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

Relevanta dokument
under en options löptid. Strukturakademin Strukturinvest Fondkommission

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

Del 1 Volatilitet. Strukturakademin

Del 2 Korrelation. Strukturakademin

CAPM (capital asset pricing model)

Ekonomisk styrning Delkurs Finansiering

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

Strukturakademin 10 Portföljteori

Påbyggnad/utveckling av lagen om ett pris Effektiv marknad: Priserna på en finansiell marknad avspeglar all relevant information

Så får du pengar att växa

F3 Introduktion Stickprov

Innehåll. Kursfallsskydd... 3 Lock & Secure... 3 Konstruktion av Lock & Secure funktionen... 3 Avkastning och risk... 4

Del 6 Valutor. Strukturakademin

Finansiell Ekonomi i Praktiken

Riskbegreppet kopplat till långsiktigt sparande

Placeringsalternativ kopplat till tre strategier på G10 ländernas valutor

PTK Rådgivningstjänst funktion och hur råden tas fram

Del 18 Autocalls fördjupning

Yale Endowment Plan. Yales portfölj 1986 Yales portfölj Reala tillgångar; Private. Equity; 5% Reala tillgångar; 26% Aktier; 17%

Cicero Fonder AB, organisationsnummer , ett dotterbolag till Cicero Holding AB.

5B Portföljteori och riskvärdering

Strukturakademin Strukturinvest Fondkommission FIGUR 1. Utdelning. Återinvesterade utdelningar Ej återinvesterade utdelningar

Del 12 Genomsnittsberäkning

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

Del 7 Barriäroptioner

Bild 1. Bild 2 Sammanfattning Statistik I. Bild 3 Hypotesprövning. Medicinsk statistik II

Finansmatematik II Kapitel 2 Stokastiska egenskaper hos aktiepriser

1325 Valutaobligation Oljenationer 1325 VALUTAOBLIGATION OLJENATIONER 3 ÅR

Strukturakademin Strukturinvest Fondkommission

Del 20 Optimalfunktionen

Introduktion. Konfidensintervall. Parade observationer Sammanfattning Minitab. Oberoende stickprov. Konfidensintervall. Minitab

Lektionsanteckningar 11-12: Normalfördelningen

Betavärde En akties betavärde, β, relativt en marknad, M, definieras som

Del 16 Kapitalskyddade. placeringar

Brasilien & Ryssland

Finansmatematik II Kapitel 5 Samvariation med marknaden

Del 13 Andrahandsmarknaden

Del 4 Emittenten. Strukturakademin

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

Exempel. Kontinuerliga stokastiska variabler. Integraler i stället för summor. Integraler i stället för summor

AID:... LÖSNINGSFÖRSLAG TENTA Aktiedelen, uppdaterad

Vi gör förändringar i Access Trygg den 2 april 2014

Placeringspolicy Stiftelsen Demensfonden

Del 24 Exchange Traded Funds (ETF)

Stockholms Universitet Statistiska institutionen Termeh Shafie

Föreläsning 1. NDAB02 Statistik; teori och tillämpning i biologi

TMS136. Föreläsning 10

Riktlinjer för kapitalförvaltning inom Prostatacancerförbundet

NASDAQ OMX ETF-EVENT 8 MARS

payout = max [0,X 0(ST-K)]

Hedgefonders avkastning gentemot Stockholmsbörsen

Matematikcentrum 1(4) Matematisk Statistik Lunds Universitet MASB11 HT10. Laboration. Regressionsanalys (Sambandsanalys)

BRANSCHKOD VERSION INFORMATIONSGIVNING GÄLLANDE STRUKTURERADE PLACERINGAR 1. BAKGRUND

Tentamen i statistik (delkurs C) på kursen MAR103: Marina Undersökningar - redskap och metoder.

Kandidatuppsats Nationalekonomiska institutionen. Ska olika VaR-modeller användas för olika tillgångstyper?

Aktiebevis Alpinist Sverige

Amerikansk Konsumtion

EXAMINATION KVANTITATIV METOD vt-11 (110204)

Strukturakademin Strukturinvest Fondkommission

Aktieindexobligation Europeiska Aktieåterköp Grundutbud. låg risk. 6 år. Aktieindex- Erasmusbrug, Rotterdam

LÖSNINGAR TILL. Matematisk statistik, Tentamen: kl FMS 086, Matematisk statistik för K och B, 7.5 hp

Livlina Autocall Svensk Verkstad Livlina 1314 AUTOCALL SVENSK VERKSTAD LIVLINA EMITTENT GRUND- UTBUD AUTO- CALL 1-5 ÅR

Kap 6: Normalfördelningen. Normalfördelningen Normalfördelningen som approximation till binomialfördelningen

ÖVERAVKASTNING BLACK SWANS ALEXANDER DANTE TAIMAZ BALTAEV ALEKSANDAR PETROVIC OCH KANDIDATUPPSATS HANDLEDARE ERIK NORRMAN

Svenska Byggbolag Autocall Svenska Byggbolag Combo Defensiv GRUND- UTBUD AUTO- CALL. 1-5 år

Portföljsammanställning för Landstinget Västerbotten. avseende perioden

Massaindex. Ett projekt inom SCOPE Norra. Mikael Håkansson 23 Maj 2013

Betrakta kopparutbytet från malm från en viss gruva. För att kontrollera detta tar man ut n =16 prover och mäter kopparhalten i dessa.

