Темы диссертаций по экономике » Финансы, денежное обращение и кредит

Управление фондовыми рисками на основе применения и совершенствования моделей их оценки тема диссертации по экономике, полный текст автореферата

Автореферат

Ученая степень	кандидат экономических наук
Автор	Лазутов, Максим Рудольфович
Место защиты	Москва
Год	2007
Шифр ВАК РФ	08.00.10

Диссертация

Автореферат диссертации по теме "Управление фондовыми рисками на основе применения и совершенствования моделей их оценки"

На правах рукописи

Лазутов Максим Рудольфович

Управление фондовыми рисками на основе применения и совершенствования моделей их оценки

Специальность 08.00.10 - Финансы, денежное обращение и кредит

Автореферат

диссертации па соискание ученой степени кандидата экономических наук

Москва 2007

003060693

Диссертация выпонена на кафедре Банковского дела Московского государственного университета экономики, статистики и информатики

Научный руководитель: доктор экономических наук, профессор

Портной Михаил Анатольевич

Официальные оппоненты: доктор экономических наук, профессор Юдашев Рустем Турсунович

Ведущая организация: Финансовая академия при Правительстве

Российской Федерации

Защита состоится 3 июля 2007г в 12-00 часов на заседании диссертационного совета Д 212151 03 в Московском государственном универсигете экономики, статистики и информатики по адресу 119501, г Москва, ул Нежинская, д 7

С диссертацией можно ознакомиться в библиотеке Московского государственного университета экономики, статистики и ипформатики

Автореферат разослан 2.9 мая 2007г

Кандидат экономических наук, доцент Криворучко Светлана Витальевна

Ученый секретарь диссертационного совета

Грачева Е А

I. Общая характеристика работы.

Актуальность исследования. За последние два десятилетия на мировых рынках ценных бумаг, включая российские, резко обострилась проблема точности оценки фондовых рисков с целью их правильного учета и прогнозирования в процессе управленческо-финансовой деятельности Это было связано с повышением волатилыюсти рынков ценных бумаг, а также рядом крупных кризисов, затронувших как сложившиеся, так и развивающиеся финансовые рынки, например, кризис 1987г в США, обвал азиатских фондовых рынков в 1997г, российский августовский кризис 1998г, обвал рынка акций высокотехнологичных компаний NASDAQ в 2000г, корпоративные скандалы 2001-2002г и др

Данные обстоятельства обусловливают важность применения адекватных методов оценки и управления фондовыми рисками, те рисками потерь, связанных с неблагоприятным изменением курсовой стоимости входящих в инвестиционный портфель фипансовых инструментов

В свою очередь, необходимость оценки фондовых рисков вызвала потребность в моделях, позволяющих максимально точно измерить эти риски и при этом дающих легко интерпретируемые и понятные широкому кругу инвесторов и менеджеров результаты

В настоящее время на Западе для измерения фондовых рисков широко используется показатель рисковая стоимость1 Данный показатель был рекомендован Базельским комитетом по банковскому регулированию, который предписал финансовым организациям применять его при расчете резервов капитала, выделяемых на покрытие фондовых рисков Сегодня подразделение по управлению рисками практически любого западного банка рассчитывает показатель рисковая стоимость на регулярной основе и использует его для принятия управленческих решений

Передовые технологии оценки и управления фондовыми рисками получают активное распространение и в России, что обусловлено высокими темпами роста банковской системы и, как следствие, повышением объема операций банков и других организаций на финансовых рынках Согласно статистике Банка России, за период с 2004 по 2007гг вложения российских банков в акции практически утроились Увеличение объемов операций финансовых организаций с ценными бумагами привело к повышению фондовых рисков В частности, отношение фондового риска к банковскому капиталу возросло с 12% в 2004г. до 20% в 2007г

1 Англоязычный эквивалент данного термина - Value at Risk, VaR

Еще одним фактором, стимулирующим использование современных моделей оценки риска, был переход банков на международные стандарты финансовой отчетности (МСФО) и, как следствие, повышение требований к раскрытию информации Согласно Международным стандартам, финансовые организации обязаны раскрывать в приложении к финансовой отчетности информацию об их финансовых рисках

Указанные обстоятельства делают актуальным исследование существующих и разработку новых моделей оценки фондовых рисков, пригодных для использования в нашей стране

Степень разработанности проблемы. Проблемы оценки и управления фондовым риском нашли отражение в трудах ведущих зарубежных ученых и специалистов-практиков Джориона Ф., Догерти Н, Доуда К, Марковича Г, Мандельброта Б, Фама Е, Хала Д, Шарпа У, Эмбрехта П и др

В работах зарубежных авторов были предложены подходы к оценке фондового риска, проведено тестирование различных моделей, сформулированы рекомендации по практическому использованию той или иной модели

Глубокая разработанность проблематики оценки фондовых рисков в работах западных авторов была обусловлена высоким уровнем развития банковских систем зарубежных стран, активным участием банков в операциях на финансовых рынках, а также надзором со стороны наблюдательных органов, способствующих внедрению передовых технологий управления фондовыми рисками В частности, предписания Базельского комитета по банковскому регулированию о необходимости использования банками собственных моделей оценки фондовых рисков при расчете величины резервного капитала, послужили стимулом для исследователей к разработке эффективных моделей оценки риска, и, как следствие - большого числа научных работ и методических материалов

Что касается российской практики оценки рыночных, в том числе фондовых, рисков, то в настоящее время научная школа и методологическая база находятся в стадии формирования Как правило, российские риск-менеджеры ориентируются на западные методики расчета рыночных рисков, адаптируя их к конкретным условиям Из числа ведущих отечественных исследователей можно выделить Вокова С Н, Лобанова А.А, Лукашова А В, Меньшикова И С , Рогова М А, Самохвалова О В, Смирнова С Н , Чугунова А В , Шелагина ДА идр

Однако быстрые изменения, происходящие на фондовых рынках, обнаруживают недостаточные возможности действующих моделей оценки

фондовых рисков и диктуют необходимость их совершенствования Эти обстоятельства определили цель, задачи и структуру настоящего диссертационного исследования

Цель и задачи исследования. Целью данной работы является анализ моделей оценки фондовых рисков, используемых в мировой практике, разработка на его основе наиболее рациональных инструментов такой оценки, а также направлений совершенствования управления данными рисками в условиях России

В соответствии с поставленной целью были определены следующие задачи

Х сформулировать основные методологические подходы, связанные с совершенствованием управления фондовыми рисками на российских рынках ценных бумаг,

Х провести анализ моделей оценки фондовых рисков, используемых в мировой практике, и определить возможности и ограничения их применения в условиях России,

Х используя аппарат теории экстремальных значений, построить рациональную рискооценочную модель, наиболее поно соответствующую условиям России и дающую возможность преодолеть ограничения традиционно используемых моделей,

Х сформулировать и обосновать преимущества предлагаемой автором модели в сравнении с традиционными моделями, путем их тестирования на основе исторических значений курсов ценных бумаг российского фондового рынка, а также в условиях кризисов,

Х разработать методику практического применения предложенной автором рискооценочпой модели на фондовых рынках России,

Х сформулировать рекомендации по совершенствованию управления фондовыми рисками на основе построенной модели на примере условной инвестиционной компании

Объект и предмет исследования. Объектом исследования являются риски российских фондовых рынков и его участников

Предметом исследования выступают модели и методы оценки фондовых рисков

Теоретическая и методологическая основы диссертации. Теоретической основой исследования послужили научные труды отечественных и зарубежных авторов в области общей теории рисков, управления рисками инвестиционной деятельности на рынке ценных бумаг, концептуальные подходы и методики

оценки фондовых рисков в цепях их правильного учета и прогнозирования, включая экономико-математический инструментарий построения рискооценочных моделей

В ходе проведенного исследования применялись такие методы, как дедуктивный, абстрактно-логический, сравнительного и ситуативного анализа, статистические, экономико-математические, экспертных оценок и др

В качестве основных источников информации использовались данные по финансовым рынкам России и зарубежных стран, российские и зарубежные законодательные и нормативные документы, статьи в специальной периодической литературе, материалы научных конференций, симпозиумов и семинаров.

Научная новизна и результаты исследования. Научная новизна исследования состоит в разработке и обосновании эффективной модели оценки фондовых рисков, позволяющей осуществлять более точный в сравнении существующими моделями учет, прогнозирование и предупреждение указанных рисков

В ходе проведения диссертационного исследования автором получены следующие результаты

2 Выявлены ограничения традиционно используемых в России моделей оценки фондовых рисков, к которым относятся невозможность применения модели в случае невыпонения условия нормальности распределения доходностей финансовых инструментов, ограниченность масштабов выборки, и, как следствие, пределов расчета значений рисков, дискретный характер исчисления рисков, предполагающий невозможность их выражения как непрерывной функции, ограниченность анализа имеющейся выборкой исторических значений курсов ценных бумаг, недостаточная точность оценки рисков и др

Проведенный анализ доказал, что традиционно применяемые модели не в поной мере отвечают потребностям практики, что диктует необходимость разработки новых моделей оценки рисков, соответствующих условиям фондовых рынков России

2. Сформулированы и обоснованы требования к моделям оценки фондовых рисков, удовлетворение которых позволит выйти за рамки вышеуказанных ограничений их применения К ним относятся, возможность проведения анализа рисков за пределами имеющейся выборки; возможность получать оценки рисков в аналитическом виде, выражая их функционально, независимость от характера распределения доходностей финансовых активов,

обеспечение достаточной точности в условиях резких колебаний котировок на фондовых рынках

Учет указанных требований риск-менеджерами при построении моделей оценки фондовых рисков позволяет обеспечить адекватность этих моделей российским условиям, и, как следствие - повысить точность оценки рисков и качество управления ими

3. Разработана модель оценки фондового риска, в основу которой была положена теория экстремальных значений, позволяющая формализовать характерные для российского рынка сильные и непредсказуемые движения курсов ценных бумаг

Это дало возможность достичь ряд преимуществ перед традиционно используемыми моделями, заключающихся в том, что предлагаемая модель обеспечивает решение проблемы отсутствия нормальности распределения доходностей ценных бумаг, сокращение затрат времени на проведение рискооценочных работ, возможность выразить показатель рисковая стоимость в виде функции от уровня значимости и длины временного интервала, позволяет производить оценку фондового риска за пределами имеющейся выборки исторических значений котировок, способна оценивать вероятность реализации крупных (лэкстремальных) убытков

4. Доказано путем сравнительного анализа точности традиционных рискооценочных моделей (РискМетрикс, исторической симуляции, Монте-Карло) и предложенной автором модели, с использованием объективных критериев оценки - максимального правдоподобия (Likelyhood ratio) и относительной частоты превышения (Excess rate), что на основе модели автора достигается более точная вероятностная оценка фондовых рисков, обеспечивающая эффективное управление ими в условиях России Это позволило обосновать целесообразность внедрения предлагаемой модели в практику управления рисками банков, инвестиционных компаний и других участников фопдового рынка

5. На базе предложенной модели разработана методика анализа рискованности ценных бумаг и инвестиционных портфелей, позволяющая осуществлять их ранжирование по двум важнейшим и одновременно противоречивым критериям - доходности и риску, в целях дальнейшего формирования эффективной портфеяьпой стратегии инвесторов на фондовых рынках. Модифицирован коэффициент Шарпа, в части использования для его расчета показателя VaR взамен стандартного отклонения Это повысило информативность указанного коэффициента, а именно Ч дало возможность агрегировать риски различных классов финансовых активов, позволило

определять размеры рисковых убытков с заданной вероятностью и др

6. Разработан агоритм оценки эффективности операций с ценными бумагами торговых подразделений банков, инвестиционных компаний и других участников фондового рынка, с целью реализации мероприятий по управлению фондовым риском - диверсификации, изменения допустимых лимитов и др , а также стимулирования труда трейдеров торговых залов Агоритм включает в себя следующие шаги сбор статистической информации о совершаемых сдеках с ценными бумагами, определение доходности и риска операций каждого трейдера, оценка эффективности каждого трейдера и торгового подразделения в целом по таким критериям, как средняя доходность и УаЯ в расчете на одну сдеку, а также значение модифицированного коэффициента Шарпа, использование полученных оценок для осуществления мероприятий по управлению риском

Кроме того, на основе указанного агоритма разработан и предлагается для внедрения в практику инвестиционной деятельности конкретный, в виде таблицы, механизм расчета комиссионного вознаграждения трейдерам по итогам их работы.

