Value at Risk (VaR), po polsku wartość zagrożona, odpowiada na pytanie: jakiego progu straty portfel nie powinien przekroczyć w określonym horyzoncie i przy zadanym poziomie ufności — zgodnie z przyjętym modelem. Jeżeli jednodniowy VaR 95% wynosi 100 tys. zł, model zakłada, że w około 5% dni strata może być większa niż 100 tys. zł.

To zdanie zawiera najważniejsze ograniczenie: VaR nie mówi, ile wyniesie strata po przekroczeniu progu. Nie jest też najgorszym możliwym scenariuszem ani gwarancją, że przekroczenia będą równomiernie rozłożone w czasie.

Cztery elementy wyniku VaR

Samej liczby nie da się poprawnie odczytać. Każdy raport powinien podawać:

  1. wartość portfela lub kwotę straty — na przykład 100 tys. zł,
  2. horyzont — jeden dzień, dziesięć dni albo miesiąc,
  3. poziom ufności — najczęściej 95% lub 99%,
  4. metodę i okno danych — ponieważ różne założenia dają różne wyniki.

VaR 99% nie oznacza, że portfel jest „bezpieczny w 99%”. Oznacza jedynie, że oszacowany próg powinien zostać przekroczony średnio w około 1% obserwacji, jeżeli model dobrze opisuje dane.

Uproszczony przykład parametryczny

Załóżmy portfel o wartości 1 mln zł i oszacowanej dziennej zmienności 1%. Przy założeniu normalności stóp zwrotu jednostronny kwantyl dla 95% wynosi około 1,645. Uproszczony jednodniowy VaR to:

1 000 000 zł × 1% × 1,645 = 16 450 zł.

Przy poziomie 99% i kwantylu około 2,326 wynik rośnie do 23 260 zł. Nie oznacza to jednak, że strata nie przekroczy tej kwoty. Obie liczby zależą od założenia o rozkładzie, stabilności zmienności i poprawnym opisie korelacji między pozycjami.

Często stosowane skalowanie przez pierwiastek z czasu zakłada między innymi niezależność zmian i stałą zmienność. Na rynkach występują skupiska zmienności, autokorelacja i grube ogony, dlatego mechaniczne przeliczenie jednodniowego VaR na dłuższy horyzont może być mylące.

Trzy najczęstsze metody

1. Symulacja historyczna

Dzisiejszy portfel wyceniamy pod wpływem faktycznych zmian rynkowych z kolejnych dni historycznych, a następnie odczytujemy odpowiedni kwantyl strat. Metoda nie wymaga założenia normalnego rozkładu i zachowuje współzależności obecne w próbie. Jest jednak ograniczona do zdarzeń zawartych w wybranym oknie. Kryzys, którego nie ma w danych, nie pojawi się automatycznie w wyniku.

2. Metoda wariancji–kowariancji

VaR parametryczny wykorzystuje zmienności, korelacje i założony rozkład stóp zwrotu. Jest szybki, przejrzysty i łatwy do rozłożenia na wkłady poszczególnych pozycji. Może jednak zaniżać ryzyko portfeli z opcjami, nieliniową ekspozycją albo rozkładem o grubych ogonach.

3. Monte Carlo

Model generuje wiele możliwych zmian czynników ryzyka, przelicza wartość portfela w każdym scenariuszu i odczytuje kwantyl strat. Pozwala uwzględnić nieliniowość oraz bardziej złożone rozkłady. Elastyczność nie usuwa jednak ryzyka modelu: błędne dynamiki cen, korelacje lub funkcje wyceny mogą tworzyć precyzyjnie wyglądający, lecz niewiarygodny rezultat.

Jak sprawdzić, czy VaR działa?

Podstawowy backtesting porównuje wcześniejsze prognozy VaR z późniejszym rzeczywistym wynikiem portfela. Dzień, w którym strata przekracza prognozowany próg, nazywamy wyjątkiem lub przekroczeniem. Dla jednodniowego VaR 99% oczekiwalibyśmy w długiej próbie około 1% przekroczeń.

