Valor forex em risco

Valor em risco (VaR)

O cálculo do VaR fornece a probabilidade de um recurso (um par de moedas, uma ação, uma carteira, etc.) exceder uma determinada perda em um determinado momento. Em nossa ferramenta, esta probabilidade é calculada com base na evolução passada. Por exemplo, se acharmos que 3 vezes em 10 o par Euro / Dólar desce 40 pips em 10 horas ou mais nos últimos 100 dias, poderíamos dizer que a probabilidade de que uma parada de -40 pips seja alcançada ao longo do próximo 10 horas é de 30%.

Este método de cálculo tinha limitações. Para ser completamente válido, a distribuição de variações deve seguir uma distribuição normal, o que não é o caso na prática. Portanto, é aconselhável interpretar os resultados com cautela e não usá-lo como qualquer coisa além de uma ferramenta complementar.

Na ferramenta abaixo, você precisa inserir o par para estudar, o prazo, a quantidade de dados históricos a serem utilizados para o estudo, bem como a duração da negociação em unidades de tempo. Vamos dar-lhe a distribuição das variações.

Os cálculos são feitos em tempo real.

Ferramentas de negociação.

Teste os serviços e plataforma de negociação do nosso parceiro com uma conta demo gratuita durante 30 dias.

Valor em risco. VaR Opções Futures FX Forwards.

Neste curso, fornecemos uma metodologia para o cálculo da medida Valor em Risco (VaR) para futuros e opções. A metodologia que empregamos utiliza um Monte Carlo Simulator para gerar a série de preços dos terminais, e calcula as séries de preços e resultados correspondentes. A série de preços é usada para determinar a série de retorno que é usada nos cálculos de volatilidade e VaR.

Como pré-requisito para este curso, o usuário pode querer rever os seguintes dois cursos:

Passo 1: Construa um Monte Carlo Simulator para os preços do subjacente.

O primeiro passo do processo envolve a construção de um simulador de Monte Carlo para determinar o preço do subjacente. À medida que nos interessamos nos preços diários das opções, o intervalo ou intervalo de tempo deve ser por um dia. Em nossa ilustração, assumimos que o contrato de opção expirará após 10 dias, então usamos dez etapas intermediárias para simular o desenvolvimento dos preços da garantia subjacente para este período.

Os preços simulados são gerados com base na fórmula do preço do terminal Black Schole:

Onde S 0 é o preço à vista no tempo zero,

r é a taxa livre de risco.

q é o rendimento de conveniência.

sigma é a volatilidade anualizada no preço da commodity.

t é a duração desde o tempo zero, e.

z t é uma amostra aleatória de uma distribuição normal com zero médio e desvio padrão de 1. z t foi obtido nestes modelos normalmente escalando os números aleatórios gerados usando a função RAND () do Excel, ou seja, NORMINV (RAND ()).

Passo 2: Expande o Monte Carlo Simulator.

Para calcular a medida Valor em Risco (VaR), exigimos uma série de retornos que, por sua vez, exigem dados de preços de séries temporais. Para simular esse ambiente particular, assumimos que temos uma série de contratos de opções similares que começam e expiram em uma base de roll-forward de um dia. Suponha que, para a opção original, o começo foi no tempo 0 e o prazo de validade foi no tempo 10, a próxima opção começará no tempo 1 e expirará no tempo 11, o próximo começará na hora 2 e expirará no tempo 12, e assim por diante. Com base nessa premissa, obteremos uma série de preços diários terminais. Em nossa ilustração, repetimos esse processo para gerar dados de séries temporais para preços de terminais por um período de 365 dias.

Passo 3: Execute cenários.

O Passo 2 acima gera uma série de preços de terminais de 365 dias em um único cenário. O processo agora precisa ser repetido várias vezes (em nossa ilustração, usamos 1000 execuções de simulação) para gerar um conjunto de dados de séries de dados com a ajuda da funcionalidade da tabela de dados da EXCEL. Uma vez que este processo tenha sido concluído, uma série de tempo de preço de terminal médio será calculada, tomando uma média simples dos preços terminais em cada data futura em todas as corridas simuladas. A figura abaixo mostra esse processo para o nosso exemplo.

O preço do terminal médio para a data 1 é a média de todos os preços terminados gerados para esta data em 1000 corridas simuladas. O preço do terminal médio para a data 363 é a média de todos os preços terminados gerados para esta data em 1000 corridas simuladas.

Passo 4: Calcule o valor intrínseco ou recompensas.

Pagamentos individuais em cada ponto de dados.

