Modelo de riesgo

Categorías de
Riesgo financiero
Riesgo de crédito
Riesgo de concentración
Riesgo de mercado
Riesgo de tasa de interés Riesgo de moneda Riesgo de equidad Riesgo de los productos básicos
Riesgo de liquidez
Riesgo de refinanciación
Riesgo operacional
Riesgo país Riesgo legal Modelo de riesgo Riesgo político Riesgo de valuación
Riesgo reputacional
Riesgo de volatilidad
Riesgo de liquidación
Riesgo beneficio
Riesgo sistémico

En Finanzas, modelo riesgo el riesgo de pérdida resultante del uso de modelos para tomar decisiones, inicialmente y con frecuencia se refiere a valoración de valores financieros. Sin embargo el modelo riesgo es cada vez más frecuente en sectores distintos de valoración de títulos financieros, como la puntuación de crédito al consumidor, predicción de probabilidad en tiempo real de una transacción de tarjeta de crédito fraudulentas a la probabilidad de pasajero de vuelo aire ser un terrorista. Rebonato en 2002 considera definiciones alternativas incluyendo:

1. Después de observar un conjunto de precios para el subyacente y cobertura instrumentos, diferentes pero idénticamente modelos calibración podría producir a precios diferentes para un mismo producto exótico.
2. Las pérdidas serán incurrir debido a una estrategia de cobertura 'incorrecta' sugerida por un modelo.

Rebonato modelo riesgo define como "el riesgo de aparición de una diferencia significativa entre el valor de marca a modelo de un instrumento complejo o sin liquidez y el precio al que el mismo instrumento se revela que han negociado en el mercado".

Tipos de modelo de riesgo

Burke considera un tipo de modelo riesgo si no se utiliza un modelo (en cambio confiando demasiado en juicio experto). Derman describe varios tipos de modelo riesgo que surjan del uso de un modelo:

Modelo incorrecto

• Inaplicabilidad del modelo.
• Especificación del modelo incorrecto.

Implementación del modelo

• Errores de programación.
• Errores técnicos.
• Uso de aproximaciones numéricas inexactas.

Uso del modelo

• Riesgo de implementación.
• Problemas de los datos.
• Errores de calibración.

Fuentes de riesgo modelo

Incertidumbre sobre la volatilidad

La volatilidad es el más importante de entrada en los modelos de gestión de riesgo y modelos de precios. Incertidumbre sobre la volatilidad conduce a riesgo de modelo. Derman cree que los productos cuyo valor depende de un sonrisa de volatilidad son más propensas a sufrir de modelo riesgo. Escribe "Pensaría que es seguro decir que no hay ninguna área donde modelo riesgo es más bien de un problema que sonríe en el modelado de la volatilidad". Avellaneda y párrafos (1995) propusieron una forma sistemática de estudio y modelo riesgos resultantes de la incertidumbre de la volatilidad.

Inconsistencia de tiempo

Buraschi y Corielli formalización el concepto de 'inconsistencia del tiempo' con respecto a No-arbitraje modelos que permiten un perfecto ajuste de la estructura de plazos de las tasas de interés. En estos modelos la corriente curva de rendimiento es tan nueva que una entrada observaciones sobre la curva de rendimiento puede utilizarse para actualizar el modelo de las frecuencias regulares. Exploran el tema de las estrategias tiempo consistente y autofinanciados en esta clase de modelos. Modelo de riesgo afecta a todos los tres pasos principales de gestión del riesgo:: especificación, estimación y aplicación.

Incertidumbre de correlación

Incertidumbre sobre los parámetros de correlación es otra fuente importante de riesgo de modelo. Cont Deguest proponen un método para calcular la exposición al riesgo modelo en derivados de múltiples activos equidad y mostrar que las opciones que dependen de las actuaciones mejores o peores en una cesta (los llamados opción del arco iris) están más expuestos a la incertidumbre del modelo que las opciones de índice.

