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
156 fonksiyonlarının yakınsanmasıdır. Parametrik Yöntem, fiyat fonksiyonlarının lineer yakınsamasına dayanır. Varsayalım ki ( ) şeklinde ifade edilen “n” tane risk faktörüne bağımlı bir pozisyon tutuyoruz. RMD’yi hesaplamak için, birinci seri taylor açılımı kullanarak pozisyonun bugünkü değeri “V”ye yakınsamamız gerekir. Eğer risk faktörlerinden birinin fiyatı “∆P” kadar değişirse, pozisyonun bugünkü değeri yaklaşık olarak, pozisyondaki değişimin, aynı değişim ile ağırlıklandırılmış risk faktöründeki değişime olan hassasiyeti ölçüsünde değişir. Değişik risk faktörlerindeki şokları hesaba katmak için, tüm bireysel artışları da bu hesaplamaya eklemekteyiz. Portföyün bugünkü değerindeki değişikliği şu şekilde yakınsayabiliriz: Yukarıdaki formül, risk faktörlerindeki getirilerin lineer kombinasyonu olarak kar/zarar için basit bir ifade vermektedir. Aynı zamanda matris notasyonunda ifade edilmek için de uygundur.
157 δ vektörünün elemanları, pozisyon için delta eşdeğerleri olarak adlandırılırlar ve pozisyonun bugünkü değerinin her risk faktöründeki değişikliklere bağlı hassasiyeti şeklinde ifade edilebilirler. Formüldeki getirilerin aslında yüzdesel getiriler olduğu unutulmamalıdır (r=∆p/p); fakat Parametrik Yöntem ile RMD hesaplamaları logaritmik getirilerin normal dağıldığı varsayımı üzerine kurulmuştur. Dağılım varsayımımızla tutarlı olması açısından varsayımını yapmamız gerekir. Logaritmik getirilerin modellenme gerekliliğini anlamak için, yüzdesel ve logaritmik getiri kavramları üzerinde tekrar durmak gerekir. Yüzdesel getiriler menkul kıymetleri toplulaştırmak istediğimizde iyi özelliklere sahiptir. Örneğin, eğer hisse senedi ve bonolardan oluşan bir portföyümüz varsa, portföyün getirisini her finansal varlıktaki getirinin ağırlıklı ortalaması olarak hesaplayabiliriz: r • “w”, portföyün hisse senedine yatırılan bölümü • “ ”, bononun getirisi S −S = S (1) 1 0 0 = hisse senedinin getirisi Diğer taraftan bir portföyün logaritmik getirisi bireysel menkul kıymet logaritmik getirilerinin ağırlıklı ortalaması değildir. Yüzdesel getirilerin aksine, logaritmik getiriler zaman içinde daha iyi kümelenmektedir. “t” zamanından “T”
- 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 and 158: 147 Risk Metrics, üssel düzeltme
- Page 159 and 160: 149 uygulamaya başladığı RAROC'
- Page 161 and 162: 151 konu etmedikleri RMD hesaplamal
- Page 163 and 164: 153 lambda katsayısının azaltıl
- Page 165: 155 Yönetmelik maddelerinde de aç
- 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
157<br />
δ <strong>ve</strong>ktörünün elemanları, pozisyon için delta eşdeğerleri olarak adlandırılırlar <strong>ve</strong><br />
pozisyonun bugünkü değerinin her risk faktöründeki değişikliklere bağlı hassasiyeti<br />
şeklinde ifade edilebilirler.<br />
Formüldeki getirilerin aslında yüzdesel getiriler olduğu unutulmamalıdır<br />
(r=∆p/p); fakat Parametrik Yöntem ile RMD hesaplamaları logaritmik getirilerin<br />
normal dağıldığı varsayımı üzerine kurulmuştur. Dağılım varsayımımızla tutarlı olması<br />
açısından varsayımını yapmamız gerekir.<br />
Logaritmik getirilerin modellenme gerekliliğini anlamak için, yüzdesel <strong>ve</strong><br />
logaritmik getiri kavramları üzerinde tekrar durmak gerekir. Yüzdesel getiriler menkul<br />
kıymetleri toplulaştırmak istediğimizde iyi özelliklere sahiptir. Örneğin, eğer hisse<br />
senedi <strong>ve</strong> bonolardan oluşan bir portföyümüz varsa, portföyün getirisini her finansal<br />
varlıktaki getirinin ağırlıklı ortalaması olarak hesaplayabiliriz:<br />
r<br />
• “w”, portföyün hisse senedine yatırılan bölümü<br />
• “ ”, bononun getirisi<br />
S −S<br />
=<br />
S<br />
(1) 1 0<br />
0<br />
= hisse senedinin getirisi<br />
Diğer taraftan bir portföyün logaritmik getirisi bireysel menkul kıymet<br />
logaritmik getirilerinin ağırlıklı ortalaması değildir. Yüzdesel getirilerin aksine,<br />
logaritmik getiriler zaman içinde daha iyi kümelenmektedir. “t” zamanından “T”