Para cada ponto de dados fornecido no conjunto de dados de preço do terminal mencionado na Etapa 3 acima, agora temos que calcular os retornos ou valores intrínsecos do contrato de derivativos. Na nossa ilustração, assumimos que temos um contrato de futuros, uma opção de compra europeia e uma opção de venda européia com um preço de greve ou exercício de 1300. Os retornos para esses contratos são calculados da seguinte forma:

Pagamento por futuros longos = preço do terminal - greve.

Pagamento para uma opção de chamada longa = Máximo de (Preço do Terminal - Strike, 0)

Payoff para a opção long put = Máximo de (0, Strike-Terminal Price)

Isso é ilustrado para um subconjunto de retornos de futuros abaixo:

Por exemplo, para o cenário 3 (terceira linha de dados) na data 2 (segunda coluna de dados), o preço do terminal é 1333.04. O preço de exercício, como mencionado anteriormente, é 1300. O resultado futuro, portanto, funciona com o preço do terminal - Preço de exercício = 1333.04 e # 8211; 1300 = 33,04.

Série de tempo de recompensa média.

Uma vez que todos os retornos foram calculados, determinamos a série de tempo médio de pagamento, tomando uma média simples dos retornos em cada data futura em todas as corridas simuladas.

Passo 5: Calcule os valores de desconto das recompensas, isto é, os preços.

Preços individuais em cada ponto de dados.

Para cada ponto de dados fornecido no conjunto de dados do preço do terminal mencionado na Etapa 3 acima para o qual determinamos os retornos ou valores intrínsecos do contrato de derivativos conforme mencionado na Etapa 4 acima, agora calcularemos seus valores com desconto como segue:

Onde r é a taxa livre de risco e.

T é o teor da opção, ou seja, 10 dias.

Os valores descontados derivados são os valores / preços do contrato de futuros e as opções de compra e colocação, respectivamente. Isso é ilustrado para um subconjunto de preços futuros abaixo:

Por exemplo, para o cenário 3 (terceira linha de dados) na data 2 (segunda coluna de dados), a remuneração é de 33,04. A taxa de risco livre é de 0,15% e, como mencionado anteriormente, o prazo do contrato é de 10 dias. O preço do futuro, portanto, funciona para Payoff * e - rT = 33,04 * exp (-0,15% * (10/365)) = 33,03.

Série de tempo de preço médio.

Uma vez que todos os preços foram calculados, determinamos as séries temporais de preços médios, tomando uma média simples dos preços em cada data futura em todas as corridas simuladas.

Etapa 6: Calcule a série de retorno.

Agora que temos a série de preços de derivativos, determinaremos a série de retorno, levando o logaritmo natural de preços sucessivos. Isso é ilustrado para um subconjunto dos futuros, opção de compra e colocar contratos de opções abaixo:

Os preços médios de uma chamada nas datas 1 e 2 são 12,31 e 12,65, respectivamente. O retorno na Data 2 será, portanto, ln (12.65 / 12.31) = 2.71%.

Passo 7: Calcule a medida VaR.

Em seguida, calculamos a medida de VaR usando o esquema de técnicas em nosso curso, Calculando o Valor em Risco, em particular, usamos a Abordagem de Covariância de Variância da Via Mínima Simples (SMA) e a Abordagem de Simulação Histórica.

Para nossa ilustração, o VaR de período de retenção de 10 dias em diferentes níveis de confiança, usando a abordagem VCV, foi calculado da seguinte forma:

Uma representação gráfica dos resultados para futuros é dada a seguir:

O VaR do período de espera de 10 dias no nível de confiança de 95%, usando a abordagem de simulação histórica, é ilustrado abaixo:

Método VaR alternativo para FX Forwards: Delta VaR.

Se você precisa calcular o VaR para contratos de câmbio a termo, há uma abordagem alternativa mais curta que combina a estimativa do VaR do par de moeda subjacente com a estimativa delta para o contrato a termo.

Para ter em conta o impacto do diferencial das taxas de juros entre as taxas livres de risco estrangeiras e domésticas, considera-se o fator de risco das taxas de câmbio a termo. O VaR para o contrato a prazo aproximará-se aproximadamente do VaR desse fator, a sensibilidade do preço do forward às flutuações no fator subjacente. A sensibilidade é medida como o frente delta [1]. Em particular, o VaR da posição de frente será:

VaR forward position = Delta * VaR taxas de câmbio antecipadas.

Onde Delta = e - rfT.

r f é a taxa livre de risco estrangeiro a partir da data do relatório.

T é o dia até a maturidade (DTM) (= ponto médio do balde DTM, veja abaixo), expressado em anos.

FX Forward VaR & # 8211; Requisitos de dados.

Histórico de Taxas de Câmbio do FX para o período de retrocesso (Preços Diários e Curvas de Rendimento & gt; Forex) Taxa de risco estrangeiro livre para a data do relatório para cada moeda onde uma posição está presente (Preços Diários e Curvas de Rendimento e Taxas de Risco Livre)

As etapas para calcular VaR para encaminhamentos e swaps são apresentadas abaixo.

