What is Value at Risk (VaR)?
▾
Value at Risk (VaR) je statistické měřítko, které kvantifikuje potenciální finanční ztrátu, kterou může portfolio zaznamenat v definovaném časovém horizontu na dané úrovni spolehlivosti. Například 1denní 95% VaR ve výši 1 milionu USD znamená, že existuje 95% pravděpodobnost, že portfolio neztratí více než 1 milion USD za jediný obchodní den – nebo ekvivalentně 5% šance, že ztráty v kterýkoli daný den překročí 1 milion USD. VaR se stal dominantní metrikou rizika ve finančních institucích po zveřejnění metodiky RiskMetrics J. P. Morgan v roce 1994 a následně byl začleněn do regulačních rámců Basel II a Basel III pro kapitálovou přiměřenost bank. VaR lze vypočítat pomocí tří hlavních přístupů. Metoda historické simulace využívá skutečné historické rozložení výnosů portfolia, přehrání minulých pozorování výnosů pro vytvoření rozložení ztrát a odečtení příslušného percentilu. Parametrická metoda (Variance-Covariance) předpokládá, že výnosy jsou normálně rozděleny, a k analytickému výpočtu VaR používá průměrný výnos portfolia, směrodatnou odchylku a z-skóre normálního rozdělení. Simulační metoda Monte Carlo generuje tisíce scénářů náhodných výnosů na základě specifikovaných distribučních předpokladů a korelací, čímž vzniká syntetické rozdělení ztrát, ze kterého se odhaduje VaR. Každá metoda má své silné stránky a omezení. Historická simulace je intuitivní, ale omezená kvalitou a délkou souboru historických dat. Parametrická metoda je výpočetně jednoduchá, ale selhává, když distribuce výnosů mají tlusté konce nebo nelineární rizikové expozice (např. Monte Carlo je nejflexibilnější, ale výpočetně náročné a citlivé na předpoklady modelu. VaR je široce používán komerčními bankami, investičními bankami, hedgeovými fondy, správci aktiv, pojišťovnami a penzijními fondy. Jedná se o regulatorní požadavek pro výpočty tržního rizikového kapitálu podle Basel III (s využitím přístupu Internal Models Approach) a je zveřejněn ve výročních zprávách velkých finančních institucí. Navzdory své všudypřítomnosti má VaR dobře zdokumentovaná omezení: nepopisuje závažnost ztrát za hranicí spolehlivosti (ztráty na konci), může podceňovat riziko během stresu na trhu a může vytvářet falešnou přesnost. Doplňková opatření, jako je očekávaný nedostatek (CVaR) a zátěžové testování, se vždy používají vedle VaR pro komplexní řízení rizik.
Calkulon makes complex calculations simple — built for students and everyday problem-solvers.
Vzorec
▾
Parametrická VaR = W × (μ × T − z × σ × √T)
Historická VaR = percentil (rozdělení zisku a ztráty, 1 – úroveň spolehlivosti)Variable Legend
▾
| Symbol | Jméno | Jednotka | Popis |
|---|---|---|---|
| VaR | Value at Risk | currency or % | Maximální očekávaná ztráta na zadané hladině spolehlivosti v daném časovém horizontu. |
| μ | Průměrná návratnost portfolia | % per period | Průměrný výnos portfolia za historické období měření. |
| σ | Standardní odchylka portfolia | % per period | Směrodatná odchylka výnosů portfolia za historické období měření. |
| z | Z-skóre (úroveň sebevědomí) | dimensionless | Kvantil normálního rozdělení odpovídající hladině spolehlivosti (např. 1,645 pro 95 %, 2,326 pro 99 %). |
| T | Časový horizont | days | Doba držení, po kterou se měří VaR; typicky 1 den pro obchodní knihy nebo 10 dní pro regulatorní kapitál. |
| W | Hodnota portfolia | currency | Aktuální tržní hodnota portfolia; slouží k převodu procentního VaR na dolarový VaR. |
How to Value at Risk (VaR)
▾
- 1Definujte parametry: zvolte úroveň spolehlivosti (obvykle 95 % nebo 99 %), časový horizont (1 den nebo 10 dní) a hodnotu portfolia.