7. Предложена методика оценки величины капитала, резервируемого под покрытие фондовых рисков организации, позволяющая определять размер резерва применительно как к отдельным финансовым инструментам, так и к инвестиционным портфелям Методика соответствует современным подходам к оценке достаточности капитала, отраженным в рекомендациях Базельского Комитета и способна гибко реагировать на изменения котировок на фондовых рынках

8. Доказано на основе анализа финансовой отчетности крупнейших российских банков (Альфа-Банк, Внешторгбанк, Газпромбанк, МДМ-Банк, Росбанк и др), что риски операций на российских фондовых рынках недостаточно подробно раскрываются даже ведущими их участниками В целях повышения качества раскрываемой информации, разработано приложение к финансовой отчетности участника фондового рынка, включающее в себя следующие основные элементы описание методологии оценки фондовых рисков на основе предложенной диссертантом модели, расчетные значения УаИ для различных классов финансовых инструментов (портфелей), оценку точности модели расчета УаЯ, меры контроля фондовых рисков и предупреждения последствий их проявления Приложение учитывает опыт ведущих зарубежных банков и отвечает требованиям, предъявляемым Международными стандартами финансовой отчетности (МСФО).

Теоретическая значимость исследования состоит в совершенствовании методологии управления фондовыми рисками в российских условиях на основе

новой модели их оценки, обеспечивающей более высокую точность расчетов В основе этой модели лежит теория экстремальных значений - направление теории вероятностей, которое сравнительно недавно начало использоваться для оценки рисков в развитых странах, но еще не получившее распространения в России Данная работа, раскрывая прикладные аспекты аппарата теории экстремальных значений, предоставляет российским риск-менеджерам эффективный инструмент оценки фондового риска.

Практическую значимость работы определяет то, что разработанные автором рискооценочпая модель, методика ее применения, а также агоритм и рекомендации по обоснованию эффективности торговых операций на фондовых рынках, с учетом стимулирования труда трейдеров, могут непосредственно использоваться риск-менеджерами банков, инвестиционных компаний и других организаций для повседневной оценки и управления фондовыми рисками Кроме того, предложенное автором допонение к финансовому отчету, обеспечивающее раскрытие информации о фондовом риске организации, позволит более объективно оценить ее реальное финансовое состояние в целях разработки мероприятий по управлению рисками

Материалы диссертационного исследования могут также использоваться в учебном процессе высших учебных заведений, а также на курсах повышения квалификации работников, занятых в сфере биржевой торговли, управления финансовыми рисками, страховании

Апробация работы. Основные положения работы докладывались и обсуждались на научно-практических семинарах 19-ая Всероссийская научная конференция Реформы в России и проблемы управления-2004 (январь 2004 г, Государственный Университет Управления, г Москва), 12-й Всероссийский студенческий семинар Проблемы управления (февраль 2004 г, Государственный Университет Управления, г Москва), межвузовская научная конференция Современное состояние, инструменты и тенденции развития фондового рынка (май 2004 г, Московский Государственный Институт Международных отношений)

Работа выпонена в соответствии с пп 3 6, 9 17 паспорта специальности 08 00 10 - Финансы, денежное обращение и кредит

Публикации. По материалам исследования опубликовано шесть работ общим объемом 4 6 п л Все публикации авторские

Структура работы. Диссертация состоит из введения, трех глав, заключения, списка литературы и приложений

II. Основные результаты диссертационной работы.

В соответствии с поставленной целью и задачами в диссертации исследованы и обоснованы три группы проблем

Первая группа проблем связана с анализом отечественного и зарубежного опыта оценки Фондовых рисков как одного из важнейших элементов механизма управления ими.

Понимая управление фондовыми рисками как сложный целенаправленный организационно-экономический процесс, призванный снизить или компенсировать ущерб организации при наступлении некоторого неблагоприятного события, диссертант считает, что главная роль в этом процессе дожна отводиться разработке эффективной стратегии риск-менеджмента Такая стратегия предполагает два наиболее значимых аспекта управления рисками 1) организационный, те совершенствование организации бизнес-процессов, 2) методологический, связанный с разработкой аналитических средств управления рисками Настоящее исследование носит методологический характер и направлено на создание аналитического инструментария оценки и управления фондовыми рисками применительно к российскому рынку ценных бумаг.

Среди аналитических средств управления фондовыми рисками автором выделены три основных методологических направления 1) методы измерения риска, предполагающие процедуры и модели, используемые для получения адекватной условиям фондового рынка количественной оценки риска, 2) методы мониторинга и контроля рисков, те инструменты определения допустимых уровней рисков; 3) методы непосредственного управления рисками в процессе инвестиционной деятельности, включающие способы формирования или реструктуризации портфеля финансовых инструментов с целью достижения требуемого уровня рисков Например, оптимизация инвестиционного портфеля, хеджирование рисков с помощью производных финансовых инструментов и др Трактовка этих методологических вопросов управления рисками разными авторами осуществляется по-разному, но все они сходятся в том, что одной из важнейших предпосылок управления рисками является их измерение, т е точная количественная оценка

Согласно мнению диссертанта, точной оценке финансовых рисков в рамках разработанной стратегии риск-менеджмента дожна предшествовать их классификация, предполагающая разделение рисков на три группы 1) риски,

которых следует поностью избегать, например, с помощью отказа от осуществления определенных финансовых операций, частичной продажи активов, диверсификации деятельности организации; 2) риски, которые дожны быть перенесены на других участников фондовых рынков, например, с помощью использования производных финансовых инструментов, 3) риски, которые дожны учитываться организацией и быть объектами активного управления. К их числу относятся и фондовые риски, которые являются неотъемлемой частью бизнеса участников российских фондовых рынков и подлежат обязательной оценке Именно с оценкой таких рисков связано данное диссертационное исследование

Проведенный автором анализ отечественных и зарубежных литературных источников показал, что прогрессивным шагом в развитии методов оценки фондовых рисков стало использование в качестве критерия оценки показателя рисковая стоимость, он же VaR, он же Value at Risk, который справедливо считается фактором революционного развития риск-менеджмента.

Рисковая стоимость (VaR, Value at Risk) финансового актива (портфеля) - это такая расчетная величина рисковых потерь, которая с заданной вероятностью определяет пределы убытков по данному активу (портфелю) применительно к конкретному промежутку времени Главным преимуществом данного показателя является то, что он позволяет агрегировать рыночные риски для различных финансовых инструментов, входящих в инвестиционный портфель, в один числовой показатель, имеющий денежное выражение Кроме того, экономическая интерпретация показателя рисковая стоимость является более содержательной и четкой по сравнению с ранее использовавшимся стандартным отклонением, что делает его понятным широкому кругу пользователей, обусловливая целесообразность его отражения в отчетности участников фондовых рынков

Диссертантом было установлено, что применительно к управлению фондовыми рисками показатель рисковая стоимость получил основное распространение в двух направлениях 1) при нормативном регулировании деятельности финансовых органшаций, в частности, при расчете резервов капитала, выделяемых на покрытие фондовых рисков, 2) в процессе внутрифирменного измерения и управления фондовыми рисками, например, при внутреннем и внешнем мониторинге рисков, анализе эффективности хеджирования, а также рисков возможных сделок и т д

В России исчисление показателя рисковая стоимость основано на применении зарубежных моделей Поэтому критическому рассмотрению последних необходимо уделить определенное внимание

В зарубежной практике расчета показателя рисковая стоимость (VaR, Value at Risk) получили распространение следующие модели- ковариационные, исторической симуляции (они же - листорическое моделирование), Монте-Карло Исследуя возможность использования этих моделей применительно к фондовым рынкам России, диссертант пришел к выводу, что каждая из них, несмотря на свою высокую популярность за рубежом, имеет ряд существенных ограничений использования

В частности, основным ограничением ковариационных моделей является то, что они опираются на предпосыку о нормальности распределения доходностей финансовых активов Однако данная предпосыка не выпоняется в условиях российских фондовых рынков, которые зачастую подвержены резким колебаниям курсов ценных бумаг Диссертантом были проведены статистические (с использованием критерия Жарк-Берра) тесты на нормальность распределения значений доходности акций девяти ведущих российских эмитентов (табл 1)

Таблица 1

Результаты тестирования на нормальность распределения доходностей обыкновенных акций ведущих российских эмитентов за 2005-2006гг.

Наименование эмитента Значение критерия Жарк-Берра Уровни значимости

1% 2,5% 5%

РАО ЕЭС России 117 Для всех акций расчетное значение критерия Жарк-Берра выше его критического значения, составляющего 6,63 для уровня значимости 1%, 5,02 - для уровня значимости 2,5% и 3,84 - для уровня значимости 5% Поэтому гипотеза о нормальности распределения отвергается для указанных уровней значимости

ОАО Лукойл 128

РАО Сургутнефтегаз 274

ОАО Ростелеком 386

Норильский Никель 225

Газпром 996

ОАО Татнефть 195

ОАО Автоваз 1086

ОАО Сбербанк 393

Как видно из таблицы, гипотеза о нормальности распределения значений доходности финансовых активов не выпоняется ни для одной из рассмотренных российских компаний

Ограничения исторического моделирования состоят в том, что оно, во-первых, не позволяет получить аналитически заданную функцию, связывающую уровень доверительной вероятности и соответствующее ему значение показателя рисковая стоимость (УаЯ) Это снижает точность расчета, поскольку в рассматриваемой выборке исторических данных может отсутствовать значение доходности финансового актива, которое бы точно соответствовало квантилю для определенного уровня доверительной вероятности Во-вторых, не учитываются значения доходности, которые не

имели места в прошлом, но могут реализоваться в будущем Например, при резком изменении рыночной конъюнктуры оценки риска, полученные на основании данных за прошлые периоды, могут оказаться неадекватными новым условиям

Таким образом, возможности исторического метода ограничены имеющейся выборкой и данный метод не позволяет оценить вероятность таких значений доходности, которые отсутствуют в выборке, например сильных, экстремальных колебаний доходности

Ограничения моделирования Монте-Карло проявляются, во-первых, в том, что, поскольку оно состоит в построении большого числа сценариев, основываясь на заданных аналитиком распределениях доходностей финансовых инструментов, входящих в портфель, то необходимо знать данные распределения либо сделать предположения об их типе Во-вторых, как и при использовании исторического метода, моделирование методом Монте-Карло не позволяет получить функцию, которая бы связывала различные значения риска и уровни доверительной вероятности

Обобщая результаты анализа моделей оценки фондовых рисков на основе показателя рисковая стоимость (VaR, Value at Risk), можно отметить, что в целом методологическая сторона такой оценки остается нерешенной окончательно в российской практике, главной причиной чему, несомненно, является отмеченная ограниченность используемых методов оценки

Исходя из необходимости совершенствования методологических подходов к оценке фондовых рисков в условиях России, диссертант пришел к выводу, что такое совершенствование возможно, в первую очередь, на основе разработки новых рискооценочных моделей, свободных от обозначенных ранее ограничений и адекватных специфическим требованиям российских фондовых рынков

Вторая группа проблем связана с обоснованием новой модели оценки фондовых рисков, наиболее попо соответствующей российским условиям.