Etapa 1: identifique as moedas (Moeda estrangeira (FCY) e moeda doméstica (DCY)) para cada acordo a prazo. Trate as pernas próximas e distantes de um acordo de troca como dois acordos de frente separados.

Passo 2: identifique as posições longas e curtas para cada acordo a prazo.

Etapa 3: Calcule os dias até a maturidade (DTM) para cada posição e aloque os baldes DTM padronizados pré-especificados para cada posição. Utilizamos os seguintes baldes DTM com o ponto médio para cada balde especificado abaixo. Este ponto médio será usado para selecionar os compartimentos de Taxa de Câmbio Forward relevantes para usar:

Etapa 4: Soma todas as posições longas por moeda e balde DTM. Soma todas as posições curtas por moeda e balde DTM.

Etapa 5: Calcule a posição Bruta por moeda e balde DTM. Esta é a soma do valor absoluto do valor longo e absoluto das posições curtas.

Passo 6: Calcule uma posição líquida por moeda e balde DTM. Esta é a soma das posições longas e curtas para o balde.

Etapa 7: Usando a taxa de câmbio a prazo interpolada [2] para a data de cálculo, calcule o MTM da posição em uma base bruta e líquida (MTM) (bruto), isto é,

MTM (Bruto) = Posição Bruta * Taxa de Câmbio de FX * Delta; MTM (Net) = Posição Líquida * Taxa de Câmbio de FX * Delta.

Passo 8: Calcule a volatilidade de retenção e amp; VaR% de por 1 unidade de uma taxa de câmbio à frente do FX na moeda dada:

Obtenha as taxas de câmbio do Forex FX para o período de lookback especificado. Calcule a série de retorno para essas taxas. Calcule a volatilidade diária para os retornos e amp; A volatilidade de retenção com base no período de retenção selecionado Calcule o VaR% de retenção com base no nível de confiança selecionado.

Passo 9: Multiplique o VaR% de retenção com o MTM (Gross) & amp; Os valores de MTM (Net), respectivamente, determinam o VaR (Gross) de retenção e amp; Valores de VaR de exploração (líquida) para cada moeda e amp; Balde DTM.

Etapa 10: Calcule o VaR do portfólio (Total (Gross) & Total (Net)) em todos os instrumentos & amp; moedas.

Calcule pesos para cada moeda e balde DTM usando o valor absoluto do MTM (Gross) & amp; MTM (Net), respectivamente. Usando a série de retorno das taxas de FX Forward para cada moeda e balde DTM, e os pesos calculados acima, determinou uma série de retorno média ponderada para o portfólio Calcule a volatilidade diária para os retornos e A volatilidade de retenção com base no período de retenção selecionado Calcule o VaR de retenção com base no nível de confiança selecionado. Multiplique o VaR% s da carteira resultante com os valores totais MTM (Gross) e MTM (Net) para determinar Holding VaR (Gross) & amp; Holding VaR (Net) para o portfólio.

[1] Compreensão do mercado, crédito e risco operacional - A abordagem de valor em risco - Allen Allen, et al.

[2] Interpolado com base no ponto médio relevante do balde DTM.

Opções exóticas usando a simulação Monte Carlo no Excel & # 8211; agora na loja.

Publicações relacionadas:

Sobre o autor Jawwad Farid.

A Jawwad Farid tem vindo a construir e implementar modelos de risco e sistemas de back office desde agosto de 1998. Trabalhando com clientes em quatro continentes, ele ajuda os banqueiros, os membros do conselho e os reguladores a adotar uma abordagem relevante para o mercado de gerenciamento de riscos. Ele é o autor de Models at Work e Option Greeks Primer, ambos publicados pela Palgrave Macmillan.

Jawwad é uma Companheira de Atuários (FSA, Schaumburg, IL), possui MBA da Columbia Business School e é graduado em ciência da computação de (NUCES FAST). Ele é um membro do corpo docente adjunto da SP Jain Global School of Management em Dubai e Cingapura, onde ensina Gestão de Riscos, Preços Derivados e Empreendedorismo.

Uma Introdução ao Valor em Risco (VAR)

O valor em risco (VAR ou às vezes o VaR) foi chamado de "nova ciência do gerenciamento de riscos", mas você não precisa ser um cientista para usar o VAR. Aqui, na parte 1 desta série, observamos a idéia por trás do VAR e os três métodos básicos de cálculo. Na Parte 2, aplicamos esses métodos para calcular VAR para um estoque ou investimento individual.

A Idéia Atrás do VAR.

