ঝুঁকির মান বনাম প্রত্যাশিত ঘাটতি ব্যাখ্যা করা হয়েছে
টেইল-রিস্ক পরিমাপ ব্যবহার করার আগে VaR এবং প্রত্যাশিত শর্টফলের সংজ্ঞা, গণনা, বৈচিত্র্যের বৈশিষ্ট্য, অনুমান ত্রুটি এবং ব্যাকটেস্টগুলির তুলনা করুন
সরাসরি উত্তর
ঝুঁকিতে মান হল ক্ষতির পরিমাপ: আত্মবিশ্বাসে α এটি একটি থ্রেশহোল্ডকে চিহ্নিত করে যার সম্ভাব্যতা প্রায় 1−α। প্রত্যাশিত শর্টফল যে সবচেয়ে খারাপ লেজ জুড়ে ক্ষতির গড়। ES VAR-এর বাইরেও তীব্রতা বর্ণনা করে, কিন্তু এর জন্য আরও টেইল ডেটার প্রয়োজন হয় এবং কোনও পরিমাপ পরবর্তী অনুভূত ক্ষতির পূর্বাভাস দেয় না
VaR একটি সীমানা চিহ্নিত করে
CDF F_L দিয়ে L হারানোর জন্য, VaR_α(L)=inf{l:F_L(l)≥α} সংজ্ঞায়িত করুন
10-এর এক দিনের 99% VaR মানে মডেল তার নিয়ম অনুসারে 10-এর উপরে একদিনের ক্ষতির প্রায় 1% রাখে
এর মানে এই নয় যে সর্বোচ্চ ক্ষতি 10, প্রতি 100 দিনের মধ্যে 99টিতে ক্ষতি 10-এর নিচে থাকে, বা এর মাত্রা কম
প্রত্যাশিত ঘাটতি নির্বাচিত লেজের গড়
একটি শক্তিশালী সংজ্ঞা হল ES_α(L)=(1−α)^{-1}∫_α^1 VaR_u(L)du একটি অখণ্ডনীয় ক্ষতির জন্য
একটি অবিচ্ছিন্ন বন্টনের জন্য এটি প্রায়শই E[L|L≥VaR_α] এর সমান হয়, নির্বাচিত টেল কনভেনশন সাপেক্ষে
কোয়ান্টাইলে পরমাণুর সাথে, একটি সাধারণ শর্তাধীন গড় খুব বেশি ভর নির্বাচন করতে পারে, তাই অবিচ্ছেদ্য সংজ্ঞা ভগ্নাংশের কোয়ান্টাইল ভরকে সঠিকভাবে পরিচালনা করে
পরিমাপ বিভিন্ন পোর্টফোলিও দেখুন
দুটি পোর্টফোলিওতে একই VaR থাকতে পারে যখন একটি থ্রেশহোল্ডের বাইরে অনেক বড় ক্ষতি বরাদ্দ করে
VaR প্রতিটি বিতরণের জন্য উপযোগী নয় এবং কখনও কখনও বৈচিত্র্যকে শাস্তি দিতে পারে বা কেন্দ্রীভূত থ্রেশহোল্ড প্রভাবকে পুরস্কৃত করতে পারে
ES স্ট্যান্ডার্ড সংজ্ঞা এবং অখণ্ডতার অধীনে সুসঙ্গত, কিন্তু সমন্বয় একটি ভুল নির্দিষ্ট মডেল বা বাসি ডেটাসেটকে নির্ভরযোগ্য করে না
অনুমান টেইল ডিটেইলের জন্য ব্রেডথ ট্রেড করে
ঐতিহাসিক VaR হল একটি অর্ডার পরিসংখ্যান; ঐতিহাসিক ES শুধুমাত্র নির্বাচিত র্যাঙ্কের বাইরের পর্যবেক্ষণের গড় করে
উচ্চ আত্মবিশ্বাসে, ES তাই খুব কম কার্যকর পর্যবেক্ষণ ব্যবহার করে এবং অনেক বড় স্যাম্পলিং অনিশ্চয়তা থাকতে পারে
প্যারামেট্রিক, ফিল্টার করা, চরম-মূল্য, এবং মন্টে কার্লো অনুমানগুলি মডেল অনুমানগুলি যোগ করে যা অবশ্যই দিগন্ত, নির্ভরতা, তারল্য এবং শাসনের সাথে মেলে
ব্যাকটেস্টিং বিভিন্ন প্রশ্ন জিজ্ঞাসা করে
