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
getiri tanımını 170 Yapılan bir varsayım, ifadesinin durağan olduğudur. Yukarıdaki filtrelenmiş şeklinde yazdığımızda, filtrelenmiş getiriler, en yakın volatilite tahmini ile, daha önceki volatilite tahmini rasyosundan oluşan ağırlık ile orijinal değerlerin çarpımına eşittir. Bu şekilde oluşturulan yeni getiriler, aynen tarihsel RMD hesabında olduğu gibi kullanılır. 3.4. Monte Carlo Simülasyonu Monte Carlo Simülasyonu yoluyla RMD hesaplaması, Tarihi Simülasyon Yöntemiyle benzerlikler taşımakla birlikte bilgisayar yoğun bir RMD hesaplama yöntemidir. Yöntemin uygulanabilmesi için portföy içinde yer alan her bir finansal varlığın zaman içinde nasıl hareket ettiğine ilişkin spesifik varsayımlar yapmak ve matematiksel formu belirlemek gerekir. Böylece Monte Carlo Simülasyonu yöntemi ile bu finansal varlıkların getirileri, sahip olduğu dağılım ve gözlemlenemeyen parametrelere ilişkin varsayımlar yapılarak suni olarak yaratılabilir. Suni olarak veri yaratılması sırasında portföy içinde yer alan finansal varlıkların aralarındaki korelasyon da dikkate alınmaktadır. Portföyün değerindeki değişme, Tarihi Simülasyon Yönteminde olduğu gibi, portföyü oluşturan finansal varlıkların getirilerindeki değişimden hareketle hesaplanmaktadır. Getiri serilerinin suni olarak üretilmesi işlemi rassal sayılar kullanılarak gerçekleştirilir. Yöntemin bilgisayar yoğun olmasının nedeni de bu rassal sayı üretme gereğidir. Üretilen sayılar rassal olduğu için birbirinden bağımsızdır. Oysa, portföyü oluşturan finansal varlıkların getirileri arasında çoğu zaman korelasyon vardır ve portföy riskinin hesaplanması sırasında bu korelasyonlar da dikkate alınmalıdır. Bu nedenle rassal sayı üretim sürecinin korele rassal sayılar elde etmemize imkan
171 sağlayacak şekilde, getirilerin varyans kovaryans matrisine cholesky ayrıştırması veya singular value ayrıştırması uygulamak yoluyla bilgisayar ortamında çalıştırılması gerekir. Aşağıdaki formül, getiriler arasındaki korelasyonu da dikkate alarak getiri serisi yaratmaktadır 67 . • “k” yatırım aracının diğer yatırım araçlarıyla korelasyona sahip getirisini; • “i”ninci yatırım aracının karakteristik kökünü; • normal dağılıma sahip rassal fiyat değişimlerini; • “i”ninci yatırım aracının “k”nıncı karakteristik vektör elemanını; • “k”nıncı yatırım aracının volatilitesini (standart sapmasını) göstermektedir. Eğer senaryo setlerine sahip isek, senaryonun Monte Carlo’dan mı veya Tarihi Simülasyondan mı geldiği önem arz etmemektedir. Senaryoların elde edilmesinden sonra RMD hesaplaması her iki yöntem için de aynı olmaktadır. RMD tutarını simüle edilmiş kar ve zarar rakamlarını kullanarak hesaplayabiliriz. 1000 tane kar-zarar senaryosu ürettiğimizi ve %99 olasılıkla RMD hesaplamak istediğimizi varsayalım. Bu durumda RMD, kayıpların %1’i olarak ifade edildiğinden, RMD’yi basitçe en büyük 10 kayıp senaryosu olarak hesaplayabiliriz. 67 ŞAHİN, H. (Kasım 2004) , Riske Maruz Değer Hesaplama Yöntemleri s.77
- 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 and 178: 167 otoritelerin genellikle en az b
- Page 179: 169 Giannopoulos(1998) and Barone A
- 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
getiri tanımını<br />
170<br />
Yapılan bir varsayım, ifadesinin durağan olduğudur. Yukarıdaki filtrelenmiş<br />
şeklinde yazdığımızda, filtrelenmiş getiriler, en yakın volatilite tahmini ile, daha önceki<br />
volatilite tahmini rasyosundan oluşan ağırlık ile orijinal değerlerin çarpımına eşittir. Bu<br />
şekilde oluşturulan yeni getiriler, aynen tarihsel RMD hesabında olduğu gibi kullanılır.<br />
3.4. Monte Carlo Simülasyonu<br />
Monte Carlo Simülasyonu yoluyla RMD hesaplaması, Tarihi Simülasyon<br />
Yöntemiyle benzerlikler taşımakla birlikte bilgisayar yoğun bir RMD hesaplama<br />
yöntemidir. Yöntemin uygulanabilmesi için portföy içinde yer alan her bir finansal<br />
varlığın zaman içinde nasıl hareket ettiğine ilişkin spesifik varsayımlar yapmak <strong>ve</strong><br />
matematiksel formu belirlemek gerekir. Böylece Monte Carlo Simülasyonu yöntemi ile<br />
bu finansal varlıkların getirileri, sahip olduğu dağılım <strong>ve</strong> gözlemlenemeyen<br />
parametrelere ilişkin varsayımlar yapılarak suni olarak yaratılabilir. Suni olarak <strong>ve</strong>ri<br />
yaratılması sırasında portföy içinde yer alan finansal varlıkların aralarındaki korelasyon<br />
da dikkate alınmaktadır. Portföyün değerindeki değişme, Tarihi Simülasyon<br />
Yönteminde olduğu gibi, portföyü oluşturan finansal varlıkların getirilerindeki<br />
değişimden hareketle hesaplanmaktadır.<br />
Getiri serilerinin suni olarak üretilmesi işlemi rassal sayılar kullanılarak<br />
gerçekleştirilir. Yöntemin bilgisayar yoğun olmasının nedeni de bu rassal sayı üretme<br />
gereğidir. Üretilen sayılar rassal olduğu için birbirinden bağımsızdır. Oysa, portföyü<br />
oluşturan finansal varlıkların getirileri arasında çoğu zaman korelasyon vardır <strong>ve</strong><br />
portföy riskinin hesaplanması sırasında bu korelasyonlar da dikkate alınmalıdır. Bu<br />
nedenle rassal sayı üretim sürecinin korele rassal sayılar elde etmemize imkan