Expected Shortfall delle opzioni: perdite oltre il VaR

Scopri come l’Expected Shortfall misura la perdita media di un portafoglio di opzioni nella coda peggiore, perché conta la rivalutazione completa e come orizzonte, scenari e liquidità determinano la stima.

Solo a scopo educativo; non costituisce consulenza né raccomandazione d’investimento. Gli investimenti possono comportare perdite.

Risposta diretta

L’Expected Shortfall (ES) al livello di confidenza alpha è la perdita media ponderata per la probabilità nella peggiore frazione 1 - alpha dei risultati modellati. Il Value at Risk identifica un quantile di perdita; l’ES misura la gravità della coda oltre quel quantile.

Nei portafogli di opzioni, payoff non lineari, variazioni della superficie di volatilità, salti e posizioni short Gamma possono concentrare perdite molto elevate in pochi scenari che una singola soglia VaR non descrive. L’ES resta una stima di modello, non la perdita massima, una previsione di prezzo, un requisito di margine o una garanzia.

Definizione e stima

Sia L denotare la perdita, con i numeri positivi che rappresentano le perdite. Una definizione generale di distribuzione è:

ES_alpha = [1 / (1 - alpha)] x integral from alpha to 1 of VaR_u du

Per una distribuzione continua delle perdite, la formula equivale alla media condizionata delle perdite oltre il VaR alpha. Con un campione finito o massa di probabilità al VaR, la semplice media di tutte le osservazioni pari o superiori al VaR può essere errata: occorre dichiarare la convenzione quantilica e, se necessario, assegnare un peso frazionario al confine.

Un motore di ES per opzioni segue normalmente questi passaggi:

Scegli l’orizzonte, il livello di confidenza, il timestamp della valutazione, la valuta e la convenzione di perdita.
Generare shock congiunti su spot, superficie di volatilità, tassi, dividendi, prestiti e tempo.
Rivalutare completamente ogni opzione e coprire ogni scenario.
Includere moltiplicatore, quantità, contanti, azioni, commissioni e costi di esecuzione o liquidazione modellizzati.
Ordinare le perdite di portafoglio e calcolare la media della coda peggiore richiesta, con i pesi dello scenario.

La simulazione storica riproduce le variazioni congiunte osservate e conserva le relazioni del campione scelto, ma omette crisi e cambi di regime esterni al campione. La simulazione Monte Carlo può generare più scenari e mirare alle code, ma il risultato dipende da ipotesi su distribuzione, correlazione, volatilità, salti e dinamica della superficie. Le probabilità devono essere coerenti con la domanda di rischio: la distribuzione risk-neutral usata per valutare le opzioni non è automaticamente una distribuzione delle perdite reali. L’approssimazione Delta-normale è veloce, ma può trascurare materialmente Gamma, Vega, skew, barriere, esercizio anticipato e gap.

L’orizzonte deve corrispondere alla decisione. Un ES a un giorno non misura la perdita di una posizione che richiede più giornate di stress per essere liquidata. Una stima corretta per la liquidità deve spiegare come rappresenta spread, impatto di mercato, esecuzioni parziali e diversi orizzonti di liquidazione; la regola della radice quadrata del tempo è particolarmente fragile per opzioni non lineari e salti.

Stesso VaR, coda diversa

Ipotizziamo dieci scenari giornalieri equamente ponderati e completamente rivalutati. Le perdite ammontano a migliaia di dollari e sono già ordinate dalla migliore alla peggiore:

Portafoglio A: -5, -3, 0, 1, 2, 4, 6, 8, 20, 100
Portafoglio B: -5, -3, 0, 1, 2, 4, 6, 8, 9, 11

Utilizzando la perdita più piccola la cui probabilità cumulativa raggiunge l’80%, entrambi i portafogli hanno:

80% VaR = $8,000

Il 20% peggiore contiene due risultati equamente ponderati. Pertanto:

ES_80%(A) = ($20,000 + $100,000) / 2 = $60,000

ES_80%(B) = ($9,000 + $11,000) / 2 = $10,000

Il solo VaR fa sì che i portafogli sembrino identici alla soglia. ES rivela che il portafoglio A ha una perdita di coda molto più grave. Il campione è volutamente piccolo per chiarezza aritmetica; le stime di produzione necessitano di numerose osservazioni o scenari, regole di ponderazione, analisi di stabilità e stress test indipendenti.

