ชุดเครื่องมือสามชุดไม่ได้มาแทนกัน แต่ซ้อนกัน: VaR/ES ครอบคลุมวันปกติ stress testing ครอบคลุม shock รุนแรง และ drawdown กับ scenario analysis ครอบคลุมเส้นทางแย่หลายปี
อ้างอิงต้นฉบับ: หน้า 38 · เปิด PDF หน้า 38
## 16.1 เชื่อมสามช่วงเวลา ชุดเครื่องมือทั้งสามซ้อนกันเป็นชั้น: **VaR/ES** ครอบคลุมวันปกติ **stress testing** ครอบคลุม shock รุนแรง และ **drawdown กับ scenario analysis** ครอบคลุมเส้นทางแย่หลายปี กรอบที่สมบูรณ์ใช้การจับคู่ปัจจัยเสี่ยงและชุดข้อมูลเดียวกันทั้งสามชั้น โดย calibrate ขีดจำกัดให้สอดคล้องกัน - การใช้ขีดจำกัด VaR สูงมักมาพร้อมผลขาดทุน stress สูง คำเตือนร่วมจึงมีความหมายมากกว่าคำเตือนเดี่ยว - ผลขาดทุน stress ที่แย่ที่สุดควรอยู่ภายใน trigger ของ drawdown มิฉะนั้น shock ครั้งเดียวจะสะดุด stop-loss ทันที - ผลลัพธ์ที่ไม่ดีที่พบใน scenario ระยะยาวควรป้อนกลับสู่การออกแบบผลิตภัณฑ์ (ตลาดเป้าหมาย, SRI, การเลือก LMT) และการจัดสรรสินทรัพย์ | ความถี่ | ระยะสั้น | ระยะกลาง | ระยะยาว | กฎหลัก | |---|---|---|---|---| | รายวัน | VaR/ES, leverage, การใช้ขีดจำกัด | snapshot ของ sensitivity (ถ้ามี) | ติดตาม drawdown | UCITS daily VaR; รายงาน 10% ของ MiFID | | รายเดือน | Backtesting | Market stress test (กองทุน VaR) | — | CESR/10-788 | | รายไตรมาส | ปรับพารามิเตอร์และข้อมูล | Liquidity stress test (แนะนำ) | ทบทวน scenario | ESMA LST; Annex IV (ตามขนาด) | | รายปี | ตรวจสอบแบบจำลอง | คลัง scenario และทบทวน LMT | scenario หลายปี ทบทวนผลิตภัณฑ์ ปรับปรุง KID | AIFMD L2 Art. 45; MiFID product governance; PRIIPs | ## 16.2 Checklist การตัดสินใจ | # | การตัดสินใจ | ตัวเลือกที่พบบ่อย | สิ่งที่ต้องบันทึก | |--:|---|---|---| | 1 | นิยามผลตอบแทน | Log (หุ้น สินค้าโภคภัณฑ์); การเปลี่ยนแปลงสัมบูรณ์ (อัตรา spread vol) | ประเภท shock ต่อชั้นปัจจัย | | 2 | ช่วงเวลาและความเชื่อมั่น | 99%/1D, 99%/10D, ES 97.5%; √10 หรือ 10 วันโดยตรง | การทดสอบข้อสมมติการปรับตามเวลา | | 3 | หน้าต่าง | σ: 21–66 หรือ EWMA; HS: 250–500 + stress; S,K: ≥250 | ช่วงข้อมูล ช่องว่าง วันหยุด | | 4 | ค่าเฉลี่ย | 0 · โดยทั่วไปเป็นศูนย์ | ถ้าเก็บไว้ ประมาณอย่างไร | | 5 | EWMA λ | 0.94 (รายวัน), 0.97; seed และ burn-in | ธรรมเนียมการจัดดัชนีเวลา | | 6 | ธรรมเนียมควอนไทล์ | Interpolation / ค่าแย่ลำดับ ⌈Np⌉ / smoothing | ความต่างจากค่าเริ่มต้นของ Excel/Python | | 7 | การประเมินมูลค่าใหม่ | Full revaluation; delta–gamma; sensitivity × shock | ความคลาดเคลื่อนจากการประมาณและ PLA | | 8 | Backtesting | 1 วัน 99% และ 97.5%; APL และ HPL; Kupiec + Christoffersen + traffic light | การเปรียบเทียบที่ใช้ได้; ธรรมเนียมเครื่องหมาย | | 9 | Procyclicality | พื้นระยะยาว กันชน การปรับบางส่วน | Peak-to-trough, การเพิ่มขึ้น n วัน | | 10 | การติดตามต่อเนื่อง | ความถี่ recalibrate, การวินิจฉัย residual, การควบคุมการเปลี่ยนแปลง | trigger สำหรับทบทวนแบบจำลอง | | 11 | คลัง scenario stress | Sensitivity + historical + hypothetical + reverse + liquidity; ทบทวนรายปี | แหล่งที่มา เหตุผลของความรุนแรง ข้อสมมติสหสัมพันธ์ | | 12 | Drawdown | NAV แบบ total-return, ความถี่รายวัน, trigger หลายชั้น | การ calibrate trigger เทียบการแจกแจงจาก simulation | | 13 | Scenario ระยะยาว | เรื่องเล่า 3–5 แบบ + Monte Carlo; climate scenarios | ข้อสมมติ การดำเนินการของผู้บริหาร การเทียบกับวัตถุประสงค์ | ## 16.3 Errata และข้อชี้แจงเกี่ยวกับเอกสารต้นทาง ต้นฉบับรวบรวมจุดผิดในเอกสารคอร์สที่ใช้เป็นแหล่งข้อมูล (สไลด์ บันทึก และ whitepaper) ไว้ดังนี้ | ตำแหน่ง | ตามที่เขียน | การแก้ไข / หมายเหตุ | |---|---|---| | สไลด์: เขตสัญญาณไฟ | $p_Y$ = 0.9599 | ควรเป็น 0.9999 (บันทึกของคอร์สเขียนถูก) | | สไลด์ความน่าจะเป็น: ตาราง breach | “Cum Binomial … (T=252, 0.01)” | ค่าในตารางคือ PMF สำหรับ T=252, p=5% ไม่ใช่ค่าสะสม ดูภาพที่ 5 สำหรับ 99% | | บันทึก PRIIPs, whitepaper | −0.146 S² | ควรเป็น +0.146 S² โดย S, K ปรับด้วย 1/√N และ 1/N (§6.2) | | บันทึก: อัตราส่วนวินิจฉัย | ρ ของ Gaussian “คงที่ทุกค่า c” | ρ เป็นค่าปานกลางที่ค่อย ๆ ลดลงเข้าหา 1 เมื่อ c → 1: 1.254 → 1.146 → 1.090 | | เฉลย: กรณีสองสินทรัพย์ | — | VaR £10,420 ที่ ρ = 1 ถูกต้อง และแสดงประโยชน์จากการกระจายความเสี่ยง | | กราฟในภาพที่ 8 | Green ≤5, Yellow ≤10 | ควรเป็น เขียว 0–4, เหลือง 5–9, แดง ≥10 |