- 2Pro parametrické VaR: shromážděte řadu denních výnosů portfolia, vypočítejte střední denní výnos (μ) a směrodatnou odchylku (σ), poté vypočítejte VaR = W × (z × σ × √T − μ × T), kde z = 1,645 pro 95 % nebo 2,326 pro 99 %.
- 3Pro historickou simulaci: shromážděte alespoň 250–500 denních pozorování návratnosti, seřaďte je od nejhoršího po nejlepší a identifikujte 5. percentil (pro 95% VaR) nebo 1. percentil (pro 99% VaR) tohoto rozložení historických ztrát.
- 4Pro Monte Carlo: specifikujte parametry distribuce výnosů (střední hodnotu, volatilitu, korelace), vygenerujte více než 10 000 scénářů náhodné návratnosti, vytvořte simulované rozložení zisků a ztrát a odečtěte příslušný percentil.
- 5Měřítko od 1 dne po delší horizonty: vynásobte 1denní VaR √T pro odhad T-day VaR (platí podle pravidla druhé odmocniny času, které předpokládá nezávislé výnosy).
- 6Zpětně otestujte model VaR spočítáním, jak často skutečné ztráty přesáhly odhad VaR („výjimky“). Pro 99% VaR se očekává asi 2,5 výjimky ročně (z 250 obchodních dnů); výrazně více indikuje selhání modelu.
- 7Vykazujte VaR spolu s očekávaným nedostatkem (CVaR) – průměrnou ztrátou za předpokladu, že ztráta překročí VaR – pro charakterizaci konce rozdělení ztrát za prahovou hodnotu VaR.
Worked Examples
▾
Existuje 5% šance, že ztratíte více než 19 374 $ v kterýkoli daný obchodní den.
Pomocí parametrického vzorce: VaR = 1 000 000 $ × (1,645 × 0,012 − 0,0004) = 1 000 000 $ × (0,01974 − 0,0004) = 1 000 000 $ × 0,01934 přesný s přibližně 9 $ 1, přibližně 34 = 1 $ z-skóre). To znamená, že v 95 % obchodních dnů se očekává, že ztráta portfolia bude pod touto částkou. Očekává se, že ztráty v 5 % dnů – zhruba 12 až 13 obchodních dnů za rok – překročí toto číslo. Tento odhad VaR předpokládá normálně rozdělené výnosy a podcenil by riziko, pokud by rozdělení výnosů mělo tlusté konce.
Basel III vyžaduje, aby banky držely kapitál proti 10dennímu 99% VaR pro tržní riziko.
Podle přístupu k interním modelům Basel III musí banky vypočítat 10denní 99% VaR pro kapitálové požadavky tržního rizika. Pomocí pravidla druhé odmocniny: 10denní VaR = 1denní VaR × √10 = 500 000 $ × 3,162 = 1 581 139 $. Banka musí držet regulatorní kapitál ve výši alespoň 3násobku tohoto VaR (multiplikační faktor) jako kapitálovou rezervu proti tržnímu riziku. Tento příklad ilustruje, jak VaR přímo řídí regulatorní kapitálové požadavky a rozhodnutí týkající se řízení rozvahy ve velkých finančních institucích.
Založeno na skutečném historickém rozdělení výnosů – není potřeba žádný předpoklad normality.
U hedgeového fondu s 500denní historií návratnosti metoda historické simulace seřadí všech 500 denních pozorování zisků a ztrát. 25. nejhorší denní ztráta (5. percentil = 500 × 0,05 = 25. pozorování) představuje 95% VaR. Pokud 25. nejhorší den vedl ke ztrátě 3,8 % na portfoliu 2 000 000 USD, historické VaR je 76 000 USD. Tato metoda je zvláště cenná pro portfolia hedgeových fondů s nelineární expozicí (opce, konvertibilní), kde by předpoklad normality parametrické metody selhal, protože využívá skutečné realizované výnosy bez ohledu na jejich distribuční tvar.
10,4% denní VaR – extrémní volatilita kryptoměn činí VaR velmi velkým vzhledem k portfoliu.
