risk managment Flashcards
cos’è la duration?
essa rappresenta la durata media finanziaria di un flusso di pagamenti associati ai titoli di debito e si calcola facendo una media delle scadenze dei singoli flussi di cassa ponderati utilizzando il valore attuale dei flussi di cassa sul valore attuale totale dei cashflow (somma dei valori attuali)
quali sono le proprietà della duration?
per prima cosa per un obbligazione senza cedole (zero coupon) la duration è pari alla durata residua dell’obbligazione. inoltre a parità di condizioni maggiore è la vita residua e maggiore è la duration. inoltre si può dire che all’aumentare dei tassi di mercato (CON CUI si scontano i cashflow) diminuisce la duration in quanto i pagamenti futuri sono scontati di più (al contrario se i tassi diminuiscono la duration aumenta). infine a parità di condizione quanto più è elevata l’entità delle cedole tanto più minore è la duration
qual’è la proprietà della duration che si può applicare sui portafogli?
è la proprietà additiva della duration che permette di calcolare la duration di un portafoglio di titoli come media ponderata delle duration con ponderazione pari al peso relativo del titolo stesso sul peso totale del portafoglio
perchè la duration è utile nella valutazione del rischio di tasso di interesse?
perchè la duration è un indicatore del rischio di interesse molto utile in quanto tanto maggiore è la duration tanto maggiore sarà la variazione del valore dei titoli al variare del tasso di interesse. si può infatti approssimare la variazione percentuale del prezzo che un titolo subisce al variare dei tassi di mercato utilizzando la duration modificata. infatti per vedere la variazione % di valore prodotto da una variazione del tot.% dei tassi basta moltiplicare questo tot.% per la duration modificata che è pari al duration divisa per (1+tres).
quando si ha rischio di rifinanziamento e quando si ha rischio di rinvestimento?
rischio di rifinanziamento è quando la scadenza del passivo è minore di quella dell’attivo mentre quello di reinvestimento è quando la scadenza dell’attivo è minore di quella del passivo
in che modi le variazioni dei tassi di interesse impattano sui risultati economici?
impattano in modo diretto per effetto delle variazioni che subiscono i flussi di interessi attivi e passivi e/o valori di mercato di attività e passività e in modo indiretto per effetto delle variazioni che subiscono i volumi negoziati
quali sono i principi generali sulla gestione del rischio di interesse secondo il comitato di Basilea?
tra i più significativi ci sono il coinvolgimento dell’alta direzione, l’elaborazione di modelli completi e accurati che tengano conto degli utili futuri e quindi sul valore della banca e la trasparenza.
perchè il TIT a flussi netti è inefficente e non viene quasi mai più usato?
inanzitutto perchè non permette di trasferire tutto il rischio di tasso alla tesoreria ma in parte rimane sulle filiali: questo fa si che la tesoreria non ha più una visione di insieme della situazione generale della banca, poi perchè era solitamente utilizzato applicando un tasso TIT unico
perchè, tramite i TIT, si vuole trasferire interamente la gestone del rischio di tasso dalle filiali alla tesoreria?
lo si fa per 2 motivi principalmente: perchè la tesoreria ha come scopo quello di gestire il rischio di tasso ed ha quindi professionisti specializzati nel fare questo e poi perchè, assumendosi la gestione del rischio di tasso di TUTTE le filiali, ha una visione completa della situazione generale della banca e del suo sbilancio complessivo
cosa sono le operazioni a tasso amministrato?
sono le operazioni con la clientela in cui il tasso di riferimento non è un tasso di mercato come l’euribor ma è un tasso fissato da una qualche autorità come la banca centrale che fissa il tasso repo e l’associazione bancaria italiana che fissa il prime rate che è un tasso riservato alla clientela migliore
quale tit si sceglie per le operazioni a tasso amministrato?
siccome nelle operazioni a tasso amministrato il tasso non è un tasso di mercato a cui la tesoreria si può coprire per la scelta del TIT è possibile scegliere tra 3 alternative:
- tasso di mercato che lascia un pò di rischio di tasso alla filiale che però è contenta perchè è un rischio buono che la fa guadagnare di più
- tasso amministrato che copre completamente il rischio di tasso della filiale, così facendo disincentiva però la filiale a fare queste operazioni che invece portano profitto alla banca basato sull’applicazione di un tasso vischioso
- per evitare questo problema spesso si usa il tasso amministrato ma si applica uno sconto alla filiale qualora essa effettui un operazione a tasso amministrato per incentivarla a fare questo tipo di operazioni che portano profitto alla banca,
quali sono alcuni esempi di operazioni con opzioni implicite?
- opzione di conversione da tasso fisso a variabile (è equivalente a un credito plain vanilla più una swapoption)
- tetto al tasso variabile (venduta dalla banca e aumenta lo spread) o floor al tasso variabile (venduta dal cliente e diminuisce lo spread)
-possibilità di estinzione anticipata (call sul debito residuo)
per trasferire efficacemente il rischio di tasso queste opzioni vanno prezzate in modo corretto
cos’è il repricing?
quando le attività o passività rivedono il loro tasso di interesse
qual’è il vantaggio di usare i gap periodali rispetto ad usare l’approccio con il MAgap?
pur essendo chiaramente meno preciso l’approccio che utilizza i gap periodali (o marginali) ha il vantaggio di poter prefigurare l’impatto sul margine di interesse di PIU’ VARIAZIONI INFRANNUALI dei tassi
nell’approccio con i gap periodali, come si fa a garantirsi un effetto nullo indipendentemente dallo scenario dei tassi?
tutti i gap marginali (e quindi anche quelli cumulati) devono essere nulli
quali sono i problemi e i limiti del repricing gap?
sono:
- considera variazioni uniformi dei tassi attivi e passivi
- considera variazioni uniformi dei tassi con diverse scadenze
- trattamento naif delle poste a vista
- orrizonte temporale miope
-approccio a quantità costanti (meccanicistico,non si considerano gli effetti della variazione dei tassi sulle quantità intermediate
come si possono risolvere i primi 2 problemi del repricing gap (ipotesi di variazioni uniformi di tassi attivi e passivi e ipotesi di variazioni uniformi dei tassi a diverse scadenze?
si possono risolvere con l’approccio dei gap standardizzati:
- si individua un tasso di mercato di riferimento (tasso pivot)
- si stima la sensibilità dei diversi tassi attivi e passivi rispetto al tasso pivot (ovvero si stimano i beta che possono essere chiaramente minori o maggiori di 1)
- si calcola il gap o il magap standardizzato moltiplicando ciascuna attività e passività per il suo beta nella formula del gap
come si può risolvere il terzo problema/limite del repricing gap (ovvero quello del trattamento naif delle poste a vista)
si può eseguire questo processo:
- si analizza la vischiosità delle poste a vista
- si ripartiscono as e ps coerentemente con le percentuali stimate. (il dato contabile viene scomposto attraverso i coefficenti di vischiosità e trasformato in N poste con scadenze diverse)
- si ricalcola il gap o il magap con i nuvi valori di as e ps
TUTTAVIA i coefficenti di vischiosità cambiano al variare del segno della variazioni dei tassi e perciò bisognerà predisporre 2 stati patrimoniali, uno per lo scenario in cui i tassi scendono e uno per quello in cui i tassi salgono
quale tipo di problema del repricing gap risolve il duration gap?
il problema dell’orrizonte temporale miope ovvero del non considerare gli effetti delle variazioni dei tassi sui valori di mercato di attivi e passivi (infatti il repricing gap è un approccio reddituale mentre il duration gap è un approccio patrimoniale)
cos’è il duration gap?
