Jyske Bank Capital Market

Transkript

1 Jyske Bank Capital Market Direktør, Erik Gadeberg Side 1/36

2 Jyske Bank Capital Markets Hvem er vi? Forretningen Koncernfunktion Jyske Capital - Kapitalforvaltning Group Treasury - Likviditets og kapitalstyring Jyske Markets - Handelspladsen CIB (Corporate and Institutionel Banking) - Line og kundestyring Side 2/36

3 Agenda Walking Down Memory Lane Hvad udfordrer? 1. Regulering 2. Nye forretningsmodeller Side 3/36

4 Walking down Memory Lane Side 4/36

5 G20 møde September 24-25, 2009, Pittsburgh 10.Major failures of regulation and supervision, plus reckless and irresponsible risk taking by banks and other financial institutions, created dangerous financial fragilities that contributed significantly to the current crisis. A return to the excessive risk taking prevalent in some countries before the crisis is not an option. 11. Since the onset of the global crisis, we have developed and begun implementing sweeping reforms to tackle the root causes of the crisis and transform the system for global financial regulation. Substantial progress has been made in strengthening prudential oversight, improving risk management, strengthening transparency, promoting market integrity, establishing supervisory colleges, and reinforcing international cooperation. Side 5/36

6 Agenda Walking Down Memory Lane Hvad udfordrer? 1. Regulering a. Strukturen b. Direktiv eller forordning c. Realkreditmarkedet som eksempel 2. Nye forretningsmodeller Side 6/36

7 Side 7/36

8 EU - ESMA Level 1 Rammelovgivning Kommission, stiller forslag til råd og EP Level 2 Udfyldende Lovgivning Kommission vedtager delegerede retsakter Level 3 Retningslinjer og henstillinger ESMA udarbejder guidelines Level 4 Tilsyn & kontrol Enten ESMA eller Tilsyn i DK Kilde: ESMA, Tilsyn m.m. Side 8/36

10 Tvunget til at se ens på verden 1. eksempel: EMIR krav om sikkerhedsstillelse (1. marts 2017) Alle finansielle modparter (og ikkefinansielle virksomheder med stor derivat handel) skal nu have CSA aftaler med hinanden og udveksle collateral på alle ikke clearede OTC derivater. Side 10/36

11 Tvunget til at se ens på verden 2. Eksempel MIFID II krav om betaling for analyser Side 11/36

12 Fra direktiver til forordninger Rules are rules: -Ikke længere så ofte en proces med at få reglerne indskrevet og/eller fortolket i dansk lovgivning. Side 12/36

13 MiFID MiFIR Kilde: PWC, ESMA m.fl. Side 13/36

14 Jyske Bank hvad gør vi? Vores mål Kunden skal opleve kvalitetsforbedrende services som led i en optimal kundeoplevelse Tiltrække og fastholde attraktive kunder Effektivisere vores processer gennem digitalisering Nye produkter/tilretninger Pleje Nye produkter/tilretninger Sparring Målbaseret investeringsrådgivning Rådgivningsværktøjer (valuta, rente, råvarer) Online investering Digitalisering af processer Personlig forside Overbliksfunktioner PB værditilbud Kvalitetsforbedrende services Nye rapporter Omkostningsinfo (ex-ante/ex-post) Egnethedserklæring Lognings-setup Uddannelse og implementering Side 14/36

16 Kendskab for at handle en obligation i 2019: MIFIR (med RTS 2/RTS 22 og RTS 27) EMIR (hedget) rapportering /Clearing/ Margin CSDR afvikling (Buy in, hvis handler falder) Lov om Kapitalmarked (MAD/MIFID) Obligationshandel MAR kursmanipulation/ insider handel SFTR (repoer) rapportering/ aftaler CRR/CRD (LCR/LR/ NSFR/FRTB) Shortselling (Stater) Side 16/36

18 FRTB, Kapitalregler på tværs af regimer danske realer Hvilke markedsrisici komponenter skal der holdes kapital til i de forskellige regimer Trading book i dag Trading book, FRTB Banking Book Realkredit relateret Default risiko x x x OAS risiko x Gamma risiko x Vega risiko x Generel renterisiko x x x (søjle 2) Der er ikke taget højde for evt institutspecifikke søjle 2 krav i dag til realkredit relaterede risici. Som eks OAS Side 18/36

19 FRTB - kapital omkostninger (de meget omtalte 200 bp OAS) Renteafdækket DK real 1 årig Fleks 5 årig Fleks 2'47 konverterbar Nominel (mio) markedsrisk OASrisk (mio pr. 100bp) Vegarisk (mio pr. 1%-point i vol) 2 gammarisk (mio pr. 1% renteflyt) 29,1 OAS Vega 800 FRTB REA Konveksitet (gamma) 700 DRC (hovedstolsvægt) total FRTB REA JB faktiske kapitalkrav (antaget 14 % søjle 1 kapitalkrav) % af hovedstol 3% 13% 45% Med solvenskrav (søjle 1) på bare 14 %, skal der holdes 45 % egenkapital til en konverterbare realkreditobligation Hvornår har man sidst set at konverterbare falder 45 kurspoint??? Side 19/36