FONDSPECIAL FONDER & RISK. Innehåll. Rapportförfattare. Fördjupning om fonder från Fondbolagens förening

Hållbara fonder Doing well while doing good?

% Ett resultat av genuint hantverk

Hypotesprövning. Andrew Hooker. Division of Pharmacokinetics and Drug Therapy Department of Pharmaceutical Biosciences Uppsala University

MARKNADSWARRANT Europa Småbolag 4. Hallgrímskirkja, Reykjavik

BETAEXPONERING OCH BLACK SWANS EN EVENTSTUDIE AV HÖG- RESPEKTIVE LÅGBETA EXCHANGE TRADED FUNDS

Finansiering. Föreläsning 7 Portföljteori och kapitalkostnad BMA: Kap Jonas Råsbrant

Riskpremien på den svenska aktiemarknaden

FÖRESKRIFTER FÖR REGION SKÅNES FÖRVALTNING AV STIFTELSEKAPITAL

Föreläsning 3. Kapitel 4, sid Sannolikhetsfördelningar

Del 3 Utdelningar. Strukturakademin

Föreläsning 6, Repetition Sannolikhetslära

Uppgift 1 (a) För två händelser, A och B, är följande sannolikheter kända

Riskpremien på den svenska aktiemarknaden

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

Stokastiska Processer och ARIMA. Patrik Zetterberg. 19 december 2012

Faktablad Simplicity Sverige

import totalt, mkr index 85,23 100,00 107,36 103,76

SF1901 Sannolikhetsteori och statistik I

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

Finanspolicy i Flens kommun

Optimalstart slut Autocall Svenska Bolag Combo Optimal 1318 AUTOCALL SVENSKA BOLAG COMBO OPTIMAL GRUND- - UTBUD AUTO- CALL 0,5-5 ÅR

Månadsbrev PROGNOSIA SUPERNOVA Oktober 2014

Statusrapport för Danske Bank DDBO 535 A Sverige ISIN: SE

ISIN: SE Cicero Fonder AB, organisationsnummer , ett dotterbolag till Cicero Holding AB.

Statusrapport för Danske Bank DDBO 534 B Sverige ISIN: SE

Portföljanalys Demo. Strategic Investment Advice

Hypotestestning och repetition

Laboration 4: Stora talens lag, Centrala gränsvärdessatsen och enkla punktskattningar

Riktlinjer till finanspolicy

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

F2 Introduktion. Sannolikheter Standardavvikelse Normalapproximation Sammanfattning Minitab. F2 Introduktion

Transkript:

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 kategorier av risker. Till dessa hör bland annat kreditrisk, likviditetsrisk, valutarisk och ränterisk. Hur dessa risker definieras och skiljer sig från varandra är inte ämnet för denna artikel. Istället skall vi i detta avsnitt av Strukturakademin titta närmare på hur man praktiskt kan mäta den mängd risk som är förknippad med en specifik placering. STANDARDAVVIKELSE En naturlig ingång för den som vill försöka sig på att kvantifiera risken i ett finansiellt instrument är att titta på spridningen av den förväntade avkastningen för placeringen i fråga. På finansspråk talar man om begreppet volatilitet som anger hur mycket priset på en tillgång fluktuerar kring sitt medelvärde (se Strukturakademin del 1). Ofta används historiska data där volatiliteten mäts som standardavvikelsen enligt följande formel: FIGUR 1 σ = 1 n - 1 n i = 1 - (x i - x) 2 en tillgångs individuella varians av liten betydelse. Man kan säga att den tillgångsspecifika risken diversifieras bort. Det som har betydelse är istället tillgångens samvariation med andra tillgångar. BETARISK För en portfölj innehållandes många tillgångar är det alltså graden av inbördes samvariation som är av betydelse vid riskbedömning. För stora portföljer blir det emellertid både dyrt och tidskrävande att räkna ut kovariansen mellan alla inbördes tillgångar. I praktisk tillämpning behövs det därför förenklande modeller. En sådan modell är den s.k. Capital Asset Pricing Model (CAPM) vilken beskriver det teoretiska sambandet mellan risk och avkastning för en finansiell tillgång. I denna definieras den icke-diversifierbara risken som den individuella tillgångens korrelation med marknadsindex och kallas för beta: Ovanstående formulering visar alltså graden av variation i en enskild tillgång. En mycket central slutsats från modern portföljteori är dock vikten av diversifiering. Det kan utan större svårigheter bevisas att standardavvikelsen för en (likaviktad) portfölj bestående av flera tillgångar kan beskrivas enligt följande formel: FIGUR 3 Cov (R i,r m ) β i = Var (R m ) FIGUR 2 1 σρ = σ- 2 N - 1 + σ - N j N jk där σj 2 är den genomsnittliga variansen för en tillgång och σjk är den genomsnittliga kovariansen mellan tillgång j och k. Då N är antalet tillgångar (exempelvis aktier) i portföljen är det enkelt att se vad som händer om detta antal ökar. Vid en stor och därmed väldiversifierad portfölj blir där R i är avkastningen (return) på den specifika tillgången och R m är marknadsavkastningen. Betavärdet (vilket också kallas systematisk risk) är det mest använda riskmåttet på individuella tillgångsslag såsom aktier. Om en tillgång har ett betavärde som överstiger 1 innebär detta att tillgången är mer volatil än marknaden vilket indikerar högre risk. Det omvända gäller för betavärden mindre än 1. Strukturakademin Strukturinvest Fondkommission 3

