Математические подробности: другие меры риска

Те из вас, кто имеет серьезную математическую подготовку, осознают ограничения использования стандартного отклонения (SD, от standard deviation) как меры риска. Например, в реальном мире инвестиций доходности не следуют модели классического «нормального распределения», а гораздо ближе подходят к логарифмически-нормальному распределению. Далее, существует некоторая степень асимметричности относительно среднего значения (асимметрия), а также более высокая частота событий ближе к экстремумам диапазона (эксцесс). Наиболее значимый недостаток стандартного отклонения как меры риска в том, что одинаково важное значение придается доходностям выше и ниже среднего, в то время как только события, происходящие ниже среднего значения, важны при измерении риска инвестиций. Это навело некоторых ученых и практиков на мысль ввести полудисперсию, или среднее отклонение событий, происходящих ниже среднего значения, как более реалистичное измерение риска. Однако на практике как дисперсия, так и полудисперсия дают очень похожие результаты, и дисперсия / стандартное отклонение остается превосходной мерой риска. По сути, простая дисперсия / стандартное отклонение имеет дополнительное преимущество, дважды давая возможность поймать избыточную волатильность. В печально известном случае с компанией Long Term Capital Management она едва не оказалась на грани банкротства из-за того, что ей не удавалось достичь значительной отрицательной полудисперсии. Обычный расчет показателя стандартного отклонения / дисперсии ежемесячной доходности предупредил бы о надвигающихся проблемах за несколько лет.

Определений риска существует так же много, как и ученых в области финансов. В число возможных мер риска входят вероятность номинального убытка, или убытка с поправкой на инфляцию, «стандартное отклонение убытка», или вероятность получения более низкой доходности, чем по какому-либо индексу (например, S&P 500) или по казначейским векселям. Большинство отдает предпочтение мере, связанной с вероятностью того, что доходность инвестиций окажется ниже доходности безрискового актива, обычно казначейских векселей. Это легко рассчитать, используя кумулятивную функцию стандартного нормального распределения, подобную функции биноминального распределения, которую использовал наш воображаемый профессор статистики.

Вы можете придумать собственную меру риска. Такие индивидуальные меры риска и доходности называются функциями полезности.

Рис. 1.2. Распределение доходности актива «А»

В качестве более простого примера рассмотрим фонд, состоящий из акций латиноамериканских компаний, с ожидаемой доходностью в 15 % и очень высоким стандартным отклонением в 35 %. Это сигнализирует о вероятности убытка в 20 % или выше каждые шесть лет, убытка выше 55 % каждые 44 года и убытка выше 90 % каждые 740 лет. Очень сомневаюсь, что кто-либо из торговых агентов фонда или брокеров, продвигающих подобные фонды, в последние годы сообщал такую информацию своим клиентам. По сути, одним из характерных признаков сильно перекупленного рынка является общая недооценка рисков.

Если до сих пор вы понимали весь материал этой главы, то вы либо очень старались, либо хорошо оперируете числами (или прослушали курс статистики). Сегодня больше не читайте – отложите книгу, отдохните, займитесь другими делами. В следующий раз начнем с вами рассматривать реальные активы.