ZARZĄDZANIE RYZYKIEM FINANSOWYM - kozminski.edu.pl · Albert Einstein - wszystko może być tak...
Transcript of ZARZĄDZANIE RYZYKIEM FINANSOWYM - kozminski.edu.pl · Albert Einstein - wszystko może być tak...
ZARZĄDZANIE RYZYKIEM
FINANSOWYMKrzysztof Kalicki 601 85 2828
Aswath Damodaran, Ryzyko strategiczne, podstwy zarządzania ryzykiem, Koźminski, Warszawa, 2009
K.Jajuga, Zarządanie ryzykiem, PWN, Warszawa, 2007,
W.Tarczyński, M.Mojsiewicz, Zarządzanie ryzykiem, PWE, Warszawa, 2001
Z.Marciniak, Zarządzanie wartością i ryzykiem, SGH,W-wa 2001;
P.Jorion, Financial Risk Manager, handbook, WileyFinance, II ed. GARP, 2004
W.Tarczyński, M.Mojsiewicz, Zarządzanie ryzykiem, PWE, Warszawa, 2002
E.Chrabonszczewska, K.Kalicki,Teoria i polityka kursu walutowego,SGH, 1996; A.Sopoćko, Droga do fortuny, Pochodne, Mediabank, 1999; Ch.W.Smithson, C.W.Smith,Jr, D.S.Wilford, Zarządzanie ryzykiem finansowym, ABC, Kraków 2000; Butler Cormac, Tajniki value at risk,
Liber, Warszawa, 2001; W.Tarczyński, Instrumenty pochodne na rynku kapitałowym, PWE, Warszawa, 2003; ; Marry Jackson, Mike Staunton, Zaawansowane modele finansowe z wykorzystaniem Excla i VBA, Helion, Gliwice2004
Edgar E.Peters, Teoria Chaosu a rynki kapitałowe, WIG Press, Warszawa 1997
Nassim Nicholas Taleb, Fooled by randomness, hidden role of chance in life and markets II wyd,Thomson,texere, NY,2004
Tadeusz Teofil Kaczmarek Ryzyko i zarządzanie ryzykiem DIFIN, Warszawa 2005
Laurent Condamin, Jean-Paul Louisot, Patrick Naim, Risk quantification, Management, Diagnosis and Hedging, Wiley Finance,Chichester, 2006
P.L.Rubinstein, Przeciw Bogom, niezwykłe dzieje ryzyka, WIG Press, Warszawa, 1977,E.Peters, Teoria Chaosu a rynki kapitałowe, WIG Press, Warszawa, 1997,
Heraklit: Much learning does not teach understanding
Albert Einstein - wszystko może być tak proste jak to jest możliwe ale nie prostsze
Walter Wriston CitiCorp: Całe życie to zarządzanie ryzykiem a nie jego eliminacja
PODSTAWY POMIARU RYZYKA• Statystyka deskryptywna: średnia, wariancja, odchylenie standardowe, korelacja,
skośność, kurtoza, podstawy rachunku prawdopodobieństwa, losowość zmiennych gospodarczych, chaos, rozkłady prawdopodobieństwa,
• Teoria finansów: ryzyko i awersja do ryzyka, podstawy kalkulacji ryzyka portfela, CAPM, APT
• Zarządzanie ryzykiem rynkowym: mtm, wrażliwość cen akcji, obligacje - duracja, konweksja, ryzyko portfela, VaR, modele VaR, Sress test
• Instrumenty pochodne: forwards & futures, opcje, swapy, derywaty kredytowe,
• Ryzyko kredytowe: default i recovery, zabezpieczenia, credit rating, rating klienta i ekspozycji, modele niewypłacalności, model Mertona, loss given default i efekty korelacji, spread kredytowy, cena ryzyka, derywaty kredytowe, regulacje
• Ryzyko operacyjne: ramy, kultura i świadomość, zbiór informacji o stratach, samoocena ryzyka, kluczowe wskaźniki, , analiza scenariuszy, raportowanie, governance & compliance
• Rynki i ryzyko próbują zrozumieć ekonomiści, matematycy, psychologowie, gdy to nie wystarcza szuka się inspiracji w gwiazdach, w astrologii.
• Rynki okazują się tak skomplikowane jak człowiek i mogą być de facto nieprzewidywalne.
Solon Grek do Krezusa Króla Lidii „Krezusie człowiek jest całkowicie igraszką przypadku 568 pne
GŁÓWNE BLOKI WYKŁADU• RYZYKO - SYSTEMETYTKA, RYZYKO
FINANSOWE, RYZYKO RYNKOWE,
BADANIE EKSPOZYCJI -POMIAR,
ZARZĄDZANIE RYZYKIEM
• RYZYKO KURSU WALUTOWEGO, RYZYKO
STOPY %, TEORIA, WEWNĘTRZNE METODY
OGRANICZANIA RYZYKA,
• ZEWNĘTRZNE METODY OGRANICZANIA
RYZYKA, INSTRUMENTY ZABEZPIECZANIA
SIĘ PRZED RYZYKIEM (POCHODNE)
RYZYKO WPROWADZENIE
CZŁOWIEK A RYZYKO,
POJMOWANIE RYZYKA, RYZYKO
PESYMIZM POZNAWCZY
POJMOWANIE RYZYKA• Rozumienie ryzyka nie jest nawet współcześnie jednoznaczne
• (niepewność wynika z braku wiedzy, brak determinizmu, brak kompletu informacji)
• Słownik: możliwość, że coś się nie uda, przedsięwzięcie, którego wynik nie jest znany
• Nassim Taleb: prawdopodobieństwo znaczy coś innego dla nauk ilościowych i dla humanisty, dla kwantysty (ilościowca) znaczy rozkład zdarzeń, dla humanisty sceptycyzm
• Pierwsi tworzą wspaniałe ilościowe narzędzia modelowe - drudzy w nie wątpią
• Dla humanisty ryzyko jest raczej nie kalkulacją, a niepewnością wynikającą z braku wiedzy, tworzeniem metod, które mają zastąpić ignorancję.
• Ilościowcy stworzyli pułapkę losowości (wiele założeń trudnych do spełnienia), ale są fat tails lub zdarzenia jednokrotne – wtedy można mówić o roli szczęścia w finansach
Gregory Chatin mat. Świat o nieskończonym stopniu złożoności (w sensie informatycznym – długość
algorytmu do jego opisania) .
Każda z cyfr omega to jeden nieredukowalny fakt matematyczny. Program do jej obliczenia miałby
nieskończoną długość.
RYZYKO PESYMIZM
ANALITYCZNY• Przyszłość nigdy nie jest zdeterminowana, a więc nie można jej przewidzieć
• Religia ryzyka – niepewność była źródłem wierzeń religijnych, ponieważ nie można powiedzieć, które ryzyko jest groźniejsze to wybór jest arbitralny - jak w religii. Tradycje religijne koiły niepewność i częściowo jej zapobiegały kształtując życie społeczne. Pod wpływem świadomości ryzyka ludzie też kształtują swoje życie.
• Zajmując się ryzykiem też kształtujemy rytuały np. kontrola ryzyka. Krytycy : nie wiele z tego wynika ale tworzy się poczucie bezpieczeństwa.
• Nieustanny spór czy decydować w oparciu o prawidłowości zaobserwowane w przeszłości, czy o intuicję?
RYZYKO PESYMIZM
ANALITYCZNY• Fizycy i matematycy w latach 90 podbili Wall Street ze swoimi
modelami (jak David X.Li)
• Tworzyli modele zwiększające zyski przy redukcji ryzyka (raz na sto lat sic. Często Gaussian Copula Function – czyli rozkład wokół średniej – poszukiwanie uśrednionych prawidłowości )
• Policzalne wydawało się każde ryzyko
• Teraz często teza o roli przypadku w dynamicznych sieciach zależności
• Niezwykle rzadkie zjawiska wyzwalają dynamikę zjawisk społecznych – także finansowych (jak woda, gdy się gotuje pierwsze bąble i nagle parowanie w całej objętości)
• Węzły w sieci nie odzwierciedlają rozkładu normalnego –najważniejsze są centralne elementy struktury a nie średnie
• Nauka o złożoności układów – zasada dynamicznego minimalizmu –czyli nawet niewielka zmiana jednego parametru układu może wywołać fundamentalne zaburzenie
RYZYKO
MĄDROŚĆ POMIARU, POJĘCIE,
KONCEPCJE RYNKU A RYZYKO,
LOSOWOŚĆ, KONCEPCJE RYZYKA
KONCEPCJE RYNKU A RYZYKO
4 GŁÓWNE KONCEPCJE RYNKU:
1. Błądzenie przypadkowe (losowe)
2. Zmiany jako skutek myślenia grupowego
3. Zmiany chaotyczne neutralne czynniki fundamentalne, wahania zbiorowych nastrojów
4. Zmiany rynek koherentny - zgodność nastrojów z fundamentami wyraźny trend
Prof. Adrew Lo, MIT, the cosequences can be catastrophic, even if statisticaly improbable
KONCEPCJE RYNKU A RYZYKO• Założenie losowości zdarzeń gospodarczych. Przypadkowość zdarzeń,
niezależność (kości nie mają pamięci)
• Lub
• Założenie chaosu. Chaos to porządek udający bałagan. Złożoność i prostota przenikają się. Geometryczna reprezentacja chaosu – fraktale. Np. dym z papierosa, postrzępiony brzeg rzeki, wykres giełdowy kursu. Czy to może być przewidywalne?
• Teoria chaosu – osobliwości:
• - Im więcej rozumiesz tym prognozy są mniej przewidywalne,
- - Przyczyną nieprzewidywalności rynku nie jest ich przypadkowość,
- Ruchy rynku nie są czysto przypadkowe, na dłuższą metę rynek jest nieprzewidywalny – niemożliwe pokonanie rynku
- Fraktale deterministyczne i losowe.
LOSOWOŚĆ• Losowość – wyraża brak celowości, przyczyny, nakazu, przewidywalności,
zdarzenia mają niedeterministyczny charakter ale mają jakiś rozkład. W fizyce pojęcie losowości ruchu cząsteczek daje się opisać mechaniką statystyczną, aby wyjaśnić termodynamikę i cechy gazów.
• Mechanika kwantowa nie specyfikuje wyniku eksperymentu a jedynie określa prawdopodobieństwo.
• W biologii pojęcie losowych mutacji, które pozostają w poolu genów.
• W informatyce szum jest losowy
• Losowość a nieprzewidywalność – coś co jest losowe dla jednego obserwatora nie musi być losowe dla innego. Dla jednego zaszyfrowana informacja jest nieczytelna a dla drugie czytelna. Niektórzy twierdzą, że nie ma losowości w świecie jest tylko nieprzewidywalność. Losowość daje się opisywać przez rozkłady.
• Buddyści odrzucają losowość bo wszystko determinują poprzednie uczynki. Chrześcijanie mają problem z wolną wolą i omnipotencją Boga. Bóg wiedział wszystko zanim pojawił się czas. Może nasza wolna wola jest tylko dopuszczalna do pewnego stopnia.
• Losowość pochodzi z przyrody, Brownian motions, lub z chaosu.
LOSOWOŚĆ CEN• Rynek efektywny to zdyskontowanie każdej informacji w cenie, wielka ilość
podmiotów – warunek rzetelności cen, racjonalni inwestorzy. Zbiorowa świadomość rynku przetrawia informację. Tylko nowa informacja zmienia cenę i rynek nie ma pamięci. Stopy zwrotu niezależne a więc losowe i podlegają błądzeniu losowemu. Błądzenie losowe wymaga założenia efektywności rynku (i niezależności zdarzeń) ale nie odwrotnie. (duża rola 1900 Louis Bachelier –uznał, że proces Wienera ma naturę ruchów Browna, Einstein odkrył to 10 lat później). Osborne 1964 oraz Fama 1965.
• Ilość dzienna transakcji jest skończona i nieistotna, cena i wartość są ściśle związane, wartość oczekiwanej stopy zwrotu zależy od jej poziomu i prawdopodobieństwa. Jeżeli transakcja ma dojść do skutku kupujący nie może mieć przewagi nad sprzedającym. Konkluzja, gdy zdarzenia są losowe to rozkład będzie normalny ze stabilną średnią i skończoną wariancją co wynika z prawa wielkich liczb graniczne twierdzenie rachunku prawdopodobieństwa. Liczba stopni swobody to ilość inwestorów na rynku a inwestorzy z założenia racjonalni. Kierują się wartością oczekiwaną wynikającą z subiektywnego prawdopodobieństwa ustalanego w sposób racjonalny i nieobciążony.
Liczby przenikają wszystkie dziedziny życia ale są bezduszne i mogą stać się fetyszami.
Infantylne gry – ruletka, kości i giełda są poligonem doświadczalnym dla badań nad ryzykiem.
LOSOWOŚĆ CEN• E.Peters podważa efektywność rynków i błądzenie losowe. Teoria
rynków efektywnych dostarcza uzasadnienie do stosowania rachunku prawdopodobieństwa w ekonomii. Ale jeżeli zależności są nieliniowe i dynamiczne wtedy standardowa analiza statystyczna daje błędne wyniki
• Spór o losowość cen:
• Empiria tego nie potwierdza. Kiedy można podważyć losowość cen – gdyby dowieść, że rynek ma długą pamięć i duże zdarzenie z przeszłości przez wiele lat wpływa na rynek. Mandelbrott pokazywał empirycznie, że stopy zwrotu nie mają rozkładu normalnego i formułował hipotezę o stabilnych Paretowskich rozkładach stóp zwrotu. A więc, jeżeli rozkład nie jest normalny to podważona jest hipoteza o rynkach efektywnych i nowoczesna teoria portfelowa.
• Teoria chaosu chce zastąpić paradygmat liniowości – nieliniowością i paradygmat rynków efektywnych ogólnym patrzeniem na rynki w ich złożoności.
• Człowiek chce zrozumieć nieuporządkowany świat przez jego porządkowanie –czas przez zegary, wiedzę przez encyklopedie, prawo przez sądy…
• E.Petres rynki nie zachowują zgodnie z zasadą błądzenia przypadkowego, niektóre zamiany są tak duże, że nie można ich zaliczyć do białego szumu.
• Ekonomiści wychodzili zwykle od pojęcia równowagi – dążenia do równowagi –system pragnie ładu… Równowaga zakładała brak emocji – chciwości, altruizmu … E.Peters zdrowa gospodarka i zdrowy rynek nie zmierzają do równowagi (Teoria Chaosu a Rynki Kapitałowe 1997)
• Ekonomia często ignoruje czynnik czasu (brak pamięci, czasu).
• Model nieliniowy pokazuje, że rynek może mieć bardzo wiele cen spełniających równanie popytu i podaży – więcej niż jeden poziom równowagi.
• Złożoność rynku, gdy przyjąć, że rynki są nieliniowymi systemami dynamicznymi, wtedy są długoterminowe korelacje i trendy (sprzężenia zwrotne), poziomy krytyczne, struktury fraktalne, zmniejsza się trafność prognoz wraz z horyzontem.
• To podważa hipotezę o efektywności rynków, bo inwestorzy nie są racjonalni, nie działają w sposób uporządkowany i systematyczny – rynki są raczej bezładne i skomplikowane.
• Teoria złożoności – wiele rzeczy jest złożonych ale tworzy spójny obiekt lub proces – drzewo, pismo, koryto rzeki…
• Bezwładny motłoch może zmienić się w zwarty tłum i działa tak jakby miał jeden umysł
• Już w latach 60-tych zauważano grube ogony i kurtozy. Problem był też w zakładanej liniowości zjawisk często reakcja inwestorów wynikała z okresowej kumulacji informacji. Fama zauważył, że więcej zdarzeń mieściło się w lewym ogonie niż w prawym – lewa asymetria i wyższa wartość szczytu = leptokurtoza. Rozkład normalny zakłada małe prawdopodobieństwa w przypadku ogonów a obserwacje wskazywały na wartości większe. Niepokojąco niestabilne okazują się odchylenia standardowe. Teoretycznie odchylenia standardowe dla stóp 5 dniowych powinny być pierwiastek kwadratowy z 5 razy odchylenie standardowe dla 5 dni - ale tak nie było. Problem czy istnieją inwestorzy „inteligentny kapitał” czy reagujący na szum informacyjny – wtedy podważa się racjonalne oczekiwania. Wiele badań kwestionuje racjonalność decyzji inwestorów.
• Grube ogony wyjaśnia się, że informacje nie docierają ciągle ale w wiązkach i skokowo. To powoduje leptokutozę. Mandelbrot 1964 pisał, że rozkłady mają wysokie wierzchołki i grube ogony bo są paretowskie. Dalej cechuje je skłonność do wytwarzania trendów i cykli oraz gwałtownych zmian nieciągłych. Ale wtedy wariancja jest nieskończona –czyli nieokreślona. Bez założenia losowości w ekonomii nie ma rachunku prawdopodobieństwa. Problem: ludzie nie zawsze unikają ryzyka (hazard), subiektywne prawdopodobieństwo często nie ma podstaw, ludzie nie reagują liniowo na informację ale pierwsze informacje ignorują a potem działają skokowo, czy racjonalność zbiorowości jest większa niż jednostek (brak dowodu). Specjaliści od zarządzania nie przynosili rezultatów lepszych niż średnio rynek.
• Czy przypadek i konieczność wykluczają się? Czy przypadkowość i porządek też się wykluczają?
• Gdy na obraz telewizora nałożyć biały szum (śnieg) obraz dalej będzie widać. Chartyści twierdzą, że eliminują szum przez średnie kroczące. Jest wiele systemów gdzie, losowość i determinizm współistnieją. W ekonomii panuje Newtonowskie założenie dążenia do równowagi - dynamiki w świecie trójwymiarowym. „Naturalna równowaga podaży i popytu”. A przyroda jest w stanie permanentnych fluktuacji.
IMPLIKACJE ODRZUCENIA
LOSOWOŚCI CEN• EPeters Teoria chaosu..Fraktale ,,,.Natura jest ciągiem powtarzających
się formacji – jest ona lokalnie losowa, globalnie zaś uporządkowana. To co złożone uzyskuje dzięki fraktalom strukturę. Natura jest nieliniowa, a fraktale są geometrią chaosu. Euklides to greckie dążenie do czystych form ale natura nie znosi symetrii – podobnie jak nie znosi równowagi. Fraktale tworzył Benoit Mandelbrot. Fraktal to obiekt, którego części pozostają w pewnej relacji do całości. Każda gałąź drzewa jest podobna do całości. Jak wyjmowanie trójkątów z trójkąta Sierpińskiego przy pomocy geometrii Euklidesowej. Liczba jego wymiarów jest ułamkowa – 1,58. Gdy istnieją dziury w płaszczyznach czy bryłach to obiekty nie są różniczkowalne w całej swojej powierzchni – brak ciągłości. Płatek śniegu Kocha –nieskończona długość w skończonej przestrzeni.
• Tak jest z cenami akcji – z daleka widać powolne zmiany, z bliska postrzępione zmiany cen akcji (jak linia brzegowa z samolotu i z bliska). Fraktal jest atraktorem – zbiorem granicznym. Atraktor nie jest losowy mimo, że ma nieskończenie wiele możliwych rozwiązań. Fraktal jest samopodobny. Mogą być fraktale deterministyczne (symetryczne) oraz losowe (niesymetryczne). Szereg nie ma charakteru losowego bo są zagęszczenia wynikające z korelacji. W szeregach losowych nie ma związków z wcześniejszymi zdarzeniami we fraktalach związek taki istnieje.
KONCEPCJE RYZYKA
• Negatywna koncepcja ryzyka – ryzyko jako zagrożenie –nie osiągnięcie efektu (negatywny wpływ na ludzi, środowisko, gospodarkę)
• Katastrofy (zagrożenie jako zjawisko rzadkie, małoprawdopodobne ale o dużych negatywnych skutkach – piorun)
• Ryzyko jako prawdopodobieństwo zdarzenia (zdarzenia, prawdopodobieństwo w określonym czasie)
• Neutralna koncepcja ryzyka – zagrożenie ale i szansa –efekt różny od zakładanego np. w języku chińskim znak niebezpieczeństwa i szansy (razem)
PODEJŚCIE DO RYZYKA• Podejście do ryzyka – ryzyko a nagroda (użyteczność):
• -risk aversion – awersja do ryzyka – wyższa premia za ryzyko (malejąca użyteczność, [stała lub malejąca awersja do ryzyka ])
• -risk neutrality – neutralność na ryzyko (stała użyteczność)
• - risk seeking – ponoszenie dodatkowego ryzyka dla wyższego zwrotu (rosnąca krańcowa użyteczność)
AWERSJA
NEUTRALNOŚĆ
SKŁONNOŚĆ
UZYTECZNOŚC
WARTOŚĆ
Brenoulli - „Użyteczność będąca wynikiem jakiegokolwiek niewielkiego wzrostu zamożności będzie
odwrotnie proporcjonalna do ilości dóbr uprzednio posiadanych”.
Bernoulli pokazał postać osoby podejmującej ryzyko – motywacje i różne decyzje mimo tych
samych mierzonych prawdopodobieństw
D.Bernoulli Wartość przedmiotu wynika nie z ceny lecz z użyteczności – paradoks Petersburski
RYZYKO POJĘCIE,
ETYMOLOGIA, GENEZA
BADAŃ RYZYKA
Co to jest ryzyko?
Patrząc w przyszłość niektórzy widzą małą chmurkę a inni górę lodową i wielkie cierpienie
RYZYKO• Rozi(k) po persku los
• Risq arabski los, dopust boży
• Al zahr arab. Gra w kości (hazard)
• Ar-risco hiszpański odwaga, niebezpieczeństwo
• Risk, hazard ang.
• Risicare starowłoskie Omijać coś, odważyć się (a więc wybór a nie przeznaczenie)
• Risichio włoski statek powinien ominąć rafę
• Riza grecki ostra skała, rafa ale i Eikos – Prawdopodobieństwo do Prawdy (Sokrates)
• Kindunos – hazard obecnie pojęcie cindynics situation np. Czarnobyl, Challenger, 11.Sept.01
• Probare łac. – sprawdzać ilis możliwość istnienia - probabilistyczny –możliwy do uznania
• Hazard to czysty los, ryzyko w działaniu to los i decyzje
• Ryzyko łączy się z osiąganiem celu, przy deficycie informacji
• Ryzyko czyste i dynamiczne
• Ryzyko nie jest jednorodne stąd trudności definicyjne
• Ryzyko w: ubezpieczeniach, ekonomii, prawie, polityce, technice, ekologii, medycynie, farmacji , psychologiczne, socjologiczne etc.
T.S.Elliot poeta: Tylko ci, którzy zaryzykują pójście o krok za daleko dowiedzą się,
jak daleko można w ogóle dojść
RYZYKO
• Pozytywnie – szansa
(chance)
• Negatywnie – ryzyko (risk)
• Dwa główne zagadnienie:
– Częstotliwość (frequency)
– Dolegliwość (severity of risk)
N.Taleb: Skutkiem nieprzewidzianego ryzyka jest duża asymetria skutków zdarzenia – wielki zysk
lub wielka strata
PROBLEMATYKA RYZYKA• Ryzyko jest jak kurz - jest wszędzie niezależnie od tego
co czynimy, można z nim sobie radzić (zarządzać) ale nie
da się go całkowicie wyeliminować (Penny Cagan).
• Risicare wł. Odważyć się
• Ryzyko można omijać ale nie można go się pozbyć
(Tanya Styblo-Beder)
• Ryzyka nie da się dotknąć ani powąchać (U.Beck)
• Merton Miller Nobel 1990 „..instrumenty pochodne
uczyniły świat bezpieczniejszym, a nie bardziej
ryzykownym”
• Ale pozbyć się całkowicie ryzyka oznacza rezygnację z
zarabiania pieniędzy
Jawaharlal Nehru 1889-1964 The policy of beeing too cautious is the greatest risk of all
GENEZA BADAŃ RYZYKA• Arystoteles opisywał historię Talesa z Miletu ryzyko i funkcjonujące wtedy instrumenty pochodne
• XVI, XVII w ubezpieczenia towarów w handlu
• XVI w gry losowe XVII w Blaise Pascal 1654 klasztor Port Royal, 1662 Logika Sztuka Myślenia, ryzyko to skala zagrożenia oraz prawdopodobieństwo zdarzenia – strach przed piorunem jest nadmierny (małe prawdopodobieństwo rażenia). Pytanie czy jest Bóg czy nie rozważa przez pryzmat przyszłych konsekwencji.
• XVIII idee braci Bernoullich, teoria użyteczności, unikanie ryzyka, 1703 Jacob Bernoulli prawdopodobieństwo na podstawie wyrywkowych danych, niepewność to nieznane prawdopodobieństwo.
• F.Galton 1822-1911 przekształcił dane statystyczne w pojęcie prawdopodobieństwa
• P.S.Laplace każde zdarzenie ma przyczynę. Wybór jest tylko między odrzuceniem lub nieodrzuceniem hipotezy.
• F.Knight 1921 Risk, uncertainty and profit. Podejmowanie decyzji w warunkach niepewności. Zbyt wiele wniosków wyciągamy z danych przeszłych. Knigth dzielił na uncertainty incomputable i risk computable
• We francuskim jest hasard (arabskie az-zahr jak kości losowość) oraz fortuit (jak Black swan czysty przypadek)
• Keynes uważał, że nic nie świadczy o tym, że w gospodarce przeszłe zdarzenia powtórzą się w przyszłości.
• John von Naumann (1903-1957) teoria gier użyteczność przyrostu bogactwa jest odwrotnie proporcjonalna do jego wielkości.
• Harry Markowitz 1952 Dobór Portfela, dywersyfikacja, ryzyko i wariancja są u niego synonimami. Duża wariancja to jak głowa w piekarniku a nogi w lodówce. Bez ryzyka nie ma zysku.
• Czas zmienia ryzyko czego nie uwzględniał Markowitz.
• CAPM Sharpe
RYZYKO POJĘCIA
PODSTAWOWE
• Czynnik ryzyka
• Przedmiot ryzyka (object)
• Spełnienie się ryzyka (peril)
• Konsekwencje spełnienia się ryzyka (loss)
• Ryzyko nie może być traktowane tylko jako element pogorszenia się sytuacji ale również jako możliwość poprawy (chance)
RYZYKO POJĘCIA
PODSTAWOWE• Ryzyko to sytuacja, gdzie szkodliwy czynnik ryzyka może się pojawić ale nie
jest w pełni przewidywalny.
• Z naukowego punktu widzenia przyczynowość jest podstawą determinizmu –jeżeli znamy wszystkie przyczyny danego zjawiska to możemy przewidzieć jego pojawianie się i skutki.
• Teoria prawdopodobieństwa jest matematyczną odpowiedzią na niepewność –gdzie zdarzenie nie jest w pełni przewidywalne - teoria - pozwala skwantyfikować możliwą przyszłość
• Prawdopodobieństwo tyle co szansa
• Wiedza redukuje niepewność, wtedy losowość zmniejsza się w stosunku do sytuacji deterministycznej
• Losowość jest tylko rezultatem niekompletnej wiedzy – Heisenberg W, 1927
• Niepewność a wiedza: niepewność wynika z niekompletnej wiedzy, ale często kompletna wiedza jest nie do uzyskania. (dialektyczna sprzeczność wiedzy i niepewności)
• Ryzyko jest ciągle zjawiskiem losowym ale prawdopodobieństwo zależy od czynników (driverów) ryzyka.
Bernstein,P 1996: risk is not a fate but a choice
RYZYKO• Teoria prawdopodobieństwa to matematyczne kwantyfikowanie niepewności
• Klasyczna teoria prawdopodobieństwa:
• Aksjomaty Kołomogorova:
• Ryzyko od zjawisk niemożliwych p=0 do pewnych p=1
• zajście zdarzenia przeciwnego 1-P(E)=1 (pewne jak śmierć)
• suma prawdopodobieństw P(A)+P(B)-P(AiB), iloczyn P(AiB),
• E=suma wszystkich możliwych zdarzeń
• ½ orzeł
• Rzut monetą 50:50,
• ½ reszka
• kostką 6*p=1->p=1/6. Skończona ilość elementów zbioru zdarzeń P=n/m
• Geometryczna definicja prawdopodobieństwa, gdy punkt w przestrzeni należy do q(Q) toP=q/Q
• Teoria prawdopodobieństwa oparata w empirii o częstość względną
• Badanie statystyczne (próba) Prawdopodobieństwo jest granicą z próby P=lim (n1/n), próba musi być reprezentatywna (Mises.R.)
• Prawdopodobieństwo warunkowe Bayes theorem
• P(A|B)=P(AiB)/(P(B) lub P(B|A)=P(AiB)/(P(A) lub P(A|B)=P(A).P(B|A)/(P(B)
• Zdarzenia niezależne vs. zależne
GENEZA BADAŃ RYZYKA• Rozróżnienie ryzyka i niepewności wprowadził Willet w 1901
roku „ryzyko jest obiektywnie współzależne od subiektywnej niepewności” „niepewność wystąpienia określonych skutków stanów natury”
• Frank H. Knight (1921), Risk, Uncertainty and Profit, Houghton Mifflin Company, Boston.
• Knight opublikował teorię niepewności mierzalnej (ryzyko) i niemierzalnej (niepewność sensu stricto)
• “The practical difference between the two categories, risk and uncertainty, is that in the former the distribution of the outcome in a group of instances is known (either through calculation a priori or from statistics of past experience), while in the case of uncertainty this is not true, the reason being in general that it is impossible to form a group of instances, because the situation dealt with is in a high degree unique.”
• Ryzyko może być wycenione, przy założeniu, że prawdopodobieństwo w przyszłości wiąże się z przeszłością.
RYZYKO I NIEPEWNOŚĆ• Pfeffer 1956 ryzyko jest hazardem i jest mierzone
prawdopodobieństwem, a niepewność jest mierzona poziomem wiary. Stąd ryzyko to stan świata a niepewność to stan umysłu.