A medida mais popular e tradicional de risco é a volatilidade. O principal problema com a volatilidade, no entanto, é que não se preocupa com a direção do movimento de um investimento: um estoque pode ser volátil porque subitamente salta mais alto. Claro, os investidores não estão angustiados por ganhos! (Veja Os Limites e Usos da Volatilidade.)

Para os investidores, o risco é sobre as chances de perder dinheiro, e a VAR é baseada nesse fato de senso comum. Ao assumir que os investidores se preocupam com as chances de uma grande perda, o VAR responde a pergunta: "Qual é o meu pior cenário?" ou "Quanto eu poderia perder em um mês realmente ruim?"

Agora vamos entender. Uma estatística VAR tem três componentes: um período de tempo, um nível de confiança e um montante de perda (ou porcentagem de perdas). Mantenha estas três partes em mente ao dar alguns exemplos de variações da questão que VAR responde:

O que é o máximo que posso - com um nível de confiança de 95% ou 99% - espera perder em dólares no próximo mês? Qual é a porcentagem máxima que posso - com 95% ou 99% de confiança - espera perder ao longo do próximo ano?

Você pode ver como a "questão VAR" tem três elementos: um nível de confiança relativamente alto (geralmente 95% ou 99%), um período de tempo (um dia, um mês ou um ano) e uma estimativa da perda de investimento (expressa em dólares ou em porcentagem).

Métodos de cálculo de VAR.

Os investidores institucionais usam o VAR para avaliar o risco do portfólio, mas nesta introdução o usaremos para avaliar o risco de um único índice que se negocia como um estoque: o Nasdaq 100 Index, que se processa sob o ticker QQQQ. O QQQQ é um índice muito popular das maiores ações não financeiras que negociam na bolsa Nasdaq.

Existem três métodos de cálculo de VAR: o método histórico, o método de variância-covariância e a simulação de Monte Carlo.

1. Método histórico.

O método histórico simplesmente reorganiza os retornos históricos reais, colocando-os na ordem do pior ao melhor. Em seguida, assume que a história se repetirá, a partir de uma perspectiva de risco.

O QQQ começou a operar em março de 1999, e se calculamos cada retorno diário, produzimos um conjunto de dados ricos de quase 1.400 pontos. Vamos colocá-los em um histograma que compara a freqüência de "baldes" de retorno. Por exemplo, no ponto mais alto do histograma (a barra mais alta), houve mais de 250 dias quando o retorno diário estava entre 0% e 1%. Na extrema direita, você mal consegue ver uma pequena barra em 13%; representa um único dia (em janeiro de 2000) dentro de um período de mais de cinco anos, quando o retorno diário do QQQ foi um impressionante 12,4%!

Observe as barras vermelhas que compõem a "cauda esquerda" do histograma. Estes são os 5% mais baixos dos rendimentos diários (uma vez que os retornos são encomendados da esquerda para a direita, o pior é sempre a "cauda esquerda"). As barras vermelhas correm de perdas diárias de 4% para 8%. Porque estes são os piores 5% de todos os rendimentos diários, podemos dizer com 95% de confiança que a pior perda diária não excederá 4%. Dito de outra forma, esperamos com 95% de confiança que nosso ganho excederá -4%. Isso é VAR em poucas palavras. Vamos re-frasear a estatística em termos percentuais e em dólares:

Com 95% de confiança, esperamos que nossa pior perda diária não exceda 4%. Se investimos US $ 100, estamos confiantes de que a nossa pior perda diária não excederá $ 4 ($ 100 x -4%).

Você pode ver que o VAR realmente permite um resultado pior do que um retorno de -4%. Não expressa certeza absoluta, mas sim faz uma estimativa probabilística. Se queremos aumentar nossa confiança, precisamos apenas "mover para a esquerda" no mesmo histograma, para onde as duas primeiras barras vermelhas, a -8% e -7% representam o pior 1% dos retornos diários:

Com 99% de confiança, esperamos que a pior perda diária não exceda 7%. Ou, se investimos US $ 100, temos 99% de confiança de que nossa pior perda diária não excederá $ 7.

2. O método Variance-Covariance.

Este método pressupõe que os retornos de estoque normalmente são distribuídos. Em outras palavras, exige que estimemos apenas dois fatores - um retorno esperado (ou médio) e um desvio padrão - o que nos permite plotar uma curva de distribuição normal. Aqui traçamos a curva normal contra os mesmos dados de retorno reais:

A idéia por trás da variância - covariância é semelhante às idéias por trás do método histórico - exceto que usamos a curva familiar em vez de dados reais. A vantagem da curva normal é que sabemos automaticamente onde os piores 5% e 1% ficam na curva. Eles são uma função da nossa confiança desejada e o desvio padrão ():

A curva azul acima é baseada no desvio padrão diário real do QQQ, que é 2,64%. O retorno diário médio passou a ser bastante próximo de zero, então assumiremos um retorno médio de zero para fins ilustrativos. Aqui estão os resultados de conectar o desvio padrão atual às fórmulas acima:

3. Simulação de Monte Carlo.

O terceiro método envolve o desenvolvimento de um modelo para o retorno futuro dos preços das ações e a execução de vários testes hipotéticos através do modelo. Uma simulação Monte Carlo refere-se a qualquer método que gere aleatoriamente ensaios, mas por si só não nos diz nada sobre a metodologia subjacente.

