Zum Inhalt springen
Calkulon

અદ્યતન નાણા અને વ્યવસાય

Value at Risk (VaR)

What is Value at Risk (VaR)?

▾

વેલ્યુ એટ રિસ્ક (VaR) એક આંકડાકીય માપ છે જે આપેલ આત્મવિશ્વાસ સ્તર પર નિર્ધારિત સમય ક્ષિતિજ પર પોર્ટફોલિયો અનુભવી શકે તેવા સંભવિત નાણાકીય નુકસાનનું પ્રમાણ દર્શાવે છે. ઉદાહરણ તરીકે, $1 મિલિયનના 1-દિવસના 95% VaRનો અર્થ એ છે કે 95% સંભાવના છે કે પોર્ટફોલિયો એક ટ્રેડિંગ દિવસમાં $1 મિલિયનથી વધુ ગુમાવશે નહીં — અથવા સમકક્ષ, 5% સંભાવના છે કે નુકસાન કોઈપણ દિવસે $1 મિલિયનથી વધી જશે. 1994માં જે.પી. મોર્ગનની રિસ્કમેટ્રિક્સ પદ્ધતિના પ્રકાશનને પગલે VaR નાણાકીય સંસ્થાઓમાં પ્રબળ જોખમ મેટ્રિક બની ગયું હતું અને ત્યારબાદ બેંક મૂડી પર્યાપ્તતા માટે બેસલ II અને બેસલ III નિયમનકારી માળખામાં એમ્બેડ કરવામાં આવ્યું હતું. VaR ની ગણતરી ત્રણ મુખ્ય અભિગમોનો ઉપયોગ કરીને કરી શકાય છે. ઐતિહાસિક સિમ્યુલેશન પદ્ધતિ પોર્ટફોલિયો વળતરના વાસ્તવિક ઐતિહાસિક વિતરણનો ઉપયોગ કરે છે, ખોટનું વિતરણ રચવા માટે પાછલા વળતરના અવલોકનોને ફરીથી ચલાવે છે અને સંબંધિત ટકાવારી વાંચે છે. પેરામેટ્રિક (વેરિઅન્સ-કોવેરિઅન્સ) પદ્ધતિ ધારે છે કે વળતર સામાન્ય રીતે વિતરિત કરવામાં આવે છે અને પોર્ટફોલિયોના સરેરાશ વળતર, પ્રમાણભૂત વિચલન અને સામાન્ય વિતરણના ઝેડ-સ્કોરને વિશ્લેષણાત્મક રીતે VaR ની ગણતરી કરવા માટે ઉપયોગ કરે છે. મોન્ટે કાર્લો સિમ્યુલેશન પદ્ધતિ નિર્દિષ્ટ વિતરણ ધારણાઓ અને સહસંબંધોના આધારે હજારો રેન્ડમ રીટર્ન દૃશ્યો પેદા કરે છે, જે કૃત્રિમ નુકસાન વિતરણ ઉત્પન્ન કરે છે જેમાંથી VaR અંદાજવામાં આવે છે. દરેક પદ્ધતિમાં શક્તિ અને મર્યાદાઓ હોય છે. ઐતિહાસિક સિમ્યુલેશન સાહજિક છે પરંતુ ઐતિહાસિક ડેટા સેટની ગુણવત્તા અને લંબાઈ દ્વારા મર્યાદિત છે. પેરામેટ્રિક પદ્ધતિ કોમ્પ્યુટેશનલી સરળ છે પરંતુ જ્યારે રિટર્ન ડિસ્ટ્રિબ્યુશનમાં ચરબીની પૂંછડીઓ અથવા બિન-રેખીય જોખમ એક્સપોઝર હોય ત્યારે નિષ્ફળ જાય છે (દા.ત., વિકલ્પો). મોન્ટે કાર્લો સૌથી વધુ લવચીક પરંતુ ગણતરીની રીતે સઘન અને મોડેલ ધારણાઓ પ્રત્યે સંવેદનશીલ છે. વ્યાપારી બેંકો, રોકાણ બેંકો, હેજ ફંડ્સ, એસેટ મેનેજર, વીમા કંપનીઓ અને પેન્શન ફંડો દ્વારા VaR નો વ્યાપક ઉપયોગ થાય છે. તે બેઝલ III (આંતરિક મોડલ્સ અભિગમનો ઉપયોગ કરીને) હેઠળ બજાર જોખમ મૂડીની ગણતરી માટે એક નિયમનકારી જરૂરિયાત છે અને મુખ્ય નાણાકીય સંસ્થાઓના વાર્ષિક અહેવાલોમાં જાહેર કરવામાં આવે છે. તેની સર્વવ્યાપકતા હોવા છતાં, VaR પાસે સારી રીતે દસ્તાવેજીકૃત મર્યાદાઓ છે: તે આત્મવિશ્વાસના થ્રેશોલ્ડ (પૂંછડીની ખોટ)થી આગળના નુકસાનની ગંભીરતાનું વર્ણન કરતું નથી, તે બજારના તણાવ દરમિયાન જોખમને ઓછો અંદાજ આપી શકે છે, અને તે ખોટી ચોકસાઇ બનાવી શકે છે. એક્સપેક્ટેડ શોર્ટફોલ (CVaR) અને તણાવ પરીક્ષણ જેવા પૂરક પગલાંનો ઉપયોગ હંમેશા વ્યાપક જોખમ વ્યવસ્થાપન માટે VaR ની સાથે કરવામાં આવે છે.

