lezione 4 modelli per la stima del rischio
TRANSCRIPT
Giovanni Della Lunga
Università degli Studi di Bologna
Modelli di Value-at-Risk con VBA
RiskmetricsTM e CreditmetricsTM
Il capitano dice al mozzo di bordo: “giovanotto, io non vedo niente, c’è solo un po’ di nebbia che annuncia il sole. Andiamo avanti tranquillamente!”
F. De Gregori
“I Muscoli del Capitano”
Introduzione a RiskMetrics
Il mapping dei flussi
Integrare Excel con Access
L’approccio Delta-Gamma
Come Funziona CreditMetrics
Modelli di Value-at-Risk con VBA
RiskmetricsTM e CreditmetricsTM
Come si calcola il VaR
Il calcolo del capitale a rischio nella metodologia VaR richiede i seguenti passi :
misurazione della posizione a rischio (tasso, cambio..) per ogni unità operativa (mark-to-market);
calcolo della volatilità storica o implicita e delle correlazioni fra i fattori di rischio;
valutazione del tempo minimo di liquidazione per tipologia di posizione;
determinazione del livello di probabilità (o intervallo di confidenza).
Il capitale a rischio ovvero la massima perdita potenziale per il livello di probabilità stabilito è dato dalla moltiplicazione delle quattro componenti sopra riportate.
Come si calcola il Value-at-Risk
In condizioni di elevata liquidità dei mercati finanziari e supponendo che le posizioni possano essere smobilizzate in un giorno, la stima della massima perdita probabile prende il nome di DEaR (Daily Earnings at Risk).
Il calcolo del DEaR di un singolo strumento e/o di una posizione richiede la determinazione dei seguenti elementi
il valore di mercato dello strumento o della posizione, che indicheremo con Vx ;
la sensibilità di tale valore alle variazioni dei fattori di rischio dV/dy; la volatilità dei fattori di rischio y ponderata per il livello di confidenza
prescelto nell’ipotesi di normalità della distribuzione dei rendimenti e/o dei cambi.
Come si calcola il Value-at-Risk
L’approccio delta-normal
ydy
dVVDEaR x y
dy
dVVDEaR x
Valore Posizione
Sensitività
Volatilità fattore di rischio
Come si calcola il Value-at-Risk
Ferma restando l’ipotesi di normalità, quando la misura del rischio avviene su un orizzonte temporale di investimento superiore al giorno, la massima perdita potenziale prende il nome di VAR e si calcola moltiplicando il DEaR per la radice quadrata del numero di giorni di detenzione.
Specificando ulteriormente gli elementi introdotti per il calcolo del
DEaR, il valore di mercato si ottiene attualizzando i flussi di cassa
futuri generati dallo strumento o dalla posizione in esame; la
sensibilità del valore di mercato può essere approssimata dalla
duration modificata, limitatamente agli strumenti “interest rate
sensitive” o da un indice di volatilità storica.
Risk Metrics
Un’applicazione della metodologia VAR è consentita
dall’utilizzo del prodotto RiskMetrics che la JP Morgan ha
messo a disposizione degli utenti sul circuito telematico
Internet. Tale prodotto si compone di un dataset di volatilità e
correlazioni giornaliere relative ad un elevato numero di
attività e strumenti finanziari. I dati forniti coprono 25 paesi
relativamente alle seguenti classi di attività: cambi, indici di
borsa, tassi di interesse per diverse scadenze e merci.
Come si calcola il VaR
Obbligazioni Supponiamo di detenere una posizione in Euro pari a 46.6 Milioni in
un (ipotetico) zero coupon bond decennale. Supponiamo di aver stimato che la volatilità del rendimento a
scadenza 10 anni non sia superiore a 1.995% al 90 % di probabilità.
Per calcolare la corrispondente variazione percentuale sul valore da noi posseduto possiamo applicare la seguente formula
y
dyx yy
DVDEaR
1 y
dyx yy
DVDEaR
1
Supponendo che la “modify duration” sia pari a 9.26 e che il tasso di rendimento a 10 anni sia pari a 7.96 otteniamo
Pertanto abbiamo il 10 % di probabilità di perdere, su
questa posizione, più di 685.000 Euro nell’arco di 24 ore
000.685
01995.00796.026.9000.600.46
DEaR
000.685
01995.00796.026.9000.600.46
DEaR
Come si calcola il VaR
Obbligazioni
Come si calcola il VaR: Azioni Il VAR di un titolo azionario è definito come il prodotto del valore di
mercato MV per la volatilità del prezzo ponderata per il livello di confidenza prescelto (per il 90% il fattore di ponderazione è 1.65)
Poiché RiskMetrics non fornisce le volatilità dei singoli titoli, le posizioni in azioni vengono “mappate” rispetto agli indici locali nazionali. La base di questa procedura va ricercata ancora una volta nel CAPM che lega il rendimento di un titolo a quello dell’indice di mercato.
SSMVDEaR 65.1 SSMVDEaR 65.1
Come si calcola il VaR: Azioni E’ possibile suddividere il rischio del titolo nella componente specifica e
in quella sistematica
La componente di rischio specifico può essere resa trascurabile con un’adeguata politica di diversificazione del portafoglio, per cui possiamo scrivere
2222SMSS
2222SMSS
MSS
SS
MV
MVDEaR
65.1
65.1
MSS
SS
MV
MVDEaR
65.1
65.1
Come si calcola il VaR: Opzioni In prima approssimazione si assume che l’opzione possa essere
descritta in termini di “Delta-equivalent”, quest’approssimazione
consiste nel trascurare tutti i termini della precedente equazione tranne
il primo. In questo modo l’opzione viene approssimata come un titolo
con “payoff” lineare.
Nell’approssimazione “Delta-equivalent” il VAR di un’opzione è dato
semplicemente da
tetansottosOpzione VaRVaR tetansottosOpzione VaRVaR
Come si calcola il VaR: Opzioni Possiamo rendere l’approssimazione più precisa includendo
anche il fattore ; in questo caso la standar deviation del prezzo dell’opzione è legata alla varianza del titolo sottostante dalla relazione
In questo caso il VaR dell’opzione non è più una funzione lineare del VaR del sottostante.
22/
22/
22 )(2
1SdSSdSdV SS
22/
22/
22 )(2
1SdSSdSdV SS
Come si calcola il VaR: correlazione fra fattori di rischio In generale, il DEaR di un portafoglio costituito da N titoli, ciascuno dei quali
caratterizzato da un DEaRi ( i = 1, …., N ) è calcolato come segue
dove
TVCVDEaR TVCVDEaR
),...,,( 21 NDEaRDEaRDEaRV
1
1
1
1
N
N
C
N
T
DEaR
DEaR
DEaR
V
2
1
Come si calcola il VaR: correlazione fra fattori di rischio
Anche nel caso in cui i fattori di rischio siano più di uno occorre prendere in
considerazione le correlazioni fra questi ultimi.