ভিএআর পরীক্ষাগুলি অতিরিক্ত গণনা করতে পারে এবং মূল্যায়ন করতে পারে যে তাদের টাইমিং ক্লাস্টার মডেলের অনুমতির চেয়ে বেশি কিনা
শুধুমাত্র অতিরিক্ত ফ্রিকোয়েন্সি দ্বারা ES দরকারীভাবে মূল্যায়ন করা হয় না; উপযুক্ত স্কোরিং বা টেইল-লস ডায়াগনস্টিকসের মাধ্যমে এটি VaR এর সাথে যৌথভাবে মূল্যায়ন করা যেতে পারে
একটি সবুজ ব্যাকটেস্ট কেবল বলে যে অতীতের পূর্বাভাস ত্রুটিগুলি সেই পরীক্ষা এবং উইন্ডোটি পূরণ করেছে, এমন নয় যে পরবর্তী শাসন বা মডেলবিহীন অবস্থানটি কভার করা হয়েছে
অপ্টিমাইজেশন একটি দরকারী ES সূত্র প্রকাশ করে
রকফেলার–উরিয়াসেভ min_t{t+(1−α)^{-1}E[(L−t)_+]} ব্যবহার করেন; উল্লেখিত কনভেনশনের অধীনে এর ন্যূনতম সমান ES
একটি অপ্টিমাইজিং টি হল স্ট্যান্ডার্ড অবস্থার অধীনে একটি VaR কোয়ান্টাইল, যা অনেক দৃশ্যকল্প-ভিত্তিক ES সমস্যাকে উত্তল প্রোগ্রামে পরিণত করে।
ফলাফল এখনও দৃশ্যকল্পের গুণমান, অবস্থান ননলাইনারিটিস, লেনদেনের সীমাবদ্ধতা এবং ক্ষতির ম্যাপিং উত্তল কিনা তার উপর নির্ভর করে
গভর্ন্যান্সকে অবশ্যই কনভেনশনগুলো স্থগিত করতে হবে
ক্ষতির চিহ্ন, দিগন্ত, আত্মবিশ্বাসের স্তর, মূল্যায়নের সময়, ডেটা উইন্ডো, ওজন, মুদ্রা, এবং অনুপস্থিত বা বাসি দামের চিকিত্সা উল্লেখ করুন
অনিশ্চয়তার ব্যবধান, অতিরিক্ত ইতিহাস, লেজ অবদানকারী, স্ট্রেস পরিস্থিতি এবং পরিসংখ্যানগত মডেলের বাইরে সীমা সহ VaR এবং ES রিপোর্ট করুন
বিকল্প উইন্ডো এবং নির্ভরতা অনুমানের অধীনে পুনরায় গণনা করুন এবং একটি নম্বরকে ঝুঁকির শংসাপত্র হিসাবে বিবেচনা করার পরিবর্তে পরিবর্তনগুলি তদন্ত করুন
সাধারণ প্রশ্ন
VaR এবং প্রত্যাশিত শর্টফলের মধ্যে পার্থক্য কী?
VaR একটি ক্ষতির পরিমাণ চিহ্নিত করে; প্রত্যাশিত শর্টফল ডিস্ট্রিবিউশনের সবচেয়ে খারাপ প্রান্তের মাধ্যমে সেই কোয়ান্টাইল থেকে গড় ক্ষতি করে
99% VaR মানে কি ক্ষতি VaR-এর বেশি হতে পারে না?
না। মডেলের অধীনে বাড়াবাড়ি প্রত্যাশিত, এবং এই বাড়াবাড়িগুলি কতটা গুরুতর হতে পারে সে সম্পর্কে VaR কিছুই বলে না
প্রত্যাশিত ঘাটতি কি সবসময় VaR থেকে ভাল?
এটিতে লেজ-তীব্রতার তথ্য এবং শক্তিশালী বৈচিত্র্যের বৈশিষ্ট্য রয়েছে, তবে এটি অনুমান করা কঠিন এবং মডেল নির্ভর রয়ে গেছে
প্রত্যাশিত ঘাটতি কি ব্যাকটেস্ট করা যেতে পারে?
হ্যাঁ, কিন্তু একা একা গণনা বাড়ার দ্বারা নয়; দরকারী পন্থাগুলি ভিএআর-এর সাথে যৌথভাবে এটিকে মূল্যায়ন করে বা পূর্বাভাসের বিরুদ্ধে পুচ্ছের ক্ষতির উপলব্ধি পরীক্ষা করে