türk bankacılık sstemnde aktf pasf yönetm ve pyasa rsk
türk bankacılık sstemnde aktf pasf yönetm ve pyasa rsk türk bankacılık sstemnde aktf pasf yönetm ve pyasa rsk
148 üç yıllık serisi kullanılmıştır. Bu seri sadece iş günlerinden oluşmakta ve hafta içine gelen tatil günleri de kayıp veri sayılarak doldurulmaktadır. Bu şekilde oluşturulmuş serinin logaritmik getirileri hesaplanmış ve volatiliteler de bu getiriler üzerinden sayısallaştırılmıştır. Tabloda da görüleceği gibi en yüksek volatilite 180 günlük hareketli ortalamada (MA(180)) oluşmuştur. Her ne kadar hesaplamalarda üç yıllık seri kullanılmışsa da EWMA’lar açısından volatilite hesaplamasına esas olan etkili gün sayıları olmaktadır. GARCH, GJR ve EGARCH hesaplamalarında “p” ve ”q” sayıları 1 olarak kullanılmıştır. Tüm hesaplamalar Matlab kullanılarak gerçekleştirilmiştir. Tablo 28: Volatilite Volatilite Yöntemi Volatilite (%) EWMA(Lambda=0.90) 0,82018 EWMA(Lambda=0.94) 0,85703 EWMA(Lambda=0.96) 0,87485 EWMA(Lambda=0.975) 0,90117 EWMA(Lambda=0.98) 0,91639 EWMA(Lambda=0.99) 0,94618 GARCH(1,1) 0,82328 GJR(1,1) 0,86746 EGARCH(1,1) 0,85631 MA(180) 1,04710 STANDART SAPMA 0,87426 3. RMD (Riske Maruz Değer) Hesaplama Yöntemleri Piyasa riski ölçüm modelleri, alım satıma konu edilen finansal enstrümanların, piyasa fiyatlarındaki değişim karşısındaki potansiyel kayıplarını sayısallaştırmak için tasarlanmıştır. RMD, bir portföyün veya bir finansal varlığın piyasa değerinde, belli bir olasılıkla ve belli bir zaman dilimi içinde meydana gelebilecek maksimum değer kaybını, tutar cinsinden ifade eder. RMD kavramı, Banker Trust'ın 1988'de
149 uygulamaya başladığı RAROC'a 62 dayandırılmasına karşın, bir endüstri standardı haline Risk Metrics’in öncülüğünde gelmiştir (1994). Riske maruz değer, bir portföyün veri güven düzeyinde en fazla kaç lira kaybedeceğini gösteren tek bir rakamdır. RMD değerinin hesaplanmasında, anlamlılık düzeyi, zaman uzunluğu, verinin sıklığı, kullanılan olasılık dağılımı, pozisyonun cari piyasa değeri etken olan temel faktörlerdir. RMD yöntemleri, risk faktörlerince nitelenen riskleri, yorumlaması kolay tek bir rakama indirgeyerek riski sayısallaştırdığı için bankalarca ve denetim otoritelerince kabul gören ve endüstri standardı haline gelmiş yöntemlerdir. Bu yöntemler parametrik yöntem, tarihi simülasyon yöntemi ve monte carlo simülasyonu yöntemi olarak ana başlıklarına ayrılsa da her bir yöntemin de kendi içinde varyasyonları bulunmaktadır. Bu yöntemlere ilişkin bazı örnekler; • Generalized Auto Regressive Conditional Heteroscedasticity (GARCH) Yöntemi (Alexandar, 1996), • Üssel Hareket Eden Ortalamalar Yöntemi (EWMA) (Hendricks,1996, Riskmetrics), • Parametrik Yöntem (Jordan, Mackay, 1997), • Tarihi Simülasyon ve Monte Carlo Simülasyonu Yöntemi (Holton,1998), • FIGARCH (Fractionally Integrated ARCH) Yöntemi (Beltratti, Morana 1999) vb. • Uç değerler (Extreme Value) Yöntemi (Longin, 2000, Ho vd 2000), Bu metotlar içinde hesaplama yöntemi olarak en basiti, tarihi simülasyondur. Monte Carlo simülasyonu bilgisayar yoğun uygulamalardır. ARCH, GARCH, 62 Risk Adjusted Return on Capital
- Page 107 and 108: • Duyarlılık Analizinde yer ala
- Page 109 and 110: BİLANÇO DIŞI İŞLEMLER Türev F
- Page 111 and 112: 101 uygulayan klasik faiz oranı ri
- Page 113 and 114: 103 analiz, özellikle bankaya has
- Page 115 and 116: 105 değişikliğin banka bilanços
- Page 117 and 118: 107 senedi pozisyonu taşımamakta;
- Page 119 and 120: • Türev finansal araçlar; • V
- Page 121 and 122: 111 BIS, bankaların aldıkları ri
- Page 123 and 124: 113 • Spot döviz kurlarındaki d
- Page 125 and 126: 115 vadelerin risk faktörü olarak