• Antonim pewności – niepewność
• Peter L. Bernstein (1996), Against the Gods, John Wiley & Sons Inc., New York.
• Peter Bernstein wskazuje, że myślenie na temat ryzyka wyrosło z hazardu, gdzie prawdopodobieństwo daje się kalkulować. Klasycznie szansa na zdarzenie znajdowała rodowód w ubezpieczeniach – np. Oczekiwany czas życia, prawdopodobieństwo pożaru, wypadku samochodowego etc. daje się zdefiniować oraz wycenić cenowo.
• C.A.Williams, M.L.Smith, P.C.Young ryzyko to potencjalna zmienność zdarzeń
• W przypadku niepewności - uncertainty, nie znane są parametry rozkładu prawdopodobieństwa, nie potrafimy określić ich częstości, a więc i ceny. Np. ptasia grypa, dziś brak jeszcze informacji i doświadczenia.
RYZYKO
• Definicje:
• Ryzyko - możliwa szkoda lub strata związana z wyborem danego lub alternatywnego działania. Tu zwraca uwagę alternatywa wyboru.
• Preferencja ryzyka: preferowany wybór w warunkach ryzyka wynikający z preferencji wybierającego. Pojęcie odrębne od samego ryzyka (risk avers, risk neutral…)
• Miara ryzyka: realna wartość funkcji numerycznej reprezentująca ryzyko wyboru decydenta spośród dostępnych alternatyw.
• Zmienna losowa: funkcja zdefiniowana na zestawie przypadkowych zdarzeń z realnymi wartościami, które są uważane za losowe.
• Uporządkowanie ryzyka: ocena przez podejmującego ryzyko, które z nich jest większe, a które mniejsze
RYZYKO
• Wynik - możliwa konsekwencja działania
• Zakład - skończony zbiór wyczerpujących i wyłącznych wyników działania
• Prawdopodobieństwo - realna liczba między 0,1 wyrażająca stopień przekonania, który osoba przypisuje prawdzie określonej propozycji
• Niepewność - niekompletny stan wiedzy o istocie propozycji np. Jakie mogą być wyniki decyzji
• Alternatywa - wybór między dwiema lub większą ilością loterii
• Decyzja - nieowracalny, nieodwołalny wybór
Pierre Corneille dramaturg XVIIw: Wygrać bez ryzyka to tak, jak przeżyć wielki triumf
bez cienia glorii
RYZYKO
• Ryzyko może być pojęciem jednokierunkowym (negatywny efekt) lub wielokierunkowym (wypadkowa wielu czynników, różne efekty)
• W jednokierunkowym ujęciu ryzyko jest niebezpieczeństwem poniesienia straty
• W jednokierunkowym ujęciu zarządzanie ryzykiem jest minimalizacją straty
• Kryterium opłacalności w wielokierunkowym ujęciu ryzyka jest maksymalizacja zysku nad stratą
• Ryzyko jest zjawiskiem częstym
• Ryzyko nie jest czymś jednorodnym a więc nie ma uniwersalnej definicji ryzyka
• Dwa aspekty ryzyka: obiektywny i subiektywny
• Ryzyko bada się jako: niebezpieczeństwo, hazard, niepewność, prawdopodobieństwo
• Ryzyko jest raczej procesem niż stanem otoczenia
Sting piosenkarz: Wielu ludzi postrzega ryzyko jak wroga, podczas gdy jest ono
uśmiechem losu
NIEPEWNOŚĆ
• TAKTYCZNA:
• ekspozycja transakcyjna, zysk
lub strata na kontraktowym
cash flow wynikająca z FX,
%, commodity, equity, cen,
operacyjna,
• wpływ na rachunek wyników
• ekspozycja translacyjna,
straty lub zyski na aktywach
lub pasywach, wpływ na
bilans, ważne przy M&A
• STRATEGICZNA:
• Ekspozycja na
konkurencyjność, marże,
udziały w rynku,
technologia, kapitały
• Ekspozycja ekonomiczna
- długi okres, trudny
pomiar ryzyka,
PRAWDOPODOBIEŃSTWO
• Teoria prawdopodobieństwa zajmuje się modelami ujmującymi zachowanie się obserwowanych zjawisk (np.. Kursów, stóp…)
• Prawdopodobieństwo mierzy się od 0 do 1.
• Zjawiska mogą być deterministyczne 0 lub 1 oraz probabilistyczne (stochastyczne 0<p<1)
• Narzędziem jest abstrakcja matematyczna opisująca rozkład czynnika ryzyka. Każdy czynnik uważa się za zmienną losową (random variable) o określonej charakterystyce rozkładu.
RYZYKO
POJĘCIA PODSTAWOWE,
NIEPEWNOŚĆ A RYZYKO, RODZAJE
RYZYKA, PRAWDOPODOBIEŃSTWO,
RYZYKO POJĘCIA
PODSTAWOWE
• Czynnik ryzyka
• Przedmiot ryzyka (object)
• Spełnienie się ryzyka (peril)
• Konsekwencje spełnienia się ryzyka (loss)
• Ryzyko nie może być traktowane tylko jako element pogorszenia się sytuacji ale również jako możliwość poprawy (chance)
RYZYKO POJĘCIA
PODSTAWOWE• Ryzyko to sytuacja, gdzie szkodliwy czynnik ryzyka może się pojawić ale nie
jest w pełni przewidywalny.
• Z naukowego punktu widzenia przyczynowość jest podstawą determinizmu –jeżeli znamy wszystkie przyczyny danego zjawiska to możemy przewidzieć jego pojawianie się i skutki.
• Teoria prawdopodobieństwa jest matematyczną odpowiedzią na niepewność –gdzie zdarzenie nie jest w pełni przewidywalne - teoria - pozwala skwantyfikować możliwą przyszłość
• Prawdopodobieństwo tyle co szansa
• Wiedza redukuje niepewność, wtedy losowość zmniejsza się w stosunku do sytuacji deterministycznej
• Losowość jest tylko rezultatem niekompletnej wiedzy – Heisenberg W, 1927
• Niepewność a wiedza: niepewność wynika z niekompletnej wiedzy, ale często kompletna wiedza jest nie do uzyskania. (dialektyczna sprzeczność wiedzy i niepewności)
• Ryzyko jest ciągle zjawiskiem losowym ale prawdopodobieństwo zależy od czynników (driverów) ryzyka.
Bernstein,P 1996: risk is not a fate but a choice
NIEPEWNOŚĆ A RYZYKO
• Rozróżnienie ryzyka i niepewności wprowadził Willet w 1901 roku „ryzyko jest obiektywnie współzależne od subiektywnej niepewności” „niepewność wystąpienia określonych skutków stanów natury”
• Frank H. Knight (1921), Risk, Uncertainty and Profit, Houghton Mifflin Company, Boston.
• Knight opublikował teorię niepewności mierzalnej (ryzyko) i niemierzalnej (niepewność sensu stricto)
• “The practical difference between the two categories, risk and uncertainty, is that in the former the distribution of the outcome in a group of instances is known (either through calculation a priori or from statistics of past experience), while in the case of uncertainty this is not true, the reason being in general that it is impossible to form a group of instances, because the situation dealt with is in a high degree unique.”
• Ryzyko może być wycenione, przy założeniu, że prawdopodobieństwo w przyszłości wiąże się z przeszłością.
NIEPEWNOŚĆ• Krytyka przenoszenia pojęć z fizyki na ekonomię
• Minimalną niepewność DEFINIOWAŁ Werner Heisenberg 1927 ale to dotyczyło wielkich liczb i cząsteczek - bliżej uśredniania i Gaussa. Krytyka: ale pogoda, czy ekonomia to nie fizyka – epistemic opacity (poznawcza nieprzejrzystość)
• Świat nie jest jak geometria … Matka Natura nie chodziła do wyższej szkoły z geometrią i nie czytała książek Euklidesa z Aleksandrii. To jest zaprzeczeniem tego co pisał o naturze Galileusz, iż… jest napisana w języku matematyki o czcionkami są trójkąty, koła i inne figury geometryczne.
• Hayek był przeciwnikiem stosowania narzędzi fizyki do nauk społecznych
• Sterylna losowość gier, rzutów kostkami nie przypomina losowości prawdziwego życia
• Im więcej prób tym większe uśrednianie wyników
Henry Adams – Chaos jest prawem natury; porządek marzeniem człowieka
RYZYKO I NIEPEWNOŚĆ• Pfeffer 1956 ryzyko jest hazardem i jest mierzone
prawdopodobieństwem, a niepewność jest mierzona poziomem wiary Stąd ryzyko to stan świata a niepewność to stan umysłu.
• Antonim pewności – niepewność
• Peter L. Bernstein (1996), Against the Gods, John Wiley & Sons Inc., New York.
• Peter Bernstein wskazuje, że myślenie na temat ryzyka wyrosło z hazardu, gdzie prawdopodobieństwo daje się kalkulować. Klasycznie szansa na zdarzenie znajdowała rodowód w ubezpieczeniach – np. Oczekiwany czas życia, prawdopodobieństwo pożaru, wypadku samochodowego etc. daje się zdefiniować oraz wycenić cenowo.
• C.A.Williams, M.L.Smith, P.C.Young ryzyko to potencjalna zmienność zdarzeń
• W przypadku niepewności - uncertainty, nie znane są parametry rozkładu prawdopodobieństwa, nie potrafimy określić ich częstości, a więc i ceny. Np. ptasia grypa, dziś brak jeszcze informacji i doświadczenia.
Z. Bauman – Płynny lęk – „nazwa, jaką nadajemy naszej niepewności,
naszej niewiedzy o zagrożeniu i o tym co należy zrobić …”
RYZYKO
Definicje:
• Ryzyko - możliwa szkoda lub strata związana z wyborem danego lub alternatywnego działania lub stanu. Tu zwraca uwagę alternatywa wyboru.
• Preferencja ryzyka: preferowany wybór w warunkach ryzyka wynikający z preferencji wybierającego. Pojęcie odrębne od samego ryzyka (risk avers, risk neutral…)
• Miara ryzyka: realna wartość funkcji numerycznej reprezentująca ryzyko wyboru decydenta spośród dostępnych alternatyw.
• Zamienna losowa: funkcja zdefiniowana na zestawie przypadkowych zdarzeń z realnymi wartościami, które są uważane za losowe.
• Uporządkowanie ryzyka: ocena przez podejmującego ryzyko, które z nich jest większe, a które mniejsze
RYZYKO
• Wynik - możliwa konsekwencja działania
• Zakład - skończony zbiór wyczerpujących i wyłącznych wyników działania
• Prawdopodobieństwo - realna liczba między 0,1 wyrażająca stopień przekonania, który osoba przypisuje prawdzie określonej propozycji
• Niepewność - niekompletny stan wiedzy o istocie propozycji np. Jakie mogą być wyniki decyzji
• Alternatywa - wybór między dwiema lub większą ilością loterii
• Decyzja - nieowracalny, nieodwołalny wybór
Pierre Corneille dramaturg XVIIw: Wygrać bez ryzyka to tak, jak przeżyć wielki triumf
bez cienia glorii
RYZYKO• Ryzyko może być pojęciem jednokierunkowym (negatywny efekt) lub
wielokierunkowym (wypadkowa wielu czynników, różne efekty)
• W jednokierunkowym ujęciu ryzyko jest niebezpieczeństwem poniesienia straty
• W jednokierunkowym ujęciu zarządzanie ryzykiem jest minimalizacją straty
• Kryterium opłacalności w wielokierunkowym ujęciu ryzyka jest maksymalizacja zysku nad stratą
• Ryzyko jednowymiarowe np. efekt zmiany kursu walutowego, ryzyko wielowymiarowe – efekt zmiany indeksu giełdowego
• Ryzyko jest zjawiskiem częstym
• Ryzyko nie jest czymś jednorodnym a więc nie ma uniwersalnej definicji ryzyka
• Dwa aspekty ryzyka: obiektywny i subiektywny
• Ryzyko bada się jako: niebezpieczeństwo, hazard, niepewność, prawdopodobieństwo
• Ryzyko jest raczej procesem niż stanem otoczenia
Sting piosenkarz: Wielu ludzi postrzega ryzyko jak wroga, podczas gdy jest ono
uśmiechem losu
RYZYKO
• Przyszłość nigdy nie jest zdeterminowana a więc nie można jej przewidzieć.
• Koncentracja ryzyka jest jednym z największych problemów firm i banków, z natury oznacza to silną korelację czynników ryzyka, które w okresie wystąpienia mają silnie zdynamizowany efekt. Korelacja może być między przemysłami, geograficzna, produktowa etc. (multiple risk factors) W zależności od kierunku korelacji ryzyko może rosnąć lub maleć w stosunku do ryzyka poszczególnych czynników.
• Ulrich Beck Społeczeństwo ryzyka : dziś żyjemy w społeczeństwie globalnego ryzyka, większość zdarzeń przekracza granice państwowe, co się dzieje w Chinach wpływa na Polskę (ceny, inwestycje, zatrudnienie)
• Ubezpieczenie od ryzyka tworzy nowe ryzyko
• Ryzyko klimatyczne, finansowe, zatrucia środowiska, kryzysu energetycznego, terroryzmu
RYZYKO A CZAS• Rzuty kostką, karty nie mają pamięci i nie ma znaczenia
co wyrzucono wcześniej – złe i dobre passy są losowe. Wygrywając gracz chce wierzyć, że krótki czas rozwinie się w długi okres, przegrywając wierzy, że długi czas zamieni się w krótki okres. Ale niepomyślna passa może być bolesna. Ryzyko i czas to dwie strony medalu.
• Gdyby nie było jutra nie byłoby ryzyka.
• Często spotyka się tezę, że inwestując na długi okres zmniejsza się ryzyko, ale gdyby tak było to opcje dla długiego okresu musiałyby być bardzo tanie – a przecież są drogie
• Krótki okres jak ruletka
• Długi okres jak rosyjska ruletka
NIEPEWNOŚĆ
• TAKTYCZNA:
• ekspozycja transakcyjna, zysk
lub strata na kontraktowym
cash flow wynikająca z FX,
%, commodity, equity, cen,
operacyjna,
• wpływ na rachunek wyników
• ekspozycja translacyjna,
straty lub zyski na aktywach
lub pasywach, wpływ na
bilans, ważne przy M&A
• STRATEGICZNA:
• Ekspozycja na
konkurencyjność, marże,
udziały w rynku,
technologia, kapitały
• Ekspozycja ekonomiczna
- długi okres, trudny
pomiar ryzyka,
Centralną problemem niepewności nie jest prawdopodobieństwo
ale ocena zdolności poniesienia konsekwencji
PRAWDOPODOBIEŃSTWO
• Teoria prawdopodobieństwa zajmuje się
modelami ujmującymi zachowanie się
obserwowanych zjawisk (np.. Kursów, stóp…)
• Prawdopodobieństwo mierzy się od 0 do 1.
• Zjawiska mogą być deterministyczne 0 lub 1 oraz
probabilistyczne (stochastyczne 0<p<1) –
rozróżnienie między populacją a próbą z populacji
Kenneth Arrow: „nasza wiedza owiana jest mgłą niepewności. Wiara w pewność prowadzi
do katastrofalnych nastepstw”
PRAWDOPODOBIEŃSTWO
• Narzędziem jest abstrakcja matematyczna opisująca rozkład czynnika ryzyka. Każdy czynnik uważa się za zmienną losową (random variable) o określonej charakterystyce rozkładu.
• Proces stochastyczny może mieć różny przebieg:– Zdarzenia losowe, niezależne, o rozkładzie symetrycznym,
normalnym, [ w ekonomii koncepcja rynków efektywnych, losowość krocząca]
– Zdarzenia losowe – gdzie wartość oczekiwana jest warunkowa i zależy od wartości poprzedzających, gdy znana wartość od wcześniejszego momentu s to wartość warunkowa oczekiwana jest równa wartości w momencie s [martyngał, teorii chaosu, fraktale, zmiany nieliniowe, rozkłady niesymetryczne]
RYZYKO
KATEGORIE RYZYKA, RYZYKO
FINANSOWE, RYZYKO RYNKOWE,
CZYNNIKI RYZYKA RYNKOWEGO
J.M.Keynes „ gdy akumulacja kapitału jakiegoś kraju staje się ubocznym produktem gry hazardowej,
wyniki zawsze są opłakane”
„gdyby ludzi nie nęciło próbowanie szczęścia …
niewiele by chyba było inwestycji zrodzonych z chłodnej kalkulacji”
RYZYKO - KRYTERIA
• Kryteria:
• Ryzyko właściwe
– wynik działania prawa wielkich liczb
• Ryzyko subiektywne
– oceniane przez niedoskonałego człowieka
• Ryzyko obiektywne
– absolutna forma niepewności, niemożliwość przewidzenia niektórych zjawisk
• Ryzyko stałe (systematyczne, zewnętrzne, skorelowane)
- dotyczy np. systemu gospodarczego,
• Ryzyko niestałe (niesystematyczne, specyficzne, wewnętrzne, nieskorelowane)
– konkretnego przedsiębiorstwa– Kulpa, 1922,s.4-7
RYZYKO - KRYTERIA• Inny koncept ryzyka:
– Czyste (pure risk)• gdy alternatywą do obecnego stanu jest wystąpienie straty
– Spekulacyjne (speculative risk)• Gdy może wystąpić strata lub zysk
• Egzogeniczne vs endogeniczne
• Ryzyko zwykłe i ekstremalne
• Ekonomiczne, ludzkie, naturalne, przemysłowe
• Ryzyko taktyczne i strategiczne (holistic)
• Ryzyko ubezpieczane (gdzie istnieje rynek ubezpieczania ryzyka)
– Default risk, managemnt risk, business risk, financial risk, bankruptcy risk, liquidity risk, holding period risk, reinvestment risk, convertibility risk, political risk………
Cardano hazardzista „ z gier hazardowych największy pożytek wypływa wówczas,
gdy w ogóle ich nie uprawiamy”
RYZYKO A RYZYKO
FINANSOWE• Niepewność a ryzyko - niepewność mierzalna=ryzyko
• ryzyko to stan świata, niepewność to stan umysłu
• Ryzyko fiansowe - rozumie się tu jako zmienność
strumieni finansowych (volatility).Ryzyko też definiuje
się jako odchylenie między oczekiwanym a uzyskanym
wynikiem - możliwość zwiększenia lub zmniejszenia
rynkowej wartości kapitału w wyniku oddziaływania
czynników wewnętrznych lub zewnętrznych
• Narażenie na ryzyko = prawdopodobieństwo*ekspozycja• Analitycy kredytowi preferują stabilny cash-flow, RoE, RoA,
• Hedge redukuje zmienność strumieni
• Wizualizować ryzyko można poprzez funkcję gęstości (często założenie rozkładu normalnego)
RYZYKO VS. NIEPEWNOŚĆ -
KTYTERIA
Dziawgo,1998, s.16
PRZYSZLE
WYDARZENIA
RYZYKO NIEPEWNOSC
EFEKT ALTERNATYWA MIERZALNOSC NIEPEWNOSC POSTEP
RYZYKO
SPECYFICZNE
wewnetrzne
RYZYKO
SYSTEMATYCZNE
zewnetrzne
RYZYKO
CZYSTE
Tylko strata
RYZYKO
SPEKULACYJNE
Strata lub zysk
FINANSOWE NIEFINANSOWE
CZASU
MIEJSCA
WYSTAPIENIA
SKUTKU
STATYCZNE
DYNAMICZNE
RYZYKO KRYTERIA
RYZYKO TRANSAKCYJNE
WYDATEK =P*Q
RYZYKO TAKTYCZNE
RYZYKO TRANSALCYJNE
BILANSOWE=Pb*Q
np.31.12. p\P&L,A/P
PODATKOWE
RYZYKO STRATEGICZNE
RYZYKO EKONOMICZNE
RYZYKO KONKURENCJI
np.zmiana kursów
inwestycje bezposrednie
RYZYKO
RYZYKO FINANSOWE -
KRYTERIA
• Główne rodzaje ryzyka finansowego w firmach
– Płynności (upłynnienie aktywów)
– Rynkowe (cen rynkowych)
– Kredytowe (kontrahenta, bankructwa)
– Operacyjne ( transferu, wyceny, systemów,
utraty kontroli)
– Biznesowe (sprzedaży, prawne, regulacyjne,
reputacji, nowego produktu)
Kandall, 2000, Socik, 2000 s.51
RYZYKO FINANSOWE
• Ryzyko płynności – czyli stanu, w którym podmiot ma zdolność do wywiązywania się z bieżących oraz przyszłych zobowiązań
• Ryzyko rynkowe – niebezpieczeństwo poniesienia straty w wyniku niekorzystnych zmian parametrów rynkowych
• Ryzyko operacyjne – czyli ryzyko poniesienia straty w wyniku niedostosowania lub zawodności wewnętrznych procesów, techniki, ludzi…
• Ryzyko kredytowe – czyli sytuacja, w której kontrahent, częściowo lub w całości, nie reguluje w umówionym terminie płatności przewidzianej umową.
RYZYKO FINANSOWE
• RYNKOWE główne problemy
• identyfikacja, pomiar (metody),monitorowanie, kontrola/migracja,cashflow at risk,
• OPERACYJNE - główne problemy
• definicja, identyfikacja, modelowanie, wycena, bufor kapitałowy, VaR, modele strat, agregacja ryzyka operacyjnego, zarządzanie/limity
• Prawne, regulacyjne, podatkowe, reputacyjne, przyczyny, skutki, w tym regulacje derywatów,
• KREDYTOWE - główne problemy
• Czynniki ryzyka kredytowego, pomiar, rating, collateral, limity kredytowe,straty kredytowe, aktuariat default risk, proces odzyskiwania, spready a ryzyko, derywaty kredytowe,
• ekspozycja, prawdopodobieństwo straty, zwrot z ekspozycji zagrożonej, rozkład strat
• modelowanie ryzyka kredytowego, dywersyfikacja, migracja ryzyka, regulacje
• PŁYNNOŚCI – główne problemy
• Płynność instrumentów finansowych na rynku, płynność firmy, miary,
zarządzanie płynnością
RYZYKO FINANSOWE
Ryzyko rynkowe Ryzyko kredytowe
Ryzyko płynności Model risk
Ryzyko operacyjne
Ryzyko systemowe
RYZYKO - CZYNNIKI
• Główne czynniki:
– Niebezpieczeństwo (przyczyny, źródła straty)
• Sekwencja niebezpieczeństwa zagrożenie,
realizacja, efekty
– Hazard (zespół warunków i okoliczności)
• Hazard fizyczny, moralny, duchowy
RYZYKO - CZYNNIKI• Price risk
• Interest rates risk
• FX risk
• Credit risk
• Liquidity risk
• Capital risk
• Sovereign, country
risk
• Off-balance sheet risk
• Business risk
• Operational risk
• Technology risk
• Marketability,
liquidation risk
• Purchasing power risk
• War, revolution… risk
• Force major
ZARZĄDZANIE RYZYKIEM
ZDARZENIE, EKSPOZYCJA, KONSEKWENCJE, CZYNNIK RYZYKA,
ZARZĄDZANIE RYZYKIEM – DEFINICJA, STRATEGIA A RYZYKO, OGRANICZANIE
RYZYKA,
H. Von Moltke dowódca armii pruskiej: Najpierw rozważ wszelkie możliwości,
potem podejmuje ryzyko
ZARZĄDZANIE RYZYKIEM
• Dlaczego firmy zajmują się zarządzaniem
ryzykiem?
LIBERALIZACJA
GLOBALIZACJA
KONKURENCJA
R
Y
N
E
K
ZYSK
ZARZĄDZANIE RYZYKIEM
• Rolą zarządzającego jest utrzymanie przeżycia organizacji i pomyślności w działaniu
• Definicja zarządzania ryzykiem jest koncepcją otwartą (open concept) ale celem jest możliwe ograniczenie ryzyka
• Celem jest ochrona zasobów i reputacji firmy (szerokie) oraz zmniejszenie niepewności co do skutków podejmowanych decyzji
• Różne podejścia:– Zdarzenie niepewne prowokuje stratę (peril)
– Ekspozycja zasobów (object of risk)
– Konsekwencje finansowe (loss)
– Czynniki ryzyka (risk factors)
• Ryzyko twarde (możliwe do analizy) ryzyko miękkie (trudne do analizy)
Apetyt na ryzyko musi być pod kontrolą
ZARZĄDZANIE RYZYKIEM• Definicja: Zarządzanie ryzykiem to identyfikacja, mierzenie ryzyka oraz
decydowanie o skali akceptacji ryzyka i instrumentach ograniczających ryzyko.
– Rozpoznawanie rodzajów ryzyka
– Pomiar ryzyka
– Wycena ryzyka
– Dezagregacja i integracja wyceny ryzyka
– Kontrola ryzyka
– Informacja o ryzyku
• Inna definicja:Zarządzanie ryzykiem to dopasowywanie poziomu akceptowanego ryzyka do skłonności inwestorów do ponoszenia ryzyka.
• Zarządzanie ryzykiem to stały proces podejmowania i realizowania decyzji, które redukują ryzyko do akceptowalnego poziomu dla ekspozycji danej jednostki
• Inwestorzy: skłonni do ryzyka, neutralni na ryzyko oraz mający awersję do ryzyka
• Pasywne i aktywne zarządzanie ryzykiem
• Kontrola ryzyka fizyczna i finansowa
Best, 2000, s.14, Smithson, 2000
Warren Buffet: Ryzyko rodzi się wtedy, gdy nie wiesz dokładnie co robisz
ZARZĄDZANIE RYZYKIEM
UNIKANIE
RYZYKA
REDUKCJA
RYZYKA
FIZYCZNA
KONTROLA
RYZYKA
PODJECIE
RYZYKA
TRANSFER
RYZYKA
FINANSOWA
KONTROLA
RYZYKA
RYZYKO
Diacon, 1990, s.78
ZARZĄDZANIE RYZYKIEM
• Zarządzanie ryzykiem wpisuje się w:
– Cele zarządzania ryzykiem
– Cele organizacji
– Efektywność ekonomiczną
– Bezpieczeństwo środowiska
– Etykę i good citizenship
– Cele funkcjonalne
ZARZĄDZANIE RYZYKIEM
• Problemy:
• integracja ryzyka (różne rodzaje ryzyka w różnych departamentach)
• zdolność przywiązywania właściwej wagi między ryzykiem biznesowym i rynkowym (ryzyko a apetyt na ryzyko)
• właściwe zarządzanie zmiennością przychodów
• zachowanie właściwych marż na działalności operacyjnej (większe ryzyko - większa marża)
• minimalizowanie prawdopodobieństwa rynkowego kryzysów
• zarządzanie ryzykiem antycypowanych transakcji
• corporate governance w zakresie adekwatnego zarządzania ryzykiem
ZARZĄDZANIE RYZYKIEM• Celem jest:
– poprawa wyników
– zmniejszenie ryzyka
• Etapy zarządzania:
– rozpoznanie ryzyka
– badanie ekspozycji - pomiar
– kontrola
– informacja
– ocena procesu• Zarządzanie ryzykiem nie polega na jego unikaniu ale na wykorzystanie wiedzy i
umiejętności do jego oszacowania oraz uzyskania przy nim optymalnego dochodu
ZYSK RYZYKO
ZARZĄDZANIE RYZYKIEM
• Na płynnych (informacyjnie efektywnych) rynkach finansowych zarządzanie aktywne przeciętnie nie zapewnia ponadprzeciętnych stóp zwrotu
• Na mało płynnych rynkach finansowych Alfaczęsto nie jest Alfą (ponadprzeciętną stopą zwrotu), lecz premią za ryzyko braku płynności rynku)
3
ZARZĄDZANIE RYZYKIEM
Kluczowe pytania:
Jak odpowiednio i efektywnie
zarządzać ryzykiem?
Jak zrozumieć profili ryzyka
w firmie?
Jak zarządzanie ryzykiem
skutecznie wprowadzić w
firmie?
Pomiar ryzyka
Strategia w zakresie
ryzyka
Zarządzanie
kapitałem
Struktura zarządzania
ryzykiem
Czynniki ryzyka i ich wpływ na
firmę?
Wyniki finansowe przy
akceptowanym ryzyku?
Czy warto brać to ryzyko? Czy
lepiej zabezpieczyć się?
Jak zarządzać portfelem
ryzyka?
Jaki jest górny limit ryzyka dla
firmy?
Czy ryzyko jest adekwatnie
zabezpieczone kapitałem?
Jak wdrożyć efektywny system
zarządzania ryzykiem?
ZAGADNIENIA:
WZROST RYZYKA• Zjawisko nieustannego wzrostu ryzka (pieprz, złoto w Hiszpanii, złoto
w USA)
• od XVII do połowy XIX w ceny i kursy były relatywnie stabilne
(wahnięcia w czasie wojen napoleońskich, prusko-francuskiej i I
Wojny Światowej)
• Do 1971 r gold standard, gold bullion, gold foreign-exchange, stabilne
stopy procentowe oraz ceny
• Deregulacja rynków pieniężnych, kapitałowych, walutowych, euro,
azjo-rynki, integracja światowa, liberalizacja rynków energii,
• Enron, Worldcom, Ahold, Parmalat, 11iX01, 3 razy bankrutowała
Argentyna, stopy% od 1% rosły do 21% $, subprime 2007
• Odpowiedź harmonizacja (Sarbanes-Oxley, Basel II, MIFID)• Bill Gates Biznes szybki jak myśl - stan przerywanej równowagi do 1980 i stan przerywanego
chaosu po 1980
Dawniej życie było “stąpaniem po twardej ziemi” dziś to marsz po „ruchomych piaskach‟,
tylko ruch i aktywność chroni przed utonięciem.