Consideriamo come esempio la posizione in uno zero coupon bond decennale in
Euro per un valore complessivo di 46.5 Milioni ma questa volta poniamoci nei panni
di un investitore la cui valuta di riferimento sia il dollaro USA.
In questo caso i fattori di rischio sono due:
1) la volatilità dei rendimenti nella posizione sullo ZCB a 10 anni,
2) la volatilità del cambio EUR/USD.
Il rischio complessivo sarà dato da
FXYFXYFXY abba 10,10222
102 2 FXYFXYFXY abba 10,10
22210
2 2
Come si calcola il VaR: correlazione fra fattori di rischio
La componente dovuta al rischio di tasso è quella calcolata sopra ed è pari a 685.000 EUR,
ipotizzando un livello di cambio EUR/USD pari a 5.402 questa cifra equivale a 126.805 USD.
Supponiamo poi che la volatilità sul tasso di cambio sia pari allo 0.953 % e che la correlazione
fra il rendimento dello ZCB decennale e il tasso di cambio EUR/USD sia pari a –0.0726.
La componente di rischiosità dovuta alla volatilità dei cambi è data dal prodotto fra quest’ultima
e il valore in dollari della posizione
Il rischio complessivo è quindi espresso da
USD b FX 033.8200953,0402,5
000.500.46 USD b FX 033.8200953,0
402,5
000.500.46
USD810.145033.82805.1260726.02033.82805.126 22 USD810.145033.82805.1260726.02033.82805.126 22
Introduzione a RiskMetrics
Il mapping dei flussi
Integrare Excel con Access
L’approccio Delta-Gamma
Come Funziona CreditMetrics
Modelli di Value-at-Risk con VBA
RiskmetricsTM e CreditmetricsTM
I flussi dei diversi mercati devono essere ripartiti su un numero limitato
di scadenze (“buckets”) in modo da preservarne le caratteristiche
finanziarie
Requisiti Uguale Segno dei flussi: se il flusso originario è una posizione lunga
(corta), i flussi trasformati devono essere posizioni lunghe (corte).
Uguale Valore di mercato: il valore di mercato del flusso originario deve
essere uguale al valore di mercato della somma dei flussi trasformati
Uguale Rischio di mercato: la sensibilità al rischio del flusso originario
deve essere uguale alla sensibilità al rischio della somma dei flussi
trasformati
Come si calcola il VaR: il mapping dei flussi
Opzione Fisher-Weil: i due flussi trasformati sono determinati in modo che
la loro somma abbia: (i) lo stesso valore di mercato e (ii) la stessa duration del flusso originario.
Opzione RiskMetrics: i due flussi trasformati sono determinati in modo che
la loro somma abbia: (i) lo stesso valore di mercato e (ii) la stessa volatilità del flusso originario.
Come si calcola il VaRIl mapping dei flussi
I fattori di sconto corrispondenti alle scadenze ti e ti-1 sono noti; il fattore di sconto relativo alla scadenza è ottenuto utilizzando il tasso di rendimento interpolato
Come si calcola il VaRIl mapping dei flussi
iii
ii
ii
it ti
tt
tti
tt
ti
1
11
1
iii
ii
ii
it ti
tt
tti
tt
ti
1
11
1
t
ti
P
1
1
t
ti
P
1
1
Nell’opzione Fisher-Weil i due flussi sono calcolati risolvendo il sistema:
Come si calcola il VaRIl mapping dei flussi
tit
itiit
i1it1i
1it
1i
titi1it1i
Pci1
ttPc
ti1
tttPc
ti1
tt
PctPctPc
tit
itiit
i1it1i
1it
1i
titi1it1i
Pci1
ttPc
ti1
tttPc
ti1
tt
PctPctPc
c1c
cc
i
1i
)(
c1c
cc
i
1i
)(
)()(
)(
)()(
)(
it
i
1it
1i
it
i
t
tPtt
tPtt
tPtt
Pt
)()(
)(
)()(
)(
it
i
1it
1i
it
i
t
tPtt
tPtt
tPtt
Pt
Nel caso di utilizzo dell’opzione RiskMetrics sono necessarie anche le volatilità dei fattori di sconto, o più precisamente dei ritorni, corrispondenti alla classe j e alle scadenze ti e ti-1, nonché la correlazione tra di essi.
Imporre l’eguaglianza della standar deviation comporta due passi
Interpolare la volatilità ignota a partire dalle volatilità dei due buckets adiacenti
Come si calcola il VaRIl mapping dei flussi
1ii a1a )(ˆ 1ii a1a )(ˆ
Imporre che la volatilità così calcolata sia uguale alla volatilità dei due flussi (da determinare) con scadenza uguale ai due buckets adiacenti
Come si calcola il VaRIl mapping dei flussi
21i
21ii1ii
2i
22 112 ,ˆ 21i
21ii1ii
2i
22 112 ,ˆ
221i
21i1ii1ii
1ii1ii2
1i2i
2
c
22b
2a
0cba
ˆ
,
,
221i
21i1ii1ii
1ii1ii2
1i2i
2
c
22b
2a
0cba
ˆ
,
,
Introduzione a RiskMetrics
Il mapping dei flussi
Integrare Excel con Access
L’approccio Delta-Gamma
Come Funziona CreditMetrics
Modelli di Value-at-Risk con VBA
RiskmetricsTM e CreditmetricsTM
Database e DBMS La maggior parte dei sistemi informativi non si affida direttamente al
File System ma ad uno strumento software chiamato Database
Management System (DBMS). Un DBMS può essere visto in prima
approssimazione come uno strato di comunicazione fra applicazioni
e dati.
Lo scambio di informazioni fra applicazione e DBMS avviene
attraverso linguaggi di interrogazione. I comandi sono interpretati
dal DBMS che cerca di soddisfare le richieste (query)
dell’applicazione.
I DBMS si differenziano fra loro in base al meccanismo di
organizzazione logica dei dati, quelli che considereremo nel seguito
sono DBMS relazionali che usano il linguaggio di interrogazione
chiamato SQL.
Visual Basic come del resto Access si appoggia su un motore per Database Relazionali chiamato Microsoft Jet Engine. Il linguaggio di interrogazione usato è SQL.
SQL non è un linguaggio di programmazione vero e proprio, ma i programmi che accedono ai dati sono scritti in altri linguaggi (Visual Basic, C/C++, Java, etc) i quali presentano meccanismi che consentono di inviare query SQL al DBMS e gestirne i risultati.
Il linguaggio SQL
L’istruzione SELECT Il linguaggio SQL fornisce un’istruzione flessibile e potente
per interrogazioni su tabelle: l’istruzione SELECT. Un’interrogazione è un meccanismo che consente di
selezionare colonne e righe di una tabella che soddisfano particolari caratteristiche.
