Диссертация (1138126), страница 40
Текст из файла (страница 40)
Его доля должна бытьувеличена с 4% до 6% в период с 2013 года по 2015 год.Рис. 3.2.3. Постепенное усиление требований к достаточности капитала первогоуровня, заложенные в Базеле III4. Введение защитного «буфера консервации капитала»Буфер консервации капитала представляет собой дополнительный резерв, объемом2,5% капитала первого уровня.Таким образом, суммарные требования к капиталу первого уровня составят 7%(2,5%+4,5%). Цель такого резервирования, в соответствии с пресс-релизом Базельскогокомитета, заключается в «гарантиях того, что банки будут поддерживать резерв капитала,который может быть использован для амортизации убытков в периоды финансового иэкономического стресса».198Рис.
3.2.4. Постепенное усиление требований к буферу консервации капитала,заложенные в Базеле III5. Введение «контрциклического буфера»Кроме наблюдения за выполнением требований Базельского соглашения,национальным регуляторам отводится роль контролеров объемов кредитования внациональных экономиках. Инструмент для выполнения данной функции –«контрциклический буфер». Назначение его объема, - от 0% до 2,5% собственногокапитала банка, должно препятствовать чрезмерному росту кредитования в национальныхэкономиках.6.
Соотношение собственного и заемного капитала (Leverage Ratio)Базельским документом предусмотрен контроль соотношения собственного изаемного капитала с целью определения безрискового значения. В качестве безрисковогопринимается 3%-ный уровень капитала первого уровня. Данный показатель будетвнедряться с 2013 по 2017 годы и, после корректировки, станет обязательным.7.
Контроль ликвидностиВ качестве инструмента контроля ликвидности представлен показатель покрытияликвидности Liquidity Coverage Ratio (LCR). Данный показатель контролирует покрытиеоттока капитала за 30-дневный срок запасом высоколиквидных активов. Внедрение LCRпланируется с 2015 года. С целью контроля достаточности финансирования представленпоказатель Net Funding Stability Ratio (NFSR), отражающий соотношение междудоступным и требуемым объемами финансирования. Внедрение NFSR планируется с 2018года.8.
Введение ограничений для системообразующих банкиБанки, влияние которых на экономику слишком высоко и дефолт которых можетпослужитьпричинойдальнейшихкритическихизменений,названысистемообразующими. К таким банкам предъявляются повышенные требования резервов,стоящие достаточно далеко от граничных значений, указанных Базельским комитетом.199ПРИЛОЖЕНИЕ 4. ПОНЯТИЕ И ОСНОВНЫЕ ВИДЫ КОПУЛКопулыпредставляютсобойспособпостроенияобщегоодномерногораспределения на основе нескольких предельных распределений. Фактически этофункции следующего вида:По определению любому совместному распределению соответствует некотораякопула, формирующая его по следующему принципу:Тогда копулу можно выразить как зависимость такого вида:Соответственно функция плотности распределения копулы принимает следующийвид (предположим, xi – i-я случайная величина; ρ – параметр копулы):Понятие копулы можно пояснить на следующем примере.
Для наглядностивыбрано двумерное распределение рисков. Предположим, что величина убытковоткладывается с положительным знаком. Пусть Х и У – две случайные величины,характеризующие два вида банковских рисков. Для получения оценки совокупного рисканеобходимо рассмотреть совместное распределение этих двух случайных величин.Совместная вероятность наступления события (Х;У) зависит как от индивидуальныхвероятностей реализации Х и У по отдельности, так и от степени их взаимозависимости.Под взаимозависимостью понимается плотность копулы, которая является функциейсовместной вероятности. Но если одномерная кумулятивная функция распределениястроится в координатах «вероятность – исход случайной величины», то копула – вкоординатах «совместная вероятность – вероятности реализации случайных величин Х иУ», иными словами в координатах хуz по осям х и у откладываются значенияиндивидуальных вероятностей Х и У, а по оси z – вероятность совместной реализации Х иУ. В самом общем смысле копула определяет характер разброса точек на плоскостииндивидуальных вероятностей.Ниже на рисунках приведены примеры вида 2-х семейств копул – нормальной иСтьюдента.200Рис 4.1.
Нормальная копула (слева) и копула Стьюдента. Горизонтальная плоскость графикаобразована осями, по которым отложены накопленные вероятности случайных величин Х и У. Повертикальной оси отложено значение плотности копулы.Как видно из двух графиков выше, в случае копулы Стьюдента экстремальныереализации (значения вероятностей, приближающихся к нулю или единице) встречаютсяболее часто, чем в случае нормальной копулы, поскольку отношение высоты пиков покраям графика для копулы Стьюдента к остальным значениям функции на порядокбольше, чем для нормальной копулы. В терминах управления рисками это означает, чтоесли в основе распределения лежит копула Стьюдента, а не нормальная, то экстремальные(редкие) совместные события следует ожидать намного чаще.201ПРИЛОЖЕНИЕ 5. ОСОБЕННОСТИ ПРИМЕНЕНИЯ VAR-МЕТОДОЛОГИИ ДЛЯОЦЕНКИ СОВОКУПНОГО ФИНАНСОВОГО РИСКА И УСТАНОВЛЕНИЯСТРАТЕГИЧЕСКИХ ЛИМИТОВ.Подходы к оценке Value-at-RiskПоскольку выбор стратегической альтернативы и установление на ее основестратегических лимитов в конечном итоге влияет на доходность банка, то вопрос выбораадекватной модели расчета совокупного финансового риска и установления VaR-лимитовявляется чрезвычайно актуальным.
