TWI739295B - 市場風險之計提資本矯正系統及其方法 - Google Patents
市場風險之計提資本矯正系統及其方法 Download PDFInfo
- Publication number
- TWI739295B TWI739295B TW109103436A TW109103436A TWI739295B TW I739295 B TWI739295 B TW I739295B TW 109103436 A TW109103436 A TW 109103436A TW 109103436 A TW109103436 A TW 109103436A TW I739295 B TWI739295 B TW I739295B
- Authority
- TW
- Taiwan
- Prior art keywords
- risk
- capital
- value
- model
- rating
- Prior art date
Links
Images
Landscapes
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
一種市場風險之計提資本矯正系統,應用在計算依法對一銀行的一風險商品,所須提列的一計提資本,包括:一外部資料裝置,向一外部評等單位提出請求,接收一外部評等以調整為一內部評等參考值。一模型風險計算裝置,計算求得每一複數個計算模型的一模型風險值。一矯正風險計算裝置,計算上述些模型風險值之一矯正風險值。一計提穿透計算裝置,計算求得一計提穿透次數。一計提資本裝置,根據上述矯正風險值及上述計提穿透次數,計算求得上述計提資本。
Description
本發明涉及一種計提資本的矯正系統,特別是一種銀行內部對市場風險商品之計提資本的矯正系統。
由於本國《銀行資本適足性及資本等級管理辦法》之規定,現今銀行須針對其內部的風險性資產(例如利率、權益證券、外匯或金融商品等)所可能因市場價格(例如利率、匯率或股價等)而產生的損失(包括銀行資產負債表內及表外的交易項目),加以計算。銀行即得根據上述計算結果,加以提列「市場風險應計提之資本」(下稱「計提資本」),並繳與其主管機關。
而根據上述規定,計提資本的計算方式是透過最近六十日的每日風險值(Value at risk,簡稱為VaR)平均數乘上乘數因子。而乘數因子則與穿透次數呈正向相關,其中穿透次數即為在特定期間內,實際損失超過預估損失風險值的次數。當上述穿透次數愈高,乘數因子亦會愈高,並造成銀行所需計提資本的提高。因此,如何能精準地計算,又能即時隨
著實際市場的浮動報價,進而矯正上述計提資本,便成為本領域中有待解決的問題。
鑑於上述欲解決之問題及其原因,本發明提供一種市場風險之計提資本矯正系統,導入外部市場對風險商品的即時外部評等資訊,再根據多個計算模型(亦即多個計算方法),計算並矯正偏差較大者,以計算得到矯正風險值。再透過銀行內部歷史穿透次數資料,計算得到預估的計提穿透次數。綜合上述的矯正風險值及計提穿透次數,再根據計提公式,即可計算得到銀行所需提列的計提資本,而能同時反映即時的市場現況及歷史數據資料。
具體而言,本發明提供一種市場風險之計提資本矯正系統,應用在計算依法對一銀行的一風險商品,所須提列的一計提資本,上述系統包括:一資料管理裝置,包括一交易資料庫,上述交易資料庫儲存上述風險商品之一內部交易資料及一歷史穿透次數資料;一外部資料裝置,向一外部評等單位提出請求,接收上述風險商品之一外部評等,以根據一評等對照表調整上述外部評等為一內部評等參考值;一模型風險計算裝置,根據上述內部交易資料、上述內部評等參考值及複數個計算模型,計算求得每一上述些計算模型的一模型風險值;一矯正風險計算裝置,計算上述些模型風險值之一模型風險標準差,並根據上述模型風險標準差,剔除上述些模型風險值中偏離一標準差門檻值最大者,以求得一矯正風險值;一計提穿透計算裝置,根據上述歷史穿透次數資料及一迴歸公式,計算求得
一計提穿透次數;以及一計提資本裝置,根據上述矯正風險值、上述計提穿透次數及一計提公式,即時求得上述計提資本。
依據一實施例,其中上述計提穿透計算裝置根據一初始期間間隔,計算得到複數個區間穿透次數,以調整求得上述計提穿透次數。
依據另一實施例,其中上述矯正風險計算裝置根據剔除後剩餘的上述些模型風險值及一模型風險權重表,加權調整剩餘的上述些模型風險值,以求得上述矯正風險值。
依據又一實施例,其中上述交易資料庫更儲存有上述風險商品之一歷史外部評等資料,上述外部資料裝置透過上述歷史外部評等資料、一初始限額及一限額對照表,調整上述初始限額為一矯正限額。
依據又一實施例,其中上述些計算模型包括歷史模擬法(Historical Simulation)、變異數-共變異數法(Variance-Covariance Method)或蒙地卡羅模擬法(Monte Carlo Simulation)。
本發明除提供上述市場風險之計提資本矯正系統之外,還進一步提供一種市場風險之計提資本矯正方法,應用在計算依法對一銀行的一風險商品,所須提列的一計提資本,上述方法包括以下步驟:取得上述銀行之一內部交易資料;向一外部評等單位提出一外部評等請求,以取得上述外部評等;根據一評等對照表轉換上述外部評等,以獲得上述內部評等參考值;根據上述內部交易資料、上述內部評等參考值及複數個計算模型,計算求得每一上述些計算模型的一模型風險值;計算上述些模型風險值之一模型風險標準差;根據上述模型風險標準差,剔除上述些模型風險值中偏離一標準差門檻值最大者,以求得一矯正風險值;根據一歷史穿透
