REPUBLIKA SLOVENIJA UNIVERZA V MARIBORU

EKONOMSKO-POSLOVNA FAKULTETA

MAGISTRSKO DELO

UPRAVLJANJE S TVEGANJI V BANKAH S POUDARKOM NA OBRESTNEM TVEGANJU

JUNIJ 2007 MOHOR VOLLMAIER

REPUBLIKA SLOVENIJA UNIVERZA V MARIBORU

EKONOMSKO-POSLOVNA FAKULTETA

MAGISTRSKO DELO

UPRAVLJANJE S TVEGANJI V BANKAH S POUDARKOM NA OBRESTNEM TVEGANJU

Kandidat: Mohor Vollmaier, univ.dipl.ekon., rojen leta, 1976 v Slovenj Gradcu, zaposlen v NLB Koroški banki d.d. kot samostojni referent za tveganja. Absolvent na smeri poslovne finance in bančništvo. Tema odobrena na seji senata EPF dne 20.4.2007, z delovnim naslovom: Upravljanje s tveganji v bankah s poudarkom na obrestnem tveganju. Mentor: prof. dr. Davor Savin, redni profesor Somentor: prof. dr. Dušan Zbašnik, izredni profesor

KAZALO 1. UVOD ............................................................................................................................... 3

1.1. DELOVNI NASLOV MAGISTRSKE NALOGE ..................................................... 3 1.2. OPREDELITEV PODROČJA IN OPIS PROBLEMA.............................................. 3 1.3. NAMEN IN CILJI NALOGE .................................................................................... 4 1.4. NAČRT POTEKA RAZISKAVE .............................................................................. 4

1.4.1. Hipoteze............................................................................................................... 4 1.4.2. Potek raziskave.................................................................................................... 5 1.4.3. Predvidene metode raziskave .............................................................................. 6 1.4.4. Predpostavke in omejitve raziskave .................................................................... 7

2. FINANČNE INSTITUCIJE IN TVEGANJE ............................................................... 8

2.1. OPREDELITEV TVEGANJA ................................................................................... 8 2.2. VRSTE TVEGANJ V FINANČNIH INSTITUCIJAH.............................................. 9

2.2.1. Likvidnostno tveganje ....................................................................................... 10 2.2.2. Kreditno tveganje .............................................................................................. 11 2.2.3. Valutno tveganje................................................................................................ 12 2.2.4. Operativno tveganje........................................................................................... 13 2.2.5. Tveganje spremembe tržne vrednosti ................................................................ 14 2.2.6. Nekatere druge vrste tveganj v finančnih institucijah ....................................... 15

2.3. POVEZANOST POSAMEZNIH VRST TVEGANJ IN POMEN UPRAVLJANJA Z NJIMI ........................................................................................................................... 15 2.4. PROCES OPERATIVNEGA IN STATEŠKEGA UPRAVLJANJA S TVEGANJI18

3. OPREDELITEV OBRESTNEGA TVEGANJA ........................................................ 21

3.1. PRIMARNE KOMPONENTE OBRESTNEGA TVEGANJA................................ 22 3.2. OBRESTNO TVEGANJE KOT NAJPOMEMBNEJŠE TRŽNO TVEGANJE ..... 23 3.3. INTERPRETACIJA KRIVULJE DONOSNOSTI................................................... 26

4. MERJENJE OBRESTNEGA TVEGANJA................................................................ 29

4.1. METODA OBRESTNIH RAZMIKOV ................................................................... 30 4.1.1. Metoda............................................................................................................... 30 4.1.2. Izvedba .............................................................................................................. 31 4.1.3. Faktorji tveganja ................................................................................................ 32 4.1.4. Limitni sistem.................................................................................................... 35 4.1.5. Pomanjkljivosti metode obrestnih razmikov ..................................................... 35

4.2. MERJENJE OBRESTNEGA TVEGANJA S CENOVNO OBČUTLJIVOSTJO... 36 4.2.1. Trajanje – povprečni čas vezave........................................................................ 36 4.2.2. Konveksnost ...................................................................................................... 39

4.2.3. Izvedba metode vrzeli v trajanju ....................................................................... 40 4.2.4. Prednosti in slabosti metode vrzeli v trajanju.................................................... 42

4.2. METODA TVEGANE VREDNOSTI...................................................................... 43 4.2.1. Statistično modeliranje faktorjev tveganja ........................................................ 44 4.2.2. Vrste metod tvegane vrednosti .......................................................................... 47 4.2.3. Testiranje stresnih situacij ................................................................................. 58

5. VREDNOSTNI VIDIK UPRAVLJANJA Z OBRESTNIM TVEGANJEM ........... 60

5.1. OBLIKOVANJE PORTFELJA................................................................................ 60 5.2. MERILO VREDNOSTI- T.I. BENCHMARK ........................................................ 61 5.3. NALOŽBENE STRATEGIJE.................................................................................. 62

5.3.1. Pasivne naložbene strategije.............................................................................. 63 5.3.2. Aktivne naložbene strategije ............................................................................. 64

6. RAZISKAVA: UPRAVLJANJE Z OBRESTNIM TVEGANJEM V BANKI X .... 67

6.1. MINIMALNI STANDARDI NA PODROČJU UPRAVLJANJA S TVEGANJI V BANKI X......................................................................................................................... 67 6.2. IDENTIFIKACIJA OBRESTNEGA TVEGANJA.................................................. 70 6.3. SPREMLJANJE OBRESTNEGA TVEGANJA...................................................... 71

6.3.1. Transformacijska in zavarovana pozicija .......................................................... 71 6.3.2. Metodologija spremljanja .................................................................................. 74 6.3.3. Limiti in poročanje o izpostavljenosti Banke X obrestnemu tveganju.............. 75

6.4. UPRAVLJANJE Z OBRESTNIM TVEGANJEM V BANKI X............................. 79 6.4.1. Cilji spremljanja in upravljanja ......................................................................... 79 6.4.2. Možnosti upravljanja s tveganjem..................................................................... 79

7. SKLEP ............................................................................................................................ 81 8. LITERATURA .............................................................................................................. 84 9. VIRI ................................................................................................................................ 87 10. PRILOGE....................................................................................................................... 1

Povzetek Sodoben finančni sektor označujejo deregulacija, konkurenca, kapitalska ustreznost, zmanjševanje obrestnih prihodkov in obrestnih marž. Vedno pomembnejši vir zaslužka bank postajata trgovanje na finančnih trgih in ustvarjanje prihodkov z zaračunavanjem provizij za opravljene storitve. S širjenjem obsega poslovanja se banke soočajo z novimi vrstami tveganj. Zaradi vedno večje konkurence in samostojnega vstopa nefinančnih podjetij na trg kapitala so banke prisiljene zniževati profitne marže in odobravati kredite na vedno daljši rok. Stranke na drugi strani zahtevajo vedno bolj donosne načine investiranja prihrankov, vedno inovativnejše finančne instrumente, poleg tega pa vedno cenejše in fleksibilnejše načine financiranja. Tovrstne aktivnosti zahtevajo od bank zelo dobro razumevanje tveganj, vedno kompleksnejših metod merjenja in upravljanja tveganj, kakor tudi visoko motiviran in strokovno usposobljen kader. V magistrskem delu govorimo o problematiki upravljanja s tveganji v bankah. Po uvodnem delu v drugem poglavju predstavljamo ključne vrste tveganj s katerimi se soočajo finančne institucije. Poleg tveganj, ki se pojavljajo v finančnih institucijah, pišemo o povezanosti posameznih vrst tveganj in pomenu upravljanja z njimi.V tretjem poglavju zaradi pomembnosti posebej obravnavamo obrestno tveganje. Pri tem natančno analiziramo posamezne komponente obrestnega tveganja. Naslednje podpoglavje je namenjeno dokazovanju hipoteze v kateri trdimo, da je obrestno tveganje v danih okoliščinah najpomembnejše tržno tveganje. Na koncu tretjega poglavja interpretiramo krivuljo donosnosti, ki predstavlja zelo pomemben element merjenja obrestnega tveganja. V četrtem najpomembnejšem delu magistrske naloge analiziramo izbrane metode merjenja obrestnega tveganja. Nobeni od opisanih metod ne dajemo prednosti, saj ima vsaka metoda svoje prednosti in slabosti. Uporabnost posamezne metode je namreč odvisna od kompleksnosti instrumentov s katerimi se finančna institucija ukvarja in tega, komu so informacije, pridobljene s posamezno metodo, namenjene. V petem poglavju proučujemo vrednostni vidik upravljanja z obrestnim tveganjem. Pri tem opisujemo kategorije obrestno občutljivih poslov s komitenti. Naslednje podpoglavje je namenjeno predstavitvi merila vrednosti, t.i. benchmark-u. Na koncu petega poglavja proučujemo razlike med pasivnimi in aktivnimi naložbenimi strategijami. V šestem poglavju magistrske naloge pridobljena teoretična znanja proučujemo na primeru Banke X. Pišemo o minimalnih standardih in obravnavamo celovit proces upravljanja z obrestnim tveganjem. Posamezna podpoglavja so namenjena identifikaciji, spremljanju in upravljanju obrestnega tveganja v Banki X. Ključne besede: tveganje, upravljanje s tveganji, obrestno tveganje, krivulja donosnosti, merilo vrednosti, tvegana vrednost, obrestna občutljivost, faktor tveganja, trajanje, modificirano trajanje, sprememba osnove, limitni sistem, nestanovitnost, konveksnost, aritmetična sredina, varianca, standardni odklon, normalna porazdelitev, korelacija, historična simulacija, variančno- kovariančna metoda, Monte Carlo metoda, mapiranje denarnih tokov, imunizacija, diverzifikacija, naložbena strategija, stres test, vrednostni papir, valutno tveganje, likvidnostno tveganje, kreditno tveganje, operativno tveganje, devizni tečaj, metoda obrestnih razmikov.

RISK MANAGEMENT IN BANKING WITH EMPHASIS ON INTEREST RATE RISK Summary Contemporary financial sector mark deregulation, competition, capital adequacy, reducing of interest incomes and interest margins. Always more important source of banks net income become trading on financial markets and causing of incomes with charging of commissions for finished services. With spreading of business scope banks meet new types of risk. Because of always larger competition and independent entry of non financial companies on capital market, banks are forced in reducing profit margins and approving loans on always longer time periods. On the other side clients demand more and more remunerative manners of savings investing, always new financial instruments and always cheaper and more variably manners of funding. Such activities demand very good understanding of risk, more complex procedures of risk measurement, risk management and highly motivated and professionally trained employees. In master paper we speak about problems of risk management in banks. After introduction, the second chapter is representing key tipes of risk, that financial institutions are exposed to. Beside risks, that they occur in financial institutions, we write about concerning connection of individual risk types and meaning of management with them. We deal with interest rate risk separately in third chapter because of importance. In spite of this, we analyse individual components of interest rate risk carefully. Next section is intended for proving of hypothesis in which we claim, that interest rate risk is, in given circumstances, the most important market risk. At the end of third chapter we interpret yield curve, that is presenting very important element of interest rate risk measurement. We analyse chosen procedures of interest rate risk measurement in fourth, most important part of master paper. We are putting advantage from described procedures for none, because every procedure has her advantages and weaknesses. Usability of individual procedure is namely dependent form complexity of instruments with which financial institution engages in and this, who are information, gained with individual procedure, appropriated to. In fifth chapter we are analysing value point of interest rate risk management. At this we describe interest sensitive items with costumers. Next section is intended for presentation of benchmark. We are looking into differences between passive and active investment strategies at the end of fifth chapter. In sixth chapter of master paper, gained theoretical knowings are looked on case of Banka X. Write concerning minimal standards and we deal with complete process of interest rate risk management. Individual parts are assigned identification, measurement and management of interest rate risk. Key words: risk, risk management, interest rate risk, yield curve, benchmark, value at risk, interest rate sensitivity, risk factor, duration, modified duration, basis risk, limit system, volatility, convexity, mean, variance, standard deviation, normal distribution, correlation, Historical Simulation, Delta Normal Approach (Variance- Covariance Method), Monte Carlo Simulation, Cash Flow Mapping, imunization, diversification, investment strategy, stress test,securities, exchange rate risk, liquidity risk, credit risk, operational risk, exhange rate, Gap Analysis.

1. UVOD 1.1. DELOVNI NASLOV MAGISTRSKE NALOGE Upravljanje s tveganji v bankah s poudarkom na obrestnem tveganju. 1.2. OPREDELITEV PODROČJA IN OPIS PROBLEMA Tradicionalna vloga bank se zaradi globalizacije in deregulacije bančnega sektorja zmanjšuje. Banke se pri iskanju poslovnih priložnosti vse bolj preusmerjajo iz svoje tradicionalne dejavnosti, t.j. posredovanje finančnih sredstev od suficitarnih k deficitarnim gospodarskim subjektom, k bolj dobičkonosnim oblikam finančnih naložb, kar pa seveda pomeni za banke prevzemanje večjih tveganj. Osnovne vrste tveganj, ki jih banke prevzemajo so (Romeike 2005, 22): kreditna, likvidnostna, valutna, operativna in tržna tveganja. Uresničevanja osnovnih bančnih načel; likvidnosti, varnosti in donosnosti si danes ni mogoče predstavljati brez ustreznega upravljanja s tveganji. Da bi banka lahko uspešno upravljala s tveganji, jih mora biti sposobna izmeriti, kar pa je v preteklosti zaradi nezadovoljivo razvite tehnologije za zbiranje in obdelavo potrebnih podatkov predstavljalo problem. Danes je drugače, bankam so na voljo vse boljše in zanesljivejše metode za identifikacijo, spremljanje, merjenje in upravljanje s tveganji tako posameznih naložb kot tudi celotnih portfeljev. Kot ugotavlja Drasdzol (2005) se moderno upravljanje s tveganji v bankah ne omejuje le na prepoznavanje in omejevanje tveganj, saj bi s tem zamudili številne priložnosti za zaslužek, ki jih s sabo prinašajo spremembe faktorjev tveganja1. Cilj upravljanja s tveganji je torej zavestno prevzemanje tveganj, da bi iz tega naslova iztržili zadovoljive donose. Problematika magistrskega dela zadeva celoten slovenski bančni prostor. S prevzemom evra so banke še bistveno bolj izpostavljene tveganjem. Pomen valutnega tveganje se sicer zaradi enotne valute bistveno zmanjša2, se pa pomen likvidnostnega in pa predvsem obrestnega tveganja bistveno poveča. Izključno pasivne strategije upravljanja s tveganji za mnoge banke tudi zaradi odprave številnih omejitev3, ki jih je v preteklosti postavljala Banka Slovenije, ne bodo več zadovoljive. Na ta način namreč ne bo mogoče izkoristiti številnih priložnosti, ki jih ponuja trg. Na drugi strani pa kot ugotavlja Schroeck (2002),

1 To so lahko nrp. devizni tečaji, obrestne mere, cene finančnih inštrumentov ipd. 2 večino odprtosti devizne pozicije slovenskih bank do prevzema evra je namreč predstavlja ravno odprtost bank v evrih, odprtosti v ostalih valutah pa so bile le minimalne in niso presegale 10% kapitala posamezne banke (Interno gradivo banke, 2006). 3 Mednje štejemo predvsem t.i. devizni minimum iz Sklepa o najmanjšem obsegu likvidnosti, ki jo mora banka zagotavljati in ki ga je Banka Slovenije s 1.10.2006 odpravila. Ta sklep je v svoji 9. točki določal, da morajo banke v drugem razredu deviznega dela likvidnostne lestvice zagotavljati vsoto terjatev v tujem denarju do Banke Slovenije, Republike Slovenije, tujih in domačih bank, naložb v tuje vrednostne papirje in tuje gotovine, ki je enaka najmanj določenemu odstotku mesečnega povprečja bilančnih obveznosti v drugem razredu deviznega dela preteklega koledarskega meseca. Poleg tega je bil natančno določen tudi minimalni odstotek blagajniških zapisov Banke Slovenije v tujem denarju, ki so ga banke morale imeti v svojih bilancah iz istega naslova.

aktivno upravljanje s tveganji s pomočjo lastnih modelov za napovedovanje bodočih donosov kaže na neugodno razmerje stroški –koristi. Raziskava magistrskega dela bo temeljila na uporabi različnih teorij in spoznanj o upravljanju s tveganji v bankah s poudarkom na izbranih metodah merjenja obrestnega tveganja; metodi obrestnih razmikov po van Deventer-ju (2005), metodi vrzeli v trajanju kot jo opisujejo Saunders (2000), Fabozzi (2000) ter Koch W.T. in MacDonald S.S. (2002) in metodah tvegane vrednosti po Jorion-u (2000), Wiedemann-u (2004) in Drasdzol-u (2005). V praktičnem delu bo študija primera obravnavala Banko X. Banka X je mala regionalna banka, ki s svojo bilančno vsoto sodi v skupino manjših slovenskih bank. Kljub svoji majhnosti se ukvarja z univerzalnim bančništvom, glavnino poslov pa vendarle predstavljajo kreditno depozitni posli. Banka je tako dnevno izpostavljena številnim tveganjem, ki niso bila obravnavana na ustrezen način. Funkcija upravljanja s tveganji v številnih primerih ni bila razmejena od poslovne funkcije poleg tega pa pomanjkanje znanja s področja upravljanja s tveganji, predvsem sodobnejših metod merjenja tveganj, narekuje potrebo po temeljiti proučitvi sodobne literature in implementaciji spoznanj v prakso Banke X. 1.3. NAMEN IN CILJI NALOGE Namen raziskave je s pomočjo predvsem tuje strokovne literature in praktičnih izkušenj pridobljenih na delovnem mestu proučiti področje upravljanja s tveganji v bankah in razkriti dejavnike, ki v procesu upravljanja s tveganji vplivajo na večjo vrednost banke. V teoretičnem delu bodo cilji raziskave predvsem: • pregled nekaterih vrst tveganj s katerimi se soočajo banke pri poslovanju, • v danih okoliščinah prikazati obrestno tveganje kot najpomembnejše tržno tveganje, • na enostaven način prikazati sodobne metode merjenja tveganj pri tem pa še posebej poudariti prednosti in slabosti posameznih metod merjenja obrestnega tveganja. Cilji raziskave v aplikativnem delu pa so: • identificirati obrestno občutljive postavke v banki, • opredelitev podatkovne strukture, ki bo v prvi vrsti omogočala spremljanje obrestnega tveganja po metodologiji obrestnih razmikov tako po posameznih časovnih intervalih kot tudi po posameznih valutah in vrstah obrestnih mer, v nenatančno definirani prihodnosti pa tudi po metodologiji tvegane vrednosti, • zagotoviti celovitost in pravilnost podatkov v model in • vzpostavitev limitnega sistema po posameznih valutah kakor tudi opredelitev ukrepov in načina poročanja v primeru preseganja limitov. 1.4. NAČRT POTEKA RAZISKAVE 1.4.1. Hipoteze V magistrski nalogi bomo preverjali štiri hipoteze:

• H1- pomen upravljanja s tveganji v bankah je z vstopom Slovenije v Evropsko monetarno unijo bistveno večji. Trdimo, da banke pogosteje posegajo po kompleksnejših finančnih inštrumentih kot pred prevzemom evra.

• H2- Obrestno tveganje je najpomembnejše tveganje s katerim se srečujejo finančne institucije na trgih dolžniških vrednostni papirjev, valutno tveganje pa postaja za slovenske banke s prevzemom evra obrobnega pomena. Večino odprte devizne pozicije bank je namreč predstavljala ravno odprtost pozicije v evrih.

• H3- metoda tvegane vrednosti je primernejša metoda merjenja obrestnega tveganja kot poročilo o obrestnih razmikih (GAP Report), kljub dejstvu, da lahko z izdelavo več poročil o obrestnih razmikih na določen časovni horizont, z uporabo različnih predpostavk, precej izboljšamo oceno obrestne izpostavljenosti finančne institucije.

1.4.2. Potek raziskave Magistrska naloga je v osnovi razdeljena na dva dela. V prvem, teoretičnem delu bomo najprej predstavili glavne vrste tveganj s katerimi se banke soočajo pri poslovanju. Pri tem bomo posebej opozorili na potrebo po obravnavi tveganj kot enovitega procesa. V številnih primerih celotna tveganj, ki ji je banka izpostavljena ni enaka seštevku učinkov posameznih vrst tveganj. Kljub pomembnosti obravnavanja procesa upravljanja s tveganji kot celote bomo v tretjem poglavju izpostavili obrestno tveganje. Prevzem evra kot nacionalne valute in odprava nekaterih omejitev Banke Slovenije na področju investiranja v vrednostne papirje sta povzročila, da se banke bistveno več kot doslej ukvarjajo s trgovanjem z vrednostnimi papirji v svojem imenu in za svoj račun. Na ta način se tudi bistveno bolj izpostavljajo obrestnemu tveganju. V četrtem poglavju bomo predstavili metode merjenja obrestnega tveganja, ki jih uporabljamo v bankah. Želeli bi prikazati prednosti in slabosti posameznih metod in razložiti, zakaj je metoda tvegane vrednosti primernejša od metode obrestnih razmikov, čeprav je do njene uporabe v Banki X še daleč. V petem poglavju bomo predstavili vlogo merila vrednosti t.i. benchmark-a, v šestem poglavju bomo predstavili aktivne in pasivne naložbene strategije ter razlike med njimi. Lastniki kapitala pogosto preferirajo aktivne pred pasivnimi naložbenimi strategijami, saj upravljalcem prinašajo večji donos kot referenčna vrednost. Pri tem se pogosto pozablja, da večjega donosa ni mogoče doseči brez večje sočasne izpostavljenosti tveganjem. Drugi del magistrske naloge obsega zgolj eno poglavje in je izključno praktične narave. Najprej bomo predstavili minimalne standarde na področju upravljanja s tveganji v proučevani banki, nato bom identificirali obrestno tveganje in opredelili podatkovni model za spremljanje le-tega. Ker banka vse obrestno občutljive postavke obravnava v okviru postavk bančne knjige4, bomo podali razloge za delitev le-te na zavarovano in

4 Proučevana banka se ne ukvarja s posli trgovanja in zato tudi nima razdeljenih obrestno občutljivih postavk na postavke trgovalne in bančne knjige.

transformacijsko pozicijo. Opredelili bomo cilje spremljanja in upravljanja s tveganji ter predstavili sicer omejene možnosti upravljanja z njimi5. Na koncu bomo seveda podali ključne ugotovitve, povzeli ključne predloge in opozorili na področja nadaljnjih raziskav. 1.4.3. Predvidene metode raziskave Magistrska naloga bo temeljila predvsem na raziskavah in stališčih pridobljenih iz tuje strokovne literature in predpisih, ki urejajo področje upravljanja s tveganji v Republiki Sloveniji6. Empirični del raziskave bo nastal kot rezultat opazovanj in raziskav, ki jih opravljamo v Banki X. Predvidene metode raziskave po posameznih poglavjih so: TEORETIČNI DEL 2. Finančne institucije in tveganje Uporabljena bo metoda analize. Kandidat bo analiziral posamezne vrste tveganj, ki se pojavljajo v finančnih institucijah. Pri tem bo preverjal medsebojno odvisnost posameznih vrst tveganj in njihov učinek na tveganje, ki mu je finančna institucija izpostavljena, kot celoto. 3. Opredelitev obrestnega tveganja Uporabljena bo metoda komparacije. Kandidat bo primerjal primarne komponente obrestnega tveganja. Opisal se bo vpliv posamezne komponente, imenovane tudi faktorji tveganja na obrestno tveganje. Kandidat bo lahko na osnovi številnih povzetih spoznanj, stališč, sklepov in rezultatov številnih avtorjev prišel do novih samostojnih posplošenih sklepov. 4. Merjenje obrestnega tveganja Uporabljena bo metoda statistične analize in metoda komparacije. Kandidat bo s pomočjo statističnih orodij analiziral podatke dobljene iz poročila o obrestnih razmikih. Predstavil bo posamezne metode tvegane vrednosti, z metodo komparacije pa bo opozoril na prednosti oziroma slabosti posamezne metode tvegane vrednosti. 5. Vrednostni vidik upravljanja z obrestnim tveganjem Uporabljena bo dinamična ekonomska raziskava. Kandidat bo s pomočjo merila vrednosti- t.i. benchmark-a predstavil učinkovitost merjenja obrestnega tveganja. 5 Banka zaenkrat ni pridobila dovoljenja regulatorja za opravljanje poslov z izvedenimi finančnimi instrumenti. 6 V mislih imamo predvsem sklepe Banke Slovenije, ki so bili objavljeni v Uradnem listu RS, št. 135/06 s poudarkom na sklepu o izračunu kapitalskih zahtev za tržna tveganja za banke in hranilnice.

APLIKATIVNI DEL 6. Upravljanje z obrestnim tveganjem v Banki X Uporabljena bo dinamična ekonomska raziskava, metoda deskripcije in analitični pristop. Kandidat bo s pomočjo teoretičnih spoznanj identificiral obrestno tveganje v banki in opredelil podatkovni model, ki bo osnova za upravljanje obrestnega tveganja s pomočjo metode obrestnih razmikov. Z metodo deskripcije bodo predstavljeni cilji upravljanja s tveganji v Banki X. Proučili bomo vpliv spremembe tržnih obrestnih mer na neto obrestne prihodke banke kot tudi ekonomsko vrednost kapitala Banke X. Pri tem bomo upoštevali nekatere predpostavke Baselskega odbora za bančni nadzor. 1.4.4. Predpostavke in omejitve raziskave Predpostavke:

• Občasno bomo predpostavljali, da je trg kapitala popoln. To pomeni, da na njem obstaja popolna konkurenca, vsi udeleženci na trgu imajo popolne informacije in se obnašajo racionalno. Takšen trg deluje brez trenja.

• Temeljni cilj vsakega podjetja je maksimalna vrednost enote lastniškega kapitala. • K tveganjem, ki jih bomo obravnavali v naši raziskavi štejemo: valutna,

likvidnostna, operativna, kreditna, obrestna tveganja in tveganje spremembe tržne vrednosti.

• Predpostavljamo, da je pristop, ki so ga uporabili van Deventer (2005), Romeike (2005), Draszdol (2005) in Wiedemann (2004), mogoče uporabiti tudi na primeru Banke X.

• V primeru uporabe metode obrestnih razmikov predpostavljamo zapadlost obrestno občutljivih postavk na sredini posameznega časovnega intervala, vzporedni prenik krivulje donosnosti in trenutno raven obrestnih mer na ravni 5%.

• V primeru uporabe metode tvegane vrednosti za merjenje obrestnega tveganja predpostavljamo deset dnevno obdobje držanja portfelja, 95% ali 99% interval zaupanja in enoletno obdobje opazovanja parametrov. Omejitve:

• Raziskava je omejena le na nekatere vrste tveganj, ki predstavljajo del tveganj, ki jim je proučevana finančna institucija izpostavljena. Na ta način dobimo le del informacij potrebnih za celovito obvladovanje tveganj. Predpostavljati je mogoče, da bi bila vrednost izbrane finančne institucije, v primeru upoštevanja večjega števila tveganj, večja.

• Omejitev raziskave predstavlja dejstvo, da so podatki, ki bi lahko bolje pojasnili določene situacije, poslovna skrivnost banke.

• Ker banka nima dovoljenja za poslovanje z izvedenimi finančnimi instrumenti, to dejstvo predstavlja zelo veliko omejitev pri zavarovanju pred tveganji,

• Ker Banka X posluje v okviru relativno velike finančne skupine, kjer preko minimalnih standardov veljajo enotna merila na področju upravljanja s tveganji, predstavlja omejitev pomanjkljivo poznavanje posameznih metod merjenja tveganj, predvsem metode tvegane vrednosti.

TEORETIČNI DEL 2. FINANČNE INSTITUCIJE IN TVEGANJE Tveganja se pojavljajo pri vsaki poslovni dejavnosti. Priložnosti in tveganja so v bistvu dve strani ene in iste medalje. Brez dvoma lahko trdimo, da se je tveganje za vse vrste podjetij v zadnjem času dramatično povečalo. Pomembnejši vplivni dejavniki, ki so prispevali k zaostritvi pogojev poslovanja, so med drugimi; deregulacija trga, povečana uporaba moderne informacijske in komunikacijske opreme, obrat od trga proizvajalcev, k trgu, ki je usmerjen h kupcu, vedno večja tendenca individualizma na strani povpraševanja, nova regulatorna določila (npr. Basel II), naraščajoči pritiski na cene, kvaliteto in konkurenčnost na globalnih trgih, želja po večji fleksibilnosti in bistveno krajših rokih dobave, vedno večja preglednost in primerljivost ponudbe in cen na svetovnem spletu, krajša življenjska doba proizvodov in povpraševanje po kompleksnih sistemskih rešitvah. Na splošno je postalo jasno, da je zgolj z dobrim občutkom za podjetnost in reaktivnim sistemom upravljanja, kompleksnost procesov in tveganj zelo težko obvladati. Sodoben finančni sektor tako označujejo deregulacija, konkurenca, kapitalska ustreznost, zmanjševanje obrestnih prihodkov in obrestnih marž. Vedno pomembnejši vir zaslužka bank sta postala trgovanje na finančnih trgih in ustvarjanje prihodkov z zaračunavanjem provizij za opravljene storitve. Primeri propada podjetij t.i. nove ekonomije in nekaterih finančnih institucij7 kažejo, kako pomembno je ustrezno ravnanje s tveganji. S širjenjem obsega poslovanja se namreč banke soočajo z novimi vrstami tveganj. Zaradi vedno večje konkurence in samostojnega vstopa nefinančnih podjetij na trg kapitala, so banke prisiljene zniževati svoje profitne marže, odobravati kredite za vedno daljša obdobja, strankam z vse slabšo bonitetno oceno. Stranke na drugi strani zahtevajo vedno bolj donosne načine investiranja svojih prihrankov, vedno inovativnejše finančne instrumente, poleg tega pa vedno cenejše in fleksibilnejše načine financiranja. Inovativnosti podjetij pri iskanju zaščite pred nekaterimi vrstami tveganj (npr. valutnim ali obrestnim) ni videti meje. Finančnim institucijam so pripravljena plačati, da bi le-te prevzele tveganja namesto njih. Tovrstne aktivnosti zahtevajo od finančnih institucij zelo dobro razumevanje samega izvora tveganja, vedno kompleksnejših metod merjenja in upravljanja tveganj kakor tudi visoko motiviran in strokovno usposobljen kader. 2.1. OPREDELITEV TVEGANJA Enoznačna definicija tveganja ne obstaja. Lahko pa povzamemo definicije nekaterih avtorjev.Tako Bessis (2002, 2) opredeljuje tveganje kot negotovost, ki se kaže v neugodnih odstopanjih donosnosti ali izgub, Jorion (2000, 3) opredeljuje tveganje kot nestanovitnost nepričakovanih rezultatov, Butler (1999, 2) pa pravi, da tveganje meri stopnjo nestanovitnosti donosnosti sredstev (Černilec 2005, 5). Na splošno bi lahko rekli, da tveganje označuje nihanje spremenljivke okoli pričakovane vrednosti. Okolje v katerem živimo je nepredvidljivo in tako povezano z raznovrstnimi tveganji. Napačno bi bilo označiti ga kot nekaj slabega, saj bi s tem spregledali priložnosti, ki jih 7 Npr. Enron, Barings Bank, Ixos, Kirch Media, Letsbuyit ipd. Po terorističnih napadih v ZDA leta 2001 je prišlo tudi do poka t.i. špekulativnega mehurčka na borzi in posledično do izgube kapitala v višini preko 200 mlrd € ( Romeike, 2005,17).

prinaša. Bistvenega pomena zato je, da tveganje identificiramo, ga uspešno in odgovorno uravnavamo ter ga izkoristimo sebi v prid. 2.2. VRSTE TVEGANJ V FINANČNIH INSTITUCIJAH Preden lahko izvedemo merjenje in kvalitativno vrednotenje tveganj, moramo definirati vse kategorije tveganja. Natančno strukturiranje tveganj je zaradi množice dogodkov v katerih lahko pride do nastanka tveganega pojava v finančni instituciji zelo težko izvesti. V preteklosti se je znanje o posameznih vrstah tveganj pogosto generiralo in zbiralo v zaprtih znanstvenih krogih. Pretok znanja in splošno razumevanje posameznih vrst tveganj je bilo tudi zaradi individualnih pogledov, uporabljenih praks in izrazoslovja oteženo. Slika 1: Vrste tveganj v finančnih institucijah

Vir: Romeike Frank. 2005. Modernes Risikomanagement, str. 22.

Vrste tveganj

Finančna tveganja

Splošna tveganja

Tržna tveganja

Kreditno tveganje

Obrestno tveganje

Tveganje spremembe

tržne vrednosti

Valutno tveganje

Likvidnostno tveganje

Operativna tveganja

Strateško tveganje

Tehnološka/procesna

tveganja

Organizacijska tveganja

Tveganja povezana z

ljudmi vključenimi v

Eksterna tveganja

Na splošno lahko tveganja s katerimi se soočajo vse vrste podjetij razdelimo na poslovna in splošna tveganja. Poslovna tveganja so tveganja, ki jih podjetja prostovoljno prevzamejo pri iskanju priložnosti za zaslužek. Prevzemanje te vrste tveganj spada v osnovno dejavnost podjetja in je nujno za njegov razvoj. Splošna tveganja pa so tista tveganja na katera podjetje nima neposrednega vpliva, njihova glavna značilnost je nepredvidljivost in nezmožnost ustrezne zaščite pred njimi. Ker nas v magistrski nalogi zanimajo predvsem tveganja, s katerimi se soočajo finančne institucije, na sliki 1 podajamo eno od v strokovni literaturi najpogosteje navedenih delitev tveganj (Romeike 2005, 22). V nadaljevanju na kratko opisujemo glavne vrste tveganj v finančnih institucijah. Večjo pozornost bomo namenili le obrestnemu tveganju, kateremu je posvečen večji del magistrske naloge in ga bomo podrobneje opisali v 3. poglavju. Natančna proučitev ostalih vrst tveganj bi presegla razsežnosti tega magistrskega dela. 2.2.1. Likvidnostno tveganje Likvidnost banke lahko opredelimo kot sposobnost poravnavanja vseh njenih obveznosti ob zapadlosti, zaradi dvigovanja vlog ter kot sposobnost zagotavljanja komitentom, da črpajo posojila na podlagi že sklenjenih posojilnih pogodb (Košak 1999, 1). Likvidnost banke je ustrezna, če pričakovani denarni pritoki, hitro unovčljive naložbe in sposobnost izposojanja banke zadoščajo za pokritje denarnih odtokov iz naslova izpolnjevanja obveznosti. Zaradi nerednega poravnavanja obveznosti nekaterih komitentov, nepričakovanega črpanja posojil, izplačil vlog in predčasnega vračila posojil, je natančno napovedovanje časovnega razporeda denarnih tokov, zelo težko. S problemom likvidnosti se poslovne banke srečujejo na vseh področjih poslovanja, saj ima vsaka transakcija vpliv na likvidnost. Gre za vedno aktualen problem v bančništvu, ki predstavlja nujen pogoj, da lahko banka doseže postavljene cilje. Skrb za likvidnost je tako temelj bančnega poslovanja; likvidnostno tveganje v ekstremni obliki namreč ne povzroča le izgube posamezni banki, ampak lahko pripelje do njene nesolventnosti in stečaja. Ko govorimo o likvidnosti banke se dejansko srečujemo s pojmom likvidnostnega tveganja, ki je pri bančnem poslovanju vedno prisotno. Likvidnostno tveganje izhaja iz preoblikovanja kratkoročnih virov v dolgoročne naložbe. Banke to počnejo za doseganje višje obrestne marže kot razlike med obrestnimi prihodki za nalože, ki jih prejemajo in obrestnimi odhodki za vire, ki jih plačujejo. Godec (2006, 6) po Matz-u (2005, 1-15) povzema tri komponente likvidnostnega tveganja glede na naravo in strukturo: • Tveganje likvidnostne vrzeli: predstavlja pričakovano likvidnostno tveganje na podlagi razlike med denarnimi pritoki in odtoki. • Potencialno likvidnostno tveganje: pomeni tveganje, da bodo prihodnji dogodki zahtevali več likvidnostnih kapacitet kot običajno. To tveganje nastane zaradi različnih možnosti, ki dajejo komitentom možnost poljubnega črpanja sredstev. Ker banka ne more natančno opredeliti, kdaj in v kolikšnem obsegu bodo te možnosti koriščene, predstavlja ta komponenta najbolj nepredvidljiv potencial likvidnostnega tveganja banke. • Tržno likvidnostno tveganje: je tveganje, da banka ne bo zmogla prodati željene količine likvidnih naložb po tržni ceni zaradi neprimerne globine trga ali motenj na njem.

Asimetričnost in multidimenzionalnost sta temeljni značilnosti likvidnostnega tveganja. Asimetričnost pomeni, da so potencialne negativne posledice izpostavljenosti likvidnostnemu tveganju precej večje od potencialnih koristi, multidimenzionalnost pa pomeni, da je likvidnostno tveganje treba obravnavati glede na številne okoliščine, ki vplivajo na potrebe po likvidnih sredstvih in na možnost njihove zagotovitve (Godec 2006, 6). Nelikvidnost posamezne banke je lahko povod za likvidnostne težave drugih bank, to pa lahko povzroči nesorazmerja v celotnem bančnem sistemu. Za učinkovito upravljanje z likvidnostnim tveganjem morajo banke imeti natančno opredeljene likvidnostne strategije in politike. Minimalne standarde na področju upravljanja z likvidnostnim tveganjem v Sloveniji določa nacionalni regulator skozi Sklep o minimalnih zahtevah za zagotavljanje ustrezne likvidnostne pozicije bank in hranilnic (Uradni list RS, št. 111/06, 129/06). V tem sklepu so natančno določene minimalne zahteve glede izračunavanja ustrezne likvidnostne pozicije banke, kriteriji za upoštevanje finančnih sredstev in virov teh sredstev, ipd. Banka mora namreč dnevno izračunavati likvidnostno pozicijo s t.i. količnikom likvidnosti8, katerega način izračuna in postavke, ki se upoštevajo pri izračunu so natančno opredeljene v prilogi 1. 2.2.2. Kreditno tveganje Kreditno tveganje je v 109. členu Zakona o bančništvu (UL RS št. 131/2006) opredeljeno kot tveganje nastanka izgube zaradi neizpolnitve obveznosti dolžnika do banke. Povezano je z nepravočasno izpolnitvijo obveznosti ali pa z neizpolnitvijo obveznosti do banke, z nepripravljenostjo dolžnika ali nesposobnostjo dolžnika, da v dogovorjenem roku izpolni obveznosti. Večina bank meni, da so krediti največji vir kreditnega tveganja, vendar kreditna tveganja generirajo tudi akreditivi, medbančne transakcije, financiranje trgovskih poslov, trgovanje s tujo valuto, terminske pogodbe, obveznice, kapitalske naložbe, garancije in plačilni promet (Baselski odbor za finančni nadzor 2000, 1). Kreditno tveganje je v večini bank obravnavano kot najpomembnejše tveganje. Zanj je značilno, da je v veliki meri odvisno od specifične situacije, je nestandardizirano in je neizogiben del večine poslovnih transakcij. V primeru nastanka tveganega dogodka, lahko banka izgubi celotno glavnico, ne zasluži nič ali pa le del obresti. V primeru stečaja ali likvidacije podjetja, si banka lahko obeta, da bo dobila vrnjena posojena sredstva, seveda, le v primeru, da je le-ta predhodno ustrezno zavarovala. Navedeno je razlog, da mora banka nenehno nadzorovati poslovanje podjetja, kateremu je odobrila kredit. Učinkovito upravljanje kreditnega tveganja namreč odločilno vpliva na donosnost celotnega bančnega portfelja. Pri tem je pomembna diverzifikacija kreditnega portfelja, ki zmanjšuje verjetnost slabih naložb v portfelju. A na ta način je mogoče minimizirati le specifično kreditno tveganje, ki je značilno za posamezno podjetje. Banka pa je kljub diverzifikaciji še vedno izpostavljena sistematičnemu kreditnemu tveganju, ki je značilno za celotno gospodarstvo. Merjenje kreditnega tveganja je odločilno za oblikovanje pravilne cene kredita in postavitev ustreznih limitov zadolžitve za posameznega komitenta (Saunders 2000, 176). 8 Količnik likvidnosti predstavlja razmerje med vsoto finančnih sredstev v domači in tuji valuti in vsoto virov sredstev v domači in tuji valuti, glede na preostalo dospelost.

Njegovo merjenje je podrejeno trem glavnim komponentam (Karpe 1997, 36): 1. izračunu verjetnosti, da dolžnik ne bo pravočasno ali v celoti poravnal svojih obveznosti (t.i. default risk), 2. izračunu izpostavljenosti banke iz naslova kreditnega tveganja v določenem časovnem obdobju in 3. izračunu dejanske izgube, ki jo utrpi banka potem, ko je že uveljavila zavarovanje oziroma začela postopek izterjave neizplačanega dolga. Da lahko opravi te izračune in s tem oceni kreditno sposobnost kreditojemalca, mora banka pred samo odobritvijo kredita najprej temeljito proučiti za to relevantne značilnosti stranke. S tem so mišljeni kvantitativni podatki iz letnih računovodskih izkazov, podatki o denarnem toku podjetja in ostale računovodsko finančne informacije o podjetju, kot so na primer podatki o nepremičninah v lasti podjetja, hipotekah nad tem premoženjem ipd. Pomembni so tudi podatki o tveganju držav, s katerimi obravnavano podjetje posluje in podatki o tveganju panoge v katero spada. Skladno s sodobnimi trendi pri presojanju kreditne sposobnosti se bančni analitiki vedno bolj opirajo tudi na informacije o kvalitativnih dejavnikih bonitete podjetja, do katerih pa je za banko kot zunanjega uporabnika tovrstnih informacij težko priti, poleg tega so tovrstne ocene tudi zelo subjektivne. Izračunane ocene verjetnosti vračila posojila se kažejo v bančnih rezervacijah oziroma slabitvah. Problematika obračunavanja ustreznih bančnih rezervacij oz. slabitev za pokrivanje potencialnih izgub iz naslova slabih terjatev namreč zahteva izredno dobro poznavanje narave kreditnih tveganj in sestavlja kompleksen sklop sodobnega bančnega računovodstva, plana in analiz (Karpe 1997, 36). 2.2.3. Valutno tveganje Valutno tveganje lahko opredelimo kot nevarnost spremembe deviznega tečaja v obdobju od trenutka nalaganja do vrnitve kapitala, naloženega v tujo valuto (Prohaska, 2004, 190). Temu tveganju so izpostavljene finančne institucije, ki imajo sredstva in obveznosti denominirane v različnih valutah. Merimo ga s standardnim odklonom, kaže pa možnost nihanja deviznega tečaja neke valute glede na njeno pričakovano vrednost. Na ta način se lahko ustvari dobiček ali izguba zaradi sprememb deviznega tečaja določene valute. Če so na primer sredstva denominirana v EUR, obveznosti pa v USD, bi v primeru depreciacije EUR vrednost sredstev ne zadostovala več za pokritje obveznosti v USD. V daljšem časovnem obdobju nastajajo različne vrste valutnega tveganja. Večina avtorjev deli valutna tveganja na: 1. Transakcijsko tveganje: Podjetja so podvržena tovrstnemu tveganju, če kupujejo ali prodajajo blago ali storitve v tuji valuti, pogodbeno vrednost pa določijo na podlagi deviznega tečaja v času sklenitve pogodbe poleg nakupa ali prodaje blaga v tuji valuti, se transakcijsko tveganje pojavi tudi zaradi izposojanja sredstev, katerih plačilo se mora opraviti v tuji valuti. V času od sklenitve pogodbe do dejanske poravnave obveznosti pride do sprememb deviznih tečajev zato pravimo, da so podjetja podvržena transakcijskemu tveganju. To tveganje je posledica kratkoročnih sprememb deviznih tečajev, zato ga imenujemo tudi kratkoročno tveganje spremembe deviznega tečaja. 2. Ekonomsko tveganje: Gre za nepričakovane, dolgoročne spremembe deviznih tečajev, ki so posledica sprememb relativnih ekonomskih pogojev med državami (Smithson et al.

1995, 7). Sprememba mora biti nepričakovana, ker lahko na ta način povzroči nenadne spremembe v prodani količini, prodajnih cenah in proizvodnih stroških. Ekonomska izpostavljenost se pojavi zaradi posrednih učinkov tečajnih sprememb na stroške in prihodke iz mednarodne menjave. Ekonomsko tveganje imenujemo tudi dolgoročno tveganje, saj traja neprestano in velja izključno za prihodnost. Njegovo obvladovanje je veliko težje kot obvladovanje transakcijskega tveganja, saj je pogosto ukoreninjeno v temeljnih ekonomskih silah. Ponavadi poskušajo podjetja uskladiti valutno strukturo svojih naložb in virov. Z merjenjem ekonomske izpostavljenosti želimo ugotoviti, kako gibanje deviznih tečajev spreminja vrednost denarnih tokov. 3. Prenosno tveganje: Pri tej vrsti valutnega tveganja gre za spremembe vrednosti podjetja v domači valuti zaradi sprememb vrednosti naložb in obveznosti v tuji valuti. Spremembe vrednosti naložb in obveznosti, ki se pojavijo zaradi sprememb deviznih tečajev, povzročijo spremembe vrednosti podjetja. Podjetje namreč lahko ima po pretvorbi sredstev, obveznosti do virov sredstev, prihodkov, stroškov v tujih valutah v domačo valuto dobiček ali izgubo, tudi če nima dohodka. Z merjenjem prenosnega tveganja želimo ugotoviti, kako spremembe deviznih tečajev vplivajo na izkaz poslovnega izida, gledano z računovodskega vidika, ki je lahko merjen na podlagi knjigovodskih ali tržnih vrednosti. Finančne institucije se torej izpostavljajo valutnemu tveganju s sklepanjem najrazličnejših poslov med katere štejemo predvsem: trgovanje s tujimi valutami, dajanjem posojil v tuji valuti, najemanjem depozitov v tuji valuti, izdajanjem vrednostnih papirjev v tuji valuti ipd. Glede na dejstvo, da je Slovenija s 1.1.2007 prevzela evro kot nacionalno valuto in s tem postala del velikega enotnega denarnega območja, se pomen valutnega tveganja za slovenske banke zmanjšuje. Večino odprte devizne pozicije bank je do uvedbe evra, predstavljala ravno odprtost v evrih. Slovenija je močno vpeta v evropski gospodarski prostor, večino blagovne menjave namreč predstavlja menjava s članicami Evropske unije in pa državami Jugovzhodne Evrope, kjer se kot plačilno sredstvo najpogosteje uporablja evro. Na podlagi lastnih izkušenj lahko trdimo, da odprta devizna pozicija bank v bližnji prihodnosti ne bo presegala 20% njihovega kapitala, kolikor pogosto znašajo limiti za odprto devizno pozicijo v bankah. 2.2.4. Operativno tveganje Glavni problem operativnih tveganj je v tem, da »posameznik dojema le tisto kar vidi«. Da bi operativna tveganja lahko merili oz. upravljali z njimi, moramo najprej ugotoviti »KDAJ?« oziroma »KJE?« operativna tveganja sploh nastanejo (Romeike 2005, 245). Definiramo jih lahko kot tveganje izgube, ki je posledica neprimernega ali neuspešnega izvajanja notranjih procesov, ravnanja ljudi ali delovanja sistemov oziroma zaradi zunanjih dejavnikov (Baselski odbor za bančni nadzor 2001, 94). Za boljše razumevanje si v nadaljevanju poglejmo glavne akterje, t.i. škodne dogodke operativnega tveganja, ki jih še podrobneje opisujemo v prilogi 2:

• Tveganja povezana z ljudmi vključenimi v proces: zaposleni hote ali nehote povzročajo izgube v bankah. Izgubo lahko povzročijo z napako ali pa s storjenim hudodelstvom. Nehotene napake lahko vodstvo z dobrimi notranjimi kontrolami in križnimi sistemi preverjanja dokaj hitro odkrije, težje je pri napakah zaposlenih, ki so

storjene namerno in jih že štejemo v skupino storjenih hudodelstev. Naslednja oblika operativnega tveganja povezanega z ljudmi vključenimi v proces je dostopnost delavca. Le-ta se odraža predvsem kot nedosegljivost delavca v ključnih trenutkih za banko, ali pa njegovem odhodu z delovnega mesta takrat, ko ga banka najbolj potrebuje. Kadrovska politika je prav tako še kako povezana z ljudmi vključenimi v proces. Banki namreč lahko povzroči ogromno izgubo, predvsem zaradi diskriminacije, raznega nadlegovanja delavcev ali drugih kršitev človekovih pravic.