Pro portfolio kryptoměn s denní volatilitou 4,5 % (oproti ~1 % u typických akciových portfolií) je 99% VaR přibližně 100 000 $ × (2,326 × 0,045 − 0,001) = 100 000 × 0,10367 = 10,367 $ To znamená, že existuje 1% šance na ztrátu více než 10% portfolia v kterýkoli daný den – mnohem vyšší absolutní riziko než u konvenčních finančních aktiv. Je kritické, že parametrický model pravděpodobně podhodnocuje skutečný krypto VaR kvůli tučným, leptokurtickým distribucím návratnosti. Historická simulace nebo teorie extrémních hodnot by pro takové třídy aktiv obvykle poskytly vyšší odhady.
Real-World Applications
▾
Výpočty regulatorního kapitálu Basel III pro riziko bankovního trhu v rámci přístupu interních modelů, představující důležitou aplikační oblast pro Value At Risk v profesionálních a analytických kontextech, kde přesné výpočty hodnoty v riziku přímo podporují informované rozhodování, strategické plánování a optimalizaci výkonu.
Denní sledování limitu rizika pro obchodní oddělení v investičních bankách a firmách tvořících trh, což představuje důležitou aplikační oblast pro Value At Risk v profesionálním a analytickém kontextu, kde přesné výpočty hodnoty v riziku přímo podporují informované rozhodování, strategické plánování a optimalizaci výkonu.
Zveřejňování rizik prospektu fondu UCITS vyžadované předpisy EU (metodika SRRI), které představuje důležitou aplikační oblast pro Value At Risk v profesionálním a analytickém kontextu, kde přesné výpočty hodnoty v riziku přímo podporují informované rozhodování, strategické plánování a optimalizaci výkonnosti
Optimalizace portfolia: vytváření portfolií s minimální hodnotou VaR v rámci návratových cílů, což představuje důležitou aplikační oblast pro Value At Risk v profesionálním a analytickém kontextu, kde přesné výpočty hodnoty v riziku přímo podporují informované rozhodování, strategické plánování a optimalizaci výkonu
Výpočty kapitálu pojišťovny založené na riziku pro tržní riziko investičního portfolia, představující důležitou aplikační oblast pro Value At Risk v profesionálních a analytických kontextech, kde přesné výpočty hodnoty v riziku přímo podporují informované rozhodování, strategické plánování a optimalizaci výkonu
Special Cases
▾
{'case': 'Portfolia opcí a nelineární VaR', 'description': 'Pro portfolia obsahující opce jsou lineární modely VaR (parametrické) nevhodné, protože opce mají nelineární profily zisků a ztrát (expozice delta, gama, vega). Musí být použito úplné přecenění VaR (historická simulace nebo Monte Carlo) s použitím scénářů návratnosti k přecenění každé opce individuálně pomocí jejího cenového modelu, spíše než za předpokladu proporcionálních změn zisku a ztráty.'}
{'case': 'Negative Portfolio Value or Short Positions', 'description': 'U portfolií s čistými krátkými pozicemi jsou zisky a ztráty obráceny vzhledem k pohybům trhu. VaR se musí vypočítat z pohledu skutečného rozdělení zisků a ztrát, nikoli rozdělení výnosů podkladových aktiv. Krátké pozice těží z poklesu trhu, ale ztrácejí z pokroků na trhu, takže VaR pro krátké knihy musí zohledňovat spíše proinflační tržní riziko než sestupné riziko.'}
{'case': 'Correlation Breakdown during Stress', 'description': 'Modely VaR, které se spoléhají na historické korelace mezi aktivy, mohou dramaticky podhodnotit VaR portfolia během stresových událostí na trhu, kdy se dříve nekorelovaná aktiva stávají vysoce korelovanými (korelace jde v krizi na 1). Výhody diverzifikace předpokládané na normálních trzích mohou náhle zmizet, což způsobí, že skutečné ztráty daleko překročí odhady VaR pro více aktiv.'}
Z-skóre úrovně spolehlivosti VaR a roční míra výjimek
▾
| Úroveň důvěry | Z-skóre | Denní sazba výjimek | Očekávané výjimky/rok |
|---|---|---|---|
| 90% | 1.282 | 10% | ~25 dní/rok |
| 95% | 1.645 | 5% | ~12–13 dní/rok |
| 97,5 % | 1.960 | 2,5 % | ~6 dní/rok |
| 99% | 2.326 | 1% | ~2-3 dny/rok |
| 99,5 % | 2.576 | 0,5 % | ~1 den/rok |
| 99,9 % | 3.090 | 0,1 % | ~1 den každé 4 roky |
Frequently Asked Questions
▾
Jaký je rozdíl mezi VaR a očekávaným nedostatkem (CVaR)?
