В таблице 3.2.3 приведены данные, необходимые для расчета коэффициента асимметрии портфеля, состоящего из 10 коротких стрэддлов (для простоты предположим, что количество каждого опциона в портфеле равно единице
3.2.4. Вероятность убытка
Вероятность того, что на дату истечения опционов портфель окажется убыточным, рассчитывается методом Монте-Карло. Для каждого опциона в портфеле производится генерация случайной цены его базового актива на определенный момент времени в будущем (для простоты мы будем генерировать цены на дату экспирации). Далее вычисляются прибыли и убытки опционов для полученных цен акций. Сумма полученных значений дает оценку прибыли/убытка портфеля. Описанный цикл представляет собой одну итерацию. Многократно повторяя итерации для одного и того же портфеля, можно получить достоверную оценку многих его характеристик.
В таблице 3.2.4 приведен пример двух итераций для портфеля, использованного ранее в таблице 3.2.3. Цены акций генерировались, используя логнормальное распределение с волатильностью, равной исторической волатильности, рассчитанной на периоде 120 торговых дней. При моделировании учитывались взаимные корреляции цен акций, рассчитанные на том же историческом периоде. Первая итерация для акции EIX сгенерировала цену $31,04, что подразумевает прибыль в размере $0,70 (30 + 1,74 – 31,04), зато вторая итерация для этой же акции дала убыток в размере $1,28. Для портфеля в целом первая итерация оказалась убыточной, а вторая – прибыльной (таблица 3.2.4).
Полный набор итераций для одного портфеля называется симуляцией (в своих расчетах мы использовали 20 000 итераций для каждой симуляции). Отношение числа убыточных итераций к общему числу итераций в симуляции дает оценку вероятности убытка портфеля. Например, если из 20 000 итераций 7420 были убыточными, то вероятность того, что данный портфель действительно окажется убыточным, составляет 0,37.
3.3. Взаимозависимость индикаторов риска
Эффективная система управления рисками должна включать в себя несколько альтернативных индикаторов, рассчитываемых на основе разных базовых принципов. Область их применения может включать не только создание портфеля, его оценку и реструктуризацию, но и генерацию сигналов на закрытие позиций. Разные индикаторы риска должны быть уникальны и взаимонезависимы (то есть они не должны коррелировать между собой). Необходимо подобрать такой набор уникальных индикаторов, чтобы каждый из них дополнял информацию, содержащуюся в других индикаторах, а не дублировал ее. В этом разделе мы исследуем взаимозависимость между четырьмя индикаторами риска.
3.3.1. Методика тестирования взаимозависимости индикаторов риска
Мы исходим из предположения, что если различные индикаторы риска являются уникальными (дополняют, а не дублируют информацию, содержащуюся в других индикаторах), то доходности портфелей, созданных на их основе, не будут коррелировать между собой.
Для тестирования взаимозависимости показателей риска использовалась база данных, содержащая цены опционов и их базовых активов в период с января 2003 по август 2009 г. На каждую дату истечения опционов было сформировано по 1000 портфелей, отстоящих от данной экспирации на разное количество дней (от 1 до 60). Таким образом, каждому количеству дней до заданной экспирации соответствовало 1000 портфелей, всего 60 000 портфелей для каждой даты экспирации.
Для каждого из 1000 портфелей рассчитывались значения четырех показателей риска, после чего для каждого показателя выбирался наилучший портфель (таким образом, всего выбиралось по четыре портфеля из каждой 1000). Для выбранных портфелей фиксировалась доходность на дату экспирации. Доходность выражалась как прибыль (или убыток), нормированная на размер инвестиции и на время нахождения в позиции.
Каждый портфель состоял из 10 коротких стрэддлов на базовые активы, выбранные случайным образом из списка S&P 100. Страйк стрэддлов выбирался по принципу наименьшей удаленности от текущей цены базового актива. Объем позиции по каждому стрэддлу определялся как округленное до лотов (1 лот = 100 опционов) частное от деления 100 000/
3.3.2. Корреляционный анализ