Kreditrisk Modellering av de nya kapitaltäckningsreglerna

Storlek: px
Starta visningen från sidan:

Download "Kreditrisk Modellering av de nya kapitaltäckningsreglerna"

Transkript

1 Kungliga Tekniska Högskolan Institutionen för matematik Examensarbete Kreditrisk Modellering av de nya kapitaltäckningsreglerna av Marcin Ciolek Examinator: Harald Lang Handledare: Per Jäderberg Utfört vid: Emric AB Institution för matematisk statistik Stockholm, maj 2002.

2 Credit risk Modelling of the New Basel Capital Accord Abstract This report is a part of my thesis work at Emric AB. The main objective was to become engrossed in credit risk models for a credit portfolio and develop blue prints for credit risk software compliable with the New Basel Capital Accord. The report begins with a briefly introduction to the accord, where the Standardised Approach is described. Furthermore two industry-dominant credit risk models (CreditMetrics and CreditRisk+) are presented as a base to build up the one-factor model used by Basel in its Internal Rating Based Approach. The Basel model confirms that the most difficult part of credit risk modeling is determination of default correlations. Finally framework for estimation of risk parameters (e.g. probability of default) is introduced together with four numerical algorithms to estimate the parameters, required to estimate overall one-year loss distribution of the portfolio. 2

3 Kreditrisk Modellering av de nya kapitaltäckningsreglerna Förord Detta examensarbete är utfört vid institutionen för Matematisk Statistik vid Kungliga Tekniska Högskolan i samarbete med Emric AB. Jag vill rikta ett stort tack till mina båda handläggare: Harald Lang på KTH för en värdefull hjälp med de matematiska aspekter i arbetet samt Per Jäderberg på Emric AB för kontinuerligt stöd och bistånd med sina kunskaper om kreditmarknaden. 3

4 Kreditrisk Modellering av de nya kapitaltäckningsreglerna Innehållsförteckning 1 Inledning Bakgrund Syfte Utförande Layout De nya kapitaltäckningsregler Beskrivning av reglerna Minimikrav på kapital Uträkning av kreditrisk Kreditriskmodeller Allmänna frågeställningar CreditMetrics CreditRisk Sammanfattning över modellerna En-faktor modell Uträkning av kapitalkrav enligt internmetoden Indelning i delportföljer Beräkning av kreditrisk i varje segment Summera alla delportföljer Uppskattning av kreditriskparametrar Basels ramverk för uppskattning av parametrar Segmenteringsprocessen Indelningsalgoritmer Tidigare empiriska undersökningar A Appendix A.1 Ratings A.2 Antal defaults vid oberoende krediter i CreditRisk Referenser

5 1 Inledning Inledningskapitlet innehåller en kort introduktion till ämnet bestående av en bakgrundsbeskrivning av internationella regler för kreditrisk. Senare presenteras detta examensarbetes syfte och sätt på vilket det har blivit utfört. Sist anges arbetets layout där det kort sammanfattas alla kapitel. 1.1 Bakgrund En god stabilitet på finansmarknaden är en grundläggande förutsättning för långsiktig ekonomisk tillväxt. Många erfarenheter visar att problem inom finanssektorn lätt sprider sig till andra sektorer och resulterar i en allmän konjunktursnedgång (Asienkrisen, fastighetskrisen i Sverige). En viktig faktor främjande finansmarknadens stabilitet är god tillgång till likvida medel, där banker och andra kreditinstitut spelar huvudrollen. Därför är det av stor vikt för hela ekonomin att dessa organisationer är stabila och alltid kan fullgöra sina åtaganden. Detta upptäcktes tidigt av de reglerande myndigheterna i varje land. Man införde krav på bankerna, så att de inte tar på sig alltför stora ekonomiska risker, vilket i extrema fall skulle kunna leda till kollaps. År 1988 gav Bank of International Settlements (BIS) ut internationella rekommendationer för sådana krav, så kallade kapitaltäckningsregler. Tack vare att dessa regler var enkla och schablonmässiga blev de snabbt internationellt framgångsrika och över 100 länder har valt att införa dem i sin egen lagstiftning. Under senaste decenniet har forskningen gjort stora framsteg inom värdering och hantering av risk. Samtidigt har finansmarknaden utvecklats och ställt allt större krav på sina aktörer och övervakare, på grund av alltmer komplicerade transaktioner. Därför tog BIS återigen initiativet att utforma nya rekommendationer för kapitaltäckning, som skall vara mer fokuserade på de enskilda bankernas riskprofiler. Målet är att det nya förslaget, The New Basel Capital Accord, också blir brett implementerat för att främja sund riskhantering samt erhålla samma grundförutsättningar för alla banker i hela världen. 1.2 Syfte Detta examensarbete är gjort på Emric AB, som utvecklar affärssystem för kredit- och kapitalmarknaden. Uppgiften bestod av att skaffa sig ett inblick i kreditriskmodeller med särskild vikt på kreditriskreglerna inom det nya Basel-förslaget. Vidare skulle Baselreglerna modelleras med hjälp av statistiska teorier så att de kan implementeras i Emrics kredithanteringssystem. 1.3 Utförande Examensarbetet består av en omfattande litteraturstudie som resulterar i kartläggning av de olika kreditriskmodeller som idag används i den akademiska såväl som i den kommersiella världen. Studien koncentreras speciellt på de frågeställningarna som är aktuella inom de nya Basel-reglerna. Examensarbetet utmynnar i ett förslag till hur man skall hantera dem med hjälp av statistiska metoder. 5

6 Vid planeringsstadiet av arbetet var även numeriska körningar inkluderade i uppgiften. Dessa körningar skulle utgöra exempel på hur man kan uppskatta kreditkvalitet i en kreditportfölj. På grund av att inte någon av de frågade svenska aktörerna på kreditmarknaden disponerade över fullständiga kreditdata har dock ingen numeriskt studie genomförts. I stället anges förslag hur kreditkvalitet kan uppskattas med hjälp av diverse matematiska metoder, så att dessa körningar kan utföras när bankerna har samlat in nödvändig data. 1.4 Layout Kapitel 1 innehåller en kort introduktion till ämnet bestående av en bakgrundsbeskrivning av internationella regler för kreditrisk. Senare presenteras detta examensarbetes syfte och sätt på vilket det har blivit utfört. Sist anges arbetets layout där det kort sammanfattas alla kapitel. Kapitel 2 ger en introduktion till kapitaltäckningsregler. Efter en kort redogörelse av innehålllet i det nya Basel-förslaget följer en beskrivning av schablonmetoden för beräkning av kapitaltäckning med ett enkelt räkneexempel. Kapitel 3 ägnas åt beskrivning av olika riskmodeller för kreditportföljer. Först ges en allmän bild av begreppet kreditrisk för att senare gå genom två stora kreditriskmodeller, som används både inom den akademiska världen och för kommersiella syften. Sist i kapitlet härleds en modell som direkt leder till kvantifering av kreditrisk i Basels internmetod. Kapitel 4 sammanfattar internmetoden för beräkning av kapitaltäckning. Denna modell har för avsikt att exakt återspegla bankens kreditrisk genom en ingående analys av kreditportföljen. I första delen redogörs hur man delar upp krediterna i risksegment för att senare i kapitlet presentera formlerna för själva riskberäkningen. Kapitel 5 beskriver kortfattat krav på uppskattningar av riksparametrar från Baselkommittén. Utifrån dessa krav ställs det upp en modell för uppskattning av PD. Slutligen presenteras det några algoritmer (probit/logit, CART, neurala nätverk och k-nearest neighbors) som kan användas för uppskattningen av PD. 6

7 2 De nya kapitaltäckningsregler I det här kapitlet ges en introduktion till kapitaltäckningsregler. Efter en kort redogörelse av innehålllet i det nya Basel-förslaget följer en beskrivning av schablonmetoden för beräkning av kapitaltäckning med en enkel räkneexempel. I juni 1999 kom Basel-kommittén med sitt första utkast till de nya kapitaltäckningsreglerna. Allt beskrivet i detta arbete är baserat på de senaste tidskrifterna från BIS 1 från januari Just nu förs det en dialog mellan kommittén och industrin för ett slutgiltig utformning av reglerna. därför kan vissa detaljer beskrivna i det här arbetet fortfarande undergå smärre förändringar i de slutgiltiga regler, vilka kommittén har för avsikt att vara klar med under innevarande år. Dessa regler skall implementeras internationellt år Beskrivning av reglerna Basel-kommittén har följande mål för kapitaltäckningsreglerna: - att bidra till stabiliteten i det internationella finansiella systemet genom att bankernas kapitalisering ligger på säker nivå - att bidra till att banker i olika länder har samma konkurrensförutsättningar genom att de lyder under samma regler - att öka riskkänsligheten i banksystemet genom att låta kapitalkraven återspegla risker i varje banks egen verksamhet Det nya Basel-förslaget är uppbyggt av tre huvudmoment ( pelare ), vilka beskriver olika aspekter av kapitalkrav och dess redovisning: Pelare 1 Kapitalkrav Pelare 2 Krav på aktiv tillsyn Pelare 3 Krav på information och genomlysning Pelare 1 beskriver tillvägagångssättet för att räkna ut minimalt kapitalbehov, som varje bank behöver för att ha rådrum om det inträffar oväntat stora kreditförluster. Pelare 2 är mycket mer kvalitativ och handlar om ett samspel mellan bankerna och tillsynsmyndigheterna, i Sverige Finansinspektionen (FI). Där beskrivs hur banker bör redovisa sina tillvägagångssätt och strategier för att säkerställa lämpliga nivåer på sitt kapital. Eftersom de nya reglerna tillåter användning av egna riskhanteringssystem, måste redovisningen ske på individuell nivå, vilket ställer stora krav både på bankerna och tillsynsmyndigheterna. Pelare 3 ställer krav på den information som andra motparter kunder, investerare osv. behöver för att kunna bedöma bankernas finansiella styrka och riskprofil. Kommittén hoppas att det ger bankerna incitament att uppträda så att deras risker minskas och på detta sätt dra nytta av marknadskrafterna i stabilitetsfrämjande syfte. I detta arbete kommer huvudsakligen pelare 1 behandlas, på grund av dess kvantitativa karaktär. För mer information om pelare 2 och 3 hänvisas läsaren till dokument publicerade på Basels hemsida 1 Bank for International Settlements 7

