Waardering op risico voor commodity trading

Value at Risk (VaR) modellen met behulp van Tableau

Cadran Consultancy en Cadran Analytics werken nauw samen om waarde te creëren voor bedrijven actief in de handel van grondstoffen.

Dankzij de uitgebreide mogelijkheden van Tableau Software om complexe algoritmen uit te voeren in R (een programmeertaal vaak gebruikt door datawetenschappers), ontwikkelen we samen Value at Risk (VaR) modellen met behulp van Tableau. Door dit te integreren met Arantys, kunnen bedrijven gebruikmaken van een betrouwbaar transactiesysteem en tegelijkertijd complexe analytische modellen toepassen om hun blootstelling te beoordelen. VaR voor Tableau kan nu naast Arantys worden geïmplementeerd.

Het Concept van VaR

Stel dat u een contract aangaat waarbij u vandaag sojabonen koopt en deze over een maand moet verkopen. Met andere woorden, u heeft een longpositie in sojabonen. Als de marktprijs in de komende 30 dagen daalt, zou u verlies lijden op dit contract. Vooraf, of op enig moment tijdens deze 30 dagen, zou u geïnteresseerd zijn in de waarschijnlijkheid van dit verlies en hoe groot dit zou kunnen worden. In het geval dat een groot verlies waarschijnlijk is, kunt u zich er tegen indekken (bijvoorbeeld door wat activa te kopen waarvan de prijs doorgaans in tegenovergestelde richting van sojaboonprijzen beweegt) of u kunt proberen uw positie te verlagen (bijvoorbeeld door het contract te verkopen). VaR is een methode om deze waarschijnlijkheid te bepalen.

VaR voor een Portefeuille van Activa

Dit voorbeeld toonde slechts één contract voor slechts één activum, maar in werkelijkheid houden handelsbedrijven op elk moment veel contracten in veel verschillende activa aan. Denk eraan dat naast sojabonen ook een contract hebben in koffiebonen. Nu hebben we een portefeuille van 2 activa: sojabonen en koffiebonen. Als we de VaR van deze portefeuille willen meten, moeten we rekening houden met hoe deze twee prijzen gecorreleerd zijn. Met andere woorden, wat is de waarschijnlijkheid dat beide prijzen tegelijkertijd dalen? Hiervoor gebruikt VaR de covariantiematrix. Deze matrix definieert in feite de relatie tussen de verschillende activa in de portefeuille op basis van hun historische bewegingen.

Tableau Dashboard

Nu de basisprincipes van VaR zijn behandeld, bekijk het Tableau-dashboard hieronder. Dit dashboard, gemaakt door Tableau te combineren met R, toont een VaR-analyse voor een portefeuille met drie activa. Nadat een betrouwbaarheidsniveau en een methode zijn gekozen (we bewaren de details van deze methoden voor een ander artikel), toont het dashboard de VaR van de portefeuille. Daarnaast zijn enkele cijfers opgenomen voor de individuele activa:

• Huidige blootstelling: het bedrag van de positie
• Component VaR %: het percentage van de portefeuille VaR dat dit activum verantwoordelijk is.
• Individuele VaR: de VaR van het individuele activum, zonder rekening te houden met de rest van de portefeuille.
• Er kunnen verschillende interessante waarnemingen worden gedaan:
• De som van de individuele VaR’s is hoger dan de portefeuille VaR.
• De reden hiervoor is dat door activa in een portefeuille te combineren, deze gediversifieerd wordt. Dit betekent dat het niet waarschijnlijk is dat alle drie activa op hetzelfde moment aanzienlijk zullen dalen.
• De optiecontracten hebben een relatief hoge component VaR.
• Bijvoorbeeld, met een betrouwbaarheidsniveau van 99% overschrijdt dit meer dan 60% (ongeacht de gekozen methode). Dus zelfs als de blootstelling van de toekomstige contracten hoger is, dragen de optiecontracten veel meer bij aan de VaR. Dit wordt verklaard door het rendementsdashboard, waaruit blijkt dat de rendementen van optiecontracten volatieler zijn dan die van toekomstige contracten.
• Bij een betrouwbaarheidsniveau van 95% variëren de resultaten sterk tussen de twee methoden.
• Daarom is het belangrijk om zorgvuldig een methode te kiezen. In het geval dat de activarendementen een niet-normale verdeling laten zien, is de Gemodificeerde methode meer geschikt dan de Parametrische mean-Var.

VaR met Arantys

Het VaR-model maakt gebruik van historische gegevens of beschikbare marktgegevens. Elk van deze modellen kan gebruik maken van gegevens die al beschikbaar zijn in Arantys. Het bestaande gegevensmodel dat is gemaakt, stelt Cadran Analytics in staat snel het potentieel in Tableau te ontsluiten. Het toepassen van een complexer analytisch model zoals VaR kan op grote schaal en met beperkte inspanning worden geïmplementeerd. Deze mogelijkheid maakt Tableau een schaalbare en toekomstbestendige oplossing: het toepassen van nieuwe en aangepaste modellen wordt eenvoudig en analyses kunnen geavanceerder worden gemaakt zonder dat u een complex transactielaag hoeft te implementeren. Zoals ook beschreven in het artikel “Wat-als-analyse bij handel in Tableau” en zoals getoond in dit model, kan het model ook variabel worden gemaakt, waardoor eenvoudige analyse door uw eindgebruikers mogelijk is. Tableau en Arantys maken geïntegreerde JD Edwards ERP en Tableau-systemen mogelijk, wat de usability van de gegevens en informatie verbetert en zorgt voor betere data- en informatiemanagement. Hierdoor wordt big data en cloud computing nog effectiever in commodity trading en analytics. De BI & Analytics capaciteiten van Tableau worden verder verbeterd door intergratie Tableau met JD Edwards ERP, waardoor business intelligence en analytics in finance-applicaties naar