Μέτρηση και Διαχείριση Πιστωτικού Κινδύνου

03-07-18 web.xrh 0 comment

Μέτρηση και Διαχείριση Πιστωτικού Κινδύνου


ΧΡΜΔΠΚ 01

ECTS: 7,5
Τύπος Μαθήματος: Επιλογής
Εξάμηνο: Χειμερινό
Ώρες Διδασκαλίας: 4

Προαπαιτούμενα:

Σκοπός του Μαθήματος

Αφού ολοκληρωθεί ο κύκλος διδασκαλίας του μαθήματος, οι φοιτητές θα είναι σε θέση να λειτουργούν αποτελεσματικά στα εξής:
• Να κατανοούν τις έννοιες του πιστωτικού κινδύνου και κινδύνου αγοράς των χρηματοπιστωτικών ιδρυμάτων καθώς και τη σημασία μέτρησης και διαχείρισης αυτών των κινδύνων για ένα χρηματοπιστωτικό ίδρυμα.
• Να κατανοούν τα κανονιστικά πλαίσια και τις κεφαλαιακές απαιτήσεις των εποπτικών αρχών (π.χ. Σύμφωνα της Βασιλείας, ECB Guide to Internal Models – “EGIM”).
• Να κατανοούν το trade-off μεταξύ αποδόσεων και κινδύνου.
• Να κατανοούν και να μπορούν να υπολογίσουν τη μεταβλητότητα και τη συσχέτιση μεταξύ χρεογράφων με σκοπό τη χρήση τους στην εκτίμηση της αξίας σε κίνδυνο.
• Να μπορούν να υπολογίσουν τον πιστωτικό κίνδυνο και τον κίνδυνο αγοράς μέσω της τυποποιημένης προσέγγισης.


Περιεχόμενο του Μαθήματος

  • Εισαγωγή στις έννοιες των χρηματοοικονομικών κινδύνων (εστιάζοντας στον πιστωτικό κίνδυνο και τον κίνδυνο αγοράς).
  • Ο ρόλος των κανονιστικών πλαισίων και εποπτικών ελέγχων στα χρηματοπιστωτικά ιδρύματα.
  • Trade-off μεταξύ αποδόσεων και κινδύνου ενός χρεογράφου/χαρτοφυλακίου.
  • Εισαγωγή στις έννοιες μεταβλητότητας και συσχέτισης.
  • Ορισμοί, υποθέσεις καθώς και εφαρμογή των τρόπων μέτρησης των κινδύνων.
  • Εισαγωγή στον κίνδυνο αγοράς και αναφορά των χρεογράφων/χαρτοφυλακίων που υπόκεινται στο συγκεκριμένο είδος κινδύνου.
  • Εκτίμηση και πρόβλεψη μεταβλητότητας (EWMA, GARCH models) με χρήση γλώσσας προγραμματισμού (π.χ., MATLAB)
  • Υπολογισμός των μέτρων κινδύνου αγοράς (π.χ. VaR, Expected Shortfall) με παραμετρικές, μη-παραμετρικές και ήμη-παραμετρικές στατιστικές μεθόδους.
  • Διαδικασία ελέγχου (“backtesting”) των εκτιμήσεων των υποδειγμάτων που χρησιμοποιούνται για τον κίνδυνο αγοράς.
  • Εισαγωγή στον πιστωτικό κίνδυνο και ο ρόλος των πιστοληπτικών αξιολογήσεων στο συγκεκριμένο κίνδυνο.
  • Θεωρητικό υπόβαθρο και εκτίμηση της αναμενόμενης ζημίας (Expected Credit Loss – ECL), με χρήση της πιθανότητας χρεοκοπίας (Probability of Default – PD), της απώλειας δεδομένης της χρεοκοπίας (Loss Given Default – LGD) καθώς και της έκθεσης κατά τη διάρκεια της χρεοκοπίας (Exposure at Default – EAD).
  • Εμπειρικές μελέτες στη μέτρηση του πιστωτικού κινδύνου και του κινδύνου αγοράς με χρήση τυποποιημένης μεθοδολογίας και εσωτερικών υποδειγμάτων βάση του κανονιστικού πλαισίου των εποπτικών αρχών (π.χ. Οδηγίες Βασιλείας).

Προτεινόμενη Βιβλιογραφία

  • Ενδεικτικά Διδακτικά Βοηθήματα και Προτεινόμενη Βιβλιογραφία αποτελούν τα ακόλουθα:
  • Σημειώσεις (power point slides) και ασκήσεις του διδάσκοντα (eclass.unipi.gr).
  • Altman, E. I. (2000). Predicting financial distress of companies: revisiting the Z-score and ZETA models. Stern School of Business, New York University, 9-12.
  • Bauwens, L., Laurent, S. and Rombouts, J. V. (2006). Multivariate GARCH models: a survey. Journal of Applied Econometrics, 21(1), 79-109.
  • Christoffersen, P. (2011). Elements of Financial Risk Management, Academic Press.
  • Degiannakis, S. and Xekalaki, E. (2010). ARCH Models for Financial Applications, Wiley, New York.
  • Engle, R. (2001). GARCH 101: The use of ARCH/GARCH models in applied econometrics. Journal of Economic Perspectives, 15(4), 157-168.
  • Hull, J. (2015). Options, futures, and other derivatives, 9th edition, Prentice Hall.
  • Jorion, P. (2006). Value at risk. McGraw-Hill.
  • Jorion, P. (2009). Risk Management Lessons from the Credit Crisis. European Financial Management, 15(5), 923-933.