8 2.2 Minimikrav på kapital Kapitaltäckningskraven innebär att banker måste ha ett kapital som uppgår till minst 8 % av den riskexponering som deras utlåning, placeringar, derivatkontrakt och annan verksamhet innebär. De risker, som berörs av reglerna, uppdelas i tre huvudgrupper kallade: - Kreditrisk - Marknadsrisk - Operativ risk Summan av dessa risker jämförs med kapitalbasen (bankens kapital), som måste utgöra minst 8 % av riskexponeringen. Detta krav åskådliggörs i följande ekvation: Kapitalbas = Kapitaltäckningskvot Kreditrisk + Marknadsrisk + Operationell risk (minimum 8 %) Kreditrisk Kreditriskerna utgör i allmänhet den dominerande riskexponeringen för banker. Med kreditrisk menas de potentiella förluster som uppkommer när bankens kredittagare inte längre kan fullfölja sina återbetalningsåtaganden (går i default). Kreditrisk kommer att behandlas ingående i avsnitt Marknadsrisk Marknadsrisken beskriver de risker som banker är utsatta för genom plötsliga prisförändringar på den finansiella marknaden. Dessa risker refereras ofta som risker hänförande från bankers handelslager (så kallad trading-book ), det vill säga de finansiella instrument och avtal som banken handlar med. För att ta ett exempel på en marknadsrisk kan nämnas räntenivåförändringar, vilka kan leda till att bankens tillgångar i form av derivat drastiskt ändar sitt värde Operativ risk Med operativa risker menas risker för att det inträffar felaktigheter, misstag, brott eller olyckor i verksamheten som gör att banken drabbas av direkta eller indirekta förluster. Denna typ av risk var inte tidigare inkluderat i de gamla Basel-reglerna. Det visade sig dock att denna risk spelar betydlig roll i de internationella bankernas interna kapitalallokering enligt en undersökning som kommittén har genomfört. Därför har man bestämt att explicit inkludera operativ risk i de nya kapitalkraven Kapitalbas Kapitalbasen definierar bankens kapital, som kan användas för att täcka förlusterna vid eventuell realisation av ovan nämnda risker. Kapitalbasen består av tre delar (så kallade Tier): 8

9 Tier 1 (primärkapital) = aktiekapital, reservfond, balanserade vinster, osv.; Tier 2 (supplementärkapital) = förlagslån med minst 5 års ursprunglig löptid; Tier 3 = förlagslån med minst 2 års ursprunglig löptid. Dessa ingår dock endast i Capital Adequacy Directive för marknadsrisker och får inte användas för kreditrisker på balansräkningen. En begränsning är att Tier 2 får vara max 50 % av den totala kapitalbasen, dvs. 100% av Tier 1-kapitalet. Detta fordrar dock "perpetuals", dvs. eviga förlagslån, vanliga förlagslån får utgöra högst 50 % av Tier Uträkning av kreditrisk Vid uträkningen av kreditrisken definieras begreppet riskvägda tillgångar. Riskvägda tillgångar är bankens alla summerade exponeringar mot sina kredittagare multiplicerade med riskvikter. Riskvikterna beror huvudsakligen på låntagarens kreditvärdighet och pantsäkerhet, men i vissa fall också andra variabler såsom bankens differentiering av kreditportföljen eller historiska indrivningserfarenheter. Det är just de riskvägda tillgångarna som används i den totala formeln för kapitalkravsberäkningen. I det nya förslaget finns det två alternativa metoder för att beräkna riskvägda tillgångarna: en schablonmetod 2 och en metod som bygger på företagens egna interna mätmetoder Schablonmetoden Schablonmetoden är mycket lik dagens metod att beräkna kapitaltäckningsbehovet. Dagens metod gör bara en klyvning mellan OECD-länder och övriga, där riskvikten sätts beroende om kredittagaren kommer från ett OECD-område eller inte. I det nya förslaget försöker kommittén att ytterligare differentiera de schablonmässiga riskvikterna genom att förlita sig på motpartens rating 4, dvs. kreditvärdighetsbetyg. Beroende på vem låntagaren är och dess rating erhålls en riskvikt mellan 0% och 150%. Hela idén bygger på att ratinginstitut, när de sätter sin rating, redan har uppskattat sannolikheten att en viss organisation går i default och att denna information återanvänds i kapitaltäckningsreglerna. Låntagare indelas i fyra huvudsakliga kategorier: stater, banker, företag och hushåll. Eftersom hushåll inte tillskrivs några ratings är det fortfarande oklart vilka schablonriskvikter man skall tilldela denna grupp (förutom att man bestämt 50 % riskvikt för utlåning mot bostadspant). I Tabell 1 nedan sammanfattas riskvikterna för de andra kategorier av låntagare. Problemet med schablonmetoden är att de flesta kredittagare inte har någon rating, och i så fall får de en riskvikt på 100 % (50 % för banker) oavsett deras verkliga risk. En annan svaghet i metoden är att den helt förlitar sig på externa ratings. I det fallet är det mycket viktigt att de är av hög kvalité. För att lösa det föreslår kommittén att varje lands övervakningsmyndighet först bör godkänna varje ratinginstitut innan deras ratings får användas i kapitaltäckningsberäkningar. 2 Eng: Standardised Approach 3 Eng: Internal Rating Based Approach 4 Mer om ratings hittas i Appendix A 9

10 Riskvikten i procent om låntagaren är Låntagarens rating Stat Bank Företag AAA AA A BBB BB B Sämre än B Utan rating Tabell 1. Riskvikter beroende på låntagarens rating. Ratings är angivna i skalan som tillämpas av ratinginstitutet Standard & Poor s. Det finns motsvarande tabeller för skalor från andra ratinginstitut. För att demonstrera hur metoden fungerar, låt oss titta på en liten portfölj av lån och beräkna kapitaltäckningskravet för den: 1. Kreditportföljen består av följande lån: Låntagare Exponering Låntagarens rating (SEK) Stat AA Stat A Bank B Företag BBB Företag Utan r. Företag CCC 2. Nu skall vi bestämma de totala riskvägda tillgångarna genom att multiplicera exponeringen mot varje låntagare med dess riskvikt, som är beroende av dess rating (se tabell nedan): Låntagare Exponering (SEK) Riskvikten i (%) Riskvägda tillgångar Stat Stat Bank Företag Företag Företag Totala riskvägda tillgångar Det är de totala riskvägda tillgångarna som utgör basen för beräkning av kapitaltäckningskvoten. Säg att vi vill bestämma hur mycket kapital vi behöver för att täcka behovet för ovanstående enkla kreditportfölj, om vi bara vill tillgodose kravet på kreditrisk. Kapital / = 8% Kapital = SEK Detta betyder att banken som har ovanstående kreditportfölj måste reservera SEK av sitt kapital för eventuella kreditförluster (kreditrisk). 10

11 2.3.2 Intern rating Som ett alternativ till schablonmetoden öppnas möjligheten för banker att bestämma riskvikter med hjälp av egna riskklassificeringssystem. Dessa system måste dock leva upp till av Basel-kommittén ställda krav och godkännas av tillsynsmyndigheten. Ett liknande förfarande existerar redan idag för kapitalkrav gällande marknadsrisker, där bankerna är tillåtna att använda sina egna mätmetoder om de är förenliga med FI:s krav. Tanken med internmetoden är att de nya kapitalkraven direkt skall avspegla bankernas verkliga kreditrisk, såsom de egenutvecklade riskmodellerna indikerar. Man skall gå ifrån det schablonmässiga sättet att behandla alla banker lika, vilket resulterar att risken i deras kreditportföljer approximeras på ett mycket grovt sätt. Genom att gå över till internmetoden skall bankerna som påvisar en sund kredithistorik premieras framför banker som inte har tillräckligt bra riskhantering och är mer benägna att ta stora risker. För att kunna använda den interna metoden måste banken i princip för varje exponering ta fram värden på en rad faktorer som påverkar kreditrisken. De huvudfaktorer som har betydelse för beräkning av kreditrisk är: Sannolikheten för fallissemang (probability of default) Förlustandelen i händelse av fallissemang (loss given default) Exponeringens storlek vid fallissemanget (exposure at default) Effektiv löptid (effective maturity) = PD = LGD = EAD = M Det finns två steg som man kan implementera den interna metoden i. Första steget kallat grundläggande internmetod innebär att banker bara uppskattar PD för varje exponering. De övriga parametrarna (LGD, EAD och M) sätts schablonmässigt till värden bestämda av tillsynsmyndigheten. I det andra steget utvecklade internmetoden måste banker själva beräkna alla parametrar. För att utnyttja internmetoden för beräkning av kapitaltäckning krävs att bankerna kan uppskatta faktorerna ovan på ett tillräckligt signifikant sätt. För detta krävs historisk information om krediter, låntagare och deras betalningsförmåga. Kommittén anser att det skall finnas minst fem års historisk statistik för att man skall kunna använda internmetoden på ett säkert sätt. För det utvecklade steget krävs sju år. Eftersom kreditrisken varierar beroende på vem låntagaren är, har låntagarna indelats i grupper, precis som i den schablonmässiga metoden: stater, banker, företag och hushåll. För varje grupp finns det en separat metodik när det gäller uppskattning av de ovannämnda parametrarna och senare beräkning av riskvikterna. Själva beräkningen av riskvikter utförs med hjälp av formler, vilka finns i Basel-förslaget. Dessa formler skall spela liknande roll som översättningstabellen av externa ratings, det vill säga givet att banken beräknar PD, LGD, EAD och M för given exponering skall dessa värden direkt kunna avbildas till en riskvikt. Dessa formler bygger på matematiska teorier om förluster i en kreditportfölj och kommer att beskrivas i Kapitel 4 av detta arbete. 11

12 3 Kreditriskmodeller Det här kapitlet ägnas åt beskrivning av olika riskmodeller för kreditportföljer. Först ges en allmän bild av begreppet kreditrisk för att senare gå genom två största kreditriskmodeller, som används både inom den akademiska världen och för kommersiella syften. Sist i kapitlet härleds en modell som direkt leder till kvantifering av kreditrisk i Basels internmetod. 3.1 Allmänna frågeställningar Kreditrisk Det finns två huvudtyper av kreditrisk: Kredit-spread-risk förekommer i portföljer, i vilka krediter handlas på marknaden. Observerade förändringar på spreadar påverkar marknadsvärde på portföljen. Kredit-default-risk alla portföljer är utsatta för denna risk, eftersom default av en kredittagare i portföljen resulterar i förluster. Kredit-spread är den överavkastning utöver riskfria räntan marknaden begär för att vara utsatt för en kreditexponering med viss rating. Kredit-spread-risk är risken för finansiell förlust, framkallad av ändringar av nivåerna på överavkastningen på marknaden. Denna typ av risk definieras ofta som en marknadsrisk, eftersom den är beroende av marknaden och inte parterna som är direkt kopplade till krediten. I Basel-reglerna inkluderas denna risk i marknadsrisken och kommer inte att behandlas i det här arbetet. Förluster i mld USD Figur 1. Företagsdefaults i hela världen. Siffrorna ovan stolparna betecknar antalet defaults 5 5 Källa: Standard & Poor s 12

