Value at Risk (VaR): วัดปริมาณการขาดทุนกรณีเลวร้ายที่สุด

นักเทรด ผู้จัดการความเสี่ยง และ CFO ทุกคนเผชิญคำถามพื้นฐานเดียวกัน: ผมอาจเสียเงินได้มากที่สุดแค่ไหน? Value at Risk (VaR) คือคำตอบที่ใช้กันแพร่หลายที่สุดในอุตสาหกรรมการเงิน VaR แสดงการขาดทุนสูงสุดที่คาดว่าจะเกิดขึ้นในช่วง ช่วงเวลา (time horizon) ที่กำหนด ที่ ระดับความเชื่อมั่น (confidence level) หนึ่ง ๆ ภายใต้สภาวะตลาดปกติ

ข้อความอย่าง "1-day 95% VaR ของพอร์ตนี้คือ $500,000" มีความหมายว่า: มีความน่าจะเป็น 95% ที่พอร์ตจะไม่ขาดทุนมากกว่า $500,000 ในหนึ่งวัน กลับกัน มีความน่าจะเป็น 5% ที่การขาดทุนจะเกินเกณฑ์นั้น VaR กลั่นการแจกแจงที่ซับซ้อนของผลลัพธ์ที่เป็นไปได้ให้เป็นตัวเลขเดียวที่เข้าใจง่าย — ซึ่งเป็นทั้งจุดแข็งที่สุดและข้อจำกัดที่อันตรายที่สุดของมัน

VaR กลายเป็นมาตรฐานอุตสาหกรรมหลังจาก Dennis Weatherstone ประธานของ JPMorgan เรียกร้องให้มีรายงานประจำวันหน้าเดียวที่สรุปการเปิดรับความเสี่ยงทั้งหมดของบริษัท ผลที่ได้ — "4:15 Report" อันโด่งดังที่ส่งทุกบ่าย — ก่อให้เกิด RiskMetrics ในปี 1994 ซึ่ง JPMorgan ได้เปิดเป็นโอเพนซอร์สให้กับโลก หน่วยงานกำกับดูแลนำ VaR มาใช้เกือบทันที: ข้อตกลง Basel II กำหนดให้ธนาคารต้องคำนวณ VaR ทุกวันเพื่อกำหนดความต้องการเงินทุน ซึ่งเป็นมาตรฐานที่ยังคงอยู่จนถึง Basel III และ IV ในปัจจุบัน

มีวิธีหลักสามวิธีในการคำนวณ VaR แต่ละวิธีมีข้อได้เปรียบและข้อแลกเปลี่ยนที่แตกต่างกัน:

1. Historical Simulation

วิธีที่ง่ายที่สุด นำพอร์ตปัจจุบันของคุณมาใช้ผลตอบแทนจริงจาก 250 วัน (หรือ 500 หรือ 1,000 วัน) การเทรดที่ผ่านมา แล้วจัดเรียง P&L ที่ได้จากแย่ที่สุดไปดีที่สุด สำหรับ 95% VaR การขาดทุนที่เปอร์เซนไทล์ที่ 5 คือค่าประมาณ VaR ของคุณ ถ้าคุณใช้ข้อมูล 1,000 วัน VaR ก็คือการขาดทุนของวันที่แย่ที่สุดอันดับที่ 50 วิธีนี้ไม่ตั้งสมมติฐานใด ๆ เกี่ยวกับการแจกแจงของผลตอบแทน — ให้ประวัติศาสตร์พูดโดยตรง อย่างไรก็ตาม มันสมมติว่าอดีตเป็นตัวแทนของอนาคต ซึ่งตรงกับจุดที่มันล้มเหลวได้อันตรายที่สุด

2. วิธี Parametric (Variance-Covariance)