Исходной предпосыкой построения такой модели является формирование четких практических требований, удовлетворение которых сделает ее адекватной особенностям фондовых рынков России К числу этих требований, по мнению диссертанта, относятся

- возможность объективной и точной оценки фондовых рисков независимо от характера распределения доходностей финансовых активов,

-возможность производить оценку фондовых рисков в функционально-аналитическом виде, что обеспечит получение непрерывного ряда рискооценочных показателей;

- минимальность затрат времени на выпонение рискооценочных работ;

- допустимость вычисления квантилей распределения доходностей инвестиционного актива (портфеля) за пределами имеющейся выборки их исторических значений

Для удовлетворения этих требований возникла необходимость применения в ходе исследований такого методологического подхода, который исключает ограничения ранее рассмотренных моделей оценки фондовых рисков В частности, как показал анализ, решение такой задачи оказалось возможным на основании использования теории экстремальных значений, которая еще не получила развития в практике оценки рисков российских фондовых рынков

Теория экстремальных значений - раздел теории вероятностей и математической статистики, который занимается изучением законов поведения экстремальных событий, к каковым относят события, обладающие следующими свойствами 1) вероятность их наступления мала, 2) они способны привести к существенным убыткам участников фондовых рынков, 3) их достаточно сложно, а порой - невозможно предсказать на достаточно длительном временном горизонте

Применительно к оценке фондовых рисков в теории экстремальных значений можно выделить два основных метода, преследующих различные цели и использующие различные подходы к исследованию метод блочных максимумов и пороговый метод.

Метод блочных максимумов предназначен для анализа максимальных или минимальных значений случайной величины, в нашем случае - доходности финансового актива, за последовательные промежутки времени

Более современным является пороговый метод, сущность которого сводится к анализу так называемых пороговых значений доходностей финансовых активов, т е значений, превышающих их определенную, заранее заданную величину Именно пороговый метод был взят за основу предлагаемой автором модели оценки фондового риска Причиной этому послужил тот факт, что его инструментарий, включающий функциональные зависимости (формулы), графические средства, методы анализа данных и др, делает возможным для участников фондового рынка с высокой точностью рассчитывать значение показателя рисковая стоимость (VaR, Value at Risk), который используется ими на ежедневной основе для оценки и управления фондовым риском

Под моделью оценки фондового риска автором понимается описание средствами теории экстремальных значений динамики доходностей финансовых активов на российских фондовых рынках, и получение на его основе количественной оценки риска указанных активов в виде показателя рисковая стоимость (Value at Risk, VaR) Предлагаемая автором модель оценки фондовых рисков включает в себя следующие компоненты

- входные данные, представляющие собой информационную основу для проведения вычислений, в качестве которых выступают исторические значения доходностей активов (портфелей),

- формулы оценки риска, позволяющие преобразовать входные данные в значения количественного показателя степени риска заданных активов (портфелей),

- показатель степени риска, в качестве которого автор предлагает использовать ранее рассмотренную рисковую стоимость (Value at Risk, VaR), как наиболее эффективную числовую характеристику степени риска инвестиционных активов (портфелей)

- результат оценки риска, который представляет собой рассчитанные для заданных финансовых активов (портфелей) значения показателя рисковая стоимость

Агоритм предлагаемой модели можно выразить следующим образом

Рис.1. Агоритм предлагаемой автором модели оценки фондового риска

Формулы оценки фондового риска в рамках предлагаемой модели имеют следующий вид

УаК = и+| ^ <1-Р^ если

Уай = и-а , если |=0, где

и - выбранное пороговое значение доходности финансового актива (портфеля), 5 - характеристика масштаба моделируемых уровней доходности

актива (портфеля), f - параметр, характеризующий форму распределения доходности, п - число наблюдений в исходной выборке исторических значений доходности, Nu - число наблюдений в выборке доходностей, превышающих пороговое значение, р - уровень доверительной вероятности расчетного значения VaR. Значения показателей 6 и | определяются на основе максимизации функции правдоподобия2

Расчет фондового риска на основании представленных формул включает в себя следующие шаги 1) задается пороговое значение доходности финансового актива (портфеля) в исходной выборке его исторических значений, 2) определяется применительно к данной выборке количество значений доходности, превышающих заданное пороговое значение; 3) исчисляются параметры <т и | на основе максимизации функции правдоподобия; 4) задается уровень доверительной вероятности оценки фондового риска, 5) исчисляется значение показателя рисковая стоимость (Value at Risk, VaR), соответствующее заданному уровню доверительной вероятности Полученное значение будет представлять собой количественную оценку фондового риска рассматриваемого финансового актива (портфеля)

В целях обоснования практической значимости предложенной автором рискооценочной модели и ее преимуществ перед ранее описанными традиционно применяемыми методами (РискМетрикс, историческое моделирование, Монте-Карло), в работе был проведен сравнительный анализ эффективности различных моделей оценки фондовых рисков на основе использования процедуры бэк-тестинга (back-testmg), включающей следующие этапы.

Выбор финансового инструмента для проведения тестирования, определяющийся критерием наличия по данному инструменту достаточного объема исторических данных В данной работе для расчетов в целях тестирования использованы данные о доходности индекса РТС, что обусловлено следующими причинами во-первых, индекс РТС удовлетворяет требованию относительно наличия достаточного объема статистики, тк он рассчитывается с 1995г , во-вторых, использование для бэк-тестинга рыночных индексов является распространенной практикой среди риск-менеджеров

1 На практике, в целях удобства расчетов, обычно максимизируют не саму функцию правдоподобия, а ее логарифм, который имеет следующий вид

Iя -п log<x + (Ч1) log(l-^ У1) > если с!; Ф О

1=1 где /(,(т) - логарифм ф-ции правдоподобия,

-п logffЧЧ если| = О

Уг-веяичина разницы между 1-тым значением доходности актива и заданным пороговым значением и

Выбор временного интервала для тестирования. Такой интервал дожен быть достаточно длинным, ибо точность тестовых расчетов может оказаться низкой Учитывая данное требование, в работе были использованы статистические данные по индексу РТС за период с 1 января 2002г. по 30 мая 2006г, который включает достаточное для проведения тестирования число наблюдений (более 1000) и содержит достаточно свежие, не утратившие актуальность данные

При выборе критериев оценки точности моделей расчета VaR, диссертант отдал предпочтение двум взаимосвязанным показателям 1) относительной частоте превышения (excess rate) над значениями VaR отрицательных доходностей актива (портфеля), которая представляет собой приблизительную оценку вероятности, с которой значения рисковых убытков превысят показатель VaR, соответствующий заданному уровню значимости а, 2) критерию максимального правдоподобия (likelihood ratio), который, допоняя первый показатель, позволяет определить, является ли существенным его отклонение от заданного уровня значимости а Если такое отклонение существенно, то модель оценки фондового риска пе является статистически точной и риск-менеджеру необходимо использовать другие методологические подходы к оценке VaR. Наоборот, если отклонение несущественно, то модель может использоваться на практике

Результаты проведенного тестирования точности оценки фондовых рисков с использованием предложенной диссертантом модели, а также описанных ранее методов (РискМетрикс, исторического моделирования, Монте-Карло) представлены в табл 2

Таблица 2

Результаты сравнительного тестирования различных моделей оценки фондовых рисков на основе Уай

Модели оценки УаК Критерии точности оценки VaR

Относительная частота превышения, % Показатель максимального правдоподобия

Уровень значимости, %

5 2,5 1 0,5 5 2,5 1 0,5

РискМетрикс 6,48 4,29 2,74 2,1 4,63 11,89 22,67 31,23

Ист моделирование 5,1 2,92 1,37 0,91 0,03 0,744 U4 3

Монте-Карло 5,9 4 2,55 1,73 1,891 8,74 18,71 20,38

Модель на основе теории экстремальных значений 5,29 2,1 0,82 0,27 0,193 0,77 0,38 1,35

Критические значения

3,84 | 5,02 | 6,63 | 7,88

Результаты бэк-тестинга показали, что наиболее точная оценка фондовых рисков на основании показателя рисковая стоимость (Value at Risk, VaR) по

обоим критериальным показателям обеспечивают историческое моделирование и предложенная диссертантом модель, основанная на теории экстремальных значений Модели Рискметрикс и Монте-Карло свидетельствуют об ограниченных возможностях их использования в условиях России, ибо они недооценивают величину фондового риска

Таким образом, анализ результатов бэк-тестинга представляет интерес только в сопоставлении точности расчета УаЯ па основе использования исторического моделирования и предложенной автором модели на основе теории экстремальных значений Из этого сопоставления следует, что использование предложенной диссертантом модели, в сравнении с историческим моделированием, позволяет достичь практически одинаковую точность расчета УаЛ при уровнях значимости 5% и 2,5%, но более высокую точность при уровнях 1% и 0,5%.

Это означает, что в случае предъявления к точности оценки фондовых рисков более высоких требований, соответствующих уровням значимости 1% и 0,5%, наиболее приемлемой является модель, основанная на теории экстремальных значений В остальных случаях наряду с данной моделью может также использоваться историческое моделирование.

Тестирование моделей оценки фондового риска в стрессовых условиях. В этих целях автором был разработан кризисный сценарий для российского фондового рынка, на основе которого было рассчитано изменение индекса РТС за 100 дней кризисного периода С использованием полученных значений индекса было проведено стресс-тестирование на основе критериев, аналогичных тем, которые применялись при бэк-тестинге

Согласно результатам стрессового тестирования, наихудшие результаты показало историческое моделирование, причиной чему послужил тот факт, что данный метод базируется на прошлых значениях курсов ценных бумаг и не учитывает их доходности за пределами имеющейся выборки

Наилучшие результаты были достигнуты при использовании предложенной диссертантом модели Расчет риска с ее помощью показал несколько меньшую точность по сравнению с РискМетрикс для уровня значимости 5%, однако для всех остальных уровней модель продемонстрировала самую высокую точность оценки УаК

Третья группа проблем связана с разработкой практических рекомендаций по совершенствованию управления Фондовыми рисками применительно к российским условиям, на основе использования рискооцепочной модели, предложенной автором.

