Förslag på korrelationsantaganden

Relevanta dokument
Underlag inför samrådsmöte den 11 maj 2017

Globala Arbetskraftskostnader

Södermanlands län år 2018

ARBETSKRAFTSKOSTNAD 2016, NORDEN

PISA åringars kunskaper i matematik, läsförståelse, naturvetenskap och digital problemlösning

Matematik Läsförståelse Naturvetenskap

Internationella löner. En jämförelse av löner och arbetskraftskostnader inom tillverkningsindustrin

Svenska skatter i internationell jämförelse. Urban Hansson Brusewitz

PISA åringars kunskaper i matematik, läsförståelse och naturvetenskap

Svensk författningssamling

OLIKA INDEX. Continuous Assisted Quotation 40 CAC40 Visar utvecklingen för de 40 mest omsatta aktierna på NYSE Euronext i Paris, Frankrike.

Stockholms besöksnäring. Juli 2015

Stockholms besöksnäring. Augusti 2015

Stockholms besöksnäring. Oktober 2015

Stockholms besöksnäring. Juni 2015

Stockholms besöksnäring. April 2015

Stockholms besöksnäring. Maj 2015

Stockholms besöksnäring. Februari 2016

Stockholms besöksnäring. September 2016

Stockholms besöksnäring. November 2016

Stockholms besöksnäring. November 2015

Stockholms besöksnäring. December 2016

Stockholms besöksnäring. Januari 2016

Stockholms besöksnäring. Sommaren 2015

Stockholms besöksnäring. Oktober 2016

Stockholms besöksnäring. Maj 2016

Stockholms besöksnäring. Juli 2016

Stockholms besöksnäring. April 2016

Stockholms besöksnäring. Augusti 2016

Stockholms besöksnäring. Juni 2016

Stockholms besöksnäring. Sommaren 2016

FINLÄNDSKA PORTFÖLJINVESTERINGAR I UTLANDET Tyskland, Frankrike och Sverige viktigaste mottagarländer

Tabeller. Förklaring till symbolerna i tabellerna. Kategorin är inte relevant för det aktuella landet varför data inte kan finnas.

Högre lägstlöner för högre tillväxt. Dan Andersson Albin Kainelainen

Stockholms besöksnäring. December 2014

Kunskaper och färdigheter i grundskolan under 40 år: En kritisk granskning av resultat från internationella jämförande studier

Internationella portföljinvesteringar

Penningpolitik och makrotillsyn LO 27 mars Vice riksbankschef Martin Flodén

SEB Aktiesparfond USA 2,

Ett Sverige i förändring: betydelsen av social sammanhållning

Pensionsrisk P R O M E M O R I A. Datum FI Dnr Följande stresser föreslås för pensionsrisk:

Resultat av QIS5 Utfallet av den femte kvantitativa studien (QIS5) för svenska försäkringsbolag och försäkringsgrupper.

Stockholms besöksnäring. November 2014

Svensk författningssamling

Svensk författningssamling

Stockholms besöksnäring. Oktober 2014

Risker i livförsäkringsföretag till följd av långvarigt låga räntor

Industrins lönekostnader internationellt. En genomgång av olika källor

Antal studiemedelstagare i utlandsstudier per världsdel och land. Källa: CSN (10)

Migration och integration. Lars Calmfors Senioruniversitetet 12/

INKVARTERINGSSTATISTIK FÖR ÅLAND

Kvartalsredovisning. Antalet EU-intyg hänförliga till EGförordning. arbetslöshetsersättning Första kvartalet 2005

Antal studiemedelstagare i utlandsstudier per världsdel och land. Källa: CSN (10)

Stockholms besöksnäring. September 2014

Privatpersoners användning av datorer och Internet. - i Sverige och övriga Europa

Marknad Johan Tegeback

Klimatpolitikens utmaningar

INKVARTERINGSSTATISTIK FÖR ÅLAND

Principer för Riksbankens regler för säkerheter för krediter enligt Villkor för RIX och penningpolitiska instrument

SYSSELSÄTTNINGSGRAD Sysselsatta/ befolkning i arbetsför ålder (15-64 år)