วิธีนี้สมมติว่าผลตอบแทนเป็นไปตาม การแจกแจงแบบปกติ (normal distribution) คุณประมาณผลตอบแทนเฉลี่ยและความผันผวนของแต่ละสินทรัพย์ สร้างเมทริกซ์ความแปรปรวนร่วม (covariance matrix) และคำนวณความแปรปรวนของพอร์ต สำหรับ 95% VaR: VaR = มูลค่าพอร์ต × z-score × σ × √t โดย z-score สำหรับ 95% คือ 1.645, σ คือความผันผวนของพอร์ต และ t คือช่วงเวลา วิธีนี้รวดเร็วและสวยงาม — quant คนหนึ่งสามารถคำนวณได้ในสเปรดชีต แต่การแจกแจงแบบปกติประเมินความน่าจะเป็นของการเคลื่อนไหวสุดขั้วต่ำเกินไปอย่างมาก การร่วงลง 40%+ ในวันเดียวของบิตคอยน์จะเป็นเหตุการณ์ 7 sigma ขึ้นไปภายใต้การแจกแจงแบบปกติ — ในทางทฤษฎีเป็นไปไม่ได้เลยตลอดอายุของจักรวาล แต่มันเกิดขึ้นมาแล้วหลายครั้ง

3. Monte Carlo Simulation

วิธีที่ยืดหยุ่นที่สุด คุณกำหนดโมเดลทางสถิติสำหรับวิธีที่ราคาสินทรัพย์เคลื่อนไหว (รวมถึง fat tails, ความเบ้ (skewness) และความผันผวนที่เปลี่ยนตามเวลา) จากนั้นสร้างสถานการณ์สุ่มหลายพัน — หรือหลายล้าน — สถานการณ์ คุณประเมินมูลค่าพอร์ตใหม่ในแต่ละสถานการณ์ และดึง VaR จากการแจกแจง P&L ที่ได้ Monte Carlo สามารถจัดการตราสารที่ซับซ้อนอย่างออปชัน ผลิตภัณฑ์ที่ขึ้นกับ path และการเปิดรับความเสี่ยงไม่เป็นเชิงเส้นได้ ต้นทุนคือความหนักหน่วงในการคำนวณ และความจริงที่ว่าผลลัพธ์จะดีเท่ากับสมมติฐานของโมเดลเท่านั้น

VaR บอกขอบเขตของการขาดทุนแบบปกติ — แต่ไม่บอกอะไรเลยเกี่ยวกับสิ่งที่เกิดขึ้นเมื่อเกินขอบเขตนั้น ถ้า 99% VaR ของคุณคือ $10 ล้าน การขาดทุนในวันที่แย่ที่สุด 1% นั้นอาจเป็น $11 ล้านหรือ $110 ล้านก็ได้ VaR ไม่บอกอะไรเกี่ยวกับขนาดของการขาดทุนสุดขั้ว และความเงียบนี้มีส่วนในการก่อให้เกิดความล้มเหลวครั้งใหญ่หลายครั้ง

ระหว่าง วิกฤตการเงินโลกปี 2008 Goldman Sachs รายงานว่าเดสก์เทรดของตนเจอ "เหตุการณ์ 25-sigma" ติดต่อกันหลายวัน ภายใต้การแจกแจงแบบปกติ เหตุการณ์ 25-sigma ควรเกิดขึ้นประมาณหนึ่งครั้งในทุก 10¹³⁵ ปี ความจริงคือหลักทรัพย์ที่มีสัญญาจำนองเป็นหลักประกัน (mortgage-backed securities) มีการแจกแจงผลตอบแทนแบบ fat-tailed ที่โมเดล VaR — ซึ่งถูกปรับแต่งให้เข้ากับตลาดที่ไม่รุนแรง — ล้มเหลวอย่างสิ้นเชิงในการจับให้ได้

ข้อจำกัดอื่น ๆ ได้แก่:

• Non-additivity (ไม่มีคุณสมบัติการรวมกันได้) — VaR ของพอร์ตรวมอาจเกินกว่าผลรวมของ VaR แต่ละรายการ ซึ่งขัดกับหลัก subadditivity นั่นหมายความว่า VaR อาจลงโทษการกระจายความเสี่ยง ซึ่งไม่สมเหตุสมผลทางเศรษฐศาสตร์
• ความเสี่ยงของโมเดล (Model risk) — การเปลี่ยนแปลงเล็ก ๆ ในสมมติฐาน (ช่วงเวลามองย้อนหลัง การเลือกการแจกแจง การประมาณค่าความสัมพันธ์) สามารถให้ตัวเลข VaR ที่แตกต่างกันอย่างมาก
• Procyclicality (ความเป็นวัฏจักรร่วมกับตลาด) — ในตลาดที่สงบ VaR หดตัวลง (ความผันผวนในอดีตต่ำ) กระตุ้นให้เกิดสถานะที่ใหญ่ขึ้น เมื่อความผันผวนพุ่งสูง VaR ก็เพิ่มขึ้นอย่างรวดเร็ว บีบให้ต้องลดเลเวอเรจในช่วงเวลาที่แย่ที่สุด — ขยายให้การล่มสลายรุนแรงขึ้น
• การมองไม่เห็นความเสี่ยงด้านสภาพคล่อง (Liquidity blindness) — VaR มาตรฐานสมมติว่าคุณสามารถออกจากสถานะได้ที่ราคาปัจจุบัน ระหว่างการร่วงลงของ COVID ในเดือนมีนาคม 2020 แม้แต่ตลาดพันธบัตรรัฐบาลสหรัฐฯ — ที่มีสภาพคล่องสูงที่สุดในโลก — ก็เกิดการเบี่ยงเบนของราคาอย่างรุนแรง ทำให้การประมาณ VaR ไม่มีความหมาย

เพื่อแก้ไขข้อบกพร่องที่สำคัญที่สุดของ VaR — ความเงียบต่อการขาดทุนใน tail — ผู้จัดการความเสี่ยงได้พัฒนา Conditional VaR (CVaR) หรือที่รู้จักกันในชื่อ Expected Shortfall (ES) ในขณะที่ VaR ถามว่า "การขาดทุนที่แย่ที่สุดที่ระดับความเชื่อมั่นของฉันคือเท่าไร?" CVaR ถามว่า "เมื่อการขาดทุนเกิน VaR แล้ว การขาดทุน เฉลี่ย คือเท่าไร?"

ถ้า 95% daily VaR ของคุณคือ $1 ล้าน 95% CVaR ของคุณอาจอยู่ที่ $1.8 ล้าน — หมายความว่าในวันที่แย่ที่สุด 5% นั้น คุณสามารถคาดว่าจะขาดทุนเฉลี่ย $1.8 ล้าน CVaR มีค่ามากกว่า VaR เสมอ และช่องว่างระหว่างทั้งสองเผยให้เห็นความรุนแรงของความเสี่ยงใน tail ของคุณ พอร์ตที่มี CVaR เป็น 3 เท่าของ VaR มีการเปิดรับความเสี่ยงใน tail ที่อันตรายกว่าพอร์ตที่มี CVaR เป็นเพียง 1.2 เท่าของ VaR อย่างมาก

CVaR มีข้อได้เปรียบทางคณิตศาสตร์ที่สำคัญ: มันมีคุณสมบัติ coherent หมายความว่ามันตอบสนองต่อ subadditivity การรวมสองพอร์ตเข้าด้วยกันจะให้ CVaR ที่น้อยกว่าหรือเท่ากับผลรวมของ CVaR แต่ละรายการเสมอ สะท้อนประโยชน์ของการกระจายความเสี่ยงอย่างถูกต้อง กรอบการทำงาน Basel III เมื่อรับรู้ถึงข้อบกพร่องของ VaR หลังปี 2008 ได้กำหนดให้ธนาคารเปลี่ยนจาก VaR เป็น Expected Shortfall สำหรับความต้องการเงินทุนความเสี่ยงด้านตลาด — การเปลี่ยนแปลงที่เสร็จสมบูรณ์ภายใต้ Fundamental Review of the Trading Book (FRTB)

