Präsentation herunterladen
Veröffentlicht von:Helmuth Keffeler Geändert vor über 10 Jahren
1
Festlegung der Prämissen Value at Risk
2. Marktpreisrisiko Festlegung der Prämissen Varianz- Kovarianz- Ansatz Value at Risk Histor. Simulation Monte-Carlo-Sim. 2.1 Grundlegende Prämissen der VaR-Berechnung Portfolio Marktparameter Beoboachtungszeitraum Liquidationszeitraums Wahrscheinlichkeitsniveau Mathematisch-Statistische Verfahren des Risikomanagements - SS 2002
2
Festlegung des Portfolios
Portfolio = Zusammenfassung von Finanzinstrumenten (z.B. Kauf oder Verkauf von Aktien, Anleihen, OTC-Optionen, Gewährung von Krediten) Gesamtportfolio Teilportfolio Frage der Aggregation Bildung der Teilportfolios in Abhängigkeit der Organisationsstruktur (z.B. nach Regionen und Produkten) Zerlegung von komplexen Finanzinstrumente in ihre Bestandteile Mathematisch-Statistische Verfahren des Risikomanagements - SS 2002
3
Identifikation der Marktparameter Marktparameter ()
(z.B. Währungskurse, Zinssätze, Aktienkurse, Aktienindizes, implizite Volatilitäten) Funktion zur Bestimmung des Portfoliowertes in Abhängigkeit der Parameter (z.B. Optionspreisformel von Black-Scholes) Festlegung des Beobachtungszeitraums Beobachtungen der Vergangenheit = Zeitreihe Frage, wie viele und welche Werte aussagekräftig für Zukunft ? Anzahl der einbezogenen Werte meist Bankenaufsicht: Interne Modelle mit Beobachtungszeitraum von mind. 1 Jahr ! (250 Tage/52 Wochen) Mathematisch-Statistische Verfahren des Risikomanagements - SS 2002
4
Festlegung des Liquidationszeitraums/Haltedauer
Betrachtungszeitraum, für den Wertveränderungen aufgrund von Markteinflüssen beobachtet werden Annahme: Positionen werden während Haltedauer nicht verändert (stattfindende Handelsaktivitäten werden vernachlässigt) Haltedauer abhängig von Möglichkeit der Glattstellung Glattstellung durch Verkauf der Position oder Hedging Glattstellung abhängig von Liquidität der einzelnen Märkte Handelsaktivitäten - häufig Haltedauer von 1 Tag („overnight“) Bankenaufsicht: Interne Modelle mit Haltedauer von mind. 10 Tagen! (bei Optionen auch kürzer) Mathematisch-Statistische Verfahren des Risikomanagements - SS 2002
5
Festlegung des Wahrscheinlichkeitsniveaus
VaR = Verlustpotential, das mit einer bestimmten Wahrschein- lichkeit P während der Haltedauer nicht überschritten wird VaR = Verlustpotential, das mit einer bestimmten Wahrschein- lichkeit p (p = 1 - P) während der Haltedauer überschritten wird P = Konfidenzniveau p = Quantil Berechnung des Verlustes aus Normalverteilung in Abhängigkeit von und Konfidenzniveau P meist zwischen 95% - 99% Bankenaufsicht: Interne Modelle mit Konfidenzniveau von 99% ! Mathematisch-Statistische Verfahren des Risikomanagements - SS 2002
6
2.2 Varianz- Kovarianz-Ansatz
verschiedene Verfahren, die sich hinsichtlich der Modellvariablen unterscheiden (Wertänderungen, Rendite, Marktparameter) jede der Modellvariablen = Zufallsgröße mit bekannter Verteilung Darstellung der Berechnungsverfahren in Realität Verteilung der Zufallsgröße unbekannt statistische Verfahren zur Ermittlung der Verteilung Mathematisch-Statistische Verfahren des Risikomanagements - SS 2002
7
2.2.1 Varianz-Kovarianz- Ansatz mit Wertänderungen
Annahme: Wertänderung (V = Vt - Vt-1) während Haltedauer einer Position ist normalverteilt! Normalverteilung: V Mittelwert der Wertänderung V Standardabweichung, Preisvolatilität bei vorgegebenem Konfidenzniveau Bestimmung des VaR durch Quantil < 2.1 > Ein Investor hält am eine Position von 100 Millionen CHF (Gegenwert 121,33 Mio DM). In den letzten drei Monaten hatten die täglichen Erträge aus dieser Position einen Mittelwert von ,75 DM und eine Standardabweichung von ,96 DM. Das VaR zu einer Wahrscheinlichkeit von 97,5% kann nun über das 2,5%-Quantil bestimmt werden. Mathematisch-Statistische Verfahren des Risikomanagements - SS 2002
8
Annahme: Wertänderungen eines Portfolios normalverteilt ??