Gennheimer investiga el riesgo de modelo presente en los precios derivados de canasta por defecto. Los precios de estos derivados con varias cúpulas y concluye que "... a menos que uno sea muy seguro acerca de la estructura de la dependencia que rigen la cesta del crédito, cualquier inversores dispuestos a comerciar productos de canasta por defecto deben imperativamente calcular precios bajo especificaciones de cópula alternativa y verificar los errores de estimación de su simulación por lo menos conocer los riesgos del modelo corren."

Complejidad

Complejidad de un modelo o un contrato financiero puede ser una fuente de riesgo modelo, que condujo a la identificación incorrecta de sus factores de riesgo. Este factor fue citada como una fuente importante del modelo de riesgo para carteras de valores con respaldo hipotecario durante la crisis de 2007.

Riesgo de iliquidez y modelo

Modelo riesgo no existe sólo para contratos financieros complejos. Frey (2000) presenta un estudio de cómo la iliquidez del mercado es una fuente de riesgo modelo. Escribe "entender la robustez de los modelos utilizados para la cobertura y con fines de gestión de riesgos con respecto a la asunción de mercados perfectamente líquidos por lo tanto es un tema importante en el análisis de riesgo de modelo en general". Bonos convertibles, valores con respaldo hipotecario, y bonos de alto rendimiento a menudo puede ser ilíquido y difícil de valor. Los fondos de cobertura que el comercio de estos valores podría estar expuestos a modelo riesgo al calcular NAV mensual para sus inversores.

Enfoques cuantitativos para modelo de riesgo

Modelo con un promedio de enfoque peor vs

Rantala (2006) menciona que "frente al riesgo de modelo, en lugar de a las decisiones de base en un modelo único de"lo mejor"seleccionada, el modelador puede basar su inferencia en todo un conjunto de modelos utilizando un promedio de modelo."

Otro enfoque a riesgo del modelo es el peor de los casos, o enfoque minmax, propugnado en la teoría de la decisión de Gilboa y neuroprotectoras. En este enfoque uno considera una gama de modelos y minimiza la pérdida en el peor de los casos. Este enfoque de riesgo modelo ha sido desarrollado por Cont (2006).

Cuantificación de la exposición al riesgo de modelo

Para medir el riesgo inducido por un modelo, debe ser comparado con un modelo alternativo, o un conjunto de modelos alternativos de referencia. El problema es cómo elegir estos modelos de referencia. En el contexto del derivado precios Cont (2006) propone un enfoque cuantitativo para la medición de la exposición al riesgo en las carteras de derivados modelo: primero, un conjunto de modelos de referencia se especifica y calibrado a precios de mercado de instrumentos líquidos, luego la cartera objetivo tiene un precio bajo todos los modelos de referencia. Una medida de la exposición al riesgo del modelo es entonces dada por la diferencia entre la valoración actual de la cartera y la peor valoración bajo los modelos de referencia. Tal medida puede utilizarse como una forma de determinar una reserva para el modelo de riesgo para carteras de derivados.

Límites de las posiciones y las reservas de valuación

Kato y Yoshiba discuten formas cualitativas y cuantitativas de controlar el riesgo de modelo. Escriben "desde una perspectiva cuantitativa, en el caso de precios de los modelos, podemos fijar una reserva para permitir que la diferencia en las estimaciones utilizando modelos alternativos. En el caso de modelos de medición de riesgo, se pueden llevar a cabo análisis de escenarios para varios patrones de fluctuación de los factores de riesgo, o pueden establecer límites de posición basado en información obtenida del análisis de coyuntura". Cont (2006) defiende el uso de exposición al riesgo de modelo para calcular dichas reservas.

Mitigar el riesgo de modelo

Bases teóricas

• Teniendo en cuenta supuestos claves.
• Teniendo en cuenta casos simples y sus soluciones (límites de modelo).
• Parsimonia.

Implementación

• Orgullo de la propiedad.
• Difundir el modelo hacia fuera de una manera ordenada.

