Riziko modelu - Model risk
Kategorie |
Finanční riziko |
---|
![]() |
Úvěrové riziko |
Tržní riziko |
Riziko likvidity |
Operační risk |
Reputační riziko |
Riziko volatility |
Riziko vypořádání |
Ziskové riziko |
Systémové riziko |
Nefinanční riziko |
v finance, modelové riziko je riziko ztráty vyplývající z použití nedostatečně přesných modelů k rozhodování, původně a často v kontextu oceňování finanční záruky.[1] Modelové riziko však stále více převládá v jiných činnostech, než je oceňování finančních cenných papírů, jako je přiřazování spotřebitelů kreditní skóre, predikce pravděpodobnosti podvodných transakcí kreditní kartou v reálném čase a výpočet pravděpodobnosti, že cestující v letadle bude terorista. Rebonato v roce 2002 definuje modelové riziko jako „riziko výskytu významného rozdílu mezi hodnotou modelu u komplexního a / nebo nelikvidního nástroje a cenou, za kterou se podle stejného nástroje obchoduje na trhu“ .
Typy
Burke považuje nepoužití modelu (místo toho, že se příliš spoléhá na odborný úsudek), za typ rizika modelu.[2] Derman popisuje různé typy rizik modelu, které vyplývají z použití modelu:[1]
Špatný model
- Neuplatnění modelu.
- Nesprávná specifikace modelu.
Implementace modelu
- Programovací chyby.
- Technické chyby.
- Použití nepřesných numerických aproximací.
Využití modelu
- Riziko implementace.
- Problémy s daty.
- Kalibrační chyby.
Zdroje
Nejistota ohledně volatility
Volatilita je nejdůležitějším vstupem do modelů řízení rizik a cenových modelů. Nejistota ohledně volatility vede k modelovému riziku. Derman věří, že výrobky, jejichž hodnota závisí na a volatilita úsměv s největší pravděpodobností trpí modelovým rizikem. Píše: „Myslím, že lze s jistotou říci, že neexistuje oblast, kde by modelové riziko představovalo větší problém než modelování úsměvu volatility.“[3]Avellaneda & Paras (1995) navrhli systematický způsob studia a zmírnění rizika modelu vyplývajícího z nejistoty volatility.[4]
Časová nekonzistence
Buraschi a Corielli s ohledem na formalizují koncept „časové nekonzistence“ žádná arbitráž modely, které umožňují dokonalé přizpůsobení termínové struktury úrokových sazeb. V těchto modelech aktuální výnosová křivka je vstup, takže nová pozorování na internetu výnosová křivka lze použít k aktualizaci modelu na pravidelných frekvencích. Zkoumají problematiku časově konzistentních strategií a samofinancování v této třídě modelů. Riziko modelu ovlivňuje všechny tři hlavní kroky řízení rizik: specifikace, odhad a implementace.[5]
Nejistota korelace
Nejistota ohledně korelačních parametrů je dalším důležitým zdrojem rizika modelu. Cont a Deguest navrhují metodu výpočtu modelových rizikových expozic u akciových derivátů s více aktivy a ukazují, že možnosti, které závisí na nejhorším nebo nejlepším výkonu v koši (tzv. možnost duhy ) jsou více vystaveni nejistotě modelu než možnosti indexu.[6]
Gennheimer zkoumá modelové riziko přítomné v derivátech cenového koše. Cenil tyto deriváty různými kopulemi a dospěl k závěru, že „... pokud si člověk není jistý strukturou závislostí, která řídí kreditní koš, měli by investoři, kteří chtějí obchodovat s produkty s výchozím košem, imperativně vypočítat ceny podle alternativních specifikací kopule a ověřit chyby odhadu jejich simulace, aby poznali alespoň rizika modelu, která podstupují “.[7]
Složitost
Složitost modelu nebo finanční smlouvy může být zdrojem rizika modelu, což vede k nesprávné identifikaci jeho rizikových faktorů. Tento faktor byl během krize v roce 2007 uváděn jako hlavní zdroj modelového rizika pro portfolia cenných papírů krytých hypotékami.