Calkulon makes complex calculations simple — built for students and everyday problem-solvers.

સૂત્ર

▾
f(x)પેરામેટ્રિક VaR = W × (μ × T − z × σ × √T) ઐતિહાસિક VaR = ટકાવારી(P&L વિતરણ, 1 − આત્મવિશ્વાસ સ્તર)

Variable Legend

▾
પ્રતીકનામએકમવર્ણન
VaRજોખમ પર મૂલ્યcurrency or %આપેલ સમય ક્ષિતિજ પર નિર્દિષ્ટ આત્મવિશ્વાસ સ્તર પર મહત્તમ અપેક્ષિત નુકસાન.
μપોર્ટફોલિયો મીન રીટર્ન% per periodઐતિહાસિક માપન સમયગાળા દરમિયાન પોર્ટફોલિયોનું સરેરાશ વળતર.
σપોર્ટફોલિયો માનક વિચલન% per periodપોર્ટફોલિયોનું પ્રમાણભૂત વિચલન ઐતિહાસિક માપન સમયગાળામાં વળતર આપે છે.
zZ-સ્કોર (કોન્ફિડન્સ લેવલ)dimensionlessવિશ્વાસ સ્તરને અનુરૂપ સામાન્ય વિતરણ ક્વોન્ટાઇલ (દા.ત., 95% માટે 1.645, 99% માટે 2.326).
Tસમય ક્ષિતિજdaysહોલ્ડિંગ અવધિ કે જેના પર VaR માપવામાં આવે છે; સામાન્ય રીતે ટ્રેડિંગ બુક માટે 1 દિવસ અથવા નિયમનકારી મૂડી માટે 10 દિવસ.
Wપોર્ટફોલિયો મૂલ્યcurrencyપોર્ટફોલિયોનું વર્તમાન બજાર મૂલ્ય; ટકાવારી VaR ને ડોલર VaR માં કન્વર્ટ કરવા માટે વપરાય છે.

How to Value at Risk (VaR)

▾
  1. 1પરિમાણો વ્યાખ્યાયિત કરો: આત્મવિશ્વાસ સ્તર (સામાન્ય રીતે 95% અથવા 99%), સમય ક્ષિતિજ (1 દિવસ અથવા 10 દિવસ), અને પોર્ટફોલિયો મૂલ્ય પસંદ કરો.
  2. 2પેરામેટ્રિક VaR માટે: પોર્ટફોલિયોની દૈનિક વળતર શ્રેણી એકત્રિત કરો, સરેરાશ દૈનિક વળતર (μ) અને પ્રમાણભૂત વિચલન (σ) ની ગણતરી કરો, પછી VaR = W × (z × σ × √T − μ × T) ની ગણતરી કરો, જ્યાં 95% માટે z = 1.645 અથવા 99% માટે 2.326.
  3. 3ઐતિહાસિક સિમ્યુલેશન માટે: ઓછામાં ઓછા 250-500 દૈનિક વળતર અવલોકનો એકત્રિત કરો, તેમને સૌથી ખરાબથી શ્રેષ્ઠમાં સૉર્ટ કરો અને આ ઐતિહાસિક નુકસાન વિતરણના 5મી પર્સન્ટાઇલ (95% VaR માટે) અથવા 1લી પર્સન્ટાઇલ (99% VaR માટે) ઓળખો.
  4. 4મોન્ટે કાર્લો માટે: રિટર્ન ડિસ્ટ્રિબ્યુશન પેરામીટર્સ (સરેરાશ, અસ્થિરતા, સહસંબંધ) નો ઉલ્લેખ કરો, 10,000+ રેન્ડમ રિટર્ન સિનારીયો જનરેટ કરો, સિમ્યુલેટેડ P&L વિતરણ બનાવો અને યોગ્ય ટકાવારી વાંચો.
  5. 51-દિવસથી લાંબા ક્ષિતિજ સુધી સ્કેલ કરો: T-દિવસના VaRનો અંદાજ કાઢવા માટે 1-દિવસની VaR ને √T વડે ગુણાકાર કરો (વર્ગ-મૂળ-સમયના નિયમ હેઠળ માન્ય, જે સ્વતંત્ર વળતર ધારે છે).
  6. 6વાસ્તવિક નુકસાન VaR અંદાજ ('અપવાદો') કરતાં કેટલી વાર વધી ગયું તેની ગણતરી કરીને VaR મૉડલની બૅકટેસ્ટ કરો. 99% VaR માટે, દર વર્ષે લગભગ 2.5 અપવાદો (250 ટ્રેડિંગ દિવસોમાંથી) અપેક્ષિત છે; નોંધપાત્ર રીતે વધુ મોડેલ નિષ્ફળતા સૂચવે છે.
  7. 7અપેક્ષિત શોર્ટફોલ (CVaR) ની સાથે VaR નો રિપોર્ટ કરો — જે નુકસાન VaR કરતાં વધી ગયું છે તે આપેલ સરેરાશ નુકસાન — VaR થ્રેશોલ્ડની બહારના નુકસાન વિતરણની પૂંછડીને દર્શાવવા માટે.