Nie wystarczy policzyć ich łącznej liczby. Ważne jest również, czy przekroczenia nie skupiają się w jednym reżimie, czy model reaguje na zmianę zmienności i czy wynik portfela porównywany z VaR odpowiada statycznej ekspozycji użytej w obliczeniu. Bazylejski framework opisuje właśnie porównanie dziennej miary ryzyka z kolejnymi wynikami oraz analizę zgodności faktycznego pokrycia z poziomem ufności.

Czego VaR nie pokazuje?

  • Skali straty w ogonie. Przekroczenie może wynieść 1 zł albo wielokrotność VaR.
  • Ryzyka płynności. Historyczna cena nie gwarantuje realizacji dużego zlecenia bez wpływu na rynek.
  • Zmiany korelacji. Relacje, które pomagały w spokojnym okresie, mogą zbiec się podczas stresu.
  • Ryzyka luk i zdarzeń. Nagły ruch poza zakresem kalibracji może ominąć typowy model.
  • Długotrwałego obsunięcia. Jednodniowy kwantyl nie mówi, jak głęboki i długi może być drawdown.
  • Błędu specyfikacji. Wynik dziedziczy wszystkie słabości danych, modelu wyceny i założeń.

VaR, Expected Shortfall i stress test

Expected Shortfall odpowiada na inne pytanie: jaka jest przeciętna strata w najgorszej części rozkładu, już po przekroczeniu progu VaR. Dzięki temu patrzy w głąb ogona, chociaż również zależy od modelu i jakości danych. Zmieniony framework ryzyka rynkowego Bazylejskiego Komitetu przeszedł w podejściu modeli wewnętrznych z VaR na Expected Shortfall pod stresem między innymi po to, aby lepiej uwzględnić ryzyko ogonowe.

Stress test nie szuka kwantyla. Zadaje konkretny scenariusz: gwałtowny wzrost stóp, spadek indeksu, osłabienie waluty albo jednoczesne załamanie kilku czynników. VaR, Expected Shortfall, drawdown i testy warunków skrajnych nie są zamiennikami. Każda miara pokazuje inną część ryzyka.

Minimalny standard użycia

  1. Zawsze podawaj horyzont, poziom ufności, metodę i okno kalibracji.
  2. Raportuj VaR zarówno kwotowo, jak i jako procent wartości portfela.
  3. Pokazuj wkład pozycji i czynników ryzyka, a nie tylko liczbę zagregowaną.
  4. Regularnie licz przekroczenia i badaj ich skupienie w czasie.
  5. Porównuj kilka metod oraz wyniki przy alternatywnych oknach danych.
  6. Łącz VaR z Expected Shortfall, drawdownem, płynnością i stress testami.
  7. Dokumentuj zmiany modelu, aby słabszego okresu nie „naprawiać” po fakcie.

Najważniejszy wniosek

Value at Risk jest użytecznym językiem limitów i porównywania ryzyka, jeżeli pozostaje elementem szerszego systemu kontroli. Sprowadza rozkład strat do łatwego do komunikowania progu, ale właśnie przez tę kompresję usuwa informację o tym, co dzieje się dalej w ogonie.

Dojrzały proces nie pyta wyłącznie „jaki jest VaR?”. Pyta także: z jakiego modelu pochodzi liczba, kiedy ostatnio została przekroczona, jak duże były przekroczenia i co pokazują scenariusze, których nie ma w danych historycznych.

Źródła

Zastrzeżenie edukacyjne: materiał ma charakter wyłącznie edukacyjny i informacyjny. Nie stanowi rekomendacji inwestycyjnej, porady finansowej ani oferty nabycia lub sprzedaży instrumentów finansowych. Przykłady mają charakter ilustracyjny, a każda miara ryzyka zależy od danych i założeń modelu.