Модельный риск (Bk;yl,udw jnvt)

Перейти к навигации Перейти к поиску

Модельный риск (англ. Model risk) — риск возникновения убытков в результате использования недостаточно точных моделей для принятия решений, первоначально и часто в контексте оценки ценных бумаг[1]. В последнее время понятие модельного риска начинает использоваться и в других видах деятельности, таких как присвоение потребительских кредитных баллов, прогнозирование вероятности мошеннических операций с кредитными картами в реальном времени и вычисление вероятности того, что пассажир воздушного рейса является террористом.

Причины реализации

[править | править код]

Убытки в результате реализации модельного риска могут быть вызваны ошибками в принятых допущениях, банальной небрежностью или намеренной недооценкой риска или переоценкой прибыли. Ниже перечислены причины реализации модельного риска.

Допущение постоянной волатильности

[править | править код]

Принятие волатильности как постоянной величины является наиболее частой ошибкой при построении моделей. Например, волатильность индекса S&P 500 в начале июля 2007 года составляла около 15 %, но к концу месяца превысила 30 %. Также в сентябре 2008 года значение индекса волатильности VIX на бирже CBOE составляло около 30 %, а всего через две недели — после банкротства Lehman Brothers — выросло до 80 %. Наиболее точными являются модели оценки опционов, учитывающие непостоянный характер волатильности. Однако применение таких моделей является значительно более ресурсозатратным с точки зрения вычислительных мощностей.

Допущение нормального распределения доходностей

[править | править код]

Зачастую трейдеры принимают распределение доходностей нормальным, тогда как в реальности в них присутствуют «толстые хвосты».

Недооценка количества риск-факторов

[править | править код]

Для простых финансовых продуктов могут быть применены относительно простые однофакторные модели. Сложные деривативы, например, со встроенной опциональностью, требуют применения сложных моделей с несколькими факторами.

Допущение совершенного рынка капитала

[править | править код]

Многие рынки OTC даже в финансово развитых странах не являются совершенными: деривативы на них не торгуются публично, тем самым их хеджирование затруднено. Реальные рынки связаны с такими ограничениями, как транзакционные издержки и невозможность непрерывного трейдинга (из-за выходных, праздников и прочих причин). Ещё более далеки от совершенных рынки в развивающихся странах.

Допущение ликвидных рынков

[править | править код]

Модельный риск может быть реализован, если не учтено движение рыночной цены актива при исполнении особо крупной сделки (так называемая эндогенная ликвидность). Особенно риск ликвидности возрастает в кризисные периоды.

Некорректное применение моделей

[править | править код]

Даже если модель корректна, её некорректное применение может привести к реализации модельного риска. Одним из примеров является недостаточное количество выполненных симуляций Монте-Карло или слишком большие временные шаги.

Для расчёта сложных деривативов необходимо использовать актуальные значения входных данных: котировок, волатильностей и корреляций. Обновление рыночных данных может выполняться либо на периодической основе, либо при существенных движениях рынка. Как было указано выше, учитывание в распределении «толстых хвостов» также имеет существенное значение.

К наиболее частым ошибкам при использовании моделей относятся:

  • Некорректные (устаревшие/неактуальные) рыночные данные;
  • Некорректная выборка по времени: увеличение количества наблюдений способно увеличить статистическую мощность, но также повысит вес устаревших данных;
  • Некорректный учёт рыночной ликвидности.

Меры по снижению риска (митигация)

[править | править код]

Модельный риск может быть снижен благодаря инвестированию в дополнительную разработку моделей, либо внедрению процесса независимой проверки выбора и построения моделей. Последняя состоит из 6 этапов проверки:

  1. Документация по модели должна описывать (i) предположения, на основании которых построена модель (ii) математическое описание модели; (iii) описание сделки; (iv) особенности реализации.
  2. Целостность (англ. Soundness): модель должна использоваться для прайсинга непосредственно того инструмента, для которого она предназначена.
  3. Независимый доступ к рыночным данным: подразделение мидл-офиса должно иметь независимый доступ к рыночным данным.
  4. Выбор бенчмарка: в ходе проверки должно быть выполнено сравнение с оценкой стоимости бенчмарка.
  5. Проверка работоспособности и стресс-тестирование (англ. Health check, stress test): модель должна содержать все необходимые параметры и свойства. Также модель должна быть подвергнута стресс-тестированию для определения диапазонов значений, в которых может быть выполнен наиболее точный прайсинг.
  6. Внедрение модельного риска в единую систему управления рисками: модельный риск должен управляться в рамках единой системы (фреймворка), что подразумевает периодическую переоценку моделей.

Примеры реализации в финансовой сфере

[править | править код]

Примечания

[править | править код]
  1. Derman E. Derman E. Model Risk: What are the assumptions made in using models to value securities and what are the consequent risks? : [англ.] : [арх. 27 апреля 2019] // RISK. — 1996. — Т. 9. — P. 34—38.
  2. CalianStaff, Sara (1997-06-27). "Report Faults Options Controls At NatWest in Trading Debacle" (англ.). The Wall Street Journal. Архивировано 23 декабря 2019. Дата обращения: 23 декабря 2019.
  3. 1 2 Sebastian, 2015.
  4. Jokivuolle E., Tunaru R. Preparing for the Next Financial Crisis: Policies, Tools and Models. — Cambridge University Press, 2017. — P. 158. — 202 p. — ISBN 1107185599.
  5. Simons K. Model error : [англ.] : [арх. 4 марта 2016] // New England Economic Review. — 1997. — P. 17—28.

Литература

[править | править код]
  • Crouhy M., Galai D., Mark R. The Essentials of Risk Management. — 2. — McGraw Hill Professional, 2013. — P. 529—552. — 644 p. — ISBN 9780071821155.
  • Sebastian T. R. Model Risk In Financial Markets: From Financial Engineering To Risk Management. — World Scientific, 2015. — P. 1—2. — 384 p. — ISBN 9814663425.

Дополнительная литература

[править | править код]
  • Avellaneda M., Levy A., Parás A. Pricing and hedging derivative securities in markets with uncertain volatilities (англ.) // Applied Mathematical Finance. — 1995. — P. 73—88. — doi:10.1080/13504869500000005.
  • Barrieu P., Scandolo G. Assessing financial model risk (англ.) // European Journal of Operational Research. — 2015. — 16 April (vol. 2). — P. 546—556. — doi:10.1016/j.ejor.2014.10.032.
  • Cont R. Model Uncertainty and Its Impact on the Pricing of Derivative Instruments (англ.) // Mathematical Finance. — 2006. — Vol. 16. — P. 519—547. — doi:10.1111/j.1467-9965.2006.00281.x.
  • Jokhadze V., Schmidt W. M. Measuring Model Risk in Financial Risk Management and Pricing : [англ.] // SSRN. — 2019. — 30 June. — doi:10.2139/ssrn.3113139.
  • Morini M. Understanding and Managing Model Risk: A Practical Guide for Quants, Traders and Validators. — Wiley, 2011. — 428 p. — (The Wiley Finance Series). — ISBN 0470977612.
  • Rösch D., Scheule H. Model Risk: Identification, Measurement and Management. — Risk Books, 2010. — 500 p. — ISBN 9781906348250.