बैंकों में Value at Risk Models: CAIIB रिस्क मैनेजमेंट गाइड
किसी भी CAIIB Risk Management Elective कैंडिडेट से पूछिए कि लंच से पहले कोई treasury dealer सबसे पहले कौन सा नंबर चेक करता है, तो ज़्यादातर का जवाब होगा Value at Risk models। Value at risk models इस elective paper के market risk हिस्से में सबसे ज़्यादा पूछा जाने वाला quantitative टूल है, और जैसे ही आप किसी treasury या risk desk के interview में बैठेंगे यह वहाँ भी सामने आ जाता है। यह गाइड कॉन्सेप्ट को शुरुआत से बनाती है — VaR असल में क्या मापता है, बैंक इसे तीन तरीकों से कैसे कैलकुलेट करते हैं, confidence level और holding period इस नंबर को कैसे बदलते हैं, और Reserve Bank of India तथा SEBI भारतीय मार्केट में इसे कहाँ इस्तेमाल करते हैं। इसे अपने risk management framework वाले चैप्टर के साथ खुला रखिए — यही वह जगह है जहाँ वह framework एक असली रुपए के आँकड़े में बदलता है, जिसे ALCO हर हफ्ते sign off करता है।
📉 Value at Risk Models असल में क्या मापते हैं
Value at Risk models एक सीधे-सादे सवाल का जवाब देते हैं: "normal market conditions में अगले N दिनों में इस पोर्टफोलियो पर मुझे ज़्यादा से ज़्यादा कितना नुकसान हो सकता है, X% confidence के साथ?" 1-day 99% VaR अगर Rs 5 crore है तो इसका मतलब है कि desk को उम्मीद है कि हर 100 trading दिनों में से सिर्फ 1 दिन ऐसा होगा जब नुकसान Rs 5 crore से ज़्यादा हो, बशर्ते मार्केट पहले जैसा ही व्यवहार करे। VaR worst-case loss नहीं है — यह जानबूझकर confidence level से आगे वाली tail को नज़रअंदाज़ करता है, और यही वजह है कि regulators इसके ऊपर stressed VaR और expected shortfall भी लगाते हैं।
बैंक VaR को मुख्य रूप से trading book पर लागू करते हैं — government securities, forex positions, equity और derivative exposures जो short-term profit के लिए रखे जाते हैं, न कि long-term investment के लिए। Banking book (loans, ज़्यादातर investments जो maturity तक होल्ड की जाती हैं) को duration gap और earnings-at-risk जैसे अलग टूल्स से मापा जाता है, जिसे asset liability management वाले चैप्टर में अलग से कवर किया गया है। इन दोनों scope को गड्डमड्ड कर देना exam में एक आम गलती है — VaR एक trading-book, market-risk मेट्रिक है, न कि credit या liquidity का आँकड़ा।
🧮 VaR कैलकुलेट करने के तीन तरीके
Elective का syllabus आपसे तीन computation methods की आपस में तुलना कराता है, क्योंकि हर method speed और accuracy के बीच अलग-अलग trade-off करता है।
Parametric (variance-covariance) VaR यह मान लेता है कि पोर्टफोलियो के returns normal distribution में हैं और VaR को सीधे पोर्टफोलियो के standard deviation और एक confidence multiplier (95% के लिए 1.65, 99% के लिए 2.33) से निकालता है। इसे कैलकुलेट करना तेज़ है और board को समझाना आसान है, लेकिन जब भी returns में fat tails होती हैं यह risk को बुरी तरह कम करके दिखाता है — और यही वह स्थिति है जो किसी crisis के दौरान सामने आती है, जो इस method की सबसे जानी-मानी कमज़ोरी है।
Historical simulation VaR मौजूदा पोर्टफोलियो को पिछले 250 से 500 trading दिनों के असली price changes के हिसाब से reprice करता है, फिर required percentile पर होने वाला नुकसान पढ़ लेता है। इसे किसी distributional assumption की ज़रूरत नहीं होती और यह असली fat tails भी पकड़ लेता है, लेकिन यह उतना ही अच्छा है जितनी अच्छी historical window है — एक शांत lookback period अगले volatile दौर के लिए risk को कम करके दिखाएगा।
Monte Carlo VaR एक माने गए stochastic process से हज़ारों hypothetical price paths सिमुलेट करता है और हर path पर पोर्टफोलियो को दोबारा वैल्यू करता है। यह non-linear instruments (options, swaptions) को बाकी दोनों methods से कहीं बेहतर handle करता है, लेकिन computationally सबसे भारी है, और इसका जवाब उतना ही अच्छा है जितना अच्छा वह model है जो simulation को चला रहा है।
