Risicofactoren en de financiële crisis

Kwantitatief risicobeheer in Python

Jamsheed Shorish

Computational Economist

Risicofactoren

  • Volatiliteit: maat voor de spreiding van rendementen rond de verwachting
  • Tijdreeks: verwachting = steekproefgemiddelde
  • Wat drijft verwachting en spreiding?
  • Risicofactoren: variabelen of gebeurtenissen die rendement en volatiliteit sturen

Spreidingsgrafiek, afwijking van rendement t.o.v. tijdreeks-gemiddelde

Kwantitatief risicobeheer in Python

Risicoblootstelling

  • Risicoblootstelling: maat voor mogelijk portefeuilleverlies

    • Risicofactoren bepalen de risicoblootstelling

  • Voorbeeld: overstromingsverzekering

    • Eigen risico: bedrag dat je zelf betaalt, ongeacht de schade
    • Bij 100% dekking blijft eigen risico voor eigen rekening
    • Dus eigen risico = risicoblootstelling
    • Veel overstromingen => volatielere uitkomst
    • Veel overstromingen => hogere risicoblootstelling
Kwantitatief risicobeheer in Python

Systematisch risico

  • Systematisch risico: risicofactor(en) die de volatiliteit van alle portefeuille-activa beïnvloeden

    • Marktrisico: systematisch risico door algemene marktbewegingen

  • Vliegtuigmotorstoring: systematisch risico!

  • Voorbeelden van financiële systematische risicofactoren:

    • Prijspeilwijzigingen, d.w.z. inflatie
    • Rentewijzigingen
    • Veranderingen in het economisch klimaat

Propellervliegtuig-motor

Kwantitatief risicobeheer in Python

Idiosyncratisch risico

  • Idiosyncratisch risico: risico specifiek voor een bepaald activum/activaklasse.

  • Turbulentie en een niet-vastgemaakte gordel: idiosyncratisch risico!

  • Voorbeelden van idiosyncratisch risico:

    • Obligatieportefeuille: wanbetalingsrisico van de emittent
    • Bedrijfs-/sector-kenmerken
      • Bedrijfsomvang (marktkapitalisatie)
      • Boek-naar-marktverhouding
      • Sectorschokken

Veiligheidsgordel in vliegtuig

Kwantitatief risicobeheer in Python

Factormodellen

  • Factormodel: inschatting van risicofactoren die portefeuillerendement beïnvloeden
  • Statistische regressie, bijv. Ordinary Least Squares (OLS):
    • afhankelijke variabele: rendementen (of volatiliteit)
    • onafhankelijke variabele(n): systemische en/of idiosyncratische risicofactoren
  • Fama-French-factormodel: combinatie van
    • marktrisico en
    • idiosyncratisch risico (bedrijfsomvang, bedrijfswaarde)
Kwantitatief risicobeheer in Python

Crisisrisico: hypotheekgedekte effecten

  • Investeringsbanken: vlak voor de crisis veel geleend
  • Onderpand: hypotheekgedekte effecten (MBS)
  • MBS: zouden risico spreiden door veel hypotheken met verschillende kenmerken te bundelen
    • Fout: wanbetalingsrisico hypotheken was juist sterk gecorreleerd
    • Lawine aan achterstanden/wanbetalingen vernietigde onderpandwaarde
  • 90-dagen hypotheekachterstand: risicofactor voor bankportefeuilles tijdens de crisis

90-dagen hypotheekachterstanden 2005-2010

Kwantitatief risicobeheer in Python

Crisis-factormodel

  • Factormodel-regressie: portefeuillerendement vs. hypotheekachterstand
  • Importeer statsmodels.api voor regressietools
  • Pas regressie toe met .OLS() en de methode .fit()
  • Toon resultaten met .summary() van de regressie

 

import statsmodels.api as sm

regression = sm.OLS(returns, delinquencies).fit()

print(regression.summary())
Kwantitatief risicobeheer in Python

Resultaten van .summary() bij regressie

voorbeeld regressiesamenvatting

Kwantitatief risicobeheer in Python

Laten we oefenen!

Kwantitatief risicobeheer in Python

Preparing Video For Download...