Pruebas

• Prueba de esfuerzo y backtesting.
• Evitar que pequeños problemas bola de nieve en grandes temas más adelante.
• Validación independiente
• En curso vigilancia y contra el mercado

Ejemplos de mitigación del riesgo modelo

Parsimonia

Taleb escribió al describir por qué la mayoría de los nuevos modelos que intentaron corregir las insuficiencias de la Black-Scholes modelo no lograron ser aceptados:

"Comerciantes no son engañados por el modelo de Black-Scholes-Merton. La existencia de una "superficie de volatilidad' es un tal adaptación. Pero les resulta preferible fudge un parámetro, es decir la volatilidad y hacerla una función del tiempo de expiración y huelga precio, antes que tener que estimar precisamente otro."

Sin embargo, Cherubini y Della Lunga describen la disadavantages de parsimonia en el contexto de volatilidad y correlación de modelado. Utilizando un número excesivo de parámetros puede inducir sobreajuste mientras que elige un modelo severamente especificado puede inducir fácilmente cuando modelo y un fracaso sistemático para representar la distribución futura.

Prima de riesgo del modelo

Guardabarros y Kiff (2004) Nota eso tenencia instrumentos financieros complejos, tales como CDO, "se traduce en una mayor dependencia de estos supuestos y, por tanto, mayor riesgo de modelo. Como este riesgo debe esperarse a un precio por el mercado, parte de la entrega de rendimiento obtenida respecto igualmente instrumentos clasificado solo deudor suele ser un reflejo directo de modelo riesgo."

Estudios de caso

• NatWest— Opciones la tasa de interés y swaptions — Especificación Modelo incorrecto.
• Bank of Tokyo-Mitsubishi— Opciones la tasa de interés y swaptions.
• LTCM— falta de pruebas de estrés — Crouhy, Galai y Mark.
• Barclays de Zoete Wedd (BZW) — deficientes opciones sobre divisas.
• Banco Nacional de Australia $ 3 billones pérdida AUD Homeside modelo de tasa de interés.
• crisis financiera global 2007 – 2012 – Excesiva dependencia David X. Lidel modelo gaussiano cópula misprices el riesgo de obligaciones de deuda colateralizada.

Véase también

• Especificación (regresión)
• Gestión del riesgo
• Valor en riesgo
• Política de la Reserva Federal de Estados Unidos

Referencias

• Avellaneda, M.; Levy, A.; Parás, A. (1995). "Precios y cobertura de títulos derivados en los mercados con volatilidades inciertos". Finanzas matemática aplicada 2 (2): 73-88. Doi:10.1080/13504869500000005.
• Cont, R. (2006). Modelo incertidumbre y su impacto en los precios de los instrumentos derivados. Matemática financiera 16 (3): 519 – 547. Doi:10.1111/j.1467-9965.2006.00281.x.
• Cont, R.; Deguest, R. (2013). "Equidad correlaciones implicadas por las opciones de índice: estimación y el análisis de incertidumbre modelo". Matemática financiera 23 (3): 496 – 530. Doi:10.1111/j.1467-9965.2011.00503.x.
• Cont, R.; Deguest, r.; Scandolo, G. (2010). "Análisis de robustez y la sensibilidad de los procedimientos de medición de riesgo". Finanzas Cuantitativas 10 (6): 593-606. Doi:10.1080/14697681003685597.
• Crouhy, Michel; Galai, Dan; Mark, Robert (2000). Gestión del riesgo. McGraw-Hill. ISBN0-07-135731-9.
• Derman, Emanuel (1996). Modelo de riesgo. EL RIESGO.
• Lyons, J. T. (1995). "Volatilidad incierta y la síntesis de derivados sin riesgo". Finanzas matemática aplicada 2 (2): 117-133. Doi:10.1080/13504869500000007.
• Rebonato, R. (2001). "Gestión del riesgo de modelo". Manual de gestión de riesgos. FT-Prentice Hall.
• Taleb, Nassim (2006). Engañados por el azar: el papel oculto de la oportunidad en la vida y en los mercados. Wiley. ISBN1-4000-6793-6.

Otras Páginas

• EZ-Frame
• Estilo Chen Tai chi chuan
• LG Optimus Chat
• Medicare y Medicaid extensores acto de 2010
• John Spenkelink
• MyMathLab