次數資料及一迴歸公式,計算求得一計提穿透次數;以及根據上述矯正風險值、上述計提穿透次數及一計提公式,即時求得上述計提資本。
依據又一實施例,其中根據一初始期間間隔,計算得到複數個區間穿透次數,以調整求得上述計提穿透次數。
依據又一實施例,其中根據剔除後剩餘的上述些模型風險值及一模型風險權重表,加權調整剩餘的上述些模型風險值,以求得上述矯正風險值。
依據又一實施例,更透過一歷史外部評等資料、一初始限額及一限額對照表,調整上述初始限額為一矯正限額。
依據又一實施例,其中上述些計算模型包括歷史模擬法(Historical Simulation)、變異數-共變異數法(Variance-Covariance Method)或蒙地卡羅模擬法(Monte Carlo Simulation)。
100:銀行
110:風險評估請求
200:市場風險之計提資本矯正系統
210:資料管理裝置
211:交易資料庫
212:內部交易資料
213:歷史穿透次數資料
214:歷史外部評等資料
220:外部資料裝置
221:外部評等請求
222:內部評等參考值
223:矯正限額
230:模型風險計算裝置
231:模型風險值
240:矯正風險計算裝置
241:矯正風險值
250:計提穿透計算裝置
251:計提穿透次數
260:計提資本裝置
261:計提資本
300:外部評等單位
310:外部評等
400:市場風險之計提資本矯正方法之流程
410-420、440-480:步驟
430a-430d、451、461:步驟
為讓本發明之上述和其他目的、特徵、優點與實施例能更明顯易懂,所附附圖之說明如下:圖1所繪為本發明之市場風險之計提資本矯正系統之架構圖。
圖2所繪為本發明之市場風險之計提資本矯正方法之流程圖。
圖3所繪為本發明之初始限額調整方法之流程圖。
有鑑於上述待克服的問題,本發明提供一種市場風險之計提資本矯正系統,銀行在計算所需提列的計提資本時,分別需計算市場風險的評估風險值,以及實際情形超出預測評估的穿透次數,才能得到所需的計提資本。而本系統在計算評估風險值時,除利用銀行內部的交易資料及多個計算模型之外,還導入第三方(亦即外部評等單位,例如國際市場匯率)的客觀且即時市場情形,以充分計算並矯正上述評估風險值(即下稱的「矯正風險值」)。另外,本系統在計算穿透次數時,則利用銀行內部的歷史穿透次數資料,並輔以改良式迴歸算法,亦能有基礎地分析並推估出穿透次數。根據本系統所計算得到的上述矯正風險值及穿透次數,即可得到更精確、合理且充分反映市場情況的計提資本,進而降低銀行所應負擔的風險成本。
為更清楚說明本發明之實施方式,請參閱圖1,圖1所繪為本發明之市場風險之計提資本矯正系統之架構圖。本發明提供一種市場風險之計提資本矯正系統200,應用在一銀行100欲計算依《銀行資本適足性及資本等級管理辦法》之規定,對上述銀行100的一風險商品(例如利率、權益證券、外匯或金融商品等),所須計算並提列的一計提資本261。上述系統200進一步包括一資料管理裝置210、一外部資料裝置220、一模型風險計算裝置230、一矯正風險計算裝置240、一計提穿透計算裝置250,以及一計提資本裝置260。其中,上述系統200及各裝置為任何具有運算數據資料及邏輯判斷能力之系統及裝置,包括桌上型電腦、筆記型電腦及智慧型手機等。
關於上述資料管理裝置210,進一步敘述如下。仍請參閱圖1,上述資料管理裝置210,包括一交易資料庫211,上述交易資料庫211儲存有上述風險商品的一內部交易資料212及一歷史穿透次數資料213。其中,上述內部交易資料212即為上述風險商品(例如利率、權益證券、外匯或金融商品等)的交易資訊,包括上述風險商品的「當日已實現部位」(亦即已完成交易部位)及其對應的「當日已實現價格」、「當日未實現部位」(亦即未完成交易部位)及其對應的「當日未實現價格」,以及「前一日已實現部位」及其對應的「前一日已實現價格」,以供上述系統200在後續計算並得到「當日已實現損益」、「當日未實現損益」及「實際損益」。
另外,上述歷史穿透次數資料213則包括上述銀行100過去的穿透次數歷史紀錄,亦即上述銀行100在過去一段時間內,所提交的風險評估值與實際的比較情形。當實際值超出風險評估值時,則穿透次數計為一次,亦即穿透次數的數值愈高,代表上述風險商品的實際風險情形較評估風險情形更為不穩定,而造成上述銀行100所應承擔的風險須因此調高,間接使得上述銀行100需提列更多的上述計提資本261。因此,綜合過去一段時間的上述歷史穿透次數資料213,估計將能得到更為客觀且準確的上述計提資本261。
關於上述外部資料裝置220,進一步敘述如下。請參閱圖1,在上述銀行100有計算需求時,上述銀行100即可向上述系統200提出一風險評估請求110。上述系統200在接收到上述風險評估請求110後,上述外部資料裝置220即會自動向一外部評等單位300提出關於上述風險商品的一外部評等請求221。在上述外部評等單位300允許並回傳上述外部評等
310時,上述外部資料裝置220得接收上述外部評等310,並根據上述銀行100所提供的一評等對照表,調整上述外部評等310,以得到上述風險商品的一內部評等參考值222。
依據一實施例,上述外部資料裝置220在接收到上述外部評等單位300對某一風險商品的上述外部評等310為「AAA」,則經過上述外部資料裝置220,根據上述評等對照表(以下表1為例,表1為外部評等及內部評等參考值轉換表),將轉換上述外部評等310為上述內部評等參考值222「0-0.90%」。相同地,若上述外部評等310為「B」,則轉換上述外部評等310為上述內部評等參考值222「16.56-32.2%」。