Sintassi
SELECT [predicato] { * | tabella.* | [tabella.]campo1 [AS alias1] [, [tabella.]campo2 [AS alias2] [, ...]]}
FROM espressionetabella [, ...] [IN databaseesterno][WHERE... ][GROUP BY... ][HAVING... ][ORDER BY... ][WITH OWNERACCESS OPTION]
L’istruzione SELECT
Tradotta in italiano una SELECT è una frase che suona pressappoco così:
“seleziona (SELECT) tali attributi <lista-attributi> da (FROM) tali tabelle <lista-tabelle> nelle quali (WHERE) è soddisfatta tale condizione <condizione>”
SELECT Nome, Cognome, Corso FROM
TSTUDENTI WHERE Corso = ‘Finanza’;
L’istruzione INSERT INTO Il comando INSERT INTO consente
l’inserimento di dati all’interno delle tabelle. I dati possono essere specificati direttamente, la sintassi del comando è la seguente
INSERT INTO destinazione [(campo1[, campo2[, ...]])] VALUES (valore1[, valore2[, ...])
ESEMPIO
INSERT INTO Tstudente (matricola, cognome, nome) VALUES (‘0123459’, ‘SEMPRONIO’,’CAIO’)
L’istruzione UPDATE Per modificare dati già presenti all’interno di tabelle,
SQL mette a disposizione il comando UPDATE. La sintassi è la seguente
UPDATE <nome tabella> SET <campo> = <espressione>, … [WHERE
<condizione>]
ESEMPIO:
UPDATE Tarticolo SET prezzo = 0.8*prezzo WHERE prezzo > 50000
Visual Basic & Database L’oggetto Database consente
ai programmi Visual Basic di interfacciarsi con un file di database.
Un Database è un elemento dell’insieme Databases contenuto in un altro oggetto chiamato Workspace.
A sua volta l’oggetto Database contiene altri insiemi di oggetti.
L’oggetto RECORDSET Come dice la parola stessa un Recordset
rappresenta un insieme di record. Proprietà e metodi dell’oggetto consentono di effettuare numerose operazioni come inserimenti, cancellazioni, aggiornamenti, etc.
L’oggetto Recordset è un’interfaccia Visual Basic per l’accesso ai dati.
Il metodo OpenRecordSet applicato ad un oggetto Database crea di fatto un nuovo oggetto RecordSet
L’oggetto RECORDSET LA SINTASSI
Set recordset = object.OpenRecordset (source, type, options, lockedits)
dove
recordset è il nome dell’oggetto Recordset; object è il nome dell’oggetto Database da cui
estrarre l’insieme di record; source è la fonte da dove vengono prelevati i dati. Può
essere una tabella del database oppure un’istruzione SQL di selezione;
L’oggetto RECORDSET Da questo momento in poi l’oggetto Recordset è a nostra
completa disposizione. I record contenuti in RS non sono altro
che le righe della tabella. Grazie alle proprietà e ai metodi
dell’oggetto Recordset è possibile operare sui record e di
conseguenza sulle righe delle tabelle.
Il ciclo di vita di un Recordset è caratterizzato da un puntatore che
referenzia il record corrente. Molte proprietà e metodi operano su
questo record. Ovviamente è possibile spostare il puntatore su
altri record.
Per accedere ad un campo del record corrente si può ricorrere
alla collezione Fields presente all’interno di ogni Recordset.
L’oggetto Recordset
Metodi per la navigazione MoveFirst
il record corrente diventa il primo del Recordset MoveLast
il record corrente diventa l’ultimo del Recordset MoveNext
il record corrente diventa il record successivo MovePrevious
il record corrente diventa il record precedente
Esempio ProgrammazioneVBA
Esempio ProgrammazioneVBA
Il mapping dei FlussiIl mapping dei Flussi
Introduzione a RiskMetrics
Il mapping dei flussi
Integrare Excel con Access
L’approccio Delta-Gamma
Come Funziona CreditMetrics
Modelli di Value-at-Risk con VBA
RiskmetricsTM e CreditmetricsTM
Funzione Caratteristica
la funzione caratteristica di una variabile aleatoria x è definita come
è la Trasformata di Fourier della funzione densità di probabilità
si definisce poi la funzione generatrice dei momenti
dxexf xi )()(
dxexf xi )()(
)()( ,)()( idxexfs sx
)()( ,)()( idxexfs sx
Funzione Caratteristica
Dalla definizione è evidente che
inoltre
il che giustifica il nome di funzione generatrice dei momenti.
xisx eEeEs )( ,)( xisx eEeEs )( ,)(
)()()( )()( nnnsxnn mxE0exEs )()()( )()( nnnsxnn mxE0exEs
Approssimazione Delta-Gamma Assumiamo di avere un derivato sensibile a un solo fattore di rischio
che identificheremo col prezzo del sottostante S. Utilizzando uno sviluppo in serie di Taylor arrestato al secondo ordine
possiamo esprimere la variazione di prezzo dell’opzione in funzione della variazione di prezzo del sottostante come
22
2
2
2
1
2
1SSS
S
VS
S
VV
22
2
2
2
1
2
1SSS
S
VS
S
VV
22
2
1
S
S
V
S
S
S
V
S
V
V 22
2
1
S
S
V
S
S
S
V
S
V
V
Ponendo
V
S
V
Vr
S
Sr
e ˆ , V
S
V
Vr
S
Sr
e ˆ ,
~ ~
S~ S~
22 ~
2
1~
2
1ˆ rrrSrr 22 ~
2
1~
2
1ˆ rrrSrr
Approssimazione Delta-Gamma
A questo punto, il passaggio successivo nella nostra analisi, consiste nel trovare un modo per calcolare la distribuzione di r^ o, quanto meno, per trovarne una buona approssimazione.
Assumiamo che il rendimento del sottostante, r, sia distribuito secondo una normale con media 0 e standard deviation pari a
222 ~
2
1~~
2
1~ˆ rrrrr
222 ~
2
1~~
2
1~ˆ rrrrr
r
r
r
r
2~
~ e
~~ 2~
~ e
~~
Approssimazione Delta-Gamma
Anche ipotizzando che il rendimento del sottostante sia distribuito secondo una normale, il rendimento dell’opzione segue una distribuzione molto diversa. In particolare nell’approssimazione Delta-Gamma che qui stiamo analizzando tale distribuzione è il risultato della combinazione lineare di due variabili di cui la prima è distribuita secondo una Chi-quadrato non centrata e la seconda è una costante;
Non esiste un’espressione in forma chiusa che ci permetta di calcolare semplicemente il percentile corrispondente ad un generico livello di confidenza;
~
~
2
1~
~~
2
1ˆ
22
rr
~
~
2
1~
~~
2
1ˆ
22
rr
Approssimazione Delta-Gamma
Vediamo ora alcuni metodi che permettono di affrontare il problema del calcolo del percentile in maniera sufficientemente generale.