20 Internationella uppgifter om livsmedel

INKVARTERINGSSTATISTIK FÖR ÅLAND

Skatteverkets meddelanden

Matematiken i PISA

Kollektivavtalens täckningsgrad och organisationsgraden på arbetsmarknaden. Lars Calmfors Saltsjöbadsavtalet 80 år 12/3-2019

20 Internationella uppgifter om livsmedel

Andel av befolkningen med högre utbildning efter ålder Högskoleutbildning, kortare år år år år år

ANTAL UTLANDSSTUDERANDE MED STUDIESTÖD Asut1415.xlsx Sida 1

Svenska portföljinnehav av utländska aktier och fondandelar per 1998

Stockholms besöksnäring

20 Internationella uppgifter om livsmedel

Svensk författningssamling

Svenskt portföljinnehav 2002

Uppsala Alla gästnätter på hotell, vandrarhem, stugby och camping. Mars

Vart är konjunkturen på väg?

Information om ansökan per land

Arbetslösa enligt AKU resp. AMS jan 2002 t.o.m. maj 2006,1 000 tal

20 Internationella uppgifter om livsmedel

Uppsala Alla gästnätter på hotell, vandrarhem, stugby och camping. Feb

Migration och ekonomisk tillväxt. Lars Calmfors SVD Näringsliv Financial Forum 30/

Uppsala Alla gästnätter på hotell, vandrarhem, stugby och camping. Juni

1995 IIHF World Championship

Inkvarteringsstatistik för hotell 2005

Kapitel 2 Ds 2003:62. Källa 2.1 och 2.2: OECD, Economic outlook database.

Inresande studenter 1997/ / / /07

Projektet Ett utmanat Sverige Svenskt Näringslivs stora reformsatsning

Centrala studiestödsnämndens författningssamling

Uppsala Alla gästnätter på hotell, vandrarhem, stugby och camping. Jan. C-län Uppsala

Personer från andra länder

RESA INOM NORDEN OCH EUROPA

Inkvarteringsstatistik för hotell 2004

Finländska dotterbolag utomlands 2016

Inkvarteringsstatistik för hotell 2003

Avgiftshandboken Kortversion - sommarlathund

Utländska dotterbolag i Finland 2007

UTLÄNDSKA STUDERANDE MED STUDIESTÖD FRÅN ETT NORDISKT LAND ASIN

Dnr 2005/ :1. Kvartalsredovisning. Antalet EU-intyg hänförliga till EGförordning. arbetslöshetsersättning. - fjärde kvartalet 2005

Wholesaleprislista - IQ Telecom

Europeiska unionens råd Bryssel den 3 mars 2017 (OR. en) Jordi AYET PUIGARNAU, direktör, för Europeiska kommissionens generalsekreterare

RIKSDAGENS SVAR 117/2003 rd

Transkript:

P R O M E M O R I A Datum 2017-05-22 FI Dnr 17-4640 Finansinspektionen Box 7821 SE-103 97 Stockholm [Brunnsgatan 3] Tel +46 8 408 980 00 Fax +46 8 24 13 35 finansinspektionen@fi.se www.fi.se Förslag på korrelationsantaganden I testrapporteringen kommer en korrelationsmatris användas för alla tre konfidensnivåer. Analyser som Finansinspektionen gjort visar på att det utifrån det begränsade dataunderlaget för svansberoenden inte går att motivera olika korrelationsmatriser för de olika konfidensnivåerna som ingår i testrapporteringen. Följande korrelationsmatis föreslås för marknadsrisker: 99,5% 12 månader Aktie Ränta Spread Fastighet Valuta Koncentration Aktie 1 0,5 0,75 0,75 0,25 0 Ränta 0,5 1 0,5 0,5 0,25 0 Spread 0,75 0,5 1 0,6 0,25 0 Fastighet 0,75 0,5 0,6 1 0,25 0 Valuta 0,25 0,25 0,25 0,25 1 0 Koncentration 0 0 0 0 0 1 Inom kategorin aktier föreslås följande korrelationsmatris: Sverige Utvecklade marknader Övriga länder Onoterade aktier Sverige 100% 85% 75% 80% Utvecklade marknader 85% 100% 80% 90% Övriga länder 75% 80% 100% 80% Onoterade aktier 80% 90% 80% 100% Mellan marknadsrisk, pensionsrisk och motpartsrisk sätts korrelationen till 0. FI kan i analysen av resultaten av testrapporteringen komma att analysera effekterna av andra korrelationer mellan dessa riskkategorier. Förslag på korrelation som inte har analyserats kvantitativt För koncentrationsrisk är det svårt att motivera kvantitativt en lämplig korrelation mot övriga riskkategorier. Möjligen kan man motivera kvalitativt 1(6)