• Tehnološka, procesna tveganja: v to kategorijo operativnega tveganja uvrščamo tehnologijo, ki povzroča, da je poslovanje banke prekinjeno zaradi napake v sistemu. Lahko gre za zunanje motnje ali motnje znotraj samega sistema. Za operativno tveganje je bolj pomembno kako motnje znotraj sistema vplivajo na tveganje banke.

• Eksterno tveganje: sem spadajo predvsem dejavniki, ki niso odvisni od obnašanja zaposlenih. Gre za goljufije tretjih oseb, kot so kraja, špekulacija ter učinke spremembe zakonodaje.

• Osnovna sredstva: v to kategorijo uvrščamo računalniško in pisarniško opremo, ki jo imajo posamezne banke in ki za banko predstavlja precejšnjo vrednost (npr. pride do naravne nesreče). Pri merjenju operativnega tveganja Baselski odbor za bančni nadzor priporoča tri različne koncepte merjenja operativnega tveganja in sicer:

• Pristop internega merjenja, • Standardiziran pristop in • Pristop temeljnega indikatorja

Pristop temeljnega indikatorja (Baselski odbor za bančni nadzor, 2001, 94) povezuje potrebno višino kapitala banke za pokrivanje operativnega tveganja s kazalcem, ki predstavlja njeno celotno izpostavljenost. Če se npr. kot kazalec uporabljajo prihodki banke, se določen odstotek prihodkov, ki mu pravimo »alfa faktor«, določi kot minimalni znesek kapitala za pokritje operativnih tveganj. Po ugotovitvah Baselskega odbora so banke v povprečju obračunavale 20% minimalnega potrebnega kapitala za pokritje operativnih tveganj. Pristop internega merjenja (Baselski odbor za bančni nadzor 2001, 95-96) je najzahtevnejši, vendar bankam na dolgi rok prinaša največje koristi. Bankam namreč omogoča, da s pomočjo internih modelov izračunajo verjetnost nastanka izgube v posameznih delih poslovanja in da same določijo tvegane vrednosti za vsak segment poslovanja za katerega se potem določi fiksen odstotek, t.i. gama faktor. Po standardiziranem pristopu se poslovanje banke razdeli na posamezna poslovna področja, npr.: prebivalstvo, podjetja, države, banke ipd. Za vsako poslovno področje se potem določi fiksen odstotek, t.i. beta faktor. S tem faktorjem se namreč določi potreben znesek kapitala za pokritje operativnih tveganj na izbranem poslovnem področju (Baselski odbor za bančni nadzor 2001, 95). 2.2.5. Tveganje spremembe tržne vrednosti V širšem smislu ga imenujemo tudi tržno tveganje. Tržno tveganje lahko opredelimo kot negotovost, ki se zaradi neugodne spremembe dejavnikov tveganja lahko izrazi v padcu

vrednosti finančnega instrumenta. Faktorji tveganja so tisti, ki tveganja povzročijo in banka nanje ne more vplivati. Med glavne dejavnike tveganja lahko uvrščamo spremembe cen in likvidnosti lastniških in dolžniških finančnih instrumentov, blaga, valut in gibanje obrestnih mer. Kategorije tržnega tveganja lahko razdelimo na (Černilec 2005, 10): • Pozicijsko tveganje oz. tveganje spremembe cen lastniških finančnih instrumentov: nanaša se na postavke trgovanja z lastniškimi finančnimi instrumenti in derivativi izpeljanimi iz njih, • Tveganje spremembe cen blaga: nanaša se na blago, s katerim se trguje na borzi, na terminske blagovne posle in izvedene finančne instrumente, ki se glasijo na blago. Cene blaga so običajno zelo nestanovitne, njihov trg je pogosto manj likviden in tako podvržen večjim nenadnim spremembam ( npr. vpliv vremena na cene pšenice). Tovrstno tveganje vključuje tudi tveganje osnove, saj v praksi redko primerjamo identične vrste blaga. Pomembno je tudi tveganje dobave. • Obrestno tveganje. • Valutno tveganje. Sklep o izračunu kapitalske zahteve za tržna tveganja za banke in hranilnice (Uradni list RS št. 135/06) med tržna tveganja vključuje: • Pozicijsko tveganje (posebno in splošno tveganje spremembe cen finančnih instrumentov), ki ga nadalje deli na pozicijsko tveganje v zvezi z dolžniškimi finančnimi instrumenti in pozicijsko tveganje v zvezi z lastniškimi finančnimi instrumenti, • Tveganje poravnave in kreditno tveganje nasprotne stranke, • Valutno tveganje, • Tveganje spremembe cen blaga in • Tveganje preseganja največjih dopustnih izpostavljenosti na podlagi trgovanja. Mnogi avtorji (Žiković 2005, 51), povzeto po Marisson (2002), Hull, White (1998) pod tržnimi tveganji razumejo le tveganje spremembe tržne vrednosti lastniških finančnih instrumentov in tveganje spremembe cen blaga, obrestno in valutno tveganje pa zaradi njihove pomembnosti obravnavajo posebej. Enako delitev smo upoštevali tudi mi v tem magistrskem delu. 2.2.6. Nekatere druge vrste tveganj v finančnih institucijah Banke so pri svojem poslovanju seveda izpostavljene še celi vrsti drugih tveganj. Na tem mestu pa naj omenimo le še skupino poslovnih tveganj in tveganj dogodkov. Med poslovna tveganja, ki so povezana s poslovnim okoljem banke, štejemo predvsem ( Bessis 2002, 14): deželno tveganje, pravno tveganje in tveganje ugleda. Tveganja dogodkov pa vsebujejo vse vrste zunanjih tveganj, ki lahko močno ogrozijo poslovanje banke oziroma lahko negativno vplivajo na njeno kapitalsko ustreznost. 2.3. POVEZANOST POSAMEZNIH VRST TVEGANJ IN POMEN UPRAVLJANJA Z NJIMI

V uvodnem delu magistrske naloge smo trdili, da se pomen upravljanja s tveganji v bankah povečuje in da bodo banke pogosteje posegale po kompleksnejših finančnih instrumentih. Sedaj bomo poskušali to trditev dokazati. Na finančnih trgih širom po svetu je prišlo do nastanka specifičnih dogodkov9, ki so močno povečali volatilnost teh trgov. Izgube premoženja, ki so jo povzročili so močno povečale interes za upravljanje s tveganji, vse v želji, da do podobnih kriz nikoli več ne bi prišlo oziroma, da bi se njihove negativne posledice ublažile v čim večji možni meri. Skupna značilnost vseh teh dogodkov je bila njihova nepričakovanost in nepripravljenost tržnih udeležencev nanje. Čeprav smo bili leta 2005 priča zgodovinsko nizki ravni obrestnih mer in smo v Sloveniji s 1.1.2007 prevzeli euro kot nacionalno valuto, pomen tveganj zaradi tega ni nič manjši. V nadaljevanju prikazujemo gibanje izbranih obrestnih mer in deviznih tečajev v relativno daljšem časovnem obdobju, vse z namenom, da opozorimo in s tem dokažemo realtivno veliko volatilnost faktorjev tveganja in pomembnost samega upravljanja s tveganji. Na sliki 1 lahko vidimo gibanje USD proti izbranim valutam. V proučevanem obdobju je USD v glavnem izgubil precejšen delež svoje vrednosti proti EUR, CHF in JPY. Tako je USD/EUR iz 0,8093 USD/EUR depreciral na vsega 0,7584 USD/EUR. Nihanja znotraj obdobja pa so bila bistveno večja in sicer iz maksimalno 1,4057 USD/EUR na komaj 0,6631 USD/EUR, razmerje med maksimalno in srednjo vrednostjo je tako znašalo 60,4%, razmerje med minimalno in srednjo vrednostjo pa 32,2%. Podobno lahko ugotovimo tudi iz gibanja USD proti ostalim izbranim valutam, kar natančneje prikazujemo v prilogi 3. USD je apreciral le proti GBP. Ugotovitev, ki je povsem na dlani je, da je USD precej depreciiral oz. apreciiral proti izbranim valutam, kar je vplivalo na gospodarsko situacijo v številnih državah, podjetja ki se niso zaščitila pred valutnim tveganjem pa so neredko propadla. Slika 2 prikazuje gibanje vrednosti 6 mesečnega LIBOR-ja na CHF, GBP, EUR in USD. Časovna vrsta je relativno kratka, vendar pa povsem dovolj dolga, da lahko prikažemo veliko nihanje obrestnih mer. Vidimo lahko, da so bile obrestne mere v proučevanem obdobju najvišje konec osemdesetih let, kar je »zdravilo« za krotenje relativno visoke inflacije, predvsem v ZDA. Da bi znižal inflacijo je FED že na začetku osemdesetih let pričel z zviševanjem izhodiščne obrestne mere kar je imelo za posledico tudi dražje zadolževanje bank, predvsem pa, kot je razvidno iz slike 2, so bile obrestne mere precej 9 Med te dogodke lahko štejemo predvsem (povzeto po Žiković, 2005, 57): 1. razpad Bretton-Woods-kega sistema fiksnih deviznih tečajev, 2. naftni šoki, ki so se začeli leta 1973 in lahko rečemo, da trajajo vse do danes, čeprav njihov vpliv na gospodarstvo ni več takšen kot nekoč, 3. 19.10.1987 ameriški borzni indeks v enem dnevu izgubi preko 20% vrednosti, 4. leta 1992 propade prvi poizkus oblikovanja Evropske monetarne unije, zaradi nezmožnosti vzdrževanja fiksnih menjalnih razmerij med valutami držav članic, predvsem italijanske lire in britanskega funta, 5. leta 1994 je FED po daljšem obdobju relativno nizkih obrestnih mer, le-te šest krat zapored dvignil in s tem povzročil izgubo kapitala v višini preko 1,5 mlrd USD, 6. leta 1989 je počil japonski finančni mehurček. Posledično je Nikkei v treh leti padel iz 39.000 na 17.000 točk. Posledica je bila finančna kriza na Japonskem od katere le s težavo okreva. Japonska izhodiščna obrestna mera je danes (januar 2007) le neznatno večja od 0% ( 0,25%), 7. valutna kriza v Indoneziji, Južni Koreji, Maleziji in na Tajskem je izbrisala tri četrtine tržne kapitalizacije delnic, 8. leta 1998 Rusija ni bila sposobna poravnati obveznosti iz naslova državnih obveznic, posledično so propadli relativno veliki investicijski skladi širom po svetu, 9. leta 2001 po napadih na WTC v ZDA je prišlo do poka mehurčka podjetij t.i. nove ekonomije oziroma ».com« podjetij, posledica je bila izguba kapitala v višini preko 200 mlrd EUR (Romeike, 2005, 17).

bolj volatilne. 6 mesečni LIBOR na USD se je iz 6% zvišal na skoraj 11%. Slika 1 pa kaže na sočasen padec vrednosti USD proti glavnim svetovnim valutam. Takšno gibanje obrestnih mer je bilo posebej pogubno za banke, ki so plasirale dolgoročne kredite, same pa so se financirale s kratkoročnimi viri. Slika 2: Gibanje vrednosti USD proti JPY, EUR, CHF in GBP v obdobju od 1975 do 2006

Gibanje tečaja USD proti izbranim valutam

0

0.5

1

1.5

2

2.5

3

3.5

1975

1977

1979

1981

1983

1985

1987

1989

1991

1993

1995

1997

1999

2001

2003

2005

USD/EURUSD/GBPUSD/100JPYUSD/CHF

Vir: Bank of England. 2007. Statistical Interactive Database. Interest& Exchange Rates Data. [ online], 3.1.2007. Nedvomno smo s prikazom gibanja deviznih tečajev in obrestnih mer pokazali na njihovo veliko volatilnost. Podobno bi ugotovili tudi z analizo gibanja cene nafte ali pa borznih indeksov. Kot posledica velike volatilnosti na finančnih trgih je prišlo do propada številnih bank. Kljub temu, da je propad vsake posamezne banke nekaj posebnega, vzroki zanje pa zelo različni, primerjava bančnih kriz v zadnjih tridesetih letih kaže, da je med njimi mogoče potegniti nekatere vzporednice. Bančne krize na Norveškem, Švedskem in ZDA so nastale kot posledica liberalizacije finančnega sektorja. Ker so banke investirale v nepremičnine in vrednostne papirje, ki so temeljili na hipotekah, so se tržna in kreditna tveganja pojavljala pri skoraj vsaki bančni krizi. Zaradi deregulacije finančnega sektorja so banke bistveno povečale obseg kreditiranja, predvsem so financirale nakup nepremičnin in kupovale vrednostne papirje izdane na njihovi osnovi, posledično so vrednosti nepremičnin rasle v nedogled. V trenutku nastanka gospodarske recesije pride do precejšnjega padca cen nepremičnin, zaradi pretirane izpostavljenosti pa propadejo mnoge banke (povzeto po Žiković 2005, 59) Z opisanim nedvomno dokazujemo, da se pomen upravljanja s tveganj v bankah povečuje. Banke ne morejo planirati svojega poslovanja ne da bi razumele poslovno okolje v katerem poslujejo in tveganja, ki se pri tem pojavljajo. Če na tem mestu izpostavimo slovenske banke lahko ugotovimo, da je prevzem evra pomen nekaterih tveganj zmanjšal, predvsem valutnega tveganja, se pa pomen likvidnostnega in obrestnega tveganja precej povečuje.

Potrebno je priznati, da so banke v Sloveniji precej časa zanemarjale pomen omenjenih tveganj, Banka Slovenije je namreč šele s 1.10.2006 popolnoma odpravila t.i. devizni minimum, po katerem so bile banke dolžne v svojem portfelju držati točno določene naložbe, med katerimi so bili, resda zaradi zanimive donosnosti tudi, in predvsem blagajniški zapisi Banke Slovenije. Opisano se s prevzemom evra in ukinitvijo blagajniških zapisov korenito spreminja, banke pa bodo morale presežno likvidnost iz tega naslova plasirati na odprtem trgu. Kar pa kot že rečeno povečuje nekatera tveganja, predvsem obrestno, ki bo še predmet podrobne analize v tej nalogi. Slika 3: Vrednosti 6 mesečnega LIBOR-ja izbranih valut v obdobju od januarja 1987 do januarja 2007

6M LIBOR v izbranih valutah

0.00%

2.00%

4.00%

6.00%

8.00%

10.00%

12.00%

14.00%

16.00%

18.00%

Jan-

87

Jan-

88

Jan-

89

Jan-

90

Jan-

91

Jan-

92

Jan-

93

Jan-

94

Jan-

95

Jan-

96

Jan-

97

Jan-

98

Jan-

99

Jan-

00

Jan-

01

Jan-

02

Jan-

03

Jan-

04

Jan-

05

Jan-

06

6M LIBOR GBP6M LIBOR USD6M LIBOR CHF6M LIBOR EUR

Vir: ECONSTATSTM 2007. 2.4. PROCES OPERATIVNEGA IN STATEŠKEGA UPRAVLJANJA S TVEGANJI

Proces strateškega upravljanja s tveganji predstavlja temelj in integrativno vez celotnega upravljanja s tveganj. Bistvo strateškega upravljanja s tveganji je opredelitev ciljev upravljanja, ki se kažejo v obliki politike upravljanja, in temeljev za oblikovanje organizacijske enote zadolžene za upravljanje s tveganji. Cilji upravljanja izhajajo iz razmerja priložnosti-nevarnosti, ki jim je finančna institucija izpostavljena. Kot primarne cilje lahko opredelimo (Romeike 2005, 26): • Zagotoviti uspeh podjetja v prihodnosti, • Zagotoviti uresničitev ciljev podjetja, • Povečanje vrednosti podjetja, • Optimiranje stroškov tveganj in • Uresničiti socialne cilje podjetja iz naslova njegove družbene odgovornosti. Obstoj podjetja je v primeru neuresničevanja enega ali več omenjenih ciljev ogrožen. Umestitev učinkovitega sistema upravljanja s tveganj v podjetje ni mogoče doseči brez

ustrezne podpore samega vodstva podjetja, ki predstavlja tudi najvišji nivo pri postavitvi ciljev upravljanja s tveganji. Politika upravljanja s tveganji mora biti vključena v strategijo podjetja v kateri je opredeljena tudi njegova dolgoročna usmeritev. Pri tem se zastavlja vprašanje, katero vrednost podjetja maksimizirati? Vrednost podjetja je zelo širok pojem in ne odraža zgolj povečanja njegove finančne vrednosti in know how-a, ampak predvsem povečanje njegovega premoženja odnosov (t.i. Beziehungsvermögen) in ugleda v javnosti (t.i. Atraktionsvermögen). Gre torej za odgovore na vprašanja, kako zaposleni vzpostavljajo odnose z okoljem in kaj je tisto, kar dela podjetje privlačno za kupce, zaposlene, delničarje in druge interesne skupine. Tržna vrednost, ugled, nastop podjetja in kultura podjetja imajo namreč pri vrednotenju podjetja zelo pomembno vlogo. Upravljanje s tveganji je potemtakem naloga vsakega zaposlenega na vseh hierarhičnih nivojih in mora biti vključeno v filozofiji podjetja ter se odražati v stilu vodenja. Organizacijo in sam proces upravljanja s tveganji je potrebno natančno opredeliti v dokumentih, t.i. politikah in katere bistveni sestavni deli so (Romeike 2005, 25): 1. vizija in cilji upravljanja s tveganji, 2. opredelitev odnosa do tveganj v podjetju in sposobnosti izpostavljanja tveganjem, 3. identifikacija in analiza tveganj ter ustrezen prenos informacij, 4. opredelitev pojmov, 5. struktura tveganj kakor tudi faktorji in kategorije tveganj, 6. organizacijska struktura, ki mora biti oblikovana tako, da je služba za tveganja ločena od poslovne funkcije, 7. natančna opredelitev odgovornosti in pooblastil zaposlenih v službi za tveganja, 8. opredelitev uporabljenih metod in instrumentov za merjenje tveganj, 9. opredelitev ustreznih sistemov kontrole in nalog notranje revizije in 10. področje veljavnosti in rok veljavnosti politike za vsako vrsto tveganja, ki se v podjetju spremlja ali na novo identificira. Proces operativnega upravljanja s tveganji vključuje sistematično in tekočo analizo posameznih poslovnih dogodkov in je prikazan na sliki 3. Cilj identifikacije tveganj je pravočasno prepoznati poslovne dogodke, ki lahko ogrozijo nadaljnji obstoj podjetja; to pomeni čimbolj popoln zajem virov tveganj, škodnih dogodkov in potencialnih motenj. Za učinkovit proces upravljanja s tveganji je ključno, da ga obravnavamo kot kontinuiran proces, v smislu krožnega toka, in je vključen v ostale procese podjetja. Pri tem zagotavljanje informacij predstavlja najtežjo fazo upravljanja s tveganji. Pri samem zbiranju informacij je nujen sistematičen in procesno orientiran pristop. Tveganja tako lahko identificiramo iz različnih vidikov; z vidika posamezne vrste tveganja, z vidika procesov, vidika poslovnega področja ali pa iz vidika aplikacij (Matz, 2006, 38). Tako identificirana tveganja je potrebno natančno analizirati in ovrednotiti. Namen vrednotenja tveganj je ustrezna razvrstitev le- teh v odvisnosti od potencialne nevarnosti, ki jo predstavljajo za podjetje. Da bi lahko primerjali in seštevali posamezne vrste tveganj potrebujemo enotno merilo vrednosti. Za merjenje tržnih tveganj v finančnih institucijah je v zadnjem času10 najbolj uveljavljena metoda tvegane vrednosti, t.i. metoda VAR. VAR predstavlja maksimalno pričakovano izgubo tržne vrednosti naložb banke, ki jo lahko utrpi v določenem 10 Od leta 1994 je kot metodologija merjenja tržnih tveganj v svetu najbolj uveljavljena metodologija, ki jo je predstavil JP Morgan, znana pod imenom RiskMetricsTM.

prihodnjem časovnem obdobju, ob izbranem intervalu zaupanja in predpostavki normalnih tržnih gibanj (Lozej 2005, 41). Metoda tvegane vrednosti je integriran način merjenja različnih vrst tveganj in omogoča hkratno upoštevanje raznovrstnih faktorjev tveganja. Njena bistvena prednost je, da v eni številki prikazuje izpostavljenost tveganjem na ravni celotne finančne institucije (Priermeier 2005, 93). Ključno vlogo v celotnem procesu upravljanja s tveganji imata upravljanje in kontrola tveganj. Bistvo te faze je vzpostaviti uravnoteženo razmerje med izkupičkom (priložnostmi) in nevarnostjo izgube (tveganji). Upravljanje in kontrola tveganj zajemata vse mehanizme in mere s katerimi lahko finančna institucija vpliva na tvegano situacijo, bodisi skozi zmanjšanje verjetnosti nastanka tveganega dogodka, bodisi skozi minimiziranje negativnih posledic škodnih dogodkov. Pri tem morata biti upravljanje in kontrola tveganj usklajena s cilji opredeljenimi v strategiji finančne institucije. V skladu z opisanimi teoretičnimi izhodišči bomo v aplikativnem delu naloge prikazali proces upravljanja z obrestnim tveganjem v Banki X.

Slika 4: Proces upravljanja s tveganji

Vir: Romeike. 2005. Modernes Risikomanagement, str. 26.

SISTEMATIČNA IDENTIFIKACIJA

TVEGANJ

MERJENJE, VREDNOTENJE IN

AGREGIRANJE TVEGANJ

UPRAVLJANJE S TVEGANJI IN KONTROLA

Poročanje, zmanjševanje, kompenzacija, prevaljevanje, prevzemanje tveganj in analiza učinkovitosti

STRATEŠKO UPRAVLJANJE S TVEGANJI: • Politika tveganj • Organizacijska določila

3. OPREDELITEV OBRESTNEGA TVEGANJA V 2. poglavju kjer smo opredelili tveganje in navedli vrste tveganj s katerimi se soočajo finančne institucije smo namenoma izpustili obrestno tveganje. Menimo namreč, da med tržnimi tveganji, obrestno tveganje v danih okoliščinah predstavlja najpomembnejše tveganje za slovenske banke in mu je zato potrebno nameniti posebno pozornost. V tem poglavju bomo na primeru dokazali hipotezo, ki smo jo navedli v uvodnem poglavju magistrske naloge, kjer smo trdili, da je obrestno tveganje najpomembnejše tveganje s katerim se soočajo finančne institucije na trgih dolžniških vrednostnih papirjev, valutno tveganje pa postaja za slovenske banke s prevzemom eura obrobnega pomena. Osnovna naloga bank je še vedno zbiranje finančnih sredstev po nekih obrestnih merah in posojanje oziroma investiranje teh istih finančnih sredstev po višjih obrestnih merah. Sprememba obrestnih mer za banko predstavlja tveganje predvsem v dveh primerih:

• V primeru nepredvidenega naraščanja pasivnih obrestnih mer (ob nespremenjenih ali celo padajočih aktivnih obrestnih merah) in

• V primeru nepredvidenega padanja aktivnih obrestnih mer (ob nespremenjenih ali celo naraščajočih pasivnih obrestnih merah).

Obrestna marža banke je pod nenehnim vplivom tržnih obrestnih mer. Glede na to, da je časovna transformacija finančnih sredstev osnovna značilnost bančnega poslovanja je banka stalno izpostavljena obrestnemu tveganju. Obrestno tveganje lahko opredelimo kot tveganje izgube11 pri obrestno občutljivih bilančnih in izvenbilančnih pozicijah, ki izhaja iz naslova sprememb ravni tržnih obrestnih mer (Kovačič 2006, 2). Obrestno tveganje tako označuje okoliščine, ko banka utrpi kapitalsko izgubo ali znižanje neto obrestnih prihodkov zaradi sprememb obrestnih mer (Škrinjar, 2003, 55). Sprememba tržnih obrestnih mer lahko torej vpliva na dve kategoriji:

1. višino neto obrestnih prihodkov in 2. višino neobrestnih prihodkov oziroma tržno vrednost posameznega finančnega

instrumenta. Vpliv spremembe tržnih obrestnih mer na višino neto obrestnih prihodkov bomo prikazali na preprostem primeru, ko banka odobri kredit v višini 1,0 mio EUR za obdobje dveh let po obrestni meri 10% p.a. Predpostavimo, da je banka sredstva, na podlagi katerih je odobrila kredit, pridobila z množico depozitov komitentov, ki so sredstva pri banki vezali prav tako po fiksni obrestni meri 8% p.a., vendar le za obdobje enega leta. Banka tako v prvem letu ustvari zaslužek v višini 20.000,00 EUR. Zastavlja pa se vprašanje, kaj se zgodi v drugem letu, saj so komitenti sredstva vezali le za obdobje enega leta. Banka je torej dveletni kredit financirala z viri, ki so ji na voljo le za obdobje enega leta. Razmere v drugem letu se lahko na trgu povsem spremenijo; deponenti lahko v drugem letu za svoja sredstva zahtevajo bodisi višjo ali pa nižjo zahtevano stopnjo donosa (manj verjetno). Če bodo deponenti v drugem letu za svoja sredstva zahtevali npr. 7% p.a., bo banka v tem drugem letu zaslužila

11 Torej zmanjšanje obrestnih prihodkov, povečanje obrestnih odhodkov, zmanjšanje vrednosti finančnih naložb, oportunitetna izguba ipd.

30.000,00 EUR, če ostane cena za vire nespremenjena, torej 8% p.a., bo banka prav tako kot v prvem tudi v drugem letu zaslužila 20.000,00 EUR. V primeru, da cena za vire v drugem letu naraste na 15%, pa bi banka z odobritvijo dveletnega kredita, v drugem letu izgubila 50.000,00 EUR, s celotnim plasmajem pa 40.000,00 EUR. Banka je tako soočena s tveganjem refinanciranja. Na tem mestu naj opozorimo, da v tem preprostem primeru nismo upoštevali časovne vrednosti denarja. Prav tako bomo na primeru pojasnili vpliv spremembe obrestne mere na tržno vrednost finančnega instrumenta. Banka kupi navadno kuponsko obveznico z nominalno vrednostjo 10.000,00 EUR, kuponsko obrestno mero 10% in rokom dospelosti 3 leta. Zastavlja se vprašanje, kakšna je tržna vrednost obveznice danes ob različnih zahtevanih stopnjah donosa do dospetja. Tržno vrednost obveznice v času t0 izračunamo po formuli12:

(1) 3

3

1 )1()1( YNW

YKW

tt ++

+= ∑

=

Tržna vrednost obveznice danes je tako v primeru 5% zahtevane stopnje donosa do dospetja 11.361,6 EUR, v primeru 10% zahtevane stopnje donosa 10.000,00 EUR, v primeru 15% zahtevane stopnje donosa do dospetja pa 8.858,4 EUR. Višja kot je zahtevana stopnja donosa nižja je cena obveznice. Zaključimo lahko, da sprememba obrestne mere, ki jo v tem primeru predstavlja zahtevana stopnja donosa do dospetja, močno vpliva na vrednost finančnega instrumenta, ki ga banka poseduje in izpostavlja banko obrestnemu tveganju. 3.1. PRIMARNE KOMPONENTE OBRESTNEGA TVEGANJA Primarne komponente obrestnega tveganja imenujemo tudi viri obrestnega tveganja. Kot finančni posredniki se banke srečujejo z obrestnim tveganjem na različne načine. Baselski odbor za bančni nadzor predvideva štiri vire obrestnega tveganja (Baselski odbor za bančni nadzor 2003, 6):

1. Tveganje ponovne določitve obrestne mere: Ta vrsta obrestnega tveganja izvira iz časovne razlike med dospelostjo bančnih terjatev in obveznosti, v primeru fiksnih obrestnih mer, ter njihove ponovne določitve, v primeru variabilnih obrestnih mer, ter je osnovna in najpogosteje obravnavana komponenta obrestnega tveganja. Spremembe obrestnih mer, ki so posledica nepredvidenih nihanj, ogrožajo dohodek banke in seveda njeno ekonomsko vrednost. Tako banka, ki dolgoročno posojilo po fiksni obrestni meri financira s kratkoročnimi viri, utrpi zmanjšanje prihodkov v prihodnosti, ki izhaja iz take pozicije, utrpi pa tudi zmanjšanje ekonomske vrednosti, če se obrestne mere za vire zvišujejo.

2. Tveganje spremembe osnove: Predstavlja vir obrestnega tveganja, ki nastane zaradi nepopolne korelacije med izravnavanjem aktivnih in pasivnih obrestnih mer za različne instrumente, ki imajo sicer podobne značilnosti ponovne določitve obrestne mere. V bistvu gre za tveganje neenakega

12 Kjer W predstavlja tržno vrednost obveznice v času t, K kupon, ki ga prinaša obveznica, predpostavljamo, da je izplačilo kupona enkrat letno, Y je zahtevana stopnja donosa, NW pa predstavlja nominalno vrednost obveznice.

gibanja različnih osnov ali kratkoročnih indeksov, na podlagi katerih se obrestujejo naložbe in obveznosti bank. Navedeno lahko širše opredelimo kot neenako spreminjanje različnih obrestnih mer, ki se oblikujejo na posameznih segmentih finančnega trga. Zaradi tveganja osnove, izpostavljenosti obrestnemu tveganju, ne moremo izmeriti le na podlagi enostavne razdelitve obrestovanih postavk na tiste s fiksno in tiste s spremenljivo obrestno mero, ampak je treba upoštevati tudi različne scenarije pri spreminjanju posameznih obrestnih mer (Škrinjar, 2003, 56).

3. Tveganje možnosti izbire, t.i. opcijska izbira: Vir obrestnega tveganja predstavljajo tudi instrumenti, ki vsebujejo t.i. implicitno opcijo. Opcija po svoji definiciji daje imetniku pravico, ki ni hkrati tudi obveza, da kupi, proda ali na kakšen drug način spremeni denarni tok iz naslova finančnega instrumenta ali pogodbe. Primer takšne implicitne opcije je kredit, ki ga banka odobri stranki, le-ta pa ima možnost predčasnega poplačila kredita. Nadalje so primer takšne implicitne opcije tudi varčevalni produkti brez natančno določenega roka zapadlosti, kjer ima stranka možnost, da brez plačila kakršnegakoli nadomestila, sredstva predčasno dvigne. Ne glede na to, ali je taka opcija prodana ali je v dogovoru s stranko vsebovana, obstaja velika verjetnost, da bo v primeru spremembe obrestne mere na trgu, imetnik takšno opcijo izkoristil. Negativne posledice za banko so v primeru, da stranka izkoristi opcijo lahko veliko večje, kot znaša nadomestilo, ki ga je imetnik opcije plačal banki.

4. Tveganje neparalelnega premika krivulje donosnosti: Tveganju neparalelnega premika krivulje donosnosti je banka izpostavljena v primeru, da krivulja donosnosti spremeni naklon in/ali obliko, negativni učinek pa se odrazi na rezultatu banke. Sprememba naklona krivulje donosnosti pomeni, da je sprememba obrestne mere različna na različnih koncih krivulje oziroma se sprememba pojavlja le na določenem delu krivulje. Posledično je vpliv na obrestne prihodke in odhodke asimetričen, če se naložbe financirajo z viri različne ročnosti. Zaradi sprememb v naklonu krivulje donosnosti je pomembna tudi ročna struktura bilance banke in ne samo usklajenost aktive in pasive v prilagajanju spremembam obrestnih mer. Iz tega sledi, da v izogib oziroma ustrezno obvladovanje obrestnega tveganja ni dovolj, da sta aktiva in pasiva bilance banke usklajeni v razmerju med fiksnimi in spremenljivimi obrestnimi merami, ampak je za nevtralizacijo vpliva spremembe naklona krivulje donosnosti na poslovni rezultat banke pomembno tudi, da sta aktiva in pasiva bilance banke izravnani po ročnosti (povzeto po Škrinjar 2003, 57). 3.2. OBRESTNO TVEGANJE KOT NAJPOMEMBNEJŠE TRŽNO TVEGANJE V magistrski nalogi smo že večkrat poudarili, da je pomen posameznih vrst tržnih tveganj različen. Danes (op.p. april 2007) že lahko rečemo, da je Slovenija s 1.1.2007 uspešno prevzela evro. V uvodnem delu magistrske naloge smo postavili trditev, da je obrestno tveganje najpomembnejše tveganje s katerim se soočajo finančne institucije na trgih dolžniških vrednostnih papirjev, valutno tveganje pa postaja za slovenske banke s prevzemom evra obrobnega pomena. To hipotezo bomo na praktičnem primeru tudi dokazali. Še pred tem bomo predstavili pomen držanja pozicije (dolžniških) vrednostnih papirjev v bančni knjigi. Namen pozicije vrednostnih papirjev v bančni knjigi lahko opredelimo z likvidnostnega in obrestnega vidika: 1. zagotavljanje sekundarne likvidnosti in izpolnjevanje kriterijev likvidnostne lestvice,

2. stabiliziranje obrestnih prihodkov in upravljanje obrestne marže banke. Banka mora za nemoteno izpolnjevanje monetarne regulative s področja likvidnosti vzdrževati določen obseg portfelja vrednostnih papirjev primerne bonitete. Količnik likvidnosti banke v 1. razredu mora biti namreč najmanj enak 1, banka pa lahko ne glede na preostalo dospelost13 med sredstva vključuje dolžniške in lastniške vrednostne papirje katerih bonitetna ocena izdajatelja znaša najmanj BBB (Fitch, S&P), nadalje so uvrščeni na listo primernega finančnega premoženja za zavarovanje terjatev Evrosistema in naložbe v dolžniške vrednostne papirje Banke Slovenija. To pomeni, da je banka dolžna dosegati kritičen obseg primernih vrednostnih papirjev zaradi same regulative, upravljanje obrestnega tveganja pa je temu podrejeno. V preteklosti so banke kriterije likvidnostne lestvice dosegale tudi in predvsem z obsežnim nalaganjem prostih sredstev v blagajniške zapise Banke Slovenija. Ker pa Banka Slovenije le-te z uvedbo eura ukinja, morajo banke poiskati primerne alternativne oblike naložb. Na sliki 4 prikazujemo obseg naložb slovenskih bank v tolarske blagajniške zapise Banke Slovenija. Iz slike 4 lahko vidimo, da so banke v obdobju od 1.1.2005 do 31.12.2006 imele najvišje stanje vpisanih blagajniških zapisov konec meseca maja 2006 in sicer v višini 649,1 mlrd SIT, ob prevzemu eura pa še vedno za 402,4 mlrd SIT. S prevzemom eura je Banka Slovenije ukinila blagajniške zapise, zadnji vpisani zapisi dospevajo konec aprila 200714, to pomeni, da so banke bile prisiljene v relativno kratkem času prestrukturirati sredstva vsaj v višini 1,68 mlrd EUR (upoštevali smo le blagajniške zapise v SIT, zanemarljiv pa ni niti znesek BZ BS v EUR, ki so zapadli do konca meseca januarja 2007). S tem pa pomen upravljanja z obrestnim tveganjem dobiva povsem nove razsežnosti. Na tem mestu osvetlimo še vlogo in pomen, ki so ga imeli blagajniški zapisi Banke Slovenija (v nadaljevanju BZ BS). Banka Slovenije je izdajala BZ BS v domačem in tujem denarju. Njihov namen je bila predvsem sterilizacija presežne likvidnosti. Ker je banka Slovenije v preteklosti skozi regulativo15določala tudi minimalni znesek BZ BS, ki so ga poslovne banke morale imeti v svojih portfeljih, so banke zanemarjale pomen obrestnega tveganja. Rečemo lahko, da so se banke bolj ukvarjale z izpolnjevanjem regulative kot pa upravljanjem z obrestnim tveganjem, katerega pomen se z odpravo omejitev bistveno povečuje. Banke bodo namreč prisiljene poiskati ustrezno alternativo tem naložbam. Zaradi vse ostrejše konkurence in s tem vse večjega pritiska na obrestno maržo bank je bilo mogoče zaznati tudi želje bank, da bi omenjena sredstva preusmerili v kredite, predvsem strankam banke, ki niso banke, a je tovrstno početje z vidika ustreznega obvladovanja tveganj nedopustno. Ker je varnost ena ključnih načel bančnega poslovanja, je regulator od bank zahteval natančno izdelane strategije prestrukturiranja BZ BS v alternativne naložbe. Banke so morale med drugim natančno pojasniti namen pozicije vrednostnih papirjev v bančni knjigi, način njihovega upravljanja, sestavo virov financiranja, 13 Sklep o minimalnih zahtevah za zagotavljanje ustrezne likvidnostne pozicije bank in hranilnic (Uradni list RS, št. 111/06, 129/06, 131/06) sicer uvršča sredstva in obveznosti v likvidnostno lestvico po načelu preostale dospelosti. 14 Zadnja ponudba za vpis BZ BS je bila objavljena dne 27.12.2006 15 Bralec naj pogleda predvsem Sklep o najmanjšem obsegu likvidnosti, ki jo morajo zagotavljati banke z vsemi dopolnili. ( Uradni list RS, št. 82/01, 108/01, 28/02, 5/03, 15/03, 65/03, 42/04, 62/04, 84/04, 101/04, 6/05, 15/05, 36/05, 58/05, 68/05, 69/05, 104/05, 30/06, 39/06, 53/06, 74/06, 75/06). Banke so bile namreč dolžne v drugem razredu deviznega dela likvidnostne lestvice dnevno zagotavljati natančno opredeljeno vsoto terjatev, poleg tega pa so blagajniški zapisi morali predstavljati prav tako najmanj določen odstotek bilančnih obveznosti v drugem razredu deviznega dela likvidnostne lestvice.

spremljanje načina vrednotenja kakor tudi potencialne vplive na porabo kapitala banke. Morebitne večje napake se namreč lahko kaj hitro odrazijo na kapitalu banke in s tem ogrozijo ne le posamezno banko, ampak tudi stabilnost celotnega bančnega sistema. Slika 5: Stanje vpisanih tolarskih blagajniških zapisov Banke Slovenija v obdobju od 1.1.2005 do 31.12.2006

Blagajniški zapisi BS v SIT

0

100

200

300

400

500

600

700

Jan-05

Mar-0

5

May

-05

Jul-0

5

Sep-05

Nov-0

5

Jan-06

Mar-0

6

May

-06

Jul-0

6

Sep-06

Nov-0

6

v mlrd SIT

Vir: Banka Slovenije: Likvidnost bančnega sistema: Dnevna informacija o rezervah bank, dnevno poročilo bankam. 2006. V uvodu omenjeno hipotezo bomo dokazali s pomočjo primera Banke X. Za potrebe dokazovanja bomo hipotezo razdelili na dva dela. Najprej bomo dokazali zmanjševanje pomena valutnega tveganja, nakar bomo dokazali vse večji pomen obrestnega tveganja za Banko X in dokazano posplošili za vse slovenske banke. Odprto devizno pozicijo banke v posamezni valuti lahko opredelimo kot razliko med vsemi aktivnimi in pasivnimi bilančnimi in zunajbilančnimi postavki v tej valuti. Odprta devizna pozicija banke je preprosto seštevek odprtih pozicij v posamezni valuti. Odprto devizno pozicijo Banke X v obdobju od 31.12.2002 do 31.12.2006 prikazujemo na sliki 6. Vidimo lahko, da odprta pozicija v vseh valutah razen EUR nikoli ne presega 25% celotne odprte pozicije, predvsem v obdobju po 30.6.2006, pa ne presega niti 10% celotne odprte pozicije. Kot zgornja meja izpostavljenosti valutnemu tveganju je v banki opredeljen kriterij 30% kapitala banke. Po objavi fiksnega menjalnega razmerja EUR/SIT=239,64 v prvi polovici meseca julija 2006, odprta devizna pozicija Banke X v ostalih valutah ni nikoli presegla 6% kapitala banke. Glede na to, da odprta devizna pozicija Banke X v vseh valutah razen EUR v proučevanem obdobju ne presega 25% celotne odprte pozicije in da hkrati ne presega 6% kapitala banke lahko trdimo, da je pomen valutnega tveganja za Banko X po prevzemu eura obroben. Ker večino slovenske menjave s tujino predstavlja menjava, kjer je plačilno sredstvo EUR lahko trdimo, da omenjena trditev velja tudi za ostale slovenske banke, s tem pa je prvi del hipoteze dokazan.

Slika 6: Gibanje deleža BZ BS v portfelju banke in odprte devizne pozicije Banke X brez EUR v obdobju od 31.12.2002 do 31.12.2006

0.00%

5.00%

10.00%

15.00%

20.00%

25.00%

30.00%

Dec-02

Feb-

03

Apr-0

3

Jun-0

3

Aug-

03

Oct-03

Dec-03

Feb-

04

Apr-0

4

Jun-0

4

Aug-

04

Oct-04

Dec-04

Feb-

05

Apr-0

5

Jun-0

5

Aug-

05

Oct-05

Dec-05

Feb-

06

Apr-0

6

Jun-0

6

Aug-

06

Oct-06

Dec-06

delež BZ BS v bilančni vsoti delež ODP ostalih valut

Vir: Interno gradivo banke. 2006. Na sliki 6 prikazujemo tudi delež BZ BS v bilančni vsoti Banke X. Vidimo lahko, da se je njihov delež v bilančni vsoti banke sicer zmanjševal, vendar je na dan 31.12.2006 še vedno znašal 10,6% bilančne vsote. Povedano drugače; 10,6% bilančne vsote Banke X je bilo še posebej izpostavljeno obrestnemu tveganju. Za sredstva v višini 37,25 mio EUR je bilo potrebno na mednarodnih finančnih trgih poiskati primerne naložbe, kar za majhno regionalno banko kot je Banka X vsekakor ni bil majhen zalogaj. Na podlagi prikaza stanja vpisanih BZ BS na dan 31.12.2006 na nacionalni ravni, deleža vpisanih BZ BS v bilančni vsoti Banke X, deleža odprte devizne pozicije Banke X v vseh valutah razen EUR v razmerju s celotno ODP banke, lahko hipotezo, ki smo jo navedli v uvodnem delu poglavja, nedvomno potrdimo. 3.3. INTERPRETACIJA KRIVULJE DONOSNOSTI Obstajajo različne teorije16, ki se ukvarjajo z opisovanjem oblike in sprememb krivulje donosnosti. Metodološke osnove teh teorij temeljijo na ekonomskih načelih, kot so pričakovanja tržnih udeležencev, likvidnostnih preferencah in strategijah zavarovanja. Te teorije so nastale na podlagi izkušenj tržnih udeležencev, predvsem njihovih spoznanj o obnašanju finančnih trgov. Krivulja donosnosti predstavlja netvegane obrestne mere za različne ročnosti in se lahko uporablja kot osnovni instrumentarij za vrednotenje finančnih instrumentov in analiziranje obrestne občutljivosti le-teh. Različne stopnje donosa ob različnih ročnostih preprosto nakazujejo, da investitorji zahtevajo različne stopnje donosa za različno dolga obdobja za katera so se pripravljeni odpovedati svojim sredstvom. Na splošno lahko krivuljo donosnosti razdelimo na dva dela; in sicer na del do enega in del nad enim letom. Obrestne mere denarnega trga se uporabljajo za obdobje do enega leta (npr. LIBOR), medtem ko se

16 Najpomembnejše so: teorija tržnih pričakovanj, teorija likvidnostne preference in teorija segmentiranih trgov. Podrobno jih opisuje Prohaska v Finančni trgi. 2004. Str. 69-76.

za obdobje daljše od enega leta uporabljajo izvedene obrestne mere kapitalskega trga (npr. IRS) (Drosdzol 2005, 46). Sprva so finančne institucije krivulje donosnosti sestavljale z opazovanjem dejanskih stopenj donosa na ameriškem trgu državnih obveznic. Razloga za to sta bila vsaj dva. Ameriški državni vrednostni papirji na trgu obveznic veljajo kot netvegan vrednostni papir, ki ne vsebuje kreditnega tveganja in tako razlike v kreditnih bonitetah ne vplivajo na obliko krivulje donosnosti. Ameriški trg je hkrati tudi največji in najbolj aktiven trg na svetu, na katerem ni problema nelikvidnosti in nepogostega trgovanja. Na ta način so trenutne cene ameriških državnih obveznic dejanski odziv cen v nekem trenutku in kot take odražajo najnovejšo cenovno informacijo. Ključna vloga krivulje donosnosti je v merilu vrednosti, ki ga predstavlja pri vrednotenju obveznic v ostalih delih trga obveznic. Tako npr. krivulja donosnosti ameriških državnih obveznic predstavlja merilo vrednosti v vseh ostalih sektorjih trga obveznic denominiranih v USD. Tržni udeleženci so kaj hitro spoznali, da tradicionalno izpeljana krivulja donosnosti ni zadostno merilo povezave med stopnjo donosa in dospelostjo obveznice. Razlog je v tem, da lahko obveznice z enakimi roki do dospetja in enakimi bonitetami zaradi različnih kuponskih obrestnih mer dejansko prinašajo različne stopnje donosa. Tako se je postopoma začelo razmišljati o razvoju natančnejšega merila vrednosti, kot ga je predstavljala osnovna krivulja donosnosti ameriških državnih obveznic. Cena obveznice je po definiciji enaka sedanji vrednosti denarnih tokov iz obveznice, pri tem se za diskontiranje denarnih tokov pogosto uporablja ena sama diskontna stopnja. Prava diskontna stopnja bi bila donosnost referenčne državne obveznice, povečana za ustrezno premijo za tveganje. Vendar pa se pri tem pojavlja problem določitve odgovarjajoče stopnje donosa iz krivulje donosnosti, ki bi jo uporabili kot obrestno mero za diskontiranje denarnih tokov. Zaradi različnih časovnih obdobij v katerih se pojavljajo denarni tokovi, za diskontiranje različnih obveznic ni primerno uporabiti enake obrestne mere. Vsak denarni tok je potrebno diskontirati z obrestno mero, značilno za obdobje v katerem bo denarni tok nastal. Omenjeno problematiko rešujemo na ta način, da lahko vsako obveznico prikažemo kot paket brezkuponskih obveznic nato pa na tej osnovi izpeljemo teoretično spot krivuljo donosnosti17( Zupančič 2006, 43-45). V odvisnosti od splošne ravni obrestnih mer poznamo predvsem naslednje oblike krivulje donosnosti, ki jih prikazujemo na sliki 6 (Drosdzol, 2005, 46): 1. normalna- naraščajoča krivulja donosnosti: kaže, da je donosnost obveznice z daljšo ročnostjo višja od obveznice s krajšo ročnostjo, 2. inverzna- padajoča krivulja donosnosti: prikazuje nižjo donosnost obveznice z daljšo ročnostjo, 3. ravna krivulja donosnosti: z daljšanjem ročnosti se donosnost obveznice ne spreminja in 4. grbava krivulja donosnosti: je kombinacija že navedenih oblik. Vsekakor je krivulja donosnosti lahko tudi mešanica zgoraj opisanih oblik. Pogosto se zgodi, da se obrestne mere na kapitalskem trgu gibljejo ravno v nasprotni smeri kot obrestne mere na denarnem trgu, vgrajena so namreč pričakovanja tržnih udeležencev. 17 Podrobneje je spot teoretična krivulja donosnosti predstavljena v: Lotti Natalija Zupančič: Investiranje v tuje dolžniške vrednostne papirje kot del naložbene politike pokojninskih družb v Sloveniji. 2006.

