2. Marktpreisrisiko Motivation der VaR-Ermittlung Vereinheitlichung Einheitlicher Maßstab der Risikoeinschätzung Limitierung / Steuerung Messung und Limitierung ist fundamental für die Steuerung Kapitalunterlegung Zur Deckung der Risiken und zum Schutz des Unternehmens Kapitalallokation Optimale Verteilung auf Geschäftsaktivitäten Mathematisch-Statistische Verfahren des Risikomanagements - SS 2004 Festlegung der Prämissen 1 Varianz- KovarianzAnsatz Histor. Simulation Value at Risk Monte-CarloSimulation 2.1 Grundlegende Prämissen der VaR-Berechnung • Portfolio • Marktparameter • Beobachtungszeitraum • Liquidationszeitraum • Wahrscheinlichkeitsniveau Mathematisch-Statistische Verfahren des Risikomanagements - SS 2004 2 1 Festlegung des Portfolios • Portfolio = Zusammenfassung von Finanzinstrumenten - Kassageschäften, wie Kauf oder Verkauf von Aktien, Anleihen, Devisen, standardisierte Güter, Gewährung von Krediten - Termingeschäfte, wie Optionen, Forward- und Future-Geschäfte • Gesamtportfolio ↔ Teilportfolio • Frage der Aggregation • Bildung der Teilportfolios in Abhängigkeit der Organisationsstruktur (z.B. nach Regionen und Produkten) • Zerlegung von komplexen Finanzinstrumente in ihre Bestandteile Mathematisch-Statistische Verfahren des Risikomanagements - SS 2004 3 Identifikation der Marktparameter • Marktparameter (ξ) (z.B. Währungskurse, Zinssätze, Aktienkurse, Aktienindizes, implizite Volatilitäten) Kurs Kurswertänderung Kurs Underlying Hohe Optionsvola Niedrige Optionsvola Zeit Zins Veränderung der Zinsstrukturkurve Laufzeit Zeit Zins Risikobehaftete Zinskurve Spread Risikofreie Zinskurve Laufzeit • Funktion zur Bestimmung des Portfoliowertes in Abhängigkeit der Parameter (z.B. Optionspreisformel von Black-Scholes) Mathematisch-Statistische Verfahren des Risikomanagements - SS 2004 4 2 Festlegung des Beobachtungszeitraums • Beobachtungen der Vergangenheit = Zeitreihe • Frage, wie viele und welche Werte aussagekräftig für Zukunft ? • Anzahl der einbezogenen Werte meist 90 - 250 • Bankenaufsicht: Interne Modelle mit Beobachtungszeitraum von mind. 1 Jahr ! (250 Tage/52 Wochen) Mathematisch-Statistische Verfahren des Risikomanagements - SS 2004 5 Festlegung des Liquidationszeitraums/Haltedauer • Betrachtungszeitraum, für den Wertveränderungen aufgrund von Markteinflüssen beobachtet werden • Annahme: Positionen werden während Haltedauer nicht verändert (stattfindende Handelsaktivitäten werden vernachlässigt) • Haltedauer abhängig von Möglichkeit der Glattstellung • Glattstellung durch Verkauf der Position oder Hedging • Glattstellung abhängig von Liquidität der einzelnen Märkte • Handelsaktivitäten - häufig Haltedauer von 1 Tag („overnight“) • Bankenaufsicht: Interne Modelle mit Haltedauer von mind. 10 Tagen! (bei Optionen auch kürzer) Mathematisch-Statistische Verfahren des Risikomanagements - SS 2004 6 3 Festlegung des Wahrscheinlichkeitsniveaus • VaR = Verlustpotential, das mit einer bestimmten Wahrscheinlichkeit P während der Haltedauer nicht überschritten wird • VaR = Verlustpotential, das mit einer bestimmten Wahrscheinlichkeit p (p = 1 - P) während der Haltedauer überschritten wird • P = Konfidenzniveau ↔ p = Quantil • Berechnung des Verlustes aus Normalverteilung in Abhängigkeit von µ und σ. Bei Verzicht auf Normalverteilungsannahme wird die Berechnung des Risikos schwieriger. • Konfidenzniveau P meist zwischen 95% - 99% • Bankenaufsicht: Interne Modelle mit Konfidenzniveau von 99% ! Mathematisch-Statistische Verfahren des Risikomanagements - SS 2004 7 Definition des Marktpreisrisikos auf der Basis von VaR VaR ist ein Maß für den prognostizierten Verlust aus einem betrachteten Portfolio in Folge von Marktwertveränderungen innerhalb eines bestimmten Zeitraums Haltedauer: 1 Tag Was kann von heute auf morgen passieren? der mit einer bestimmten Wahrscheinlichkeit nicht überschritten wird Konfidenzniveau z.B. 99% VaR 0 MarktwertVeränderungen Mathematisch-Statistische Verfahren des Risikomanagements - SS 2004 8 4 2.2 Varianz- Kovarianz-Ansatz • verschiedene Verfahren, die sich hinsichtlich der Modellvariablen unterscheiden (Wertänderungen, Rendite, Marktparameter) • jede der Modellvariablen = Zufallsgröße mit bekannter Verteilung • Darstellung der Berechnungsverfahren • in Realität Verteilung der Zufallsgröße unbekannt → statistische Verfahren zur Ermittlung der Verteilung Mathematisch-Statistische Verfahren des Risikomanagements - SS 2004 9 2.2.1 Varianz-Kovarianz- Ansatz mit Wertänderungen • Annahme: Wertänderung (∆V = Vt - Vt-1) während Haltedauer einer Position ist normalverteilt! • Normalverteilung: µ∆V Mittelwert der Wertänderung σ∆V Standardabweichung, Preisvolatilität • bei vorgegebenem Konfidenzniveau Bestimmung des VaR durch Quantil VaR = −(µ ∆V − α ⋅ σ ∆V ) = α ⋅ σ ∆V − µ ∆V Standard-Normalverteilung N(0, 1) ⎧0,6827 für α = 1 ⎪ P(µ − kσ ≤ X ≤ µ + kσ) = ⎨0,9545 für α = 2 ⎪0,9973 für α = 3 ⎩ ⎧0,990097 für α = 2,33 ⎪ 0,97725 für α = 2 ⎪ P(−∞ ≤ X ≤ µ + kσ) = ⎨ ⎪0,975002 für α = 1,96 ⎪⎩ 0,95 für α = 1,645 Mathematisch-Statistische Verfahren des Risikomanagements - SS 2004 10 5 < 2.1 > Ein Investor hält am 31.3.95 eine Position von 100 Millionen CHF (Gegenwert 121,33 Mio DM). In den letzten drei Monaten hatten die täglichen Erträge aus dieser Position einen Mittelwert von 46.093,75 DM und eine Standardabweichung von 268.697,96 DM. Das VaR zu einer Wahrscheinlichkeit von 97,7% kann nun über α = 2 bestimmt werden, wenn