Musterlösungen zu Blatt 1 1.) Risikomanagement a. Beobachtet man tatsächliche Marktdaten so kann eine höhere Volatilität (= höheres Risiko) zwar zu einem Gewinn führen, dies muss jedoch nicht der Fall sein. In einem vollständigen Markt ist der erwartete Gewinn zudem immer gleich null und der Verlauf eines Aktienpreises wird allein vom Zinssatz bestimmt (sog. Martingaleigenschaft). Am tatsächlichen Markt gehen Phasen hoher Volatilität eher mit einem Einbruch des Marktes einher und Gewinne werden in stetigen, ruhigeren Phasen erzielt. b. Risikomanagement besteht im Wesentlichen aus vier Komponenten, die einen Zyklus bilden. Identifikation der Risiken, Messung der Risiken, Steuerung der Risiken, Validierung der Methoden. Die Vermeidung von Risiken führt dazu, dass auch Gewinne nicht realisiert werden könnten, da Risiken und Chancen meistens zusammen auftreten. Risiken werden daher bewusst eingegangen. c. Der faire Preis einer Option muss so gewählt sein, dass der Spread durch die tatsächliche Martkbewegung des Underlying aufgefangen wird. Der tatsächliche Kursverlauf des Underlying ist ohnehin unbekannt. Betrachtet man das Black-ScholesModell so ist der Preis einer Option zwar von den historischen Volatilitäten abhängig, insbesondere bestimmt jedoch der risikofreie Zinssatz den Preis der Option mit. d. Der Value-at-Risk ist eher das einfachste Risikomaß, da er eine komplexe Größe durch eine einzige Zahl abbildet. Der VaR ist in der Praxis deshalb so verbreitet weil er leicht zu berechnen und leicht zu kommunizieren ist, insbesondere aber weil man sich „etwas darunter vorstellen“ kann. So ist das Prinzip des VaR auch für Nicht-Statistiker verständlich. Geeignet das Risiko zu Beschreiben ist er allerdings nur bedingt, da er beispielsweise keine Rücksicht auf zu erwartende Überschreitungen liefert wie der Expected Shortfall. 2.) VaR-Berechnung a. VaR(0,95) = 1,645*300.000-40.000 = 453.500 VaR(0,975) = 1,96*300.000-40.000 = 548.000 VaR(0,99) = 2,33*300.000-40.000 = 659.000 b. Die Abstände zwischen zwei VaRs sind beim VCV-Ansatz nicht gleichwertig, da sie von den Quantilen der Normalverteilung abhängen, die sich nicht linear verändern. VaR () VaR () ( ) ( ) ( ) ( 0,99 0,975 ) ( 0,975 0,95 ) 0,99 0,975 0,975 0,95 2,33 1,96 1,96 1,645 0,37 0,315 falsch c. Da Mittelwert und Varianz der Normalverteilung lineare Einflussgrößen sind wird sich das Risiko halbieren wenn Isiko genau die Hälfte aller Assets gleichmäßig aus dem Portfolio verkauft. d. 1 2 40.000 15.000 55.000 12 22 21 2 300.000 2 118.000 2 2 * (0,31) * 300.000 *118.000 81.976.000.000 286.314,51 VaR (0,99) 2,33 * 286.314,51 55.000 612.112,81 Der Value-at-Risk des Portfolios zum Konfidenzniveau 99% beträgt 612.112,81 EUR. e. Die Normalverteilung hat zum einen den Vorteil, dass der Value-at-Risk sehr leicht zu berechnen ist. Zudem können die Parameter μ und σ einfach aus den historischen Daten abgeleitet werden und gehen linear in das Modell ein. 3.) Optionspreis und Risiko a. c S0 (d1 ) Ke rRFt (d 2 ) 2 S ln 0 rRF t 2 K d1 , d 2 d1 t t (0,25) 2 48 * 0,5 ln 0,04 2 0,182 (0,04 * 0,036) * 0,5 40 d1 1,233 0,25 * 0,707 0,25 * 0,5 d 2 1,233 0,25 * 0,707 1,056 c 48 * 0,891 40 * e 0,04*0,5 * 0,855 9,27 Der faire Preis der Option beträgt 9,27 EUR. b. c (d1 ) (1,233) 0,891 Ä c * S 0,891* 500 445 Stock muss ca. 445 Anteile des Underlying short gehen um einen perfekten Hedge zu erhalten und somit das Risiko zu minimieren. 4.) Interdependenzen 50.000 * 0,127 40.000 * 0,0602 10.000 * 0,1456 10214 Aufgrund der Symmetrie der Kovarianzmatrix gilt U U i i j i, j j U12 12,1 U 22 22, 2 U 32 32,3 2 U1 U 2 1, 2 2 U1 U 3 1,3 2 U 2 U 3 2,3 50.000 2 * 2,3198 40.000 2 0,8010 ... 