Как измерить риски, связанные с хранением, и как использовать VaR

Управление рисками - это навык, который должен приобрести каждый инвестор. В условиях быстро меняющегося и постоянно развивающегося рынка цифровых валют программисты должны уделять особое внимание управлению рисками. Это связано с тем, что программисты часто автоматически выполняют сделки на основе исторических данных и статистических моделей, которые могут быстро стать неточными в быстро меняющихся рынках.

Среди многих инструментов управления рисками, стоимость при риске (VaR) является широко используемой метрой риска, которая помогает инвесторам прогнозировать максимальные возможные потери портфеля при нормальных рыночных условиях. VaR позволяет количественно оценивать риск в единое число, упрощая выражение риска, позволяя инвесторам интуитивно понять потенциальные потери.

Роль VaR

VaR, или коэффициент ценности риска, используется для количественного определения максимально возможного убытка в течение определенного периода времени в соответствии с определенным уровнем уверенности. Другими словами, он говорит инвестору или управляющему рисками: VaR, сколько денег у нас есть в нормальных рыночных условиях, находится в пределах коэффициента безопасности, а не потеряет завтра.

Преимущества

1. Легко понятьНапример: 95% VaR в день в портфеле цифровой валюты составляет $5000, что означает, что 95% уверенности в том, что портфель не будет иметь потерь более $5000 в день.

2. Сравнительные критерииПредположим, что у двух портфелей A и B 95% VaR в день для A составляет $ 3000, а для B - $ 6000. Это означает, что при нормальных рыночных условиях A является менее рискованным, чем B. Мы можем напрямую сравнить их уровень риска, даже если эти два портфеля содержат разные активы. Соответственно, можно определить уровень инвестиций, если прибыль двух стратегий A и B за последний месяц составляет $ 6000, а средний и максимальный VaR для A значительно ниже, чем для B.

3. Инструменты принятия решений: трейдер может использовать VaR для решения вопроса о добавлении нового актива в портфель. Если новый актив приводит к значительному увеличению VaR, это может означать, что риск нового актива не соответствует уровню риска в портфеле.

Недостатки

1. Не обращая внимания на риски в хвостеЕсли в портфеле один день 99% VaR составляет $10,000, то потеря 1% в экстремальных случаях может быть намного выше этой цифры. В сфере цифровых валют черные лебеди часто встречаются, и экстремальные ситуации могут превзойти ожидания большинства людей, поскольку VaR не учитывает последних событий.

2. Предполагаемые ограниченияПараметры VaR обычно предполагают, что доходы от активов имеют нормальное распределение, что редко бывает в реальных рынках, особенно на рынке цифровых денег. Например, предположим, что в портфеле есть только биткоин. Мы используем параметры VaR и предполагаем, что доходы от биткоина имеют нормальное распределение.

3. История зависитМодели VaR используют исторические данные для прогнозирования будущих рисков. Однако, прошлое не всегда предсказывает будущее, особенно в быстро меняющихся рынках, таких как рынок цифровых валют. Например, если биткоин был очень стабильным в прошлом году, исторические модели могут предсказывать очень низкий VaR. Однако, если внезапно произойдет изменение регулирования или рыночный крах, прошлое уже не будет эффективным прогнозом будущих рисков.

Расчет VaR

Существуют три основных метода расчета VaR: параметрический метод (дифференциально-сопоставимый метод): предположение, что доходность следует какому-то распределению (обычно нормальное распределение), использование среднего значения доходности и стандартного распределения для расчета VaR. Исторический метод: не делать никаких предположений о распределении доходности, а прямо использовать исторические данные для определения потенциального распределения убытков. Монте-Карло метод: использование произвольно генерируемых ценовых путей для моделирования цен на активы и вычисления VaR из них.

Метод исторического моделирования использует прямые изменения в цене в прошлом для оценки возможных потерь в будущем. Он не требует никаких предположений о распределении прибыли и поэтому применим к таким активам, где распределение прибыли неизвестно или необычно, например, к цифровым валютам.