13 Kredit-default-risken är risken att en kredittagare inte realiserar sina avtalade återbetalningsåtaganden. När en kredittagare går i default uppstår en kreditförlust vars storlek beror på beloppet som kredittagaren var skyldig (också kallad exponering) minus eventuellt indrivet belopp. Eftersom det existerar en risk att varje kredit går i default, är alla portföljer utsatta för kredit-default-risk. Denna risk kommer i fortsättningen att refereras till som kreditrisk och beskrivas ingående i följande avsnitt. Kreditförlusterna i stort är väldigt svåra att förutsäga i förväg. Man kan se en viss cyklisk utveckling, som följer i konjuktursspår. Beloppen kan dock skilja sig väsentligt från år till år (Figur 1), vilket gör det svårt att förutsäga framtida förluster. Det är viktigt att särskilja de två begreppen kreditförlust och default. När en kredit är i default betyder det nödvändigtvis inte att en kreditförlust uppstår. Det finns fall där kredittagaren bara tillfälligt inte kan betala av sin skuld, men efter en tid fortsätter sin avbetalning. Detta innebär att kredittagaren först går i default (eftersom han/hon inte följer det ursprungliga kreditavtalet), men defaulten resulterar slutligen inte i någon kreditförlust Kreditportfölj Bankers kreditportföljer består av ett stort antal individuella krediter vilka var och en löper en viss risk för default. De individuella default-riskerna modelleras med hjälp av olika matematiska modeller, väl beskrivna i flertaliga vetenskapliga artiklar. Den mest kända modellen är den så kallade Merton s modell 6. Huvudtanken i denna modell är att ett företags tillgångar beskrivs av en kontinuerlig funktion i tiden och att företaget går i default om dess tillgångar faller under dess skuldnivå. I det fallet beror företagets defaultsannolikhet på skillnaden mellan tillgångar och skulder, samt volatiliteten av dessa faktorer. Om man antar att förändringar i tillgångarna är normalfördelade, kan defaultsannolikhet beskrivas av en standardiserad normalvariabel fallande under ett visst kritiskt belopp. Merton s modell tillsammans med andra modeller 7 utgör en grund för modellering av kreditrisk i en portfölj. Eftersom bankerna förfogar över stora portföljer av krediter, är deras intresse koncentrerat till hur hela portföljen kan modelleras i stället för de enskilda krediterna. Detta är dock inte så enkelt på grund av att de enskilda företagens defaults är korrelerade. Man vet ju av historisk erfarenhet att företagskonkurser kommer i vågor och att en företagskonkurs kan negativt påverka ett annat företags överlevnadsförmåga. Antag att vi har en portfölj bestående av många krediter, och att deras individuella sannolikheter för default är normalfördelade. Om dessa krediter vore helt okorrelerade skulle vi få en förlustfördelning för hela portföljen som i vänstra figuren (Figur 2.A), på grund av att summan av oberoende normalfördelade variabler blir också normalfördelad. Vad händer med förlustfördelningen om de enskilda krediterna är korrelerade med varandra? Eftersom krediterna är korrelerade om en går i default, ökar sannolikheten att andra också går i default - kan man tänka sig att sannolikheten för stora förluster ökar, 6 Merton (1974) 7 En översiktlig beskrivning av flertal modeller ges i Anna Ståludds examensarbete Kreditrisker (1998) i Optimeringslära och systemteori vid KTH 13

14 samtidigt när sannolikheten för små förluster minskar. Ett exempel på sådan fördelning visas i den högra figuren (Figur 2.B). A. Portfölj med okorrelerade krediter B. Kreditportfölj med korrelerade krediter Förluster Förlust er Figur 2. Påverkarn av korrelation på förlustfördelningen Tidshorisont När man börjar modellera kreditrisk måste man välja en tidshorisont. Generellt bör man inte välja kortare period än tiden som det vanligtvis tar att säkra eventuella oönskade exponeringar. Det finns två huvudtyper av tidshorisonter: Konstant tidshorisont, t.ex. ett år Löptiden-ut En konstant tidshorisont låter jämföra alla exponeringar vid ett och samma datum. Tidshorisonten väljs oftast till ett år, dels på grund av detta sammanfaller med redovisningsperioderna och dels av orsaken att det är en tillräcklig lång period, under man kan återskapa kapital efter oväntat stora kreditförluster under en period. Tidshorisonten löptiden-ut har andra fördelar. Den tillåter estimera totala defaultsannolikheter för hela livstiden av exponeringar. En sådan horisont underlättar också att jämföra fördelar och nackdelar av olika långa löptider och dess kreditkvalité Förväntade och oförväntade förluster Huvudpunkten i kreditriskhanteringen är estimering av sannolikhetsfördelningen för förluster i en portfölj. Den centrala frågan lyder: Hur stora kan förlusterna bli i en kreditportfölj given en viss konfidensgrad? Antal förluster i en portfölj med många krediter, där varje kredit har en viss defaultsannolikhet, kan modelleras som en sannolikhetsfördelning. Denna fördelning, som vi har konstaterat i ett tidigare avsnitt, beror på hur de enskilda krediterna är korrelerade med varandra. Fördelningens medelvärde antyder de förväntade förlusterna (se Figur 3). Eftersom dessa förluster är förväntade är de redan inräknade i kalkylen och kompenserade för genom påslag på utlåningsräntan. 14

15 Figur 3. Förväntade och oförväntade kreditförluster Däremot utgör de oförväntade förlusterna en risk i bankernas verksamhet. Bankerna måste därför utöver räntepåslagen för förväntade förluster allokera mer kapital för de extra ofördelaktiga utfallen av kreditförluster. Det är just det kapitalet som regleras med hjälp av tillsynsmyndigheter så att bankerna behåller sin finansiella stabilitet även under perioder med särskilt ogynnsamma kreditförluster. Till exempel rekommenderar Baselreglerna att bankerna har ett kapital på minst 8 % av de möjliga förluster som definieras genom 99,5:e percentilen av fördelningen på ett års sikt. De två kreditriskmodellerna, som kommer att beskrivas i följande avsnitt, är ett försök att bestämma värdesannolikhetsfördelningen för en kreditportfölj utifrån några enkla antaganden. 3.2 CreditMetrics CreditMetrics är en samling av analytiska metoder för att mätta portföljens värde och risk utvecklad av J.P. Morgan året Syftet med utvecklingen av CreditMetrics var att ta fram en process för värdeuppskattning av en portfölj bestående av krediter med skiftande återbetalningskvalitet (även inkluderat default-möjligheten) genom att bestämma framtida portföljvärdets sannolikhetsfördelning. Fördelningen beskrivs av dess väntevärde, standardavvikelse, vissa percentiler och marginell risk. I kommande avsnitt ges en kort sammanfattning av det 200 sidor långa dokumentet 8, som i detalj beskriver hela modellen. CreditMetrics är huvudsakligen framtagen för att beräkna kreditrisk i en portfölj av ratade obligationer, men kan också användas för krediter utan rating med förutsättning att man kan hitta en avbildning mellan kredittagarens risk och motsvarande ratingsgrad Idé med CreditMetrics Den centrala poängen i CreditMetrics är idén att värdet av portföljen inte endast bör beskrivas i termer av sannolikheten för default. I stället skall det beskrivas med hjälp av förändringar i kreditkvalitet över tiden, där default är bara ett specialfall (så kallad absorberande tillstånd enligt Markovichs terminologi). I Figur 4 visas en schematisk bild över beräkningsprocessen för denna modell. Den vänstra sidan av diagrammet representerar identifiering av exponeringar, det vill säga 8 J.P. Morgan CreditMetrics Technical Document, April

16 belopp som riskeras vid eventuell default. I mitten åskådliggörs bestämning av de enskilda riskerna per en exponerad krona. Högersidan av diagrammet visar hur man tar fram korrelationer mellan dessa enskilda risker. Till sist sammanflätas allt i den nedersta boxen, som representerar riskberäkning genom en kombination av exponering, enskilda risker och korrelationerna mellan dem. Exponering Enskild kreditrisk Korrelationer Bankens kreditportfölj Kreditrating Kreditens prioritet Kreditspreadar Ratingserier, aktieserier Marknadens volatilitet Sannolikheter för ratingmigrationer Sannolikheter för ratingmigrationer Dagens värde för obligationer Modeller (korrelationer) Exponeringsfördelning Standardavvikelse för ändringar i kreditkvalitet för enskilda exponeringar Förenade ratingändringar Portföljens kreditrisk Figur 4. Schema över CreditMetrics 9 Här kommer vi att koncentrera vår beskrivning till bestämning av de enskilda risker och korrelationer, eftersom identifiering av exponeringar är primärt en intern fråga för alla kreditinstitut utan några större matematiska tillämpningar De enskilda kreditriskerna Den initiala portföljen är definierad i termer av individuella krediter med den nödvändiga informationen om de kontrakterade kassaflödena i framtiden. Därtill hör till exempel kreditsaldot, avbetalningsplanen och räntan. Med varje kredit associeras en obligationsrating. Om det inte finns några ratings, kan de ersättas av andra mått, så länge de representerar defaultsannolikheter samt övergångssannolikheter på en gradskala under en viss tidsperiod. I fortsättningen kommer vi här att använda ratingsskalan från Standard & Poor s 10, och dess åtta riskgrader. Initial Rating vid årets slut rating AAA AA A BBB BB B CCC Default AAA 90,81 8,33 0,68 0,06 0, AA 0,70 90,65 7,79 0,64 0,06 0,15 0,02 0 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 0,11 0,24 0,43 6,48 83,46 4,07 5,20 CCC 0,22 0 0,22 1,30 2,38 11,24 64,86 19,79 Tabell 2. Ett års övergångsmatris 11 Sannolikheterna är angivna i procent. 9 Källa: J.P. Morgan CreditMetrics Technical Document, April Beskrivningen av S&P ratingskala finns i appendix 1 11 Källa: Standard & Poor s CreditWeek (April 15, 1996) 16