VaR odpovídá na otázku 'jaká je maximální ztráta na dané úrovni spolehlivosti?' — ale neříká nic o tom, jak velké ztráty mohou být za tímto prahem. Expected Shortfall (ES), také nazývaný Conditional VaR (CVaR), odpovídá na doplňující otázku „pokud ztráty překročí VaR, jaká je průměrná ztráta?“ ES je vždy větší nebo rovno VaR a poskytuje úplnější popis koncového rizika. Pokud je například 99% VaR 1 mil. USD, CVaR může být 1,8 mil. USD – což znamená ztráty přesahující průměrnou prahovou hodnotu VaR 1,8 mil. USD. Basel III se progresivně posunul z VaR směrem k očekávanému schodku jako primárnímu regulačnímu opatření rizika kvůli vynikajícím vlastnostem rizika na konci CVaR.
Proč vám VaR neřekne, jak špatné mohou být nejhorší ztráty?
VaR je kvantilová míra — specifikuje práh, který ztráty s danou pravděpodobností nepřekročí, ale neposkytuje žádnou informaci o rozložení ztrát za tímto prahem. Dvě portfolia mohou mít identické VaR, ale velmi odlišné profily konečných ztrát: jedno může mít mírné ztráty těsně za VaR, zatímco jiné může zaznamenat katastrofické ztráty. Toto omezení je zvláště závažné u portfolií s opcemi, úvěrovými deriváty nebo jinými nástroji s nelineárním, vysoce zkresleným rozdělením výnosů. Praktickým důsledkem je, že samotná VaR je pro řízení rizik nedostatečná a musí být doplněna o očekávaný nedostatek a zátěžové testování.
Jakou úroveň spolehlivosti bych měl použít pro VaR?
Nejběžnější možnosti jsou 95 % (používané v mnoha interních aplikacích pro řízení rizik a některými regulátory) a 99 % (specifikováno Basel III pro rizikový kapitál bankovního trhu). Některé firmy používají 99,9 % nebo více pro účely ekonomického kapitálu a zátěžového testování. Volba závisí na aplikaci: interní rizikové limity mohou používat 95% VaR pro každodenní monitorování (produkují častější, ale menší výjimky), zatímco regulační kapitál a rámce tolerance rizika obvykle používají 99% VaR. Vyšší úrovně spolehlivosti produkují větší odhady VaR a vyžadují více historických dat pro spolehlivý odhad – 99,9% VaR z historických dat vyžaduje alespoň 1 000 pozorování, aby měl smysluplný počet koncových událostí.
Jak se zpětně testuje VaR?
Modely VaR jsou zpětně testovány porovnáním denních odhadů VaR se skutečnými následnými realizacemi zisku a ztráty a počítáním počtu „výjimek“ — dnů, kdy skutečné ztráty převýšily odhad VaR. Pro správně kalibrovaný model 99% VaR by přibližně 1 % dní mělo způsobit výjimky – asi 2 až 3 dny za rok z 250 obchodních dnů. Basel III používá systém semaforů: 0–4 výjimky za rok je zelená zóna (model je přijatelný), 5–9 je žlutá zóna (model je podezřelý, platí dodatečné kapitálové poplatky) a 10+ je červená zóna (model je zamítnut). Systematické nadměrné nebo nedostatečné předpovídání výjimek spouští regulační kontrolu a rekalibraci modelu.
Jaká jsou hlavní omezení VaR?