Спектр таких проблем, рассмотренных диссертантом, охватывает решение круга вопросов в четырех основных прикладных направлениях

Первое направление предусматривает разработку с использованием показателя рисковая стоимость (Value at Risk, VaR) методики оценки участниками фондового рынка риска отдельных ценных бумаг и инвестиционных портфелей

Такая методика, по мнению автора, включает следующие этапы 1) выбор объектов инвестирования, предусматривающий анализ динамики различных отраслей экономики и их инвестиционных возможностей По результатам анализа определяется список ценных бумаг, которые потенциально могут рассматриваться в качестве объектов инвестирования, 2) агрегация однотипных ценных бумаг в портфели, которая может производиться по отраслевому признаку, 3) определение требуемых инвестором значений доходности и риска инвестиционных активов (портфелей), соответствующих портфельной стратегии инвестора, 4) оценка на основании показателя рисковая стоимость (Value at Risk, VaR) риска отобранных для анализа ценных бумаг (портфелей), а также их доходности, 5) проведение сравнительного анализа доходности и риска ценных бумаг и портфелей с целью их дальнейшего ранжирования по степени инвестиционной привлекательности.

Практическая реализация описанной методики рассмотрена на примере гипотетической инвестиционной компании Инвест В качестве потенциальных объектов инвестирования рассматривались акции российских компаний, представленных на бирже РТС по состоянию на 1 января 2007г.

Автором были проанализированы отраслевые индексы биржи РТС, характеризующие динамику курсов акций компаний, работающих в следующих отраслях нефтяная и газовая промышленность, телекоммуникации, металургия, производство промышленных товаров, производство потребительских товаров Изменения этих индексов за 2006г представлены в табл 3

Таблица 3

Изменения отраслевых индексов РТС за 2006г.

Значение индекса Изменение,%

31 12 06 31 12 05

Нефть/газ 283,97 188,48 51%

Телекоммуникации 253,29 139,75 81%

Металургия 234,11 153,74 52%

Промышленные товары 244,26 140,74 74%

Потребительские товары 285,92 189,19 51%

Источник www its ru

В результате анализа данных табл 3 были выявлены две наиболее перспективные для инвестирования отрасли - производство промышленных

товаров и телекоммуникационная отрасль, по которым за 2006г. индексы РТС возросли, соответственно, на 74% и 81%

Далее в разрезе этих двух отраслевых индексов определены удельные веса входящих в них акций отдельных предприятий, в результате чего по наибольшим удельным весам было отобрано из каждой отрасли по одному предприятию-эмитенту применительно к производству промышленных товаров - ОАО Автоваз, из телекоммуникационной отрасли - ОАО Ростелеком Последующий анализ сводися к расчету и сравнению доходности и риска акций ОАО Автоваз и ОАО Ростелеком как наиболее привлекательных объектов инвестирования Результаты оценки доходности и риска указанных акций представлены в табл 4

Таблица 4

Показатели среднедневной доходности, дневного УаИ и модифицированного коэффициента Шарпа для акций ОАО Автоваз и ОАО Ростелеком за 2006г.

Эмитеит Среднедневная доходность за 2006г. Значение дневного Уай при уровне значимости 5% Модифицированный коэффициент Шарпа

ОАО Автоваз 0,34% 3,38% 0,095

ОАО Ростелеком 0,50% 3,5% 0,137

Сравнение параметров доходности и риска, представленных в табл 4, свидетельствует о противоречивом характере соотношения этих показателей. В частности, акции ОАО Автоваз проявляют и меньшую доходность (0,34%), и меньший риск (Уа11=3,38%), тогда как акции ОАО Ростелеком, наоборот, и большую доходность (0,5%), и больший риск (УаК=3,5%)

Чтобы ответить на вопрос, какому из этих двух финансовых инструментов дожен отдать предпочтение потенциальный инвестор, диссертант предлагает проанализировать соотношение показателей доходности и риска на основе модифицированного коэффициента Шарпа, который исчисляется по формуле Модифицированный Коэффициент Шарпа3 = - И} / Уа111, где Уа111 -значение УаЛ для 1-й ценной бумаги, Кл - доходность данной ценной бумаги, - безрисковая ставка доходности

Большая величина данного показателя соответствует лучшему соотношению доходности и риска, что определяет большую инвестиционную привлекательность того или иного актива. В нашем случае (табл. 4) более высокое значение модифицированного коэффициента Шарпа присуще акциям ОАО Ростелеком (0,137 против 0,095), следовательно, они более предпочтительны для потенциального инвестора, чем акции ОАО Автоваз

3 Немодифицированный коэффициент Шарпа исчисляется по аналогичной формуле, однако в нем вместо показателя УаЯ используется стандартное отклонение доходпостей активов

Второе направление рекомендательных разработок диссертанта связано с обоснованием на основе показателя рисковая стоимость (УаЯ) системы объективной оценки эффективности операций с ценными бумагами торговых подразделений банков, инвестиционных компаний и других участников фондового рынка с целью их дальнейшего совершенствования.

В частности, предложенная диссертантом модель расчета УаЯ может быть использована для оценки доходности и риска операций по купле-продаже ценных бумаг, выпоняемых отдельными трейдерами торговых подразделений, что делает возможной разработку объективных критериев дифференциации размеров выплачиваемого им комиссионного вознаграждения Методический подход к реализации данных мероприятий сводится к следующим этапам:

1) сбор статистической информации о совершаемых трейдерами торговых операциях (сдеках) Результат каждой сдеки дожен быть отражен в специальной базе данных, включающей такие реквизиты, как личные данные трейдера, наименование финансового инструмента, выступающего предметом сдеки, тип операции (покупка или продажа), дата, время и сумма сдеки и др.

2) Определение доходности и риска операций (сделок) каждого трейдера

3) оценка эффективности работы каждого трейдера по таким критериям, как средняя доходность и УаЯ в расчете на одну торговую сдеку, а также значение модифицированного коэффициента Шарпа для операций каждого трейдера, 4) расчет дифференцированных размеров комиссионного вознаграждения трейдерам

Диссертантом предлагается для внедрения в практику инвестиционной деятельности конкретный, экспертно обоснованный автором в виде таблицы механизм расчета денежных выплат трейдерам в целях стимулирования их труда (табл 5) Размер выплат определяется в процентах от заработанной трейдером прибыли, с учетом средней доходности одной торговой операции и уровня риска, выраженного показателем УаЯ в процентах от стоимости инвестиционного портфеля трейдера

Таблица 5

Примерные размеры денежных выплат трейдерам по итогам их работы

Средняя Значения УаЯ, в % от стоимости инвестиционного

портфеля трейдера

доходность одной торговой операции, % 0-1 1-2 2-5 >5

Размер комиссионного вознаграждения трейдера, в % от полученной им прибыли

0-1 1 1 0 50 0

1-2 2 1 0 50 0

2-5 3 2 1 50 1

>5 4 3 2 50 2

Конкретная илюстрация оценки работы трейдеров и стимулирования их труда отражена в табл 6, на основе которой видно, что наилучшей оценки заслуживает работа трейдера №3, у которого самые высокие показатели полученной прибыли и средней ставки доходности одной операции, а также, несмотря на самый высокий уровень риска, - наибольшее значение модифицированного коэффициента Шарпа Это говорит о том, что трейдеру удалось сбалансировать риск и доходность его операций Второе место занимает трейдер №1, а третье - трейдер №2 В соответствии с результатами работы определены и размеры материального поощрения трейдеру №1 - 376 тыс руб, трейдеру №2 - 43 тыс.руб; трейдеру №3 - 443 тыс

Таблица 6

Оценка результативности работы трейдеров условной инвестиционной

компании

Показатели Трейдер №1 Трейдер №2 Трейдер №3

Средняя доходность одной сдеки, % 1,77 1.19 2,63

Заработанная прибыль, тыс руб 18800 8634 22130

Значения УаЯ при уровне значимости 5%, тыс руб 196 250 290

Коэффициент Шарпа 0,892 0,468 0 900

Размер комиссионного вознаграждения, тыс руб 376 43 443

Третье направление практических рекомендаций связано с разработкой агоритма расчета величины капитала, резервируемого банками, инвестиционными компаниями и тп под покрытие фондовых рисков Такой агоритм включает 1) оценку текущей стоимости портфеля ценных бумаг на основе котировок входящих в него финансовых инструментов, 2) расчет на основе предложенной автором модели величины УаЯ на текущую дату и запись в специализированной базе данных организации, 3) расчет величины резерва капитала под покрытие фондового риска*, 4) оценка точности расчета величины резерва на основе определения числа превышений фактическими убытками величины созданного резерва.

Для анализа изменений величины резервируемого капитала, автором помимо аналитического, предложен также графический метод Илюстрация динамики созданного резерва представлена ниже на рис 2

4 Расчет осуществляется по формуле МИС> = тах (УаЯ/-1, 3 Ч 1-1)

где - МЯО: Ч величина средств, резервируемых в день 1, УаШ-1 Ч значение УаЯ в день 1-1

э.эоо \

3,100 [

a.soo g

2.700 pj'

1500 a re

а.зоо *

L,.Щ T-,-,-,-rЧ" E г I f -..T , . , 1jWil

.- t dl ^ ( Ю т- ч- ( TЧ Ш ч1 "7

HOl№|] naGinWHiiii

Рис. 2. Величина резервного капитала под покрытие фондового риска

За рассматриваемый период (2006г.) не было зафиксировано ни одного превышения фактическими убытками величины созданного резерва, что говорит о том, что резерв обеспечивает достаточный уровень страховки участника фондового рынка от непредвиденных потерь.

Четвертое направление рекомендаций диссертанта касается решения проблемы совершенствования финансовой отчетности участников фондового рынка, е целью раскрытия ими информации о фондовом риске.

Автором было проведено исследование отчетности десяти крупнейших российских банков - МДМ Банк, Урале и 6, Альфа-Банк, Банк Москвы и др., состоящих также в числе крупнейших операторов фондового рынка, на предмет поноты отражения рыночных рисков, включая фондовые, и моделей, используемых для их оценки. Анализ показал недостаточное раскрытие информации указанными банками, поскольку в большинстве случаев в отчетности отсутствовало как описание используемых моделей оценки фондовых рисков, так и их количественная оценка.

Продожением анализа явилось обобщение опыта подготовки отчетности пяти ведущих банков мира; ING Bank, ABN Am го. JP Morgan, Credit Suisse First Boston, Sciete Generale, и разработка ну его основе допонения к финансовым отчетам российских участников фондового рынка.

Допонение включает следующие основные элементы: описание методологии оценки фондов ых рисков па основании предложенной диссертантом модели оценки VaR; расчетные значения VaR для различных классов финансовых активов (портфелей), оценка точности модели расчета VaR; меры контроля фондовых рисков и предупреждения последствий их проявления.

Такие допоняющие отчет сведения способствуют повышению прозрачности деятельности субъектов фондового рынка, которая послужит для потенциального инвестора важным ориентиром выбора правильного направления вложения капитала в ценные бумаги.

В заключение работы формулируются основные выводы и рекомендации, полученные в результате проведенного исследования

Основные положения диссертации отражены в следующих публикациях:

1 Лазутов М Р Критический анализ основных методов расчета Value at Risk // Управление риском - 2006 - №3 (39) - 0,6 п л - журнал по списку ВАК.