17 Med början i sin ursprungliga rating kan krediten hamna i någon av de åtta riskgraderna, representerande olika ratings, efter den analyserade tidsperioden. Ratingsgraden, som krediten kan hamna i, är karakteriserad av en övergångssannolikhet. Ett stickprov på övergångssannoligheter mellan de olika ratings är presenterade i Tabell 2. Dessa sannolikheter är framtagna över historisk data på ratingsändringar för amerikanska företag. För att närmare förklara tabellen, betrakta en obligation med rating BBB. Den har 0,02 % sannolikhet att bli uppgraderad till rating AAA, 0,33 % sannolikhet att bli uppgraderad till rating AA och så vidare. Sannolikheten att obligationen behåller sin rating är 86,93 %. Varje framtida ratingsgrad har sin egen kreditspread, representerad av en forwardyield -kurva för en nollkupongsobligation, Denna kreditspread är använd för att diskontera framtida kassaflöden till nutidsvärde. Värdet av obligationen i varje ratingsgrad framräknas genom att man diskonterar dess kassaflöde med lämplig nollkupongsränta. Tabell 3 visar framtida nollkupongsräntor för de olika ratingsgrader. Grad År 1 År 2 År 3 År 4 AAA 3,60 4,17 4,73 5,12 AA 3,65 4,22 4,78 5,17 A 3,72 4,32 4,93 5,32 BBB 4,10 4,67 5,25 5,63 BB 5,55 6,02 6,78 7,27 B 6,05 7,02 8,03 8,52 CCC 15,05 15,02 14,03 13,52 Tabell 3. Exempel på ett års nollkupongs forward-kurvor för olika ratingsgrader 12 Om obligationen går in i default finns det inte några framtida avtalade kassaflöden. I stället pratar man om ett indrivningsbelopp, som beror på bland annat kreditens prioritet. Eftersom indrivningsbeloppet består av ett intervall snarare än av en punktuppskattning görs det en justering av standardavvikelsen för krediternas värde. Det förväntade kreditvärdet bestäms av väntevärdet på indrivningsbeloppet som är en stokastisk variabel. Indrivningsuppskattningar, som används för att förutse framtida kassaflöde vid default, är presenterade i Tabell 4. Prioritet Medel (%) Standardavvikelse (%) Överordnade med säkerhet 58,80 26,86 Överordnade utan säkerhet 51,13 25,45 Underordnade med hög prioritet 38,52 23,81 Underordnade 32,74 20,18 Underordnade med låg prioritet 17,09 10,90 Tabell 4. Indrivningsandelar för skulder med olika prioritet (i % av kreditbeloppet) 13 Givet nuvärdet av krediten i de möjliga framtida ratingsgraderna samt sannolikheterna för dessa beräknas förväntat kreditvärde. För att beskriva volatiliteten av värdet används två olika mått. Det första är vanlig standardavvikelse som kan ge falska indikationer om fördelningen är skev, vilket är fallet för kreditportföljer (diskussion i Avsnitt 3.1.2). Ett 12 Källa: J.P. Morgan CreditMetrics Technical Document, April Källa: Carty and Lieberman (1996) 17

18 alternativt mått av volatiliteten utgörs av ett-percentilsvärde värde av fördelningen korresponderande till kreditgraden med övergångssannolikheten lika med 1%. Tabell 5 visar beräkningen av sannolikhetsfördelningen för framtida värdet av en obligation med rating BBB. Det förväntade värdet är 107,09 och standardavvikelsen 2,99. Om vi betraktar andra kolumnen i tabellen, ser vi att värdet vid 1% sannolikhetsnivå korresponderar till en obligation med rating B och är lika med 98,10 (3:e kolumnen). Ettpercentilsvärdet är därför medelvärdet minus 98,10, det vill säga 107,09 98,10 = 8,99. För att summera beräkningen av de enskilda kreditriskerna kan man nämna att CreditMetrics härleder sannolikhetsfördelningen över framtida värden från förväntade kassaflöden, indrivningsandelar, krediternas prioritet, sannolikheter för framtida ratingsgrader och ratingsspecifika nollkupongs forward-kurvor. Kreditvärden i enlighet med ratingövergångar är specificerade av övergångssannolikhetsvägda förväntade värden och dess risk. Notera att vi än så länge inte har gjort några antaganden om korrelationer mellan krediterna. Slutrating Sannolikhet (%) Nytt värde av obligationen Sannolikhets -viktat värde Skillnad från medelvärdet Sannolikhetsviktad skillnad i kvadrat AAA 0,02 109,37 0,02 2,28 0,0010 AA 0,33 109,19 0,36 2,10 0,0146 A 5,95 108,66 6,47 1,57 0,1474 BBB 86,93 107,55 93,49 0,46 0,1853 BB 5,30 102,02 5,41-5,06 1,3592 B 1,17 98,10 1,15-8,99 0,9446 CCC 0,12 83,64 1,10-23,45 0,6598 Default 0,18 51,13 0,09-55,96 5,6358 Medelvärde = 107,09 Varians = 8,9477 Std.av. = 2,99 Tabell 5. Beräkning av volatilitet härstammande från ändringar i kreditkvalitet Hantering av kreditkorrelation Nästa fråga är hur man skall inkorporera effekter av korrelation mellan krediternas kvalitet i portföljen. Lösningen använd i CreditMetrics är baserad på antagandet att kreditkvalitetsövergångar är bäst beskrivna genom korrelationer mellan kredittagarnas substanssvärden. Detta antagande, som är delvis baserad på tidigare nämnda Mertons modell, medför att ett företags tillgångar varierar med tiden, vilket bestämmer inte bara defaultsannolikheten men också ratingsförändringar. Fördelningen över företagstillgångar representerar belopp och sannolikhet för kredittagarens framtida marknadsvärde 15. Det inbegriper även kredittagarens underliggande affärsrisk. Under antagandet att denna utveckling är normalfördelad, kan sambandet mellan två olika kredittagare karakteriseras av korrelationen mellan deras framtida marknadsvärde. Två företag är beroende om de samtidigt tenderar att göra bra ifrån sig, med andra ord om de har en positiv korrelation mellan sina framtida tillgångar. Beroendets styrka återspeglas i korrelationsvärdet. 14 Källa: J.P. Morgan CreditMetrics Technical Document, April För utförlig förklaring hänvisas läsaren till Merton (1974) 18

19 Korrelationerna mellan framtida kreditvärden för de två kredittagarna kan härleddas från de underliggande korrelationerna mellan tillgångarna. Kreditvärden är associerade till utfall av substanssvärden för varje kredittagare, vilket resulterar i en simultan sannolikhetsfördelning för kreditvärden. Från denna fördelning kan man sedan kalkylera korrelationer för kreditvärden. I följande stycke följer en beskrivning av mättprocessen för korrelationer för kreditvärden. Det existerar ett förutbestämt värde på de framtida tillgångarna, vid vilket kredittagaren går i default. Om vi tänker oss en fördelning, som är centrerat till dagens värde av företaget, med en känd varians, då kan defaultvärdet kartläggas med hjälp av den kända defaultsannolikheten från övergångsmatrisen. I själva verket kan vi beräkna, inte bara defaultpunkten, utan alla punkter för ratingändringar, eftersom vi vet alla sannolikheter för alla övergångar från övergångsmatrisen. Därför kan vi fördela arean under tillgångsfördelningen i regioner, vilka representerar motsvarande sannolikheter (Figur 5). Figur 5. Fördelning över avkastningen med ratingövergångspunkter 16 En viktig aspekt i ovanstående beräkning är att korrelationerna inte beror på det exakta väntevärdet och standardavvikelsen för tillgångsfördelningen. I beräkningen eliminerar man först beroendet av väntevärdet och standardiserar sedan standardavvikelsen till 1. På detta sätt kan vi ta fram övergångspunkter genom att använda standardiserad normalfördelning, ty det är bara sannolikheter som spelar roll. Övergångspunkter för en obligation med rating A, uträknade med hjälp av övergångssannolikheter, finns presenterade i Tabell 6. Övergångssannolikheten från rating A till någon av de andra ratingsgraderna hämtas ur historisk data. Övergångspunktens sannolikhet enligt substanssvärdemodellen är listad i sista kolumnen. Här följer hur man kan tolka dessa värden. Givet avkastningen (µ och σ) för en kredittagare med rating A, kommer normaliserat framtida substanssvärde över 16 Källa: J.P. Morgan CreditMetrics Technical Document, April

20 1,98σ att orsaka uppgradering från A till AA. På motsvarande sätt kommer normaliserat framtida substanssvärde under 1,51σ att orsaka degradering från A till BBB. Rating Sannolikhet (%) Övergångstyp Övergångspunkt AAA 0,09 Z AAA 3,12σ AA 2,27 Z AA 1,98σ A 91,05 BBB 5,52 Z BBB -1,51σ BB 0,74 Z BB -2,30σ B 0,26 Z B -2,72σ CCC 0,01 Z CCC -3,19σ Default 0,06 Z Def -3,24σ Tabell 6. Övergångssannolikheter och övergångspunkter för rating A 17 Nu har ratingssannolikheter blivit mappade på företagets normaliserade framtida substanssvärden. Om vi vet korrelationen mellan substanssvärdena mellan två kredittagare, kan vi beräkna den simultana fördelningen över framtida ratings. Detta utförs genom att integrera en bivariat täthetsfunktion för normalfördelning med givna tillgångskorrelationer mellan den övre och nedre övergångspunkten för varje ratingsgrad. Den bivariata täthetsfunktionen för två kredittagare med rating BB respektive A med korrelation ρ ser på följandet sätt: f ( r r, ρ ) = exp [ r 2ρr r + r ] BB, A BB BB A A 2Π 2 1 ρ 2 2(1 ρ ) Ovanstående integreras mellan de respektive övergångspunkterna för att erhålla sannolikheten att båda krediterna stannar i samma rating: p ( 1.23 < r BB < 1.37; 1.51 < r A < 1.98; ρ = 0. 2)= = ( r r, ) f ρ BB, A drbbdra = På så sätt kan vi beräkna hela simultana fördelningen för framtida ratings för ett par kredittagare med rating BB och A med antagen korrelation på 20% (Tabell 7). Det har redan nämnts att ett kreditvärde (samma som obligationsvärde) kan associeras med varje möjliga framtida ratingsgrad för varje företag, som vi tidigare gjort vid kalkylering av de enskilda riskerna. I så fall kan ett par kreditvärden associeras med varje cell i Tabell 7. Eftersom vi vet sannolikheten för varje cell på grund av tidigare beräkningar, kan vi ta fram korrelationen mellan kreditvärden. 17 Källa: J.P. Morgan CreditMetrics Technical Document, April

Del 4 Emittenten. Strukturakademin

Del 4 Emittenten. Strukturakademin Del 4 Emittenten Strukturakademin Innehåll 1. Implicita risker och tillgångar 2. Emittenten 3. Obligationer 4. Prissättning på obligationer 5. Effekt på villkoren 6. Marknadsrisk och Kreditrisk 7. Implicit

Läs mer

Operativ risk kan uppstå till följd av icke ändamålsenliga eller otillräckliga interna rutiner, mänskliga fel eller till följd av yttre händelser.