Questi metodi, come vedremo, si basano sul calcolo dei momenti della distribuzione da stimare al fine di approssimarla con una distribuzione di forma nota di cui sia possibile calcolare in maniera semplice il percentile per ogni livello di confidenza desiderato.
Per calcolare i momenti della distribuzione faremo uso della funzione caratteristica.
Approssimazione Delta-Gamma
Se x è distribuita secondo una normale standard allora y data da
Risulta distribuita secondo una chi-quadro non centrata con parametro di non centralità pari a .
2 xy 2 xy
s
s
ss
21exp
21
1)(
2
s
s
ss
21exp
21
1)(
2
Funzione Caratteristica
Funzione Caratteristica
Approssimazione Delta-Gamma
Quindi tenendo conto che la funzione caratteristica di una costante k è semplicemente exp(-ks) e che la funzione caratteristica della combinazione lineare di più variabili è il prodotto delle funzioni caratteristiche, possiamo scrivere l’espressione della funzione caratteristica di r^
~
~
~
~
~1
~2
1
exp~1
1
~
~exp~
~
~1
~2
1
exp~1
1)(
22
22
ˆ
ss
s
s
ss
s
ssr
~
~
~
~
~1
~2
1
exp~1
1
~
~exp~
~
~1
~2
1
exp~1
1)(
22
22
ˆ
ss
s
s
ss
s
ssr
Approssimazione Delta-Gamma
0
)(
s
k
k
k ss
0
)(
s
k
k
k ss
~
~
~
~
~1
~2
1
exp
~
~
~
~
~1
~2
1
~1
1~1
~2
1)(
22
22
2
2/3
ˆ
ss
s
ssss
s r
~
~
~
~
~1
~2
1
exp
~
~
~
~
~1
~2
1
~1
1~1
~2
1)(
22
22
2
2/3
ˆ
ss
s
ssss
s r
2
0
ˆ1
~
2
1~
2
1)( ˆ
s
r ss
r2
0
ˆ1
~
2
1~
2
1)( ˆ
s
r ss
r
Approssimazione Delta-Gamma
2
2
84622
4
6342
3
4222
2
3~
3~~
12
~~~3
~
2
1~
2
2
84622
4
6342
3
4222
2
3~
3~~
12
~~~3
~
2
1~
2
2
42
2/3
2
31
2
2ˆ
r
2
2
42
2/3
2
31
2
2ˆ
r
Approssimazione Delta-Gamma
Le funzioni di Johnson
)( exp)( XfX
Xf
)( exp)( XfX
Xf
)( exp1
exp)( Xf
X
X
Xf
)( exp1
exp)( Xf
X
X
Xf
X
sinhXf )(
X
sinhXf )(
In tutte le funzioni X è una variabile aleatoria distribuita secondo una normale standard. Tutte le funzioni dipendono da quattro parametri , , e . Per ciascuna funzione la determinazione dei parametri avviene imponendo che i primi quattro momenti siano uguali a quelli della distribuzione che intendiamo approssimare.
Approssimazione Delta-Gamma
Dopo aver determinato f(X) possiamo calcolare il VaR semplicemente come
dove z è il percentile di X al livello di confidenza .
)( zfVaR )( zfVaR
Approssimazione Delta-Gamma
Esempio ProgrammazioneVBA
Esempio ProgrammazioneVBA
L’approccio Delta-GammaL’approccio Delta-Gamma
Introduzione a RiskMetrics
Il mapping dei flussi
Integrare Excel con Access
L’approccio Delta-Gamma
Come Funziona CreditMetrics
Modelli di Value-at-Risk con VBA
RiskmetricsTM e CreditmetricsTM
CreditMetricsTM
Proposto da JP Morgan sull’onda del successo di RiskMetrics™
Considera sia il rischio di default che il rischio di deterioramento del merito creditizio della controparte
E’ basato su una logica di valutazione a valori di mercato
Il valore attribuito ad ogni posizione altro non è che il valore attuale dei flussi futuri scontato ad un tasso espressivo del rischio di credito dell’operazione
Il rischio connesso alle variazioni di merito può essere letto attraverso le variazioni del valore di mercato della posizione connesse alla variazione del tasso di attualizzazione dei flussi futuri
Un peggioramento dello standing creditizio implicherà la richiesta da parte del mercato di un tasso di attualizzazione più elevato
CreditMetricsTM
Il livello di rischio della controparte è definito sulla base del suo rating Il rating è la sola discriminante del profilo di rischio della singola esposizione
La possibile evoluzione del profilo di rischio del cliente è rappresentata mediante una matrice (detta matrice di transizione) che esprime la probabilità che una controparte avente un dato rating al tempo t si trovi in ciascuna delle diverse possibili classi di rating al tempo t + 1
I tassi di attualizzazione sono ricavati ricostruendo, per ogni classe di rating, la curva dei tassi forward relativa all’orizzonte temporale sul quale si intende misurare il rischio (tipicamente un anno)
CreditMetricsTM
La matrice di transizione rappresenta la probabilità di una controparte caratterizzata da un certo rating al tempo t …
Ratinginiziale AAA AA A BBB BB B CCC Default
AAA 90.81% 8.33% 0.68% 0.06% 0.12% 0.00% 0.00% 0.00%AA 0.70% 90.65% 7.79% 0.64% 0.06% 0.14% 0.02% 0.00%A 0.09% 2.27% 91.05% 5.52% 0.74% 0.26% 0.01% 0.06%
BBB 0.02% 0.33% 5.95% 86.93% 5.30% 1.17% 0.12% 0.18%BB 0.03% 0.14% 0.67% 7.73% 80.53% 8.84% 1.00% 1.06%B 0.00% 0.11% 0.24% 0.43% 6.48% 83.46% 4.07% 5.20%
CCC 0.22% 0.00% 0.22% 1.30% 2.38% 11.24% 64.86% 19.79%
Matrice di transizione ad un annoRating a fine anno
… di trovarsi in una delle diverse possibili classi di rating al tempo t+1 (tipicamente dopo un anno) …
… oppure di cadere in stato di insolvenza
Come si vede, per ogni classe di rating l’evento più probabile è quello di rimanere nella medesima classe di partenza
CreditMetricsTM
Occorre poi determinare quale tasso di attualizzazione sia associato ad ogni stato;
CM utilizza la curva dei tassi forward zero coupon calcolata alla data di un anno dal momento della valutazione Tale curva può essere calcolata sulla base dei tassi spot riferiti ad ogni
scadenza per ogni classe di rating In questo modo la curva ricavata dipende da un lato dalla term structure dei
tassi a termine e dall’altro dalla struttura per scadenza dei credit spread
Sulla base della curva dei tassi forward per ogni classe di rating è possibile calcolare il valore di mercato di ogni titolo o prestito in corrispondenza ad ogni possibile classe di rating alla data di un anno da quella di valutazione (esempio).