Nelikvidita a modelové riziko
Modelové riziko neexistuje pouze pro složité finanční smlouvy. Frey (2000) představuje studii o tom, jak je nelikvidita trhu zdrojem modelového rizika. Píše: „Pochopení robustnosti modelů používaných pro účely zajištění a řízení rizik s ohledem na předpoklad dokonale likvidních trhů je proto důležitou otázkou při analýze rizika modelu obecně.“[8]Konvertibilní dluhopisy, cenné papíry zajištěné hypotékou, a dluhopisy s vysokým výnosem může být často nelikvidní a obtížně ocenitelné. Zajišťovací fondy, které obchodují s těmito cennými papíry, mohou být při výpočtu měsíční NAV pro své investory vystaveny modelovému riziku.[9]
Chyby tabulky
Mnoho modelů je sestaveno pomocí technologie tabulkového procesoru, což může být zvláště náchylné k chybám při implementaci.[10]Mezi strategie zmírňování patří přidávání kontrol konzistence, ověřování vstupů a používání specializovaných nástrojů.[11]
Kvantitativní přístupy
Průměrování modelu vs. nejhorší případ
Rantala (2006) uvádí, že „Tváří v tvář riziku modelu může modelář spíše než založit rozhodnutí na jediném vybraném„ nejlepším “modelu a vyvodit své závěry na celé sadě modelů pomocí průměrování modelu.“[12]Tento přístup se vyhne „chybě průměrů“.[13]
Dalším přístupem k modelování rizika je nejhorší případ neboli přístup minmax, který v teorii rozhodování prosazují Gilboa a Schmeidler.[14]V tomto přístupu uvažujeme o řadě modelů a minimalizujeme ztráty, ke kterým dojde v nejhorším případě. Tento přístup k modelovému riziku vyvinul Cont (2006).[15]
Jokhadze a Schmidt (2018) navrhují několik modelových měr rizik s využitím Bayesovské metodiky. Zavádějí opatření překrytá rizikem, která zahrnují modelové riziko a umožňují konzistentní tržní a modelové řízení rizik. Dále poskytují axiomy modelových rizikových opatření a definují několik praktických příkladů superponovaných měrných rizik v kontextu řízení finančních rizik a stanovení ceny případných škod.
Kvantifikace expozice modelu rizika
K měření rizika vyvolaného modelem je třeba jej porovnat s alternativním modelem nebo souborem alternativních srovnávacích modelů. Problém je v tom, jak zvolit tyto srovnávací modely.[16] V souvislosti s tvorbou cen derivátů Cont (2006) navrhuje kvantitativní přístup k měření rizikových expozic modelu v portfoliích derivátů: nejprve je specifikován soubor srovnávacích modelů a kalibrován podle tržních cen likvidních nástrojů, poté je cílové portfolio oceněno pod všemi srovnávací modely. Míra expozice rizikům modelu je pak dána rozdílem mezi současným oceněním portfolia a nejhorším oceněním podle srovnávacích modelů. Takové opatření lze použít jako způsob stanovení rezervy pro modelové riziko pro portfolia derivátů.[15]
Poziční limity a oceňovací rezervy
Jokhadze a Schmidt (2018) zavádějí opatření měnového tržního rizika, která kryjí ztráty modelového rizika. Jejich metodika umožňuje harmonizovat tržní a modelové řízení rizik a definovat limity a požadovaná kapitál pro rizikové pozice.
Kato a Yoshiba diskutují o kvalitativních a kvantitativních způsobech řízení rizika modelu. Píšou: „Z kvantitativního hlediska můžeme v případě cenových modelů vytvořit rezervu, která umožní rozdíl v odhadech pomocí alternativních modelů. V případě modelů měření rizika lze provést analýzu scénářů pro různé fluktuační vzorce rizikové faktory nebo poziční limity lze stanovit na základě informací získaných z analýzy scénářů. “[17] Cont (2006) prosazuje použití modelové rizikové expozice pro výpočet takových rezerv.
Zmírnění
Teoretický základ
- S ohledem na klíčové předpoklady.
- Zvažování jednoduchých případů a jejich řešení (hranice modelu).
- Šetrnost.
Implementace
- Hrdost vlastnictví.
- Řádným způsobem rozšiřujte model ven.
Testování
- Stresové testování a zpětné testování.
- Vyvarujte se toho, aby se malé problémy později staly velkými problémy.
