Value at Risk (VaR): Sinusukat ang Pinakamasamang Posibleng Losses

Bawat trader, risk manager, at CFO ay may kaharap na parehong pangunahing tanong: gaano ako kalulugi? Ang Value at Risk (VaR) ang pinakamalawak na ginagamit na sagot ng financial industry. Ipinapahayag ng VaR ang maximum na inaasahang lugi sa isang partikular na time horizon sa isang tinukoy na confidence level, sa ilalim ng normal na market conditions.

Ang isang pahayag na tulad ng “ang one-day 95% VaR ng portfolio na ito ay $500,000” ay nangangahulugan: may 95% probability na hindi malugi ng portfolio ng mahigit $500,000 sa isang araw. Sa kabaligtaran, may 5% na tsansa na lampasan ng lugi ang threshold na iyon. Pinapaliit ng VaR ang isang complex na distribution ng posibleng outcomes sa isang solo, intuitive na numero — na kapareho ng pinakamalaking lakas nito at ng pinaka-mapanganib na limitasyon nito.

Naging industry standard ang VaR matapos hinamon ni Dennis Weatherstone, chairman ng JPMorgan, ang paggawa ng isang one-page daily report na nagbubuod sa total risk exposure ng firm. Ang resulta — ang tanyag na “4:15 Report” na ihinatid bawat hapon — nagpasilang sa RiskMetrics noong 1994, na open-sourced ng JPMorgan sa mundo. Halos kaagad na tinanggap ng mga regulator ang VaR: iniutos ng Basel II Accord na kalkulahin ng mga bangko ang daily VaR para matukoy ang kanilang capital requirements, isang standard na nananatili sa Basel III at IV ngayon.

May tatlong pangunahing approach para i-compute ang VaR, na may sariling distinct na bentahe at trade-off:

1. Historical Simulation

Ang pinakasimpleng metodo. Kunin ang kasalukuyan mong portfolio, ilapat ang aktwal na returns mula sa nakaraang 250 (o 500, o 1,000) trading days, at i-rank ang resultang P&L mula pinakamasama hanggang pinakamaganda. Para sa isang 95% VaR, ang lugi sa 5th percentile ang VaR estimate mo. Kung 1,000 araw ang ginamit mo, ang VaR ay ang loss ng ika-50 pinakamasamang araw. Walang assumptions ang metodong ito tungkol sa return distribution — pinababayaan lang nitong magsalita ang history nang direkta. Gayunpaman, ipinapalagay nitong representative ang nakaraan sa hinaharap, na eksaktong sandali ng pinakamapanganib nitong pagkabigo.

2. Parametric (Variance-Covariance) Method

Ipinapalagay ng approach na ito na sumusunod ang returns sa isang normal distribution. Tatayahin mo ang mean return at volatility ng bawat asset, buuin ang covariance matrix, at kalkulahin ang portfolio variance. Para sa isang 95% VaR: VaR = Portfolio Value × z-score × σ × √t, kung saan ang z-score para sa 95% ay 1.645, ang σ ay portfolio volatility, at ang t ay ang time horizon. Mabilis at elegante ang metodong ito — kayang kalkulahin ito ng isang quant sa isang spreadsheet. Pero malaki ang underestimate ng normal distributions sa probability ng extreme moves. Ang 40%+ single-day drops ng Bitcoin ay isang 7+ sigma event sa ilalim ng normality — theoretically imposible kahit isang beses sa buong buhay ng uniberso, gayunpaman nangyari na ito nang maraming pagkakataon.

3. Monte Carlo Simulation

Ang pinaka-flexible na metodo. Bubuuin mo ang isang statistical model kung paano nagbabago ang mga presyo ng asset (kasama ang fat tails, skewness, at time-varying volatility), tapos maggagawa ng libo-libo — o milyun-milyon — na random scenarios. Rerevaluate mo ang portfolio sa ilalim ng bawat scenario at kukunin ang VaR mula sa resultang P&L distribution. Kayang handle-in ng Monte Carlo ang mga complex na instrumento tulad ng options, path-dependent products, at non-linear exposures. Ang kapalit ay computational intensity at ang katotohanang mabuti lang ang mga resulta kung mabuti ang assumptions ng model.

