"False"
Hoppa direkt till innehållet
printicon
Huvudmenyn dold.

Verktyg för att hantera finansiella risker

Forskningsprojekt Projektet syftar till att utveckla verktyg, modeller och ramverk med vilka banker och försäkringsbolag effektivt ska kunna modellera och hantera sina risker

Detta projekt tar sin utgångspunkt i ett antal centrala frågeställningar inom den finansiella industrin. Idag investerar kommersiella banker betydande resurser i utvecklandet av probabilistiska (sannolikhetsbaserade) modeller för kvantifiering av risker. På ett övergripande plan konfronteras en bank med bland annat marknadsrisker och kreditrisker. Det övergripande målet för aktuellt projekt är att utveckla och förfina de matematiska verktygen som krävs för modellera och hantera dessa risker.

Projektöversikt

Projektperiod:

2008-04-28 2008-12-31

Medverkande institutioner och enheter vid Umeå universitet

Institutionen för matematik och matematisk statistik, Teknisk-naturvetenskaplig fakultet

Forskningsområde

Matematik

Projektbeskrivning

Detta projekt tar sin utgångspunkt i ett antal centrala frågeställningar inom den finansiella industrin. Idag investerar kommersiella banker betydande resurser i utvecklandet av probabilistiska (sannolikhetsbaserade) modeller för kvantifiering av risker. På ett övergripande plan konfronteras en bank med bland annat marknadsrisker och kreditrisker. Det förstnämnda riskslaget avser risken att förlora pengar på grund av att marknadsnoterade riskfaktorer som aktier, valutakurser, räntor m.m utvecklas i en för banken ofördelaktig riktning. I en modell för kreditrisk söker banken modellera sannolikheten för att en given motpart (kund) inte kommer att leva upp till sina förpliktelser mot banken. Man talar om sannolikheten för fallissemang och banken försöker vidare förstå hur mycket av sin exponering (t.ex utlånat belopp med hänsyn taget till amorteringar) som kan gå förlorad vid ett fallissemang. Detta belopp beror bland annat på värdeutvecklingen på underliggande säkerheter. Banken försöker gardera sig mot marknads- och kreditrisker genom att köpa olika former av derivatkontrakt. I fallet av marknadsrisker är det enklaste exemplet på ett sådant en europeisk köpoption med t.ex en aktie som underliggande men under de senaste 30 åren har det skett en explosionsartat utveckling av exotiska produkter och idag talas om 5:e och 6:e generationen derivat. Vidare har det under senare år skett en dramatisk tillväxt i handeln med och i konstruktionen av kreditderivat genom vilka en bank kan köpa en försäkring mot kreditförluster i sin portfölj. Givet en portfölj av värdepapper (aktier, lån m.m) och derivat relaterade till dessa, är ett mål för bankens centrala riskfunktion att skapa en integrerad bild av bankens risker. Detta innebär att en probabilistisk modell för hur samtliga riskfaktorer kommer att utvecklas över en viss tidshorisont måste konstrueras. Konkret betyder detta att samliga individuella riskfaktorer måste modelleras samt samvariationen mellan dessa. Utgående från en sådan modell vill man förstå sannolikhetsfördelningen för bankens förluster (vinster). Tekniskt uttryckt blir, givet en underliggande modell, portföljens värdeförändring en stokastisk variabel med en potentiellt komplicerad fördelningsfunktion. Idealt vill banken ha möjlighet att i realtid se information om denna fördelning (olika riskmått som t.ex kvantiler som ger förlusterna vid olika sannolikhetsnivåer), dvs undvika beräkningsintensiva och tidskrävande Monte Carlo simuleringar, för att t.ex ge de som sitter och handlar med värdepapper möjligheten att se hur en viss affär kommer att påverka risken. Ytterst önskas en realtidmodell som givet restriktioner på risktagande söker finna den mix av värdepapper som optimerar avkastningen på portföljen. Det övergripande målet för aktuellt projekt är att utveckla och förfina de matematiska verktygen som krävs för att realisera ovanstående.. Projektets nytta i ett vidare perspektiv är att det syftar till att utveckla verktyg, modeller och ramverk med vars hjälp banker, försäkringsbolag, fondförvaltar och pensionsfonder ska kunna modellera sina risker på ett mer realistiskt och vetenskapligt sätt för att därigenom kunna skapa en hållbar värdeutveckling för fondsparare och investerare.
Senast uppdaterad: 2018-06-20