สำหรับพอร์ตคริปโต CVaR สำคัญเป็นพิเศษ สินทรัพย์ดิจิทัลแสดง fat tails ที่ชัดเจน: การแจกแจงผลตอบแทนตามข้อมูลจริงของบิตคอยน์แสดง excess kurtosis ประมาณ 15–30 (เทียบกับ ~3 สำหรับการแจกแจงแบบปกติ) หมายความว่าเหตุการณ์สุดขั้วเกิดขึ้นบ่อยกว่าที่โมเดล bell-curve คาดการณ์ไว้มาก การใช้ VaR เพียงอย่างเดียวจะทำให้คุณเปิดรับความเสี่ยงต่อเหตุการณ์ที่นิยามตลาดคริปโตอย่างอันตราย

การสร้างกรอบการทำงาน VaR ที่ใช้ได้จริงสำหรับคริปโตต้องปรับวิธีการดั้งเดิมให้เข้ากับลักษณะเฉพาะของสินทรัพย์ประเภทนี้: การเทรด 24/7 ความผันผวนสุดขั้ว การเปลี่ยนรูปแบบตลาด และสภาพคล่องที่บางในช่วงตึงเครียด

ลองพิจารณาพอร์ต $100,000 ที่แบ่งเท่า ๆ กันระหว่าง BTC, ETH และ SOL ใช้ Historical Simulation ในช่วงผลตอบแทนรายวันสองปีที่ผ่านมา:

• คุณจะเก็บผลตอบแทนพอร์ตรายวัน 730 ค่า (ถ่วงน้ำหนักผลตอบแทนของแต่ละสินทรัพย์ด้วยสัดส่วน 33%)
• จัดเรียงผลตอบแทนจากแย่ที่สุดไปดีที่สุด
• ผลตอบแทนที่แย่ที่สุดอันดับที่ 37 (เปอร์เซนไทล์ที่ 5 ของ 730) คือ 95% 1-day VaR ของคุณ
• ตามข้อมูลจริง ตัวเลขนี้อาจอยู่ที่ประมาณ $5,500–$7,000 — หมายความว่าคุณควรคาดว่าจะขาดทุนอย่างน้อยเท่านี้ 1 ใน 20 วันเทรด

สำหรับช่วงเวลาที่ยาวกว่า กฎ square-root-of-time (คูณ daily VaR ด้วย √t) ให้ค่าประมาณคร่าว ๆ: weekly VaR ≈ daily VaR × √5 ≈ $12,300–$15,700 อย่างไรก็ตาม กฎการปรับสเกลนี้สมมติว่าผลตอบแทนในแต่ละวันเป็นอิสระจากกัน ซึ่งรูปแบบ momentum และ mean-reversion ของคริปโตขัดกับสมมติฐานนี้ การปรับสเกลที่แม่นยำกว่าต้องสร้างแบบจำลอง serial correlation

บน GaiaEx ที่คุณเทรดสัญญา perpetual futures บน Hyperliquid L1 VaR ยิ่งสำคัญมากขึ้นไปอีก เพราะเลเวอเรจขยายทั้งผลตอบแทนและการขาดทุน สถานะที่มีเลเวอเรจ 5x มี VaR เป็น 5 เท่าของสถานะที่ไม่มีเลเวอเรจ ก่อนเข้าเทรดที่มีเลเวอเรจใด ๆ ให้คำนวณ VaR ของคุณและตรวจสอบให้แน่ใจว่ากรณีที่แย่ที่สุด — โดยจำไว้ว่ากรณีที่แย่ที่สุดจริงเกินกว่า VaR — เป็นสิ่งที่คุณอยู่รอดได้ สถาปัตยกรรมกระเป๋า MPC ของ GaiaEx ทำให้แน่ใจว่าในขณะที่คุณจัดการความเสี่ยงด้านตลาดด้วยหลักการ VaR ความเสี่ยงจากคู่สัญญาของคุณได้ถูกทำให้เป็นกลางไปแล้ว