依據另一實施例,上述外部資料裝置220對上述外部評等單位300所提供之上述外部評等310,設定各自對應的一初始內部評等權重值,例如預先設定皆為1。上述外部資料裝置220接收多個上述外部評等單
位300所提供同一風險商品的上述外部評等310時,可進一步依照上述評等對照表(例如上表1),進行初始內部評等權重值的調整。例如,上述外部評等310分別來自甲及乙的上述外部評等單位300,甲所提供之上述外部評等310,根據上表1,得到對應上述內部評等參考值222為17.0%,內部評等權重值Wi為6;而乙所提供之上述外部評等310,根據上表1,對應上述內部評等參考值222為0.45%,內部評等權重值Wi為1。因此,結合上述內部評等權重值Wi調整其所上述內部評等參考值222之比例,例如以下式1,計算得到加權後之上述內部評等參考值222為14.63%。
依據又一實施例,上述交易資料庫211更儲存有上述風險商品之一歷史外部評等資料214,上述歷史外部評等資料214包括利率限額、匯率限額、權益證券限額以及商品限額,其中上述權益證券限額更包括主權國家限額、集團限額及行業限額。上述外部資料裝置220透過上述交易資料庫211所提供的上述歷史外部評等資料214,以及透過上述銀行100所提供的一初始限額及一限額對照表,調整上述內部評等參考值222。
依據又一實施例,請參照表2,表2為外部評等及限額權重轉換表。以主權國家限額為例,若「丙國家」的上述歷史外部評等214(例如前次外部評等)為「AAA」,而上述外部評等310對於「丙國家」更新的上述外部評等310為「B」(對應至下表2之限額權重Li為0.6)。則根據下式2,假設「丙國家」的上述初始限額為25億元,調整上述初始限額為上述矯正
限額223(15億元)。上述外部資料裝置220即得進一步輸出上述矯正限額223(15億元)至上述模型風險計算裝置230。
調整限額A'i=初始限額Ai×限額權重Li (式2)
關於上述模型風險計算裝置230,進一步敘述如下。請參閱圖1,上述模型風險計算裝置230,根據上述內部交易資料212,計算得到一實際損益。例如,以下式3,利用上述當日未實現損益及上述當日已實現損益,計算得到上述實際損益,其中上述當日未實現損益可利用例如下式4求得,上述當日已實現損益則可利用例如下式5求得。
實際損益=當日已實現損益+當日未實現損益 (式3)
當日未實現損益=當日未實現部位×(當日未實現部位價格-前一日未實現部位價格) (式4)
當日已實現損益=當日已實現部位×當日已實現部位價格 (式5)
上述模型風險計算裝置230,再根據透過上述內部交易資料212計算得到的上述實際損益、透過上述外部資料裝置220轉換而得的上述內部評等參考值222,以及透過上述銀行100提供的複數個計算模型,即可計算求得每一上述些計算模型的一模型風險值231及其對應之一模型穿透次數。
依據又一實施例,上述複數個計算模型包括歷史模擬法(Historical Simulation)、變異數-共變異數法(Variance-Covariance Method),以及蒙地卡羅模擬法(Monte Carlo Simulation)。其中,上述歷史模擬法是藉由蒐集風險商品的風險因數,以計算過去一段時間內的資產風險收益的頻率分佈,再透過歷史資料求出其報酬率。接著再根據目前持有資產的投資組合部位,即可重新建構資產價值的歷史損益分配,並對資料期間之每一交易日重覆分析步驟。因此,上述歷史模擬法具有不需要對資產報酬或其波動性、相關性做假設,且可完全評價(亦即適用於各種型態的報酬)等優點。
上述變異數-共變異數法,也稱為相關法(Correlation Method)、參數法(Parametric Method)、線型法(Linear Method)或一階常態法(Delta-Normal Method)。具體而言,上述變異數-共變異數法主要是假設個別資產報酬率符合聯合常態分配,且具有序列獨立的特性。因此,上述資產所構成的線性組合資產,一定會遵守常態分配。藉由上述常態分配的性質,再對上述資產評估並給定評估期間與信賴機率水準下的風險值。上述變異數-共變異數法也因而具有可以快速算出風險值的優點。
而上述蒙地卡羅模擬法,也稱為統計模擬法、隨機抽樣計數等。具體而言,上述蒙地卡羅模擬法是以概率和統計理論方法為基礎的一種計算方法,使用隨機數(或偽隨機數)來解決計算問題。上述蒙地卡羅模擬法將所求解的問題與特定的概率模型(即本發明的上述計算模型)相聯繫,用電子電腦實現統計模擬或抽樣,以獲得問題的近似解。因此,上述蒙地卡羅模擬法因省卻繁複的數學及演算過程,而具有簡單且快速的優點。
依據又一實施例,如下表3,表3為不同計算模型之一模型風險值的實施例列表。上述模型風險計算裝置230,透過上述歷史模擬法、上述變異數-共變異數法,以及上述蒙地卡羅模擬法等的上述些計算模型,分別計算得到如下表3之上述模型風險值231及其對應之上述模型穿透次數。
關於上述矯正風險計算裝置240,進一步敘述如下。請參閱圖1,上述矯正風險計算裝置240,先計算上述些模型風險值231的一平均值,再以上述平均值計算上述些模型風險值231的一模型風險標準差。上述矯正風險計算裝置240,根據上述模型風險標準差,剔除上述些模型風險值
231中偏離一標準差門檻值最大者,直到剩餘的上述些模型風險值231的上述模型風險標準差不大於上述標準差門檻值,最後求得一矯正風險值241。