è un modello di tipo patrimoniale basato sull’approccio a valori di mercato; la variabile rilevante non è più il MI ma è il VALORE DI MERCATO DELLA BANCA (valore di mercato di attività- valore di mercato passività) che incorpora tutti gli utili futuri non solo il margine di interesse corrente.
secondo l’approssimazione lineare basata sulla duration a quanto si può approssimare la variazione del valore di mercato subita dalla banca?di cos e funzione quindi?
a: - (leverage adjusted duration gap)VMadelta i
dove il ladg è uguale a dm a -(l*dm p).
chiaramente con un portafoglio per trovare la dm delle attività e passività bisogna fare una media ponderata delle duration di attività e passività.
dunque la variazione di valore della banca è funzione di 3 fattori:
- lev. adj. duration gap
- dimensione attività di intermediazione svolta dalla banca
-dimensione della variazione dei tassi di interesse i.
seguendo l’approccio del duration gap come si fa a immunizzare la banca?
bisogna annullare il lev.adj. duration gap: se L=1 (molto raro perchè banca vicina al fallimento) la dm a deve essere uguale a quella del passivo. se L minore di 1 come accade quasi sempre la duration modificata dell’attivo deve essere minore di quella del passivo (il valore iniziale delle passività è minore perciò per far si che la variazione dei due sia uguale la sensibilità del passivo deve essere maggiore e sappiamo che i titoli con duration maggiore hanno maggiore sensibilità alla variazione dei tassi)
quali sono i problemi/ limiti del duration gap?
- la duration cambia ogni istante perciò le politiche di immunizzazione andrebbero ricalibrate istantaneamente
- la duration è basata su un approssimazione lineare: impatto stimato in modo impreciso. per risolvere questo secondo limite si potrebbe proseguire l’espansione con la formula di taylor includendo la derivata seconda ottenendo una variazione molto più precisa della variazione di valore subita dal portafoglio. la formula finale verrebbe: - (l.ad. dg)(delta i)(VMa)+ (l.ad. convexity gap)* ((delta i^2)/2)*VMa
- il modello ipotizza variazioni dei tassi su tutte le poste attive e passive; si può provare a risolvere con il beta adjusted duration gap usando un approccio simile al repricing gap standardizzato
cosa sono il tasso z-c e ytm?
lo zc è il tasso equo per un operazione che prevede un solo pagamento mentre lo ytm è il tasso equo per un operazione che prevede t pagamenti. sulle sacdenze lontane difficilmente esistono titoli senza cedola; noi possiamo però ricavare il tassi zero-coupon a queste scadenze tramite la strategia del boot strapping ricavando una curva dei tassi per scadenza
qual’è l’obbiettivo del cash-flow mapping e perchè si fa?
l’obbiettivo è ricondurre un portafoglio di attività e passività a un numero limitato di nodi; si fa per non appiattire l’analisi del rischio di tasso ai soli shift paralleli della curva.
come si fa il cash-flow mapping?
si fa traducendo tutti i flussi reali in pochi flussi fittizi.
quali sono le tecniche di cash-flow mapping?
quelle meno raffinate sono:
- metodo del principal analitico (si mappa ogni titolo al nodo dato dalla scadenza del capitale
- metodo del principal sintetico (si considera la media delle scadenze del capitale)
- metodo della duration analitica (si mappa ogni titolo al nodo della sua duration
- metodo della duration sintetica (si considera la media delle duration dei titoli
- metodo del principal analitico modificato
una tecnica più raffinata è il clumping.
perchè il metodo del principal è impreciso?
perchè non considera il rischio di reinvestimento delle cedole
quali sono i contro del modello per il banking book del comitato di basilea?
- (più importante): considera identica volatilità su tassi a breve e lungo (2%) quando i secondi sono meno volatili per effetto della mean-reversion (cioè si considerano solo shift paralleli della curva)
- tratta in modo impreciso alcune poste
- è un metodo a valori economici che usa come imput valori contabili
- consente di compensare posizioni marginali in valuta estera
quali sono i pro del modello per il banking book del comitato di basilea?
- considera legame rischi-capitale
- valuta impatto anche sul valore della banca non solo sul reddito
- considera indipendenza delle curve associate a diverse valute
che modifiche prevede la nuova versione aggiornata del modello di basilea per il banking book del 2016?
i nodi della term structure passano a 17 e non si usa più un unico scenario ma una serie di scenari decisi dal comitato. l’impatto viene poi calcolato in maniera esplicita e non con la duration calcolando il valore del portafoglio con i tassi correnti e con i tassi degli scenari e si calcola la differenza poi si guarda allo scenario in cui l’impatto è più severo
quali sono i rischi di mercato?
sono quei rischi che nascono da variazioni inattese delle variabili di mercato (es. di variabili di mercato: prezzi, tassi di interesse e di cambio, volatilità ecc..). sono rischi connessi all’attività di negoziazione di valori mobiliari. alcuni esempi di rischi di mercato sono: di interesse, di cambio, di merci ecc..
quali sono i motivi per cui i rischi di mercato hanno acquisito sempre più rilevanza?
- processi di cartolarizzazione per cui sempre più spesso rischi delle banche sono trasformabili in titoli negoziabili sul mercato e quindi esposti a rischi di mercato
- diffusioni delle prassi di mark-to market; le voci di attività e passività devono essere iscritte a bilancio secondo il loro valore di mercato (ias 39 e ifrs 9)
- episodi di crisi
- normativa sui requisiti patrimoniali (basilea, dal 1996)
come viene eseguita la distinzione tra portafoglio di trading/ negoziazione e portafoglio immobilizzato (banking book)?
