Конечно, разберёмся. В большинстве моделей даже небольшое изменение ключевого предположения – например, изменение ожидаемой доходности на 0,5% или корреляции на 2% – может запуститься цепочку событий в алгоритме оптимизации. Поскольку портфель строится для достижения целевой доходности с ограничением риска, даже небольшая ошибка в расчётах толкает распределение активов в сторону более рискованных инструментов, чтобы этот целевой показатель был достигнут. Это увеличивает бета-коэффициент, и портфель начинает сильнее реагировать на колебания рынка. Если рынок кажется стабильным, модель, предполагая его стабильность, недооценивает кластеризацию волатильности, и когда происходит шок, кредитное плечо портфеля усиливает убытки. Данные показывают, что даже 0,5% ошибки в оценке индекса может увеличить VaR почти на 3%, превращая, казалось бы, безопасный состав в высокорискованную позицию. Так что, крошечное изменение действительно может разрушить портфель, если не учесть чувствительность модели и скрытую волатильность рынка.

Да, яркий пример – модели оценки ценных бумаг, обеспеченных ипотекой, которые привели к кризису 2008 года. Банки использовали оценки исторических корреляций, предполагавшие, что дефолты по разным пулам ипотечных кредитов достаточно независимы. Когда рынок недвижимости начал меняться, эти дефолты стали сильно коррелировать – удар, которого модели не предвидели. В результате, риск портфеля был сильно занижен, а страховые резервы – недостаточны. Если бы ты вернулся назад и пересмотрел, то увидел бы, что даже небольшое изменение в матрице корреляций, например, увеличение внедиагональных элементов с 0.05 до 0.3, повысило бы показатели VaR и заставило бы многие банки занять более консервативную позицию. Именно такие недочеты можно обнаружить, пересматривая исходные предположения о корреляциях.