die Erträge normalverteilt sind. − (46.093,75 − 2 ⋅ 268.697,96) = 491.302,17 DM • Annahme: Wertänderungen eines Portfolios normalverteilt ?? Mathematisch-Statistische Verfahren des Risikomanagements - SS 2004 11 Annahme: Wertänderungen der Assets in Portfolio gemeinsam sind normalverteilt !! < 2.2 > Ein Investor hält am 31.3.95 zwei Positionen: 1. Position: vgl. vorne 2. Position: Shortposition in Höhe von 50 Mio USD (Gegenwert 69,19 Mio DM); Tägliche Erträge der letzten 3 Monate : Mittelwert von 2.679,69 DM (je 1 Mio USD); Standardabweichung von 11.315,68 DM (je 1 Mio USD) U1 = 100, V1 = 121,33 Mio DM, µ∆V1 = 460,94 DM, σ∆V1 = 2.686,98 DM U2 = -50, V2 = -69,19 Mio DM, µ∆V2 = -2.679,69 DM, σ∆V2 = 11.315,68 DM Mathematisch-Statistische Verfahren des Risikomanagements - SS 2004 12 6 U1 = 100, V1 = 121,33 Mio DM, µ∆V1 = 460,94 DM, σ∆V1 = 2.686,98 DM U2 = -50, V2 = -69,19 Mio DM, µ∆V1 = -2.679,69 DM, σ∆V2 = 11.315,68 DM Ë Mittelwert der Wertänderungen des Portfolios µ∆PF = U1 · µ∆V1 + U2 · µ∆V2 µ∆PF = 100 · 460,94 + (-50) · (-2.679,69) = 0,1801 Mio DM Ë Standardabweichung der Wertänderungen des Portfolios Intuition!!???? σ∆PF = U1 · σ∆V1 + U2 · σ∆V2 σ∆PF = 100 · 2.686,98 + (-50) · 11.315,68 = -297.086 → i.d.R. falsch!!! Mathematisch-Statistische Verfahren des Risikomanagements - SS 2004 13 Ë Analyse der Varianz eines Portfolios muß die Kovarianz bzw. den Korrelationskoeffizienten der Assets berücksichtigen ! ↔ Kovarianz Korrelationskoeffizient (-1 ≤ ρ ≤ 1) Cov (X, Y ) = σ xy = ρ xy ⋅ σ x ⋅ σ y ρ( X , Y ) = +∞ Cov(X, Y ) σx ⋅ σy σ 2x = E{( x − µ x ) 2 } = ∫ ( x − µ x ) 2 ⋅ f ( x ) ⋅ dx −∞ σ xy = E{( x − µ x )( y − µ y )} +∞ +∞ = ∫ ∫ ( x − µ x ) ⋅ ( y − µ y ) ⋅ f ( x , y) ⋅ dx ⋅ dy −∞ −∞ σ 2 (X + Y ) = σ 2x + σ 2y + 2σ xy n σ2 (X1 + X 2 + L + X n ) = ∑ σ2x + ∑ σ x i x j i i =1 i≠ j Mathematisch-Statistische Verfahren des Risikomanagements - SS 2004 14 7 Ë Varianz des Portfolios und U1 ⋅ U 2 ⋅ σ12 = U1 ⋅ U 2 ⋅ ρ12 ⋅ σ1 ⋅ σ 2 Position 1: U12 ⋅ σ12 Position 2: U 2 2 ⋅ σ 2 2 und U1 ⋅ U 2 ⋅ σ 21 = U1 ⋅ U 2 ⋅ ρ 21 ⋅ σ1 ⋅ σ 2 Ë Standardabweichung der Wertänderungen des Portfolios σ ∆PF = U12 ⋅ σ12 + U 2 2 ⋅ σ 2 2 + 2 U1 ⋅ U 2 ⋅ ρ12 ⋅ σ1 ⋅ σ 2 Mathematisch-Statistische Verfahren des Risikomanagements - SS 2004 15 Möglichkeitenkurve in Abhängigkeit von ρ • keinerlei Diversifikationseffekt bei ρ = +1, bei perfekter positiver Korrelation • maximaler Diversifikationseffekt bei ρ = -1 → Portfolio-Volatilität von 0 und sichere Rendite • i.d.R. hyperbelförmiger Verlauf der Möglichkeitskurve (-1 < ρ < +1) Mathematisch-Statistische Verfahren des Risikomanagements - SS 2004 16 8 σ ∆PF = U12 ⋅ σ12 + U 2 2 ⋅ σ 2 2 + 2 U1 ⋅ U 2 ⋅ ρ12 ⋅ σ1 ⋅ σ 2 σ ∆PF = 100 2 ⋅ 2.687 2 + (−50) 2 ⋅11.316 2 + 