| Sprog : |
|
| Encyclopedia samfund |Encyclopedia Svar |Indsend spørgsmål |Ordforråd Viden |Upload viden |
Eksponering |
  |
|
Eksponering (risikoeksponering) betyder ubeskyttet risiko, kan kreditrisiko balance skyldes skyldneren, der er et resultat af bruddet, den risiko, der bæres af den faktiske generelt forbundet med en særlig risiko. Koncept For eksempel, din indkomstskat, men du er nødt til at tilbagebetale et lån på US $, og ikke gjorde nogen sikringstransaktioner (såsom fremad valutahandel eller valutaswaps, osv.), og du har derfor en en yen over for dollar eksponering. Eller du køber en virksomheds obligationer, virksomhedsobligationer, fordi kreditrisikoen, og du behøver ikke at gøre nogen sikringstransaktioner (såsom kredit swaps, osv.), og du har derfor en krediteksponering. Hvis du køber et fastforrentede obligationer, men ikke gjorde sikringstransaktioner (såsom renteswaps), er du nødt til at bære den renterisiko, renterisiko og derfor er der en. Og så videre.Eksponering er den kredit balance kan blive udsat for risici som følge af skyldnerens misligholdelse forårsaget. Kunden risikovægte generelt blive evalueret af eksterne ratingbureauer baseret på kundernes data og information, opdelt i 0%, 10%, 20%, 50%, 100% og 150% af seks. Under standardmetoden, kredit risikovægtede aktiver = Σ kreditrisiko (EAD) × kunde risikovægte. Risk Measurement Ved hjælp af regressionsanalyse at vurdere risikoen for eksponering Regressionsanalyse er en risikoafdækning program og opbygge den mest populære form for værktøj. Det kan ikke undersøge forholdet mellem virksomhedernes cash flow hedging og risikofaktorer af historiske data mellem. Konkret er forholdet baseret på antallet af historiske indtjening eller pengestrømme afkast og risikofaktorer blandt virksomheder til at estimere koefficienterne for elementerne p. Lu faktor er hældningskoefficienten i regressionsmodellen. Ifølge simulering metode til at måle risikoeksponering Simulering metode er en fremadrettet risikovurdering metode. Regression metode er brugen af historiske data, er en efterfølgende vurdering test. For nutidens udvikling ret hurtigt skiftende branche, simuleringen metode er uden tvivl bedre end regression. Ifølge scenario med at opnå simuleringen. Brugen af simulation, ledere nødt til at forudsige indtjening eller pengestrømme realiseret på baggrund af forskellige elementer. Såsom valutakursrisiko, ledere nødt til klart at forklare de forskellige satser under forskellige scenarier. Hvert scenarie også planlagt under det anslåede beløb af overskud eller cash flow forekommer ved forskellige antagelser, og disse antagelser over ændringer i valutakursen, men også behov for branchens produkter, de konkurrencemæssige forhold og andre udbydere af valutakursændringer reaktion. Simulering og regression Trods disse behovsanalyse simulering metode til at gøre mere subjektive vurderinger, for analytikere, der kan have nogle vanskeligheder, men den historiske simulation metode ikke stole på selskabets historiske resultater til at vurdere fremtiden. I virkeligheden, det er det punkt i en konstant skiftende miljø afgørende. For eksempel for at beregne risikoen for GM-yen generelt kan ikke bare gennem de seneste 10 års data regressionsanalyse. I de seneste 10 år, GM konkurrenter - har japansk bilproducent, undergået store forandringer. Desuden kan risikoen for fremtidig skat eksponering af en virksomheds eksponering til sin fortid ikke være den samme. Den indledende vurdering af den opnåede fra regressionsmodellen kursreguleres. Simpelthen valutakursrisiko ledere på forskellige satser anslået under antagelse scenarier for de fremtidige omkostninger og fordele ved virksomheden, og dermed beregne overskuddet (eller likviditet) analyse ved hjælp af simulering. Regression metode kan give nyttige oplysninger til disse skøn, men ledere i analysen bør ikke begrænses til de resultater, der er opnået ved regression, kan han (eller hun) også forventes at reagere på priselasticiteten i efterspørgslen efter produktet konkurrenter kombineret analyse og regression skøn. Herudover er der en lineær regression metode betragter forholdet mellem overskuddet (eller cash flow) og ændringer i valutakursen, men muligheden for eksistensen af et sådant forhold i den virkelige verden er meget lille. At forklare ikke-lineære forholdet ledere til hver faktor ved at justere antallet af relationer baseret på regressionsanalyse til at vurdere værdi. For eksempel antage, at GM japanske bilproducenter en lille påskønnelse i yen vil være konstant dollar prisen på deres produkter for at opgive nogle af deres overskud til at sikre, at markedsandelen. Hvis denne hypotese er sand, så selskabet vil ikke drage fordel af GM lille påskønnelse i yen. Men hvis den kraftige styrkelse af yen, japanske bilproducenter vil finde det er klogt at opgive det amerikanske