Value-at-Risk (VaR)-Definition

Was ist Value-at-Risk (VaR)?

Der Value-at-Risk (VaR) ist eine Statistik, die das Ausmaß möglicher finanzieller Verluste innerhalb eines Unternehmens, Portfolios oder einer Position über einen bestimmten Zeitraum quantifiziert. Diese Kennzahl wird am häufigsten von Investitionen verwendet und Geschäftsbanken um das Ausmaß und die Wahrscheinlichkeiten potenzieller Verluste in ihren institutionellen Portfolios zu bestimmen.

Risikomanager verwenden den VaR, um die Höhe der Risikoexposition zu messen und zu steuern. Man kann VaR. anwenden Berechnungen auf bestimmte Positionen oder ganze Portfolios oder zur Messung des unternehmensweiten Risikoengagements.

Value-at-Risk (VaR) verstehen

Die VaR-Modellierung bestimmt das Verlustpotenzial des zu beurteilenden Unternehmens und die Eintrittswahrscheinlichkeit des definierten Verlusts. Einer misst den VaR, indem er die Höhe des potenziellen Schadens, die Eintrittswahrscheinlichkeit für die Schadenshöhe und den Zeitrahmen bewertet.

Beispielsweise kann ein Finanzunternehmen feststellen, dass ein Vermögenswert einen Einmonats-VaR von 2 % von 3 % hat, was einer Wahrscheinlichkeit von 3 % entspricht, dass der Vermögenswert während des einmonatigen Zeitraums um 2 % an Wert verliert. Die Umrechnung der Eintrittswahrscheinlichkeit von 3 % in ein tägliches Verhältnis setzt die Wahrscheinlichkeit eines Verlusts von 2 % auf einen Tag pro Monat.

Die Verwendung einer unternehmensweiten VaR-Beurteilung ermöglicht die Ermittlung der kumulierten Risiken aus aggregierten Positionen, die von verschiedenen Handelsabteilungen und Abteilungen innerhalb des Instituts gehalten werden. Anhand der Daten der VaR-Modellierung können Finanzinstitute feststellen, ob sie über ausreichend Eigenkapital verfügen Reserven zur Deckung von Verlusten vorhanden sind oder ob höhere als akzeptable Risiken eine Reduzierung der konzentrierten Bestände.

VaR-Methoden

Es gibt zwei Hauptmethoden zur Berechnung des VaR. Die erste ist die historische Methode, die sich die bisherige Renditehistorie ansieht und sie nach den schlechtesten sortiert Verluste zu den größten Gewinnen – ausgehend von der Prämisse, dass die Renditen der Vergangenheit die Zukunft widerspiegeln werden Ergebnisse.

Das zweite ist die Varianz-Kovarianz-Methode. Anstatt davon auszugehen, dass die Vergangenheit die Zukunft beeinflusst, wird bei dieser Methode stattdessen davon ausgegangen, dass Gewinne und Verluste normal verteilt. Auf diese Weise können potenzielle Verluste in Form von Standardabweichung Ereignisse aus dem Mittel.

Ein letzter Ansatz für den VaR besteht darin, a Monte-Carlo-Simulation. Diese Technik verwendet Rechenmodelle, um projizierte Renditen über Hunderte oder Tausende von möglichen Iterationen zu simulieren. Dann nimmt es die Wahrscheinlichkeit, dass ein Verlust auftritt, beispielsweise in 5 % der Fälle, und zeigt die Auswirkungen auf.

Beispiel für Probleme mit Value-at-Risk-Berechnungen (VaR)

Es gibt kein Standardprotokoll für die Statistiken, die zur Bestimmung von Vermögenswerten, Portfolios oder unternehmensweiten Risiken verwendet werden. Statistiken wurden beispielsweise willkürlich aus einer Phase niedriger Volatilität kann das Potenzial für das Eintreten von Risikoereignissen und das Ausmaß dieser Ereignisse unterschätzen. Das Risiko kann unter Verwendung von Normalverteilungswahrscheinlichkeiten, die selten extreme oder Black-Swan-Ereignisse berücksichtigen, weiter unterschätzt werden.

Die Bewertung des potenziellen Verlusts stellt das geringste Risiko in einer Reihe von Ergebnissen dar. Beispielsweise bedeutet eine VaR-Bestimmung von 95 % bei 20 % Vermögensrisiko die Erwartung, im Durchschnitt mindestens 20 % an einem von 20 Tagen zu verlieren. Bei dieser Berechnung bestätigt noch ein Verlust von 50 % die Risikobewertung.

Das Finanzkrise 2008 die diese Probleme aufdeckten, da relativ harmlose VaR-Berechnungen das potenzielle Auftreten von Risikoereignissen durch Portfolios von Subprime-Hypotheken unterschätzten. Auch das Risikoausmaß wurde unterschätzt, was zu extremen Leverage Ratios in Subprime-Portfolios führte. Infolgedessen konnten die Institute aufgrund der Unterschätzung des Auftretens und der Risikogröße nicht in der Lage sein, Verluste in Milliardenhöhe zu decken, da die Werte der Subprime-Hypotheken einbrachen.