CreditMetricsTM
Procedendo con questa modalità è possibile calcolare il valore di mercato futuro del titolo in corrispondenza di qualsiasi livello di rating.
Ciò che invece non può essere calcolato con questo procedimento è il valore del credito in caso di default In questo caso il valore del prestito viene posto pari ad una percentuale del
valore nominale del prestito che rappresenta la stima dell’ammontare che si presume di recuperare (recovery rate)
In particolare si possono utilizzare delle statistiche legate ai tassi di recupero sui prestiti obbligazionari societari, suddivisi per classi di seniority (ovvero in base alla graduazione dei privilegi nel rimborso dei crediti)
Deviazionestandard
Senior Secured 53.80% 26.86%Senior Unsecured 51.13% 25.45%Senior Subordinated 38.52% 23.81%Subordinated 32.74% 20.18%Junior Subordinated 17.09% 10.90%
Tassi di recupero per classe di seniority (% del valore nominale)
Classe di seniority MediaDeviazionestandard
Senior Secured 53.80% 26.86%Senior Unsecured 51.13% 25.45%Senior Subordinated 38.52% 23.81%Subordinated 32.74% 20.18%Junior Subordinated 17.09% 10.90%
Tassi di recupero per classe di seniority (% del valore nominale)
Classe di seniority Media
CreditMetricsTM
A questo punto per ogni titolo di una determinata classe di rating disponiamo Della matrice di transizione Dei possibili valori associati ad ogni possibile rating finale e all’evento
di default
E’ possibile costruire la distribuzione dei valori del titolo alla data di un anno a partire da oggi!
CreditMetricsTM
Il programma VBA sviluppato effettua il calcolo delle quantità richieste producendo in output la seguente tabella
Tabella 1 - Valori futuri e probabilità ad un anno per un prestito di classe BBBcon Valore Nominale : 100 Tasso : 6 Durata : 5
Rating di fine anno Valore Probabilità Variazione valore prestitoAAA 109.35 0.02% 1.82AA 109.17 0.33% 1.64A 108.64 5.95% 1.11
BBB 107.53 86.93% 0.00BB 102.01 5.30% -5.52B 98.09 1.17% -9.45
CCC 83.63 0.12% -23.91Default 51.13 0.18% -56.40
Calcola
Tabella 1 - Valori futuri e probabilità ad un anno per un prestito di classe BBBcon Valore Nominale : 100 Tasso : 6 Durata : 5
Rating di fine anno Valore Probabilità Variazione valore prestitoAAA 109.35 0.02% 1.82AA 109.17 0.33% 1.64A 108.64 5.95% 1.11
BBB 107.53 86.93% 0.00BB 102.01 5.30% -5.52B 98.09 1.17% -9.45
CCC 83.63 0.12% -23.91Default 51.13 0.18% -56.40
Calcola
CreditMetricsTM
Dalla distribuzione del valore del prestito è immediatamente desumibile anche la distribuzione delle perdite ad esso associate Per determinare la distribuzione delle perdite occorre però fare attenzione alla
determinazione della probabilità associata all’evento “perdite nulle”. In questo caso infatti questo evento ha una probabilità pari alla somma delle probabilità che si verifichino perdite pari a zero e delle probabilità che si verifichino dei guadagni ossia dei casi in cui il prestito migri verso le classi di rating migliori.
Perdite Probabilità0.00 93.23%5.52 5.30%9.45 1.17%23.91 0.12%56.40 0.18%
Perdite Probabilità0.00 93.23%5.52 5.30%9.45 1.17%23.91 0.12%56.40 0.18%
CreditMetricsTM
Come si vede la distribuzione dei valori del prestito e delle relative perdite è tutt’altro che normale;
Le perdite in casi estremi (evidenziate dalle code a destra) sono più probabili rispetto a quelle derivanti da una distribuzione statistica di tipo gaussiano;
Distribuzione valore del Prestito
0.00%
1.00%
2.00%
3.00%
4.00%
5.00%
6.00%
7.00%
8.00%
9.00%
10.00%
109.35 109.17 108.64 107.53 102.01 98.09 83.63 51.13
Distribuzione delle perdite
0.00%
1.00%
2.00%
3.00%
4.00%
5.00%
6.00%
7.00%
8.00%
9.00%
10.00%
0.00 5.52 9.45 23.91 56.40
CreditMetricsTM
I calcoli confermano un marcato allontanamento dai risultati che potremmo aspettarci in caso di distribuzione normale
media 107.07varianza 8.94
Dev. Standard 2.991o perc. Normale 100.101o perc. Effettivo 92.28
media 107.07varianza 8.94
Dev. Standard 2.991o perc. Normale 100.101o perc. Effettivo 92.28
VaR Effettivo = 14.79
VaR Normale = 6.97
Il Value-at-Risk effettivo è più del doppio di quello stimato con l’ipotesi di normalità !!!
CreditMetricsTM
Il rischio di Portafoglio Estendendo la metodologia appena vista al caso di un portafoglio con più
prestiti emerge un ulteriore fattore di rischio: la correlazione fra i vari prenditori;
Maggiore è la correlazione all’interno del portafoglio, più elevato è il rischio; La correlazione tende ad essere elevata per aziende appartenenti allo stesso
settore industriale; Le correlazioni sono sensibili al ciclo economico;
Nel modello CreditMetrics™ si procede alla stima delle correlazioni fra i rendimenti dei prenditori utilizzando come “proxy” i relativi rendimenti azionari;
Si ipotizza pertanto che gli attivi aziendali siano finanziati esclusivamente dal capitale azionario;
Utilizzando queste correlazioni si determina la distribuzione congiunta dei rendimenti dei prenditori;
CreditMetricsTM
Secondo il modello del valore delle attività aziendali proposto da Merton (1974), il default di un’azienda si verifica quando il valore delle sue attività scende al di sotto di un certo livello;
Assumiamo che il tasso di rendimento delle attività aziendali si distribuisca secondo una normale e consideriamo la distribuzione standardizzata;
Se la probabilità di insolvenza per un determinato prenditore i è pari a pi allora il valore soglia di default è dato da
Dove è l’inversa della funzione di densità cumulata di una distribuzione normale standard.
