Académique Documents
Professionnel Documents
Culture Documents
Autorzy:
Karolina Dziedzic
Wojciech Antoniak
SKN TRiADA
UNIWERSYTET ŁÓDZKI
Wydział Matematyki i Informatyki
17 kwietnia 2009
1 Wstęp
Nie ma już chyba osoby, która nie słyszałaby o ogarniającym świat kryzysie.
Niektórych jego skutki dotknęły nas bardziej, innych mniej. Ekonomiści ostrze-
gają, że kryzys jeszcze się nie skończył, a być może - co gorsza - jeszcze nie
osiągnął apogeum. Większość wie, że zapoczątkował go krach na amerykańskim
rynku kredytów hipotecznych subprime1 . Jednak nie wszyscy zastawiali się lub
zdają sobie sprawę z tego, co wywołało tą sytuację. Mówi się o błędnie sza-
cowanym ryzyku związanym z wyceną owych kredytów hipotecznych, chciwości
bankierów, błędach rynku - jednak co umożliwiło rozwój takich wydarzeń? Choć
wydaje się to niemożliwe wszystko zaczęło się od jednego człowieka i jego formu-
ły, którą przechwycił świat finansów i po niedługim czasie wykorzystywał ją nie
tylko na Wall Street. Wdrożyły ją także banki, agencje ratingowe, korporacje
- słowem wszystkie instytucje związane w mniejszym lub większym stopniu z
wyceną ryzyka.
niskiej zdolności kredytowej, zwykle o wyższej stopie procentowej ale też bardziej ryzykowne.
2 Canadian Imperial Bank of Commerce, w skrócie CIBC - czwarty co do wielkości bank w
1
W swoim modelu wykorzystał oznaczenia i terminologię zaczerpniętą z nauk ak-
tuarialnych - a dokładniej z matematyki ubezpieczeń na życie, gdzie przewiduje
się dalszy czas życia człowieka. Przypomnimy krótko te oznaczenia.
Aby rozważać dalszy czas trwania życia jednostki w wieku x należy wpro-
wadzić jeszcze dwie pomocnicze notacje:
S(x + t)
t qx = P (TA ¬ t + x|T > x) = , dla t 0
S(x)
(3)
S(x) − S(x + t)
t px = 1 −t qx = P (TA > t + x|T > x) = , dla t 0
S(x)
f (x)
h(t) = , dla x ∈ R (4)
1 − F (x)
2
Po prostym przekształceniu dostajemy:
Rt
− h(s)ds
S(t) = e 0
(5)
Rt
− h(s+x)ds
t qx =1−e 0
3
Niech x ∈ [n, n + 1) dla n = 0, 1, 2, 3, 4, wówczas:
Rt Rt
− h(x+t)dt − h(x)dt
1 qx =1−e 0 =1−e 0 = 1 − e−h(x) ⇔ h(x) = − ln(1 − 1 qx )
gości okresu, którego ta stopa dotyczy; inaczej mówiąc jest to ilustracja graficzna struktury
terminowej stóp procentowych.
4
2.3 Kopuła
Przechodząc powoli do meritum tematu, zajmiemy się teraz omówieniem kopu-
ły, funkcji stanowiącej podstawę modelu Li. Kopuła jest ważną częścią staty-
styki. Używa się jej do wyznaczania wielowymiarowych rozkładów zmiennych
losowych. Podamy jej definicję i podstawowe własności.
Definicja 4 (Kopuła) Kopułą (ang. Copula function) nazywamy funkcję C :
[0, 1]n → [0, 1], dla n ∈ N, określoną jako:
5
Rysunek 2: Wykresy funkcji F i F −1
6
¥
Sformułujemy dalej twierdzenie uwidaczniające najważniejsze zastosowanie ko-
puły.
Twierdzenie 1 (Sklar) Jeżeli F : Rn → [0, 1], dla dowolnego n ∈ N jest dys-
trybuantą wielowymiarową, o dystrybuantach brzegowych F1 , F2 , . . . , Fn : R →
[0, 1], to istnieje kopuła C : [0, 1]n → [0, 1], taka że dla dowolnego (x1 , x2 , . . . , xn ) ∈
Rn :
F (x1 , x2 , . . . , xn ) = C(F1 (x1 ), F2 (x2 ), . . . , Fn (xn )).
Jeżeli ponadto dla każdego i ∈ {1, 2, . . . , n} dystrybuanta brzegowa Fi jest ciągła
wówczas C jest określone jednoznacznie.
Dowód. Zainteresowanych odsyłamy do [2].
7
gdzie ϕ2,ρ , Φ2,ρ oznaczają odpowiednio gęstość i dystrybuantę dwuwymiarowe-
go rozkładu normalnego o współczynniku korelacji ρ.