Slika 7: Osnovne oblike krivulje donosnosti

0.00%

1.00%

2.00%

3.00%

4.00%

5.00%

6.00%

7.00%

8.00%

1 2 3 4 5 6 7 8 9 10

dospelost [T]

st. d

onos

a R

(0,T

)

inverznagrbastanormalnaravna

Vir: Adam Drosdzol. 2005. Zinsmanagement mit Zinsstrukturmodellen, str.46. Med najpomembnejše teorije stopnje donosa uvrščamo t.i teorijo tržnih pričakovanj (expectations hypothesis). Po tej teoriji je oblika krivulje donosnosti odvisna od predvidevanja vlagateljev o gibanju stopnje donosa v prihodnosti. Če vlagatelji v nekem trenutku pričakujejo, da bodo obrestne mere v prihodnosti rasle, bo krivulja donosnosti dobila naraščajočo obliko, kar pomeni da bodo takrat dolgoročne obrestne mere nad kratkoročnimi. Horizontalna oblika krivulje donosnosti nastane, če se pričakuje, da bodo obrestne mere v prihodnosti enake kot v trenutku opazovanja, inverzna pa, če se pričakuje njihov padec. Pri grbavi obliki krivulje donosnosti se najprej pričakuje rast, zatem pa padec stopnje donosa. Teorija tržnih pričakovanj predpostavlja, da vlagatelji težijo k maksimiziranju stopnje donosa ne glede na možna tveganja, ki se pri tem pojavljajo. Naj opozorimo, da obstajajo različne variante teorije tržnih pričakovanj, med njimi pa vsaj v diskretnem času ni bistvene razlike. Za razliko od klasičnih teorij krivulje donosnosti, se stohastične teorije distancirajo od natančnega modeliranja negotovosti gibanja obrestnih mer v prihodnosti. Dejstvo je, da je natančno napovedovanje prihodnjih tržnih gibanj zaradi številnih neznank negotovo. Gibanje prihodnjih obrestnih mer po stohastičnih teorijah krivulje stopnje donosa odslikava deterministični trend in slučajnostne spremenljivke (Drosdzol 2005, 49).

4. MERJENJE OBRESTNEGA TVEGANJA Natančno, celovito in pravilno merjenje obrestnega tveganja je ključni element učinkovite funkcije obvladovanja tveganj in mora v največji meri pokriti obrestno občutljive postavke, ki izhajajo iz poslovanja banke. Dovršenost metod, ki jih za merjenje tveganj uporablja banka, mora ustrezati vrsti, kompleksnosti in obsegu poslov ter višini prevzetega tveganja. Boljše in naprednejše metode za merjenje obrestnega tveganja ocenjujejo tako tveganje posameznih instrumentov kot tudi tveganje celotnega portfelja instrumentov ter upoštevajo korelacije in učinek diverzifikacije tveganja. Ustreznost uporabljenih metod mora banka redno pregledovati in ustrezno prilagajati18, njihovo uporabo pa ne samo, da jo morajo razumeti zaposleni v okviru službe za upravljanje s tveganji, ampak tudi sami trgovci in najvišja raven managementa banke (Kristl 2004, 56-57). Preden začnemo s predstavitvijo izbranih metod merjenja obrestnega tveganja, naj opozorimo na zelo težavno fazo v procesu upravljanja, t.j. sama identifikacija in opredelitev obrestno občutljivih postavk v banki. Če želi banka ustrezno obvladovati obrestno tveganje mora najprej ugotoviti, katere tako bilančne kot tudi zunajbilančne postavke so obrestno občutljive. Pri tem ključno vlogo odigra ustrezna podatkovna struktura, ki mora biti zasnovana tako, da omogoča poizvedbo do vsakega posameznega posla in s tem predstavlja ustrezno osnovo ne samo za črpanje podatkov za potrebe merjenja obrestnega tveganja, pač pa tudi drugih vrst tveganj, hkrati mora biti zasnovana tako, da je vedno mogoča kontrola in primerjava vhodnih podatkov vsaj na nivoju glavne knjige. V podatkovno bazo je podatke smiselno vključevati vsaj po naslednjih kriterijih:

• partija • datum sklenitve posla • datum dospelosti posla • denarni tok iz glavnice in obresti • vrsta obrestne mere • višina obrestne mere • obdobje spremembe obrestne mere • datum spremembe obrestne mere • valuta • aplikacija in • segment poslovanja.

V nadaljevanju bomo predstavili izbrane metode merjenja obrestnega tveganja ter opozorili na prednosti in slabosti posamezne metode. Uporabnost posamezne metode je odvisna predvsem od kompleksnosti poslov s katerimi se banka ukvarja in tega, komu so informacije pridobljene z določeno metodo namenjene ter zanj razumljive. Tako je npr. za banko, ki se pretežno ukvarja s kreditno depozitnimi posli precej uporabna metoda obrestnih razmikov- t.i. GAP report. Seveda je v tem primeru sklepanje o izpostavljenosti obrestnemu tveganju samo na podlagi statičnega poročila o obrestnih razmikih zelo

18 Formalno je to običajno zapisano v politiki upravljanja s posamezno vrsto tveganja ali drugem ekvivalentnem dokumentu banke, kjer je tudi natančno opredeljeno KDO in KAKO pogosto je zadolžen za prenovo politike upravljanja s tveganji

omejeno, a če izdelamo več poročil o obrestnih razmikih na določen dan ob upoštevanju različnih predpostavk19, je ocena izpostavljenosti banke tveganju lahko precej boljša (Veršnik Čemas, 2006, 29). Poročilo o vrzelih v sredstvih bomo nadgradili s poročilom o vrzelih v trajanju, ki odpravlja nekatere njegove slabosti. Osrednje mesto med metodami merjenja obrestnega tveganja v magistrski nalogi predstavlja metoda tvegane vrednosti, t.i. VAR. VAR predstavlja največjo pričakovano izgubo tržne vrednosti naložb, ki jo banka lahko utrpi ob določenem intervalu zaupanja, določenem obdobju držanja portfelja in predpostavki normalnih tržnih gibanj. 4.1. METODA OBRESTNIH RAZMIKOV Večkrat smo že poudarili, da mora banka, če želi ustrezno obvladovati obrestno tveganje najprej ugotoviti, katere bilančne in zunajbilančne postavke jo izpostavljajo obrestnemu tveganju ter šele nato oceniti višino obrestne izpostavljenosti. Banka lahko tako oceno izdela na različne načine. Ena od najpreprostejših in najbolj pogosto uporabljanih ocen se lahko naredi na podlagi metode obrestnih razmikov. Poročilo o obrestnih razmikih temelji na izračunu razlike med denarnimi tokovi obrestno občutljivih aktivnih in obrestno občutljivih pasivnih postavk v različnih časovnih obdobjih, ki predstavljajo časovne ročnosti spremembe obrestne mere. Na preglednici 1, kjer je prikazan preprost primer poročila o obrestnih razmikih so časovni intervali razdeljeni v skladu z baselskim dokumentom, ki opisuje smernice za upravljanje in nadzor nad obrestnim tveganjem (BIS: Principles for the Management and Supervision of Interest Rate Risk 2003, 40). 4.1.1. Metoda Na tem mestu ni odveč poudariti, da so obrestno občutljive naložbe tiste naložbe, katerih dohodki se spreminjajo s spremembami tržnih obrestnih mer, obrestno občutljive obveznosti pa tiste, katerih obrestni odhodki se spreminjajo s spremembami tržnih obrestnih mer. Obrestno občutljivi instrumenti so torej tisti instrumenti, ki v proučevanem obdobju zapadejo oziroma se jim v tem obdobju ponovno določi obrestna mera. Obrestni razmik tako predstavlja razliko med obrestno občutljivimi naložbami in obrestno občutljivimi obveznostmi na določen časovni trenutek. Banke običajno izračunavajo: 1. PERIODIČNI RAZMIK: kot razliko med obrestno občutljivimi naložbami in obrestno občutljivimi obveznostmi v določenem časovnem intervalu Tti-tj, i=0, …, n, j=0, …, m, (2) tjTtitjTtitjTti OOOOONGAP −−− −= kjer je GAPT ti-tj - periodični razmik v časovnem intervalu Tti-tj, i=0, …, n, j=0, …, m, OONT ti-tj - obrestno občutljive naložbe v časovnem intervalu Tti-tj, i=0, …, n, j=0, …, m, OOOT ti-tj -obrestno občutljive obveznosti v časovnem intervalu Tti-tj, i=0, …, n, j=0,...,m.

19 Npr. stabilne vpogledne depozite v celoti vključimo v vrzel na vpogled, v drugem primeru jih razdelimo glede na statistične ocene stabilnosti na podlagi stanj v preteklosti, nadalje statistične ocene popravimo v skladu z našimi pričakovanji, upoštevamo najslabše scenarije v preteklosti ipd.

2. KUMULATIVNI RAZMIK: kot vsoto posameznih periodičnih razmikov vse do konca izbranega časovnega obdobja T0-tj, j=0, …, m.

(3)

kjer je

GAPT0-ti - kumulativni razmik v časovnem razdobju T0-tj, j=0, …, m, OONT ti-tj - obrestno občutljive naložbe v časovnem intervalu Tti-tj, i=0, …, n, j=0, …, m, OOOT ti-tj -obrestno občutljive obveznosti v časovnem intervalu Tti-tj, i=0, …, n, j=0,...,m. Glede na sestavo svoje bilance lahko ima banka (Dimovski, Gregorič 2000, 137): a. pozitivni GAP: OON-OOO>0 v določenem časovnem intervalu. Takrat npr. banka del kratkoročnih naložb financira z dolgoročnimi viri. Banka je v tem primeru izpostavljena tveganju znižanja tržne obrestne mere, saj bo morala del svojih sredstev naložiti po nižji obrestni meri pri nespremenjenih obrestno občutljivih obveznostih na dolgoročne vire sredstev. b. Ničelni GAP: OON-OOO=0; banka v tem primeru izravna obrestno občutljive naložbe in obveznosti. Na nek način v takem časovnem obdobju ni tveganja spremembe obrestne mere, saj so denarni tokovi obrestno občutljivih naložb in obveznosti izenačeni glede na čas v katerem bi se obrestna mera teh postavk spremenila. Vendar pa ničelna vrzel banke ne zaščiti popolnoma pred obrestnim tveganjem, saj se obrestna mera npr. na posojilo in obrestna mera na npr. vezan depozit pogosto spreminjata nesorazmerno. c. Negativni GAP: OON-OOO<0; npr. v časovnem intervalu od 6 do 12 mesecev. Takšna situacija je značilna predvsem v zadnjih letih, ko banke odobravajo dolgoročne kredite, viri pa so izrazito kratkoročni (npr. ročnost do 6 mesecev). Banka torej del dolgoročnih naložb financira s kratkoročnimi viri in se s tem izpostavlja tveganju dviga tržnih obrestnih mer. Negativni GAP ne izpostavlja banko samo obrestnemu tveganju, temveč tudi in predvsem likvidnostnemu tveganju. Banka se torej izpostavlja obrestnemu tveganju kadar je obrestni razmik različen od nič. Pravilnost ocene je precej odvisna od širine posameznega časovnega intervala. Širši kot je posamezen interval, bolj grobo oceno lahko naredimo. Določitev širine časovnih intervalov mora biti zato povezana s pričakovanimi denarnimi tokovi ter spremembami obrestnih mer po posameznih intervalih. Obdobje v katerem pričakujemo večji denarni tok in spremembo obrestnih mer je potrebno spremljati bolj natančno. Informacija o obrestnih razmikih je zelo neuporabna, če so časovni intervali postavljeni preveč široko, kajti ni vseeno, če se denarni tokovi na strani sredstev pojavijo npr. čez 2 meseca na strani virov pa že čez 1 mesec ( Veršnik Čemas 2006, 30). 4.1.2. Izvedba

Merjenje izpostavljenosti obrestnemu tveganju se izvede na določen dan, vendar pa se lahko zaradi spremembe višine obrestno občutljivih postavk, izpostavljenost banke obrestnemu tveganju že naslednji trenutek spremeni. Pri razvrščanju denarnih tokov iz naslova posameznega instrumenta v ustrezen časovni interval, je potrebno opozoriti na razliko glede na to, ali je ta instrument vezan na fiksno ali spremenljivo obrestno mero. Pri pogodbah s fiksno obrestno mero so denarni tokovi iz glavnic razvrščeni glede na njihovo

)(1

0 tjTti

n

TtjTtitjT OOOOONGAP −

=−− −= ∑

preostalo zapadlost v ustrezni časovni interval. Pri pogodbah s spremenljivo obrestno mero pa so denarni tokovi iz glavnic razvrščeni v ustrezni časovni interval glede na datum ponovnega določanja obrestne mere (datum repricinga) oz. glede na njihovo preostalo zapadlost, v primeru, ko je čas preostale zapadlosti denarnega toka krajši od datuma prve ponovne določitve obrestne mere. Za ustrezno upravljanje tveganja na osnovi metode obrestnih razmikov je potrebno izdelovati tudi ocene obrestne izpostavljenosti v prihodnosti. Banka lahko na podlagi različnih predpostavk o gibanju pozicij, makroekonomskih gibanj in posledično gibanj obrestnih mer, izdela poročilo o predvideni višini obrestnega tveganja, ki mu bo banka v prihodnosti izpostavljena, hkrati pa oblikuje stresne scenarije in ugotavlja izpostavljenost tveganju v takšnih okoliščinah. 4.1.3. Faktorji tveganja Analiza obrestnih razmikov daje statičen pogled na vpliv spremembe ravni tržnih obrestnih mer na višino neto obrestnih prihodkov banke. Na podlagi izračunanih obrestnih razmikov ocenimo, kako se bodo spreminjali neto obrestni prihodki v primeru spremembe krivulje donosnosti in sicer kot:

(4) jT

m

TjTT iGAPNII ,

1, *∆=∆ ∑

=

∆NIIT – sprememba neto obrestnih prihodkov v časovnem intervalu T0-ti, i=0, …, n, GAPT, j - periodični razmik v časovnem intervalu Tti-tj, i=0, …, n, j=0, …, m, ∆iT, j – predvidena sprememba obrestnih mer v časovnem intervalu Tti-tj, i=0,.., n, j=0,..., m. Na višino izpostavljenosti obrestnemu tveganju vplivajo faktorji tveganja, ki smo jih v magistrski nalogi navedli kot primarne komponente obrestnega tveganja v nadaljevanju pa prikazujemo njihove učinke v okviru metode obrestnih razmikov (povzeto po Veršnik Čemas, 2006 31-33). 1. Velikost in predznak obrestnega razmika Velikost obrestnega razmika je posledica časovnega neujemanja obrestno občutljivih postavk po posameznih časovnih intervalih. Večji kot je obrestni razmik, večjemu tveganju je banka izpostavljena. Na ta način dobi banka najbolj osnovno informacijo za potrebe upravljanja z obrestnim tveganjem. 2. Premik krivulje stopnje donosa Opredeliti je potrebno različne scenarije, da bi lahko ugotovili vpliv premika krivulje stopnje donosa na obrestno tveganje. Na preglednici 1 prikazujemo izmišljen primer poročila obrestnih razmikov iz katerega je razvidna obrestna izpostavljenost banke po posameznih časovnih intervalih in šest različnih, med sabo neodvisnih scenarijev ter njihov vpliv na obrestne prihodke banke. Ugotavljanje vpliva vzporednega premika splošne ravni obrestnih mer za 200BT na ekonomsko vrednost kapitala banke priporoča tudi baselski dokument, ki opisuje smernice za upravljanje in nadzor nad obrestnim tveganjem (BIS: Principles for the Management and Supervision of Interest Rate Risk 2003, 38-40).

Vzporedni premik ravni obrestnih mer za 200BT na poslovni rezultat banke se lahko oceni iz višine obrestnih razmikov na kratki rok. Pri izračunu predpostavljamo, da polovica vrednosti postavk v posameznem časovnem intervalu zapade na sredini intervala. Dvig ravni obrestnih mer najbolj vpliva na kratkoročno vezane postavke. Tako se vpliv spremembe ravni obrestnih mer na poslovni rezultat banke v enem letu določi kot zmnožek obrestnega razmika s spremembo obrestne mere ter prilagodi glede na časovno izpostavljenost spremembi. A sprememba ravni obrestnih mer vpliva tudi na vrednost finančnih instrumentov v banki in s tem tudi na ekonomsko vrednost kapitala, kar pa ugotavljamo z uporabo modificiranega trajanja20. Uteži in časovni intervali navedeni v preglednici 1 so določeni v že večkrat omenjenem baselskem dokumentu, ob tem se predpostavlja še trenutna raven obrestnih mer na ravni 5%, nakar sledi vzporedni premik krivulje donosnosti za 200BT. Sprememba ekonomske vrednosti kapitala v bistvu pomeni spremembo vrednosti obrestno občutljivih postavk zaradi spremembe ravni obrestnih mer. Porast obrestnih mer pomeni zmanjšanje vrednosti obrestno občutljivih postavk, zato je vpliv porasta ravni obrestnih mer pozitiven, če ima banka negativen kumulativni razmik. Do sedaj smo vseskozi predpostavljali vzporeden premik krivulje stopnje donosa. Vemo pa, da se obrestne mere v praksi le redko gibljejo na opisan način. Veliko pogosteje smo priča spremembi oblike in ne vzporednemu premiku krivulje donosnosti; npr. banka odobrava kredite z osnovo 12 M EURIBORr, financira pa se z osnovo 3M EURIBOR. Banke v takih primerih pri analizi oblikujejo različne scenarije. V tabeli 1 smo upoštevali dvig 12M EURIBOR-ja za 120 BT, 6M EURIBOR-a za 50BT ipd. Banka lahko torej oceni izpostavljenost obrestnemu tveganju skozi vpliv različnih scenarijev na obrestne prihodke in ekonomsko vrednost kapitala banke. 3. Tveganje spremembe osnove Če se banka financira z viri npr. vezanimi na 6M EURIBOR, kredite pa odobrava po 3M LIBOR-ju na CHF je poleg valutnemu tveganju izpostavljena še t.i. tveganju spremembe osnove, saj spreminjanje 6M EURIBOR-ja ni popolnoma korelirano z gibanjem 3M LIBOR-ja na CHF. Manjša kot je korelacija med referenčnima obrestnima merama, večje je tveganje. Banka lahko za ugotavljanje izpostavljenosti obrestnemu tveganju uporabi že opisano metodo, vendar mora najprej ugotoviti, kolikšen del obrestno občutljivih naložb se financira z obveznostmi, ki so vezane na drugo referenčno obrestno mero, nato pa oceniti vpliv drugačnega gibanja različnih krivulj donosnosti. Banka lahko zopet oblikuje različne scenarije in na njihovi podlagi ugotavlja vpliv na poslovni rezultat in ekonomsko vrednost kapitala; npr. dvig 6M EURIBOR-ja za 50BT manj kot 6M LIBOR-ja na USD ipd. 4. Implicitne opcije Najbolj pogosta oblika implicitnih opcij, ki vplivajo na obrestno tveganje banke se nanaša na možnost predčasnega poplačila finančnega instrumenta (npr. kredita) in na možnost predčasnega odpoklica (npr. vezanega depozita). Da bi banka lahko ocenila tveganje mora najprej identificirati postavke s tako vgrajenimi opcijami in ugotoviti njihov vpliv na 20 Koncept trajanja bomo podrobno opisali v nadaljevanju magistrskega dela, na tem mestu naj le opozorimo, da model vrzeli v trajanju odpravlja nekatere slabosti klasične metode obrestnih razmikov.

Tabela 1: Poročilo o izpostavljenosti banke obrestnemu tveganju na podlagi metode obrestnih razmikov na določen dan Do 1 m 1 - 3 m 3 - 6 m 6 - 12 m 1 - 2 l 2 - 3 l 3 - 4 l 4 - 5 l 5 - 7 l 7 - 10 l 10 - 15 l 15 - 20 l nad 20 l 1M EURIBOR 0 0 0 0 0 0 0 0 0 0 0 0 0 3 M EURIBOR 13,998 0 3,899 2,000 4,499 2,500 46,464 4,688 200,000 8888 22 3365 25 6M EURIBOR 13,196 0 20,177 28,143 9,969 1 4 19 18,985 19000 888 65464 32 12 M EURIBOR 0 12,357 0 0 0 10,612 1,569 0 5000 999 4646 33 6 M LIBOR CHF 15 33 4,458 3 3,464 0 198,000 0 33,000 34468 6464 888 55 12M LIBOR CHF 0 0 0 3,544 0 5,484 0 0 64 0 45 12 M LIBOR USD 0 0 0 0 0 0 2,222 5,564 150,000 5464 7000 9000 8 NOM EUR 100,000 200,000 4,454 654,646 46,464 5,464 0 0 20,000 2500 2800 1000 7 NOM USD 1,000 463,464 464,664 46,464 46,466 4,646 46,464 6,464 0 500 0 20 44 NOM CHF 27,194 0 36,433 30,143 14,468 2,501 10,616 1,588 18,985 100 15 3 78

SKUPAJ AKTIVA 155,403 663,497 546,442 764,943 125,330 20,596 314,382 19,892 441,034 75,920 18,188 84,386 327 PASIVA 1M EURIBOR 15,196 65,555 460,000 30,143 9,969 15,000 464,644 15 0 20 30 40 11 6M EURIBOR 15,196 350,000 23,477 30,143 9,969 10 20 15 0 500 600 800 5 12 M EURIBOR 44,444 44,646 300,000 920,000 87,000 555 5,555 888 225,000 50000 12000 20000 100 12 M LIBOR CHF 27,194 325,000 36,433 30,143 14,468 2,501 10,616 1,588 18,985 2155 200 0 12

SKUPAJ PASIVA 102,030 785,201 819,910 1,010,429 121,406 18,066 480,835 2,506 243,985 52,675 12,830 20,840 128

PERIODIČNI GAP 53,373 -121,704 -273,468 -245,486 3,924 2,530 -166,453 17,386 197,049 23,245 5,358 63,546 199

KUMULATIVNI GAP 53,373 -68,331 -341,799 -587,285 PREDPOSTAVKE: 1. DVIG RAVNI OBRESTNIH MER 200 BT 1,067 -2,434 -5,469 -4,910 SKUPAJ VPLIV NA P.I. -11,746 2. DVIG 6M EURIBOR 50BT -10 -1,750 -17 -10 SKUPAJ VPLIV NA P.I. -1,787 3. DVIG 12M EURIBOR 120BT -533 -536 -3,452 -11,040 SKUPAJ VPLIV NA P.I. -15,561 4. DVIG 1M EURIBOR 20 BT -30 -131 -920 -60 SKUPAJ VPLIV NA P.I. -1,142 5. DVIG 6M LIBOR 40 BT 0 0 18 0 SKUPAJ VPLIV NA P.I. 18 6. UTEŽ - BIS* 0.08% 0.32% 0.72% 1.43% 2.77% 4.49% 6.14% 7.71% 10.15% 13.26% 17.84% 22.43% 26.03% VPLIV NA W KAPITALA 43 -389 -1,969 -3,510 109 114 -10,220 1,340 20,000 3,082 956 14,253 52 SKUPAJ VPLIV NA W KAPITALA 23,860

* utež je določena v baselskem dokumentu za časovne intervale, ki so prikazani tudi v prilogi 8 na podlagi modificiranega trajanja, predpostavljeni trenutni donosnosti 5% in vzporednem premiku obrestnih mer za 200BT Vir: lasten izračun na podlagi izmišljenih podatkov

obrestno tveganje. Vključevanje takšnih postavk v poročilo o obrestnih razmikih mora temeljiti na ustreznih analizah glede možnih sprememb obrestne mere in sprememb denarnih tokov iz naslova postavk z vgrajenimi opcijami. V primerih, da je pomen teh postavk velik je smiselno, da banka izdela več različnih poročil o obrestnih razmikih z različnim vključevanjem postavk, ki vsebujejo vgrajeno opcijo. 4.1.4. Limitni sistem Limitni sistem je lahko določen na različne načine, najpogosteje pa banke določijo limite, ki omejujejo velikost obrestnega razmika po posameznih časovnih intervalih. Večja kot je oddaljenost časovnega intervala od trenutka proučevanja, manjši je lahko obrestni razmik, časovna komponenta namreč odigra zelo velik vpliv na denarne tokove ob nespremenjenih obrestnih merah. Nadalje lahko banka postavi limite po posameznih produktih, limit največje izgube zaradi izpostavljenosti obrestnemu tveganju in limit največje dovoljene spremembe v ekonomski vrednosti kapitala banke. Banka lahko limite postavi še bolj ozko in sicer tako, da omeji občutljivost na spremembo krivulje donosnosti in bazičnega tveganja. Slednje lahko banka omeji z limitiranjem višine vrzeli med sredstvi in viri pri katerih je donosnost vezana na drugo krivuljo donosnosti (npr. dvig referenčne obrestne mere). Občutljivost na spremembo krivulje donosnosti pa lahko banka omeji na podlagi omejitve višine vrzeli med ročnostjo obrestne mere na določeni krivulji donosnosti na pasivi ter ročnostjo obrestne mere na isti krivulji na aktivi. Ne glede na to, kako je vzpostavljen limitni sistem banke je bistveno to, da banka pozna višino tveganja, ki mu je ob izpolnjevanju limitov izpostavljena. Seveda pa se limiti med seboj ne smejo izključevati.

4.1.5. Pomanjkljivosti metode obrestnih razmikov Do sedaj smo navajali le prednosti, ki jih prinaša preprosta metoda merjenja obrestnega tveganja z metodo razmikov. Vendar pa klasična analiza obrestnih razmikov daje statičen pogled na vpliv spremembe ravni tržnih obrestnih mer na višino neto obrestnih prihodkov in ekonomsko vrednost kapitala finančne institucije. Zastavlja se vprašanje kaj je narobe z metodo analize razmikov? Rečemo lahko, da je kot metoda za pojasnjevanje obrestne izpostavljenosti institucije nestrokovnjakom povsem uporabna, kot orodje za sprejemanje odločitev pri upravljanju z obrestnim tveganjem pa ima resne pomanjkljivosti. Bistvene pomanjkljivosti klasične metode obrestnih razmikov lahko povzamemo v naslednjih točkah (van Deventer et al. 2005, 87-88):

• Upošteva le denarne tokove iz naslova glavnic, ne pa tudi iz naslova obresti, kakor tudi ne upošteva denarnih tokov na strani naložb in obveznosti, ki niso razporejene v opredeljene časovne intervale,

• GAP analiza je premalo natančna; časovne razporeditve sprememb obrestnih mer znotraj izbranega obdobja ne upošteva. Za pozicije, ki se nahajajo v istem časovnem obdobju predpostavlja, da dospevajo oz. se ponovno cenijo istočasno, kar je poenostavitev, ki precej zmanjšuje natančnost izračuna.

• GAP analiza upošteva računovodsko stanje naložb in obveznosti in ne njihove tržne vrednosti. Npr. obveznici z nominalno vrednostjo 100 €, vendar tržno vrednostjo 80 € oziroma 120 € sta v ustrezen časovni interval uvrščeni po nominalni vrednosti, torej 100 € in ne tržni vrednosti,

• Časovni intervali so običajno zelo osredotočeni na krajša časovna obdobja, predvsem do enega leta, medtem ko so časovni intervali za bolj oddaljena časovna obdobja, v katerih se skriva potencialno veliko obrestno tveganje za banko, precej širše določeni,

• GAP analiza je neuporabna pri obravnavi finančnih instrumentov brez roka dospelosti, kot so npr. police za nezgodno zavarovanje, plačilne kartice, depoziti na vpogled, naložbe v nepremičnine, depoziti na odpoklic ipd.,

• Številne bilančne postavke imajo močno sezonsko komponento (npr. plačilne kartice, depoziti na vpogled)- njihovo stanje v času precej niha. Zastavlja se vprašanje na kakšen način upoštevati te postavke v GAP analizi.

• Aktivne bilančne postavke s spremenljivim kreditnim tveganjem so pri GAP analizi pomešane in preglednost nad kreditnim tveganjem v bilanci banke je povsem nejasna.

• Nekatere obrestne mere kot npr. referenčna obrestna mera v ZDA (prime rate) ali npr. indeks hipotekarnih kreditov na Japonskem in v Avstraliji se z zakasnitvijo odzivajo na spremembe tržnih obrestnih mer. GAP analiza ni sposobna prepoznati teh zamikov. 4.2. MERJENJE OBRESTNEGA TVEGANJA S CENOVNO OBČUTLJIVOSTJO Glavna slabost klasične metode obrestnih razmikov je, da se osredotoča predvsem na denarne tokove do enega leta. Seveda številne naložbe in obveznosti banke dospejo v obdobju bistveno daljšem od enega leta, v katerih se skriva tudi največji del obrestnega tveganja. Metoda vrzeli v trajanju in analiza občutljvosti tržne vrednosti kapitala predstavljata alternativno metodo merjenja obrestnega tveganja; odražata cenovno občutljivost naložb in obveznosti banke na spremembe v obrestnih merah in s tem posledično na kapital banke. Analiza ekonomske vrednosti kapitala se namesto na neto obrestne prihodke osredotoča na tržno vrednost finančnih instrumentov in upošteva vse denarne tokove, ne le tistih, ki so kvečjemu leto dni oddaljeni od trenutka proučevanja. Učinek spremembe obrestne mere na tržno vrednost je odvisen od značilnosti finančnega instrumenta (npr. njegove dospelosti, velikosti denarnih tokov ipd.). Model vrzeli v trajanju21 zajema večino teh značilnosti in je popolnejši model obrestne občutljivosti naložb in obveznosti banke, saj poleg njihove dospelosti upošteva tudi razpršenost denarnih tokov. Kot že rečeno; spremembe obrestnih mer vplivajo ne samo na neto obrestne prihodke banke, ampak tudi na tržno vrednost posameznih finančnih instrumentov in s tem na tržno vrednost kapitala banke. 4.2.1. Trajanje – povprečni čas vezave Trajanje oz. povprečni čas vezave je najbolj pogosto uporabljena mera cenovne občutljivosti obveznic na spremembe obrestnih mer. Pove nam približno odstotno spremembo cene obveznice, če se obrestne mere spremenijo za 100 bazičnih točk (Zupančič, 2006,60). Trajanje kateregakoli vrednostnega papirja s fiksnimi donosi lahko izračunamo po naslednji formuli (Saunders 2000, 152):

21 pojem trajanja je leta 1938 vpeljal Macauley, zato je model znan tudi kot Macauley-evo trajanje.

(5)

N

N

RFK

RK

RK

RFKN

RK

RK

D

)1(...

)1()1(

)1(...

)1(2

)1(

2

2

++

+++

++

++

+++

++

=

K= kupon R= tržna obrestna mera N= število obdobij do dospetja F= nominalna vrednost obveznice D= trajanje Iz enačbe (5) lahko razberemo tri pomembne povezave, ki jih ima trajanje z dospelostjo, zahtevano stopnjo donosa in denarnimi toki iz naslova kupona ( Sounders, 2000, 152-153): 1. trajanje je tem daljše, čim daljši je rok dospelosti finančnega instrumenta s fiksnim donosom, vendar po padajoči stopnji, saj velja: ∂D/∂F>0 Λ ∂D2/∂2F<0 2. trajanje pada z višanjem zahtevane stopnje donosa, saj višja zahtevana stopnja donosa bolj diskontira kasnejše denarne tokove in zmanjšuje njihovo relativno pomembnost v primerjavi z denarnimi tokovi, ki nastopijo prej; velja ∂D/∂R<0 3. trajanje je tem krajše, čim večje je število kuponskih izplačil in tem večja so ta izplačila (višja je kuponska stopnja). Na ta način se denarni tokovi iz finančnega instrumenta v povprečju še bolj približajo sedanjosti; velja: ∂D/∂K<0. Krajše trajanje seveda pomeni manjšo cenovno občutljivost finančnega instrumenta na spremembo obrestne mere. 4.2.1.1. Ekonomski pomen trajanja Trajanje je neposredna mera obrestne občutljivosti in jo je mogoče razumeti kot mero elastičnosti finančnih instrumentov s fiksnim donosom. Večje kot je trajanje, bolj je cena instrumenta občutljiva na spremembe v obrestnih merah. S pomočjo formule za izračun cene obveznice bomo prikazali učinek dviga obrestne mere na padec cene obveznice (ceno obveznice bomo odvajali po obrestni meri). Cena obveznice je enaka sedanji vrednosti denarnih tokov iz obveznice (Saunders 2000, 152):

(6) NRFK

RK

RKP

)1(...

)1(1 2 ++

+++

++

= ⇒

(7)

⎟⎟⎠

⎞⎜⎜⎝

⎛++

+++

+++

−=+

+−++

+−

++−

= + NN RFCN

RK

RK

RRFKN

RK

RK

dRdP

)1()(...

)1(2

)1(11

)1()(...

)1(2

)1( 2132

P= cena obveznice dP= sprememba cene obveznice dR= sprememba tržne obrestne mere Zanima nas torej, kako se cena obveznice spreminja zaradi spremembe tržne obrestne mere, zato smo ceno obveznice odvajali po tržni obrestni meri. Če sedaj združimo enačbe (5), (6) in (7) dobimo:

(8) DPRdR

dP **1

1+

−= ⇒ ⎟⎟⎠

⎞⎜⎜⎝

⎛+

−=)1 R

dRDP

dP

Iz enačbe (8) je razvidno, da je pri majhnih spremembah obrestne mere povezava med ceno obveznice (finančnega instrumenta) in obrestno mero negativna in proporcionalna, pri tem pa je vpliv obrestne mere na ceno obveznice odvisen od dolžine njenega trajanja. Cenovno elastičnost obveznice glede na majhne spremembe obrestne mere kaže modificirano trajanje, zapišemo ga z naslednjo formulo (Fabozzi 2000, 66):

(9) R

DMD+

=1

Modificirano trajanje meri torej cenovno občutljivost finančnega instrumenta glede na spremembe v obrestni meri. Na osnovi enačb (8) in (9) lahko zapišemo enačbo (10). Pokaže nam odstotno spremembo vrednosti finančnega instrumenta pri dani odstotni spremembi tržnih obrestnih mer. Grafično modificirano trajanje prikažemo kot tangento na konveksno krivuljo, ki odraža odnos med ceno in donosnostjo finančnega instrumenta (v našem primeru obveznice). Bolj strma kot je tangenta, daljše je trajanje in obratno.

(10) dRMDP

dP *−=

Do sedaj smo vseskozi govorili o trajanju kot meri elastičnosti finančnih instrumentov s fiksnim donosom, na tem mestu pa nas zanima trajanje finančnih instrumentov s spremenljivo obrestno mero. Obveznice s fiksno obrestno mero se spremembam tržnih obrestnih mer prilagajajo skozi spremembe cene obveznice, tržne obrestne mere se namreč razlikujejo od kuponskih obrestnih mer. Pri obveznicah s spremenljivo obrestno mero pa se kuponska obrestna mera periodično prilagodi tržnim, zato je praktično ves čas podobna tržnim obrestnim meram. Če predpostavljamo, da se pribitek nad referenčno obrestno mero, ki predstavlja formulo za izračun kuponske obrestne mere brezopcijske obveznice s spremenljivo obrestno mero ne spremeni, velja, da večja je pogostost spremembe obrestne mere, krajše je trajanje. Ko je datum spremembe obrestne mere zelo blizu, je trajanje blizu nič (Zupančič 2006, 64). Poleg izpostavljenosti posameznega finančnega instrumenta spremembam obrestnih mer, lahko model trajanja oceni tudi izpostavljenost celotne bilance banke spremembam obrestnih mer. Za ocenitev celotne vrzeli v trajanju je potrebno najprej določiti trajanje sredstev in trajanje vseh obveznosti banke (Koch et al. 2000, 195-196):

(11) ∑=n

iii DawDA * Λ ∑

=

=m

jjj DpzDP

1*

wi oz. zj= delež tržne vrednosti posamezne naložbe oz. obveznosti Dai oz. Dpj= modificirano trajanje posameznega finančnega instrumenta i, j= število naložb oz. obveznosti v bilanci banke

Iz enačbe (11) sledi, da je trajanje portfelja naložb ali obveznosti bilance banke izračunano kot tehtano povprečje trajanj posameznih naložb oz. obveznosti, ki sestavljajo bilanco banke. Pri tem so uteži tržne vrednosti posamezne naložbe oz. obveznosti. Izračun predpostavlja vzporeden premik krivulje donosnosti. 4.2.1.2. Težave trajanja kot mere cenovne občutljivosti Poleg omejitve, da je ocena cenovne občutljivosti finančnega instrumenta z uporabo trajanja uporabna le ob majhnih spremembah tržnih obrestnih mer, je potrebno opozoriti vsaj še na dve pomanjkljivosti (Zupančič 2006, 65): 1. trajanje predpostavlja, da je krivulja donosnosti ravna in da so njeni premiki vzporedni 2. trajanje je uporabno le za analizo obveznic brez vključenih opcij. V primeru, ko

obveznice vključujejo opcije je njegova uporabnost zelo omejena. Konveksnost odpravlja nekatere resne pomanjkljivosti koncepta trajanja. V nadaljevanju magistrske naloge jo le na kratko predstavljamo in se ne ukvarjamo z njeno podrobnejšo analizo. 4.2.2. Konveksnost S konceptom trajanja lahko izračunamo le približne cenovne odzivnosti na zelo majhne spremembe v stopnji donosa. Konveksnost pa je dopolnilo k merilu trajanja, ki omogoča, da izboljšamo približek spremembe cene finančnega instrumenta ob spremembi tržne obrestne mere. Približek trajanja bo vedno podcenil dejansko ceno; ocenjena sprememba cene bo manjša, kot bo dejanska sprememba cene v primeru, ko donosi padajo. V primeru ko donosnosti naraščajo, pa bo ocenjena sprememba cene večja od dejanske spremembe cene, kar ima zopet za posledico podcenjenost dejanske cene. Za boljše ocene spremembe cene je potrebno upoštevati ukrivljenost odnosa cena- donosnost in s tem v izračun vključiti konveksnost. Z uporabo meril trajanja in konveksnosti skupaj dobimo boljši približek dejanske spremembe cene za večje spremembe v tržnih obrestnih merah (Fabozzi 2000, 69,73-74). Za konveksnost finančnega instrumenta velja, da je tem večja, čim daljša je dospelost instrumenta, manjši so denarni tokovi iz naslova kuponov in čim manjša je zahtevana stopnja donosa finančnega instrumenta. Te spremenljivke so torej v enakem odnosu kot s trajanjem, kar pomeni, da daljše kot je trajanje, večja je konveksnost in večja je tveganje spremembe obrestne mere tako za posamezen finančni instrument kot tudi banko kot celoto. Trajanje je izračunano na podlagi prvega odvoda funkcije cene obveznice, konveksnost pa predstavlja drugi odvod funkcije cene obveznice in jo lahko zapišemo z naslednjo formulo (Peterlin 2003, 26-27):

(12) ⎟⎟⎟⎟

⎠

⎞

⎜⎜⎜⎜

⎝

⎛

+

⎟⎠⎞

⎜⎝⎛ −+

++

−⎟⎟⎠

⎞⎜⎜⎝

⎛+

−= ++ 2123 )1(

)1(

)1(2

)1(11*21

NNN RRCFNN

RRNC

RRC

PC

(13) 2)(**2/1* dRCdRMDP

dP+−=

Enačba (13) prikazuje zvezo med relativno spremembo cene obveznice in spremembo zahtevane donosnosti. Prvi člen na desni strani enačbe je enak trajanju, drugi člen pa je prilagoditev za konveksnost. Trajanje torej predstavlja nagib krivulje cena-donosnost, konveksnost pa spremembe v nagibu te krivulje. Enačba (13) za razliko od enačbe (10) upošteva konveksen odnos med ceno in donosnostjo, zato vedno napoveduje višjo ceno obveznice kot pa enačba (10). Če je sprememba donosnosti-obrestne mere majhna, bo člen konveksnosti, ki ga pomnožimo s to spremembo (dR2) izredno majhen in bo le malo prispeval k oceni spremembe cene obveznice ob spremembi zahtevane donosnosti. V tem primeru bo linearen približek, ki ga dobimo s trajanjem dovolj natančen (10). Konveksnost je bolj pomembna ko so spremembe obrestnih mer večje. 4.2.3. Izvedba metode vrzeli v trajanju Za razliko od klasične metode obrestnih razmikov, ki se osredotoča na spremembe v obrestnih merah, se metoda vrzeli v trajanju osredotoča na spremembe v cenah finančnih instrumentov. Z metodo razmikov v trajanju izpostavljenost obrestnemu tveganju izračunamo kot razliko med tehtanim povprečnim trajanjem naložb in tehtanim povprečnim trajanjem obveznosti banke. Vrzel v trajanju (v nadaljevanju DGAP) je managementu banke v pomoč pri upravljanju z obrestnim tveganjem, bodisi je banka s pomočjo DGAP zavarovana pred obrestnim tveganjem (DGAP=0) , bodisi špekulira na spremembe obrestnih mer v prihodnosti. Metoda vrzeli v trajanju torej primerja trajanje celotne bančne aktive s celotnim trajanjem bančne pasive in nam pove, za koliko se bo spremenila tržna vrednost kapitala banke, če se bodo spremenile obrestne mere.

(14) MVAR

dRDGAPEVE *)1

(*+

−=∆

Iz enačbe (14) lahko ugotovimo, da večji kot je DGAP, večje je potencialno nihanje ekonomske vrednost kapitala (∆EVE) ob danih spremembah obrestnih mer. Kot tak nam DGAP daje informacijo, kdaj banka pridobiva oz. izgublja in kakšen je obseg prevzetega tveganja. Če je DGAP pozitiven, bo dvig obrestnih mer, povečal ekonomsko vrednost kapitala (EVE), medtem ko bo padec v obrestnih merah povzročil tudi znižanje EVE. Bližje kot je DGAP nič, manjša je potencialna sprememba v EVE ob dani spremembi obrestnih mer. Metoda vrzeli v trajanju zahteva od finančne institucije jasno opredeljene cilje, npr. tržna vrednost njenega kapitala, in s tem posledično strateško upravljanje s tehtanim povprečnim trajanjem bančne aktive in pasive. Metodo bomo prikazali na preprostem primeru bančne bilance, kjer so vse postavke prikazane po tržni vrednosti. Pri tem predpostavljamo, da ne bo prišlo do nobenih predplačil, izpadov zapadlih obveznost s strani komitentov, kakor tudi ne do predčasnega odpoklica vezanih depozitov. Iz tabele 2 lahko vidimo, da je tehtano povprečno trajanje aktive 2,88 leta, pasive pa le 1,59 leta. Pričakovani neto obrestni prihodki banke ob predpostavki nespremenjenih obrestnih mer znašajo 48 €.

Obrestno tveganje izhaja iz razlike v tehtanem povprečnem trajanju aktive in pasive bilance banke in znaša 1,42 leta. Ob spremembi tržnih obrestnih mer, se bo tržna vrednost naložb in obveznosti banke spremenila v različnem obsegu. Ker je tehtano povprečno trajanje aktive daljše od tehtanega povprečnega trajanja pasive, se bo tržna vrednost aktive spremenila bolj od vrednosti pasive. Predpostavimo sedaj, da se tržne obrestne mere zvišajo za eno odstotno točko. Iz tabele 2 lahko vidimo, da je tržna vrednost aktive manjša za 26 €, pasive za 14 €, tržna vrednost kapitala pa se je znižala na 68 €. Tabela 2: Metoda vrzeli v trajanju na primeru banke

1. BILANCA BANKE X AKTIVA MW ( v EUR) R D ( v letih) PASIVA MW ( v EUR) R D ( v letih) gotovina 100 1 Y DEPOZIT 620 5% 13 Y kredit 700 12% 2,69 3 Y CD 300 7% 2,81

6Y obveznica 200 8% 4,99 SKUPAJ OBV. 920 1,59 KAPITAL 80

SKUPAJ 1000 2,88 1000 DA=700/1000*2.69+200/1000*4.99=2.88 let DP=620/920*1+300/920*2.81=1.59 leta NII=0.12*700+0.08*200-0.05*620-0.07*300=48 € DGAP=2.88-920/1000*1.59= 1.42 leta

2. DVIG RAVNI TRŽNIH OBRESTNIH MER ZA 1 ODSTOTNO TOČKO AKTIVA MW ( v EUR) R D ( v letih) PASIVA MW ( v EUR) R D ( v letih) gotovina 100 1 Y DEPOZIT 614 6% 13 Y kredit 683 13% 2,68 3 Y CD 292 8% 2,80

6Y obveznica 191 9% 4,97 SKUPAJ OBV. 906 1,58 KAPITAL 68 SKUPAJ 974 2,86 974

DA=683/974*2.68+191/974*4.97=2.86 let DP=614/906*1+292/906*2.8=1.58 leta DGAP=2.86-906/974*1.58=1.36 TRŽNA VREDNOST: v € AKTIVE -26 PASIVE -14 KAPITALA -12 kredit ∆P=0.01/1.12-2.69*700=-16.8€ CD ∆P=0.01/1.07-2.81*300=-7.9€

3. IMUNIZACIJA PORTFELJA AKTIVA MW ( v EUR) R D ( v letih) PASIVA MW ( v EUR) R D ( v letih) gotovina 100 1 Y DEPOZIT 340 5% 13 Y kredit 700 12% 2,69 3 Y CD 300 7% 2,816Y obveznica 200 8% 4,99 6Y OBVEZNICA 280 8% 6

SKUPAJ OBV. 920 3,11 KAPITAL 80

SKUPAJ 1000 2,88 1000

DGAP= 2,88-920/1000*3.11≈0 DVIG RAVNI OBRESTNIH MER ZA 1 ODSTOTNO TOČKO

AKTIVA MW ( v EUR) R D ( v letih) PASIVA MW ( v EUR) R D ( v letih) gotovina 100 1 Y DEPOZIT 337 6% 13 Y kredit 683 13% 2,68 3 Y CD 292 8% 2,806Y obveznica 191 9% 4,97 6Y OBVEZNICA 265 9% 6

SKUPAJ OBV. 894 3,07 KAPITAL 80

SKUPAJ 974 2,86 974

Vir: Koch W.T., MacDonald S.S., 2000, str. 197-199. DGAP je v proučevanem primeru pozitiven. Vrednost aktive se zmanjša bolj od vrednosti pasive, ker je tehtano povprečno trajanje aktive 2,86 let, pasive pa 1,58 let. Razmerje med kapitalom in bilančno vsoto se zniža iz 8% na 7,1% (iz 80/1000 na 68/974). Znižali se

bodo tudi neto obrestni prihodki banke, saj banka plačuje relativno višje obresti za obveznosti v primerjavi z višjimi donosi, ki jih prejema za reinvestirane denarne tokove iz naslova kredita oz. 6-letne obveznice. Dejstvo je, da se je pozicija banke z dvigom obrestnih mer poslabšala. Znižanje zahtevane donosnosti za eno odstotno točko bi imel ravno obraten učinek; tržna vrednost aktive bi se povečala bolj kot tržna vrednost pasive, posledično bi se povečali tudi neto obrestni prihodki in tržna vrednost kapitala banke. Večkrat smo že poudarili, da nam DGAP pokaže pričakovano spremembo tržne vrednosti kapitala banke ob dani spremembi tržnih obrestnih mer. Enačbo (14) lahko uporabimo za oceno spremembe tržne vrednosti kapitala banke na podlagi primera v tabeli 2; dvig ravni obrestnih mer za eno odstotno točko, zniža tržno vrednost kapitala za približno 1,27% oz. 12,7 € (-1,42*(0,01/1,1)*1000€). Banka se obrestnemu tveganju ne more, niti nima namena izogniti, lahko pa ga poskuša imunizirati. To pomeni, da s tehniko imunizacije poskušamo eliminirati komponente obrestnega tveganja (npr. tveganje spremembe cen in tveganje reinvestiranja zaradi spremembe cen). Imunizacija je zelo zahtevna tehnika upravljanja s portfeljem, saj razen v primeru, da je portfelj sestavljen iz brezkuponskih obveznic, zahteva sprotno uravnoteževanje strukture portfelja; povprečno trajanje portfelja mora biti namreč ves čas enako preostanku časovnega horizonta dospelosti portfelja (Zupančič 2006, 91-93). Da bi banka iz našega primera (tabela 2) imunizirala tržno vrednost kapitala banke pred spremembami obrestnih mer, mora skrajšati tehtano povprečno trajanje aktive za 1,42 leta ali podaljšati trajanje pasive za 1,54 leta (920/1000*1,54) ali pa izvesti kombinacijo aktivnosti na obeh straneh bančne bilance. Banka npr. lahko imunizira portfelj in s tem doseže vrednost DGAP enako nič z znižanjem stanja vezanih depozitov za 340 € in izdajo 6-letnih brezkuponskih obveznic v višini 280 €. Še vedno predpostavljamo dvig ravni obrestnih mer za eno odstotno točko. Tržna vrednost vseh cenovno občutljivih bilančnih postavk banke se posledično zniža. Tržna vrednost kapitala pa ostane nespremenjena; vrednost aktive se namreč poveča ravno za toliko, kolikor se zniža vrednost pasive, torej 26 €. Seveda obstajajo številni drugi načini s katerimi bi se banka zavarovala pred obrestnim tveganjem in s tem dosegla vrednost DGAP enako nič. 4.2.4. Prednosti in slabosti metode vrzeli v trajanju Privlačnost metode vrzeli v trajanju je zlasti v dejstvu, da predstavlja zelo razumljivo merilo obrestnega tveganja celotnega portfelja finančne institucije; manjša kot je vrednost DGAP, manj občutljiva je finančna institucija na spremembe tržnih obrestnih mer. Za razliko od klasične metode obrestnih razmikov, metoda vrzeli v trajanju enakovredno obravnava vse denarne tokove, ne glede na njihovo oddaljenost od trenutka proučevanja, izogne pa se tudi problemu razvrščanja denarnih tokov v posamezne časovne intervale. Trajanje lahko izračunamo za celoten bančni portfelj in se s tem izognemo analizi po posameznih finančnih instrumentih. In nenazadnje metoda trajanja omogoča dolgoročno analizo in s tem večjo fleksibilnost banke pri upravljanju z obrestnim tveganjem (Koch, MacDonald 2000, 203).