Worked Examples

▾
Example 1ઇક્વિટી પોર્ટફોલિયો — પેરામેટ્રિક 95% 1-દિવસની VaR
Given:પોર્ટફોલિયો મૂલ્ય $1,000,000, દૈનિક સરેરાશ વળતર 0.04%, દૈનિક ધોરણ 1.2%, આત્મવિશ્વાસ 95%
પરિણામ:1-દિવસ 95% VaR = $19,374

કોઈપણ ટ્રેડિંગ ડે પર $19,374 કરતાં વધુ ગુમાવવાની 5% તક છે.

પેરામેટ્રિક ફોર્મ્યુલાનો ઉપયોગ કરીને: VaR = $1,000,000 × (1.645 × 0.012 − 0.0004) = $1,000,000 × (0.01974 − 0.0004) = $1,000,000 × 0.01934, $1934, $1934 = 347 $ x ચોક્કસ z-સ્કોર સાથે). આનો અર્થ એ છે કે 95% ટ્રેડિંગ દિવસોમાં, પોર્ટફોલિયોની ખોટ આ રકમથી ઓછી રહેવાની ધારણા છે. 5% દિવસો પર — દર વર્ષે આશરે 12 થી 13 ટ્રેડિંગ દિવસો — નુકસાન આ આંકડા કરતાં વધી જવાની ધારણા છે. આ VaR અંદાજ સામાન્ય રીતે વિતરિત વળતરને ધારે છે અને જો વળતર વિતરણમાં ચરબીની પૂંછડીઓ હોય તો જોખમને ઓછો અંદાજ કરશે.

Example 2બેંક ટ્રેડિંગ બુક — 99% 10-દિવસ રેગ્યુલેટરી VaR
Given:1-દિવસ 99% VaR $500,000; 10 દિવસ સુધી માપવામાં આવે છે
પરિણામ:10-દિવસ 99% VaR = $1,581,139

બેઝલ III માટે બજારના જોખમ માટે બેંકોને 10-દિવસ 99% VaR સામે મૂડી રાખવાની જરૂર છે.

બેસલ III ના આંતરિક મોડલ્સ અભિગમ હેઠળ, બેંકોએ બજાર જોખમ મૂડીની જરૂરિયાતો માટે 10-દિવસ 99% VaR ની ગણતરી કરવી આવશ્યક છે. સ્ક્વેર-રૂટ-ઓફ-ટાઇમ નિયમનો ઉપયોગ કરીને: 10-Day VaR = 1-Day VaR × √10 = $500,000 × 3.162 = $1,581,139. બેંકે બજારના જોખમ સામે મૂડી બફર તરીકે આ VaR (ગુણક પરિબળ)ની ઓછામાં ઓછી 3 ગણી નિયમનકારી મૂડી રાખવી જોઈએ. આ ઉદાહરણ સમજાવે છે કે કેવી રીતે VaR મુખ્ય નાણાકીય સંસ્થાઓમાં નિયમનકારી મૂડી જરૂરિયાતો અને બેલેન્સ શીટ મેનેજમેન્ટ નિર્ણયોને સીધી રીતે ચલાવે છે.

Example 3ઐતિહાસિક સિમ્યુલેશન - હેજ ફંડ પોર્ટફોલિયો
Given:500 દૈનિક અવલોકનો; $2,000,000 પોર્ટફોલિયો પર 5મી સૌથી ખરાબ પર્સેન્ટાઇલ નુકશાન = -3.8%
પરિણામ:1-દિવસ 95% ઐતિહાસિક VaR = $76,000

વાસ્તવિક ઐતિહાસિક વળતર વિતરણ પર આધારિત - કોઈ સામાન્ય ધારણાની જરૂર નથી.