- Nezávislé ověřování
- Průběžné monitorování a proti trhu
Příklady zmírnění rizika modelu
Šetrnost
Taleb napsal, když popisoval, proč většina nových modelů, které se pokoušely napravit nedostatky Black – Scholes model se nepodařilo přijmout:
„Obchodníci se nedají oklamat modelem Black – Scholes – Merton. Existence„ povrchu volatility “je jednou z takových adaptací. Považují však za vhodnější vymyslet jeden parametr, totiž volatilitu, a učinit z něj funkci času do uplynutí a stávkovou cenu, spíše než přesně odhadovat další. “[18]
Cherubini a Della Lunga však popisují nevýhody šetrnosti v kontextu modelování volatility a korelace. Použití nadměrného počtu parametrů může vyvolat nadměrné vybavení zatímco výběr přísně specifikovaného modelu může snadno vyvolat specifikaci chybného modelu a systematické selhání při reprezentaci budoucí distribuce.[19]
Fender a Kiff (2004) poznamenávají, že držba složitých finančních nástrojů, jako např CDO, “se promítá do zvýšené závislosti na těchto předpokladech, a tedy i vyššího rizika modelu. Jelikož by se mělo očekávat, že toto riziko bude oceněno trhem, část získaného výnosu ve srovnání s nástroji jednoho dlužníka se stejným hodnocením bude pravděpodobně přímý odraz rizika modelu. “[20]
Případové studie
- NatWest —Možnosti a výměny úrokových sazeb - nesprávná specifikace modelu.[21]
- Bank of Tokyo-Mitsubishi —Úrokové sazby a swapce.[22]
- LTCM - nedostatek stresového testování - Crouhy, Galai a Mark.
- Barclays de Zoete Wedd (BZW) - Možnosti ceny měny za nízkou cenu.[23]
- Národní australská banka Ztráta 3 miliardy AUD na modelu úrokové sazby na domácí stránce.[24]
- Globální finanční krize 2007–2012 - Nadměrné spoléhání se na David X. Li Gaussův model spony nesprávně oceňuje riziko zajištěných dluhových závazků.[25]
Viz také
Poznámky
- ^ A b „Model riziko“ (pdf). 1996. Citováno 10. září 2013.
- ^ http://www.siiglobal.org/SII/WEB5/sii_files/Membership/PIFs/Risk/Model%20Risk%2024%2011%2009%20Final.pdf[trvalý mrtvý odkaz ]
- ^ Derman, Emanuel (26. května 2003). „Laughter in the Dark: The Problem of the Volatility Smile“.
- ^ Avellaneda, M .; Levy, A .; Parás, A. (1995). „Ceny a zajištění derivátových cenných papírů na trzích s nejistou volatilitou“. Aplikované matematické finance. 2 (2): 73–88. doi:10.1080/13504869500000005.
- ^ Buraschi, A .; Corielli, F. (2005). „Dopady časové nekonzistence na řízení rizik: Aktualizace modelu a rekalibrace modelů bez arbitráže“. Journal of Banking & Finance. 29 (11): 2883. doi:10.1016 / j.jbankfin.2005.02.002.
- ^ Cont, Rama; Romain Deguest (2013). "Korelace akcií implikované možnostmi indexu: Odhad a analýza nejistoty modelu". Matematické finance. 23 (3): 496–530. doi:10.1111 / j.1467-9965.2011.00503.x. S2CID 43322093. SSRN 1592531.
- ^ Gennheimer, Heinrich (2002). "Modelové riziko v modelech výchozích cen založených na sporu". CiteSeerX 10.1.1.139.2327. Chybějící nebo prázdný
| url =
(Pomoc) - ^ Frey, Rüdiger (2000). „Tržní nelikvidita jako zdroj modelového rizika v dynamickém zajištění“. CiteSeerX 10.1.1.29.6703. Chybějící nebo prázdný
| url =
(Pomoc) - ^ Black, Keith H. (2004). Správa zajišťovacího fondu. McGraw-Hill Professional. ISBN 978-0-07-143481-2.
- ^ „Hororové příběhy EuSpRIG“.
- ^ „Chyby tabulky fretek“.
- ^ Rantala, J. (2006). „O společné a oddělené historii pravděpodobnosti, statistik a pojistně-matematických věd“. V Liksi; et al. (eds.). Festschrift pro Tarmo Pukkila k jeho 60. narozeninám. University of Tampere, Finsko. 261–284. ISBN 951-44-6620-9.