Per un’opzione short, ogni scenario deve rivalutare l’opzione anziché limitare la perdita al premio ricevuto. Un divario può modificare insieme Delta e IV, ampliare lo spread, innescare esigenze di margine e impedire la liquidazione al valore teorico.

Checklist di implementazione e convalida

Segno di perdita dello stato, valuta di base, livello di confidenza, orizzonte e tempo di valutazione.
Registra se l’ES è storico, parametrico, storico filtrato o Monte Carlo.
Preservare le dipendenze tra asset, scadenze incrociate e volatilità spot.
Applicare gli shock all’intera superficie di volatilità, non solo a un numero ATM IV.
Utilizzare la rivalutazione completa per posizioni materiali non lineari e dipendenti dal percorso.
Includere azioni, contanti, dividendi, tassi, prestiti, moltiplicatori e tutte le opzioni.
Trattare gli scenari americani di esercizio e assignment (assegnazione dell’obbligo al venditore dell’opzione) separatamente dalla valutazione del modello.
Aggiungere esplicitamente le ipotesi bid-ask, impatto sul mercato, liquidazione ritardata e riempimento parziale.
Includere salti notturni ed eventi assenti dalla storia recente.
Controlla la lunghezza del campione, i dati mancanti, le citazioni obsolete, le azioni aziendali e i pregiudizi di sopravvivenza.
Confronta le stime mobili tra finestre calme e stressate.
Effettuare il backtest dei superamenti del VaR, ma anche confrontare l’entità della perdita di coda realizzata con le previsioni ES.
Utilizzare scenari di stress deterministici insieme agli ES; rari stati non modellati possono dominare la perdita di opzioni.
Riportare la concentrazione e i contributi dello scenario anziché il totale di un solo portafoglio.
Ricalcolo dopo la modifica delle condizioni di posizione, superficie, correlazione, liquidità o margine.
Mantieni riproducibili la versione del modello, il seed casuale ove pertinente, l’istantanea dei dati e le regole di trasformazione.
Impostare i limiti di posizione in base alla capacità di rischio; non effettuare il reverse engineering di ipotesi ottimistiche per adattarle all’operazione desiderata.

Errori comuni

“ES è la peggiore perdita possibile.” Ha una media di coda modellata; i risultati al di fuori del campione possono essere peggiori.
“99% ES significa solo l’1% di possibilità di perdita.” Il livello di confidenza definisce una coda, non la probabilità di eventuali perdite.
“ES prevede la perdita di domani.” Riassume una distribuzione modellata condizionale.
“La scorciatoia della media condizionale funziona sempre.” Atomi e campioni finiti richiedono una convenzione di confine dichiarata.
“Due portafogli con lo stesso VaR hanno lo stesso rischio.” Le loro perdite oltre il VaR possono differire notevolmente.
“Più scenari garantiscono la precisione.” Dinamiche o dati scadenti possono creare errori dall’aspetto preciso.
“L’ES storico non ha ipotesi di modello.” Finestra, ponderazione, mappatura, pulizia e rivalutazione sono scelte di modellazione.
“Delta è sufficiente per l’opzione ES.” I grandi movimenti modificano il Delta ed espongono al rischio Gamma, Vega, skew e salto.
“Le strategie a rischio definito non necessitano di ES.” Il percorso finale, la liquidità, l’assegnazione e la concentrazione continuano ad avere importanza anche quando la perdita alla scadenza è limitata.
“ES include automaticamente ogni perdita operativa.” La liquidazione dei margini, la garanzia, l’esercizio e il regolamento devono essere modellati in modo esplicito.
“Un ES inferiore dimostra che un’operazione è migliore.” Misura una dimensione di rischio e non dice nulla di per sé sul rendimento atteso o sull’idoneità.