Корпоративные методики управления риском в частном трейдинге

Де-факто индивидуальный трейдинг зачастую становится синонимом потерь и непрофессионализма. К сожалению, реальность такова, что у институциональных структур различной степени сложности или даже у сплоченных команд — шансов добиться успеха на этом поприще значительно больше, чем у индивидуально взятого трейдера. Тема институционализации частных трейдеров, формирования команд и работы над эффективным подходом к трейдингу — очень широка и интересна, однако остановимся на одной из важнейших составляющих любой работы, связанной с финансовыми продуктами (да что уж там, связанной с любой деятельностью или бизнесом) — управлением и оценкой рисков.

Управление и оценка риска внутри финансовых институтов носит системный и всеобъемлющий характер, а «рисковая полиция» является ключевым звеном любого трейдинг-деска. Однако, индивидуальные трейдеры — далее ИТ — сильно недооценивают всю глубину вопроса. В 90 из 100 резюме и предоставленных такими трейдерами трек-рекордах мы всегда видим одни и те же проблемы, заключающиеся в отсутствии понимания вопроса оценки риска как такового: начиная с совершенно неспособных генерировать постоянную альфу торговых систем, имеющих прибыль в моменте из-за синусоидального характера кривой доходности этих торговых систем и заканчивая системами со стабильными альфой и бетой, но огромным  хвостовым риском (tail risk) (при этом нужно понимать что любой хвостовой риск необходим к оценке, т.к. при недостаточном внимании к этому вопросу любой «не такой уж и редкий» черный лебедь выведет всю систему из строя). Стратегия, в рамках которой допустима потеря всего или значительной части капитала — не может и не должна торговаться в индустрии управления активами. 

Помимо чисто статистических рисков есть еще риски операционные, валютные, контрагента и многие другие. Они тоже необходимы к оценке. Игнорирование влияние неторгового риска (не говоря уже о технических сбоях и подобном) на результаты торговли может иметь колоссальное негативное влияние.

Простой пример: трейдер торгует несколько рынков, трейдеру доступны инструменты российского, американского, азиатского и других фондовых рынков. Трейдер уверен в системе, в наборе правил входа, выхода, ведения позиции — эта система способна генерировать альфу.

Что может произойти? Очень многое. В случае, если, например, валюта актива отличается от валюты торгового счета — мы получаем огромный висящий валютный tail risk, который может реализоваться следующим образом:

У трейдера есть 100 000 рублей. Пускай 1 USD = 50 RUR. Загрузка портфеля у трейдера и убыток в случае ошибки — 50% (большой риск, но тем не менее оценённый и ограниченный). Итак, трейдер на 1000 USD шортит бумаги A стоимостью 100$. Через 3 месяца трейдер закрывает позицию с положительным результатом, т.к. акция упала до 90$ (комиссионные издержки и иные сборы в данном примере опустим). Бумажная прибыль составила 100$ на вложенные 1000$ риска. Но в реальности трейдер смотрит на свой счет и видит, что потерял практически весь свой капитал и трейдингом в ближайшее время заниматься у него не получится, т.к. придется расхлебывать возникшие вопросы.

Как это произошло?
Если за данные 3 месяца рубль просел по отношению к доллару в 2 раза, то при открытии позиции трейдер получил 50 000 тысяч (50р * 1000$) рублей в бумагах, а при закрытии, когда доллар стал стоить 100 рублей заплатил за акции стоимость 90$ сумму в рублях равную 90 000 рублей потеряв на казалось бы прибыльной позиции 80% рискового капитала. В ситуации широкого распространения мультирыночного ПО и счетов + сильно увеличившаяся волатильность базовой для счета валюты — рубля (а мы все знаем что это возможно, по крайней мере, теперь) — подобные случаи не редкость.

Все из-за отсутствия подхода к оценке риска. И не простого торгового, вроде лимита на позицию на или на портфель, а, в данном случае, MAR — multi assets risk.

Естественно, корпоративные методики оценки риска учитывают или по крайней мере способны учитывать такой риск, а ИТ — нет. Сейчас я постараюсь рассказать о том, как мы можем перенести некоторые институциональные методики оценки риска с деска на рабочий стол частного трейдера.

Итак, помимо общих показателей, таких как: Recovery factor, Regeneration factor, Sharp и проч. риск любой системы и/или актива характеризуется разбросом значений ее сделок (показателей доходности). Такой разброс называется дисперсией и является базовым мерилом риска любого портфеля или стратегии. По сути, оценивая дисперсию сделок системы, мы оцениваем ее СКО (или волатильность или бету значений ее доходности).