VaR má několik dobře zdokumentovaných omezení. Může poskytnout falešnou přesnost – vyjádření rizika jako jediné číslo může vytvořit zavádějící důvěru. Neměří koncové riziko (ztráty nad prahovou hodnotou VaR). Parametrický VaR předpokládá normálně rozdělené výnosy, což podceňuje riziko z fat-tailed distribuce. Historická simulace je zpětná a nemusí zachytit budoucí podmínky na trhu. VaR může být procyklický – může se objevit nízko během klidných trhů, kdy se riziko skutečně hromadí, a prudce stoupat během krizí, kdy je potřeba pozice snížit. Navíc během korelovaných stresových událostí mohou výhody diverzifikace předpokládané modely VaR zmizet, což způsobí, že skutečné ztráty daleko překročí odhady VaR.
Jak časový horizont ovlivňuje VaR?
VaR se měří přibližně s druhou odmocninou časového horizontu za předpokladu, že denní výnosy jsou nezávislé a identicky rozdělené (i.i.d.). 10denní VaR je přibližně √10 ≈ 3,16násobek 1denní VaR. Toto škálovací pravidlo je zakotveno v Basel III (který specifikuje 10denní VaR pro regulatorní kapitál) a je matematicky platné, když výnosy nejsou v čase nekorelované. Pokud však výnosy vykazují sériovou autokorelaci – což mnozí dělají v krátkém horizontu – pravidlo druhé odmocniny času nadhodnocuje VaR u pozitivně autokorelovaných aktiv a podhodnocuje ji u negativně autokorelovaných (vracejících se průměr).
K čemu VaR v praxi využívají banky a investiční firmy?
Banky používají VaR pro výpočty regulatorního kapitálu (kapitál tržního rizika podle Basel III), denní sledování rizikových limitů pro trading desk, odhad úvěrové expozice protistrany a alokaci ekonomického kapitálu napříč obchodními liniemi. Investiční manažeři používají VaR pro konstrukci portfolia (optimalizaci portfolia pro dosažení cílové VaR v rámci omezení rizikového rozpočtu), reporting klientů (zveřejňování rizika portfolia ve standardizované formě), zveřejňování rizik prospektu fondu (požadováno ve fondech UCITS v EU) a stresové testování. Systémy řízení rizik ve velkých bankách počítají VaR v reálném čase pro tisíce pozic a tříd aktiv, aby agregovaly expozici vůči tržnímu riziku celé firmy.
Common Mistakes to Avoid
▾
- !Zacházení s VaR jako s maximální možnou ztrátou — VaR je dolní mez intervalu spolehlivosti pro koncové ztráty, nikoli absolutně nejhorší případ.
- !Použití příliš krátkého historického okna pro odhad VaR – méně než 250 obchodních dnů vytváří nespolehlivé parametrické odhady a nedostatečná pozorování konce pro historickou simulaci.
- !Použití pravidla škálování druhé odmocniny času na výnosy s významnou autokorelací nebo reverzí střední hodnoty, což vede k nesprávným vícedenním odhadům VaR.
- !Porovnání VaR vypočítaných na různých úrovních spolehlivosti nebo časových horizontech bez úpravy o tyto rozdíly.
- !Ignorování očekávaného nedostatku a zátěžového testování – samotná VaR nestačí pro komplexní řízení rizik a nemůže popsat závažnost ztrát na konci.
Pro Tip
Vždy doplňujte VaR o očekávaný schodek (CVaR) a historické zátěžové testy s použitím skutečných krizových scénářů (2008, 2020). Zeptejte se: 'Pokud jsme v 1% chvostu, jak špatné to může být?' — to je otázka, na kterou VaR nemůže odpovědět, ale řízení rizik nemůže ignorovat.
Did you know?
Publikace RiskMetrics od J. P. Morgana z roku 1994, která popularizovala VaR, byla vedena žádostí tehdejšího generálního ředitele Dennise Weatherstonea, který chtěl jedinou denní zprávu shrnující celkové riziko firmy do jednoho čísla. Výsledek – zpráva „4:15 report“ doručená 15 minut po uzavření trhu – navždy změnil globální řízení bankovních rizik.
Regional Guides
▾
🇺🇸 US▾
🇬🇧 UK▾
🇪🇺 EU▾
References
Získejte týdenní matematické tipy
Připojte se k 12 000+ odběratelům, kteří každý týden dostávají tipy na kalkulačku.