500 દિવસના વળતર ઇતિહાસ સાથે હેજ ફંડ માટે, ઐતિહાસિક સિમ્યુલેશન પદ્ધતિ તમામ 500 દૈનિક P&L અવલોકનોને રેન્ક આપે છે. 25મું સૌથી ખરાબ દૈનિક નુકસાન (5મી ટકાવારી = 500 × 0.05 = 25મું અવલોકન) 95% VaR દર્શાવે છે. જો 25મો સૌથી ખરાબ દિવસ $2,000,000 પોર્ટફોલિયોમાં 3.8% નુકશાનમાં પરિણમ્યો હોય, તો ઐતિહાસિક VaR $76,000 છે. બિન-રેખીય એક્સપોઝર (વિકલ્પો, કન્વર્ટિબલ્સ) સાથે હેજ ફંડ પોર્ટફોલિયો માટે આ પદ્ધતિ ખાસ કરીને મૂલ્યવાન છે જ્યાં પેરામેટ્રિક પદ્ધતિની સામાન્યતાની ધારણા નિષ્ફળ જશે, કારણ કે તે તેમના વિતરણ આકારને ધ્યાનમાં લીધા વિના વાસ્તવિક વાસ્તવિક વળતરનો ઉપયોગ કરે છે.

Example 4ક્રિપ્ટોકરન્સી પોર્ટફોલિયો — ઉચ્ચ વોલેટિલિટી સંદર્ભ
Given:પોર્ટફોલિયો $100,000, દૈનિક ધોરણ 4.5%, આત્મવિશ્વાસ 99%, સરેરાશ દૈનિક વળતર 0.1%
પરિણામ:1-દિવસ 99% પેરામેટ્રિક VaR = $10,377

10.4% દૈનિક VaR — ક્રિપ્ટોની ભારે અસ્થિરતા પોર્ટફોલિયોની તુલનામાં VaR ને ખૂબ મોટી બનાવે છે.

4.5% (સામાન્ય ઇક્વિટી પોર્ટફોલિયો માટે ~1% વિરુદ્ધ) ની દૈનિક અસ્થિરતા સાથેના ક્રિપ્ટોકરન્સી પોર્ટફોલિયો માટે, 99% VaR આશરે $100,000 × (2.326 × 0.045 − 0.001) = $0,06,070 = 0.70 $. આનો અર્થ એ છે કે કોઈપણ દિવસે પોર્ટફોલિયોના 10% થી વધુ ગુમાવવાની 1% તક છે - પરંપરાગત નાણાકીય અસ્કયામતો કરતાં ઘણું વધારે સંપૂર્ણ જોખમ. વિવેચનાત્મક રીતે, પેરામેટ્રિક મોડલ ચરબી-પૂંછડીવાળા, લેપ્ટોક્યુર્ટિક વળતર વિતરણને કારણે સાચા ક્રિપ્ટો વીએઆરને ઓછું દર્શાવે છે. ઐતિહાસિક સિમ્યુલેશન અથવા આત્યંતિક મૂલ્ય સિદ્ધાંત સામાન્ય રીતે આવા એસેટ વર્ગો માટે ઉચ્ચ અંદાજો પેદા કરશે.

Real-World Applications

▾
🏗️

Basel III regulatory capital calculations for bank market risk under the Internal Models Approach, representing an important application area for the Value At Risk in professional and analytical contexts where accurate value at risk calculations directly support informed decision-making, strategic planning, and performance optimization

🔬

Daily risk limit monitoring for trading desks at investment banks and market-making firms, representing an important application area for the Value At Risk in professional and analytical contexts where accurate value at risk calculations directly support informed decision-making, strategic planning, and performance optimization

📊

UCITS fund prospectus risk disclosures required by EU regulations (SRRI methodology), representing an important application area for the Value At Risk in professional and analytical contexts where accurate value at risk calculations directly support informed decision-making, strategic planning, and performance optimization

🏥

Portfolio optimization: constructing minimum-VaR portfolios within return targets, representing an important application area for the Value At Risk in professional and analytical contexts where accurate value at risk calculations directly support informed decision-making, strategic planning, and performance optimization

⚙️

Insurance company risk-based capital calculations for investment portfolio market risk, representing an important application area for the Value At Risk in professional and analytical contexts where accurate value at risk calculations directly support informed decision-making, strategic planning, and performance optimization