Очевидно, что при заданной доходности мы ожидаем увидеть систему с меньшей дисперсией и бетой более эффективной, предсказуемой и поддающейся моделированию. Это утверждение будет очень важно в дальнейшем.

Также не стоит не забывать и про tail-риски. Так, при значительном висящем убытке в системе (например, построение обратных пирамид при управлении позицией) дисперсия может быть мала, но tail-риск остается значительным. Т.е. в среднем система за 100 дней дает некий постоянный доход, но на 101 день мы рискуем потерять все. Таким образом, мы приходим к тому, что риски бывают нормальными и хвостовыми. За оценку нормального риска, т.е. дисперсии нормальных доходностей (отрицательных или положительных) отвечает Value at Risk (VaR), стоимостная мера риска, которая, по сути, говорит нам, сколько мы можем заработать или потерять по конкретной системе или портфелю с вероятностью, допустим, 99%. Остальной 1% и является хвостовым риском, который, тем не менее, очень важен при оценке всего риска торгуемой стратегии или набора стратегий. Оценка tail risk (или хвостового риска или риска айсберга) - это отдельная тема, которая требует детального рассмотрения с точки зрения стрессового и критериального тестирования торговой стратегии или портфеля. Для простоты ситуации поговорим сейчас только о var рисках, предполагая, что внутри var диапазона всегда находятся 100% сделок.

Как мы можем увеличить эффективность портфеля, состоящего из n количества торговых систем или торговых роботов используя современные методы управления портфелями?

Начнем с того, что капитал ограничен. Таким образом, нам нужно решить вопрос эффективного распределения капитала, как между этими системами, так и между позициями одной системы. 

Начнем с распределения капитала между n-м количеством торговых стратегий или роботов. Для этого обратимся к понятию эффективной границы Марковица. Предполагается, что читатель понимает метод формирования оптимального портфеля по Марковицу. Используя этот метод и заменяя показатели доходностей актива за периоды показателями доходности системы за периоды (благо система дискретна) мы получаем оценку на декартовой системе координат средней доходности и беты (риска) этой торговой системы так, как если бы эта система была бы просто активом (например, торгуемым фондом, кривая капитала которого повторяет кривую доходности ТС).

Расположив n-е количество таких торговых систем на плоскости мы и получим модель эффективного распределения капитала между системами при заданном риске. Все очень легко и понятно.

Говоря о распределении капитала между позициями внутри ТС нужно обратиться к банковскому моделированию, а именно к такому понятию как RWA.  Показатель RWA (risk‐weighted assets)  — является базовым элементом международного IRB-подхода к оценке достаточности капитала кредитных организаций и инвестиционных банков и говорит о том, с каким риском банк обязан оценивать тот или иной актив на балансе. Показатель RWA поможет нам прийти к показателю RWP - risk‐weighted positions, помогающему оценить риск каждой позиции внутри системы, предполагая, что разные входы и позиции внутри системы осуществляются с разной степенью успешности.

RWP — это саморегулируемая модель, помогающая без вмешательства трейдера перераспределять капитал и риск между разными позициями одной торговой системы вслед за изменением рынка и показателей самой системы. Подходов к оценке RWP много, самым простым из них является присвоение коэффициента качества для каждой позиции, которое базируется на срабатываемости сделок в системе.

Допустим, наша система дает 2 вида сигналов — для простоты возьмем такие сигналы как «пробой» и «отбой». Если из 100 сделок 50% сделок были на отбой, а 50% на пробой и внутри этих 50% у каждого сигнала также срабатывало 25% сделок в плюс, а 25% сделок в минус — мы получаем равновесное распределение капитала. Соответственно, при изменения показателя срабатываемости сделок (т.е. успешности сигнала), вес каждой позиции изменяется, изменяется и рекомендуемый риск на эту позицию. Таким образом, если отбои перестали на текущем рынке срабатывать вообще — система автоматически уберет весь риск и весь объем с таких позиций и наоборот, добавит риск и объем, если отбои вновь начнут зарабатывать.

Выше я показал простейшую механику применения институциональных корпоративных подходов к оценке риска к индивидуальному трейдингу. Конечно, любая такая система управления риском упирается в механизмы и умения ведения отчетности. Но об этом я постараюсь написать в следующих статьях.

Спасибо, думайте своей головой и удачных трейдов!

Автор: Петленко Владислав Тарасович, управляющий партнер инвестиционно-консалтинговой компании «Волфлайн Кэпитал».