att vid stressade marknadshändelser kan det hända att det sker massförsäljning av vissa typer av investeringar och därmed ökar koncentrationen men det skulle kräva oproportionerligt stora resurser för att validera som inte är motiverade för denna analys. Förslaget blir därför att använda ett antagande på noll för samtliga konfidensnivåer och riskkategorier. För valutakurs har det remitterande trafikljusarbetet föreslagit 0,25 korrelation med övriga marknadsriskkategorier. Det är svårt att motivera en rimlig korrelationsnivå eftersom det beror på hur nettoexponeringen ser ut för respektive och därmed känsligheten när man ska kalibrera en rimlig korrelationsnivå. I remissvaren fick Finansinspektionen inga kommentarer. Förslaget är därför att använda samma korrelationsnivå som tidigare och att den ska gälla för samtliga konfidensnivåer. Korrelationen mellan koncentrationsrisk och valutarisk ska dock vara noll. Aktierisk Bakgrund Vi har valt att använda 4 underkategorier för aktier: Noterade aktier för Sverige, Utvecklade marknader 1 och Övriga länder samt en underkategori som heter Onoterade aktier. I detta avsnitt presenteras förslaget till korrelationen mellan varje underkategori för aktier och analysen som ligger bakom förslaget. Förslag på korrelationsanataganden inom aktieriskkategorin Vi har utgått från samma dataserie som när vi kalibrerade stressnivåerna för respektive underkategori inom aktierisk, se nedan tabell. Samtliga tidsserier är hämtade från Bloomberg och förekommer i dagsvisa observationer från 21 november 2003 till 14 april 2017. Några dataserier förkortats för att alla dataserier ska innehålla lika många dataobservationer. Underkategori Svenska aktier Utvecklade länder Övriga länder Onoterade aktier Index (Bloombergticker) MSCI Sweden (MXSE Index) MSCI World (MXWO Index) MSCI Frontier Markets (MXFM Index) MSCI Emerging Markets (MXEF Index) S&P PE Listed Equity (SPLPEQTY Index) S&P Commodity (SPGCCITR Index) S&P Global Infrastructure (SPGTIND Index) Global Hedge Fund Index (HFRXGL Index) Metoden för att beräkna diversifieringseffekten mellan undermodulerna baseras på den metod som ligger till grund för Ceiops 2 analys av lämpligheten i 1 Följande länder anses ha en tillräcklig utvecklad marknad och det grundar sig på analys som har gjorts av flera finansiella och statistiska institut som MSCI, S&P och FTSE: Australien, Belgien, Cypern, Danmark, Finland, Frankrike, Grekland, Hong Kong, Island, Irland, Israel, Italien, Japan, Kanada, Luxemburg, Nederländerna, Norge, Nya Zeeland, Portugal, Schweiz, Singapore, Spanien, Storbritannien, Sydkorea, Tyskland, USA och Österrike. 2 CEIOPS Advice for Level 2 Implementing Measures on Solvency II: SCR STANDARD FORMULA Article 111(d) Correlations. Se från och med punkten 3.39 på sid 14 2