2 ⋅100 ⋅ (−50) ⋅ ρ12 ⋅ 2.687 ⋅11.316 Ë bei gegebener Korrelation: ρ12 = -0,5870 σ∆PF = 0,7555 Mio DM VaR des Portfolios zu einer Wahrscheinlichkeit von 97,7% VaR = α ⋅ σ ∆PF − µ ∆PF = 2 ⋅ 0,7555 − 0,1801 = 1,3309 Mio. DM Mathematisch-Statistische Verfahren des Risikomanagements - SS 2004 17 Ë Übertragung auf beliebig große Portfolios ⎛ µ ∆V1 ⎞ ⎜ ⎟ M ∆PF = ⎜ M ⎟ ⎜ ⎟ ⎝ µ ∆VN ⎠ ⎛σ ⎜ ∆V1, ∆V1 Σ ∆PF = ⎜ M ⎜σ ⎝ ∆VN, ∆V1 L O L σ ∆V1, ∆VN ⎞ ⎟ M ⎟ σ ∆VN, ∆VN ⎟⎠ Ë Mittelwert der Wertänderungen des Portfolios µ ∆PF = U T µ ∆PF = ∑ U n ⋅ µ ∆Vn PF ⋅ M ∆PF n Ë Standardabweichung der Wertänderungen des Portfolios σ ∆PF = U T PF ⋅ Σ ∆PF ⋅ U PF σ ∆PF = ∑ ∑ U i ⋅U j ⋅ σ ∆Vi, ∆Vj i j σ ∆PF = ∑ ∑ U i ⋅U j ⋅ σ ∆Vi ⋅ σ ∆Vj ⋅ ρ∆Vi, ∆Vj VaR des Portfolios i j Mathematisch-Statistische Verfahren des Risikomanagements - SS 2004 18 9 Ë Nachteil: Theoretische Fundierung der Normalverteilung der Wertänderungen kaum möglich Mathematisch-Statistische Verfahren des Risikomanagements - SS 2004 19 2.2.2 Varianz-Kovarianz-Ansatz mit Renditen • Renditen der Assets in Portfolio gemeinsam sind normalverteilt !! • Rendite während der Haltedauer V − Vt − L rlin = t Vt − L ⎛ V ⎞ rlog = ln⎜⎜ t ⎟⎟ ⎝ Vt −L ⎠ • gemeinsame Normalverteilung der Renditen bestimmt durch ⎛ µ r1 ⎞ ⎜ ⎟ M rPF = ⎜ M ⎟ ⎜ ⎟ ⎝ µ rN ⎠ ⎛σ ⎜ r1, r1 Σ rPF = ⎜ M ⎜σ ⎝ rN, r1 L O L σ r1, rN ⎞ ⎟ M ⎟ σ rN, rN ⎠⎟ Mathematisch-Statistische Verfahren des Risikomanagements - SS 2004 20 10 • Wert der N Assets des Portfolios VT = (V1, V2, ..., VN) • Anteilsvektor vT = (v1, v2, ..., vN) mit vn = Vn , n = 1,2,..., N mit ∑ v n = 1 ∑ Vn n n T • alternativer Anteilsvektor nach Lintner k = ( k1,..., k N ) kn = Vn , n = 1,2,..., N mit ∑ | k n |= 1 ∑ | Vn | n n Ë Mittelwert der Renditen des Portfolios µ r|PF| = k T ⋅ M r|PF| µ rPF = v T ⋅ M rPF Ë Standardabweichung der Wertänderungen des Portfolios σ rPF = v T ⋅ Σ rPF ⋅ v σ r|PF| = k T ⋅ Σ r|PF| ⋅ k Mathematisch-Statistische Verfahren des Risikomanagements - SS 2004 21 • Rendite-Quantil zu einer Wahrscheinlichkeit rVaR = α ⋅ σ rPF − µ rPF Ë negative Rendite, deren Betrag mit der vorgegebenen Wahrscheinlichkeit während der Haltedauer nicht überschritten wird • Aus V − Vt − L rlin = t Vt − L folgt ∆V = Vt-L · rlin Ë Berechnung der negativen Wertänderung bei vorgegebener Wahrscheinlichkeit während der Haltedauer : VaR = VPF · rVaR,lin VaR = VPF ⋅ (α ⋅ σ rPF,lin − µ rPF,lin ) Mathematisch-Statistische Verfahren des Risikomanagements - SS 2004 22 11 < 2.3 > Ein Investor hält am 31.3.95 zwei Positionen: 1. Position: Long-Position über 100 Mio CHF (= 121.33 Mio DM) 2. Position: Shortposition über 50 Mio USD (= 69,19 Mio DM) Tägliche Rendite der letzten 3 Monate - CHF: Mittelwert von 0,0387% ; Standardabweichung von 