💡 Exam Tip: अगर कोई सवाल "distribution मान लिए बिना पिछले 500 दिनों के असली market moves को दोबारा इस्तेमाल करना" जैसी बात बताए, तो वह historical simulation है, parametric VaR नहीं — examiners अक्सर इन दोनों लेबल को आपस में बदलकर इसी फर्क को सीधे टेस्ट करते हैं।
📊 Confidence Level, Holding Period और Backtesting
दो parameters पोर्टफोलियो को छुए बिना ही VaR का नंबर बदल देते हैं। ऊँचा confidence level (95% के मुकाबले 99%) हमेशा बड़ा VaR आँकड़ा देता है क्योंकि आप एक ज़्यादा दुर्लभ, ज़्यादा extreme नुकसान को कवर कर रहे होते हैं। लंबा holding period भी VaR को बढ़ाता है — standard square-root-of-time rule 1-day VaR को दिनों की संख्या के square root से गुणा करके लगभग 10-day VaR निकाल देता है, हालांकि यह rule उन पोर्टफोलियो के लिए काम नहीं करता जिनमें options या दूसरे non-linear payoffs हों।
Backtesting एक regulatory reality check है: बैंक हर दिन के असली trading loss की तुलना पिछले दिन बनाए गए VaR estimate से करते हैं। एक standard traffic-light approach के तहत, 99% 1-day VaR model में सिर्फ चांस से ही साल में करीब 2 से 3 बार असली नुकसान VaR के आँकड़े से ज़्यादा होना चाहिए; इससे ज़्यादा breaches होने पर model amber या red zone में चला जाता है और आमतौर पर उस पर लगने वाला capital multiplier बढ़ जाता है।
| Method | मुख्य Assumption | Options/Non-linear Risk Handle करता है | Fat Tails Capture करता है | Computation Load |
|---|---|---|---|---|
| Parametric (Variance-Covariance) | Returns का Normal distribution | ✗ | ✗ | कम |
| Historical Simulation | Past window दोहराई जाती है | ✓ (आंशिक) | ✓ | मध्यम |
| Monte Carlo Simulation | चुना हुआ Stochastic price model | ✓ | ✓ | ज़्यादा |
⚠️ VaR की सीमाएं और Stressed VaR की ज़रूरत
VaR में तीन अच्छी तरह जानी-पहचानी blind spots हैं जिन्हें examiners बड़े शौक से जांचते हैं। पहली, यह confidence level से आगे होने वाले नुकसान के आकार के बारे में कुछ नहीं बताता — दो पोर्टफोलियो का 99% VaR एक जैसा हो सकता है जबकि एक की tail दूसरे से कहीं ज़्यादा भयानक रूप से मोटी हो, और इसी वजह से कई Basel market-risk contexts में अब expected shortfall (conditional VaR) को प्राथमिकता दी जाती है। दूसरी, शांत historical window पर बना VaR volatility regimes बदलते ही risk को बुरी तरह कम करके दिखाता है, जो 2008 crisis के दौरान बड़े पैमाने पर देखा गया एक failure था। तीसरी, VaR हर मामले में sub-additive नहीं होता, यानी इससे मिलने वाला diversification benefit option-like payoffs वाले पोर्टफोलियो के लिए कभी-कभी भ्रामक हो सकता है।
Stressed VaR शांत-window वाली इस समस्या को सीधे हल करता है: सबसे हाल के 250 से 500 दिनों को इस्तेमाल करने के बजाय, बैंक उसी VaR model को किसी ऐतिहासिक रूप से stressed period के डेटा पर recalibrate करता है — भारतीय बैंकों के लिए यह अक्सर 2008 global crisis window या कोई domestic stress episode होता है। Basel norms के तहत market risk के लिए capital charges regular VaR और stressed VaR के combination से तय होते हैं, ठीक इसलिए क्योंकि सिर्फ recent-history VaR पर भरोसा करने से बैंकों ने 2008 के झटके से ठीक पहले अपने trading books को under-capitalise कर लिया था।
⚠️ आम गलती: स्टूडेंट्स अक्सर लिखते हैं कि VaR "maximum possible loss" है। ऐसा नहीं है — यह वह loss threshold है जो एक बताए गए confidence level के साथ पार नहीं होगा। उस threshold से आगे की uncapped tail ही पूरी वजह है कि stressed VaR और expected shortfall का अस्तित्व है।