OGRANICZANIE RYZYKA
• Wzrost posiadanych informacji
• Przeciwdziałanie ryzyku:
– Unikanie ryzyka
– Wkalkulowanie ryzyka
– Tworzenie rezerw
– Przeniesienie ryzyka
– Kompensacja ryzyka
OGRANICZANIE RYZYKA -
HISTORIA• Wzrost ilości transakcji terminowych spowodował
zagrożenie ryzykiem ostatecznego rozliczenia.
• Transakcje terminowe znali już Grecy na rynku oliwek,
Flamandowie w XII w dokonywali transakcji forward. W
XVII w Holendrzy wprowadzili opcje i futures. W XX w
powstały giełdy na te instrumenty
• Pierwszy swap był zawarty między holenderską firmą
Boskalis i angielskim koncernem ICI w 1976 roku
(wymiana strumienia guldenów na funty) oraz IBM i
Bankiem Światowym
SKALA OPERACJI
• Transakcje terminowe FX 18011 mld $
• Transakcje terminowe % 50015 mld $
• Transakcje terminowe na akcje 1 488 mld
• Transakcje terminowe commodities 10371
• Razem 80300 mld $
• w tym giełdowe 13549 mld $
• w tym Polska 25 mld $
• Źródło: BIS (1998)
RYZYKO – STATE OF ARTMAPOWANIE I PROFILOWANIE RYZYKA
• Podstawą zarządzania
– Risk map lub risk matrix (mapa ryzyka)
– Risk profile (profil ryzyka)
PROSTA
MATRYCA
RYZYKA
Częstość
Dotkliwość Niska Wysoka
Niska A B
Wysoka C D
IDENTYFIKACJA RYZYKA
FINANSOWEGO
TRANSAKCJE
BIZNESOWE
MA
PA
RY
ZY
KA
FILTR
RYZYKA
.TYP RYZYKA
.CZYNNIK RYZYKA
.WRAŻLIWOŚĆ NA RYZYKO
.STRUKTURA CZASOWA
.GEOGRAFIA RYZYKA
.SPONSOR RYZYKA
Kursy, stopy procentowe, ceny, pogoda, kredyt,
Krótki, długi okres
kraj, zagranica
Zła kominikacja, zły management, zły system płac
konkurencja, produkcja, zły marketing
zła logistyka etc.
ZARZĄDZANIE RYZYKIEM
• Zarządzanie ryzykiem to funkcja ekonomiczna.
Mierzą ją głównie 2 parametry (lub 3)
• OCZEKIWANY KOSZT RYZYKA =
CZĘSTOŚĆ (frequency)* DOTKLIWOŚĆ
(severity – oczekiwany koszt zdarzenia) niekiedy
jeszcze wymiar odchylenia standardowego np.
na 1 rok (F*S* )
NIEKTÓRE POJĘCIA
• KWANTYFIKACJA RYZYKA:
• Ekspozycja (notional - value, volume, object, resource)
• Czynniki ryzyka {r1…..rn}
• Zmienność { 1, 2….. n}
• Korelacje między różnymi rodzajami ryzyka
• wrażliwość {p1,…pn)
• Ekspozycja na ryzyko (risk exposure) { 1r1, 2r2….. nrn}
• Probabilistyka Np. Z poziomem ufności 99% kurs nie zmieni się negatywnie o więcej niż np. 2%w ciągu jednego dnia.
• Relatywne zmiany dzienne mogą być przypadkowe lub losowe i mieć jakiś rozkład np. rozkład normalny
• Relative volatility to nie absolutne odchylenie standardowe ale względna procentowa zmiana np. Z poziomem ufności 99%
RYZYKO
EKSPOZYCJA
STRATA
CZĘSTOŚĆ
ZDARZENIASKUTEK
DRIVERS
UNIKANIE TRANSFER REDUKCJA ABSORPCJA
DIAGNOZOWANIE RYZYKA
• MYŚL JAK FIRMA:
• Analizuj ekspozycję
finansową
• Dokonuj pomiaru
• Określ co powoduje
zmienność cash flow
• CZY RYZYKO JEST
• Mierzalne?
• Hedgeowalne?
• CO TO JEST HEDGE?
• Minimalizowanie
ekspozycji strumieni i
zasobów na przyszłe
zmiany rynkowe
• Zero-Sum-game
• METODY:
• Tradycyjne (non option)
• Nowoczesne (opcyjne)
ZASADY ZARZĄDZANIA
RYZYKIEM
RYZYKO
KULTUTRA RYZYKA & BEZPIECZEŃSTWO
POTWIERDZONE PRAKTYKI MIERZENIA
PROCEDURY
DZIAŁANIA
kwantyfikacja
Brak
kwantyfikacji
RYZYKO RYNKOWE
RYZYKO BRAKU SPŁATY
RYZYKO OPERACYJNE
RYZYKO PRAWNE
FORCE MAJEUR
ETC...
MIERZENIE RYZYKA• Kwantyfikacja ryzyka musi zawierać dwa rodzaje danych:
– wiekość możliwej straty,
– prawdopodobieństwo wystąpienia straty.
• Określenie: ekspozycji, czynników ryzyka, wrażliwości na ryzyko,
probabilistyka
• Podstawą jest rozkład prawdopodobieństwa lub jego określenie przez
parametry - wartość oczekiwana, wariancja.
MIERZENIE RYZYKA- MODEL
XOI
• Exposure, occurance, impact – XOI
• Ekspozycja – ilościowa miara wolumenu podatnego na ryzyko (może to być zmienna losowa)
• Wystąpienie – generalnie dwumianowa zmienna losowa kwantyfikowana jako prawdopodobieństwo
• Skutek – miara dotkliwości poszczególnego wydarzenia
• (czyli źródłowo = object, peril, consequence)
21
Volatility przychodów oraz
wpływ na rynkową
kapitalizację
Group Risk
Credit Risk
Volatility wynikająca ze
zmienności strat kredytu
Credit Losses
Loss
Rate
MeanEL
UL
Volatility wynikająca ze strat
operacyjnych
Operational Risk
Volatility wynikająca ze
zmienności cen rynkowych
Market Risk
EUR/USD Exchange rate
2 Standard Deviations
(VAR)
105
104
103
102
101
100
99
98
97
96
Sta
nd
ard
de
via
tio
n
95
Ryzyko grupuje się w
tzw.“buckets” aby efektywnie
zarządzać
Kluczową kwestią jest integracja ryzyka kredytowego, operacyjnego oraz
rynkowego i przetłumaczenie tego na język KAPITAŁU EKONOMICZNEGO
FIRMY
“KLASYCZNE”
GRUPOWANIE RYZYKA
MIERZENIE RYZYKA
• Trzy modele oceny prawdopodobieństwa:
– Wycena empiryczna – częstość (strata/ekspozycja w
czasie)
– Wycena teoretyczna – zewnętrzne założenia – np.
model Monte Carlo
– Wycena subiektywna - ekspercka
• Modele dla analizy ilościowej, czy jakościowej
mają jakąś wiodącą zasadę (bazę ideologiczną), co
powoduje różnicę ocen prawdopodobieństwa
MIERZENIE RYZYKAScenariusz Object Peril Impact
Błąd w orderze order błąd Koszt usunięcia
błędu
Kradzież kart Karta kredytowa defraudacja Koszt defraudacji
Błąd odsetek Produkt bankowy Roszczenie prawne Kompensata
Ogień w banku bank ogień Koszty napraw utrata
dochodów
Wirusy w serwerze Godziny pracy
serwera
Zawieszenie
systemów
Koszty naprawy,
utrata dochodów
Negatywna zmiana
kursów
Produkty bankowe Zmiana wycen Straty na
transakcjach
KONTROLA RYZYKA
• Celem zarządzania jest możliwa redukcja ryzyka, ponieważ ryzyka nie można stłumić w pełni
• Redukcja ryzyka mikroekonomicznego i makroekonomicznego
• Drivery ryzyka:
– Kontrolowalne
– Przewidywalne
– Obserwowalne
– Ukryte - niemierzalne
CORPORATEMETRICS
• Definiowanie miar ryzyka
• Metodyka mierzenia ryzyka
• Źródła danych i prognoz
• Kalkulacja ryzyka
• Riskmeritcs - koncentracja na wpływie
ryzyka na zmiany wartości finansowej
portfela aktywów, corporatemetrics -
badanie wpływu zmian rynku na wyniki
• Horyzont od 2-24 miesięcy
5
PROCES ZARZĄDZANIA
RYZYKIEMAnalysis ReportingCele firmy
Apetyt na ryzyko
Oczekiwania managerów
ANALIZA RYZYKA
Identifikacja
ryzyka
Pomiar
ryzyka
Portfel ryzykaMiary ryzyka
uwzględniające Risk-Return
Monitoring jako
Early Warning
System
Informacja,
Komunikacja
Kontrola ryzyka,
Rezultat finansowy
Ris
k P
ort
folio
Reszta
Ryzyka
Prewencja
Redukcja
Transfer
Absorpcja
KOSZTY RYZYKA -
FINANSOWANIERyzyko
strat
Oczekiwana
strata
Cat events
Stress test
Premie rezerwy Rezerwy
waluacjeEquity
Retained profitMożliwość
Refinansowania się
Źródło
Pokrycia
kapitałem
CORPORATE RISK BOOK
VS TRADING BOOK
DEAL DEAL DEALDEAL
INVENTORY
BUSINES
EXPOSURE
FINANCIAL
EXPOSURE
INVESTMENT
EXPOSURE
ORIGINAL
POSITION
HEDGE
POSITION
CORP.RISK
BOOK
RISK
LIMIT CFO
TREASURY
OPERATIVE
STAFF
ETAPY ROZWOJU ANALIZY
RYZYKA• Era przed Markowitz – ryzyko finansowe traktowano jako czynnik
korekcyjny oczekiwanego zysku. Wariancja i odchylenie standardowe były podstawą analiz. Ale wariancja nie jest dobrą miarą przy „szerokim ogonie”, czyli dla małych prawdopodobieństw (np..ryzyko bankructwa)
• Markowitz zaproponował wariancję jako miarę powiązaną ze stopą zysku
• JP.Morgan 1994 wprowadził VaR. (miara all or nothing)
• Braki VaR próbuje się nadrobić conditional VaR - CVaR
• Spektralne miary ryzyka (z funkcją odzwierciedlającą awersję do ryzyka)
• Dynamiczne miary ryzyka (wprowadza czynnik czasu)
Start-Up: Risk Management Services
Pure Advisory Service
Centric Client Relationship Bt
Additional Service: Technology
Roll-out RMS in Germany
Creating a Client Service Culture
Building-up of RMS in Europe
Additional Service: Outsourcing Functions
Going Global: Decision to Establish RMS-Teams Internationally
Establishing RMS as the Holistic Risk Management House
1997/1998 1999 2000 2001
RMS EWOLUCJA
ZARZĄDZANIE RYZYKIEM
• CELE:
• powiązanie strategii
finansowej z ryzykiem
finansowym
• ograniczenie
niepewności taktycznej
oraz strategicznej
• wpływ ryzyka na cele
finansowe
• ZARZĄDZANIE:
• wykorzystanie
związku ryzyka
inwestora i firmy
• ograniczanie ryzyka,
którego nie chce brać
akcjonariusz
Risk is like air in a squishly baloon. You can squeeze the baloon into a shape
you like but the air doesn‟t disappear
RYZYKO TO ODCHYLENIE
MIĘDZY OCZEKIWANYM A
FAKTYCZNYM WYNIKIEMOCZEKIWANA
STOPA ZYSKU
RZECZYWISTA
STOPA ZYSKU
POWRÓT DO PRZESZŁOŚCI
FUNDAMENTY MIERZENIA RYZYKA
KRÓTKIE PRZYPOMNIENIE
NARZĘDZI STATYSTYKI
Georg Chatin – matematyka to rodzaj fikcji. Nie wyjaśnisz stosunków z rodziną lub globalnej
Ekonomii za pomocą prostych równań czy logicznego rozumowania
TEORIA
PRAWDOPODOBIEŃSTWA• Teoria prawdopodobieństwa jest fundamentalnym matematycznym narzędziem służącym
kwantyfikacji niepewności.
• Centralnym problemem teorii prawdopodobieństwa są zmienne losowe, procesy stochastyczne i wydarzenia. Mogą to być wydarzenia jednostkowe lub zmieniające się w czasie w sposób losowy.
• Prawdopodobieństwo jest miarą stopnia niepewności i niewiedzy – niekompletność informacji, złożoność systemu, zjawisko losowe.
• W świecie deterministycznym Newtona nie ma miejsca na prawdopodobieństwo bo, gdy są znane wszystkie czynniki to skutek jest deterministyczny.
• Prawdopodobieństwo jest miarą relacji części zbioru do całości zbioru. Miary, które mogą być nazwane prawdopodobieństwem muszą wypełniać aksjomaty Kołomogorova. Aksjomaty reprezentują naszą intuicję niepewności.
• Zbiór wszystkich wyników E, które mogą się pojawić – rzuty monetą, kostką…
• Jeżeli koło rulety jest równe to prawdopodobieństwo pojawienia się wszystkich cyfr jest równe np. p z zerem =1/37
• Prawdopodobieństwo warunkowe:
• Prawdopodobieństwo A wiedząc, że wystąpi B
• Zdarzenia są niezależne gdy: P(A B)=P(A)*P(B)
• Np. osoba krótkowzroczna P(B)=0,4 i mężczyzna P(A)=0,5 tzn. 0,4*0,5=0,2 mężczyzna krótkowzroczny
• Np.
• P(daltonisci)=P(daltonista|mężczyzna)*P(mężczyzna)+P(daltonista|kobieta)*P(kobieta)=(40/500)*(500/1000)+(5/500)*(500/1000)=0,045
RYZYKO• Teoria prawdopodobieństwa to matematyczne kwantyfikowanie niepewności. Relacja podzbioru
do zbioru wszystkich elementów
• Klasyczna teoria prawdopodobieństwa:
• Aksjomaty Kołomogorova:
• Ryzyko od zjawisk niemożliwych p=0 do pewnych p=1 ; podzbiór E<=0;>=1
• zajście zdarzenia przeciwnego 1-P(E)=1 (pewne jak śmierć)
• suma prawdopodobieństw P(A)+P(B)-P(AiB), iloczyn P(AiB),
• E=suma wszystkich możliwych zdarzeń; prawdopodobieństwo całego zbioru P(E)=1
• ½ orzeł
• Rzut monetą 50:50,
• ½ reszka
• kostką 6*p=1->p=1/6. Skończona ilość elementów zbioru zdarzeń P=n/m
• Geometryczna definicja prawdopodobieństwa, gdy punkt w przestrzeni należy do q(Q) to P=q/Q
• Teoria prawdopodobieństwa oparata w empirii o częstość względną
• Badanie statystyczne (próba) Prawdopodobieństwo jest granicą z próby P=lim (n1/n), próba musi być reprezentatywna (Mises.R.)
• Prawdopodobieństwo warunkowe Bayes theorem
• P(A|B)=P(AiB)/(P(B) lub P(B|A)=P(AiB)/(P(A) lub P(A|B)=P(A).P(B|A)/(P(B)
• Zdarzenia niezależne vs. zależne
Żołnierze Poncjusz Piłata rzucali losy o szatę Chrystusa
PRAWDOPODOBIEŃSTWO• Teoria prawdopodobieństwa dyskretnego
– Def. Nowoczesna - przestrzeń prób w relacji do wszystkich możliwych wyników
– f(x) należy do <0;1>; suma f(x)=1
– Zdarzenie E jako podzbiór omega
• Teoria prawdopodobieństwa ciągłego:
– Skumulowana funkcja rozkładu F(X)=P(X<=x)
– Własności: F funkcja monotonicznie niemalejąca, Lim F(x) dla – nieskończoności=0 dla +nieskończoności=1
– Funkcja gęstości prawdopodobieństwa jest różniczką F(x) i f(x)=dF(x)/dx
– P(XdoE)= całka xdoE dF(x) lub całka f(x)dx
ZAŁOŻENIA ANALIZ
PRAWDOPODOBIEŃSTWA
• Zmienne losowe:
• Gdy R przypisane jest prawdopodobieństwo na całym zbiorze E
• Gdy przypisze się możliwym wynikom X prawdopodobieństwo wtedy mówimy o rozkładzie X
• Dwie zmienne losowe X i Y są niezależne, jeżeli dla każdej pary (X=x) i (Y=y) są niezależne od jakiejkolwiek pary (x,y)
• Czyli P(X=x)|Y=y)=P(X=x)
• Momenty zmiennych:
• Wartość oczekiwana zmiennych losowych jest sumą ważonych prawdopodobieństwem wartości:
• E(X)=x1*P(X-x1)+x2*P(X=x2)+…+xn*P(X=xn)
ZAŁOŻENIA ANALIZ
PRAWDOPODOBIEŃSTWA
• Dla każdej zmiennej losowej X o wartości oczekiwanej E(X) można zdefiniować zmienną losową (wariancję) V=(X-E(X))^2=
• (x1-E(X))^2*P(X=x1)+… (xn-E(X))^2*P(X=xn)
• Wariancja lub pierwiastek kwadratowy to odchylenie standardowe
• Dla dwóch zmiennych X, Y, uwzględnia się kowariancję:• Cov(X,Y)=(x1-E(X))^2*P(X=x1)(y1-E(Y))^2*P(Y=y1)+…
(xn-E(X))^2*P(X=xn)(yn-E(Y))^2*P(Y=yn)
• Korelacja dwóch zmiennych X oraz Y jest definiowana jako współczynnik:
• (X,Y)=cov(X,Y)/( (X)* (Y))
ZAŁOŻENIA ANALIZ
PRAWDOPODOBIEŃSTWA• Czynniki ryzyka mają rozkład prawdopodobieństwa
• Każdy czynnik ryzyka jest traktowany jako zmienna losowa (random)
• Każdy czynnik ma funkcję gęstości oraz dystrybuantę
• Te funkcje mogą być opisane przy pomocy momentów (średnia, wariancja, skośność, kurtoza)
• Rozkłady mogą być np. normalne, lognormalne, Studenta, binominalne…
• Klasyczne podejście do prawdopodobieństwa bazuje na koncepcji zmiennej losowej.
• Niezależne obserwacje mają atrakcyjną właściwość, że ich wspólny rozkład jest produktem ich marginalnych rozkładów. Można też przyjąć, że ceny są bliskie losowym a więc niezależnym zdarzeniom.
• To wynika z koncepcji efektywności rynków, gdzie cała informacja jest zdyskontowana w cenie. Zmiana ceny może tylko zależeć od nowych informacji a te są nieprzewidywalne. A więc ceny są nieprzewidywalne a więc są całkowicie losowe – hipoteza „random walk” (to też oznacza, że analiza techniczna jest nonsensem)
• Jeżeli rozkład stóp zwrotu jest stały w czasie to zmienne są niezależne i mają identyczny rozkład.
• Ale losowość może być warunkowana poprzedzającymi zdarzeniami (nieznane rozkłady)
STATYSTYKA
• Niekompletna informacja o populacji (często nieskończonej) wymaga badań statystycznych na próbie (skończonej)
• Skala prawdopodobieństwa - od zdarzenia niemożliwego do zdarzenia pewnego
• Prawdopodobieństwo zdarzenia mieści się pomiędzy 0<=P(A)<=1
• Prawdopodobieństwo: wkład klasyczny zmiennej losowej(a priori, eksperyment Laplace np. Moneta 1/2)(deterministyczne), - empiryczne, subiektywne(stochastyczne 0<P<1)
• Np. rzut monetą daje zmienną losową o rozkładzie dwumianowym
• Koncepcję zmiennej losowej można przenieść na zjawiska gospodarcze – zmienność cen, kursów, stóp zwrotu etc.
1)(AiP
ROZKŁAD STOPY ZYSKU
(HISTOGRAM)
5
10
20
30
20
10
5
0
5
10
15
20
25
30
<-5
%
-5%
0%
5%
10%
15%
>+
15%
Stopa zysku
95% PRAWDOPODOBIEŃSTWA , ŻE NIE MNIEJ NIŻ -5%
P(X=xi)=pi
Suma pi=1P(X=xi)
x
ROZKŁAD ZMIENNEJ LOSOWEJ X
PRAWDOPODOBIEŃSTWO
DYSTRYBUANTA P(X<=x)=p1+p2..pn=1
STATYSTYKA• Częstość względna może być
przybliżeniem prawdopodobieństwa o ile nie różni się istotnie z prawdopodobieństwem =1
• Prawdopodobieństwo w przedziale 0,1
• suma prawdopodobieństwa zdarzenia A i dopełniającego =1
• Dystrybuanta – skumulowana funkcja dystrybucji, dyskretna lub ciągła
• Dystrybuanta empiryczna dla x<xi to suma częstości względnych
• Funkcja gęstości prwadopodobieństwa; funkcja częstości f(x)
• Dystrybuanta, skumulowana funkcja dystrybucji F(x)
N
nnxxwxG
dx
xdFxfudufxF
rozkłozdyskretnyxfxF
xXPxF
APAP
APAPpAP
pN
nP
iii
x
xx
j
n n
nn
i
N
j
11 ...)()(
)()(;)()()(
)()(
)()(
1)()(
)()(1)(0
1}{lim
f(x) F(x)
1
0
PRZYKŁAD 2 KOSTKI
wynik czestosc P(xi) Skumu.P
xi n(x) f(x) F(x)
2 1 0,027778 0,027778
3 2 0,055556 0,083333
4 3 0,083333 0,166667
5 4 0,111111 0,277778
6 5 0,138889 0,416667
7 6 0,166667 0,583333
8 5 0,138889 0,722222
9 4 0,111111 0,833333
10 3 0,083333 0,916667
11 2 0,055556 0,972222
12 1 0,027778 1
36
STATYSTYKA
DESKRYPTYWNA
STATYSTYKA• Zadaniem jest przedstawienie
danych empirycznych w
przejrzysty sposób
• Opracownie informacji
• Główne formy miar
statystycznych - momenty:
• wartość środkowa
• dyspersja
• odchylenie
• ostrość4,3,2,1
)(4
)(3
2
10
)(1
momentyczyli
kurtozapeaknessjesttokorazśredniaadla
asymetriaskewnessjesttokorazśredniaadla
wariancjajesttokorazśredniaadla
średniajesttokorazadla
n
axn
i
k
i
STATYSTYKA
• Miary wartości środkowej:
– średnia, środek matematyczny
– mediana (50% wartości jest <me)
– wartość modalna (typowa)
– kwartyle 1,2,3,(<25%, <50%,<75%)
– percentyle podział zbioru na 100 równych części,
(pierwszy przedział -nieskończoność do V) czyli z
prawdopodobieństwem 1%, że w tym przedziale
będzie (np.strata)
STATYSTYKA
• Wartość średnia = suma
wszystkich wartości/ilość
obserwacji
• (1+1+1+2+3+3+24)/7=5
średnia nie ważona, ważona
• Kwantyl
• mediana jest 2 (wartość
środkowa, gdy spełnia
nierówność)
• dominanta, wartość modalna
(typowa) 1
2
1)(,
2
1)(
2/1)()(
)(*)(
1
1
xXPxXP
medianacgdycduufxF
xdlakwantyluodcieciec
N
n
x
dxxfxxEN
x
i
n
ii
n
ii
x
xx
STATYSTYKA• Rozstęp
• Jeżeli średnia głębokość rzeki wynosi 30
cm, to czy można wejść do niej bez
zastanowienia?
• Trzeba wiedzieć, jak się odchyla głębokość
rzeki od średniej
• Wariancja lub odchylenie standardowe
• wartość 1 1 1 2 3 3 24 średnia 5
• odchylenie -4 -4 -4 -3 -2 -2 19 średnia
odchyleń = 0
• wariancja (16+16+16+9+4+4+361)/6=71
• odchylenie standardowe 71^0.5=8.426
• Xs - zmienna standaryzowana, średnia
standaryzowana=0, odchylenie
standardowe zmiennej standaryzowanej
Ss=1,
1)(,0)(
)()(
2)^(1
)()([)(
2)^(1
1
)(
2
22
2
minmax
ssi
is
typowa
n
j j
n
j j
xSxxS
xxx
xSxxxSx
n
dxxfXExxV
n
xO
xx
xxs
xx
STATYSTYKA - CZASJeżeli stopa zwrotu zależy od
czasu to i wariancja zależy od czasu stąd:
Czyli można przeliczyć wariancję np. dzienną na okresową.
Czyli przy nieskorelowanych stopach zwrotu zmienność rośnie wraz pierwiastkiem kwadratowym czasu.
Dla skorelowanych zależy od wspólczynnika korelacji
Trr
stad
Trr
TrErE
T
T
T
)()(
:
*)()(
*)()(
1
1
22
1
)1(*)(2)(2)()()( 1
2
1
2
1
2
1
2
2
2 rrrrr
STATYSTYKA – MIARY
ZMIENNOŚCI
OKRES PORTFEL ASREDNIA X-XS (X-XS) 2̂
Stopa R Srednia R Odchylenia
1 0,107000 0,110000 -0,003000 0,000009
2 0,115000 0,110000 0,005000 0,000025
3 0,111000 0,110000 0,001000 0,000001
4 0,112000 0,110000 0,002000 0,000004
5 0,105000 0,110000 -0,005000 0,000025
srednia 0,110000 suma 2̂ 0,000064
odchyl.st 0,004000
Rozkład normalny dla (E10)= 0,5015958
ŚREDNIA, ODCHYLENIE STANDARDOWE
PRZYKŁAD
STATYSTYKA – MIARY
ZMIENNOŚCI
• Odchylenie przeciętne
• Współczynnik
zmienności x
xSxV
nxxN
xd i
k
i
i
)()(
1)(
1
STATYSTYKA - SKOŚNOŚĆ
Współczynnik asymetrii (skewness) –
mierzy odchylenie od symetryczności
rozkładu – moment centralny trzeciego
rzędu.
Rozkład dyskretny i ciągły
Wartość ujemna informuje o długiej
ujemnej części „ogona”, a więc o
większym prawdopodobieństwie
zdarzeń negatywnych
3
3
3
2
3
))()]([(
)1
)((
1
)(
dxxfxEx
n
xx
n
xx
Skośność 0
Skośność dodatnia
Skośność ujemna
STATYSTYKA - OSTROŚĆ• Kuroza - miara niezgodności z
rozkładem Gaussa, miara spłaszczenia
– szerokości ogona. Definicja:
• Dla nie Gaussa kurtoza =/ od 0
• Pokazuje ostrość szczytu rozkładu
• Dla rozkładu normalnego:
• Współczynnik Kurtoza dyskretna i
ciągła:
224
224
))((3)(
.
))((3)()(
yEyE
wariancjijedy
yEyEykurt
4
4
42
4
))()]([(
1
)(
1
)(
dxxfxEx
n
xx
n
xx
Kurtoza 3Kurtoza<3
Kurtoza>3
STATYSTYKA - PRZYKŁADWYNIK xj PARWDOPOD.f(x) ŚREDNIA xf(x) WARIANCJA SKOŚNOŚĆ KURTOZA
2 0,0278 0,0556 0,6944 -3,4722 17,3611
3 0,0556 0,1667 0,8889 -3,5556 14,2222
4 0,0833 0,3333 0,7500 -2,2500 6,7500
5 0,1111 0,5556 0,4444 -0,8889 1,7778
6 0,1389 0,8333 0,1389 -0,1389 0,1389
7 0,1667 1,1667 0,0000 0,0000 0,0000
8 0,1389 1,1111 0,1389 0,1389 0,1389
9 0,1111 1,0000 0,4444 0,8889 1,7778
10 0,0833 0,8333 0,7500 2,2500 6,7500
11 0,0556 0,6111 0,8889 3,5556 14,2222
12 0,0278 0,3333 0,6944 3,4722 17,3611
suma 1,00 7,00 5,83 0,00 80,50
mianownik 14,09 34,03
Srednia Odchylenie stand Skośność kurtoza
7,00 2,42 0,00 2,37
Hazardzista szuka prawdopodobieństwa oczek w 2 rzutach kośćmi. Możliwości rzutów par wyników
jest 36. Następnie buduje tabelę prawdopodobieństwa wyrzucenia oczek od 2 do 12.
STATYTSTYKA ROZKŁAD
WIELOCZYNNIKOWY
• W praktyce występuje jednocześnie wiele
zmiennych losowych determinujących np.
zyskowność portfela. Różne waluty, różne
stopy procentowe.
• Nie zawsze jednak zmienne są niezależne.
• Gdy mamy dwie zmienne możemy policzyć
kowariancję lub współczynnik korelacji
STATYSTYKA -
KOWARIANCJA; KORELACJA
• Kowariancja -
• Współczynnik korelacji jest miarą liniwej zależności [-1;+1] –mierzy czy oba czynniki poruszają się w tym samym kierunku, czy w przeciwnych
21
2121
2
2121122211
1
2,121
)cov(),(
),()]()][([),cov(
XXXX
dxdxxxfXExXExxx
STATYSTYKA FUNKCJE
ZMIENNEJ LOSOWEJ
• Zarządzanie ryzykiem polega na odkryciu
rozkładu zmiennej losowej
• Najczęściej modeluje się rozkład
przychodów z instrumentów finansowych.