依據又一實施例,上述矯正風險計算裝置240,例如根據上表3,並以下式6計算得到上述些計算模型的上述平均值(11.0),整理如下表4,表4為不同計算模型之一標準差的實施例列表。請參考下表4,上述矯正風險計算裝置240根據上述平均值(11.0)、下式7及計算模型數量(N=3),即可分別得到上述模型風險標準差(1.0、0.0及1.0),以將上述模型風險標準差與上述標準差門檻值(例如設定為5.0)做數值比較。上述矯正風險計算裝置240即得根據上述模型風險標準差判斷為「上述模型風險標準差不大於上述標準差門檻值,離散不明顯」,而不剔除任一上述些模型風險值231,保留三個上述些模型風險值231。
模型風險標準差=(模型風險值Mi-平均值)2 (式7)
依據又一實施例,上述矯正風險計算裝置240,例如以上式6計算得到上述些計算模型的上述平均值(7.7),整理如下表5,表5為不同計算模型之一模型風險值的實施例列表。請參閱下表5,上述矯正風險計算裝置240根據上述平均值(7.7)、上式7及計算模型數量(N=3),即可分別得到上述模型風險標準差(5.4、8.0及26.7),以將上述模型風險標準差與上述標準差門檻值(例如設定為5.0)做數值比較。上述矯正風險計算裝置240即得根據上述模型風險標準差判斷為「蒙地卡羅模擬法之模型風險標準差為偏離上述標準差門檻值最大者」(偏離21.7),而剔除「蒙地卡羅模擬法」之上述模型風險值231(2.5),保留剩餘兩種上述些計算模型及其對應之上述些模型風險值231(10.0及10.5)。
上述矯正風險計算裝置240在剔除「蒙地卡羅模擬法」後,重新計算剩餘的兩種上述些模型風險值231,例如以上式6計算得到上述些計算模型的上述平均值(10.3),整理如下表6,表6為剔除蒙地卡羅模擬法之一模型風險值的實施例列表。請參閱下表6,上述矯正風險計算裝置240根據上述平均值(10.3)、上式7及計算模型數量(N=2),即可分別得到上述模型風險標準差(0.1及0.1),以將上述模型風險標準差與上述標準差門檻值(例如設定為5.0)做數值比較。上述矯正風險計算裝置240即得根據上述模型風險標準差判斷為「上述模型風險標準差不大於上述標準差門檻值,離散不明顯」,而不再剔除任一上述些模型風險值231,保留二個上述些模型風險值231。
上述矯正風險計算裝置240,接著根據剔除後的上述模型風險值231,進一步計算得到根據剔除後剩餘的上述些模型風險值231及一模型風險權重表,加權調整剩餘的上述些模型風險值231,以求得上述矯正風險值241。
依據又一實施例,請參閱上表6及下表7-8,表7為模型穿透次數與穿透次數權重轉換表,表8為剔除蒙地卡羅模擬法之一矯正風險值的實施例列表。上述矯正風險計算裝置240,根據上表6中剔除後的上述模型穿透次數(0及5),以及由上述銀行100提供之上述模型風險權重表(例如下表7),並輔以下式8及下式9,即可如下表8計算得到對應之一模型穿透次數權重Wi(0.00及0.40)、一個別矯正風險值M’i(10.0及6.3)及上述矯正風險值231(即M’=8.2)。
個別矯正風險值M'i=模型風險值Mi×(1-模型穿透次數權重Wi) (式8)
關於上述計提穿透計算裝置250,進一步敘述如下。請參閱圖1,上述計提穿透計算裝置250,根據儲存於上述交易資料庫211中的上述歷史穿透次數資料213,以及透過上述銀行100所提供的一迴歸公式,即可計算求得一計提穿透次數251。
依據又一實施例,請參閱下表9,表9為歷史穿透次數資料之一實施例列表。以表9為例,上述歷史穿透次數資料213提供過去十年的歷史穿透次數資料,上述計提穿透計算裝置250根據如表9的上述歷史穿透次
數資料213,即可利用上述迴歸公式(例如類比於上式6),計算求得一歷史穿透次數平均值(4.0)。
依據又一實施例,上述計提穿透計算裝置250根據上述銀行100所提供的一初始期間間隔,進一步計算得到複數個區間穿透次數,以調整求得上述計提穿透次數251。其中,上述初始期間間隔得以小時、日、週、月、年或上述任意組合為單位計算。
依據又一實施例,以下表10為例,表10為歷史穿透次數資料之另一實施例列表。上述初始期間間隔設定為T=2,即上述計提穿透次數251以兩年(T=2)為基礎,即可利用上述迴歸公式(例如類比於上式6),計
算每兩年的上述計提穿透次數251平均值,分別計算得到下表10中欄位「區間穿透次數hi」之區間穿透次數hi及其平均值(即為上述即提穿透次數251,3.7)。利用導入上述初始期間間隔的方式,將可減弱各峰值對統計數值的影響,並大幅提升上述歷史穿透次數資料213的準確性。
依據又一實施例,承上述計算得到區間穿透次數平均值為3.7次,且若根據所提供的最末二年(2018及2019年)的歷史矯正風險值分別80%及20%(亦即歷史矯正風險值的平均值為50%)。上述計提穿透計算裝置250得根據上述迴歸公式,預測下一年(即2020年)的上述計提穿透次數
251,例如上述迴歸公式為上述計提穿透次數251(3.7次)乘上50%,即為1.85次,並將其做為上述計提穿透次數251(1.85),以供後續計算上述計提資本261。
依據又一實施例,請參閱表11,表11為歷史穿透次數資料之又一實施例列表。上述初始期間間隔同樣設定為T=2,即上述計提穿透次數251以兩年(T=2)為基礎,以下簡述利用上述迴歸公式計算之一實施例。根據下式10,計算每兩年的上述歷史穿透次數Hi的加總,即分別為下表11中之欄位「區間穿透次數加總Δhi」之區間穿透次數加總Δhi及其平均值。例如因為T=2,故依據下式10,2011年的區間穿透次數加總Δhi為2010年之上述歷史穿透次數Hi(5)及2011年之上述歷史穿透次數Hi(6)的加總,所得到的值即為2011年的上述區間穿透次數加總Δhi(11)。