)(1ip )(1
ip(.)1
CreditMetricsTM
Nel caso di un prenditore che si trovi inizialmente nella classe BBB troviamo
Rating di fine anno Valore Probabilità Prob. Cum. SogliaAAA 109.35 0.02% 100.00%AA 109.17 0.33% 99.98% 3.54A 108.64 5.95% 99.65% 2.70
BBB 107.53 86.93% 93.70% 1.53BB 102.01 5.30% 6.77% -1.49B 98.09 1.17% 1.47% -2.18
CCC 83.63 0.12% 0.30% -2.75Default 51.13 0.18% 0.18% -2.91
Rating di fine anno Valore Probabilità Prob. Cum. SogliaAAA 109.35 0.02% 100.00%AA 109.17 0.33% 99.98% 3.54A 108.64 5.95% 99.65% 2.70
BBB 107.53 86.93% 93.70% 1.53BB 102.01 5.30% 6.77% -1.49B 98.09 1.17% 1.47% -2.18
CCC 83.63 0.12% 0.30% -2.75Default 51.13 0.18% 0.18% -2.91
Distribuzione normale standard di un prenditore BBB(fonte: Benninga S. Modelli Finanziari McGraw-Hill 2001)
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
0.45
Rendimento attività
Prob
abili
tà
Default0,18%
CCC0,12%
B1,17%
L'azienda rimane BBB86,93%
A5,95%
AA0,33%
AAA0,02%
ZDef
-2,91
ZCCC
-2,75ZB
-2,18
ZBB
-1,49
ZBBB
1,53ZA
2,70
ZAA
3,54
BB5,30%
Distribuzione normale standard di un prenditore BBB(fonte: Benninga S. Modelli Finanziari McGraw-Hill 2001)
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
0.45
Rendimento attività
Prob
abili
tà
Default0,18%
CCC0,12%
B1,17%
L'azienda rimane BBB86,93%
A5,95%
AA0,33%
AAA0,02%
ZDef
-2,91
ZCCC
-2,75ZB
-2,18
ZBB
-1,49
ZBBB
1,53ZA
2,70
ZAA
3,54
BB5,30%
CreditMetricsTM
A questo punto analizziamo i movimenti dei rendimenti dell’attivo di due prenditori caratterizzati da una determinata misura di correlazione;
Poiché i valori degli attivi non sono osservabili sul mercato, in CreditMetrics™ i coefficienti di correlazione sono stimati sulla base dei prezzi azionari dei prenditori (o di gruppi di prenditori sulla base dell’area geografica e del settore di appartenenza);
Assumiamo che i rendimenti dell’attivo di due prenditori si distribuiscano secondo una distribuzione normale standard bivariata che è funzione dei rendimenti relativi alle varie classi di rating ri ed rj e del coefficiente di correlazione fra i rendimenti degli attivi aziendali :
jijiji rrrrrrf
2
12
1exp
12
1),,( 22
22
jijiji rrrrrrf
2
12
1exp
12
1),,( 22
22
CreditMetricsTM
Esempio: calcolare la probabilità che due prenditori di classe rispettivamente BBB e A restino nella stessa classe iniziale Determinazione delle soglie
Rating di fine anno Valore Probabilità Prob. Cum. SogliaAAA 109.35 0.02% 100.00%AA 109.17 0.33% 99.98% 3.54A 108.64 5.95% 99.65% 2.70
BBB 107.53 86.93% 93.70% 1.53BB 102.01 5.30% 6.77% -1.49B 98.09 1.17% 1.47% -2.18
CCC 83.63 0.12% 0.30% -2.75Default 51.13 0.18% 0.18% -2.91
Rating di fine anno Valore Probabilità Prob. Cum. SogliaAAA 109.35 0.09% 100.00%AA 109.17 2.27% 99.91% 3.12A 108.64 91.05% 97.64% 1.98
BBB 107.53 5.52% 6.59% -1.51BB 102.01 0.74% 1.07% -2.30B 98.09 0.26% 0.33% -2.72
CCC 83.63 0.01% 0.07% -3.19Default 51.13 0.06% 0.06% -3.24
53.149.1 ir 53.149.1 ir
98.151.1 jr 98.151.1 jr
CreditMetricsTM
Calcolo dell’integrale doppio
53.1
49.1
98.1
51.1
jijiji
ABBB
drdrrrrr
rrP
212
1exp
12
1
98.151.1;53.149.1(
2222
53.1
49.1
98.1
51.1 jijiji
ABBB
drdrrrrr
rrP
212
1exp
12
1
98.151.1;53.149.1(
2222
53.1
49.1
98.1
51.1
Il calcolo di questo integrale avviene per via numerica
CreditMetricsTM
L’integrale doppio può essere ricondotto ad un integrale in una singola variabile attraverso le seguenti trasformazioni
1
b
a2
12
2
122
1
1
b
a
2
b
a2
2
122
1
1
b
a
2
b
a2
21
2
2
21
221
22
2
21
1
b
a
2
b
a2
212
22
21
21
b
a
b
a2
212
22
1
dr1
raN
1
rbN
2
r
drdr12
rr
2
r
drdr12
r
12
rrr2r
12
r
drdr12
rr2r
12
r
drdr12
rr2rr
1
1
1
1
2
2
1
1
2
2
1
1
2
2
1
1
2
2
exp
expexp
expexpexp
expexp
exp
1
b
a2
12
2
122
1
1
b
a
2
b
a2
2
122
1
1
b
a
2
b
a2
21
2
2
21
221
22
2
21
1
b
a
2
b
a2
212
22
21
21
b
a
b
a2
212
22
1
dr1
raN
1
rbN
2
r
drdr12
rr
2
r
drdr12
r
12
rrr2r
12
r
drdr12
rr2r
12
r
drdr12
rr2rr
1
1
1
1
2
2
1
1
2
2
1
1
2
2
1
1
2
2
exp
expexp
expexpexp
expexp
exp
CreditMetricsTM
Public Function Prob_congiunta(a1 As Double, a2 As Double, b1 As Double, b2 As Double, _
rho As Double, parti As Integer) As Double
Dim i As Long
Dim intervallo As Double
Dim cumX As Double
Dim cumY As Double
intervallo = (b1 - a1) / parti
cumX = a1
cumY = 0
For i = 0 To parti
With Application.WorksheetFunction
cumY = cumY + .NormDist(cumX, 0, 1, False) * ((.NormDist((b2 - rho * cumX) / Sqr(1 - rho ^ 2), 0, 1, True)) - (.NormDist((a2 - rho * cumX) / Sqr(1 - rho ^ 2), 0, 1, True)))
End With
cumX = cumX + intervallo
Next
Prob_congiunta = cumY * intervallo
End Function
CreditMetricsTM
Effettuando il calcolo per tutte le possibili combinazioni di rating dei due prenditori, otteniamo una tabella che contiene le probabilità di migrazione congiunte
Correlazione 0.2Nr. Parti 100
Soglia AAA AA A BBB BB B CCC DefaultSoglia 4.00 3.12 1.98 -1.51 -2.30 -2.72 -3.19 -3.24 -4.00 TotaleAAA 3.54 0.00% 0.00% 0.02% 0.00% 0.00% 0.00% 0.00% 0.00% 0.02%AA 2.70 0.00% 0.02% 0.30% 0.00% 0.00% 0.00% 0.00% 0.00% 0.33%A 1.53 0.02% 0.29% 5.56% 0.15% 0.01% 0.00% 0.00% 0.00% 6.03%BBB -1.49 0.07% 1.91% 79.74% 4.71% 0.61% 0.21% 0.01% 0.04% 87.31%BB -2.18 0.00% 0.04% 4.67% 0.52% 0.08% 0.03% 0.00% 0.01% 5.36%B -2.75 0.00% 0.01% 1.00% 0.14% 0.02% 0.01% 0.00% 0.00% 1.18%CCC -2.91 0.00% 0.00% 0.10% 0.02% 0.00% 0.00% 0.00% 0.00% 0.12%Default -4.00 0.00% 0.00% 0.15% 0.03% 0.01% 0.00% 0.00% 0.00% 0.18%
