Präsentation herunterladen
Die Präsentation wird geladen. Bitte warten
1
Liquidität folgt Bonität
Liquiditätsrisiko jahrzehntelang herausragende Rolle in der kreditwirtschaftlichen Risikothematik (goldene Bankregel, Bodensatztheorie) heute: Möglichkeit notwendige Liquidität sehr kurzfristig über Geldmarkt zu beschaffen Liquidität folgt Bonität Ausnahmen/Extremfall: “Verstopfung“ der Geld- und Kapitalmärkte Voraussetzung: gute Bonität muß auf den Märkten erkennbar sein Mathematisch-Statistische Verfahren des Risikomanagements - SS 2002
2
im Grundsatz muß zu jedem Zeitpunkt gelten:
Liquiditätsrisiko: Gefahr, seinen Zahlungsverpflichtungen nicht mehr uneingeschränkt nachkommen zu können im Grundsatz muß zu jedem Zeitpunkt gelten: Kassenbestand + Einzahlungen Auszahlungen Arten von Liquiditätsrisiken Refinanzierungsrisiken Terminrisiken Abrufrisiken Anschlußrefinanzierungsrisiken aus positiver Frsitentransformation Z.B. Rückzahlungs-verzögerungen im Kreditgeschäft Unerwarteter Abzug von Einlagen unerw. Inanspruchnahme von Kreditzusagen Mathematisch-Statistische Verfahren des Risikomanagements - SS 2002
3
Liquiditätskennziffern:
Mathematisch-Statistische Verfahren des Risikomanagements - SS 2002
4
Analyse des Liquiditätssaldos:
Mathematisch-Statistische Verfahren des Risikomanagements - SS 2002
5
Liquiditätsreserven als Risikoträger Kernreserven
Ergänzungsreserven Steuerung des Liquiditätsrisikos Beeinflussung der Risiken (aktiv) Dimensionierung der Liquiditätsreserven (passiv) Mathematisch-Statistische Verfahren des Risikomanagements - SS 2002
6
Bestimmung des Wechselkursrisikos - Beispiel
Gegeben sei ein Porfolio, das aus folgenden Assets besteht: 50 Mio CHF long, Kurs am : 120,4300 DEM/100 CHF 300 Mio FRF long, Kurs am : 28,9230 DEM/100 FRF 70 Mio USD long, Kurs am : 1,3805 DEM/1 USD 150 Mio USD Call short, Wert am : 0,0963/1 USD, europäisch, Strike: 1,40 DEM, Restlaufzeit 1 Jahr, Delta: 0,5119 Bestimmung des VaR der Wechselkursrisiken anhand des Varianz- Kovarianz-Ansatzes (Delta-Äquivalente), der historischen Simulation und der Monte Carlo-Simulation ! Mathematisch-Statistische Verfahren des Risikomanagements - SS 2002
7
Varianz-Kovarianz-Ansatzes (Delta-Äquivalente) Rendite
Bestimmung der Mittelwerte, Standardabweichungen und Kovarianzen durch empirische Schätzer Mathematisch-Statistische Verfahren des Risikomanagements - SS 2002
8
Historische Simulation Marktparameter = Wechselkurse
Szenariobildung aufgrund relativer Änderungen Berechnung der relativen Änderungen der drei Währungen für die letzten 90 Tage Multiplikation aller relativen Änderungen mit den aktuellen Daten: Vektor der Portfoliowerte: V() Vektor der Wertänderungen V kumulative Häufigkeitsverteilung VaR Mathematisch-Statistische Verfahren des Risikomanagements - SS 2002
9
Monte Carlo- Simulation Marktparameter = Wechselkurse
Szenariobildung aufgrund relativer Änderungen Annahme: Renditen gemeinsam normalverteilt 1000-mal Erzeugung von jeweils 3 unabhängigen Zufallsvariablen (Zn-N(0,1)) Berechnung der Matrix A Bestimmung der Simulationsmatrix: Vektor der Portfoliowerte: V() Vektor der Wertänderungen V kumulative Häufigkeitsverteilung VaR Mathematisch-Statistische Verfahren des Risikomanagements - SS 2002
10
Vergleichende Bewertung des VaR
Varianz-Kovarianz-Ansatz basiert auf Normalverteilungsannahme tatsächliche Verteilung weist i.d.R. eine höhere Kurtosis, insbesondere fat tails auf Risiko wird tendenziell unterschätzt Monte Carlo-Simulation erfaßt Optionsrisiken genauer deswegen genauere Risikozahl, aber auch Normalverteilungsannahme Risiko tendenziell auch zu niedrig Historische Simulation verzichtet auf Normalverteilung theoretisch das genaueste Risikomaß höheres Risiko Mathematisch-Statistische Verfahren des Risikomanagements - SS 2002
Ähnliche Präsentationen
© 2024 SlidePlayer.org Inc.
All rights reserved.