Разработка AI-системы управления рисками инвестиционного портфеля

AI-управление рисками портфеля: почему ручные правила не держат

Ручное управление рисками держится на регламенте и лимитах в таблицах: ограничения по инструментам, секторам и валютам живут в отдельных файлах, а сводная картина собирается раз в день — реже, если кто-то из команды занят. Пока цифры сходятся в один отчёт, состав позиций уже изменился.

Задержка реакции на риск — это не про скорость нажатия кнопки, а про время от события до человека, который вправе действовать. Разрыв между ценой, объёмом и корреляцией позиций обнаруживается постфактум, когда просадка портфеля уже вышла за согласованный коридор. На волатильном рынке такой разрыв стоит нескольких процентов доходности, которые не вернуть.

Человеческий фактор в оценке риска накапливается незаметно: уставший аналитик объясняет движение временной волатильностью, а фиксация убытка требует решения, которое хочется отложить до утра. Формально правила при этом соблюдены — лимит проверен по вчерашнему срезу.

Отдельная проблема — несогласованность ограничений между собой: по одному инструменту лимит выбран полностью, а совокупная нагрузка на портфель не проверяется вовсе. Локально всё в норме, на уровне портфеля — перегруз.

Автоматический контур считает риск по каждой позиции в момент изменения, сводит корреляции и объём одновременно и срабатывает раньше, чем просадка станет необратимой. Разбираем, как это закрывается на практике.

Что меняется: скорость реакции, глубина просадки, отчётность

Раньше путь от сигнала до действия занимал часы: аналитик вручную собирал позиции и котировки, сверял их с лимитами и выносил решение ближе к закрытию. Пока данные сходились, рынок успевал отработать движение, и ограничение потерь превращалось в фиксацию уже случившегося убытка.

Система сокращает этот разрыв: отклонение от порога фиксируется в момент появления, проверка лимитов проходит до выставления заявки, а действие исполняется автоматически либо уходит на подтверждение ответственному. Скорость реакции на риск перестаёт зависеть от того, свободен ли в эту минуту конкретный сотрудник.

Снижение просадки даёт не один стоп, а набор ограничений: по инструменту, по группе связанных позиций и по портфелю целиком. Когда показатель подходит к границе, система уменьшает объём, открывает защитную позицию или выводит часть капитала — глубина потерь ограничивается заданным порогом, а не решением, принятым под давлением.

Прозрачность решений держится на журнале: по каждому срабатыванию видно, какой показатель вышел за границу, на каких данных, какая версия правила действовала и кто подтвердил действие. Тот же журнал закрывает отчётность по рискам — срезы за период собираются автоматически, без ручной сверки, и проверяющий видит не только результат, но и логику.

Итог — управление рисками портфеля становится воспроизводимым: одинаковые условия приводят к одинаковым действиям независимо от смены и текущей загрузки команды.

Три подхода к контролю риска: правила, модели, гибрид

Выбор между правилами и моделью — не спор о сложности, а вопрос о том, какие решения система принимает сама, а какие отдаёт человеку. Отраслевые обзоры, например материалы GARP, сходятся в одном: статистика без жёстких ограничителей редко выживает в эксплуатации.

Декларативные правила описывают риск как набор проверяемых условий: лимит доли в инструменте или секторе, максимальная просадка, запрет наращивать плечо при падении ликвидности. Срабатывание воспроизводится и объясняется инвесткомитету за минуту. Но по отдельности позиции выглядят в норме, а вместе дают скрытую концентрацию.

В гибриде правила работают как жёсткие ограничители с правом остановить сделку, а модель оценивает риск и предлагает снижение за шаг-два до нарушения лимита. Это уменьшает долю ложных тревог, но не отдаёт критичные решения статистике.

Выбор задают данные и режим отчётности: где нужна объяснимость и сделок немного — хватает правил; где позиций сотни и они движутся вместе, правила без модели дают либо ложные тревоги, либо запоздалую реакцию.

Этапы внедрения: от аудита данных до передачи регламента

Порядок работ почти не зависит от размера портфеля — меняются источники данных и горизонт риска. Мы идём от сырых рядов к работающему контуру, где у каждого сигнала есть причина, а у каждого решения — ответственный. Ниже — последовательность, которую проект проходит целиком.