korrelationsmatrisen för marknadsrisk i standardformeln i solvens 2- regelverket. Samma metod användes också i det remitterade trafikljusarbetet. Metoden baseras på att forma en portfölj bestående av olika innehav för att sedan analysera värdeutvecklingen och diversifieringseffekten. Utifrån diversifieringseffekten går det att räkna fram kapitalkravet för hela portföljen för att sedan komma fram till vad korrelationen implicit skulle vara givet de redan antagna stressnivåerna för respektive riskkategori. För denna analys har en referensportfölj skapats för att spegla företagens aktieexponering utifrån enkätsvaren avseende exponering, som sedan har kopplats till lämplig underkategori. Underkategori Vikt Svenska aktier 37 % Utvecklade länder 46 % Övriga länder 6 % Onoterade aktier 11 % Nedan är utfallet av analysen som gjorts för aktieriskernas underkategorier vid 99,5 % konfindesnivå på ett års sikt. Beräknad diversifiering 4,39 % Snittkorrelation för att uppnå diversifiering 86,50% Diversifiering med föreslagna korrelationer 5,25 % Föreslagen korrelationsmatris Sverige Utvecklade marknader Övriga länder Onoterade aktier Sverige 100% 85% 75% 80% Utvecklade marknader 85% 100% 80% 90% Övriga länder 75% 80% 100% 80% Onoterade aktier 80% 90% 80% 100% Ränterisk, Aktierisk och Spreadrisk Bakgrund FI har valt att använda samma metod som för aktieriskens underkategorier. Dock har fastighetsrisken inte inkluderats utan den har analyserats separat då metoden inte är lämplig att använda utifrån tillgången på data. MSCI World används som data för aktieindex istället för att presentera en aktieportfölj bestående av alla underliggande index för att förlänga dataserien. Förslag på korrelationsanataganden mellan ränte-, aktie- och spreadrisk 3

Även här har FI utgått från en referensportfölj som grundar sig på svaren som inkom från enkäten. Säkerställda obligationer har vi valt ska viktas till räntetillgångar istället för spread-tillgångar. Det resulterade i följande för 99,5 % konfidensnivå på ett års sikt: Aktie Ränta Spread Aktie 1 0,5 0,75 Diversifiering 15% Ränta 0,5 1 0,5 Beräknad diversifiering 15% Spread 0,75 0,5 1 Beräknad korrelation 55% Korrelationsanataganden på 99,5% konfidensnivån med 12 månaders historik föreslår samma korrelationsantagande som vid den remitterade trafikljuset förutom för aktier och ränta. I det remitterade trafikljusarbetet föreslogs den vara 0,4 medan i detta arbete föreslås den vara 0,5. Diversifieringen i det remitterade trafikljuset var 16,1 procent. Det skulle kunna vara att förslaget här ändå är likt eftersom diversifiering även kommer att tillkomma mellan aktieriskkategorierna i detta förslag. Fastighetsrisk Vikt Aktie Ränta Spread 0,3 0,5 0,2 Bakgrund I det remitterade trafikljusförslaget var förslaget på korrelationen 0,6 mot samtliga riskkategorier utom valutarisk (0,25) vilket den fick kritik för i remissvaren. Data från fastigheter är inte lika frekventa som exempelvis aktier, räntor och spread vilket är anledningen till att vi har valt att analysera korrelationen för denna risk annorlunda. Därför har det gjorts en korrelationsanalys för fastighetsindex på månadsdata mot motsvarande för aktie, ränta och spread. För ränta, spread och aktier har samma dataserie används som vid korrelationsanalysen dem emellan. Utformning av korrelationsanalysen för fastighetsrisk Eftersom dataserien är relativ kort har det gjorts en förenklad korrelationsanalys för att göra en uppskattning på vad en lämplig korrelationsnivå ska vara mellan fastighetsrisken och övriga marknadsriskkategorier. Det har gjorts två pearsonkorrelation mellan de tidsserier som har använts för att ta fram stressnivåerna för respektive riskkategori. Ena är en kumulativ korrelation för att se hur volatil korrelationen är och en som är rullande 3-årig. Dataserien är på månadsbasis mellan 1995-01-31 till 2017-03-31 för aktier och fastigheter, mellan 2000-05-31 till 2017-03-31 för räntor och fastigheter samt mellan 2000-05-31 och 2017-03-31. 4

Det har även gjorts en jämförelse mellan svenska fastighetsindex (kvartalsdata) med datahistoria från 1986-03-31 men som dock slutar 2016-09-30 och MSCI Sverige och som därmed inkluderar den svenska fastighetskraschen under 1990-talet. Dock kan vi inte se någon starkare korrelation jämfört med efter finanskrisen 2008. För motsvarande analys har gjorts mellan fastighet och ränta respektive spread vilket har resulterat till följande utfall: 5

Även här går det att notera hur korrelationen stärks efter finanskrisen 2008. Givet det korta dataunderlaget och den förenklade analysen som presenteras ovan föreslås följande korrelationer mellan fastigheter och övriga marknadsriskkategorier: Fastigheter/aktier: 0,75 Fastigheter/spread: 0,6 Fastigheter/räntor: 0,5 6