Para a maioria dos usuários, uma simulação Monte Carlo equivale a um gerador de "caixa preta" de resultados aleatórios. Sem entrar em mais detalhes, realizamos uma simulação de Monte Carlo no QQQ com base em seu padrão histórico de negociação. Na nossa simulação, realizaram-se 100 ensaios. Se corremos novamente, obteríamos um resultado diferente - embora seja altamente provável que as diferenças sejam estreitas. Aqui está o resultado organizado em um histograma (observe que enquanto os gráficos anteriores mostraram retornos diários, este gráfico exibe os retornos mensais):

Para resumir, realizamos 100 testes hipotéticos de retornos mensais para o QQQ. Entre eles, dois desfechos foram entre -15% e -20%; e três estavam entre -20% e 25%. Isso significa que os piores cinco resultados (ou seja, os piores 5%) foram inferiores a -15%. A simulação de Monte Carlo, portanto, leva à seguinte conclusão do tipo VAR: com 95% de confiança, não esperamos perder mais de 15% durante um determinado mês.

The Bottom Line.

O valor em risco (VAR) calcula a perda máxima esperada (ou pior cenário) em um investimento, durante um determinado período de tempo e dado um grau de confiança especificado. Examinamos três métodos comumente usados ​​para calcular o VAR. Mas tenha em mente que dois de nossos métodos calcularam uma VAR diária e o terceiro método calculado VAR mensal. Na Parte 2 desta série, mostramos como comparar esses diferentes horários de tempo.

Valor em risco: como calcular o risco Forex.

Para gerenciar esse risco, o que alguns fazem é fazer uma estimativa aproximada para estimar a perda potencial envolvida.

Então, por exemplo, suponha que um comerciante tenha um prazo de 1000 EUR / USD e eles tenham uma perda de parada em 1000 pontos. Eles então levariam isso como um risco de US $ 10, porque esse é o máximo teórico que podem perder.

Embora dê um valor absoluto em dólares, não responde certas questões que são necessárias para uma adequada gestão de riscos. Não diz em que condições essa perda pode ocorrer. Dependendo do mercado, pode ser um risco muito baixo ou um risco muito alto. Pode acontecer com alta probabilidade após 5 minutos ou talvez após três meses. Nós realmente não temos nenhuma idéia.

Em outras palavras, conhecer a perda absoluta dos níveis de paragem por si só é de pouca utilidade. Isso ocorre porque um comerciante não pode enquadrar isso em qualquer período de tempo ou entender o nível ao qual outras posições podem ser afetadas.

Valor em risco.

O valor em risco ou VAR, como é conhecido por curto, é um cálculo que o ajuda a avaliar a exposição ao risco de mercado. É útil porque pode responder a perguntas como esta:

Se eu tiver posições A, B e C, qual a probabilidade de eu perder X dólares nos próximos 7 dias? Qual a chance de minha conta perder X por cento do seu valor nos próximos 3 dias? Se A cai em valor, o que acontecerá com B e C? Se eu fechar a posição C, como isso mudará meu risco geral? Qual posição posso adicionar à minha cesta para reduzir meu risco geral? Onde devo definir uma perda de parada para ter uma probabilidade de Y% de ser atingido?

Obviamente, as respostas para o acima dão uma visão muito mais do que simplesmente dizer que uma perda de parada é de 1000 pontos, então esse deve ser o risco total. É por isso que o VAR é uma ferramenta importante no gerenciamento de riscos. O resto deste artigo descreve o uso de VAR simples para análise de risco. Para mais detalhes sobre as configurações de stop loss, veja aqui.

VAR simples para um par de moedas.

Uma estimativa VAR básica é feita da seguinte forma.

Digamos que fiz um trade spot em 1000 EUR / USD e o preço é de 1,10. Eu calculo a volatilidade de 1 dia de EUR / USD para ser de 0,5%. Em média, eu esperaria que o valor da posição mudasse 1,2 x 1000 x 0,5% & # 8211; Isso é ± 6 USD em qualquer dia. Durante 7 dias, a mudança de posição média seria: seria: ± √7 × 6 USD.

Se as mudanças diárias são normalmente distribuídas, então um intervalo de confiança de 99% situa-se em 2,33 desvios padrão. Então, usar isso dá:

1 dia VAR = 6 x 2,33 = 13,96 USD.

