Дипломы, курсовые, рефераты, контрольные...
Срочная помощь в учёбе

Управление фондовыми рисками на основе применения и совершенствования моделей их оценки

ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Разработан алгоритм оценки эффективности операций с ценными бумагами торговых подразделений банков, инвестиционных компаний и других участников фондового рынка, с целью реализации мероприятий по управлению фондовым рискомдиверсификации, изменения допустимых лимитов и др., а также стимулирования труда трейдеров торговых залов. Алгоритм включает в себя следующие шаги: сбор статистической информации… Читать ещё >

Содержание

  • Глава 1. Методология оценки фондового риска
    • 1. 1. Рыночный риск: сущность, классификация и управление
    • 1. 2. Методы оценки фондового риска в зарубежной практике: сравнительный анализ
    • 1. 3. Российская практика оценки фондового риска
    • 1. 4. Ограничения основных моделей оценки фондового риска
  • Глава 2. Построение модели оценки фондового риска на основе теории экстремальных значений
    • 2. 1. Теория экстремальных значений как методологическая основа модели оценки фондового риска
    • 2. 2. Инструментарий и алгоритм использования предлагаемой модели оценки риска
    • 2. 3. Оценка эффективности построенной модели путем ее тестирования на исторических данных и в условиях кризисов на фондовых рынках
  • Глава 3. Практическая реализация построенной модели оценки фондового риска
    • 3. 1. Области применения модели оценки фондового риска
    • 3. 2. Методика оценки риска ценных бумаг и инвестиционных портфелей
    • 3. 3. Разработка системы оценки эффективности торгового подразделения участника фондового рынка
    • 3. 4. Построение методики оценки величины капитала, резервируемого под покрытие фондовых рисков
    • 3. 5. Разработка дополнения к финансовой отчетности, обеспечивающего раскрытие информации о фондовом риске

Управление фондовыми рисками на основе применения и совершенствования моделей их оценки (реферат, курсовая, диплом, контрольная)

Актуальность исследования. За последние два десятилетия на мировых рынках ценных бумаг, включая российские, резко обострилась проблема точности оценки фондовых рисков с целью их правильного учета и прогнозирования в процессе управленческо-финансовой деятельности. Это было связано с повышением волатильности рынков ценных бумаг, а также рядом крупных кризисов, затронувших как сложившиеся, так и развивающиеся финансовые рынки, например, кризис 1987 г. в США, обвал азиатских фондовых рынков в 1997 г., российский августовский кризис 1998 г., обвал рынка акций высокотехнологичных компаний NASDAQ в 2000 г., корпоративные скандалы 2001;2002г. и др.

Данные обстоятельства обусловливают важность применения адекватных методов оценки и управления фондовыми рисками, т. е. рисками потерь, связанных с неблагоприятным изменением курсовой стоимости входящих в инвестиционный портфель финансовых инструментов.

В свою очередь, необходимость оценки фондовых рисков вызвала потребность в моделях, позволяющих максимально точно измерить эти риски и при этом дающих легко интерпретируемые и понятные широкому кругу инвесторов и менеджеров результаты.

В настоящее время на Западе для измерения фондовых рисков широко используется показатель «рисковая стоимость"1. Данный показатель был рекомендован Базельским комитетом по банковскому регулированию, который предписал финансовым организациям применять его при расчете резервов капитала, выделяемых на покрытие фондовых рисков. Сегодня подразделение по управлению рисками практически любого западного банка рассчитывает показатель «рисковая стоимость» на регулярной основе и использует его для принятия управленческих решений.

Передовые технологии оценки и управления фондовыми рисками получают активное распространение и в России, что обусловлено высокими темпами роста банковской системы и, как следствие, повышением объема операций банков и других организаций на финансовых рынках. Согласно статистике Банка России, за период с 2004 по 2007гг. вложения российских банков в акции практически утроились. Увеличение объемов операций финансовых организаций с ценными бумагами привело к повышению фондовых рисков. В частности, отношение фондового риска к банковскому капиталу возросло с 12% в 2004 г. до 20% в 2007 г. Англоязычный эквивалент данного термина — Value at Risk, VaR. 3.

Еще одним фактором, стимулирующим использование современных моделей оценки риска, был переход банков на международные стандарты финансовой отчетности (МСФО) и, как следствие, повышение требований к раскрытию информации. Согласно Международным стандартам, финансовые организации обязаны раскрывать в приложении к финансовой отчетности информацию об их финансовых рисках.

Указанные обстоятельства делают актуальным исследование существующих и разработку новых моделей оценки фондовых рисков, пригодных для использования в нашей стране.

Степень разработанности проблемы. Проблемы оценки и управления фондовым риском нашли отражение в трудах ведущих зарубежных ученых и специалистов-практиков: Джориона Ф., Догерти Н., Доуда К., Марковича Г., Мандельброта Б., Фама Е., Халла Д., Шарпа У., Эмбрехта П. и др.

В работах зарубежных авторов были предложены подходы к оценке фондового риска, проведено тестирование различных моделей, сформулированы рекомендации по практическому использованию той или иной модели.

Глубокая разработанность проблематики оценки фондовых рисков в работах западных авторов была обусловлена высоким уровнем развития банковских систем зарубежных стран, активным участием банков в операциях на финансовых рынках, а также надзором со стороны наблюдательных органов, способствующих внедрению передовых технологий управления фондовыми рисками. В частности, предписания Базельского комитета по банковскому регулированию о необходимости использования банками собственных моделей оценки фондовых рисков при расчете величины резервного капитала, послужили стимулом для исследователей к разработке эффективных моделей оценки риска, и, как следствие, — большого числа научных работ и методических материалов.