STATYSTYKA
LINIOWA TRANSFORMACJA
ZMIENNEJ LOSOWEJ• Zmienna losowa może
zmieniać się liniowo według
stałego parametru b i stałej a:
• Np. portfel 1 mln $ oraz 1000
mln Yen, gdy E(X)=1/100 a
SD(X)=0.10/100=0.001
• E(Y)=1$+1000Y*1/100=
• 11 mln$ a stand
dev.=1000*0.001=1 mln$
)()(
)()(
2 XVbbXaV
XbEabXaE
STATYSTYKA - SUMA
ZMIENNYCH LOSOWYCH
• Gdy np. dwie zmienne losowe w portfelu np.
dwie akcje
),(2)()()(
)()()(
212121
2121
21
XXCOVXVXVXXV
XEXEXXE
XXY
STATYSTYKA – PORTEL
ZMIENNYCH LOSOWYCH
• Jeżeli portfel Y składa się z
i instrumentów o wagach w
oraz stopie zwrotu Xi:
• Wartość oczekiwana
zwrotu z portfela:
• Wariancja portfela:
• Zapis macierzowy
wariancji zwrotu z portfela
• [macierz kowariancji]
wmacierzw
w
w
w
www
wwwYV
wYE
Xw
X
X
X
www
XwY
p
p
N
ijj
ijji
N
i
N
i
ii
N
i
iip
N
i
ii
*cov]'*[
]][][[
)(
)(
'
2
3
2
1
332331
232221
131211
321
2
,11
222
3
2
1
321
STATYSTYKA
0
0,05
0,1
0,15
0,2
0,25
-40% -30% -20% -10% 0% 10% 20% 30% 40% 50% 60% 70%
0
0,2
0,4
0,6
0,8
1
1,2
STOPA ZYSKU
Skumul
• Rozkład zmiennej losowej (histogram i jego aproksymacja
funkcją gęstości) Zwrot z rynku akcji w USA
• Gęstość prawdopodobieństwa (przy dostatecznie dużej
próbie lim(n1/n)->P(n1)
STATYSTYKA
• Funkcja gęstości prawopodobieństwa oraz dystrybuanta
zmiennej losowej ciągłej (skumulowane
prawdopodobieństwo),
• dla zdarzenia losowego pi=0, ale dla przedziału jest
policzalne i różne od 0
b
a
dxxfbXaP )()(
f(x)F(x)
Przybycie do pracy punktualne
- +
-15 minut +15 minut
Krzywa gęstościKrzywa prawdopodobieństwa
)(
0)(
10 iii
ii
xXxPp
xXPp
a b
x
dttfxXPxF *)()()(
STATYSTYKA
• Rozkład (funkcje
gęstości) różne średnie
x x1
ciagladxxxfXE
skokowaXEi
ii px
})()(
)(
dxxfxExXD
pXExEX iiD
)()]([)(
)]([)(
22
22
0 1 2
1/4 1/2 1/4E(X)=0*1/4+1*1/2+2*1/4=1
Np..X
P(X)
STATYSTYKA• Rozkład dwumianowy (Bernoulli):
• n doświadczeń, gdzie zdarzenie może
być oczekiwane z
prawdopodobieństwem p lub zdarzenie
dopełniające z prawdopodobieństwem
q=1-p (czyli np. opcja 0 lub 1)
• czyli zdarzenie x zachodzi n razy a
przeciwne n-x
• Rozkład symetryczny dla p=0,5 oraz
niesymetryczny dla p=/0,5
• Wartość oczekiwa E(x)=np
• Wariancja D(X)^2=npq
• Asymetria A(X)=(1-2p)/D(X)
)!(!
!)(
..*..)(
knk
n
k
n
qqqqpppppk
nPkf qp
knk
STATYSTYKA
k 10 nad k P(n,k)
0 1 0,001275
1 10 0,012079
2 45 0,051495
3 120 0,130094
4 210 0,215682
5 252 0,245196
6 210 0,193576
7 120 0,104793
8 45 0,037229
9 10 0,007838
10 1 0,000743
win
lose
win
lose
win
lose
Prawdopodobieństwo wygrania w kasynie k razy na czerwone
P=18/37.
Rozkład binominalny - dwumianowy
)!(!
!)(
..*..)(
knk
n
k
n
qqqqpppppk
nPkf qp
knk
STATYSTYKA - ROZKŁAD
NORMALNY• Jeden z najważniejszych rozkładów dla analizy zachowań
behavioralnych (metoda pierwszego wyboru jako pierwsza aproksymacja wielu zmiennych ekonomicznych – kursy, ceny, stopy zwrotów – duża częstość, małe zmiany np. P1=Po(1+r))
• Rozkład dzwonu
• Rozkład normalny można scharakteryzować przez dwa momenty: wartość oczekiwaną oraz odchylenie standardowe
• Aby ułatwić sobie analizy często używa się rozkładu normalnego standaryzowanego
• Rozkład jest symetryczny wokół nadziei matematycznej 50% z jednej i 50% z drugiej strony. Skośność = 0, kurtoza dla rozkładu normalnego = 3
• Założenie stabilności parametrów, niezależnych losowych zmiennych
STATYSTYKA
ROZKŁAD NORMALNY
emx
xf 2^2
2)^(
2
1)(• Funkcja gęstości
– prawdopodobieństwa
• Dystrybuanta
– skumulowane
– prawdopodobieństwo
• Wartość oczekiwana:
• Wariancja:
dtxF
x mx
e 2^2
2)^(
2
1)(
mdxxXE emx
2^2
2)^(
2
1)(
222
2
)(
2
1)( 2
2
)( dxmx
X emxD
STATYSTYKA• Rozkład normalny: wiele zjawisk
gospodarczych ma rozkład zbliżony do normalnego: symetryczny, dzwonowaty, od -nieskończoności do + nieskończoności, zdefiniowany przez wartość średnią i odchylenie standardowe
• K.F.Gaussa(1777-1855) funkcja gęstości
• Gdy standaryzowana rozkład normalny o parametrach N(0,1)
• Dystrybuanta dla standaryzowanego = N(d)
e
e
iu
i
ii
i
x
uf
wtedy
xu
daryzowanaszmienna
Xpxf
gestosciFunkcja
2
2^2
2)^(
2
2
1)(
tan
)(2
1)(
STATYSTYKA• Aby obliczyć prawdopodobieństwo znalezienia się
poniżej wartości a liczymy całkę od - do a :
)(2
1))(Pr( 2
2
aNduauf i
ua
i ei
Ui NORMSDIST(Ui)
-5 0,00000
-4 0,00003
-3 0,00135
-2,3263 0,01000
-2 0,02275
-1,6449 0,05000
-1 0,15866
0 0,50000
1 0,84134
1,6449 0,95000
2 0,97725
2,3263 0,99000
3 0,99865
4 0,99997
5 1,00000
SKUMULOWANE PRAWDOPODOBIEŃSTWO W
ROZKŁADZIE NORMALNYM
STANDARYZOWANYM
0,00000
0,20000
0,40000
0,60000
0,80000
1,00000
1,20000-5 -4 -3
-2,3 -2
-1,6 -1 0 1
1,6
4 2
2,3
3 3 4 5
Ui
N(d
)
Series1
STATYSTYKA• Przedział ufności przy zakładanym
poziomie istotności dla rozkładu
normalnego standaryzowanego
• Przy poziomie istotności 5%, czyli ufności
95% prawdopodobieństwo znalezienia się
poniżej -1,6449 odchylenia standardowego
wynosi 5%, a dla -2,33 wynosi 1%.
• Prawdopodobieństwo, że kurs spadnie
poniżej 3,33 PLN/EUR jest równe 1%
Poziom Ui
a Normsinv
0,001 -3,0903
0,01 -2,3263
0,05 -1,6449
0,1 -1,2816
0,2 -0,8416
0,3 -0,5244
0,4 -0,2533
0,5 0,0000
0,6 0,2533
0,7 0,5244
0,8 0,8416
0,9 1,2816
0,99 2,3263
0,999 3,0903
33,38,32,0*33,2
/8,3;/2,0.
*
EURPLNEURPLNnp
xu ii
ROZKŁAD NORMALNY
-3D(X) -2D(X) -1D(X) E(X) 1D(X) 2D(X) 3D(X)
-3 -2 -1 0 +1 +2 +3
f(ui)
F(u=-3)=0.00135 F(u=-2)=0.02275 F(u=-1)=0.15870 F(u=0)=0.50000 F(u=1)=0.8430 F(u=2)=0.97725 F(u=3)=0.99865
F(ui)1
0
0.3989
0.5
STATYSTYKA
TERMINOLOGIA
a-poziom
istotności
średnia
Funkcja gęstości
1-a poziom ufności
Odchylenie standardowe
volatility
Przedział ufności
Zdarzenia
małoprawdopodobneZdarzenia prawdopodobne
-Ua-wartość krytyczna
rozdziela: Ua-wartość krytyczna
STATYSTYKA
TERMINOLOGIA
f(lnZt) f(lnZt/ )
N(m, )
N(0,1)
U *NOTIONAL UVaR=
Wartość krytyczna
Funkcja gęstości
-poziom
istotności
1- -poziom
ufności
standaryzacja
Standaryzowany rozkład normalny
“łatwy w obsłudze”
1
/2 /2
Skumulowana funkcja gęstości
prawdopodobieństwa to dystrybuanta
STATYSTYKA
ROZKŁAD NORMALNY
-
-2
98%
68%
1.645
95%
DYSTRYBUANTA PRZYJMIE U* -2.330 -1.645 -1.000 0.000 1.000 1.650
ODCHYLENIE STANDARDOWE
PRAWDOPODOBIEŃSTWO 1% 5% 15.9% 50% 84.1% 95.1%
2.33
99%
Odczyt z tablic Gaussa
U
Instrumenty symetryczne eliminuja
ryzyko po obu stronach,
instrumenty niesymetryczne tylko
po jednej stronie
-1.645
5%-2.33
1%
ROZKŁAD NORMALNY
PRAWDOPODOBIEŃSTWO
X= 1
x= -1
m= 0
S= 1
P(0,049<x<0,05) 0,682689 /=NORMDIST(B3;B5;B6;1)-/NORMDIST(B4;B5;B6;1)
• X;(1,0) ? P(-1<x<1)
• Kluczowe dla rozkładu normalnego jest twierdzenie, że:
• Liniowa kombinacja zmiennych o rozkładzie normalnym ma rozkład normalny
ROZKŁAD LOGNORMALNY• Rozkład normalny nie zawsze jest
teoretycznie poprawny – ponieważ
np. akcje nie mogą mieć wartości
ujemnej, podobnie jak ceny dóbr i
najniższa stopa zwrotu może być -
100%
• Dlatego często stosuje się rozkład
lognormalny:
• Ceny są zawsze dodatnie,
prawostronna skośność, fat tail
),(
1)(
)/ln(1
01
01
rozkladzieo
etr
ePPczyli
PPrer
rt
r
r
P r=lnP/Pt-1 Poexp(exp(B..)
100
110 0,10 110
120 0,09 120
115 -0,04 115
112 -0,03 112
119 0,06 119
108 -0,10 108
90 -0,18 90
10 -2,20 10
ROZKŁAD LOGNORMALNY• Rozkład jest lognormal, gdy ln
zmiennej ma rozkład normalny
• Gdy zmiany są duże lub horyzont długi
to zmienne skokowe i ciągłe dają
różnice w wartościach przyrostów)1))(exp(2exp()(
2exp)(
02
1)(
22
2
2^2
2)^(ln
XD
XE
xdlax
xf
gestosciFunkcja
ex
Ten rozkład lepiej oddaje sytuację, w której wartość akcji nie może być poniżej 0,
bo można stracić tylko akcje - limited liability w spólkach.
ZMIANA DZIENNA ROCZNA
CENA 100 100
CENA T1 101 120
r 1,0000% 20,0000%
LN r 0,9950% 18,2322%
RÓŻNICA -0,0050% -1,7678%
ROZKŁAD LOGNORMALNY
cena akcji 10 volatiliy 0,05
śred R% 0,08%
RANDOM LOSOWY SYMUL.AKCJE
CZESTOŚĆVARIABLE ZWROT AKCJI
0 0,199028892 1,08% 10,10809
0 -0,173883376 -0,79% 9,921369
1 1,044052423 5,30% 10,54432
7 -0,154273238 -0,69% 9,931102
16 0,401229985 2,09% 10,21081
36 0,139076077 0,78% 10,07784
62 1,088693298 5,52% 10,56789
77 -0,017420592 -0,01% 9,99929
93 -0,099595834 -0,42% 9,958289
77 -1,092875758 -5,38% 9,475801
84 1,228362514 6,22% 10,64194
76 -0,56965545 -2,77% 9,726969
68 1,038209212 5,27% 10,54124
44 -1,156412546 -5,70% 9,445746
56 0,310102379 1,63% 10,16439
40 0,001018564 0,09% 10,00851
35 0,530435994 2,73% 10,27698
29 -0,029756059 -0,07% 9,993124
37 -1,065123989 -5,25% 9,488959
31 0,359440805 1,88% 10,18949
14 -0,648811202 -3,16% 9,688548
CZĘSTOŚĆ WARTOŚCI AKCJI
0
10
20
30
40
50
60
70
80
90
100
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39
WARTOŚĆ AKCJI W PLN
rteSrSS 001 )exp(
STATYSTYKA
Okres Stopa zysku Średnia Różnica Kwadrat
1 11.5% 11% 0.5 0.0025
2 11.2% 11% 0.2 0.0004
3 11.0% 11% 0.0 0.0000
4 10.3% 11% -0.7 0.0049
5 11.0% 11% 0.0 0.0000
suma 55% 0.0 0.0078
średnia 11.0% PRAWDOPOD
Odch.st 0.0044159 volatility OBIENSTWO
5%
-1.645*0.0044159*100%=-0.7264
11%-0.7264%<10.2736%
FUNDAMENTALNE
TWIERDZENIA TEORII
PRAWDOPODOBIEŃSTWA• Prawo wielkich liczb – powtarzające się serie zdarzeń
losowych konwergują do deterministycznej równowagi.
• Słabe prawo wielkich liczb stwierdza, że jeżeli nieskończona liczba nieskorelowanych zmiennych losowych, gdzie zmienne mają tę samą oraz wtedy średnia z próby dąży do .
• Central limit theorem, kiedy zmienne losowe mają skończoną wariancję to istnieje konwergencja średniej z próby ze średnią z próby standaryzowanej.
10
)/)...(( 1
n
nXXS n
n
ESTYMACJE
PRAWDOPODOBIEŃSTWA
• Teoria prawdopodobieństwa daje narzędzia dla połączenia racjonalnie „wiary” z przekonaniami.
• Prawdopodobieństwo jest zawsze wyznaniem wiary, które może być umacniane przez fakty, informacje, opinie ekspertów i to jest naturą prawdopodobieństwa. Analizy mają tylko zracjonalizować podejmowaną decyzję i pierwotne przekonanie
• A więc dane empiryczne, opinie eksperckie, symulacje
• 1965 FAMA The behaviour of stock market prices sformułował Hipotezę Rynków Efektywnych, gdzie cała informacja jest zdyskontowana i nie można przewidzieć ruchu cen. Niemniej wielu szuka modeli aby przebić rynek. Jeżeli ceny są losowe to zapewne mają rozkład normalny (ale czy są losowe na to pytanie matematyka nie odpowie – to jest kwestią wiary)
• 3 parametry ryzyka EKSPOZYCJA, ZDARZENIOWOŚĆ, SKUTEK
LOSOWOŚĆ CEN AKTYWÓW
ZACHOWANIE LOSOWE• Stopa lub indeks wzrostu aktywów
• Zwrot = (zmiana wartości aktywu +
zakumowany cash flow) / oryginalna
wartość
• Losowa wartość to efekt trendu oraz
odchyleń losowych (tu normalny rozkład)
• Oczekiwany wzrost * upływ czasu
• Po m okresach skumulowany wzrost
• Ilość okresów w całym okresie
• Odchylenie dla całego okresu to
odchylenie dla jednego okresu *dt^0,5
• Łączymy drift + zmienność
• Drift =oczekiwany zwrot=stopa wzrostu
• Volatility – skalowana czasem
2
1
1
2
1
1
2
1
0
)1*ln(
00
0
1
1
1
1
2
1
1
2
1
.
:/
)1(
)1(
)1(
.
*tan..
2
1
)(1
11
2
tStSSS
ttS
SSR
tdewst
losowykomponentkrokowilosctT
eSeStSS
tSS
tSS
S
SSRtoczekiww
dsodoczekiwanawS
SSR
enormRozklad
RRm
Rm
R
S
SSR
iiii
i
iii
Ttmm
m
m
m
ii
i
iii
i
iii
m
i
ii
i
iii
WIENER PROCES• Przechodzimy ze zmiennej skokowej na proces ciągły,
gdzie lim dt=0
• dt przy wartości oczekiwanej pozostaje
• dt przy odchyleniu w procesie Wiener‟a zamienia się E(dX)=0 oraz E(dX^2)=dt
• W procesie Wiener‟a ciągłym; równanie stochastyczne różniczkowe:
SdXSdtdS
To jest stochastyczne równanie różniczkowe dla zmiennej ciągłej
FUNDAMENTY RYZYKA W
TEORII FINANSÓW
TEORIA PORTFELA
POJĘCIA PODSTAWOWE
• TRADEOFF ZYSK A RYZYKO
• PODEJŚCIA DO RYZYKA – AWERSJA,
NEUTRALNOŚĆ, POSZUKIWANIE RYZYKA
– KSZTAŁT FUNKCJI UŻYTECZNOŚCI
• PROBLEM WIELOŚCI AKTYWÓW –
PROBLEM PORTFELA
• CZY DYWERSYFIKACJA PORTFELA JEST
POŻYTECZNA?
PODEJŚCIE DO RYZYKA
• Podejście do ryzyka:
• -risk aversion – awersja do ryzyka – wyższa premia za ryzyko
• -risk neutrality – neutralność na ryzyko
• - risk seeking – ponoszenie dodatkowego ryzyka dla wyższego zwrotu
AWERSJA
NEUTRALNOŚĆ
SKŁONNOŚĆ
UZYTECZNOŚC
WARTOŚĆ
Brenoulli - „Użyteczność będąca wynikiem jakiegokolwiek niewielkiego wzrostu zamożności będzie
odwrotnie proporcjonalna do ilości dóbr uprzednio posiadanych”.
Bernoulli pokazał postać osoby podejmującej ryzyko – motywacje i różne decyzje mimo tych
samych mierzonych prawdopodobieństw
AWERSJA DO RYZYKA A
UŻYTECZNOŚĆE [r] σ U U=E[r] - 0,005*[A=4]*σ 2̂
5 12,25 5,00 2
10 20,00 10,00 2
15 25,50 15,00 2
20 30,00 20,00 2
25 33,91 25,00 2
30 37,42 30,00 2
35 40,62 35,00 2
40 43,59 40,00 2
STAŁĄ UŻYTECZNOŚĆ=2
Kryterium mean-standard deviation
KRZYWA OBOJĘTNOŚCI E[r] vs σ
0,00
5,00
10,00
15,00
20,00
25,00
30,00
35,00
40,00
45,00
0,00 10,00 20,00 30,00 40,00 50,00
Odchylenie standardowe
Oczekiw
an
a s
top
a z
wro
tu
WPŁYW ZMIANY WSPÓŁCZYNNIKA
UŻYTECZNOŚCI NA U
E [r] S U A=x U od A U=E[r] - 0,005*[A=4]*S 2̂
5 12,25 2 1 4,25
10 20,00 2 1,5 7
15 25,50 2 2 8,5
20 30,00 2 2,5 8,75
25 33,91 2 3 7,75
30 37,42 2 3,5 5,5
35 40,62 2 4 2
40 43,59 2 4,5 -2,75
STAŁĄ UŻYTECZNOŚĆ=2
Kryterium mean-standard deviation
WPŁYW AWERSJI NA UŻYTECZNOŚĆ
-4
-2
0
2
4
6
8
10
0 1 2 3 4 5
MIARA AWERSJI A=X
UŻ
YT
EC
ZN
OŚ
Ć F
UN
KC
JA
KW
AD
RA
TO
WA
WPŁYW AWERSJI NA
UŻYTECZNOŚĆ
PORTFOLIO THEORY• Harry Markowitz 1952 JoF Nobel z Merton Miller i William
Sharp
• Inwestorzy oceniają zwrot i ryzyko inwestycji konstytując portfele – formowanie portfela
• Dochód jest premią za podejmowane ryzyko
• Dywersyfikacja moderuje ryzyko
• Zakładając ,że zwrot z papieru jest zmienną losową to można badać wartość oczekiwaną i odchylenie standardowe oraz korelacje
• Celem jest optymalizacja oczekiwana stopa zwrotu z portfela oraz jego zmienność – tradeoff risk/return
• Optymalna alokacja portfela - to prowadzi do efficient frontier
PORTFOLIO THEORY
• Hedging i dywersyfikacja
• Dla nieskorelowanych stóp zwrotu z aktywów stopa zwrotu jest niezależna i jest ich średnią ważoną stóp zwrotów
• Zmienność portfela będzie mniejsza niż średnia ważona ich zmienności - free lunch of finance
• Dywersyfikacja to nie hedging, który polega na skompensowaniu ryzyka
• Dywersyfikacja oznacza nieskorelowane ryzyko, a hedge oznacza ujemną korelacje
• Dodanie np. forwardów do portfela może zmniejszyć ale też zwiększyć ryzyko rynkowe ale dodaje nowe ryzyko overlay strategy i lewaruje je
• Dywersyfikacja nie oznacza dodania aktywów do portfela w sensie ilości i wartości
• Lewarowanie zwiększa ryzyko a nie zmniejsza
A- risk averse, B-górne ograniczenie ryzyka
VAR A=1,65 A*V<VAR1,65 B*V
NOWOCZESNE ZARZĄDZANIE
OPTYMALIZACJA
Risk/Return-Profile
Return
Risk
Gdzie chcesz
się znaleźć?
BA
rB
rA
rP
FUNKCJA UŻYTECZNOŚCI WYBORU STRUKTURY PORTFELA TO MAKSYMALIZACJA STOPY ZWROTU POMNIEJSZONEJ
O RYZYKO SKORYGOWANEJ O WSPÓŁCZYNNIK OSTROŻNOŚCI max->rP- *P ^2
(KWADRATOWA FUNKCJA UŻYTECZNOŚCI)
Funkcja użyteczności zależy od indeksu awersji A
NP. U=E(r)-0,005 A *σ^2
TEORIA PROTFELOWA
• Problem optymalizacji portfela indywidualnego inwestora
• Markowitz 1952 szukał portfeli efektywnych względem średniej i wariancji, gdzie oczekiwany zysk przy danym ryzyku jest najwyższy Markowitz H,Portfolio selection, J of Finance 1952,3
• Składowe kalkulacji E(r),S, macierz wariancji i kowariancji (np. historyczne) dla poszczególnych aktywów (oraz portfela), założenie random walk (przypadkowości kroczącej)
TEORIA PROTFELOWA
• 1952 Markowitz termin efficient frontier, losowe ceny aktywów mają oczekiwane zwroty i zmienność, są też skorelowane
• Optymalny portfel:
• Dla każdego poziomu zmienności istnieją portfele, które mają tę zmienność, a więc kryterium wyboru jest najwyższy zwrot
• Dla każdego oczekiwanego zwrotu istnieją portfele o tym samym zwrocie, kryterium jest wybór tego, który ma najmniejszą zmienność
• Efficient frontier pokazuje zakres wyboru, a górna linia (gold curve) jest optymalna
w
rE
rwr
j
j
n
jjjp
EE
)
)()(
(
1
ji
ij
ij
ji
n
iijji
n
ji
n
iip www
cov
)(1 1
2
1
2
TEORIA PORTFELOWA
• Wartość oczekiwana dla portfela aktywów
• Oczekiwana stopa zwrotu z aktywu
• udział aktywu w portfelu
• wariancja portfela aktywów
• Współczynnik korelacji
OPTYMALIZACJA PORTFELAOczekiwana stopa zysku r, odchylenie standardowe S, udziały w portfelu,
macierz korelacji, macierz wariancji i kowariancji
Oczek.r Odchyl.S
BONY 0,006 0,043
OBLIGACJE 0,021 0,101
AKCJE 0,09 0,208
MACIERZ WSPÓŁ.KORELACJI BONY OBLIGACJEAKCJE UDZIAŁY W PORTFELU
BONY 1 0,63 0,09 0,4
OBLIGACJE 0,63 1 0,23 0,5
AKCJE 0,09 0,23 1 0,1
MACIERZ WARIANCJI I KOWARIANCJI
BONY OBLIGACJEAKCJE
BONY 0,001849 0,0027 0,0008 OCZEK.Rp 2,19%
OBLIGACJE 0,002736 0,010201 0,0048 Wariancja p 0,49%
AKCJE 0,000805 0,004832 0,043264 Odchyl.S 7,01%
σxy=ρxy*σx*σy
TEORIA PORTFELOWA
GRANICA BEZWARUNKOWA
efficient frontierBony 0,006 0,043
Obligacje 0,021 0,101
Portfel 0,022 0,07
Akcje 0,09 0,208
ZYSK/RYZYKO
0
0,02
0,04
0,06
0,08
0,1
0 0,05 0,1 0,15 0,2 0,25
ODCHYLENIE STANDARDOWE
OC
ZE
KIW
AN
Y D
OC
HO
D
AKCJE
OBLIGACJE
BONY
PORTFEL PRZYKŁAD
PORTFEL Z DWÓCH AKTYWÓW - EFFICIENT FRONTIER
AKTYW A WAGA Rp SD
WAGA 50,00% 0 0,04 10,00% 0,04
Ra 14,00% 0,1 0,05 9,32% 0,05
VOLATILITY 20,00% 0,2 0,06 9,12% 0,06
WARIANCJA 4,00% 0,3 0,07 9,44% 0,07
0,4 0,08 10,24% 0,08
AKTYW B 0,5 0,09 11,40% 0,09
WAGA 50,00% 0,6 0,1 12,84% 0,1
Rb 4,00% 0,7 0,11 14,46% 0,11
VOLATILITY 10,00% 0,8 0,12 16,22% 0,12
WARIANCJA 1,00% 0,9 0,13 18,08% 0,13
1 0,14 20,00% 0,14
KOREALACJA 5,00%
COV 0,10%
WARIANCJA
PORTFELA 1,30%
VOLATILITY
PORTFELA 11,40%
R PORTFELA 9,00%
PORTFEL 2 AKTYWÓW
0
0,05
0,1
0,15
0,00% 5,00% 10,00
%
15,00
%
20,00
%
25,00
%
ODCHYLENIE STANDARDOWE
ST
OP
A Z
WR
OT
U
PO
RT
FE
LA
MARKOWITZ VS
TALMUDYCZNA
DYWERSYFIKACJA• Teoria oczekiwanej użyteczności i klasyczny
model dywersyfikacji Markowitza wartość
oczekiwana/wariancja optymalizują relację
zwrot/ryzyko
• Jednak inwestorzy stosują często Talmudyczną-
Babilońską zasadę 1/3 (lub 1/n) 1/3 depozyty, 1/3
obligacje, 1/3 akcje
• O dziwo dla małych portfeli indywidualnych ta
strategia okazuje się być bardzo dobrą
TEORIA PORTFELOWA
• Wybór portfela zależy funkcji użyteczności –w tym od skłonności do ryzyka =A (np.:<2;4>)
• Funkcja użyteczności np. kwadratowa U:
• Punkt styczny wyznacza optymalny indywidualny portfel
• Funkcja użyteczności indywidualnej
2**5,0)( pp ArEU
Krzywa efektywnych portfeli
Krzywa użyteczności
UŻYTECZNOŚĆ MAJĄTKU
MIERZONA ln (W)
MALEJĄCA KRAŃCOWA U(W)WEALTH U(W)=lnW
100000 11,51293 100000
150000 11,91839 150000
200000 12,20607 200000
250000 12,42922 250000
300000 12,61154 300000
350000 12,76569 350000
400000 12,89922 400000
450000 13,017 450000
500000 13,12236 500000
UŻYTECZNOŚĆ MAJĄTKU MIERZONA ln(W)
11,4
11,6
11,8
12
12,2
12,4
12,6
12,8
13
13,2
13,4
0 100000 200000 300000 400000 500000 600000
MAJĄTEK
UZ
YT
EC
ZN
OŚ
Ć M
AJĄ
TK
U ln
(W)
UŻYTECZNOŚĆ MAJĄTKU
MIERZONA ln(W)
DYWERSYFIKACJA PORTFELA
σp
n akcji
Ryzyko rynku niedywersyfikowalne
Ryzyko jednostkowe
dywersyfikowalne
JAK NISKIE MOŻE BYĆ
RYZYKO PORTFELA
1
21
12
21
21
2
2211
1
:
0
1
)(
ww
w
uzyskacmoznawtedy
doprzyrownacmoznarownanie
wtedyprzeciwnadoskonalekorelacjagdy
wwP
OCZEKIWANY ZWROT Z
PORTFELA W ZALEŻNOŚCI OD
WAGI AKTYWU Z PORTFELUW DLA PAPIERU BEZ RYZYKA
OCZEKIWANA STOPA ZYSKU W ZALEZNOŚCI OD WAGI A
0,0%
2,0%
4,0%
6,0%
8,0%
10,0%
12,0%
14,0%
16,0%
18,0%
1 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0 -0,1 -0,2 -0,3 -0,4 -0,5
WAGA A
E(r
p)
OCZEKIWANA WARTOŚĆ E(rp) W
ZALEŻNOŚCI OD sp PRZY
KORELACJI=0,3
0,0%
2,0%
4,0%
6,0%
8,0%
10,0%
12,0%
14,0%
16,0%
18,0%
0,00 0,10 0,20 0,30 0,40
ODCHYLENIE STANDARDOWE
OC
ZE
KIW
AN
A S
TO
PA
ZW
RO
TU
TEORIA PORTFELOWA
• James Tobin 1958 dodał do koncepcji portfela
lewar w postaci aktywów, które dają risk free rate
• Połączył risk free asset z portfelem w efficient
frontier, co umożliwia konstruowanie portfela,
gdzie profil zwrot-ryzyko jest korzystniejszy niż
efficient frontier portfela
• Tangens kąta nachylenia nazywa się capital
market line, czyli efficient frontier z aktywem
wolnym od ryzyka – superefficient portfolio
WŁĄCZENIE DO PORTFELA
AKTYWU WOLNEGO OD RYZYKA
110
%115,0*%22*%22
*
%11%)7%15(*5,0%7
5,0%7%22%15
])([
)1()()(
)1(
ypozyczkachprzyadoodyzmiana
y
y
r
yrr
np
rrEyr
ryryErE
ryyrr
c
pc
c
fpp
fpf
fpc
fpcStopa całkowitego dochodu (rc) z
portfela inwestycji (rp) oraz z
aktywów wolnych od ryzyka (rf)
zależy od wagi ich w portfelu (y)
Czyli ostatecznie zależy od premii
na ryzyko i udziału ryzykownych
aktywów w portfelu
Premia za ryzyko 8% =15%-7%
Podobnie dla rf ryzyko jest 0
dlatego ryzyko całkowite zależy
wprost od y=σc/σp
Relacja premii do ryzyka
E(rp-rf)/σp = 8%/22%
CAPITAL ALLOCATION LINE
RISK/RETURN KOMBINACJE
DLA INWESTORAE[rp}= σp= rf= σc= E [r]
0,15 0,22 0,07
0,00% 7,00%
5,00% 8,82%
10,00% 10,64%
15,00% 12,45%
20,00% 14,27%
25,00% 16,09%
30,00% 17,91%
35,00% 19,73%
40,00% 21,55%
E( [rc]= rf+σc/σp *( E[rp]-rf)*σp
case 1 : gdy pożyczka i y np. 1.4 to:
E (rc ) = 7% + 1 ,4 *8% = 18 ,2
σc=1,4*22%=30,8%
case 2: gdy y=4 to rc:
E (rc) = 7% +4*8% = 31%
σc=4*22%=88%
CAPITAL ALLOCATION LINE
0,00%
5,00%
10,00%
15,00%
20,00%
25,00%
0,00
%
5,00
%
10,0
0%
15,0
0%
20,0
0%
25,0
0%
30,0
0%
35,0
0%
40,0
0%
0,09
E [
r]
7%
22%
Premia 8%
TNG KĄTA NACHYKENIA
CAPITAL ALLOCATION LINE
p
fp
p
fp
c
fc
c
rrE
y
rryErrESlope
)()()(
TEORIA PORTFELOWA
CAPITAL MARKET LINE• Gdy się łączy aktyw nie
obciążony ryzykiem z portfelem ryzykownym można znaleźć optymalny portfel, gdzie rp będzie maksymalna, wzrost ryzyka daje liniowy wzrost premii za ryzyko w tej proporcji
• Czyli pojawia się capital allocation line dla portfela złożonego z aktywów ryzykownych oraz wolnych od ryzyka
• Oczekiwany dochód z takiego portfela wyniesie E(rc):
linemarketliniinachyleniaKat
rrE PfP /])([
rf
c
P
fP
fc
rRErRE
))(()(
Krzywa rynku kapitałowego
Tu pożycza się
Tu udziela się pożyczki
σ
Portfel M
CAPTAL MARKET LINE DLA INWESTORA MAJĄCEGO AKTYW RISK FREE
AKTYW A WAGA Rp SD
WAGA 56,40% 0 0,04 0,00% 0,04
Ra 14,00% 0,1 0,05 2,00% 0,05
VOLATILITY 20,00% 0,2 0,06 4,00% 0,06
WARIANCJA 4,00% 0,3 0,07 6,00% 0,07
0,4 0,08 8,00% 0,08
AKTYW B BEZ RYZYKA 0,5 0,09 10,00% 0,09
WAGA 43,60% 0,6 0,1 12,00% 0,1
Rb 4,00% 0,7 0,11 14,00% 0,11
VOLATILITY 0,00% 0,8 0,12 16,00% 0,12
WARIANCJA 0,00% 0,9 0,13 18,00% 0,13
1 0,14 20,00% 0,14
KOREALACJA 20,00%
COV 0,00%
WARIANCJA
PORTFELA 1,27%
VOLATILITY
PORTFELA 11,28%
R PORTFELA 9,64%
PORTFEL 2 AKTYWÓW
0
0,05
0,1
0,15
0,00% 5,00% 10,00
%
15,00
%
20,00
%
25,00
%
ODCHYLENIE STANDARDOWE
ST
OP
A Z
WR
OT
U
PO
RT
FE
LA
KRZYWE OBOJĘTNOŚCI
OPTYMALNY PORTFEL CAPITAL
ALLOCATION
LINE
7%
22%
15%
σc=9,02%
E[rc]=10,28%
PROBLEM KORELACJI
• Generalnie przyjmuje się symetryczną wartość korelacji, ale w praktyce tak nie jest
• Zwroty na aktywach wykazują niższą korelację w przypadku ich wzrostu i bardzo wysoką w przypadku ich spadku.
