Почему среднее значение обманчиво
Среднестатистический инвестор оптимистичен: «historical equity return 10% в год, кумулятивная капитализация на 20 лет — 6,7×». Это правда, но это median. А что в худших 5% сценариев? В 1929–1932 годах S&P 500 потерял 89%. В 2000–2002 NASDAQ упал на 78%. В 2008 году фронтальный equity portfolio сократился вдвое за полгода. Один такой год может уничтожить дисциплинированный compounding 20-летия — особенно если инвестор продавит «на дне» из-за психологического давления.
Tail Risk — это формализованный способ задавать вопрос «насколько плохо может быть в худшем разумном сценарии». Без этой оценки sizing позиций становится игрой в среднее, и любая редкая последовательность событий уничтожает портфель.
Представьте, что вы планируете поездку на машине. Среднее время в пути — 3 часа. Это полезно знать. Но если у вас встреча через 4 часа, важнее знать худшее: «один раз из 20 я приехал за 5 часов из-за пробки». Tail Risk и говорит про этот «худший один раз из 20» — про события из левого хвоста распределения.
VaR: Value at Risk
Например: VaR95% = $100 000 означает: в 95% дней потеря портфеля не превысит $100 000. В остальных 5% — превысит.
VaR стал стандартом после 1996 года, когда J.P. Morgan опубликовала RiskMetrics. Регуляторы (Basel II, Solvency II) внесли VaR в обязательные требования к банкам и страховым. Но у VaR есть две принципиальные слабости: он ничего не говорит о том, насколько плохо может быть за порогом, и он не subadditive (VaR диверсифицированного портфеля иногда больше суммы VaR компонент — математически некорректно для меры риска).
CVaR / Expected Shortfall
Перевод: ожидаемая величина потерь в тех случаях, когда они превысили VaR.
CVaR (Conditional VaR, также известный как Expected Shortfall) — улучшение VaR от Rockafellar и Uryasev (2000). Он отвечает на вопрос «если плохо, то насколько в среднем плохо». CVaR95% = $200 000 означает: в худших 5% случаев среднее потеря составляет $200 000 (то есть в эти редкие моменты потеря в среднем в 2× больше VaR'a).
В отличие от VaR, CVaR — это coherent risk measure: subadditive, monotone, positively homogeneous. С теоретической точки зрения это «правильная» мера хвостового риска. Однако CVaR сложнее в расчёте, поэтому VaR остаётся популярнее в индустрии.
Maximum Drawdown
VaR/CVaR описывают распределение возвратов на фиксированном горизонте. Drawdown описывает динамику: какая максимальная просадка от пика до дна возникла в течение всего периода держания. Это самая «чувствительная» мера для частного инвестора, потому что drawdown влияет на психологию: при 50% drawdown большинство инвесторов продают независимо от теории.
Maximum Drawdown = max(Drawdown(t)) по всему периоду
Исторический Maximum Drawdown S&P 500 за период с 1929 года — около 86% (Great Depression). За последние 50 лет — 56% (2007–2009). Для индивидуальных акций бывают drawdowns 90%+, даже у quality companies (Coca-Cola в 1972–1974 потеряла 70% за 2 года).
Black Swan и fat tails (Талеб)
Нассим Талеб в «The Black Swan» (2007) и «Antifragile» (2012) утверждает: финансовые рынки имеют существенно более широкие хвосты, чем предсказывает normal distribution. На «нормальном» рынке падение 4σ за день должно случаться раз в 60 лет. На практике — несколько раз в десятилетие. Из 25 крупнейших дневных движений Dow Jones за 100 лет, 20 произошли в дни, когда нормальная модель приписывала им вероятность ниже 0,0001%.
Практический смысл: любая модель риска, использующая normal distribution (включая стандартные VaR и Монте-Карло), систематически занижает хвостовые риски. Реальные потери в кризис обычно в 1,5–3× больше, чем «N-сигма» прогнозы.
В отличие от средних значений, хвосты падений и хвосты роста ассиметричны. Левый хвост (потери) фундаментально фатальнее, чем правый (выигрыш). Потерять 50% и вернуть 100% (back to even) — это симметричная статистика, но асимметричная реальность: множество инвесторов выходит на дне. Поэтому tail risk фокусируется почти исключительно на нижнем хвосте.
Монте-Карло как практический инструмент
Монте-Карло — самый прямой способ оценить tail risk. Принцип: генерируется N независимых случайных траекторий портфеля (обычно 1 000 — 100 000), каждая использует random sampling из распределения возвратов. После N трайлов получается distribution итоговых значений и max drawdowns; из неё считаются percentiles, VaR и CVaR.
Стандартная Монте-Карло использует Geometric Brownian Motion с normal returns. Это даёт честный baseline, но недооценивает fat tails. Институциональные модели используют Student-t distribution или jump-diffusion (модель Merton 1976) для более реалистичной симуляции хвостов. Симулятор ниже использует normal MC — для образовательных целей этого достаточно, но помните: реальные хвосты шире, чем эта модель прогнозирует.
