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
168 T-günlü bir getiri senaryosunu elde etmek için, bir günlük “r” getiri senaryosunu ile çarptık. Bu getirilerin volatilitesinin, zamanın kareköküyle orantılı olmasını garanti eder. Genel olarak, bu oranlama prosedürü, tam anlamıyla gerçek T- günü getiri dağılımını ortaya koymayacaktır; fakat bu Monte Carlo Simülasyonundaki orantılama ile tutarlı olan kullanışlı bir kuraldır. Tarihi Simülasyon Yöntemi ile RMD hesaplamak, portföyde yer alan her bir yatırım aracının getirisinin bulunması, bulunan getirilerden harekele portföyün değerindeki değişimin bulunması ve nihayet portföy değerindeki değişimlerden oluşturulmuş serinin yüzdelik dilimler halinde tablolaştırılması aşamalarından geçirilir ve RMD'nin %99 veri güven düzeyi için bulanması amacıyla, tablolaştırılan portföy değerindeki değişimler küçükten büyüğe doğru sıralanarak %99’luk dilime denk gelen kayıp tutarı bulunur. Bu tutar %99 olasılıkla portföyün bir gün sonra kaybedeceği maksimum tutar tahminidir. Tarihi Simülasyon yönteminde kullanılan her bir gözlem, bir senaryo olarak kabul edilir ve her bir gözlem için hesaplanan portföy değeri, RMD hesaplamasına konu edilir. Böylece oluşan portföy dağılımı, risk faktörlerinin ampirik dağılımına bağlı olduğundan daha gerçekçidir. Tarihi Simülasyon yoluyla RMD hesaplama, gerek hesaplama kolaylığı gerekse pek çok yatırım aracının getirisinin teorik bir dağılımla ifade edilememesinin yarattığı hesaplama zorluklarından dolayı, pek çok banka tarafından tercih edilmektedir. Ancak Tarihi Simülasyon Yöntemi, risklerin zaman içinde değişmesini göz ardı etmektedir. Bu nedenle hesaplanan RMD‘ler piyasadaki fiyat hareketleri yatay bir seyir izlemediğinde çoğu zaman sapmalı olmaktadır. Örneğin piyasa volatilitesinin yüksek olduğu dönemlerde Tarihi Simülasyon yoluyla hesaplanan RMD, riski olduğundan az gösterecektir. Tarihi Simülasyon böylesi yüksek bir piyasa volatilitesinin ardından yaşanacak daha az fiyat farklarının oluştuğu bir yatay piyasaya da adapte olamayacak ve bu koşullarda da riski olduğundan daha fazla gösterecektir. Tarihi Simülasyon yönteminin taşıdığı bu önemli dezavantajın ortadan kaldırılabilmesi için farklı yöntemler geliştirilmiştir. Bu yöntemlerden bir tanesi de Filtreli Tarihi Simülasyon yöntemidir. Barone-Adesi, Bourgoin and
169 Giannopoulos(1998) and Barone Adesi, Giannopoulos and Vosper (1999) Filtreli Tarihi Simülasyon modelinin yaracılarıdır. Bu yöntemde, tarihi getirilerin sahip olduğu geçmiş ve cari dönem volatiliteleri de dikkate alınmakta ve getirilerin gelecekte alabileceği değerler üzerine varsayım getirilmemektedir. Bunun için öncelikle getirilerin filtrelenmesi gerekmektedir. Filtreleme işlemi tarihi getirilerin, tahmin edilen volatiliteler ile standardize edilmesidir. Dolayısıyla, filtreleme için kullanılan tarihsel getirilerin volatilitesi ve bu volatilitenin hesaplanması için de bir volatilite modeline (EWMA, GARCH gibi) ihtiyaç vardır. Volatilite tahmininde kullanılan modeller özünde parametrik olduğundan, Filtreli Tarihi Simülasyon yöntemi yarı parametrik bir yöntem olarak da düşünülebilir. Hull ve White, (1998) orijinal tarihi getirileri, volatilitelerle filtreleyerek ortaya çıkan yeni serileri kullanmaktadır. Hull ve White, yeni tarihi seriyi aşağıdaki biçimde tanımlamaktadır 66 . • yeni RMD hesabında kullanılacak (filtrelenmiş) getiri serisini; • orijinal seriyi • “t-1” gününde, “t” günü için ”i” değişkenine ilişkin volatilite tahminini • ise en yakın volatilite tahminini göstermektedir. ( ve RMD hesaplaması N günü için yapılmak istenmektedir.) 66 ŞAHİN, H. (Kasım 2004) , Riske Maruz Değer Hesaplama Yöntemleri s.75
