RiskNET eLibrary
Sie möchten Ihre Publikation gerne in unserer eLibrary veröffentlichen?
Credit Risk
Durch die adäquate Integration von Adressrisiken in die strategische Asset Allocation können Banken die Effizienz ihrer Finanzanlagen langfristig verbessern, da sie somit das Diversifikationspotenzial des Adressrisikos gegenüber anderen Asset-Klassen optimal ausnutzen. Dieses Vorgehen ermöglicht es einer Bank beispielsweise, bei gleichbleibendem Risiko eine höhere Rendite zu erwirtschaften und sich dadurch einen langfristigen Wettbewerbsvorteil zu sichern. Im Folgenden wird vorgestellt, wie Diversifikationseffekte bei Adressrisiken aus Unternehmenskrediten und aus dem Kundengeschäft mit einem Benchmark auf der Basis abgeleiteter Marktindizes in die Asset Allocation integriert werden können.
[Quelle: RISIKO MANAGER 11/2008, S. 14-20]
[Quelle: RISIKO MANAGER 11/2008, S. 14-20]
10632 Downloads14.07.2008
Datei downloaden Zur Bewertung von Scoreverfahren existiert eine Fülle von Methoden. Buchstäblich jeder Anbieter und jeder Anwender von Scoreverfahren verwendet unterschiedliche Methoden bzw. äquivalente Methoden unter verschiedenen Bezeichnungen. Um dieser Vielzahl von Methoden und Begriffen Herr zu werden, initiierte die SCHUFA eine Kooperation zur Methodenrecherche mit dem STABLAB (Statistisches Beratungslabor, Institut für Statistik, LMU München). Der vorliegende Artikel ist ein Ergebnis dieser Kooperation. Im Dezember 1996 führte die SCHUFA ihren "Kreditbüro-Score" ASS ein, um der kreditgebenden Wirtschaft Breitband-Scores zur Unterstützung der gesamten Einschätzung von Kreditrisiken auf Basis der SCHUFA-Daten zur Verfügung zu stellen.
[Autoren: Ludwig Fahrmeir, Andreas Henking und Ralf Hüls / Quelle: www.risknews.de]
[Autoren: Ludwig Fahrmeir, Andreas Henking und Ralf Hüls / Quelle: www.risknews.de]
17941 Downloads13.06.2008
Datei downloaden The emergence of CDS indices and corresponding credit risk transfer markets with high liquidity and narrow bid-ask spreads has created standard benchmarks for market credit risk and correlation against which portfolio credit risk models can be calibrated. Integrated risk management for correlation dependent credit derivatives, such as single-tranches of synthetic CDOs, requires an approach that adequately reflects the joint default behavior in the underlying credit portfolios. Another important feature for such applications is a flexible model architecture that incorporates the dynamic evolution of underlying credit spreads. In this paper, we present a model that can be calibrated to quotes of CDS index-tranches in a statistically sound way and simultaneously has a dynamic architecture to provide for the joint evolution of distance-to-default measures. This is accomplished by replacing the normal distribution by smoothly truncated ?-stable (STS) distributions in the Black/Cox version of the Merton approach for portfolio credit risk.
[Authors: Jochen Papenbrock, Svetlozar T. Rachev, Markus Höchstötter, Frank J. Fabozzi]
[Authors: Jochen Papenbrock, Svetlozar T. Rachev, Markus Höchstötter, Frank J. Fabozzi]
7853 Downloads28.05.2008
Datei downloaden Aktuell vollzieht sich ein Paradigmenwechsel im Risikomanagement. Praktiker beginnen zu verstehen, dass extreme Ausschläge an Finanzmärkten möglichst realitätsgetreu abzubilden sind. Die Fokussierung auf das Phänomen starker Schwankungen ist aufgrund der steigenden Anforderungen an das Risikomanagement sowie wegen der höheren Komplexität vieler Finanzprodukte unbedingt erforderlich. Dadurch wird die Zukunftsfähigkeit herkömmlicher Ansätze grundsätzlich in Frage gestellt. Der vorliegende Artikel beleuchtet eine viel versprechende Klasse von Wahrscheinlichkeitsverteilungen, die diesen gewachsenen Ansprüchen gerecht wird: die α-stabile Verteilungsklasse.
9349 Downloads22.05.2008
Datei downloaden Das vorliegende Risikomodell dient der Quantifizierung von Risiken, die einem neuartigen Investment innewohnen: Dem Investment in Humankapital via eines Studienfonds, der Studierende fördert im Gegenzug einer Abtretung späterer Gehaltsanteile. Hierbei wird die Sicht der Investoren eingenommen und die Performance des Fonds im Maß eines internen Zinsfußes (IRR) gemessen. In einem parametrischen Modell wird mit geeigneten Schätzungen zunächst jedes einzelne Risiko beschrieben, dann alle Risiken mitsamt ihrer wechselseitigen Korrelationen umfassend analysiert. Schwer oder nicht zu quantifizierende Einzelrisiken sowie Makrorisiken werden gesammelt betrachtet und als Tail-Risiken modelliert. Die Analyse schließt mit Risikomaßen, die bekannten Finanzinstrumenten anderer Asset-Klassen gegenüber gestellt werden.
