Risikomanagement und Statistik

Slides:



Advertisements
Ähnliche Präsentationen
Risiko-Return-Konzept für Corporate Sales Produkte aus Bankensicht
Advertisements

Zur Schätzung der Wiederkehrzeiten von Starkniederschlägen
Masterstudiengang IE (Industrial Engineering)
Maschinelle Lernverfahren für IE und TM 1 Topic Detection.
Derivate im Kreditmarkt
Multivariate Analysemethoden Johannes Gutenberg Universität Mainz
Vom Marktrisiko zum Kreditrisiko
Vorlesung Finanzmathematik und Risikomanagement Jörg Lemm WS 2008/9.
Festlegung der Prämissen Value at Risk
Statistische Methoden II SS 2003 Vorlesung:Prof. Dr. Michael Schürmann Zeit:Freitag (Pause: ) Ort:Hörsaal Loefflerstraße Übungen.
Erwartungswert und Varianz I Der endliche Fall Erwartungswert Varianz.
Statistische Methoden I WS 2004/2005 Probeklausur Freitag, 21. Januar statt Vorlesung - In 2 Wochen In 2 Wochen!
Test auf Normalverteilung
Kreditrisikomanagement und Ratingverfahren
Interaction Effects in Spatial Regression: The Example of U.S. Smoke Free Air Legislation Christian W. Martin, Universität Hamburg.
Future Tense Future Tense. Future Tense In expressing events that will take place any time after the present, you may use the future tense. In expressing.
Extended multistep outflow method for the accurate determination of soil hydraulic properties close to water saturation W. Durner und S.C. Iden, SS2012.
Eigenschaften der OLS-Schätzer
Ausgleichungsrechnung I
Eine Einführung in die VaR-Berechnung
Information und Kommunikation Hartmut Klauck Universität Frankfurt SS
Information und Kommunikation Hartmut Klauck Universität Frankfurt SS
Methoden zur Erfassung des Kreditrisikos in der Bankenaufsicht
IF YOU KNOW THE WORDS AND PHRASES, IT’S EASY
aus Sicht der Finanzmarktaufsicht
Gesamtbankrisikosteuerung – ICAAP (Internal Adequacy Assessment Process) im Lichte der neuen regulatorischen Vorschriften Franz Reif.
Banking Business KPIs extraction overview Eugenio Rinella, 2011.
Universität StuttgartInstitut für Wasserbau, Lehrstuhl für Hydrologie und Geohydrologie Copulas (1) András Bárdossy IWS Universität Stuttgart.
Ch. 5: Tools in Probability Theory
Do you know the names for all of the pieces of furniture on your table?
Time and Dates. Telling time To ask: What time it is? Wie spät ist es? Wie viel Uhr ist es?
Alltagsleben Treffpunkt Deutsch Sixth Edition
2.5.2 Multivariate Monte Carlo-Simulation
 Liquidität folgt Bonität
K. Desch - Statistik und Datenanalyse SS05 1 Zusammenfassung 2. Vorlesung (22.4.) Schiefe (Skewness): Maß für die Asymmetrie der Verteilung um den Mittelwert.
Von der Methan Modellierung zur Credit Spread Modellierung
VaR – Varianz-Kovarianz Methode
K. Desch - Statistik und Datenanalyse SS05
Mathematisch-Statistische Verfahren des Risikomanagements
Managing Internationalisation Patricia Adam © UVK Verlagsgesellschaft mbH, Konstanz und München Slides Chapter 7 Patricia Adam Managing Internationalisation.
© UVK Verlagsgesellschaft mbH, Konstanz und München 2015
Rechnungslegung von Kreditrisiken
Der Wiener Prozess und seltene Ereignisse
Auszug SCOM Arbeitsinstanz ITS on Benchmarking Portfolios
Magnetenzephalogramm, MEG
1 Katastrophen Quelle: Muenchener Rueck, Insured losses increase 2 From Hochrainer 2006.
© Crown copyright 2011, Department for Education These materials have been designed to be reproduced for internal circulation, research and teaching or.
Katastrophen Quelle: Muenchener Rueck, 2006.
Wärmelehre Einige Erläuterungen.
Fakultät für Gesundheitswissenschaften Gesundheitsökonomie und Gesundheitsmanagement Universität Bielefeld WP 3.1 and WP 4.1: Macrocost.
Kapitel 2 Grammar INDEX 1.Subjects & Verbs 2.Conjugation of Verbs 3.Subject Verb Agreement 4.Person and Number 5.Present Tense 6.Word Order: Position of.
Risiko-Return-Konzept für Corporate Sales Produkte aus Bankensicht Diplomarbeit von Thomas Bilek am FHWien –Studiengang Finanz-, Rechnungs- und Steuerwesen.
Here‘s what we‘ll do... Talk to the person sitting in front of you. Introduce each other, and ask each other questions concerning the information on your.
Der AUDITOR Der Rohstoffinformationsdienst The commodity information service.
Sven Koerber-Abe, 2015 Grammatik: können, wollen, möchten Grammatik: können, wollen, möchten.
Sven Koerber-Abe, 2015 Grammatik: müssen, dürfen Grammatik: müssen, dürfen.
Modal Verbs WOLLEN. Modal Verbs Definition: A modal verb (also ' modal ',' modal auxiliary verb ', ' modal auxiliary') is a type of auxiliary verb that.
Position Sven Koerber-Abe, 2015 ▪ ▪. in Der PC ist in ___ Box.
DAS HABE ICH GESTERN GEMACHT! I DID HAVE DONE THAT YESTERDAY! Das Perfekt-Präsens.
Sven Koerber-Abe, 2016 Grammatik: Artikel (Zusammenfassung) Grammatik: Artikel (Zusammenfassung)
Independent Component Analysis: Analyse natürlicher Bilder Friedrich Rau.
1 Vorstellung Master Sc. / Major Financial Economics Prof. Dr. Stefan Eichler Leibniz Universität Hannover Institut für Geld und internationale Finanzwirtschaft.
Informationsveranstaltung Master Wiwi Major: Finance Prof. Dr. Marcel Prokopczuk, CFA Institut für Finanzmarkttheorie.
© 2014 VMware Inc. All rights reserved. Automatisierung und Verrechnung in einer IoT Cloud am Beispiel von Bosch Private Cloud Costing | Cloud Business.
Herzlich Willkommen! Born in the U.S.A. Was vom Mythos bleibt – die USA in der Identitätskrise? Folgen Sie „What‘s up, America?“ bei
Crises prevention: Banking supervision and capital requirements
Process and Impact of Re-Inspection in NRW
Grammatik: waren / hatten
Grammatik: Position Sven Koerber-Abe, 2013.
 Präsentation transkript:

