ปัจจัยความเสี่ยงและวิกฤตการณ์ทางการเงิน

การบริหารความเสี่ยงเชิงปริมาณด้วย Python

Jamsheed Shorish

Computational Economist

ปัจจัยความเสี่ยง

  • ความผันผวน: การวัดการกระจายของผลตอบแทนรอบค่าที่คาดหวัง
  • อนุกรมเวลา: ค่าที่คาดหวัง = ค่าเฉลี่ยของตัวอย่าง
  • อะไรกำหนดค่าที่คาดหวังและการกระจาย?
  • ปัจจัยความเสี่ยง: ตัวแปรหรือเหตุการณ์ที่ขับเคลื่อนผลตอบแทนและความผันผวนของพอร์ตโฟลิโอ

กราฟการกระจาย แสดงการเบี่ยงเบนของผลตอบแทนจากค่าเฉลี่ยของอนุกรมเวลา

การบริหารความเสี่ยงเชิงปริมาณด้วย Python

การรับความเสี่ยง

  • การรับความเสี่ยง: การวัดความสูญเสียที่อาจเกิดขึ้นในพอร์ตโฟลิโอ

    • ปัจจัยความเสี่ยงเป็นตัวกำหนดการรับความเสี่ยง

  • ตัวอย่าง: ประกันภัยน้ำท่วม

    • ค่าลดหย่อน: ค่าใช้จ่ายที่ต้องจ่ายเองโดยไม่คำนึงถึงความสูญเสีย
    • ความคุ้มครอง 100% ยังคงมีค่าลดหย่อนที่ต้องจ่าย
    • ดังนั้นค่าลดหย่อนจึงเป็น การรับความเสี่ยง
    • น้ำท่วมบ่อย => ผลลัพธ์จากน้ำท่วมผันผวนมากขึ้น
    • น้ำท่วมบ่อย => การรับความเสี่ยงสูงขึ้น
การบริหารความเสี่ยงเชิงปริมาณด้วย Python

ความเสี่ยงเชิงระบบ

  • ความเสี่ยงเชิงระบบ: ปัจจัยความเสี่ยงที่ส่งผลต่อความผันผวนของสินทรัพย์ทุกตัวในพอร์ตโฟลิโอ

    • ความเสี่ยงจากตลาด: ความเสี่ยงเชิงระบบจากการเคลื่อนไหวของตลาดการเงินโดยรวม

  • เครื่องยนต์เครื่องบินขัดข้อง: คือความเสี่ยงเชิงระบบ!

  • ตัวอย่างปัจจัยความเสี่ยงเชิงระบบทางการเงิน:

    • การเปลี่ยนแปลงระดับราคา เช่น เงินเฟ้อ
    • การเปลี่ยนแปลงอัตราดอกเบี้ย
    • การเปลี่ยนแปลงสภาวะเศรษฐกิจ

เครื่องยนต์เครื่องบินใบพัด

การบริหารความเสี่ยงเชิงปริมาณด้วย Python

ความเสี่ยงเฉพาะตัว

  • ความเสี่ยงเฉพาะตัว: ความเสี่ยงที่เจาะจงกับสินทรัพย์หรือประเภทสินทรัพย์ใดสินทรัพย์หนึ่ง

  • ความปั่นป่วนและเข็มขัดนิรภัยที่ไม่ได้รัด: คือความเสี่ยงเฉพาะตัว!

  • ตัวอย่างความเสี่ยงเฉพาะตัว:

    • พอร์ตตราสารหนี้: ความเสี่ยงผิดนัดชำระของผู้ออกตราสาร
    • ลักษณะเฉพาะของบริษัท/ภาคธุรกิจ
      • ขนาดบริษัท (มูลค่าตามราคาตลาด)
      • อัตราส่วนราคาตามบัญชีต่อราคาตลาด
      • ผลกระทบเฉพาะภาคธุรกิจ

เข็มขัดนิรภัยบนเครื่องบิน

การบริหารความเสี่ยงเชิงปริมาณด้วย Python

โมเดลปัจจัย

  • โมเดลปัจจัย: การประเมินปัจจัยความเสี่ยงที่ส่งผลต่อผลตอบแทนของพอร์ตโฟลิโอ
  • การถดถอยทางสถิติ เช่น กำลังสองน้อยที่สุดสามัญ (OLS):
    • ตัวแปรตาม: ผลตอบแทน (หรือความผันผวน)
    • ตัวแปรอิสระ: ปัจจัยความเสี่ยงเชิงระบบและ/หรือความเสี่ยงเฉพาะตัว
  • โมเดลปัจจัย Fama-French: ผสมผสานระหว่าง
    • ความเสี่ยงจากตลาด และ
    • ความเสี่ยงเฉพาะตัว (ขนาดบริษัท, มูลค่าบริษัท)
การบริหารความเสี่ยงเชิงปริมาณด้วย Python

ปัจจัยความเสี่ยงในวิกฤต: ตราสารหนี้ค้ำประกันสินเชื่อที่อยู่อาศัย

  • ธนาคารเพื่อการลงทุน: กู้ยืมเงินจำนวนมากก่อนเกิดวิกฤต
  • หลักประกัน: ตราสารหนี้ที่มีสินเชื่อที่อยู่อาศัยค้ำประกัน (MBS)
  • MBS: ควรจะ กระจายความเสี่ยงด้วยการถือสินเชื่อหลายรายที่มีลักษณะต่างกัน
    • จุดบกพร่อง: ความเสี่ยงผิดนัดชำระสินเชื่อมีความสัมพันธ์สูงมากในความเป็นจริง
    • การผิดนัด/เบี้ยวหนี้เป็นลูกโซ่ทำลายมูลค่าหลักประกัน
  • การค้างชำระสินเชื่อ 90 วัน: ปัจจัยความเสี่ยงของพอร์ตโฟลิโอธนาคารเพื่อการลงทุนช่วงวิกฤต

การค้างชำระสินเชื่อที่อยู่อาศัย 90 วัน ปี 2005-2010

การบริหารความเสี่ยงเชิงปริมาณด้วย Python

โมเดลปัจจัยในช่วงวิกฤต

  • การถดถอยด้วยโมเดลปัจจัย: ผลตอบแทนของพอร์ตโฟลิโอเทียบกับการค้างชำระสินเชื่อ
  • นำเข้าไลบรารี statsmodels.api สำหรับเครื่องมือการถดถอย
  • ฟิตการถดถอยด้วยออบเจกต์ .OLS() และเมธอด .fit()
  • แสดงผลลัพธ์ด้วยเมธอด .summary() ของการถดถอย

 

import statsmodels.api as sm

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

print(regression.summary())
การบริหารความเสี่ยงเชิงปริมาณด้วย Python

ผลลัพธ์จาก .summary() ของการถดถอย

ตัวอย่างสรุปผลการถดถอย

การบริหารความเสี่ยงเชิงปริมาณด้วย Python

มาฝึกกันเถอะ!

การบริหารความเสี่ยงเชิงปริมาณด้วย Python

Preparing Video For Download...