Value‑at‑Risk (VaR) — мера максимальных потерь портфеля за день с вероятностью 95% или 99%. Российский рынок требует нестандартных моделей из‑за высокой волатильности и геополитических рисков. Сравнили три ML‑подхода: GARCH‑ансамбль, бутстреп с VAR и квантильную регрессию (QRF).
GARCH‑ансамбль (гибрид ARMA‑GARCH с нейросетью), квантильная регрессия на базе случайного леса (QRF), бутстреп‑VAR (1000 симуляций с VAR‑остатками). Базовый метод — исторический VaR (250 скользящих дней). Все модели калибровались на 3‑летней истории дневных цен (2022–2024) и тестировались на 2025. Данные — MOEX.
Портфель: 50% SBER (обыкновенные акции), 30% LKOH, 20% ОФЗ‑ПД 26238. Веса фиксированные, ребалансировка раз в месяц. Все цены — с учётом дивидендов и НКД. Налоги на купоны (13%) в расчёт VaR не включались — только рыночные цены.
Нет, VaR считался по дневным изменениям стоимости чистых активов до налогообложения. Налоги на купонный доход и дивиденды (13% НДФЛ) влияют на итоговую доходность, но не на короткие колебания стоимости. Для точного риск‑менеджмента стоит добавить налоговый щит отдельно.
GARCH‑ансамбль дал наименьшую среднюю абсолютную ошибку (MAE) при прогнозе VaR 95% — 0,58% против 0,72% у QRF и 0,94% у бутстрепа. Исторический метод проиграл всем ML‑моделям: MAE 1,12%. Однако на хвостах (VaR 99%) QRF был на 7% стабильнее GARCH.
Рекомендуемая частота: раз в 10 торговых дней для GARCH‑ансамбля и QRF, еженедельно для бутстрепа. Без перекалибровки за 20 дней ошибка растёт в 1,5 раза из‑за дрейфа волатильности. Российский рынок — один из самых нестабильных по режимным переходам.
Для портфеля с преобладанием ОФЗ лучше подходит QRF: он устойчив к резким скачкам кривой бескупонной доходности (например, на заседаниях ЦБ). GARCH‑ансамбль сильнее реагирует на волатильность акций. Для портфеля только из ОФЗ достаточно исторического VaR с весовой схемой «экспоненциально‑взвешенное скользящее среднее».
Можно использовать open‑source библиотеки (QRF, GARCH из statsmodels) бесплатно. Платные сервисы (FinViz, QuantRisk) дают готовые дашборды и поддержку российских данных. Минимальный бюджет — 0 ₽.
| Метод | VaR 95% (среднее за день) | MAE (средняя абсолютная ошибка) |
|---|---|---|
| Исторический (250 дней) | –2,31% | 1,12% |
| GARCH‑ансамбль | –2,83% | 0,58% |
| QRF (квант. регрессия лес) | –2,65% | 0,72% |
| Бутстреп‑VAR (1000 симул.) | –2,75% | 0,94% |
| Критерий | GARCH‑ансамбль | QRF |
|---|---|---|
| Точность на РФ‑акциях | Лучший MAE (0,58%) | 0,72%, но стабильнее на хвостах |
| Устойчивость к выбросам | Средняя — «взрывается» при шоках | Высокая — робастная к единичным аномалиям |
| Скорость расчёта (1000 портфелей) | 2,1 сек (с перекалибровкой) | 4,5 сек (нужно обучить лес) |
| Требуемая история данных | Минимум 500 точек (2 года) | 250 точек, но качество растёт до 1000 |
| Цена подписки (средний тариф, ₽/мес) | ≈5 000 ₽ (облачный API) | ≈3 500 ₽ (open‑source + хостинг) |
Дневные цены закрытия за последние 3–5 лет. Источники: MOEX, Investing.com, Tinkoff API. Очистить от технических сбоев — исключить гэпы из‑за корпоративных событий (дробление, допэмиссия).
Для быстрого старта — QRF из scikit‑learn (бесплатно). Для производства — GARCH‑ансамбль через платформу QuantLib. Учтите: кастомные реализации требуют Python 3.11+ и библиотеку statsmodels.
Возьмите последние 500 торговых дней. Для GARCH подберите порядки ARMA (p,q) по AIC. Для QRF — число деревьев (минимум 500) и depth (4–6). Разделите выборку: 80% — обучение, 20% — тест.
Зафиксируйте параметры, обучите на данных до 31 декабря 2025. Сравните прогноз VaR 95% с реальными убытками за январь‑март 2026. Если число превышений >5% от 63 дней — модель не годится.
Выгружайте ежедневный VaR в Google Sheets или Telegram‑бота. Следите за превышением: если дневной VaR >5% капитала (для РФ‑рынка), снижайте долю бумаг с наибольшей волатильностью. Обновляйте параметры раз в две недели.
Можно использовать open‑source библиотеки (QRF, GARCH из statsmodels) бесплатно. Платные сервисы (FinViz, QuantRisk) дают готовые дашборды и поддержку российских данных. Минимальный бюджет — 0 ₽.
VaR полезен при любом капитале, но статистически значимая оценка возможна для портфелей от 100 000 ₽. Для меньших сумм достаточно эвристического лимита: не рискуйте более 2% капитала за сделку.
Нет, VaR — модельная оценка, а не налоговая база. Налоги считаются с фактического результата: купоны и дивиденды (13% НДФЛ), прибыль от перепродажи (13%). Для налогового учёта ведите отдельный отчёт.
Это сигнал о чрезмерном риске. Уменьшите вес наиболее волатильных активов (обычно акции с низкой ликвидностью) или добавьте защитные инструменты: короткие ОФЗ, флоатеры. Проверьте, не искажена ли модель — возможен перекос из‑за выборки.
Да, но с оговорками: крипторынок требует более коротких окон (100–200 дней), учёт ночных движений 24/7. GARCH‑ансамбль часто переобучается из‑за шума; QRF на крипте даёт более надёжные квантили. Для расчётов используйте данные CoinMarketCap.
Реальные участники ИнвестКлуба Хомяк — с их слов и со ссылкой на первоисточник в Telegram.
Точка входазашла пробно на 1 месяц после рекламы
Что изменилосьосталась на 1,5 года — структурированные знания, прямые эфиры с экспертами, освоила ИИ-инструменты
«Когда-то я зашла пробно, на 1 месяц. Прошло 1,5 года, а я по-прежнему там. Один только искусственный интеллект чего стоит.»история в Telegram →
Точка входавозрастной скепсис, долго не решался зайти в закрытый клуб
Что изменилосьгора структурированных материалов, отзывчивое сообщество, которое помогает и подсказывает
«Возрастной скепсис мешал зайти — думал, всё как обычно. Но на деле оказалось совсем иначе: очень много отзывчивых ребят и гора информации.»история в Telegram →
«В Хомяке уже полтора года… кайфовое, живое сообщество. Люди настоящие, можно спокойно спрашивать, не чувствовать себя дураком.»
«Зашла пробно на 1 месяц. Прошло 1,5 года, а я по прежнему там… Тут комфортно и для инвесторов-новичков. Вся информация отлично структурирована.»
Ещё реальные отзывы участников — t.me/traderreviews
