Валидация моделей и разработка управленческих решений - Валидация целесообразности использования более продвинутых моделей описания процентного риска на развивающихся рынках

В рамках настоящей работы были построены методологии оценки процентного риска и валидации моделей процентного риска. Для реализации данной задачи были рассмотрены различные модели описания динамики процентных ставок, VaR подходы к оценке рискового портфеля, а также методы обратного тестирования моделей относительно VaR результатов: на разных этапах работы были рассмотрены как теоретические аспекты, так и практическое применение.

Для реализации построения методологии оценки процентного риска предлагается рассмотреть набор наиболее часто используемых моделей для описания динамики процентных ставок. Как показали результаты, из данного набора целесообразно исключать простые модели волатильности и модель Nelson-Siegel'а. Основной мотивацией для этого являются результаты, слабо отражающие реальную динамику портфеля независимо от направления тренда. Более того, рисковый буфер в рамках данных моделей оказался сомнительным. Наиболее точные результаты получались в рамках наиболее продвинутой модели. Таким образом, Гипотеза, сформулированная в начале работы, об отсутствии необходимости использования продвинутых моделей на развивающихся рынках, Отвергается.

Для оценки непосредственного риска, в работе предлагается рассмотреть VaR метод. Среди подходов к оценке были рассмотрены лишь наиболее простые и часто используемые подходы, такие как нормальное приближение и метод Монте-Карло. Более стандартные меры процентного риска, дюрация и выпуклость, рассмотрены не были в силу неоднозначного подхода к сравнению моделей в контексте данных мер.

В рамках валидации полученных результатов был выбран подход на основе обратного тестирования. Для целей обратного тестирования было рассмотрено 6 различных методик и на их основе был построен алгоритм сравнения результатов моделей:

    1. Реализовать обратное тестирование по Базельскому подходу. Ожидаемым результатом является отсутствие пробоев, в силу очень высокого уровня значимости. Если обратное тестирование не пройдено, модель отвергается; 2. Реализовывать последующие обратные тестирования на уровне значимости 90% и 95%. Первым предлагается рассмотреть тест Kupiec'а. Если данный тест не пройден, это означает, что модель недостаточно консервативна и должна быть отклонена; 3. Реализовать интервальный прогнозный тест. При условии прохождения вышеуказанных процедур, данный тест должен выявить возможность серийных пробитий; 4. Реализовать смешанный тест Kupiec'а. Результат предположительно будет аналогичен интервальному тесту, только в более общей форме для выявления системности пробитий; 5. Усиленной альтернативой 4-му пункту является тест Haas'а. Данный тест предполагает наиболее общую форму контроля за дюрацией пробитий. В большинстве случаев, к данному моменту, все возможные проблемы, связанные с реализацией пробитий должны быть выявлены; 6. Если к данному моменту сохраняется несколько альтернативных моделей, предлагается реализовать обратное тестирование на основе функции Lopez'а; 7. Если пробитий не наблюдалось или на 6-м пункте были получены статистически неразличимые результаты, выбор модели предлагается делать на основе требований к достаточности капитала в рамках данных моделей; 8. Последним этапом выбора модели, в случае необходимости, является сопоставление вычислительных мощностей для расчета и оценки моделей.

Предлагаемая методика является универсальной и может быть использована в различных задачах риск-менеджмента. Принципиальным является замечание, что может быть ситуация, когда все модели будут отвергнуты, что будет означать, что была сформирована либо неадекватная выборка данных, либо выбраны заведомо неадекватные модели поставленной задачи или подходы к калибровке некорректны.

Несмотря на универсальность построенного алгоритма для принятия решений, полученные результаты в настоящей работе не являются исчерпывающими и не обладают высокой значимостью в размахе обще-рыночного применения. В большей степени ограничения применимости результатов связаны с двумя факторами. Во-первых, выборка корпоративных облигаций, на которых был проведен анализ не является репрезентативной относительно рынка, так как в ходе работы не было реализовано подобных проверок и не было разработано отдельной методологии для реализации данной задачи. В итоге, возможна ситуация, когда результаты будут репрезентативны относительно глобальной выборки, но на основании проделанного исследования такой вывод сделать нельзя. Во-вторых, для модели Nelson-Siegel'а и аффинных моделей были использованы доходности до погашения вместо краткосрочных процентных ставок и форвардных обязательств. Несмотря на все накладываемые фильтры и сглаживание выборки, имеющаяся выборка в любом случае порождает некоторое смещение. О его статистической значимости судить невозможно в силу отсутствия рыночных бенчмарков.

Возможные направления дальнейшей исследовательской деятельности в данной области приведены в Табл. 10.

Табл. 10. Направления дальнейшей исследовательской деятельности в области

Направление

Пути развития исследования

Данные
    - Составить выборку из бескупонных облигаций и повторить исследование в рамках краткосрочных процентных ставок; - Использовать данные по кэплетам или свопционам для динамической оценки волатильности в рамках моделей процентных ставок; - Использовать данные по государственным облигациям для сопоставления результатов относительно распространения рисков развивающейся экономики на предприятия, действующие в данной среде; - Рассмотреть контракты CDS для оценки вмененного кредитного риска в облигации;

Модели
    - Рассмотреть менее тривиальные одномерные модели волатильности, основываясь на результатах теста Lyung-Box'а; - Рассмотреть более сложные варианты многомерных моделей GARCH, таких как, например, диагональный вариант BEKK модели; - Рассмотреть более общие распределения остатков в моделях; - Рассмотреть полноценную модель Hull-White'а; - Рассмотреть модель HJM; - Рассмотреть модель CIR++;

VaR подходы

- Рассмотреть подходы на основе копул;

Обратное тестирование
    - Рассмотреть Q-тест Пирсона; - Рассмотреть J-тест;

Обобщение результатов
    - Построить satellite-модель, на основе макроэкономического моделирования пробоев по модели; - Встроить в макроэкономическую модель процедуру стресс-тестирования и оценить предсказательную способность моделей;

В работе можно выделить два основные результата. Во-первых, была выстроена методология анализа моделей процентного риска, которая может считаться универсальной в рамках подхода на основе VaR. Во-вторых, была отвергнута гипотеза об отсутствии необходимости использования продвинутых моделей на развивающихся рынках. Дальнейшие исследования должны будут выявить репрезентативность полученных результатов относительно глобальной выборки данных.

Похожие статьи




Валидация моделей и разработка управленческих решений - Валидация целесообразности использования более продвинутых моделей описания процентного риска на развивающихся рынках

Предыдущая | Следующая