Seveda ima metoda vrzeli v trajanju tudi svoje slabosti. Strnili jih bomo v naslednjih točkah (Koch, MacDonald 2000, 204): • Težko je natančno izračunati trajanje. Izračun trajanja namreč zahteva številne subjektivne predpostavke in širok nabor podatkov. Tako npr. zahteva natančne ocene kdaj in v kakšnem obsegu bodo realizirane morebitne implicitne opcije posameznih finančnih instrumentov. • Pravilen izračun trajanja zahteva, da so prihodnji denarni tokovi diskontirani s točno določenimi diskontnimi faktorji, ki odražajo pričakovane spremembe obrestnih mer v prihodnosti. • Banka mora nenehno preverjati, izračunavati trajanje celotnega portfelja in posledično prilagajati strukturo bančne bilance, zlasti ob večjih spremembah obrestnih mer. • Težko je oceniti trajanje obrestno neobčutljivih naložb in obveznosti. Da bi banka lahko naredila oceno denarnih tokov in tržno vrednost sprememb, mora oceniti dejansko obrestno občutljivost vpoglednih depozitov in oceniti njihovo trajanje. Banke naj bi imele natančno izdelane strategije ocenjevanja stabilnega dela vpoglednih depozitov, za katere lahko rečemo, da so obrestno neobčutljivi. Ključna pri tem je natančnost ocene stabilnosti. • Koncept trajanja je zelo subjektiven. Aktivno upravljanje zahteva od managementa nenehno prilagajanje strukture portfelja spremembam v trajanju. Za manjše banke s preprostimi produkti pogosto stroški takšnega načina upravljanja z obrestnim tveganjem presegajo koristi. 4.2. METODA TVEGANE VREDNOSTI Ker tveganje pogosto enačimo z volatilnostjo tržne vrednosti posameznega instrumenta oziroma portfelja instrumentov, največja pričakovana izguba danega portfelja ob dani stopnji zaupanja, dejansko predstavlja tvegano vrednost, to je vrednost izgube tržne vrednosti portfelja ob dani stopnji zaupanja. Ta vrednost ponuja agregatni pogled na tveganje celotnega portfelja instrumentov banke. Ker vključuje finančni vzvod, časovno spremljanje korelacij in volatilnosti ter zajema trenutne pozicije tako v osnovnih kot tudi izvedenih finančnih instrumentih, dejansko predstavlja v prihodnost usmerjeno oceno tveganja; zaradi fleksibilne metodologije je metodo tvegane vrednosti mogoče uporabljati ne samo za tržna tveganja in s tem seveda za obrestno tveganje, ampak jo je mogoče razširiti tudi na kreditna in celo operativna tveganja (Jorion 2000, 22). Tvegana vrednost (v nadaljevanju VAR) tako v zadnjih desetletjih predstavlja enega največjih napredkov na področju upravljanja s tveganji; napoveduje največjo pričakovano izgubo banke znotraj določenega prihodnjega obdobja ob določenem intervalu zaupanja v normalnih tržnih razmerah. Je mera, ki v eni številki pove, kakšnemu tveganju je banka izpostavljena22. Obstajajo številna poimenovanja za metodo VAR vendar je vsem skupno dejstvo, da ta metoda analizira občutljivost portfelja na spremembe faktorjev tveganja (v našem primeru obrestnih mer oz. cen finančnih instrumentov) in trenutno predstavlja najbolj smiselno tehniko merjenja tveganj. Kot tako jo je sprejel tudi Baselski odbor za bančni nadzor in predstavlja standard na področju merjenja tržnih tveganj (Žiković 2005, 62).

22 Če je VAR enak 10.000 € nam to pove, da lahko v normalnih tržnih razmerah in npr. 10 dnevnem držanju portfelja z 95% intervalom zaupanja trdimo, da se vrednost portfelja banke v naslednjih 10 dneh ne bo znižala za več kot 10.000 €.

4.2.1. Statistično modeliranje faktorjev tveganja Na tem mestu bomo tveganje opredelili kot negotovost, da se bo zaradi neugodnih gibanj faktorjev tveganja zmanjšala vrednost finančnega instrumenta (portfelja) in bo zato banka utrpela izgubo. Porazdelitev nepričakovanih dogodkov v statistiki prikažemo z verjetnostno porazdelitveno funkcijo, najprej pa si oglejmo nekatere druge statistične osnove VAR-a. 4.2.1.1. Nestanovitnost oz. volatilnost Nestanovitnost lahko opredelimo kot spreminjanje vrednosti opazovanega faktorja tveganja (Wiedemann 2004, 11). Pri merjenju obrestnega tveganja nas zanima spreminjanje vrednosti finančnega instrumenta ob spremembah obrestnih mer. Merjenje nestanovitnosti je temeljnega pomena za izračun VAR; večja kot je nestanovitnost donosov iz naslova finančnega instrumenta, večja je nevarnost izgube iz istega naslova. Večja nestanovitnost ima za posledico bolj sploščeno obliko verjetnostne porazdelitvene funkcije in s tem večjo verjetnost nastanka izgube, medtem ko strmejša oblika verjetnostne porazdelitvene funkcije odraža manjšo nestanovitnost in s tem manjšo verjetnost nastanka izgube. Merjenje in napovedovanje nestanovitnosti sta ključna za učinkovito upravljanje obrestnega tveganja, hkrati pa predstavljata eno težjih nalog finančnega modeliranja. Merjenje nestanovitnosti največkrat temelji na zgodovinskih nihanjih; ob predpostavki, da so nestanovitnosti iz preteklosti vsaj v diskretnem času stabilne, lahko služijo kot osnova za napovedovanje nestanovitnosti v prihodnosti. Za kratkoročne analize je ta predpostavka dopustna, na dolgi rok pa bomo videli, da nikakor ne vzdrži. Osnovni meri nestanovitnosti predstavljata standardni odklon (v nadaljevanju σ) in eksponentna tehtana drseča sredina (v nadaljevanju EMWA- Exponentially Weighted Moving Average). σ predstavlja najpreprostejšo mero nestanovitnosti določenega faktorja tveganja in je opredeljen kot povprečna razpršenost pojava okoli srednje vrednosti tega pojava in ga lahko zapišemo kot (Wiedemann 2004, 21):

(15) nRn

tRt /)(

1

2∑=

−= µσ

Rt-slučajna spremenljivka µR- aritmetična sredina slučajne spremenljivke n- število opazovanih obdobij Za nihanje nestanovitnosti v času je značilno združevanje v t.i. grozde nestanovitnosti. Empirični dokazi kažejo, da nestanovitnost donosov časovno ni neodvisna, ampak se

pojavlja v časovnih grozdih23 (Černilec 2005, 42) povzeto po (Granger, Poon 2002,7). Pri uporabi standardnega odklona kot mere nestanovitnosti je problem t.i. grozdov nestanovitnosti posebej pereč. Tekoča nestanovitnost, ki služi kot ocena nestanovitnosti v prihodnosti je izračunana kot uravnoteženo povprečje na podlagi sprememb vrednosti v preteklosti. Le-te pa imajo svoj izvor v preteklih višjih oz. nižjih nestanovitnostih, ki se v času izmenjujejo. Z uporabo povprečnih vrednosti pri izračunu standardnega odklona omilimo vpliv »nenormalnih« vrednosti; v času večje volatilnosti bi namreč prikazovale prenizek, v času manjše volatilnosti pa previsok učinek. Za reševanje problema grozdov nestanovitnosti je primernejša EMWA, ki ne upošteva na enak način vseh preteklih sprememb vrednosti faktorja tveganja (donosnosti), ampak daje večjo težo manj oddaljenim spremembam vrednosti. Posledica tega je, da nadpovprečne spremembe vrednosti v določenem obdobju implicirajo tudi nadpovprečno nihanje v naslednjem obdobju. EMWA lahko zapišemo kot (Wiedemann 2004, 23):

(16) ∑=

−−=n

tRt

t R1

2)()1( µλλσ

λ- faktor glajenja oz. faktor zamika Teoretično je vrednost λ lahko med 0 in 1. Vrednost λ tako odloča o tehtanju časovne vrste in s tem o hitrosti prilagajanja merjenja volatilnosti aktualnemu razvoju trenda. Nižje vrednosti λ dajejo večjo težo manj oddaljenim vrednostim in s tem vodijo do hitrejšega odziva na spremembe volatilnosti. Empirično je dokazano, da je enačba (16) dovolj dober približek nestanovitnosti ob dovolj velikem številu opazovanj (Černilec 2005, 47) povzeto po (Down, 2002, 313). Glavna prednost modela je, da je odvisen le od enega parametra (λ); vsaka napoved variance temelji le na njeni predhodni napovedi in zadnji dejanski donosnosti (σ2

t-1). Model EMWA uporablja investicijska banka J.P. Morgan, katere analitiki so λ za dnevno volatilnost ocenili na 0,94, za mesečno volatilnost pa na 0,97 (Wiedemann 2004, 24). Zaključimo lahko, da volatilnost izračunana s standardnim odklonom veliko počasneje reagira na spremembe faktorja tveganja kot pa volatilnost izračunana z metodo EMWA. 4.2.1.2.Normalna porazdelitev slučajne spremenljivke Normalna porazdelitev igra osrednjo vlogo v statistiki, saj predstavlja značilnost velikega števila populacij. Poleg tega je dokazano, da se porazdelitev slučajne spremenljivke, ki lahko zavzame katerokoli vrednost, neodvisno od drugih vrednosti z večanjem opazovanega vzorca približuje normalni porazdelitvi (Kristl 2004, 59). Normalno porazdelitveno funkcijo lahko zapišemo (Wiedemann 2004, 29):

(17) ⎟⎟⎠

⎞⎜⎜⎝

⎛ −−= 2

2

2)(exp*

21)(

σµ

πσxxf

23 Če se v nekem trenutku npr. zgodi skokovit premik v tržnih obrestnih merah, se poveča verjetnost nadpovprečne spremembe tržnih obrestnih mer tudi v naslednjih dneh.

x- normalno porazdeljena slučajna spremenljivka σ2- varianca slučajne spremenljivke Normalna porazdelitev nam pove, da je verjetnost nastanka dogodka tem večja, čim bolj se vrednost dogodka približuje povprečni vrednosti in tem manjša, čim bolj se vrednost dogodka oddaljuje od povprečne vrednosti. Pri upravljanju s tveganji nas najbolj zanimajo skrajni deli porazdelitve, ki predstavljajo najbolj ekstremne vrednosti, ki jih proučevana spremenljivka lahko zavzame. Bistvena lastnost normalne porazdelitve je njena simetričnost24 (Žiković 2005, 64). Vsako normalno porazdelitev je mogoče zapisati v obliki standardizirane normalne porazdelitve z aritmetično sredino 0 in standardnim odklonom 1 N(0,1). Pri tem porazdelitev standardizirane spremenljivke »z« zapišemo; zi=(xi-µx)/σx, kjer stopnja zaupanja predstavlja posamezni centil standardizirane normalne porazdelitve. Normalno porazdelitev določata le dva parametra (µ in σ) in spada v skupino parametričnih pristopov. Njena glavna prednost je preprostost, žal pa predpostavka normalne porazdelitve v praksi velikokrat ne drži. Dejanska porazdelitev donosnosti finančnih instrumentov je vse prej kot normalna; statistično porazdelitev namreč določa več momentov, med katerimi sta za pravilno ocenjevanje verjetnosti nastanka dogodka zlasti pomembna 3. in 4. moment. Imenujemo ju mera asimetričnosti (skewness-3. moment) in sploščenost porazdelitve ( kurtosis- 4. moment). Formulo za njun izračun in pojasnitev njunih vrednosti navajamo v prilogi 9. Poleg že ugotovljene časovne odvisnosti volatilnosti donosov (volatilnost donosov se pojavlja v časovnih grozdih), je bilo empirično dokazano tudi (Černilec 2005, 42): • volatilnosti donosnosti finančnih oblik niso neodvisne ampak so v korelaciji, • verjetnostna porazdelitev donosnosti je asimetrična in teži k neki srednji vrednosti, • ima verjetnostna porazdelitev donosnosti bolj odebeljene skrajne repe, kot bi sklepali po obliki normalne porazdelitve. 4.2.1.3. Korelacije in učinek diverzifikacije Merjenje korelacije je naslednji pomembni element pri izračunu VAR. Korelacije med dvema vrstama obrestnih mer ( npr. LIBOR USD in EURIBOR) nam pove, v kolikšni meri se sprememba vrednosti ene obrestne mere odrazi oz. vpliva na vrednost druge obrestne mere. Korelacija tako meri stopnjo po kateri se slučajne spremenljivke gibljejo v isto oz. nasprotno smer. To povezavo merita kovarianca in korelacijski koeficient, obe meri označujeta odnos med slučajnima spremenljivkama. Kovarianca opisuje usklajenost gibanja med posameznimi spremenljivkami (Wiedemann 2004, 35):

(18) ∑=

−−=n

tRjtjRitiji RR

n 1,,, ))((1cov µµ

Korelacijski koeficient, ki opisuje stopnjo povezanosti slučajnih spremenljivk pa zapišemo:

24 Verjetnost nastanka dogodka z vrednostjo µ+c je enaka verjetnosti nastanka dogodka µ-c.

(19) ji

jiji σσ

ρ ,,

cov=

Korelacijski koeficient (v nadaljevanju ρi,j) lahko zavzame vrednosti od -1 do 1, čeprav je v praksi njegova najpogostejša vrednost med 0 in 1. Če je ρi,j enak -1 gre za popolnoma negativno korelacijo. V tem primeru je učinek diverzifikacije največji, saj se vrednosti posameznih spremenljivk gibljeta v nasprotni smeri z enako stopnjo. Če je vrednost ρi,j enak 1 učinka diverzifikacije ni. Gre namreč za popolnoma pozitivno korelacijo, saj se vrednosti posameznih spremenljivk gibljejo v isto smer, z vidika tveganja pa lahko na obe spremenljivki gledamo kot eno. Če je ρi,j enak 0, spremenljivki med sabo nista povezani, prednosti diverzifikacije sicer obstajajo, a so prednosti manjše kot v primeru obstoja negativne korelacije. Pri bančnem poslovanju se soočamo z upravljanjem portfelja naložb in ne le s posameznimi naložbami. Če želimo izračunati občutljivost portfelja na spremembe obrestnih mer, ne moremo preprosto sešteti mer tveganja posameznih naložb. Gibanje tržne vrednosti naložb v portfelju nikoli ni popolnoma povezano v isti smeri, posledično torej pride do učinka diverzifikacije. Tveganje portfelja je zaradi diverzifikacije manjše od preprostega seštevka mer tveganja posameznih naložb. Ni toliko pomembno samo tveganje posamezne naložbe, ampak prispevek naložbe k tveganosti celotnega portfelja. Vpliv posamezne naložbe na tveganost celotnega portfelja je odvisna od korelacije donosnosti naložbe z donosnostmi ostalih naložb v portfelju. Nižji kot so korelacijski koeficienti med naložbami (v smeri proti –1), večja je pričakovana korist diverzifikacije (Wiedemann 2004, 35). Za izračun volatilnosti donosnosti portfelja (σ2

P) sestavljenega iz n- finančnih naložb, potrebujemo (n-1)/2 korelacijskih koeficientov. Iz enačbe (20) je razvidno, da varianca portfelja ni preprosto seštevek varianc posameznih naložb, ampak je potrebno upoštevati učinek diverzifikacije portfelja, kar storimo s pomočjo korelacijskih koeficientov ρi,j (Wiedemann 2004, 74):

(20) ∑ ∑∑= ≠ ≠

≠+=n

ii

n

ji

m

jijijijiiiP jiwww ;,

222 σσρσσ

σ2

P- varianca donosnosti celotnega portfelja σ2

i- varianca donosnosti i-te naložbe ρi,j- korelacijski koeficient med donosnostjo i-te in j-te naložbe wi-delež i-te naložbe v portfelju 4.2.2. Vrste metod tvegane vrednosti V osnovi ločimo med parametričnimi in neparametričnimi pristopi izračuna VAR. Prvi predpostavljajo verjetnostno porazdelitev donosnosti, pogosto vsaj pogojno normalno porazdelitev iz katere razberemo vrednost VAR, ki ustreza izbranemu intervalu zaupanja. V to skupino uvrščamo variančno kovariančno oz. delta normalno metodo izračuna VAR. Med neparametrične pristope izračuna VAR pa uvrščamo Monte Carlo metodo in historično simulacijo. Ti dve metodi izračuna VAR poskušata na podlagi dejanskih

porazdelitev, in ne s predpostavko določene teoretične porazdelitve, določiti porazdelitveno funkcijo in iz nje razbrati vrednost VAR, ki ustreza izbranemu intervalu zaupanja. Neparametrični pristopi predpostavljajo, da je bližnja prihodnost podobna bližnji preteklosti, zato so podatki iz bližnje preteklosti v pomoč pri napovedovanju bližnje prihodnosti (Simons 2000, 23-26). Na podlagi že opisanega, ni težko povzeti, da je glavna prednost metode VAR, pred drugimi že opisanimi merami tveganja, upoštevanje tako nestanovitnosti donosnosti kot tudi medsebojne povezanosti donosnosti posameznih naložb v portfelju. Hipoteza, ki smo jo navedli na začetku magistrske naloge, kjer smo trdili, da je metoda VAR primernejša metoda merjenja obrestnega tveganja kot pa metoda, ki temelji na obrestnih razmikih, je s tem dokazana. Nobena od v nadaljevanju predstavljenih metod izračuna VAR ni popolna. Bistvenega pomena za upravljanje z obrestnim tveganjem ni v iskanju popolne metode, ampak v poznavanju različnih metod merjenja tveganja ter poznavanju tako prednosti kot tudi slabosti posamezne metode. 4.2.2.1. Historična simulacija Historična simulacija je najlažje razumljiva metoda izračuna VAR in sodi v skupino neparametričnih pristopov. Zanje je značilno, da vnaprej ne predpostavljajo nikakršne oblike porazdelitvene funkcije. Zamisel je naslednja; uporabimo časovne vrsto donosov vsakega izmed n- posameznih instrumentov, ki sestavljajo portfelj in na podlagi teh donosov (utež wi so današnji deleži portfelja v posameznem instrumentu) izračunamo donos portfelja in absolutno spremembo vrednosti portfelja za zadnjih X dni. V tem primeru ne gre za izračun dejanskih sprememb vrednosti portfelja, ampak za simulacijo gibanja sprememb vrednosti hipotetičnega portfelja instrumentov na podlagi zgodovinskih podatkov. Izračunane spremembe vrednosti portfelja se nato rangira od največje spremembe navzdol do največje spremembe navzgor. Tvegana vrednost je odvisna od intervala zaupanja (največkrat 95% ali 99% interval zaupanja).

(21) ∑=

=n

ikitikp rwr

1,,, ;* k=1, ..., t

ri,k-donosi i-te naložbe v času k Do podobnih rezultatov bi prišli, če bi namesto časovne vrste donosa i-tega instrumenta uporabili časovno vrsto cene tega instrumenta in spremembe vrednosti portfelja izračunali s pomočjo polnega vrednotenja; današnje instrumente v portfelju bi vrednotili v skladu s hipotetičnimi cenami in v naslednjem koraku bi izračunali časovno vrsto sprememb vrednosti portfelja, ki bi jo razvrstili na že opisan način (Kristl 2004, 78-79). Glavna prednost historične simulacije je upoštevanje realnih podatkov iz preteklosti. Na ta način so zajete dejanske finančne krize iz preteklosti, to pa daje pristopu večjo uporabno moč pri testiranju izjemnih razmer. Metoda ne zahteva vnaprejšnjega eksplicitnega modeliranja parametrov porazdelitve, saj so ti že zajeti v zgodovinskih podatki. Na ta način se izognemo tudi tveganju uporabe neustreznega modela, katerega predpostavke ne ustrezajo konkretnemu portfelju. Ker ne predpostavlja nobene vnaprej opredeljene oblike

porazdelitve donosov, lahko zajame tudi nelinearnost opcijskega portfelja in vega tveganje25 (Wiedemann 2004, 42). V nadaljevanju podrobneje opisujemo posamezne korake pri izračunu VAR s pomočjo historične simulacije na konkretnem primeru. Pri tem predpostavljamo, da je portfelj banke sestavljen zgolj iz dveh vrednostnih papirjev z nominalno vrednostjo 10.000 € in 15.000 €, katerih denarna tokova nastopita čez eno oz. deset let, opazovano obdobje je eno leto (na voljo imamo 250 podatkov o gibanju obrestnih mer v preteklost), omenjen portfelj pa držimo zgolj en dan. Način izračuna VAR s historično simulacijo v okrnjeni obliki prikazujemo v preglednicah 3a in 3b, v celoti pa v prilogi 10a in 10b. V prvem koraku je potrebno vzpostaviti časovno vrsto faktorjev tveganja iz preteklosti. Z Xj,-t bomo označili vrednost faktorja tveganja j, katerega vrednost smo razbrali na dan –t, z Xj,0 pa označujemo vrednost faktorja tveganja j na dan proučevanja. V drugem koraku izračunamo spremembe vrednosti faktorja tveganja Rj,-t v zaporednih dneh v preteklosti. Pri tem lahko spremembe vrednosti izračunano na osnovi kvocienta oz. v obliki absolutnih razlik. V prvem primeru opazujemo relativne oz. logaritemske spremembe vrednosti, v drugem primeru pa absolutne spremembe vrednosti faktorjev tveganja v zaporednih, preteklih dneh. Poudariti je potrebno, da vsi opisani načini izračuna razlik v vrednosti faktorjev tveganja, vodijo do zelo podobnega rezultata. Razlike nastanejo šele pri večjih spremembah obrestnih mer (preko 100 bazičnih točk), ki pa so v primeru držanja portfelja le za en dan (predpostavka), na razvitih trgih, zelo malo verjetne. Zaradi enostavnosti in lažjega razumevanja bomo v našem primeru uporabili absolutne razlike v faktorjih tveganja. Tabela 3a: Izračun VAR z metodo historične simulacije X1,-t R1,t X10,-t R10,-t S1,t PV1,t S10,t PV10,t

-t 1 2 3 4 t 5 6 7 8 0 4,11% 4,69% 0 4,11% 4,69%

-1 4,12% -0,01%

4,68% 0,01% 1 4,10% 9.606,15 4,70% 18.951,97-2 4,09% 0,03% 4,69% -0,01% 2 4,14% 9.602,46 4,68% 18.988,21-3 4,10% -0,01% 4,70% -0,01% 3 4,10% 9.606,15 4,68% 18.988,21

-249 2,96% 0,01% 4,57% 0,02% 249 4,12% 9.604,30 4,71% 18.934,79-250 2,94% 0,02% 4,57% 0,00% 250 4,13% 9.603,38 4,69% 18.964,29

Vir: Lasten izračun V tretjem koraku na osnovi zgodovinskih vrednosti faktorjev tveganja izračunamo njihovo potencialno prihodnjo vrednost Sj,t. Hipotetično vrednost faktorjev tveganja izračunamo tako, da k faktorjem tveganja na dan proučevanja prištejemo simulirano razliko v

25 Vega opcije (Λ) predstavlja spremembo cene opcije zaradi majhne spremembe nestanovitnosti cene osnovnega instrumenta. Matematično je vega tveganje prvi parcialni odvod funkcije cene opcije glede na nestanovitnost cene osnovnega instrumenta (Sklep o kapitalski ustreznosti bank in hranilnic 2002, 57).

zaporednih preteklih vrednostih faktorjev tveganja. Na ta način dobimo alternativne vrednosti faktorjev tveganja v prihodnosti na podlagi že nastalih dogodkov v preteklosti (časovna vrsta v primeru je dolga 250 dni). Sedaj lahko v četrtem koraku izračunamo sedanjo vrednost našega portfelja (sestavljenega iz le dveh vrednostnih papirjev). Nominalna denarna tokova vrednotimo z ustreznim faktorjem tveganja (npr. enoletno obrestno mero predstavlja 12 mesečni EURIBOR, 10- letni diskontni faktor pa donosnost do dospetja 10-letnih ameriških državnih obveznic). Na ta način dobimo 250 potencialnih sedanjih vrednosti našega portfelja (PV1,t+PV10,t). V petem koraku izračunamo pričakovane prihodnje spremembe vrednosti portfelja in jih razvrstimo po velikosti. VAR, ob izbranem intervalu zaupanja ustreza n-ti najmanjši vrednosti; ob enoletnem obdobju opazovanja, enodnevnem držanju portfelja in 99% intervalu zaupanja, VAR ustreza drugi najmanjši vrednosti (250*(1-0,99)=2,5→2). V našem primeru lahko tvegano vrednost- VAR=-179,15€ interpretiramo kot: z 99% verjetnostjo lahko trdimo, da banka, ki ima portfelj sestavljen iz le dveh vrednostnih papirjev z nominalno vrednostjo 10.000 € in 30.000 €, naslednji dan ne bo utrpela izgube večje od 179,15 €. Seveda historična simulacija ni brez slabosti povzeto po (Kristl,2004,79-80) in (Wiedemann, 2004, 42-43). Na prvem mestu; historična simulacija ne upošteva sprememb portfelja v času. Posledično je potrebno za posamezen portfelj vsak dan izdelati historično simulacijo glede na današnjo relativno vrednostno strukturo portfelja. Nadalje je slabost popolna odvisnost ocene tveganja od določene časovne vrste podatkov. Ti podatki lahko vključujejo nenormalne izjemne dogodke, ki se zelo verjetno ne bodo ponovili v bližnji prihodnosti, a vseeno vplivajo na izračun VAR. Tabela 3b: Izračun VAR z metodo historične simulacije (nadaljevanje tabele 3a) PV1,t+PV10,t Razlike PV scenarij max→min scenarij rang

9=6+8 10 11 12 13 28.575,12 28.558,12 -17,00 182 209,01 1 28.590,67 15,55 105 165,15 2 28.594,36 19,24 130 163,86 3

28.539,09 -36,04 94 -179,15 249 28.567,67 -7,46 74 -215,71 250

Vir: Lasten izračun Če želimo dobiti zanesljive rezultate, rabimo zelo dolgo časovno vrsto. Daljša kot je časovna vrsta, bolj zanesljiva je ocena VAR s historično simulacijo. To še toliko bolj velja za majhne intervale zaupanja (1% in manj). V primeru dolgih časovnih vrst imamo pogosto konfliktne situacije; z uporabo podatkov iz oddaljene preteklosti dobimo bolj zanesljivo oceno VAR, a so ocene VAR toliko manj ustrezne, kolikor več podatkov je izven obdobja trenutne visoke (nizke) volatilnosti, ki ne ustrezajo trenutni situaciji.

Slabost predstavlja tudi dejstvo, da imajo vsi proučevani podatki enako težo. Če uporabimo časovno vrsto podatkov iz obdobja padajoče volatilnosti namreč lahko precenimo pravo tveganje, saj bo potrebno nekaj časa, da bodo podatki visoke volatilnosti izpadli iz obdobja opazovanja (in nasprotno v primeru naraščajoče volatilnosti). Historična simulacija se sooča tudi s t.i. učinkom duha26. Recimo, da se je le na določen dan pojavil šok na finančnih trgih, ki je povzročil izjemno spremembo obrestnih mer. Čeprav ostali dnevi v npr. 3 letnem obdobju niso bili pod vplivom izjemnih sprememb obrestnih mer na trgu, bo historična simulacija upoštevala ta enkraten dogodek vsa 3 leta, dokler ta izjemna vrednost na dan X ne bo izginila iz obdobja opazovanja (kar pa se bo zgodilo na dan 3 leta + 1 dan). 4.2.2.2. Variančno kovariančna metoda izračuna VAR Ta metoda izračuna VAR je poznana pod blagovno znamko RiskMetricsTM, razvila jo je investicijska banka JP Morgan. Takšno ime je metoda dobila zato, ker si pri izračunu VAR pomagamo s parametri, ki opisujejo verjetnostno porazdelitev faktorjev tveganja in sicer variancami in kovariancami. Za uporabo te metode morajo biti verjetnostne porazdelitve posameznih faktorjev tveganja normalne, zveza med faktorji tveganja in vrednostjo finančnega instrumenta pa linearna (Lozej 2005, 42). 4.2.2.2.1. Tvegana vrednost brez diverzifikacijskega učinka Predpostavka normalne porazdelitve sprememb vrednosti faktorjev tveganja (v našem primeru diskontnih faktorjev brezkuponske obveznice) bistveno poenostavi izračun VAR. To nam omogoča statistično modeliranje gibanja diskontnih faktorjev v prihodnosti. Standardni odklon je mera volatilnosti in odraža intenzivnost nihanja diskontnega faktorja (brezkuponske obveznice). Večje volatilnosti odražajo položnejšo porazdelitev diskontnih faktorjev in s tem večjo verjetnost nastanka izgube, bolj strma oblika porazdelitvene funkcije pa signalizira manjšo volatilnost in posledično manjše tveganje. Vsako normalno porazdelitev je mogoče transformirati v standardizirano normalno porazdelitev s povprečno vrednostjo 0 in standardnim odklonom 1, kar zapišemo N (0,1). σ z vrednostjo 1 ali njegovim večkratnikom lahko v primeru standardizirane normalne porazdelitve natančno določa verjetnost nastanka dogodka. Pri tem nas v primeru merjenja obrestnega tveganja zanimajo predvsem negativni odkloni. S tem je izračun volatilnosti pri izbranih intervalih zaupanja bistveno poenostavljena. Tako npr. σ=1 ustreza intervalu zaupanja 84,14%. V primeru drugačnega intervala zaupanja, je treba σ pomnožiti z drugo, ustrezno vrednostjo standardizirane spremenljivke z ( Žiković 2005, 65). VAR posamezne pozicije brez upoštevanja diverzifikacijskega učinka lahko zapišemo (Priermeier 2005 53): (22) HDzMWVAR σα **=

26 Učinek duha (ghost effect) pravi, da se nenavadno povečanje volatilnosti cen takoj pokaže v oceni variance in bo tam ostala tudi potem, ko se dejanska varianca že zdavnaj vrne na svojo običajno raven. Dokončno pa bo ta vpliv izginil šele, ko bo ta člen izpadel iz vzorca. Ocena variance bo padla tako, kot je na začetku narasla, čeprav se tisti dan ni zgodilo nič posebnega (Černilec 2005, 63-64).

kjer je VAR- maksimalna izguba portfelja ob določenem intervalu zaupanja (1), znanem obdobju držanja portfelja (2) in predpostavki normalnih tržnih gibanj (3), zα- interval zaupanja transformiran v standardizirano normalno spremenljivko, MW- tržna vrednost portfelja in σHD- volatilnost portfelja (standardni odklon) v odvisnosti od predpostavljenega roka držanja portfelja. Pri interpretaciji finančnih tveganj običajno upoštevamo 95% ali 99% interval zaupanja. Tako 99% intervalu zaupanja ustreza vrednost standardizirane spremenljivke zα=2,33, 95% intervalu zaupanja pa zα=1,64. Najbolj tipične vrednosti standardizirane spremenljivke zα pri izbranih intervalih zaupanja so navedene v statističnih tabelah27. Če npr. znaša volatilnost enoletnega diskontnega faktorja brezkuponske obveznice 0,5%, lahko VAR te obveznice ob 95% intervalu zaupanja izračunamo po formuli (22)28:

VAR95%= 9.524 € * 0,5% * 1,64= 78,1€.

Ob normalnih tržnih razmerah, potencialna izguba tržne vrednosti portfelja v obdobju enega meseca z 95% verjetnostjo ne bo presegla 78,1€. Poznavanje parametrov standardizirane normalne porazdelitve omogoča izračun VAR tudi ob drugačnih intervalih zaupanja. Tako VAR v našem primeru ob 99% intervalu zaupanja izračunamo kot (Wiedemann, 2004, 64):

VAR99%= 78,1 €*(2,33/1,64)= 110,96 €

Predpostavka standardizirane normalne porazdelitve omogoča tudi primerjavo faktorjev tveganja ob različnih obdobjih držanja portfelja. Tako npr. lahko iz VAR izračunanega ob predpostavki mesečnega držanja portfelja, izračunamo VAR v primeru dnevnega držanja portfelja29:

€46,1720/€1,78%95 ==VAR Mapiranje denarnih tokov V našem preprostem primeru smo do sedaj predpostavljali, da je portfelj sestavljen le iz enega vrednostnega papirja- brezkuponske obveznice z nominalno vrednostjo 10.000€, diskontno stopnjo 5% in dospelostjo 1 leto, kjer lahko pričakujemo le en denarni tok iz naslova te obveznice. Višina obrestnega tveganja je tako odvisna le od volatilnosti enega diskontnega faktorja. Seveda v praksi bančni portfelj sestavljajo številni finančni instrumenti z najrazličnejšimi obrestnimi merami in roki zapadlosti. Tako bi za natančno oceno obrestnega tveganja morali za vsak dan, ko pričakujemo denarni tok, izračunati ustrezne mere volatilnosti. Vendar bi bilo individualno upoštevanje vsakega denarnega

27 Npr. Blaženka Košmelj, Jože Rovan. 1997. Statistične tabele in obrazci. Ljubljana: Ekonomska fakulteta, stran 64. 28 Ob tem predpostavljamo, da imamo opraviti z brezkuponsko obveznico z nominalno vrednostjo 10.000 € in diskontnim faktorjem 5%. 29 Pri tem predpostavljamo, da ima mesec 20 delovnih dni

toka iz množice finančnih instrumentov časovno in stroškovno zelo potratno. Zato uporabimo metodo mapiranja denarnih tokov iz naslova finančnih instrumentov, ki poenostavi proces zbiranja podatkov pri merjenju obrestnega tveganja. Mapiranje predpostavlja, da posamezni denarni tokovi zapadejo le ob določenih časovnih obdobjih (npr. čez 1, 2, 3 mesecev,...,1, 2, 3...10, 20, 30 let). Vendar pa dejanske denarne tokove pričakujemo tudi v vmesnih obdobjih (npr. čez 5,8 leta), zato uporabimo določene prilagoditve. Mapiranje se torej nanaša na transformiranje zapadlosti dejanskih denarnih tokov na neka standardizirana obdobja zapadlosti (Černilec 2005, 59). Za denarne tokove iz posameznega finančnega instrumenta oz. denarne tokove celotnega portfelja finančnih instrumentov torej predvidimo določene termine zapadlosti. Na ta način lahko kompleksne finančne instrumente preoblikujemo v povsem enostavne oblike. Tako lahko npr. vsako obveznico preoblikujemo v brezkuponsko obveznico, njene spremembe vrednosti pa so rezultat sprememb vrednosti ustreznih faktorjev tveganja (diskontnih faktorjev). Mapiranje denarnih tokov in izračun VAR portfelja prikazujemo v tabeli 4. Portfelj je sestavljen iz že znane brezkuponske obveznice, kateremu dodamo navadno kuponsko obveznico z nominalno vrednostjo 10.000€, dospelostjo 2 leti, letnim izplačilom kuponov in kuponsko stopnjo 5%. Pri tem predpostavljamo še enoletni benchmark na ravni 5%, dvoletni pa na ravni 5,5%, volatilnost 1 letnega diskontnega faktorja znaša 0,5%, dvoletnega pa 0,7%. Tabela 4: VAR nediverzificiranega portfelja

časovni interval (v letih) 1l obveznica 2 l 5%-obveznicanominalni

DT benchmark (tržna o.m.)

0 1 2 3=1+2 4

1 10.000 500 10.500 5% 2 10.500 10.500 5,50%

DF realni DT Volatilnost z VAR

5 6=5*3 7 8 9=6*7*8

0,9524 10.000 0,50% 1,64 82,0 0,8985 9.434 0,70% 1,64 108,3

Nediverzificiran VAR 190,3 Vir: Lasten izračun Potencialna izguba portfelja prikazanega v tabeli 4 znaša 190,3€; torej ob predpostavki normalnih tržnih gibanj, mesečnem držanju portfelja in 95% intervalu zaupanja, izguba portfelja ne bo presegla 190,3€. Takšen rezultat zaenkrat ni povsem ustrezen, nismo namreč upoštevali medsebojne povezanosti posameznih faktorjev tveganja na ustrezen način (predpostavljali smo popolnoma pozitivno korelacijo med posameznimi faktorji tveganja). Teoretično je to povsem korektno, v praksi pa le redko prisotno.

4.2.2.2.2. Tvegana vrednost in učinek diverzifikacije Učinek diverzifikacije se pojavlja takrat, ko diskontni faktorji, ki ustrezajo danemu portfelju finančnih instrumentov niso popolnoma pozitivno korelirani. Kot smo predstavili že v uvodnem delu poglavja o merjenju obrestnega tveganja z metodo VAR, korelacija med dvema diskontnima faktorjema meri, v kolikšni meri se sprememba vrednosti enega diskontnega faktorja odrazi na spremembi vrednosti drugega faktorja. Ker spremembe vrednosti diskontnih faktorjev določajo spremembe vrednosti denarnih tokov finančnih instrumentov, nam korelacija pokaže, v kolikšni meri kombinacija denarnih tokov različnih dospelosti, zmanjšuje tveganost celotnega portfelja (Priermeier 2005, 54). V kolikor so spremembe vrednosti posameznih finančnih instrumentov, ki sestavljajo portfelj normalno porazdeljene, potem je tudi sprememba vrednosti celotnega portfelja (kot vsota sprememb vrednosti posameznih instrumentov) normalno porazdeljena. Volatilnost portfelja izračunamo po formuli (20). Naj poudarimo le, da za izračun volatilnosti portfelja, poleg standardnega odklona posameznega faktorja tveganja, potrebujemo tudi kovarianco med faktorji tveganja, ki jo izračunamo s formulo (18). Predpostavimo sedaj, da znaša ρ med 1-letno in 2-letno običajno obveznico 0,8. Volatilnost portfelja tako izračunamo:

€20,1108,0*%5,0*%7,0*434.9*000.10*2%7,0*434.9%5,0*000.10 2222 =++=Pσ

€73,180€20,110*64,1*%95 === PzVAR σ

Učinek diverzifikacije pa je enak: %03,5€3,190

€3,190€73,180−=

−

VAR ob 95% intervalu zaupanja in upoštevanju diverzifikacijskega učinka znaša 180,73€. Ob upoštevanju diverzifikacijskega učinka je VAR portfelja manjši za 5,03%. Ker zaradi časovnih učinkov 2-letni diskontni faktorji odražajo večje spremembe vrednosti kot 1-letni, se sprememba vrednosti 2-letnega diskontnega faktorja odrazi na spremembi vrednosti 1-letnega diskontnega faktorja le v višini 80%. ρ nižji od 0,8, bi tako izkazoval še manjšo povezanost med diskontnima faktorjema in s tem imel za posledico večjo diverzifikacijo tveganja. Tako npr. znaša VARP ob ρ1,2=0,5 le 165,33€, diverzifikacijski učinek pa bi znašal 13,1%. Do sedaj smo predpostavljali, da imamo opraviti le z dvema faktorjema tveganja. Seveda portfelj banke sestavljajo številni finančni instrumenti in je zato za izračun VAR portfelja banke potrebno upoštevati kovarianco med številnimi instrumenti, kar pa izračun VAR precej oteži. Pri tem si pomagamo z variančno kovariančno matriko (Wiedemann 2004, 78):

(23) ⎟⎟⎟

⎠

⎞

⎜⎜⎜

⎝

⎛

⎟⎟⎠

⎞⎜⎜⎝

⎛=

nnnn

nnP

xxx

xxx 2

1

22,1,

,12,121

,2,1 *covcov

covcov*)...,(

σσ

σ

zxxVARP *)cov*'*(=

kjer je x'-vektor realnih denarnih tokov v posameznem časovnem intervalu cov- variančno kovariančna matrika x- transponiran vektor realnih denarnih tokov Variančno kovariančna metoda VAR, imenovana tudi delta normalna metoda, je standardna metoda izračuna VAR na razvitih finančnih trgih in omogoča dobro primerljivost mer tveganja med posameznimi finančnimi institucijami. RiskMetricsTM omogoča dostop do številnih podatkovnih baz o korelacijah in volatilnosti po različnih finančnih trgih, kar izračun VAR bistveno poenostavi (Černilec 2005, 60). Izračun VAR portfelja sestavljenega iz več finančnih instrumentov in upoštevanju diverzifikacijskega učinka je prikazan v prilogi 11. Diverzificiran VAR tako predstavlja mero tveganja na ravni finančne institucije, ki upošteva medsebojne učinke posameznih faktorjev tveganja v portfelju. Na ta način je mogoče z eno samo številko izraziti obrestno tveganje, ki mu je finančna institucija izpostavljena. S tem je dosežena večja preglednost, hkrati pa ustvarjen predpogoj za zmanjševanje oz. prevzemanje obrestnega tveganja. Statistične osnove tvegane vrednosti omogočajo oceno tveganja, ki ni odvisna od subjektivnih predpostavk v zvezi z gibanjem faktorjev tveganja v prihodnosti. S tem smo navedli glavne prednosti variančno kovariančne metode izračuna VAR. Ima pa variančno kovariančna metoda tudi svoje slabosti. Med glavne slabosti štejemo nerealno predpostavko o normalni porazdelitvi faktorjev tveganja. Empirični podatki kažejo na sploščeno obliko porazdelitve faktorjev tveganja na finančnih trgih (Černilec 2005, 61). Nadalje metoda predpostavlja linearno zvezo med faktorji tveganja in vrednostjo finančnega instrumenta (Lozej 2005, 44), zato je neprimerna za izračunavanje tveganosti opcij in drugih nelinearnih instrumentov. Metoda predpostavlja tudi, da je prihodnost podobna preteklosti. Domneva se, da sta volatilnost naložb in njihova medsebojna korelacija relativno stabilni v času, zato je njihova ocena na podlagi preteklih podatkov dovolj dober približek za napovedovanje prihodnosti. Ta predpostavka je nerealna, saj se v praksi nestanovitost in korelacije zelo spreminjajo (Černilec 2005, 61). Opisane slabosti v bankah največkrat rešujejo tako, da poleg VAR izvajajo t.i. stresno testiranje, ki ga bomo podrobneje opisali v nadaljevanju magistrske naloge. Pri stresnem testiranju banka ugotavlja občutljivost portfelja naložb v izjemnih razmerah. 4.2.2.3. Monte Carlo simulacija Monte Carlo simulacija je v primerjavi z ostalimi metodami izračuna VAR daleč najzahtevnejša, vendar tudi najbolj fleksibilna metoda. S to metodo se je mogoče izogniti večini do sedaj opisanih problemov pri izračunu VAR. Za razliko od variančno kovariančne metode, Monte Carlo simulacija ne predpostavlja linearne zveze med faktorji tveganja in vrednostjo finančnih instrumentov, zato je primerna za izračun tvegane vrednosti nelinearnih instrumentov. Prav tako pri Monte Carlo simulaciji niso potrebne

dolge časovne vrste, kajti ravno dolge časovne vrste so potrebne, da je izračun VAR po metodi historične simulacije, zanesljiv (Drasdzol 2004, 109). Najbolj zahteven korak Monte Carlo simulacije je generiranje slučajnih števil (povzeto po Lozej, 2005, 44). Vhodni podatki procesa generiranja slučajnih števil, s katerimi dobimo nove vrednosti faktorjev tveganja, so izračunane variance in kovariance. Te vrednosti so spet vhodni podatki modela vrednotenja portfelja s katerim je mogoče izračunati teoretično vrednost portfelja pri vsaki kombinaciji faktorjev tveganja, ki smo jih generirali pri simulaciji. Dobljene vrednosti se razvrstijo v histogram iz katerega se nato odčita VAR pri izbranem intervalu zaupanja. Ker izračunamo variance, kovariance in morebitne druge statistične parametre, je Monte Carlo simulacija v prvi fazi enaka variančno kovariančni metodi izračuna VAR. V zadnji fazi pa je, ko izračunamo vrednost portfelja in razvrstimo posamezne vrednosti v histogram, podobna historični simulaciji. Generiranje slučajnih števil je enostavno, če imamo opraviti le z eno spremenljivko, zaplete pa se, ko je potrebno generirati več spremenljivk, ki so med seboj odvisne. V ta namen obstajajo posebna programska orodja, ki omogočajo generiranje med seboj odvisnih spremenljivk (npr. crystal ball). V magistrski nalogi bomo predstavili le zamisel generiranja slučajnih števil. Slučajna števila generiramo s pomočjo t.i. generatorja slučajnih števil, s katerim izdelamo neodvisna, enakomerno porazdeljena slučajna števila v zaprtem intervalu od 0 do 1, ki jih nato transformiramo v standardizirana normalno porazdeljena slučajna števila. Eno izmed možnih tehnik transformiranja enakomerno porazdeljenih slučajnih števil v normalno porazdeljena slučajna števila, predstavlja t.i. Box-Muller-jeva metoda. Le-ta temelji na transformaciji dveh neodvisnih enakomerno porazdeljenih slučajnih števil u in v, z vrednostmi (0,1) v dve neodvisni standardizirani normalno porazdeljeni slučajni spremenljivki x in y (Wiedemann 2004, 50): (24) )2sin(*)ln(*2 vux π−= Λ )2cos(*)ln(*2 vuy π−= Variančno kovariančna matrika je izhodišče za generiranje večrazsežne porazdelitve faktorjev tveganja. Na to matriko lahko gledamo kot na kvadrat vsote n- parametrov, kjer je n- dimenzija variančno kovariančne matrike. Ker je v tej matriki vsak element kvadriran ali pa gre za produkt z enim od drugih elementov, generirati pa želimo spremenljivke, ki bodo podobne originalni spremenljivki, je potrebno to matriko koreniti. Najpogosteje uporabimo metodo korenjenja- t.i. dekompozicijo Choleskega, s katero matriko razširimo na spodnje in zgornje trikotno matriko (povzeto po Lozej 2005, 44-45):

(25) ⎥⎦

⎤⎢⎣

⎡⎥⎦

⎤⎢⎣

⎡=⎥

⎦

⎤⎢⎣

⎡cba

cba

BCCA

0*

0

(26) AaAa =⇒=2 Λ A

CaCbCab ==⇒=

(27) A

CBbBcBcb2

222 −=−=⇒=+

kjer so: A, B-varianca dveh spremenljivk C- kovarianca med spremenljivkama A in B Tako dobljeno spodnjetrikotno matriko je mogoče zapisati s pomočjo standardnih odklonov in korelacijskega koeficienta:

(28) ⎥⎦

⎤⎢⎣

⎡− 2

,, 10

BABBBA

A

ρσσρσ

kjer je: −2

,bAρ determinacijski koeficient; Slika 8: Generiranje normalno porazdeljenih slučajnih števil

-0.05

0.1

0.25

0.4

0.55

0.7

0.85

1

-4 -3.6

-3.2

-2.8

-2.4 -2 -1.