è una finzione richiesta dalla normativa contabile e di vigilanza (lo stesso titoli può infatti essere messo in uno o nell’altro in 2 banche diverse); tendenzialmente autorità di vigilanza e investitori si accorgono velocemente quando l’allocazione tra b-b e t-b è fatta in modo furbesco.
il trading book è fatto da attività detenute a scopo di negoziazione (obbiettivo di profitto a breve termine). ci deve perciò essere un mercato e dei prezzi disponibili per queste attività; questo implica che possiamo valutare il rischio di mercato su di esse. noi ci occuperemo del rischio di mercato solo sul trading book e non anche sul banking book
come avviene la misura dei rischi di mercato? ovvero come si capisce quanto una banca è esposta ai rischi di mercato?
- approccio a valori nominali
- approccio basato sul mark-to market e su misure di sensibilità quali duration, basis point value (usato per fixed income), delta e gamma (usato per opzioni).
- serie di famiglie di tecniche denominate approcci “alla riskmetrics” che si basano su una misura di rischio unificata che riflette: 1) il diverso valore di mercato di posizioni diverse. 2) il diverso grado di sensibilità delle posizioni ai fattori di mercato. 3)il diverso grado di volatilità dei fattori di mercato e la loro correlazione e consente di 4) aggregare i rischi di posizioni diverse (es. azioni,obbli, derivati ecc..) ,che invece non si poteva fare con l’approccio che mark-to-market, agevolando cosi la comunicazione verticale e orrizontale.
quali sono i problemi dell’approccio a valori nominale e dell’approccio mark-to market?
i problemi dell’approccio nominale sono:
- non considera i valori di mercato
- non considera le sensibilità diverse delle posizioni a variazioni dei fattori di mercato
- non considera le condizioni di volatilità correnti e la correlazione dei diversi fattori di rischio (prezzi o dei tassi; se le mie attività sono correlate sto diversificando poco e ho più rischio).
l’approccio mark-to market risolve il primo problema il primo e secondo problema dell’approccio a valori nominale tuttavia mantiene ancora il terzo problema inoltre ha il problema di usare misure diverse per posizioni in strumenti diversi e questo fa si che non si riesce a ottenere una misura di rischio complessiva
quali sono i principali fattori di rischio?
- per le azioni: prezzo*beta
- per le posizioni in valute: cambi
- per posizioni su materie prime: prezzi spot e future
-per posizioni in fixed income: prezzi zc/tassi zc (i tesorieri si trovano meglio con i tassi)
che ipotesi facciamo sulla distribuzione di probabilità dei possibili valori futuri dei fattori di rischio? (Coktesto?)
ipotizziamo che si distribuiscano normalemente. questo deriva dal fatto che ipotizziamo che d logPt segue un moto brawniano geometrico e sia quindi composto da una componente deterministica e una componente imponderabile che si distribuisce normalmente. si può poi verificare che anche delta log P (rendimento nel discreto) segue un moto brawniano ma con un drift diverso.
come viene stimato u ?
su orrizonti temporali piccoli (ipotesi coerente con il fatto che stiamo misurando il rischio su portafoglio di trading che ha un orrizonte temporale di breve periodo) nessuna stima del drift performa in modo più affidabile di 0 perciò possiamo sostituire il drift a 0 ottenendo un valore di u pari a volatilità^2/ 2.
da cosa dipende il giusto orrizonte temporale su cui prevedere le perdite?
esso dipende da:
- un fattore soggettivo ossia l’holding period dell’investitore
-fattore oggettivo: non basta l’intenzione di vendere serve anche un mercato secondario liquido tale per cui se voglio vendere lo posso fare in maniera abbastanza veloce (es. il mercato del dollaro è molto liquido)
come stimiamo la volatilità?
usiamo una stima empirica basata su m+1 rendimenti passati e su una media mobile esponenziale. usiamo infatti un fattore di decadimento per pesare maggiormente i rendimenti più recenti (pesi decrescenti secondo una legge esponenziale) costruendo così un indicatore di rischio che sia sensibile alle condizioni di mercato correnti.
quando m è molto alto il fattore di decay alla m tende a 0 e la varianza può essere ricalcolata ogni giorno prendendo quella del giorno prima e aggiustandola con il quadrato del rendimento appena registrato facendo una media ponderata in cui la varianza di ieri ha peso pari al fattore di decay e il rendimento di oggi al quadrato ha peso pari a (1- fattore di decay)
come si comportano i rendimenti stimati con la varianza mobile modellata con EWMA?
generando i rendimenti con una normale con media 0 e varianza mobile otteniamo una distribuzione leptocurtica con code e testa più grosse della normale; questo è più coerente con ciò che accade sul mercato perciò con la varianza mobile abbiamo reso la normale più raffinata.
quali possono essere alcuni metodi alternativi all’EWMA per stimare la volatilità?
- medie mobili semplici che però hanno il problema dell’essere affette dall’effetto eco
- volatilità implicita ricavata dai prezzi delle opzioni quotate sul mercato tramite un processo di reverse engineering. nonostante abbia il vantaggio di essere una stima forward looking in quanto riflette una volatilità attesa dal mercato essa ha alcuni problemi: 1) non è detto che il modello scelto si quello usato dal mercato (es.b-s)
2) non esistono opzioni quotate per tutti i fattori di rischio
3)il mercato di un opzione può essere poco liquido e di conseguenza presentare prezzi non affidabili
4) molte opzioni sono OTC e quindi non garantite da una cassa di compensazione dei rischi perciò i prezzi incorporeranno un premio per il rischio di controparte che chiaramente non è facilmente stimabile e che sporca la volatilità stimata.
per questi motivi la volatilità implicita è poco usata nel risk m. - modelli di garch che sono regressioni in cui la varianza dell’errore non è costante ma è data da un equazione autoregressiva
nel modello multinormale con più fattori com’è distribuito il rendimento del portafoglio?
è distribuito secondo una normale multivariata con tutte le medie pari a 0 e varianze e covarianze racchiuse nella matrice var-cov aggiustata per l’orrizonte di rischio (T-t)
Quali distribuzioni alternative alla normale si possono utilizzare per modellare i rendimenti?
si possono usare delle distribuzioni intrinsecamente leptocurtiche quali:
- t di studente (è tanto più leptocurtica quanto minori sono i g.d.l)
- mistura di normali: si campiona da due normali: una con volatilità maggiore ma probabilità di accadimento molto bassa e l’altra con volatilità minore ma probabilità decisamente più alta. questo campionamento descrive bene ciò che accade sul mercato.
tuttavia queste distribuzioni hanno il problema comune che la combinazione lineare di un t di student non è anch’essa una t di student e la combinazione lineare di misture di normali non è una mistura di normali: questo fa si che esse possano essere utilizzate molto efficacemente nei modelli con un solo fattore di rischio (molto rari) ma che siano difficili da generalizzare quando sono presenti n fattori di rischio.
quali sono i metodi per rappresentare la distribuzione dei valori futuri del portafoglio, una volta modellata la distribuzione dei rendimenti dei fattori di rischio?