Special Cases

▾

{'case': 'વિકલ્પો પોર્ટફોલિયોઝ અને નોન-લિનિયર VaR', 'description': 'વિકલ્પો ધરાવતા પોર્ટફોલિયો માટે, રેખીય VaR મોડલ્સ (પેરામેટ્રિક) અયોગ્ય છે કારણ કે વિકલ્પોમાં બિન-રેખીય P&L પ્રોફાઇલ્સ (ડેલ્ટા, ગામા, વેગા એક્સપોઝર) હોય છે. સંપૂર્ણ પુનઃમૂલ્યાંકન VaR (ઐતિહાસિક સિમ્યુલેશન અથવા મોન્ટે કાર્લો) નો ઉપયોગ કરવો આવશ્યક છે, પ્રમાણસર P&L ફેરફારોને ધારણ કરવાને બદલે દરેક વિકલ્પને તેના કિંમત નિર્ધારણ મોડલનો ઉપયોગ કરીને વ્યક્તિગત રીતે પુનઃપ્રાપ્ત કરવા માટે વળતરના દૃશ્યો લાગુ કરવા.'}

{'કેસ': 'નકારાત્મક પોર્ટફોલિયો મૂલ્ય અથવા ટૂંકી સ્થિતિ', 'વર્ણન': 'ચોખ્ખી ટૂંકી સ્થિતિવાળા પોર્ટફોલિયો માટે, બજારની ગતિવિધિઓની તુલનામાં નફો અને નુકસાન ઊંધુ છે. VaR ની ગણતરી વાસ્તવિક P&L વિતરણના પરિપ્રેક્ષ્યથી થવી જોઈએ, ન કે અંતર્ગત સંપત્તિના વળતર વિતરણના. શોર્ટ પોઝિશન્સ બજારના ઘટાડાથી લાભ મેળવે છે પરંતુ બજારની એડવાન્સિસથી હારી જાય છે, તેથી ટૂંકી પુસ્તકો માટે VaR ડાઉનસાઇડ રિસ્કને બદલે અપસાઇડ માર્કેટ રિસ્ક માટે જવાબદાર હોવું જોઈએ.'}

{'કેસ': 'તણાવ દરમિયાન સહસંબંધ ભંગાણ', 'વર્ણન': 'VaR મોડેલો કે જે અસ્કયામતો વચ્ચેના ઐતિહાસિક સહસંબંધો પર આધાર રાખે છે તે બજારના તણાવની ઘટનાઓ દરમિયાન પોર્ટફોલિયો VaRને નાટકીય રીતે ઓછો કરી શકે છે, જ્યારે અગાઉની બિનસંબંધિત અસ્કયામતો અત્યંત સહસંબંધિત બની જાય છે (સંકટમાં સહસંબંધ 1 પર જાય છે). સામાન્ય બજારોમાં ધારવામાં આવેલ વૈવિધ્યકરણ લાભો અચાનક અદૃશ્ય થઈ શકે છે, જેના કારણે વાસ્તવિક નુકસાન બહુ-સંપત્તિના VaR અંદાજો કરતાં ઘણું વધી જાય છે.'}

VaR કોન્ફિડન્સ લેવલ ઝેડ-સ્કોર્સ અને વાર્ષિક અપવાદ દર

▾
કોન્ફિડન્સ લેવલZ-સ્કોરદૈનિક અપવાદ દરઅપેક્ષિત અપવાદો/વર્ષ
90%1.28210%~25 દિવસ/વર્ષ
95%1.6455%~12-13 દિવસ/વર્ષ
97.5%1.9602.5%~6 દિવસ/વર્ષ
99%2.3261%~2-3 દિવસ/વર્ષ
99.5%2.5760.5%~1 દિવસ/વર્ષ
99.9%3.0900.1%~ દર 4 વર્ષે 1 દિવસ

Frequently Asked Questions

▾
Q

VaR અને અપેક્ષિત શોર્ટફોલ (CVaR) વચ્ચે શું તફાવત છે?

A

VaR પ્રશ્નનો જવાબ આપે છે 'આપેલ આત્મવિશ્વાસના સ્તરે મહત્તમ નુકસાન શું છે?' - પરંતુ તે થ્રેશોલ્ડની બહાર કેટલું મોટું નુકસાન હોઈ શકે તે વિશે કંઈ કહેતું નથી. અપેક્ષિત તંગી (ES), જેને કન્ડીશનલ VaR (CVaR) પણ કહેવાય છે, તે પૂરક પ્રશ્નનો જવાબ આપે છે 'જો નુકસાન VaR કરતાં વધી જાય, તો સરેરાશ નુકસાન શું છે?' ES હંમેશા VaR કરતા વધારે અથવા બરાબર હોય છે અને પૂંછડીના જોખમનું વધુ સંપૂર્ણ વર્ણન પ્રદાન કરે છે. ઉદાહરણ તરીકે, જો 99% VaR $1M છે, તો CVaR $1.8M હોઈ શકે છે — એટલે કે VaR થ્રેશોલ્ડ સરેરાશ $1.8M કરતાં વધુ નુકસાન. CVaR ની શ્રેષ્ઠ પૂંછડી જોખમ ગુણધર્મોને લીધે પ્રાથમિક નિયમનકારી જોખમ માપ તરીકે બેસલ III એ ધીમે ધીમે VaR થી અપેક્ષિત શોર્ટફોલ તરફ સ્થળાંતર કર્યું છે.