6-1.

2-0.

8-0.

4 0 0.4 0.8 1.2 1.6 2 2.4 2.8 3.2 3.6 4

standardizirana spremenljivka z

gost

ota

verje

tnos

ti

00.050.1

0.150.2

0.250.3

0.350.4

0.45

-4 -3.6

-3.2

-2.8

-2.4 -2 -1.

6-1.

2-0.

8-0.

4 0 0.4 0.8 1.2 1.6 2 2.4 2.8 3.2 3.6 4

gost

ota

verje

tnos

ti

Vir: Wiedemann Arnd: Risikotriade, str. 50. Determinacijski koeficient nam pove, kakšen delež variance druge spremenljivke je mogoče pojasniti z vrednostjo prve spremenljivke. Izraz pod korenom predstavlja delež variance druge spremenljivke, ki ga ni mogoče pojasniti z variabilnostjo prve spremenljivke- gre za del, ki je slučajen. Sedaj je mogoče generirati dve seriji (dve standardizirani, normalno porazdeljeni slučajni spremenljivki, npr. x in y), ki ju sedaj še preoblikujemo: (29) Aii xz σ*,1,1 = in 2

,,2,,1,2 1* BABiBBAii yxz ρσσρ −+= kjer je

),...,(

),...,(

,21,2,2

,11,1,1

ni

ni

zzzzzz

=

=

z1,i in z2,i sta slučajni spremenljivki, ki predstavljata dve med seboj povezani seriji, katerih variančno in kovariančna matrika je natanko takšna, kot je bila izhodiščna matrika. Na ta način je generirana bivariantna verjetnostna porazdelitev dveh spremenljivk, ki se obnašata tako, kot so se v proučevanem obdobju obnašali faktorji tveganja. Na podlagi generiranih spremenljivk lahko izračunamo teoretično vrednost portfelja za vsak par spremenljivk. Dobljene vrednosti nato razvrstimo v histogram in le še odčitamo ustrezno vrednost ob izbranem intervalu zaupanja. Najpomembnejša prednost Monte Carlo simulacije je, da omogoča uporabo različnih modelov vrednotenja finančnih instrumentov v portfelju, zaradi česar je mogoče pravilno vrednotiti tudi instrumente, ki se ne obnašajo linearno (npr. opcije, obveznice na odpoklic), omogoča pa tudi generiranje porazdelitev, ki so bliže realnosti na finančnih trgih in torej niso normalne (Lozej 2005, 45). Problem te metode izračuna VAR predstavlja dejstvo, da zahteva veliko število izračunov. Za vsak faktor tveganja je običajno potrebno generirati množice slučajnih števil (reda velikosti 10.000), nato pa izračunati vrednost portfelja pri vsaki kombinaciji teh dejavnikov. Ker je faktorjev tveganja veliko je število izračunov tako veliko, da ga ne zmorejo niti precej zmogljivi računalniki (Mikulčić 2001, 1-8). Poleg zahteve po zmogljivih računalnikih je slabost Monte Carlo simulacije še predvsem v zanašanju na stohastičen proces, ki je namenjen simulaciji gibanja posameznega faktorja tveganja, in na določen model vrednotenja instrumentov. Obstaja namreč verjetnost, da ti procesi oz. modeli niso pravilni (Kristl 2004, 82). 4.2.3. Testiranje stresnih situacij Slabost vseh metod izračuna tvegane vrednosti je, da temeljijo na nerealni predpostavki normalne porazdelitve. Faktorji tveganja se velikokrat gibljejo v nasprotju s predpostavko normalne porazdelitve. Ekstremni dogodki nastopijo veliko pogosteje kot to predvideva metoda tvegane vrednosti. Na finančnih trgih takrat govorimo o šokih oz. zlomih finančnih trgov. Naj kot primer navedemo gibanje tečaja USD/JPY na začetku t.i. azijske krize. V mesecih pred nastopom krize je letna volatilnost tečaja USD/JPY znašala 17,8%, dnevna pa 1,1%. Iz 6.10.1998 na 7.10.1998 je vrednost JPY upadla za 4,98%, iz 7.10.1998 na 8.10.1998 pa še za dodatnih 5,2%. Dnevna volatilnost je tako predstavljala 4,4-kratnik oz. 5,2-kratnik običajne dnevne volatilnosti tečaja USD/JPY in s tem presegla vsak interval zaupanja pri izračunu VAR (Priermeier, 2005, 74). Ocena tveganja na osnovi ene same številke, ki jo predstavlja VAR, ni zadostna. Opisane metode izračuna VAR niso sposobne oceniti tveganja v ekstremnih tržnih razmerah (t.i.debeli repi), poleg tega ocena tveganja na osnovi VAR temelji na zgodovinskih podatkih, s čemer razširitev t.i. stresnih testov na hipotetične, v preteklosti nerealizirane dogodke, ni mogoča. Po drugi strani je seveda ocena možnih tveganj v prihodnosti, za učinkovito upravljanje s tveganji, nujno potrebna. S pomočjo testiranja izjemnih razmer se lahko finančne institucije distancirajo od togih statističnih normativov in simulirajo neobičajna tržna gibanja, ki v modelih za oceno tveganj niso upoštevana. Stres teste lahko opredelimo kot način identifikacije tveganj, ki jim je finančna institucija izpostavljena, če predpostavke na katerih temelji ocena tveganj,

ne veljajo več, ali če nastopijo izjemni dogodki. Testiranje izjemnih situacij se zlasti nanaša na nelikvidnost trgov v izjemnih tržnih pogojih, tveganje koncentracije, enosmerne trge (trgi, na katerih prevladuje bodisi ponudba bodisi povpraševanje), tveganje neugodnih dogodkov in tveganje napačnega izbora stopnje neplačila (jump-to-default risk), nelinearnost produktov, pozicije, ki jih ni koristno izvršiti (deep out of the money), pozicije, ki so predmet velikega cenovnega razkoraka in druga tveganja, ki niso ustrezno zajeta z modelom VAR; testiranje izjemnih situacij mora odražati značilnosti portfeljev in čas, ki bi bil potreben za uvedbo varovanja ali obvladovanje tveganj pri zelo slabih tržnih pogojih (84. člen Sklepa o izračunu kapitalske zahteve za tržna tveganja za banke in hranilnice, UL RS 135/2006). S stres testi torej proučujemo, kako močno se šoki v faktorjih tveganja odrazijo na vrednost portfelja. Pri tem je vrednotenje tržnih oblik veliko lažje kot pa vrednotenje manj likvidnih ali celo nelikvidnih finančnih oblik. Posledično so stres testi tudi veliko pogosteje uporabljeni na področju upravljanja s tržnimi kot kreditnimi tveganji. Kot faktorje tveganja najpogosteje obravnavamo različne krivulje donosnosti, devizne tečaje, cene delnic in bonitetne ocene potencialnih kreditojemalcev. V odvisnosti od števila upoštevanih faktorjev tveganja pri izvajanju stres testov ločimo med univariantnimi in multivariantnimi stres testi. Prednost univariantnih testov je predvsem v možnosti izolacije specifičnega vpliva faktorja tveganja na finančni instrument oz. portfelj instrumentov. Dejansko imamo opraviti z analizo občutljivosti, s pomočjo katere lahko finančna institucija relativno natančno identificira »šibka mesta« v strukturi portfelja. Slabost univariantnih stres testov predstavlja dejstvo, da tovrstni testi ignorirajo v praksi obstoječo interakcijo med različnimi faktorji tveganja. Ravno zato je analizo občutljivosti potrebno dopolniti s t.i. multivariantnimi stres testi. Bistveno pri tem je modeliranje scenarijev, ki so odraz realnih tržnih gibanj. V praksi obstajata predvsem dva načina modeliranja scenarijev; prvič: s pomočjo historičnih simulacij apliciramo v preteklosti opažena, ekstremna nihanja faktorjev tveganja na obstoječ portfelj, in drugič: scenarije izberemo s pomočjo ekonometričnih metod. Poseben primer ekonometrične metode so makroekonomski stres testi, kjer npr. predvidimo globoko gospodarsko recesijo (CGFS 2005, 1-8)30 Testiranje izjemnih razmer je v zadnjih letih postalo sestavni del učinkovitega upravljanja s tveganji. Stres teste je zato potrebno izvajati redno, izsledke pa upoštevati pri formiranju dokumentov, ki urejajo področje upravljanja s tveganji, oblikovanju limitnega sistema in izvajanju notranjega nadzora. Stres testi so tako pogosto odločitveno orodje za management finančne institucije v zvezi z zapiranjem neizravnanih pozicij s katerimi je finančna institucija soočena ( Deutsche Bundesbank, Monatsbericht Oktober 2004, 79-88).

30 Committee on the Global Financial System.

5. VREDNOSTNI VIDIK UPRAVLJANJA Z OBRESTNIM TVEGANJEM Kot smo prikazali na sliki 4 učinkovit proces upravljanja s tveganji sestavljajo 4. faze. Do sedaj smo predstavili identifikacijo, merjenje in vrednotenje tveganj. V petem poglavju bomo predstavili vrednostni vidik upravljanja z obrestnim tveganjem ter glavne razlike med pasivnimi in aktivnimi naložbenimi strategijami, v aplikativnem delu naloge pa bomo na primeru Banke X predstavili proces upravljanja z obrestnim tveganjem. 5.1. OBLIKOVANJE PORTFELJA Vrednostno naravnano upravljanje z obrestnim tveganjem se osredotoča na vse denarne tokove finančne institucije po načelu optimalne alokacije donosov in tveganj. Ni odveč poudariti, da celoten denarni tok finančne institucije predstavljajo vse obrestno občutljive postavke. Pretežen del bančne bilance predstavljajo posli s strankami (ki niso banke). Slika 9: Kategorije obrestno občutljivih poslov s strankami

obrestna mera

4. kategorija 1. kategorija

znan

a

veza

va g

lavn

ice

3. kategorija 2. kategorija nezn

ana

spremenljiva fiksna

Vir: A. Drasdzol: Zinsmanagement mit Zinsstrukturmodellen, str. 180. Kot je razvidno iz slike 9, lahko glede na vrsto obrestne mere in način vezave glavnice, bančne posle s strankami razvrstimo v 4. kategorije (Drasdzol 2004, 180): 1. Za pozicije 1. kategorije je značilna fiksna obrestna mera in fiksna oz. znana kapitalska osnove vse do dospelosti. V to skupino lahko uvrstimo gotovino, depozite ali kredite s fiksno obrestno mero ipd. Oblikovanje denarnih tokov in vrednotenje teh instrumentov je enako kot pri brezkuponskih obveznicah, kar smo v magistrski nalogi že večkrat predstavili. 2. K poslom 2. kategorije sodijo pozicije z dogovorjeno fiksno obrestno mero in pravico predčasnega odplačila oz odpoklica glavnice. Vrednotenje teh instrumentov je enako kot vrednotenje obveznic z implicitnimi opcijami. Pri tem predpostavljamo, da se komitenti obnašajo racionalno in opcijo izkoristijo le v primeru, če lahko ustvarijo dobiček iz naslova postavk s fiksno obrestno mero. Natančna struktura denarnih tokov tovrstnih produktov je tako jasno določena, saj lahko komitent, npr. opcijo predčasnega odpoklica, izkoristi že ob prvi predvideni možnosti odpoklica ali pa kdajkoli, vse do trenutka zapadlosti opcije. 3. posli 3. kategorije imajo neznano vezavo glavnice in obresti. Banka tako lahko prilagaja višino obrestne mere, komitent pa lahko skozi možnost predčasnega odpoklica, spreminja višino glavnice. Tipičen primer tovrstnih poslov so vloge na vpogled, vloge na odpoklic in kontokorentni krediti. Oblikovanje denarnih tokov, je zaradi pomanjkanja

informacij v zvezi z dobo vezave glavnice in prihodnjega gibanja obrestnih mer, zelo težavno. Eno od možnih rešitev problema predstavlja metoda drsečih sredin. 4. Za posle 4. kategorije je značilna spremenljiva obrestna mera in znana glavnica. Podobno kot pri poslih 3. kategorije si lahko pri oblikovanju denarnih tokov pomagam z metodo drsečih sredin. Tipičen primer poslov 4. kategorije so npr. stanovanjski krediti, potrošniški krediti ipd. V okviru generiranja denarnih tokov poskušamo identificirati vse obrestno občutljive postavke in jih integrirati v bilanco finančne institucije. Cilj je oblikovati denarni tok, ki upošteva vse relevantne pozicije. V najboljšem primeru celotni denarni tok predstavlja vsoto denarnih tokov posameznih finančnih instrumentov. Seveda je opisano v praksi precej težko realizirati, kar še posebej velja za posle s spremenljivo glavnico in obrestno mero. Neto denarni tok tako predstavlja osnovno kategorijo v procesu učinkovitega upravljanja odnosa donos-tveganje finančne institucije. 5.2. MERILO VREDNOSTI- T.I. BENCHMARK Donosnost posameznega finančnega instrumenta lahko ocenimo z opazovanjem sprememb vrednosti v določenem časovnem obdobju; govorimo o t.i.merjenju uspešnosti. V odvisnosti od trenutka opazovanja ločimo ex ante in ex post merjenje uspešnosti. Z varianto ex post merimo že realizirane donose. Na ta način je zagotovljena kontrola merjenja uspešnosti. Z varianto ex ante pa simuliramo gibanje vrednosti finančnih instrumentov v prihodnosti. Ocena gibanja vrednosti finančnega instrumenta v prihodnosti predstavlja osnovo pri odločitvah upravljalcev portfelja v zvezi s prihodnjo sestavo naložb v protfelju. Da bi lahko ocenili, kako uspešen je določen portfelj naložb, potrebujemo ustrezno merilo vrednosti. Pozitiven rezultat še zdaleč ne pomeni, da imamo opraviti z uspešnim portfeljem. Donosnost portfelja je namreč lahko bistveno nižja od donosnosti primerljivih naložb na trgu. Na drugi strani tudi izguba proučevanega portfelja ni nujno slaba, v kolikor je izguba primerljivih finančnih oblik na trgu še večja. Merilo vrednosti za vrednotenje uspešnosti portfelja finančnih instrumentov imenujemo benchmark. Pojem benchmarka bomo pojasnili na primeru ameriških državnih obveznic (povzeto po Zupančič 2006, 21-22). Izdaje ameriških državnih obveznic potekajo po rednem, vnaprej določenem urniku, zato imamo v vsakem trenutku na voljo eno obveznico določene zapadlosti z obrestno mero, ki vsaj približno odraža tržne obrestne mere in s katero se trguje okoli nominalne vrednosti (100). Običajno so bile izdane pred kratkim, kar pomeni, da je njihova zapadlost zelo blizu originalni zapadlosti. Te obveznice investitorji uporabljajo kot referenčno vrednost, s katero si pomagajo pri vrednotenju vseh ostalih dolarskih obveznic in izvedenih finančnih instrumentov. Ameriške državne obveznice predstavljajo najvarnejšo investicijsko obliko, njihov donos pa t.i. netvegano obrestno mero. Višje tveganje vseh ostalih obveznic pomeni višji zahtevan donos s strani investitorjev. Razlika med donosom referenčne obveznice in poljubne dolarske obveznice s primerljivo zapadlostjo se imenuje pribitek nad referenčno obveznico (t.i. spread over benchmark). Podobno kot v primeru dolarskih obveznic, se tudi na drugih trgih določajo referenčne obveznice, ki služijo kot osnovno merilo vrednosti pri vrednotenju ostalih obveznic s podobnimi lastnostmi. Na večini trgov merilo vrednosti zaradi velike

likvidnosti, rednega izdajanja in ustrezne bonitetne ocene izdajatelja, predstavljajo državne obveznice, v Evropi predvsem nemške in francoske obveznice (z oznakami DBR, OBL, FRTR). Pri uporabi koncepta benchmarka lahko v okviru upravljanja portfelja finančnih instrumentov razlikujemo med dvema stiloma upravljanja. V kolikor je struktura benchmarka implementirana v dejanskem portfelju, imamo opraviti z nevtralno pozicijo; govorimo o t.i. pasivnem upravljanju portfelja in s tem o pasivnih naložbenih strategijah. Donosnost benchmarka je v tem primeru definirana kot ciljna donosnost in cilj je dosežen, če je donosnost portfelja enaka donosnosti benchmarka. V kolikor pa struktura portfelja zavestno odstopa od benchmarka, upravičeno pričakujemo višjo donosnost portfelja v primerjavi z benchmarkom; govorimo o t.i. aktivnem upravljanju portfelja in s tem o aktivnih naložbenih strategijah. Donosnost benchmarka v tem primeru služi le kot merilo uspešnosti portfelja. Ne glede na stil upravljanja z obrestnim tveganjem je benchmark nujno potreben za učinkovito upravljanje obrestno občutljivih postavk. Benchmark, ki ga finančna institucija izbere v določenem delu portfelja mora ustrezati njenim pričakovanjem glede donosnosti in pripravljenosti za prevzemanje tveganja. Ravno zato je pri izbiri benchmarka potrebno upoštevati določene zahteve, ki jih mora le-ta izpolnjevati. V prvi vrsti mora biti benchmark natančno definiran, primerljiv, omogočene morajo biti njegove kontrole. Na ta način je zagotovljeno, da lahko posamezna naložba oz. portfelj naložb sledi oz. posnema benchmark in da je rezultat mogoče preveriti na trgu. Merilo vrednosti, ki ga izberemo naj bi ostalo nespremenjeno skozi daljše časovno obdobje. Tako je sprememba benchmarka dovoljena le v izjemnih primerih, če npr. zaradi zmanjšane sposobnosti prevzemanja tveganja, do tedaj sprejemljive ravni prevzetega tveganja niso več mogoče. O učinkovitem benchmarku pa govorimo v primeru, da ob enakem ali manjšem prevzetem tveganju ne obstaja nobena alternativna naložba, ki bi prinašala višji donos, oz. bi alternativna naložba finančno institucijo ob višjem ali enakem donosu izpostavljala manjšemu tveganju (Drasdzol 2004, 190). 5.3. NALOŽBENE STRATEGIJE Ena najpomembnejših predpostavk s katerimi lahko razložimo obnašanje in investicijske strategije tržnih udeležencev je predpostavka učinkovitega trga. Na učinkovitem trgu ima investitor v vsakem trenutku na voljo vse informacije, ki vplivajo na vrednost finančnega instrumenta in so izražene s tržno ceno le-tega. Trenutne tržne cene tako vključujejo pričakovanja tržnih udeležencev glede prihodnjega razvoja dejavnikov, ki vplivajo na ceno finančnega instrumenta. Določen trg je mogoče označiti kot učinkovit tudi v primeru, ko niso izpolnjeni vsi pogoji t.i. idealne tržne učinkovitosti. Dejansko gre za zahtevo po ekonomski učinkovitosti, kar pomeni, da je neto donos finančne pozicije po odbitku stroškov (npr. davkov in transakcijskih stroškov), neodvisen od izbrane naložbene strategije. Penkova (2005 22-26) po Bodie-u (1996) in Elton, Gruber-ju (1995) povzema delitev naložbenih strategij na aktivne in pasivne naložbene strategije. S tem pa ločimo tudi med aktivnim in pasivnim pristopom k upravljanju s tveganji, kot že rečeno je razlika v odnosu do benchmarka.

5.3.1. Pasivne naložbene strategije Četudi upoštevamo predpostavko učinkovitega trga obstaja le majhna verjetnost, da lahko z lastnimi napovedmi obrestnih mer sistematično dosegamo večje uspehe pri upravljanju z obrestno občutljivimi instrumenti, kot jih dosega trg. Naravna posledica tega dejstva so pasivne naložbene strategije (Drasdzol 2005, 212-213). Pasivne naložbene strategije so strategije s katerimi poskušamo posnemati tržno strukturo in cilj katerih je doseganje tržnega razmerja med donosnostjo in prevzetim tveganjem. Zagovorniki pasivnih naložbenih strategij so mnenja, da je na dolgi rok nemogoče dosegati nadpovprečen donos, kajti pogosto trgovanje s finančnimi instrumenti povzroča visoke transakcijske stroške in negativne davčne učinke. Ko upravljalec premoženja le-to razporedi v skladu z naložbeno politiko, opravi malo transakcij z njim. Posledica majhnega obsega transakcij in enostavnega načina upravljanja so nizki transakcijski stroški in provizije. T.i. indeksna strategija je najbolj reprezentativna predstavnica pasivnih naložbenih strategij. Bistvo te strategije je, da upravljalec premoženja le-to naloži v finančne instrumente, npr. obveznice v povsem enaki ali pa vsaj zelo podobni sestavi, kot jo ima benchmark (npr. izbran borzni indeks), tehtan s tržno kapitalizacijo. Ker govorimo o pasivnih naložbenih strategijah je cilj tovrstnega investiranja enak donos kot ga bo dosegel benchmark. Najpreprostejši način uporabe indeksne strategije je razporeditev premoženja v indeksne investicijske sklade, katerih donosnost pred stroški je skoraj popolnoma enaka donosnosti izbranega borznega indeksa. Na ta način je zagotovljena tudi visoka stopnja razpršitve premoženja. V nadaljevanju predstavljamo izbrane pasivne naložbene strategije. 1. Strategija lastniških vrednostnih papirjev: pri pasivnem upravljanju lastniških vrednostnih papirjev uporabljamo indeksno strategijo, ki jo označujemo tudi kot »tiranija povprečnosti« (Penko 2005, 25). Indeksni sklad delnic predstavlja portfelj, ki natančno posnema donosnost in tveganje izbranega delniškega indeksa. Pri tem se upravljalci portfelja ne posvečajo niti temeljni niti tehnični analizi vrednostnih papirjev. Premoženje indeksnega sklada lastniških vrednostnih papirjev, ki posnema izbran indeksni sklad lahko oblikujemo na tri načine (Elton, Gruber 1995, 689): • z vključitvijo vsake izbrane delnice, ki sestavlja izbran indeksni sklad, • z vključitvijo določenega števila delnic, ki so v preteklosti najbolje predstavljale gibanje izbranega indeksnega sklada (čeprav donosi v preteklosti niso garancija za donose v prihodnosti) in • z vključitvijo manjšega števila delnic, vendar ob upoštevanju enakega razmerja med njimi vsaj glede: panoge, kvalitete in velikosti tržne kapitalizacije. Naložbe v lastniške vrednostne papirje pogosto zavarujemo z izvedenimi finančnimi instrumenti. Tako npr. portfelj zavarujemo z nakupom put opcije na referenčni delniški indeks. Ni pomembno, da imajo indeksni skladi v lasti vse delnice, ki sestavljajo izbrani indeks, bistveno bolj pomembno je, da se izbrane delnice, ki tvorijo portfelj, obnašajo kot izbran delniški indeks. Pomembno je torej ohranjati konstanten delež v posamezni panogi,

medtem ko se sestava vrednostnih papirjev znotraj panoge lahko spreminja. Vendar pa so posledica takšnega ravnanja višji transakcijski stroški. 2. Strategije dolžniških vrednostnih papirjev: ločimo dve vrsti strategij pasivnega upravljanja dolžniških vrednostnih papirjev (Bodie 1996, 458): • Imunizacijske strategije katerih namen je zaščita pred spremembami obrestnih mer in katerih logiko smo podrobneje predstavili v poglavju o merjenju obrestnega tveganja z metodo obrestnih razmikov. • Indeksne strategije: le-te pa poskušajo posnemati gibanje izbranega indeksa dolžniških vrednostnih papirjev. Strukturo portfelja obveznic je težko uskladiti s strukturo izbranega indeksnega sklada obveznic ker se ta neprestano spreminja, bodisi z izključitvijo obveznic iz sklada, zaradi tega, ker je zapadlost obveznic krajša od enega leta, bodisi z dodajanjem novih obveznic v indeks. Podobnost obeh strategij je v tem, da predpostavljata pravilno oblikovanost tržnih cen, razlika med njima pa je v pogledu na izpostavljenost tveganjem. Portfelj obveznic, vezan na indeks obveznic, bo imel enako razmerje med tveganjem in donosom kot indeks obveznic, medtem ko je cilj imunizacijske strategije doseganje ničelnega tveganja.

3. Strategije strateškega upravljanja premoženja: strateško razporeditev naložb med različne vrste in trge naložb, ki med seboj niso popolnoma korelirane, predstavlja izhodišče procesa upravljanja naložb. Izbrano strateško razporeditev portfelja vzdržujemo z dvema pasivnima strategijama (Penko 2005, 24): • Strategije »kupi in drži«: največkrat se transakcije pri tovrstnih strategijah izvajajo samo zaradi zagotavljanja likvidnosti finančne institucije. Upravljalec tako ne spreminja portfelja naložb in se ne odziva na spremembe cen na trgu, četudi prihaja do odmika v dejanski strukturi naložb od izbrane strateške strukture naložb. Strategija predpostavlja, da so omenjena odstopanja sprejemljiva, saj bo v daljšem časovnem obdobju, dejanska struktura naložb dosegla opredeljene strateške deleže s spremembo tržnih cen posameznih vrst naložb. • Strategije konstantne strukture premoženja: gre za dinamične strategije, ki od upravljalca zahtevajo ukrepanje vedno, kadar se pojavljajo odstopanja med dejansko in strateško razporeditvijo naložb. Transakcije se izvajajo z namenom, da bi uskladili deleže posameznih vrst naložb s strateško razporeditvijo, vendar so zaradi večjega števila transakcij, transakcijski stroški višji kot v primeru strategije »kupi in drži«. Prednost te strategije je, da so dejanski deleži posameznih vrst naložb in razmerje med pričakovano donosnostjo in tveganjem bližje naložbenim ciljem kot pri strategiji »kupi in drži«. Transakcijske stroške pa lahko zmanjšamo z uporabo izvedenih finančnih instrumentov, vendar se zmeraj zastavlja vprašanje stroškovne učinkovitosti; ali uporaba izvedenih finančnih instrumentov odtehta višino transakcijskih stroškov?! 5.3.2. Aktivne naložbene strategije Aktivne naložbene strategije zavračajo predpostavko učinkovitega trga. Tržne razmere- dostop do informacij, primerljivost cen, tehnične in osebnostne sposobnosti niso enake pri vseh tržnih udeležencih. Aktivno upravljanje portfelja naložb temelji na predpostavki, da lahko upravljalci zaradi navedenih prednosti dosegajo višji donos kot trg; trgi so dovolj neučinkoviti, da omogočajo doseganje nadpovprečne donosnosti portfelja z iskanjem

napačno ovrednotenih vrednostnih papirjev, sektorjev ali trgov. Na trgih je torej možna arbitraža, tako da je uspešnost upravljanja mogoče izboljšati s povečevanjem deleža naložb, ki so v določenem trenutku podcenjene in z zmanjševanjem deleža precenjenih naložb. Za razliko od pasivnih naložbenih strategij, kjer ne potrebujemo napovedi bodočega gibanja obrestnih mer in vnaprej definiranih časovnih obdobij in kjer je pomembno zgolj doseganje benchmarka skozi daljše časovno obdobje, je pri aktivnem upravljanju, napovedovanje prihodnjega gibanja obrestnih mer, tečajev tujih valut, cen finančnih instrumentov ipd., zelo pomembno. Zaradi velikega števila transakcij so visoki tudi transakcijski stroški aktivnega upravljanja, potrebna pa je tudi poglobljena analiza finančnih trgov, kar povečuje stroške upravljanja. Upravljalec, ki aktivno upravlja z naložbami izhaja iz tega, da bo ob določenih danostih presegel benchmark. V okviru aktivnega upravljanja z obrestnim tveganjem ločimo dve vrsti strategij; odločitve, ki jih sprejmemo na podlagi napovedi bodočega gibanja obrestnih mer- t.i. timing strategije, in pa odločitve na osnovi tržne neučinkovitosti- t.i. strategije taktične razporeditve premoženja (Drasdzol 2005, 231). V nadaljevanju, po Penko-vi (2005 22-23), ki povzema po Sharpe-u (1990, 24) in Kleindienst-u (1996,21) podrobneje predstavljamo obe strategiji. To sta dinamični in kratkoročni strategiji. 1. Strategija taktične razporeditve premoženja: Strateška razporeditev premoženja je okvir za oblikovanje posameznih vrst naložb na dolgi rok. Upravljalec lahko znotraj tega okvira spremeni dejansko razporeditev portfelja, da bi s tem izkoristil tržne priložnosti, ki se po njegovem mnenju izkazujejo kot podcenjene naložbe, vrste naložb ali podcenjeni sektorji (Sharpe 1990,24). Taktična razporeditev naložb poskuša izkoristiti priložnosti, ki izhajajo iz sprememb smeri gibanja na trgu vrednostnih papirjev. To so odzivi na nenadne spremembe cen navzgor ali navzdol. Temelj strategije je strategija relativnega vrednotenja naložb. V osnovi je enaka pasivni strategiji konstantne strukture premoženja, saj vodi k nakupom v primeru padanja cen in k prodajam v obdobju rasti cen finančnih instrumentov. Tudi njihova učinkovitost je podobna, razlika je le v motivu, ki sproži reakcijo. Pri pogostejših obratih bo strategija taktične razporeditve naložb učinkovitejša od strategije »kupi in drži«. Vendar če se cene na trgu odmikajo od notranje vrednosti naložb, je strategija »kupi in drži« učinkovitejša. Večja fleksibilnost strategije taktične razporeditve naložb vodi k doseganju višjih donosov v primerjavi s strategijo konstantnega portfelja, a so lahko višji tudi oportunitetni stroški. 2. Strategija tempiranja trga: je kratkoročna strategija kjer se ne odločamo med aktivnim investiranjem v posamezne vrednostne papirje, ampak samo o tem, v katere vrste naložb bomo v določenem obdobju investirali premoženje. Strategija poskuša na podlagi analize trenda napovedati obrate trga in jih izkoristiti. Pri upravljanju portfelja s strategijo tempiranja trga je cilj maksimizacija donosnosti, prevzeto tveganje pa pri tem ni pomembno. Samo število transakcij je večje od števila transakcij pri strategiji taktične razporeditve premoženja. Uspešnost tempiranja trga se seveda meri na podlagi primerjave doseženega donosa in donosa benchmarka v določenem časovnem obdobju. Zaključimo lahko, da pri aktivnih naložbenih strategijah v odvisnosti od konkretnih napovedi obrestnih mer, zavestno odpiramo obrestno občutljive pozicije, vse s ciljem doseganja večjega donosa od donosa benchmarka. Pri tem spremembe krivulje donosnosti

niso samo v smeri vzporednih premikov, ampak so lahko tudi bolj kompleksne. Predstavljene strategije nakazujejo tudi, da obrati, vbočenja in usločenja sodijo k spremembam krivulj donosnosti. Zato tudi priporočila strategij, ki so posledica sprememb obrestnih mer ne pomenijo enoznačnih rešitev, ampak so vedno rezultat t.i. optimizacijskega procesa. Kljub navedenemu lahko ob jasno določenih usmeritvah portfelja podamo splošno načelo, ki nakazuje smer; v primeru naraščanja obrestnih mer je smiselno skrajšati trajanje portfelja (zmanjšati presežek na aktivi). Pri upravljanju obrestnega tveganja s pomočjo obrestnih zamenjav je ta ukrep mogoče doseči z nakupom t.i. payer swap31. Dejanski dvig obrestnih mer vodi do višjega obrestnega donosa na variabilni strani zamenjave, medtem ko ostane strošek obresti nespremenjen. Nasprotno je potrebno v primeru pričakovanega padca obrestnih mer povečati trajanje portfelja. Večje trajanje pomeni podaljšanje/povečanje presežka na aktivni strani bilance banke. V primeru padca obrestnih mer na ta način dosežemo višjo donosnost kot je donosnost benchmarka. Seveda pa aktivno upravljanje naložb in s tem obrestnega tveganja ne dopušča poljubne sestave portfelja. Priložnost doseganja višjega zaslužka s sabo vedno nosi nevarnost prevzemanja večjih tveganj. Zato mora biti limitni sistem oblikovan tako, da ne ogroža celotnega poslovanja finančne institucije. Izračunana sposobnost prevzemanja tveganj pri tem predstavlja orientacijsko izhodišče. Po Drasdzol-u (2005, 234) je upravljanje z obrestnim tveganjem učinkovito takrat, ko je dosežen RAROC32 nad RAROC-om benchmarka, kar pomeni, da je višji kot je nagib linije učinkovitosti. Samo na ta način je zagotovljeno, da večjega donosa ni mogoče pripisati le večjemu prevzetemu tveganju.

31 Je instrument aktivnega upravljanja z obrestnim tveganjem s katerim je mogoče obstoječo pogodbeno obveznost s spremenljivo obrestno mero spremeniti v obveznost s fiksno obrestno mero. Vsaka obrestna zamenjava je sestavljena iz t.i. Payer swap-a in t.i. Receiver Swap-a. Razlika med njima je odvisna od tega z vidika katere pogodbene stranke gledamo na obrestno zamenjavo. Pri Payer Swap-u je pogodbena stranka obvezana plačati fiksno obrestno mero, v zameno pa od nasprotne prejme variabilno obrestno mero na fiktivno glavnico. 32 RAROC- t.i. tveganju prilagojena čista dobičkonosnost (risk adjusted return on capital): predstavlja razmerje med neto ekonomskimi prihodki in tveganim kapitalom, ki ga banka alocira za pokrivanje izgub v izbranem časovnem obdobju. Banka na začetku izbranega časovnega obdobja alocira kapital posameznim poslovnim področjem. Za izračunavanje RAROC mora temu prilagoditi tudi neto ekonomske prihodke, ki jih mora banka izračunati v prej določenem časovnem horizontu. Dolžina časovnega obdobja je enaka obdobju

ponovne alokacije kapitala.VAR

CPRAROC 0−∆

= ⇒ za sklenjen posel trgovanja je enak razmerju med

razliko neto spremembe vrednosti pozicije (∆P) in oportunitetnimi stroški (C0) (potencialni stroški dolga so vključeni v spremembo vrednosti pozicije) ter tveganim kapitalom. Cilj poslovanja banke je maksimizacija funkcije RAROC na posameznem poslovnem področju, zato je RAROC ciljna funkcija v matematičnem modelu izbora optimalnega portfelja naložb (Devjak in Grum, 2006, 42).

APLIKATIVNI DEL 6. RAZISKAVA: UPRAVLJANJE Z OBRESTNIM TVEGANJEM V BANKI X V magistrski nalogi smo dokazali, da je obrestno tveganje za slovenske banke po prevzemu evra kot nacionalne valute in odprave pomembnega dela predpisov nacionalne banke najpomembnejše tržno tveganje. Pri tem smo obrestno tveganje opredelili kot tveganje izgube pri obrestno občutljivih bilančnih in zunajbilančnih postavkah, ki izhajajo iz naslova sprememb tržnih obrestnih mer. Nihanje tržnih obrestnih mer tako vpliva na neto obrestne prihodke in s tem na dobičkonosnost ter kapitalsko ustreznost banke, sprememba tržnih obrestnih mer pa se seveda odrazi tudi na vrednosti dolžniških finančnih instrumentov. Nadalje smo dokazali, da je metoda tvegane vrednosti primernejša metoda merjenja obrestnega tveganja v primerjavi z metodo obrestnih razmikov. Pri tem smo predpostavljali, da imamo opraviti z banko, ki ponuja široko paleto finančnih produktov; od klasičnih kreditnih poslov do izvedenih finančnih instrumentov. V aplikativnem delu magistrske naloge bomo prikazali primer upravljanja z obrestnim tveganjem Banke X. Banka X je majhna regionalna banka, ki po bilančni vsoti sodi v skupino 5 manjših slovenskih bank, vendar posluje v, za slovenske razmere, relativno veliki finančni skupini in s tem izkorišča številne sinergijske učinke. Glavnino poslovanja predstavlja kreditiranje prebivalstva in gospodarstva, banka se pretežno financira s sredstvi prebivalstva, katerih stabilnost je kljub številnim alternativnim naložbenim možnostim, relativno visoka in znaša preko 80% (Interno gradivo 2006). V zadnjih letih je podobno kot v drugih slovenskih bankah mogoče opaziti nadpovprečno rast dolgoročnega kreditiranja, kateremu ne sledi rast vlog nebančnega sektorja. Banka se je posledično pospešeno zadolževala na medbančnem trgu. Ker nima dovoljenja Banke Slovenija za opravljanje poslov z izvedenimi finančnimi instrumenti, poskuša obrestno tveganje v največji možni meri obvladovati tudi s pomočjo t.i. zlatega bilančnega načela. Po našem mnenju je obrestno tveganje takšne finančne institucije mogoče ustrezno upravljati z uporabo običajnih finančnih instrumentov in preprosto metodo obrestnih razmikov, kar dokazuje dolgoletna praksa Banke X, seveda se pri tem vedno zastavlja vprašanje oportunitetne izgube in optimalne vrednosti enote lastniškega kapitala. 6.1. MINIMALNI STANDARDI NA PODROČJU UPRAVLJANJA S TVEGANJI V BANKI X Področje upravljanja s tveganji je v Banki X, kot tudi v finančni skupini v katero spada, urejeno s t.i. minimalnimi standardi, ki so obvezujoč dokument za vse članice finančne skupine. Minimalni standardi predstavljajo izhodišča za postavitev, organizacijo ter aktivnosti na področju upravljanja s kreditnimi, nekreditnimi in operativnimi tveganji. Temu morajo biti prilagojene tudi poslovne politike, organizacija, postopki dela ter sistem poročanja. Poleg osnovnih usmeritev so v dokumentu opredeljene konkretne kratkoročne in dolgoročne naloge, roki izvedbe in nosilci, vsebuje pa tudi priporočeno organiziranost, kadrovsko zasedenost in zahteve za redno poročanje. Pravno podlago za takšno ureditev področja upravljanja s tveganji v finančni skupini predstavlja Zakon o bančništvu (UL RS, št. 131/06), ki določa, da mora biti finančna skupina organizirana tako, da je nadrejeni banki v skupini omogočeno spremljanje tveganj,

ki jim je skupina izpostavljena in izvrševanje ukrepov za obvladovanje teh tveganj. Upravljanje s tveganji v finančni skupini poleg Zakona o bančništvu urejajo še njegovi izvedbeni akti (npr. Sklep o izračunu kapitalske zahteve za tržna tveganja (UL RS, št. 135/06), računovodski standardi in številni za članice finančne skupine zavezujoči interni akti; od politik, priporočil, pogodb, do smernic na posameznih področjih. Nadzor upravljanja s tveganji v finančni skupini izvaja nadrejena banka. Pri tem ločimo: 1. upravljalski nadzor: poteka preko skupščin in organov nadzora (nadzorni svet, upravni odbor). Nadrejena banka v organe upravljanja in nadzorne organe posamezne članice finančne skupine imenuje člane vodstva, pa tudi predstavnike v strokovne službe, z namenom zagotavljanja učinkovitega nadzora nad delovanjem posamezne članice finančne skupine. Pravilo je, da so v organih upravljanja in nadzornih organih članic skupine člani nadrejene banke v večini. 2. poslovni nadzor in upravljanje- t.i. business line (BL): BL je princip poslovnega in strokovnega usklajevanja in nadzora aktivnosti v finančni skupini. Skladno s principom BL se v nadrejeni banki vzpostavlja odgovornost vodstev organizacijskih enot za usklajevanje aktivnosti in harmonizacijo poslovanja članic skupine s standardi nadrejene banke. Cilj delovanja principa BL je tudi hitrejši pretok znanja ter usklajeno in učinkovito poslovno delovanje oz. sodelovanje članic finančne skupine. Redna spremljava in nadzor nad razvojem področja upravljanja s tveganji v posameznih članicah poteka preko rednih delovnih obiskov predstavnikov službe za upravljanje s tveganji nadrejene banke. V okvir dnevnega reda delovnih obiskov vsakokrat sodi pregled naložbenega portfelja posamezne članice ter posnetek stanja na področju organizacijskih rešitev, kontroli poročanih podatkov, saj so članice finančne skupine nadrejeni banki dolžne poročati v okviru procesov, postopkov za merjenje in uravnavanje izpostavljenosti kreditnim in nekreditnim tveganjem, pooblastil na področju odobravanja naložb itd. Posebna pozornost je namenjena tudi kontroli poročanih podatkov v okviru predpisanih standardnih poročil. Odbor za upravljanje bilance finančne skupine se nato redno mesečno sestaja in na osnovi prejetih poročil analizira ter spremlja strukturo bilance stanja posamezne članice finančne skupine. 3. dodaten nadzor: notranja revizija nadrejene banke in zunanji nadzorniki (centralna banka). V minimalnih standardih so določene tudi osnovne usmeritve na področju organizacije področja upravljanja s tveganji v posameznih članicah finančne skupine. Nekatere članice namreč sploh niso imele ločene poslovne funkcije od področja za upravljanje s tveganji. Osnovne usmeritve so naslednje: • ločenost področja upravljanja s tveganji od poslovne funkcije, • organiziranost v obliki samostojne organizacijske enote, • vzpostavitev procesov in ustrezna kadrovska zasedba, • naloge: upravljanje s kreditnimi tveganji (določitev bonitete, ZMZ, spremljava izpostavljenosti in oblikovanje rezervacij), s tržnimi tveganji (določitev limitov in spremljava izpostavljenosti), spremljava strukturne likvidnosti in operativnih tveganj, • vzpostavitev ustreznih pooblastil za odločanje oz. soodločanje, • spremljava razvoja politik in metodologij in implementacija v lokalno okolje. Nadrejena banka se je že pred časom odločila za centralizirano spremljanje tveganj v okviru službe za upravljanje s tveganji. Centralizirano spremljanje tveganj ji zagotavlja uveljavitev standardiziranih in sistemsko urejenih pristopov obvladovanja tveganj in s tem

celovit pogled na dogajanja v premoženjskih bilancah posameznih bank. Poleg tega zagotavlja ločitev funkcije upravljanja s tveganji od poslovne funkcije banke, kar je pomembno zaradi objektivnosti, ki je potrebna pri presojanju poslovnih odločitev. Seveda je tudi v Banki X spremljanje tveganj centralizirano v okviru posebne službe, ki se aktivno vključuje v kreditni proces. Pred odobritvijo naložbe komitentu, ugotavlja njegovo kreditno sposobnost, ki jo opredeli z bonitetno razvrstitvijo komitenta in njegovo zgornjo mejo zadolževanja (ZMZ). Poslovanje komitentov redno spremlja in hkrati vodi in analizira kakovost celotnega kreditnega portfelja. Za kvalitetnejše analiziranje poslovanja posameznega komitenta in njegove perspektivnosti pripravlja tudi tržne analize, panožne analize in analize gospodarstva kot celote. Glede na ocenjeno izpostavljenost kreditnemu tveganju oblikuje ustrezno višino rezervacij. Pri nekreditnih tveganjih- valutnem, obrestnem, likvidnostnem, predvsem področje strukturne likvidnosti in pri spremljavi tveganj portfelja vrednostnih papirjev, v skladu s sprejetimi politikami spremlja izpostavljenost določeni vrsti tveganja in kontrolira ali je ta v okviru sprejemljivih limitov, ki jih predhodno na predlog službe za upravljanje s tveganji potrdi tako vodstvo banke kot tudi služba za upravljanje s tveganji nadrejene banke. Samo uravnavanje izpostavljenosti je v pristojnosti poslovnih delov Banke X. Pri operativnih tveganjih je služba za upravljanje s tveganji zadolžena za prenos metodologij nadrejene banke, za upravljanje le-teh, kar obsega: evidentiranje in spremljavo škod, identifikacijo in oceno potencialnih škodnih dogodkov, ter ukrepe za obvladovanje tveganj. Upravljanje z operativnimi tveganji je v pristojnosti organizacijskih enot, kjer operativna tveganja nastajajo. Organizacijska enota za upravljanje s tveganji je zadolžena tudi za poročanje izpostavljenosti tveganjem, in sicer tako zunanjim (nacionalni regulator, nadrejena banka, zunanji revizorji), kot tudi notranjim uporabnikom (organom odločanja banke in linijskim delom - povratne informacije in analize). Za vse vrste tveganj je bilo na podlagi minimalnih standardov potrebno sprejeti ustrezne politike, ki definirajo postopke spremljanja in upravljanja tveganj ter pristojnosti oz. pooblastila za sprejem odločitev. Pri sprejemanju odločitev velja sistem štirih oči (najmanj dva pooblaščena podpisnika). Vsekakor mora biti služba za upravljanje s tveganji pri svojem delovanju samostojna, svoje odločitve mora sprejemati skladno z objektivnimi kriteriji, neodvisno od želja oz. zahtev poslovnih delov banke. V okviru upravljanja z obrestnim tveganjem minimalni standardi določajo, da mora biti politika upravljanja obrestnih tveganj posamezne članice finančne skupine smiselno usklajena s ključnimi vidiki politike upravljanja obrestnih tveganj nadrejene banke. Nadalje je zaenkrat dogovorjeno, da spremljanje izpostavljenosti obrestnemu tveganju temelj na metodologiji obrestnih razmikov. Opredeljen mora biti celoten proces upravljanja obrestnih tveganj – tj. odgovornosti in pristojnosti poročanja (podatkovni model in tok poročanja), spremljanja in upravljanja tveganj (opredelitev smernic, ki predstavljajo osnovo za kasnejšo vzpostavitev limitov, razmejitev spremljanja in upravljanja). Članice morajo imeti vzpostavljeno lastno enotno podatkovno bazo (kot podatkovno skladišče) za spremljanje obrestnih razmikov, ki omogoča spremljanje po

časovnih intervalih, ločeno po posameznih valutah in vrstah obrestnih mer ter zagotoviti celovitost in pravilnost zajema podatkov. Slednje predstavlja podlago za redno tekoče poročanje obrestnih tveganj nadrejeni banki. 6.2. IDENTIFIKACIJA OBRESTNEGA TVEGANJA Obrestno tveganje Banka X spremlja in upravlja v službi za upravljanje s tveganji, kjer smo v skladu z minimalnimi standardi pripravili ustrezne politike, katerih jedro predstavlja politika upravljanja z obrestnim tveganjem. Omenjena politika ureja tako opredelitev obrestno občutljivih pozicij, zagotavljanje podatkov za izračun pozicij kot tudi metode merjenja, kontrolne mehanizme, pooblastila, odgovornosti in poročanje. Identifikacija obrestnega tveganja predstavlja najpomembnejšo in hkrati najzahtevnejšo fazo celotnega procesa upravljanja z obrestnim tveganjem. Pri tem je posebnega pomena zagotavljanje podatkov in ustrezna podatkovna struktura. Z vidika učinkovitega spremljanja in upravljanja obrestnega tveganja se vse obrestno občutljive bilančne in izvenbilančne postavke razvrstijo v okviru postavk bančne knjige. Banki ni potrebno razdeliti postavk na postavke bančne in trgovalne knjige, saj se ne ukvarja s posli trgovanja, kot so opredeljeni v Sklepu o kapitalski ustreznosti bank in hranilnic (Uradni list RS, št. 24/02, 67/05). Pozicije obrestno občutljivih postavk se spremljajo na nivoju bančne knjige, ki je razdeljena na: zavarovano pozicijo (ZP) in transformacijsko pozicijo (TP), ki ju bomo podrobneje predstavili v naslednjem poglavju magistrske naloge. Obrestno občutljive postavke, ki jih predstavljajo denarni tokovi iz glavnic in obresti do konca zapadlosti se spremljajo v okviru: euro segmenta in segmenta tujih valut, ki je razdeljen na USD, CHF, ostale valute pa so zaradi majhnega obsega združene v postavki »Ostalo«. Viri podatkov za izračun pozicij posameznih segmentov so tako sledeči:

• denarni tokovi iz glavnic in obresti za aktivne bilančne postavke, po njihovi preostali zapadlosti oz. glede na njihovo ponovno določanje višine obrestne mere (repricing), v posamezni valuti - EUR, USD, CHF in OSTALO ter preračunani v EUR,

• denarni tokovi iz glavnic in obresti za pasivne bilančne postavke, po njihovi preostali zapadlosti oz. glede na njihovo ponovno določanje višine obrestne mere (repricing), v posamezni valuti - EUR, USD, CHF in OSTALO ter preračunani v EUR.