Operativ risk kan uppstå till följd av icke ändamålsenliga eller otillräckliga interna rutiner, mänskliga fel eller till följd av yttre händelser. Information om risk och kapitaltäckning i Sparbanken Nord Sparbanken Nord 598800-4817 med styrelsens säte i Piteå Bakgrund Den 1 februari 2007 trädde nya kapitaltäckningsregler (Basel 2) i kraft i Sverige.

Läs mer

Innehåll. Standardavvikelse... 3 Betarisk... 3 Value at Risk... 4 Risknivån i strukturerade produkter... 4

Innehåll. Standardavvikelse... 3 Betarisk... 3 Value at Risk... 4 Risknivån i strukturerade produkter... 4 Del 22 Riskbedömning Innehåll Standardavvikelse... 3 Betarisk... 3 Value at Risk... 4 Risknivån i strukturerade produkter... 4 Vid investeringar i finansiella instrument följer vanligen en mängd olika

Läs mer

Offentliggörande av information om kapitaltäckning och riskhantering

Offentliggörande av information om kapitaltäckning och riskhantering Offentliggörande av information om kapitaltäckning och riskhantering I enlighet med Finansinspektionens föreskrifter och allmänna råd (FFFS 2007:5) om offentliggörande av kapitaltäckning och riskhantering

Läs mer

MVE051/MSG Föreläsning 7

MVE051/MSG Föreläsning 7 MVE051/MSG810 2016 Föreläsning 7 Petter Mostad Chalmers November 23, 2016 Överblick Deskriptiv statistik Grafiska sammanfattningar. Numeriska sammanfattningar. Estimering (skattning) Teori Några exempel

Läs mer

Lektionsanteckningar 11-12: Normalfördelningen

Lektionsanteckningar 11-12: Normalfördelningen Lektionsanteckningar 11-12: Normalfördelningen När utfallsrummet för en slumpvariabel kan anta vilket värde som helst i ett givet intervall är variabeln kontinuerlig. Det är väsentligt att utfallsrummet

Läs mer

t.ex. strategiska och legala risker. 1 Det finns även en del exempel på risker som inte ryms under någon av ovanstående rubriker, såsom

t.ex. strategiska och legala risker. 1 Det finns även en del exempel på risker som inte ryms under någon av ovanstående rubriker, såsom Riskhanteringen i Nordals Härads Sparbank Nordals Härads Sparbank arbetar kontinuerligt med risker för att förebygga problem i banken. Det är bankens styrelse som har det yttersta ansvaret för denna hantering.

Läs mer

Föreläsning 1. Repetition av sannolikhetsteori. Patrik Zetterberg. 6 december 2012

Föreläsning 1. Repetition av sannolikhetsteori. Patrik Zetterberg. 6 december 2012 Föreläsning 1 Repetition av sannolikhetsteori Patrik Zetterberg 6 december 2012 1 / 28 Viktiga statistiska begrepp För att kunna förstå mer avancerade koncept under kursens gång är det viktigt att vi förstår

Läs mer

Information om riskhantering och kapitaltäckning i Sparbanken Nord Sparbanken Nord 598800-4817 med styrelsens säte i Piteå

Information om riskhantering och kapitaltäckning i Sparbanken Nord Sparbanken Nord 598800-4817 med styrelsens säte i Piteå Information om riskhantering och kapitaltäckning i Sparbanken Nord Sparbanken Nord 598800-4817 med styrelsens säte i Piteå Bakgrund Den 1 februari 2007 trädde nya kapitaltäckningsregler (Basel 2) i kraft

Läs mer

Information om risk och kapitaltäckning i Sparbanken Nord. Sparbanken Nord 598800-4817 med styrelsens säte i Piteå

Information om risk och kapitaltäckning i Sparbanken Nord. Sparbanken Nord 598800-4817 med styrelsens säte i Piteå Information om risk och kapitaltäckning i Sparbanken Nord Sparbanken Nord 598800-4817 med styrelsens säte i Piteå Information om risk och kapitaltäckning i Sparbanken Nord Sparbanken Nord 598800-4817 med

Läs mer

Kapitaltäckning och likviditet 2014-09

Kapitaltäckning och likviditet 2014-09 Kapitaltäckning och likviditet 2014-09 Periodisk information per 30 september 2014 - Kapitaltäckning och likviditet Denna information om kapitaltäckning och likviditet för Ikano Bank AB (Publ), organisationsnummer

Läs mer

Del 18 Autocalls fördjupning

Del 18 Autocalls fördjupning Del 18 Autocalls fördjupning Innehåll Autocalls... 3 Autocallens beståndsdelar... 3 Priset på en autocall... 4 Känslighet för olika parameterar... 5 Avkastning och risk... 5 del 8 handlade om autocalls.

Läs mer

Del 2 Korrelation. Strukturakademin

Del 2 Korrelation. Strukturakademin Del 2 Korrelation Strukturakademin Innehåll 1. Implicita tillgångar 2. Vad är korrelation? 3. Hur fungerar sambanden? 4. Hur beräknas korrelation? 5. Diversifiering 6. Korrelation och Strukturerade Produkter

Läs mer

Datum Per september månad 2015 infördes kravet för kapitalkonserveringsbufferten som gäller alla institut.

Datum Per september månad 2015 infördes kravet för kapitalkonserveringsbufferten som gäller alla institut. 1(7) Kapitaltäckning Nya kapitaltäckningsregler trädde i kraft den 1 januari 2014 i enlighet med tillsynsförordning (575/2013/EU) som är en del av implementeringen av Basel III-regelverket. I och med att

Läs mer

Stat. teori gk, ht 2006, JW F7 STOKASTISKA VARIABLER (NCT 5.7) Ordlista till NCT

Stat. teori gk, ht 2006, JW F7 STOKASTISKA VARIABLER (NCT 5.7) Ordlista till NCT Stat. teori gk, ht 2006, JW F7 STOKASTISKA VARIABLER (NCT 5.7) Ordlista till NCT Jointly distributed Joint probability function Marginal probability function Conditional probability function Independence

Läs mer

pelare 3 Årlig information om risk och kapitalhantering FOREX BANK AB XXXXXXXXXXXXXX 1

pelare 3 Årlig information om risk och kapitalhantering FOREX BANK AB XXXXXXXXXXXXXX 1 pelare 3 FOREX BANK AB 2009 Årlig information om risk och kapitalhantering FOREX BANK AB XXXXXXXXXXXXXX 1 Inledning FOREX Bank AB, 516406-0104, är moderbolag i FOREX-koncernen (FOREX). Detta dokument utgör

Läs mer

SF1901 Sannolikhetsteori och statistik I

SF1901 Sannolikhetsteori och statistik I SF1901 Sannolikhetsteori och statistik I Jimmy Olsson Föreläsning 6 13 november 2017 1 / 29 Idag Förra gången Mer om väntevärden och varianser (Kap. 5.2 5.3) Beroendemått (Kap. 5.4) Summor, linjärkombinationer

Läs mer

Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 3

Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 3 Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 3 Kontinuerliga sannolikhetsfördelningar (LLL Kap 7 & 9) Department of Statistics (Gebrenegus Ghilagaber, PhD, Associate Professor) Financial Statistics

Läs mer

KAPITALTÄCKNING OCH LIKVIDITET

KAPITALTÄCKNING OCH LIKVIDITET KAPITALTÄCKNING OCH LIKVIDITET PELARE 3 Q1 2014 1 INLEDNING Denna rapport omfattar Carnegie-koncernen som består av Carnegie Holding AB, (organisationsnummer 556780-4983), Carnegie Fonder AB (organisationsnummer

Läs mer

Kapitaltäckning och likviditet 2015-09

Kapitaltäckning och likviditet 2015-09 Kapitaltäckning och likviditet 2015-09 Periodisk information per 30 september 2015 - Kapitaltäckning och likviditet Denna information om kapitaltäckning och likviditet för Ikano Bank AB (Publ), organisationsnummer

Läs mer

Financial Services BMW FINANCIAL SERVICES SCANDINAVIA AB KAPITALTÄCKNING OCH LIKVIDITET. 30 JUNE 2017

Financial Services BMW FINANCIAL SERVICES SCANDINAVIA AB KAPITALTÄCKNING OCH LIKVIDITET. 30 JUNE 2017 BMW FINANCIAL SERVICES SCANDINAVIA AB KAPITALTÄCKNING OCH LIKVIDITET. 30 JUNE 2017 Informationen i denna rapport avser den periodiska information som skall lämnas enligt Finansinspektionens föreskrifter

Läs mer

KAPITALTÄCKNING OCH LIKVIDITET

KAPITALTÄCKNING OCH LIKVIDITET KAPITALTÄCKNING OCH LIKVIDITET PELARE 3 Q1 2015 INLEDNING Denna rapport omfattar Carnegie-koncernen som består av Carnegie Holding AB, (organisationsnummer 556780-4983), Carnegie Fonder AB (organisationsnummer

Läs mer

Information om risker, riskhantering och kapitalbehov

Information om risker, riskhantering och kapitalbehov Information om risker, riskhantering och kapitalbehov GCC Capital AB är ett kreditmarknadsbolag under finansinspektionens tillsyn. Bolaget bedriver utlåning genom leasing och har historiskt när bolaget

Läs mer

KAPITALTÄCKNING OCH LIKVIDITET

KAPITALTÄCKNING OCH LIKVIDITET KAPITALTÄCKNING OCH LIKVIDITET PELARE 3 Q4 2014 1 INLEDNING Denna rapport omfattar Carnegie-koncernen som består av Carnegie Holding AB, (organisationsnummer 556780-4983), Carnegie Fonder AB (organisationsnummer

Läs mer

Finns det över huvud taget anledning att förvänta sig något speciellt? Finns det en generell fördelning som beskriver en mätning?