VALUE AT RISK Ett annat mycket vanligt mått på risk är Value at Risk (VaR). Detta riskmått syftar till att summera risken i en portfölj av finansiella tillgångar till ett enskilt värde. VaR visar den potentiella förlust i kronor som kan uppstå med en given sannolikhetsnivå (vanligen 95 eller 99 procent) under en viss tidsperiod. Vid beräkning av VaR utgår man ofta från historiska data. Låt oss anta en portfölj med värdet 100 Mkr. Anta vidare att en förvaltare räknat ut (baserat på historiska data) att den förväntade veckoavkastningen uppgår till 0,2% med en standardavvikelse på 0,3% och att denna avkastning är approximativt normalfördelad. Förvaltaren vet att de sämsta 5 procent av utfallen är avkastningar som inträffar mer än 1,65 standardavvikelser ifrån medelvärdet. I 5 procent av utfallen kan förvaltaren därför räkna med att avkastningen understiger 0,2-1,65*0,3= -0,295% vilket i det här fallet blir en förlust på 295 000 kronor. Detta är alltså VaR-värdet och kan tolkas som den maximala förlusten som kan uppstå i 95 procent av utfallen. På så vis har förvaltaren fått en konkret siffra på hur stort belopp som riskeras givet en viss sannolikhetsnivå. VALUE AT RISK 5% 95% RISKNIVÅN I STRUKTURERADE PRODUKTER I Sverige finns en branschgemensam riskindikator som sammanfattar de viktigaste riskerna i strukturerade placeringar. Tanken med indikatorn är att säkerställa kundtrygghet samt att öka jämförbarheten mellan olika strukturerade placeringar. Riskindikatorn är uppdelad i två mått där den första beskriver risknivån vid ett normalt utfall och den andra vid extrema utfall och representeras av riskskalor i intervallet 1 till 7. (Ett exempel på extremutfall är de kraftiga kursfallen på världens börser som skedde under finanskrisen 2008). De två riskmåtten beräknas av betydligt mer komplexa modeller än de som är beskrivna ovan och kommer därför inte förklaras i detalj här. De utgår dock från snarlika idéer där indikatorn för normalutfall tillhandahåller information om produktens volatilitet och indikatorn för extremutfall mäts som VaR vid konfidensgraden 99%, dvs. utfallet vid den första percentilen. När risken (här definierad som volatilitetsnivå) väl är uppmätt översätts den sedan till den 7-gradiga skalan baserat på följande intervall (se nedan). Notera att denna indelningsprincip gäller för bägge riskmått. Riskklass Lika med eller större än Volatilitetsintervall Mindre än 1 0% 0,5% 2 0,5% 2% 3 2% 5% 4 5% 10% 5 10% 15% 6 15% 25% 7 25% -VaR Medelvärde Ibland kan antagandet om normalfördelning inte göras. Detta gäller särskilt för portföljer som innehåller olika typer av derivatinstrument såsom swappar och optioner. I dessa situationer kan man istället beräkna VaR genom en så kallad Monte Carlo-simulering. I denna börjar man med att slumpa fram ett stort antal utfall för avkastningen utifrån en given stokastisk process och specificerade riskfaktorer. Man kan se det som att man använder framtida (hypotetisk) data istället för historisk. I nästa steg rangordnar man de simulerade utfallen från det lägsta till det högsta. VaR 95% blir därmed utfallet vid den 5:e percentilen. Strukturakademin Strukturinvest Fondkommission 4

Stora Badhusgatan 18-20 411 21 Göteborg Tel 031-68 82 90 www.strukturinvest.se