marked, så generiske virksomheder kan drage fordel af det. Når yen svækkes, kan vi også bruge en lignende argumentation metoder. Afskrivning af yennen vil være til gavn for den japanske bilproducent, en lille devaluering vil ikke have nogen indflydelse på amerikanske salg af japanske biler i prisen, måske fordi japanske bilproducenter for at tage højde for den kraftige styrkelse af yen efter devalueringen, de også hævet prisen igen blive tvunget til at gøre det er ikke befordrende for den automotive marked prisstabilitet. Men hvis den kraftige depreciering af yen, vil det bringe en enorm omkostningsfordel for bilfabrikanterne i Japan, vil de uden tvivl drage fordel af denne mulighed for at udvide markedsandelen, og dermed væsentligt reducere GM overskud. Factor β koefficient, der fastlægges på forhånd i henhold til de grundlæggende principper for I nogle tilfælde kan dele af den koefficient, β bestemmes i forvejen af de grundlæggende principper. For eksempel de tyske metaller selskab aktier til en pris fastsat på forhånd at sælge brændstof til kunderne dette engagement kan ses som en valutaterminskontrakter. Hvis risikofaktor er 10 år efter olieprisen, så faktor β koefficient på 10-årige terminskontrakter skal være lig med 1.. Volatilitet - eksponering målinger Virksomhedsledere altid ønsker at bruge et nummer til at opsummere eksponering. I lyset af dette, er standardafvigelsen ofte bruges til at opsummere og analysere virkningerne af flere risikofaktor β koefficient kombinationer. Formel til at beregne variansen af en investeringsrisiko faktor for Hvis βm faktor β koefficienten for de elementer af m βn faktor β koefficienten for de elementer af n Volatilitet i pengestrømme eller den værdi, der genereres af det element af risiko (dvs. standardafvigelse) er kvadratroden af resultaterne af ovenstående formel. Value at Risk - risikoen for eksponering målinger Måske nutidens mest populære måde er at måle eksponeringsværdien i fare (værdi i fare, VAR), og det henviser til normale markedsvilkår og en given konfidensniveau, kan finansielle deltagere forekomme inden for et givet tidsinterval Den maksimale forventede tab. For eksempel er der en investering positioner det næste år ikke overstiger 1% af tiden, vil dens største kurstab nå $ 100 millioner så en vis værdi ved risikostyringsprocessen vil tænke næste år er $ 100 millioner. Determinanter for Value at Risk er standard tidsinterval og investorer subjektive vurderinger normale markedsvilkår. Value at Risk, vil være forskellige på forskellige tidsintervaller. IIP næste år er 100 millioner dollars i forsikring værdi, hvis den betragtede tidsinterval kortere, siger en måned, så værdien i risiko for den følgende måned vil være betydeligt mindre end værdien i fare næste år. Tilsvarende, hvis markedet ikke er den ideelle situation forventes fremkomsten af ikke-normal sandsynlighed for ikke mere end 5%, da analytikeren at vurdere værdien i fare vil være lavere end forventet vurdere sandsynligheden for ikke mere end l% af markedet foretaget af analytikere unormal situation. Når fordelingen af overskud og underskud er beskrevet til at repræsentere værdi i fare, når betydningen af den tillid niveau (5% eller 1% er en typisk beslutning af ikke-specifik grænse for normale markedsvilkår), og når spurgte interval vil blive afspejlet. Figur 22.1 viser værdien i fare for transaktionen forventes at være nul overskud i et konfidensniveau på 5%. Tidsinterval påvirker formen af fordelingen kurven. Jo længere interval, jo større usikkerhedsmargin. Normalfordelingskurven er længere. Dette vil medføre, at kurven til punkt A i en af venstre 5% efter én til venstre grænse region, og derved øge værdien i fare. Venstreorienteret område grænse ændring vil også ændre grænseværdien i fare, hvis de 5% til 1% af grænsen til venstre grænse, så vil resultere i en stigning i forsikringsværdi. Value at Risk er et standard mål for risikoanalyse ved vurderingen af værdien af afledte finansielle instrumenter eller andre fondsbeholdning. Der er også den rolle tilsynsmyndigheder fremme standardiseringsprocessen. I slutningen af 1996, Bank for International Settlements, den amerikanske Securities and Exchange Commission og Federal Reserve Board anbefaler deres regulerede finansieringsinstitutter visse finansielle aktiviteter i VaR risikomål vedtaget som en standard. En lignende metode bruges til at analysere cash flow risiko, kaldet cash flow ved risiko (cash flow i fare, CAR). Denne metode er også mere og mere opmærksomme på de forskellige selskaber. Ifølge standardafvigelsen i den anslåede værdi i fare og pengestrømme Hvis værdi eller pengestrømme normalt fordelt, så værdien i fare og pengestrømme er standardafvigelsen af en alternativ form for udtryk. For eksempel Moms (5% konfidensniveau = 1.65σ) |
| Bruger Anmeldelse |
|
Ingen kommentarer endnu |
