risikomanagement und statistik raimund kovacevic
TRANSCRIPT
![Page 1: Risikomanagement und Statistik Raimund Kovacevic](https://reader036.vdocuments.site/reader036/viewer/2022062818/570491c51a28ab14218da63a/html5/thumbnails/1.jpg)
Risikomanagement und Statistik
Raimund Kovacevic
![Page 2: Risikomanagement und Statistik Raimund Kovacevic](https://reader036.vdocuments.site/reader036/viewer/2022062818/570491c51a28ab14218da63a/html5/thumbnails/2.jpg)
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!
![Page 3: Risikomanagement und Statistik Raimund Kovacevic](https://reader036.vdocuments.site/reader036/viewer/2022062818/570491c51a28ab14218da63a/html5/thumbnails/3.jpg)
Riskomanagement
Risikoidentifikation Risikomessung Risikosteuerung
![Page 4: Risikomanagement und Statistik Raimund Kovacevic](https://reader036.vdocuments.site/reader036/viewer/2022062818/570491c51a28ab14218da63a/html5/thumbnails/4.jpg)
Finanzrisiken
Marktrisiko Zinsrisiko Kreditrisiko Währungsrisiko Liquiditätsrisiko Operationales Risiko Versicherungsrisiko ......
![Page 5: Risikomanagement und Statistik Raimund Kovacevic](https://reader036.vdocuments.site/reader036/viewer/2022062818/570491c51a28ab14218da63a/html5/thumbnails/5.jpg)
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.
![Page 6: Risikomanagement und Statistik Raimund Kovacevic](https://reader036.vdocuments.site/reader036/viewer/2022062818/570491c51a28ab14218da63a/html5/thumbnails/6.jpg)
Marktrisiko
1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001
2040
6080
100
120
DJ 30
![Page 7: Risikomanagement und Statistik Raimund Kovacevic](https://reader036.vdocuments.site/reader036/viewer/2022062818/570491c51a28ab14218da63a/html5/thumbnails/7.jpg)
Marktrisiko: Returns
1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001
-0.1
0-0
.08
-0.0
6-0
.04
-0.0
20.
000.
020.
040.
06
GM: log-returns
1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001
-0.1
5-0
.10
-0.0
50.
000.
050.
10
IBM: log-returns
GM vs IBM
0 20 40 60 80GM
0
40
80
120
IBM
![Page 8: Risikomanagement und Statistik Raimund Kovacevic](https://reader036.vdocuments.site/reader036/viewer/2022062818/570491c51a28ab14218da63a/html5/thumbnails/8.jpg)
Value at Risk
Betrachte eine Zufallsvariable L, die den möglichen Verlust einer Position am Ende einer Zeitperiode repräsentiert.
Der Value at risk zum Level ist dann durch das -Quantil der Verlustverteilung gegeben.
Was kann in einem ungünstigen Fall verloren werden? Deiche Abweichung vom Erwartungswert
![Page 9: Risikomanagement und Statistik Raimund Kovacevic](https://reader036.vdocuments.site/reader036/viewer/2022062818/570491c51a28ab14218da63a/html5/thumbnails/9.jpg)
Value at Risk – Methoden
Verteilung Risikofaktoren -> Verlustverteilung (Simulation)
3 prinzipielle Herangehensweisen– Historische Simulation
Problem: seltene Ereignisse?– Normalverteilung
Problem: Normalverteilung?– Allgemeine Verteilungen, insbesondere
Extremwertverteilungen
![Page 10: Risikomanagement und Statistik Raimund Kovacevic](https://reader036.vdocuments.site/reader036/viewer/2022062818/570491c51a28ab14218da63a/html5/thumbnails/10.jpg)
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
![Page 11: Risikomanagement und Statistik Raimund Kovacevic](https://reader036.vdocuments.site/reader036/viewer/2022062818/570491c51a28ab14218da63a/html5/thumbnails/11.jpg)
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
![Page 12: Risikomanagement und Statistik Raimund Kovacevic](https://reader036.vdocuments.site/reader036/viewer/2022062818/570491c51a28ab14218da63a/html5/thumbnails/12.jpg)
Zeitliche Abhängigkeit: i.i.d.?
1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001
-0.1
0-0
.08
-0.0
6-0
.04
-0.0
20.
000.
020.
040.
06
GM: log-returns
1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001
-0.1
5-0
.10
-0.0
50.
000.
050.
10
IBM: log-returns
![Page 13: Risikomanagement und Statistik Raimund Kovacevic](https://reader036.vdocuments.site/reader036/viewer/2022062818/570491c51a28ab14218da63a/html5/thumbnails/13.jpg)
Zeitliche Abhängigkeit
Lag
AC
F
0 10 20 30
0.0
0.2
0.4
0.6
0.8
1.0
Series : IBMRet[, "1"]
Lag
AC
F
0 10 20 30
0.0
0.2
0.4
0.6
0.8
1.0
Series : IBMabs[, "1"]
ARCH/GARCH-Modelle
![Page 14: Risikomanagement und Statistik Raimund Kovacevic](https://reader036.vdocuments.site/reader036/viewer/2022062818/570491c51a28ab14218da63a/html5/thumbnails/14.jpg)
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
![Page 15: Risikomanagement und Statistik Raimund Kovacevic](https://reader036.vdocuments.site/reader036/viewer/2022062818/570491c51a28ab14218da63a/html5/thumbnails/15.jpg)
Ratingstufen - Ausfallswahrscheinlichkeiten
AAA AA A BBB BB B CCC DefaultAAA 90,81 8,33 0,68 0,06 0,12 0,00 0,00 0,00AA 0,70 90,65 7,79 0,64 0,06 0,14 0,02 0,00A 0,09 2,27 91,05 5,52 0,74 0,26 0,01 0,06BBB 0,02 0,33 5,95 86,93 5,30 1,17 1,12 0,18BB 0,03 0,14 0,67 7,73 80,53 8,84 1,00 1,06B 0,00 0,11 0,24 0,43 6,48 83,46 4,07 5,20CCC 0,22 0,00 0,22 1,30 2,38 11,24 64,86 19,79Default 0,00 0,00 0,00 0,00 0,00 0,00 0,00 100,00
Homogene Markovketten?
![Page 16: Risikomanagement und Statistik Raimund Kovacevic](https://reader036.vdocuments.site/reader036/viewer/2022062818/570491c51a28ab14218da63a/html5/thumbnails/16.jpg)
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
![Page 17: Risikomanagement und Statistik Raimund Kovacevic](https://reader036.vdocuments.site/reader036/viewer/2022062818/570491c51a28ab14218da63a/html5/thumbnails/17.jpg)
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