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
3.3. Tarihi Simülasyon Yöntemi 166 Getiri dağılımları için bir diğer alternatif, getirilerin tarihsel frekanslarını kullanmaktır. Risk faktörlerinin getirilerinin ampirik dağılımını kullanmanın ana avantajı dağılımsal varsayımların yapılmasına ve parametre hesabına gerek kalmamasıdır. Bu, getirilerin çok değişkenli dağılımının biçiminin tarihsel veri tarafından belirlendiği anlamına gelir. Ampirik dağılım kullanmanın tek dezavantajı seçilen periyodun gelecek potansiyel getirileri temsil edemeyecek nitelikte olabilmesidir. Tarihi Simülasyon Yöntemi, getirilerin dağılımını açık şekilde belirlemeye çalışmak yerine, tarihi verinin dağılımın şeklini belirlemesini sağlar. Başka bir deyişle, risk faktör getirilerinin gözlendiği sıklıktan onların ampirik dağılımını elde eder. Bu şu anlama gelir; 100 günlük bir seride %10’dan büyük getiriler ortalama olarak geçmişte 20 günde bir kez meydana geldiyse, biz yarının getirisinin % 10’dan büyük olmasının %5’lik bir ihtimali vardır diyebiliriz. Bu yaklaşımda, tarihsel olarak gözlenilen risk faktör değişikliklerinin birbirinden bağımsız olduğu ve özdeş olarak dağıldığı varsayılır ve bu risk faktörü, tahmini zamana uygulanabilen aynı dağılıma denk gelir. Belirli olayların olasılığı hakkında doğrudan varsayımlar yapmadığımız halde, bu olasılıkların risk faktörlerinin deneysel dağılımını oluşturmak için seçilen tarihsel periyot tarafından belirlendiğini hatırlatmalıyız. Bu yüzden hesaplamaya konu edilen veri seti süresinin seçimi, Tarihi Simülasyon Yönteminde kritik bir girdidir. Bir veri döneminin seçiminde, hesaplamaların istatistiksel doğruluğunu azaltan kısa örnek dönemleri (veri eksikliği yüzünden) ve bağımsız ve özdeş gözlemler varsayımını potansiyel olarak ihlal eden uzun örnek dönemleri arasında seçim yapmak zorunluluğu vardır. Uzun örnek dönemlerindeki bilgiyi kullanmaktaki problem, onun şu anki finans dünyasını açıklama gücünün az olması ihtimalidir. Bu problemi azaltmanın bir yolu geçmiş olayları volatilitelerinin bir tahminiyle hesaplamaktır. Filtreli Tarihi Simülasyon Yöntemi olarak adlandırılan bu yöntem daha sonra aşağıda açıklanacaktır. Genel bir kural olarak, güvenilir istatistiksel hesaplama için yeterli bilgiyi sağlayan mümkün olan en kısa tarihi dönemi kullanmalıyız. Aynı zamanda RMD hesaplamalarında yasal
167 otoritelerin genellikle en az bir yıllık veri kullanımını zorunlu tuttuklarını da hatırlatmalıyız. Varsayalım ki biz “n” risk faktörlerine sahibiz ve bu risk faktörlerinin “m” günlük getirilerini içeren bir veritabanı kullanıyoruz. Tarihi getirilerin “ ” matrisini şu şekilde tanımlayalım: O zaman, her bir getiri senaryosu tarihi getirilerin bir gününe dek geldiği için, biz belirli bir senaryo olan “r”yi “R”nin bir sırası olarak düşünebiliriz ve portföy için T- günlük kar-zarar senaryosunu şu şekilde elde edebiliriz; alınız ve ederiz. Her risk faktörü için bir getiri senaryosuna denk gelen “R”den bir “r“ sırası formülünü kullanarak bugünden sonraki “T“ günkü fiyatı elde P0 bugünkü fiyatlarını kullanarak ve aynı zamanda T-günü PT fiyat senaryolarını kullanarak her bir aracı fiyatlandırırınız ve toplam kar zararı olarak elde ediniz.
- 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 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: Bu kavramsal çerçeveyi bir örnek
- 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
3.3. Tarihi Simülasyon Yöntemi<br />
166<br />
Getiri dağılımları için bir diğer alternatif, getirilerin tarihsel frekanslarını<br />
kullanmaktır. Risk faktörlerinin getirilerinin ampirik dağılımını kullanmanın ana<br />
avantajı dağılımsal varsayımların yapılmasına <strong>ve</strong> parametre hesabına gerek<br />
kalmamasıdır. Bu, getirilerin çok değişkenli dağılımının biçiminin tarihsel <strong>ve</strong>ri<br />
tarafından belirlendiği anlamına gelir. Ampirik dağılım kullanmanın tek dezavantajı<br />
seçilen periyodun gelecek potansiyel getirileri temsil edemeyecek nitelikte<br />
olabilmesidir.<br />
Tarihi Simülasyon Yöntemi, getirilerin dağılımını açık şekilde belirlemeye<br />
çalışmak yerine, tarihi <strong>ve</strong>rinin dağılımın şeklini belirlemesini sağlar. Başka bir deyişle,<br />
risk faktör getirilerinin gözlendiği sıklıktan onların ampirik dağılımını elde eder. Bu şu<br />
anlama gelir; 100 günlük bir seride %10’dan büyük getiriler ortalama olarak geçmişte<br />
20 günde bir kez meydana geldiyse, biz yarının getirisinin % 10’dan büyük olmasının<br />
%5’lik bir ihtimali vardır diyebiliriz. Bu yaklaşımda, tarihsel olarak gözlenilen risk<br />
faktör değişikliklerinin birbirinden bağımsız olduğu <strong>ve</strong> özdeş olarak dağıldığı varsayılır<br />
<strong>ve</strong> bu risk faktörü, tahmini zamana uygulanabilen aynı dağılıma denk gelir.<br />
Belirli olayların olasılığı hakkında doğrudan varsayımlar yapmadığımız halde,<br />
bu olasılıkların risk faktörlerinin deneysel dağılımını oluşturmak için seçilen tarihsel<br />
periyot tarafından belirlendiğini hatırlatmalıyız. Bu yüzden hesaplamaya konu edilen<br />
<strong>ve</strong>ri seti süresinin seçimi, Tarihi Simülasyon Yönteminde kritik bir girdidir. Bir <strong>ve</strong>ri<br />
döneminin seçiminde, hesaplamaların istatistiksel doğruluğunu azaltan kısa örnek<br />
dönemleri (<strong>ve</strong>ri eksikliği yüzünden) <strong>ve</strong> bağımsız <strong>ve</strong> özdeş gözlemler varsayımını<br />
potansiyel olarak ihlal eden uzun örnek dönemleri arasında seçim yapmak zorunluluğu<br />
vardır. Uzun örnek dönemlerindeki bilgiyi kullanmaktaki problem, onun şu anki finans<br />
dünyasını açıklama gücünün az olması ihtimalidir. Bu problemi azaltmanın bir yolu<br />
geçmiş olayları volatilitelerinin bir tahminiyle hesaplamaktır. Filtreli Tarihi Simülasyon<br />
Yöntemi olarak adlandırılan bu yöntem daha sonra aşağıda açıklanacaktır. Genel bir<br />
kural olarak, gü<strong>ve</strong>nilir istatistiksel hesaplama için yeterli bilgiyi sağlayan mümkün olan<br />
en kısa tarihi dönemi kullanmalıyız. Aynı zamanda RMD hesaplamalarında yasal
Change language