2 metodi basati su distribuzioni teoriche:
- simulazioni montecarlo
-stima parametrica
e 1 basato su distribuzioni storiche/ empiriche:
- simulazione storica
su cosa si basano le simulazioni montecarlo?
si basano sull’esistenza di una matrice C, detta matrice fattorizzata, tale che c trasposta per c sia uguale alla matrice varcov dei rendimenti dei fattori di rischi. infatti se ciò accade si può verificare che il vettore r si distribuisce come una variabile normale standard z premoltiplicata per C trasposto e postmoltiplicata per (T-t), ciò si può verificare verificando che il valore atteso di questa combinazione è 0, la varianza è la stessa ( matrice varcov* (T-t) ) e la distribuzione è la stessa (normale)-
come avviene la simulazione montecarlo?
avviene con il seguente procedimento:
- estraiamo n valori (dove n è il numero dei fattori di rischio) z da n normaili standard indipendenti
- moltplichiamo questi z per C trasposto e radice di (T-t)
- prendo i prezzi di oggi di tutti i fattori di rischio gli applico questi rendimenti e ottengo il prezzo tra T-t; sommando i prezzi ottengo poi il valore del mio portafoglio
dopdichè ripeto il procedimento per un numero molto elevato di volte ottenendo il valore del portafoglio in moltissimi scenari da cui poi isolerò quelli peggiori per quantificare le perdite estreme.
come si costruisce la matrice fattorizzata C?
si costruisce tramite l’algoritmo di cholesky. esso richiede però che la matrice varcov sia definita positiva (cioè le serie storiche dei rendimenti dei fattori di rischio devono essere linearmente indipendenti ), ciò accade quasi sempre ammenochè non abbiamo molti fattori di rischio e un periodo di osservazione breve. se la matrice varcov non è definita positiva il problema può essere aggirato con la SVD.
quali sono i limiti della simulazione montecarlo?
il limite centrale è che serve molto tempo e lavoro per generare i rendimenti di n fattori per N scenari (con N numero elevatissimo) e poi per rivalutare il portafoglio in tutti gli N scenari per poter poi isolare i peggiori. tuttavia è un problema che sta pesando sempre meno man mano che i software aumentano la loro potenza di calcolo. esiste tuttavia una scorciatoia alle simulazioni di montecarlo che ci permette di calcolare valori dei portafogli in modo più veloce anche se chiaramente perdendo precisioni: questa scorciatoia sono i metodi parametrici che richiedono però qualche ulteriore ipotesi.
su cosa si basa l’approccio parametrico?
e quando esso funziona bene?
esso si basa su un approssimazione lineare con le derivate prime della funzione di valore del portafoglio della banca che è una funzione degli n fattori di rischio. funziona bene o quando V( P ) è una funzione lineare o quasi (siccome stiamo facendo un approsimazione lineare) o se gli incrementi (delta P) sono limitati (l’approssimazione che facciamo, ponendo delta log P uguale a delta P su P, sarebbe vera per variazioni infinitesimali di P e più la variazione diventa grande e più l’approssimazione diventa inappropriata). dunque il metodo parametrico può non essere soddisfacente per funzioni V(P) non lineari e variazioni marcate dei fattori di rischio.
perciò l’approccio delle simulazioni di montecarlo (full valuation) è preferibile se V(P) è fortemente non lineare
perchè il metodo parametrico viene anche chiamato delta-normal? quand’è che il metodo delta normal prende il nome di asset normal?
viene chiamato cosi perche le variazioni di valore del portafoglio sono distribuite come il prodotto tra il vettore dei delta che è un vettori di costanti e il vettore di r che è normalmente distribuito. quando i fattori di rischi sono prezzi di asset l’approccio oltre che ad essere delta-normal è anche asset normal, quando i fattori di rischio non sono prezzi ma ad es. tassi yt l’approccio è solo delta-normal (quindi asset-normal è un sottoinsieme di delta-normal).
dobbiamo tenere presente che quando passiamo dall’asset normal al semplice delta normal a volte il segno del nostro rischio cambia.
quali sono i limiti dell’approccio delta-normal?
inanzitutto è un approcccio impreciso: per renderlo più preciso si può considerare anche il secondo termine dell’espansione di taylor (come fatto con la convexity): cosi facendo però diventa irrelaistico pensare che deltaV possa essere distribuito secondo una normale essendo combinazione di r (distribuito come una normale) e di r^2 (distribuito come una chi-quadrato perchè prodotto tra 2 normali ovvero r).
inoltre questo approccio non può gestire la non derivabilità di V rispetto a P (es. valore a scadenza di uno straddle).
in cosa consiste l’approccio empirico?
quante osservazioni passate vanno utilizzate nella simulazione?
è una soluzione alternativa per descrivere i rendimenti dei fattori di rischio che si basa sull’ipotesi che la loro distribuzione passata (storica) possa essere rappresentativa di quella futura e possiamo quindi usare la distribuzione storica per prevedere quella futura; ciò è come dire che la distribuzione di probabilità da cui vengono i rendimenti osservati è una distribuzione stabile e quindi tutte le variazioni di valore sono i.i.d. ess è dunque una simulazione simile a quella di montecarlo ma basata su dati storici.
per quanto riguarda il numero di osservazioni storiche di utilizzare vi è un trade-off: scegliendo più info. si ha più precisione ma l’ipotesi di stabilità della distribuzione diventa irrealistica (perchè cambiano le condizioni di mercato), se invece si sceglie meno info l’ipotesi è più realistica ma ottengo una distribuzione meno precisa (meno granulare); le autorità richiedono che vengano usati ALMENO 1 anno di dati.
esistono anche metodi ibridi che usano campioni più ampi ma aggiustando il campione storico in modo da avvicinarli alle condizioni correnti di mercato: ci sono 2 varianti:
- boudoukh, richardson e whitelaw: danno probabilità di accadere più alte alle osservazione più recenti (simile all’ewma)
- hull e white (volatility weighted): allineano la volatilità storica a quella corrente di mercato (quella del periodo più recente), moltiplicando tutte le volatilità storiche per un coefficente.
qual’è il procedimento della simulazione storica plain vanilla?
- per ogni n sottoperiodi passati (n scelto da me) calcolo il rendimento avvenuto nei fattori di rischio
- applico queste variazioni (nota che questi rendimenti colgono già la correlazione tra i titoli perchè sono rendimenti storici) ai valori correnti dei fattori di rischio ottenendo un set di possibili valori futuri
- rivaluto il portafoglio
come per la simulazione montecarlo poi, ripeto questa procedura per un numero n di volte pari al numero di sottoperiodi scelti e isolerò i casi peggiori in cui il valore del portafoglio è minore.
chiaramente il risultato prodotto sarà diverso da quello ottenuto con montecarlo; in particolare nella stima della distribuzione teorica dei rendimenti i rendimenti passati più recenti venivano pesati di più in quanto per la stima della volatilità si usava la ewma mentre qui tutte le osservazioni sono pesate ugualmente.
quali sono le ipotesi che dobbiamo fare per usare l’approccio della radice di n e utilizzare ad es. le osservazioni giornaliere al posto di quelle settimanali ottenendo così istogrammi più granulari?