Finns det över huvud taget anledning att förvänta sig något speciellt? Finns det en generell fördelning som beskriver en mätning? När vi nu lärt oss olika sätt att karaktärisera en fördelning av mätvärden, kan vi börja fundera över vad vi förväntar oss t ex för fördelningen av mätdata när vi mätte längden av en parkeringsficka. Finns

Läs mer

Periodisk information Kvartal

Periodisk information Kvartal 1 Periodisk information Kvartal 2 2014 2014-08-29 2 Beskrivning av Marginalen ESCO Marginalen Konsoliderad situation består i den periodiska rapporteringen av ESCO Marginalen AB (moderbolag), Marginalen

Läs mer

Periodisk information Kvartal

Periodisk information Kvartal 1 Periodisk information Kvartal 1 2014 2014-05-30 2 Beskrivning av Marginalen ESCO Marginalen Konsoliderad situation består i den periodiska rapporteringen av ESCO Marginalen AB (moderbolag), Marginalen

Läs mer

De svenska bankernas kapitalkrav, andra kvartalet 2017

De svenska bankernas kapitalkrav, andra kvartalet 2017 P R O M E M O R I A Datum 2017-08-25 FI Dnr 17-6342 Författare Avdelningen för bankanalys Finansinspektionen Box 7821 SE-103 97 Stockholm [Brunnsgatan 3] Tel +46 8 787 80 00 Fax +46 8 24 13 35 finansinspektionen@fi.se

Läs mer

De svenska bankernas kapitalkrav, första kvartalet 2016

De svenska bankernas kapitalkrav, första kvartalet 2016 P R O M E M O R I A Datum 2016-06-14 FI Dnr 16-7882 Författare Enheten för bankanalys Finansinspektionen Box 7821 SE-103 97 Stockholm [Brunnsgatan 3] Tel +46 8 787 80 00 Fax +46 8 24 13 35 finansinspektionen@fi.se

Läs mer

Strukturakademin Strukturinvest Fondkommission LÅNG KÖPOPTION. Värde option. Köpt köpoption. Utveckling marknad. Rättighet

Strukturakademin Strukturinvest Fondkommission LÅNG KÖPOPTION. Värde option. Köpt köpoption. Utveckling marknad. Rättighet Del 11 Indexbevis Innehåll Grundpositionerna... 3 Köpt köpoption... 3 Såld köpoption... 3 Köpt säljoption... 4 Såld säljoption... 4 Konstruktion av Indexbevis... 4 Avkastningsanalys... 5 knock-in optioner...

Läs mer

De svenska bankernas kapitalkrav, fjärde kvartalet 2016

De svenska bankernas kapitalkrav, fjärde kvartalet 2016 P R O M E M O R I A Datum 2017-02-24 FI Dnr 16-7882 Författare Enheten för bankanalys Finansinspektionen Box 7821 SE-103 97 Stockholm [Brunnsgatan 3] Tel +46 8 787 80 00 Fax +46 8 24 13 35 finansinspektionen@fi.se

Läs mer

KAPITALTÄCKNING OCH LIKVIDITET

KAPITALTÄCKNING OCH LIKVIDITET KAPITALTÄCKNING OCH LIKVIDITET PELARE 3 Q1 2013 1 INLEDNING Denna rapport omfattar Carnegie-koncernen som består av Carnegie Holding AB, (organisationsnummer 556780-4983), Carnegie Fonder AB (organisationsnummer

Läs mer

Finansiell Statistik (GN, 7,5 hp,, VT 2009) Föreläsning 2. Diskreta Sannolikhetsfördelningar. (LLL Kap 6) Stokastisk Variabel

Finansiell Statistik (GN, 7,5 hp,, VT 2009) Föreläsning 2. Diskreta Sannolikhetsfördelningar. (LLL Kap 6) Stokastisk Variabel Finansiell Statistik (GN, 7,5 hp,, VT 009) Föreläsning Diskreta (LLL Kap 6) Department of Statistics (Gebrenegus Ghilagaber, PhD, Associate Professor) Financial Statistics (Basic-level course, 7,5 ECTS,

Läs mer

Finansinspektionens stresstester av svenska storbanker

Finansinspektionens stresstester av svenska storbanker PROMEMORIA Datum 2014-11-28 FI Dnr 14-16475 Författare Emil Hagström Finansinspektionen Box 7821 SE-103 97 Stockholm [Brunnsgatan 3] Tel +46 8 787 80 00 Fax +46 8 24 13 35 finansinspektionen@fi.se www.fi.se

Läs mer

Statistik 1 för biologer, logopeder och psykologer

Statistik 1 för biologer, logopeder och psykologer Innehåll 1 Grunderna i sannolikhetslära 2 Innehåll 1 Grunderna i sannolikhetslära 2 Satistik och sannolikhetslära Statistik handlar om att utvinna information från data. I praktiken inhehåller de data

Läs mer

Periodisk information om kapitaltäckning - Pelare III 31 december 2008

Periodisk information om kapitaltäckning - Pelare III 31 december 2008 Created by vimbjo Periodisk information om kapitaltäckning - Pelare III 31 december 2008 KAPITALTÄCKNINGSANALYS - SKANDIABANKEN FINANSIELL FÖRETAGSGRUPP 1. Kommentar utfall kapitaltäckning 31 december

Läs mer

HQ AB sakframställan. Del 12 Uppskattning av kapitalkrav för marknadsriskerna i Banken

HQ AB sakframställan. Del 12 Uppskattning av kapitalkrav för marknadsriskerna i Banken HQ AB sakframställan Del 12 Uppskattning av kapitalkrav för marknadsriskerna i Banken 1 Disposition 1 2 3 4 5 6 7 Allmänt om säkerhetskraven Allmänt om beräkning av säkerhetskrav NASDAQ OMX beräkning av

Läs mer

Strukturakademin Strukturinvest Fondkommission

Strukturakademin Strukturinvest Fondkommission Del 26 Obligationer Innehåll Vad är en obligation?... 3 Obligationsmarknaden... 3 Företagsobligationer... 3 Risk och avkastning... 3 Kupongobligationer... 4 Yield to maturity... 4 Kupongobligationers ränterisk...

Läs mer

Information om risk och likviditet

Information om risk och likviditet SIP Nordic Fondkommission AB, 556708-6649 Information om risk och likviditet - 140630 Finansiella riskfaktorer Bolaget utsätts genom sin verksamhet för olika finansiella risker: Kostnadsrisk, kreditrisk,

Läs mer

Finansiering. Föreläsning 6 Risk och avkastning BMA: Kap. 7. Jonas Råsbrant

Finansiering. Föreläsning 6 Risk och avkastning BMA: Kap. 7. Jonas Råsbrant Finansiering Föreläsning 6 Risk och avkastning BMA: Kap. 7 Jonas Råsbrant jonas.rasbrant@fek.uu.se Föreläsningens innehåll Historisk avkastning för finansiella tillgångar Beräkning av avkastning och risk

Läs mer

FI:s metoder för bedömning av enskilda risktyper inom pelare 2

FI:s metoder för bedömning av enskilda risktyper inom pelare 2 REMISSYTTRANDE Vår referens: 2014/088 Er referens: FI Dnr 14-14414 1 (8) 2015-01-30 finansinspektionen@fi.se FI:s metoder för bedömning av enskilda risktyper inom pelare 2 Generella kommentarer Finansinspektionen

Läs mer

Finansinspektionens stresstester av storbankerna

Finansinspektionens stresstester av storbankerna PROMEMORIA Datum -11-10 Finansinspektionens stresstester av storbankerna Finansinspektionen P.O. Box 7821 SE-103 97 Stockholm [Brunnsgatan 3] Tel +46 8 787 80 00 Fax +46 8 24 13 35 finansinspektionen@fi.se

Läs mer

SF1901: Sannolikhetslära och statistik

SF1901: Sannolikhetslära och statistik SF1901: Sannolikhetslära och statistik Föreläsning 5. Kovarians, korrelation, väntevärde och varians för summor av s.v.:er, normalfördelning (del 1) Jan Grandell & Timo Koski 15.09.2008 Jan Grandell &

Läs mer

(A -A)(B -B) σ A σ B. på att tillgångarna ej uppvisar något samband i hur de varierar.

(A -A)(B -B) σ A σ B. på att tillgångarna ej uppvisar något samband i hur de varierar. Del 2 Korrelation Innehåll Implicita tillgångar... 3 Vad är korrelation?... 3 Hur fungerar sambanden?... 3 Hur beräknas korrelation?... 3 Diversifiering... 4 Korrelation och strukturerade produkter...

Läs mer

Periodisk information om kapitaltäckning - Pelare III 31 mars 2009

Periodisk information om kapitaltäckning - Pelare III 31 mars 2009 Created by vimbjo Periodisk information om kapitaltäckning - Pelare III 31 mars 2009 KAPITALTÄCKNINGSANALYS - SKANDIABANKEN FINANSIELL FÖRETAGSGRUPP 1. Kommentar utfall kapitaltäckning 31 mars 2009 Kapitaltäckningsgraden

Läs mer

De svenska bankernas kapitalkrav, tredje kvartalet 2017

De svenska bankernas kapitalkrav, tredje kvartalet 2017 P R O M E M O R I A Datum 2017-11-24 FI Dnr 17-6342 Författare Avdelningen för bankanalys Finansinspektionen Box 7821 SE-103 97 Stockholm [Brunnsgatan 3] Tel +46 8 787 80 00 Fax +46 8 24 13 35 finansinspektionen@fi.se

Läs mer

TAMS79: Föreläsning 6. Normalfördelning

TAMS79: Föreläsning 6. Normalfördelning TAMS79: Föreläsning 6 Normalfördelningen Johan Thim (johan.thim@liu.se 3 november 018 Normalfördelning Definition. Låt µ R och > 0. Om X är en stokastisk variabel med täthetsfunktion f X ( = 1 ( ep ( µ,

Läs mer

Föreläsning 7: Punktskattningar

Föreläsning 7: Punktskattningar Föreläsning 7: Punktskattningar Matematisk statistik Chalmers University of Technology September 21, 2015 Tvådimensionella fördelningar Definition En två dimensionell slumpvariabel (X, Y ) tillordnar två