承前一實施例,再根據下式11,依據前兩年的上述區間穿透次數加總Δhi,計算求得第三年的區間風險值Δri,分別計算得到上表11中欄位「區間風險值Δri(%)」之區間風險值Δri及其平均值。例如因為T=2,故依據下式11,2012年的區間風險值Δri為2012年之上述歷史穿透次數Hi(3)除以2010-2011年之上述區間穿透次數加總Δhi(11),所得到的值即為2012年的區間風險值Δri(%)(27.3%)。依此類推,計算求得2012-2019年的上述區間風險值Δri(%)。接著,再求取2012-2019年之上述區間風險值Δri的平均值(77.2%)。最後,將上述平均值(77.2%)乘上最後一年(2019年)的上述歷史穿透次數Hi(9),即能求得預估下一年(2020年)的上述計提穿透次數251(6.95次),並供後續計算上述計提資本261。
關於上述計提資本裝置260,進一步敘述如下。請參閱圖1,上述計提資本裝置260,根據上述矯正風險計算裝置240求得的上述矯正風險值241、上述計提穿透計算裝置250求得的上述計提穿透次數251,以及透過上述銀行100所提供的一計提公式,即時求得上述計提資本261。
依據又一實施例,上述銀行100所提供的上述計提公式例如以下式12為例,上述計提資本裝置260根據過去60日各自對應的上述矯正
風險值241,將其加總後平均,即為下式12中的「過去60日矯正風險值Mi之平均值」。而下式12中之「乘數因子」如前述,與上述計提穿透次數251正向相關。因此,上述計提資本裝置260將「過去60日矯正風險值Mi之平均值」及與上述計提穿透次數251對應之「乘數因子」相乘,即能得到最終的上述計提資本261,並回傳至上述銀行100,完成市場風險的評估及矯正作業。
計提資本=過去60日矯正風險值Mi之平均值×乘數因子 (式12)
依據又一實施例,上述計提資本裝置260更將計算過程中所得到的各種數值,例如上述歷史穿透次數213、上述外部評等310、上述內部評等參考值222、每一上述模型風險值231、上述模型風險標準差、上述矯正風險值241、上述計提資本261、上述初始限額及上述矯正限額223等,以表格或文字清楚羅列並輸出至上述銀行100,以節省上述銀行100之內部人員的工作所需時間,並提升其工作效率。
另外,請參閱圖2,圖2所繪為本發明之市場風險之計提資本矯正方法之流程圖。與上述市場風險之計提資本矯正系統200相對應,本發明再揭露另一種市場風險之計提資本矯正方法400,應用在計算依法對一銀行100的一風險商品,所須提列的一計提資本261,上述方法400包括以下步驟:
首先,如步驟410,上述銀行100提出上述風險商品的一風險評估請求110,並如步驟420,即時取得上述銀行100之一內部交易資料。上述內部交易資料之包括內容,已如前所述,在此不再贅述。接著,如步
驟430a,向一外部評等單位300提出上述風險商品的一外部評等請求221,以取得來自上述外部評等單位300針對上述風險商品的上述外部評等310。上述外部評等310所包括之形式內容,已如前所述,在此不再贅述。接著,根據一評等對照表轉換上述外部評等310,以獲得上述內部評等參考值222。其中,上述外部評等310轉換為上述內部評等參考值222的方式及實施例,如前所述,在此不再贅述。
依據一實施例,請參閱圖3,圖3所繪為本發明之初始限額調整方法之流程圖。如步驟430a,上述外部評等310更透過一歷史外部評等資料214、上述銀行100提供的一初始限額及一限額對照表,調整上述初始限額為一矯正限額223。如步驟430b,判斷上述風險商品的上述外部評等310是否與上述歷史外部評等資料214相同。若與上述歷史外部評等資料214不相同,則如步驟430c,調整上述初始限額為上述矯正限額223;若與上述歷史外部評等資料214相同,則如步驟430d,維持上述初始限額,亦即上述矯正限額223即為上述初始限額。上述矯正限額223的矯正方式及計算實施例,已如前所述,在此不再贅述。
接著,仍請參閱圖2。如步驟440,根據上述風險商品的上述內部交易資料、計算轉換完成的上述內部評等參考值222,以及上述銀行100提供的複數個計算模型(包括歷史模擬法[Historical Simulation]、變異數-共變異數法[Variance-Covariance Method],以及蒙地卡羅模擬法[Monte Carlo Simulation]),即可計算求得每一上述些計算模型的一模型風險值231。上述些計算模型的內容及其優點,以及利用上述些計算模型計算求得上述些模型風險值231的方法,已如前所述,在此不再贅述。
接著,如步驟470,計算上述些模型風險值231的一模型風險標準差。上述些模型風險標準差的計算方式如上式7所示,其計算實施例一如前所述,在此不再贅述。接著,如步驟450,根據上述些模型風險標準差,判斷每一上述些模型風險標準差與一標準差門檻值之數值大小關係,例如步驟451,剔除上述些模型風險值231中偏離上述標準差門檻值最大者。接著,根據剩餘的上述些模型風險標準差,再次判斷剩餘的上述些模型風險標準差與上述標準差門檻值之數值大小關係。若仍偏離上述標準門檻值,則繼續剔除上述些模型風險值231中偏離上述標準差門檻值最大者。計算得到一矯正風險值241。其中,上述矯正風險值241之計算方式及實施例,亦如前所述,在此不再贅述。
