Pagsukat at Pagtatasa ng Panganib

Dahil sa krisis sa pananalapi ng huli na 2008, ang pamamahala ng panganib ay nakaranas ng mas mataas na kahalagahan at katanyagan bilang isang function sa loob ng industriya ng serbisyong pinansyal. Alinsunod dito, ang pagiging pamilyar sa mga pangunahing pamamaraan para sa pagsukat, pagtatasa at pagkontrol ng panganib ay mahalaga para sa mga nagnanais na magpatuloy sa pananalapi. Narito nagpapakita kami ng isang mabilis na panimulang aklat sa panimula sa mga pangunahing konsepto sa larangan na ito.

Pera sa Panganib

Ang crudest, ngunit karamihan sa mga konserbatibo, ang sukatan ng panganib ay ang kabuuang halaga ng pera na namuhunan o pinalutang. Ang pinakamasama posibleng kinalabasan ay ang buong pamumuhunan ay naging walang halaga o ang default ng borrower. Ang isang pagpipino ay ang pagpapakilala ng mga probabilidad sa pagtatasa, ngunit madalas na ginagawa ay nangangailangan ng isang bilang ng mga pagpapalagay na hindi mahigpit na pumupunta sa tumpak na pagsukat. Tingnan ang aming paliwanag tungkol sa mga simula ng Monte Carlo.

Ang mga limitasyon sa laki ng mga posisyon na maaaring hawak ng mga negosyante ng securities o ang halaga ng mga pondo na maaaring pahabain ng mga opisyal ng pautang sa isang nautang na borrower ay, mahalagang, mga aplikasyon ng parehong diskarte sa pagbabawas ng panganib na ito.

Pagkasumpungin at Pagkakaiba-iba

Ang mga ito ay karaniwang mga panukala ng panganib na may paggalang sa mga kalakal na ibinebenta sa publiko at mga klase ng mga mahalagang papel. Ang makasaysayang data ay maaaring mina upang makagawa ng mga pagtatasa ng posibleng mga paggalaw ng presyo sa hinaharap, sa liwanag ng mga nakalipas na pagbabago sa presyo. Ang pagsukat ng panganib na may paggalang sa mga indibidwal na mga mahalagang papel at mga klase ng mga mahalagang papel ay madalas na inilalagay sa konteksto ng mga ugnayan sa pagitan nila, bukod sa mga ito, at may kaugnayan sa mas malawak na mga tagapagpahiwatig ng ekonomiya.

Ang karamihan ng modernong teorya ng portfolio, halimbawa, ay nagsasangkot ng pagbubuo ng mga estratehiya upang mabawasan ang malawak ng aggregate fluctuations ng presyo sa isang portfolio ng pamumuhunan sa pamamagitan ng pagpili ng isang halo ng mga pamumuhunan na ang mga indibidwal na presyo ay malamang na walang alinlangan o, mas mabuti pa, upang maging negatibong sang-ayon (, ang kanilang mga presyo ay may posibilidad na lumipat sa kabaligtaran ng mga direksyon, na may isang pagtaas kapag ang iba ay bumaba, at kabaligtaran). Mayroon itong mga application para sa mga tagapayo sa pananalapi, mga tagapamahala ng pera, at mga tagaplano ng pananalapi.

Predictive Power of History

Ang standard legal boilerplate sa prospectuses ng pamumuhunan ay nagbabala na "ang nakaraang pagganap ay walang garantiya ng mga resulta sa hinaharap." Gayundin, ang mga ugnayan at statistical relasyon na sinusukat sa ilang mga makasaysayang panahon ay nag-aalok lamang hindi lubos na pagsisisi indications ng kung ano ang hinaharap ay maaaring magkaroon para sa parehong seguridad o klase ng mga mahalagang papel. Ang pag-angkat sa makasaysayang mga uso at relasyon sa hinaharap ay dapat gawin nang may matinding pag-iingat.