2 Лазутов MP Модели оценки рыночного риска на рынке ценных бумаг -М Макс-Пресс, 2005 - 3,25 п л

3 Лазутов М Р Проблемы оценки рыночного риска в российских условиях // Материалы Межвузовской научной конференции Современное состояние, инструменты и тенденции развития фондового рынка - М Издательский дом ГУ ВШЭ, 2005 - 0,3 п л

4 Лазутов М Р Современные методы оценки рыночного риска // Материалы 19-й Всероссийской научной конференции молодых ученых и студентов Реформы в России и проблемы управления - 2004 - М ГУУ, 2004 - 0,1 п л

5 Лазутов М Р Количественные методы оценки рыночного риска от стандартного отклонения к когерентным мерам риска // Тезисы докладов 12-го Всероссийского студенческого семинара Проблемы управления -М ГУУ, 2004 - 0 1 п л

6 Лазутов М Р Формирование эффективного инвестиционного портфеля с недвижимостью // Материалы Всероссийской конференции молодых ученых и специалистов Молодые ученые - землеустроительной науке -М ГУЗ, 2004 - 0 3 п л

Подписано к печати 28 05 07

Формат издания 60x84/16 Бум офсетная №1 Печать офсетная Печл 1,5 Уч-издл 1,4 Тираж 100 экз

Заказ № 4083

Типография издательства МЭСИ 119501, Москва, Нежинская ул, 7

Диссертация: содержание автор диссертационного исследования: кандидат экономических наук , Лазутов, Максим Рудольфович

Введение.

Глава 1. Методология оценки фондового риска.

1.1. Рыночный риск: сущность, классификация и управление.

1.2. Методы оценки фондового риска в зарубежной практике: сравнительный анализ.

1.3. Российская практика оценки фондового риска.

1.4. Ограничения основных моделей оценки фондового риска.

Глава 2. Построение модели оценки фондового риска на основе теории экстремальных значений.

2.1. Теория экстремальных значений как методологическая основа модели оценки фондового риска.

2.2. Инструментарий и агоритм использования предлагаемой модели оценки риска.

2.3. Оценка эффективности построенной модели путем ее тестирования на исторических данных и в условиях кризисов на фондовых рынках.

Глава 3. Практическая реализация построенной модели оценки фондового риска.

3.1. Области применения модели оценки фондового риска.

3.2. Методика оценки риска ценных бумаг и инвестиционных портфелей.

3.3. Разработка системы оценки эффективности торгового подразделения участника фондового рынка.

3.4. Построение методики оценки величины капитала, резервируемого под покрытие фондовых рисков.

3.5. Разработка допонения к финансовой отчетности, обеспечивающего раскрытие информации о фондовом риске.

Диссертация: введение по экономике, на тему "Управление фондовыми рисками на основе применения и совершенствования моделей их оценки"

Актуальность исследования. За последние два десятилетия на мировых рынках ценных бумаг, включая российские, резко обострилась проблема точности оценки фондовых рисков с целью их правильного учета и прогнозирования в процессе управленческо-финансовой деятельности. Это было связано с повышением волатильности рынков ценных бумаг, а также рядом крупных кризисов, затронувших как сложившиеся, так и развивающиеся финансовые рынки, например, кризис 1987г. в США, обвал азиатских фондовых рынков в 1997г., российский августовский кризис 1998г., обвал рынка акций высокотехнологичных компаний NASDAQ в 2000г., корпоративные скандалы 2001-2002г. и др.

Данные обстоятельства обусловливают важность применения адекватных методов оценки и управления фондовыми рисками, т.е. рисками потерь, связанных с неблагоприятным изменением курсовой стоимости входящих в инвестиционный портфель финансовых инструментов.

В свою очередь, необходимость оценки фондовых рисков вызвала потребность в моделях, позволяющих максимально точно измерить эти риски и при этом дающих легко интерпретируемые и понятные широкому кругу инвесторов и менеджеров результаты.

В настоящее время на Западе для измерения фондовых рисков широко используется показатель рисковая стоимость1. Данный показатель был рекомендован Базельским комитетом по банковскому регулированию, который предписал финансовым организациям применять его при расчете резервов капитала, выделяемых на покрытие фондовых рисков. Сегодня подразделение по управлению рисками практически любого западного банка рассчитывает показатель рисковая стоимость на регулярной основе и использует его для принятия управленческих решений.

Передовые технологии оценки и управления фондовыми рисками получают активное распространение и в России, что обусловлено высокими темпами роста банковской системы и, как следствие, повышением объема операций банков и других организаций на финансовых рынках. Согласно статистике Банка России, за период с 2004 по 2007гг. вложения российских банков в акции практически утроились. Увеличение объемов операций финансовых организаций с ценными бумагами привело к повышению фондовых рисков. В частности, отношение фондового риска к банковскому капиталу возросло с 12% в 2004г. до 20% в 2007г. Англоязычный эквивалент данного термина - Value at Risk, VaR. 3

Еще одним фактором, стимулирующим использование современных моделей оценки риска, был переход банков на международные стандарты финансовой отчетности (МСФО) и, как следствие, повышение требований к раскрытию информации. Согласно Международным стандартам, финансовые организации обязаны раскрывать в приложении к финансовой отчетности информацию об их финансовых рисках.

Указанные обстоятельства делают актуальным исследование существующих и разработку новых моделей оценки фондовых рисков, пригодных для использования в нашей стране.

Степень разработанности проблемы. Проблемы оценки и управления фондовым риском нашли отражение в трудах ведущих зарубежных ученых и специалистов-практиков: Джориона Ф., Догерти Н., Доуда К., Марковича Г., Мандельброта Б., Фама Е., Хала Д., Шарпа У., Эмбрехта П. и др.

В работах зарубежных авторов были предложены подходы к оценке фондового риска, проведено тестирование различных моделей, сформулированы рекомендации по практическому использованию той или иной модели.

Глубокая разработанность проблематики оценки фондовых рисков в работах западных авторов была обусловлена высоким уровнем развития банковских систем зарубежных стран, активным участием банков в операциях на финансовых рынках, а также надзором со стороны наблюдательных органов, способствующих внедрению передовых технологий управления фондовыми рисками. В частности, предписания Базельского комитета по банковскому регулированию о необходимости использования банками собственных моделей оценки фондовых рисков при расчете величины резервного капитала, послужили стимулом для исследователей к разработке эффективных моделей оценки риска, и, как следствие, - большого числа научных работ и методических материалов.

Что касается российской практики оценки рыночных, в том числе фондовых, рисков, то в настоящее время научная школа и методологическая база находятся в стадии формирования. Как правило, российские риск-менеджеры ориентируются на западные методики расчета рыночных рисков, адаптируя их к конкретным условиям. Из числа ведущих отечественных исследователей можно выделить: Вокова С.Н., Лобанова A.A., Лукашова A.B., Меньшикова И.С., Рогова М.А., Самохвалова О.В., Смирнова С.Н., Чугунова A.B., Шелагина Д.А. и др.

Однако быстрые изменения, происходящие на фондовых рынках, обнаруживают недостаточные возможности действующих моделей оценки фондовых рисков и диктуют 4 необходимость их совершенствования. Эти обстоятельства определили цель, задачи и структуру настоящего диссертационного исследования.

Цель и задачи исследования. Целью данной работы является анализ моделей оценки фондовых рисков, используемых в мировой практике, разработка на его основе наиболее рациональных инструментов такой оценки, а также направлений совершенствования управления данными рисками в условиях России.

В соответствии с поставленной целью были определены следующие задачи:

Х сформулировать основные методологические подходы, связанные с совершенствованием управления фондовыми рисками на российских рынках ценных бумаг;

Х провести анализ моделей оценки фондовых рисков, используемых в мировой практике, и определить возможности и ограничения их применения в условиях России;

Х используя аппарат теории экстремальных значений, построить рациональную рискооценочную модель, наиболее поно соответствующую условиям России и дающую возможность преодолеть ограничения традиционно используемых моделей;

Х сформулировать и обосновать преимущества предлагаемой автором модели в сравнении с традиционными моделями, путем их тестирования на основе исторических значений курсов ценных бумаг российского фондового рынка, а также в условиях кризисов;

Х разработать методику практического применения предложенной автором рискооценочной модели на фондовых рынках России;

Х сформулировать рекомендации по совершенствованию управления фондовыми рисками на основе построенной модели на примере условной инвестиционной компании.

Объект и предмет исследования. Объектом исследования являются риски российских фондовых рынков и его участников.

Предметом исследования выступают модели и методы оценки фондовых рисков.

Теоретическая и методологическая основы диссертации. Теоретической основой исследования послужили научные труды отечественных и зарубежных авторов в области общей теории рисков; управления рисками инвестиционной деятельности на рынке ценных бумаг; концептуальные подходы и методики оценки фондовых рисков в целях их правильного учета и прогнозирования, включая экономико-математический инструментарий построения рискооценочных моделей.

В ходе проведенного исследования применялись такие методы, как дедуктивный, абстрактно-логический, сравнительного и ситуативного анализа, статистические, экономико-математические, экспертных оценок и др.

В качестве основных источников информации использовались данные по финансовым рынкам России и зарубежных стран, российские и зарубежные законодательные и нормативные документы, статьи в специальной периодической литературе, материалы научных конференций, симпозиумов и семинаров.

Научная новизна и результаты исследования. Научная новизна исследования состоит в разработке и обосновании эффективной модели оценки фондовых рисков, позволяющей осуществлять более точный в сравнении существующими моделями учет, прогнозирование и предупреждение указанных рисков.

В ходе проведения диссертационного исследования автором получены следующие результаты:

1. Выявлены ограничения традиционно используемых в России моделей оценки фондовых рисков, к которым относятся: невозможность применения модели в случае невыпонения условия нормальности распределения доходностей финансовых инструментов; ограниченность масштабов выборки, и, как следствие, пределов расчета значений рисков; дискретный характер исчисления рисков, предполагающий невозможность их выражения как непрерывной функции; ограниченность анализа имеющейся выборкой исторических значений курсов ценных бумаг; недостаточная точность оценки рисков и др.

Проведенный анализ доказал, что традиционно применяемые модели не в поной мере отвечают потребностям практики, что диктует необходимость разработки новых моделей оценки рисков, соответствующих условиям фондовых рынков России.

2. Сформулированы и обоснованы требования к моделям оценки фондовых рисков, удовлетворение которых позволит выйти за рамки вышеуказанных ограничений их применения. К ним относятся: возможность проведения анализа рисков за пределами имеющейся выборки; возможность получать оценки рисков в аналитическом виде, выражая их функционально; независимость от характера распределения доходностей финансовых активов; обеспечение достаточной точности в условиях резких колебаний котировок на фондовых рынках.

Учет указанных требований риск-менеджерами при построении моделей оценки фондовых рисков позволяет обеспечить адекватность этих моделей российским условиям, и, как следствие, - повысить точность оценки рисков и качество управления ими.

3. Разработана модель оценки фондового риска, в основу которой была положена теория экстремальных значений, позволяющая формализовать характерные для российского рынка сильные и непредсказуемые движения курсов ценных бумаг.

Это дало возможность достичь ряд преимуществ перед традиционно используемыми моделями, заключающихся в том, что предлагаемая модель обеспечивает: решение проблемы отсутствия нормальности распределения доходностей ценных бумаг; сокращение затрат времени на проведение рискооценочных работ; возможность выразить показатель рисковая стоимость в виде функции от уровня значимости и длины временного интервала; позволяет производить оценку фондового риска за пределами имеющейся выборки исторических значений котировок; способна оценивать вероятность реализации крупных (лэкстремальных) убытков.

4. Доказано путем сравнительного анализа точности традиционных рискооценочных моделей (РискМетрикс, исторической симуляции, Монте-Карло) и предложенной автором модели, с использованием объективных критериев оценки - максимального правдоподобия (Likelyhood ratio) и относительной частоты превышения (Excess rate), что на основе модели автора достигается более точная вероятностная оценка фондовых рисков, обеспечивающая эффективное управление ими в условиях России. Это позволило обосновать целесообразность внедрения предлагаемой модели в практику управления рисками банков, инвестиционных компаний и других участников фондового рынка.