Annahme: Wertänderungen der Assets in Portfolio gemeinsam sind normalverteilt !! < 2.2 > Ein Investor hält am zwei Positionen: 1. Position: vgl. vorne 2. Position: Shortposition in Höhe von 50 Mio USD (Gegenwert 69,19 Mio DM); Tägliche Erträge der letzten 3 Monate : Mittelwert von 2.679,69 DM (je 1 Mio USD); Standardabweichung von ,68 DM (je 1 Mio USD) U1 = 100, V1 = 121,33 Mio DM, V1 = 460,94 DM, V1 = 2.686,98 DM U2 = -50, V2 = -69,19 Mio DM, V1 = ,69 DM, V2 = ,68 DM Mathematisch-Statistische Verfahren des Risikomanagements - SS 2002
9
U1 = 100, V1 = 121,33 Mio DM, V1 = 460,94 DM, V1 = 2.686,98 DM
Mittelwert der Wertänderungen des Portfolios PF = U1 · V1 + U2 · V2 PF = 100 · 460,94 + (-50) · (-2.679,69) = 0,1801 Mio DM Standardabweichung der Wertänderungen des Portfolios Intuition!!???? PF = U1 · V1 + U2 · V2 PF = 100 · 2.686,98 + (-50) · ,68 = i.d.R. falsch!!! Mathematisch-Statistische Verfahren des Risikomanagements - SS 2002
10
Kovarianz Korrelationskoeffizient (-1 1)
Analyse der Varianz eines Portfolios muß die Kovarianz bzw. den Korrelationskoeffizienten der Assets berücksichtigen ! Kovarianz Korrelationskoeffizient (-1 1) Varianz des Portfolios Position 1: und Position 2: und Standardabweichung der Wertänderungen des Portfolios Mathematisch-Statistische Verfahren des Risikomanagements - SS 2002
11
Möglichkeitenkurve in Abhängigkeit von
keinerlei Diversifikationseffekt bei = +1, bei perfekter positiver Korrelation maximaler Diversifikationseffekt bei = -1 Portfolio-Volatilität von 0 und sichere Rendite i.d.R. hyperbelförmiger Verlauf der Möglichkeitenkurve (-1 < < +1) Mathematisch-Statistische Verfahren des Risikomanagements - SS 2002
12
bei gegebener Korrelation: 12 = -0,5870
PF = 0,7555 Mio DM VaR des Portfolios zu einer Wahrscheinlichkeit von 97,5% Mathematisch-Statistische Verfahren des Risikomanagements - SS 2002
13
Übertragung auf beliebig große Portfolios
Mittelwert der Wertänderungen des Portfolios Standardabweichung der Wertänderungen des Portfolios VaR des Portfolios Mathematisch-Statistische Verfahren des Risikomanagements - SS 2002
14
2.2.2 Varianz-Kovarianz-Ansatz mit Renditen
Nachteil: Theoretische Fundierung der Normalverteilung der Wertänderungen kaum möglich Varianz-Kovarianz-Ansatz mit Renditen Renditen der Assets in Portfolio gemeinsam sind normalverteilt !! Rendite während der Haltedauer gemeinsame Normalverteilung der Renditen bestimmt durch Mathematisch-Statistische Verfahren des Risikomanagements - SS 2002
15
Wert der N Assets des Portfolios VT = (V1, V2, ..., VN)
Anteilsvektor vT = (v1, v2, ..., vN) mit alternativer Anteilsvektor nach Lintner Mittelwert der Renditen des Portfolios Standardabweichung der Wertänderungen des Portfolios Mathematisch-Statistische Verfahren des Risikomanagements - SS 2002
16
Rendite-Quantil zu einer Wahrscheinlichkeit
negative Rendite, deren Betrag mit der vorgegebenen Wahr-scheinlichkeit während der Haltedauer nicht überschritten wird Rendite-Quantil zu einer Wahrscheinlichkeit Aus folgt V = Vt-L · rlin Berechnung der negativen Wertänderung bei vorgegebener Wahrscheinlichkeit während der Haltedauer : VaR = VPF · rVaR,lin Mathematisch-Statistische Verfahren des Risikomanagements - SS 2002
