Methodological developments in the analysis of risk called for by industry needs

Størrelse: px

Begynne med side:

Download "Methodological developments in the analysis of risk called for by industry needs"

Karoline Johannessen
7 år siden
Visninger:

1 Methodological developments in the analysis of risk called for by industry needs Presentasjon for referansegruppen Kjersti Aas Norsk Regnesentral

2 Norsk Regnesentral Stiftelse med 70 ansatte Anvendt oppdragsforskning innen IKT og statistisk modellering. Blant Europas største miljøer innen anvendt statistisk modellering Fire hovedområder innen dette feltet: Bank, finans, forsikring og elkraft Petroleum Teknologi, industri og forvaltning Miljø, marin og helse 2

Finans Finans er et hovedsatsningsfelt: Utvikler programvare for banker og energi- og forsikringsselskaper Driver rådgivning/kvalitetssikring tilknyttet eksisterende systemer.

3 Finans Finans er et hovedsatsningsfelt: Utvikler programvare for banker og energi- og forsikringsselskaper Driver rådgivning/kvalitetssikring tilknyttet eksisterende systemer. Arrangerer kurs i statistiske problemstillinger i finans. Noe grunnforskning finansiert av midler fra Finansmarkedsfondet og strategisk instituttprogram fra NFR. Utdanner doktorgradsstudenter i samarbeid med UiO. 3

4 Referanseprosjekter finans Risikostyring/prismodellering for energimarkeder Hydro Energi, Statkraft, E-CO Vannkraft, Agder Energi, Energipartner Estimering av risikopremier for forsikringsbransjen IF, Storebrand, Gjensidige NOR Forsikring, Vital Kredittmodellering DnB Markets, Pareto, CreditSafe (Lindorff), DnB KSK Statistiske modeller for risikostyring DnB NOR, Hydro konsernstab, KLP Forsikring, Gjensidige NOR Sparebank 4

5 Kursvirksomhet Kurs 2000: Aktuarielle og finansielle risikoberegninger ved simulering. Kurs 2001: Ekstremverdimetoder i finans og forsikring. Kurs 2002: Risiko i finansporteføljer. Kurs 2004: Statistisk analyse av finansielle tidsrekker 5

6 Methodological developments in the analysis of risk called for by industry needs Bakgrunn, mål og planer for hele prosjektperioden

7 Bakgrunn Det er mye avansert metodikk for risikostyring som er beskrevet i litteraturen, men. det som benyttes i norske finansinstitusjoner er forholdsvis enkelt. HVORFOR? Ikke tilstrekkelig høy kompetanse på statistiske metoder i finansinstitusjonene, og/eller. metodene som blir foreslått i litteraturen egner seg ikke til praktisk bruk. 7

8 Prosjektinnhold Statistisk metodikk Anvendelser: Markedsrisiko Ikke-normale fordelinger Avhengighetsstrukturer Kredittrisiko Totalrisiko 8

9 Plan År Sum Anvendelse Markedsrisiko Markeds- og kredittrisiko Kreditt- og totalrisiko Totalrisiko Budsjett 400, , , ,000 2,300,000 9

10 Mål 2 vitenskaplige publikasjoner Etablere help-desk for statistikkfaglige spørsmål Arrangere minst ett kurs hvert år Skrive faglige rapporter som er åpent tilgjengelige Skrive populærvitenskaplige artikler 10

11 Methodological developments in the analysis of risk called for by industry needs Mål og planer for 2004

12 Plan for 2004 MARKEDSRISIKO Ikke-normale fordelinger Ikke-normale avhengighetsstrukturer 12

13 Mål for 2004 Etablere help-desk Arrangere ett kurs Utgi minst en teknisk rapport 13

14 Bakgrunn Problemstillinger: Avkastning til posisjoner/aktiva er ikke normalfordelt. Ulike posisjoner/aktiva har ulike fordelinger Avkastninger for ulike posisjoner/aktiva er avhengige av hverandre 14

15 Hva skal vi gjøre? Vi vil teste og utvikle metoder som tillater hver posisjon/ hvert aktiva i en portefølje å ha unik fordeling, selv om posisjonene/aktivaene er korrelert. Temaer: Skjeve og tunghalede fordelinger GARCH Simuleringsbaserte modeller Copulas Ekstremverdimetoder 15

16 Relevante avkastningsfordelinger Tunghalede og skjeve fordelinger Eksempler på tunghalede og skjeve fordelinger: Skalert skjev Student s t-fordeling Normal Inverse Gaussisk (NIG) fordeling Generalisert Pareto fordeling (GPD) 16

17 Hvor godt modelleres halen? Aksjer Europa log(t) Data Normal Student s t-6 Student s t-4 NIG GPD k 17

18 Multivariat modellering Multivariate tidsrekker Når man skal måle risikoen til en portefølje er det veldig viktig å kunne modellere avhengighet mellom ulike tidsserier. Utfordringen er å designe en modell som både 1. Modellerer sammenhengen mellom finansielle variable på en tilfredstillende måte 2. Er enkel og robust nok til praktisk bruk. 18

19 Multivariate fordelinger Multivariate fordelinger Multivariat modellering har for det meste dreid seg om den multivariate normalfordelingen, men det finnes interessante alternativer: Multivariat (skjev) Student s t-fordeling Multivariat normal invers Gaussisk fordeling (MNIG) Copulas Svakheten ved de to første er at alle marginalfordelinger må ha samme haletyngde. Copulas er et interessant alternativ. 19

20 Copulas Copulas Begrepet oppstod første gang i statistisk tidsskrift i 1959 (Sklar A., Publications de l Institute de l Université de Paris). Første gang i finansanvendelser i 1999 (Embrects et. al.) Fordelen med copulas er: Man modellerer hver komponent (posisjon/aktiva) med den fordelingen som passer best Deretter modelleres avhengighetsstrukturen med copulaen. 20

21 Samme marginaler ulik copula Data Gaussian copula NORDIC NORDIC NORWAY NORWAY Clayton copula t-6 copula NORDIC NORDIC NORWAY NORWAY Gumbel copula Multivariate NIG NORDIC NORDIC NORWAY NORWAY 21

Like dokumenter

Prosjektnummer: 163681/I99 Prosjekttittel: Methodological developments in the analysis of financial risk called for by industry needs

Prosjektnummer: 163681/I99 Prosjekttittel: Methodological developments in the analysis of financial risk called for by industry needs FINANSMARKEDSFONDET Sluttrapport Sendes per post (med kopi per epost) til prosjektets kontaktperson for rapportering. Forutsettes undertegnet av prosjektleder og prosjektansvarlig. Se for øvrig vedlagte