Value at Risk (VaR): CAIIB के लिए मार्केट रिस्क मापन की सरल व्याख्या
Value at Risk वह एकमात्र सबसे महत्वपूर्ण संख्या है जिसे किसी बैंक की treasury और risk टीमें हर दिन देखती हैं। और यह CAIIB Risk Management elective में एक आधारभूत विषय है। एक ही आँकड़े में, Value at Risk एक भ्रामक रूप से सरल प्रश्न का उत्तर देता है: यह portfolio एक दी गई अवधि में, एक निश्चित विश्वास के साथ, कितना नुकसान उठा सकता है? यह गाइड बताता है कि VaR का क्या अर्थ है। इसकी गणना की तीन मुख्य विधियाँ, confidence levels और holding periods कैसे काम करते हैं, और Reserve Bank of India के ढाँचे के तहत मार्केट रिस्क मापन के लिए back-testing और limits क्यों मायने रखते हैं।
मार्केट रिस्क — ब्याज दरों में उतार-चढ़ाव से होने वाले नुकसान का जोखिम। Equity prices, exchange rates, और commodity prices — किसी भी ऐसे बैंक के लिए अपरिहार्य है जिसके पास trading book हो। VaR इस अनिश्चितता को एक प्रबंधित, निगरानी की गई संख्या में बदल देता है।
Value at Risk का वास्तविक अर्थ क्या है
Value at Risk किसी portfolio पर एक निर्धारित holding period में, एक विशिष्ट confidence level पर अपेक्षित अधिकतम नुकसान का सांख्यिकीय अनुमान है। सामान्य बाज़ार स्थितियों के तहत। एक कथन जैसे \"one-day 99% VaR Rs 5 crore है\" का अर्थ है कि एक ही दिन में portfolio के Rs 5 crore से अधिक खोने की केवल 1% संभावना है। तीन parameters हर VaR आँकड़े को परिभाषित करते हैं:
- Confidence level — आमतौर पर 95% या 99%; एक उच्च स्तर एक बड़ा, अधिक रूढ़िवादी VaR देता है।
- Holding period — वह अवधि जिस पर नुकसान मापा जाता है (trading desks के लिए 1 दिन, नियामक मानदंडों के तहत 10 दिन)।
- Base currency और portfolio — वे positions और currency जिनमें नुकसान व्यक्त किया जाता है।
महत्वपूर्ण बात यह है कि VaR आपको नुकसान की सीमा बताता है, सबसे बुरी स्थिति नहीं। यह उस सीमा से परे नुकसान कितने बुरे हो सकते हैं, इसके बारे में कुछ नहीं कहता — उस अंतर को Expected Shortfall (ES), जिसे Conditional VaR भी कहा जाता है, भरता है। परीक्षक इस अंतर को बहुत पसंद करते हैं, इसलिए याद रखें: VaR एक quantile है, ES tail में औसत नुकसान है।
VaR की गणना करने की तीन विधियाँ
CAIIB आपसे Value at Risk का अनुमान लगाने के तीन मानक तरीकों की तुलना करने की अपेक्षा करता है:
| विधि | यह कैसे काम करती है | मुख्य सीमा |
|---|---|---|
| Variance-Covariance (Parametric) | मानती है कि returns सामान्य रूप से वितरित हैं; volatility और correlations का उपयोग करती है | Tail risk को कम आँकती है; options के लिए खराब |
| Historical Simulation | वास्तविक ऐतिहासिक returns का उपयोग करके portfolio का पुनर्मूल्यांकन करती है | मानती है कि अतीत भविष्य का प्रतिनिधित्व करता है |
| Monte Carlo Simulation | मॉडल किए गए distributions से हज़ारों यादृच्छिक scenarios उत्पन्न करती है | गणनात्मक रूप से भारी; मॉडल पर निर्भर |