🏦 भारतीय Regulatory और Market Context में VaR
भारतीय बैंक RBI की capital adequacy guidelines के तहत market risk capital calculation के हिस्से के रूप में अपने trading book के लिए VaR कैलकुलेट करते हैं, और internal models को simpler standardised measurement approach की जगह लेने से पहले supervisory approval की ज़रूरत होती है। Reserve Bank of India बैंकों से यह भी उम्मीद करता है कि वे VaR models का लगातार backtest करें और जब backtesting exceptions इकट्ठा होने लगें तो अतिरिक्त capital रखें।
VaR सिर्फ बैंकिंग तक सीमित नहीं है — यह भारतीय capital markets में exchange margining की रीढ़ है। SEBI cash equity segment के लिए VaR-based margining system अनिवार्य करता है, जिसमें किसी broker से लिया जाने वाला initial margin स्टॉक की price movement के 99% VaR को कवर करने के हिसाब से कैलिब्रेट किया जाता है, और volatility के हिसाब से बढ़ाया जाता है। यह exam के लिए एक उपयोगी cross-reference है: वही statistical आइडिया bank trading-book risk और stock-exchange margin requirements दोनों की price तय करता है। यह liquidity concepts से भी स्वाभाविक रूप से जुड़ता है — जो बैंक VaR-driven capital को funding buffers के साथ मैनेज करते हैं उन्हें यह समझने के लिए कि VaR hedging positions के साथ कैसे interact करता है derivatives and risk management वाला चैप्टर पढ़ना चाहिए, और यह जानने के लिए कि scenario-based stress VaR के statistical approach को कैसे पूरा करता है climate stress testing for banks वाला आर्टिकल पढ़ना चाहिए।
📌 याद रखें: Parametric VaR normality मान लेता है, historical simulation असली past moves दोबारा इस्तेमाल करता है, और Monte Carlo नए paths सिमुलेट करता है — इस triad को ठीक इसी क्रम में याद रखिए, यह बार-बार आने वाला one-mark question है।
CAIIB के मकसद से दो और जुड़े हुए metrics इस टॉपिक को पूरा करते हैं। asset liability management in banks के तहत बताए गए Earnings at Risk (EaR) और duration gap, banking-book interest rate exposure को उसी तरह मापते हैं जैसे VaR trading-book market exposure को मापता है — रिवीजन के समय इन दोनों टॉपिक्स को साथ रखिए। Funding-side stress, जिसे structural liquidity statement in banks गाइड में कवर किया गया है, उसी risk-appetite बातचीत का liquidity mirror है जो ALCO हर बार VaR limits की समीक्षा करते वक्त करता है। जो कैंडिडेट Central Banking भी पढ़ते हैं उन्हें ध्यान देना चाहिए कि Standing Deposit Facility and liquidity corridor टूल्स उसी interest-rate volatility को कैसे आकार देते हैं जो किसी बैंक के VaR inputs में जाती है।
इस elective का पूरा topic map देखने के लिए Risk Management Elective tag hub ब्राउज़ करें, और RBI की मौजूदा rate moves को हाथ में रखने के लिए RBI rates resource page पर नज़र रखें, क्योंकि VaR inputs हर rate cycle के साथ बदलते हैं।
🧠 Practice MCQs: Value at Risk Models
Q1. किसी बैंक का 1-day 99% VaR Rs 8 crore है। इस आँकड़े का क्या मतलब है? (a) यह अधिकतम नुकसान है जो बैंक को किसी एक दिन में कभी हो सकता है (b) हर 100 में से लगभग 1 दिन में नुकसान के Rs 8 crore से ज़्यादा होने की उम्मीद है (c) बैंक को capital के रूप में ठीक Rs 8 crore रखना ही होगा (d) रोज़ का औसत trading loss Rs 8 crore है
उत्तर: (b) — VaR एक confidence-level threshold है, न कि कोई worst-case cap या average।
Q2. कौन सा VaR method यह मानता है कि पोर्टफोलियो के returns normally distributed हैं? (a) Historical simulation (b) Monte Carlo simulation (c) Parametric (variance-covariance) VaR (d) Stressed VaR