Risikomanagement und Statistik Raimund Kovacevic

Risiko “hazard, a chance of bad consequences, loss or exposure to mischance” “any event or action that may adversely affect an organization’s ability to achieve its objectives and execute its strategies” “the quantifiable likelihood of loss or less-than-expected returns” Unsicherheit, Zufall!

Riskomanagement Risikoidentifikation Risikomessung Risikosteuerung

Finanzrisiken Marktrisiko Zinsrisiko Kreditrisiko Währungsrisiko Liquiditätsrisiko Operationales Risiko Versicherungsrisiko ......

Basel II 1988. First Basel Accord takes first steps toward international minimum capital standard. Approach fairly crude and insufficiently differentiated. 1993. The birth of VaR. Seminal G-30 report addressing for first time off-balance-sheet products (derivatives) in systematic way. At same time JPMorgan introduces the Weatherstone 4.15 daily market risk report, leading to emergence of RiskMetrics. 1996. Amendment to Basel I allowing internal VaR models for market risk in larger banks. 2001 onwards. Second Basel Accord, focussing on credit risk but also putting operational risk on agenda. Banks may opt for a more advanced, so-called internal-ratings-based approach to credit.

Marktrisiko

Marktrisiko: Returns

Value at Risk Betrachte eine Zufallsvariable L, die den möglichen Verlust einer Position am Ende einer Zeitperiode repräsentiert. Der Value at risk zum Level a ist dann durch das a-Quantil der Verlustverteilung gegeben. Was kann in einem ungünstigen Fall verloren werden? Deiche Abweichung vom Erwartungswert

Value at Risk – Methoden Verteilung Risikofaktoren -> Verlustverteilung (Simulation) 3 prinzipielle Herangehensweisen Historische Simulation Problem: seltene Ereignisse? Normalverteilung Problem: Normalverteilung? Allgemeine Verteilungen, insbesondere Extremwertverteilungen

Extremwertverteilung Typisch für Finanzdaten: schwere Enden auf der ungünstigen Seite, leichte Enden auf der günstigen Seite Value at Risk soll weit auf der ungünstigen Seite berechnet werden (0.995, 0.997, 0.999) Extremwertverteilungen GEV-Verteilung (Frechet, Gumbel, Weibull) Verteilung von Maxima, block maxima Generalized Pareto Verteilung oberhalb einer (hohen) Schranke, POT Vorgehensweise (POT): Schranke -> POT -> Verteilung der Enden -> Value at Risk

Value at Risk: Portfolio Portfolio besteht aus mehreren Positionen -> Portfoliogewichte Value at Risk des Gesamtportfolios ist nicht die Summe der Value at Risk der Positionen sein. Wertschwankungen diverser Positionen können auf komplizierte Weise von Wertschwankungen der Risikofaktoren abhängen. Gemeinsame Verteilung der Positionsreturns Korrelation: lineare Abhängigkeit Nichtlineare Abhängigkeiten Tail dependency

Zeitliche Abhängigkeit: i.i.d.?

Zeitliche Abhängigkeit ARCH/GARCH-Modelle

Kreditrisiko Kredit an privat, Firma, Staat Anleihen Was passiert im Fall der Zahlungsunfähigkeit? Verbriefung des Kreditrisikos, Tranchen Modelle Kapitalstruktur und Wertentwicklung einer Firma Übergänge zwischen Bonitätsstufen (Ratings) Zufällige, aber abhängige Ausfälle innerhalb eines Portfolios

Ratingstufen - Ausfallswahrscheinlichkeiten Homogene Markovketten?

Bernoulli-Mixture Modelle Betrachte ein Portfolio von n Krediten Yi =1, falls der i-te Kredit ausfällt und =0 falls der i-te Kredit bedient werden kann. Exposure: Die Höhe des Kredites LGD: Loss given default, selbst eine Zufallsvariable

Bernoulli-Mixture Models Faktorvariable: Fi Bernoulli-Mixture Model: Die Wahrscheinlich-keit für einen Ausfall des i-ten Kredites hängt von den Faktoren über eine Funktion pi(F) ab. Statistik: GLM Schaden für einen Kredit: Exposurei x LGDi x Yi Schaden für das Gesamtportfolio