Variance-covariance विधि तेज़ और सुरुचिपूर्ण है लेकिन normality assumption पर निर्भर करती है, जो संकट के समय विफल हो जाती है जब \"fat tails\" प्रकट होते हैं। Historical simulation को किसी distribution assumption की आवश्यकता नहीं होती और यह स्वाभाविक रूप से देखे गए correlations को पकड़ती है, लेकिन यह केवल उतनी ही अच्छी है जितनी चुनी हुई look-back window। Monte Carlo सबसे लचीली है — यह options जैसे non-linear instruments को अच्छी तरह संभालती है — लेकिन इसके लिए computing power और सावधानीपूर्वक मॉडल डिज़ाइन की आवश्यकता होती है। परीक्षा में एक अच्छा उत्तर प्रत्येक विधि, उसके तंत्र, और एक ताकत व एक कमज़ोरी का नाम बताता है।
Confidence levels, holding periods और scaling
नियामक और बैंक VaR parameters को सोच-समझकर चुनते हैं। Basel ढाँचे ने ऐतिहासिक रूप से मार्केट रिस्क capital के लिए 99% confidence level और 10-day holding period का उपयोग किया। चूँकि दैनिक डेटा एकत्र करना आसान है। बैंक अक्सर 1-day VaR की गणना करते हैं और इसे square-root-of-time नियम का उपयोग करके 10 दिनों तक scale करते हैं: एक 10-day VaR लगभग 1-day VaR को 10 के वर्गमूल (लगभग 3.16) से गुणा करने के बराबर होता है। यह शॉर्टकट मानता है कि returns स्वतंत्र और समान रूप से वितरित हैं — एक सरलीकरण जिसे आपको चिह्नित करने में सक्षम होना चाहिए।
Confidence level का चुनाव risk appetite को दर्शाता है: एक 99% VaR साल में लगभग 2-3 trading days पर भंग होता है, जबकि एक 95% VaR कहीं अधिक बार भंग होता है। बैंक प्रति desk VaR limits निर्धारित करते हैं और उन्हें firm स्तर पर एकत्रित करते हैं, उल्लंघनों को वरिष्ठ प्रबंधन तक पहुँचाते हैं। Basel III / FRTB विकास के तहत, नियामक माप tail risk को बेहतर ढंग से पकड़ने के लिए VaR से Expected Shortfall की ओर स्थानांतरित हो रहा है, जो वर्तमान CAIIB syllabi के लिए ध्यान देने योग्य विकास है। आप मार्केट रिस्क पर RBI के master directions में विवेकपूर्ण संदर्भ की समीक्षा Reserve Bank of India वेबसाइट पर कर सकते हैं।
Back-testing, stress testing और सीमाएँ
एक अनुमान तभी भरोसेमंद होता है जब उसे validate किया जाए। Back-testing दैनिक VaR की तुलना वास्तविक profit and loss से करता है: यदि नुकसान VaR से अधिक बार होता है जितना confidence level भविष्यवाणी करता है। तो मॉडल बहुत आशावादी है। Basel का \"traffic-light\" तरीका 250 trading days में अपवादों की संख्या के आधार पर मॉडलों को हरे रंग में वर्गीकृत करता है। Amber, और red zones में, जहाँ अपवाद बढ़ने पर capital multipliers बढ़ते हैं।
चूँकि Value at Risk सामान्य बाज़ारों को मानता है, बैंक इसे stress testing और scenario analysis के साथ पूरक करते हैं ताकि उन चरम लेकिन प्रशंसनीय घटनाओं को पकड़ा जा सके जिन्हें VaR चूक जाता है। अन्य प्रसिद्ध सीमाओं में कुछ मामलों में VaR का sub-additivity का अभाव शामिल है (एक portfolio का VaR भागों के योग से अधिक हो सकता है)। Tail losses के आकार के बारे में इसकी चुप्पी, और look-back window के प्रति इसकी संवेदनशीलता। इन सीमाओं को जानना — और ES, stress testing, व limit frameworks के उपाय — एक मज़बूत CAIIB उत्तर को कमज़ोर उत्तर से अलग करता है।