Что касается российской практики оценки рыночных, в том числе фондовых, рисков, то в настоящее время научная школа и методологическая база находятся в стадии формирования. Как правило, российские риск-менеджеры ориентируются на западные методики расчета рыночных рисков, адаптируя их к конкретным условиям. Из числа ведущих отечественных исследователей можно выделить: Волкова С. Н., Лобанова A.A., Лукашова A.B., Меньшикова И. С., Рогова М. А., Самохвалова О. В., Смирнова С. Н., Чугунова A.B., Шелагина Д. А. и др.

Однако быстрые изменения, происходящие на фондовых рынках, обнаруживают недостаточные возможности действующих моделей оценки фондовых рисков и диктуют 4 необходимость их совершенствования. Эти обстоятельства определили цель, задачи и структуру настоящего диссертационного исследования.

Цель и задачи исследования

Целью данной работы является анализ моделей оценки фондовых рисков, используемых в мировой практике, разработка на его основе наиболее рациональных инструментов такой оценки, а также направлений совершенствования управления данными рисками в условиях России.

В соответствии с поставленной целью были определены следующие задачи:

• сформулировать основные методологические подходы, связанные с совершенствованием управления фондовыми рисками на российских рынках ценных бумаг;

• провести анализ моделей оценки фондовых рисков, используемых в мировой практике, и определить возможности и ограничения их применения в условиях России;

• используя аппарат теории экстремальных значений, построить рациональную рискооценочную модель, наиболее полно соответствующую условиям России и дающую возможность преодолеть ограничения традиционно используемых моделей;

• сформулировать и обосновать преимущества предлагаемой автором модели в сравнении с традиционными моделями, путем их тестирования на основе исторических значений курсов ценных бумаг российского фондового рынка, а также в условиях кризисов;

• разработать методику практического применения предложенной автором рискооценочной модели на фондовых рынках России;

• сформулировать рекомендации по совершенствованию управления фондовыми рисками на основе построенной модели на примере условной инвестиционной компании.

Объект и предмет исследования. Объектом исследования являются риски российских фондовых рынков и его участников.

Предметом исследования выступают модели и методы оценки фондовых рисков.

Теоретическая и методологическая основы диссертации. Теоретической основой исследования послужили научные труды отечественных и зарубежных авторов в области общей теории рисковуправления рисками инвестиционной деятельности на рынке ценных бумагконцептуальные подходы и методики оценки фондовых рисков в целях их правильного учета и прогнозирования, включая экономико-математический инструментарий построения рискооценочных моделей.

В ходе проведенного исследования применялись такие методы, как дедуктивный, абстрактно-логический, сравнительного и ситуативного анализа, статистические, экономико-математические, экспертных оценок и др.

В качестве основных источников информации использовались данные по финансовым рынкам России и зарубежных стран, российские и зарубежные законодательные и нормативные документы, статьи в специальной периодической литературе, материалы научных конференций, симпозиумов и семинаров.

Научная новизна и результаты исследования. Научная новизна исследования состоит в разработке и обосновании эффективной модели оценки фондовых рисков, позволяющей осуществлять более точный в сравнении существующими моделями учет, прогнозирование и предупреждение указанных рисков.

В ходе проведения диссертационного исследования автором получены следующие результаты:

1. Выявлены ограничения традиционно используемых в России моделей оценки фондовых рисков, к которым относятся: невозможность применения модели в случае невыполнения условия нормальности распределения доходностей финансовых инструментовограниченность масштабов выборки, и, как следствие, пределов расчета значений рисковдискретный характер исчисления рисков, предполагающий невозможность их выражения как непрерывной функцииограниченность анализа имеющейся выборкой исторических значений курсов ценных бумагнедостаточная точность оценки рисков и др.

Проведенный анализ доказал, что традиционно применяемые модели не в полной мере отвечают потребностям практики, что диктует необходимость разработки новых моделей оценки рисков, соответствующих условиям фондовых рынков России.

2. Сформулированы и обоснованы требования к моделям оценки фондовых рисков, удовлетворение которых позволит выйти за рамки вышеуказанных ограничений их применения. К ним относятся: возможность проведения анализа рисков за пределами имеющейся выборкивозможность получать оценки рисков в аналитическом виде, выражая их функциональнонезависимость от характера распределения доходностей финансовых активовобеспечение достаточной точности в условиях резких колебаний котировок на фондовых рынках.

Учет указанных требований риск-менеджерами при построении моделей оценки фондовых рисков позволяет обеспечить адекватность этих моделей российским условиям, и, как следствие, — повысить точность оценки рисков и качество управления ими.

3. Разработана модель оценки фондового риска, в основу которой была положена теория экстремальных значений, позволяющая формализовать характерные для российского рынка сильные и непредсказуемые движения курсов ценных бумаг.

Это дало возможность достичь ряд преимуществ перед традиционно используемыми моделями, заключающихся в том, что предлагаемая модель обеспечивает: решение проблемы отсутствия нормальности распределения доходностей ценных бумагсокращение затрат времени на проведение рискооценочных работвозможность выразить показатель «рисковая стоимость» в виде функции от уровня значимости и длины временного интервалапозволяет производить оценку фондового риска за пределами имеющейся выборки исторических значений котировокспособна оценивать вероятность реализации крупных («экстремальных») убытков.

4. Доказано путем сравнительного анализа точности традиционных рискооценочных моделей (РискМетрикс, исторической симуляции, Монте-Карло) и предложенной автором модели, с использованием объективных критериев оценки — максимального правдоподобия (Likelyhood ratio) и относительной частоты превышения (Excess rate), что на основе модели автора достигается более точная вероятностная оценка фондовых рисков, обеспечивающая эффективное управление ими в условиях России. Это позволило обосновать целесообразность внедрения предлагаемой модели в практику управления рисками банков, инвестиционных компаний и других участников фондового рынка.