• Jednocześnie pojawia się problem zmiennej wariancji w czasie
• Rozkład normalny i t-Studenta zakłada symetryczność korelacji
• Stąd problemy z budową modeli portfolio , VaR i Expected Shortfall - mogą niedoszacowywać ryzyka spadku w tzw. grubych ogonach
MODEL JEDNOINDEKSOWY
CAPM
• Model pośredni do zrozumienia
CAPM
• Ustanawia zależność liniową
między aktywem a indeksem
• Nadwyżkowe stopy zwrotu
ponad stopę wolną od ryzyka
• α, β, parametry modelu
• Część systematyczna
• β ryzyko systematyczne
• Reszta
• Wrażliwośći
ii
Iii
ii
iIiii
E
znasystematycR
RR
0)(
RYZYKO SYSTEMATYCZNE
I SPECYFICZNE• Podstawą teorii inwestycji portfelowych są niedoskonale
skorelowane stopy zwrotu z portfela
• Ryzyko całkowite da się podzielić na:
– ryzyko kowariancji (ryzyko niezdywersyfikowane, rynkowe,
systematyczne) beta ryzyko
– ryzyko pozostałe - dywersyfikowalne, specyficzne
• dywersyfikacja powoduje zanikanie wariancji ale nie eliminuje
kowariancji
• przy n składnikach jest n wariancji oraz n^2-n kowariancji
• CAPM
WYCENA AKTYWÓW - CAPM• Z ujęcia mikro Markowitza przechodzi się na ujęcie makro
Sharp, Lintner 1964 (zachowanie wszystkich inwestorów)
• Ryzyko portfela składa się z ryzyka rynkowego –systematic mierzonego β (wynikającego z cen rynkowych aktywów) niezdywersyfikowanego.
• CAPM to model jednoindeksowy (metoda stosowana to regresja względem stopy rynkowej – indeksu rynku) Sharpe W, Capital Assets Prices, …J of Finance 1964,3
• Tobin 1958 uznał za superefektywny portfel cały portfel rynku, a inwestorzy lewarują lub delawarują pozycją w aktywach wolnych od ryzyka, aby osiągnąć pożądane ryzyko portfela
CAPM• W CAPM chodzi o zależność między prawidłową premią na ryzyko
aktywu w stosunku do udziału ryzyka tego aktywu w stosunku do całego portfela rynku . Np. udział i ryzyko akcji IBM
• Ryzyko portfela całego rynku decyduje o premii za ryzyko, które inwestorzy zechcą zaakceptować
),cov(),cov(),cov(...
),cov(),cov(),cov(
),cov(),cov(),cov(...
......
1
1
1111
1
1
nnIBMnn
n
nIBMIBMIBMIBMIBM
nIBM
nIBM
rrrrrrw
rrrrrrw
rrrrrrw
wwwwagi
Portfel
CAPM• Nagroda za inwestycje w akcje IBM
])([)(),(
])([),(
)(
])([
),(
])([
])([
:
),(
])([
),(
])([
2
2
2
2
fMIBMfIBMIBMM
MIBM
fMM
MIBMfIBM
M
fM
MIBM
fIBM
M
fM
MIBM
fIBM
MIBMIBM
fIBMIBM
rrErrErrCov
rrErrCov
rrE
rrE
rrCov
rrEstad
rrE
rynkuwariancja
rynkuryzykapremia
rynkowegoportfelacalegoDla
rrCov
rrE
rrCovw
rrEw
wariancjidoIBMwklad
ryzykozapremiidoIBMwklad
•Rynkowa cena za ryzyko
•W warunkach równowagi relacja nagroda/ryzyko powinna
być taka sama – stąd linowa zależność
ZAŁOŻENIA CAPM• Założenie, że rozkłady stóp zwrotu mają charakter logarytmiczno-normalny (wtedy
można pominąć indywidualne funkcje użyteczności, lecz bazować na założeniu rozkładu normalnego),
• Majątek inwestorów w stosunku do całego rynku jest nieistotnie mały – investors –price takers, nie wpływają na ceny – perfect competition
• Inwestorzy planują i maksymalizują majątek na jeden okres – myopic –short sighted (suboptymalność)
• Aktywa są przedmiotem powszechnego obrotu, inwestorzy mogą pożyczać po stopie wolnej od ryzyka
• Inwestorzy nie płacą podatków oraz brak kosztów transakcyjnych
• Inwestorzy optymalizują według zasad racjonalności wartość oczekiwana; odchylenie standardowe (Markowtz selection model)
• Inwestorzy mają ten sam pogląd na gospodarkę – czyli tak samo oceniają rozkład prawdopodobieństwa zwrotu cash flow z inwestycji w papiery wartościowe, czyli tak samo wyceniają papiery, czyli też oczekują tych samych zwrotów i mają tę samą macierz wariancji i kowarinacji (korelacji), homogeniczność oczekiwań
• Czyli rynek papierów wartościowych jest efektywny, rynki są płynne,
• JAK WIDAĆ ŚWIAT JEST BARDZIEJ ZŁOŻONY
WYCENA AKTYWÓW - CAPM
• Systematic risk – ryzyko utrzymywania portfela składającego się z całego rynku, gdy rusza się rynek każdy aktyw jest pod jego wpływem -niedywersyfikowalne
• Specific risk – ryzyko indywidualnego aktywu –nieskorelowane z rynkiem - Rynek kompensuje wzięcie ryzyka systematycznego, ale nie kompensuje ryzyka specyficznego – specyficzne –dywersyfikowalne
• Miarą ryzyka systematycznego jest beta
WARTOŚĆ OCZEKIWANA
WARIANCJA PORTFELA• Ryzyko całkowite portfela (wariancja portfela) dzieli się na dwa
składniki:
• ryzyko kowariancji - ryzyko niezdywersyfikowane, rynkowe,
systematyczne, beta, gospodarki
• ryzyko pozostałe - dywersyfikowalne, jednostkowe, specyficzne,
• Dywersyfikowanie pozwala zmniejszać wariancję ale nie eliminuje
kowariancji między stopami zwrotu
• n instrumentów to n wariancji oraz (n^2-n) kowariancji, granicą jest:
ijijiip
n
nn nn
])([1 2
2
2
2
lim
• Market portfolio – to wszystkie akcje – ich ilość przemnożona przez cenę, a udział to wartość danych akcji w proporcji do całego rynku (risky assets)
• Czyli wszystkie aktywa są na efficient frontier ale i na Capital Market Line (CML), czyli na optymalnej alokacji
• Premia za ryzyko jest proporcjonalna do awersji do ryzyka reprezentatywnych inwestorów
])([])([),cov(
)(
:
),cov(
:Pr
01,0*)(
2
2
2
2
fMifM
M
Mifi
M
Mii
M
MfM
rrErrErr
rrE
premiastad
rynkiemzkorelacjarr
proporcjiwrynkuodzalezyryzykozaemia
inwestorowryzykadoawersjipoziomsredniA
rynkowegoportfelawariancja
ArrE
CAPM
• Założenie CAPM – istnieje tylko jeden ryzykowny model optymalny oraz jeden portfel rynkowy (wszystkie akcje wg wag)
• CAPM jest ujęciem teoretycznym między oczekiwanymi stopami zwrotu a oczekiwanymi stopami rynkowymi
• Zależy to od ryzyka systematycznego (rynkowego) β(i), czyli kowariancji akcji i rynku. Dla wszystkich akcji wartość oczekiwana α=0
• β(i), - z danych historycznych np. 60 dni
ryzykozapremiarR
rRrRE
RR
gdzie
EponieważRERE
fMi
fMifi
MMii
iMii
)(
)()(
lub
/),cov(
0)()()(
)
)
2
CAPM – SECURITY MARKET
LINE
• Model wyceny aktywów kapitałowychSecurity
Market
line
Rm
rf
1 βi
E(Ri)
Np.. Rm=12%, rf=5%, βi=0,5 stąd E(Ri)=8%+0,5(12%-5%)=11,5%
Akcje podwartościowe
Akcje nadwartościowe
α>0
α<0E(rm)-rf
1
CAPM
• Np. beta 0,8 oczekiwany zwrot 0,12 stopa wolna 0,02 to oczekiwany zwrot na aktywie=
• E(Ri)= 0,02+0,8[0,12-0,02]=0,1
• Ponieważ założeniem jest liniowość dla każdego z aktywów to liniowa jest też zależność dla portrfela
• E(Rp)=rf+beta[Rm-rf]
• A więc zwrot na inwestycji zależy od beta a nie od volatility, CAPM zakłada istnienie ceny równowagi na aktyw oraz to że inwestorzy mają ten sam pogląd na betę i oczekiwaną stopę zwrotu
• Tzn CAPM jest jak widać teoretyczną koncepcją oderwaną trochę od rzeczywistości
CAPM I PRAKTYKA 5 ZASAD
• Mimo, że model Sharpa jest nauczany w szkołach i dzieli zwrot na α oraz β to w pracy menadżerowie często o tym zapominają i stosują 5 zasad:– Decyzje dotyczące α oraz β powinny być
podejmowane odrębnie
– Gra o sumie zerowej jest naturą aktywnego zarządzania
– Różne kryteria przyjmowane są dla α oraz β
– Wielką wartością jest poziom uzyskiwanego α
– Niezbędność płacenia odpowiednich fees dla pracowników przynoszących duże α
KONKLUZJE• Inwestorzy optymalizując będą się skłaniać do tworzenia
tego samego portfela z wagami takimi, jakie ma rynek M
• Wyrównanie cen i ryzyka będzie następować przez sprzedaż lub zakup aktywów – price adjustment process
• Tworzenie się równowagi rynkowej Capital Market Line staje się Capital Allocation Line a to przez optymalizację prowadzi do Security Market Line – dla całego rynku
• To oznacza, że inwestorzy mogą pominąć wszelkie analizy i kupować aktywa według proporcji całego rynku np. indeks giełdowy
• Lub w indeks funduszy inwestycyjnych – mutual fund theorem – portfel między funduszami i risk free rate
SCURITY MARKET LINE –
CAŁY RYNEKSECURITY MARKET LINE DLA INWESTORA MAJĄCEGO Rm ORAZ RISK FREE
AKTYW A RISK FREEWAGA Rm SDm BETA i E(Ri)
WAGA 56,41% 0,07 0 0,15 20,00% 1,544551 0,188119
Ra 10,00% 0,1 0,145 18,23% 1,448016 0,176361
VOLATILITY 10,00% 0,2 0,14 16,52% 1,351482 0,164604
WARIANCJA 1,00% 0,3 0,135 14,89% 1,254947 0,152846
0,4 0,13 13,39% 1,158413 0,141089
AKTYW B 0,5 0,125 12,04% 1,061879 0,129331
WAGA 43,59% 0,6 0,12 10,92% 0,965344 0,117574
Rb 15,00% 0,7 0,115 10,09% 0,86881 0,105817
VOLATILITY 20,00% 0,8 0,11 9,63% 0,772275 0,094059
WARIANCJA 4,00% 0,9 0,105 9,60% 0,675741 0,082302
1 0,1 10,00% 0,579206 0,070544
KOREALACJA 20,00%
COV 0,40%
σ 2̂ m RYNKU JAKO CAŁOŚCI
PORTFELA RYNKU1,27%
VOLATILITY
σm - rynku 11,29%
SECURITY MARKET LINE
0
0,05
0,1
0,15
0,2
0 0,5 1 1,5 2
BETA i
E(R
i)
7%
12,9%
MODELE JEDNO I
WIELOCZYNNIKOWE
• CAPM• Stopa dochodu z akcji względem dochodu z portfela rynkowego, rozbicie wariancji,
gdzie beta stanowi miarę udziału całkowitych odchyleń stopy dochodu - udziału przypisowanego odchyleniom stopy dochodu z portfela rynkowego.
• Model ryzyka firmy (Flannery, James,1990)
• beta odzwierciedla ryzyko rynkowe a pozostałe gamma ryzyko stóp %, kursu walutowego, cen commodities
eRR itmtiii
eRR itt
c
c
Pit
e
e
iet
iimtiiit P
P
P
P
i
i
c
)()()(,,,
ARBITRAGE PRICE THEORY
• Stephen Ross 1976
• Założenia:
• Model zwrotu z akcji można opisać wieloczynnikowo (czynniki ryzyka)
• Jest dostateczna ilość aktywów zdywersyfikowanych względem czynników ryzyka
• Arbitraż nie pozwala się odchylać cenom w długich okresach
• Np. wykorzystanie arbitrażu na różnych giełdach, różnice w wycenach ryzyka w warunkach różnych cząstkowych nierównowag mogą być wykorzystane, Prawo Jednej Ceny,
ARBITRAGE PRICE THEORY• Jeżeli papiery wartościowe są niewłaściwie wycenione przez rynek to
można dokonywać arbitrażu – jednoczesnego zakupu i sprzedaży aktywu ( to oznacza odejście od cost-free arbitrage)
• Tu problem polega na dekompozycji β na czynniki rynkowe i specyficzne decydujące o kursie akcji – multifactor models, multiple risk sources, z których każdy ma swoją premię za ryzyko
• Stąd pojawia się Multifactor Security Market Line, bo w CAPM jest przybliżenie całego rynku jedną wartością Rm
• Tu każdy czynnik ogólnogospodarczy ma swój odrębny wpływ na korektę oczekiwanej stopy dochodu (np. tempo wzrostu GDP, zmiany stopy%, zmiany udziału w rynku , inflacja etc)
• Model uwzględnia wrażliwość zmiany oczekiwanej stopy zwrotu pod wpływem różnych czynników ryzyka – β-czynnikowa
iniii FrEr )(
ARBITRAGE PRICE THEORY• Teoria wywodzi się z analizy
wieloczynnikowej – podobnej jak w ryzyku, gdzie ryzyko wynikało z ekspozycji i czynników
• Tu o stopie zwrotu z inwestycji np. w akcje decyduje wiele czynników
• Pierwszy wzór jest ex post regresją z czynnikiem losowym
• Drugi wzór jest ex ante wersją oczekiwanego zwrotu
• Czyli ekspozycja czynników mnożona razy czynnik
))([)(
*}{
*
)()(*)()(
,
,
,
fMifi
k
kknnn
k
nkknn
k
nkknn
RRERRE
mXrEf
ubXr
APT
tutbtXtr
RYZYKACZYNNIKI
ARBITRAGE PRICE THEORY -
PZRYKŁAD
NIEOCZEKIWANE ODCHYLENIA WZROSTU, RENTOWNOŚCI OBLIGACJI..
P R O G N O Z A C Z Y N N I K Ó W
E(Rm)
ODCHYLENIA PROGNOZA0,02 0,025 -0,015 0 0,06
CZYNNIKI BETA i W MACIERZY
AKCJE OCZEKIWANIE WZROST OBLIGACJESKALA ROE BETA APT CAPM ATP-CAPM
AMEEX 6,00% 0,17 -0,05 0,19 -0,28 1,16 5,93% 6,96% -1,03%
ATT 6,00% -0,16 0,74 1,47 -0,59 0,84 5,33% 5,04% 0,29%
CHEVRON 6,00% -0,53 -0,24 0,83 -0,72 0,7 3,10% 4,20% -1,11%
COCACOLA 6,00% -0,02 0,3 1,41 1,48 1,06 4,60% 6,36% -1,77%
DISNAY 6,00% 0,13 -0,86 0,71 0,42 1,13 3,05% 6,78% -3,74%
DOW 8,00% -0,64 -0,92 0,48 0,22 1,13 3,70% 6,78% -3,08%
PROGNOZA + KOREKTA Z βi*PROGNOZA CZYNNIKA DAJE ATP
ARBITRAGE PRICE THEORY
• W dobrze zdywersyfikowanym portfelu ryzyko niesystematyczne znosi się i ma wartość oczekiwaną =0
• Tylko ryzyko czynnikowe βp*F decyduje o premii za ryzyko
• Nikt nie może być nagradzany premią za brak dywersyfikacji ryzyka specyficznego
• Jeżeli dwa portfele mają to samo ryzyko rynkowe a różne stopy zwrotu to musi zostać uruchomiony arbitraż i premia za ryzyko musi leżeć na prostej odzwierciedlającej premię za ryzyko uwzględniającej czynniki makro (czyli CAPM mieści się w APT)
RYNKI EFEKTYWNE A
BAHVIORALNE FINANSE• 1953 Maurice Kandall estymował zmiany kursów akcji i nie dawały się one prognozować według
jakiegokolwiek teoretycznego podejścia
• Wyjaśniać to zaczęto zmienną psychologią lub „animal spirits”
• Ale ceny zmieniają się natychmiast w związku z napływającą informacją antycypując przyszłość w cenie bieżącej
• Losowość zmian cen nie oznacza nieracjonalności
• Hipoteza Rynków Efektywnych – dyskontowanie informacji w cenie– Słaba – dyskontuje historyczną informację
– Słabo-silna – cała publiczna informacja jest dyskontowana w cenie
– Silna – dyskontowana informacja publiczna i wewnętrzna z firm
• Ścieranie się analizy technicznej z fundamentalną – obie analizy skazane są na porażki – ponieważ nie mają pełnej informacji
• Istnieje konkurencja rynkowa masowych analiz, konkurencja strategii, różnej podatkowej sytuacji inwestorów, zmiany w dywidendach
• Wycieki informacji prowadzą do ponadnormalnych zysków
• Problem szczęśliwych trafów, krótki vs długi horyzont zwrotu, seryjność zwrotów
• Interpretacje behavioralne (realni ludzie podejmują decyzje – nie komputery)
• Kahneman, Tversky – przywiązanie do ostatnich doświadczeń większe niż do wcześniejszych przekonań (memory bias)
• Nadmierne zaufanie (ocerconfidence), Konserwatyzm,
• Behavioralne odchylenia – Framing, unikanie rozczarowania (Regret avoidance)
ZARZĄDZANIE RYZYKIEM
RYNKOWYM
RYZYKO RYNKOWE – CZYNNIKI RYZYKA, DEFINICJA, BANCHMARK,
RYZYKO DYSKRETNE I NIEDYSKRETNE
RYZYKO RYNKOWE• Ryzyko rynkowe – straty wynikające z ruchu zmiennych na rynkach
finansowych lub inna definicja – fluktuacja portfela wartości na skutek zmian poziomu oraz zmienności cen rynkowych
• Celem analiz jest kwantyfikacja ryzyka wynikającego z ruchu zmiennych kształtowanych przez rynek (cen)
• Nie wszystkie stosowane w przeszłości miary są satysfakcjonujące, ponieważ czasami bazowały na intuicji, nie mierzyły prawdopodobieństwa i wysokości straty, nie uwzględniały korelacji etc. (analiza nominalnej ekspozycji, wrażliwości, analiza scenariuszowa…)
• Obecnie ryzyko rynkowe mierzy się najczęściej stosując wartość narażoną na ryzyko VaR.
• Podstawowe pytanie ILE MOŻNA STRACIĆ NA INWESTYCJI W OKREŚLONYM HORYZONCIE CZASU
RYZYKO RYNKOWE
• DEFINICJA: Ryzyko rynkowe - ekspozycja na niekorzystne zmiany wartości firmy pod wpływem wahania cen czynników rynkowych
• Ryzyko rynkowe wynika z mismatched pozycji w księgach firm, co naraża je na negatywne skutki ruchów cen.
• Rzadko daje się doskonale pokrywać pozycje (wartość, terminy, nieliniowość cen, zmiany volatility etc)
• Cena akcji
• stopa %
• FX
• Commodities
• - metale
• - bazowe towary
• - żywność
• Energia
• Pogoda
MARKET RISK
• Ryzyko rynkowe a ryzyko biznesowe - w przedsiębiorstwie
zarządzanie ryzykiem jest bardzo złożone, nonhedgeable market
risk, hedgeable market risk (FX,%,commodities..)
• Wyniki finansowe vs. wartość firmy, łatwiej jest wpływać na
wyniki finansowe niż na wartość firmy
• Krótki i długi horyzont, firmy finansowe patrzą głównie na wynik
z tradingu, przedsiębiorstwa korzystają z długiego okresu
• Kapitał ma charakter absorbera ryzyka i konfrontuje się ryzyko z
kosztem
• Wymogi ujawniania pozycji w derywatach IAS, FASB, SEC...
MIERZENIE RYZYKA
RYNKOWEGO• Źródłem strat są zmiany wartości aktywów lub pasywów
• POMIAR RYZYKA WYMAGA:
– danych o portfelu lub książce transakcji,
– horyzontu czasu, wyceny rynkowej: marking-to-market
– rozkładu prawdopodobieństwa zysków i strat.
• ROZKŁAD PRAWDOPODOBIEŃSTWA POZWALA
NA RÓŻNORODNE SPOSOBY DEFINIOWANIA
SKALI RYZYKA.
• POŻĄDANE JEST:
– spójna koncepcja,
– jednolita miara ryzyka.
POMIAR RYZYKA
• Generalnie:
– Miary zmienności (np. Odchylenie
standardowe, semioodchylenie standardowe,
współczynniki zmienności, rozstęp, asymetrie)
– Miary wrażliwości (anliza luki, Greeks, bpv,
duration, convexity.)
– Miary zagrożenia (VAR, stress test, crash test,
expected shortfall)
RYZYKO RYNKOWE• Ryzyko rynkowe absolutne: mierzone relacją
zmniejszenia wartości do wartości początkowej
• Ryzyko relatywne: mierzy relację do benchmarku i
prezentuje skutki aktywnego zarządzania
zwrotustopaR
portfelP
dardowesodchylenie
PRPPP
P
P
tan
*)(*)/(
)(
*]//[*]([
TEVvolatilityerrortracking
indeksbenchmarkB
benchmarkuzzwrotR
PPBBPPPRR
B
BP
RYZYKO RYNKOWE
• Sharp Ratio
• Mierzy stopę zwrotu z portfela względem stopy
wolnej od ryzyka
• Information Ratio
• Mierzy stopę zwrotu z portfela powyżej benchmarku
TEV
)(/][ PFP RRRRatioSharp
/)](([ BP RRIR
IDENTYFIKACJA CZYNNIKÓW
RYZYKA
• Podstawą jest identyfikacja czynników ryzyka w odniesieniu do pozycji bilansowych, pozabilansowych oraz handlowych
• Negatywny skutek ryzyka wynika z dwóch czynników: ekspozycji nominalnej oraz zmiany czynnika ryzyka (separacja ryzyka na dwa komponenty: ekspozycję i czynnik ryzyka)
• Krytycznie:
• Low volatility = low risk ?
• People mistake low volatility for low risk. Banking is less volatile but vastly more dangerous that venture capital
DYSKRETNE I NIEDYSKRETNE
RYZYKO• Ryzyko dyskretne: ekspozycja na dyskretne ruchy
zmiennych finansowych (mierzone pierwszą pochodną, aproksymacja liniowa)– Beta β
– Duration
– Delta
• Ryzyko niedyskretne: nieliniowa ekspozycja na ryzyko, ekspozycja na hedge lub volatility (mierzone drugą pochodną lub wyżej)– Ryzyko bazowe – różnica stóp procentowych
– Ryzyko rezydualne – portfele akcji
– Convexity (wypukłość) druga pochodna w efekcie zmian stóp%
– Gamma druga pochodna w opcji
– Ryzyko zmienności
• Generalnie ryzyko dyskretne jest większe od niedyskretnego
POMIAR RYZYKA
METODY POMIARU, NARZĘDZIA POMIARU, MARK TO MARKET, WYCENY INSTRUMENTÓW – MODELE, MIARY ZMIENNOŚCI - STATYSTYCZNE, MIARY WRAŻLIWOŚCI (LUKI, SCENARIUSZE, WRAŻLIWOŚĆ ANALITYCZNA,
GREEKS, DURACJA, KONWEKSJA,), MIARY NARAŻENIA –VAR–PODEJSCIE HISTORYCZNE, ANALITYCZNE,
SYMULACYJNE, TESTY NARAŻENIA
GŁÓWNE MIARY OCENY
RYZYKAPODSTAWA – NOMINALNA WARTOŚĆ NARAŻONA NA
RYZYKO, WARTOŚĆ RYNKOWA
Wiele miar – miary ryzyka oraz miary stosunku decydenta do ryzyka
• Miary wynikające z rozkładu zmiennej ryzyka
– Miary zmienności, volatility, kwantyle, wartość dystrybuanty
• Miary wrażliwości
– sensitivity measures, pochodne cząstkowe, luka, bpv, greeks, modified duration, konweksja
• Miary zagrożenia
– VaR, Stress Test, Expected Shortfall
ANALIZA EKSPOZYCJI I
RYZYKA• Podstawa – wartość nominalna oraz wycena według wartości rynkowej
• Analiza zmienności – jakie są odchylenia od średniej wartości (nie mówi nic o prawdopodobieństwie)
• Analiza wrażliwości - o ile coś się zmieni, gdy zmieni się jeden z czynników?(nie ujmuje kwestii nieliniowości)
• Analityczne - badanie zmian przybliżonych na podstawie zmian funkcji pod wpływem czynników np. przy pomocy szeregu Taylora
• pierwsza (duration) i druga pochodna (wypukłość)
• Metody scenariuszowe - jakie zajdą zmiany, gdy spełni się scenariusz x? (może podejmować nieliniowość ale nie mówi nic o prawdopodobieństwie straty)
• Probabilistyczne - np. Drzewa decyzyjne, warunkiem zdarzenia b jest zajście zdarzenia a., zagrożenie VaR, CF at Risk, Stress Test (zakłada prawdopodobieństwo)
• Symulacyjne np. Monte Carlo
2
0
0
2
1
)()(
xxW
xW
xxx
ffW xx
MIARY RYZYKA PŁYNNOŚCI
• Ryzyko płynności po stronie aktywów oraz po stronie fundingu
• Zależy od zacieśnienia rynku (cena/wolumen), głebokości rynku (bid/offer), szybkości zmian cen na rynku
• Analiza cash flow
• Wartość nadwyżki płynności
• Analiza stabilności źródeł finansowania
• Luka płynności
• Stress-test płynności
MIARY RYZYKA RYNKOWEGO
• Luka stopy procentowej
• Miary wrażliwości dochodu odsetkowego
• Miary wrażliwości wartości rynkowej
(BVP, duracja, convexity )
• Warość zagrożona (VaR)
• Stress-test
• Cash flow at Risk
ANALIZA EKSPOZYCJI I
RYZYKA• Główne metody pomiaru i kontroli ryzyka:
• Metody statystyczne analizy portfeli (wariancja, odchylenie s. odchylenie
przeciętne, współczynniki ryzyka, skośność, kurtoza)
• Gap analysis - metoda badania luki - różnica strumienia wpływającego i
wypływającego (maturity buckets).