0,2260% Tägliche Rendite der letzten 3 Monate - USD: Mittelwert von -0,1794% ; Standardabweichung von 0,7807% Korrelation der Renditen ρr1,r2 = -0,5845 VPF = 121.33 + (−69,19) = 52,14 Mio DM v1 = 121.33 = 2,33 52,14 v2 = − 69,19 = −1,33 52,14 µ PF = v1 ⋅ µ r1 + v 2 ⋅ µ r 2 = 2,33 ⋅ 0,0387% + (−1,33) ⋅ (−0,1794%) = 0,3281% Mathematisch-Statistische Verfahren des Risikomanagements - SS 2004 23 σ rPF = v12 ⋅ σ r21 + v 22 ⋅ σ r22 + 2 ⋅ v1 ⋅ v 2 ⋅ ρ r1, r 2 ⋅ σ r1 ⋅ σ r 2 σ rPF = 2,332 ⋅ 0,226% 2 + (−1,33) 2 ⋅ 0,7807% 2 + 2 ⋅ 2,33 ⋅ (−1,33) ⋅ (−0,5845) ⋅ 0,226% ⋅ 0,7807% = 1,4093% Ë Rendite-Quantil bei Wahrscheinlichkeitsniveau von 97,7% rVaR = α ⋅ σ rPF − µrPF = 2 ⋅1,4093% − 0,3281% = 2,4906% Ë VaR = VPF ⋅ rVaR = 52,15 Mio DM ⋅ 2,4906% = 1,30 Mio DM Mathematisch-Statistische Verfahren des Risikomanagements - SS 2004 24 12 Ë Normalverteilungsannahme der Renditen nicht unproblematisch! • Ränder der tatsächlichen Häufigkeitsverteilung werden durch Normalverteilung unterschätzt (Fat tails!!) • Häufigkeitsverteilung hat um den Mittelwert höhere Werte als die Normalverteilung Leptokurtische Verteilung • Verteilung oft linksschief (mehr Beobachtungen in der linken als in der rechten Seite) • Renditen sind zeitlich korreliert Ë Bei Aufgabe der Normalverteilungsannahme geht der Vorteil verloren, das Risiko relativ einfach über Mittelwert und Standardabweichung zu bestimmen. Mathematisch-Statistische Verfahren des Risikomanagements - SS 2004 25 2.2.3 Varianz-Kovarianz-Ansatz bei Aktien und Optionen Ë Taylor-Reihe: Wertänderung ∆V in Umgebung von S0 durch Ableitung von V nach S in S0 dV 1 d2V 1 d 3V ∆V(S) = ⋅ ∆S + ⋅ ⋅ ( ∆S) 2 + ⋅ ⋅ ( ∆S)3 + ... 2 3 dS 2 dS 6 dS dV ∆V(S) ≈ ⋅ ∆S dS • Risikofaktoren bestimmen auf lineare Weise den Marktpreis eines Portfolios: Delta-Normal-Methode • Annahme unproblematisch bei originären Finanzprodukten • Annahme problematisch bei einigen derivativen Finanzprodukten Ë z.B. Aktienoptionen Änderung des Optionswertes abhängig von der Höhe des Kurses des Underlying Ë nicht-linearer Fall: Delta-Gamma-Methode Mathematisch-Statistische Verfahren des Risikomanagements - SS 2004 26 13 • Taylor-Approximation: Option ∂V ∆c ≈ ⋅ ∆S = ∆ c ⋅ ∆S ∂S ( ∆c = Delta der Option) Ë Wertänderung der Optionsposition entspricht ungefähr der Wertänderung einer Position aus ∆c Einheiten des Underlying Ë Option ≈ Position aus ∆c Aktien = Deltaäquivalent Ä∆ Ä∆ = ∆c ⋅ S • Berechnung des VaR - Anteilsvektor der Deltaäquivalente ä∆T = (ä∆1, ä∆2, ..., ä∆N) mit ä∆n = T - µ rPF = ä ∆ ⋅ M rPF Ä∆n , n = 1,2,..., N ∑ Ä∆n n - σ rPF = äT ∆ ⋅ Σ rPF ⋅ ä ∆ Ë VaR = ∑ Ä ∆ n ⋅ ( α ⋅ σ rPF − µ rPF ) n Mathematisch-Statistische Verfahren des Risikomanagements - SS 2004 27 < 2.4 > Portfolio aus 2 Positionen: 1. 