Poleg spremljanja denarnih tokov iz glavnic in obresti po valutah je zagotovljeno tudi ločeno spremljanje po vrstah obrestnih mer (fiksna, variabilna), upoštevati pa je potrebno tudi posebnosti pogodbenih klavzul, kar pa je zelo težko. Tako veliko težavo predstavljajo posebnosti pri ponovnem določanju obrestnih mer; npr. v posameznih primerih trenutek ponovne določitve obrestnih mer ni natančno določen, ampak je določen po sklepu uprave banke. Datum ponovne določitve obrestne mere tako ni fiksno določen, kar je posebej problematično v primeru, da je denarni tok iz tega naslova relativno velik in s tem znatno vpliva na obrestno izpostavljenost banke.

Zbrani podatki o obrestno občutljivih postavkah, ločeni po valutah, vrsti obrestne mere (vsaj fiksna oz. variabilna) in upoštevajoč pogodbene posebnosti morajo biti pravilni. Kot že rečeno je celovitost in pravilnost transakcijskih podatkov ključnega pomena za učinkovito upravljanje obrestnega tveganja, zato ima kontrola podatkov poseben pomen. Podatkovna baza v Banki X je zasnovana tako, da omogoča primerjavo transakcijskih podatkov z glavno knjigo (na nivoju kontov) in ohranja sled do izvorne aplikacije, kar omogoča globinsko primerjavo podatkov vse do nivoja posamezne partije. Podatki za izračun obrestnih razmikov po posameznih časovnih intervalih se iz baze podatkov črpajo po sledečih ključnih kriterijih:

• postavka, • preostala zapadlost/obdobje ponovne določitve obrestne mere, • valuta, • obrestna občutljivost, • tip indeksacije, • spremenljivost skupne obrestne mere, • vrsta referenčne obrestne mere.

Natančnejša opredelitev posameznih postavk je podana v prilogi 12. Izhodišče predstavljajo šifranti za poročila BS1S, BS1V in BS1O (UL RS št. 6/06), saj je tudi baza podatkov zasnovana na bazi, ki je osnova za t.i. ECB poročanje33. 6.3. SPREMLJANJE OBRESTNEGA TVEGANJA 6.3.1. Transformacijska in zavarovana pozicija Kot smo prikazali v poglavju o identifikaciji obrestnega tveganja v Banki X se pozicije obrestno občutljivih postavk spremljajo na nivoju bančne knjige, ki je razdeljena na (slika 10): • zavarovano pozicijo in • transformacijsko pozicijo. Zavarovana pozicija je pozicija osnovnih bančnih poslov s komitenti in vsebuje vse posle bančne knjige, ki jih v skladu z obstoječo organizacijsko strukturo sklepajo tako sektor poslovanja s prebivalstvom, gospodarstvom kot tudi sektor zakladništva, razen stabilnega dela vpoglednih depozitov, ki so prenešeni v transformacijsko pozicijo. Zaradi uravnavanja likvidnosti na kratek rok in za potrebe upravljanja z obrestnim tveganjem se v zavarovani poziciji banke občasno lahko pojavljajo tudi vrednostni papirji, kar pa mora biti v skladu z opredeljenimi kriteriji v ustrezni politiki upravljanja vrednostnih papirjev Banke X. Zavarovana pozicija mora biti načeloma zaprta, kar pomeni, da iz tega naslova banka ni izpostavljena obrestnemu tveganju. Transformacijska pozicija je del bančne knjige, v kateri so skoncentrirana vsa obrestna tveganja. V transformacijski poziciji se izvaja transformacija stabilnega dela vpoglednih depozitov in prostega kapitala banke v vrednostne papirje ustreznih lastnosti in bonitete. Osnovno orodje za upravljanje transformacijske pozicije, s katero se upravlja na nivoju 33 Dostopno na: [http://www.uradni-list.si/priloge/RS_-2006-006-00230-OB~P004-0000.PDF], 13.4.2007. BS1S- poročilo bilance stanja, BS1V- poročilo o prevrednotenjih, BS1O- poročilo o obrestnih merah.

uprave banke, je torej investiranje v vrednostne papirje z namenom upravljanja obrestne marže banke. Slika 10: Delitev bančne knjige na zavarovano in transformacijsko pozicijo

ZAVAROVANA POZICIJA TRANSFORMACIJSKA

POZICIJA

KREDITI

NESTABILNI VPOGLEDNI

DEPOZITI

VEZANI DEPOZITI

MEDBANčNI DEPOZITI

MEDBANčNI DEPOZITI

DRžAVNE OBVEZNICE

STABILNI VPOGLEDNI

DEPOZITI

OSTALI VP IZDANI VP

GOTOVINA PODREJENE OBVEZNOSTI

ZAKLADNE MENICE PROSTI KAPITAL

Vir: Interno gradivo Banke X. 2007. V poziciji se izvaja transformacija stabilnih kratkoročnih virov in virov brez zapadlosti v likvidne dolžniške vrednostne papirje ustrezne ročnosti in bonitete. Pri investiranju se uporablja metoda cikličnega investiranja virov, kar zagotavlja bolj enakomerno zapadanje naložb v časovnem obdobju. V primeru upravljanja transformacijske pozicije banke ne gre za kratkoročno trgovanje oz. poskus ustvarjanja zaslužka med nakupno in prodajno ceno naložb. Namen investiranja prostega kapitala in stabilnega dela vpoglednih depozitov v okviru transformacijske pozicije je stabiliziranje obrestnih prihodkov banke (ob sočasnem upoštevanju kriterija ocene potencialno možnih efektov iz naslova vrednotenja) ter zagotavljanje ustrezne likvidnosti banke. Upravljanje transformacijske pozicije se izvaja s ciljem:

• usklajevanja obsega naložb z obsegom njihovih virov, • usklajevanja strukture naložb z izhodišči upravljanja.

Oba cilja sta si po vsebini enakovredna in zavezujoča v okviru postavljenih limitov za obrestno in kreditno tveganje. 6.3.1.1. Viri transformacijske pozicije Vir financiranja transformacijske pozicije banke predstavljajo prosti kapital in stabilni del vpoglednih depozitov. Prosti kapital: vir oblikovanja transformacijske pozicije je tisti del bančnega kapitala, ki ni porabljen za financiranje osnovnih sredstev in kapitalskih naložb ter je razpoložljiv za dolgoročnejše naložbe. Prosti kapital je izračunan po formuli:

prosti kapital = osnovni kapital + kapitalske rezerve + kapital v zvezi s sestavljenimi

finančnimi instrumenti + presežek iz prevrednotenja + rezerve iz dobička (vključno z zadržanim dobičkom) + lastni deleži + inovativni instrument + rezervacije + izkazane oslabitve po MRSP - neopredmetena dolgoročna sredstva – opredmetena osnovna sredstva – dolgoročne naložbe v kapital

Prosti kapital se izračunava za časovni horizont šestih mesecev. Znesek prostega kapitala se določa dvakrat letno (in sicer po stanju 31.3. in 30.9.). Mesečno povečanje stanja prostega kapitala - se investira v kratkoročne likvidne naložbe (dolžniške vrednostne papirje) z zapadlostjo do treh mesecev, medtem, ko znižanje stanja prostega kapitala znižuje stanje kratkoročnih likvidnih naložb v ustreznem znesku. Stabilni del vpoglednih depozitov: Vir oblikovanja transformacijske pozicije banke je tudi stabilni del vpoglednih depozitov banke v EUR in USD, ki je na razpolago za dolgoročnejše naložbe. Vpogledni depoziti v ostalih valutah so obravnavani kot nestabilni depoziti. Metodologija izračuna deleža stabilnih vpoglednih depozitov je sledeča: • upošteva se časovna vrsta mesečnih stanj vpoglednih depozitov, • tvorijo se relativne razlike stanj na podlagi katerih se izračuna povprečje desetih največjih padcev vpoglednih depozitov v obdobju zadnjih pet let, s čemer se izračuna nestabilni del vpoglednih depozitov in • stanje stabilnih vpoglednih depozitov se izračuna kot razlika med stanjem vseh vpoglednih depozitov in stanjem nestabilnih vpoglednih depozitov. Stabilni delež vpoglednih depozitov se prav tako izračunava za obdobje šestih mesecev, mesečno ga izračunava služba za upravljanje s tveganji na podlagi opisane metodologije in sicer do 15. v tekočem mesecu za stanje konec preteklega meseca. Znesek stabilnih vpoglednih depozitov se tako kot znesek prostega kapitala določa dvakrat letno (in sicer po stanju 31.3. in 30.9.). Medobdobno – mesečno povečanje stanja stabilnega dela vpoglednih depozitov - se investira v kratkoročne likvidne naložbe, z zapadlostjo do treh mesecev, medtem ko znižanje stanja prostega kapitala znižuje stanje kratkoročnih likvidnih naložb v ustreznem znesku. 6.3.1.2. Naložbe v transformacijski poziciji Pri investiranju prostega kapitala in stabilnega dela vpoglednih depozitov mora banka poleg internih strategij izpolnjevati tudi predpise Banke Slovenije, ki določajo obveznosti banke na področju monetarne regulative. Gre predvsem za Sklep o minimalnih zahtevah za zagotavljanje ustrezne likvidnostne pozicije bank in hranilnic (UL RS št. 28/07) in Uredbo št. 1745/2003 Evropske centralne banke o uporabi obveznih rezerv (ECB/2003/9). Ker sta prosti kapital in vpogledni depoziti zelo dragocen vir financiranja, morajo naložbe v transformacijski poziciji izpolnjevati relativno stroge kriterije. Banka X ima zato v posebnem dokumentu natančno opredeljene kriterije, ki jih morajo izpoljnevati vrednostni papirji tako glede samega obsega portfelja, sestave portfelja vrednostnih papirjev glede na valuto, vrsto obrestne mere, boniteto izdajatelja kot tudi trajanje portfelja. V okviru trajanja

portfelja vrednostnih papirjev je opredeljeno ciljno trajanje, kar omogoča delno stabilizacijo obrestno občutljivih prihodkov banke ob sprejemljivem tveganju spremembe vrednosti vrednostnih papirjev v portfelju banke. 6.3.2. Metodologija spremljanja V uvodnem delu poglavja o merjenju obrestnega tveganja smo ugotovili, da mora dovršenost metod, ki jih za merjenje tveganj uporablja banka ustrezati vrsti, obsegu poslov in višini prevzetega tveganja. Nadalje smo ugotovili, da je uporabnost posamezne metode merjenja odvisna predvsem od kompleksnosti poslov s katerimi se banka ukvarja in tega komu so informacije pridobljene z določeno metodo merjenja namenjene in zanj razumljive. Čeprav osrednje mesto med metodami merjenja obrestnega tveganja v magistrski nalogi predstavlja metoda VAR, ki v eni številki pove kakšnemu tveganju je banka izpostavljena in katere glavni prednosti sta upoštevanje nestanovitnosti donosnosti in upoštevanje medsebojne povezanosti donosnosti posameznih naložb v portfelju, v Banki X obrestno tveganje merimo z metodo obrestnih razmikov. Ker se Banka X pretežno ukvarja s tradicionalnimi bančnimi posli, torej kreditno depozitnimi posli, je zanjo metoda obrestnih razmikov precej uporabna. Poleg tega minimalni standardi predvidevajo implementacijo metode VAR šele na dolgi rok, saj na ravni finančne skupine že preprosta metoda obrestnih razmikov posameznim članicam finančne skupine povzroča nemalo težav. Primer poročila o obrestnih razmikih v Banki X je prikazan v tabeli 5. Naj spomnimo, da so obrestni razmiki izračunani kot razlika med denarnimi tokovi obrestno občutljivih aktivnih in obrestno občutljivih pasivnih postavk v izbranih časovnih intervalih. Časovni intervali so določeni na ravni finančne skupine in niso povsem skladni z intervali prikazanimi v tabeli 1. Zaradi zaupnosti podatkov so podatki v poročilu o obrestnih razmikih v tabeli 5 izmišljeni, nanašajo pa se na zadnji dan v mesecu. Ker je eden od glavnih očitkov metode obrestnih razmikov, da je premalo natančna, ker ne upošteva časovne razporeditve spremembe obrestnih mer znotraj posameznega časovnega intervala v tabeli 5 predpostavljamo, da je povprečna zapadlost obrestno občutljivih postavk v posameznem časovnem intervalu na sredini le-tega. Poleg tega se osredotoča predvsem na denarne tokove do enega leta in ugotavlja vpliv spremembe obrestnih mer na neto obrestne prihodke banke, številne naložbe in obveznosti banke pa zapadejo v obdobju bistveno daljšem od enega leta, v katerih se skriva največji del obrestnega tveganja, v tabeli 5 prikazujemo tudi vpliv spremembe tržnih obrestnih mer na vrednost finančnih instrumentov in s tem na ekonomsko vrednost kapitala Banke X. Bistvene predpostavke na katerih temelji metoda obrestnih razmikov uporabljena v Banki X so tako: • povprečna zapadlost obrestno občutljivih postavk v posameznem časovnem intervalu je približno na sredini časovnega intervala, • vpliv vzporednega premika obrestnih mer na obrestne prihodke oz. poslovni rezultat banke ugotavljamo v obdobju 1 leta, • vzporedni premik krivulje donosnosti za 10 BT, 20 BT, 50 BT in 200 BT, • časovni vpliv spremembe je določen glede na časovno obdobje, v katerem se na postavkah pokaže vpliv spremembe obrestnih mer. Npr.: postavke, ki so razvrščene v časovni interval od 1 do 2 meseca, so neobčutljive na spremembo višine obrestnih mer v obdobju od 1 do 2 meseca, naslednjih 10 mesecev pa so občutljive. Tako so postavke , ki

so razvrščene v časovni interval 1 do 2 meseca obrestnemu tveganju torej izpostavljene 10,5 meseca (10+(2-1)/2) in • utež za izračun vpliva spremembe ravni obrestnih na ekonomsko vrednost kapitala (priloga 13) so izračunane za časovne intervale v tabeli 5, ob predpostavljeni trenutni ravni obrestnih mer 5% in vzporednem premiku obrestnih mer za 200 BT. Iz tabele 5 je jasno razviden trend, ki ga je v slovenskem bančnem prostoru mogoče opaziti že zadnjih nekaj let; izrazito kratkoročno varčevanje in dolgoročno kreditiranje. Vidimo lahko, da ima Banka X največji negativni razmik v intervalu »na vpogled«. Razlog je v velikem obsegu t.i avista vlog prebivalstva, ki so sicer relativno stabilen in zelo dragocen vir financiranja banke. Pozitivni periodični razmiki so veliki v časovnih intervalih »3-6 mesecev« in »6-12 mesecev«. Razlog je mogoče iskati v povečanem obsegu kratkoročnega potrošniškega kreditiranja. Večje pozitivne razmike lahko opazimo tudi v intervalih »5-10 let« in »nad 10 let«, ki so odraz povečanega obsega stanovanjskega kreditiranja. Iz tabele 5 lahko vidimo, da dolgoročno varčevanje zdaleč ne dosega ravni dolgoročnega kreditiranja. Banka mora tako relativno drage vire financiranja iskati na mednarodnih finančnih trgih. Kumulativni razmik kot vsota periodičnih razmikov je negativen in znaša -43.880 tisoč €; Banka X je tako izpostavljena obrestnemu tveganju v primeru dviga tržnih obrestnih mer. Vidimo lahko, da bi banka v primeru dviga tržnih obrestnih mer za 20BT utrpela izgubo v višini 79.000 €, v primeru dviga obrestnih mer za 200BT pa 739.000 €. Izguba bi v tem primeru znašala le 1,17% kapitala banke in bi bila bistveno manjša od postavljenega limita na ravni 20% kapitala banke kot ga priporoča tudi baselski odbor za bančni nadzor kot najvišji odstotek dovoljene izgube iz naslova dviga tržnih obrestnih mer za 200 BT. Pri ugotavljanju vpliva spremembe ravni tržnih obrestnih mer na ekonomsko vrednost kapitala banke smo ugotovili, da sprememba ekonomske vrednosti kapitala v bistvu pomeni spremembo vrednosti obrestno občutljivih finančnih instrumentov zaradi spremembe ravni tržnih obrestnih mer. V našem primeru porast ravni tržnih obrestnih mer za 200BT poveča ekonomsko vrednost kapitala za 17.497 tisoč €. Porast obrestnih mer namreč pomeni zmanjšanje vrednosti obrestno občutljivih postavk, vpliv porasta ravni obrestnih mer pa je pozitiven, ker ima Banka X negativen kumulativni razmik (-43.880 tisoč €). 6.3.3. Limiti in poročanje o izpostavljenosti Banke X obrestnemu tveganju Tako na tabeli 5 kot tudi sliki 11 so poleg dejanske izpostavljenosti prikazani limiti izpostavljenosti po posameznih časovnih intervalih na ravni celotne pozicije Banke X. Limiti so postavljeni tudi po posameznih valutah in vrstah produktov, vendar to iz tabele 5 in slike 11 ni razvidno. Pri določanju limitov obrestnih razmikov smo upoštevali dejstvo, da se s premikom v bolj oddaljene časovne intervale obrestno tveganje, ki izhaja iz odprtih obrestnih razmikov, povečuje. Zato je smiselna postavitev limitov z značilno lijakasto obliko, ki se znižujejo s prehodom v dolgoročne časovne intervale; limiti morajo odražati pripravljenost banke sprejemati določeno višino tveganja, kar pa je strateška odločitev

Tabela 5: Izpostavljenost Banke X obrestnemu tveganju na dan 31.1.2007 v 000 EUR

AKTIVA SKUPAJ Neobrestovano ObrestovanoNa

vpogled Do 1 m 1 - 2 m 2 - 3 m 3 - 6 m6 - 12

m 1 - 2 l 2 - 5 l 5 - 10 l nad 10

l OBRESTNO OBČUTLJIVE POSTAVKE 659,124 7,964 651,160 15,048 233,674 0 92,398 84,100 67,876 8,318 36,048 54,804 58,894 Denar v blagajni in stanje na rač. pri CB 7,386 7,386 0 0 0 0 0 0 0 0 0 0 Krediti in depoziti pri bankah 190,982 124 190,858 0 145,458 0 24,400 16,000 5,000 0 0 0 0 Krediti strankam, ki niso banke** 400,264 454 399,810 15,048 66,730 0 55,728 49,496 62,876 8,318 27,916 54,804 58,894 Dolžniški vrednostni papirji, ki niso namenjeni trgovanju 60,492 0 60,492 0 21,486 0 12,270 18,604 0 0 8,132 0 0 Vrednostni papirji, namenjeni trgovanju 0 0 0 0 0 0 0 0 0 0 0 0 0 OBRESTNO NEOBČUTLJIVE POSTAVKE 26,255 26,255 0 0 0 0 0 0 0 0 0 0 0 Delnice 16,358 16,358 0 0 0 0 0 0 0 0 0 0 0 Osnovna sredstva 5,960 5,960 0 0 0 0 0 0 0 0 0 0 0 Ostala aktiva 3,937 3,937 0 0 0 0 0 0 0 0 0 0 0 SKUPAJ AKTIVA 685,379 34,219 651,160 15,048 233,674 0 92,398 84,100 67,876 8,318 36,048 54,804 58,894 VRSTA OBRESTNE MERE Fiksna obrestna mera 421,030 421,030 162 161,970 0 63,064 32,196 19,478 8,316 24,296 52,668 58,880 Variabilna obrestna mera: 230,130 230,130 14,886 71,704 0 29,334 51,904 48,398 2 11,752 2,136 14 a) EURIBOR 200,000 200,000 14,406 54,050 0 29,328 51,158 43,386 0 7,672 0 0 b) LIBOR 744 744 0 0 0 0 740 0 0 4 0 0 c) TOM 16,182 16,182 0 16,182 0 0 0 0 0 0 0 0 d) Ostalo 13,204 13,204 480 1,472 0 6 6 5,012 2 4,076 2,136 14 PASIVA OBRESTNO OBČUTLJIVE POSTAVKE 569,191 43 569,148 239,598 44,020 0 96,506 84,860 71,992 7,124 19,378 5,670 0 Depoziti prejeti od bank 10,000 0 10,000 0 0 0 3,000 4,000 3,000 0 0 0 0 Krediti prejeti od bank 89,264 0 89,264 0 6,766 0 29,412 39,086 6,000 0 5,000 3,000 0 Depoziti prejeti od strank, ki niso banke 466,952 0 466,952 239,598 34,322 0 64,094 41,774 62,992 7,124 14,378 2,670 0 Krediti prejeti od strank, ki niso banke 43 43 0 0 0 0 0 0 0 0 0 0 0 Dolžniški vrednostni papirji 2,932 0 2,932 0 2,932 0 0 0 0 0 0 0 0 Podrejeni dolg 0 0 0 0 0 0 0 0 0 0 0 0 0 OBRESTNO NEOBČUTLJIVE POSTAVKE 83,495 83,495 0 0 0 0 0 0 0 0 0 0 0 Ostala pasiva 83,495 83,495 0 0 0 0 0 0 0 0 0 0 0 SKUPAJ PASIVA 652,686 83,538 569,148 239,598 44,020 0 96,506 84,860 71,992 7,124 19,378 5,670 0 VRSTA OBRESTNE MERE Fiksna obrestna mera 168,136 168,136 104 3,096 0 58,732 37,944 49,644 7,112 5,834 5,670 0 Variabilna obrestna mera: 401,012 401,012 239,494 40,924 0 37,774 46,916 22,348 12 13,544 0 0 a) EURIBOR 307,230 307,230 198,930 11,130 0 32,392 43,176 21,602 0 0 0 0 b) LIBOR 3,636 3,636 3,588 48 0 0 0 0 0 0 0 0 c) TOM 11,814 11,814 0 11,814 0 0 0 0 0 0 0 0 d) Ostalo 78,332 78,332 36,976 17,932 0 5,382 3,740 746 12 13,544 0 0

periodični razmiki 82,012 82,012 -224,550 189,654 0 -4,108 -760 -4,116 1,194 16,670 49,134 58,894 LIMIT 300,000 300,000 300,000 300,000 200,000 200,000 100,000 100,000 100,000 70,000 Fiksna obrestna mera 252,894 252,894 58 158,874 0 4,332 -5,748 -30,166 1,204 18,462 46,998 58,880 Variabilna obrestna mera: -103,938 -103,938 -224,608 23,978 0 18,570 44,424 46,906 -22 -15,336 2,136 14 a) EURIBOR 1,022 1,022 -184,524 54,002 0 29,328 51,158 43,386 0 7,672 0 0 b) LIBOR -14,658 -14,658 -3,588 -11,814 0 0 740 0 0 4 0 0 c) TOM -25,174 -25,174 0 -1,750 0 -5,382 -3,740 -746 -12 -13,544 0 0 d) ostalo -65,128 -65,128 -36,496 -16,460 0 -5,376 -3,734 4,266 -10 -9,468 2,136 14 kumulativni razmik -224,550 -34,896 -34,896 -39,004 -39,764 -43,880 časovni vpliv spremembe 12.0 12.0 10.5 9.5 7.5 3.0 SPREMEMBE OBRESTNIH MER padec ravni obrestnih mer za 10BT 225 -190 0 3 0 1 SKUPAJ VPLIV NA OBRESTNE PRIHODKE 40 padec ravni obrestnih mer za 20BT 449 -379 0 7 1 2 SKUPAJ VPLIV NA OBRESTNE PRIHODKE 79 padec ravni obrestnih mer za 50BT 1123 -948 0 16 2 5 SKUPAJ VPLIV NA OBRESTNE PRIHODKE 198 padec ravni obrestnih mer za 200BT 4,491 -3,793 0 65 10 21 SKUPAJ VPLIV NA OBRESTNE PRIHODKE 793 dvig ravni obrestnih mer za 10BT -225 190 0 -3 0 -1 SKUPAJ VPLIV NA OBRESTNE PRIHODKE -40 dvig ravni obrestnih mer za 20BT -449 379 0 -7 -1 -2 SKUPAJ VPLIV NA OBRESTNE PRIHODKE -79 dvig ravni obrestnih mer za 50BT -1123 948 0 -16 -2 -5 SKUPAJ VPLIV NA OBRESTNE PRIHODKE -198 dvig ravni obrestnih mer za 200BT -4491 3793 0 -65 -10 -21 SKUPAJ VPLIV NA OBRESTNE PRIHODKE -793 LIMIT 13,578

DOSEŽEN % 1.17%max. 20%

UTEŽ* 0.00% -0.07% -0.23% -0.39% -0.71% -1.42% -2.76% -6.13% -11.97% -17.83% vpliv na ekonomsko vrednost kapitala 0 140 0 -16 -5 -59 33 1,023 5,881 10,500 SKUPAJ 17,497 KAPITAL 67,892

Vir: Lasten izračun

banke. Seveda pa smo pri oblikovanju limitov upoštevali tudi višino obrestnih razmikov v preteklosti po posameznih intervalih, kajti le-ti odražajo poslovanje banke in upravljanje z odprto pozicijo. Slika 11: Limiti in izpostavljenosti obrestnemu tveganju po posameznih časovnih intervalih na dan 31.1.2007

224,550

189,654

0 4,108 760 4,116 1,194

16,670

49,13458,894

0

50,000

100,000

150,000

200,000

250,000

300,000

v 00

0 €

Na vpogled Do 1 m 1 - 2 m 2 - 3 m 3 - 6 m 6 - 12 m 1 - 2 l 2 - 5 l 5 - 10 l nad 10 l

Izpostavljenost BANKE X obrestnemu tveganju na dan 31.1.2007

GAP abs

LIMIT abs

Vir: Tabela 5 O izpostavljenosti obrestnemu tveganju upravi banke mesečno poročata služba za upravljanje s tveganji in sektor zakladništva; skupaj odigrajo vlogo odbora za upravljanje z bilanco banke (banka sicer nima posebnega organa za upravljanje z bilanco banke). V okviru poročanja, služba za upravljanje s tveganji mesečno poroča sektorju zakladništva, upravi banke in v skladu z minimalnimi standardi tudi sektorju za upravljanje s tveganji nadrejene banke. Služba za upravljanje s tveganji seveda tudi tekoče poroča upravi banke v primeru preseganja limitov. Na drugi strani sektor zakadništva službi za upravljanje s tveganji in upravi banke poda redno mesečno poročilo o rezultatih upravljanja z obrestnim tveganjem v preteklem mesecu, tekoče pa poroča tudi o vsebinskih razlogih morebitnega preseganja limitov in poda predloge nadaljnjega ukrepanja. V okviru rednega mesečnega sestanka uprave banke, SUT in sektorja zakladništva se opravi vsebinska analiza poročil za pretekli mesec po posameznih časovnih intervalih, valutah, vrstah produktov, nadalje analiza napovedi makroekonomskih gibanj, kontrola izpolnjevanja limitov ne samo poročila o obrestnih razmikih, ampak tudi zavarovane in transformacijske pozicije.

6.4. UPRAVLJANJE Z OBRESTNIM TVEGANJEM V BANKI X 6.4.1. Cilji spremljanja in upravljanja Glavni cilj upravljanja z obrestnim tveganjem v Banki X je omejevanje potencialne izgube banke zaradi sprememb v višini tržnih obrestnih mer na ravni, ki je sprejemljiva z vidika rezultata poslovanja in kapitalske ustreznosti banke. V magistrski nalogi smo namreč že večkrat poudarili, da obrestna občutljivost kot posledica spremembe tržnih obrestnih mer vpliva na dve kategoriji:

• višino neto obrestnih prihodkov, • tržno vrednost posameznih finančnih instrumentov kar posledično vpliva na tržno

vrednost kapitala banke. Glede na prevladujoči obseg poslov z obrestno občutljivimi finančnimi instrumenti, ki se v skladu z mednarodnimi standardi računovodskega poročanja evidentirajo po odplačni vrednosti in se dnevno ne vrednotijo, je spremljanje občutljivosti neto obrestnih prihodkov primarni cilj upravljanja z obrestnim tveganjem Banke X. Zaradi povezave med prihodnjo tržno vrednostjo kapitala in prihodnjimi neto obrestnimi prihodki, se spremlja tudi občutljivost tržne vrednosti posameznih finančnih instrumentov, kot sekundarni cilj upravljanja z obrestnim tveganjem v Banki X. Tako je omogočeno spremljanje obrestnega tveganja tudi ob predpostavki dnevnega vrednotenja vseh obrestno občutljivih postavk. Vsi ostali cilji upravljanja z obrestnim tveganjem v Banki X so podrejeni navedenima ciljema. Na tem mestu naj kot pomembnejša cilja upravljanja omenimo še oblikovanje ustrezne cenovne politike in ustrezne zaščite pred obrestnim tveganjem. 6.4.2. Možnosti upravljanja s tveganjem Načeloma ločimo dva načina upravljanja z obrestnim tveganjem: • z instrumenti uravnavanja bilance banke in • z uporabo izvedenih finančnih instrumentov. Večkrat smo že omenili, da Banka X nima dovoljenja za opravljanje poslov z izvedenimi finančnimi instrumenti s strani Banke Slovenija. Poleg tega banka zaradi precej verjetne konsolidacije v okviru finančne skupine tudi ne bo vložila prošnje za izdajo omenjenega dovoljenja. Posledično Banki X ostane kot možen način upravljanja z obrestnim tveganjem le uporaba instrumentov uravnavanja bilance banke. V tem kontekstu lahko upravljanje z obrestnim tveganjem označimo kot zavestno vstopanje v transakcijo z namenom, da bi zmanjšali tveganje, ki ga je banka prevzela z osnovno transakcijo. To pomeni, da se mora vrednost transakcije, ki služi za zmanjševanje tveganja spreminjati v nasprotni smeri kot vrednost transakcije s katero je banka tveganje prevzela, spremembe pa morajo biti seveda časovno in zneskovno usklajene. Pri upravljanju z obrestnim tveganjem z uporabo običajnih finančnih instrumentov gre v bistvu za prilagajanje bilance stanja banke- pozicij, obrestnih mer, sestave portfelja, trajanja produktov, dospelosti produktov, časa do ponovne določitve obrestne mere ipd.-

vse z namenom, da bi zmanjšali izpostavljenost banke obrestnemu tveganju (Veršnik Čemas 2006b, 46-49). Seveda je takšno varovanje pred obrestnim tveganjem precej omejeno ker se banka ne more povsem samostojno prilagajati tržnim razmeram in določati poslovnih pogojev povsem samostojno, ampak mora pridobiti soglasje nasprotne stranke v poslu, v našem primeru pa seveda še nadrejene banke, ki ima povsem drugačno bilančno strukturo in vrsto finančnih instrumentov kot proučevana Banka X. Kljub temu pa lahko banka obrestno občutljive pozicije v svojih poslovnih knjigah uravnava z izbranimi naložbenimi strategijami, strategijo imunizacije portfelja ter ustreznim oglaševanjem in poslovno politiko. Možne naložbene strategije smo predstavili v okviru vrednostnega vidika upravljanja z obrestnim tveganjem, za strategijo imunizacije portfelja smo ugotovili, da je zelo zahtevna tehnika upravljanja s portfeljem, saj razen v primeru, da je portfelj sestavljen iz brezkuponskih obveznic (ali instrumentov s podobnimi lastnostmi), zahteva sprotno uravnoteževanje strukture portfelja. V primeru uravnavanja obrestno občutljivih pozicij z ustreznim oglaševanjem je nujno tesno sodelovanje službe oglaševanja s službo, ki upravlja z bilanco banke. Ker je Banka X majhna banka je pretok informacij med omenjenima službama hiter, banka pa se s tem lahko hitro odzove na morebitne spremembe s prilagojeno ponudbo na trgu.

7. SKLEP Zaključimo magistrsko nalogo z glavnimi ugotovitvami. Okolje v katerem živimo je nepredvidljivo in povezano z raznovrstnimi tveganji. Napačno bi ga bilo označiti kot nekaj slabega, saj bi s tem spregledali priložnosti, ki jih prinaša. Bistvenega pomena zato je, da tveganja identificiramo, jih uspešno in odgovorno uravnavamo ter jih izkoristimo sebi v prid. Nedvomno se pomen upravljanja s tveganj v bankah povečuje. Banke ne morejo planirati svojega poslovanja ne da bi razumele poslovno okolje v katerem poslujejo in tveganja, ki se pri tem pojavljajo. Če na tem mestu izpostavimo slovenske banke lahko ugotovimo, da je prevzem evra pomen nekaterih tveganj zmanjšal, predvsem valutnega tveganja, se pa pomen likvidnostnega in obrestnega tveganja, predvsem z ukinitvijo t.i. deviznega minimuma Banke Slovenije, precej povečuje. Prevzem evra pogoje poslovanja korenito spreminja, banke so morale presežno likvidnost iz naslova zapadlih blagajniških zapisov plasirati na odprtem trgu. Zaradi vse ostrejše konkurence in s tem vse večjega pritiska na obrestno maržo je bilo mogoče zaznati želje bank, da bi omenjena sredstva preusmerili v kredite, predvsem strankam, ki niso banke, a je tovrstno početje z vidika ustreznega obvladovanja tveganj nedopustno. Menimo, da obrestno tveganje v danih okoliščinah predstavlja najpomembnejše tržno tveganje za slovenske banke. Nihanje tržnih obrestnih mer vpliva na neto obrestne prihodke in s tem na dobičkonosnost ter kapitalsko ustreznost banke, sprememba tržnih obrestnih mer pa se odrazi tudi na vrednosti dolžniških finančnih instrumentov. Če želi banka ustrezno obvladovati obrestno tveganje mora najprej ugotoviti, katere tako bilančne kot tudi zunajbilančne postavke so obrestno občutljive. Pri tem ključno vlogo odigra ustrezna podatkovna struktura. Najpreprostejša in najlažje razumljiva metoda merjenja obrestnega tveganja je metoda obrestnih razmikov, ki se osredotoča predvsem na denarne tokove do enega leta. Seveda številne naložbe in obveznosti banke dospejo v obdobju bistveno daljšem od enega leta, v katerih se skriva tudi največji del obrestnega tveganja. Za razliko od klasične metode obrestnih razmikov, kjer je poudarek na spremembah obrestnih mer, se metoda vrzeli v trajanju osredotoča na spremembe v cenah finančnih instrumentov. Metoda vrzeli v trajanju je popolnejši model obrestne občutljivosti naložb in obveznosti banke, saj poleg njihove dospelosti upošteva tudi razpršenost denarnih tokov. Poleg omejitve, da je ocena cenovne občutljivosti finančnega instrumenta z uporabo trajanja uporabna le ob majhnih spremembah tržnih obrestnih mer, je pomanjkljivosti trajanja vsaj še nerealna predpostavka o vzporednem premiku krivulje donosnosti in njena neuporabnost za analizo instrumentov z implicitnimi opcijami. Tvegana vrednost (v nadaljevanju VAR) v zadnjih desetletjih predstavlja enega največjih napredkov na področju upravljanja s tveganji; v eni številki napoveduje največjo pričakovano izgubo banke znotraj določenega prihodnjega obdobja ob določenem intervalu zaupanja v normalnih tržnih razmerah. Glavna prednost metode VAR je upoštevanje tako nestanovitnosti donosnosti kot tudi medsebojne povezanosti donosnosti posameznih naložb v portfelju. Poznamo tri glavne metode izračuna VAR: metodo historične simulacije, variančno kovariančno metodo in metodo Monte Carlo. Nobena metoda izračuna VAR ni

popolna. Bistvenega pomena za upravljanje z obrestnim tveganjem ni v iskanju popolne metode, ampak v poznavanju različnih metod merjenja tveganja ter poznavanju tako prednosti kot tudi slabosti posamezne metode. Slabost vseh metod izračuna tvegane vrednosti je, da temeljijo na nerealni predpostavki normalne porazdelitve. Faktorji tveganja se velikokrat gibljejo v nasprotju s predpostavko normalne porazdelitve, ekstremni dogodki pa nastopijo veliko pogosteje kot to predvideva metoda tvegane vrednosti. Uporabnost posamezne metode merjenja obrestnega tveganja je odvisna od kompleksnosti poslov s katerimi se banka ukvarja. Obrestno tveganje finančne institucije, ki se pretežno ukvarja s kreditno depozitnimi posli in ki nima možnosti uporabe izvedenih finančnih instrumentov, je po našem mnenju mogoče ustrezno upravljati z uporabo običajnih finančnih instrumentov in preprosto metodo obrestnih razmikov. Čeprav je sklepanje o izpostavljenosti obrestnemu tveganju le na podlagi statičnega poročila o obrestnih razmikih precej omejeno, lahko z izdelavo več poročil o obrestnih razmikih na določen dan, upoštevanjem različnih predpostavk in zapiranjem vrzeli v trajanju po posameznih segmentih poslovanja, oceno o izpostavljenosti banke obrestnemu tveganju precej izboljšamo. S pomočjo testiranja izjemnih razmer se lahko finančne institucije distancirajo od togih statističnih normativov in simulirajo neobičajna tržna gibanja, ki v modelih za oceno tveganj niso upoštevana. S stres testi proučujemo, kako močno se šoki v faktorjih tveganja odrazijo na vrednost portfelja. Testiranje izjemnih razmer je tako v zadnjih letih postalo sestavni del učinkovitega upravljanja s tveganji. Da bi lahko ocenili, kako uspešen je določen portfelj naložb, potrebujemo ustrezno merilo vrednosti. Pozitiven rezultat še zdaleč ne pomeni, da imamo opraviti z uspešnim portfeljem. Merilo vrednosti za vrednotenje uspešnosti portfelja finančnih instrumentov imenujemo benchmark. Bistvo benchmarka je, da imamo v vsakem trenutku na voljo obveznico z določeno zapadlostjo, obrestno mero najvišjo bonitetno oceno, ki vsaj približno odraža trenutne tržne obrestne mere in s katero se trguje okoli nominalne vrednosti. Na večini trgov merilo vrednosti zaradi relativno velike likvidnosti, rednega izdajanja in ustrezne bonitetne ocene izdajatelja, predstavljajo državne obveznice. Pri uporabi koncepta benchmarka lahko v okviru upravljanja portfelja finančnih instrumentov razlikujemo med dvema stiloma upravljanja in s tem tudi vrstama naložbenih strategij. V kolikor je struktura benchmarka implementirana v dejanskem portfelju, imamo opraviti z nevtralno pozicijo; govorimo o t.i. pasivnem upravljanju portfelja in s tem o pasivnih naložbenih strategijah. Donosnost benchmarka je v tem primeru definirana kot ciljna donosnost in cilj je dosežen, če je donosnost portfelja enaka donosnosti benchmarka. V kolikor pa struktura portfelja zavestno odstopa od benchmarka, upravičeno pričakujemo višjo donosnost portfelja v primerjavi z benchmarkom; govorimo o t.i. aktivnem upravljanju portfelja in s tem o aktivnih naložbenih strategijah. Donosnost benchmarka v tem primeru služi le kot merilo uspešnosti portfelja. Področje upravljanja s tveganji je v Banki X urejeno s t.i. minimalnimi standardi, ki predstavljajo izhodišča za postavitev, organizacijo ter aktivnosti na področju upravljanja s kreditnimi, nekreditnimi in operativnimi tveganji. Temu morajo biti prilagojene tudi poslovne politike, organizacija, postopki dela ter sistem poročanja. Vsekakor mora biti

služba za upravljanje s tveganji pri svojem delovanju samostojna, svoje odločitve mora sprejemati skladno z objektivnimi kriteriji, neodvisno od želja oz. zahtev poslovnih delov banke Obrestno tveganje Banka X spremlja in upravlja v službi za upravljanje s tveganji. Temeljni dokument predstavlja politika upravljanja z obrestnim tveganjem, ki ureja tako opredelitev obrestno občutljivih pozicij, zagotavljanje podatkov za izračun pozicij kot tudi metode merjenja, kontrolne mehanizme, pooblastila, odgovornosti in poročanje. Identifikacija obrestnega tveganja predstavlja najpomembnejšo in hkrati najzahtevnejšo fazo celotnega procesa upravljanja z obrestnim tveganjem v Banki X. Pri tem je posebnega pomena zagotavljanje podatkov in ustrezna podatkovna struktura. Pozicije obrestno občutljivih postavk se spremljajo na nivoju bančne knjige, ki je razdeljena na: zavarovano in transformacijsko pozicijo. Cilj upravljanja pa je omejevanje potencialne izgube banke zaradi sprememb v višini tržnih obrestnih mer na ravni, ki je sprejemljiva z vidika rezultata poslovanja in kapitalske ustreznosti banke. Banka X nima dovoljenja za opravljanje poslov z izvedenimi finančnimi instrumenti zato lahko obrestno tveganje upravlja le z instrumenti uravnavanja bilance banke. Seveda je takšno varovanje pred obrestnim tveganjem precej omejeno ker se banka ne more povsem samostojno prilagajati tržnim razmeram in določati poslovnih pogojev povsem samostojno, ampak mora pridobiti soglasje nasprotne stranke v poslu in nadrejene banke. Kljub temu pa lahko banka obrestno občutljive pozicije v svojih poslovnih knjigah uravnava z izbranimi naložbenimi strategijami, strategijo imunizacije portfelja ter ustreznim oglaševanjem in poslovno politiko. V magistrski nalogi smo nedvomno dokazali, da se pomen upravljanja s tveganji v bankah povečuje, da je obrestno tveganje najpomembnejše tržno tveganje in da je trenutno najboljša metoda, ki jo poznamo za merjenje obrestnega tveganja, metoda VAR. Čaprav smo pokazali, da je za banke, ki se pretežno ukvarjajo s kreditno depozitnimi posli povsem uporabna metoda obrestnih razmikov. Na področju upravljanja s tveganji nam ostane še veliko dela. Teoretično znanje je potrebno implementirati v prakso, poleg tega pa največji problem predstavljajo ustrezno zajemanje obrestno občutljivih podatkov in informacijska podpora. Predvsem pa bo potrebno vodilne managerje manjših bank izobraziti v smislu, da bodo razumeli upravičenosti nakupa relativno dragih sistemskih rešitev.

8. LITERATURA 1. Belmond P., David. 2004. Value Added Risk Management in Financial Institutions.

Singapore: John Wiley & Sons Pte Ltd. 2. Bessis, Joel. 2002. Risk Management in Banking. Chichester: John Wiley & Sons Ltd. 3. Bodie, Zvi, Kane Alex, Marcus Alan J. 1996. Investments. 3. izdaja. Chicago: Irwin/

McGraw- Hill. 4. Brigham, Eugene in Daves, Phillip. 2002. Intermediate Financial Management.

Thomas Learning, Inc. 5. Chang, Yen Yee. 2004. Investment Risk Management. Chichester: John Wiley& Sons,

Ltd. 6. Culp, Christoper L. 2001. The Risk Management Process. Toronto: John Wiley&Sons

Ltd. 7. Černilec, Polona. 2005. Merjenje tržnih tveganj v bankah. Magistrsko delo. Ljubljana:

Ekonomska fakulteta. 8. Deutsch, Hans Peter. 2004. Derivate und interne Modelle. Stuttgart: Schäffer-Poeschel

Verlag für Wirtschaft, Steuern, Recht GmbH. 9. Devjak, Srečko in Andraž Grum. 2006. Optimizacija portfelja z uporabo kriterija

RAROC. Bančni vestnik 9: 41-44. 10. Dimovski, Vlado in Gregorič Aleksandra. 2000. Temelji bančništva. Ljubljana:

Ekonomska fakulteta. 11. Drosdzol, Adam. 2005. Zinsmanagement mit Zinsstrukturmodellen. Frankfurt am

main: Bankakademie- Verlag GmbH. 12. Fabozzi, Frank J. 2000. Bond Markets, Analysis and Strategies. Fourth Edition. New

Jersey: Prentice Hall Inc. 606. 13. Gallagher, Liam in Hutchinson Mark. (2006). Skewness, kurtosis and convertible

arbitrage hedge fund preformance [online]. Dostopno na: http://www.efmaefm.org/efma2006/papers/150451_full.pdf [20.2.2007].

14. Galatti, Reto. 2003. Risk Management and Capital Adequacy. New York: McGraw-

Hill, Inc. 15. Godec, Mitja. 2006. Obvladovanje likvidnostnega tveganja v banki. Magistrsko delo.

Ljubljana: Ekonomska fakulteta.

16. Jorion, Philippe. 2000. Value at Risk The New Benchmark for Managing Financial Risk. 2-nd Edition New York: McGrawHill.