Totale 0.09% 2.28% 91.53% 5.55% 0.74% 0.26% 0.01% 0.06% 100.53%
Probabilità di migrazione congiunte per due prenditori
Prenditore 2Prend. 1
Correlazione 0.2Nr. Parti 100
Soglia AAA AA A BBB BB B CCC DefaultSoglia 4.00 3.12 1.98 -1.51 -2.30 -2.72 -3.19 -3.24 -4.00 TotaleAAA 3.54 0.00% 0.00% 0.02% 0.00% 0.00% 0.00% 0.00% 0.00% 0.02%AA 2.70 0.00% 0.02% 0.30% 0.00% 0.00% 0.00% 0.00% 0.00% 0.33%A 1.53 0.02% 0.29% 5.56% 0.15% 0.01% 0.00% 0.00% 0.00% 6.03%BBB -1.49 0.07% 1.91% 79.74% 4.71% 0.61% 0.21% 0.01% 0.04% 87.31%BB -2.18 0.00% 0.04% 4.67% 0.52% 0.08% 0.03% 0.00% 0.01% 5.36%B -2.75 0.00% 0.01% 1.00% 0.14% 0.02% 0.01% 0.00% 0.00% 1.18%CCC -2.91 0.00% 0.00% 0.10% 0.02% 0.00% 0.00% 0.00% 0.00% 0.12%Default -4.00 0.00% 0.00% 0.15% 0.03% 0.01% 0.00% 0.00% 0.00% 0.18%
Totale 0.09% 2.28% 91.53% 5.55% 0.74% 0.26% 0.01% 0.06% 100.53%
Probabilità di migrazione congiunte per due prenditori
Prenditore 2Prend. 1
In questo esempio abbiamo ipotizzato una correlazione pari a 0.2
CreditMetricsTM
Dobbiamo ora calcolare il valore attuale delle esposizioni delle attività dei due prenditori. Il calcolo è analogo a quello visto precedentemente, si tratta semplicemente di attualizzare i flussi futuri con le appropriate curve dei tassi forward. Ad esempio ipotizzando due strutture di prestito del tipo Prenditore 1 : rating BBB, valore nominale 100, cedola 6%, scadenza 5 anni Prenditore 2: rating A, valore nominale 100, cedola 5%, scadenza 3 anni
Otteniamo
Rating di fine anno Valore 1 Valore 2AAA 109.35 106.59AA 109.17 106.49A 108.64 106.30
BBB 107.53 105.64BB 102.01 103.15B 98.09 101.39
CCC 83.63 88.71Default 51.13 51.13
Rating di fine anno Valore 1 Valore 2AAA 109.35 106.59AA 109.17 106.49A 108.64 106.30
BBB 107.53 105.64BB 102.01 103.15B 98.09 101.39
CCC 83.63 88.71Default 51.13 51.13
CreditMetricsTM
Combinando i dati fin qui calcolati siamo in grado di calcolare media, varianza e percentile della distribuzione di valori. Nel nostro caso otteniamo
Media = 213.26 Varianza = 10.97 St. Deviation = 3.31
VaR = ?
CreditMetricsTM
Quando il portafoglio è composto da più attività i calcoli diventano ovviamente più complessi;
CreditMetrics™ propone un metodo basato sulla simulazione Monte Carlo. Questo metodo si suddivide in tre fasi
Generazione di vari scenari che corrispondono ai possibili “stati del mondo” (ossia alle classi di rating dei nostri prenditori) che possono verificarsi alla fine dell’orizzonte temporale di riferimento (1 anno)
Valutazione del portafoglio in ogni scenario Sintesi dei risultati ottenuti attraverso il calcolo delle statistiche
di rischio del portafoglio
CreditMetricsTM
Generazione degli scenari Consideriamo un portafoglio composto da 3 prestiti così costituito
$4mil., BBB rating, senior unsecured (tasso recupero 51,13%), cedola 6%, scadenza 5 anni
$2mil., A rating, senior unsecured (tasso recupero 51,13%), cedola 5%, scadenza 3 anni
$1mil., CCC rating, senior unsecured (tasso recupero 51,13%), cedola 10%, scadenza 2 anni
Prestito 1
Prestito 2
Prestito 3
CreditMetricsTM
Il primo passo consiste, come prima, nel calcolo delle probabilità di migrazione e delle soglie dei rendimenti dell’attivo
p i cumul z i p i cumul z i p i cumul z i
AAA 0.02 100.00 0.09 100.00 0.22 100.01AA 0.33 99.98 3.54 2.27 99.91 3.12 0.00 99.79 2.86A 5.95 99.65 2.70 91.05 97.64 1.98 0.22 99.79 2.86
BBB 86.93 93.70 1.53 5.52 6.59 -1.51 1.30 99.57 2.63BB 5.30 6.77 -1.49 0.74 1.07 -2.30 2.38 98.27 2.11B 1.17 1.47 -2.18 0.26 0.33 -2.72 11.24 95.89 1.74
CCC 0.12 0.30 -2.75 0.01 0.07 -3.19 64.86 84.65 1.02Default 0.18 0.18 -2.91 0.06 0.06 -3.24 19.79 19.79 -0.85
RatingAzienda 1 (BBB) Azienda 2 (A) Azienda 3 (CCC)
Probabilità di migrazione (%) e soglie dei rendimenti dell'attivo
p i cumul z i p i cumul z i p i cumul z i
AAA 0.02 100.00 0.09 100.00 0.22 100.01AA 0.33 99.98 3.54 2.27 99.91 3.12 0.00 99.79 2.86A 5.95 99.65 2.70 91.05 97.64 1.98 0.22 99.79 2.86
BBB 86.93 93.70 1.53 5.52 6.59 -1.51 1.30 99.57 2.63BB 5.30 6.77 -1.49 0.74 1.07 -2.30 2.38 98.27 2.11B 1.17 1.47 -2.18 0.26 0.33 -2.72 11.24 95.89 1.74
CCC 0.12 0.30 -2.75 0.01 0.07 -3.19 64.86 84.65 1.02Default 0.18 0.18 -2.91 0.06 0.06 -3.24 19.79 19.79 -0.85
RatingAzienda 1 (BBB) Azienda 2 (A) Azienda 3 (CCC)
Probabilità di migrazione (%) e soglie dei rendimenti dell'attivo
CreditMetricsTM
Come abbiamo già detto nel modello CreditMetrics™, che si ispira al modello di Merton, i rendimenti logaritmici dell’attivo di ogni singola azienda si distribuiscono secondo una normale standard, quelli di due aziende secondo una normale bivariata e, quelli di n aziende secondo una normale multivariata;
Questi movimenti congiunti sono caratterizzati da una certa misura di correlazione che, nel modello CreditMetrics™ viene derivata dai prezzi azionari delle società in portafoglio.
