Value at Risk (VaR)

Hvad er Value at Risk (VaR)?

Value at risk (VaR) er en statistik, der kvantificerer omfanget af mulige økonomiske tab inden for en virksomhed, portefølje eller position over en specifik tidsramme. Denne metrik bruges mest af investerings- og forretningsbanker til at bestemme omfanget og sandsynligheden for potentielle tab i deres institutionelle porteføljer.

Risikomanagere bruger VaR til at måle og kontrollere niveauet af risikoeksponering. Man kan anvende VaR-beregninger på specifikke positioner eller hele porteføljer eller bruge dem til at måle risikoeksponering i hele virksomheden.

Forstå Value at Risk (VaR)

VaR-modellering bestemmer potentialet for tab i den virksomhed, der vurderes, og sandsynligheden for, at det definerede tab vil opstå. Man måler VaR ved at vurdere størrelsen af det potentielle tab, sandsynligheden for forekomst for tabets størrelse og tidsrammen.

En finansiel virksomhed kan for eksempel bestemme, at et aktiv har en 3 % en måneds VaR på 2 %, hvilket repræsenterer en 3 % chance for, at aktivet falder i værdi med 2 % i løbet af en måneds tidsramme. Konverteringen af 3 % chance for forekomst til et dagligt forhold placerer oddsene for et tab på 2 % på én dag om måneden.

Ved at bruge en VaR-vurdering for hele virksomheden giver det mulighed for at bestemme de kumulative risici fra aggregerede positioner, der holdes af forskellige handelsdesks og afdelinger i instituttet. Ved hjælp af data fra VaR-modellering kan finansielle institutioner afgøre, om de har tilstrækkelige kapitalreserver på plads til at dække tab, eller om højere end acceptable risici kræver, at de reducerer koncentrerede beholdninger.

VaR-metoder

Der er tre hovedmåder at beregne VaR på. Den første er den historiske metode, som ser på ens tidligere afkasthistorie og bestiller dem fra de værste tab til de største gevinster - efter den forudsætning, at tidligere afkasterfaringer vil informere fremtidige resultater.

Den anden er varians-kovariansmetoden. I stedet for at antage, at fortiden vil informere fremtiden, antager denne metode i stedet, at gevinster og tab er normalt fordelt. På denne måde kan potentielle tab indrammes i form af standardafvigelseshændelser fra gennemsnittet.

En sidste tilgang til VaR er at udføre en Monte Carlo-simulering. Denne teknik bruger beregningsmodeller til at simulere forventede afkast over hundreder eller tusinder af mulige iterationer. Derefter tager den chancerne for, at et tab vil opstå, f.eks. 5 % af tiden, og afslører virkningen.

Eksempel på problemer med Value at Risk (VaR) beregninger

Der er ingen standardprotokol for de statistikker, der bruges til at bestemme aktiv-, portefølje- eller virksomhedsomspændende risiko. Statistikker hentet vilkårligt fra en periode med lav volatilitet kan for eksempel undervurdere potentialet for risikobegivenheder og omfanget af disse hændelser. Risiko kan være yderligere undervurderet ved brug af normalfordelingssandsynligheder, som sjældent tegner sig for ekstreme eller sorte svanebegivenheder.

Vurderingen af potentielt tab repræsenterer den laveste risiko i en række udfald. For eksempel repræsenterer en VaR-bestemmelse på 95 % med 20 % aktivrisiko en forventning om at miste mindst 20 % hver 20. dag i gennemsnit. I denne beregning validerer et tab på 50 % stadig risikovurderingen.

Finanskrisen i 2008, der afslørede disse problemer som relativt godartede VaR-beregninger, undervurderede den potentielle forekomst af risikobegivenheder fra porteføljer af subprime-lån. Risikostørrelsen blev også undervurderet, hvilket resulterede i ekstreme gearingsrater inden for subprime-porteføljer. Som følge heraf gjorde undervurderingerne af forekomsten og risikostørrelsen institutioner ude af stand til at dække milliarder af dollars i tab, da værdierne af subprime-lån kollapsede.

Højdepunkter

• Value at risk (VaR) er en måde at kvantificere risikoen for potentielle tab for en virksomhed eller en investering.

• Investeringsbanker anvender sædvanligvis VaR-modeller til risiko i hele virksomheden på grund af muligheden for, at uafhængige handelsdesks utilsigtet udsætter virksomheden for stærkt korrelerede aktiver.

• Denne metrik kan beregnes på flere måder, herunder de historiske, varians-kovarians- og Monte Carlo-metoder.