Например, если мы хотим вычислить 95% VaR на один день в этом портфеле, мы можем сделать следующее:

1. Сбор ежедневных доходов биткойнов за прошедшее время (например, 100 дней).
2. Вычисляется ежедневная доходность портфеля, то есть доходность каждого актива умножена на его вес в портфеле.
3. Поставьте 100-дневные портфельные доходы в порядке от малого до большого.
4. Найдите 5-ю процентную точку данных (так как мы рассчитываем 95% VaR), которая представляет собой лучшую потерю за один день за последние 100 дней, худшие 5 дней.
5. Если мы умножим этот доход на общую стоимость акций, то получаем 95% VaR за день.

Ниже приведен конкретный код, который использует данные за последние 1000 дней, чтобы вычислить VaR 1980 USDT для текущего владельца BTC.

import numpy as np
import requests

url = 'https://api.binance.com/api/v3/klines?symbol=%s&interval=%s&limit=1000'%('BTCUSDT','1d')
res = requests.get(url)
data = res.json()

confidence_level = 0.95
closing_prices = [float(day[4]) for day in data]
log_returns = np.diff(np.log(closing_prices))
VaR = np.percentile(log_returns, (1 - confidence_level) * 100)
money_at_risk = VaR * closing_prices[-1] * 1

print(f"VaR at {confidence_level*100}% confidence level is {money_at_risk}")

Расчеты VaR с учетом взаимосвязей

При расчете VaR портфеля, содержащего несколько активов, мы должны учитывать взаимосвязь между активами. Если ценовые изменения между активами положительно взаимосвязаны, то риск портфеля увеличивается; если отрицательно, то риск портфеля уменьшается.

Используя историческую аналогию, мы рассматриваем VaR корреляции не только для сбора исторических доходов каждого отдельного актива, но и для совместного распределения этих доходов. В практическом случае вы можете прямо использовать исторические доходы портфеля для сортировки и расчета, поскольку эти доходы уже подразумевают корреляцию между активами. В цифровых валютных рынках корреляция особенно важна, поскольку в основном BTC является лидером рынка, и вероятность того, что другие цифровые валюты вырастут, увеличивается, если BTC будет расти или упасть, потому что рыночные настроения могут быстро меняться, что приводит к значительному увеличению корреляции в краткосрочной перспективе, что особенно часто встречается в экстремальных рыночных событиях. Таким образом, историческая аналогия VaR является полезным инструментом для рассмотрения продуктивных цифровых валютных портфелей.

В качестве примера, если держать 1 многопозицию BTC и 10 вакантных позиций ETH, можно вычислить VaR для 10 вакантных позиций ETH в размере 1219 USDT. При объединении этих двух портфелей VaR рассчитывается следующим образом:

confidence_level = 0.95
btc_closing_prices = np.array([float(day[4]) for day in btc_data])
eth_closing_prices = np.array([float(day[4]) for day in eth_data])
btc_log_returns = np.diff(np.log(btc_closing_prices))
eth_log_returns = np.diff(np.log(eth_closing_prices))

log_returns = (1*btc_log_returns*btc_closing_prices[1:] - 10*eth_log_returns*eth_closing_prices[1:])/(1*btc_closing_prices[1:] + 10*eth_closing_prices[1:])
VaR = np.percentile(log_returns, (1 - confidence_level) * 100)
money_at_risk = VaR * (btc_closing_prices[-1] * 1 + eth_closing_prices[-1]*10)

print(f"VaR at {confidence_level*100}% confidence level is {money_at_risk}")

Результат - 970 USDT, что означает, что портфель рискован меньше, чем соответствующие активы, которые держатся отдельно, поскольку рынки BTC и ETH имеют высокую корреляцию, и хеджирование многопространственных портфелей играет роль снижения риска.

Подведение итогов

В этой статье будет представлен адаптивный метод оценки риска - применение исторического моделирования при расчете VaR, а также как учитывать взаимосвязь между активами для оптимизации прогноза риска. С помощью конкретных примеров рынка цифровых валют будет разъяснено, как использовать историческое моделирование для оценки риска портфеля, и обсуждены методы расчета VaR при значительном отношении к активам. Благодаря этому методу программируемые трейдеры смогут не только оценить максимальные потери в большинстве случаев, но и быть подготовленными к крайним рыночным условиям, что позволит им более устойчиво и точно выполнять стратегию в сделках.