若剩餘的上述些模型風險標準差已不大於上述標準差門檻值,依據另一實施例,接著,如步驟470,根據剔除後的上述模型風險值231,進一步計算得到根據剔除後剩餘的上述些模型風險值231及一模型風險權重表,加權調整剩餘的上述些模型風險值231,以求得上述矯正風險值241。其中,上述加權調整剩餘的上述些模型風險值231的計算方法及實施例,已如前所述,在此不再贅述。
同時,如步驟460,取得上述風險商品的一歷史穿透次數資料213,並根據上述風險商品的上述歷史穿透次數資料213,以及上述銀行100提供之一迴歸公式,如步驟461,計算求得一計提穿透次數251。上述迴歸公式,以及透過上述迴歸公式計算求得上述計提穿透次數251之方式,已如前所述,在此不再贅述。
依據又一實施例,除利用上述迴歸公式之外,更根據一初始期間間隔,計算得到複數個區間穿透次數,以調整求得上述計提穿透次數251。上述初始期間間隔之設定方法、求得上述些區間穿透次數及上述計提穿透次數251的計算方法,已如前所述,在此不再贅述。
最後,如步驟480,根據已計算得到的上述矯正風險值241、上述計提穿透次數251及一計提公式,即可計算求得上述計提資本261。其中,如何利用上述計提公式計算得到上述計提資本261及其實施例,已如前所述,在此不再贅述。
綜合以上市場風險之計提資本矯正系統以及市場風險之計提資本矯正方法,將銀行在針對內部的風險性產品進行提列時,所用以參考的風險值及穿透次數即時精確地計算並矯正,再求得提列的計提資本。其中,上述風險值係在接收風險評估請求後,即時導入能反映外部市場情況的外部評等,並將其轉換為內部評等參考值,再透過標準差篩選適合的計算模型,以得到矯正風險值。另外,上述穿透次數則係根據銀行內部歷史交易資料及改良的迴歸公式求得。結合上述兩個經過矯正調整的參考值(風險值及穿透次數),而計算求得的計提資本,將充分反映風險商品最即時的市場浮動報價,同時亦因參酌過往經驗資料而更具說服力,更貼近實際情況。
本發明在本文中僅以較佳實施例揭露,然任何熟習本技術領域者應能理解的是,上述實施例僅用於描述本發明,並非用以限定本發明所主張之專利權利範圍。舉凡與上述實施例均等或等效之變化或置換,皆
應解讀為涵蓋於本發明之精神或範疇內。因此,本發明之保護範圍應以下述之申請專利範圍所界定者為準。
100:銀行
110:風險評估請求
200:市場風險之計提資本矯正系統
210:資料管理裝置
211:交易資料庫
212:內部交易資料
213:歷史穿透次數資料
214:歷史外部評等資料
220:外部資料裝置
221:外部評等請求
222:內部評等參考值
223:矯正限額
230:模型風險計算裝置
231:模型風險值
240:矯正風險計算裝置
241:矯正風險值
250:計提穿透計算裝置
251:計提穿透次數
260:計提資本裝置
261:計提資本
300:外部評等單位
310:外部評等
Claims (6)
- 一種市場風險之計提資本矯正系統,應用在計算依法對一銀行的一風險商品,所須提列的一計提資本,該系統包括:一資料管理裝置,包括一交易資料庫,該交易資料庫儲存該風險商品之一內部交易資料及一歷史穿透次數資料;一外部資料裝置,向一外部評等單位提出請求,接收該風險商品之一外部評等,以根據一評等對照表調整該外部評等為一內部評等參考值;一模型風險計算裝置,將該內部交易資料、該內部評等參考值帶入至複數個計算模型,計算求得每一該些計算模型的一模型風險值,其中該些計算模型包括歷史模擬法(Historical Simulation)、共變異法(Variance-Covariance Method)及蒙地卡羅模擬法(Monte Carlo Simulation);一矯正風險計算裝置,計算該些模型風險值之一模型風險標準差,並根據該模型風險標準差,剔除該些模型風險值中偏離一標準差門檻值最大者,以求得一矯正風險值;一計提穿透計算裝置,根據一初始期間間隔,計算得到複數個區間穿透次數,以調整求得該計提穿透次數;以及一計提資本裝置,根據一乘數因子及式12,即時求得該計提資本,其中該乘數因子與該計提穿透次數為正相關,計提資本=過去60日矯正風險值Mi之平均值×乘數因子 (式12)。
- 如請求項1之市場風險之計提資本矯正系統,其中該矯正風險計算裝置根據剔除後剩餘的該些模型風險值及一模型風險權重表,加權調整剩餘的該些模型風險值,以求得該矯正風險值。
- 如請求項1之市場風險之計提資本矯正系統,該交易資料庫更儲存有該風險商品之一歷史外部評等資料,該外部資料裝置更透過該歷史外部評等資料、一初始限額及一限額對照表,調整該初始限額為一矯正限額。
- 一種市場風險之計提資本矯正方法,應用在計算依法對一銀行的一風險商品,所須提列的一計提資本,該方法包括:取得該銀行之一內部交易資料;向一外部評等單位提出一外部評等請求,以取得該外部評等;根據一評等對照表轉換該外部評等,以獲得一內部評等參考值;將該內部交易資料、該內部評等參考值帶入至複數個計算模型,計算求得每一該些計算模型的一模型風險值,其中該些計算模型包括歷史模擬法(Historical Simulation)、變異數-共變異數法(Variance-Covariance Method)及蒙地卡羅模擬法(Monte Carlo Simulation);計算該些模型風險值之一模型風險標準差;根據該模型風險標準差,剔除該些模型風險值中偏離一標準差門檻值最大者,以求得一矯正風險值;根據一初始期間間隔,計算得到複數個區間穿透次數,以調整求得該計提穿透次數;以及根據一乘數因子及式12,即時求得該計提資本,其中該乘數因子與該計提穿透次數為正相關,計提資本=過去60日矯正風險值Mi之平均值×乘數因子 (式12)。