5. На базе предложенной модели разработана методика анализа рискованности ценных бумаг и инвестиционных портфелей, позволяющая осуществлять их ранжирование по двум важнейшим и одновременно противоречивым критериямдоходности и риску, в целях дальнейшего формирования эффективной портфельной стратегии инвесторов на фондовых рынках. Модифицирован коэффициент Шарпа, в части использования для его расчета показателя VaR взамен стандартного отклонения. Это повысило информативность указанного коэффициента, а именно — дало возможность агрегировать риски различных классов финансовых активовпозволило определять размеры рисковых убытков с заданной вероятностью и др.

6. Разработан алгоритм оценки эффективности операций с ценными бумагами торговых подразделений банков, инвестиционных компаний и других участников фондового рынка, с целью реализации мероприятий по управлению фондовым рискомдиверсификации, изменения допустимых лимитов и др., а также стимулирования труда трейдеров торговых залов. Алгоритм включает в себя следующие шаги: сбор статистической информации о совершаемых сделках с ценными бумагамиопределение доходности и риска операций каждого трейдераоценка эффективности каждого трейдера и торгового подразделения в целом по таким критериям, как средняя доходность и УаЯ в расчете на одну сделку, а также значение модифицированного коэффициента Шарпаиспользование полученных оценок для осуществления мероприятий по управлению риском.

Кроме того, на основе указанного алгоритма разработан и предлагается для внедрения в практику инвестиционной деятельности конкретный, в виде таблицы, механизм расчета комиссионного вознаграждения трейдерам по итогам их работы.

7. Предложена методика оценки величины капитала, резервируемого под покрытие фондовых рисков организации, позволяющая определять размер резерва применительно как к отдельным финансовым инструментам, так и к инвестиционным портфелям. Методика соответствует современным подходам к оценке достаточности капитала, отраженным в рекомендациях Базельского Комитета и способна гибко реагировать на изменения котировок на фондовых рынках.

8. Доказано на основе анализа финансовой отчетности крупнейших российских банков (Альфа-Банк, Внешторгбанк, Газпромбанк, МДМ-Банк, Росбанк и др.), что риски операций на российских фондовых рынках недостаточно подробно раскрываются даже ведущими их участниками. В целях повышения качества раскрываемой информации, разработано приложение к финансовой отчетности участника фондового рынка, включающее в себя следующие основные элементы: описание методологии оценки фондовых рисков на основе предложенной диссертантом моделирасчетные значения УаЯ для различных классов финансовых инструментов (портфелей) — оценку точности модели расчета УаЯмеры контроля фондовых рисков и предупреждения последствий их проявления. Приложение учитывает опыт ведущих зарубежных банков и отвечает требованиям, предъявляемым Международными стандартами финансовой отчетности (МСФО).

Теоретическая значимость исследования состоит в совершенствовании методологии управления фондовыми рисками в российских условиях на основе новой модели их оценки, обеспечивающей более высокую точность расчетов. В основе этой модели лежит теория экстремальных значений — направление теории вероятностей, 8 которое сравнительно недавно начало использоваться для оценки рисков в развитых странах, но еще не получившее распространения в России. Данная работа, раскрывая прикладные аспекты аппарата теории экстремальных значений, предоставляет российским риск-менеджерам эффективный инструмент оценки фондового риска.

Практическую значимость работы определяет то, что разработанные автором рискооценочная модель, методика ее применения, а также алгоритм и рекомендации по обоснованию эффективности торговых операций на фондовых рынках, с учетом стимулирования труда трейдеров, могут непосредственно использоваться риск-менеджерами банков, инвестиционных компаний и других организаций для повседневной оценки и управления фондовыми рисками. Кроме того, предложенное автором дополнение к финансовому отчету, обеспечивающее раскрытие информации о фондовом риске организации, позволит более объективно оценить ее реальное финансовое состояние в целях разработки мероприятий по управлению рисками.

Материалы диссертационного исследования могут также использоваться в учебном процессе высших учебных заведений, а также на курсах повышения квалификации работников, занятых в сфере биржевой торговли, управления финансовыми рисками, страховании.

Апробация работы. Основные положения работы докладывались и обсуждались на научно-практических семинарах: 19-ая Всероссийская научная конференция «Реформы в России и проблемы управления-2004″ (январь 2004 г., Государственный Университет Управления, г. Москва), 12-й Всероссийский студенческий семинар „Проблемы управления“ (февраль 2004 г., Государственный Университет Управления, г. Москва), межвузовская научная конференция „Современное состояние, инструменты и тенденции развития фондового рынка“ (май 2004 г., Московский Государственный Институт Международных отношений»).

Работа выполнена в соответствии с пп. 3.6, 9.17 паспорта специальности 08.00.10 -«Финансы, денежное обращение и кредит».

Публикации. По материалам исследования опубликовано шесть работ общим объемом 4.6 п.л. Все публикации авторские.

Структура работы. Диссертация состоит из введения, трех глав, заключения, списка литературы и приложений.

Заключение

.

В настоящем исследовании была рассмотрена как западная, так и российская практика оценки фондового риска на основе показателя «рисковая стоимость» (Value at Risk), который сегодня широко используется для измерения рыночного риска на западе и получает всё большее распространение в нашей стране.

На основании анализа работ ведущих российских и зарубежных авторов были выделены модели, использующиеся участниками российского фондового рынка для оценки рыночного риска — ковариационные, исторические, Монте-Карло. В то же время, как было показано, используемые модели имеют ряд ограничений, что снижает эффективность их практического применения.