Q

શા માટે VaR તમને જણાવતું નથી કે સૌથી ખરાબ નુકસાન કેટલું ખરાબ હોઈ શકે છે?

A

VaR એ ક્વોન્ટાઇલ માપ છે - તે એક થ્રેશોલ્ડનો ઉલ્લેખ કરે છે કે આપેલ સંભાવના સાથે નુકસાન ઓળંગશે નહીં, પરંતુ તે થ્રેશોલ્ડની બહારના નુકસાનના વિતરણ વિશે કોઈ માહિતી પ્રદાન કરતું નથી. બે પોર્ટફોલિયોમાં સમાન VaR હોઈ શકે છે પરંતુ ખૂબ જ અલગ પૂંછડી નુકશાન પ્રોફાઇલ્સ હોઈ શકે છે: એકમાં VaRથી આગળ મધ્યમ નુકસાન થઈ શકે છે, જ્યારે બીજામાં આપત્તિજનક નુકસાન થઈ શકે છે. આ મર્યાદા ખાસ કરીને વિકલ્પો, ક્રેડિટ ડેરિવેટિવ્ઝ અથવા બિન-રેખીય, અત્યંત વળાંકવાળા વળતર વિતરણ સાથેના અન્ય સાધનો સાથેના પોર્ટફોલિયો માટે ગંભીર છે. વ્યવહારુ પરિણામ એ છે કે એકલા VaR જોખમ વ્યવસ્થાપન માટે અપૂરતું છે અને અપેક્ષિત તંગી અને તણાવ પરીક્ષણ દ્વારા પૂરક હોવું જોઈએ.

Q

VaR માટે મારે કયા આત્મવિશ્વાસના સ્તરનો ઉપયોગ કરવો જોઈએ?

A

સૌથી સામાન્ય પસંદગીઓ છે 95% (ઘણા આંતરિક જોખમ વ્યવસ્થાપન કાર્યક્રમોમાં અને કેટલાક નિયમનકારો દ્વારા ઉપયોગમાં લેવાય છે) અને 99% (બેસેલ III દ્વારા બેંક માર્કેટ રિસ્ક કેપિટલ માટે નિર્દિષ્ટ). કેટલીક કંપનીઓ આર્થિક મૂડી અને તણાવ પરીક્ષણ હેતુઓ માટે 99.9% અથવા તેનાથી વધુનો ઉપયોગ કરે છે. પસંદગી એપ્લિકેશન પર આધાર રાખે છે: આંતરિક જોખમ મર્યાદા દૈનિક દેખરેખ માટે 95% VaR નો ઉપયોગ કરી શકે છે (વધુ વારંવાર પરંતુ નાના અપવાદો ઉત્પન્ન કરે છે), જ્યારે નિયમનકારી મૂડી અને જોખમ સહનશીલતા ફ્રેમવર્ક સામાન્ય રીતે 99% VaR નો ઉપયોગ કરે છે. ઉચ્ચ આત્મવિશ્વાસના સ્તરો મોટા VaR અંદાજો ઉત્પન્ન કરે છે અને વિશ્વસનીય અંદાજ માટે વધુ ઐતિહાસિક ડેટાની જરૂર છે — ઐતિહાસિક ડેટામાંથી 99.9% VaR ને પૂંછડીની ઘટનાઓની અર્થપૂર્ણ સંખ્યા માટે ઓછામાં ઓછા 1,000 અવલોકનોની જરૂર છે.

Q

VaR બેકટેસ્ટ કેવી રીતે થાય છે?

A

વાસ્તવિક અનુગામી P&L અનુભૂતિઓ સામે દૈનિક VaR અંદાજોની સરખામણી કરીને અને 'અપવાદો'ની સંખ્યા ગણીને VaR મોડલ્સની બેકટેસ્ટ કરવામાં આવે છે - જ્યારે વાસ્તવિક નુકસાન VaR અંદાજ કરતાં વધી ગયું હોય. યોગ્ય રીતે માપાંકિત 99% VaR મૉડલ માટે, આશરે 1% દિવસો અપવાદો પેદા કરવા જોઈએ — 250 ટ્રેડિંગ દિવસોમાંથી દર વર્ષે લગભગ 2 થી 3 દિવસ. બેસલ III ટ્રાફિક-લાઇટ સિસ્ટમનો ઉપયોગ કરે છે: દર વર્ષે 0-4 અપવાદો એ ગ્રીન ઝોન છે (મોડલ સ્વીકાર્ય છે), 5-9 એ યલો ઝોન છે (મોડલ શંકાસ્પદ છે, વધારાના મૂડી શુલ્ક લાગુ પડે છે), અને 10+ એ રેડ ઝોન છે (મોડલ નકારવામાં આવે છે). અપવાદોની વ્યવસ્થિત વધુ-અથવા ઓછી-અનુમાન નિયમનકારી ચકાસણી અને મોડલ પુનઃપ્રાપ્તિને ટ્રિગર કરે છે.