- 如請求項4之市場風險之計提資本矯正方法,其中根據剔除後剩餘的該些模型風險值及一模型風險權重表,加權調整剩餘的該些模型風險值,以求得該矯正風險值。
- 如請求項4之市場風險之計提資本矯正方法,更透過一歷史外部評等資料、一初始限額及一限額對照表,調整該初始限額為一矯正限額。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109103436A TWI739295B (zh) | 2020-02-05 | 2020-02-05 | 市場風險之計提資本矯正系統及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109103436A TWI739295B (zh) | 2020-02-05 | 2020-02-05 | 市場風險之計提資本矯正系統及其方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202131311A TW202131311A (zh) | 2021-08-16 |
TWI739295B true TWI739295B (zh) | 2021-09-11 |
Family
ID=78282953
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW109103436A TWI739295B (zh) | 2020-02-05 | 2020-02-05 | 市場風險之計提資本矯正系統及其方法 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI739295B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW466427B (en) * | 1998-03-11 | 2001-12-01 | Folio Trade Llc | Method and apparatus for enabling individual or smaller investors or others to create and manage a portfolio of securities or other assets or liabilities on a cost effective basis |
US20150073957A1 (en) * | 2013-09-09 | 2015-03-12 | Bank Of America Corporation | Extended range model risk rating |
US20180308033A1 (en) * | 2011-06-06 | 2018-10-25 | Bizequity Llc | Engine, system and method of providing comparative business valuation analysis |
CN110648225A (zh) * | 2018-06-26 | 2020-01-03 | 玛链(上海)网络技术有限公司 | 一种应用数字人码链的方法 |
TWM594785U (zh) * | 2020-02-05 | 2020-05-01 | 臺灣銀行股份有限公司 | 市場風險之計提資本矯正系統 |
-
2020
- 2020-02-05 TW TW109103436A patent/TWI739295B/zh active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW466427B (en) * | 1998-03-11 | 2001-12-01 | Folio Trade Llc | Method and apparatus for enabling individual or smaller investors or others to create and manage a portfolio of securities or other assets or liabilities on a cost effective basis |
US20180308033A1 (en) * | 2011-06-06 | 2018-10-25 | Bizequity Llc | Engine, system and method of providing comparative business valuation analysis |
US20150073957A1 (en) * | 2013-09-09 | 2015-03-12 | Bank Of America Corporation | Extended range model risk rating |
CN110648225A (zh) * | 2018-06-26 | 2020-01-03 | 玛链(上海)网络技术有限公司 | 一种应用数字人码链的方法 |
TWM594785U (zh) * | 2020-02-05 | 2020-05-01 | 臺灣銀行股份有限公司 | 市場風險之計提資本矯正系統 |
Also Published As