1. Аудит данных. Смотрим, какие ряды доступны, какова глубина истории, где пропуски и расхождения между источниками, корректно ли обработаны корпоративные события. На выходе — перечень доработок: что восстанавливаем, что исключаем из расчёта.
2. Схема системы. Определяем, какие риски считаем — рыночный, концентрацию, ликвидность — и какие ограничения задаём. Отдельно фиксируем, где решение принимает человек, а где система только сигналит.
3. Настройка правил. Задаём пороги срабатывания, окна оценки, реакцию на смену режима рынка и поведение при неполных данных. Каждое правило проверяем на устойчивость, чтобы оно не ломалось от одного выброса.
4. Проверка на исторических данных. Прогоняем контур на нескольких периодах, включая стрессовые, и сопоставляем сигналы с фактическими просадками. Считаем долю ложных срабатываний и задержку реакции — это главные числа приёмки.
5. Передача в эксплуатацию. Отдаём регламент: кто и что делает при срабатывании, как обновляются данные, когда пересматриваются пороги. Добавляем мониторинг качества входных рядов, иначе тихая деградация данных убьёт всю логику.

Что остаётся в контуре заказчика после сдачи

Сдача — это не показ работающей модели, а передача всего, что нужно для её эксплуатации без нас. Весь комплект лежит в вашем контуре, под вашими правами и с историей изменений — модель забирает риски на себя, но не забирает контроль.

• Конфигурация правил — лимиты по классам активов и отдельным инструментам, пороги срабатывания, окна усреднения, списки исключений. Правятся без пересборки, каждое изменение проходит проверку и версионируется.
• Схемы интеграции — откуда приходят позиции, котировки и справочники инструментов, с какой частотой обновляются, как система ведёт себя при задержке или пропаже источника. С контрактами обмена и обработкой расхождений.
• Политики доступа — роли: кто смотрит отчётность, кто меняет лимиты, кто администрирует. Право на правку правил риска выдаётся отдельно, каждое действие остаётся в журнале с автором и временем.
• Документация — как считается оценка риска, какие данные на входе, какие допущения заложены и где модель теряет надёжность. Отдельный раздел: как читать сигнал и чего он не означает.
• Регламент сопровождения — периодичность пересмотра правил, порядок реакции на срабатывания, кто принимает решение о смене модели и в какие сроки.
• Порядок отката — как вернуться к предыдущей версии правил и модели, что при этом происходит с уже отправленными сигналами и открытыми позициями.

Отдельно передаём журнал изменений и карту зависимостей: видно, что сломается при замене источника данных или правила. Такой комплект позволяет вести систему своей командой или отдать её другому подрядчику без восстановления контекста с нуля.

Кейс: просадка портфеля и время реакции до и после

Портфель на несколько десятков инструментов обслуживал риск-контур, построенный вокруг ночного пересчёта: корреляции и ковариационная матрица считались один раз в сутки, а решение о снижении позиций принималось утром на общем созвоне. Между сигналом и действием проходило несколько часов, и в дни резких движений этого хватало, чтобы просадка вышла за согласованный с инвесторами предел. Разбираем, что изменилось после перестройки контура.

Что изменили в риск-контуре

Перевели расчёт на потоковый режим: волатильность и корреляции пересчитываются по скользящему окну при каждом обновлении котировок, пороговые правила срабатывают автоматически, а риск-менеджер видит не утренний отчёт, а очередь сигналов с обоснованием и ссылкой на расчёт. Версии моделей и наборов параметров фиксируются в MLflow — любое решение воспроизводимо, а неудачную конфигурацию можно откатить, не теряя историю.

Ручными остались только спорные случаи: расхождение между рыночным сигналом и ограничениями мандата, крупные позиции и вывод из инструментов с низкой ликвидностью. Остальное закрывается правилами, и это принципиально меняет нагрузку на команду — риск-менеджер разбирает единицы ситуаций вместо всего потока.

Отдельно отслеживали ложные срабатывания: порог волатильности подтянули адаптивно, чтобы контур не дёргал портфель на обычном внутридневном шуме. Доля откатов после автоматических решений снизилась до единичных случаев за квартал, а каждое отклонение разбирается как расхождение модели, а не как ошибка дежурного.

Чем модель риска отличается от набора ручных лимитов?