- 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 and 176: Bu kavramsal çerçeveyi bir örnek
- Page 177: 167 otoritelerin genellikle en az b
- 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
168<br />
T-günlü bir getiri senaryosunu elde etmek için, bir günlük “r” getiri<br />
senaryosunu ile çarptık. Bu getirilerin volatilitesinin, zamanın kareköküyle orantılı<br />
olmasını garanti eder. Genel olarak, bu oranlama prosedürü, tam anlamıyla gerçek T-<br />
günü getiri dağılımını ortaya koymayacaktır; fakat bu Monte Carlo Simülasyonundaki<br />
orantılama ile tutarlı olan kullanışlı bir kuraldır.<br />
Tarihi Simülasyon Yöntemi ile RMD hesaplamak, portföyde yer alan her bir<br />
yatırım aracının getirisinin bulunması, bulunan getirilerden harekele portföyün<br />
değerindeki değişimin bulunması <strong>ve</strong> nihayet portföy değerindeki değişimlerden<br />
oluşturulmuş serinin yüzdelik dilimler halinde tablolaştırılması aşamalarından geçirilir<br />
<strong>ve</strong> RMD'nin %99 <strong>ve</strong>ri gü<strong>ve</strong>n düzeyi için bulanması amacıyla, tablolaştırılan portföy<br />
değerindeki değişimler küçükten büyüğe doğru sıralanarak %99’luk dilime denk gelen<br />
kayıp tutarı bulunur. Bu tutar %99 olasılıkla portföyün bir gün sonra kaybedeceği<br />
maksimum tutar tahminidir. Tarihi Simülasyon yönteminde kullanılan her bir gözlem,<br />
bir senaryo olarak kabul edilir <strong>ve</strong> her bir gözlem için hesaplanan portföy değeri, RMD<br />
hesaplamasına konu edilir. Böylece oluşan portföy dağılımı, risk faktörlerinin ampirik<br />
dağılımına bağlı olduğundan daha gerçekçidir.<br />
Tarihi Simülasyon yoluyla RMD hesaplama, gerek hesaplama kolaylığı gerekse<br />
pek çok yatırım aracının getirisinin teorik bir dağılımla ifade edilememesinin yarattığı<br />
hesaplama zorluklarından dolayı, pek çok banka tarafından tercih edilmektedir. Ancak<br />
Tarihi Simülasyon Yöntemi, risklerin zaman içinde değişmesini göz ardı etmektedir. Bu<br />
nedenle hesaplanan RMD‘ler piyasadaki fiyat hareketleri yatay bir seyir izlemediğinde<br />
çoğu zaman sapmalı olmaktadır. Örneğin piyasa volatilitesinin yüksek olduğu<br />
dönemlerde Tarihi Simülasyon yoluyla hesaplanan RMD, riski olduğundan az<br />
gösterecektir. Tarihi Simülasyon böylesi yüksek bir piyasa volatilitesinin ardından<br />
yaşanacak daha az fiyat farklarının oluştuğu bir yatay piyasaya da adapte olamayacak <strong>ve</strong><br />
bu koşullarda da riski olduğundan daha fazla gösterecektir.<br />
Tarihi Simülasyon yönteminin taşıdığı bu önemli dezavantajın ortadan<br />
kaldırılabilmesi için farklı yöntemler geliştirilmiştir. Bu yöntemlerden bir tanesi de<br />
Filtreli Tarihi Simülasyon yöntemidir. Barone-Adesi, Bourgoin and