98.420,88 VaR (0,99) 2,33 * 92.037,55 10214 219.106,65 Der Value-at-Risk des Portfolios zum Konfidenzniveau 99% beträgt 219.106,65 EUR. 5.) Pseudozufallszahlen a. x0=1634 1634² = 02669956 -> 0,6699 6699² = 44876601 -> 0,8766 8766² = 76842756 -> 0,8427 8427² = 71014329 -> 0,0143 143² = 00020449 -> 0,0204 204² = 00041616 -> 0,0416 … x0=7662 7662² = 58706244 -> 0,7062 7062² = 49871844 -> 0,8718 8718² = 76003524 -> 0,0035 35² = 00001225 -> 0,0012 12² = 00000144 -> 0,0001 1² = 00000001 -> 0 0² = 00000000 -> 0 usw. b. x1 = (5*6+3) mod 16 = 33 mod 16 = 1 x2 = (5*1+3) mod 16 = 8 mod 16 = 8 x3 = (5*8+3) mod 16 = 43 mod 16 = 11 x4 = (5*11+3) mod 16 = 58 mod 16 = 10 x5 = (5*10+3) mod 16 = 53 mod 16 = 5 x6 = (5*5+3) mod 16 = 28 mod 16 = 12 x7 = (5*12+3) mod 16 = 63 mod 16 = 15 x8 = (5*15+3) mod 16 = 78 mod 16 = 14 x9 = (5*14+3) mod 16 = 73 mod 16 = 9 x10 = (5*9+3) mod 16 = 48 mod 16 = 0 x11 = (5*0+3) mod 16 = 3 mod 16 = 3 x12 = (5*3+3) mod 16 = 18 mod 16 = 2 x13 = (5*2+3) mod 16 = 13 mod 16 = 13 x14 = (5*13+3) mod 16 = 68 mod 16 = 4 x15 = (5*4+3) mod 16 = 23 mod 16 = 7 x16 = (5*7+3) mod 16 = 38 mod 16 = 6 Der Algorithmus hat also die maximale Periodenlänge von 16. 6.) a. b. i. Modell A liefert 6 Überschreitungen -> gelbe Zone, Multiplikator 0,5 Modell B liefert 8 Überschreitungen -> gelbe Zone, Multiplikator 0,75 q x (1 q) Nx 0,016 * (0,99) 244 3,56 3,84 ii. LR PoF (A) 2 ln x 2 ln Nx 6 244 q̂ (1 q̂) 0,024 * (0,976) q x (1 q) Nx 0,018 * (0,99) 242 7,73 3,84 LR PoF (B) 2 ln x 2 ln Nx 8 242 q̂ (1 q̂) 0,032 * (0,968) Der PoF-Test akzeptiert Modell A und lehnt Modell B ab. q(1 q) 1 0,01* (0,99)17 2 ln 1,83 3,84 iii. LR TUFF (A) 2 ln 1 17 q̂(1 q̂) 0,056 * (0,944) q(1 q) 1 0,01* (0,99) 22 1,43 3,84 LR TUFF (B) 2 ln 2 ln 1 22 q̂(1 q̂) 0,043 * (0,957) Der TUFF-Test akzeptiert beide Modelle. iv. Ci(A) = 1+10²+1+200²+1+125²+1+100²+1+75²+1+5² = 71.381 > 50.000 Ci(B) = 1+30²+1+40²+1+30²+1+45²+1+100²+1+15²+1+75²+1+75² = 26.908 < 50.000 Die MLF wird Modell A ablehnen und Modell B annehmen. c. Für den verallgemeinerten TUFF-Test gilt die Teststatistik LR TUFF t i t i 1 1 0,01* (0,99) 2 ln , t0 0 t i t i 1 1 i 1 1 t t * 1 t t i i 1 i i1 Die Abstände zwischen den Ausnahmen bei Portfolio A lauten 18, 142, 1, 2, 3, 38. Bei Portfolio B lauten sie 23, 81, 12, 68, 17, 2, 38, 7. Damit ergibt sich LR(A) = 1,83 + 0,14 + 9,21 + 6,46 + 5,43 + 0,71 = 23,78 > 12,59 LR(B) = 1,43 + 0,04 + 2,55 + 0,13 + 1,93 + 6,46 + 0,71 + 3,59 = 16,84 > 15,51 Der verbesserte TUFF-Test lehnt nun beide Modelle ab. d. Bei der historischen Simulation wird die gesamte Historie gleich stark gewichtet und reagiert daher langsamer auf eventuelle Schwankungen im Volatilitätenverlauf. Das Cluster von Überschreitungen bei Portfolio A spricht also dafür, dass dieser VaR mit einer historischen Simulation berechnet wurde. Portfolio B hat im Gegensatz dazu eher gleichmäßige Überschreitungen, was für ein schnell reagierendes Modell mit Gedächtnis wie den GARCH-Prozess spricht. Da Volatiliäten im Zeitverlauf oft sprunghaft ansteigen ist wohl im allgemeinen ein GARCH-Modell besser zur Modellierung von Aktienpreisen geeignet. e. Da die Ergebnisse der offiziellen Backtests veröffentlicht werden, haben Banken ein sehr starkes Interesse daran möglichst immer in der grünen Zone zu landen. Der offizielle VaR wird daher immer sehr konservativ berechnet um Ausnahmen zu vermeiden. Banken sind jedoch auch am tatsächlichen Risiko interessiert, hierfür kommen die internen Modelle zum Einsatz.