Red de conocimiento de divisas - Preguntas y respuestas sobre acciones - Casos de prueba para pruebas de estrés

Casos de prueba para pruebas de estrés

Caso: En 2006, la HKMA llevó a cabo una prueba de resistencia sobre la exposición al riesgo crediticio de la industria bancaria minorista de Hong Kong ante shocks macroeconómicos. Los resultados del análisis muestran que existe una clara correlación entre las tasas de incumplimiento de los préstamos bancarios y factores macroeconómicos clave (incluido el PIB de Hong Kong, las tasas de interés, los precios de la vivienda y el PIB continental).

El resultado de la prueba es que el banco puede seguir obteniendo beneficios con un nivel de confianza del 90%, lo que indica que el riesgo crediticio es pequeño. En casos extremos, algunos bancos enfrentarán pérdidas con un nivel de confianza del 99% en el VaR, pero la probabilidad de que ocurra un caso tan extremo es muy baja. Esto es sólo una advertencia.

El proceso de prueba se divide en los siguientes pasos:

El primer paso: definir el modelo.

Paso 2: Estimación del modelo.

Paso 3: Análisis de los resultados de la estimación del modelo.

Paso 4: Diseñar escenarios de impacto.

Paso 5: Construir la distribución de frecuencias.

Paso 6: Calcular la media y el VaR.

Paso 7: Medir el impacto en la rentabilidad bancaria.

El proceso se resume en siete pasos, incluyendo los siguientes aspectos del cálculo de la rentabilidad. El primer paso es definir el modelo. Hay variables independientes y variables dependientes en el modelo, y se definen cuatro variables dependientes. La variable dependiente es que requiere observar la tasa de incumplimiento crediticio. Su definición de tasa de incumplimiento es la siguiente: préstamos vencidos por más de 3 meses y el monto total de los préstamos. Me pregunto si los bancos utilizan esos datos como tasa de incumplimiento. Estos datos también son difíciles de calcular. Por lo general, los datos publicados siguen siendo el índice de préstamos morosos y la definición de tasa de incumplimiento no es precisa. Algunas definiciones incluyen los reembolsos normales en el período anterior pero no los reembolsos normales en el período siguiente, por lo que existen varias definiciones de tasas de incumplimiento. Después de todo, hubo demasiadas razones políticas para la desinversión de bancos comerciales en los últimos años. Tal vez haya algo abrumador en esta serie temporal, que hay demasiada ambigüedad.

Mira este modelo de estimación. Se trata de datos de bancos minoristas desde abril de 1994 hasta junio de 2006. El frente es la variable independiente, que es el resultado de la estimación de datos históricos, incluidas las variables de parámetros. En la parte inferior están las observaciones y el número de pruebas.

Se puede observar que su signo es consistente, porque la tasa de incumplimiento se deriva de la función Log, por lo que cuanto mejor sea el entorno económico, mayor será la calidad de los activos. En este caso, el valor del VaR debería ser. El inferior. Se puede ver que esto está relacionado positivamente con el crecimiento económico, los precios inmobiliarios y las tasas de interés.

Al mismo tiempo, como se mencionó anteriormente, en realidad hay muchos términos de rezago de segundo orden en las variables independientes, que se obtienen después de eliminar los términos de rezago de primer orden. Originalmente muchas otras variables relevantes no estaban enumeradas, por lo que este es el resultado final de la simulación. Después de simular esta ecuación, el siguiente paso es configurar el escenario de impacto. Comienza diseñando el modelo, estimando el modelo y finalmente incorporando nuevos datos a nuestro modelo. Esto consiste en incorporar la primera variable independiente al modelo y convertirla en una nueva variable dependiente. Entonces, ¿qué pasa con las nuevas variables independientes? Por ejemplo, ¿cuál es nuestro impacto después de un shock en nuestra economía? De hecho, es similar a una crisis económica, con cuatro puntos de impacto. Una son las cuatro variables independientes que acabo de mencionar, que tienen un impacto en cada variable. El primero es el cambio en el PIB real de Hong Kong, el segundo es el cambio en el PIB real de China continental, así como las tasas de interés y el sector inmobiliario. No sólo cambia la variable independiente en el período actual, sino que en realidad extiende el tiempo, convirtiendo el tiempo de impacto en dos años. Entonces, ¿cuánto debería cambiar esta presión después de la crisis financiera? El tipo de interés fue de 306 puntos básicos en el cuarto trimestre de 1997, cayó en los dos trimestres siguientes y aumentó 365.438+04 puntos básicos en el cuarto trimestre. Se puede ver que al principio era más de 300 puntos básicos, luego no hubo cambios en los dos trimestres siguientes y luego volvió a subir en el cuarto trimestre, lo que fue similar al impacto de la crisis financiera asiática en ese momento. tiempo.

Luego, el siguiente paso es la simulación, porque después de ingresar estos datos en el modelo, se puede calcular una nueva distribución de probabilidad a partir de los datos simulados. Por supuesto, también se supone que no habrá impacto después del cuarto trimestre. La trayectoria futura de la tasa de interés de incumplimiento se simula 10.000 veces en cada escenario del período base y escenario de estrés. Con la nueva distribución de frecuencia, podemos construir una distribución de frecuencia de nuestras tasas de pérdida crediticia. Acabamos de simular la distribución de frecuencia de las tasas de incumplimiento y nuestros datos de porcentaje de pérdida deben ser la tasa de incumplimiento multiplicada por la tasa de LGD. Los datos que definen la pérdida en caso de incumplimiento son controvertidos. ¿Cómo determinarlo? Sin estadísticas adecuadas, el valor de la información de mercado suele fijarse en el 50%. Según BASELII, la LGD es del 45%, pero esta cifra no es muy razonable. Entonces la fórmula se define como el mínimo del 2%.

