Диссертация (1138126), страница 35

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 35)

(1998) Risk, January, 96–100.151. Morone M.. Carnaglia A., Mignola G. Economic capital assessment via copulas:aggregation and allocation of different risk types. -2007.152. Nelsen R. Introduction to copulas. Second Edition. – New York: Springer, 2006.153. P. Artzner, F. Delbaen, J.-M. Eber, D. Heath, «Thinking coherently», Risk, 10 (1997), No.11, p. 68-71.154.

Pezier J. Application-based financial risk aggregation methods.// ISMA Centre DiscussionPapers in Finance 2003, 11. Sept. 2003.155. Rosenberg J., Schuermann T. A general approach to integrated risk-management withskewed, fat-tailed risks. // FRB of NY.

Staff report №185. -2004.156. Slywotzky A., Drzik J. Counting the Biggest Risk of All // HarVaRd Business Review.April. 2005.157. Winfrey F.L., Budd J.L. Reframing Strategic Risk // SAM Advanced Management Journal.Autumn 1997. P. 13-22.Статьи в научных сборниках и сборниках докладов на конференциях,Интернет-источники158. Банки: капитализация, устойчивость, конкурентоспособность.

Рекомендации XVIМеждународного банковского конгресса (МБК-2007). – г. Санкт-Петербург, 6 – 9июня 2007 г.// Источник: http://www.cbr.ru/analytics/bank_system/print.asp?file=MBK07.htm159. Банковский менеджмент, ориентированный на доход/ Материалы на основемонографий профессора Базельского университета Хеннера Ширенбека// Источник- http://www.bankclub.ru/files/distan/doc/riskcontrolling.pdf167160. Борисова М. Deutsche Bank потерял почти 5 миллиардов евро.

[Электронныйресурс]. Режим доступа: http://www.dw-world.de/dw/article/0,,3945361,00.html.161. Волков Д., Шишаков А., Потехина И., Либоракина М., Флямер М., Матыцин М.,Анурова С. Исследование на основе интервью и материалов конференции«Управление рисками в российских компаниях и банках» (2006) с.3-4, 6-9162. ЗамирскаяЕ.ЦБпредлагаетвыработатьединуюметодикуоценкирисков эмитентов» // Информационное агентство РосБизнесКонсалтинг, 2007.163. Информация об основных результатах анкетирования кредитных организаций повопросамстресс-тестированияв2008г.(http://www.cbr.ru/analytics/bank_system/print.asp?file=stress_inf_08.htm).164.

КирилловР.Barclaysнашелкапитал.[Электронныйресурс].Режимдоступа:http://www.rbcdaily.ru/2008/06/26/world/355507.165. М.Г. Поликарпова «Применение VaR-технологии для установления торговыхлимитов внешнеэкономической деятельности субъекта российской федерации»,Вестник УГТУ–УПИ, 2010. № 1.166. Манзурова Е.Н. Необходимость инновационного подхода к разработке методикистресс-тестирования коммерческого банка. Инновационное развитие регионов:методы оценки и поддержка исследований, Межвузовский сборник научных статей,ГУ-ВШЭ (Пермский филиал), 2009.167. Отчет о развитии банковского сектора и банковского надзора в 2010 году,Центральный банк России, 2010г.168.

Помазанов М.В., Гундарь В.В. Капитал под риском в совершенной моделибанковской системы.169. РазумовскийпреимуществаП.А.InternalинедостаткиRatings-BasedметодологийApproachиCreditRisk+:(концентрацияпортфелейроссийских банков и ошибка IRB Approach) // Экономическая политика.– 2010. – №4. – С. 154-175.170. Разумовский П.А. Штраф на капитал за концентрацию кредитного риска/ П.А. Разумовский, М.В. Помазанов // Банковское дело. – 2010. – №2(194). – С. 52-60.171. Шипилов А.

Экономический капитал: возможности и ограничения: МатериалыконференцииPRMIA(Москва,19http://www.prima.org.168июня2006г.).Режимдоступа:172. Applied RAROC: Vignettes of Annual Reports as of March 1, 2002 // ERisk Research.June 2002. P. 4. [Электронный ресурс]. Режим доступа: http://www.erisk.com/Research/ERiskReport/AppliedRAR0C_ERMay2002.pdf.173. Best Practices in Business Performance Management: Business and Technical Strategies.//The Data Warehousing Institute, TDWI, 2004.174. Daum Juergen Beyond Budgeting: How to become an adaptive sense-and-respondorganization.//The New Economy Analyst Report.

Источник- www.juergendaum.com175. Demsetz R., Saidenberg M., Strahan P. Agency problems and risk taking at banks //FRBNYStaffreports.1997.№29.Источник-http://www.newyorkfed.org/research/staff_reports/sr29.pdf.176. Dirk Tasche. Allocating Portfolio Economic Capital to Sub-Portfolios, July 12, 2004177. James C. RAROC based capital budgeting and performance evaluation: a case study ofbank capital allocation. Working paper 96-40//The Wharton Financial Institutions Center,University of Pennsylvania, 1996.178. Stress testing credit risk: a survey of authorities' approaches.

