Представьте: портфель из 1000 облигаций и опционов, и завтра совет директоров спросит: «Сколько мы можем потерять за один плохой день?» Ответ «около 2%» звучит успокаивающе, пока не выяснится, что этот расчёт не учитывает, что в кризис корреляции между активами стремятся к единице, а ликвидность исчезает. Именно здесь количественные финансы перестают быть академической дисциплиной и становятся инструментом выживания. Курс Quant Finance и Structured Products — количественные финансы как раз про такие расчёты — но давайте сначала разберёмся, что стоит за цифрами.
Почему волатильность — это не просто «мера риска»
Волатильность часто воспринимают как абстрактный процент. На практике это цена, которую рынок назначает за неопределённость. Если акция стоит 100 рублей, а её дневная волатильность 2%, это означает, что в 95% случаев (при нормальном распределении) дневное изменение не превысит примерно 4% (2 сигмы). Но рынки не нормальны: хвосты распределения тяжелее, и редкие события случаются чаще, чем предсказывает гауссова модель.
Ключевой механизм: волатильность используют для оценки опционов (модель Блэка-Шоулза), для расчёта VaR (Value at Risk), для стресс-тестирования. Но каждая модель имеет границы применимости. Например, модель Блэка-Шоулза предполагает постоянную волатильность, а на рынке она меняется — отсюда улыбка волатильности (volatility smile).
Разбор: как считают VaR и что идёт не так
Возьмём портфель из одной акции стоимостью 1 000 000 рублей. Допустим, дневная волатильность 2%. Считаем однодневный VaR с доверительной вероятностью 95%:
- Среднее изменение принимаем за 0 (для простоты).
- Квантиль нормального распределения для 95% — 1,645.
- VaR = 1 000 000 × 2% × 1,645 = 32 900 рублей.
Интерпретация: с вероятностью 95% потери за день не превысят 32 900 рублей. Но это только если распределение нормальное. На самом деле в 5% случаев потери будут больше, и насколько — модель не говорит. Именно поэтому Expected Shortfall (ES) — средний убыток при превышении VaR — считается более надёжной мерой. ES отвечает на вопрос: «Если мы всё-таки попали в хвост, сколько в среднем теряем?»
Что пойдёт не так, если сделать иначе: если использовать VaR без стресс-тестирования, можно пропустить сценарий, где корреляции между активами резко растут. Например, в 2008 году многие банки видели низкий VaR за день до краха Lehman Brothers, потому что исторические данные не содержали подобных событий. Стресс-тестирование — это не просто «прогнать исторические сценарии», а целенаправленно искать уязвимости: что будет, если ставки вырастут на 300 б.п. за неделю, если ликвидность исчезнет, если контрагент обанкротится.
Где ломается механизм управления рисками
Даже правильно построенная модель может отказать. Вот четыре сценария, с которыми сталкиваются количественные аналитики.
1. Изменились рыночные условия (режим волатильности)
Модель, откалиброванная на спокойном рынке, даёт сбой при резком росте волатильности. Как заметить заранее: следите за implied volatility (подразумеваемой волатильностью) опционов — если она растёт быстрее исторической, рынок закладывает риск. Что делать, если уже поздно: пересчитать параметры модели на новых данных, увеличить частоту стресс-тестов, снизить лимиты.
2. Правило перестало работать (смена корреляций)
Диверсификация работает, пока корреляции низкие. В кризис они стремятся к 1. Как заметить: мониторить rolling correlation между активами; если она растёт, портфель становится более концентрированным, чем кажется. Что делать: использовать условные корреляции (например, в стрессовых сценариях) и добавлять хеджи, которые выигрывают от роста волатильности.
3. Срок истёк (устаревание калибровки)
Модели процентных ставок (Васичека, Халла-Уайта) требуют периодической перкалибровки. Если этого не делать, цены свопов и опционов начнут расходиться с рынком. Как заметить: сравните теоретические цены с рыночными котировками — расхождение более 1-2% это сигнал. Что делать: автоматизировать перкалибровку, использовать фильтр Калмана для обновления параметров.
4. Инструмент перестал работать (неликвидность)
Структурные продукты (автоколлы, reverse convertibles) могут стать неликвидными в момент стресса. Как заметить: отслеживать bid-ask spread; если он расширяется в разы, ликвидность уходит. Что делать: заранее договариваться о резервных линиях ликвидности, использовать модели с поправкой на ликвидность (LVA).
Пути освоения: самостоятельный, академический и практический
Количественные финансы — область, где нельзя просто прочитать книгу и стать экспертом. Есть три основных пути, и у каждого своя цена.
| Путь | Время | Деньги | Результат |
|---|---|---|---|
| Самостоятельно (книги, статьи) | 1-2 года | Низкие (только литература) | Глубокое понимание теории, но нет обратной связи и практики на реальных данных |
| Университетская программа (магистратура) | 2 года | Высокие (обучение, потеря дохода) | Фундаментальная подготовка, но часто оторвана от текущих рыночных инструментов |
| Специализированный курс (например, CQF или аналог) | 6-12 месяцев | Средние | Практические навыки, разбор кейсов, но требует дисциплины |
Trade-off: самостоятельное обучение даёт гибкость, но вы никогда не узнаете, правильно ли решили задачу, пока не потеряете деньги на рынке. Университет даёт теорию, но не учит работать с реальными данными и не даёт обратной связи по вашим расчётам. Курс Quant Finance и Structured Products — количественные финансы пытается закрыть именно этот разрыв: там разбирают расчёты на примерах и дают обратную связь по вашим решениям через AI-чат, что позволяет сверить логику, не дожидаясь реальных потерь.
Кому этот путь подходит, а кому нет
Количественные финансы — не для всех. Если вы хотите быстро получить работу с высокой зарплатой без глубокой математики, эта область разочарует: здесь нужно понимать стохастические дифференциальные уравнения, уметь программировать на Python и разбираться в рыночных инструментах.
Подходит: финансовым аналитикам, которые хотят перейти в риск-менеджмент или квант-разработку; трейдерам, желающим понять, как оцениваются структурированные продукты; разработчикам, которые хотят применять ML в финансах.
Не подходит: тем, кто ищет быстрый вход в IT без математической подготовки; тем, кто не готов разбираться в регуляторике (Basel III, Dodd-Frank, EMIR) — она важна для структурированных продуктов.
Что в итоге
Волатильность, управление рисками и стресс-тестирование — это не абстрактные понятия, а ежедневные инструменты, которые могут спасти капитал или, наоборот, создать иллюзию безопасности. Ошибки в этих расчётах дорого стоят. Курс Quant Finance и Structured Products — количественные финансы даёт структурированный путь: от базовых моделей до продвинутых техник с обратной связью по вашим решениям. Если вы готовы инвестировать время в глубокое понимание, это разумный следующий шаг.