7 dias VAR = √7 × 6 × 2,33 = 36,93 USD.

Isso me diz que posso ter 99% de confiança em não perder mais de 13,96 USD em 1 dia. E posso ter 99% de confiança em não perder mais de 36,93 USD em 7 dias.

VAR para múltiplos pares de moedas.

O acima é para um caso simples em que um comerciante tem uma posição spot EUR / USD. E quanto a um cenário mais realista quando várias posições são realizadas & # 8211; por exemplo, longo 1000 EUR / USD e longo 2000 GBP / USD?

Não podemos simplesmente adicionar os VARs juntos pelo simples motivo de que a maioria dos pares de moedas estão correlacionados entre si. Quando o EUR / USD diminui, isso pode ser porque o dólar americano se fortaleceu.

Então, se eu segurar um longo 1000 EUR / USD e longo 2000 GBP / USD, há uma grande chance de que ambas as posições caíssem em valor se o dólar subisse.

Aqui está o VAR básico novamente, agora para uma cesta de duas moedas:

A segunda posição na conta é longa 2000 GBP / USD eo preço à vista é de 1,30. A volatilidade de 1 dia de GBP / USD é de 0,6%. Em média, esperamos que o valor da posição varie em 1,3 x 2000 x 0,6% ou ± 15,60 USD por dia. E durante 7 dias, a mudança média da posição seria: ± √7 × 15,60 USD. Isso significa.

1 dia VAR = 15,60 x 2,33 = 36,29 USD.

7 dias VAR = √7 × 15,60 × 2,33 = 96,02 USD.

Isso agora dá o VAR separadamente para as duas posições. Mas isso não é muito útil, porque, como se disse acima, o EUR / USD e o GBP / USD não são independentes uns dos outros por causa da exposição ao dólar entre outras coisas.

No momento, a correlação média entre EUR / USD e GBP / USD ao longo de 1 semana é de + 70%. Por essa razão, precisamos tomar o VAR dos dois cargos sob o pressuposto de que essas posições não são independentes umas das outras:

Isso agora dá a covariância VAR:

1 dia VAR é √ (36,29 ^ 2 + 13,96 ^ 2 + 2 × 36,29 × 13,96 × 0,7) = 47,12 USD.

7 dias VAR é √ (96.02 ^ 2 + 36.93 ^ 2 + 2 × 96.02 × 36.93 × 0.7) = 124.69 USD.

Isso me diz que se eu segurar EUR / USD e GBP / USD, há 99% de chance de minha perda total em 1 dia não ser maior do que 47.12 USD. E há 99% de chance de minha perda total em 7 dias não estar acima de 124,69 USD.

Observe que o GBP / USD proporcionou uma pequena quantidade de redução de risco, mas dificilmente muito. Se as duas posições estavam perfeitamente correlacionadas com r = 1, as VARs simplesmente seriam aditivas. Isso significa que o valor de risco de 7 dias teria sido de 132,95 (de 96,02 + 36,93) e não de 124,69. O VAR de 1 dia seria 50,25 e não 47,12.

Isso significa que, como diversificação, a segunda posição reduziu apenas o risco relativo em cerca de 6%.

Usando o VAR para reduzir o risco.

Adicionando um longo GBP / USD 2000, não proporcionou muito no caminho da redução de risco porque os dois pares de moedas são fortemente dependentes uns dos outros. Qual é o resultado se usarmos outro par de moedas com menor correlação, como AUD / CAD?

A correlação entre AUD / CAD e EUR / USD é de 0,5. O preço à vista para AUD / CAD é 1,01 e a volatilidade de 1 dia é de 0,6%. Isso significa que ao adicionar um longo 2000 AUD / CAD, o VAR combinado da conta agora seria:

1 dia VAR = 37,19 USD.

7 dias VAR = 98.40 USD.

Mesmo que a posição AUD / CAD tenha um valor em dólar inferior ao GBP / USD, isso proporciona mais diversificação.

Ao usar o método VAR, é fácil fazer & # 8220; what-if & # 8221; experimentos, adicionando ou removendo posições para ver quais serão os riscos da conta em termos de dólar reais. Esta calculadora VAR faz todos os cálculos e acelerará muito esta tarefa.

Como estimar a perda da conta.

A outra questão que VAR pode responder é: qual é a chance de minha conta perder X por cento em um determinado período de tempo?

Digamos que a conta de um comerciante tem um valor patrimonial de US $ 500 e quer saber a chance de perder 10% de valor nos próximos 7 dias. As duas posições ocupadas são de 1000 EUR / USD e long 2000 GBP / USD.

Isso significa que precisamos saber qual é a probabilidade de esta conta perder 10% x 500 ou 50 USD nos próximos 7 dias?