Основным ограничением исторического моделирования является то, что выборка, имеющаяся в распоряжении аналитика, является конечной и позволяет получать оценки фонового риска только в определенных пределах. Также данный метод не позволяет получить выражение для показателя «рисковая стоимость» (Value at Risk, VaR) в аналитическом виде (т.е. в виде непрерывной функции от уровня значимости).

Недостатком ковариационных моделей является лежащая в их основе предпосылка о нормальности распределения доходностей входящих в портфель финансовых активов, что не выполняется на российских фондовых рынках.

Что касается моделирования Монте-Карло, то, во-первых, расчеты при его использовании требуют значительных временных затратво-вторых, необходимо делать предпосылки относительно типа распределения доходностей финансовых активов, для которых проводится моделированиев-третьих, как и при использовании исторического моделирования, отсутствует возможность получить функцию, которая бы связывала различные значения VaR и уровни значимости.

Для устранения указанных ограничений, возникающих при оценке фондового риска с помощью традиционных моделей, в настоящей работе была разработана альтернативная модель, основанная на теории экстремальных значений. Использование данной теории в практике расчета фондового риска дало возможность снять ряд ограничений, свойственных традиционным моделям. В частности, построенная модель:

— позволяет решить проблему отсутствия нормальности распределения доходностей на финансовых рынках;

— сокращает временные затраты, необходимые для оценки рисков;

— дает возможность получить аналитическое (функциональное) выражение для показателя «рисковая стоимость»;

— позволяет производить оценку риска за пределами имеющейся выборки исторических значений курсов ценных бумаг.

Для обоснования целесообразности практического использования построенной модели, был проведен сравнительный анализ точности оценки риска с помощью разработанной автором модели на основе теории экстремальных значений и традиционных моделей (РискМетрикс, историческое моделирование, Монте-Карло) как на данных по доходностям индекса РТС, так и на смоделированных данных, соответствующих кризисным процессам на фондовом рынке. В результате анализа было оценено соответствие прогнозных значений риска, получаемых на основе каждой из моделей, его фактическим значениям. Проведенные расчеты показали, что, во-первых, использование теории экстремальных значений для оценки фондового риска обеспечивает более высокую по сравнению с РискМетрикс точность оценки риска для всех уровней значимости.

Во-вторых, предложенная автором модель обеспечивает примерно такую же точность расчета, как и историческое моделирование для уровней значимости 5% и 2,5% и более высокую точность для уровней значимости 1% и 0,5%. Следовательно, по степени точности модель на основе теории экстремальных значений в целом не уступает историческому моделированию, а для некоторых уровней значимости — превосходит его. В то же время необходимо отметить, что, несмотря на то, что для некоторых уровней значимости данные методы дают сопоставимую точность расчетов, предложенная автором модель обладает рядом дополнительных преимуществ, что делает ее более привлекательным методом оценки фондового риска.

В-третьих, в условиях кризисных процессов на финансовом рынке, модель на основе теории экстремальных значений также является наиболее предпочтительным методом оценки рыночного риска.

Основываясь на результатах проведенного исследования, можно сделать вывод, что разработанная автором модель может с успехом использоваться для оценки фондового риска в российских условиях. Учитывая данное обстоятельство, в работе был разработан комплекс мер, обеспечивающих ее практическое внедрение в систему управления рисками организации, включающий в себя:

— разработку методики оценки риска отдельных ценных бумаг и инвестиционных портфелей;

— построение системы оценки эффективности операций торгового подразделения участника фондового рынка;

— построение методики оценки величины капитала, резервируемого под покрытие фондовых рисков;

— разработку приложения к финансовой отчетности, подготавливаемой в соответствии с МСФО, обеспечивающего раскрытие информации о величине фондового риска, методах его оценки и управления.

В то же время необходимо отметить, что, поскольку работы, посвященные применению теории экстремальных значений в финансах, в нашей стране практически отсутствуют, то материал, представленный в настоящей работе, не является исчерпывающим. Напротив, существуют определенные направления дальнейших исследований, которые позволили бы увеличить степень охвата рассматриваемой темы.

Во-первых, представляет интерес анализ различных методов расчета параметров в модели, основанной на теории экстремальных значений.

Во-вторых, перспективным является исследование возможности применения теории экстремальных значений в других областях, например, для моделирования доходностей финансовых инструментов, для анализа кредитного риска и др.

Данные вопросы автор планирует рассмотреть в дальнейших научных исследованиях.

