어, 변동성이 낮은 기간에서 임의로 추출한 통계는 잠재적 인 규모뿐만 아니라 위험 이벤트 발생 가능성을 과소 평가할 수 있습니다. 일반적으로 극단적 인 또는 검은 색 백조 사건을 설명하지 않는 정규 분포 확률을 사용하여 위험을 추가로 줄일 수 있습니다.

잠 재적 손실의 평가는 결과의 범위에서 가장 낮은 위험도를 나타냅니다. 예를 들어, 20 %의 자산 위험을 가진 95 %의 VaR 결정은 평균 20 일마다 적어도 20 %의 손실을 기대합니다. 이 계산에서 50 %의 손실은 위험 평가를 여전히 유효하게합니다.

비교적 문제가되는 VaR 계산은 서브 프라임 모기지 포트폴리오로 인한 위험 발생 가능성을 줄 였으므로 이러한 문제는 2008 년의 금융 위기에서 드러났습니다. 위험 규모도 과소 평가되어 서브 프라임 포트폴리오 내에서 극단적 인 레버리지 비율을 초래했습니다. 결과적으로, 서브 프라임 모기지 가치가 붕괴됨에 따라 발생 및 위험 규모의 과소 평가로 인해 기관들은 수십억 달러의 손실을 충당 할 수 없었습니다.

QuantStart.

빠르게 성장하는 소매점 퀀텀 트레이더 커뮤니티를 지원하는 Quantcademy 개인 회원 포털에 가입하십시오. 당신은 당신의 가장 중요한 퀀트 트레이딩 질문에 대답 할 준비가되어있는 지식이 풍부하고 마음이 맞는 퀀트 트레이더 그룹을 찾을 수 있습니다.

퀀트 트레이딩에 관한 나의 eBook을 확인해보십시오. 여기서 저는 파이썬 툴로 수익성 높은 체계적인 트레이딩 전략을 만드는 법을 가르쳐드립니다.

Python 및 R을 사용하여 시계열 분석, 기계 학습 및 베이지안 통계를 사용하는 고급 거래 전략에 관한 새로운 전자 책을 살펴보십시오.

2014 년 7 월 7 일 Michael Halls-Moore 작성

알고리즘 트레이딩 전략이나 전략 포트폴리오에 대한 손실 위험을 예측하는 것은 장기적인 자본 성장에 매우 중요합니다. 위험 관리를위한 많은 기술이 제도적 환경에서 사용하기 위해 개발되었습니다. 특히 Value at Risk 또는 VaR로 알려진 기술 중 하나가이 기사의 주제가 될 것입니다.

VaR의 개념을 단일 전략 또는 일련의 전략에 적용하여 거래 포트폴리오의 위험을 수량화하는 데 도움을 줄 것입니다. VaR의 정의는 다음과 같습니다.

VaR은 특정 기간 동안 포트폴리오의 손실 규모를 주어진 신뢰 수준으로 추정합니다.

이 예에서 "포트폴리오"는 단일 전략, 전략 그룹, 상인 책, 소품 데스크, 헤지 펀드 또는 전체 투자 은행을 의미 할 수 있습니다. "주어진 신뢰도"는 말하자면 95 % 또는 99 %의 값입니다. "주어진 기간"은 포트폴리오가 청산되는 경우 최소한의 시장 영향을 가져 오는 것을 반영하기 위해 선택 될 것입니다.

예를 들어 하루 동안의 기간 동안 95 % 신뢰 수준에서 500,000 USD와 동일한 VaR은 다음 날에 500,000 USD 이상을 잃을 확률이 95 %라고 간단히 명시합니다. 수학적으로 이것은 다음과 같이 표현됩니다 :

\ begin P (L \ leq -5.0 \ times 10 ^ 5) = 0.05 \ end.

또는, 보다 일반적으로, 손실 $ L $가 우리가 갖는 신뢰 수준 $ c $로 $ VaR $을 초과하는 경우 :

\ begin P (L \ leq - VaR) = 1-c \ end.

VaR의 "표준"계산은 다음과 같이 가정합니다.

표준 시장 조건 - VaR은 극단적 인 사건 또는 "꼬리 위험"을 고려하지 않고 오히려 정상적인 "일상적"운영 하에서 손실의 기대를 제공하기로되어 있습니다. 휘발성 및 상관 관계 - VaR에는 고려중인 자산의 변동성과 해당 상관 관계가 필요합니다. 이 두 양은 추정하기 까다로 우며 계속적인 변경의 대상이됩니다. 수익률의 정상 - VaR은 표준 형태로 자산 또는 포트폴리오의 수익이 정상적으로 분배되었다고 가정합니다. 이것은보다 직접적인 분석 계산을 유도하지만, 대부분의 자산에 대해서는 비현실적입니다.

장점과 단점.

VaR은 금융 업계에서 널리 보급되어 있으므로 기술의 이점과 단점에 익숙해야합니다. VaR의 장점 중 일부는 다음과 같습니다.