Azienda 1 Azienda 2 Azienda 3Azienda 1 1.0 0.3 0.1Azienda 2 0.3 1.0 0.2Azienda 3 0.1 0.2 1.0
Matrice di correlazioneAzienda 1 Azienda 2 Azienda 3
Azienda 1 1.0 0.3 0.1Azienda 2 0.3 1.0 0.2Azienda 3 0.1 0.2 1.0
Matrice di correlazione
CreditMetricsTM
Per la determinazione della correlazione si può procedere nel modo seguente
Esprimiamo il rendimento della singola società, sulla base di un modello multifattoriale, come funzione del rendimento di alcuni indici azionari rappresentativi di paese/settore e di una componente specifica;
Sulla base delle correlazioni tra i diversi indici di paese/settore, determinare le correlazioni fra i rendimenti delle attività di due controparti da utilizzare ai fini della simulazione
CreditMetricsTM
Ad esempio si considerino due imprese A e B il cui rendimento azionario può essere scomposto come
I1, I2 e I3 rappresentano tre indici di settore/paese che consentono di
spiegare i rendimenti azionari di A e B, r’A r’B la componente di
rischio specifico dei singoli titoli e i coefficienti w identificano i pesi attribuiti a ciascuna controparte.
E’ possibile a questo punto calcolare la correlazione fra i rendimenti di A e B sulla base della correlazione fra i diversi fattori;
BBBB
AAAAA
rwIwr
rwIwIwr
,23,1
,32,21,1
BBBB
AAAAA
rwIwr
rwIwIwr
,23,1
,32,21,1
CreditMetricsTM
Le componenti idiosincratiche del rendimento dei due titoli sono ipotizzate indipendenti dalle rimanenti variabili quindi la loro correlazione con qualsiasi altro indice è pari a 0
Per ottenere gli scenari occorre generare numeri casuali distribuiti secondo una normale standard ma con correlazione assegnata pari alla matrice di correlazione ricavata dai proxy di mercato
Per questo si può ricorrere al metodo della decomposizione di Cholescky
3221 ,,1,2,,1,1, IIBAIIBABA wwww 3221 ,,1,2,,1,1, IIBAIIBABA wwww
CreditMetricsTM
Dopo aver determinato la decomposizione di Cholescky dalla matrice di correlazione procediamo alla generazione dei numeri casuali correlati in 4 stadi Iniziamo con la generazione di numeri casuali normali standard
non correlati; Moltiplichiamo ogni vettore per la matrice di Cholescky Associamo questi scenari dei rendimenti alle varie classi di rating
in quanto ogni variazione dei rendimenti comporta il cambiamento dei valori soglia;
E’ possibile simulare la migrazione del rating del singolo emittente confrontando i valori estratti dalla distribuzione aleatoria con i valori soglia determinati per ogni classe di rating. In funzione dell’intervallo nel quale il valore estratto cade è possibile determinare il rating del singolo soggetto per ogni giro della simulazione.
Infine determiniamo il valore delle esposizioni delle 3 attività finanziarie per ogni classe di rating.
CreditMetricsTM
Valorizzazione dell’esposizione Analogamente a quanto descritto in precedenza il valore di ogni
esposizione nelle varie classi di rating è uguale al valore attuale dei flussi di cassa futuri scontati agli appropriati fattori di sconto forward;
L’unica eccezione riguarda il valore dell’esposizione in caso di default che si considera pari ad una percentuale di recupero sul valore nominale dell’esposizione
Gli autori di CreditMetrics™ ipotizzano che il recovery rate si distribuisca secondo una distribuzione Beta, che può variare fra 0 ed 1 ed è caratterizzata da due parametri alfa e beta, che sono funzione della media e della deviazione standard della distribuzione stessa
2
22 )(
2
22 )(
)1(
)1(2
22
)1(
)1(2
22
CreditMetricsTM
Conclusioni Il modello CreditMetrics™ consente di stimare il Value-at-Risk (VaR)
relativo al rischio di credito delle attività finanziarie (obbligazioni, prestiti bancari, etc…);
In particolare si perviene all’identificazione della massima perdita potenziale del portafoglio su un orizzonte temporale predefinito e in base ad un certo intervallo di confidenza;
Questo modello richiede molti input di base tra cui Un sistema di rating interno per la classificazione dei prenditori in classi di
rischio Una matrice di transizione che fornisce le probabilità di transizione da una
classe di rating ad un’altra I tassi forward ad un anno per ogni classe di rating necessari per
l’attualizzazione dei flussi di cassa futuri dell’esposizione I tassi di recupero sull’esposizione suddivisi per classi di seniority
CreditMetricsTM
L’importanza di questo modello è stata recentemente ribadita dal Comitato di Basilea sulla Vigilanza Bancaria che lo ha adottato come riferimento metodologico per la determinazione dei nuovi coefficienti di adeguatezza del capitale delle istituzioni finanziarie a fronte del rischio di credito.
Limiti del modello CreditMetrics
1) Per risalire dalla probabilità osservata a quella usata nel modello di Merton è necessario conoscere volatilità dell'attivo e prezzo di mercato del rischio
2) La correlazione tra i valori dell'azienda, che è ricavata dalla correlazione tra i valori dell'equity, può essere significativamente distorta dalla presenza di leverage"
Testi di riferimento S. Benninga
Modelli Finanziari McGraw-Hill, 2001 U. Cherubini, G. Della Lunga
Il Rischio Finanziario McGraw-Hill, 2001 U. Cherubini, G. Della Lunga
Matematica Finanziaria, applicazioni con VBA per Excel McGraw-Hill, 2002 A. Resti (a cura di)
Misurare e Gestire il Rischio di Credito nelle Banche Alpha Test, 2001 F. Saita
Il risk management in banca EGEA, 2000 A. Sironi, M. Marsella (a cura di)
La misurazione e la gestione del Rischio di Credito Bancaria Editrice, 1998