Показать весь текст

Список литературы

  1. Бартон Т. JL, Шенкир У., Уокер П. Комплексный подход к риск-менеджменту: стоит ли этим заниматься. М.: Издательский дом Вильяме, 2003. С. 14−69.
  2. А. В. Банковские риски: проблемы учета, управления и регулирования. -М.: Издательская группа БДЦ-пресс, 2003 256 с.
  3. А.Н. Рынок ценных бумаг и производных финансовых инструментов. М.: НТО им. С. И. Вавилова, 2002. — 348 с.
  4. А., Сотникова Ю. Рыночный риск: измерение и управление // Банковские технологии. 1998. — № 1.
  5. JI. Финансовая инженерия. Инструменты и способы управления финансовым риском. М.: ТВП, 1998. — 576 с.
  6. В.Е. Теория вероятностей и математическая статистика. М.: Высшая Школа, 1999.-480 с.
  7. Заявление Правительства Российской Федерации и Центрального банка Российской Федерации «О Стратегии развития банковского сектора Российской Федерации на период до 2008 года» // М., 2005. 5 апреля.
  8. Зорин A. Value at Risk как мера торговых стратегий. // Рынок ценных бумаг. -2005. -№ 12(291).
  9. Инструкция Банка России № 1 «О Порядке регулирования деятельности банков» от 1.10.1997.
  10. Инструкция Банка России № 110-И «Об обязательных нормативах банков» от 16.01.2004.
  11. Информация об основных результатах анкетирования кредитных организаций по вопросам стресс-тестирования. М.: Банк России, 2003.
  12. М.Р. Количественные методы оценки рыночного риска: от стандартного отклонения к когерентным мерам риска. // Тезисы докладов 12-го Всероссийского студенческого семинара «Проблемы управления». М.: ГУУ, 2004.
  13. М.Р. Критический анализ основных методов расчета Value at Risk // Управление риском. 2006. — № 3 (39).
  14. М.Р. Модели оценки рыночного риска на рынке ценных бумаг. М.: Макс-Пресс, 2005. — 52 с.
  15. М.Р. Проблемы оценки рыночного риска в российских условиях. // Материалы Межвузовской научной конференции «Современное состояние, инструменты и тенденции развития фондового рынка». М.: Издательский дом ГУ ВШЭ, 2005.
  16. М.Р. Современные методы оценки рыночного риска. // Материалы 19-й Всероссийской научной конференции молодых ученых и студентов «Реформы в России и проблемы управления 2004». — М.: ГУУ, 2004.
  17. И.В. Методы управления рисками кредитной организации и способы их ограничения // Бизнес и банки. 2000. — № 40.
  18. А. Проблема метода при расчете value at risk // Рынок ценных бумаг. -2000.-№ 21.
  19. А. Регулирование рыночных рисков банков на основе внутренних моделей расчета VaR // Рынок ценных бумаг. 2000. — № 9.
  20. А., Порох А. Анализ применимости различных моделей расчета value at risk на российском рынке акций // Рынок ценных бумаг. 2001. — № 2.
  21. Е., Тихонов В. Управление рыночными рисками // Ведомости. 2003. -16.09.
  22. A.B. Риск-менеджмент // Управление корпоративными финансами. 2005. — № 5.
  23. Я.Р., Катышев П. К., Пересецкий A.A. Эконометрика. Начальный курс. М.: Дело, 2000. — 400с.
  24. В.Г., Салин В. Н. «Статистическая оценка и управление рисками в современной экономике» // Проблемы управления банковскими и корпоративными рисками. М.: Финансы и статистика, 1995. — С. 84 — 98.
  25. И.С., Шелагин Д. А. Рыночные риски: модели и методы // www.fast.ane.ru/menshikov/var.htm.
  26. Обзор банковского сектора Российской Федерации. М.: Банк России. — 2006. -Декабрь. — 72 с.
  27. Отчет о развитии банковского сектора и банковского надзора в 2005 году. М., Полиграфбанксервис, 2006. — 121 с.
  28. Официальное сообщение «О переходе банковского сектора Российской Федерации на международные стандарты финансовой отчетности». Банк России — 2003. -июнь.
  29. Письмо Банка России № 19-Т «О методических рекомендациях «О порядке составления и представления кредитными организациями финансовой отчетности» от 10.02.2006.
  30. Письмо Банка России № 70-Т «О типичных банковских рисках» от 23.06.2004.
  31. Положение Банка России № 89-П «О порядке расчета кредитными организациями размера рыночных рисков» от 24.09.1999 (с изменениями от 20 апреля 2001 г., 18 апреля 2002 г., 30 ноября 2004 г.).
  32. Положение Банка России № 255-П «Об обязательных резервах кредитных организаций» от 29.03.2004 г.
  33. Пути повышении прозрачности банковской деятельности // Доклад Базельского комитета по банковскому надзору и регулированию. 1998.- Сент.
  34. В. Банковские риски: система классификации. // Рынок, деньги и кредит. 1998. — № 6.
  35. Рейтинг «200 крупнейших банков по размеру собственного капитала (по данным на 1 октября 2006 г.)» // Экономический еженедельник Коммерсантъ Деньги. 2006. -№ 47(603).-27 ноября.
  36. Рекомендации Базельского комитета по банковскому надзору «Внутренний аудит в банках и взаимоотношения надзорных органов и аудиторов» // Регламентация банковских операций в нормативных документах. 2002. — № 9.
  37. М.А. Выбор методологии измерения рыночных рисков Value at Risk (VaR) для оценки валютных рисков в банке. // www.finrisk.ru.
  38. К.В. Роль информации и прозрачности отчетности в оценке рисков. // Проблемы управления банковскими и корпоративными рисками. М.: Финансы и статистика, 1995. — С. 65 — 76.
  39. П.В. Разработка системы комплексной оптимизации рыночного риска и доходности на промышленном предприятии. дис. канд. экон. наук // М., 2002. -199 с.
  40. О.В. Моделирование и количественная оценка риска российских финансовых рынков. дис. канд. экон. наук. — М.: 2000. — 126 с.