• Sensitivity - Można analizować o ile zmiani się wynik banku, jeżeli stopa % zmieni
się o 1%. (base point value, present value base point, PV01, Greeks).Duration
(Macaulay) mierzy procentową wrażliwość wartości rynkowej produktu opartego o
stopy %, przy jej zmianie o 0,01%. Wadą jest założenie, że cała krzywa zmienia się
równolegle, wypukłość (convexity).
• Value at risk - za pomocą jednej liczby (odchylenie standardowe) można opisać
portfel i historyczne zmiany jego cen. - wynika z teorii inwestycji portfelowych. To
podejście pozwala na określenie wielkości nieprzekraczalnej starty, która może
wystąpić z wcześniej założonym poziomem prawdopodobieństwa - czyli VaR.
Metoda pierwszy raz użyta w latach 90.
• Stress test scenarios, crash test, event risk scenarios (szok giełdowy 97, kryzys rosyjski 98,
kryzysy naftowe) Scenariusz (jednocześnie dewaluacja, wzrost stóp %, spadek giełdy, wzrost spreadów)
METODY BADANIA RYZYKA
• Analiza statystyczna
• Analizy wrażliwości
• Scenariusze
• Probabilistyczne
(np.drzewa decyzji)
• Analityczne
• Symulacyjne
(np.Monte Carlo)
• Zmienność – odchylenie standardowe…
• Zmiana wartości pod wpływem zmiany
składnika
• Budowa scenariuszy
• Warunkowy rozwój
• Jeżeli funkcję można rozwinąć w szereg
Taylora to można określić wpływ czynnika
na ryzyko (Duration pierwsza pochodna,
współczynnik wypukłości druga
pochodna)
• Inaczej modele pełnej wyceny wartości
(full valuation model) - generowanie
rozkładu prawdopodobieństwa, symulacja,
wartości progowe.
• Budowanie funkcji ryzyka i symulacja
dająca rozkład prawdopodobieństwa.
SZUKA SIĘ ODPOWIEDZI NA PYTANIE - JAK ŹLE MOŻE BYĆ?
MIARY EKSPOZYCJI I RYZYKAODCHYLENIE STADARD.
Odchylenie
przeciętneSEMIWARIANCJA
Kurtosis (kurioza)
ostrość rozkładu
Duration
Modified
Duration Key-Rate
Duration
Konweksja
Key-Rate
Modified
Duration
Basispointvalue
GREEKS
Value at Risk
Symulacja
historyczna
Varianz-Kovarianz
VaRDelta-Gamma
VaR
Monte Carlo
Simulation
C
Z
A
S
β z CAPM
STRESS TEST
CRASH TEST
EVENT SCENARIO
EXPECTED SHORTFALL
MIARY EKSPOZYCJI I
RYZYKA RYNKOWEGO
ANALIZA
WRAŻLIWOŚCIVALUE AT RISK
STRESS TEST
CRASH TEST
EVENT SCENARIO
Bada wrażliwość na zmiany
czynników, wpływ czynnika
ceteris paribus, GAP -
analiza luki
Np.
Present value np. Do analizy
cash flow różne kursy, ceny,
stopy %
basis point value
delta, vega, gamma, theta
β z CAPM
Jest miarą potencjalnej
zmiany wartości portfela
przy zakładanym poziomie
ufności, w danym czasie
np.cash flow at risk
Bada skutki spełnienia sie
ekstremalnych sytuacji
rynkowych i ich wpływu
na wartość portfela lub
cash-flow
np. Najgorszy kurs z 5 lat
lub najwyższe ceny
surowca
WARIANCJA
ODCHYL.STNAD PERCENTYLE
PRZEGLĄD
Interest Rates
Foreign Exchange
Rates
Commodities/Metals
Equities
Weather
Economic indices
Loans
Deposits
Bonds
Swaps
FRAs
Futures & Options
FX-Deals (Spot &
Forward)
Commodity Deals
(Spot & Forward)
Weather derivatives
Position Overview
Mark to Markets
Volatility
Sensitivities
BPV
Value-at-Risk
Asset Liability
Management
Gap Analyses
Scenario Analyses
Market Reports
Produkty RaportyCeny/czynniki
NOTIONAL & FAIR VALUE -
INSTRUMENTÓW FINANSOWYCH• Pierwszym krokiem jest wycena według wartości
rynkowej składników majątku (aktywa, pasywa, pozycje pozabilansowe).
• Nominalne wartości oraz PV są podstawą zarządzania ryzykiem.
• Wycena zawiera parametry ekonomiczne wyceny, które mogą podlegać zmianom.
• Drugim krokiem jest uwzględnienie zmian parametru –czynnika ryzyka.
• SEC 30.09.08 zgodził się, że tam gdzie są aktywa czasowo trudne do wyceny – rynek nie działa – może być wycena z modelu (to robił Enron)
• UE 15.10.08 MSR 39 i MSSF 7 utrzymanie do wymagalności i przekwalifikowanie wartości
18
EKSPOZYCJA NOMINALNA
MARK-TO-MARKET /TO MODEL• Poziom pierwszy rozpoznanie nominalnej
ekspozycji (maksymalna wartość straty).
• Marking-to-Market: Pozycje finansowe muszą
być wyceniane po wartości rynkowej.
• Jeżeli ceny rynkowe są nieznane to zastępuje się
je cenami fair - fair value models (Marking-to-
Model).
• Marking-to-Market and Marking-to-Model są
jedynymi technikami wycen, które prawidłowo
mierzą bieżącą wartośc aktywów i pasywów.
• Obie techniki powinny być stosowane niezależnie
od metod rachunkowości
MODELE DLA AKCJI
• Wyceny z
Discounted Cash
Flow DCF
• Model wzrostu
M.J.Gordona
1959, Review of
Economics &
Statistics s.99-105
f lowcashdyskontastopawzrostoczekiwany
FlowCashr
gEV
t
t
t
t
,,
)1(
))(1(
0
gr
DV
gDD
Lub
gr
gDV
r
gprzezstronydzielac
r
gDV
tt
t
1
1
0
)1(
)1
(*
)1
11(
)1(
)1(
FAIR VALUE -METODY WYCEN
• Towary
• Papiery wartościowe
• Transakcje FX spot
• Transakcje FX
forward
• FRA
• IRS
• Opcje
• Ceny giełdowe..
• Cena na rynku aktywnym lub cena godziwa
• Spot porównuje się ze średnim NBP
• Europejskie Black-Scholes
SNSN S
rBD
SB
rBD
BeeLP ****/
*/*/
1
)*100
*(
2
1
*
100*
*1
1*
*100*)(/
100**)1(%
d
BAZA
FwdnBAZA
nFRAFwdNLP
ed
n
Baza
d
dFwd
BAZA
nr
zapadłaNPVLP
flowscashNPV
/
_
T
tt
t
ti
tt
t
i
CPobligacjiCena
eCPVi
CPV
1
*
)1(
,*,)1(
CZYNNIKI RYZYKA AKCJI I
OBLIGACJI
• Zmiana cen akcji
• Ryzyko inflacji, stopy
procentowej, płynności,
wycofania kapitału,
bankructwa
• Ryzyko efektywnej
stopy% - yield
• Ryzyko defaultu
(kredytowe)
• Ryzyko stopy %
• Ryzyko reinwestowania,
gdy YTM jest inny niż
stopa oprocentowania
obligacji
MARK-TO-MARKET – ANALIZA
EKSPOZYCJI
• Obligacja nominał 100 przynosi 5%, ale stopa YTM=i
na rynku spadła do 3%. W efekcie wartość rynkowa
wzrosła do 105.66
Obligacja t1 t2 t3
nominal 100 5 5 105
stopa swap 3%
Dyskonto 1,03 1,0609 1,092727
105,65722 4,854369 4,71298 96,08987
Market value 105.6572 vs. 100
t
ttt
t
t
i
K
i
OPV
)1()1(0
MIARY ZMIENNOŚCI
ciagladxxxfXE
skokowaXEi
ii px
})()(
)(
ji
n
i
n
jijjii
n
iip
n
i
n
jijjii
n
iip
n
jjjP
www
www
RwRE
1 1
2
1
22
1 1
2
1
22
1
)(
MIARY ZMIENNOŚCI
• Wartość oczekiwana i wariancja aktywu
• Wartość oczekiwana i wariancja portfela
2)]^([)(2
XExEXD
MIARY ZMIENNOŚCI
• Również takie miary jak semi wariancja i
semi-odchylenie stadardowe
• Miary zmienności wskazują jedynie na
skutki ryzyka (np. miary wrażliwości
pokazują również przyczyny – czynnik
ryzyka)
MIARY WRAŻLIWOŚCI
POMIAR WRAŻLIWOŚCI VS.
RYZYKO• WRAŻLIWOŚĆ OKREŚLA JAKI WPŁYW NA
ZMIANY WARTOŚCI MA ZMIANA CZYNNIKA
WPŁYWAJĄCEGO.
• WRAŻLIWOŚĆ NIE JEST MIARĄ RYZYKA.
• WRAŻLIWOŚĆ POZWALA NA UCHWYCENIE
WPŁYWU ZMIANY CZYNNIKA NA RACHUNEK
STRAT & ZYSKÓW.
• WYPOWIEDŹ NA TEMAT RYZYKA JEST MOŻLIWA,
GDY INFORMACJI O MOŻLIWEJ SKALI ZMIAN
PRZYPISANE JEST PRAWDOPODOBIEŃSTWO.
ANALIZA LUKI
• Analiza niedopasowania aktywów i pasywów w wybranych okresach
• Mierzy ryzyko niedopasowania terminów zmiany oprocentowania aktywów i pasywów dla pozycji o stałym oprocentowaniu
• Pozycja long i short w danych okresach i wpływ stopy procentowej
POMIAR WRAŻLIWOŚCI -
ANALIZA LUKI - GAPLUKA = RATE SENSITIVE ASSETS - RATE SENSITIVE LIABILITIES
WYMAGALNE AKTYWA/ZAPADALNE ZOBOWIĄZANIA
NET INTEREST INCOME (LOSS)= LUKA * %
AKTYWA MLN PASYWA MLN
DO 3
MIES
100 400
3-6 MIES 100 300
6-12 MIES 400 200
>12 MIES 400 100
RAZEM 1000 1000
LUKA DO 12 MIES:
600-900=-300
CZYLI WZROST STOPY O 0,01%
POWODUJE WZROST KOSZTÓW :
-300 * 0.0001 = -30 TYS
BADANIA LUKI ZWYKLE
DO 3 MIES
DO 6 MIES
DO 1 ROKU
16
POMIAR WRAŻLIWOŚCI -
ZALETY ANALIZY LUKI • Pozwala zarządzać ryzykiem
finansowym -
asset-liability management
• Pozwala zarządzać finansowaniem i
płynnością wynikającą z ograniczeń
cashflow oraz wymagalnych
zobowiązań
• Identyfikacja szans na redukcję
kosztów kapitału np. Swapy inne
derywaty
ANALIZA SCENARIUSZY
• Analizy scenariuszowe są stare jak świat
• Zawsze zastanawiano się jak statek przebędzie sztormy i jaki może być tego skutek
• A więc brano pod uwagę różne scenariusze z różnym prawdopodobieństwem
• Odpowiadano na pytanie what if?
• Dziś analiza scenariuszy jest sformalizowanym procesem
• Często analiza np. silny, średni i mały wzrost przychodów firmy
SCENARIUSZ LIBORCZAS 1 M
LIBOR
3 M
LIBOR
6 M
LIBOR
12 M
LIBOR
3 L
SWAP
0 3.11 3.33 3.54 3.79 4.07
6 3.06 3.27 3.47 3.71 3.96
12 3.01 3.21 3.40 3.63 3.88
18 2.93 3.15 3.35 3.59 3.87
24 2.95 3.06 3.25 3.48 3.74
To często prowadzi do przyjęcia założeń np. o wzroście stóp np. o 200, 100 bps flat lub spadku
O 200, 100 bps. To po włączeniu do tabeli pozwala budować wyniki scenariuszy
Analiza scenariuszowa jest bardzo elastyczna – może wpisywać również przyszłe decyzje
Managerskie, a także nierównoległe zmiany krzywej dochodowości – analiza gap, czy duration
Pozwala tylko na analizę ryzyka bazowego (równoległa zmiana krzywej dochodowości)
20
ANALIZA WRAŻLIWOŚCI I
SCENARIUSZY• Głównym wyzwaniem dla firm jest
prognozowanie cen rynkowych w długim
okresie obejmującym najczęściej
planowanego cyklu - inwestycji,
produkcji.
• Mierzenie ryzyka rynkowego zawartego
w celach planowania finansowego o
horyzoncie (np. 2 do 12 miesięcy) wymaga
scenariuszy dla cen rynkowych.
• W celu opracowania scenariuszy, firma
musi wiedzieć jak każdy komponent
wyniku finansowego reaguje na małe
zmiany cen rynkowych - analiza
wrażliwości.
WRAŻLIWOŚĆ - POCHODNA
CZĄSTKOWA
• Formalną miarą wrażliwości jest pochodna
cząstkowa – pochodna cząstkowa funkcji P
względem czynnika ryzyka F
• Problem ceteris paribus, gdy istnieje wiele
czynników ryzyka i nie są one niezależne
• Mogą być funkcje liniowe oraz nieliniowe
mjdlaF
P
j
j ...1
Leibniz Gotfried Wilhelm 1686 współautor rachunku różnicowego
FUNKCJA LINIOWA
• Wtedy miarą wrażliwości jest parametr stojący przy
czynniku ryzyka:
nnFFFP ...2211
WRAŻLIWOŚĆ METODY
ANALITYCZNE ANALIZA
CZYNNIKOWA TAYLOR• W analizie ryzyka
interesuje nas co się stanie, jeżeli czynnik ryzyka wzrośnie o Δ:
• Można skorzystać ze „skrótu” rozwinięcie Taylor‟a.
• Brook Taylor 1685-1731 rachunek różniczkowy.
yyy 01
22
2
1
2
0001
2
2
1
10
2(.)",(.)'
....))(("2
1)('
...)()()(
ady
Pdfa
dy
dPf
yyfyyfPP
yayaayyP
WRAŻLIWOŚĆ METODY
ANALITYCZNE ANALIZA
CZYNNIKOWA• MODEL OGÓLNY:
• f: wartość funkcji (portfel/aktyw), RF:risk
factor, Stopa przychodu w modelu czynnikowym to
zważenie czynika RF przez wagę b oraz wartość
rezydualna. Waga ta mierzy wrażaliwość instrumentu
finansowego na jego ekspozycję
• Wzór Taylora rozwinięty do pierwszej (delta) i drugiej
(gamma) pochodnej
ijij
jijijRFaf
RFf RFRFf2
1
TAYLOR ROZWÓJ CIĄGU
• Niech Pt będzie wartością bieżącą
Portfela w czasie t. Pt zależy od
czynników ryzyka RF(1)=F1 oraz
RF(2)=F2 . Zmiana wartości
bieżącej może być przedstawiona
jako:
tt PPP 1
RYZYKO
LINEARNE
RYZYKO
KWADRATU
NIELINEARNE RYZYKO
WYŻSZEGO STOPNIA
..6
3
2
2
..6
1
2
1
...3*2*1
1
2*1
1
1
2
21
2
2
1
3
21
21
2
3
23
2
32
22
2
2
2
2
3
13
1
32
12
1
2
1
1
1
FFFF
PFF
FF
P
FF
PF
F
PF
F
P
FF
PF
F
PF
F
PPP tt
Częsro zapomina się
O czynnikach krzyżowych !
0
00
)(
)(!
)()(
n
nn
xxn
xfxf
ELASTYCZNOŚĆ
• Współczynnik elastyczności określa o ile % zmieni się cena, gdy czynnik ryzyka zmieni się o 1% (ceteris paribus):
•
P
F
F
PE
F
FE
P
P
POMIAR WRAŻLIWOŚCI AKCJI• Historia (sami Nobliści):
– Markowitz 1952,59 model dla risk averse investors optymalizują zysk i ryzyko
– Tobin 1958 dołączył do portfela stopę wolną od ryzyka i możliwość pożyczania środków inwestorom
– Modigliani Miller 1958,61 brak arbitrażu wolnego od kosztów na rynku
– Sharpe 1964 , Lintner 1965, Merton 1973 CAPM równowaga zysk/ryzyko na rynku
– Ross Arbitrage Price Theory
POMIAR WRAŻLIWOŚCI AKCJI
• Model CAPM dekomponuje ryzyko zmiany cen akcji
(stopa zwortu Ri) na relację zmiany stopy zwrotu z
akcji do stopy zwrotu całego rynku RM i wartość
rezydualną
• Zmiana ceny dekomponuje się na (tylko czynnik
rynkowy):
])([0)(
)(
)(
][2
),
cov(
**
fRMREifRiRE
MR
iR
iMM
R
MR
iR
i
MiiMiii RRR
Miiii RPPRP *)(Obok modeli jednoczynnikowych są modele wieloczynnikowe Arbitrage Pricing Theory (S.Ross)
POMIAR WRAŻLIWOŚCI AKCJI
• Ryzyko rynkowe (systemowe) & ryzyko specyficzne:
• Ryzyko specyficzne to reszta ryzyka, która pozostaje
po uwzględnieniu wpływu ryzyka rynkowego:
• Wariancja portfela rozkłada się na dwie części –
pierwszą ryzyko rynkowe i drugą ryzyko specyficzne
][][*)(][
:
)(*)(
2222
iiMii
iiMiiii
PRPP
Wariancja
PRPPRP
POMIAR WRAŻLIWOŚCI AKCJI
Obok modeli jednoczynnikowych są modele
wieloczynnikowe Arbitrage Pricing Theory
(S.Ross):
nnFFFR ....22110
ANALIZA WRAŻLIWOŚCI
GREEKS
Delta:
Gamma:
Theta:
Vega:
RF
f
2
2
RF
f
f
t
f
f
JAK ZMIENIA SIĘ WARTOŚĆ PORTFELA
PRODUKTU FINASOWEGO,
GDY ZMIENIA SIĘ CZYNNIK RYZYKA(RF)?
JAK ZMIENIA SIĘ DELTA,
GDY ZMIENIA SIĘ CZYNNIK RYZYKA(RF)?
JAK ZMIENIA SIĘ WARTOŚĆ PORTFELA
PRODUKTU FINANSOWEGO,
GDY ZMIENIA SIĘ HORYZONT CZASU(t)?
JAK ZMIENIA SIĘ WARTOŚĆ PORTFELA
PRODUKTU FINANSOWEGO,
GDY ZMIENIA SIĘ VOLATILITY?
DURATION
WRAŻLIWOŚĆ INSTRUMENÓW
DŁUŻNYCH NA ZMIANĘ STOPY
PROCENTOWEJ
DURATION• Jest to rzeczywisty ekonomiczny cykl “życia”
obligacji (kredytu, należności…)
• Np. Gdy mamy obligację 30 lat zerokuponową to
okres dysponowania kapitałem oraz okres
kontraktowy są takie same.
• Ale, jeżeli mamy obligację, która wypłaca odsetki
lub kredyt spłacany ratami to czas dysponowania
kapitałem różni się od czasu kontraktowego
• Duration i konweksja są czynnikami opisującymi
wrażliwość ekspozycji na równoległe
przesunięcia krzywej spotowej (ryzyko stopy
procentowej)
WRAŻLIWOŚĆ OBLIGACJI NA
ZMIANY STÓP %• Obligacje i yields są odwrotni zależna, rośnie yield spada wartość
obligacji, spada yield cena obligacji rośnie
• Wzrost YTM powoduje mniejszą zmianę ceny niż spadek YTM w podobnej skali
• Ceny obligacji długoterminowych są bardziej wrażliwe na zmiany yields niż obligacji krótkich
• Wrażliwość cen obligacji na zmianę yields rośnie ale w malejącym tempie z rosnącym czasem do wygaśnięcia – czyli ryzyko stóp% proporcjonalnie maleje do wzrostu czasu wymagalności
• Ryzyko stopy % jest odwrotne do kuponu obligacji, ceny obligacji o wysokim kuponie są mniej wrażliwe na zmiany stóp% niż ceny obligacji o niskim kuponie
• Wrażliwość cen obligacji do zmiany ich yields są odwrotnie zależne do YTM, po którym aktualnie obligacje są sprzedawane
DURATION• Idea duration jest prosta,
jeżeli czas ekonomicznego życia obligacji (duration) jest 3 lata a stopy wzrosły o 1% to wartość obligacji spadnie o około 3%
• Gdyby obligacja miała duration 10 lat a stopy wzrosły o 1% to spadek wartości obligacji wyniósłby około 10%
• Ale w rachunku dyskonta 7,65%
• Średni okres * utrata odsetek ze wzrostu= Δi
CF Dyskonto PV(7%) Dyskonto PV(8%)
10 1,07 9,345794 1,08 9,259259
10 1,1449 8,734387 1,1664 8,573388
110 1,225043 89,79277 1,259712 87,32155
sum 107,8729 - 105,1542
strata = 2,718754
CF Dyskonto PV(7%) Dyskonto PV(8%)
10 1,07 9,345794 1,08 9,259259
10 1,1449 8,734387 1,1664 8,573388
10 1,225043 8,162979 1,259712 7,938322
10 1,310796 7,628952 1,360489 7,350299
10 1,402552 7,129862 1,469328 6,805832
10 1,50073 6,663422 1,586874 6,301696
10 1,605781 6,227497 1,713824 5,834904
10 1,718186 5,820091 1,85093 5,402689
10 1,838459 5,439337 1,999005 5,00249
110 1,967151 55,91842 2,158925 50,95128
121,0707 - 113,4202
strata= 7,650582
DURATION
• Ekonomiczny sens duracji – średni ważony czas angażowania kapitału
Odsetki Odsetki OdsetkiOdsetkiOdsetki
Odsetki
+
Kapitał
duration
Cash flow w okresach
1 2 3 4 5 6
DURATION
• Duration – (Frederic Macaulay, J.Hicks): zwykłe mierzy ekonomiczny czas trwania instrumentu – średni ważona zapadalność cash flow danego instrumentu, gdzie wagi wynikają z ich proporcji do present value
Im wyższa stopa % tym niższe duration
Im dłuższy termin tym wyższe duration
Im wyższy yield tym niższe duration
Karencja przedłuża duration
Im dłuższe duration tym większe volatility ceny
n
t
t
n
t
t
n
nn
n
n
nn
n
zwykle
PPPnPnPPzwykle
PV
PVt
YTM
CF
YTM
nCF
D
PV
iCF
gdzie PwPwPwD
1
1
1
1
(.)
(.)
(.)
..11
*
)1(
)1(
)1/(
,...
DURATION OBLIGACJI
DYSKONTO 5,00%
WARTOŚĆ KUPON OKRES CASH FLOW PRESENT VALUEWAGA WAGA*OKRES
1000 10,00% 1 100 95,23809524 0,080896 0,080896
2 100 90,70294785 0,077043 0,154087
3 100 86,38375985 0,073375 0,220124
4 1100 904,9727223 0,768687 3,074746
SUMA 1177,297525 1 3,529852
DURATION
DURATION
• Dla Macaulay duration oznaczała czas
ekonomiczny obligacji i tak oryginalnie
rozumiano duration
• Współcześnie zauważono, że przy Macauley
duration przy kalkulacji ciągłej składanej stopy
dyskonta i jest równa wrażliwości na stopę %
• Czyli dla stopy dyskonta ciągłej Macauley
duration = modified duration
DURATION MODYFIKOWANE
• Jest ważoną pochodną cząstkową – miarą tg kąta
nachylenia
idurationDuration
ii
PONIEWAZ
idurationi
iduration
i
iduration
P
P
zyblizenie
i
P
PP
P
1
1*(mod)
)1(
:
*(mod)1
*1
)1(*
:Pr
*1
0
00
POMIAR WRAŻLIOWŚCI
OBLIGACJI DURATION• Wpływ zmiany oprocentowania na
zmianę ceny papieru mierzy zmodyfikowane duration, czylimnożone przez zmianę stopy%zwykłe duration (Macaulay)
• Duration pieniężne bez dyskonta
• Duration modyfikowaneMD(tzw present value duration/indeks stopy%):
• Przybliżony wpływ:
• Value of a basis point
iD
PDdi
dPbiezaceDurationyf
Dzwykle
MD
MD
1
*)(' 00
0*0001,0*int
*11
lub
PDpobasisaofV
iii
i
P
P
iDP
P
MD
zwykle
zwykle
MD
DD
POMIAR WRAŻLIWOŚCI
DURATION/MODIFIED DURATION
PDurationidi
dP
Durationi
DurationModified
PV
iCFn
PV
iCF
idi
dPV
PV
PVdozmianyproporcja
i
nCF
di
dPV
i
CFPV
n
n
n
n
n
nn
n
**1
1
*1
1
)1/(...
)1/(
1
1*
1
:
))1(
(
)1(
1
11
DURATION
• Duration jest odwrotnie proporcjonalne do wysokości kuponu – im wyższy kupon tym krótsze duration
• Duration a maturity – im bardziej wydłuża się zapadalność tym większy dysparytet z maturity
• Duration spada, gdy rosnie yield, bo PV odleglejszych płatności spada bardziej
• Zakłada się dla duration płaską krzywą dochodowości
• Duration zakłada też równoległe zmiany krzywej dochodowości
• Duration jest aproksymacją ryzyka ceny w zasadzie tylko dla małych zmian stóp%
CENA INSTRUMENTU 20 LAT W
ZALEŻNOŚCI OD POZIOMU STOPY %PAR= 100
0,01 81,95445
0,02 67,29713
0,03 55,36758
0,04 45,63869
0,05 37,68895
0,06 31,18047
0,07 25,8419
0,08 21,45482
0,09 17,84309
0,1 14,86436
0,11 12,40339
0,12 10,36668
CENA INSTRUMENTU 20 LAT
0
10
20
30
40
50
60
70
80
90
0,01
0,02
0,03
0,04
0,05
0,06
0,07
0,08
0,09 0,
10,
110,
12
STOPA %
CE
NA
100
POMIAR MODIFIED DURATION
PRZYKŁAD Z WCZEŚNIEJSZEGO WYKRESU
ZMIANA CENY Z 37,68895 OD PAR DLA 5% DO 31,18047 OD PAR DLA 6%
STĄD OCZEKIWANA ZMIANA CENY DLA 1%
= 1% (P/(1+i)) OD -551% (DURATION PRZYBLIŻONE, BIEŻĄCE)=-5,51%
MODYFIKOWANE DURATION=-0,14616/(1+6%)=-13,788
Value of a basis pointΔP/P= -13,788*0,0001*np.100 mln=1378,083$
CENY/STOPY P0 P1 i0 i1
0,37689 0,321805 0,05 0,06
ΔP/P -0,14616
DURATION BIEŻĄCEΔP/Δi-5,50848 -551% PRZYBLIŻENIE ZAŁ. P/(1+i)=1
MODYFIKOWANE DURATION PV-0,13788
ΔP/P= dla 100mln$ -1378,83 np..$
POMIAR WRAŻLIWOŚCI -
DURATION
• F.Macaulay‟s (J.Hicks) duration - średni ważony czas
cash flow (okres trwania).
• Np. 100$, 6%,4lata, bullet
• Przy równych ratach (n+1)/2
• np.5 lat (5+1)/2=3
okres platnosc zdyskontowana zdyskontowana wagi lat waga okresow
jako %
1 6 5,66 5,66 1 0,0566
2 6 5,34 5,34 2 0,1068
3 6 5,038 5,038 3 0,15114
4 106 83,962 83,962 4 3,35848
100 3,67302
INFORMACJE
6% 4 lata 100$
n
nn
n
n
nn
n
zwykle
YTM
CF
YTM
nCF
D
1
1
)1(
)1(
POMIAR WRAŻLIWOŚCI
MODIFIED DURATION• Modyfikowane Duration=1/(1+i)*Macaulay‟s
Duration (zwykłe)
• Duration zwykłe*( i/(1+i)) = wpływ na zmianę ceny
• Np. (3.673/1,06)*0.0001=0.0003465
• Służy do określenia o ile zmieni się cena np. obligacji, jeżeli yield zmieni się np. o 0,01% (price sensitivity to small changes)
• VAR= Wartość ryzyka = cena* modified duration*Δi*(P(i))
• Np. 100$ * 3,465*(dla 95% ufności, max wzrost stopy% =1,645/100)= 5,7 mln $
0*1
* Pi
i
P
PDz
Obligacja 100000000
Duration 3,673
YTM 1,06
MD 3,46509434
Ufność 0,95
max u 1,645
u/100 0,01645
VAR 5700080,19
POMIAR WRAŻLIWOŚCI
DURATION MODYFIKOWANE
DLA 0-COUPON
• Obligacja O-coupon 2 lata
15,5%
• PV = 100/ (1.155)^2=74.96
• Dmd=
2*100:[(1.155)^3]/PV=
1.73
PVfactordiscountNotionaltdurationModyf /./*.
