Riskfaktorer och finanskrisen

Kvantitativ riskhantering i Python

Jamsheed Shorish

Computational Economist

Riskfaktorer

  • Volatilitet: mått på spridning av avkastning kring förväntat värde
  • Tidsserie: förväntat värde = stickprovsmedelvärde
  • Vad styr förväntan och spridning?
  • Riskfaktorer: variabler eller händelser som driver portföljavkastning och volatilitet

Spridningsplot, avvikelse av avkastning från tidsseriemedelvärdet

Kvantitativ riskhantering i Python

Riskexponering

  • Riskexponering: mått på möjlig portföljförlust

    • Riskfaktorer bestämmer riskexponeringen

  • Exempel: Översvämningsförsäkring

    • Självrisk: egenbetalning oavsett förlust
    • 100 % täckning kvarstår ändå med självrisken
    • Självrisken är alltså riskexponeringen
    • Frekvent översvämning => mer volatilt utfall
    • Frekvent översvämning => högre riskexponering
Kvantitativ riskhantering i Python

Systematisk risk

  • Systematisk risk: riskfaktor(er) som påverkar volatiliteten för alla portföljtillgångar

    • Marknadsrisk: systematisk risk från allmänna finansmarknadsrörelser

  • Flygplansmotorfel: systematisk risk!

  • Exempel på finansiella systematiska riskfaktorer:

    • Prisnivåförändringar, dvs. inflation
    • Ränteförändringar
    • Förändringar i ekonomiskt klimat

Motor på propellerflygplan

Kvantitativ riskhantering i Python

Idiosynkratisk risk

  • Idiosynkratisk risk: risk specifik för en viss tillgång eller tillgångsklass.

  • Turbulens med olåst säkerhetsbälte: idiosynkratisk risk!

  • Exempel på idiosynkratisk risk:

    • Obligationsportfölj: emittentrisk för betalningsinställelse
    • Företags- och sektorsegenskaper
      • Företagsstorlek (börsvärde)
      • Pris/bokfört värde-kvot
      • Sektorsspecifika chocker

Säkerhetsbälte i flygplan

Kvantitativ riskhantering i Python

Faktormodeller

  • Faktormodell: bedömning av riskfaktorer som påverkar portföljavkastning
  • Statistisk regression, t.ex. minsta kvadratmetoden (OLS):
    • beroende variabel: avkastning (eller volatilitet)
    • oberoende variabel(er): systematiska och/eller idiosynkratiska riskfaktorer
  • Fama-French-faktormodell: kombination av
    • marknadsrisk och
    • idiosynkratisk risk (företagsstorlek, företagsvärde)
Kvantitativ riskhantering i Python

Krisriskfaktor: värdepapperiserade bolån

  • Investmentbanker: lånade kraftigt precis innan krisen
  • Säkerhet: värdepapperiserade bolån (MBS)
  • MBS: antogs sprida risk genom att hålla många bolån med olika egenskaper
    • Brist: risken för bolånsmisslyckanden var i själva verket starkt korrelerad
    • En lavin av betalningsförseningar och -inställelser förstörde säkerhetsvärdet
  • Bolånsmisslyckanden efter 90 dagar: riskfaktor för investmentbankportföljer under krisen

Bolånsmisslyckanden efter 90 dagar, 2005–2010

Kvantitativ riskhantering i Python

Krisens faktormodell

  • Faktormodellsregression: portföljavkastning mot bolånsmisslyckanden
  • Importera biblioteket statsmodels.api för regressionsverktyg
  • Anpassa regression med .OLS()-objektet och dess .fit()-metod
  • Visa resultat med regressionens .summary()-metod

 

import statsmodels.api as sm

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

print(regression.summary())
Kvantitativ riskhantering i Python

Resultat från regression .summary()

Exempel på regressionssammanfattning

Kvantitativ riskhantering i Python

Nu kör vi en övning!

Kvantitativ riskhantering i Python

Preparing Video For Download...