VaR को व्यापक मार्केट-रिस्क governance श्रृंखला के भीतर रखना भी उपयोगी है। एक बैंक का middle office स्वतंत्र रूप से प्रतिदिन VaR की गणना करता है, इसे board-approved limits के विरुद्ध तुलना करता है, और उल्लंघनों की रिपोर्ट risk committee को देता है। Stress scenarios — जैसे रुपये का तीव्र अवमूल्यन।
एक bond yield में उछाल, या एक equity crash — VaR के साथ-साथ चलाए जाते हैं ताकि प्रबंधन रोज़मर्रा के जोखिम और चरम जोखिम दोनों को देख सके। फिर मॉडल किए गए मापों में से बड़े के विरुद्ध capital रखी जाती है। इस governance प्रवाह को समझना, केवल अंकगणित नहीं, वही है जिसे परीक्षक Risk Management elective में तेज़ी से पुरस्कृत करते हैं।
CAIIB Risk Management elective के लिए VaR का अध्ययन
इस विषय में महारत हासिल करने के लिए, संख्यात्मक उदाहरणों को हाथ से हल करें, तीन विधियों को उनके trade-offs के साथ याद रखें, और एक VaR कथन की सरल अंग्रेज़ी में व्याख्या करने के लिए तैयार रहें। समय के दबाव में application questions का अभ्यास करना आत्मविश्वास बनाने का सबसे तेज़ तरीका है। संरचित iibf.store पर CAIIB course में नामांकन करें, risk-केंद्रित practice tests का प्रयास करें, IIBF news के माध्यम से नीति अपडेट पर नज़र रखें, और iibf.store blog पर आगे के explainers पढ़ें।
Rs 5 crore के 99% one-day VaR का क्या अर्थ है?
इसका अर्थ है कि सामान्य बाज़ार स्थितियों में एक ही trading day में portfolio के Rs 5 crore से अधिक खोने की 1% संभावना है। साल में लगभग 2-3 दिन, नुकसान इस सीमा से अधिक हो सकता है।
कौन सी VaR विधि सबसे अच्छी है?
कोई एक सबसे अच्छी विधि नहीं है। Variance-covariance तेज़ है लेकिन normality मानती है; historical simulation सहज है लेकिन पिछड़े-दिखने वाली है; Monte Carlo जटिल instruments के लिए लचीली है लेकिन गणनात्मक रूप से भारी है। बैंक अक्सर एक से अधिक चलाते हैं।
VaR Expected Shortfall से कैसे भिन्न है?
VaR एक confidence level पर नुकसान की सीमा देता है लेकिन उससे परे नुकसान के बारे में कुछ नहीं कहता। Expected Shortfall (Conditional VaR) VaR से परे tail में औसत नुकसान मापता है, उस चरम जोखिम को पकड़ता है जिसे VaR नज़रअंदाज़ करता है।
बैंक अपने VaR मॉडलों का back-test क्यों करते हैं?
Back-testing जाँचता है कि क्या वास्तविक दैनिक नुकसान VaR को मॉडल की भविष्यवाणी से अधिक बार भंग करते हैं। बहुत अधिक अपवाद एक अविश्वसनीय मॉडल का संकेत देते हैं, और Basel नियमों के तहत यह बैंक के market-risk capital multiplier को बढ़ा सकता है।
निष्कर्ष: Value at Risk जटिल मार्केट रिस्क को एक एकल, शासनीय संख्या में आसवित करता है — लेकिन केवल तभी जब आप इसकी विधियों, parameters, और सीमाओं को समझते हैं। समस्याओं को हल करके और timed mocks में बैठकर अपनी समझ को मज़बूत करें। अभी iibf.store पर CAIIB Risk Management mock test के साथ शुरुआत करें, या elective को आत्मविश्वास के साथ पास करने के लिए संपूर्ण CAIIB course में शामिल हों।
मुफ़्त मॉक टेस्ट दें, चैप्टर PDF डाउनलोड करें या वीडियो क्लास देखें — सब iibf.store पर मुफ़्त है।