Q

VaR ની મુખ્ય મર્યાદાઓ શું છે?

A

VaR માં ઘણી સારી રીતે દસ્તાવેજીકૃત મર્યાદાઓ છે. તે ખોટી ચોકસાઇ પ્રદાન કરી શકે છે - એક નંબર તરીકે જોખમ વ્યક્ત કરવાથી ભ્રામક આત્મવિશ્વાસ પેદા થઈ શકે છે. તે પૂંછડીના જોખમને માપતું નથી (VR થ્રેશોલ્ડની બહારના નુકસાન). પેરામેટ્રિક VaR સામાન્ય રીતે વિતરિત વળતર ધારે છે, જે ફેટ-ટેલ્ડ ડિસ્ટ્રિબ્યુશનના જોખમને ઓછો અંદાજ આપે છે. ઐતિહાસિક સિમ્યુલેશન પછાત દેખાતું હોય છે અને ભાવિ બજારની સ્થિતિને પકડી શકતું નથી. VaR પ્રોસાયકિકલ હોઈ શકે છે - જ્યારે ખરેખર જોખમ એકઠું થતું હોય ત્યારે શાંત બજારો દરમિયાન નીચું દેખાય છે, અને જ્યારે પોઝિશન કાપવાની જરૂર હોય ત્યારે કટોકટી દરમિયાન વધતી જાય છે. વધુમાં, સહસંબંધિત તણાવની ઘટનાઓ દરમિયાન, VaR મૉડલ દ્વારા ધારવામાં આવેલા વૈવિધ્યકરણ લાભો અદૃશ્ય થઈ શકે છે, જેના કારણે વાસ્તવિક નુકસાન VaR અંદાજ કરતાં ઘણું વધી જાય છે.

Q

સમય ક્ષિતિજ VaR ને કેવી રીતે અસર કરે છે?

A

દૈનિક વળતર સ્વતંત્ર અને સમાન રીતે વિતરિત (i.i.d.) છે એવી ધારણા હેઠળ લગભગ સમય ક્ષિતિજના વર્ગમૂળ સાથે VaR સ્કેલ કરે છે. 10-દિવસની VaR એ 1-દિવસની VaR કરતાં આશરે √10 ≈ 3.16 ગણી છે. આ સ્કેલિંગ નિયમ બેઝલ III (જે નિયમનકારી મૂડી માટે 10-દિવસની VaR નો ઉલ્લેખ કરે છે) માં એમ્બેડ કરેલ છે અને જ્યારે વળતર સમયાંતરે અસંબંધિત હોય ત્યારે ગાણિતિક રીતે માન્ય છે. જો કે, જો વળતર સીરીયલ ઓટોકોરિલેશન દર્શાવે છે - જે ઘણા ટૂંકા ક્ષિતિજ પર કરે છે - વર્ગ-મૂળ-સમયનો નિયમ હકારાત્મક સ્વતઃસંબંધિત અસ્કયામતો માટે VaR ને વધારે પડતો અંદાજ આપે છે અને નકારાત્મક સ્વતઃસંબંધિત (મીન-રિવર્ટિંગ) માટે તેને ઓછો અંદાજ આપે છે.

Q

બેંકો અને રોકાણ કંપનીઓ દ્વારા વ્યવહારમાં VaR નો ઉપયોગ શું થાય છે?

