SAS Asset Management. Mikal Netteberg Marianne Hansen Søren Johansen SAS Institute A/S. Copyright 2006, SAS Institute Inc. All rights reserved.

Transkript

1 SAS Asset Management Mikal Netteberg Marianne Hansen Søren Johansen SAS Institute A/S

2 Agenda Introduktion Arbejdsmetode Overordnet forretningsmæssig kravspecifikation Detailforretningsmæssig kravspecifikation Overordnet løsningsarkitektur Back-end Informationsengine Front-end Demo Erfaringer og afslutning

3 Introduktion Baggrunden for dette projekt Kravspecifikation og prototype udviklet i samarbejde med et livs- og pensionsselskab (L&P) SAS Institute A/S fortsatte udviklingen på egen hånd

4 Arbejdsmetode PLAN Forretning Act Business/Strategy driven Analyse Rapportering Data mining Standard / Best Practice Datamodel (Insurance / Bank) Data driven DO ETL and data profiling / cleaning Metadata Check

5 Overordnet forretningsmæssig kravspecifikation Hvad skal denne løsning kunne? Rapportering af aktivsiden i et L&P-selskab Investeringsdata til rådighed for flere brugere (regnskab, investering, aktuariet, ledelsen etc.) Tilgang til data via Excel og web Afkast og risikorapportering Integration til SimCorp Dimension, evt. andre Anvendelse af industristandarder

6 Detailforretningsmæssig kravspecifikation 1/2 Hurtig og dynamisk adgang til information What-if scenarie Trafiklys Optimering Passivsiden i et L&P-selskab Asset Liability Management rapportering

7 Detailforretningsmæssig kravspecifikation 2/2 Investeringsrammer Minimum Maksimum Neutral Fordeling Vægte i portefølje Afkast før PAL (pensionsafkastbeskatningsloven) Aritmetisk Geometrisk (årligt afkast) Nøgletal Sharpe/Treynor/Jensens alpha Information ratio plus forecasted tracking error Risikobaseret nøgletal Value at risk Varighed etc.

8 Overordnet løsningsarkitektur BI-klienter Porteføljestyringssystemer Enterprise Guide Superanalytiker SimCorp Dimensions Web Report Studio Analytiker Portman Data Integration Studio Kube Portal Controller Andre Industristandarder Morgan Stanley GICS Excel Controller MorningStar Asset Category

9 Front-end -løsningsarkitektur Grafisk præsentation Sidste side i performance rapport Afkast risikograf? Risiko (spredning) Korrelationstabel ( Jo mere korrelation, jo mere rød ) SAS løsninger SAS Add-In for Microsoft Office (Excel) SAS Web Report Studio SAS OLAP Viewer SAS Information Delivery Portal

10 Løsning informationsengine Dimensioner i kube Organisation (de seks kasser) Tid (år, måned, uge, dag) Fakta Geografi (Danmark, udland) Industrisektorer Aktivtype (aktier, obligationer, fast ejendom) samt derivater (basisafdækning, valutaafdækning)

11 Back-end Data warehouse Databehov Need-to-have Nice-to-have Historik Datamodellering ETL med SAS Data Integration Studio

12 Demo

13 Erfaringer og afslutning Kreativ proces Kan ikke altid dikteres Learning by doing Det er ikke alting, der skal være kuber Beregninger i MDX x^y Spørgsmål?

14 Mere information? Øvrige foredrag: 13:00 SAS Stored Processes, SAS Institute 13:00 Integration og administration af SAS BI-klienter, SAS Institute A/S 16:25 LIS et pilotprojekt, Danmarks Statistik 16:55 SAS OLAP kube-teknologien, SAS Institute A/S

15 Appendiks

16 Performance nøgletal Sharpe Treynor Jensens Alpha Information Error (tracking error) Sortino Downside Risk

17 Performance nøgletal Sharpe Sharpe-indekset måler porteføljens faktiske merafkast ud over den risikofrie rente udtrykt pr. risikoenhed, hvor risikoen måles ved porteføljens standardafvigelse, dvs.: r p ( r p σ r f ) Sharpe-indekset er således givet ved hældningen på kapitalmarkedslinien i CAPM-modellen. Sharpe-indekset er dermed et ex post reward to variability. Typisk vil man foretrække Sharpe-indekset, hvis der er tale om en enkelt porteføljemanager, fordi det er vigtigt at kunne måle porteføljemanagerens evne til at diversificere den usystematiske risiko bort. Beregningsmetode: Afkastet for porteføljen skal beregnes samt spredning herpå.

18 Performance nøgletal Treynor Treynor-indekset måler porteføljens faktiske merafkast ud over den risikofrie rente udtrykt pr. enhed systematisk risiko, hvor den systematiske risiko måles ved porteføljens β, dvs.: r p r f β Treynor-indekset kaldes også for reward to volatility. Treynor-indekset anvendes, når porteføljen er opdelt i en række specialporteføljer, hvor den usystematiske risiko allerede er diversificeret bort. I sådanne situationer er man således kun interesseret i at måle porteføljemanagerens evne til at overperforme i forhold til den systematiske risiko. p

19 Performance nøgletal Treynor Beregningsmetode: Afkastet for porteføljen skal beregnes. Desuden skal beta beregnes (kovariansen imellem porteføljen og markedet divideret med risikoen på markedet (spredning)).

20 p = rp E( rp ) = rp rf β p ( rm rf ) Performance nøgletal Jensens alpha Jensen-indekset måler porteføljens under- eller overperformance i forhold til det forventede afkast bestemt ud fra CAPM-modellen, der kan udtrykkes ved porteføljens: α p = rp E( rp ) = rp rf β p( rm rf ) Jensen-indekset måler således den lodrette afstand mellem det realiserede afkast og det forventede afkast bestemt ud fra security market-linien. Jensen-indekset anvendes for veldiversificerede porteføljer, og rent fortolkningsmæssigt foretrækkes Jensen-indekset ofte frem for Treynorindekset. Det skyldes, at det er nemmere at fortolke et merafkast udtrykt som en procent p.a. størrelse (jensen-indekset) end en risikopræmie pr. risikoenhed (Treynor) Tilsvarende kan Jensens alpha estimeres ud fra en simpel lineær regressionsmodel, og dermed får man beregnet en standardfejl for a, således at man umiddelbart kan vurdere, om a-parameteren er signifikant forskellig fra nul.

21 Performance nøgletal Jensens alpha Beregningsmetode: Lineær regressionsanalyse: α = r E r ) = r r β ( r r ) + ε p Hvilket er det samme som: r p p ( p p f p M f r = α + β r r ) + ε f p( M f Så tallene kommer direkte ud fra en regressionsanalyse. Model skal opstilles. p

22 Performance nøgletal Eksempel Portefølje A Markedsportefølje r p 13% 18% r f 3% 3% σ 10% 12% β Sharpe Treynor Jensen

23 Performance nøgletal Information ratio Information ratio er risikopræmie i forhold til risiko: E( r IR = σ ( r p p r r M M ) ) Nævneren er tracking error. Kan også estimeres ud fra lineær regression se Jensens alpha så beregnes tracking error automatisk.

24 Performance nøgletal Sortino Downside Risk Samme som Sharpe mål, men Risikoen beregnes kun ud fra downside -udsving: Semi-afvigelse: Σ = 1 T T t= 1 2 ( Min( r p r M,0)) r p -r M Upside Σ Downside

25