- covarianze nulle tra rendimenti sottoperiodali (nell’es, giornalieri) ovvero ipotizzo un mercato efficente (markoviano) in cui tutte le info di oggi si sui prezzi di oggi la correlazione sereiale dei rendimenti è nulla. in questo modo la varianza settimanale è semplicemente la somma delle varianze giornaliere.
- varianza dei rendimenti sotttoperiodali (giornalieri nell’es.) è sempre la stessa (omoschedasticità). così posso scrivere la varianza settimanale come 5 volte la varianza giornaliera e la volatilità settimanale come la volatilità giornaliera moltiplicata per la radice di 5.
L’approccio della radice di n è un approccio impreciso ma accettabile. un altro approccio utilizzabile è quello delle rolling window dove però comunque la sovrapposizione tra finestre introduce una distorsione
cos’è lo stress testing?
è un approccio che le autorità di vigilanza stanno usando sempre di più in cui non si chiede alla banca l’intera distribuzione delle possibili variazioni del portafoglio ma si va solo a simulare cosa succede al portafoglio della banca in scenari estremi. questi scenari possono essere scelti:
- scenari storici: si estraggono dai database passati i dati dei rendimenti passati relativi a periodi eccezionalmente sfavorevoli (es. crisi russa 1998)
- scenari semplici: si fanno ipotesi a tavolino su uno o più fattori di rischio (detti fattori cor); c’è un organismo della bce che si chiama european systemic risk board che genera questi scenari a chiede alle banche di verificare la variazione del loro portafogli in caso accadessero. tuttavia in questo approccio si lasciano invariati tutti gli altri fattori di rischio (detti periferici); questo è abbastanza irrealistico (ad es. è irrealistico pensare che se i cambi vanno in altalena i mercati azionari non ne risentano) perciò si passa agli:
- scenari predittivi in cui dopo aver fatto le ipotesi a tavolini sui fattori core (r2), si correggono anche i restanti fattori di rischio periferici (r1) sulla base della loro correlazione con i precedenti fattori (core). in particolare usiamo la formula statistica per trovare il valore atteso di r1 condizionato ai valori di r2 (ovvero lo shock atteso dei fattori periferici dato lo shock di quelli core).
come funziona il mapping dei fattori di rischio al portafoglio? (slide 76-90)
cos’è il value at risk?
è la perdita minima che posso attendermi con una certa probabilità p o la perdita massima che posso attendermi se sono disposto a ignorare il p% di scenari peggiori (per questo è la massima perdita probabile al 95%, non possibile). ad es. su un orizzonte temporale di un giorno il var, al livello di confidenza del 95% (1-p), se ad es. è pari a 2000 (quinto percentile della distribuzione) mi dice che posso attendermi una perdita giornaliera superiore a 2000 euro con un 5% di probabilità: 2000 è la perdita massima che posso aspettarmi nel 95% dei casi (la probabilità di avere una perdita maggiore di 2000 è 5%, minore è 95%).
come calcoliamo il var quando abbiamo una distribuzione di rendimenti con media diversa?
noi sappiamo che se usiamo l’approccio delta-normal otteniamo una distribuzione con media 0, tuttavia ci saranno molti casi in cui la media sarà diversa da 0 (ad es. per gli investimenti dove il rendimento atteso è positivo); in questi casi tendenzialmente si prende per calcolare il var al livello di confidenza del 1-x% non solo il x esimo percentile ma la sua distanza dal rendimento atteso ovvero il valore atteso di (delta V -u di delta V). Cosi facendo si fa a vedere
la perdita massima, nel 1-x% dei casi (escludendo l’x% dei casi peggiori), RISPETTO ALLE ATTESE.
Guardati il modo di calcolare il percentile in risk managment quando ho una distribuzione discreta.
come si sceglie il valore p e di conseguenza il livello di confidenza (1-p)?
possiamo pensare al var come alla quantità di capitale che essa deve detenere per resistere all’ (1-p%) delle possibili perdite future (var come economic capital), cosi nell’1-p% dei casi le perdite sono copribili con capitale della banca e i creditori della banca sono salvi (nell’ 1-p% dei casi la banca non va i in default). pensandola in questo modo il livello di confidenza 1-p diventa la probabilità di sopravvivenza della banca (p:probabilità di default) , della banca che detiene una quantità di capitale pari al var, da cui dipende il rating della banca stessa.
dunque spesso le banche fissano il livello di confidenza del var in base al rating che voglio ottenere; ad es. se la probabilità media di default delle banche con rating baa3 (bbb-) è dello 0.70% e la banca in questione vuole ottenere quel rating dovrà calcolare il var (a 1 anno perchè la pd che le agenzie di rating guardano è quella a 1 anno) al livello di confidenza del 99,3% e detenere una quantità di capitale pari al var calcolato.
dunque le banche che deterranno più capitale sono quelle che hanno:
- più rischio
- fissato dei livelli di confidenza più alti
come impatta il metodo seguito per stimare la distribuzione di delta V (montecarlo; parametrica, storica)?
il metodo non impatta il concetto di var ma impatta tuttavia il valore del var che sarà diverso in base al metodo seguito in quanto le stime di delta V e u saranno diverse. nel caso del metodo parametrico si può stimare il var con una scorciatoia.
come si può stimare il var quando stimo le variazioni di valore del portafoglio con l’approccio parametrico?
siccome con il metodo parametrico otteniamo che i delta v si distribuiscono come una normale con media nulla, possiamo sfruttare la probabilità che tutte le normali con media nulla hanno per cui il percentile xp di una tale distribuzione si trova moltiplicando la sua deviazione standard per il corrispondente percentile zp della distribuzione normale standard. quest’ultimo è una costante che non dipende dallo specifico portafoglio ma solo dal livello di confidenza scelto; questo è uno dei motivi per cui il metodo parametrico è ancora così utilizzato.
in questo modo infatti il var può essere:
- calcolato rapidamente, nota la dev.standard delle variazioni di valore
- scomposto facilmente (tutte le scomposizioni sulla dev.std le possiamo applicare a meno di una costante (zp) al var.
cosa sono il var marginale e incrementale e a cosa servono?
il var marginale della posizione i è l’incremento che il var conosce quando la posizione i viene aggiunta al resto del portafoglio della banca mentre il var incrementale è l’incremento che il var conosco quando una quantità infinitesima della posizione i viene aggiunta al resto del portafoglio della banca (approssimazione basata su derivata prima che mi da l’idea dell’intensità dell’incremento del var per i vari strumenti finanziari).
il loro calcolo nasce dall’esigenza di capire il contributo di singoli titoli o sottoportafogli al var della banca (sia per capire l’impatto sul var di possibili posizioni da prendere sia per capire i motivi per cui il var del portafoglio è cambiato da un periodo all’altro).
entrambi sono calcolabili in modo molto più veloce quando addottiamo l’approccio parametrico.
cos’è l’expected shortfall (ES)?
