Credit risk modelling and quantification
Kredi riski modellemesi ve ölçümü
- Tez No: 245985
- Danışmanlar: DOÇ. WOLFGANG HÖRMANN
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2009
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Bölümü
- Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Sayfa Sayısı: 144
Özet
Kredi modellemesi ve ölçümü banka yönetiminde oldukça önemli bir konudur ve son yıllarda bankacılık ve finansal sistemlerdeki değişimler ve gelişmelerden ötürü uygulamada ve akademisyenler arasında daha da popüler bir hale gelmiştir. J.P. Morgan'nın CreditMetrics, KMV Portfolio Manager, Credit Suisse First Boston'ın CreditRisk+ ve McKinsey'nin CreditPortfolioView modelleri uygulamada en çok kullanılan yaklaşımlardır. Bundan ötürü, bu çalışma, birçok akademik yayının baz aldığı istatistiksel yaklaşımlardan daha çok yuygulamada kullanılan bu modeller kredi riski modellemesi üzerine üzerine yoğunlaşmaktadır. Fakat, istatistiksel modeller, uygulamada kullanılan yaklaşımlar ve Basel II gibi düzenleyici çerçeveler arasında birçok bağ olduğu sonucuna varılmıştır. Bu tezde Basel II sermaye düzenlemesinin temelleri ve bahsedilen dört uygulanabilir modelin ana ilkeleri ve bu modeller için literatürde mevcut olan kalibrasyon yöntemleri araştırılmıştır. Bu çalışmanın bir sonucu olarak, görülüyorki uygulamda kullanılan bu modeller, Basel II düzenlemesinin parametrelerini hesaplamada kullanılabilirler. Ayrıca, bu tezde, CreditMetrics çok faktörlü modelinin kalibrasyonu için, sezgisel olarak bir regresyon metodu geliştirmekteyiz ve bu metodun uyulamasındaki gerekli adımları belirlemekteyiz. Her ne kadar bu modellerin kalibrasyonu üzerine literatürde eksik sunulan bilgi ve veri yeterizliği nedeniyle, bu modelleri uygulamak çok kolay olmasa da, bu tezde sunulan regresyon tabanlı metod ile, CreditMetrics çok factörlü modelini, elde edilebilir gerçek veriye kalibre etmekteyiz. Tez içerisinde Bloomberg Veri Hizmetleri'nden sağlanılan gerçek veriyle oluşturulan küçük ölçekli kredi portföyü de sunulmaktadır. Ayrıca gerçeğe uygun geniş bir kredi portföyünün kayıp ve değer dağılımlarını inceleyebilmek için, bu portföyü baz alarak, geniş bir kredi portföyüne yönelik, yapay olarak geniş bir çok factörlü model ürettik. Son olarak, farklı rating konsantrasyonlarındaki farklı portföyler üzerinde gerçekleştirdiğimiz çok seneli Monte Carlo simulasyonlarının sonuçlarını analiz ederek, rating geçiş riskinin ve portföy konsantrasyonun risk-değer profili üzerinde önemli derecede etkili olduğu ve kredi faiz uygulamalarını değerlendirmede simulasyonun güçlü bir araç olduğu sonucuna varmaktayız. Bu tez süresince tüm hesaplamalarda R?Programlama dilinden yararlanılmıştır.
Özet (Çeviri)
Credit risk modelling and quantification is a very crucial issue in bank management and has become more popular among practitioners and academicians in recent years because of the changes and developments in banking and financial systems. CreditMetrics of J.P. Morgan, KMV Portfolio Manager, CreditRisk+ of Credit Suisse First Boston, and McKinsey?s CreditPortfolioView are widely used frameworks in practice. Thus, this thesis focuses on these models rather than statistical modelling most academic publications are based on. Nevertheless, we find that there are several links between the models used in practice, the statistical models, and the regulatory frameworks such as Basel II. Moreover, we explore the basics of the Basel II capital accord, the principles of four frameworks and the calibration methods available in the literature. As a result of this study, it seems possible to apply the credit risk frameworks used in practice to estimate the parameters of the Basel II framework. Also, we develop a regression method to calibrate the multifactor model of CreditMetrics and determine the necessary steps for this implementation. Although, due to incomplete information provided in the literature on the calibration of these models and due to lack of data, it may not be easy to implement the models used in practice, in this thesis we calibrate the multifactor model of CreditMetrics to accessible real data by our regression based calibration method. The small credit portfolio formed by real-world data taken from Bloomberg Data Services is also presented within this thesis. Next, we artificially generate a large multifactor model for a large credit portfolio taking our real-world portfolio as a reference in order to inspect the loss and value distributions of a realistically large credit portfolio. Finally, by analyzing the results of multi-year Monte Carlo simulations on different portfolios of different rating concentrations, we deduce the significance of the effects of transition risk and portfolio concentration on risk-return profile, and the strength of simulation in assessing the credit spread policy. Throughout this thesis R-Software environment has been used for all kind of computations.
Benzer Tezler
- Ticari banka kredilerinin değerlendirilmesine yönelik bir karar destek modeli
A decision support model for the evaluation of commercial credits
SAİT GÜL
Doktora
Türkçe
2017
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖZGÜR KABAK
PROF. DR. YUSUF İLKER TOPCU
- TFRS 9 standardı kapsamında karşılık uygulamalarının Türk bankacılık sektörüne etkisinin incelenmesi
Investigation of the impact of provision applications on the Turkish banking sector within the scope of TFRS 9 standards
TEVFİK AYDIN
- Türk bankacılık sektörü kredi risklerinin ölçümünde makro ekonomik kredi risk modellemesi ve stres testi uygulaması
Macroeconomic credit risk modelling and application of stress testing in measuring credit risk of the Turkish banking industry
ARİF SEÇKİN TOKATLI
- Makroekonomik değişkenlere dayalı kredi riski modellemesi ve stres testi analizi
Credit risk modelling based on macroeconomic variables and stress testing analyses
ÖZLEM YÜKSEL
Yüksek Lisans
Türkçe
2011
BankacılıkTOBB Ekonomi ve Teknoloji Üniversitesiİşletme Ana Bilim Dalı
YRD. DOÇ. EKİN TOKAT
- Ticari alacak riski yönetimi ve makine öğrenmesi algoritmaları ile modelleme: Bir model önerisi
Credit risk management and modelling with machine learning algorithms: A model suggestion
SÜMEYYE KAYA
Yüksek Lisans
Türkçe
2024
Bilim ve TeknolojiAnkara Sosyal Bilimler ÜniversitesiDenetim ve Risk Yönetimi (Disiplinlerarası) Ana Bilim Dalı
DOÇ. DR. HALİS KIRAL