Ручной лимит — детерминированное правило: доля одного эмитента не выше заданной, экспозиция на сектор — в пределах порога, превышение блокирует сделку. Логика прозрачна, её легко объяснить совету директоров и проверить аудитору. Слабое место одно: лимит смотрит на позицию по отдельности и не видит портфель целиком, когда корреляции сходятся к единице.

Модель риска оценивает не отдельную бумагу, а совместное распределение доходностей. Она считает волатильность портфеля, хвостовые сценарии и вклад каждой позиции в общий риск — концентрация обнаруживается там, где по номинальным долям её не видно.

Отсюда рабочая схема: жёсткие ограничения на структуру остаются детерминированными, их обход недопустим. Внутри этих границ модель перераспределяет вес между инструментами с учётом корреляций и режима рынка, а результат проверяется стресс-сценариями на исторических данных.

Чтобы адаптивная оценка не стала чёрным ящиком, расчёт должен быть воспроизводимым: фиксируются входные данные, версия модели и вклад каждого фактора в итоговую цифру. Подход из Базель III строится на том же принципе — жёсткие границы плюс внутренняя модель под постоянным контролем.

Мы настраиваем оба контура вместе: лимиты как страховку от грубых ошибок, модель — как инструмент тонкой настройки. Границу между ними определяем по вашей структуре портфеля и горизонту удержания.

Частые технические сомнения перед стартом

Технические сомнения обычно всплывают не на этапе выбора модели, а когда речь заходит о данных и эксплуатации: что делать с дырами в истории, как поймать, что модель «поехала», и не начнёт ли система выдавать предупреждения каждый день. Ниже — разбор четырёх узлов, которые определяют, будет ли решение работать через полгода после запуска.

Как вы отслеживаете дрейф модели и что происходит, когда он наступает?

Считаем распределения входных признаков и качество прогнозов на отложенном периоде — не только на обучающем. Отдельно смотрим устойчивость на смене режима рынка: рост волатильности, разрыв корреляций, обвал ликвидности. При выходе метрик за допустимый коридор запускается переобучение на актуальном окне, а новая версия сначала работает в теневом режиме рядом с текущей — сравниваем их оценки на одних и тех же позициях и переключаемся, когда расхождение объяснимо.

Как система встроится в учётный контур и не сломает его?

Первый контур — только чтение: забираем позиции и сделки, ничего не пишем обратно. Загрузка идемпотентна, повторный запуск не создаёт дублей, а расхождение между нашими расчётами и учётными остатками разбирается отдельным отчётом сверки. Запись рекомендаций обратно — второй этап, отдельным сервисом с журналом действий и возможностью отключить его одной настройкой.

Система не начнёт предупреждать нас о каждой колебательности?

Порог срабатывания калибруем на исторических эпизодах: прогоняем модель по прошлым периодам и смотрим, сколько предупреждений приходилось на реальные просадки, а сколько — на шум. Дальше выстраиваем уровни: наблюдение, внимание, действие, — с разной частотой уведомлений. У каждого срабатывания есть объяснение: какой показатель вышел за границу и насколько. Если доля ложных сигналов растёт, регулятор чувствительности меняется без переобучения всей модели.

Обсудим задачу: что нужно от вас и что дальше

Чтобы обсудить задачу предметно, не нужен полный доступ к вашим системам. Достаточно выгрузки сделок и позиций за доступный период, справочника инструментов и классов активов, действующих ограничений по риску и нескольких примеров решений, которые вы принимали вручную. По этому набору уже видно структуру данных, качество истории и то, какие проверки можно построить сразу, а какие потребуют доработки учёта.

Минимум данных, с которого начинается разбор:

• история позиций и сделок — её глубина и частота определяют, какие модели риска применимы;
• справочник инструментов, классов активов и валют;
• действующие лимиты, нормативы и правила эскалации вместе с регламентами;
• описание источников рыночных данных и порядка их загрузки;
• примеры решений по снижению риска за прошлые периоды — они становятся проверочным набором;
• ограничения по инфраструктуре: где хранятся данные и кто имеет к ним доступ.

После разбора мы возвращаемся с оценкой и планом: что делаем в первую очередь, какие требования к данным закрываем на вашей стороне, как распределяются сроки внедрения и в какой момент вы увидите первый работающий результат. Если данных меньше, чем нужно, скажем об этом прямо и предложим, что собрать в первую очередь. Опишите задачу — вернёмся с оценкой и планом.