VaR은 개별 자산, 전략, 수량 포트폴리오, 헤지 펀드 또는 은행 소품 데스크를 계산하는 데 매우 간단합니다. VaR과 관련된 기간은 다른 시간대가있는 여러 거래 전략에 대해 수정할 수 있습니다. VaR의 다른 값은 다양한 위험 형태와 관련 될 수 있습니다 (예 : 자산 클래스 또는 계기 유형별로 분류 됨). 따라서 예를 들어 대부분의 포트폴리오 위험을 클러스터링 할 수있는 곳을 쉽게 해석 할 수 있습니다. 개별 전략은 개별 VaR을 기반으로 전체 포트폴리오와 마찬가지로 제약을받을 수 있습니다. VaR은 기술자가 아닌 외부 투자자 및 펀드 매니저가 (잠재적으로) 해석 할 수 있습니다.

그러나 VaR에는 단점이 없습니다.

VaR은 예상 손실의 크기를 VaR의 가치를 넘어서서 논의하지 않습니다. 즉, VaR은 가치를 초과하는 손실을 보게 될 것이지만 초과하는 것은 아니라고합니다. 극단적 인 사건을 고려하지 않고 전형적인 시장 조건 만 고려합니다. 역사적 데이터를 사용하고 있기 때문에 (미래 지향적 인) 미래의 시장 체제 변동을 고려하지 않을 것이며 이는 변동성 및 자산 상관 관계를 변화시킬 수 있습니다.

VaR은 격리하여 사용하면 안됩니다. 그것은 항상 다양 화, 최적의 포트폴리오 할당 및 신중한 레버리지 사용과 같은 일련의 리스크 관리 기술과 함께 사용해야합니다.

계산 방법.

현재 우리는 일반적인 경우 또는 구체적인 거래 예에서 VaR의 실제 계산을 논의하지 않았습니다. 우리에게 흥미로운 세 가지 기술이 있습니다. 첫 번째는 분산 공분산 (normality assumptions)을 사용하는 방법이고, 두 번째는 몬테 카를로 (Monte Carlo) 방법 (잠재적으로 비정상적인 분포를 기반으로하는 잠재적 인 것)이며, 세 번째는 과거의 반품 정보를 사용하는 역사적인 부트 스트랩으로 알려져 있습니다 고려중인 자산의 경우

이 글에서는 Variance-Covariance Method에 집중할 것이며, 후기 기사에서는 Monte Carlo 및 Historical Bootstrap 방법을 고려할 것입니다.

분산 - 공분산 방법.

신뢰 수준 $ c $로 $ P $ 달러의 포트폴리오를 고려하십시오. 우리는 자산 (또는 전략)의 역사적 표준 편차 $ \ sigma $와 mean $ \ mu $로 일일 수익률을 고려하고 있습니다. 그런 다음 단일 자산 (또는 전략)에 대한 분산 - 공분산 방법 하에서 일일 VaR은 다음과 같이 계산됩니다.

\ begin P - \ left (P (\ alpha (1-c) + 1) \ right) \ end.

여기서 $ \ alpha $는 평균 $ \ mu $ 및 표준 편차 $ \ sigma $를 갖는 정규 분포의 누적 분포 함수의 역입니다.

우리는 이러한 값을 계산하기 위해 Python의 SciPy 및 pandas 라이브러리를 사용할 수 있습니다. $ P = 10 ^ 6 $와 $ c = 0.99 $를 설정하면 SciPy ppf 방법을 사용하여 역 누적 분포 함수의 값을 $ \ mu $ 및 $ \ sigma $를 사용하여 정규 분포로 생성 할 수 있습니다 실제 금융 데이터, 이 경우 CitiGroup의 과거 일일 수익률 (여기서 우리는 알고리즘 전략의 수익률을 쉽게 대체 할 수 있습니다) :

VaR의 계산 된 값은 다음과 같습니다.

VaR은 재무 관리의 모든 분야에서 매우 유용하고 보편적 인 기술이지만 그 결함이있는 것은 아닙니다. 우리는 포트폴리오에서 잃어 버릴 수있는 것의 실제 가치에 대해 아직 논의하지 않고 오히려 일정 시간 이상 일정량을 초과 할 수도 있습니다.

후속 기사에서 VaR에 대한 대안 계산을 논의 할뿐만 아니라 예상 손실 (Conditional Value at Risk)이라고도하는 개념을 요약하여 손실의 가능성이 어느 정도인지에 대한 해답을 제시합니다.

양적 거래 시작하기?

QuantStart 목록을 구독해야하는 3 가지 이유 :

1. 퀀트 트레이딩 레슨.

계량 거래를 시작하는 데 도움이되는 힌트와 팁으로 가득한 무료 10 일간 코스에 즉시 액세스 할 수 있습니다!

2. 모든 최신 내용.

매주 나는 퀀트 스타트에서 모든 활동의 포장을 보내드릴 것입니다. 그래서 당신은 결코 다시 글을 놓치지 않을 것입니다.

현실감 넘치는 퀀 트레이딩 팁.