17. Karpe, Primož. 1997. Klasična tveganja bančnega poslovanja- kreditno tveganje.

Bančni vestnik 4: 36-38. 18. Koch, W. Timothy in MacDonald, S. Scott. (2000). Bank Management, 4th Edition.

Managing Interest Rate Risk: Duration GAP and Market Value of Equity. Orlando: Harcourt, Inc. 192- 209. [ online]. Dostopno na: https://gsbc.colorado.edu/student_tools/documents/Bank_Mgmt_Duration_Gap_EVE_Sensitivity.pdf [ 15.02.2007].

19. Košak, Tomaž. 1999. Likvidnostna kriza ali zgolj težave pri izpolnjevanju obvezne

rezerve? Prikazi in analize VII/2 (junij 1999). Ljubljana: Banka Slovenije. 20. Kovačič, Kristina. 2006. Spremljanje in upravljanje obrestnih tveganj. Portorož, 19-

20.10.2006: Združenje bank Slovenije. Posvet o upravljanju s tveganji v bankah. Gradivo za udeležence posveta.

21. Kovačič, Kristina. 2004. Problematika delitve poslov na bančne in trgovalne postavke.

Bančni vestnik 10: 12-16. 22. Kristl, Miha. 2004. Devizni tečaj, valutno tveganje in banke. Magistrsko delo.

Ljubljana: Ekonomska fakulteta. 23. Lozej, Matija. 2005. Tvegana vrednost. Bančni vestnik 5: 40-46. 24. Lozej, Matija. 2005. Krivulje donosnosti in vrednotenje finančnih instrumentov (2).

Bančni vestnik 11: 29-34. 25. Matten, Chris. (1999). Risk and Capital Management. An Overview. [ online].

Dostopno na:http://www.apra.gov.au/RePEc/RePEcDocs/Archive/conference_papers1/risk_capital_management.pdf [ 16.12.2006].

26. Matten, Chris.2000. Managing Bank Capital. Chichester: John Wiley & Sons Ltd. 27. Matz, M. Leonard. 2005. Liquidity Risk Management. Austin: Sheshunoff. 28. Matz, M. Leonard. 2006. Risk management for Banks: a guide to Regulatory

Compliance. Austin: Alex eSOLUTIONS, INC. 29. Mikulčić, Dražen. (2001). Value at Risk (Rizičnost vrijednosti). Teorija i primjera na

međunarodni portfelj instrumenata s fiksnim prihodom. Zagreb: Hrvatska narodna banka. [ online]. Dostopno na: http://www.hnb.hr/publikac/pregledi/p-007.pdf?tsfsg=8d6a81ae54fc125373d766fde9f29b79 [ 20.2.2007].

30. Mramor, Dušan. 1993. Uvod v poslovne finance. Ljubljana: Ekonomska fakulteta.

31. Penko, Vesna 2005. Vpliv zakonskih omejitev na strukturo naložb pokojninskih skladov. Magistrsko delo. Ljubljana: Ekonomska fakulteta.

32. Peterlin, Mojca. 2003. Trajanje in konveksnost obveznic. Diplomsko delo. Ljubljana:

Ekonomska fakulteta. 33. Priermeier, Thomas. 2005. Finanzrisikomanagement im Unternehmen: Ein Praxisbuch.

München: Verlag Franz Vahlen GmbH. 34. Prohaska, Zdenko. 2004. Finančni trgi. Ljubljana: Ekonomska fakulteta. 35. Romeike, Frank. 2005. Modernes Risikomanagement: Die Markt-, Kredit- und

operationellen Risiken zukunftsorientiert steuern. Weinheim: Wiley-VCH Verlag GmbH & Co KgaA..

36. Saunders, Anthony. 2000. Financial Institutions Management. Boston:

Irwin/McGrawhill. 37. Simons, Katerina. (2000). The Use of Value at Risk by Institutional Investors. New

England Economic Review November/December:21-30. [ online]. Dostopno na: http://www.bos.frb.org/economic/neer/neer2000/neer600b.pdf [10.11.2006 ].

38. Schroeck, Gerhard. 2002. Risk Management and Value Creation in Financial

Institutions. New Jersey: John Wiley & Sons Inc. 39. Smithson, Charles W., Smith Clifford W. Jr. In Wilford Sykes D. 1995. Managing

Financial Risk. Homewood: Richard D. Irwin. 40. Spellman, Frank. 2002. Gesamtrisiko Messung von banken und Unternehmen.

Wiesbaden: Deutscher Universitäts- Verlag/GWV Fachverlade GmbH. 41. Škrinjar, Ladi. 2003. Obrestno tveganje z zornega kota domačih bank. Bančni vestnik

1-2: 55-58. 42. Tilman, Leo M.. 2003. Asset/Liability Management of Financial Institutions. London:

Euromoney books. 43. Van Deventer D., Imai K. in Mesler M. 2005. Advanced Financial Risk Management:

Tools and Techniques for Integrated Credit Risk and Interest Rate Risk Management. John Wiley& Sons (Asia) Pte Ltd.

44. Veršnik Čemas, Nina. 2006. Enostavnejši načini obvladovanja obrestnega tveganja v

bankah. Bančni vestnik 6: 29-33. 45. Veršnik Čemas, Nina. 2006. Varovanje pred obrestnim tveganjem. Bančni vestnik 7-8:

46-49.

46. Zupančič, Natalija Lotti. 2006. Investiranje v tuje dolžniške vrednostne papirje kot del naložbene politike pokojninskih družb v Sloveniji. Magistrsko delo. Ljubljana: Ekonomska fakulteta.

47. Wiedemann, Arnd. 2004. Risikotriade Zins-, Kredit- und operationelle Risiken.

Frankfurt am Main: Bankakademie-Verlag GmbH. 48. Žiković, Saša. 2005. Formiranje optimalnog portfolija hrvatskih dionica i mjerjenje

tržišnog rizika primjenom VAR metode. Magistrsko delo. Ljubljana: Ekonomska fakulteta.

9. VIRI 1. BoF -Bank of England. 2006. Statistical Interactive Database. Interest& Exchange Rates Data.[online].Dostopnona:http://213.225.136.206/mfsd/iadb/Index.asp?first=yes&SectionRequired=I&HideNums=-1&ExtraInfo=true&Travel=NIx [3.1.2007]. 2. BIS- Bank for International Settlements, Committee on the Global Financial System. Januar 2005. Stress testing at major financial institutions: survey results and practice. [online]. Dostopno na: http://www.bis.org/publ/cgfs24.pdf [19.3.2007 ]. 3. BIS- Bank for International Settlements, Basel Committee on Banking Supervision. Januar 2001. The New Basel capital Accord. [online]. Dostopno na: http://www.bis.org/publ/bcbsca03.pdf [30.12.2006 ]. 4. BIS- Bank for International Settlements, Basel Committee on Banking Supervision. September 2003. Principles for the Management and Supervision of Interest Rate Risk. [online]. Dostopno na: http://www.bis.org/publ/bcbsca09.pdf [13.1.2007 ]. 5. DB- Deutsche Bundesbank. Oktober 2004. Monatsbericht. Stresstests bei deutschen Banken- Methoden und Ergebnisse. [online]. Dostopno na: http://www.bundesbank.de/download/volkswirtschaft/mba/2004/200410mba_stresstest.pdf [25.3.2007 ]. 6. ECONSTATSTM. 2007. Interest Rates. [online]. Dostopno na: http://www.econstats.com/r/rlib_em8.htm [04.01.2007]. 7. Interna gradiva Banke X. 2006, 2007. 8. Navodila za izvajanje sklepa o poročanju monetarnih finančnih institucij N-1. Uradni list RS št. 6/06. [online]. Dostopno na: http://www.uradni-list.si/priloge/RS_-2006-006-00230-OB~P004-0000.PDF [13.04.2007]. 9. Osnutek sklepa o minimalnih zahtevah za zagotavljanje ustrezne likvidnostne pozicije bank in hranilnic. Uradni list RS, št. 72/06. 10. Sklep o izračunu kapitala bank in hranilnic. Uradni list RS št. 135/2006.

11. Sklep o izračunu kapitalske zahteve za tržna tveganja za banke in hranilnice. Uradni list RS št. 135/2006. 12. Sklep o kapitalski ustreznosti bank in hranilnic. Uradni list RS št. 24/02, 85/02, 22/03, 36/04, 68/04,103/04, 124/04, 62/05, 67/05. 13. Sklep o minimalnih zahtevah za zagotavljanje ustrezne likvidnostne pozicije bank in hranilnic. Uradni list RS, št. 28/07, 111/06, 129/06. 14. Sklep o najmanjšem obsegu likvidnosti, ki jo mora banka zagotavljati. Uradni list RS št. 82/01, 108/01, 28/02, 5/03, 15/03, 65/03, 42/04, 62/04, 84/04, 101/04, 6/05, 15/05, 36/05, 58/05, 68/05, 69/05, 104/05, 30/06, 39/06, 53/06, 74/06, 75/06). 15. Sklep o upravljanju s tveganji in izvajanju procesa ocenjevanja ustreznega notranjega kapitala za banke in hranilnice. Uradni list RS št. 135/2006. 16. Sklep o veliki izpostavljenosti bank in hranilnic. Uradni list RS št. 135/2006. 17. Uredba (ES) št. 1745/2003 Evropske centralne banke z dne 12. septembra 2003 o uporabi obveznih rezerv (ECB/2003/9). 18. Zakon o bančništvu. Uradni list RS št. 131/2006. 19. ZBS- Združenje bank Slovenije. 2006. Posvet o upravljanju s tveganji v bankah.

Gradivo za udeležence posveta. Portorož 19.-20.oktober 2006.

10. PRILOGE Priloga 1: Poročilo o količnikih likvidnosti banke, način izračuna in postavke, ki se upoštevajo pri izračunu BANKA: KL-1

POROČILO O KOLIČNIKIH LIKVIDNOSTI BANKEPoročilo po stanju na dan:

v tisoč EURV domači valuti V tuji valuti

0-30 dni 0-180 dni 181 dni in več 0-30 dni 0-180 dni 181 dni in večNALOŽBE

A010 Gotovina v blagajni in čekiA020 Imetja na računih pri Banki Slovenije

Terjatve do bank in hranilnic na vpogledA031 - do domačih bankA032 - do tujih bank

Ostale terjatve do bank in hranilnic A041 - do domačih bankA042 - do tujih bank

Terjatve iz nas. kreditov nebančnemu sek. A051 - gospodarstvoA052 - nerezidentiA053 - ostaloA054 - državaA060 Blagajniški zapisi Banke SlovenijeA070 Vrednostni papirji RS

Drugi vrednostni papirji A081 - tuji tržni vrednostni papirji bonitete najmanj BBBA082 - ostali tuji vrednostni papirji A083 - domači vrednostni papirji A090 Ostale aktivne postavke (obresti ipd.)

Zunajbilančne postavkeA101 - terminski in spot posliA102 - pogodbeno najete kreditne linijeA103 - nečrpani del najetih kreditovA110 Sklad finančnega premoženja

OBVEZNOSTIL010 Obveznosti do Banke Slovenije

Obveznosti do bank in hranilnic na vpogled L021 - do domačih bankL022 - do tujih bank

Ostale obveznosti do bank in hranilnic L031 - do domačih bankL032 - do tujih bank

Vpogledne vloge nebančnega sektorjaL041 - gospodarstvoL042 - gospodinjstvaL043 - državaL044 - nerezidentiL045 - ostalo

Vezane vloge nebančnega sektorja L051 - gospodarstvoL052 - gospodinjstvaL053 - državaL054 - nerezidentiL055 - ostaloL060 Obveznosti iz izdanih vrednostnih papirjevL070 Ostale pasivne postavke (obresti ipd.)

Zunajbilančne postavkeL081 - terminski in spot posli 100%L082 - odprti nekriti akreditivi 100%L083 - pogodbeno odobrene kreditne linije bankam 100%L084 - nečrpani del odobrenih kreditov 100%L085 - pogodbeno odobrene kreditne linije nebankam 20%L086 - garancije, jamstva, stand-by akreditivi, limiti 5%

KOLIČNIK LIKVIDNOSTI (posamično)KOLIČNIK LIKVIDNOSTI (skupaj)

Vir: Osnutek sklepa o minimalnih zahtevah za zagotavljanje ustrezne likvidnostne pozicije bank in hranilnic. Uradni list RS, št. 72/06.

Priloga 2: Podrobna razčlenitev škodnih dogodkov v Banki X ŠKODNI DOGODKI:

1. Stranke, produkti in poslovna praksa 1.1 Neprimerne poslovne in tržne prakse (Izgube ki nastanejo zaradi nenamernih

napak ali malomarnosti pri uporabi splošnih poslovnih ali tržnih običajev. Npr.: kršitev antimonopolne zakonodaje, neustrezne trgovalne / tržne prakse, tržna manipulacija, insidersko trgovanje (na račun banke), dejavnosti brez ustrezne licence, pranje denarja).

1.2 Izbor komitentov, poroštvo in izpostavljenost (Izgube ki nastanejo zaradi nenamernih napak ali malomarnosti pri upoštevanju kriterijev za izbiro komitenta ali preseganje limitov. Npr.: neustrezno upoštevanje navodil pri poizvedovanju o komitentu, neobstoječi ali pomanjkljivi kriteriji za sprejemljivost komitentov, prekoračitev limitov (dovoljenih izpostavljenosti) pri komitentu).

1.3 Svetovalne storitve (Izgube ki nastanejo zaradi nenamernih napak ali malomarnosti pri svetovanju komitentom. Npr.: spori zaradi nasvetov o izboru produktov).

1.4 Oblikovanje in kvaliteta produktov (Izgube ki nastanejo zaradi nenamernih napak ali malomarnosti pri kvaliteti ali obliki produktov. Npr.: neustrezni produkti, napake v produktih ali storitvah (nedovoljene …), napake v modelih (interne napake modela, ki nastanejo zaradi neprimernih parametrov, napačnega programiranja, napačnih predpostavk, matematičnih napak ...), premalo kvalitetni produkti v primerjavi s podobnimi produkti na trgu).

1.5 Soglasje, razkritje in zaupnost (Izgube ki nastanejo zaradi nenamernih napak ali malomarnosti glede zaupnosti, razkritij ter pri izpolnitvi zakonskih zahtev ob usklajevanju produktov s profilom komitenta. Npr.: kršitev zaupnosti, kršitev meril in postopkov, kršitev pravil o razkrivanju podatkov, kršitev varstva osebnih podatkov, kršitev zaupnosti, umetno zviševanje posla zaradi višje provizije, agresivna prodaja, zloraba zaupnih informacij, obveznosti do upnikov, prikrivanje računov).

2. Izvedba, prenos in upravljanje procesov:

2.1 Pridobivanje komitentov in dokumentacija (Izgube nastale zaradi neuspešnega procesiranja ali napačnega upravljanja s procesi pri izpolnitvi zakonskih zahtev glede dokumentacije z nasprotno stranko. Npr.: komitentom niso predstavljene njihove pravice, manjkajoče izjave komitenta, manjkajo pravni dokumenti ali so le ti nepopolni).

2.2 Zajemanje, izvedba in vzdrževanje transakcij (Izgube nastale zaradi neuspešnega procesiranja ali napačnega upravljanja s procesi. Npr.: napake in zamude pri komuniciranju in pretoku transakcij med enotami banke, napake pri vnosu podatkov, napake pri vzdrževanju ali pretakanju podatkov, prekoračeni roki ali odgovornost, računovodske napake, napačno izvajanje drugih nalog, napačen prenos dokumentacije, napake pri upravljanju z zavarovanji).

2.3 Spremljanje in poročanje (Izgube nastale zaradi neuspešnega ali neustreznega poročanja in spremljanja. Npr.: neizpolnitev obveznega poročanja, nenatančno zunanje poročanje).

2.4 Upravljanje z računi komitentov (Izgube nastale zaradi neuspešnega procesiranja ali napačnega upravljanja s procesi v zvezi z upravljanjem z računi komitentov. Npr.: nepooblaščen dostop do računov komitentov, nepravilni zapisi, izguba ali poškodba komitentove lastnine).

2.5 Napake v razmerjih do nekomitentov (Izgube nastale zaradi neuspešnega procesiranja ali napačnega upravljanja s procesi v povezavi z nekomitenti banke. Npr.: neizvršitev storitev za nekomitenta banke, različni spori z nekomitenti).

2.6 Prodajalci in dobavitelji (Izgube nastale zaradi neuspešnega procesiranja ali napačnega upravljanja s procesi v povezavi s prodajalci in dobavitelji. Npr.: spori s prodajalci, neustrezno delovanje dejavnosti, ki jih izvajajo zunanji pogodbeni partnerji, nejasni sporazumi glede učinkovitosti in pravočasnosti dejavnosti, ki jih izvajajo zunanji izvajalci ali potrebnih informacij).

3. Postopki zaposlenih in varstvo pri delu:

3.1 Pogodbeni odnosi z zaposlenimi (Izgube nastale zaradi dejanj, ki niso v skladu s pogodbo o zaposlitvi; napake v pogodbah o zaposlitvi. Npr.: odškodnine iz naslova napak v pogodbi, napake iz naslova podpore, prenehanja delovnega razmerja, plač, ugodnosti).

3.2 Diskriminacija, nadlegovanje (Izgube nastale zaradi dejanj, ki niso v skladu z zakonodajo na področju diskriminacije in nadlegovanja. Npr.: vse oblike diskriminacije in nadlegovanja).

3.3 Počutje in varnost (Izgube nastale zaradi obveznosti na področju zdravja zaposlenih in pravil o varnosti zaposlenih. Npr.: dogodki povezani s splošno varnostjo (zdrs, padec zaposlenega..), zdravjem zaposlenih in dogodki v zvezi s pravili o varnosti pri delu , odškodnine delavcem).

4. Notranji kriminal:

4.1 Tatvine in goljufije (Izgube zaradi namernih poneverb, kraj, ter izogibanja pravil, zakonov ali politik banke. Npr.: goljufije, prevare v kreditnem postopku, lažni pologi, kraje, izsiljevanje, poneverbe, utaje, ropi, nedovoljena prisvojitev premoženja, namerno uničenje sredstev, ponarejevanje, goljufanje s čeki, tihotapljenje, kraja računov, lažno predstavljanje, neupoštevanje davčne zakonodaje/namerno izogibanje, podkupovanje/prisvojitev dela delavčevega zaslužka, insidersko trgovanje (za svoj račun)).

4.2 Nedovoljene aktivnosti (Izgube zaradi izogibanja pravilom, zakonodaji ali politikam banke. Npr.: namerno neprijavljene transakcije, nedovoljen tip transakcije , namerno nepravilno vrednotenje pozicije, zloraba zaupnih informacij, sklepanje poslov s komitenti, s katerimi se posli ne bi smeli sklepati, namerna določitev napačne cene).

5. Zunanji kriminal: 5.1 Tatvine in goljufije (Izgube zaradi namernih poneverb, kraj ter izogibanja

zakonov, ki jih povzročijo zunanje stranke. Npr.: kraja, rop, goljufanje s čeki, ponarejanje).

5.2 Varnost sistemov (Izgube zaradi namernih poneverb, kraj ter izogibanja zakonov, ki jih povzočijo zunanje stranke (ki se nanašajo samo na varnost sistemov). Npr.: škoda, ki jo povzročijo računalniški hackerji, kraja informacij).

6. Sistemi (strojna in računalniška oprema, programska oprema, telekomunikacije):

6.1 Dostopnost / kapaciteta (izgube nastale zaradi nezadostnih kapacitet sistemov oziroma nedostopnosti …)

6.2 Ustreznost sistemov (izgube zaradi slabo definiranih sistemskih specifikacij, zahtev, prevelike razdrobitve sistemov v okviru organizacije …)

6.3 Pravočasnost, stroški razvoja (izgube zaradi prekoračitve časovnih rokov za oskrbo oziroma razvoj sistemov …)

7. Poškodbe fizičnih sredstev:

7.1 Katastrofe in drugi dogodki (Izgube nastale zaradi izgub in poškodb fizičnega premoženja (vključno s človeškimi žrtvami), ki so posledica naravnih katastrof in ostalih dogodkov. Npr.: izgube zaradi naravnih katastrof (naravne nesreče, ogenj, poplava …), izgube zaradi zunanjih človeških dejavnikov (terorizem, vandalizem …)).

Vir: Interno gradivo Banke X, 2006. Priloga 3: Gibanje vrednosti USD proti izbranim valutam v obdobju od 1975 do 2006 TEČAJI DATUM USD/EUR USD/GBP USD/100JPY USD/CHF31-Dec-75 0.8093 0.4943 3.0507 2.620531-Dec-76 0.8216 0.5875 2.9325 2.44531-Dec-77 0.7757 0.5212 2.3935 1.982531-Dec-78 0.6918 0.49 1.942 1.61531-Dec-79 0.6631 0.4494 2.3965 1.59631-Dec-80 0.7533 0.4181 2.0315 1.7831-Dec-81 0.9053 0.5233 2.1955 1.79631-Dec-82 1.025 0.6182 2.355 2.01331-Dec-83 1.2156 0.6887 2.316 2.1831-Dec-84 1.4057 0.8636 2.5155 2.602531-Dec-85 1.1233 0.6918 2.002 2.059531-Dec-86 0.9107 0.674 1.582 1.611531-Dec-87 0.7548 0.5299 1.21 1.269531-Dec-88 0.8492 0.5531 1.2495 1.50231-Dec-89 0.8148 0.6202 1.438 1.542231-Dec-90 0.719 0.5183 1.3575 1.276531-Dec-91 0.7323 0.5354 1.2485 1.360531-Dec-92 0.8085 0.6601 1.248 1.46631-Dec-93 0.8894 0.6766 1.1162 1.485

31-Dec-94 0.8027 0.6392 0.9972 1.308531-Dec-95 0.7467 0.645 1.0308 1.150531-Dec-96 0.7864 0.5841 1.1605 1.340531-Dec-97 0.9167 0.6078 1.3012 1.457431-Dec-98 0.8521 0.601 1.1277 1.373831-Dec-99 0.9975 0.6203 1.0236 1.600531-Dec-00 1.0661 0.6689 1.1428 1.621431-Dec-01 1.1231 0.687 1.3097 1.6631-Dec-02 0.9532 0.6213 1.187 1.382931-Dec-03 0.7929 0.5585 1.0714 1.236731-Dec-04 0.7358 0.5209 1.0248 1.13731-Dec-05 0.8477 0.5825 1.1804 1.317831-Dec-06 0.7584 0.511 1.1916 1.221 POVPREČJE 0.8765 0.5925 1.6040 1.6254MAX 1.4057 0.8636 3.0507 2.6205MIN 0.6631 0.4181 0.9972 1.1505Vir: Lastni izračuni in Bank of England 2007. Priloga 4: Vrednosti 6 mesečnega LIBOR-ja izbranih valut v obdobju 1-1987 do 1-2007 DATUM 6M LIBOR GBP 6M LIBOR USD 6M LIBOR CHF 6M LIBOR EUR

January-87 10.95%

February-87 10.65% 6.23%

March-87 9.79% 6.44%

April-87 9.66% 6.69%

May-87 8.90% 7.38%

June-87 8.97% 7.63%

July-87 9.39% 7.38%

August-87 10.29% 7.25%

September-87 10.43% 7.44%

October-87 10.15% 8.50%

November-87 9.01% 7.63%

December-87 7.99% 8.06%

January-88 9.22% 7.50%

February-88 9.47% 7.02%

March-88 9.08% 6.94%

April-88 8.57% 7.13%

May-88 8.53% 7.56%

June-88 9.31% 8.00%

July-88 10.72% 8.06%

August-88 11.46% 8.69%

September-88 12.28% 8.94%

October-88 12.00% 8.75%

November-88 12.34% 8.63%

December-88 13.15% 9.31%

January-89 13.00% 9.44% 5.94% 8.56%

February-89 12.95% 9.50% 6.25% 9.38%

March-89 13.08% 10.50% 6.13% 9.06%

April-89 13.23% 10.69% 6.63% 8.88%

May-89 13.25% 9.94% 8.00% 9.50%

June-89 14.33% 9.50% 7.38% 9.75%

July-89 13.87% 9.13% 6.88% 9.25%

August-89 13.78% 8.38% 7.50% 9.75%

September-89 14.06% 9.00% 7.94% 10.44%

October-89 14.96% 9.13% 8.00% 10.81%

November-89 14.99% 8.50% 7.94% 11.00%

December-89 15.04% 8.31% 8.88% 11.44%

January-90 15.16% 8.31% 9.63% 11.38%

February-90 15.18% 8.44% 9.60% 11.52%

March-90 15.51% 8.44% 9.00% 10.63%

April-90 15.50% 8.69% 9.38% 11.00%

May-90 15.29% 8.88% 8.75% 10.50%

June-90 15.02% 8.50% 8.88% 10.56%

July-90 14.91% 8.38% 8.94% 10.25%

August-90 14.94% 7.98% 8.69% 10.45%

September-90 14.86% 8.13% 8.38% 10.56%

October-90 13.82% 8.31% 8.38% 10.06%

November-90 13.16% 8.06% 8.75% 10.38%

December-90 13.23% 8.13% 8.75% 10.63%

January-91 13.56% 7.56% 8.13% 10.31%

February-91 12.77% 7.06% 8.13% 9.56%

March-91 11.97% 6.88% 8.44% 9.56%

April-91 11.71% 6.56% 8.50% 9.63%

May-91 11.31% 6.31% 8.00% 9.88%

June-91 11.05% 6.19% 8.00% 10.13%

July-91 10.92% 6.56% 8.00% 10.25%

August-91 10.78% 6.31% 8.00% 9.94%

September-91 10.22% 5.81% 8.19% 10.00%

October-91 10.32% 5.63% 8.38% 9.94%

November-91 10.44% 5.25% 8.06% 10.31%

December-91 10.77% 4.94% 8.19% 10.57%

January-92 10.55% 4.23% 7.50% 10.38%

February-92 10.30% 4.31% 7.63% 10.06%

March-92 10.72% 4.38% 8.69% 10.31%

April-92 10.67% 4.51% 8.75% 10.29%

May-92 10.07% 4.25% 9.16% 10.25%

June-92 10.02% 4.19% 9.19% 10.69%

July-92 10.20% 4.06% 8.63% 11.13%

August-92 10.51% 3.63% 7.88% 11.34%

September-92 9.98% 3.63% 7.00% 11.71%

October-92 8.01% 3.27% 6.36% 9.81%

November-92 6.90% 3.56% 6.42% 10.63%

December-92 7.04% 4.00% 5.81% 10.10%

January-93 6.76% 3.63% 5.41% 9.63%

February-93 5.94% 3.37% 5.25% 9.31%

March-93 5.88% 3.31% 4.94% 8.63%

April-93 6.06% 3.38% 4.88% 8.29%

May-93 6.08% 3.31% 5.00% 7.44%

June-93 5.96% 3.50% 4.84% 7.00%

July-93 5.93% 3.51% 4.63% 7.31%

August-93 5.72% 3.50% 4.63% 7.19%

September-93 5.86% 3.44% 4.56% 7.38%

October-93 5.67% 3.38% 4.38% 7.01%

November-93 5.51% 3.44% 4.25% 6.50%

December-93 5.28% 3.50% 3.94% 6.09%

January-94 5.37% 3.50% 3.94% 6.13%

February-94 5.25% 3.38% 4.09% 6.25%

March-94 5.26% 4.00% 4.13% 6.21%

April-94 5.45% 4.25% 4.00% 5.88%

May-94 5.44% 4.69% 4.25% 5.94%

June-94 5.47% 5.00% 4.44% 6.06%

July-94 5.56% 5.25% 4.50% 6.19%

August-94 6.03% 5.31% 4.50% 6.24%

September-94 6.29% 5.31% 4.34% 6.25%

October-94 6.50% 5.75% 4.19% 6.25%

November-94 6.58% 5.94% 4.25% 6.19%

December-94 7.00% 6.56% 4.50% 6.75%

January-95 7.09% 7.00% 4.25% 6.56%

February-95 7.17% 6.69% 4.06% 6.63%

March-95 7.14% 6.44% 3.63% 6.88%

April-95 7.10% 6.50% 3.56% 6.44%

May-95 7.05% 6.38% 3.33% 6.25%

June-95 6.89% 6.00% 3.20% 6.34%

July-95 7.00% 6.00% 2.88% 6.06%

August-95 6.96% 5.88% 2.88% 5.69%

September-95 6.79% 5.91% 2.48% 5.75%

October-95 6.83% 5.95% 2.09% 5.75%

November-95 6.65% 5.88% 2.00% 5.44%

December-95 6.42% 5.69% 1.81% 5.13%

January-96 6.36% 5.51% 1.80% 4.59%

February-96 6.16% 5.27% 1.69% 4.69%

March-96 6.14% 5.30% 1.80% 4.63%

April-96 6.14% 5.50% 1.88% 4.25%

May-96 6.17% 5.56% 2.63% 4.42%

June-96 5.98% 5.63% 2.63% 4.46%

July-96 5.83% 5.79% 2.63% 4.50%

August-96 5.87% 5.88% 2.25% 4.40%

September-96 5.91% 5.77% 1.58% 4.21%

October-96 6.12% 5.73% 1.81% 4.22%

November-96 6.57% 5.57% 2.06% 4.21%

December-96 6.61% 5.54% 1.88% 4.19%

January-97 6.58% 5.60% 1.75% 4.12%

February-97 6.44% 5.69% 1.75% 4.24%

March-97 6.49% 5.69% 1.88% 4.27%

April-97 6.69% 5.94% 1.86% 4.24%

May-97 6.72% 6.00% 1.28% 4.24%

June-97 6.82% 6.00% 1.50% 4.19%

December-98 6.18% 5.15% 1.57% 3.22%

January-99 5.67% 5.07% 1.37% 3.01%

February-99 5.40% 4.97% 1.31% 3.06%

March-99 5.35% 5.13% 1.28% 2.95%

April-99 5.30% 5.06% 1.04% 2.61%

May-99 5.34% 5.04% 1.06% 2.60%

June-99 5.24% 5.25% 1.49% 2.82%

July-99 5.35% 5.65% 1.52% 2.97%

August-99 5.60% 5.71% 1.60% 3.08%

September-99 5.86% 5.92% 1.86% 3.13%

October-99 6.14% 5.96% 2.10% 3.53%

November-99 6.03% 6.12% 1.87% 3.47%

December-99 6.22% 6.06% 1.95% 3.52%

January-00 6.40% 6.13% 2.26% 3.68%

February-00 6.42% 6.29% 2.69% 3.82%

March-00 6.42% 6.33% 3.10% 4.00%

April-00 6.47% 6.53% 3.43% 4.26%

May-00 6.46% 6.73% 3.47% 4.67%

June-00 6.36% 7.11% 3.64% 4.78%

July-00 6.31% 7.00% 3.76% 4.92%

August-00 6.33% 6.89% 3.74% 5.09%

September-00 6.31% 6.83% 3.62% 5.06%

October-00 6.24% 6.76% 3.58% 5.20%

November-00 6.11% 6.72% 3.54% 5.07%

December-00 5.94% 6.64% 3.37% 4.83%

January-01 5.74% 6.20% 3.35% 4.63%

February-01 5.66% 5.26% 3.37% 4.64%

March-01 5.45% 4.91% 3.19% 4.42%

April-01 5.30% 4.71% 3.19% 4.74%

May-01 5.22% 4.30% 3.20% 4.44%

June-01 5.33% 3.98% 3.19% 4.37%

July-01 5.33% 3.91% 3.13% 4.34%

August-01 5.01% 3.69% 3.00% 4.12%

September-01 4.68% 3.45% 2.28% 3.54%

October-01 4.39% 2.52% 1.95% 3.35%

November-01 4.00% 2.15% 1.99% 3.24%

December-01 4.07% 2.03% 1.85% 3.25%

January-02 4.14% 1.98% 1.78% 3.41%

February-02 4.19% 2.03% 1.83% 3.41%

March-02 4.33% 2.03% 1.75% 3.59%

April-02 4.37% 2.33% 1.69% 3.49%

May-02 4.37% 2.12% 1.40% 3.63%

June-02 4.38% 2.08% 1.35% 3.54%

July-02 4.19% 1.96% 0.92% 3.42%

August-02 4.01% 1.87% 0.81% 3.36%

September-02 4.00% 1.80% 0.76% 3.20%

October-02 3.97% 1.71% 0.77% 3.17%

November-02 3.99% 1.60% 0.77% 2.99%

December-02 4.03% 1.47% 0.64% 2.80%

January-03 3.97% 1.38% 0.62% 2.71%

February-03 3.70% 1.35% 0.57% 2.45%

March-03 3.59% 1.34% 0.36% 2.43%

April-03 3.58% 1.23% 0.36% 2.45%

May-03 3.58% 1.29% 0.32% 2.20%

June-03 3.57% 1.21% 0.31% 2.06%

July-03 3.47% 1.15% 0.35% 2.10%

August-03 3.61% 1.20% 0.32% 2.19%

September-03 3.79% 1.18% 0.30% 2.11%

October-03 3.96% 1.23% 0.31% 2.21%

November-03 4.16% 1.26% 0.37% 2.24%

December-03 4.17% 1.22% 0.35% 2.16%

January-04 4.20% 1.21% 0.32% 2.13%

February-04 4.29% 1.17% 0.30% 2.04%

March-04 4.43% 1.16% 0.30% 1.94%

April-04 4.56% 1.38% 0.42% 2.10%

May-04 4.73% 1.58% 0.43% 2.14%

June-04 5.01% 1.94% 0.75% 2.19%

July-04 5.03% 1.98% 0.76% 2.20%

August-04 5.09% 1.99% 0.73% 2.17%

September-04 5.05% 2.20% 0.81% 2.21%

October-04 4.96% 2.31% 0.80% 2.19%

November-04 4.94% 2.64% 0.87% 2.21%

December-04 4.91% 2.78% 0.80% 2.21%

January-05 4.89% 2.96% 0.82% 2.18%

February-05 4.96% 3.16% 0.84% 2.19%

March-05 5.07% 3.40% 0.81% 2.21%

April-05 4.99% 3.41% 0.79% 2.15%

May-05 4.89% 3.54% 0.78% 2.14%

June-05 4.80% 3.71% 0.76% 2.10%

July-05 4.57% 3.92% 0.78% 2.15%

August-05 4.57% 4.06% 0.80% 2.16%

September-05 4.57% 4.23% 0.86% 2.21%

October-05 4.57% 4.47% 0.99% 2.38%

November-05 4.63% 4.60% 1.20% 2.60%

December-05 4.63% 4.70% 1.18% 2.64%

January-06 4.60% 4.81% 1.18% 2.69%

February-06 4.59% 4.99% 1.34% 2.78%

March-06 4.63% 5.14% 1.40% 2.99%

April-06 4.67% 5.22% 1.51% 3.04%

May-06 4.79% 5.33% 1.58% 3.10%

June-06 4.82% 5.59% 1.69% 3.25%

July-06 4.82% 5.51% 1.73% 3.33%

August-06 5.05% 5.43% 1.82% 3.45%

September-06 5.15% 5.37% 1.91% 3.57%

October-06 5.23% 5.42% 1.97% 3.67%

November-06 5.31% 5.37% 2.01% 3.73%

December-06 5.37% 5.35% 2.12% 3.78%

Vir: ECONSTATSTM 2007. Priloga 5: Stanje vpisanih tolarskih blagajniških zapisov Banke Slovenija datum v mlrd SIT

31.1.2005 255,328.2.2005 261,231.3.2005 265,830.4.2005 298,231.5.2005 288,630.6.2005 351,331.7.2005 383,931.8.2005 41230.9.2005 458,6

28.10.2005 468,430.11.2005 52529.12.2005 550,4

31.1.2006 613,128.2.2006 631,531.3.2006 614,130.4.2006 597,431.5.2006 649,130.6.2006 570,431.7.2006 513,531.8.2006 483,229.9.2006 517,5

30.10.2006 512,630.11.2006 517,829.12.2006 402,4Vir: Banka Slovenije: Likvidnost bančnega sistema: Dnevna informacija o rezervah bank, dnevno poročilo bankam. 2006.

Priloga 6: Bilančna vsota, naložbe v blagajniške zapise Banke Slovenija, odprta devizna pozicija Banke X in nekateri izpeljani kazalci

datum Bilančna

vsota BZ BS

delež BZ BS v bilančni

vsoti Skupaj ODP EUR OSTALO

delež ODP

ostalih valut

delež ODP

ostalih valut

1 2 3=2/1 4 5 6=4-5 7=6/4 8=abs(7)

31-Dec-02 257,796,799.37 53,395,511.76 20.71% 549,307.81 601,696.44 -52,388.63 -9.54% 9.54%

31-Dec-03 263,144,341.51 53,022,156.45 20.15% -3,097,505.73 -2,880,583.34-

216,922.38 7.00% 7.00%

31-Dec-04 297,726,201.80 37,841,874.03 12.71% 2,076,070.47 2,563,680.30-

487,609.83 -23.49% 23.49%

31-Dec-05 327,875,137.71 77,618,086.37 23.67% 1,963,634.14 2,423,460.55-

459,826.42 -23.42% 23.42%

31-Jan-06 330,928,179.77 70,642,079.25 21.35% 3,014,238.73 3,740,586.91-

726,348.18 -24.10% 24.10%

28-Feb-06 334,935,307.13 64,389,965.77 19.22% 7,619,009.75 7,984,396.44-

365,386.68 -4.80% 4.80%

31-Mar-06 335,537,643.97 69,088,458.84 20.59% -3,567,371.35 -3,232,470.24-

334,901.11 9.39% 9.39%

30-Apr-06 334,318,623.77 65,168,261.79 19.49% -3,357,928.01 -3,124,211.45-

233,716.56 6.96% 6.96%

31-May-06 338,529,160.41 64,574,108.03 19.07% -5,758,432.22 -5,322,147.89-

436,284.33 7.58% 7.58%

30-Jun-06 344,421,110.83 62,043,330.32 18.01%-

14,111,074.11 -14,674,996.89 563,922.78 -4.00% 4.00%

31-Jul-06 344,062,790.02 60,446,075.45 17.57%-

15,142,131.34 -15,706,499.37 564,368.03 -3.73% 3.73%

31-Aug-06 337,727,228.34 59,640,185.04 17.66%-

14,702,731.41 -15,126,801.08 424,069.66 -2.88% 2.88%

30-Sep-06 343,684,868.97 53,879,864.12 15.68%-

13,311,571.71 -13,799,598.36 488,026.65 -3.67% 3.67%

31-Oct-06 343,439,117.01 52,625,984.27 15.32%-

11,229,576.36 -11,820,187.60 590,611.24 -5.26% 5.26%30-Nov-06 351,160,465.70 47,750,713.75 13.60% -9,055,886.06 -9,522,033.60 466,147.54 -5.15% 5.15%

31-Dec-06 351,159,556.00 37,240,858.75 10.61% -6,075,709.05 -6,332,497.12 256,788.07 -4.23% 4.23%

Vir: Interno gradivo banke. 2006. Priloga 7: Diskontne stopnje kot osnova za izpeljavo osnovnih oblik krivulje stopnje donosa T 1 2 3 4 5 6 7 8 9 10 R(0,T) inverzna 7.31% 6.98% 6.83% 6.67% 6.54% 6.49% 6.45% 6.40% 6.34% 6.22%R(0,T) grbasta 5.12% 5.55% 5.71% 5.74% 5.65% 5.58% 5.49% 5.45% 5.43% 5.40%R(0,T) normalna 2.30% 2.71% 3.09% 3.38% 3.58% 3.77% 3.97% 4.10% 4.19% 4.26%R(0,T) ravna 5.00% 5.01% 4.99% 5.01% 5.01% 5.00% 5.00% 4.99% 4.99% 5.00%Vir: Adam Drosdzol. 2005. Zinsmanagement mit Zinsstrukturmodellen, str.46.

Priloga 8: Uteži določene na podlagi modificiranega trajanja, predpostavljeni trenutni stopnji donosa 5% in spremembi ravni obrestnih mer za 200BT časovni interval SREDINA ST.DONOSA ocena MD ∆ R UTEŽ

A B C D E F do 1m 0.5m 5% 0.04l 200bt 0.08%

od 1 do 3m 2m 5% 0.16l 200bt 0.32% od 3 do 6m 4.5m 5% 0.36l 200bt 0.72%

od 6 do 12m 9m 5% 0.71l 200bt 1.43% od 1 do 2 l 1.5l 5% 1.38l 200bt 2.77% od 2 do 3l 2.5l 5% 2.25l 200bt 4.49% od 3 do 4l 3.5l 5% 3.07l 200bt 6.14% od 4 do 5 l 4.5l 5% 3.85l 200bt 7.71% od 5 do 7 l 6l 5% 5.08l 200bt 10.15%

od 7 do 10l 8.5l 5% 6.63l 200bt 13.26% od 10 do 15 l 12.5l 5% 8.92l 200bt 17.84% od 15 do 20l 17.5l 5% 11.21l 200bt 22.43%

nad 20l 22.5l 5% 13.01l 200bt 26.03% Vir: BIS- Bank for International Settlements, Basel Committee on Banking Supervision. September 2003. Principles for the Management and Supervision of Interest Rate Risk, str.40. Če ima banka drugače postavljene časovne intervale in želi ugotavljati vpliv z uporabo drugačnih ravni obrestnih mer ter njihovega vzporednega premika, lahko uteži izračuna z uporabo naslednje formule:

(1) RDC

DF ∆+

= **1

Priloga 9: Formuli za izračun mere asimetričnosti (skewness) in mere sploščenosti porazdelitve (kurtosis) (Gallagher L., Hutchinson M., 2006, 5-6):

(2) ∑=

−−

=n

iix

nS

1

33 )(

)1(1 µσ

Če je vrednost S enaka 0 imamo opravka s simetrično porazdelitvijo, če je vrednost S večja od 0 je porazdelitev nagnjena v desno in ima daljši rep na desnem koncu, če pa je S manjši od 0 pa je porazdelitev nagnjena v levo in ima daljši rep na levem koncu.