5. На базе предложенной модели разработана методика анализа рискованности ценных бумаг и инвестиционных портфелей, позволяющая осуществлять их ранжирование по двум важнейшим и одновременно противоречивым критериям -доходности и риску, в целях дальнейшего формирования эффективной портфельной стратегии инвесторов на фондовых рынках. Модифицирован коэффициент Шарпа, в части использования для его расчета показателя VaR взамен стандартного отклонения. Это повысило информативность указанного коэффициента, а именно - дало возможность агрегировать риски различных классов финансовых активов; позволило определять размеры рисковых убытков с заданной вероятностью и др.

6. Разработан агоритм оценки эффективности операций с ценными бумагами торговых подразделений банков, инвестиционных компаний и других участников фондового рынка, с целью реализации мероприятий по управлению фондовым риском -диверсификации, изменения допустимых лимитов и др., а также стимулирования труда трейдеров торговых залов. Агоритм включает в себя следующие шаги: сбор статистической информации о совершаемых сдеках с ценными бумагами; определение доходности и риска операций каждого трейдера; оценка эффективности каждого трейдера и торгового подразделения в целом по таким критериям, как средняя доходность и УаЯ в расчете на одну сдеку, а также значение модифицированного коэффициента Шарпа; использование полученных оценок для осуществления мероприятий по управлению риском.

Кроме того, на основе указанного агоритма разработан и предлагается для внедрения в практику инвестиционной деятельности конкретный, в виде таблицы, механизм расчета комиссионного вознаграждения трейдерам по итогам их работы.

7. Предложена методика оценки величины капитала, резервируемого под покрытие фондовых рисков организации, позволяющая определять размер резерва применительно как к отдельным финансовым инструментам, так и к инвестиционным портфелям. Методика соответствует современным подходам к оценке достаточности капитала, отраженным в рекомендациях Базельского Комитета и способна гибко реагировать на изменения котировок на фондовых рынках.

8. Доказано на основе анализа финансовой отчетности крупнейших российских банков (Альфа-Банк, Внешторгбанк, Газпромбанк, МДМ-Банк, Росбанк и др.), что риски операций на российских фондовых рынках недостаточно подробно раскрываются даже ведущими их участниками. В целях повышения качества раскрываемой информации, разработано приложение к финансовой отчетности участника фондового рынка, включающее в себя следующие основные элементы: описание методологии оценки фондовых рисков на основе предложенной диссертантом модели; расчетные значения УаЯ для различных классов финансовых инструментов (портфелей); оценку точности модели расчета УаЯ; меры контроля фондовых рисков и предупреждения последствий их проявления. Приложение учитывает опыт ведущих зарубежных банков и отвечает требованиям, предъявляемым Международными стандартами финансовой отчетности (МСФО).

Теоретическая значимость исследования состоит в совершенствовании методологии управления фондовыми рисками в российских условиях на основе новой модели их оценки, обеспечивающей более высокую точность расчетов. В основе этой модели лежит теория экстремальных значений - направление теории вероятностей, 8 которое сравнительно недавно начало использоваться для оценки рисков в развитых странах, но еще не получившее распространения в России. Данная работа, раскрывая прикладные аспекты аппарата теории экстремальных значений, предоставляет российским риск-менеджерам эффективный инструмент оценки фондового риска.

Практическую значимость работы определяет то, что разработанные автором рискооценочная модель, методика ее применения, а также агоритм и рекомендации по обоснованию эффективности торговых операций на фондовых рынках, с учетом стимулирования труда трейдеров, могут непосредственно использоваться риск-менеджерами банков, инвестиционных компаний и других организаций для повседневной оценки и управления фондовыми рисками. Кроме того, предложенное автором допонение к финансовому отчету, обеспечивающее раскрытие информации о фондовом риске организации, позволит более объективно оценить ее реальное финансовое состояние в целях разработки мероприятий по управлению рисками.

Материалы диссертационного исследования могут также использоваться в учебном процессе высших учебных заведений, а также на курсах повышения квалификации работников, занятых в сфере биржевой торговли, управления финансовыми рисками, страховании.

Апробация работы. Основные положения работы докладывались и обсуждались на научно-практических семинарах: 19-ая Всероссийская научная конференция Реформы в России и проблемы управления-2004 (январь 2004 г., Государственный Университет Управления, г.Москва), 12-й Всероссийский студенческий семинар Проблемы управления (февраль 2004 г., Государственный Университет Управления, г.Москва), межвузовская научная конференция Современное состояние, инструменты и тенденции развития фондового рынка (май 2004 г., Московский Государственный Институт Международных отношений).

Работа выпонена в соответствии с пп. 3.6, 9.17 паспорта специальности 08.00.10 -Финансы, денежное обращение и кредит.

Публикации. По материалам исследования опубликовано шесть работ общим объемом 4.6 п.л. Все публикации авторские.

Структура работы. Диссертация состоит из введения, трех глав, заключения, списка литературы и приложений.

Диссертация: заключение по теме "Финансы, денежное обращение и кредит", Лазутов, Максим Рудольфович

Заключение

В настоящем исследовании была рассмотрена как западная, так и российская практика оценки фондового риска на основе показателя рисковая стоимость (Value at Risk), который сегодня широко используется для измерения рыночного риска на западе и получает всё большее распространение в нашей стране.

На основании анализа работ ведущих российских и зарубежных авторов были выделены модели, использующиеся участниками российского фондового рынка для оценки рыночного риска - ковариационные, исторические, Монте-Карло. В то же время, как было показано, используемые модели имеют ряд ограничений, что снижает эффективность их практического применения.

Основным ограничением исторического моделирования является то, что выборка, имеющаяся в распоряжении аналитика, является конечной и позволяет получать оценки фонового риска только в определенных пределах. Также данный метод не позволяет получить выражение для показателя рисковая стоимость (Value at Risk, VaR) в аналитическом виде (т.е. в виде непрерывной функции от уровня значимости).

Недостатком ковариационных моделей является лежащая в их основе предпосыка о нормальности распределения доходностей входящих в портфель финансовых активов, что не выпоняется на российских фондовых рынках.

Что касается моделирования Монте-Карло, то, во-первых, расчеты при его использовании требуют значительных временных затрат; во-вторых, необходимо делать предпосыки относительно типа распределения доходностей финансовых активов, для которых проводится моделирование; в-третьих, как и при использовании исторического моделирования, отсутствует возможность получить функцию, которая бы связывала различные значения VaR и уровни значимости.

Для устранения указанных ограничений, возникающих при оценке фондового риска с помощью традиционных моделей, в настоящей работе была разработана альтернативная модель, основанная на теории экстремальных значений. Использование данной теории в практике расчета фондового риска дало возможность снять ряд ограничений, свойственных традиционным моделям. В частности, построенная модель:

- позволяет решить проблему отсутствия нормальности распределения доходностей на финансовых рынках;

- сокращает временные затраты, необходимые для оценки рисков;

- дает возможность получить аналитическое (функциональное) выражение для показателя рисковая стоимость;

- позволяет производить оценку риска за пределами имеющейся выборки исторических значений курсов ценных бумаг.

Для обоснования целесообразности практического использования построенной модели, был проведен сравнительный анализ точности оценки риска с помощью разработанной автором модели на основе теории экстремальных значений и традиционных моделей (РискМетрикс, историческое моделирование, Монте-Карло) как на данных по доходностям индекса РТС, так и на смоделированных данных, соответствующих кризисным процессам на фондовом рынке. В результате анализа было оценено соответствие прогнозных значений риска, получаемых на основе каждой из моделей, его фактическим значениям. Проведенные расчеты показали, что, во-первых, использование теории экстремальных значений для оценки фондового риска обеспечивает более высокую по сравнению с РискМетрикс точность оценки риска для всех уровней значимости.

Во-вторых, предложенная автором модель обеспечивает примерно такую же точность расчета, как и историческое моделирование для уровней значимости 5% и 2,5% и более высокую точность для уровней значимости 1% и 0,5%. Следовательно, по степени точности модель на основе теории экстремальных значений в целом не уступает историческому моделированию, а для некоторых уровней значимости - превосходит его. В то же время необходимо отметить, что, несмотря на то, что для некоторых уровней значимости данные методы дают сопоставимую точность расчетов, предложенная автором модель обладает рядом допонительных преимуществ, что делает ее более привлекательным методом оценки фондового риска.

В-третьих, в условиях кризисных процессов на финансовом рынке, модель на основе теории экстремальных значений также является наиболее предпочтительным методом оценки рыночного риска.

Основываясь на результатах проведенного исследования, можно сделать вывод, что разработанная автором модель может с успехом использоваться для оценки фондового риска в российских условиях. Учитывая данное обстоятельство, в работе был разработан комплекс мер, обеспечивающих ее практическое внедрение в систему управления рисками организации, включающий в себя:

- разработку методики оценки риска отдельных ценных бумаг и инвестиционных портфелей;

- построение системы оценки эффективности операций торгового подразделения участника фондового рынка;

- построение методики оценки величины капитала, резервируемого под покрытие фондовых рисков;

- разработку приложения к финансовой отчетности, подготавливаемой в соответствии с МСФО, обеспечивающего раскрытие информации о величине фондового риска, методах его оценки и управления.

В то же время необходимо отметить, что, поскольку работы, посвященные применению теории экстремальных значений в финансах, в нашей стране практически отсутствуют, то материал, представленный в настоящей работе, не является исчерпывающим. Напротив, существуют определенные направления дальнейших исследований, которые позволили бы увеличить степень охвата рассматриваемой темы.

Во-первых, представляет интерес анализ различных методов расчета параметров в модели, основанной на теории экстремальных значений.

Во-вторых, перспективным является исследование возможности применения теории экстремальных значений в других областях, например, для моделирования доходностей финансовых инструментов, для анализа кредитного риска и др.

Данные вопросы автор планирует рассмотреть в дальнейших научных исследованиях.

Диссертация: библиография по экономике, кандидат экономических наук , Лазутов, Максим Рудольфович, Москва

1. Бартон Т. JL, Шенкир У., Уокер П. Комплексный подход к риск-менеджменту: стоит ли этим заниматься. М.: Издательский дом Вильяме, 2003. С. 14-69.

2. Беляков А. В. Банковские риски: проблемы учета, управления и регулирования. -М.: Издательская группа БДЦ-пресс, 2003 256 с.

3. Буренин А.Н. Рынок ценных бумаг и производных финансовых инструментов. М.: НТО им.С.И.Вавилова, 2002. - 348 с.

4. Васютович А., Сотникова Ю. Рыночный риск: измерение и управление // Банковские технологии. 1998. - №1.

5. Галиц JI. Финансовая инженерия. Инструменты и способы управления финансовым риском. М.: ТВП, 1998. - 576 с.

6. Гмурман В.Е. Теория вероятностей и математическая статистика. М.: Высшая Школа, 1999.-480 с.

7. Заявление Правительства Российской Федерации и Центрального банка Российской Федерации О Стратегии развития банковского сектора Российской Федерации на период до 2008 года // М., 2005. 5 апреля.

8. Зорин A. Value at Risk как мера торговых стратегий. // Рынок ценных бумаг. -2005. -№12(291).