Publication number | Publication date |
---|---|
TW202131311A (zh) | 2021-08-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kim | The errors in the variables problem in the cross‐section of expected stock returns | |
Dionne et al. | Default risk in corporate yield spreads | |
Fukasawa et al. | Discussion Paper Series 2011-05 (revised version of 2010-03) | |
US20130311343A1 (en) | Determining the Probability of Default for a Depository Institution | |
Abdullahi et al. | Analysis of the relationship between external debt and economic growth in Nigeria | |
Kollar | Credit value at risk and options of its measurement | |
US20120185406A1 (en) | FAST AND ACCURATE METHOD FOR ESTIMATING PORTFOLIO CVaR RISK | |
Penikas | History of the Basel internal-ratings-based (IRB) credit risk regulation | |
TWI739295B (zh) | 市場風險之計提資本矯正系統及其方法 | |
Sunarya | Modelling and forecasting stock market volatility of NASDAQ Composite Index | |
TWM594785U (zh) | 市場風險之計提資本矯正系統 | |
Chen et al. | A comparative analysis of credit risk management models for banking industry using simulation | |
Lu | Modeling the yearly Value-at-Risk for operational risk in Chinese commercial banks | |
Wang et al. | Measuring long-term tail risk: Evaluating the performance of the square-root-of-time rule | |
Firmansyah | Measuring of Islamic Banking Productivity in Indonesia Using Malmquist Index | |
Kyei-Mensah | The long-run validity of PPP in some major advanced and emerging countries using alternative models | |
Jacobs et al. | Estimation and filtering with big option data | |
Rhee et al. | Empirical comparison of alternative implied volatility measures of the forecasting performance of future volatility | |
Chen et al. | On the performance of the comonotonicity approach for pricing Asian options in some benchmark models from equities and commodities | |
Reshetar | Dependence of operational losses and the capital at risk | |
Gapko et al. | Modeling a distribution of mortgage credit losses | |
Su | Modelling sovereign credit ratings and assessing the impartiality: A case study of China | |
Tan et al. | Study on the risk spillover effect of Internet financial products | |
Jacobs et al. | Estimation and filtering with big option data: Implications for asset pricing | |
Dutta et al. | A bootstrapped historical simulation value at risk approach to S & P CNX Nifty |