  41. В.Т. Проблемы анализа и прогнозирования финансовых и банковских рисков. // Проблемы управления банковскими и корпоративными рисками. М.: Финансы и статистика, 1995. — С. 109 — 124.
  42. С., Скворцов А., Дзигоева Е. Достаточность банковского капитала в отношении рыночных рисков: как улучшить регулирование в России // Аналитический банковский журнал. 2003. — № 7(98).
  43. Ю. А., Амосова Н. А. Система страхования банковских рисков. М.: ООО «Издательство Элит», 2003. — 542 с.
  44. Стратегия развития финансового рынка Российской Федерации на 2006−2008 гг. // Распоряжение Правительства Российской Федерации № 793-Р от 1.06.2006.
  45. Т.В. Оценка валютного риска и прогнозирование валютного курса. -дис. канд. экон. наук. М.: 2000. — 180 с.
  46. Указание Банка России № 1363-У «О составлении и представлении финансовой отчетности кредитными организациями» от 25.12.2003.
  47. Э.А. Риск-менеджмент. М.: Тандем, 1998. — 287 с.
  48. Федеральный закон «О банках и банковской деятельности» № 317-ФЭ от 03.02.1996 г.
  49. Е. Управление рисками: современные тенденции и практика // Рынок ценных бумаг. 2000. — № 18.
  50. Н.В. Управление риском. М.: Юнити, 1999. — 238 с.
  51. У.Ф., Александер Т. Д., Бэйли Д. В. Инвестиции. М.: Инфра-М, 2003. — 1028 с.
  52. Р.В. Методы оценки и управления финансовыми рисками: Автореферат диссертации на соискание ученой степени кандидата экономических наук. М., 2002.
  53. Д. О методике оценки риска VaR // Рынок ценных бумаг. 1999. — № 16.
  54. А. Как играть и выигрывать на бирже // М.: Диаграмма, 2004. 349с.
  55. Энциклопедия финансового риск-менеджмента / под ред. Лобанова, Чугунова. М.: Альпина Бизнес Букс, 2005. — 878 с.
  56. Abken P.A. An Empirical Evaluation of Value at Risk by Scenario Simulation // Risk Analysis Division, Controller of the Currency. -2000. March. — 46 c.
  57. ABN Amro Bank Annual Report 2005. Amsterdam: ABN Amro Bank, 2006. — 241 c.
  58. Alexander C. Risk management & analysis. New York: John Wiley&Sons, 1999. — 360 c.
  59. Alexander C. The handbook of risk management and analysis. New York: Wiley&Sons, 1997.-367 c.
  60. Allen S. Financial risk management: A practitioner’s guide to managing market and credit risk Hoboken, N.J.: John Wiley & Sons, 2003. — 288 c.
  61. Amendment to the Capital Accord to Incorporate Market Risks. Basle Committee on Banking Supervision, 1996. — 54 c.
  62. An internal model-based approach to market risk capital requirements. Basle Committee on Banking Supervision, 1995. — April. — 50 c.
  63. Analytical tools of the FSAP. International Monetary Fund, World Bank, 2003 -25c.
  64. A new capital adequacy framework. Basle Committee on Banking Supervision, 1999. -62 c.
  65. Aragones J.R., Blanco C., Dowd K. Incorporating Stress Tests into Market Risk Modelling // Institutional Investor. 2001. — Spring. — C.45.
  66. Balkena A., De Hann L. Residual Lifetime at Great Age // Annals of Probability. 1974. -№ 2. — C.792−804.
  67. Bangia A., Diebold F., Schuermann T., Stroughair J. Modeling liquidity risk, with implications for traditional market risk measurement and management. The Wharton Financial Institutions Center, 1998. — 40 c.
  68. Bensalah Y. Steps in Applying Extreme Value Theory to Finance: a Review // Bank of Canada working paper. 2000. — № 2000−20. -31 c.
  69. Berkovitz J. Evaluating the forecasts of risk models // Finance and Economics Discussion Series No. 1999−11. Board of Governors of the Federal Reserve System, 1999. — 35 c.
  70. Berkovitz J. Coherent framework for stress-testing // Finance and Economics Discussion Series No. 1999−29. Board of Governors of the Federal Reserve System, 1999. — 60 c.
  71. Best P. Stress-testing / In: Lore M., Borodovsky L. (eds.). The professional’s handbook of financial risk management. Oxford, Butterworth-Heinemann, 2000. — C.233−260.
  72. Blaschke W., Jones M., Majnoni G., Peria S. Stress testing of financial systems: An overview of issues, methodologies, and FSAP experiences // IMF Working paper No. 01/88. International Monetary Fund, 2001. — 25 c.
  73. Burns P. The Quality of Value at Risk via Univariate GARCH // Burns Statistics working paper, 2002. October -19 c.
  74. Cassidy C., Gizycki M. Measuring Traded Market Risk: Value at Risk and Backtesting Techniques // Research discussion paper № 9708. Reserve Bank of Australia, 1997. — 40 c.
  75. Credit Suisse Group Annual Report 2005. Zurich: NZZ Fletz AG, 2006. — 242 c.
  76. Crouhy M., Galai D., Mark R. Model risk // Journal of Financial Engineering. 1998. — V. 7. — No. ¾. — Sept./Dec. — c.267−288.
  77. Cuoco D., Liu H. An Analysis of VaR-Based Capital Requirements // Wharton School, Olin School of Business, 2003. July. — 49 c.
  78. Cupiec P. Internal Models, Subordinated Debt and Regulatorly Capital Requirements for Bank Credit Risk // IMF WP 02/157, Washington, 2002. C.5−10.
  79. Danielson J., De Vries C. Tail Index and Quantile Estimation with Very High Frequency Data // Journal of Empirical Finance. 1997. № 4.
  80. Demirguc-Kunt A., Huizinga H. Market discipline and financial safety net design // Working paper 2183, World Bank, 1999. 52 c.
  81. Derivatives: Practices and Principles. Global Derivatives Study Group, 1993. — 76 c.
  82. Derman E. The future of modeling // RISK. 1997. — V. 10. — No. 12. — December. -C.164−167.
  83. Diebolt J., El-Aroui M., Durbec V., Villan B. Estimation of Extreme Quantiles: Empirical tools for Methods Assessment and Comparison // International Journal of Reliability, Quality and Safety Engineering. 2000. — № 1. — C.75−94.