VaR ไม่ใช่แค่ตัวเลข — มันคือ กระบวนการบริหารความเสี่ยง นี่คือวิธีที่นักเทรดและสถาบันมืออาชีพใช้มันในแต่ละวัน:

ตั้งเพดาน VaR ก่อนเริ่มเทรด กำหนดการขาดทุนสูงสุดที่คุณรับได้ในหนึ่งวัน หนึ่งสัปดาห์ และหนึ่งเดือน แสดงเป็นเปอร์เซนต์ของพอร์ตของคุณ มาตรฐานมืออาชีพที่พบทั่วไปคือเพดาน daily VaR ที่ 1–2% ของเงินทุนรวมที่ระดับความเชื่อมั่น 99% ถ้าพอร์ตของคุณคือ $50,000 นั่นหมายความว่าต้องจัดโครงสร้างสถานะให้ 99% daily VaR ของคุณอยู่ต่ำกว่า $500–$1,000

ติดตามและคำนวณใหม่อย่างสม่ำเสมอ VaR เปลี่ยนไปเมื่อสถานะเปลี่ยน ความสัมพันธ์ระหว่างสินทรัพย์เปลี่ยน และความผันผวนเปลี่ยนไป ให้คำนวณใหม่อย่างน้อยทุกวัน ในช่วงเวลาที่ผันผวน — ซึ่งในคริปโตอาจกินเวลาหลายสัปดาห์ — ให้คำนวณหลายครั้งต่อวัน ถ้า VaR เกินเพดานของคุณ ให้ลดสถานะทันทีแทนที่จะหวังว่าตลาดจะสงบลง

ทำ Backtest อย่างต่อเนื่อง เปรียบเทียบ VaR ที่คาดการณ์ไว้กับ P&L จริง ถ้า 95% VaR ของคุณถูกทะลุมากกว่า 5% ของเวลา โมเดลของคุณมีปัญหา ระหว่างตลาดหมีคริปโตในปี 2022 โมเดลความเสี่ยงหลายตัวที่ถูกปรับแต่งด้วยข้อมูลปี 2020–2021 ประเมิน VaR ต่ำเกินไปอย่างมาก เพราะพวกมันถูกฝึกด้วยข้อมูลในตลาดกระทิง การทำ backtest อย่างสม่ำเสมอจะจับความเบี่ยงเบนนี้ได้

รวม VaR เข้ากับตัวชี้วัดความเสี่ยงอื่น ๆ ใช้ CVaR สำหรับความเสี่ยงใน tail การทดสอบภาวะตึงตัว (stress testing) สำหรับการวิเคราะห์สถานการณ์ ดรอว์ดาวน์สูงสุดสำหรับการรักษาเงินทุน และเพดานสถานะสำหรับความเสี่ยงจากการกระจุกตัว ไม่มีตัวชี้วัดเดียวที่ครอบคลุมทุกมิติของความเสี่ยง VaR คือฐานรากของกรอบความเสี่ยงของคุณ — ไม่ใช่ตัวอาคารทั้งหมด

เป้าหมายไม่ใช่การกำจัดความเสี่ยง — นั่นจะกำจัดผลตอบแทนไปด้วย เป้าหมายคือ รู้ความเสี่ยงของคุณ กำหนดขนาดมันอย่างตั้งใจ และแน่ใจว่าไม่มีวันใดวันหนึ่งที่จะทำให้คุณออกจากเกมได้ VaR เมื่อใช้อย่างถูกต้องและเสริมด้วยการวัดความเสี่ยงใน tail ให้ฐานรากเชิงปริมาณแก่คุณในการเทรดด้วยความมั่นใจ