O VAR de 7 dias já é conhecido do acima e isso é 124,69 USD.

Isso nos diz que existe uma probabilidade de 1% de perder esse valor. Em seguida, trabalhamos para trás e descobrimos que o VAR de 82% em 7 dias é de 50 dólares. Isso significa que há uma chance de 18% dessa conta perder 50 USD (10% do valor) ou mais nos próximos 7 dias.

Usando VAR na prática.

Embora o VAR simples não seja perfeito por qualquer meio, é uma técnica altamente útil porque é fácil de calcular e nos permite entender o risco em termos de dinheiro práticos.

Limitações de VAR.

Ao usar o VAR, sempre vale a pena ter em mente as limitações também. Uma das principais críticas da VAR é que não pesa risco de mercado anormal. Por risco de mercado anormal, isto significa:

Desastres raros, como eventos de cisnes negros Risco de contraparte Riscos de liquidez.

A outra limitação é que o VAR simples assume que médias como volatilidade, correlação e assim por diante são corrigidas ao longo do período analisado. Enquanto em situações de mercado real, essas variáveis ​​estão mudando o tempo todo e têm resultados mais complexos que simples curvas normais. Claro que existem várias extensões para a VAR que funcionam em torno desses problemas.

Fim de semana e feriados.

Muitas vezes, assume-se que, quando o mercado está fechado, há zero volatilidade. Mas, na realidade, isso não é verdade.

Martingale.

Curso completo.

Um curso completo para quem usa um sistema Martingale ou planeja construir sua própria estratégia comercial a partir do zero. É escrito da perspectiva de um comerciante com explicação por exemplo. Nossas estratégias são usadas por alguns dos principais provedores de sinais e comerciantes.

Mas as informações que chegam durante o fim de semana influenciam os mercados, embora o preço não reaja enquanto os mercados estão fechados. Isso significa que a volatilidade está acontecendo durante o fim de semana, mesmo que não possamos vê-lo.

É importante fator isso ao usar estimativas de volatilidade em cálculos VAR.

Por exemplo, se eu usar a volatilidade de 1 dia, haverá uma diferença entre as médias em todo o mês inteiro, incluindo fins de semana e feriados ou se abranger apenas períodos quando o mercado estiver aberto.

O VAR é uma ferramenta simples, porém poderosa, no gerenciamento de riscos e desde que os pressupostos sejam entendidos, ele pode ser usado para um bom efeito. A maior vantagem da VAR é que dá uma única figura em dinheiro que diz o quanto você pode perder no pior dos casos.

Aqui está a calculadora VAR:

Gostaria de se manter informado?

No início dos anos 80, ocorreu um experimento para descobrir se é possível ou não ter um monte. Como recuperar um comércio perdedor e sair com um lucro.

Seja como for, uma situação pode parecer, em quase todos os casos, um comércio perdedor pode ser recuperado e até mesmo virado. Você pode trocar mais rentável sem parar de perdas?

Negociar sem perdas pode soar como o mais arriscado que existe. Um pouco como ir ao alpinismo. Como tirar o máximo partido dos tipos de pedidos de Forex.

As ordens são muitas vezes vistas como nada mais do que um show paralelo para o negócio real da negociação. No entanto, o alcance. 5 maneiras simples de controlar suas emoções ao negociar.

Um dos maiores desafios no comércio financeiro é manter nosso estado de espírito emocional sob controle e. 7 maneiras de reduzir o risco na negociação Forex.

Aqui estão 7 dicas fáceis que ajudarão a reduzir o risco ao negociar câmbio e qualquer outro mercado. Como usar o Forex Alavancar com segurança.

Quando usado corretamente, alavancagem pode ajudá-lo a obter retornos muito maiores do que você normalmente poderia.

Deixe uma resposta Cancelar resposta.

Riscos.

Steve Connell passou mais de 17 anos trabalhando no setor financeiro como comerciante / criador de mercado e estrategista. Durante esse período, trabalhou para vários bancos globais e fundos de hedge. Steve tem uma visão única de uma variedade de mercados financeiros de câmbio, commodities a opções e futuros.

Risco Forex: Medição e avaliação usando Value-in-Risk.

