Многофакторные стресс-тесты (анализ сценариев)

В данном случае рассматривается изменение сразу нескольких факторов риска. Многофакторные стресс-тесты бывают различного типа. Наиболее распространенные из них основываются на исторических сценариях. Такие сценарии подразумевают рассмотрение изменений факторов риска, которые уже происходили в прошлом. Основным недостатком этого метода является то, что не учитываются характеристики рынка и институциональных структур, которые меняются со временем.

В качестве примеров экстремальных движений рынка, рассмотренных в [30], приводились следующие события:

• 1. Крах фондового рынка 1987 (Индекс Dow Jones упал на 23%, индекс S&P500 упал на 20%, вследствие «эффекта заражения» упал индекс Nikkei, FTSE 100, Hang Seng)
• 2. Падение рынка высокодоходных бумаг 1990 (Nikkei упал на 48%, Японский Индекс недвижимости упал на 56% и т. д.)
• 3. Кризис европейских валют 1992 (система обменных курсов, установленная между 12 европейскими странами, прекратила свое существование, многие валюты были обесценены)
• 4. Увеличение процентной ставки в США 1994
• 5. Азиатский кризис 1997
• 6. Кризис в России 1998
• 7. Кризис LTCM 1998
• 8. Бразильский кризис 1999

Многофакторные стресс-тесты могут основываться на гипотетических сценариях. Они используются, если исторический сценарий не отвечает характеристикам рассматриваемого портфеля или не учитывает какие-то факторы риска. Преимущество этого вида стресс-теста заключается в более гибкой формулировке возможных событий. Такие сценарии могут применяться для определения возможных событий, по отношению к которым рассматриваемый портфель наиболее уязвим (например, существует такой феномен, как «flight to quality», когда при стрессовых ситуациях резко возрастает спрос на высоконадежные ценные бумаги, тогда же как на остальные ценные бумаги спрос резко падает).

Тем не менее, зачастую очень трудно определить вероятности событий, которые никогда до этого не происходили.

Гипотетические сценарии, в свою очередь, могут быть различных типов. Например, многие финансовые организации используют так называемые наихудшие сценарии.

Суть такого стресс-теста заключается в том, что все рассматриваемые факторы риска принимают свои наихудшие значения (за определенный исторический период времени). Далее, на основе этих значений происходит переоценка портфеля.

Несмотря на простоту и привлекательность такого подхода, в нем не учитывается корреляция между факторами риска, в результате чего результаты могут получиться некорректными. Например, Базельский комитет по банковскому надзору не рекомендует банкам проводить такое стресс-тестирование.

Помимо наихудших сценариев, существуют субъективные сценарии. В данном случае, масштаб изменения факторов риска зависит от мнения экспертов (трейдеров, топ менеджеров и т. д.).

Одним из самых сложных вопросов при проведении стресс-тестирования является определение того, как должны измениться одни факторы риска при определенном изменении других.

Существуют различные взгляды на то, как должны меняться корреляции между факторами риска. Например, в [24] считается, что при экстремальных событиях корреляции между факторами остаются такими же, как и при нормальных условиях. То есть, корректна ситуация, когда несколько факторов риска подвергаются стресс-тестированию, остальные же факторы изменяются в соответствие с историческими значениями волатильностей и корреляций (при нормальных условиях).

Существует и иная точка зрения. Например, в [27] полагается, что при кризисах корреляции меняются, поэтому использование их исторических значений некорректно. В [23] считается, что подход, предложенный в [24], не совсем правильный. Предлагается другой метод, который заключается в оценке корреляций в период высоких колебаний, и использование этих корреляций при стресс-тестировании.

Существуют также сценарии, которые основываются на методе Монте-Карло. Основными преимуществами этого метода являются, во-первых, возможность использования любых распределений, а во-вторых, возможность моделирования сложного поведения рынков (например, меняющихся корреляций между факторами риска).

Но у этого метода есть и недостатки, а именно: сложность реализации, необходимость мощных вычислительных ресурсов. Возможно, поэтому на сегодняшний день не очень много банков (в России) применяют такой подход, хотя результаты, полученные с его помощью, могут быть весьма полезными при анализе способности банка противостоять неблагоприятным условиям.

Наконец, можно выделить систематические сценарии, которые опираются на так называемую теорию экстремальных значений. Например, такой подход представлен в [26]. В данном случае автор рассматривает распределение экстремальных значений факторов риска за определенный период времени (исторический). Далее на основе этого распределения рассчитывается величина Var (Value at risk). Стоит отметить, что когда анализируется просто нормальное распределение, то зачастую вероятности стрессовых ситуаций недооцениваются. Если же построить распределение непосредственно экстремальных значений, то можно избежать такой проблемы.