Läs mer

Ekonomisk styrning Delkurs Finansiering

Ekonomisk styrning Delkurs Finansiering Ekonomisk styrning Delkurs Finansiering Föreläsning 6 Introduktion till portföljteorin BMA: Kap. 7-8 Jonas Råsbrant jonas.rasbrant@indek.kth.se Föreläsningens innehåll Historisk avkastning för finansiella

Läs mer

Periodisk information 2014-09-30

Periodisk information 2014-09-30 Scania Finans Aktiebolag Periodisk information 2014-09-30 Scania Finans Aktiebolag, 556049-2570, är ett av Finansinspektionen tillståndspliktigt kreditmarknadsbolag och helägt dotterbolag till Scania CV

Läs mer

Del 16 Kapitalskyddade. placeringar

Del 16 Kapitalskyddade. placeringar Del 16 Kapitalskyddade placeringar Innehåll Kapitalskyddade placeringar... 3 Obligationer... 3 Prissättning av obligationer... 3 Optioner... 4 De fyra positionerna... 4 Konstruktion av en kapitalskyddad

Läs mer

F5 STOKASTISKA VARIABLER (NCT , samt del av 5.4)

F5 STOKASTISKA VARIABLER (NCT , samt del av 5.4) Stat. teori gk, ht 006, JW F5 STOKASTISKA VARIABLER (NCT 5.1-5.3, samt del av 5.4) Ordlista till NCT Random variable Discrete Continuous Probability distribution Probability distribution function Cumulative

Läs mer

Kapitel 4 Sannolikhetsfördelningar Sid Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin

Kapitel 4 Sannolikhetsfördelningar Sid Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin Kapitel 4 Sannolikhetsfördelningar Sid 79-14 Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin Slumpvariabel En variabel för vilken slumpen bestämmer utfallet. Slantsingling, tärningskast,

Läs mer

De svenska bankernas kapitalkrav, fjärde kvartalet 2017

De svenska bankernas kapitalkrav, fjärde kvartalet 2017 P R O M E M O R I A Datum 2018-02-23 (korrigerad 2018-03-09) FI Dnr 17-6342 Författare Avdelningen för bankanalys Finansinspektionen Box 7821 SE-103 97 Stockholm [Brunnsgatan 3] Tel +46 8 787 80 00 Fax

Läs mer

Periodisk information Kvartal

Periodisk information Kvartal 1 Periodisk information Kvartal 3 2014 2014-09-30 2 Nya EU-gemensamma kapitaltäckningsregler trädde i kraft den 1 januari 2014. Regelverket består av en förordning (EU) 575/2013 som är direktverkande och

Läs mer

Riktlinjer för kapitalförvaltning inom Prostatacancerförbundet

Riktlinjer för kapitalförvaltning inom Prostatacancerförbundet 2014-08-21 Riktlinjer för kapitalförvaltning inom Prostatacancerförbundet Prostatacancerförbundet har ansvar för att bevara och förränta förbundets medel på ett försiktigt och ansvarsfullt sätt. Centralt

Läs mer

Modern kapitalförvaltning kundanpassning med flexibla lösningar

Modern kapitalförvaltning kundanpassning med flexibla lösningar Modern kapitalförvaltning kundanpassning med flexibla lösningar (Från Effektivt Kapital, Vinell m.fl. Norstedts förlag 2005) Ju rikare en finansmarknad är på oberoende tillgångar, desto större är möjligheterna

Läs mer

DELÅRSRAPPORT för AB Sveriges Säkerställda obligationer (publ), org nr. 556645-9755, 1 januari 30 juni 2007

DELÅRSRAPPORT för AB Sveriges Säkerställda obligationer (publ), org nr. 556645-9755, 1 januari 30 juni 2007 DELÅRSRAPPORT för AB Sveriges Säkerställda obligationer (publ), org nr. 556645-9755, 1 januari 30 juni 2007 Sammanfattning Jun 2007 Jun 2006 Räntenetto, mnkr 399 36 Rörelseresultat, mnkr 326 (408) Kreditförluster,

Läs mer

Information om kapitaltäckning och likviditet

Information om kapitaltäckning och likviditet Information om kapitaltäckning och likviditet 2016-09-30 Kapitalbas och riskexponering Nordnet tillämpar schablonmetoden vid beräkning av kreditriskexponering. Inga interna modeller används. Vid tillämpning

Läs mer

De svenska bankernas kapitalkrav, fjärde kvartalet 2015

De svenska bankernas kapitalkrav, fjärde kvartalet 2015 P R O M E M O R I A Datum 2016-02-25 FI Dnr 15-7395 Författare Enheten för bankanalys Finansinspektionen Box 7821 SE-103 97 Stockholm [Brunnsgatan 3] Tel +46 8 787 80 00 Fax +46 8 24 13 35 finansinspektionen@fi.se

Läs mer

Weibullanalys. Maximum-likelihoodskattning

Weibullanalys. Maximum-likelihoodskattning 1 Weibullanalys Jan Enger Matematisk statistik KTH Weibull-fördelningen är en mycket viktig fördelning inom tillförlitlighetsanalysen. Den används ofta för att modellera mekaniska komponenters livslängder.

Läs mer

Granskning av metoder för att mäta kreditrisk och operativ risk (prop. 2004/05: 153)

Granskning av metoder för att mäta kreditrisk och operativ risk (prop. 2004/05: 153) Finansutskottets betänkande 2004/05:FiU33 Granskning av metoder för att mäta kreditrisk och operativ risk (prop. 2004/05: 153) Sammanfattning År 2007 förväntas nya kapitaltäckningsregler (EG-direktiv)

Läs mer

F3 Introduktion Stickprov

F3 Introduktion Stickprov Utrotningshotad tandnoting i arktiska vatten Inferens om väntevärde baserat på medelvärde och standardavvikelse Matematik och statistik för biologer, 10 hp Tandnoting är en torskliknande fisk som lever

Läs mer

TMS136. Föreläsning 4

TMS136. Föreläsning 4 TMS136 Föreläsning 4 Kontinuerliga stokastiska variabler Kontinuerliga stokastiska variabler är stokastiska variabler som tar värden i intervall av den reella axeln Det kan handla om längder, temperaturer,

Läs mer

Finansinspektionens stresstester av svenska storbanker 1

Finansinspektionens stresstester av svenska storbanker 1 PROMEMORIA Datum 2013-11-14 Finansinspektionen Box 7821 SE-103 97 Stockholm [Brunnsgatan 3] Tel +46 8 787 80 00 Fax +46 8 24 13 35 finansinspektionen@fi.se www.fi.se Finansinspektionens stresstester av

Läs mer

Del 11 Indexbevis. Strukturakademin. Strukturakademin. Strukturinvest Fondkommission

Del 11 Indexbevis. Strukturakademin. Strukturakademin. Strukturinvest Fondkommission Del 11 Indexbevis 1 Innehåll 1. Grundpositionerna 1.1 Köpt köpoption 1.2 Såld köpoption 1.3 Köpt säljoption 1.4 Såld säljoption 2. Konstruktion av indexbevis 3. Avkastningsanalys 4. Knock-in optioner 5.

Läs mer

Demonstration av laboration 2, SF1901

Demonstration av laboration 2, SF1901 KTH 29 November 2017 Laboration 2 Målet med dagens föreläsning är att repetera några viktiga begrepp från kursen och illustrera dem med hjälp av MATLAB. Laboration 2 har följande delar Fördelningsfunktion

Läs mer

HQ AB plädering. Del 5 Kapitalbristerna i övrigt

HQ AB plädering. Del 5 Kapitalbristerna i övrigt HQ AB plädering Del 5 Kapitalbristerna i övrigt 1 Regleringen avseende marknadsrisker Marknadsrisker ska beaktas under pelare 2 Schablonmetoden enligt pelare 1 fångar enbart deltarisken i optioner Banken

Läs mer

Periodisk information 2014-09-30

Periodisk information 2014-09-30 Periodisk information 2014-09-30 Collector Credit AB, 556597-0513, är ett kreditmarknadsbolag och ett helägt dotterbolag till Collector AB, 556560-0797. Verksamheten består av finansieringstjänster. Finansieringstjänsterna

Läs mer

Totalt kapital 69 373 70 917 76 912

Totalt kapital 69 373 70 917 76 912 Skandia Investment Management AB 556606-6832 INFORMATION OM KAPITALTÄCKNING Rapporten innehåller information om kapitaltäckning i enlighet med Finansinspektionens föreskrifter och allmänna råd om offentliggörande

Läs mer

Aggregering av kapitalkrav i standardformeln i Solvens II. Magnus Carlehed

Aggregering av kapitalkrav i standardformeln i Solvens II. Magnus Carlehed Aggregering av kapitalkrav i standardformeln i Solvens II Magnus Carlehed Inledning Det europeiska försäkringsregelverket Solvens II [1] syftar ytterst till att skydda försäkringstagarna och innefattar

Läs mer

Finansinspektionens stresstester av svenska storbanker

Finansinspektionens stresstester av svenska storbanker PROMEMORIA Datum 2012-11-08 Finansinspektionen Box 7821 SE-103 97 Stockholm [Brunnsgatan 3] Tel +46 8 787 80 00 Fax +46 8 24 13 35 finansinspektionen@fi.se www.fi.se Finansinspektionens stresstester av

Läs mer

Föreläsning 3. Kapitel 4, sid Sannolikhetsfördelningar

Föreläsning 3. Kapitel 4, sid Sannolikhetsfördelningar Föreläsning 3 Kapitel 4, sid 79-124 Sannolikhetsfördelningar 2 Agenda Slumpvariabel Sannolikhetsfördelning 3 Slumpvariabel (Stokastisk variabel) En variabel som beror av slumpen Ex: Tärningskast, längden

Läs mer

De svenska bankernas kapitalkrav, tredje kvartalet 2015

De svenska bankernas kapitalkrav, tredje kvartalet 2015 P R O M E M O R I A Datum 2015-11-25 FI Dnr 15-7395 Författare Enheten för bankanalys Finansinspektionen Box 7821 SE-103 97 Stockholm [Brunnsgatan 3] Tel +46 8 787 80 00 Fax +46 8 24 13 35 finansinspektionen@fi.se

Läs mer

Provmoment: Ladokkod: Tentamen ges för:

Provmoment: Ladokkod: Tentamen ges för: Finansiell ekonomi Provmoment: Ladokkod: Tentamen ges för: Namn: (Ifylles av student) Personnummer: (Ifylles av student) Tentamensdatum: 23/8 13 Tid: 09:00 14:00 Hjälpmedel: Miniräknare SFE011 Nationalekonomi

Läs mer

DELÅRSRAPPORT PER 2013-06-30 SPARBANKEN LIDKÖPING AB

DELÅRSRAPPORT PER 2013-06-30 SPARBANKEN LIDKÖPING AB DELÅRSRAPPORT PER 2013-06-30 SPARBANKEN LIDKÖPING AB 1 Delårsrapport för perioden 2013-01-01 2013-06-30 Verkställande direktören för Sparbanken Lidköping AB, organisationsnummer 516401-0166, får härmed

Läs mer

SF1901: SANNOLIKHETSTEORI OCH MER ON VÄNTEVÄRDE OCH VARIANS. KOVARIANS OCH KORRELATION. STORA TALENS LAG. STATISTIK.