De esta manera, la LGD se puede multiplicar por la tasa de incumplimiento que acabamos de calcular, de modo que podamos obtener datos de distribución de frecuencia de la tasa de pérdida crediticia. Después del shock, en realidad cambiamos la frecuencia hacia la derecha y podemos ver un aumento en la frecuencia de los datos de alto porcentaje de pérdida crediticia, que originalmente se desplazó hacia afuera, por lo que podemos ver la frecuencia de los datos de alto porcentaje de pérdida crediticia. ha aumentado, la frecuencia de porcentajes más pequeños de pérdidas crediticias ha disminuido.

Al calcular la distribución, podemos calcular el promedio del porcentaje de pérdida crediticia y también calcular la probabilidad de sufrir una pérdida, lo que nos permite hacer juicios tan precisos. Este es el resultado calculado y su valor promedio es el siguiente: primero, no hay porcentaje de pérdida crediticia en el período base, el valor promedio es 0,34, el shock del PIB en el período de estrés es 1,59, el shock del precio de la vivienda es 1,21, el shock de la tasa de interés es de 0,71 y el shock económico del continente es de 0,73. El porcentaje de pérdida crediticia del 90% en VAR es este dato. A medida que aumenta el intervalo de confianza, el porcentaje de pérdida también aumenta. El último es del 99,99%, que es bastante alto en este momento. Los dos últimos se acercan al 10% y el primero ha superado el 10%.

Con un nivel de confianza del 90%, se puede observar que menos del 3% es tolerable. En el 99% de los casos, el valor ya es relativamente alto, 3,22 es el valor más bajo y el valor más alto es 5,56, que debería ser relativamente alto. Esto es consistente con la situación un año después de la crisis financiera, por lo que es más realista considerar los períodos de impacto actuales y prolongados al realizar pruebas de estrés. El cálculo aquí es que antes de la crisis financiera asiática, el banco podía calcular una tasa de pérdida de préstamos bancarios del 1,4%, con una tasa de pérdidas de préstamos que aumentaba al 6,0%, pero esta estimación se basa en una LGD estimada del 70%. Esto plantea entonces la cuestión de si esto es razonable, lo que puede ser necesario considerar en el momento de la prueba.

El último paso es medir el impacto del shock en la rentabilidad bancaria. Tal vez la dirección del banco piense: ¿cuál es el valor o la probabilidad del VaR? ¿Qué tan grande es probable que sea en un período de confianza del 90%? ¿Qué tan grande es en un 99%? ¿Qué tan grande es en términos de rentabilidad? ¿Cuánto han caído las ganancias? ¿Puedes darme esos datos? Entonces podrás calcularlos mediante cálculo. Si acepta el cálculo anterior, este es el porcentaje de pérdidas crediticias. Según este cálculo, la pérdida debe ser igual al porcentaje de pérdida del préstamo multiplicado por el saldo del préstamo. es el cambio en la rentabilidad bancaria después del shock. En primer lugar, si no hay incumplimiento, entonces la ganancia después de su impacto futuro debería ser la misma que la del período actual o el período base. Si mi ganancia es de 3 mil millones y no hay incumplimiento después del impacto, entonces la ganancia es la misma. Si hay un impacto, si me caigo, por mucho que caiga, será una pérdida.

Supongamos que hay un banco con una ganancia antes de provisiones de 3 mil millones de dólares de Hong Kong y un saldo de préstamos de 654,38+03 mil millones de dólares de Hong Kong. Suponiendo que un banco sea tan grande, el porcentaje de pérdidas crediticias anterior se puede utilizar para medir en qué medida se verá afectada su rentabilidad en diferentes intervalos de confianza después del shock. Este es el resultado.

La unidad está en millones, los datos positivos indican ganancias y los datos negativos indican pérdidas. Cuando la gerencia vea esta tabla, puede darles una mejor idea de cuánta pérdida puede haber incurrido el banco.

Por ejemplo, dentro del rango del 90%, los bancos perderán 8,82 billones de dólares de Hong Kong bajo el impacto del PIB de Hong Kong. Entonces, esto es 99,99%, lo que significa que la probabilidad de que esto suceda es muy alta, porque el intervalo de confianza es 99,99%, que es una probabilidad de 0,001%, y la pérdida alcanza los 13,3 mil millones. En diferentes intervalos de confianza, las pérdidas son diferentes. Mirando hacia atrás, si no hubo simulación, fue sólo una hipótesis. ¿Cuál es el PIB hipotético? Se acaba de mencionar. Desde el frente, puedes ver cuáles son los datos del PIB y cuánto son para cada trimestre. Sin simulación, podríamos simplemente traer estos datos nuevamente al modelo y simplemente calcular una cifra de porcentaje de préstamo. Mediante simulación sabemos cuál es su media y cuál es en diferentes intervalos de confianza. De esta manera, la gerencia puede sentirse más despierta. Por ejemplo, no hubo un impago de 2.554 millones en el período base, lo cual es bastante bueno. Si haces una prueba de estrés y entregas esta hoja a la dirección, tendrás una idea clara de cuánto es el daño.

Finalmente, hay un dicho que dice que con un nivel de confianza del 90%, el valor VaR es 8,82 millones. Si el valor del VaR es relativamente grande con un nivel de confianza del 99%, la probabilidad de que se produzca un escenario tan extremo en el VaR es del 1%.

上篇: La tarjeta de compras de los grandes almacenes Nanning Xinmeng no se puede utilizar 下篇: Base de pago de la seguridad social de Nanchang 2016
Artículos populares