Алексей Лобанов - Энциклопедия финансового риск-менеджмента

• Название: Энциклопедия финансового риск-менеджмента
• Автор: Алексей Лобанов
• Жанр: Управление, подбор персонала
• Год: 2019
• ISBN: 978-5-9614-2284-9

Эта книга – первое в России издание учебно-энциклопедического характера, в котором в соответствии с международными стандартами освещаются основные вопросы финансового риск-менеджмента. Издание дополнено новыми материалами по организационным аспектам риск-менеджмента, моделям эволюции процентных ставок, рискам страхования банковских вкладов и анализу макроэкономических рисков. Рассмотрены современные методы количественной оценки и управления финансовыми рисками, теория экстремальных значений, соглашения о форвардной процентной ставке и др. Дан систематизированный обзор методов количественного анализа, используемых в риск-менеджменте, моделей ценообразования и стратегий применения производных финансовых инструментов. Приведен обзор основных положений Нового базельского соглашения по капиталу 2004 г., выполненных на основе последней редакции соглашения от ноября 2006 г. Книга предназначена для профессионалов, непосредственно занимающихся оценкой и управлением рисками, преподавателей, студентов и аспирантов экономических факультетов вузов. Она также может использоваться для подготовки к сдаче международных экзаменов по финансовому риск-менеджменту на получение сертификатов Financial Risk Manager (FRM®) и Professional Risk Manager (PRM®).

---

Законы распределения вероятностей цены облигации (η) и годовой реализуемой доходности за 6 месяцев (τ) указаны в таблице:

Например, если ξ = 11,0 %, то

Математическое ожидание цены облигации через 6 месяцев и ее дисперсия могут быть найдены следующим образом:

Таким образом, ожидаемое значение реализуемой доходности облигации за 6 месяцев равно 11,96 %, а ее стандартное отклонение составляет 14,81 %.

Закон совместного распределения вероятностей двух случайных величин ξ и η может быть задан следующим образом:

Pij – это вероятность того, что случайная величина ξ принимает значение Xi, а случайная величина η – значение Yj, i = 1, 2, 3…, j = 1, 2, 3…, причем

Зная закон совместного распределения вероятностей двух случайных величин, можно найти закон распределения вероятностей каждой из этих случайных величин, так как

Дискретные случайные величины ξ и η называются независимыми, если

Для независимых случайных величин справедливы следующие два равенства:

Ковариация (covariance) между двумя дискретными случайными величинами ξ и η определяется равенством

Свойства ковариации

Корреляция (correlation) между двумя случайными величинами ξ и η определяется следующим образом:

Случайные величины называются некоррелированными, если корреляция между ними равна 0.

Свойства корреляции

Пример 1.49. Совместное распределение вероятностей случайных величин ξ и η приведено в таблице:

Распределение вероятностей случайных величин ξ,η и ξη имеет следующий вид:

Ковариация и корреляция между случайными величинами ξ и η находятся следующим образом:

1.21. Непрерывные случайные величины

Случайная величина ξ называется [абсолютно] непрерывной (continuous random variable), если существует неотрицательная функция pξ(x), такая, что

где Fξ (x) – функция распределения вероятностей случайной величины ξ.

Функция pξ(x), удовлетворяющая условию (1.50), называется плотностью распределения вероятностей (probability density function – PDF) случайной величины ξ.

Равенство (1.50) означает, что заштрихованная площадь на рис. 1.18 под графиком плотности распределения равна вероятности того, что случайная величина принимает значение меньше х.

Свойства непрерывных случайных величин

1. Вероятность того, что непрерывная случайная величина принимает значение между х1 и x2 (x1 < x2), совпадает с заштрихованной площадью на рис. 1.19.

2. Если pξ(x) – плотность распределения вероятностей случайной величины, то

3. Вероятность того, что непрерывная случайная величина ξ принимает то или иное значение, всегда равна нулю, т. е. P{ξ = x} = 0.

4. Производная функции распределения вероятностей непрерывной случайной величины равна плотности распределения вероятностей этой случайной величины, т. е.