20 FRTB Hvad har kunder betalt for indtil nu, dvs hvad har de belastet bankerne med: Likviditets risiko (LCR, NSFR) Kredit/modparts risiko Med FRTB vil der i langt højere grad komme en betaling for at belaste bankerne med Markedsrisiko Tanker i FRTB er ok ift at regler er mere risk sensitive, men parameterisering er meget forkert. Effekter: Warehousing markant dyrere Effekt på markedet.. Lavere likviditet, højere bid ask Større krav til systemunderstøttelse ift kapitalstyring Banker vil i højere grad anvende banking book til likviditetsreserver Side 20/36

22 Emir Krav om CSA for variation margin, dvs markedsværdi i derivatet Ikke nogen reel effekt heraf. IM krav får langt større effekt: (gradvis omfattelse afh af institut størrelse) IM dækker risiko for at der kan gå yderligere markedsværdi i derivat, som modpart ikke stiller sikkerhed for. Når Mifid II træder i kraft, er valuta derivater ikke længere undtaget for IM Standard IM sats på valuta er 6 %, dvs på 100 mia FX hovedstol fra pensionskasser, skal JB stille (segregated) 6 mia likviditet til pensionskasse handel 6 mia likviditet til interbank hedge Antaget funding cost på 50 bp, giver dette en omkostning på 6 bp på FX derivater, eller 60 mio. kr. for ovenstående. Løsning: Få buyside og FX produkter på clearing, så har banker ingen netto risk Egen IM model kan evt nedsætte cost Side 22/36

23 Realkredit obligationsmarkedet Struktur Speciel dansk refinansieringsmodel køb på termin Stort likvidt secondary marked Professionelt marked få private Stigende udenlandsk interesse for AAA papirer Lav grad af elektronisk handelseksekvering Side 23/36

25 Nyt efter MIFID II? Interessekonfliktspolitik Fysisk adskillelse af analytiker BRF obligationer Mere eller mindre efterhandelsgennemsigtighed? Tilsynet + brancheordning? Spredt info? Registrere ASWpakker Obligationer med langvalør derivat? Best execution For rapporter betydning? SI-prisers betydning? Log af alt kommunikation Vi skal registrere ordre Request for quotes EMIR rapportering Betaling for analyser TRS Nye felter Ikke længere muligt at lave sumindberetning Ex ante og Ex post omkostningsoplysninger Kommuner bliver født detail SI er Handlebare priser op til ca. 2 eller ca. 10 mio. Side 25/36

26 Regulering - konklusioner Implementering koster Likviditet formindskes Og kommer fra andre aktører Shadow Banking nu også på kapitalmarkedet Forordning eller direktiv Side 26/36

27 Side 27/36

28 Agenda Walking Down Memory Lane Hvad udfordrer? 1. Regulering 2. Nye forretningsmodeller Side 28/36

29 Side 29/36

30 Amerikansk spiller vil være førende på salg af swaps i Skandinavien En anden årsag til, at markedet åbner op for en ny spiller som Citadel Securities, er, at bankernes likviditet er blevet begrænset i kølvandet på finanskrisen. "Generelt så er obligationsmarkedet efter krisen blevet mødt med højere standarder for kapital- og myndighedskrav, og det gør det dyrere for bankerne at faciliterer swaphandel, og det har resulteret i, at bankerne bliver nødt til at være mere selektive i forhold til, hvordan de bruger deres ressourcer," siger Brian Olivier. "Du har sikkert set bankerne være mere selektive i forhold til at være til rådighed i skandinaviske valutaer eller obligationer," tilføjer han. Kilde: FinansWatch AF ANNE LOUISE HOUMANN OG DAVID BENTOW Offentliggjort kl. 12:00 Side 30/36

31 Robot Advice Side 31/36

32 Hvad er AI kunstig intelligens Machine Learning (ML) - uses computer algorithms based on mathematical models using probability to make assumptions and can make predictions about similar data sets Cognitive Computing - builds upon machine learning using large data sets with the goal to simulate human thought process and predictive decisions. Training the systems tends to utilize human curation Deep Learning - builds on machine learning using neural nets to make predictive analysis. The use of neural nets is what is differentiating Deep Learning from Cognitive Computing right now. Deep Learning is also helping improve image and speech recognition Predictive application programming interfaces (APIs) - A predictive API basically uses AI to provide a predictive output (from a standardized set of outputs), when you have data sets Kilde: The Year Ahead, Merrill Lynch report Side 32/36

33 Hvad udfordres vi på? Forretningsmodeller Nye teknologier i vore basale processer Medarbejderne skal tillære sig nye kompetencer Fokusering frem for Globalisering Slicing af produkter og services Indenfor eller udenfor regulering Side 33/36

34 Nye forretningsmodeller - konklusioner Forretningsmodeller Nye teknologier i vore basale processer Medarbejderne skal tillære sig nye kompetencer Fokusering frem for Globalisering Slicing af bankprodukter og services Indenfor eller udenfor regulering Legacy systemer AI, Blockchain m.m. Uddannelse eller udskiftninger Outsourcing og optimering APP og Customization Agilitet Side 34/36

35 Lille lys for enden af tunnelen?? Side 35/36

36 Side 36/36