P (TA < 1, TB < 1) = Φ2,γ (Φ−1 (FA (1)), Φ−1 (FB (−1))) (10)
8
Przykład 5 (Zmienne losowe niezależne parami.) Wśród układów ortonor-
malnych znany jest układ funkcji Walsha definiowany jako iloczyn funkcji Rade-
machera. Rozważmy następujące trzy zmienne losowe: X, Y, Z : [0, 1] → {−1, 1}
takie, że:
1 ω ∈ [0 12 )
X(ω) :=
−1 ω ∈ [ 12 , 1]
1 ω ∈ [0, 14 ) ∪ [ 12 , 34 )
Y (ω) :=
−1 ω ∈ [ 41 , 12 ) ∪ [ 34 , 1]
1 ω ∈ [0, 41 ) ∪ [ 34 , 1]
Z(ω) :=
−1 ω ∈ [ 14 , 43 )
Łatwo jest sprawdzić, rysując wykresy tych funkcji, że podane zmienne są nie-
zależne parami (a co za tym idzie nieskorelowane).
9
one działać na różnych rynkach współczynnik korelacji między poziomem ich ak-
tywów jest bliski zeru. Natomiast gdy wejdą na rynek międzynarodowy i zaczną
działać na tym samym terenie, współczynnik korelacji poziomu aktywów zmie-
ni się i będzie ujemny. Rozważmy na przykład przypadek gdy firma C opracuje
substytut dobra produkowanego przez firmy A i B, który będzie lepszy ale także
znacznie tańszy. W takim przypadku aktywa obu firm będą się kurczyć, zatem
będą dodatnio skorelowane.
10
uczestników. W procesie tym oprócz dwóch wymienionych podmiotów brały
udział także agencje ratingowe, banki inwestycyjne, spółki celowe.
Jak działała koncepcja Li? Model poprzez wykorzystanie kopuły dawał ja-
ko wyjściowy parametr współczynnik korelacji bankructwa dla danego poola
(koszyka firm) - był on interpretowany jako prawdopodobieństwo, że wszyst-
kie firmy staną się niewypłacalne w z góry określonym czasie. Było to wielkie
uproszczenie dotychczas stosowanych sposobów wyceny ryzyka. Ale tu pojawia
się ważny fakt - korelacja nie jest właściwym wskaźnikiem miary zależności, a
zerowa korelacja nie implikuje niezależności zmiennych. Jednak model w takiej
postaci przyjął się:
”People got very excited about the Gaussian copula because of its
mathematical elegance, but the thing never worked” 7 .
Mimo, że:
”Coassociation between securities is not measurable using correla-
tion”
Jako wynik błędnego użycia modelu, wszystkie emitowane instrumenty mogły
zostać połączone i przetransferowane na obligacje typu AAA. Wynikiem była
możliwość powstania derywaty finansowej zwanej Collateralized Debt Obliga-
tion (CDO) - czyli instrument typu debt-to-debt (dług zabezpieczony długiem).
Skutkowało to takim dzieleniem poola - złożonego z bardzo ryzykownych papie-
rów wartościowych - aby powstały instrumenty o ratingu AAA mimo, że żaden
z jego komponentów nie był bezpieczny. Tworzono zatem instrumenty tak od-
dalone od bazowego, że trudno było powiedzieć co wchodzi w ich skład. Jednak
to nie miało znaczenia, ważna była formuła Li. Ale gdzie podziało się ryzyko,
skoro nagle wszystkie nowopowstałe papiery wartościowe miały rating AAA?
Nikt nie zastanawiał się nad tym pytaniem. Ważne były miliardowe zyski, które
osiągano dzięki błędniej interpretacji wyników.
4 Zakończenie
Historia działania modelu pana Li od razu nasuwa na myśl teorię chaosu i ilu-
strujący ją efekt motyla, którego trzepot skrzydeł wywołuje burzę na drugim
końcu świata. Czy podobnie było w przypadku wykorzystania kopuły Gaus-
sowskiej? Obwinianie jednego człowieka za kryzys światowej gospodarki byłoby
7 Nassim Nicholas Taleb - specjalista z dziedziny pochodnych instrumentów finansowych.
11
błędem. Bo przecież zawiódł zarówno system BESSEL jak i nadzór finansowy
w postaci FED-u. Li opisał model, który został błędnie zinterpretowany przez
bankierów, finansistów, analityków. Sam dobrze zdawał sobie sprawę z jego ogra-
niczeń - jak to określił:
”The most dangerous part is when people believe everything coming
out of it. Investors who put too much trust in it or don’t understand
all its subtleties may think they’ve eliminated their risks when they
haven’t”.
Literatura
[1] David X. Li, ”On Default Correlation: A Copula Function Approach”, Jo-
urnal of Fixed Income, 2000
[4] Felix Salmon, ”Recipe for Disaster: The Formula That Killed Wall Street”,
Wired Magazine, 2009
12