[Quelle: RISIKO MANAGER 08/2008, S. 1, 8-13]
[Quelle: RISIKO MANAGER 08/2008, S. 1, 8-13]
14426 Downloads13.05.2008
Datei downloaden Pensionsfonds und andere institutionelle Anleger sind in aller Regel an ein bestimmtes Renditeziel (Rechnungszins) gebunden, das Jahr für Jahr in der Kapitalanlage erreicht werden muss. Bei der Methode der robusten Optimierung wird neben dem Investmentrisiko auch das Prognoserisiko in Bezug auf die erwarteten Renditen in die Modellierung der Asset Allocation einbezogen. Damit soll sichergestellt werden, dass ein Anleger seine Renditeziele auch bei fehlerhaften Prognosen zuverlässig erreicht.
[Autoren: Marko Hirsch/Jochen M. Kleeberg, Quelle: die bank, Ausgabe 4/2006, S. 20-24.]
[Autoren: Marko Hirsch/Jochen M. Kleeberg, Quelle: die bank, Ausgabe 4/2006, S. 20-24.]
12336 Downloads29.04.2008
Datei downloaden We extend the class of GARCH models to comprise asymmetric and nonlinear effects on volatility. In particular, we do not only explain future volatility of a time series on its own past, but allow for external influences and spillovers between capital markets. For this generalized class of models, the asymptotic behavior of the Quasi-Maximum-Likelihood estimator of model parameters is derived. The models are applied to time series of fx-rates. It is found that in particular the simple asymmetric models lead to improved performance.
10681 Downloads14.04.2008
Datei downloaden Die Immobilienkrise der letzten Jahre in Deutschland verdeutlichte, dass die bis dahin ausgewiesene Risikoarmut bei Immobilienfonds vermutlich kein dauerhaftes Phänomen ist. Die Aussage "Immobilienanlagen sind sicher" bekam erste Risse. Schnell wurde klar, dass diese Assetklasse so professionell wie Renten oder Aktien gesteuert werden muss. Allerdings weist die Klasse der Immobilienanlagen deutliche Unterschiede zu den beiden anderen Assets auf, die eine Anwendung der klassischen Kapitalmarkttheorie (Betafaktoren, Volatilitäten als Risikomaß etc.) verbieten. Die Annahme sehr liquider Märkte bei geringen Transaktionskosten ist beileibe nicht gegeben, wie insbesondere die offenen Immobilienfonds während der Krise erfahren durften.
11301 Downloads07.01.2008
Datei downloaden Despite the proliferation of banking services, lending to industry and the public still constitutes the core of the income of commercial banks and other lending institutions in developed as well as post-transition countries. From the technical perspective, the lending process in general is a relatively straightforward series of actions involving two principal parties. These activities range from the initial loan application to the successful or unsuccessful repayment of the loan. Although retail lending belongs among the most profitable investments in lenders' asset portfolios (at least in developed countries), increases in the amounts of loans also bring increases in the number of defaulted loans, i.e. loans that either are not repaid at all or cases in which the borrower has problems with paying debts. Thus, the primary problem of any lender is to differentiate between "good" and "bad" debtors prior to granting credit. Such differentiation is possible by using a credit-scoring method. The goal of this paper is to review credit-scoring methods and elaborate on their efficiency based on the examples from the applied research. Emphasis is placed on credit scoring related to retail loans.
[Authors: Martin Vojtek and Evžen Ko?enda]
[Authors: Martin Vojtek and Evžen Ko?enda]
11006 Downloads18.11.2007
Datei downloaden In this chapter we show how to handle counterparty risk when pricing some basic financial products. In particular we are analyzing in detail counterparty-risk (or Default-risk) Interest Rate Swaps and counterparty-risk equity return swaps. The reason to introduce counterparty risk when evaluating a contract is linked to the fact that many financial contracts are traded over the counter (OTC), so that the credit quality of the counterparty can be important. This is particularly appropriated when thinking of the different defaults experienced by some important companies during the last years. Also, regulatory issues related to the Basel II framework encourage the inclusion of counterparty risk into valuation. We face the problem from the viewpoint of a safe (default-free) counterparty entering a financial contract with another counterparty that has a positive probability of defaulting before the maturity of the contract itself. We are assuming there are no guarantees in place (such as for example collateral). When investing in default risky assets we require a risk premium as a reward for assuming the default risk. If we think, for example, of a corporate bond, we know that the yield is higher than the corresponding yield of an equivalent treasury bond, and this difference is usually called credit spread. The (positive) credit spread implies a lower price for the bond when compared to default free bonds. This is a typical feature of every asset: The value of a generic claim traded with a counterparty subject to default risk is always smaller than the value of the same claim traded with a counterparty having a null default probability.
[Authors: Damiano Brigo and Massimo Masetti / A refined version is "Risk Neutral Pricing of Counterparty Risk, in: Pykhtin, M. (Editor), Counterparty Credit Risk Modeling: Risk Management, Pricing and Regulation. Risk Books, London", 2005.]
[Authors: Damiano Brigo and Massimo Masetti / A refined version is "Risk Neutral Pricing of Counterparty Risk, in: Pykhtin, M. (Editor), Counterparty Credit Risk Modeling: Risk Management, Pricing and Regulation. Risk Books, London", 2005.]
9921 Downloads24.08.2007
Datei downloaden 