500 europäische Calls auf ein Underlying mit derzeitigem Kurs von 30 DM, einem Strikepreis von 29 DM, einer impliziten Volatilität von 25% p.a., einer Restlaufzeit von 4 Monaten und einem Zins von 5% p.a.. Der Wert einer dieser Optionen beträgt 2,53 DM. Die Option hat ein Delta von 0,6627. 2. Shortposition mit 330 Einheiten des Underlyings. Die Rendite des Underlyings hat einen Erwartungswert von µr = 0 und eine Standardabweichung von σr = 1,5. Betrachtet wird ein Konfidenzniveau von 97,7 %. Da 500⋅0,6627 = 331,35 ≈ 330 liegt ein perfektes Hedgen vor!! Mathematisch-Statistische Verfahren des Risikomanagements - SS 2004 28 14 2.3 Darstellung der Schätzverfahren • Varianz-Kovarianz-Ansatz: Zufallsvariable ξ = normalverteilt • Spezifizierung der unbekannten Verteilung durch Schätzung von µ, σ, Σ (Kovarianzmatrix) • Zeitreihenanalyse, um Volatilität der Verteilung der Zufallsvariablen zu prognostizieren (für Haltedauer = 1 Tag) • Verfahren: - Empirische Schätzungen - Exponentielles Glätten - Extremwerttheorie - ARCH und GARCH Modelle - Implizite Volatilitäten Mathematisch-Statistische Verfahren des Risikomanagements - SS 2004 29 2.3.1 Empirische Schätzungen • Annahme: Entwicklung der Parameter gemeinsam folgt einem stationären stochastischen Prozeß ohne zeitliche Korrelation Ë Beobachtungswerte eines Parameters = Realisation der Zufallsvariable Ë Schätzung des Mittelwertes durch empirischen Mittelwert, 1 B−1 µˆ ξ, t 0 = ∑ ξ t 0 − i B i =0 Ë Schätzung der Volatilität durch empirische Standardabweichung σˆ = der Zeitreihe 1 B−1 ⋅ ∑ ( ξ t 0 − i − µˆ ξ, t 0 ) 2 B − 1 i =0 {ξ t 0 − ( B −1) ,..., ξ t 0 } Mathematisch-Statistische Verfahren des Risikomanagements - SS 2004 30 15 • Betrachtung mehrerer Parameter Ë z.B. Zeitreihen zweier Parameter ξ1 und ξ2 {ξ1, t 0 −( B−1) ,..., ξ1, t 0 } {ξ2, t 0 − ( B−1) ,..., ξ2, t 0 } Ë Bestimmung des empirischen Korrelationskoeffizienten ρˆ t 0 ( ξ1, ξ2 ) = Côv t 0 ( ξ1, ξ2 ) = Côv t 0 ( ξ1, ξ2 ) σˆ ξ1, t 0 ⋅ σˆ ξ2 , t 0 mit 1 B−1 ⋅ ∑ [( ξ1, t 0 − i − µˆ ξ1,t ) ⋅ (ξ2, t − i − µˆ ξ2, t )] 0 0 0 B − 1 i =0 Mathematisch-Statistische Verfahren des Risikomanagements - SS 2004 31 • Wahl des Beobachtungszeitraums!! → Fiktiver Kursverlauf mit steigender Volatilität • Grundannahmen?! - konstante Mittelwerte und Volatilitäten der einzelnen Parameter - Werte einzelner Parameter unkorreliert im Zeitablauf - verschiedene Parameter unkorreliert im Zeitablauf Mathematisch-Statistische Verfahren des Risikomanagements - SS 2004 32 16 Korrelationsschätzungen (B = 90 Tage) am Beispiel USD/DEM mit JPY/DEM in der Zeit vom 12.5.1993 bis zum 31.07.95 → ρ zwischen 0,07 und 0,72 Mathematisch-Statistische Verfahren des Risikomanagements - SS 2004 33 17