Counter-Party Risk

Ang counterparty risk ay ang panganib na ang iba pang partido sa isang transaksyon, tulad ng isa pang kompanya sa industriya ng serbisyo sa pananalapi, ay mapapatunayan na hindi matupad ang mga obligasyon nito sa oras. Kabilang sa mga halimbawa ng mga obligasyong ito ang paghahatid ng mga mahalagang papel o salapi upang magbayad ng mga trades at bayaran ang mga panandaliang pautang gaya ng naka-iskedyul.

Ang mga pagtatasa ng panganib sa counterparty ay kadalasang ginagawa batay sa mga pinag-aaralan ng lakas ng pananalapi ng mga kumpanya na ibinigay ng mga ahensya ng rating. Gayunpaman, habang nagpakita ang krisis sa pinansya ng huling bahagi ng 2008, ang mga pamamaraan na ginagamit ng mga ahensya ng rating ay malalim na depektibo (tulad ng mga marka ng FICO ng mamimili) at napapailalim sa malubhang error. Bukod pa rito, sa isang pangkalahatang pinansiyal na pagkasindak, ang mga kaganapan ay maaaring magwawalang-kilos sa labas ng kontrol sa matulin, at ang mga malalaking counterparty na pagkabigo ay maaaring mabilis na maipon sa punto kung saan ang mga malalaking kumpanya na may sapat na pinansiyal na cushions ay nai-render na walang limitasyong.

Ang Lehman Brothers, Merrill Lynch, at Wachovia ay tulad ng mga kaswalti ng 2008 krisis; ang unang lumabas ng negosyo, at ang iba ay nakuha ng mas malakas na mga kumpanya.

Ang isang malaking bahagi ng problema sa pagtatasa ng counterparty na panganib ay ang pagsusuri na isinagawa ng mga ahensya ng rating ay hindi sapat na dynamic. Sila ay karaniwang nag-aayos sa mga bagong katotohanan lamang medyo mabagal. Bukod dito, kapag ang isang counterparty na dati ay itinuring na tunog ay biglang lumulubog patungo sa insolvency, ito ay lubhang mahirap, kung hindi imposible, upang makalas ang mga obligasyon at transaksyon na pumasok sa ilalim ng mga kanais-nais na mga pangyayari na gaganapin sa nakaraan.

Ang Tungkulin ng mga Aktuaries

Ang mga aktuaries ay pinaka-nauugnay sa pag-aaral ng mga talahanayan ng mortalidad sa ngalan ng mga kompanya ng seguro sa buhay, na naglalaro ng isang kritikal na bahagi sa pagtatakda ng mga premium sa mga patakaran at mga iskedyul ng payout sa mga annuity. Ang aktwal na agham, gaya ng madalas itong tinatawag, ay isang aplikasyon ng mga advanced na estadistikang diskarte sa mga malalaking hanay ng data na may mataas na antas ng katumpakan sa pagsukat.

Bukod pa rito, ang mga pagtatasa ng panganib na ginawa ng mga actuaries sa seguro sa buhay ay batay sa data na halos walang maliwanag sa sistema ng pananalapi at paggalaw sa mga pamilihan sa pananalapi. Sa kabaligtaran, ang mga sukat ng panganib sa counterparty, ang pag-uugali sa hinaharap ng mga mahalagang papel sa pamumuhunan at ang pananaw para sa mga tiyak na pagkukusa sa negosyo ay hindi katanggap-tanggap sa naturang tumpak, pang-agham na pagtatasa. Kaya, ang mga tagapamahala ng panganib (at ang mga propesyonal sa pamamahala ng agham na nagpapahiram sa kanila ng quantitative support) ay malamang na hindi magkakaroon ng kakayahang bumuo ng mga predictive na mga modelo na may kahit saan malapit sa antas ng pagtitiwala na maaaring ilagay sa mga tinatantya ng isang buhay insurance aktor.