OBLICZENIE Wynik OBLICZENIE
OBLIGACJA 0 Coupon
lata 2
nominal 100
stopa% 0,155
PV 74,96111 100/(1,155) 2̂
Sredni okres 2
Modified
Duration 1,731602 (2*100/(1,155) 3̂)/b6
Zmiana ceny PV01 0,000173
POMIAR WRAŻLIWOŚCI BVP
• PRESENT VALUE of BASIS POINT:
• Można estymować zmianę ceny obligacji pod wpływem
„małych” zmian stopy % przez np. liniową ekstrapolację
• Czyli np. obliczając jak zmienia się jej cena pod wpływem
zmiany stopy procentowej o 1 punkt bazowy czyli o 0,01%
(0,0001)
• Metoda nazywa się Present value of basis point PV01
• Jest podobna do duration i jest miarą wrażliwości ceny na
zmianę stopy o 1 bps
0001,0**
lub
)%01,0()(
PVMDBPV
valuemarketMV
paMVrMVPVBP
POMIAR WRAŻLIWOŚCI BVP
• PRESENT VALUE of BASIS POINT:
• Można estymować zmianę ceny obligacji pod wpływem
„małych” zmian stopy % przez np. liniową ekstrapolację
• Czyli np. obliczając jak zmienia się jej cena pod wpływem
zmiany stopy procentowej o 1 punkt bazowy czyli o 0,01%
(0,0001)
• Metoda nazywa się Present value of basis point PV01
• Jest podobna do duration i jest miarą wrażliwości ceny na
zmianę stopy o 1 bps
0001,0**
lub
)%01,0()(
PVMDBPV
valuemarketMV
paMVrMVPVBP
BASIS POINT VALUE
PRESENT VALUE BASIS POINT
• Jak na cenę obligacji wpływa ryzyko zmiany stopy
o 1 punkt bazowy, np. z 10% do 10,01%
• PV01 Present Value zmiany o 0,01%,czyli 0,0001
T=1 T=2 T=3
CF 10 10 110
Dyskonto 1,1 1,21 1,331
DCF 9,090909 8,264463 82,64463 100,000
Wzrost stopy % o 10bps
Dyskonto 1,1001 1,21022 1,331363
DCF 9,090083 8,26296 82,62209 99,97514
Różnica -0,025
KONWEKSJA INSTRUMENTÓW
DŁUŻNYCH
Linearne zależności są wyjątkami w
życiu – nielinearne są wszechobecne
N.Taleb
CENA INSTRUMENTU 20 LAT W
ZALEŻNOŚCI OD POZIOMU STOPY %PAR= 100
1% 81,95445
2% 67,29713
3% 55,36758
4% 45,63869
5% 37,68895
6% 31,18047
7% 25,8419
8% 21,45482
9% 17,84309
10% 14,86436
11% 12,40339
12% 10,36668
CENA INSTRUMENTU 20 LAT
0
10
20
30
40
50
60
70
80
90
1% 2% 3% 4% 5% 6% 7% 8% 9% 10% 11% 12%
STOPA %
CE
NA
100
POMIAR WRAŻLIWOŚCI
WYPUKŁOŚĆ - CONVEXITY
• Duration w małych
przedziałach może być
stosowane ale przy
dużych zmianach stóp
% rośnie błąd
• Krzywa wypukła
pokazuje bardziej
prawdziwe relacje cen
i wartości – pochodna
drugiego rzędu2
2
1
1
2
122
2
0
11
*)("2
1*)(')()(
2
)1(
)1(*);1(*
)1(
)1(
)1(
*)1(
)1(
)1()("
))1(
(
yyfyyfyfyyf
rzedujaaproksymacTaylor
i
nnconvexitynnfactorconvexitystad
YTM
CF
YTM
CFnn
YTM
YTMConvexity
di
dDuration
i
CFnn
di
PVdif
pochodnaDruga
i
nCF
di
dPV
pochodnaPierwsza
n
nn
n
n
nn
n
n
n
n
n
n
n
KONWEKSJA - CONVEXITY• Pierwszym przybliżeniem delty zmiany ceny obligacji pod wpływem
zmiany ceny jest duracja – drugim źródłem informacji jest konweksja
• Konwekcja dolicza efekt zagięcia – paraboli
• Najlepiej dopasowana parabola definiuje się jako (Taylor
aproksymacja):
• Koweksja to stopa zmiany duracji pod wpływem zmiany yield
• Dodatnia konweksja, gdy cena instrumentu rośnie bardziej, gdy spada
yield niż cena instrumentu spada wtedy, gdy yield rośnie
• Graficznie konweksja mierzy zmianę nachylenia ceny instrumentu w
stosunku do zmiany yield curve (krzywej dochodowości)
2
0
2
mod
2
*1
:
*2
i
P
Pconvexity
Convexity
idurationiconvexity
P
P
KONWEKSJA - CONVEXITY
• Koweksja to stopa zmiany duracji pod wpływem
zmiany yield
• Dodatnia konweksja, gdy cena instrumentu rośnie
bardziej, gdy spada yield niż cena instrumentu
spada wtedy, gdy yield rośnie
• Graficznie konweksja mierzy zmianę nachylenia
ceny instrumentu w stosunku do zmiany yield
curve (krzywej dochodowości)
KRZYWA WYPUKŁA• Jeżeli stopa % jest czynnikiem ryzyka to trzeba
sumować pochodne wyższych rzędów
• Współczynnik wypukłości C: wykorzystuje
zmodyfikowane Duration oraz szereg Taylora
• Wypukłość to drugi wyraz w szeregu Taylora
nmianownikuwnfczęzęstogdy
f
i
nnPPConvexity
CiDP
P
fdid
iMD
222
2
)2(
)1(
)1(/
2
1
KRZYWA WYPUKŁA
P
Prawdziwa zależność P od i
Tg =dP/di Błąd duracji
Wypukłość tym większa im
niższy kupon
niższa stopa zwrotu
dłuższy termin wykupu
Aproksymacja zmiany wartości poprzez Duration zakłada równoległe przesunięcie krzywej stopy %.
Wyniki są prawdziwe tylko dla bardzo małych zmian stóp %
i WEWNĘTRZNA
STOPA PROCENTOWA
YIELD
P
CENA
OBLIGACJI
Duracja
Duracja+convexity
WYPUKŁOŚĆ
LATA CASH-FLOW PV WSPOLCZYNNIK WYPUKLOSC
WYPUKLOSCI
1 10 9,090909 2 A3*(A3+1) 18,18182 D3*C3
2 10 8,264463 6 A4*(A4+1) 49,58678 D4*C4
3 10 7,513148 12 A5*(A5+1) 90,15778 D5*C5
4 10 6,830135 20 A6*(A6+1) 136,6027 D6*C6
5 110 68,30135 30 A7*(A7+1) 2049,04 D7*C7
suma 100 Suma F3:F72343,569
n(n+1) wypuklosc 23,43569
mod.wypuk 19,36834 F10/(1,1) 2̂
)1(2
mod
'
)1(*)(
)1(*,
i
Cified
valuemarket
nnCFPVconvexity
nnfactorconvexity
WPŁYW WYPUKŁOŚCI I
DURATION NA SZACOWANĄ
ZMIANĘ CENY OBLIGACJI
DURACJA A B
ZMIANA STOPY% 0,01 0,05 WZROST STOP
DURACJA -3,79 -3,79
OSZACOWANIE DUR -0,0379 C5*C4 -0,1895 E5*E4
NOWA WARTOSC
OBLIGACJI 96,21 100*(1+C6) 81,05 100(1+E6)
CONVEXITY
WYPUKLOSC MOD. 19,37 19,37
WPLYW WYPUKLOSCI0,000969 0,024213 0.5E13*E4 2̂
DURACJA+WYPUKLOSC-0,03693 C6+C14 -0,16529 E6+E14
NOWA WARTOSC 96,30685 100*(1+C15) 83,47125 100(1+E15)
OBLIGACJI
2
2 1
)1(
)1(
)1(
m
im
nnConvexity
m
im
n
Duracja
m
i
PARCena
nm
PERCENTYLE
PERCENTYLE
• Dzielą zbiorowość na 100 równych części
• A więc znalezienie się w percentylu wynosi
1% (dla zmiennej losowej)
• np. Strata od - nieskończoności do wartości
dla granicznej dla pierwszego procenta
pojawia się z prawdopodobieństwem 1%, a
więc z prawdopodobieństwem 99% nie
pojawi się!
CZĘSTOŚĆ DECYLEŚrednia 4,163880488
Max 4,4211
Min 4,0567
Odchylenie standardowe 0,076232818
Przedziały Częstość w % Skumulowana
4,2567 4,05 0 0,00% 0,00%
4,1567 4,1 8 19,51% 19,51%
4,2378 4,14 11 26,83% 46,34%
4,2365 4,18 11 26,83% 73,17%
4,2435 4,22 2 4,88% 78,05%
4,4211 4,26 6 14,63% 92,68%
4,2234 4,28 1 2,44% 95,12%
4,3576 4,32 0 0,00% 95,12%
4,2786 4,36 1 2,44% 97,56%
4,2566 4,5 1 2,44% 100,00%
4,2134
4,1865 RAZEM 41
4,1754
4,1626
4,1637
4,1754
4,1675
4,1723
4,1643
4,156502468
1012
1 3 5 7 9
CZESTOSC
VALUE AT RISK
POJĘCIE VAR, MODEL VAR, METODY VAR –WARIANCJI-KOWARIANCJI, HISTORYCZNA, SYMULACYJNA, IMPLIKOWANY VAR, VAR
PORTFELA, VAR DLA RÓŻNYCH INSTRUMENTÓW, MIERNIKI RYZYKA MARGINALNEGO, TESTY
NAPIĘĆ – STRESS TEST, CRASH TEST
VALUE AT RISK
WARTOŚĆ POD RYZYKIEM
• Metoda Duration/Convexity okazała się
niewystarczająca
• J.P.Morgan w 1994 zaproponował Value At
Risk i system zwany RiskMetrics
• Cztery metody: a/parametryczna, b/historyczna,
c/ Monte Carlo d/(implikowana)
• a/ bazuje najczęściej na rozkładzie normalnym
zmian cen instrumentów
• b/ i c/ metody symulacyjne d/z rynku
KLUCZOWE POJĘCIA
• Horyzont czasowy i przedział ufności
• Przedział ufności stanowi podstawę metody VaR – jest on miarą stopnia ufności, którego ekwiwalentem jest prawdopodobieństwo wyniku zmiennej losowej. Przedział ufności X definiuje prawdopodobieństwo, że przy danym rozkładzie zmiennej losowej wynik znajdzie się w określonym zakresie (przedziale)
• Horyzont czasowy to okres przetrzymania aktywu – zmienność rośnie wraz z czasem
VALUE AT RISK
WARTOŚĆ POD RYZYKIEM
• VaR uznała Group of Thirty jako dobrą praktykę w 1993 roku
• Ale wcześniej rozwijano:
• 1938 bond duration
• 1952 Markowitz nadzieja matematyczna/wariancja
• 1963 Sharpe CAPM
• 1966 Multiple factor model
• 1973 Black-Scholes model opcji, Greeks
• 1988 Ważenie aktywów ryzykiem w bankach
• 1993 VaR
• 1994 RiskMetrics
• 1998 Integracja credit risk & market risk
• 1998 Budżetowanie ryzyka
VALUE AT RISK• VaR estymuje największą oczekiwaną stratę z inwestycji,
przy założeniu normalnych warunków, przy danym
poziomie ufności, w czasie przetrzymania (techniki
statystyczne), czyli potencjalnie maksymalne zmniejszenie
wartości z danym prawdopodobieństwem w czasie
przetrzymania
• VaR estymuje ryzyko poprzez model (stochastyczny –
losowość zmian cen), sprowadza wynik do jednej liczby
• VaR okeśla stratę w warunkach normalnych zmian na
rynku, a więc jest wartością szacunkową
• VaR jest rekomendowana przez Komitet Bazylejski i
GINB (pozwala ustalić ile potrzeba “kapitału ryzyka”)
• VaR informuje syntetycznie zarząd o sytuacji firmy
VALUE AT RISK• VaR charakteryzuje poziom dyspersji w rozkładzie
strat i zysków przez co jest dobrym narzędziem
monitorowania ryzyka
• VaR szacuje tylko wartość maksymalnej straty, przy
założonym poziomie ufności, a więc odnosi się tylko
do ryzyka downsize
• Notacja matematyczna:
),(
)exp(}{^))/2()(
)12(2)(
:
))((}}({
lub
)Pr(|inf{}}({
2
1
Nv
dxxerf
yerfY
gdzie
YVKYvVaR
YKvKKYvVaR
VALUE AT RISK• Ryzyko wynika z mismatchu pozycji ze względu na zmienność cen,
kursów, stóp etc.
• W starym podejściu dla ograniczenia ryzyka nakładano limity, ograniczano instrumenty, czas, ekspozycję.
• Najważniejszy jest rozkład ryzyka potencjalnej straty dla całej firmy a nie dla poszczególnego instrumentu.
• VaR ma służyć ograniczeniu potencjalnych start między dwoma punktami w czasie, przy założonym prawdopodobieństwie.
• VaR nie jest metodą na określenie „worst scenario” lecz tylko estymuje uzasadnioną stratę w normalnych warunkach rynkowych.
• Wyzwaniem w VAR jest właściwa estymacja zmienności
• W VAR arbitralnie określa się dwa parametry czas przetrzymania oraz poziom ufności
WARTOŚĆ NARAŻONA NA
RYZYKO• Koncepcja:inwestycja*wrażliwość*zmienność
• Przykład:
– Inwestycja 100000 akcji po 4$ = 400000
– Jednoprocentowa wrażliwość np.zmiana ceny o 1%
czyli o 4c daje zmianę wartości inwestycji o 4000$
– Zmienność oczekiwana np. “na jedną noc” wynosi
1,5%; czyli 1,5 wrażliwości jednoprocentowej
• Wartość narażona na ryzyko na okres
przetrzymania = 1 dzień:
– 400000$*1%*1,5=6000$
VAR DLA ROZKŁADU
NORMALNEGO
STANDARYZOWANEGO
PLNEURPLNPLNVaR
uEUREURwDepozytnp
istotnoscipoziomVaRVP
VuVaR
VinwestycjidlastadymnormarozkladzieW
istotnoscipoziomuxP
Stad
xu
godaryzowanesegonormarozkladuZ
i
ti
ij
ii
466/1000*)2,0*33,2(
8,3;2,0;33,2,1000.
)(
)*(
:0ln
)*(
:
*
:tanln
1
Jeżeli wziąć 5% z 252 dni tzn 12,6 dnia straty w przedziale do 5%
MODEL VALUE AT RISK
• Stopa zwrotu R ma rozkład normalny
• Wartość VaR przy poziomie ufności α to dolny percentyl*ekspozycja
• prawdopodobieństwo po prawej stronie
• Uα zmienna standaryzowana rozkładu normalnego, µ - średnia =0 dla rozkładu standaryzowanego, V ekspozycja
• Z- macierz prognozy kowariancji stóp zwrotów poszczególnych czynników ryzyka
ZBB
daryzowanysrozkladVuVaR
xugdzieux
dxxxf
ekspozycjiwartoscpercentylVxVaR
N
T
VAR
tan0
,
)(
]*[
),( 2
VALUE AT RISK VAR• VAR - pozwala określić skalę i
prawdopodobieństwo wystąpienia zwykłego ryzyka
• Korzystając z rozkładów symetrycznych można
estymować, jakie jest prawdopodobieństwo, że
cena danego instrumentu przekroczy określony
poziom w okresie przetrzymania
• VAR mierzy największą stratę w czasie
przetrzymania, na danym rynku, przy zakładanym
przedziale ufności (prawdopodobieństwo - czyli
tolerancja ryzyka, wrażliwość) - okres
przetrzymania - najczęściej 1 dzień
VAR
• VaR nie opisuje najgorszej straty, w rzeczywistości oczekuje się nawet, że wartość VaR będzie przekroczona raz na np. 100 dni. (współczynnik ufności 99%)
• VaR też nie opisuje strat po lewej stronie rozkładu – bo nic nie mówi na temat rozkłady prawdopodobieństwa strat, jedynie co mówi to że taka strata może wystąpić i z jakim prawdopodobieństwem
• VaR jest miarą obciążoną pewnym błędem, co zależy od okresu analizy danych do mierzenia zmienności.
• Im większy poziom ufności tym większy VaR.
• Im większy horyzont tym większy VaR TdzienVaRTdniVaR *)1()(
MODEL VALUE AT RISK
• W uproszczeniu VaR to:
• VaR=NSTD* *T^(0,5)*V
• Czyli:
– NSTD: number of standard deviations for chosen confidence level and chosen distribution
– : odchylenie standardowe
– T: czas przetrzymania
– V: Wartość aktywu
NAJCZĘŚCIEJ ZAKŁADA SIĘ ROZKŁAD NORMALNY, ALE DLA DUŻEJ
WYPUKŁOŚCI ZMIANY CEN NIE JEST TO NAJLEPSZE ROZWIĄZANIE
23
METODOLOGIA Value-at-Risk
• Value-at-Risk (VaR): Maksymalny spadek wartości
portfela w stosunku do określonego celu (np. budżetu),
którego można doświadczyć pod wpływem ryzyka
rynkowego w odniesieniu do wyspecyfikowanych
ekspozycji, w określonym czasie przetrzymania, przy
danym poziomie ufności.
• 1,65 wartości standaryzowanej
• zmienności rozkładu normalnego
• dla prawdopodobieństwa P=5%, czyli 95% ufności, że strata w
zwykłych warunkach nie przekroczy wyliczonego limitu
V
R
t
ttt
VaR
P
1
1,
**65,1
%5}65,1{
VALUE AT RISK• P(W<=Wo-VaR)=1-
• Wo - obecna wartość instrumentu,
• W - wartość instrumentu na koniec okresu
• 1- - poziom ufności/tolerancji, (1-poziom
istotności)
• P - z prawdopodobieństwem równym poziomowi
tolerancji zajdzie zdarzenie, że wartość instrumentu
będzie równa, mniejsza od obecnej wartości – VaR• Przedział ufności jest miarą stopnia ufności, że zmienna losowa znajdzie się powyżej
określonej wartości
• Horyzont czasu – im dłuższy tym większa zmienność
VAR założenie rozkładu normalnego
standaryzowanego
KALKULACJA VAR DLA PARAMETRÓW:
Ekspozycja V 1000000
Średnia R dzienna 0,005
Odchyelnie standardowe0,020,02
U 0,05 -1,64485 NORMSINV( )
VAR= 27897,07 /=-(D3+D5*D4)*D2
Dla 10 dni VAR= 88218,28 /=10 0̂,5
VAR
• VaR nie opisuje najgorszej straty, w rzeczywistości oczekuje się nawet, że wartość VaR będzie przekroczona raz na np. 100 dni. (współczynnik ufności 99%)
• VaR też nie opisuje strat po lewej stronie rozkładu – bo nic nie mówi na temat rozkłady prawdopodobieństwa strat, jedynie co mówi to że taka strata może wystąpić i z jakim prawdopodobieństwem
• VaR jest miarą obciążoną pewnym błędem, co zależy od okresu analizy danych do mierzenia zmienności.
• Im większy poziom ufności tym większy VaR.
• Im większy horyzont tym większy VaR TdzienVaRTdniVaR *)1()(
WSPÓŁCZYNNIKI VAR• Wskaźnika VAR%, który wynika z podzielenia VaR/wartość
aktywu – informuje o relatywnym ryzyku aktywu w normalnych warunkach rynkowych
• Marginalny VaR: mierzy wpływ małych zmian w pozycji aktywu na wartość VaR, czyli jak 1% zmiany wartości aktywu (lub rozkładu) wpływa na zmianę VaR
• Cząstkowy VaR mierzy jak zmiana pozycji jednego z aktywów wpływa na ryzyko całego portfela, szczególnie jak pozbycie się całkowite danego aktywu z portfela wpłynie na ryzyko portfela – pozwala ustalić, który aktyw wnosi najwięcej do ryzyka portfela
VAR PROCES• Określić wartość rynkową instrumentu
• Określić czynniki rynkowe decydujące o wartości
• Dokonać licznych rewaluacji instrumentu używając
zakładane zmiany cen
• Przeanalizować rozkład wartości instrumentu po
wszystkich wycenach
• Przedział ufności określa wielokrotność odchyleń
standardowych rozkładu zmiany ceny instrumentu -
wyższa ufność = wyższe prawdopodobieństwo
• 5% oznacza, że raz na 20 dni może być strata>VaR
7
VALUE-AT-RISK WPŁYW
MARKET RISKS NA POZYCJĘDEFINICJA:
5%-VaR estymuje stratę, która będzie
przekroczona z prawdopodobieństwem 5% (a
więc nie będzie przekroczona z
prawdopodobieństwem 95%) 5%-VaR wskazuje
kwotę najmniejszej możliwej straty w odniesieniu
do 5% największych możliwych strat
Present Value VaR uncert. future
Present Value
upper quantile
lower quantile
Prices
Rates of Returns
VALUE AT RISK• Graficzna interpretacja VaR dla rozkładu
normalnego standaryzowanego
• VaR jest to strata wartości rynkowej, taka że prawdopodobieństwo jej
przekroczenia w danym okresie jest równe zadanemu poziomowi tolerancji
F(W)
W
5%
U * *Notional=VaR
-poziom
istotności
1- :poziom ufności
95%
Wo
1
0
%5}65,1{1/ tttrP
Krzywa gęstości
Krzywa prawdopodobieństwa
VALUE AT RISK• Miarami rozkładu normalnego jest średnia i
odchylenie standardowe.
• Cechą jest np. 68% zdarzeń będzie się
mieścić w przedziale średnia +- odchylenie
standardowe
• 5% zdarzeń w rozkładzie mieści się poniżej:
średnia - 1.645 odchylenie standardowe
• a więc 95% ufności, że będzie powyżej:
średnia - 1.645 odchylenie standardowe
(przedział ufności)
VALUE AT RISK
• Na osi odciętych są wartości instrumentu na zakończenie okresu, na osi rzędnych dane w postaci krzywej gęstości (prawdopodobieństwo uzyskania wartości: suma =1 -powierzchnia pod krzywą gęstości)
• 5% prawdopodobieństwo, że wartość instrumentu będzie nie większa niż Ua*odchylenie standardowe
• VaR zależy od poziomu ufności i czasu
• 0.99 Komitet Bazylejski, 10 dni
• 0.95 J.P.Morgan BoA, 1 dzień
• 0.945 Citibank, 1 dzień
• VAR stosuje się do obliczeń analitycznych przy założeniu rozkłady logarytmiczno-normalnego stóp zwrotu (ze względu na przeskalowanie ln daje większą symetrię układu). Dla akcji stosuje się najczęściej stopy nadwyżkowe Ri-rf.
PODSTAWOWE METODY
WYLICZANIA VAR
• VaR parametryczny – nie bazuje na scenariuszach lecz na wrażliwości instrumentu na dany czynnik ryzyka (FX, i, indeks etc), nadaje się do instrumentów linearnych, gdzie zmienność jest mała (nie do opcji itp..)
• VaR historyczny – bazuje na scenariuszu wykorzystującym przeszłe informacje (zwykle 250 dni wstecz), czyli założeniu, że przeszłość powtórzy się w przyszłości
• VaR Monte Carlo – bazuje na scenariuszu, gdzie model generuje 1000-10000 scenariuszy, każdy scenariusz pokazuje wpływ czynnika ryzyka na portfel (macierz korelacji gdy wiele czynników ryzyka), zmiany pozwalają przeszacować portfel wg nowych cen i porównać z wartością bazową tworząc rozkład strat i zysków
• VaR z wartości implikowanej, czyli zmienności, która wyliczana jest na podstawie bieżącej wartości opcji na rynku
VAR WYBÓR POZIOMU
UFNOŚCI I OKRESUHORYZONT – okres
przetrzymania, okres w
którym może pojawić
się strata
POZIOM UFNOŚCI
- Dla banku przy
aktywach płynnych 1
dzień jest
akceptowalny
- Dla zarządzającego
portfelem – 30 dni
- Okres powinien się
zgadzać z okresem
upłynnienia
- Zależy od przeznaczenia
- Zależy od bufora w postaci kapitału
ryzyka
- Awersja do ryzyka lub wyższe koszty
skłaniają do wyższego poziomu
ufności
- Dla celów analitycznych mogą być
różne
8
MODELE KALKULACJI VALUE-
AT-RISK
Metody analityczne
• Delta-Normal
• Delta-Gamma
Strukturyzowane
Monte Carlo
Symulacja
--
-Symulacja
historyczna
-zmienność
implikowana
Stress Tests+
Specificcyfikacja
funkcji
dystrybucji
Brak funkcji
dystrybucji
...6
1
2
1 3
13
1
32
12
1
2
1
1
1 FF
PF
F
PF
F
PPP tt
SZEREG TAYLORA - STĄD WZORY NA DURACJĘ MACAULAY
I MODEL WYCENY OPCJI BLACK-SCHOLES
PIERWSZA POCHODNA N(d1), druga N(d2)
Pierwsza
pochodna
delta
duration
Druga
pochodna
gamma
convexity
METODY VAR CHARAKTERYSTYKA WSAD ZALETA WADA
DELTA NORMAL
NA
Lub
DELTA/ GAMMA
- Zakłada normalny rozkład - Zwrot jest liniową kombinacją linearnych
czynników - Liczone wariancje i kowariancje
- Ryzyko portfela jest liniową kombinacją normalnych czynników
-wtedy nieliniowe delta + convexity
- Prognoza zmienności i
korelacji dla każdego
czynnika - Pozycje na
czynniki ryzyka
- najprostsza - Zakłada rozkład
normalny - Linearne
czynniki ryzyka
(brak opcji)
Zmienność
implikowana
- Stan rynku - A priori lub
stan opcji
-
SYMULA
CJE HISTORY
CZNE
- Bada historyczne wagi
- Zwroty nie są aktualne ale odtwarzają na podstawie historii teoretyczny zwrot z
portfela - Rozkład normalny
- Ruchy dla
każdego czynnika
ryzyka - Pozycje na
czynniki ryzyka
- Relatywnie
prosta - Normalny
rozkład - Nielinearne
zmiany
Tylko jedna
historyczna ścieżka
rozkładu
MONTE
CARLO
Dwa kroki:
- Specyfikacja procesu stochastycznego, wybór rozkładów i parametrów
- Fikcja ścieżki cen dla zmiennych, mark to
market - Każda realizacja jest użyta do kompilacji
rozkładu zwrotów
- Specyfikacja
procesów stochastycznych dla każdego
czynnika - Model wyceny
portfela - Pozucjonowani
e czynników ryzyka
- Najbardziej
wyrafinowana - Każdy
rozkład
- Nielinearne aktywa
- Dużo
obliczeń - Dobre
rozumienie
procesów stochasrycz
nych
VaR PARAMETRYCZNY• VaR parametryczny nie szuka średniej i odchylenia
standardowego w danych empirycznych lecz przyjmuje się średnią i odchylenie standardowe jako parametry wrzucone z zewnątrz
• Zakłada się rozkład normalny
• Dla portfela przyjmuje się macierz wariancji i kowariancji (lub korelacji)
• VaR parametryczny nie bazuje na scenariuszu ale analizie wrażliwości aktywu na zmiany specyficznych czynników ryzyka (np. kurs walutowy, index etc.)
• Wprowadzając zmiany poziomów czynnika ryzyka dokonuje się rekalkulacji generując VaR
• Dobrze działa dla instrumentów liniowych dla nieliniowych wynik jest tylko aproksymacją
WADY I ZALETY VAR
PARAMETRYCZNEGO• Dane w zasadzie nie są konieczne ponieważ zakłada się
rozkład normalny i nadzieję matematyczną oraz odchylenie standardowe (dla portfela macierz Σ)
• Do tego przyjmuje się poziom ufności
• Można analizować dane po to, aby dobrze skalibrować parametry
• Można też poprzez delta t określić zmiany w czasie
• Wada – bo rozkład może być inny, szczególnie dla nielinearnych instrumentów
tutVaR **
9
DELTA-NORMAL VALUE-AT-
RISK Przykład: AkcjeValue-at-Risk Czynnik wrażliwości Zmienność dzienna Horyzont czasu Poziom ufności
80 EUR 2,33=4.697 EUR 252
..%40 ap1.000 akcje 1
1 Day
VaR
99%
Delta-Normal VAR DLA
PORTFELA• VAR DLA CAŁEGO PORTFELA MOŻNA
UZYSKAĆ:T
F
F
F
FFFF
FF
FFFFFF
F
F
F
T
ttt
nnnn
n
nVaR
VaR
VaR
VaR
VaR
VaR
XXVaR
2
1
1
12
12111
2
1
,,
,
,,,
1
VALUE AT RISK
• Aby obliczyć VaR trzeba zmienną standaryzowaną zależną od poziomu tolerancji pomnożyć przez parametr zmienności oraz obecną wartość.
• Parametr zmienności mierzony jest na 1 dzień, dla horyzontu innego stosuje się wzór
• N = liczba dni,
NN
Delta-Gamma-VAR• W PRZYPADKU INSTRUMENTÓW NIELIONOWYCH
(NP.OPCJE) NATRAFIA SIĘ PRZY PODEJŚCIU DELTA-
NORMAL NA PROBLEM.
• LINIOWOŚĆ JEST WŁAŚCIWĄ APROKSYMACJĄ MAŁYCH
ZMIAN KURSU
–POCHODNE WYŻSZEGO RZĘDU MOŻNA POMIJAĆ
• PRZY PODEJŚCIU DELTA-GAMMA UWZGLĘDNIA SIĘ
DODATKOWĄ RÓŻNICZKĘ.