  84. Doherty N. A. Integrated risk management: Techniques and strategies for reducing risk // N.Y.: McGraw-Hill, 2000. 646 c.
  85. Dowd K. Beyond value at risk: The new science of risk management. Chichester: John Wiley & Sons, 1998.-286 c.
  86. Embrechts P. Extreme Value Theory in Finance and Insurance. Departement Mathematik ETH Zentrum, Zurich, 1999. -8 c.
  87. Embrechts P., Kluppelberg C., Mikosch T. Modelling Extremal Events for Insurance and Finance. Berlin: Springer-Verlag, 1997. — 645 c.
  88. Emmer S., Kluppelberg C., Trusdedt M. VaR A Measure for Extreme Risk. — Center for Mathematical Sciences, Munich University of Technology, 1998. -10 c.
  89. Engel J., Gizicki M. Conservatism, accuracy and efficiency: Comparing value-at-risk methods // Discussion paper 2, Australian Prudential Regulation Authority. Reserve Bank of Australia, 1999. — March. — 30 c.
  90. Fallon W. Calculating Value at Risk // Wharton Financial Institutions working paper. -1996.-№ 96−49.-39 c.
  91. Fama E. Mandelbrot and the Stable Paretian Hypothesis // Journal of Finance. 1963. -№ 4. — C.420−429.
  92. Fendler J., Michael S., Mosser P. An International Survey of Stress Tests // Current Issues in Economics and Finance. 2001. — № 10. — 6 c.
  93. Framework for internal control systems in banking organizations // Basle Committee on Banking Supervision, 1998.-31 c.
  94. Framework for voluntary oversight // Derivatives Policy Group, 1995. 35 c.
  95. Froot K. A., Stein J. C. Risk management, capital budgeting and capitalstructure policy for financial institutions: An integrated approach // Working paper 5403, National Bureau of Economic Research, 1996. 39 c.
  96. Gavin J. Extreme value theory an empirical analysis of equity risk // UBS Warbung working paper, 2000. -9 c.
  97. Gencay R., Selcuk F. Extreme value theory and Value at Risk: Relative performance in emerging markets. Ankara: Bilkent University, 2002. — 40 c.
  98. Gencay R., Selcuk F., Ulugulyager A. High Volatility, thick tails and extreme value theory in Value-at-Risk estimation. Ankara: Bilkent University. — 2001. — 39 c.
  99. Ghosh B.N. Global financial crises and reforms. Cases and Events // London: Routledge, 2001.-C.14.
  100. Glasserman P., Heidelberger P., Shahabuddin P. Efficient Monte Carlo Methods for Value at Risk. NY: IBM Research Division, 2000. — April. -17 c.
  101. Guth L., Sepetys K. Value at Risk: Variations on a theme // Global Energy Business. -2001,-May/June.-C.12−18.
  102. Hendricks D. Evaluation of Value at Risk models using historical data // Federal Reserve Bank of New York Economic Policy Review. -1996. April. — 32 c.
  103. Holtdorf C., Rudolf M. Risk management: Challenge and opportunity, Berlin: Springer Verlag, 2000.-415 c.
  104. Holton G. Value at Risk: Theory and Practice. London: Academic Press, 2003. — C. 1423.
  105. Holton G.A. History of Value-at-Risk: 1922−1998 // Contingency Analysis working paper, 2002.-27 c.
  106. Hull J.C. Options, futures and other derivatives, 5th ed. London.: Prentice Hall College Div., 2002.-744 c.
  107. IAS 30 «Disclosures in the Financial Statements of Banks and Similar Financial Institutions». International Accounting Standards Board, 1991.
  108. IAS 32 «Financial Instruments: Disclosure and Presentation». International Accounting Standards Board, 2005.
  109. Implementation of Basel II: Practical Considerations // Basle Committee on Banking Supervision, 2004. July. — 40 c.
  110. ING Bank annual report for 2005. Amsterdam, ING Bank, 2006.
  111. International convergence of capital measurement and capital standards: A revised framework. Basle Committee on Banking Supervision, June 2004. — 251 c.
  112. Jarque, C., Bera A. Efficient Tests for Normality, Homoscedasticity and Serial Independence of Regression Residuals // Economics Letters. 1980. — № 6. — C.255−259.
  113. Jondeau E., Rockinger M. The tail behavior of stock returns: Emerging versus Mature Markets. Jouy-an-Josas: HEC-School of Management, Department of Finance, 1999. -57 c.
  114. Jorion P. Financial risk manager instruction manual, 2nd ed. N.Y.: JohnWiley & Sons, 2003.-832 c.
  115. Jorion P. Predicting Volatility in the Foreign Exchange Market // Journal of Finance. -1995.-№ 2.
  116. Jorion P. Value At Risk: The New Benchmark For Managing Financial Risk. N.Y.: McGraw-Hill, 2001. — 544 c.
  117. JP Morgan Chase Annual Report 2005. New York: JP Morgan Chase&Co, 2006. — 144 c.
  118. Kerkhof J., Melenberg B. Backtesting for Risk-Based Regulatory Capital. Amsterdam: Tilburg University, 2002. — Nov. — 30 c.
  119. Kimball R. C. Economic profit and performance measurement in banking // New England Economic Review. 1998. — Jul-Aug. — C.35−53.
  120. Lee T., Saltoglu B. Evaluating Predictive Performance of Value at Risk Models in Emerging Markets: A Reality Check. University of California and Marmara Universtity, 2001. January.-C.8−11.
  121. Linsmeier T., Pearson N. Risk Measurement: an Introduction to Value at Risk // University of Illinois of Urbana Champaign working paper. 1996. — Jul. — 36 c.
  122. Lo B. Latest Techniques in Market Risk Management and Job Requirements of Market Risk Managers // Materials of Professional Seminar on Risk Management. Hong-Kong, 2001.-C. 1−6.
  123. Login F. From Value at Risk to Stress-testing: the Extreme Value Approach // Journal of Banking and Finance. 2000. — Jan. — c. 1097−1130.