è un indicatore di rischio alternativo al var sempre più popolare e il comitato di basilea ha deciso che sostituirà il var a fini regolamentari per i rischi di mercato, esso è la media delle perdite inattese superiori l var; ovvero si prendono tutti i valori possibili di perdite maggiori a quella del var e si fa una loro media .
esso può essere visto come:
- il var+ costo che le autorità dovrebbero sostenere per salvare la banca se il suo capitale (pari al var) non fosse sufficente
- il var + costo che la banca dovrebbe sostenere se volesse assicurarsi contro perdite superiori al var.
è un indicatore che serve molto ai contribuenti della banca o agli assicuratori che devono emettere assicurazioni per coprirsi dal rischio della banca. essa ci dice quanto in media lo stato dovrebbe pagare per salvare una banca che fallisce (ovvero registra una perdita superiore al capitale che è posto pari al var)
a quali limiti del var risponde l’ES?
- il fatto che il var trascura la dimensione delle perdite oltre il livello di confidenza fissato ovvero quanto mi devo aspettare di perdere nel p% dei casi (guarda es. slide 102)
- il fatto che il var è una misura di rischio NON coerente: una misura di rischio è infatti coerente quando ha queste proprietà:
1) invarianza alle traslazioni
2)omogenità positiva di grado 1
3)monotonicità
4)subadditività.
in particolare il var non rispetta la quarta in quanto il rischio di una somma di più sottoportafogli (es. 2 banche che si fondono) non è sempre minore o uguale ovvero alcune volte è superadditivo cioè non subadditivo (anche se quasi sempre lo è: in particolare se usiamo l’approccio delta normal questa disuguaglianza sarà SEMPRE verificata poichè il var è un multiplo della dev. std che è subadditiva; è un altro vantaggio del metodo delta normal) alla somma dei rischi dei singoli sottoportafogli (guarda es. slide 105 con i 2 titoli che per semplicità ipotizziamo indipendenti)
come vengono chiamati anche i modelli a la riskmetrics
talvolta vengono chiamati modelli var per i rischi di mercato in quanto l’indicatore di rischio comunemente usato nella pratica è proprio il var. esso continua ad essere un punto di riferimento per la banca e sopprattuto per gli azionisti a cui non importa ad es. l’ES; tuttavia le autorità di vigilanza prediligono sempre di più l’ES per il calcolo del capitale minimo che le banche devono detenere per coprirsi dai rischi di mercato
quali sono i vantaggi del var?
- introduzione di un linguaggio comune tra diversi desk che seguono mercati diversi (posso usare lo stesso approccio con asset class diverse e il var, allo stesso livello di confidenza e con stesso orrizonte temporale è comparabile; nonostante i 2 var siano calcolati su strumenti diversi che dipendono da fattori di rischio diversi e se voglio, anche con metodi diversi (es. delta-gamma e montecarlo)
- introduzione di un sistema di limiti di rischio omogeneo e sensibile alle condizioni di mercato (viene PREFISSATO un valore fisso del var (es. 100.000 euro) che si vuole avere a un certo livello di confidenza (es.99%) e si trova il massimo ammontare di una certa posizione che posso detenere affinchè il var al livello di confidenza prefissato eguagli esattamente il var prefissato, al variare di volatilità cambia la stima del var e perciò per mantenere il var uguale a quello prefissato CAMBIERA’ in automatico la posizione che devo detenere (in particolare se la volatilità aumenta dovrò diminuire la posizione: posso o ridurre il numero di titoli o prendere dei titoli con duration minore: questo fa si che ci sia il rischio di MILLENIUM BRIDGE; per questo nella realtà il cambiamento della posizione viene fatto in modo graduale (anche se ciò chiaramente ha dei rischi))
- misurazione delle risk-adjusted performance (RAPM) sia ex-ante che ex-post. il var rappresenta il rischio che dobbiamo coprire con capitale perciò lo possiamo chiamare anche car (capitale a rischio); possiamo usarlo per ottenere delle misure di redditività del capitale investito, corrette per il rischio:
- RAROC ex-ante: utile atteso/ car ex-ante (obbiettivo di raroc che ci si pone in sede di budget)
-RAROC ex-post: utile realizzato/ car ex-post
cos’è il backtesting?
è una valutazione retrospettiva che si fa per capire se il mio modello per il var è efficente ovvero se la frequenza delle perdite superiori al var è coerente con il livello di confidenza (NOTA: si guarda solo al numero di volte in cui la perdita realizzata sfora il var, non si guarda all’entità dello sfondamento). ad es. per un modello per il var a una settimana:
1) dopo una settimana vedo la reale variazione di valore del portafoglio e vedo se è maggiore o minore del var calcolato una settimana prima
2) dopodichè aggiorno la stima della volatilità (con EWMA) aggiungendo il dato dell’ultima settimana e ricalcolo il var a una settimana
3) dopo un altra settimana osservo nuovamente la variazione realizzata dal portafoglio e vedo se è maggiore o minore al var
4) vado avanti cosi
dopo un numero elevato di volte vedo quante volte la perdita effettiva ha superato il var calcolato la settimana prima e vedo se è esso è compatibile con il livello di confidenza del var
per cosa si può usare anche il backtesting?
per calibrare il decay factor (smoothing) da usare nell’EWMA (?), tuttavianell’es. fatto in classe sebri che variare il decay factor non incida tanto sull’andamento del var e quindi della sua bontà.
quando il var ottenuto con il modello è scadente,in relazione al backtesting?
quando, usando il backtesting, otteniamo delle perdite eccedenti il var troppo numerose o troppo poco numerose (anche se è iperprudente non è efficente)
che backtesting produce il var ottenuto con una distribuzione storica?
esso sarà iperprudente o ipoprudente a seconda che gli eventi più lontani nel campione siano molto negativi o positivi, inoltre il var avrà un andamento che cambia molto lentamente nel tempo in quando cambierà solo quando:
- o esce dal campione una delle osservazioni peggiori
- o entra nel campione un osservazione peggiore del var
Nel backtestimg;come si calcola il delta v reale?
