Когерентная мера риска

Когерентная мера риска — это математическая функция, которая ставит в соответствие случайной величине (например, убытку финансового портфеля) неотрицательное число, отражающее степень риска, и удовлетворяет набору аксиом, сформулированных Филиппом Артцнером, Фредди Дельбеном, Жан-Марком Эбером и Давидом Хитом в 1999 году. Данные аксиомы призваны гарантировать, что мера риска обладает экономически и интуитивно обоснованными свойствами, такими как диверсификация, монотонность и инвариантность относительно добавления безрискового актива. Когерентные меры риска являются фундаментальным инструментом в современном управлении рисками, финансовом регулировании (например, в рамках Базельских соглашений) и актуарной математике.

История и предпосылки появления

До конца 1990-х годов наиболее распространённой мерой риска в финансовой индустрии была стоимость под риском (Value at Risk, VaR). VaR определяет максимальный убыток, который портфель может понести с заданной вероятностью (например, 95% или 99%) за определённый период времени. Несмотря на широкое применение, VaR обладает рядом критических недостатков, главным из которых является отсутствие свойства субаддитивности. Это означает, что VaR портфеля, состоящего из нескольких активов, может быть больше суммы VaR отдельных активов, что противоречит принципу диверсификации — снижению риска при объединении активов.

В 1997 году Клаудио Альбанезе, а затем в 1999 году Артцнер, Дельбен, Эбер и Хит в своей работе «Когерентные меры риска» (Coherent Measures of Risk) формализовали требования к «хорошей» мере риска, предложив систему из четырёх аксиом. Мера риска, удовлетворяющая этим аксиомам, была названа когерентной. Эта работа стала ответом на недостатки VaR и заложила основы для разработки более совершенных мер, таких как ожидаемый дефицит (Expected Shortfall, ES), также известный как CVaR (Conditional Value at Risk) или Tail VaR.

Аксиомы когерентной меры риска

Пусть ρ — мера риска, определённая на пространстве случайных величин X, Y, представляющих убытки (положительные значения — убытки, отрицательные — прибыль). Мера ρ называется когерентной, если для любых случайных величин X, Y и констант c, λ выполняются следующие аксиомы:

1. Монотонность (Monotonicity)

Если X ≤ Y (то есть убыток по X всегда не больше убытка по Y), то ρ(X) ≤ ρ(Y). Иными словами, если один портфель гарантированно приносит меньшие убытки (или большую прибыль), чем другой, то его риск не может быть выше. Эта аксиома отражает здравый смысл: более рискованный портфель должен иметь более высокую меру риска.

2. Суббадитивность (Subadditivity)

ρ(X + Y) ≤ ρ(X) + ρ(Y). Риск объединённого портфеля не превышает суммы рисков отдельных портфелей. Это ключевое свойство, которое нарушается у VaR. Суббадитивность отражает эффект диверсификации: объединение активов снижает общий риск. Она также гарантирует, что мера риска является выпуклой функцией, что важно для задач оптимизации портфеля.

3. Положительная однородность (Positive Homogeneity)

Для любого λ ≥ 0: ρ(λX) = λρ(X). Если размер позиции увеличивается в λ раз, то и риск увеличивается пропорционально. Это свойство означает, что мера риска не зависит от масштаба и не учитывает эффект ликвидности (крупные позиции могут быть сложнее продать без потерь, что нарушает данную аксиому на практике, но для теоретической модели она удобна).

4. Инвариантность относительно сдвига (Translation Invariance / Translation Equivalence)

Для любой константы c: ρ(X + c) = ρ(X) + c. Если к портфелю добавляется безрисковый актив с гарантированным убытком c (например, наличные деньги, которые теряют покупательную способность из-за инфляции), то мера риска увеличивается ровно на эту величину. Если c — прибыль (отрицательный убыток), то риск снижается. Это свойство позволяет интерпретировать ρ(X) как минимальный размер капитала, который необходимо добавить к портфелю, чтобы сделать его «безрисковым» (то есть чтобы его риск стал нулевым или отрицательным).