• PRZY ZŁOŻONYCH OPCJACH TRZEBA BRAĆ POD UWAGĘ
NAWET POCHODNE WYŻSZEGO RZĘDU.
...6
1
2
1 3
13
1
32
12
1
2
1
1
1 FF
PF
F
PF
F
PPP tt
Delta
Duration
Gamma
Convexity
PORÓWNANIE DELTA-NORMAL,
DELTA-GAMMA I PEŁNEJ WYCENY
Delta
Delta-Gamma
Full Valuation
Preis Underlying
WARTOŚĆ
DERYWATU
PODEJŚCIE
WARIANCJA/KOWARIANCJA• ZALETY
–szybka metoda analityczna
–łatwa w zastosowaniu
–wymaga jedynie wrażliwości
na poziomie portfela
–możliwość dostosowań, aby
uzyskać konwektywność
•Delta-Gamma-podejście
–potrzebne zmienności i
korelacje
•Riskmetrics-Dane
• WADY
–zakłada rozkład
normalny zmiany
kursów
–nie stosowalna do
bardziej kompleksowych
portfeli
–nie ma ponownego
szacowania portfela
SYMULACJA HISTORYCZNA
• BAZUJE NA ZMIANACH CEN W PRZESZŁOŚCI.
• DANE HISTORYCZNE MAJĄ OBSERWOWALNY ROZKŁAD
ZMIAN n CEN.
• JAK ZACHOWAŁBY SIĘ AKTUALNY PORTFEL, GDYBY
WYSTĄPIŁO n SCENARIUSZY HISTORYCZNYCH?
• MOŻLIWOŚĆ KAŻDORAZOWO NOWEJ WYCENY
PORTFELA DLA HISTORYCZNYCH SCENARIUSZY I
OKREŚLENIA WARTOŚCI PORTFELA (P/L).
• OKREŚLENIE WAHAŃ DOCHODÓW (P&L)
• MOŻLIWOŚĆ POSORTOWANIA n WARTOŚCI (P&L) WG
WIELKOŚCI I OKREŚLENIE -KWANTYLA A STĄD I VAR
• NIE POTRZEBNE S.Ą ZAŁOŻENIA CO DO ROZKŁAÓW
VAR METODA
HISTORYCZNA• Ceny instrumentu za dany okres
• zmiana ceny dzienna ln(Ri/Ri-1)
• dzienna historyczna zmiana * portfel
• wybór pertencyla odpowiadającego poziomowi ufności 95% np. Pozycja 2 i to jest poszukiwana wartość VAR
• METODA: STANDARDOWA HISTORYCZNA LUB HISTORYCZNA FILTROWANA– Czasami przypisuje się wagi odpowiednie do upływu
czasu obserwacji (lub sezonowości np.. Ceny gazu latem i zimą) - metoda ważonej historycznej symulacji
SYMULACJA HISTORYCZNA
OKREŚLENIE DOCHODÓW I ICH WPŁYWU
NA RENTOWNOŚĆ W PRZESZŁOŚCI
VAR
RENTOWNOŚCI
HISTORYCZNE
WYCENA PORTFELA NA BAZIE CIĄGÓW
DANYCH HISTORYCZNYCH
USTALENIE
CZYNIKA RYZYKA
POZYCJONOWANIE
OSZACOWANIE ROZKŁADU
ZYSK
HISTOGRAM
5%VaR
5%
HISTORYCZNA SYMULACJA
PROFIT/LOSS
SYMULACJA HISTORYCZNA
CZAS
WYCENA
PORTFELI
WARTOŚĆ
DZIŚ
0
HISTORYCZNA SYMYLACJA
VALUE AT RISK FX
HISTORYCZNA OBSERWACJA
• VaR jest poziomem straty, który może zostać
przekroczony w okresie przetrzymywania pozycji
z prawdopodobieństwem = α
• Model VaR
• Pozycja walutowa =eo*Vfx, kurs*Wartość w fx
• po obserwacji np.250 dni można obliczyć
odchylenie standardowe - volatility
• dla a=1% uα=-2.33
• VaR=Po*od.stand.*uα
Np. Złoty/usd 4.12, odchylenie standardowe
2%, nominal 1$
VaR=-2.33*0.02*4.12=0.1920 PLN
czyli 99%, że złoty nie wzrośnie w okresie
przetrzymywania do 3.928PLN/$
FXFXFX VeuVAR ***
SYMULACJA HISTORYCZNA• ZALETY
– nie potrzeba założeń o
rozkładzie
– rozkład może mieć wszelkie
skrzywienia
– uwzględnienie implicite
korelacji i zmienności
ciągów zmiennych
– uwzględnione odchylenia od
rozkładu normalnego w
rozkładzie zmian cen
– łatwy dostęp do danych
historycznych
• WADY
– VAR bazuje tylko na danych
historycznych
• czyli bierze tylko pod uwagę zaszłe
scenariusze
• słaba podstawa statystyczna
• ograniczona ilość informacji
– pomiar wymaga dużej ilości
danych
– potrzeba dużej ilości ciągów
danych
– trzeba ważyć czas, sezonowość
oraz nadzwyczajne wydarzenia
METODA MONTE-CARLO• Metoda Monte-Carlo – bazuje na scenariuszach
• …przy pomocy sztucznie wygenerowanej próby losowej oszacowuje się przybliżone wartości interesujących zmiennych.
• Bloomberg 1000 losowych scenariuszy
• Każdy scenariusz reprezentuje zmianę specyficznego czynnika ryzyka, wpływ wszystkich czynników ryzyka wspomaga macierz wariancji i kowariancji
• Wiele problemów daje się przy pomocy Metody Monte-Carlo dostatecznie dokładnie i często relatywnie łatwo rozwiązać.
• Na przykład:
– Wycenę skomplikowanych instrumentów derywatywnych
• Oszacowanie wartości oczekiwanej (Monte-Carlo-Pricing)
– Określenie dokładności oszacowania
• Błąd standardowy poprzez Bootstrapping
– VAR przy niestandardowych założeniach
• Wygenerowanie kwantyli (Monte-Carlo-VaR)
Paul Davis fizyk : za słowem przypadek kryje się czasem subtelny porządek X2008.
Każdy stan kwantowy materii ma zarówno nieokreśloną przeszłość, jak i przyszłość.
Teza, że łączy je tylko jedna ścieżka historii jest prawdopodobnie błędne – jest wiele ścieżek historii
PROCES SYMULACJI
MONTE-CARLO• Ustalenie historycznej lub zadanej funkcji rozkładu czynników
ryzyka.
• Ustalenie / zadanie parametrów statystycznych do opisu rozkładu
(Wartość oczekiwana, zmienność, korelacje, odchylenia, Kurtosis ...).
• Przygotowanie scenariuszy zmiennych wpływających (kursy akcji,
zmienności, stopy procentowe, kursy walutowe...), determinujących
rozkłady.
• Nowa wycena portfela w zależności od scenariusza oraz określenie
jego rentowności (P&L).
• Określenie rozkładu rentowności P&L
• Ustalenie %-kwantylu (VaR %)
STRUKTURA SYMULACJI
MODELU MONTE-CARLO
PRZYSZŁA
RENTOWNOŚĆ
POZYCJA
PORTFELI
VAR
PORTFELA
MODEL
PAPIERÓW
WARTOŚCIOWEGO
OKREŚLENIE
CAŁKOWITEGO
ROZKŁADU
MODEL
STOCHASTYCZNY
PARAMETRY
MODELU
DANE
HISTORYCZNE
METODOLOGIA MONTE CARLO• Na rynku finansowym zmiany cen mają
charakter losowości kroczącej, postępują jak w procesie Markova, gdzie rozkład zależy tylko od ceny bieżącej
• Założenie, że ceny zmieniają się zgodnie z ruchami Browna (geometric Brownian motion)
• z – Wienner process
• Dalej założenie rozkładu normalnego dla dz
• Czyli zależy od oczekiwanego dochodu z trendu oraz random
• Ostatnie równanie zakłada rozkład normalny z wartością oczekiwaną µΔt oraz odchyleniem standardowym σ√Δt.
• Modelujemy generując przypadkowe wartości φ ze standardowego modelu o rozkładzie normalnym
ttSdS
dtośśprzypadkowdtdryf
dtdtSdS
dzdtSdS
/
;
/
/
MONTE CARLO PRZYKŁAD
• Kurs = 100,
oczekiwany zwrot
10%, zmienność 20%
• Jaka cena za tydzień?
• dt =1/52
• Cena będzie zależeć
od
dtdtSdS /
Kurs= 100
dt= 0,019231 0,138675
mi= 0,1
zmienność= 0,2
phi= 1
ds./s= 0,029658
VAR MODEL MONTE CARLO
0.25
0.5
1.0
0.0=-1,5 0.0 0 1 2 3 4 5
Generowanie zmiennych losowych Genrowanie rozkładu wartości
Np. et=f(et-1)
et=drift + random
t
historyczna/random
ZYSK
HISTOGRAM
5%VaR
5%
Monte Carlo Simulation -
Rozkład strat/zysków
PRZEBIEG SYMULACJI
MONTE-CARLO
0
WYCENA
PORTFELA
CZAS
WARTOŚĆ
DZIŚ
SYMULACJA MONTE-CARLO
SYMULACJA MONTE-CARLO
• ZALETY
• Elastyczny poprzez
zadawanie różnych
rozkładów
– można uwzględniać nawet
skomplikowane produkty
derywatywne
– działa nawet przy nieliniowych
rodzajach ryzyka (np. Dla
opcji)
– nieciągłych instrumentach
– może uwzględniać scenariusze
• WADY
– intensywny obliczeniowo
– generowany ze scenariuszy
– wymaga założeń co do rozkładu i korelacji, zakładana liniowość
– mniej transparentny niż poprzednie metody
– każdy przebieg rachunkowy może wpłynąć na wyniki
– zakłada rozkład normalny ale często nachylenie lub kurtoza są różne od zera
– Zakłada się stalą wariancję a często ona się też zmienia
– problem, że niektóre aktywa (np. commodities) mają gwałtowne skoki cen
MODELE BINOMINALNE
• Symulacje są korzystne w celu minimalizacji ryzyka
• Można też stosować dyskretne drzewa, gdy są dwa kierunki po każdym kroku mówi się – to binominalne
• Są jakby dyskretną wersją geometrycznych ruchów Browna
• Horyzont jest dzielony na n okresów T/n
• Na koniec okresu jest prawdopodobieństwo jednego kierunku p oraz drugiego 1-p
• Parametry
• u w górę, d=1/u w dół, p prawdopodobieństwo
t
tt
edppuSSE
du
depudeu
)1()/(
,/1,
01
0 1 2 3 …
u^2S
uS u^2dS
S udS
dS d^2uS
d^2S
ZMIENNEOŚĆ IMPLIKOWANA
• Wynika z analizy rynku i teoretycznej
wycenie
• Bazować można na wzorze Black Scholees
oraz użycie estymatora Nadaraya-Watsona
• Analiza PCA
VAR PORTFELA
• Składniki portfela mogą mieć korelację 1, 0
do -1.
• Wtedy ryzyko nie jest sumą VAR dla
każdego składnika ale musimy obliczyć
zmienność dla portfela (wzory wcześniej)
• Np. Ryzyko kursu walutowego i stopy
procentowej mogą być skorelowane
FXFXFXP %,%
22**22
%
VAR PORTFELA
.
**
nspmacierztra
elacjimacierzkorC
vektorVaRV
CV
V
VVaR
T
T
P
IBM 1.74% 450000 12933
Du Pont 2.08% 250000 8579
GM 2.73 300000 13532
IBM 1 0.45 0.53
DuPont 0.45 1 0.68
GM 0.53 0.68 1
]}
13532
8579
12933
[
168.053.0
68.0145.0
53.045.01
[]13532857912933{[VaRP
ZAAWANSOWANE
ZASTOSOWANIE
• Wpływ pojedynczych transakcji na VaR
portfela
• DelVaR
• Component VaR
• Incremental VaR
VALUE AT RISK
• Nie dajmy sie zVARiować, ponieważ VaR nie
rozwiąże wszystkich problemów.
• Czy mając jeden wskaźnik w samochodzie
odpowiemy czy jedziemy bezpiecznie?
• VaR nie potrafi:
• - dać jednej spójnej miary: różne model dają różne
wartości
• - mierzy tylko ryzyko ilościowe - nie mierzy
ryzyka politycznego, płynności, operacyjnego etc.
VAR ZALETY I WADY
• ZALETY:
• Ustrukturyzowana metoda
mierzenia ryzyka
• dobra dla produktów
finansowych
• agreguje ryzyko
• estymuje
prawdopodobieństwo straty
• uwzględnia korelacje
różnych aktywów
• WADY:
• zależy od metody i
założeń
• dobra ale w warunkach
normalnych
• zwodzi przy rynku strat
(bear)
• VAR jest „niekompletną”
miarą ryzyka (dlatego np..
Stress test)
BACKTESTING MODELI VAR
• Backtesting – analiza po fakcie efektywnosci estymacji ryzyka przez modele. Pozwala ustalić dobroć modelu
• I. Analiza ex ante i ex post VAR
– Ile razy strata była większa od limitu VAR – czy częściej niż poziom ufności?
• II. Porównanie estymowanych VAR z hipotetycznym P/L wynikającym z przeliczenia przez ceny końca okresu
• Generalnie można zakładać niezależność zdarzeń i rozkład normalny ale czasami na rynek przychodzi jakaś wieść, która przesuwa rynek w jednym kierunku i wtedy zanika niezależność zdarzeń
MIERNIKI RYZYKA
MARGINALNEGO• Ryzyko może być mierzone w kategoriach marginalnych - np. Zmiana
ryzyka portfela przez dodanie kolejnego instrumentu.
• Mierzy efekt dywersyfikacji
• A mała wartość ekspozycji, przy takim ryzyku
• B największa relacja ryzyka do ekspozycji
• C największa ekspozycja
• D największe ryzyko do ekspozycji
C
B
A
DS%
Wartość portfela
OCENY WZGLĘDNE
ZWROTU I RYZYKA
• Współczynnik :
• Ocena ryzyka zmiana
wartości dochodu
zdyskontowanego do
ryzyka:
• Inna miara - zmiana
wartości dochodu do
wartości pod ryzykiem
(kapitał ekonomiczny)
Zysk
PV
VaR
PV
OCENY WZGLĘDNE
WSPÓŁCZYNNIKI
• Sharp
• Treynor
• Jensen
• Wskaźnik wyceny
freeriskrzwrotustopar
especyficznryzykoCAPMzparam
rrrr
stalarr
rr
fp
ePp
ep
fmpfpp
pppfp
rfp
p
p
p
,
,.,,
/
]}[{
//][
/][
)(
)(
)(
OCENY WZGLĘDNE
WSPÓŁCZYNNIKI
• Sharp
• Treynor
• Jensen
• Wskaźnik wyceny
freeriskrzwrotustopar
especyficznryzykoCAPMzparam
rrrr
stalarr
rr
fp
ePp
ep
fmpfpp
pppfp
rfp
p
p
p
,
,.,,
/
]}[{
//][
/][
)(
)(
)(
KRYTYKA• Złożone metody statystyczne nie dają lepszych wyników niż proste metody
– Spyros Makridakis
• Robert Engel wymyślił skomplikowaną metodę GARCH i dostał Nobla, ale nikt nigdy jej nie testował czy daje lepsze wyniki w rzeczywistości
• Podobnie teoria gier Jon Nasha nie daje lepszych wyników prognoz niż proste modele
• VAR w czasie kryzysu dał bardzo słabe rezultaty, zmieniała się gwałtownie zmienność i brak było normalności rozkładów
• Krytyka Nassim Taleb też Pablo Triany w odniesieniu do „pseudonauki” R.Mertona, M.Scholsa, H.Markowitza, W.Sharpa
• VaR niedoszacowuje ryzyka, błędy modeli, korelacji, disater myopia,
• Nie wszystko jest kwestią statystyki ale również zdrowego osądu
STRESS TEST
Nassim Taleb: history is littered with
high-impact rare events…
STRESS TEST• Bada wpływ szoku na system finansowy
• Stress testy – to statystyczne techniki badania wrażliwości systemu finansowego na rzadkie ale możliwe wydarzenia
• Rzadkie wydarzenia wiąże się definicyjnie z fat tail
• Bada jak ryzyko jednej instytucji może stać się ryzykiem systemowym
• Stress test jest komplementarny w stosunku do metody VaR, tworząc bardziej kompletny obraz ryzyka rynkowego firmy
• Stress test odtwarza często sytuacje kryzysowe z przeszłości (wielkie dewaluacje, gwałtowne wzrosty stóp procentowych, spreadów kredytowych etc)
• Dziel ryzyko na poszczególne komponenty i przypisz im największe zmiany w historii
J.Stiglitz Fat tail - co miało zdarzać się raz na 100 lat zdarza się co dziesieć lat
STRESS TEST• Stress Test. Test napięć. VaR nie odpowiada, jak wielkie
mogą być straty w przypadku krachu lub załamania
walutowego (np. Załamanie giełd 1987, czy Rosja 1998,
subprime 2007) – czyli nie jest użyteczny przy ryzyku
systemowym – wtedy gdy wszyscy tracą.
• Stress test (testowanie napięć) bazuje na różnych
założeniach - to jest analiza skrajnych warunków np.+-10%.
• Skrajne wydarzenie może prowadzić nawet do upadłości
firmy - krach giełdy, systemu walutowego
• Zadaniem zarządzania ryzykiem w tym przypadku jest
zapobieganie takiemu zdarzeniu
• Prawdopodobieństwo jest małe ale istnieje
STRESS TEST
• Testy napięć dzieli się na 3 typy:
– Analiza wrażliwości – jak portfel firmy reaguje na wyjątkowe wydarzenia
– Analiza scenariuszowa – wpływ scenariusza na ryzyko
– Contagion exposure – transmisja szoku indywidualnego na ryzyko systemowe
• Komplementarnym podejściem jest analiza Financial Soudness Indicators
STRESS TEST
• Def: metoda kwantyfikacji potencjalnego, przyszłego ekstremalnego skutku dla portfela– Market risk stress testing
– Credit risk stress testing
– Operational risk stress testing
• Problem integracji testów napięć
• Paliatyw (Środek) przeciw obawie wystąpienia znaczącej ekspozycji na ryzyko
• Stress test nie jest statystyczną miarą ryzyka niemniej jest to miara kwantyfikowalna
• Kalibracja dużych rodzajów ryzyka: „worst case”, „treshold” (jaka granica musi być przekroczona any czynnik stał się groźny systemowo),
Nassim Taleb: CDS it would be like buying insurance on the Titanic from
Someone on the Titanic
STRESS TEST
• Metodologia w stress testach jest podobna do stosowanej w kalkulacji VaR
• Bada się zmianę wartości inwestycji generowaną dużą zmianą czynników ryzyka
• Scenariusze w Stress Test:
– Historyczne – np. efekty 11. września, dewaluacje w Azji Pd-Wsch
– Zmiany specyficznych czynników (Special Factor Change) – np. wzrost spredów o 50%, stóp o 100 bps, wzrost korelacji etc.
– Algorytmy – wprowadzanie czynników działających jednokierunkowo na wzrost ryzyka – push approach
SCENARIUSZE SYMULACJI
Standard
Scenario
Historical
Scenario
Individual
Scenario
Crash
Scenario
Planning
Scenario
Jak reaguje P&L przy znaczących zmianach czynników ryzyka, np. Kiedy czynniki ryzyka poruszają
się w górę lub w dół o jedno odchylenie standardowe?
Przy Portfolio Opcji (I stóp %) mogą zamiany rynku powodować dramatyczne skutki - większe od
analiz wrażliwości.
STRESS TEST
• Metoda parametryczna, historyczna, hipotetyczna, algorytmiczna ,
• Parametry – z założeń
• Historia – z doświadczeń (kryzys giełdowy 1987, obligacji 1994, Meksyk peso 1994, kryzys azjatycki 1997, kryzys rosyjski 1998, Barrings bank, płynność LTCM 1998, WTC 11.IX.2001, konflikty interesów analityków
• Hipotetyczne scenariusze – np.. Modyfikacja macierzy cov, gdy kryzys wszystko idzie w jednym kierunku, podwyższenie wariancji, analiza wrażliwości
• Podejście algorytmiczne – factor push czyli popychanie czynników ryzyka w jednym, krytycznym kierunku np.. O 4 odchylenia standardowe, przeliczenie portfela po wyższej wartości ryzyka np.. Sklar m.; maksymalna strata – przez podwyższenie prawdopodobieństwa straty
• Extreme Value Theory – na podstawie ekstremalnych obserwacji i rozkładów
– Modelowanie rozkładu P&L na końcach rozkładu, tzn. Dla bardzo dużych wartości .
– Ta metoda pozwala, kwantyfikować stratę rzadszych wydarzeń, w celu określenie potrzeb w zakresie własnego kapitału.
STRESS TEST - METODY
Podejście Opis metody Zalety Wady
Scenariusze
historyczne
Powtórzenie
zdarzenia
Już tak się stało Brak interpretacji
probabilistycznej,
brak gwarancji
najgorszego
Hipotetyczne
scenariusze
1.Macierz cov
2.Kreowane
zdarzenie
3.Analiza
wrażliwości
1.Łatwe
2.Elastyczne
3.Może być
detaliczne
1.Słaba empiria
2.Brak worst case
3.Słaba informacja
Algorytmy 1.Czynnik push
2.Max.strata
1.Minimalne
elementy
2.Worst case
1.Brak worst case,
ignoruje korelacje
2.Dużo obliczeń
STRESS TEST
• VAR alokacja
aktywów, analiza
zyskowności przy
zkładanym ryzyku
• Stress Test -
zapobieganie
bankructwu,
stabilizacja wyników
finansowych
• Pomiar rozkładu z
pomocą statystyki
matematycznej
• Analiza scenariuszy -
sytuacje historyczne,
analizy makro
STRESS TEST
• Historycznie ceny ropy wzrastały o 50%, kurs
dolara zmianiał się o 20%, kurs złotego nawet o
360%, stopy procentowe o kilkanaście %
• Metoda sceneriuszy polega na odtworzeniu zdarzeń
z przeszłości (symulacja historyczna) i
przetestowaniu ich
• Tu wybiera się cenę historyczną i dokonuje się
przeliczenia portfela lub strumienia po tej cenie
• Testowanie może dotyczyć klasy aktywów, ale też
towarów, grupy państw
CRASH TEST
• NP.+-50% -SKUTEK DLA FIRMY PRZY
DRAMATYCZNYCH ZMIANACH
• Parametr ryzyka pochodzi nie z kalkulacji odchylenia
standardowego, ale ze scenariusza katastroficznego (disaster
secenario, worst case scenario)
• Finansowe trzęsienia – Rynek akcji 1987, obligacji 1994,
Orange County, Barings rzeczywiste trzęsienie ziemi w
Kobe, NY 11.09.2001
• Wymagania regulatorów Standard Portfolio Analysis
System SPAN, Basel , US Comptroller
HEDGING A WARTOŚĆ
DODANA
• Czy zarządzanie ryzykiem dodaje wartości?
• Teoretycznie nie dodaje akcjonariuszom, bo
oni mogą to zrobić sami (restrykcyjne
założenia - brak podatków, doskonałe rynki,
symetryczna informacja)
• Np. wyższa stopa % odzwierciedla wyższe
ryzyko pożyczki cost of financial distress
(hedging na stopę % może zmniejszyć
ryzyko pożczkodawców)
PRAKTYCZNE ASPEKTY
ZARZĄDZANIA RYZYKIEM
KRZYSZTOF KALICKI
ANALIZA RYZYKA -
POCZĄTEK
• Jakie są oczekiwania
zmian rynkowych?
• Jakie są potrzeby w
zakresie zarządzania
ryzykiem?
• Porównanie
alternatyw
• Określ ryzyko
• Ustal miary określające
dopuszczalne ryzyko
• Zbadaj alternatywy
• Określ rekomendowane
rozwiązania
• Okeśl koszty
• Określ ryzyko & korzyści
• Plan działania
DALSZE PYTANIA
• Jak firma powiększa wartość
dla inwestorów
• Które zmienności wpływają na
biznes i finanse firmy
• Jaka jest strategia zarządzania
ryzykiem
• Jakie są efekty:
– przewidywalność wzrostu
– redukcja zmienności
– wzrost wartości
• Jakie są główne
ekspozycje:
– taktyczne
• ryzyko transakcyjne
• ryzyko transalcyjne
– strategiczne
• konkurencyjności
• ekonomiczne
• Jak bitwa i wojna
ANALIZA RYZYKA
POCZĄTEK
• Rodzaj klienta:
konserwatywny,
agresywny,
wyrafinowany,
lekceważacy
• Rodzaj rynku: stopa
%,spread kredytowy,
spread swapowy,
volatility, FX,
commodity, equity
• Pogląd klienta:
• stopy - rosną, maleją
• spread kredytowy - szerszy,
węższy
• spread swapowy - tani,
drogi
• volatility - rośnie, maleje
• kursy walut - aprecjacja,
deprecjacja
• towary - wzrost, spadek
ANALIZA RYZYKA
• Matryca ryzyka:
– analiza wskaźników
– zmiany rynkowe
– wpływ na zmiennne
• Współczynniki
• Analiza finansowa
– funding
– debt/equity
– maturity
– fixed/floating
– waluty
• Ryzyko transakcyjne
– obroty
zagraniczne/sprzedaż
– dług float/fixed
– dług krajowy/zagraniczny
– koszty odsetek
• Ryzyko translacyjne
– aktywa walutowe/ogółem
– straty/zyski translacyjne
– market/book value
– debt/capital
– debt/equity
ORGANIZACJA ANALIZY
RYZYKAWaluta towar stopa% akcje kredyty inne
Przychody
COGS
Koszty stałe
Koszty fin.,
Kapitał obr.
Struktura
AiP
MATRYCA ZARZĄDZANIA
RYZYKIEMDziałąnia Waluta towar stopa% akcje kredyty kraj
Identyfikacj
a ryzyka
Pomiar
ryzyka
Badanie
wrażliwości
Strategia
Instrumenty
Kontrola
zmian
pozycji
ZARZĄDZANIE W TEORII...Motywacje akcjonariuszy/udziałowców:
• Ryzyko sektora
• Umiejętność utrzymania wysokiego poziomu zyskowności
firmy
• Optymalizacja zysku przy danym poziomie
ryzyka inwestycji
• Umiejętność poszerzenia udziału w rynku
• Umiejętność osiągania zaplanowanych wyników
Kompleksowe zarządzanie ryzykiem zapewnia:
• Ograniczoną zmienność przepływów finansowych
• Maksymalizację zysku w długim terminie
• Większą przejrzystość zarządzania
• Mocniejszą pozycję w relacjach z partnerami:
- udziałowcami/inwestorami,
- bankami
- ubezpieczycielami
- partnerami handlowymi
FD
P(FD)’
P(FD)
Wynik finansowy
Rozkład po
zabezpieczeniu
Naturalny
rozkład
FD Skala problemów finansowych
P(FD) Naturalne prawdopodobieństwo wystąpienia
problemów finansowych
P(FD)’ Prawdopodobieństwo wystąpienia problemów
finansowych po zabezpieczeniu ryzyk
System zarządzania ryzykami finansowymi
wspiera management w ich relacjach z
inwestorami
13
2CF1
1
1
1
1
0 ,,, mxxx 1CF1
1
1
1
1
0 ,,, mxxx 1CF1
1
1
1
1
0 ,,, mxxx 2
1
2
1
2
0 ,,, mxxx
1
1
1
1
1
0 ,,, mxxx 1CF1
1
1
1
1
0 ,,, mxxx 1CF1
1
1
1
1
0 ,,, mxxx 1CF3
1
3
1
3
0 ,,, mxxx
1
1
1
1
1
0 ,,, mxxx 1CF1
1
1
1
1
0 ,,, mxxx 1CF1
1
1
1
1
0 ,,, mxxx 1CF4
1
4
1
4
0 ,,, mxxx
1
1
1
1
1
0 ,,, mxxx 1CF1
1
1
1
1
0 ,,, mxxx 1CF1
1
1
1
1
0 ,,, mxxx 1CFN
m
NN xxx 110 ,,,
3CF
4CF
NCF
1CF9CF
24CF
3NCF
11CF
7CF
1
1
1
1
1
0 ,,, mxxx … O …
… R …
… D …
… E …
… R …
CFaR80%
2CF
Market risk factor
scenariusze
Result
CF=CF(Exposure)CF-Distribution
WYZWANIA
MODELOWANIA RYZYKA
• Analiza ilościowa:
• -Wycena finansowa derywatów
podstawowych I egzotycznych
– Wycena warunkowych roszczeń
przy zakupach I sprzedaży (np.
Opusty, prowizje)
– Liczby i techniki kalibracji
• Dzrewa
• Ostateczne luki
• Monte Carlo
– Dynamika stochastycznej
zmienności
• Modelowanie biznesu
– Modele
prognozowania
przychodów I kosztów
– Modelowanie gotówki
I ryzyka w modelach
wielowalutowych
– Planowanie finansowe
kontrola
– Analiza efektywności
CORPORATEMETRICS
• Główne narzędzia:
• Earnings-at-Risk
• Earnings-per-Share-at-Risk
• Cash Flow-at-Risk
ZARZĄDZNIE RYZYKIEM
FINANSOWYM I
KORPORACYJNYMParametr Finanse Korporacja
Zakres RiskMetrics CorporateMetrics
Miara wartości Portfolio
value
Earnings, cash
flow
Rachunkowość Fair value
market to
market
Accrual, market
to market, hedge
accounting
Horyzont Dzień
miesiąc
Plan roczny,
analizy prognozy