17
< 2.3 > Ein Investor hält am 31.3.95 zwei Positionen:
1. Position: Long-Position über 100 Mio CHF (= Mio DM) 2. Position: Shortposition über 50 Mio USD (= 69,19 Mio DM) Tägliche Rendite der letzten 3 Monate - CHF: Mittelwert von 0,0387% ; Standardabweichung von 0,2260% Tägliche Rendite der letzten 3 Monate - USD: Mittelwert von -0,1794% ; Standardabweichung von 0,7807% Korrelation der Renditen r1,r2 = -0,5845 Mathematisch-Statistische Verfahren des Risikomanagements - SS 2002
18
Rendite-Quantil bei Wahrscheinlichkeitsniveau von 97,5%
VaR Mathematisch-Statistische Verfahren des Risikomanagements - SS 2002
19
Normalverteilungsannahme der Renditen nicht unproblematisch!
Ränder der tatsächlichen Häufigkeitsverteilung werden durch Normalverteilung unterschätzt Häufigkeitsverteilung hat um den Mittelwert höhere Werte als die Normalverteilung Verteilung oft linksschief (mehr Beobachtungen in der linken als in der rechten Seite) Renditen sind zeitlich korreliert Aufgabe der Normalverteilungsannahme vernichtet Vorteil, daß Risiko relativ einfach durch Mittelwert und Standardab-weichung Zeitreihenanalyse um Volatilität der Verteilung der Zufalls-variablen zu prognostizieren beschreibbar! Mathematisch-Statistische Verfahren des Risikomanagements - SS 2002
20
2.3 Darstellung der Schätzverfahren
Varianz-Kovarianz-Ansatz: Zufallsvariable = normalverteilt Spezifizierung der unbekannten Verteilung durch Schätzung von , , (Kovarianzmatrix) Zeitreihenanalyse, um Volatilität der Verteilung der Zufalls-variablen zu prognostizieren (für Haltedauer = 1 Tag) Verfahren: - Empirische Schätzungen - Exponentielles Glätten - ARCH und GARCH Modelle - Implizite Volatilitäten Mathematisch-Statistische Verfahren des Risikomanagements - SS 2002
21
2.3.1 Empirische Schätzungen
Annahme: Entwicklung der Parameter gemeinsam folgt einem stationären stochastischen Prozeß ohne zeitliche Korrelation Beobachtungswerte eines Parameters = Realisation der Zufallsvariable Schätzung des Mittelwertes durch empirischen Mittelwert, Schätzung der Volatilität durch empirische Standardabweichung der Zeitreihe Mathematisch-Statistische Verfahren des Risikomanagements - SS 2002
22
Betrachtung mehrerer Parameter
z.B. Zeitreihen zweier Parameter 1 und 2 Bestimmung des empirischen Korrelationskoeffizienten mit Mathematisch-Statistische Verfahren des Risikomanagements - SS 2002
23
Wahl des Beobachtungszeitraums!!
Fiktiver Kursverlauf mit steigender Volatilität Grundannahmen?! - konstante Mittelwerte und Volatilitäten der einzelnen Parameter - Werte einzelner Parameter unkorreliert im Zeitablauf - verschiedene Parameter unkorreliert im Zeitablauf Mathematisch-Statistische Verfahren des Risikomanagements - SS 2002
24
Korrelationsschätzungen (B = 90 Tage) am Beispiel USD/DEM mit JPY/DEM
in der Zeit vom bis zum zwischen 0,07 und 0,72 Mathematisch-Statistische Verfahren des Risikomanagements - SS 2002
Ähnliche Präsentationen
© 2024 SlidePlayer.org Inc.
All rights reserved.