Questioni di Economia eFinanza.Bancad’Italia.2008.Desember.№37.6. Ли В.О. Об оценке кредитоспособности заемщика. Деньги и кредит. 2005. № 2. С50 – 54.169ПРИЛОЖЕНИЕ1.МЕТОДОЛОГИЯВЕРИФИКАЦИИМОДЕЛИОЦЕНКИРЫНОЧНЫХ РИСКОВ1. Порядок верификации1.1. В процессе верификации проверяется применимость параметрических методовоценки риска.1.2. Если испытания показывают, что для уровня доверия 99% можно использоватьодинпараметрическийзакондлявсехфинансовыхинструментов,ониспользуется для оценки их VaR. При этом ежемесячно проверяетсяприменимость выбранной параметрической модели, и рассчитываются ее новыепараметры для всех активов, подверженных рыночному риску, на годовойвыборке котировок.

Если наблюдается тенденция в изменениях параметровпрогноза, она может быть использована для построения прогноза. На основеэтих данных оцениваются и прогнозируются значения VaR-ов отдельныхинструментов.1.3. Если испытания показывают неоднородность параметрических распределений,которыми могут аппроксимироваться выборочные данные котировок, дляоценки VaR факторов риска отдельных финансовых инструментов используетсяисторический метод, так как он дает наиболее консервативную оценку риска.1.4. Приоценкесовокупногорискаисследуетсяприменимостьодногопараметрического закона для аппроксимации фактора совокупного риска втечении 12 месяцев на глубине прогноза в 1 год.1.5. Если такой закон выявляется, он используется для прогнозирования VaRсовокупного риска. Если наблюдается тенденция в изменениях параметровпрогноза, она может быть использована для построения прогноза.

При этомежемесячно проверяется применимость выбранного параметрического закона.1.6. Если вид параметрического распределения меняется, для оценки совокупногориска используется исторический подход, пока не выявятся новые определенныетенденции.1.7. Для выбора наиболее подходящих параметрических законов используетсяМетодология проверки сложных гипотез, описанная ниже.1702. Методология проверки сложных гипотез2.1. Критерии согласия эмпирических данных и теоретических распределенийДля проверки гипотезы о том, может ли анализируемый массив быть описан тем илииным распределением вероятностей используется группа статистических критериев,которая называется критериями согласия.

Они делятся на два класса - критерии,предназначенные для проверки простых гипотез, когда гипотетическое распределениефиксируется однозначно, и критерии для проверки сложных гипотез, состоящих в том,что анализируемый массив может быть описан распределением определенного типа. Вданном случае мы имеем вторую постановку задачи, поэтому ниже будут изложеныименно такие критерии.2.2. Порядок проверки сложной гипотезы о согласииСложная проверяемая гипотеза имеет видH 0 : F  x  F  x,  ,  , гдеF  x,  –функция распределения вероятностей, с которой проверяется согласие наблюдаемойвыборки,  – множество возможных значений параметра  (скалярного или векторного).При проверке сложных гипотез, когда по той же самой выборке оцениваютсяпараметры наблюдаемого закона распределения вероятностей, непараметрические22критерии согласия типа Колмогорова, Смирнова,  и  Мизеса теряют свойство“свободы от распределения”.

В этом случае предельные распределения статистик этихкритериев будут зависеть от закона, которому подчинена наблюдаемая выборка. Болеетого, распределения статистикG  S | H0 непараметрических критериев согласия зависятот целого ряда факторов, определяющих “сложность” гипотезы. На распределениеG  S | H0 влияют: вид наблюдаемого закона распределенияистинной гипотезеF  x,  , соответствующегоH 0 ; тип оцениваемого параметра и количество оцениваемыхпараметров; используемый метод оценивания параметров.Методикапроверкисогласияопытногораспределениястеоретическимраспределением случайной величины  в общем случае сводится к следующему.1. Формулируют проверяемую гипотезу, выбирая теоретическое распределениеF  x,   случайной величины, согласие которого с опытным распределением этойвеличины следует проверить.1712.

Из совокупности отбирают случайную выборку объема n . Полученные результатынаблюдений располагают в порядке их возрастания, так что в распоряжении имеютупорядоченную выборку значений x1  x 2  ...  x n , называемую вариационнымрядом выборки.3. По выборке вычисляют оценки параметров распределения F  x,   , выбранного вп.1 (обычно это оценкимаксимального правдоподобия илиMD-оценки,минимизирующие статистику критерия).4. В соответствии с выбранным критерием проверки вычисляют значение статистикиS * критерия (статистику Фишера, Колмогорова, Смирнова,  2 Мизеса или 2Мизеса).5. В соответствии с выбранным критерием проверки, теоретическим распределениемF  x,   , оцененным параметром или параметрами, используемым методомоценивания определяют распределение статистики критерия G  S | H 0 присправедливости гипотезы H 0 .6.

Характеристики

Список файлов диссертации