Модель должна не только учитывать текущиетенденциифакторов риска, но ипредупреждающие сигналы, демонстрироватьустойчивость к изменению факторов риска, опираться на достаточное количество данных.Методы оценки VaR значительно различаются по уровню модельного риска,объемам требуемых для вычисления данных, вычислительной сложности и пр. Вконечном итоге, необходимо подобрать такую модель оценки VaR для стратегическихлимитов, которая обеспечит наибольшую прогностическую точность.В связи с этим необходимо предусмотреть процедуру регулярного бэк-тестингамодели оценки VaR, которая будет предусматривать калибровку параметров модели.Параметры модели включают в себя: Метод оценки VaR: параметрический или исторический; Временной горизонт: на какой период рассчитывает VaR; Глубина анализа: за какой период необходимо брать данные для расчета; Параметры сглаживания: каким образом учитываются данные в расчете; Доверительный интервал: с какой точностью необходимо производить расчет.Рассмотрим особенности оценки перечисленных параметров.Методы оценки VaRСуществуют два основных подхода к оценке VaR.
Первый подход называетсяпараметрическим и основан на использовании при оценке параметра риска, взависимости от которого рассчитывается VaR. Другое название параметрического метода- дельта-нормальный метод (delta-normal method).Второй подход является непараметрическим и использует оценки по историческимданным (historical valuation). Это так называемый исторический VaR Выбор методарасчета показателя рисковой стоимости будет определяться составом и структуройпортфеля,доступностьюстатистическихданныхивычислительными мощностями и рядом других факторов.202программногообеспечения,Кроме указанных методов оценивания следует также отметить методы симуляциирядов данных, к которым затем применяются методы оценки VaR. К методамсимуляций данных относится метод исторических симуляций142 (historical simulationmethod) и метод стохастического моделирования (метод симуляций Монте-Карло,structured Monte-Carlо).Каждый метод расчета VaR обладает рядом ограничений, препятствующих еёприменению на практике.
Поэтому при выборе модели расчета VaR необходимоучитывать следующие факторы:• характер распределения: если распределение доходностей близко к нормальному,то использование дельта-нормального метода является оправданным. В противном случаеточность данного метода будет недостаточной.•динамикафакторовриска:еслидинамикахарактеризуетсябольшойволатильностью, то исторический метод расчета VaR следует использовать совместно сдругими методами, так как оценки VaR, полученные с помощью данного метода, быстротеряют актуальность.Широкое применение распределения Гаусса (нормального распределения) встатистике основано на доказанном в теории вероятностей утверждении, что случайнаявеличина, являющаяся суммой большого числа независимых случайных величин сконечными дисперсиями и с практически произвольными законами распределения,распределена нормально. То есть условием использования нормального распределениядля описания случайной величины являются ситуации, когда изучаемую случайнуювеличину можно представить в виде суммы достаточно большого количестванезависимых слагаемых, каждое из которых мало влияет на сумму.(2.3.1)гдеf(x) – функция распределения;параметр μ — среднее значение (математическое ожидание) случайной величины иуказывает координату максимума кривой плотности распределения,142Несмотря на схожесть в названиях метод исторического моделирования и исторический метод оценкиVaR не заменяют друг друга.
Первый представляет собой порядок моделирования данных, а второй (так жекак и параметрический метод) – подход к проведению расчета VaR на основе имеющихся данных(эмпирически наблюдаемых или смоделированных). Таким образом, к ряду данных (доходностей актива илипортфеля активов), полученному по уже имеющейся статистике, по методу исторических симуляций и пометоду Монте-Карло, для расчета VaR может применяться как параметрический метод, так и историческийметод.203σ² — дисперсия.(а)(б)Рис. 6.1. Плотность вероятности (а) и функция распределения Гаусса (б)Распределение Гаусса можно использовать в качестве первого приближения дляописания, например, логарифмов относительного изменения цен активов.
Однако напрактике распределения этих величин отличаются от нормального, то есть имеют, какправило, более ярко выраженный пик и более "тяжелые" хвосты.Для проверки распределения на нормальность используются соответствующиестатистические критерии, например критерий хи-квадрат и критерий Стьюдента.В случае если распределение не является нормальным, величина его VaR можетбыть рассчитана историческим методом, при котором VaR представляет собой персентильплотности распределения для заданной доверительной вероятности.
Основные типыраспределений, аппроксимирующие эмпирические данные: логнормальное, Лапласа,Гамма, Парето, Вейбулла и др. Логнормальное распределениеРаспределение имеет крутой левый и пологий правый спад, то есть имеетположительную асимметрию. Логнормальное распределение можно использовать вкачестве первого приближения для описания относительного изменения цен активов,однако, с теми ограничениями, о которых было сказано при обсуждении распределенияГаусса.(2.3.2)f(x) – функция распределения;μ — среднее значение (математическое ожидание) случайной величины х,204σ² — дисперсия.(а)(б)Рис. 6.2. Плотность вероятности (а) и функция логнормального распределения (б)Распределение Лапласа (двойное экспоненциальное)Распределение Лапласа островершинное, то есть имеет высокий пик и "тяжелые"хвосты.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