- ^ https://hbr.org/2002/11/the-flaw-of-averages
- ^ Gilboa, I .; Schmeidler, D. (1989). „Maxmin očekávaný obslužný program s nejedinečným předchůdcem“ (PDF). Journal of Mathematical Economics. 18 (2): 141. doi:10.1016/0304-4068(89)90018-9.
- ^ A b Cont, Rama (2006). „Nejistota modelu a její dopad na tvorbu cen derivátových nástrojů“ (PDF). Matematické finance. 16 (3): 519–547. doi:10.1111 / j.1467-9965.2006.00281.x. S2CID 16075069.
- ^ Sibbertsen; Stahl; Luedtke (listopad 2008). „Měření rizika modelu“ (PDF). Diskusní dokument univerzity Leibnitz č. 409. Archivovány od originál (PDF) dne 10.03.2014. Citováno 2014-03-10.
- ^ Kato, Toshiyasu; Yoshiba, Toshinao (prosinec 2000). „Modelové riziko a jeho kontrola“ (PDF). Měnové a ekonomické studie.
- ^ Taleb, Nassim (2010). Dynamické zajištění: Správa vanilkových a exotických možností. New York: Wiley. ISBN 978-0-471-35347-8.
- ^ Cherubini, Umberto; Lunga, Giovanni Della (2007). Strukturované finance. Hoboken: Wiley. ISBN 978-0-470-02638-0.
- ^ Fender, Ingo; Kiff, John (2004). „Metodika hodnocení CDO: Některé úvahy o modelu a jeho důsledcích“. Pracovní dokumenty BIS č. 163. SSRN 844225.
- ^ „Ověření modelu a zpětné testování“. Archivovány od originál dne 3. 4. 2009. Citováno 2008-12-01.
- ^ „Řízení modelu rizika“.
- ^ Simmons, Katerina (1997). „Chyba modelu“ (PDF). New England Economic Review: 17–28. Hodnocení různých finančních modelů
- ^ „Šéf National Australia Bank slibuje revizi poklesu cen akcií“.
- ^ „Recept na katastrofu: vzorec, který zabil Wall Street“. Kabelové. 23. února 2009.
Reference
- Avellaneda, M .; Levy, A .; Parás, A. (1995). "Ceny a zajištění derivátových cenných papírů na trzích s nejistou volatilitou". Aplikované matematické finance. 2 (2): 73–88. doi:10.1080/13504869500000005.
- Cont, R. (2006). „Nejistota modelu a její dopad na cenu derivátových nástrojů“. Matematické finance. 16 (3): 519–547. doi:10.1111 / j.1467-9965.2006.00281.x. S2CID 16075069.
- Cont, R .; Deguest, R. (2013). "Korelace akcií implikované možnostmi indexu: Odhad a analýza nejistoty modelu". Matematické finance. 23 (3): 496–530. doi:10.1111 / j.1467-9965.2011.00503.x. S2CID 43322093.
- Cont, R .; Deguest, R .; Scandolo, G. (2010). „Robustnost a citlivost analýzy postupů měření rizik“ (PDF). Kvantitativní finance. 10 (6): 593–606. doi:10.1080/14697681003685597. S2CID 158678050.
- Crouhy, Michel; Galai, Dan; Mark, Robert (2000). Řízení rizik. McGraw-Hill. ISBN 0-07-135731-9.
- Derman, Emanuel (1996). Modelové riziko (PDF). RIZIKO.
- Jokhadze, Valeriane; Schmidt, Wolfgang M. (2018). Msgstr "Měření rizika modelu v řízení finančních rizik a stanovení cen". SSRN. doi:10,2139 / ssrn.3113139. Citovat deník vyžaduje
| deník =
(Pomoc) - Lyons, T. J. (1995). „Nejistá volatilita a bezriziková syntéza derivátů“. Aplikované matematické finance. 2 (2): 117–133. doi:10.1080/13504869500000007. hdl:10338.dmlcz / 135679.
- Rebonato, R. (2001). "Řízení rizika modelu". Příručka pro řízení rizik. FT-Prentice Hall.
- Taleb, Nassim (2006). Oklamán náhodností: Skrytá role šance v životě a na trzích. Wiley. ISBN 1-4000-6793-6.
- Politika Federálních rezerv USA http://www.federalreserve.gov/bankinforeg/srletters/sr1107a1.pdf NÁVOD K DOHLEDU O ŘÍZENÍ VZORU RIZIK