(University College Dublin)

(Universidade de Manchester)

Ao longo da última década, o crescimento da atividade de negociação nos mercados financeiros, inúmeros casos de instabilidade financeira e uma série de perdas amplamente divulgadas nos livros de negociação dos bancos resultaram em uma reanalisação dos riscos enfrentados e como eles são medidos. A abordagem mais amplamente defendida para surgir para medir o risco de mercado é a do Valor-em-Risco (VaR). Esta metodologia foi projetada em J. P. Morgan para dar ao seu executivo-chefe uma figura única que forneceria um resumo diário do risco crescente do portfólio de investimentos dos Bancos. Os métodos VaR estimam a distribuição de perdas / ganhos em uma carteira de ativos / passivos em um determinado horizonte. A partir da distribuição estimada, pode-se encontrar, para a perda no portfólio, um limite que só será excedido raramente. Este limite é o VaR. O termo "raramente" é freqüentemente tomado para se referir a um evento que ocorre uma ou cinco vezes por cem períodos. Nos aplicativos reais, os usuários são livres para definir "raramente" para atender às suas próprias necessidades. O VaR pode ser calculado de várias maneiras e seu valor depende dos pressupostos feitos e dos modelos utilizados. Este artigo analisa seis medidas diferentes do VaR de um investidor irlandês que detém uma carteira de posições cambiais igualmente ponderada nas moedas dos principais parceiros comerciais da Irlanda. The basic data used are daily exchange rates covering the period 1990 to 1998. Daily VaRs for four different holding periods are calculated, using six alternative approaches to estimating the distribution of the underlying risk. The measured VaRs are compared graphically and statistically with actual losses/gains over the period. Recently developed techniques are used to measure the performance and accuracy of the estimates of the VaR estimates. For the portfolios considered here the method based on Exponentially Weighted Moving Averages is superior to the others. This may of course be due to the statistical properties of the FOREX returns being considered. The article provides a framework for the comparison of different measures of VaR. These can be adapted for the evaluation of alternative VaR models for risk control within an organisation. This framework can also serve as an input to the validation of in-house models proposed for the calculation of capital adequacy under the Capital Adequacy Directive.

Download Info.

If you experience problems downloading a file, check if you have the proper application to view it first. In case of further problems read the IDEAS help page. Note that these files are not on the IDEAS site. Please be patient as the files may be large.

Bibliographic Info.

Phone: (01) 671 6666.

Fax: (01) 671 6561.

Related research [Other version(s) available]

Other versions of this item:

Don Bredin & Stuart Hyde, 2004. " FOREX Risk: Measurement and Evaluation Using Value-at-Risk ," Journal of Business Finance & Accounting, Wiley Blackwell, vol. 31(9-10), pages 1389-1417.

Referências.

References listed on IDEAS.

Please report citation or reference errors to , or , if you are the registered author of the cited work, log in to your RePEc Author Service profile, click on "citations" and make appropriate adjustments.:

Tim Bollerslev, 1986. " Generalized autoregressive conditional heteroskedasticity ," EERI Research Paper Series EERI RP 1986/01, Economics and Econometrics Research Institute (EERI), Brussels. Christoffersen, Peter F, 1998. " Evaluating Interval Forecasts ," International Economic Review, Department of Economics, University of Pennsylvania and Osaka University Institute of Social and Economic Research Association, vol. 39(4), pages 841-862, November. Engle, Robert F, 2000. " Dynamic Conditional Correlation - A Simple Class of Multivariate GARCH Models ," University of California at San Diego, Economics Working Paper Series qt56j4143f, Department of Economics, UC San Diego. Full references (including those not matched with items on IDEAS)

Citations are extracted by the CitEc Project, subscribe to its RSS feed for this item.

This item is not listed on Wikipedia, on a reading list or among the top items on IDEAS.

Statistics.

Corrections.

When requesting a correction, please mention this item's handle: RePEc:cbi:wpaper:6/rt/02. See general information about how to correct material in RePEc.

For technical questions regarding this item, or to correct its authors, title, abstract, bibliographic or download information, contact: (Fiona Farrelly)

If you have authored this item and are not yet registered with RePEc, we encourage you to do it here. This allows to link your profile to this item. It also allows you to accept potential citations to this item that we are uncertain about.

If references are entirely missing, you can add them using this form.

If the full references list an item that is present in RePEc, but the system did not link to it, you can help with this form.

If you know of missing items citing this one, you can help us creating those links by adding the relevant references in the same way as above, for each refering item. If you are a registered author of this item, you may also want to check the "citations" tab in your profile, as there may be some citations waiting for confirmation.

Please note that corrections may take a couple of weeks to filter through the various RePEc services.

More services.

Follow series, journals, authors & Mais.

New papers by email.

Subscribe to new additions to RePEc.

Author registration.

Public profiles for Economics researchers.

Various rankings of research in Economics & related fields.

Who was a student of whom, using RePEc.

RePEc Biblio.

Curated articles & papers on various economics topics.

Upload your paper to be listed on RePEc and IDEAS.

EconAcademics.

Blog aggregator for economics research.

Plagiarism.

Cases of plagiarism in Economics.

Job Market Papers.

RePEc working paper series dedicated to the job market.

Fantasy League.

Pretend you are at the helm of an economics department.

Services from the StL Fed.

Data, research, apps & more from the St. Louis Fed.