Примеры когерентных мер риска

Ожидаемый дефицит (Expected Shortfall, ES)

Ожидаемый дефицит на уровне α (например, 95%) — это среднее значение убытков, которые превышают VaR того же уровня. Формально: ES_α(X) = E[X | X > VaR_α(X)]. В отличие от VaR, ES учитывает «хвост» распределения убытков и является субаддитивной, а значит, когерентной. ES является наиболее популярной когерентной мерой риска и рекомендована Базельским комитетом по банковскому надзору (Базель III) для расчёта рыночного риска.

Спектральные меры риска (Spectral Risk Measures)

Это обобщение ES, где каждому квантилю распределения убытков присваивается вес, задаваемый функцией (спектром). Спектральная мера риска является когерентной, если спектр является неотрицательной, невозрастающей функцией, интегрируемой с единичным весом. ES является частным случаем спектральной меры с равномерным весом на хвосте.

Дисторсионные меры риска (Distortion Risk Measures)

Определяются через преобразование (дисторсию) функции распределения убытков. Если функция дисторсии является вогнутой, то полученная мера риска будет когерентной. Примером является мера Ванга (Wang transform), используемая в актуарной науке.

Критика и ограничения

Несмотря на теоретическую стройность, когерентные меры риска не лишены недостатков:

1. Отсутствие учёта ликвидности. Аксиома положительной однородности предполагает, что риск линейно растёт с размером позиции. На практике, при попытке ликвидировать крупную позицию, рыночная цена может существенно измениться, что приведёт к дополнительным убыткам. Для учёта этого эффекта были разработаны меры риска ликвидности, которые не являются когерентными в классическом смысле.

1. Чувствительность к хвостовым данным. Ожидаемый дефицит, будучи средним по хвосту распределения, может быть чувствителен к ошибкам в оценке экстремальных убытков. Для его устойчивого оценивания требуется большой объём данных или использование методов теории экстремальных значений (EVT).

1. Элицитируемость (Elicitability). VaR является элицитируемой мерой — то есть её можно оценить путём минимизации некоторой функции потерь (score function). Это свойство упрощает бэктестинг (проверку качества модели). Ожидаемый дефицит, как было доказано, не является элицитируемым в одномерном случае, что усложняет его валидацию. Однако, он может быть совместно элицитируем с VaR.

1. Неединственность. Существует бесконечно много когерентных мер риска, и выбор конкретной из них (например, уровня α для ES) остаётся на усмотрение риск-менеджера или регулятора, что вносит элемент субъективности.

Применение

Когерентные меры риска находят широкое применение в:

• Управлении рыночным риском. Банки и инвестиционные компании используют ES для расчёта капитала под рыночный риск в соответствии с требованиями Базеля III.
• Управлении кредитным риском. Оценка риска дефолта по портфелю кредитов с учётом корреляции между заёмщиками.
• Оптимизации портфеля. Построение портфелей, минимизирующих меру риска (например, ES) при заданной ожидаемой доходности.
• Страховании и актуарных расчётах. Определение страховых премий и резервов с использованием дисторсионных мер риска.
• Регуляторном надзоре. Установление нормативов достаточности капитала для финансовых институтов.

Источники

1. Artzner, P., Delbaen, F., Eber, J. M., & Heath, D. (1999). Coherent measures of risk. Mathematical Finance, 9(3), 203-228.
2. Föllmer, H., & Schied, A. (2016). Stochastic Finance: An Introduction in Discrete Time. Walter de Gruyter.
3. McNeil, A. J., Frey, R., & Embrechts, P. (2015). Quantitative Risk Management: Concepts, Techniques and Tools. Princeton University Press.
4. Basel Committee on Banking Supervision. (2012). Fundamental review of the trading book: A revised market risk framework. Bank for International Settlements.