- Page 127 and 128: 117 Uygulamada piyasa riskinin içs
- Page 129 and 130: CFt “t” yılındaki nakit akım
- Page 131 and 132: 1.2. Verim Eğrileri 121 Faiz oranl
- Page 133 and 134: 123 Tahvillerin yanı sıra, verim
- Page 135 and 136: 6 = %7.0048, r12 = %7.5963 için r1
- Page 137 and 138: 24 ve r30 veri iken 24r30 = %8.131
- Page 139 and 140: 129 Hem literatürde hem de uygulam
- Page 141 and 142: 131 Nelson Siegel yönteminde param
- Page 143 and 144: • standart normale sahip bir rass
- Page 145 and 146: “t”: kuponsuz bononun vadesi
- Page 147 and 148: 137 örnek setini kullanırsak, 5 a
- Page 149 and 150: 139 hesaplamaktır. Volatilite hesa
- Page 151 and 152: 141 dilimlere ayırarak veri güven
- Page 153 and 154: • , bir önceki dönemin getirisi
- Page 155 and 156: Haber etki eğrisi ise; değerine e
- Page 157: 147 Risk Metrics, üssel düzeltme
- Page 161 and 162: 151 konu etmedikleri RMD hesaplamal
- Page 163 and 164: 153 lambda katsayısının azaltıl
- Page 165 and 166: 155 Yönetmelik maddelerinde de aç
- Page 167 and 168: 157 δ vektörünün elemanları, p
- Page 169 and 170: 159 Bu, her pozisyon için delta e
- Page 171 and 172: • “i” ve “j” yatırım ar
- Page 173 and 174: Bu durumda portföy varyansı; olar
- Page 175 and 176: Bu kavramsal çerçeveyi bir örnek
- Page 177 and 178: 167 otoritelerin genellikle en az b
- Page 179 and 180: 169 Giannopoulos(1998) and Barone A
- Page 181 and 182: 171 sağlayacak şekilde, getiriler
- Page 183 and 184: 173 güven aralıkları oluşturulu
- Page 185 and 186: 175 için sapma sayısı bir olarak
- Page 187 and 188: 3.7. Stres Testi 177 Bankaların st
- Page 189 and 190: 179 Piyasa değişkenleri bir arada
- Page 191 and 192: 181 Varsayımsal X Bankası’nın
- Page 193 and 194: SONUÇ 183 Geçmişten bugüne bank
- Page 195 and 196: KAYNAKÇA Alexander, C. , Market Mo
- Page 197 and 198: Cambridge University Press, 2000. N
148<br />
üç yıllık serisi kullanılmıştır. Bu seri sadece iş günlerinden oluşmakta <strong>ve</strong> hafta içine<br />
gelen tatil günleri de kayıp <strong>ve</strong>ri sayılarak doldurulmaktadır. Bu şekilde oluşturulmuş<br />
serinin logaritmik getirileri hesaplanmış <strong>ve</strong> volatiliteler de bu getiriler üzerinden<br />
sayısallaştırılmıştır. Tabloda da görüleceği gibi en yüksek volatilite 180 günlük<br />
hareketli ortalamada (MA(180)) oluşmuştur. Her ne kadar hesaplamalarda üç yıllık seri<br />
kullanılmışsa da EWMA’lar açısından volatilite hesaplamasına esas olan etkili gün<br />
sayıları olmaktadır. GARCH, GJR <strong>ve</strong> EGARCH hesaplamalarında “p” <strong>ve</strong> ”q” sayıları<br />
1 olarak kullanılmıştır. Tüm hesaplamalar Matlab kullanılarak gerçekleştirilmiştir.<br />
Tablo 28: Volatilite<br />
Volatilite Yöntemi Volatilite (%)<br />
EWMA(Lambda=0.90) 0,82018<br />
EWMA(Lambda=0.94) 0,85703<br />
EWMA(Lambda=0.96) 0,87485<br />
EWMA(Lambda=0.975) 0,90117<br />
EWMA(Lambda=0.98) 0,91639<br />
EWMA(Lambda=0.99) 0,94618<br />
GARCH(1,1)<br />
0,82328<br />
GJR(1,1)<br />
0,86746<br />
EGARCH(1,1)<br />
0,85631<br />
MA(180)<br />
1,04710<br />
STANDART SAPMA 0,87426<br />
3. RMD (Riske Maruz Değer) Hesaplama Yöntemleri<br />
Piyasa riski ölçüm modelleri, alım satıma konu edilen finansal enstrümanların,<br />
piyasa fiyatlarındaki değişim karşısındaki potansiyel kayıplarını sayısallaştırmak için<br />
tasarlanmıştır. RMD, bir portföyün <strong>ve</strong>ya bir finansal varlığın piyasa değerinde, belli<br />
bir olasılıkla <strong>ve</strong> belli bir zaman dilimi içinde meydana gelebilecek maksimum değer<br />
kaybını, tutar cinsinden ifade eder. RMD kavramı, Banker Trust'ın 1988'de