उत्तर: (c) — Parametric VaR normal-distribution multiplier का इस्तेमाल करके standard deviation से loss estimate निकालता है।
Q3. Historical simulation VaR को सबसे अच्छे तरीके से किस तरह बताया जा सकता है? (a) हज़ारों random future price paths सिमुलेट करना (b) आज के पोर्टफोलियो पर असली past price changes दोबारा लागू करना (c) returns का bell-curve distribution मान लेना (d) सिर्फ सबसे खराब historical दिन का इस्तेमाल करना
उत्तर: (b) — यह बिना किसी distributional assumption के, genuine historical market moves का इस्तेमाल करके मौजूदा पोर्टफोलियो को reprice करता है।
Q4. बैंक regular VaR के अलावा stressed VaR क्यों कैलकुलेट करते हैं? (a) इसे कैलकुलेट करना सस्ता है (b) यह backtesting की ज़रूरत को खत्म कर देता है (c) यह एक ऐतिहासिक रूप से volatile period का risk पकड़ता है जिसे हाल का शांत डेटा कम करके दिखाता (d) इसका इस्तेमाल सिर्फ banking book के लिए होता है
उत्तर: (c) — Stressed VaR model को crisis-era window पर recalibrate करता है ताकि शांत मार्केट के दौरान capital charges कम करके न आंके जाएं।
Q5. कौन सा भारतीय market regulator cash equity segment के लिए VaR-based margining system इस्तेमाल करता है? (a) RBI (b) IRDAI (c) SEBI (d) NABARD
उत्तर: (c) — Cash equities के लिए SEBI का margining framework initial margin को price movement के VaR-based estimate पर कैलिब्रेट करता है।
100+ MCQs वाले chapter-wise mock tests चाहिए? मुफ्त में practice शुरू करें
❓ Value at Risk Models पर FAQs
क्या Value at Risk का इस्तेमाल banking book के लिए होता है या trading book के लिए?
VaR मुख्य रूप से एक trading-book, market-risk टूल है जो forex, government securities और derivatives जैसी short-term profit के लिए रखी गई positions पर लागू होता है; banking book को इसकी बजाय duration gap और earnings-at-risk से मापा जाता है।
Options पोर्टफोलियो के लिए कौन सा VaR method सबसे accurate है?
Monte Carlo simulation options जैसे non-linear payoffs को सबसे अच्छे तरीके से handle करता है क्योंकि यह किसी साधारण distribution मान लेने या linear historical moves दोबारा इस्तेमाल करने के बजाय हज़ारों simulated price paths पर पोर्टफोलियो को दोबारा वैल्यू करता है।
किसी VaR model की backtesting में क्या शामिल होता है?
Backtesting हर दिन के असली trading loss की तुलना पिछले दिन बनाए गए VaR estimate से करती है; regulators एक 99% 1-day VaR model के लिए साल में लगभग 2 से 3 breaches की उम्मीद करते हैं, और इससे ज़्यादा breaches होने पर model एक ऊँचे capital-multiplier zone में चला जाता है।
लंबा holding period VaR को आसानी से proportionally scale क्यों नहीं करता?
आम square-root-of-time scaling सिर्फ linear पोर्टफोलियो के लिए ही लगभग सही बैठती है; options या दूसरे non-linear payoffs वाली positions को लंबे horizon पर सीधे revaluation की ज़रूरत होती है क्योंकि यह साधारण scaling rule असली risk को कम या ज़्यादा करके दिखाती है।
🎯 Exam Day से पहले Value at Risk Models पर पकड़ बनाएं
Value at risk models ठीक वैसा ही numerical, formula-linked टॉपिक है जो एक comfortable CAIIB Risk Management Elective pass को एक narrow miss से अलग करता है — तीन-methods वाली तुलना और confidence-level/holding-period की mechanics लगभग पक्के तौर पर पूछी जाएंगी। CAIIB course page पर full-length chapter tests से इन कॉन्सेप्ट्स को पक्का कीजिए और paper में बैठने से पहले iibf.store/tests पर VaR-specific numericals की practice कीजिए।
Practice this topic
मुफ़्त मॉक टेस्ट दें, चैप्टर PDF डाउनलोड करें या वीडियो क्लास देखें — सब iibf.store पर मुफ़्त है।
पढ़ना जारी रखें