위험에 가치를 사용하거나 예상 제약이 위험 제약으로 사용될 때의 거래 전략 성과.

49 Pages 게시 됨 : 2002 년 3 월 31 일

Nuttawat Visaltanachoti.

Massey University - 경제 금융부.

Yuxing 연.

작성 날짜 : 2002 년 2 월 28 일.

이 논문은 세 가지 트레이딩 전략의 성능을 연구합니다 : Sharpe 비율, 모멘텀 및 리스크로 인한 contrarian 전략과 같은 가중치 또는 평균 분산 최적화 된 할당량을 가진 30 개 또는 90 개의 주식을 사용하는 예상 부족한 제약 조건. 결과는 위험 선택을 부과하는 것이 주식 선택 기준으로 Sharpe 비율을 사용하는 경우를 제외하고 성과를 악화 시킨다는 것을 보여줍니다. 그러나 제약없는 전략과 제약 된 전략 모두 시장 대비 우위를 점한다. 그러나 위험 제약 전략 하에서는 위험 제약 전략의 가치가 예상 부족한 제약 전략보다 잘 수행됩니다. 또한 평균 분산 최적화를 사용하고 레버리지를 허용 할 때 성능이 향상됩니다.

키워드 : 위험한 가치, 포트폴리오 성과, 자산 배분.

JEL 분류 : G10, G11.

Nuttawat Visaltanachoti (연락처 작성자)

Massey University - 경제 및 금융학과 ()

경제 금융 학교.

전용 가방 102904, NSMC.

64 9 414 0800 (43169) (전화)

64 9 441 8177 (팩스)

Yuxing 연.

Canisius College ()

버팔로, NY 14208

종이 통계.

관련 전자 잡지.

Behavioral & Experimental Finance 전자 저널.

이 주제에 대한 더 많은 큐레이터 기사를 보려면이 무료 저널을 구독하십시오.

자본 시장 : 시장 효율성 e 저널.

이 주제에 대한 큐레이팅 된 기사를 보려면이 수수료 저널을 구독하십시오.

권장 논문.

빠른 링크.

약.

쿠키는이 사이트에서 사용됩니다. 거부하거나 더 자세히 알아 보려면 쿠키 페이지를 방문하십시오. 이 페이지는 0.157 초 내에 apollo4에 의해 처리되었습니다.

헤지 펀드 위험 요인과 신용 거래 전략의 위험에 처한 가치.

63 Pages 게시 됨 : 2003 년 11 월 28 일.

John Okunev.

코다 자산 관리.

Derek R. White.

UNSW Australia Business School, 은행 및 금융 학교.

작성 날짜 : 2003 년 10 월

이 백서는 채권 금융 상품을 전문으로하는 다양한 헤지 펀드 전략의 위험 특성을 분석합니다. 고정 수익 헤지 펀드 전략은보고 된 수익률에서 예외적으로 높은 자기 상관을 가지며 이는 리턴 스무딩의 증거로 취해지기 때문에 다양한 시계열 프로세스에서 자기 상관 프로세스의 순서를 완전히 제거하는 방법을 먼저 개발합니다. 이것이 완료되면, "진정한"헤지 펀드 수익률의 근본적인 위험 요인을 파악하고보다 전통적인 선형 요인에 비선형 보상을 사용함으로써 얻는 점진적인 이익을 조사합니다. 많은 헤지 펀드 지수에 대해 우리는 고수익 부채에 대한 단기 매매 포지션과 동등한 가장 강력한 위험 요소를 발견합니다. 일반적으로보고 된 수익을 설명 할 수있는 능력면에서 비선형 위험 요인을 사용하는 것이 보통의 이점입니다. 그러나 어떤 경우에는이 적합성이 샘플 내 기간에도 안정적이지 않습니다. 마지막으로, 우리는 헤지 펀드의 가치 - 가치 - 위험을 평가하기위한 다양한 요인 구조의 사용에 따른 이점을 조사합니다. 일반적으로 비선형 요인을 사용하면 옵션과 같은 보수 구조로 인해 헤지 펀드의 예상 하락 위험 수준이 약간 증가합니다.

키워드 : 헤지 펀드, 위험에 처한 위험.

John Okunev (연락처 작성자)

코다 자산 운용 ()

데릭 화이트.

UNSW 호주 비즈니스 스쿨, 금융 및 금융 학교 ()

시드니, NSW 2052.

+61 2 9385 5850 (전화)

+61 2 9385 6347 (팩스)

종이 통계.

관련 전자 잡지.

위험 관리 전자 저널.

이 주제에 대한 큐레이팅 된 기사를 보려면이 수수료 저널을 구독하십시오.

자본 시장 : 시장 효율성 e 저널.

이 주제에 대한 큐레이팅 된 기사를 보려면이 수수료 저널을 구독하십시오.

권장 논문.

빠른 링크.

약.

쿠키는이 사이트에서 사용됩니다. 거부하거나 더 자세히 알아 보려면 쿠키 페이지를 방문하십시오. 이 페이지는 0.187 초 내에 apollo5에 의해 처리되었습니다.