Анализ рисков с программой ЭВРИСТА



ЭВРИСТА®: Экспериментальные Временные Ряды Интерактивный СТатистический Анализ.

В последнее время разработано много методов оценки рыночных рисков. И одной из важнейших задач специалистов в области риск-менеджмента стало исследование области применимости того или иного метода к оценке риска конкретного портфеля. Причем это касается даже самых простейших методов. Поясним вышесказанное на следующем примере. Предположим, что оценивается VAR некоторого актива с помощью имитационного моделирования. И первый вопрос, на который должен дать ответ исследователь: какое вероятностное распределение использовать для моделирования изменений стоимости? Типичным ответом не слишком аккуратного исследователя здесь будет конечно же нормальное распределение. Однако, давно уже замечено, что нормальное распределение , несмотря на все его достоинства, является не слишком удачным для описания изменений стоимости активов. Дело здесь в том, что для этого у него слишком "легкие хвосты". А именно  "хвост" распределения и определяет VAR. Другой важной задачей является определение периода времени, по которому производится оценка параметров выбранного распределения. Это вызвано тем, что предлагаемые для оценки VAR математические выражения чаще всего получены в предположении однородности выборки, по которой производится оценивание параметров модели, и сохранении этой однородности в будущем.

Приведенный выше пример показывает, что использование даже самого простого способа оценки VAR требует серьезных дополнительных исследований, которые невозможны без применения специальных статистических методов. Наиболее часто здесь используются следующие методы.

  • Выбор закона распределения и его параметров, наиболее адекватно описывающих наблюдаемые данные.
  • Ковариационный и корреляционный анализ, необходимые для исследования взаимосвязи различных компонент портфеля.
  • Методы факторного анализа. Прежде всего они позволяют без особых потерь точности значительно понизить размерность исследуемого пространства составляющих портфель рыночных переменных.
  • Кластерный анализ позволяет разбить исследуемое пространство значений рыночных переменных на подпространства (кластеры), где параметры выбранной модели статистически однородны, изучить вероятностные характеристики процесса переходов из кластера в кластер.
  • Регрессионный анализ незаменим при восстановлении (или прогнозировании) цен малоликвидных компонент портфеля через более ликвидные рыночные переменные.

Приведенный список статистических методов является неполным и охватывает лишь наиболее часто встречающиеся здесь задачи. Статистическая программная система ЭВРИСТА предлагает гораздо более широкий список методов и позволяет качественно решить любую из перечисленных выше задач.