Történelmi VaR - mi ez, definíció és fogalom

A történelmi VaR vagy a történelmi szimuláció A VaR egy olyan módszer a VaR (kockázati érték) becslésére, amely korábbi adatokat használ.

A VaR történeti módszerrel történő kiszámításának egyik módja a múltbeli hozamok felhalmozása és a legmagasabbtól a legalacsonyabbig történő elrendezése. Ezután az adatok 5% -át azonosítjuk a legalacsonyabb hozammal, és a legmagasabb az 5% -os legalacsonyabb hozam a VaR.

A VaR korábbi értékének kiszámításához az adatok az értékpapírok korábbi árai. Ezért egy nagyobb idősor (mondjuk 5 vagy 10 év) magasabb szimulált eredményeket eredményez, és ezért pontosabb lesz, mint egy 3 hónapos idősor.

A VaR kiszámításához a történelmi modell fő hátránya, hogy feltételezzük, hogy a múltban kapott hozamok a jövőben is megismétlődnek.

A VAR történeti szimulációval a VaR kiszámításának egyik módja, mindig kissé munkaigényesebb, mint a parametrikus VaR, és kevésbé precíz, mint a VaR a Monte Carlo szimulációjával. Arról van szó, hogy a pénzügyi eszközök portfóliójára alkalmazzuk az értékpapírok árának korábbi változásait, hogy szembeállítható forgatókönyveket hozzunk létre a kiindulási pozícióval (angolul spot néven ismert), és különféle lehetséges szimulált eredményeket generálunk, amelyekből a VAR megkapja.

Példa a korábbi VaR-ra 95% -os megbízhatóság mellett

Noha a VaR kiszámításához általában több száz adatot használnak a megértés egyszerűsítése érdekében, csak 40 adatot fogunk használni. Képzeljen el egy olyan eszközt, amelynek a következő eredményei voltak az elmúlt években:

2015201620172018
január2,00%3,06%0,00%8,15%
február4,05%-3,56%-2,14%-2,95%
március-2,85%7,81%4,69%1,69%
április6,25%2,75%2,25%-7,35%
Lehet3,00%1,13%1,88%
június2,50%-8,75%-5,25%
július-7,00%4,81%1,09%
augusztus1,45%15,81%9,49%
szeptember12,65%-10,19%-6,11%
október-8,15%3,88%2,33%
november3,10%3,13%1,88%
december2,50%5,25%1,88%

Ha a VaR-t 95% -os megbízhatósággal akarjuk kiszámítani, akkor az 5% legrosszabb eredményt kell választanunk, amely ebben az esetben 2 (a 40 adat 5% -a). Ezután a teljes időszak második legrosszabb eredményét választjuk, ami -8,75%. Ha azt feltételezzük, hogy az eszközbe történő befektetés 1 millió euró, akkor az 5% -os VaR 87 500 euró lesz, vagyis 5% -os valószínűséggel elveszít legalább 87 500 eurót, és 95% annak a valószínűsége, hogy ez a veszteség kisebb. Ezért a vállalatnak figyelembe kell vennie, hogy minden 100 hónapból öt elveszít legalább 87 500 eurót, vagy hogy minden 20 hónapból egy legalább 87 500 eurót veszít.

Minél több korábbi adatunk van, annál pontosabb lesz a VaR mérés.

A VAR kiszámításának lépései a portfólió korábbi szimulációjával

A következő lépéseket kell követni:

1. Portfóliónk történelmi árainak sorozatának kiválasztása és mindegyikük súlyának kiszámítása a portfólióban.

2. A folyamatos mezőváltozás mértékének kiszámítása:

3. A kapott variációs rátákat mindegyik értékpapír piaci árára alkalmazzuk (folyamatos tőkésítést használunk, de alkalmazhatunk összetett tőkésítést is).

4. Az alportfólió lehetséges értékeit az egyes értékpapírok portfólión belüli helyzete és a szimulált ár alapján számítják ki.

5. A saját tőke kiszámítása a szimulált forgatókönyvek mindegyikében. Ehhez hozzáadjuk az egyes címekből kapott eredményeket.

6. A szimulált portfólió variációs arányának kiszámítása a kezdeti portfólióhoz képest (a kezdeti vagy azonnali portfólió piaci értéke).

7. A VaR kiszámítása. Ehhez ki kell választanunk a bizalom szintjét.

Monte Carlo szimuláció

Népszerű Bejegyzések

A világ legnagyobb bankjai 2018

Még egy évvel összegyűjtjük a világ legfontosabb bankjainak listáját. Az elmúlt éves pénzügyi évben a kínai bankok jelentős növekedést értek el. Az előző évhez képest a világ legfontosabb bankjainak növekedését láthatjuk, akár 5,4 billió euró piaci kapitalizációval.…

Latin-Amerika veszélyben van a nyersanyagoktól való függőség miatt

Kína és az Egyesült Államok közötti kereskedelmi háború, a nemzetközi kereskedelem visszaesése és a gazdasági lassulás Latin-Amerika fölött áll. A sérülések sértése érdekében a régió növekedésének újabb problémát jelenthet az alapanyagoktól való erős függés. Latin-Amerika nyersanyagokban gazdag régió. Nem olvas többet…