9. Инструкция Банка России №1 О Порядке регулирования деятельности банков от 1.10.1997.

10. Инструкция Банка России №110-И Об обязательных нормативах банков от 16.01.2004.

11. Информация об основных результатах анкетирования кредитных организаций по вопросам стресс-тестирования. М.: Банк России, 2003.

12. Лазутов М.Р. Количественные методы оценки рыночного риска: от стандартного отклонения к когерентным мерам риска. // Тезисы докладов 12-го Всероссийского студенческого семинара Проблемы управления. М.: ГУУ, 2004.

13. Лазутов М.Р. Критический анализ основных методов расчета Value at Risk // Управление риском. 2006. - №3 (39).

14. Лазутов М.Р. Модели оценки рыночного риска на рынке ценных бумаг. М.: Макс-Пресс, 2005. - 52 с.

15. Лазутов М.Р. Проблемы оценки рыночного риска в российских условиях. // Материалы Межвузовской научной конференции Современное состояние, инструменты и тенденции развития фондового рынка. М.: Издательский дом ГУ ВШЭ, 2005.

16. Лазутов М.Р. Современные методы оценки рыночного риска. // Материалы 19-й Всероссийской научной конференции молодых ученых и студентов Реформы в России и проблемы управления 2004. - М.: ГУУ, 2004.

17. Ларионова И.В. Методы управления рисками кредитной организации и способы их ограничения // Бизнес и банки. 2000. - №40.

18. Лобанов А. Проблема метода при расчете value at risk // Рынок ценных бумаг. -2000.-№21.

19. Лобанов А. Регулирование рыночных рисков банков на основе внутренних моделей расчета VaR // Рынок ценных бумаг. 2000. - №9.

20. Лобанов А., Порох А. Анализ применимости различных моделей расчета value at risk на российском рынке акций // Рынок ценных бумаг. 2001. - №2.

21. Логовинский Е., Тихонов В. Управление рыночными рисками // Ведомости. 2003. -16.09.

22. Лукашов A.B. Риск-менеджмент // Управление корпоративными финансами. 2005. - №5.

23. Магнус Я.Р., Катышев П.К., Пересецкий A.A. Эконометрика. Начальный курс. М.: Дело, 2000. - 400с.

24. Медведев В.Г., Салин В.Н. Статистическая оценка и управление рисками в современной экономике // Проблемы управления банковскими и корпоративными рисками. М.: Финансы и статистика, 1995. - С. 84 - 98.

25. Меньшиков И.С., Шелагин Д.А. Рыночные риски: модели и методы // www.fast.ane.ru/menshikov/var.htm.

26. Обзор банковского сектора Российской Федерации. М.: Банк России. - 2006. -Декабрь. - 72 с.

27. Отчет о развитии банковского сектора и банковского надзора в 2005 году. М., Полиграфбанксервис, 2006. - 121 с.

28. Официальное сообщение О переходе банковского сектора Российской Федерации на международные стандарты финансовой отчетности. Банк России - 2003. -июнь.

29. Письмо Банка России №19-Т О методических рекомендациях О порядке составления и представления кредитными организациями финансовой отчетности от 10.02.2006.

30. Письмо Банка России №70-Т О типичных банковских рисках от 23.06.2004.

31. Положение Банка России №89-П О порядке расчета кредитными организациями размера рыночных рисков от 24.09.1999 (с изменениями от 20 апреля 2001 г., 18 апреля 2002 г., 30 ноября 2004 г.).

32. Положение Банка России №255-П Об обязательных резервах кредитных организаций от 29.03.2004 г.

33. Пути повышении прозрачности банковской деятельности // Доклад Базельского комитета по банковскому надзору и регулированию. 1998.- Сент.

34. Пшеничников В. Банковские риски: система классификации. // Рынок, деньги и кредит. 1998. - №6.

35. Рейтинг л200 крупнейших банков по размеру собственного капитала (по данным на 1 октября 2006г.) // Экономический еженедельник Коммерсантъ Деньги. 2006. -№47(603).-27 ноября.

36. Рекомендации Базельского комитета по банковскому надзору Внутренний аудит в банках и взаимоотношения надзорных органов и аудиторов // Регламентация банковских операций в нормативных документах. 2002. - №9.

37. Рогов М.А. Выбор методологии измерения рыночных рисков Value at Risk (VaR) для оценки валютных рисков в банке. // www.finrisk.ru.

38. Росляков К.В. Роль информации и прозрачности отчетности в оценке рисков. // Проблемы управления банковскими и корпоративными рисками. М.: Финансы и статистика, 1995. - С. 65 - 76.

39. Рукобратский П.В. Разработка системы комплексной оптимизации рыночного риска и доходности на промышленном предприятии. дис. канд. экон. наук // М., 2002. -199 с.

40. Самохвалов О.В. Моделирование и количественная оценка риска российских финансовых рынков. дис. канд. экон. наук. - М.: 2000. - 126 с.

41. Севрук В.Т. Проблемы анализа и прогнозирования финансовых и банковских рисков. // Проблемы управления банковскими и корпоративными рисками. М.: Финансы и статистика, 1995. - С. 109 - 124.

42. Смирнов С., Скворцов А., Дзигоева Е. Достаточность банковского капитала в отношении рыночных рисков: как улучшить регулирование в России // Аналитический банковский журнал. 2003. - №7(98).

43. Соколов Ю. А., Амосова Н. А. Система страхования банковских рисков. М.: ООО Издательство Элит, 2003. - 542 с.

44. Стратегия развития финансового рынка Российской Федерации на 2006-2008 гг. // Распоряжение Правительства Российской Федерации №793-Р от 1.06.2006.

45. Струченкова Т.В. Оценка валютного риска и прогнозирование валютного курса. -дис. канд. экон. наук. М.: 2000. - 180 с.

46. Указание Банка России №1363-У О составлении и представлении финансовой отчетности кредитными организациями от 25.12.2003.

47. Уткин Э.А. Риск-менеджмент. М.: Тандем, 1998. - 287 с.

48. Федеральный закон О банках и банковской деятельности № 317-ФЭ от 03.02.1996 г.

49. Фомина Е. Управление рисками: современные тенденции и практика // Рынок ценных бумаг. 2000. - №18.

50. Хохлов Н.В. Управление риском. М.: Юнити, 1999. - 238 с.

51. Шарп У.Ф., Александер Т.Д., Бэйли Д.В. Инвестиции. М.: Инфра-М, 2003. - 1028 с.

52. Шитенков Р.В. Методы оценки и управления финансовыми рисками: Автореферат диссертации на соискание ученой степени кандидата экономических наук. М., 2002.

53. Щукин Д. О методике оценки риска VaR // Рынок ценных бумаг. 1999. - №16.

54. Эдер А. Как играть и выигрывать на бирже // М.: Диаграмма, 2004. 349с.

55. Энциклопедия финансового риск-менеджмента / под ред. Лобанова, Чугунова. М.: Альпина Бизнес Букс, 2005. - 878 с.

56. Abken P.A. An Empirical Evaluation of Value at Risk by Scenario Simulation // Risk Analysis Division, Controller of the Currency. -2000. March. - 46 c.

57. ABN Amro Bank Annual Report 2005. Amsterdam: ABN Amro Bank, 2006. - 241 c.

58. Alexander C. Risk management & analysis. New York: John Wiley&Sons, 1999. - 360 c.

59. Alexander C. The handbook of risk management and analysis. New York: Wiley&Sons, 1997.-367 c.

60. Allen S. Financial risk management: A practitioner's guide to managing market and credit risk Hoboken, N.J.: John Wiley & Sons, 2003. - 288 c.

61. Amendment to the Capital Accord to Incorporate Market Risks. Basle Committee on Banking Supervision, 1996. - 54 c.

62. An internal model-based approach to market risk capital requirements. Basle Committee on Banking Supervision, 1995. - April. - 50 c.

63. Analytical tools of the FSAP. International Monetary Fund, World Bank, 2003 -25c.

64. A new capital adequacy framework. Basle Committee on Banking Supervision, 1999. -62 c.

65. Aragons J.R., Blanco C., Dowd K. Incorporating Stress Tests into Market Risk Modelling // Institutional Investor. 2001. - Spring. - C.45.

66. Balkena A., De Hann L. Residual Lifetime at Great Age // Annals of Probability. 1974. -№2. - C.792-804.

67. Bangia A., Diebold F., Schuermann T., Stroughair J. Modeling liquidity risk, with implications for traditional market risk measurement and management. The Wharton Financial Institutions Center, 1998. - 40 c.

68. Bensalah Y. Steps in Applying Extreme Value Theory to Finance: a Review // Bank of Canada working paper. 2000. - №2000-20. -31 c.

69. Berkovitz J. Evaluating the forecasts of risk models // Finance and Economics Discussion Series No. 1999-11. Board of Governors of the Federal Reserve System, 1999. - 35 c.

70. Berkovitz J. Coherent framework for stress-testing // Finance and Economics Discussion Series No. 1999-29. Board of Governors of the Federal Reserve System, 1999. - 60 c.

71. Best P. Stress-testing / In: Lore M., Borodovsky L. (eds.). The professional's handbook of financial risk management. Oxford, Butterworth-Heinemann, 2000. - C.233-260.

72. Blaschke W., Jones M., Majnoni G., Peria S. Stress testing of financial systems: An overview of issues, methodologies, and FSAP experiences // IMF Working paper No. 01/88. International Monetary Fund, 2001. - 25 c.

73. Burns P. The Quality of Value at Risk via Univariate GARCH // Burns Statistics working paper, 2002. October -19 c.

74. Cassidy C., Gizycki M. Measuring Traded Market Risk: Value at Risk and Backtesting Techniques // Research discussion paper №9708. Reserve Bank of Australia, 1997. - 40 c.

75. Credit Suisse Group Annual Report 2005. Zurich: NZZ Fletz AG, 2006. - 242 c.

76. Crouhy M., Galai D., Mark R. Model risk // Journal of Financial Engineering. 1998. - V. 7. - No. 3/4. - Sept./Dec. - c.267-288.

77. Cuoco D., Liu H. An Analysis of VaR-Based Capital Requirements // Wharton School, Olin School of Business, 2003. July. - 49 c.

78. Cupiec P. Internal Models, Subordinated Debt and Regulatorly Capital Requirements for Bank Credit Risk // IMF WP 02/157, Washington, 2002. C.5-10.

79. Danielson J., De Vries C. Tail Index and Quantile Estimation with Very High Frequency Data // Journal of Empirical Finance. 1997. №4.

80. Demirguc-Kunt A., Huizinga H. Market discipline and financial safety net design // Working paper 2183, World Bank, 1999. 52 c.

81. Derivatives: Practices and Principles. Global Derivatives Study Group, 1993. - 76 c.

82. Derman E. The future of modeling // RISK. 1997. - V. 10. - No. 12. - December. -C.164-167.

83. Diebolt J., El-Aroui M., Durbec V., Villan B. Estimation of Extreme Quantiles: Empirical tools for Methods Assessment and Comparison // International Journal of Reliability, Quality and Safety Engineering. 2000. - №1. - C.75-94.

84. Doherty N. A. Integrated risk management: Techniques and strategies for reducing risk // N.Y.: McGraw-Hill, 2000. 646 c.