nella realtà la composizione del portafoglio non è statica ma varia:
il delta v reale da confrontare con il var però deve essere calcolato sul vecchio portafoglio (ovvero del periodo precedente al momento in cui si analizza la variazione) rivalutato con i nuovi prezzi. questo delta v è detto “risultato economico statico” o static PeL ed è coerente con la logica del modello.
nell’ambito del backtestig; dato un livello di confidenza p e un numero N di osservazioni, il numero ideale di eccezioni è pN ma qual’è il numero massimo di eccezioni coerenti con p e qual’è il numero minimo di eccezioni NON coerenti con p? e qual’è il numero di osservazioni N necessarie per trarre conclusioni statisticamente affidabili? Quali sono i 2 tipi di errori?
attraverso dei test inferenziali in cui si valuta la veridicità di un ipotesi nulla. possiamo fare 2 tipi di errori:
- di primo tipo: rifiutiamo un modello accurato
- di secondo tipo: accettiamo un modello scorretto; questa è quella che ci preoccupa di più (ha costi molto più elevati) perciò nel risk m. si tollerano errori del primo tipo molto alti (circa 10%; considera che nelle regressioni li teniamo circa all’1%), questo perchè aumentando la probabilità di fare errori del primo tipo si riduce la probabilità di fare errori del secondo tipo.
quali test statistici inferenziali possiamo utilizzare per valutare l’accuratezza del modello backtestig ovver verificare se il numero di eccezioni (perdite superiori al var) verificate siano compatibili con p (dove 1-p è il livello di confidenza del var)?
- test di kupiec (1995) di copertura non condizionale; l’ipotesi nulla h0 è che la frequenza di eccezioni rilevate è uguale a quella teorica desiderata p. se h0 è vera allora la probabilità di osservare x eccezioni è data dalla distribuzione binomiale; si possono calcolare cosi le probabilità associate ai valori x e prendere i valori tale per cui la loro probabilità cumulata sia circa 90% escludendo i successivi così la probabilità di rifiutare il modello quando è corretto (errore del 1 tipo) è circa 10% ovvero identifico un valore tale da staccare alla sua destra un errore del 1 tipo del 10% e quel valore sarà il numero max. di eccezioni che si possono verificare affinchè io accetti il modello.
- test LR di copertura non condizionale; si mette a confronto la binomiale empirica che massimizza la f. di verosimiglianza per il nostro campione (basata su frequenza empirica) e la binomiale teorica (vincolata ad avere probabilità p) con un test di likelihood ratio. il likelihood ratio (pari a -2ln*rapporto tra le due verosimiglianze) si distribuirà come una chiquadrato con 1 g.d.l; possiamo quindi calcolare il valore LR è vedere se è a destra del 90esimo percentile della distribuzione (accetto l’ipotesi nulla) o è a sinistra (rifiuto l’ipotesi nulla)
quali sono i limiti del test di kupiec?
che esso richiede un campione composto da un numero elevato di dati (circa 10 anni di dati giornalieri) per poter generare risultati affidabili: la potenza statistica è piuttosto bassa è peggiora gradualemente:
- all’aumentare del livello di confidenza del var (ossia al diminuire di p); in questo caso è anche più difficile definire le regioni di accetazione e rifiuto
- al diminuire della dimensione del campione (come tutti i test statistici più il campione è corto meno il test è affidabile)
nonostante ciò, in mancanza di risultati migliori, il test continua ad essere usato frequentemente.
cosa consente di fare l’accordo di basilea alle banche in relazione ai requisiti a fronte del rischio di mercato calcolati con modelli var interni?
esso consente che i requisiti siano calcolati con modelli var sviluppati internamente; il requisito deve in particolare corrisponde a 3 volte (x sicurezza, il modello potrebbe essere non accurato, miope ecc…) la media dei var a 10 giorni, al 99% di confidenza; calcolati negli ultimi 60 giorni. ma è OBBLIGATORIO che la banca assoggetti i propri modelli a BAcktesting su 250 rendimenti giornalieri e i risultati devono essere coerenti con p, la verifica va fatta con il test di kupier. se le eccezioni empiricamente verificate sono minori di 4 il modello è compatibile, se aumentano il coefficente viene aumentato sopra a 3 in modo graduale (fissato in base alla distribuzione binomiale) fino al limite di 4 quando il numero di eccezioni empiricamente osservate è 10; qui la banca deve anche rivedere in modo immediato il modello.
come si fa a verificare l’indipendenza
per valutare la dipendenza seriale delle eccezioni si usa il test di indipendenza di christofferen.
Il test di Kupiec:
– non considera la distribuzione temporale delle eccezioni (non è uguale se le eccezioni si verificano in modo alternato o di fila perchè in quest’ultimo caso non ho il tempo di vendere);
La qualità di un modello è dunque valutata indipendentemente dalla sua capacità di reagire a nuove
condizioni di mercato. Invece, se un modello sa reagire correttamente alle
nuove informazioni, la probabilità che si verifichi un’eccezione nel giorno t dovrebbe essere INDIPENDENTE
dal fatto che il giorno precedente (t-1) si sia verificata un’eccezione (prob. di osservare un eccezione oggi non influenzata dal fatto che ieri si sia registrata un eccezione o meno).
il test di indipenenza anche qui si basa su un Likelihood ratio LR che si distriuirà come una chiquadro con 1 g.d.l; l’ipotesi di indipendenza è rifiutata quando il valore LR calcolato è maggiore del 90% esimo percentile della distribuzione chi quadro con 1-g-d-l.
è possibile verificare la correttezza (eccezioni empiriche compatibili con p) e indipendenza seriale del modello congiuntamente?
si, attraverso il test di copertura condizionale che combina i 2 test sommando le 2 likelihood ratio; la loro somma si distribuirà come una distribuzione chi quadro con 2 g.d.l. il fatto che il LR di questo test si possa calcolare come somma dei 2 LR precedenti discende dalle proprietà dei logaritmi.
se otteniamo un valore di LR a sinistra del 90 esimo percentile della distribuzione chi quadro con 2 g.d.l posso accettare l’ipotesi nulla (ovvero posso dire che il modello è corretto, ossia coerente con p, E c’è indipendenza seriale
cos’è il rischio di liquidità?
è il rischio che la banca non possa far fronte ordinatamente (cioè senza vendere in modo precipitosi i propri attivi, con perdite) a deflussi di cassa inattesi. come per il rischio di tasso deriva dalla diversa struttura per scadenza di attivo e passivo (ma per il tasso contava l’istante di repricing).