Математическое ожидание и дисперсия непрерывной случайной величины ξ могут быть найдены следующим образом:

где Pξ(x) – плотность распределения вероятностей случайной величины ξ. Стандартное отклонение случайной величины определяется обычно как:

Если f(t) – некоторая непрерывная функция, а ξ – непрерывная случайная величина, то

Пример 1.50. Случайная величина ξ равномерно распределена на отрезке [a, b], если

Функцию распределения случайной величины ξ можно найти следующим образом:

Таким образом,

Математическое ожидание и дисперсию случайной величины ξ можно найти следующим образом:

Пример 1.51. Случайная величина ξ распределена показательно, если

Асимметрией (skewness) распределения вероятностей случайной величины ξ называется число

Если a(ξ) = 0, то плотность распределения вероятностей случайной величины ξ симметрична относительно математического ожидания этой случайной величины (рис. 1.20).

При положительной (правосторонней) асимметрии распределения правая ветвь (tail) плотности распределения вероятностей случайной величины «длиннее» левой ветви. Соответственно, при отрицательной (левосторонней) асимметрии правая ветвь плотности распределения вероятностей случайной величины будет «короче» левой ветви (рис. 1.21 и 1.22).

Эксцессом (kurtosis) распределения вероятностей случайной величины ξ называется число

При одном и том же стандартном отклонении чем больше эксцесс, тем «тяжелее» ветви плотности распределения вероятностей случайной величины (рис. 1.23).

Распределение вероятностей с большим эксцессом называют распределением с «тяжелыми» ветвями (leptokurtic/fat-tailed distribution).

Медианой (median) распределения случайной величины ξ называется число Ме, удовлетворяющее условию:

Модой (mode) распределения случайной величины ξ называется любая точка локального максимума плотности распределения Pξ(x) этой случайной величины.

Распределение с одной модой Мо называется унимодальным (unimodal).

Свойства унимодальных распределений

Если даны две случайные величины ξ1 и ξ2, то можно рассмотреть двумерную случайную величину

Функция Pξ(x1, x2), удовлетворяющая равенству (1.54), называется плотностью совместного распределения случайных величин ξ1 и ξ2.

Все основные свойства числовых характеристик, рассмотренные нами для дискретных случайных величин, сохраняются и в непрерывном случае.

1.22. Важнейшие виды распределений случайных величин

1.22.1. Биномиальное распределение

Дискретная случайная величина ξ имеет биномиальное распределение (binomial distribution) B(n, р), если она принимает значения: 0, 1, 2, …, n, причем

Свойства биноминального распределения

Пример 1.52. Рассмотрим портфель из 20 облигаций, выпущенных различными эмитентами с одним и тем же кредитным рейтингом. Предположим, что дефолты по облигациям независимы, а вероятность дефолта по любой облигации в течение одного года равна 10 %.

Обозначим через ξ число дефолтов по данному портфелю в течение одного года. Случайная величина ξ имеет биномиальное распределение B(20, 0,1), следовательно, ожидаемое число дефолтов по портфелю облигаций в течение одного года составит:

Вероятность того, что в течение года произойдет два дефолта, находится следующим образом:

Вероятность, что в течение года произойдет 5 дефолтов, составит величину:

1.22.2. Распределение Пуассона

Случайная величина ξ, принимающая значения 0, 1, 2, …, k, …, имеет распределение Пуассона (Poisson's distribution) с параметром λ > 0, если

Свойства распределения Пуассона

Пример 1.53. Число дефолтов по портфелю облигаций в течение одного года имеет распределение Пуассона. Ожидаемое число дефолтов равно 8.

Вероятность того, что в течение года произойдет ровно два дефолта, можно найти по следующей формуле:

1.22.3. Нормальное распределение

Говорят, что случайная величина ξ распределена нормально (normal distribution), если ее плотность распределения вероятностей имеет вид:

График плотности нормального распределения приведен на рис. 1.24.

Основные свойства нормального распределения

1. Если случайная величина ξ распределена нормально с плотностью