A

બેંકો નિયમનકારી મૂડીની ગણતરીઓ (બેઝલ III માર્કેટ રિસ્ક કેપિટલ), ટ્રેડિંગ ડેસ્ક માટે દૈનિક જોખમ મર્યાદા મોનિટરિંગ, કાઉન્ટરપાર્ટી ક્રેડિટ એક્સપોઝર એસ્ટીમેશન અને બિઝનેસ લાઇનમાં આર્થિક મૂડી ફાળવણી માટે VaR નો ઉપયોગ કરે છે. ઇન્વેસ્ટમેન્ટ મેનેજરો પોર્ટફોલિયો બાંધકામ (જોખમ બજેટની મર્યાદાઓમાં લક્ષ્ય VaR હાંસલ કરવા માટે પોર્ટફોલિયોને ઑપ્ટિમાઇઝ કરવા), ક્લાયંટ રિપોર્ટિંગ (પ્રમાણિત સ્વરૂપમાં પોર્ટફોલિયો જોખમને જાહેર કરવા), ફંડ પ્રોસ્પેક્ટસ જોખમ જાહેરાતો (EU માં UCITS ફંડ્સમાં જરૂરી), અને તણાવ પરીક્ષણ માટે VaR નો ઉપયોગ કરે છે. મુખ્ય બેંકોમાં જોખમ વ્યવસ્થાપન પ્રણાલીઓ એકંદર પેઢી-વ્યાપી બજાર જોખમ એક્સપોઝર માટે હજારો પોઝિશન્સ અને એસેટ ક્લાસમાં વાસ્તવિક સમયમાં VaR ની ગણતરી કરે છે.

Common Mistakes to Avoid

▾
  • !VaR ને મહત્તમ સંભવિત નુકસાન તરીકે ગણવામાં આવે છે - VaR એ પૂંછડીના નુકસાન માટે આત્મવિશ્વાસનો અંતરાલ ઓછો છે, એકદમ ખરાબ કેસ નથી.
  • !VaR અંદાજ માટે ખૂબ જ ટૂંકી ઐતિહાસિક વિંડોનો ઉપયોગ કરવો — 250 કરતાં ઓછા ટ્રેડિંગ દિવસો અવિશ્વસનીય પેરામેટ્રિક અંદાજો અને ઐતિહાસિક સિમ્યુલેશન માટે અપર્યાપ્ત પૂંછડી અવલોકનો ઉત્પન્ન કરે છે.
  • !નોંધપાત્ર સ્વતઃસંબંધ અથવા સરેરાશ-રિવર્ઝન સાથેના વળતર માટે સ્ક્વેર-રૂટ-ઓફ-ટાઇમ સ્કેલિંગ નિયમ લાગુ કરવો, જે ખોટા બહુ-દિવસના VaR અંદાજો તરફ દોરી જાય છે.
  • !આ તફાવતોને સમાયોજિત કર્યા વિના વિવિધ આત્મવિશ્વાસ સ્તરો અથવા સમય ક્ષિતિજ પર ગણતરી કરાયેલ VaR ની સરખામણી કરવી.
  • !અપેક્ષિત તંગી અને તણાવ પરીક્ષણને અવગણવું - એકલા VaR વ્યાપક જોખમ વ્યવસ્થાપન માટે પૂરતું નથી અને પૂંછડીના નુકસાનની ગંભીરતાનું વર્ણન કરી શકતું નથી.
💡

Pro Tip

Always complement VaR with Expected Shortfall (CVaR) and historical stress tests using actual crisis scenarios (2008, 2020). Ask: 'If we are in the 1% tail, how bad can it get?' — that is the question VaR cannot answer but risk management cannot ignore.

⭐

Did you know?

J.P. Morgan's 1994 RiskMetrics publication, which popularized VaR, was driven by a request from then-CEO Dennis Weatherstone who wanted a single daily report summarizing the firm's total risk in one number. The result — the '4:15 report' delivered 15 minutes after market close — changed global banking risk management forever.

Regional Guides

▾
🇺🇸 US▾
જ્યાં લાગુ હોય ત્યાં યુએસ રૂઢિગત એકમો અને ધોરણોનો ઉપયોગ કરે છે
🇬🇧 UK▾
મેટ્રિક એકમો અથવા બ્રિટિશ ધોરણોમાં રૂપાંતરણની જરૂર પડી શકે છે
🇪🇺 EU▾
જ્યાં લાગુ હોય ત્યાં EU સંમેલનો અને SI એકમોને અનુસરે છે
📖Difficulty:Advanced
માત્ર માહિતીના હેતુ માટે. આ ટૂલ નાણાકીય સલાહ નથી. રોકાણ અથવા નાણાકીય નિર્ણયો લેતા પહેલા લાયક નાણાકીય સલાહકારની સલાહ લો.
Deep Dive

Read the full guide on how to use this calculator effectively

વધુ વાંચો →
Formula-verified for precision
Reviewed October 2026
Our methodology

સાપ્તાહિક ગણિત ટિપ્સ મેળવો

12,000+ સબ્સ્ક્રાઇબર્સ સાથે જોડાઓ કે જેઓ દર અઠવાડિયે કેલ્ક્યુલેટર ટીપ્સ મેળવે છે.

🔒
100% मफत
क्यारेय नोंधणी नहीं
✓
सचोट
चकासायेल फॉर्म्युला
⚡
तात्कालिक
टाइप करतां ज परिणाम
📱
मोबाइल रेडी
बधा उपकरणो

સेटिंग्स