Sinasabi sa iyo ng VaR ang hangganan ng normal na losses — pero walang sinasabi tungkol sa mangyayari lampas sa hangganang iyon. Kung ang 99% VaR mo ay $10 milyon, ang losses mo sa pinakamasamang 1% ng mga araw ay puwedeng $11 milyon o $110 milyon. Tahimik ang VaR tungkol sa magnitude ng extreme losses, at ang katahimikang ito ay nag-ambag sa mga catastrophic na kabiguan.

Sa panahon ng 2008 Global Financial Crisis, iniulat ng Goldman Sachs na naranasan ng mga trading desk nito ang “25-sigma events” sa maraming sunod-sunod na araw. Sa ilalim ng isang normal distribution, dapat mangyari ang isang 25-sigma event nang isang beses tuwing 10¹³⁵ taon. Ang katotohanan ay may fat-tailed return distributions ang mortgage-backed securities na kumpletong hindi nakuha ng mga VaR model — na na-calibrate sa mahinahon na markets.

Kasama sa dagdag na limitasyon:

• Non-additivity — Ang VaR ng isang combined na portfolio ay puwedeng lampasan ang kabuuan ng mga indibidwal na VaR, na lumalabag sa subadditivity. Nangangahulugan itong puwedeng parusahan ng VaR ang diversification, na economically walang katuturan.
• Model risk — Ang maliliit na pagbabago sa assumptions (lookback period, distribution choice, correlation estimates) ay puwedeng magbunga ng lubhang magkaibang mga numero ng VaR.
• Procyclicality — Sa mahinahon na markets, lumiliit ang VaR (mababa ang historical volatility), na hinihikayat ang mas malaking positions. Kapag tumaas ang volatility, biglang tumaas ang VaR, na pinipilit ang deleveraging sa pinakamasamang oras — na nagpapalakas ng crash.
• Liquidity blindness — Ipinapalagay ng standard na VaR na kaya mong lumabas sa mga position sa kasalukuyang presyo. Sa panahon ng Marso 2020 COVID crash, kahit ang mga US Treasury market — ang pinakaliquid sa mundo — ay naranasan ng matinding dislocation, na ginagawang walang katuturan ang mga VaR estimate.

Para masugpo ang pinakamalubhang kahinaan ng VaR — ang katahimikan nito tungkol sa tail losses — nagbuo ang mga risk manager ng Conditional VaR (CVaR), na kilala rin bilang Expected Shortfall (ES). Habang tinatanong ng VaR ang “ano ang pinakamasamang loss sa confidence level ko?”, tinatanong ng CVaR ang “dahil lampas na sa VaR ang loss, ano ang average na loss?”

Kung ang 95% daily VaR mo ay $1 milyon, puwedeng ang 95% CVaR mo ay $1.8 milyon — na nangangahulugang sa mga pinakamasamang 5% na araw, mahihintay mong malugi ng average na $1.8 milyon. Palaging lampas sa VaR ang CVaR, at ang agwat sa pagitan nila ay nagpapakita ng kalubhaan ng tail risk mo. Isang portfolio na 3× ang CVaR nito sa VaR nito ay may mas mapanganib na tail exposure kaysa sa isang portfolio na 1.2× lang ang CVaR sa VaR.

May crucial na mathematical advantage ang CVaR: coherent ito, na nangangahulugang natutugunan nito ang subadditivity. Ang pagsasama ng dalawang portfolio ay laging magbubunga ng isang CVaR na mas mababa o katumbas sa kabuuan ng mga indibidwal na CVaR, na wastong sumasalamin sa benepisyo ng diversification. Kinilala ng Basel III framework ang mga kahinaan ng VaR matapos ang 2008, at iniutos na lumipat ang mga bangko mula VaR patungong Expected Shortfall para sa mga market risk capital requirement — isang shift na kumpleto sa ilalim ng Fundamental Review of the Trading Book (FRTB).

Para sa mga crypto portfolio, importante talaga ang CVaR. Ipinapakita ng digital assets ang malinaw na fat tails: ipinapakita ng empirical return distribution ng Bitcoin ang excess kurtosis ng humigit-kumulang 15–30 (kumpara sa ~3 para sa isang normal distribution), na nangangahulugang mas madalas na malaki ang extreme events kaysa sa hinuhula ng bell-curve models. Kung gagamit ka lang ng VaR, maiiwan kang mapanganib na exposed sa mismong mga event na nagde-define ng crypto markets.

Nangangailangan ang paggawa ng isang praktikal na VaR framework para sa crypto ng pag-adapt ng traditional na metodo sa mga kakaibang katangian ng asset class na ito: 24/7 trading, extreme volatility, regime changes, at manipis na liquidity sa panahon ng stress.