è stato a lungo sottovalutato perchè si pensava che il mercato all’ingrosso o le banche centrali potessero sempre fornire liquidità a una banca, purchè ragionevolmente solvibile (ma durante la crisi del 2008 è emerso che ciò non è sempre vero)
quando il rischio di liquidità può essere maggiore? da cosa è stato accrciuto in passato?
per determinati prodotti che rendono più aleatori il profilo temporale dei f. di cassa (es. passività a vista cioè i depositi)
e in determinate circoostanze sia individuali (specifiche della banca) sia sistemiche.
in passato è stato accresciuto da: globalizzazione dei mercati finanziari, tecnologia e cartolarizzazioni,concentrazione dell’industria bancaria e sviluppo di hedge fund
in cosa si può dividere il rischio di liquidità?
in funding risk che è il rischio che la banca sia in grado di far fronte a deflussi di cassa attesi e inattesi.
il market liquidity risk che è il rischio che la banca, per monetizzare una posizione in attività finanziarie, finisca per influenzarne in misura significativa il prezzo.
questi 2 rischi sono connessi e si alimentano a vicenda.
quali sono i 3 modi per misurare il funding risk?
- approccio degli stock:misura lo stock si attività pronatmente monetizzabili e le compara con le passività volatili.
-approccio dei flussi di cassa: confronta i flussi di cassa attesi (effettivi non contrattuali) in entrata e uscita, raggruppandoli in fasce di scadenza omogenee
-approccio ibrido: ai flussi di cassa vengono sommati i flussi ottenibili attraverso la vendita (o l’utilizzo come garanzia) delle attvità finanziarie prontamente monetizzabili
come si calcola la cash capital position?
sottraendo alle attività monetizzabili le passività volatili e gli impieghi a erogare. spesso viene poi rapportato al totale attivo per avere una misura relativa.
le linee di credito stabilmente disponibili non vengono considerate nel calcolo perchè nel 2008 si è resi conto che molte banche hanno preferito pagare le penali piuttosto che fare realmente il debito alle altre banche
come funziona l’approccio degli stock?
si suddividono attività e passività in stabili e instabili e si riclassifica poi il bilancio secondo una scala delle scadenze (considerado sempre le scadenze comportamentali e non contrattuali). il tutto si fa prendendo come riferimento uno scenario normale o moderatamente teso; la ripartizione rispecchia le aspettative della banca basate sull’esperienza passata.
si possono cosi costruire il liquidity gap e il liquidity gap cuulatox
cosa considera l’approccio ibrido che l’approccio dei flussi di cassa non considerava?
considera che gli unencumbered asset (titoli che ancora non sono stati usati come garanzai) possono essere usati come garanzia per ottenere finanziamenti anche a breve termine. questi asset possono essere venduti o usati come garanzie per ottenere credito attraverso operazioni di pronti contro termine, ad esempio se ho un titolo di stato posso ottenere il valore di mercato dello stesso,al netto dello scarto di sicurezza (HAIRCUT) CHE E’ FUNZIONE CRESCENTE della volatilità del titolo.
DUNQUE una quota di unecumbered eliglbe asset andrà ascritta tra le fasce a brevissimo termine mentre l’haircut e le quote di interessi andranno lasciati nelle fasce di scadenza originarie.
cosa può riguardare l’incertezza sui f.d cassa futuri?
la loro entità (es. quanti depositi verrano prelevati?) e il loro profilo temporale (es.quanti prestiti verranno rimborsati anticipatamente?) o entrambe le cose
come si possono costruire gli stress test ?in relazione al rischio di liquidità? quali sono i limiti degli stress test?
storico: si replicano schock passati
statistico: si usano i dati passati per costruire nuovi shock più verosimili
judgemental: si usano congiunture soggettive.
i limiti degli stress test sono che:
1)è irrealistico concentrarsi su una o due poste
2)è irrealistico sommare gli scenari
cosa sono i contingency funding plan?
è in piano che la banca predispone in risposa agli scenari di stress sul rischio di liquidità. esso esamina le fonti di funding supplementare in caso di shock e stabilisce l’ordine di priorità con cui devono essere usate tenendo anche conto del tipo di shock in atto. indica inoltre le persone e le strutture che devono attivare il funding straordinario e gestire la comunicazione con l’esterno.
quali sono le particolarità dl fundig risk?
è speciale perchè non provoca necessariamente perdite ma solo scompensi che possono portare a perdite o addirittura alla chiusura della banca (citazione with..).
esso non va dunque coperto (solo) con capitale ma attraverso attività liquide e unencumbered asset (anche se più capitale rende comunque più difficili delle crsi di liquidità).
Va misurato a livello consolidato ma tenendo conto di barriere locali alla libera circolazione dei fondi (es. della polonia che è particolarmente restrittiva in questo) xxxxxxxxxxxxx
qual’è l ragione alla base del market liquidity risk?
la ragione è che la banca opera in un mercato non sufficientemente ampio e vende dei quantitativi significativi di asset, lo spread tra bid e ask aumenta e quindi il bid a cui la banca vende diminuisce.
aumenta perciò il costo c da aggiungere al mid-price che sarà pari al prezzo dell’operazione per lo spread tar bid e ask diviso per 2.
per quantità significative di cosa è funzione il c (costo aggiuntivo rispetto al midprice?
oltre che ad essere funzione positiva del prezzo e dello spread iniziale esso è funzione positiva della dimensione P che la banca vuole dismettere e funzione negativa della dimensione complessiva del mercato M.
per cosa si fa l’haircut?
per tenere onto di 2 cose:
1) che se utilizzo quei titoli in un repo per ottenere liquidità immediata non otterrò mai come corrispettivo iniziale il valore dei titoli ma ci sarà uno sconto
2)che se venderò quei titoli per ottenere liquidità il valore dei titoli non sarà quello di oggi.
sia lo sconto che il deprezzamento che potrebbero subire sono funzioni positive della volatilità del titolo sottostante e perciò l’haircut stesso sarà funzione positiva della volatilità del titolo sottostante.
cos’è il rischio di liquidità?
è il rischio che la banca non possa far fronte ordinatamente (cioè senza vendere in modo precipitosi i propri attivi, con perdite) a deflussi di cassa inattesi. come per il rischio di tasso deriva dalla diversa struttura per scadenza di attivo e passivo (ma per il tasso contava l’istante di repricing).
è stato a lungo sottovalutato perchè si pensava che il mercato all’ingrosso o le banche centrali potessero sempre fornire liquidità a una banca, purchè ragionevolmente solvibile (ma durante la crisi del 2008 è emerso che ciò non è sempre vero)
quando il rischio di liquidità può essere maggiore? da cosa è stato accrciuto in passato?
per determinati prodotti che rendono più aleatori il profilo temporale dei f. di cassa (es. passività a vista cioè i depositi)
e in determinate circoostanze sia individuali (specifiche della banca) sia sistemiche.
in passato è stato accresciuto da: globalizzazione dei mercati finanziari, tecnologia e cartolarizzazioni,concentrazione dell’industria bancaria e sviluppo di hedge fund