  124. Lopez J. An Academic Perspective on Backtesting and Stress-Testing // Presentation «Credit Risk Models and the Future of Capital Management», FRB of San Francisco. -2000.-August.-20 c.
  125. Lopez J. Methods for evaluating Value-at-Risk estimates // FRBNY Economic Policy Review. 1998. — October. — C. l 19−124.
  126. Lopez J. Regulatory Evaluation of Value at Risk Models // Working paper № 9651. -Wharton Financial Institutions Center, 1996. September. — C.6−11.
  127. Lore M., Borodovsky L. The professional’s handbook of financial risk management. -Oxford: Butterworth-Heinemann, 2000. 802 c.
  128. Lucas A. Testing backtesting: An evaluation of the Basle guidelines for backtesting internal risk management models of banks // Research memorandum 1998−1. -Amsterdam: Vrije Universiteit, 1998.-25 c.
  129. Mandelbrot B. The Variation of certain speculative prices // Journal of Business. 1963. -№ 35.
  130. Manganelli S., Engle R. Value at Risk Models in Finance // European Central Bank working paper. 2001. — № 75. -41c.
  131. Manning P. Basel II: Unfinished business // GARP Risk Review. -2004. Sept-Oct. -4 c.
  132. Markowitz H.M. Portfolio selection // Journal of Finance. -1952. № 7 (1). — c.77−91.
  133. Marshall D., Venkataraman S. Bank capital for market risk: A study in incentive-compatible regulation // Chicago Fed. Letter. 1996. — № 104. — April. — 45 c.
  134. Marten C. Managing bank capital: Capital allocation and performance measurement, 2nd ed. Chichester: John Wiley & Sons, 2000. — 354 c.
  135. Matthys G., Beirlant J. Adaptive Threshold Selection in Tail Index Estimation // Leuven: Univercity Center for Statistics, Catholic University, 2000. -17 c.
  136. McNeil A J. Extreme Value Theory for Risk Managers. Zurich: Departement Mathematik ETH Zentrum, 1997. — 22 c.
  137. McNeil A.J., Frey R. Estimation of Tail Related Risk Measures for Heteroscedastic Financial Time Series: an Extreme Value Approach // Journal of Empirical Finance.2000. -Nov. -C.271−300.
  138. McNeil A.J., Saladin T. The Peaks over Thresholds Method for Estimating High Quantiles of Loss Distributions. Zurich: Departement Mathematik ETH Zentrum, 1997. -21 c.
  139. Medova E. Measuring Risk by Extreme Values // Risk. 2000. — Nov. — C.820−825.
  140. Milne A., Whalley E. Bank capital and risk-taking // Working paper No. 90. Bank of England, 1998.-44 c.
  141. Oldfield G.S., Santomero A.M. The place of risk management in financial institutions // Wharton Financial Institutions Center working paper, 1995. 39 c.
  142. Pearson N. What’s new in Value at Risk? A selective survey // Global Risk management: Financial, Operational and Insurance Strategies, volume 3, 2002. C. 15−37.
  143. Polasek W., Pojarliev M. Var Evaluation Based on Volatility Forecasts of GARCH Models // Institute of Statistics and Econometrics, University of Basel working paper, 2001.- 13 c.
  144. Pritsker M. The Hidden Dangers of Historical Simulation. Washington: The Federal Reserve Board, 2001. — 62 c.
  145. Rahl L., Esseghaier Z. Measuring financial risk in the 21st century // Banking Accounting and Finance. 2000. — Spring. — C. 45−54.
  146. Reiss R., Thomas M. Statistical Analysis of Extreme Values with Applications to Insurance, Finance, Hydrology and Other Fields // Basel: Birkhauser Verlag, 1997. 316 c.
  147. RiskMetrics the technical document, 4th edition. — New York, 1996.
  148. Rozario R. Estimating value at risk for the electricity market using a technique from extreme value theory // School of Banking and Finance, University of New South Wales, 2002.-22 c.
  149. Saita F., Sironi A. Market Risk Measurement and Capital Regulation: An Empirical Evaluation of Var Alternative Approaches. Bocconi Univercity, 1999. — Jan. — 34 c.
  150. Sarma M. Testing EVT-based VaR Measures. Mumbai: Indira Gandhi Institute of
  151. Development Research, 2001. 24 c.
  152. Sarma M., Thomas S., Shah A. Performance Evaluation of Alternative VaR Models. -Mumbai: Indira Gandhi Institute of Development Research, 2000. C.5−10.
  153. Sharpe W.F. A Simplified Model for Portfolio Analysis // Management Science. 1963. -№.2. — Jan. — C.277−293.
  154. Simons K. The use of Value at Risk by institutional investors // New England Economic Review. 2000. — Nov-Dec. — C.30−31.
  155. Societe Generate 2005 Review. Lyon: FOT, 2006. — 103 c.
  156. Stress testing by large financial institutions: Current practice and aggregation issues // Committee on the Global Financial System, Bank for International Settlements, 2000. -April. 44 c.
  157. Stress testing // Guidelines on Market Risk Vienna: Oesterreichische National Bank, 1999.-Vol.5.-C.l-9.
  158. Supervisory framework for the use of «backtesting» in conjunction with the internal models approach to market risk capital requirements // Basle Committee on Banking Supervision, 1996. January. -15 c.
  159. The supervisory treatment of market risks // Basle Committee on BankingSupervision, 1993.-April.-59 c.
  160. Van der Goobergh R., Vlaar P. Value at Risk Analysis of Stock Returns: Historical Simulation, Variance Techniques or Tail Index Estimation? Amsterdam: De Nederlandsche Bank, 1999. — 37 c.
  161. Zhou K. Calculating VaR with the Extreme Value Approach: an empirical analysis of Hang Seng Index // City University of Hong Kong, 2002. -16 c.
Заполнить форму текущей работой