Isipin ang isang portfolio na $100,000 na pantay na nahahati sa BTC, ETH, at SOL. Gamit ang historical simulation sa nakaraang dalawang taon ng daily returns:

• Makakalap ka ng 730 daily portfolio returns (pagtimbang sa return ng bawat asset ayon sa 33% allocation nito).
• I-sort ang returns mula pinakamasama hanggang pinakamaganda.
• Ang ika-37 pinakamasamang return (5th percentile ng 730) ang ibibigay sa iyo ang 95% 1-day VaR.
• Empirically, ang figure na ito ay puwedeng humigit-kumulang $5,500–$7,000 — na nangangahulugang dapat asahang malugi ka ng hindi bababa sa halagang iyon sa 1 sa 20 trading days.

Para sa mas mahabang horizons, nagbibigay ang square-root-of-time rule (i-multiply ang daily VaR sa √t) ng isang rough approximation: weekly VaR ≈ daily VaR × √5 ≈ $12,300–$15,700. Gayunpaman, ipinapalagay ng scaling rule na ito na independent ang returns sa pagitan ng araw, na nilalabag ng momentum at mean-reversion patterns ng crypto. Nangangailangan ang mas accurate na scaling ng modeling ng serial correlation.

Sa GaiaEx, kung saan nagtratrade ka ng perpetual futures sa Hyperliquid L1, mas critical ang VaR dahil pinalalakas ng leverage ang pareho — returns at losses. Ang isang 5× leveraged position ay may 5× na VaR ng isang unleveraged na position. Bago pasukin ang kahit anong leveraged trade, kalkulahin ang VaR mo at siguraduhing survivable ang worst-case scenario — tandaang lumalampas ang tunay na worst cases sa VaR. Sinisiguro ng MPC wallet architecture ng GaiaEx na habang pinamamahalaan mo ang market risk gamit ang VaR discipline, naneutralize na ang counterparty risk mo.

Hindi lang numero ang VaR — isang risk management process ito. Ito ang paraan ng paggamit ng mga propesyonal na trader at institution araw-araw:

Itakda ang VaR limits bago magtrade. Desisyunan ang maximum na loss na kaya mong absorb-in sa isang araw, linggo, at buwan. Ipahayag ito bilang isang percentage ng portfolio mo. Isang karaniwang professional standard ay isang daily VaR limit ng 1–2% ng total capital sa 99% confidence level. Kung $50,000 ang portfolio mo, nangangahulugan itong dapat mong i-struktura ang mga position para manatili ang 99% daily VaR mo sa ibaba ng $500–$1,000.

Subaybayan at kalkulahin uli nang regular. Nagbabago ang VaR habang nagbabago ang mga position, nagshift ang correlations, at nag-evolve ang volatility. Kalkulahin uli kahit minsan sa isang araw. Sa mga panahon ng volatile — na puwedeng tumagal ng linggo sa crypto — kalkulahin uli nang maraming beses sa isang araw. Kung nalampasan ng VaR ang limit mo, bawasan agad ang mga position sa halip na umasang huhupa ang market.

Backtest nang walang tigil. Ikumpara ang predicted VaR sa aktwal na P&L. Kung nalampasan ang 95% VaR mo ng mahigit 5% ng oras, sira ang model mo. Sa panahon ng crypto bear market noong 2022, maraming risk model na na-calibrate sa data ng 2020–2021 ang malaking na-underestimate ang VaR dahil na-train sila sa isang bull market. Mahahuli ang drift na ito ng regular na backtesting.

Isama ang VaR sa iba pang risk metric. Gamitin ang CVaR para sa tail risk, stress testing para sa scenario analysis, maximum drawdown para sa capital preservation, at position limits para sa concentration risk. Walang solong metric na nakukuha ang lahat ng dimensyon ng risk. Ang VaR ang pundasyon ng risk framework mo — hindi ang buong gusali.

Hindi ang layunin ay alisin ang risk — mawawala rin ang returns kung gagawin ito. Ang layunin ay alamin ang risk mo, tantiyahin ito nang maingat, at siguraduhing walang isang araw na kayang tanggalin ka sa laro. Ang VaR, na wastong ginamit at dinagdagan ng tail-risk measures, ay nagbibigay sa iyo ng quantitative na pundasyon para magtrade na may kumpiyansa.