Upload
brock
View
25
Download
3
Embed Size (px)
DESCRIPTION
Liquiditätsrisiko. jahrzehntelang herausragende Rolle in der kreditwirtschaftlichen Risikothematik (goldene Bankregel, Bodensatztheorie). heute: Möglichkeit notwendige Liquidität sehr kurzfristig über Geldmarkt zu beschaffen. Liquidität folgt Bonität. - PowerPoint PPT Presentation
Citation preview
Mathematisch-Statistische Verfahren des Risikomanagements - SS 2002 1
jahrzehntelang herausragende Rolle in der kreditwirtschaftlichen Risikothematik (goldene Bankregel, Bodensatztheorie)
Liquiditätsrisiko
Voraussetzung: gute Bonität muß auf den Märkten erkennbar sein
Ausnahmen/Extremfall: “Verstopfung“ der Geld- und Kapitalmärkte
heute: Möglichkeit notwendige Liquidität sehr kurzfristig über Geldmarkt zu beschaffen
Liquidität folgt Bonität
Mathematisch-Statistische Verfahren des Risikomanagements - SS 2002 2
Liquiditätsrisiko:
Gefahr, seinen Zahlungsverpflichtungen nicht mehr uneingeschränkt nachkommen zu können
im Grundsatz muß zu jedem Zeitpunkt gelten:
Kassenbestand + Einzahlungen Auszahlungen
Arten von Liquiditätsrisiken
Refinanzierungsrisiken Terminrisiken Abrufrisiken
Anschlußrefinanzierungsrisiken aus positiver Frsitentransformation
Z.B. Rückzahlungs-verzögerungen im Kreditgeschäft
Unerwarteter Abzug von Einlagenunerw. Inanspruchnahme von Kreditzusagen
Mathematisch-Statistische Verfahren des Risikomanagements - SS 2002 3
Liquiditätskennziffern:
A u s g e w ä h l t e K e n n z i f f e r n z u m L i q u i d i t ä t s r i s i k o
1 . G r u n d s a t z I I - A u s l a s t u n g =PassivaIIGrundsatzAktivaIIGrundsatz
2 . G r u n d s a t z I I I - A u s l a s t u n g =PassivaIIIGrundsatz
AktivaIIIGrundsatz
3 . L i q u i d i t ä t s i n d e x =
PassivawichtetelaufzeitgeAktivawichtetelaufzeitge
4 . a k t u e l l e T e r m i n r i s i k o q u o t e =menKreditvolugesamtes
nRückständemitKredite
5 . L i q u i d i t ä t s k o e f f i z i e n t =sreserveLiquidität
ungenVerpflichtgekurzfristi
6 . ( G r o ß - ) K r e d i t a b r u f r i s i k o =sreserveLiquidität
genKreditzusa)Groß(offene
7 . E i n l a g e n k o n z e n t r a t i o n =
ii
iKlassederGewichtgiKlasseinEinlagenAnteilEmit
gE
ii
Mathematisch-Statistische Verfahren des Risikomanagements - SS 2002 4
Analyse des Liquiditätssaldos:
Beispiel zur Berechnung des LiquiditätssaldosPerioden
Kunden-geschäft
11-2
22-3
33-4
44-5
55-6
66-7
77-8
88-9
99-10
10
Einlagen 110 120 130 150 160 180 190 200 210 210
Verände-rung
10 10 20 10 20 10 10 10 0
Kredite 10 30 50 80 90 120 150 170 170 210
Verände-rung
20 20 30 10 30 30 20 0 40
Einlagen-Kredite
100 90 80 70 70 60 40 30 40 0
Liquidi-tätssaldo
-10 -10 -10 0 -10 -20 -10 +10 -40
Mathematisch-Statistische Verfahren des Risikomanagements - SS 2002 5
Liquiditätsreserven als Risikoträger
Kernreserven
Ergänzungsreserven
Steuerung des Liquiditätsrisikos
Beeinflussung der Risiken (aktiv)
Dimensionierung der Liquiditätsreserven (passiv)
Mathematisch-Statistische Verfahren des Risikomanagements - SS 2002 6
Bestimmung des Wechselkursrisikos - Beispiel
Gegeben sei ein Porfolio, das aus folgenden Assets besteht:
50 Mio CHF long, Kurs am 31.7.1995: 120,4300 DEM/100 CHF
300 Mio FRF long, Kurs am 31.7.1995: 28,9230 DEM/100 FRF
70 Mio USD long, Kurs am 31.7.1995: 1,3805 DEM/1 USD
150 Mio USD Call short, Wert am 31.07.1995: 0,0963/1 USD, europäisch, Strike: 1,40 DEM, Restlaufzeit 1 Jahr, Delta: 0,5119
Bestimmung des VaR der Wechselkursrisiken anhand des Varianz-Kovarianz-Ansatzes (Delta-Äquivalente), der historischen Simulation und der Monte Carlo-Simulation !
Mathematisch-Statistische Verfahren des Risikomanagements - SS 2002 7
Varianz-Kovarianz-Ansatzes (Delta-Äquivalente)
Rendite
Bestimmung der Mittelwerte, Standardabweichungen und Kovarianzen durch empirische Schätzer
1t
1ttt,USD USD
USDUSDr
%)0127,0%;0334,0%;0013,0()ˆ,ˆ,ˆ(M rUSDrFRFrCHFT
4318,00948,01049,0
0948,01088,00040,0
1049,00040,00409,0
Mathematisch-Statistische Verfahren des Risikomanagements - SS 2002 8
Historische Simulation
Marktparameter = Wechselkurse
Szenariobildung aufgrund relativer Änderungen
Berechnung der relativen Änderungen der drei Währungen für die letzten 90 Tage
Multiplikation aller relativen Änderungen mit den aktuellen Daten: Vektor der Portfoliowerte: V()
Vektor der Wertänderungen V
kumulative Häufigkeitsverteilung VaR
1t
tt USD
USDUSD
Mathematisch-Statistische Verfahren des Risikomanagements - SS 2002 9
Monte Carlo- Simulation
Marktparameter = Wechselkurse
Szenariobildung aufgrund relativer Änderungen
Annahme: Renditen gemeinsam normalverteilt
1000-mal Erzeugung von jeweils 3 unabhängigen Zufallsvariablen (Zn-N(0,1))
Berechnung der Matrix A
Bestimmung der Simulationsmatrix:
Vektor der Portfoliowerte: V()
Vektor der Wertänderungen V
kumulative Häufigkeitsverteilung VaR
1t
tt USD
USDUSD
Mathematisch-Statistische Verfahren des Risikomanagements - SS 2002 10
Varianz-Kovarianz-Ansatz basiert auf Normalverteilungsannahme tatsächliche Verteilung weist i.d.R. eine höhere Kurtosis, insbesondere fat tails auf Risiko wird tendenziell unterschätzt
Vergleichende Bewertung des VaR
Historische Simulation verzichtet auf Normalverteilung theoretisch das genaueste Risikomaß höheres Risiko
Monte Carlo-Simulation erfaßt Optionsrisiken genauer deswegen genauere Risikozahl, aber auch Normalverteilungsannahme Risiko tendenziell auch zu niedrig
Varianz-Kovarianz-Methode
HistorischeSimulation
Monte Carlo-Simulation
0,6052 Mio DM 0,6770 Mio DM 0,6112 Mio DM