Этот пост будет полезен тем, кто думает в стиле “блин, ну приехал я учиться, даже до экзаменов дополз еле как, а дальше то че? ну как дальше жить?”
(много всяких букв, может быть неинтересно)
Понятно, что этот вопрос заботит всех и самые душевные собрания случаются на переменах по четвергам у обогревателя в подвале с вопросами “ну а вы как в прошлом году писали-то?” тем немногим (двум из восьми) кто ходит на риск-менеджмент по причине неверного выбора в прошлом году. Обычный сценарий: сдать экзамены в июне (вот где страх и ужас, схема как в России — четыре экзамена за две недели — по три дня на то, чтобы прийти в себя и снова нырнуть в омут) и за оставшиеся 77 дней до конца августа не только написать но и прогнать через плагиатор свои жалкие 6000 слов.
Вообще, надо считать честно количество часов потраченных на учебу, я вот склонен считать курсовик данный на две недели часами: 12 часов последний день, 8 часов предпоследний, 5 дней по 4 часа в последнюю неделю и по два часа переживаний в течении первой недели. Итого на курсовик: 54 часа. С экзаменами сложнее, там списать то нечего, поэтому это неделя истерик по 12 часов в день (калькулятор клянется, что это 84 часа) а потом по 32 часа на каждый из них. Лекции считать за учебу неприлично, так, приятное прослушивание, поэтому реальной учебы получается примерно 54 часа на каждый из шести курсовиков, по сколько же на четыре экзамена и по четыре часа сорок дней (160 часов) на дипломную работу. То есть реально 700 часов (четыре рабочих месяца). С лекциями выходит год, но без них тоже мотивации никакой — нужно вливаться в академический режим и пропитываться духом.
Проведя такие расчеты к профессору идти легче, ты понимаешь что ты дебил с трудом отличающий потери от value at risk, хлопаешь в ладошки, узнавая, что это одно и тоже и еще громче радуешься, когда узнаешь, что предположение нормальности, дающее приятный аналитический вид решения ведет не только к смещенности оценки, но и ее несостоятельности, сводя все дорогостоящие манипуляции к численным методам. Для людей без тараканов в голове: калькулятор и интуиция по прежнему в строю!
Итак, зайдя к профессору, я вылил на него 15 слов неприкрытой лести, пожаловался на монархический строй в стране и с легкой картавостью не свойственной английскому языку предположил что практическая применимости диссертации может сыграть на руку всем. Съев все это профессор вещал 23 минуты без остановки, будучи раз с трудом перебитый на мой неуклюжий пример, и выдал практически полный текст введения спешно закаракулированный мной в тетради.
Из его потрясающей кембриджской речи я узнал, что прошлая лекция открыла нам глаза на extreme value theory (жирным для себя делаю, чтобы потом читать проще было, а ссылочки расставлю, когда буду разбираться по порядку, пока просто переписываю из тетради), которая по его мнению является опорой будущего финансовой индустрии в ближайшую пятилетку.
Регуляторы (типа наших надзорных органов), говорит он в свете этой теории смотрят на основные риски: перед двумя предыдущими кризисами они смотрела на рыночный риск и кредитный риск, а вот сейчас что-то начали заглядываться на business-related risk, а так как оптимистов в FSA не берут на работу, говорит, жди беды или в IT или в manufactoring processes, да простят меня русофилы. А еще Саймон (профессор) предположил, что в областях типа commodities вполне возможна потребность в расчете бизнес рисков (парафин в скважине, врезка, авария на трубопроводе или важной скважине, человеческие потери и репутация).
Наиболее важным профессору показалось как-то связать анализ моделей расчета риска с предыдущим кризисом. Взять, к примеру, портфолио из различных секторов (за основу можно взять индексы), добавить туда валюту. Затем взять исторические данные начиная с 2008 года, посмотреть оценки агентств, какие они выбирали меры риска, прогнать их по данным, попробовать классические модели (модификации GARCH, RiskMetrics). И еще раз: набрать портфолио, выбрать несколько моделей, посмотреть результат прогона модели, откалибровать ее чтобы сошлась с регрессией и/или данными агентств.
Тезис самой диссертации может быть широким или узким. Широкий не потребует глубокого анализа, а узкий потребует аккуратного выбора специфики.
Чтобы выбрать портфолио лучше начинать с индексов. Для британского работодателя будет симпатичен FTSE 100, для американцев S&P, а еще может быть интересно посмотреть сравнение южно-американского рынка с европейским, потому что кажется, что Южная Америка была лучше подготовлена к кризису, даже если это банально низкий уровень внешних инвестиций.
Исторические данные из Bloomberga скорее всего недоступны, поэтому лучше пользоваться библиотечным Datastream или еще проще — Yahoo.Finance (кстати, у одногруппника видел прикольную книжку где описаны стандартизованные функции обращения к яху прямо из матлаба).
Должно быть интересно сделать слепые предсказания из “апреля 2008” на будущее, посчитав risk measures на раз в неделю (52 значения на год) и сравнить графически. Или, например, предположить нормальность value at risk и посчитать оценку (статистику). Если мера риска выбрана верная, то значения этой меры должны пойти вверх в “сентябре 2008”. Из моделей GARCH скорее всего надо будет посмотреть (1,1), (2,2) и (3,3). А далее понять как правильно выставлять порог.
То есть по структуре диссератции: надо брать модель, смотреть ее ретроспективно (видимо на данных того же набора контор FTSE 100 начиная с сентября 2008 года) и делать выводы в конце секции: хорошая модель или плохая. Параметры моделей должны быть резонными: низкие параметры должны отражать спокойные периоды, высокие давать предупреждение о волнении на рынке.
И в конце профессор пообещал притащить на лекцию базу данных прошлых работ по теме.
Вооот… надо теперь все это переписать в нормальном виде и на местном наречии и отправить секретарю.