85. Dowd K. Beyond value at risk: The new science of risk management. Chichester: John Wiley & Sons, 1998.-286 c.

86. Embrechts P. Extreme Value Theory in Finance and Insurance. Departement Mathematik ETH Zentrum, Zurich, 1999. -8 c.

87. Embrechts P., Kluppelberg C., Mikosch T. Modelling Extremal Events for Insurance and Finance. Berlin: Springer-Verlag, 1997. - 645 c.

88. Emmer S., Kluppelberg C., Trusdedt M. VaR A Measure for Extreme Risk. - Center for Mathematical Sciences, Munich University of Technology, 1998. -10 c.

89. Engel J., Gizicki M. Conservatism, accuracy and efficiency: Comparing value-at-risk methods // Discussion paper 2, Australian Prudential Regulation Authority. Reserve Bank of Australia, 1999. - March. - 30 c.

90. Fallon W. Calculating Value at Risk // Wharton Financial Institutions working paper. -1996.-№96-49.-39 c.

91. Fama E. Mandelbrot and the Stable Paretian Hypothesis // Journal of Finance. 1963. -№4. - C.420-429.

92. Fendler J., Michael S., Mosser P. An International Survey of Stress Tests // Current Issues in Economics and Finance. 2001. - №10. - 6 c.

93. Framework for internal control systems in banking organizations // Basle Committee on Banking Supervision, 1998.-31 c.

94. Framework for voluntary oversight // Derivatives Policy Group, 1995. 35 c.

95. Froot K. A., Stein J. C. Risk management, capital budgeting and capitalstructure policy for financial institutions: An integrated approach // Working paper 5403, National Bureau of Economic Research, 1996. 39 c.

96. Gavin J. Extreme value theory an empirical analysis of equity risk // UBS Warbung working paper, 2000. -9 c.

97. Gencay R., Selcuk F. Extreme value theory and Value at Risk: Relative performance in emerging markets. Ankara: Bilkent University, 2002. - 40 c.

98. Gencay R., Selcuk F., Ulugulyager A. High Volatility, thick tails and extreme value theory in Value-at-Risk estimation. Ankara: Bilkent University. - 2001. - 39 c.

99. Ghosh B.N. Global financial crises and reforms. Cases and Events // London: Routledge, 2001.-C.14.

100. Glasserman P., Heidelberger P., Shahabuddin P. Efficient Monte Carlo Methods for Value at Risk. NY: IBM Research Division, 2000. - April. -17 c.

101. Guth L., Sepetys K. Value at Risk: Variations on a theme // Global Energy Business. -2001,-May/June.-C.12-18.

102. Hendricks D. Evaluation of Value at Risk models using historical data // Federal Reserve Bank of New York Economic Policy Review. -1996. April. - 32 c.

103. Holtdorf C., Rudolf M. Risk management: Challenge and opportunity, Berlin: Springer Verlag, 2000.-415 c.

104. Holton G. Value at Risk: Theory and Practice. London: Academic Press, 2003. - C. 1423.

105. Holton G.A. History of Value-at-Risk: 1922-1998 // Contingency Analysis working paper,2002.-27 c.

106. Hull J.C. Options, futures and other derivatives, 5th ed. London.: Prentice Hall College Div., 2002.-744 c.

107. IAS 30 лDisclosures in the Financial Statements of Banks and Similar Financial Institutions. International Accounting Standards Board, 1991.

108. IAS 32 лFinancial Instruments: Disclosure and Presentation. International Accounting Standards Board, 2005.

109. Implementation of Basel II: Practical Considerations // Basle Committee on Banking Supervision, 2004. July. - 40 c.

110. ING Bank annual report for 2005. Amsterdam, ING Bank, 2006.

111. International convergence of capital measurement and capital standards: A revised framework. Basle Committee on Banking Supervision, June 2004. - 251 c.

112. Jarque, C., Bera A. Efficient Tests for Normality, Homoscedasticity and Serial Independence of Regression Residuals // Economics Letters. 1980. - №6. - C.255-259.

113. Jondeau E., Rockinger M. The tail behavior of stock returns: Emerging versus Mature Markets. Jouy-an-Josas: HEC-School of Management, Department of Finance, 1999. -57 c.

114. Jorion P. Financial risk manager instruction manual, 2nd ed. N.Y.: JohnWiley & Sons,2003.-832 c.

115. Jorion P. Predicting Volatility in the Foreign Exchange Market // Journal of Finance. -1995.-№2.

116. Jorion P. Value At Risk: The New Benchmark For Managing Financial Risk. N.Y.: McGraw-Hill, 2001. - 544 c.

117. JP Morgan Chase Annual Report 2005. New York: JP Morgan Chase&Co, 2006. - 144 c.

118. Kerkhof J., Melenberg B. Backtesting for Risk-Based Regulatory Capital. Amsterdam: Tilburg University, 2002. - Nov. - 30 c.

119. Kimball R. C. Economic profit and performance measurement in banking // New England Economic Review. 1998. - Jul-Aug. - C.35-53.

120. Lee T., Saltoglu B. Evaluating Predictive Performance of Value at Risk Models in Emerging Markets: A Reality Check. University of California and Marmara Universtity, 2001. January.-C.8-11.

121. Linsmeier T., Pearson N. Risk Measurement: an Introduction to Value at Risk // University of Illinois of Urbana Champaign working paper. 1996. - Jul. - 36 c.

122. Lo B. Latest Techniques in Market Risk Management and Job Requirements of Market Risk Managers // Materials of Professional Seminar on Risk Management. Hong-Kong, 2001.-C. 1-6.

123. Login F. From Value at Risk to Stress-testing: the Extreme Value Approach // Journal of Banking and Finance. 2000. - Jan. - c. 1097-1130.

124. Lopez J. An Academic Perspective on Backtesting and Stress-Testing // Presentation лCredit Risk Models and the Future of Capital Management, FRB of San Francisco. -2000.-August.-20 c.

125. Lopez J. Methods for evaluating Value-at-Risk estimates // FRBNY Economic Policy Review. 1998. - October. - C.l 19-124.

126. Lopez J. Regulatory Evaluation of Value at Risk Models // Working paper № 9651. -Wharton Financial Institutions Center, 1996. September. - C.6-11.

127. Lore M., Borodovsky L. The professional's handbook of financial risk management. -Oxford: Butterworth-Heinemann, 2000. 802 c.

128. Lucas A. Testing backtesting: An evaluation of the Basle guidelines for backtesting internal risk management models of banks // Research memorandum 1998-1. -Amsterdam: Vrije Universiteit, 1998.-25 c.

129. Mandelbrot B. The Variation of certain speculative prices // Journal of Business. 1963. -№35.

130. Manganelli S., Engle R. Value at Risk Models in Finance // European Central Bank working paper. 2001. - №75. -41c.

131. Manning P. Basel II: Unfinished business // GARP Risk Review. -2004. Sept-Oct. -4 c.

132. Markowitz H.M. Portfolio selection // Journal of Finance. -1952. №7 (1). - c.77-91.

133. Marshall D., Venkataraman S. Bank capital for market risk: A study in incentive-compatible regulation // Chicago Fed. Letter. 1996. - №104. - April. - 45 c.

134. Marten C. Managing bank capital: Capital allocation and performance measurement, 2nd ed. Chichester: John Wiley & Sons, 2000. - 354 c.

135. Matthys G., Beirlant J. Adaptive Threshold Selection in Tail Index Estimation // Leuven: Univercity Center for Statistics, Catholic University, 2000. -17 c.

136. McNeil A J. Extreme Value Theory for Risk Managers. Zurich: Departement Mathematik ETH Zentrum, 1997. - 22 c.

137. McNeil A.J., Frey R. Estimation of Tail Related Risk Measures for Heteroscedastic Financial Time Series: an Extreme Value Approach // Journal of Empirical Finance.2000. -Nov. -C.271-300.

138. McNeil A.J., Saladin T. The Peaks over Thresholds Method for Estimating High Quantiles of Loss Distributions. Zurich: Departement Mathematik ETH Zentrum, 1997. -21 c.

139. Medova E. Measuring Risk by Extreme Values // Risk. 2000. - Nov. - C.820-825.

140. Milne A., Whalley E. Bank capital and risk-taking // Working paper No. 90. Bank of England, 1998.-44 c.

141. Oldfield G.S., Santomero A.M. The place of risk management in financial institutions // Wharton Financial Institutions Center working paper, 1995. 39 c.

142. Pearson N. What's new in Value at Risk ? A selective survey // Global Risk management: Financial, Operational and Insurance Strategies, volume 3, 2002. C. 15-37.

143. Polasek W., Pojarliev M. Var Evaluation Based on Volatility Forecasts of GARCH Models // Institute of Statistics and Econometrics, University of Basel working paper,2001.- 13 c.

144. Pritsker M. The Hidden Dangers of Historical Simulation. Washington: The Federal Reserve Board, 2001. - 62 c.

145. Rahl L., Esseghaier Z. Measuring financial risk in the 21st century // Banking Accounting and Finance. 2000. - Spring. - C. 45-54.

146. Reiss R., Thomas M. Statistical Analysis of Extreme Values with Applications to Insurance, Finance, Hydrology and Other Fields // Basel: Birkhauser Verlag, 1997. 316 c.

147. RiskMetrics the technical document, 4th edition. - New York, 1996.

148. Rozario R. Estimating value at risk for the electricity market using a technique from extreme value theory // School of Banking and Finance, University of New South Wales,2002.-22 c.

149. Saita F., Sironi A. Market Risk Measurement and Capital Regulation: An Empirical Evaluation of Var Alternative Approaches. Bocconi Univercity, 1999. - Jan. - 34 c.

150. Sarma M. Testing EVT-based VaR Measures. Mumbai: Indira Gandhi Institute of

151. Development Research, 2001. 24 c.

152. Sarma M., Thomas S., Shah A. Performance Evaluation of Alternative VaR Models. -Mumbai: Indira Gandhi Institute of Development Research, 2000. C.5-10.

153. Sharpe W.F. A Simplified Model for Portfolio Analysis // Management Science. 1963. -№.2. - Jan. - C.277-293.

154. Simons K. The use of Value at Risk by institutional investors // New England Economic Review. 2000. - Nov-Dec. - C.30-31.

155. Societe Generate 2005 Review. Lyon: FOT, 2006. - 103 c.

156. Stress testing by large financial institutions: Current practice and aggregation issues // Committee on the Global Financial System, Bank for International Settlements, 2000. -April. 44 c.

157. Stress testing // Guidelines on Market Risk Vienna: Oesterreichische National Bank, 1999.-Vol.5.-C.l-9.

158. Supervisory framework for the use of "backtesting" in conjunction with the internal models approach to market risk capital requirements // Basle Committee on Banking Supervision, 1996. January. -15 c.

159. The supervisory treatment of market risks // Basle Committee on BankingSupervision, 1993.-April.-59 c.

160. Van der Goobergh R., Vlaar P. Value at Risk Analysis of Stock Returns: Historical Simulation, Variance Techniques or Tail Index Estimation ? Amsterdam: De Nederlandsche Bank, 1999. - 37 c.

161. Zhou K. Calculating VaR with the Extreme Value Approach: an empirical analysis of Hang Seng Index // City University of Hong Kong, 2002. -16 c.

Похожие диссертации

• Система управления финансовыми рисками организации
• Развитие механизма государственных инвестиций в строительном комплексе
• Оценка кредитоспособности заемщика в процессе управления кредитным риском
• Особенности управления операционными рисками российских банков в условиях глобального финансового кризиса
• Финансовые деривативы как инструмент управления рыночными рисками