SF1901: SANNOLIKHETSTEORI OCH MER ON VÄNTEVÄRDE OCH VARIANS. KOVARIANS OCH KORRELATION. STORA TALENS LAG. STATISTIK. SF1901: SANNOLIKHETSTEORI OCH STATISTIK FÖRELÄSNING 6 MER ON VÄNTEVÄRDE OCH VARIANS. KOVARIANS OCH KORRELATION. STORA TALENS LAG. Tatjana Pavlenko 12 september 2017 PLAN FÖR DAGENS FÖRELÄSNING Repetition

Läs mer

Grundläggande matematisk statistik

Grundläggande matematisk statistik Grundläggande matematisk statistik Kontinuerliga fördelningar Uwe Menzel, 8 www.matstat.de Begrepp fördelning Hur beter sig en variabel slumpmässigt? En slumpvariabel (s.v.) har en viss fördelning, d.v.s.

Läs mer

Kapitaltäckning och Likviditet 2012-09. Ikano Bank SE. Org nr 517100-0051

Kapitaltäckning och Likviditet 2012-09. Ikano Bank SE. Org nr 517100-0051 Kapitaltäckning och Likviditet 2012-09 Ikano Bank SE Org nr 517100-0051 Kapitaltäckning och likviditet, periodisk information per 30 september 2012 Denna information om kapitaltäckning och likviditet för

Läs mer

Delårsrapport. Dalslands Sparbank. Januari Juni 2016

Delårsrapport. Dalslands Sparbank. Januari Juni 2016 Delårsrapport Dalslands Sparbank Januari Juni 2016 Delårsrapport för Januari Juni 2016 Verksamhetens art och inriktning Dalslands Sparbanks verksamhetsområde omfattar Mellerud, Ed, Färgelanda och Bengtsfors

Läs mer

PERIODISK INFORMATION OM KAPITALTÄCKNING OCH LIKVIDITET I DNB ASSET MANAGEMENT AB. 30 september 2015

PERIODISK INFORMATION OM KAPITALTÄCKNING OCH LIKVIDITET I DNB ASSET MANAGEMENT AB. 30 september 2015 DNB ASSET MANAGEMENT AB Org.nr. 556387-6159 PERIODISK INFORMATION OM KAPITALTÄCKNING OCH LIKVIDITET I DNB ASSET MANAGEMENT AB 30 september 2015 Beräkningarna baseras på Europaparlamentets och rådets förordning

Läs mer

Information om kapitaltäckning och likviditet

Information om kapitaltäckning och likviditet Information om kapitaltäckning och likviditet 2016-06-30 Kapitalbas och riskexponering Nordnet tillämpar schablonmetoden vid beräkning av kreditriskexponering. Inga interna modeller används. Vid tillämpning

Läs mer

Information om kapitaltäckning och likviditet

Information om kapitaltäckning och likviditet Information om kapitaltäckning och likviditet 2017-03-31 Kapitalbas och riskexponering Nordnet tillämpar schablonmetoden vid beräkning av kreditriskexponering. Inga interna modeller används. Vid tillämpning

Läs mer

Periodisk information 2015-03-31

Periodisk information 2015-03-31 Scania Finans Aktiebolag Periodisk information 2015-03-31 Scania Finans Aktiebolag, 556049-2570, är ett av Finansinspektionen tillståndspliktigt kreditmarknadsbolag och helägt dotterbolag till Scania CV

Läs mer

Introduktion till statistik för statsvetare

Introduktion till statistik för statsvetare Stockholms universitet November 2011 Data på annat sätt - I Stolpdiagram Data på annat sätt - II Histogram För kvalitativa data som nominal- och ordinaldata infördes stapeldiagram. För kvantitativa data

Läs mer

Risk- och kapitalhantering

Risk- och kapitalhantering Risk- och kapitalhantering INLEDNING Information om s risk- och kapitalhantering publiceras i enlighet med Europaparlamentets och rådets förordning (EU) nr 575/2013 om tillsynskrav för kreditinstitut och

Läs mer

Svensk författningssamling

Svensk författningssamling Svensk författningssamling Lag om ändring i lagen (2006:1371) om kapitaltäckning och stora exponeringar; SFS 2007:570 Utkom från trycket den 27 juni 2007 utfärdad den 14 juni 2007. Enligt riksdagens beslut

Läs mer

Tentamen i matematisk statistik (9MA241/9MA341, STN2) kl 08-12

Tentamen i matematisk statistik (9MA241/9MA341, STN2) kl 08-12 LINKÖPINGS UNIVERSITET MAI Johan Thim Tentamen i matematisk statistik (9MA21/9MA31, STN2) 212-8-2 kl 8-12 Hjälpmedel är: miniräknare med tömda minnen och formelbladet bifogat. Varje uppgift är värd 6 poäng.

Läs mer

Placeringsalternativ kopplat till tre strategier på G10 ländernas valutor

Placeringsalternativ kopplat till tre strategier på G10 ländernas valutor www.handelsbanken.se/mega Strategiobligation SHB FX 1164 Placeringsalternativ kopplat till tre strategier på G10 ländernas valutor Strategierna har avkastat 14,5 procent per år sedan år 2000 Låg korrelation

Läs mer

Finansiell Statistik (GN, 7,5 hp, HT 2008) Föreläsning 2

Finansiell Statistik (GN, 7,5 hp, HT 2008) Föreläsning 2 Finansiell Statistik (GN, 7,5 hp, HT 008) Föreläsning Diskreta sannolikhetsfördelningar (LLL kap. 6) Department of Statistics (Gebrenegus Ghilagaber, PhD, Associate Professor) Financial Statistics (Basic-level

Läs mer

DELÅRSRAPPORT PER 2014-06-30 SPARBANKEN LIDKÖPING AB 516401-0166 1

DELÅRSRAPPORT PER 2014-06-30 SPARBANKEN LIDKÖPING AB 516401-0166 1 DELÅRSRAPPORT PER 2014-06-30 SPARBANKEN LIDKÖPING AB 516401-0166 1 Delårsrapport för perioden 2014-01-01 2014-06-30 Verkställande direktören för Sparbanken Lidköping AB, organisationsnummer 516401-0166,

Läs mer

Analys av medelvärden. Jenny Selander , plan 3, Norrbacka, ingång via den Samhällsmedicinska kliniken

Analys av medelvärden. Jenny Selander , plan 3, Norrbacka, ingång via den Samhällsmedicinska kliniken Analys av medelvärden Jenny Selander jenny.selander@ki.se 524 800 29, plan 3, Norrbacka, ingång via den Samhällsmedicinska kliniken Jenny Selander, Kvant. metoder, FHV T1 december 20111 Innehåll Normalfördelningen

Läs mer

Introduktion till statistik för statsvetare

Introduktion till statistik för statsvetare "Det finns inget så praktiskt som en bra teori" November 2011 Repetition Vad vi gjort hitills Vi har börjat med att studera olika typer av mätningar och sedan successivt tagit fram olika beskrivande mått

Läs mer

Avd. Matematisk statistik

Avd. Matematisk statistik Avd. Matematisk statistik TENTAMEN I SF1901 SANNOLIKHETSTEORI OCH STATISTIK, MÅNDAGEN DEN 8:E JANUARI 2018 KL 14.00 19.00. Examinator: Thomas Önskog, 08 790 84 55. Tillåtna hjälpmedel: Formel- och tabellsamling

Läs mer

FINANSINSPEKTIONEN Utfärdad 18.12.2008 Ersätter - Gäller 1.1.2009

FINANSINSPEKTIONEN Utfärdad 18.12.2008 Ersätter - Gäller 1.1.2009 PP01 PP01 RÄNTOR Klassificeringsfaktorer Utestående belopp Ränta, % Radnr Knr 05 10 05 9 Genomsnittsränta på utlåning JO30000, Kr 10 10 9 Genomsnittsränta på inlåning K02 15 0 Genomsnittsränta på produktivt

Läs mer

Finansinspektionens stresstester av storbankerna

Finansinspektionens stresstester av storbankerna PROMEMORIA Datum 2008-10-15 Finansinspektionen Författare Masih Yazdi Finansinspektionens stresstester av storbankerna Finansinspektionen gör inga egna makroekonomiska prognoser, utan använder i sina stabilitetsbedömningar

Läs mer

Information om kapitaltäckning och likviditet

Information om kapitaltäckning och likviditet Information om kapitaltäckning och likviditet 2017-06-30 Kapitalbas och riskexponering Nordnet tillämpar schablonmetoden vid beräkning av kreditriskexponering. Inga interna modeller används. Vid tillämpning

Läs mer

Nedan redovisas resultatet med hjälp av ett antal olika diagram (pkt 1-6):

Nedan redovisas resultatet med hjälp av ett antal olika diagram (pkt 1-6): EM-fotboll 2012 några grafer Sport är en verksamhet som genererar mängder av numerisk information som följs med stort intresse EM i fotboll är inget undantag och detta dokument visar några grafer med kommentarer

Läs mer

Statistisk analys av komplexa data

Statistisk analys av komplexa data Statistisk analys av komplexa data Trunkerade data och Tobitregression Bertil Wegmann Avdelning statistik, IDA, Linköpings universitet November 10, 2015 Bertil Wegmann (statistik, LiU) Trunkerade data

Läs mer

Ekonomiska kommentarer

Ekonomiska kommentarer NR 7 2017 21 december Ekonomiska kommentarer Basel III och svenska storbankers kapitalkrav Tomas Edlund Författaren är verksam vid Riksbankens avdelning för finansiell stabilitet I denna ekonomiska kommentar

Läs mer