(3) ∑=

−−

=n

iix

nK

1

44 )(

)1(1 µσ

Če je K=3 gre za normalno porazdelitev, če je K>3 so konci porazdelitve bolj odebeljeni kot pri normalni porazdelitvi, kar pomeni, da so ekstremni dogodki bolj verjetni kot pri normalni porazdelitvi. Če pa je K<3, pa to pomeni, da so konci porazdelitve tanjši kot pri normalni poreazdelitvi. Ekstremni dogodki so v tem primeru manj verjetni kot pri normalni porazdelitvi. Priloga 10a: Izračun VAR z metodo historične simulacije

X1,-t R1,t X10,-t R10,-t S1,t PV1,t S10,t PV10,t -t 1 2 3 4 t 5 6 7 8 0 4,11% 4,69% 0 4,11% 4,69%

-1 4,12% -0,01%

4,68% 0,01% 1 4,10% 9.606,15 4,70% 18.951,97-2 4,09% 0,03% 4,69% -0,01% 2 4,14% 9.602,46 4,68% 18.988,21-3 4,10% -0,01% 4,70% -0,01% 3 4,10% 9.606,15 4,68% 18.988,21-4 4,11% -0,01% 4,74% -0,04% 4 4,10% 9.606,15 4,65% 19.042,72-5 4,10% 0,01% 4,81% -0,07% 5 4,12% 9.604,30 4,62% 19.097,39-6 4,09% 0,01% 4,81% 0,00% 6 4,12% 9.604,30 4,69% 18.970,08-7 4,10% -0,01% 4,78% 0,03% 7 4,10% 9.606,15 4,72% 18.915,81-8 4,08% 0,02% 4,73% 0,05% 8 4,13% 9.603,38 4,74% 18.879,72-9 4,07% 0,01% 4,74% -0,01% 9 4,12% 9.604,30 4,68% 18.988,21

-10 4,06% 0,01% 4,77% -0,03% 10 4,12% 9.604,30 4,66% 19.024,53-11 4,05% 0,01% 4,81% -0,04% 11 4,12% 9.604,30 4,65% 19.042,72-12 4,09% -0,04% 4,82% -0,01% 12 4,07% 9.608,92 4,68% 18.988,21-13 4,08% 0,01% 4,84% -0,02% 13 4,12% 9.604,30 4,67% 19.006,36-14 4,10% -0,02% 4,82% 0,02% 14 4,09% 9.607,07 4,71% 18.933,88-15 4,10% 0,00% 4,87% -0,05% 15 4,11% 9.605,23 4,64% 19.060,92-16 4,09% 0,01% 4,89% -0,02% 16 4,12% 9.604,30 4,67% 19.006,36-17 4,09% 0,00% 4,87% 0,02% 17 4,11% 9.605,23 4,71% 18.933,88-18 4,08% 0,01% 4,88% -0,01% 18 4,12% 9.604,30 4,68% 18.988,21-19 4,08% 0,00% 4,81% 0,07% 19 4,11% 9.605,23 4,76% 18.843,71-20 4,07% 0,01% 4,80% 0,01% 20 4,12% 9.604,30 4,70% 18.951,97-21 4,08% -0,01% 4,77% 0,03% 21 4,10% 9.606,15 4,72% 18.915,81-22 4,07% 0,01% 4,79% -0,02% 22 4,12% 9.604,30 4,67% 19.006,36-23 4,08% -0,01% 4,75% 0,04% 23 4,10% 9.606,15 4,73% 18.897,76-24 4,06% 0,02% 4,78% -0,03% 24 4,13% 9.603,38 4,66% 19.024,53-25 4,06% 0,00% 4,74% 0,04% 25 4,11% 9.605,23 4,73% 18.897,76-26 4,06% 0,00% 4,77% -0,03% 26 4,11% 9.605,23 4,66% 19.024,53-27 4,08% -0,02% 4,73% 0,04% 27 4,09% 9.607,07 4,73% 18.897,76-28 4,06% 0,02% 4,69% 0,04% 28 4,13% 9.603,38 4,73% 18.897,76

-29 4,05% 0,01%

4,66% 0,03% 29 4,12% 9.604,30 4,72% 18.915,81-30 4,05% 0,00% 4,66% 0,00% 30 4,11% 9.605,23 4,69% 18.970,08-31 4,02% 0,03% 4,65% 0,01% 31 4,14% 9.602,46 4,70% 18.951,97-32 4,03% -0,01% 4,60% 0,05% 32 4,10% 9.606,15 4,74% 18.879,72-33 4,03% 0,00% 4,66% -0,06% 33 4,11% 9.605,23 4,63% 19.079,15-34 4,03% 0,00% 4,69% -0,03% 34 4,11% 9.605,23 4,66% 19.024,53-35 4,02% 0,01% 4,69% 0,00% 35 4,12% 9.604,30 4,69% 18.970,08-36 4,00% 0,02% 4,65% 0,04% 36 4,13% 9.603,38 4,73% 18.897,76-37 3,99% 0,01% 4,60% 0,05% 37 4,12% 9.604,30 4,74% 18.879,72-38 3,99% 0,00% 4,62% -0,02% 38 4,11% 9.605,23 4,67% 19.006,36

-39 3,97% 0,02% 4,55% 0,07% 39 4,13% 9.603,38 4,76% 18.843,71-40 3,96% 0,01% 4,59% -0,04% 40 4,12% 9.604,30 4,65% 19.042,72-41 3,94% 0,02% 4,59% 0,00% 41 4,13% 9.603,38 4,69% 18.970,08-42 3,94% 0,00% 4,58% 0,01% 42 4,11% 9.605,23 4,70% 18.951,97-43 3,92% 0,02% 4,59% -0,01% 43 4,13% 9.603,38 4,68% 18.988,21-44 3,90% 0,02% 4,60% -0,01% 44 4,13% 9.603,38 4,68% 18.988,21-45 3,90% 0,00% 4,57% 0,03% 45 4,11% 9.605,23 4,72% 18.915,81-46 3,90% 0,00% 4,48% 0,09% 46 4,11% 9.605,23 4,78% 18.807,77-47 3,88% 0,02% 4,51% -0,03% 47 4,13% 9.603,38 4,66% 19.024,53-48 3,84% 0,04% 4,54% -0,03% 48 4,15% 9.601,54 4,66% 19.024,53-49 3,83% 0,01% 4,49% 0,05% 49 4,12% 9.604,30 4,74% 18.879,72-50 3,82% 0,01% 4,48% 0,01% 50 4,12% 9.604,30 4,70% 18.951,97-51 3,80% 0,02% 4,45% 0,03% 51 4,13% 9.603,38 4,72% 18.915,81-52 3,85% -0,05% 4,43% 0,02% 52 4,06% 9.609,84 4,71% 18.933,88-53 3,86% -0,01% 4,44% -0,01% 53 4,10% 9.606,15 4,68% 18.988,21-54 3,84% 0,02% 4,47% -0,03% 54 4,13% 9.603,38 4,66% 19.024,53-55 3,85% -0,01% 4,51% -0,04% 55 4,10% 9.606,15 4,65% 19.042,72-56 3,86% -0,01% 4,51% 0,00% 56 4,10% 9.606,15 4,69% 18.970,08-57 3,86% 0,00% 4,53% -0,02% 57 4,11% 9.605,23 4,67% 19.006,36-58 3,87% -0,01% 4,55% -0,02% 58 4,10% 9.606,15 4,67% 19.006,36

-59 3,85% 0,02%

4,56% -0,01% 59 4,13% 9.603,38 4,68% 18.988,21-60 3,84% 0,01% 4,56% 0,00% 60 4,12% 9.604,30 4,69% 18.970,08-61 3,85% -0,01% 4,58% -0,02% 61 4,10% 9.606,15 4,67% 19.006,36-62 3,89% -0,04% 4,59% -0,01% 62 4,07% 9.608,92 4,68% 18.988,21-63 3,88% 0,01% 4,59% 0,00% 63 4,12% 9.604,30 4,69% 18.970,08-64 3,88% 0,00% 4,65% -0,06% 64 4,11% 9.605,23 4,63% 19.079,15-65 3,89% -0,01% 4,62% 0,03% 65 4,10% 9.606,15 4,72% 18.915,81-66 3,86% 0,03% 4,57% 0,05% 66 4,14% 9.602,46 4,74% 18.879,72-67 3,88% -0,02% 4,63% -0,06% 67 4,09% 9.607,07 4,63% 19.079,15-68 3,91% -0,03% 4,58% 0,05% 68 4,08% 9.607,99 4,74% 18.879,72-69 3,88% 0,03% 4,61% -0,03% 69 4,14% 9.602,46 4,66% 19.024,53-70 3,88% 0,00% 4,63% -0,02% 70 4,11% 9.605,23 4,67% 19.006,36-71 3,88% 0,00% 4,64% -0,01% 71 4,11% 9.605,23 4,68% 18.988,21-72 3,84% 0,04% 4,70% -0,06% 72 4,15% 9.601,54 4,63% 19.079,15-73 3,83% 0,01% 4,71% -0,01% 73 4,12% 9.604,30 4,68% 18.988,21-74 3,83% 0,00% 4,59% 0,12% 74 4,11% 9.605,23 4,81% 18.754,01-75 3,86% -0,03% 4,58% 0,01% 75 4,08% 9.607,99 4,70% 18.951,97-76 3,86% 0,00% 4,61% -0,03% 76 4,11% 9.605,23 4,66% 19.024,53-77 3,87% -0,01% 4,67% -0,06% 77 4,10% 9.606,15 4,63% 19.079,15-78 3,86% 0,01% 4,67% 0,00% 78 4,12% 9.604,30 4,69% 18.970,08-79 3,86% 0,00% 4,72% -0,05% 79 4,11% 9.605,23 4,64% 19.060,92-80 3,84% 0,02% 4,77% -0,05% 80 4,13% 9.603,38 4,64% 19.060,92-81 3,83% 0,01% 4,82% -0,05% 81 4,12% 9.604,30 4,64% 19.060,92-82 3,80% 0,03% 4,82% 0,00% 82 4,14% 9.602,46 4,69% 18.970,08-83 3,79% 0,01% 4,79% 0,03% 83 4,12% 9.604,30 4,72% 18.915,81-84 3,80% -0,01% 4,78% 0,01% 84 4,10% 9.606,15 4,70% 18.951,97-85 3,80% 0,00% 4,76% 0,02% 85 4,11% 9.605,23 4,71% 18.933,88-86 3,80% 0,00% 4,77% -0,01% 86 4,11% 9.605,23 4,68% 18.988,21-87 3,79% 0,01% 4,78% -0,01% 87 4,12% 9.604,30 4,68% 18.988,21-88 3,81% -0,02% 4,80% -0,02% 88 4,09% 9.607,07 4,67% 19.006,36-89 3,79% 0,02% 0,03% 89 4,13% 9.603,38 4,72% 18.915,81

4,77% -90 3,77% 0,02% 4,77% 0,00% 90 4,13% 9.603,38 4,69% 18.970,08-91 3,76% 0,01% 4,74% 0,03% 91 4,12% 9.604,30 4,72% 18.915,81-92 3,73% 0,03% 4,71% 0,03% 92 4,14% 9.602,46 4,72% 18.915,81-93 3,75% -0,02% 4,70% 0,01% 93 4,09% 9.607,07 4,70% 18.951,97-94 3,76% -0,01% 4,60% 0,10% 94 4,10% 9.606,15 4,79% 18.789,83-95 3,74% 0,02% 4,57% 0,03% 95 4,13% 9.603,38 4,72% 18.915,81-96 3,75% -0,01% 4,62% -0,05% 96 4,10% 9.606,15 4,64% 19.060,92-97 3,72% 0,03% 4,61% 0,01% 97 4,14% 9.602,46 4,70% 18.951,97-98 3,72% 0,00% 4,63% -0,02% 98 4,11% 9.605,23 4,67% 19.006,36-99 3,71% 0,01% 4,61% 0,02% 99 4,12% 9.604,30 4,71% 18.933,88-100 3,68% 0,03% 4,60% 0,01% 100 4,14% 9.602,46 4,70% 18.951,97-101 3,67% 0,01% 4,59% 0,01% 101 4,12% 9.604,30 4,70% 18.951,97-102 3,73% -0,06% 4,54% 0,05% 102 4,05% 9.610,76 4,74% 18.879,72-103 3,76% -0,03% 4,59% -0,05% 103 4,08% 9.607,99 4,64% 19.060,92-104 3,75% 0,01% 4,64% -0,05% 104 4,12% 9.604,30 4,64% 19.060,92-105 3,77% -0,02% 4,73% -0,09% 105 4,09% 9.607,07 4,60% 19.133,94-106 3,76% 0,01% 4,74% -0,01% 106 4,12% 9.604,30 4,68% 18.988,21-107 3,76% 0,00% 4,82% -0,08% 107 4,11% 9.605,23 4,61% 19.115,66-108 3,75% 0,01% 4,81% 0,01% 108 4,12% 9.604,30 4,70% 18.951,97-109 3,75% 0,00% 4,79% 0,02% 109 4,11% 9.605,23 4,71% 18.933,88-110 3,76% -0,01% 4,76% 0,03% 110 4,10% 9.606,15 4,72% 18.915,81-111 3,73% 0,03% 4,77% -0,01% 111 4,14% 9.602,46 4,68% 18.988,21-112 3,70% 0,03% 4,80% -0,03% 112 4,14% 9.602,46 4,66% 19.024,53-113 3,70% 0,00% 4,77% 0,03% 113 4,11% 9.605,23 4,72% 18.915,81-114 3,69% 0,01% 4,80% -0,03% 114 4,12% 9.604,30 4,66% 19.024,53-115 3,66% 0,03% 4,80% 0,00% 115 4,14% 9.602,46 4,69% 18.970,08-116 3,65% 0,01% 4,78% 0,02% 116 4,12% 9.604,30 4,71% 18.933,88-117 3,64% 0,01% 4,73% 0,05% 117 4,12% 9.604,30 4,74% 18.879,72-118 3,63% 0,01% 4,74% -0,01% 118 4,12% 9.604,30 4,68% 18.988,21

-119 3,62% 0,01%

4,76% -0,02% 119 4,12% 9.604,30 4,67% 19.006,36-120 3,62% 0,00% 4,79% -0,03% 120 4,11% 9.605,23 4,66% 19.024,53-121 3,61% 0,01% 4,80% -0,01% 121 4,12% 9.604,30 4,68% 18.988,21-122 3,61% 0,00% 4,79% 0,01% 122 4,11% 9.605,23 4,70% 18.951,97-123 3,63% -0,02% 4,79% 0,00% 123 4,09% 9.607,07 4,69% 18.970,08-124 3,61% 0,02% 4,81% -0,02% 124 4,13% 9.603,38 4,67% 19.006,36-125 3,66% -0,05% 4,81% 0,00% 125 4,06% 9.609,84 4,69% 18.970,08-126 3,66% 0,00% 4,82% -0,01% 126 4,11% 9.605,23 4,68% 18.988,21-127 3,68% -0,02% 4,84% -0,02% 127 4,09% 9.607,07 4,67% 19.006,36-128 3,66% 0,02% 4,86% -0,02% 128 4,13% 9.603,38 4,67% 19.006,36-129 3,66% 0,00% 4,84% 0,02% 129 4,11% 9.605,23 4,71% 18.933,88-130 3,66% 0,00% 4,93% -0,09% 130 4,11% 9.605,23 4,60% 19.133,94-131 3,65% 0,01% 5,00% -0,07% 131 4,12% 9.604,30 4,62% 19.097,39-132 3,62% 0,03% 4,98% 0,02% 132 4,14% 9.602,46 4,71% 18.933,88-133 3,59% 0,03% 4,93% 0,05% 133 4,14% 9.602,46 4,74% 18.879,72-134 3,60% -0,01% 4,93% 0,00% 134 4,10% 9.606,15 4,69% 18.970,08-135 3,59% 0,01% 4,94% -0,01% 135 4,12% 9.604,30 4,68% 18.988,21-136 3,59% 0,00% 4,92% 0,02% 136 4,11% 9.605,23 4,71% 18.933,88-137 3,60% -0,01% 4,90% 0,02% 137 4,10% 9.606,15 4,71% 18.933,88-138 3,55% 0,05% 4,95% -0,05% 138 4,16% 9.600,61 4,64% 19.060,92-139 3,53% 0,02% 4,95% 0,00% 139 4,13% 9.603,38 4,69% 18.970,08

-140 3,54% -0,01% 4,96% -0,01% 140 4,10% 9.606,15 4,68% 18.988,21-141 3,55% -0,01% 4,99% -0,03% 141 4,10% 9.606,15 4,66% 19.024,53-142 3,55% 0,00% 5,00% -0,01% 142 4,11% 9.605,23 4,68% 18.988,21-143 3,54% 0,01% 5,05% -0,05% 143 4,12% 9.604,30 4,64% 19.060,92-144 3,54% 0,00% 5,03% 0,02% 144 4,11% 9.605,23 4,71% 18.933,88-145 3,53% 0,01% 5,06% -0,03% 145 4,12% 9.604,30 4,66% 19.024,53-146 3,54% -0,01% 5,05% 0,01% 146 4,10% 9.606,15 4,70% 18.951,97-147 3,53% 0,01% 5,06% -0,01% 147 4,12% 9.604,30 4,68% 18.988,21-148 3,55% -0,02% 5,03% 0,03% 148 4,09% 9.607,07 4,72% 18.915,81

-149 3,56% -0,01%

5,07% -0,04% 149 4,10% 9.606,15 4,65% 19.042,72-150 3,53% 0,03% 5,13% -0,06% 150 4,14% 9.602,46 4,63% 19.079,15-151 3,51% 0,02% 5,07% 0,06% 151 4,13% 9.603,38 4,75% 18.861,70-152 3,53% -0,02% 5,06% 0,01% 152 4,09% 9.607,07 4,70% 18.951,97-153 3,55% -0,02% 5,06% 0,00% 153 4,09% 9.607,07 4,69% 18.970,08-154 3,55% 0,00% 5,10% -0,04% 154 4,11% 9.605,23 4,65% 19.042,72-155 3,55% 0,00% 5,11% -0,01% 155 4,11% 9.605,23 4,68% 18.988,21-156 3,56% -0,01% 5,13% -0,02% 156 4,10% 9.606,15 4,67% 19.004,91-157 3,56% 0,00% 5,13% 0,00% 157 4,11% 9.605,23 4,69% 18.973,89-158 3,54% 0,02% 5,18% -0,05% 158 4,13% 9.603,38 4,64% 19.066,57-159 3,53% 0,01% 5,23% -0,04% 159 4,12% 9.604,30 4,65% 19.044,72-160 3,51% 0,02% 5,15% 0,07% 160 4,13% 9.603,38 4,76% 18.836,87-161 3,51% 0,00% 5,14% 0,01% 161 4,11% 9.605,23 4,70% 18.946,00-162 3,51% 0,00% 5,20% -0,06% 162 4,11% 9.605,23 4,63% 19.083,53-163 3,52% -0,01% 5,24% -0,04% 163 4,10% 9.606,15 4,65% 19.048,36-164 3,52% 0,00% 5,21% 0,03% 164 4,11% 9.605,23 4,72% 18.906,96-165 3,52% 0,00% 5,24% -0,03% 165 4,11% 9.605,23 4,66% 19.022,35-166 3,46% 0,06% 5,23% 0,01% 166 4,17% 9.599,69 4,70% 18.951,43-167 3,44% 0,02% 5,20% 0,03% 167 4,13% 9.603,38 4,72% 18.914,36-168 3,43% 0,01% 5,15% 0,04% 168 4,12% 9.604,30 4,73% 18.892,52-169 3,42% 0,01% 5,16% 0,00% 169 4,12% 9.604,30 4,69% 18.973,89-170 3,38% 0,04% 5,14% 0,01% 170 4,15% 9.601,54 4,70% 18.947,99-171 3,37% 0,01% 5,13% 0,02% 171 4,12% 9.604,30 4,71% 18.940,57-172 3,35% 0,02% 5,10% 0,03% 172 4,13% 9.603,38 4,72% 18.915,09-173 3,35% 0,00% 5,05% 0,05% 173 4,11% 9.605,23 4,74% 18.882,60-174 3,32% 0,03% 4,96% 0,09% 174 4,14% 9.602,46 4,78% 18.809,92-175 3,29% 0,03% 4,99% -0,03% 175 4,14% 9.602,46 4,66% 19.018,35-176 3,33% -0,04% 4,98% 0,00% 176 4,07% 9.608,92 4,69% 18.962,84-177 3,34% -0,01% 4,99% -0,01% 177 4,10% 9.606,15 4,68% 18.984,95-178 3,39% -0,05% 5,02% -0,03% 178 4,06% 9.609,84 4,66% 19.031,98

-179 3,40% -0,01%

5,00% 0,02% 179 4,10% 9.606,15 4,71% 18.932,07-180 3,40% 0,00% 5,02% -0,02% 180 4,11% 9.605,23 4,67% 19.008,36-181 3,36% 0,04% 4,99% 0,03% 181 4,15% 9.601,54 4,72% 18.913,10-182 3,37% -0,01% 5,11% -0,11% 182 4,10% 9.606,15 4,58% 19.178,08-183 3,37% 0,00% 5,11% -0,01% 183 4,11% 9.605,23 4,68% 18.981,14-184 3,31% 0,06% 5,08% 0,03% 184 4,17% 9.599,69 4,72% 18.915,45-185 3,29% 0,02% 5,05% 0,03% 185 4,13% 9.603,38 4,72% 18.911,84-186 3,29% 0,00% 5,07% -0,02% 186 4,11% 9.605,23 4,67% 19.010,54-187 3,28% 0,01% 5,03% 0,04% 187 4,12% 9.604,30 4,73% 18.897,57-188 3,27% 0,01% 5,07% -0,03% 188 4,12% 9.604,30 4,66% 19.028,35-189 3,29% -0,02% 5,04% 0,03% 189 4,09% 9.607,07 4,72% 18.915,63

-190 3,29% 0,00% 5,05% -0,02% 190 4,11% 9.605,23 4,67% 19.004,73-191 3,28% 0,01% 5,07% -0,02% 191 4,12% 9.604,30 4,67% 19.004,00-192 3,30% -0,02% 5,15% -0,08% 192 4,09% 9.607,07 4,61% 19.116,75-193 3,30% 0,00% 5,10% 0,05% 193 4,11% 9.605,23 4,74% 18.881,70-194 3,29% 0,01% 5,15% -0,05% 194 4,12% 9.604,30 4,64% 19.056,19-195 3,30% -0,01% 5,19% -0,03% 195 4,10% 9.606,15 4,66% 19.032,71-196 3,32% -0,02% 5,13% 0,06% 196 4,09% 9.607,07 4,75% 18.868,55-197 3,36% -0,04% 5,12% 0,01% 197 4,07% 9.608,92 4,70% 18.959,03-198 3,34% 0,02% 5,13% 0,00% 198 4,13% 9.603,38 4,69% 18.973,71-199 3,35% -0,01% 5,12% 0,01% 199 4,10% 9.606,15 4,70% 18.954,51-200 3,33% 0,02% 5,11% 0,01% 200 4,13% 9.603,38 4,70% 18.954,51-201 3,31% 0,02% 5,15% -0,04% 201 4,13% 9.603,38 4,65% 19.042,35-202 3,32% -0,01% 5,14% 0,00% 202 4,10% 9.606,15 4,69% 18.962,11-203 3,30% 0,02% 5,11% 0,04% 203 4,13% 9.603,38 4,73% 18.905,88-204 3,32% -0,02% 5,13% -0,02% 204 4,09% 9.607,07 4,67% 19.007,09-205 3,31% 0,01% 5,07% 0,06% 205 4,12% 9.604,30 4,75% 18.857,74-206 3,32% -0,01% 5,08% -0,02% 206 4,10% 9.606,15 4,67% 18.998,01-207 3,31% 0,01% 5,10% -0,02% 207 4,12% 9.604,30 4,67% 19.007,82-208 3,28% 0,03% 5,07% 0,03% 208 4,14% 9.602,46 4,72% 18.909,13

-209 3,22% 0,06%

4,99% 0,08% 209 4,17% 9.599,69 4,77% 18.818,18-210 3,19% 0,03% 5,01% -0,03% 210 4,14% 9.602,46 4,66% 19.016,17-211 3,20% -0,01% 5,04% -0,03% 211 4,10% 9.606,15 4,66% 19.024,53-212 3,20% 0,00% 5,03% 0,01% 212 4,11% 9.605,23 4,70% 18.945,28-213 3,19% 0,01% 4,98% 0,05% 213 4,12% 9.604,30 4,74% 18.875,94-214 3,19% 0,00% 5,01% -0,03% 214 4,11% 9.605,23 4,66% 19.026,35-215 3,19% 0,00% 5,04% -0,03% 215 4,11% 9.605,23 4,66% 19.024,71-216 3,17% 0,02% 4,97% 0,06% 216 4,13% 9.603,38 4,75% 18.858,64-217 3,17% 0,00% 4,93% 0,04% 217 4,11% 9.605,23 4,73% 18.891,26-218 3,17% 0,00% 4,96% -0,03% 218 4,11% 9.605,23 4,66% 19.026,17-219 3,16% 0,01% 4,96% 0,00% 219 4,12% 9.604,30 4,69% 18.970,08-220 3,26% -0,10% 4,89% 0,07% 220 4,01% 9.614,46 4,76% 18.842,99-221 3,26% 0,00% 4,84% 0,05% 221 4,11% 9.605,23 4,74% 18.873,77-222 3,26% 0,00% 4,87% -0,03% 222 4,11% 9.605,23 4,66% 19.032,17-223 3,25% 0,01% 4,87% 0,00% 223 4,12% 9.604,30 4,69% 18.974,61-224 3,23% 0,02% 4,85% 0,02% 224 4,13% 9.603,38 4,71% 18.929,18-225 3,23% 0,00% 4,86% 0,00% 225 4,11% 9.605,23 4,69% 18.975,16-226 3,22% 0,01% 4,81% 0,05% 226 4,12% 9.604,30 4,74% 18.883,51-227 3,17% 0,05% 4,78% 0,03% 227 4,16% 9.600,61 4,72% 18.917,62-228 3,12% 0,05% 4,70% 0,08% 228 4,16% 9.600,61 4,77% 18.828,60-229 3,14% -0,02% 4,67% 0,03% 229 4,09% 9.607,07 4,72% 18.922,86-230 3,13% 0,01% 4,74% -0,06% 230 4,12% 9.604,30 4,63% 19.083,34-231 3,14% -0,01% 4,70% 0,03% 231 4,10% 9.606,15 4,72% 18.909,85-232 3,14% 0,00% 4,71% -0,01% 232 4,11% 9.605,23 4,68% 18.991,84-233 3,13% 0,01% 4,66% 0,06% 233 4,12% 9.604,30 4,75% 18.863,15-234 3,10% 0,03% 4,67% -0,02% 234 4,14% 9.602,46 4,67% 19.002,73-235 3,09% 0,01% 4,64% 0,03% 235 4,12% 9.604,30 4,72% 18.915,63-236 3,09% 0,00% 4,73% -0,09% 236 4,11% 9.605,23 4,60% 19.126,99-237 3,09% 0,00% 4,70% 0,03% 237 4,11% 9.605,23 4,72% 18.908,22-238 3,09% 0,00% 4,77% -0,08% 238 4,11% 9.605,23 4,61% 19.112,92

-239 3,07% 0,02%

4,75% 0,02% 239 4,13% 9.603,38 4,71% 18.933,34

-240 3,07% 0,00% 4,73% 0,02% 240 4,11% 9.605,23 4,71% 18.926,29-241 3,06% 0,01% 4,73% 0,00% 241 4,12% 9.604,30 4,69% 18.979,15-242 3,06% 0,00% 4,74% 0,00% 242 4,11% 9.605,23 4,69% 18.971,72-243 3,05% 0,01% 4,74% 0,00% 243 4,12% 9.604,30 4,69% 18.973,71-244 3,05% 0,00% 4,68% 0,05% 244 4,11% 9.605,23 4,74% 18.872,15-245 3,00% 0,05% 4,64% 0,05% 245 4,16% 9.600,61 4,74% 18.885,31-246 2,99% 0,01% 4,59% 0,05% 246 4,12% 9.604,30 4,74% 18.882,06-247 2,98% 0,01% 4,55% 0,04% 247 4,12% 9.604,30 4,73% 18.895,59-248 2,97% 0,01% 4,59% -0,04% 248 4,12% 9.604,30 4,65% 19.048,54-249 2,96% 0,01% 4,57% 0,02% 249 4,12% 9.604,30 4,71% 18.934,79-250 2,94% 0,02% 4,57% 0,00% 250 4,13% 9.603,38 4,69% 18.964,29

Vir: Lasten izračun Priloga 10b: Izračun VAR z metodo historične simulacije ( nadaljevanje priloge 10a) PV1,t+PV10,t Razlike PV scenarij max→min scenarij rang

9=6+8 10 11 12 13 28.575,12 28.558,12 -17,00 182 209,01 1 28.590,67 15,55 105 165,15 2 28.594,36 19,24 130 163,86 3 28.648,87 73,74 236 156,35 4 28.701,70 126,57 192 148,52 5 28.574,39 -0,74 107 145,76 6 28.521,96 -53,17 238 142,19 7 28.483,10 -92,02 131 126,76 8 28.592,52 17,39 5 126,57 9 28.628,83 53,71 162 113,90 10 28.647,02 71,90 230 112,71 11 28.597,13 22,01 67 110,91 12 28.610,67 35,54 77 109,99 13 28.540,95 -34,17 33 108,97 14 28.666,15 91,02 64 108,23 15 28.610,67 35,54 150 106,39 16 28.539,11 -36,02 72 105,47 17 28.592,52 17,39 158 94,92 18 28.448,93 -126,19 103 94,35 19 28.556,28 -18,85 96 92,04 20 28.521,96 -53,17 15 90,75 21 28.610,67 35,54 79 90,29 22 28.503,90 -71,22 81 89,92 23 28.627,91 52,79 104 89,73 24 28.502,98 -72,14 143 89,36 25 28.629,76 54,63 80 88,99 26 28.504,83 -70,30 138 85,58 27 28.501,14 -73,99 194 85,46 28 28.520,11 -55,01 163 78,83 29 28.575,31 0,18 248 76,98 30 28.554,43 -20,69 154 73,83 31 28.485,87 -89,26 159 73,71 32 28.684,37 109,25 4 73,19 33

28.629,76 54,63 149 73,00 34 28.574,39 -0,74 55 72,73 35 28.501,14 -73,99 11 72,45 36 28.484,02 -91,10 40 71,80 37 28.611,59 36,46 201 70,52 38 28.447,09 -128,04 178 66,52 39 28.647,02 71,90 195 63,37 40 28.573,46 -1,66 222 62,45 41 28.557,20 -17,93 188 57,71 42 28.591,59 16,47 214 57,09 43 28.591,59 16,47 218 56,08 44 28.521,03 -54,09 211 55,18 45 28.413,00 -162,13 120 54,82 46 28.627,91 52,79 141 54,82 47 28.626,07 50,94 26 54,45 48 28.484,02 -91,10 34 54,35 49 28.556,28 -18,85 76 53,99 50 28.519,19 -55,94 215 53,80 51 28.543,72 -31,40 10 53,62 52 28.594,36 19,24 47 53,25 53 28.627,91 52,79 54 53,06 54 28.648,87 73,74 24 52,88 55 28.576,23 1,11 114 52,69 56 28.611,59 36,46 145 52,69 57 28.612,51 37,39 165 52,17 58 28.591,59 16,47 112 51,96 59 28.574,39 -0,74 69 51,59 60 28.612,51 37,39 48 50,48 61 28.597,13 22,01 175 45,50 62 28.574,39 -0,74 210 43,23 63 28.684,37 109,25 186 39,99 64 28.521,96 -53,17 204 38,48 65 28.482,18 -92,95 180 38,18 66 28.686,22 111,10 88 37,94 67 28.487,71 -87,41 127 37,94 68 28.626,99 51,86 58 37,29 69 28.611,59 36,46 61 37,20 70 28.593,44 18,31 207 36,62 71 28.680,69 105,56 70 36,56 72 28.592,52 17,39 57 36,28 73 28.359,23 -215,89 98 36,19 74 28.559,97 -15,16 38 36,09 75 28.629,76 54,63 16 35,91 76 28.685,30 110,17 119 35,82 77 28.574,39 -0,74 156 35,66 78 28.666,15 91,02 22 35,54 79 28.664,30 89,18 13 35,45 80 28.665,23 90,10 128 34,80 81 28.572,54 -2,58 190 34,37 82 28.520,11 -55,01 124 33,97 83 28.558,12 -17,00 191 33,83 84 28.539,11 -36,02 234 29,05 85

28.593,44 18,31 206 28,30 86 28.592,52 17,39 62 22,10 87 28.613,43 38,31 232 21,85 88 28.519,19 -55,94 12 21,36 89 28.573,46 -1,66 3 19,24 90 28.520,11 -55,01 53 18,87 91 28.518,27 -56,86 140 18,87 92 28.559,04 -16,08 86 18,59 93 28.395,98 -179,15 142 18,59 94 28.519,19 -55,94 126 18,13 95 28.667,07 91,95 71 17,95 96 28.554,43 -20,69 147 17,58 97 28.611,59 36,46 87 17,48 98 28.538,18 -36,94 106 17,30 99 28.554,43 -20,69 135 17,21 100 28.556,28 -18,85 18 17,12 101 28.490,48 -84,64 118 17,12 102 28.668,92 93,79 73 17,02 103 28.665,23 90,10 155 17,02 104 28.741,01 165,89 9 16,93 105 28.592,52 17,39 43 16,75 106 28.720,88 145,76 59 16,65 107 28.556,28 -18,85 121 16,38 108 28.539,11 -36,02 44 16,01 109 28.521,96 -53,17 111 15,82 110 28.590,67 15,55 177 15,79 111 28.626,99 51,86 2 15,09 112 28.521,03 -54,09 183 11,15 113 28.628,83 53,71 241 8,23 114 28.572,54 -2,58 225 4,71 115 28.538,18 -36,94 125 4,52 116 28.484,02 -91,10 157 3,62 117 28.592,52 17,39 223 3,61 118 28.610,67 35,54 169 2,79 119 28.629,76 54,63 243 2,43 120 28.592,52 17,39 153 2,40 121 28.557,20 -17,93 242 2,09 122 28.577,15 2,03 123 2,03 123 28.609,74 34,62 198 1,78 124 28.579,92 4,80 56 1,29 125 28.593,44 18,31 134 1,01 126 28.613,43 38,31 30 -0,37 127 28.609,74 34,62 78 -0,46 128 28.539,11 -36,02 6 -0,55 129 28.739,17 164,04 35 -0,55 130 28.701,70 126,57 63 -0,92 131 28.536,34 -38,78 139 -1,11 132 28.482,18 -92,95 219 -1,11 133 28.576,23 1,11 60 -1,20 134 28.592,52 17,39 41 -1,84 135 28.539,11 -36,02 90 -1,94 136 28.540,03 -35,10 115 -2,21 137

28.661,54 86,41 82 -2,77 138 28.573,46 -1,66 176 -4,29 139 28.594,36 19,24 197 -6,90 140 28.630,68 55,55 202 -7,23 141 28.593,44 18,31 250 -7,46 142 28.665,23 90,10 199 -14,84 143 28.539,11 -36,02 75 -15,43 144 28.628,83 53,71 93 -16,27 145 28.558,12 -17,00 84 -16,82 146 28.592,52 17,39 152 -16,82 147 28.522,88 -52,25 146 -17,00 148 28.648,87 73,74 1 -17,19 149 28.681,61 106,48 200 -17,42 150 28.465,08 -110,04 122 -17,56 151 28.559,04 -16,08 20 -18,30 152 28.577,15 2,03 42 -18,39 153 28.647,94 72,82 101 -18,57 154 28.593,44 18,31 108 -18,76 155 28.611,06 35,93 50 -19,59 156 28.579,12 3,99 31 -20,23 157 28.669,95 94,83 100 -20,88 158 28.649,02 73,90 97 -21,06 159 28.440,25 -134,87 161 -23,99 160 28.551,23 -23,90 166 -24,37 161 28.688,75 113,63 212 -24,62 162 28.654,51 79,38 170 -25,69 163 28.512,19 -62,94 171 -30,16 164 28.627,57 52,45 52 -31,86 165 28.551,12 -24,00 14 -34,63 166 28.517,74 -57,38 137 -34,91 167 28.496,83 -78,30 144 -35,37 168 28.578,19 3,07 249 -36,13 169 28.549,53 -25,60 136 -36,20 170 28.544,88 -30,25 17 -36,39 171 28.518,47 -56,66 129 -36,39 172 28.487,83 -87,29 85 -36,66 173 28.412,38 -162,74 109 -36,66 174 28.620,81 45,68 179 -37,00 175 28.571,75 -3,37 99 -37,03 176 28.591,10 15,97 116 -37,31 177 28.641,83 66,70 239 -38,13 178 28.538,22 -36,90 132 -39,15 179 28.613,59 38,46 224 -42,84 180 28.514,64 -60,49 240 -44,26 181 28.784,23 209,10 229 -45,75 182 28.586,37 11,24 148 -52,43 183 28.515,14 -59,98 189 -52,98 184 28.515,22 -59,91 65 -53,35 185 28.615,76 40,64 110 -53,44 186 28.501,88 -73,25 7 -53,63 187 28.632,65 57,53 21 -53,72 188 28.522,70 -52,43 113 -54,18 189

28.609,95 34,83 45 -54,37 190 28.608,31 33,18 235 -54,64 191 28.723,82 148,70 83 -55,01 192 28.486,93 -88,20 91 -55,20 193 28.660,49 85,37 29 -55,38 194 28.638,86 63,74 51 -55,38 195 28.475,62 -99,51 89 -56,03 196 28.567,95 -7,17 95 -56,30 197 28.577,09 1,96 172 -56,47 198 28.560,66 -14,47 227 -56,53 199 28.557,89 -17,24 167 -57,66 200 28.645,73 70,61 92 -57,69 201 28.568,26 -6,86 231 -59,50 202 28.509,26 -65,87 184 -59,80 203 28.614,16 39,04 185 -60,28 204 28.462,05 -113,08 181 -60,58 205 28.604,16 29,03 237 -61,40 206 28.612,12 36,99 164 -62,85 207 28.511,59 -63,54 208 -63,63 208 28.417,88 -157,25 203 -66,05 209 28.618,63 43,50 27 -70,85 210 28.630,68 55,55 25 -71,96 211 28.550,50 -24,62 23 -72,05 212 28.480,24 -94,89 187 -73,25 213 28.631,57 56,45 28 -73,71 214 28.629,94 54,81 36 -74,08 215 28.462,02 -113,10 247 -75,42 216 28.496,49 -78,64 168 -78,48 217 28.631,39 56,27 217 -79,01 218 28.574,39 -0,74 102 -85,38 219 28.457,45 -117,68 68 -87,41 220 28.479,00 -96,13 226 -87,87 221 28.637,39 62,27 173 -87,94 222 28.578,92 3,79 246 -88,39 223 28.532,56 -42,56 193 -88,75 224 28.580,38 5,26 245 -89,39 225 28.487,81 -87,32 32 -89,81 226 28.518,23 -56,90 49 -91,19 227 28.429,22 -145,91 37 -91,47 228 28.529,93 -45,20 117 -91,56 229 28.687,65 112,52 8 -92,39 230 28.516,00 -59,13 66 -92,95 231 28.597,07 21,94 133 -93,22 232 28.467,45 -107,68 213 -95,53 233 28.605,19 30,06 221 -96,31 234 28.519,93 -55,19 244 -98,21 235 28.732,22 157,09 196 -99,87 236 28.513,45 -61,68 233 -107,31 237 28.718,14 143,02 151 -109,76 238 28.536,72 -38,41 216 -112,55 239 28.531,51 -43,61 205 -112,62 240 28.583,45 8,32 220 -117,77 241

28.576,94 1,82 19 -126,65 242 28.578,01 2,89 39 -128,04 243 28.477,38 -97,75 160 -135,61 244 28.485,92 -89,20 228 -146,27 245 28.486,37 -88,76 209 -157,06 246 28.499,89 -75,23 174 -162,47 247 28.652,84 77,72 46 -162,59 248 28.539,09 -36,04 94 -179,15 249 28.567,67 -7,46 74 -215,71 250

Vir: Lasten izračun Pojasnila:

• X1,-t predstavlja enoletno obrestno mero (npr. 12 mesečni EURIBOR) • R1,-t =X1,-t+1-X1,-t • X10,-t predstavlja 10-letno obrestno mero (npr. donosnost do dospetja 10-letnih

ameriških državnih obveznic) • R10,-t =X10,-t+1-X10,-t • PV1,t- sedanja vrednost denarnega toka, ki nastopi čez 1 leto • PV10,t- sedanja vrednost denarnega toka, ki nastopi čez 10 let • 9- sedanja vrednost portfelja • 10- zaporedne razlike v donosih portfelja • 12- razlike v donosih portfelja rangirane od najavečje do najmanjše

Priloga 11a: Izračun nediverzificiranega VAR portfelja, sestavljenega iz treh obveznic, ob 95% intervalu zaupanja, enomesečnem obdobju držanja portfelja in normalnih tržnih razmerah

Vir: Lasten izračun Portfelj je sestavljen iz treh obveznic:

1. brezkuponska obveznica: • NW=10.000€ • n=1 leto • r=5% • σ1=0,5

2. obveznica št. 2:

• NW=10.000€

časovni interval (v letih) 1 2 3 1L 2L 3L tržna o.m. 5% 5,50% 5,70% 1L DF 1 0,8 0,6DF 0,9524 0,8985 0,8468 2L DF 0,8 1 0,7volatilnost 0,50% 0,70% 0,85% 3L DF 0,6 0,7 1 časovni interval (v letih) 1L obveznica 2L 5% obveznica 3L 6% obveznica realni DT volatilnost VAR (z=1,64)

1 10.000 500 600 10.571,64 0,50% 86,69 2 10.000 600 9.524,10 0,70% 109,34 3 10.600 8.976,08 0,85% 125,13

skupaj VAR 321,15

• n=2 leti • r=5% • σ2=0,7

3. obveznica št. 3: • NW=10.000€ • n=3 • r=6% • σ3=0,85

Izplačilo kuponov obveznic št. 2 in št. 3 je letno! Priloga 11b: Izračun diverzificiranega VAR s pomočjo variančno kovariančne matrike in na podlagi primera v prilogi 11a

1L 2L 3L 1L DF cov1,2 cov1,3 2L DF cov2,1 cov2,3 3L DF cov3,1 cov3,2

cov1,2= cov2,1= σ1*ρ1,2*σ2 = 0,5%*0,8*0,7%= 0,000028 cov1,3= cov3,1= σ1*ρ1,3*σ3= 0,5%*0,6*0,85%= 0,0000255 cov2,3= cov3,2= σ2*ρ2,3*σ3= 0,7%*0,7*0,85%= 0,00004165 00007225,0%85,0;000049,0%7,0;000025,0%5,0 22

322

222

1 ====== σσσ

( )08,976.8;10,524.9;64,571.10' =X 08,976.810,524.964,571.10

=X

XXP *00007225,000004165,00000255,000004165,0000049,0000028,00000255,0000028,0000025,0

'*⎟⎟⎟

⎠

⎞

⎜⎜⎜

⎝

⎛=σ

€16,28764,1*10,175**'*%95 === zVCOVXVAR

diverzifikacijski učinek: %58,10€15,321

€15,321€16,287−=

−

Vir: Wiedemann, 2004, str.82 in lasten izračun

21σ

22σ

23σ

Priloga 12: Podatkovni model - ključni kriteriji na podlagi katerih se izdela poročilo o obrestnih razmikih Postavke: Denar v blagajni in stanje na rač. pri CB A01 Krediti in depoziti pri bankah A02 Krediti strankam, ki niso banke A03 Dolžniški vrednostni papirji, ki niso namenjeni trgovanju A04 Vrednostni papirji, namenjeni trgovanju A05 Delnice A06 Osnovna sredstva A07 Ostala aktiva A08 Depoziti prejeti od bank P01 Krediti prejeti od bank P02 Depoziti prejeti od strank, ki niso banke P03 Krediti prejeti od strank, ki niso banke P04 Dolžniški vrednostni papirji P05 Podrejeni dolg P06 Kapital P07 Ostala pasiva P08 Preostala zapadlost / Obdobje ponovne določitve obrestne mere: na vpogled 07 do 1 meseca 08 nad 1 do 2 mesecev 09 nad 2 do 3 mesecev 10 nad 3 do 6 mesecev 11 nad 6 do 12 mesecev 12 nad 1 do 2 let 13 nad 2 do 5 let 14 nad 5 let do 10 let 15 nad 10 let 16 Valuta: vse valute - standard ISO 4217 Obrestna občutljivost obrestovano 1 neobrestovano 2 Tip indeksacije ni indeksacije NOM indeksacija s TOM TOM indksacija z devizno klavzulo DKL indeksacija z drugim indeksom OST

Spremenljivost skupne obrestne mere: spremenljiva 1 fiksna 2,3,4,5 Vrsta referenčne obrestne mere obrestna mera EURIBOR 1 mesec (štetje dni: dej/360) 01 obrestna mera EURIBOR 2 meseca (štetje dni: dej/360) 02 obrestna mera EURIBOR 3 mesece (štetje dni: dej/360) 03 obrestna mera EURIBOR 6 mesecev (štetje dni: dej/360) 04 obrestna mera EURIBOR 9 mesecev (štetje dni: dej/360) 05 obrestna mera EURIBOR 1 leto (štetje dni: dej/360) 06 obrestna mera EURIBOR 1 mesec (štetje dni: dej/365) 07 obrestna mera EURIBOR 2 meseca (štetje dni: dej/365) 08 obrestna mera EURIBOR 3 mesece (štetje dni: dej/365) 09 obrestna mera EURIBOR 6 mesecev (štetje dni: dej/365) 10 obrestna mera EURIBOR 9 mesecev (štetje dni: dej/365) 11 obrestna mera EURIBOR 1 leto (štetje dni: dej/365) 12 obrestna mera LIBOR EUR 1 mesec 13 obrestna mera LIBOR EUR 2 meseca 14 obrestna mera LIBOR EUR 3 mesece 15 obrestna mera LIBOR EUR 6 mesecev 16 obrestna mera LIBOR EUR 9 mesecev 17 obrestna mera LIBOR EUR 1 leto 18 obrestna mera LIBOR USD 1 mesec 19 obrestna mera LIBOR USD 2 meseca 20 obrestna mera LIBOR USD 3 mesece 21 obrestna mera LIBOR USD 6 mesecev 22 obrestna mera LIBOR USD 9 mesecev 23 obrestna mera LIBOR USD 1 leto 24 obrestna mera LIBOR CHF 1 mesec 25 obrestna mera LIBOR CHF 2 meseca 26 obrestna mera LIBOR CHF 3 mesece 27 obrestna mera LIBOR CHF 6 mesecev 28 obrestna mera LIBOR CHF 9 mesecev 29 obrestna mera LIBOR CHF 1 leto 30 obrestna mera LIBOR JPY 1 mesec 31 obrestna mera LIBOR JPY 2 meseca 32 obrestna mera LIBOR JPY 3 mesece 33 obrestna mera LIBOR JPY 6 mesecev 34 obrestna mera LIBOR JPY 9 mesecev 35 obrestna mera LIBOR JPY 1 leto 36 obrestna mera WIBOR PLN 3 mesece 37 tržna obrestna mera za CHF 1 mesec 38 tržna obrestna mera za SEK 1 mesec 39 obrestna mera 60-dnevnega tolarskega blagajn. zapisa BS 40 obrestna mera ameriške konzorcijske banke AKA 41 slovenska medbančna obrestna mera 1 mesec (SITIBOR) 42 slovenska medbančna obrestna mera 3 mesece (SITIBOR) 43 obrestna mera SKB banke SIOM 44 prvovrstna obrestna mera NLB 45

izhodiščna obrestna mera NLB 46 izhodiščna obrestna mera Bank Austria Creditanstalt 47 temeljna obrestna mera TOM kot navadna referenčna obrestna mera 48 slovenska medbančna obrestna mera 2 meseca (SITIBOR) 49 slovenska medbančna obrestna mera 6 mesecev (SITIBOR) 50 slovenska medbančna obrestna mera 9 mesecev (SITIBOR) 51 slovenska medbančna obrestna mera 1 leto (SITIBOR) 52 obrestna mera LIBOR AUD 6 mesecev 53 obrestna mera LIBOR AUD 1 leto 54 obrestna mera LIBOR CAD 6 mesecev 55 obrestna mera LIBOR CAD 1 leto 56 obrestna mera LIBOR GBP 6 mesecev 57 obrestna mera LIBOR GBP 1 leto 58 obrestna mera STIBOR SEK 6 mesecev 59 obrestna mera STIBOR SEK 1 leto 60 obrestna mera PRIBOR CZK 6 mesecev 61 obrestna mera PRIBOR CZK 3 mesece 62 obrestna mera LIBOR AUD 1 mesec 63 obrestna mera LIBOR AUD 3 mesece 64 obrestna mera LIBOR CAD 1 mesec 65 obrestna mera LIBOR CAD 3 mesece 66 obrestna mera LIBOR GBP 1 mesec 67 obrestna mera LIBOR GBP 3 mesece 68 tržna obrestna mera za GBP 1 mesec 69 obrestna mera EONIA čez noč (štetje dni: dej/360) 70 izhodiščna obrestna mera Koroška banka 71 tržna obrestna mera za EUR 1 mesec 72 tržna obrestna mera za EUR 6 mesecev 73 tržna obrestna mera za USD 1 mesec 74 obrestna mera EURIBOR 4 mesece (štetje dni: dej/360) 75 obrestna mera EIB 76 obrestna mera ECB za refinanciranje 77 obrestna mera vezana na indeks cen delnic/obveznic 78 ostalo 99

Vir: Navodila za izvajanje sklepa o poročanju monetarnih finančnih institucij N-1. Šifranti za poročila BS1S, BS1V in BS1O. UL RS št. 6/06.

Priloga 13: Uteži izračunane na podlagi modificiranega trajanja, trenutni ravni obrestnih mer 5% in spremembe ravni obrestnih mer za -200BT (vzporedni premik):

časovni interval

sredina intervala ocena MD ( v letih)

sprememba o.m. utež

avista 0 0,00 -2% 0,00% do 1m 0,5m 0,04 -2% -0,07% 1-2m 1,5m 0,12 -2% -0,23% 2-3m 2,5m 0,20 -2% -0,39% 3-6m 4,5m 0,35 -2% -0,71% 6-12m 9m 0,71 -2% -1,42% 1-2y 1,5y 1,38 -2% -2,76% 2-5y 3,5y 3,07 -2% -6,13% 5-10y 7,5y 5,98 -2% -11,97%

nad 10y 12,5y 8,91 -2% -17,83% Vir: Lasten izračun

SEZNAM SLIK Slika 1: Vrste tveganj v finančnih institucijah Slika 2: Gibanje vrednosti USD proti JPY, EUR, CHF in GBP v obdobju od 1975 do 2006 Slika 3: Vrednosti 6 mesečnega LIBOR-ja izbranih valut v obdobju od januarja 1987 do januarja 2007 Slika 4: Proces upravljanja s tveganji Slika 5: Stanje vpisanih tolarskih blagajniških zapisov Banke Slovenija v obdobju od 1.1.2005 do 31.12.2006 Slika 6: Gibanje deleža BZ BS v portfelju banke in odprte devizne pozicije Banke X brez EUR v obdobju od 31.12.2002 do 31.12.2006 Slika 7: Osnovne oblike krivulje donosnosti Slika 8: Generiranje normalno porazdeljenih slučajnih števil Slika 9: Kategorije obrestno občutljivih poslov s strankami Slika 10: Delitev bančne knjige na zavarovano in transformacijsko pozicijo Slika 11: Limiti in izpostavljenosti obrestnemu tveganju po posameznih časovnih intervalih na dan 31.1.2007

SEZNAM TABEL Tabela 1: Poročilo o izpostavljenosti banke obrestnemu tveganju na podlagi metode obrestnih razmikov na določen dan Tabela 2: Metoda vrzeli v trajanju na primeru banke Tabela 3a: Izračun VAR z metodo historične simulacije Tabela 3b: Izračun VAR z metodo historične simulacije (nadaljevanje tabele 3a) Tabela 4: VAR nediverzificiranega portfelja Tabela 5: Izpostavljenost Banke X obrestnemu tveganju na dan 31.1.2007

DELOVNI ŽIVLJENJEPIS Ime in priimek: Mohor Vollmaier Stalni naslov: Šentlenart 30, 2382 Mislinja Datum rojstva: 22. junij 1976 Izobrazba: Ekonomska fakulteta Ljubljana, univerzitetni diplomirani ekonomist, diplomska naloga: Demografske razmere in pokojninska reforma v Nemčiji, prof. dr. Janez Malačič Trenutna zaposlitev: NLB Koroška banka d.d., Služba za upravljanje s tveganji