Три классических сценария
Запустим Монте-Карло (1 000 траекторий, normal distribution) для трёх профилей. Цифры ниже воспроизводимы — те же параметры в калькуляторе дадут близкие значения (±2–3% от случайности).
| Профиль | μ годовой | σ годовой | Горизонт | 5% perc. | Median | 95% perc. | Prob. loss | Max DD 95% |
|---|---|---|---|---|---|---|---|---|
| S&P 500-like | 10% | 15% | 5 лет | 0,88x | 1,55x | 2,74x | 9,9% | 38,8% |
| Bond fund | 4,5% | 5% | 5 лет | 1,03x | 1,25x | 1,49x | 2,9% | 12,5% |
| Crypto-like | 20% | 70% | 3 года | 0,13x | 0,90x | 6,90x | 53,8% | 93,6% |
Несколько уроков из таблицы:
- S&P-like профиль на 5 лет — асимметричный. Median 1,55× звучит хорошо, но в 9,9% сценариев инвестор за 5 лет ничего не заработал (или потерял до 12%). Max drawdown в 95% сценариев — почти 40%. Это не «лёгкий» инвестиционный профиль; это требует психологической готовности к крупной просадке.
- Bond fund — действительно низкий tail risk. Худший 5-й percentile +3% — то есть даже в худших 5% сценариев инвестор остался в нуле. Maximum drawdown ограничен 12,5% в 95-м перцентиле. Это «сонный» профиль, который многие недооценивают.
- Crypto — невероятная асимметрия. 95-й percentile 6,9× выглядит соблазнительно. Но 5-й percentile 0,13× = потеря 87%, и в 54% случаев инвестор остался ниже break-even. Max drawdown 93,6% в худших 5% — для большинства инвесторов это эквивалентно полной потере (психологически невозможно держать дальше).
Инвестор с $100 000 в S&P 500. Через 5 лет median исход — $155 000 (компаундинг ~9% годовых). Звучит замечательно. Но Монте-Карло показывает: на пути от $100K до этого финального значения, в 95% сценариев был момент, когда портфель опускался ниже $61 000 от пика. То есть инвестор видел −39% потерю относительно своего лучшего момента.
В практике это означает: на 2-3 года инвестор был «в минусе» от пика, отвечая друзьям, что портфель плохо чувствует. Большинство людей не выдерживают такого периода и продают, фиксируя потерю. После чего пропускают восстановление. Tail risk не убивает потолок — он съедает дисциплину.
Этот эффект — главная причина, почему квалифицированные инвесторы зарабатывают долгосрочно: они знают заранее, что drawdown 40% возможен и психологически к нему готовы. Sizing позиции должен быть таким, чтобы этот drawdown был переносим.
Монте-Карло симулятор tail risk
Калькулятор использует Geometric Brownian Motion с normal returns (1 000 траекторий, 252 торговых дня в году). Это baseline без fat tails — реальные хвосты обычно шире, поэтому числа ниже стоит интерпретировать как optimistic границу tail risk, а не пессимистическую.
Как использовать tail risk в портфельном решении
- Sizing. Размер позиции должен быть такой, чтобы в худшем 5% сценарии портфель не разрушался психологически. Если максимальный drawdown CVaR 95% = 40%, и вы знаете, что не сможете выдержать 25% drawdown — позицию надо уменьшить, чтобы CVaR 95% упал ниже 25%.
- Diversification. Корреляция между активами на «хвосте» выше, чем в среднем (correlation breakdown effect). 2008 год показал: «диверсифицированные» портфели одновременно падают на 30–50%. Tail risk анализ должен учитывать это: использовать stressed correlations, не historical.
- Hedging. Покупка out-of-the-money put options — дорого в среднем, но окупается в tail-сценариях. Институциональные фонды (Universa Investments Талеба) систематически держат tail hedges, теряя в нормальные годы и выигрывая многократно в кризисы.
- Mental model. Перед сделкой задавайте вопрос: «если эта позиция упадёт на 50% и не вернётся 3 года — что я буду делать?». Если ответа нет — позицию надо уменьшить.
Как Cashalot 2.0 встраивает tail risk
В пайплайне Cashalot 2.0 tail risk считается на стадии 5 (Math v2.0) и стадии 10 (CIO Synthesis). DCF Монте-Карло с N=10 000 trials и seed=42 даёт distribution future EPS и derived valuations. Из этого distribution считаются CVaR 95% по price, expected max drawdown, и worst-3% scenarios. Эти числа попадают в final dossier как обязательная часть — без них вердикт не публикуется.
Дополнительно, размер позиции (Kelly Criterion) автоматически уменьшается, если tail risk выше заданного порога: max position cap снижается на 1 п.п. за каждый 5% потенциального drawdown сверх 30%. Это страховка от over-sizing в волатильных бумагах.
Прежде чем зайти в позицию, оцените: ожидаемый возврат, волатильность, временной горизонт. Запустите Монте-Карло (или используйте таблицу ниже). Посмотрите: 5-й percentile итогового значения, probability of loss, и (главное) Max Drawdown 95%. Если вы психологически не выдержите этого Max Drawdown — уменьшайте позицию. Если выдержите, и MOS + Bayesian Penalty + Kelly соглашаются — действуйте.
Tail risk — финальная защита капитала
В Cashalot 2.0 каждая аналитика заканчивается tail-risk сценарным анализом: bear case, base case, bull case с probabilities. Это последний и обязательный фильтр перед публикацией BUY-вердикта.
Посмотреть пример отчёта →