Uniwersytet Kardynała Stefana Wyszyńskiego w Warszawie - Centralny System Uwierzytelniania
Strona główna

Miary ryzyka i ich zastosowanie w biznesie

Informacje ogólne

Kod przedmiotu: WM-MA-U2-MRiB
Kod Erasmus / ISCED: (brak danych) / (brak danych)
Nazwa przedmiotu: Miary ryzyka i ich zastosowanie w biznesie
Jednostka: Wydział Matematyczno-Przyrodniczy. Szkoła Nauk Ścisłych
Grupy: Grupa przedmiotów fakultatywnych POWER
Punkty ECTS i inne: (brak) Podstawowe informacje o zasadach przyporządkowania punktów ECTS:
  • roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS;
  • tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h;
  • 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się;
  • tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS;
  • nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta.

zobacz reguły punktacji
Język prowadzenia: polski
Poziom przedmiotu:

średnio-zaawansowany

Symbol/Symbole kierunkowe efektów uczenia się:

K01: Ma podstawową wiedzę o tym czym są miary ryzyka.

K02: Zna kilka miar ryzyka.

K03: Ma wiedzę na temat własności miar ryzyka i relacji między nimi.

K04: Potrafi obliczać kilka miar ryzyka i badać własności tych miar.

K05: Potrafi dobrać odpowiednią miarę ryzyka do badanego zagadnienia biznesowego.

K06: Potrafi stosować analizę krytyczną swojego podejścia, uwzględniając adekwatność przyjmowanych w modelowaniu założeń.

K07: Rozumie jak przeszukiwać publikacje naukowe w celu znalezienia odpowiednich narzędzi lub podejścia do rozwiązania zadania.

Skrócony opis:

1. Czym jest ryzyko

2. Miary ryzyka – np. EX, D2(X), VaRp(X), TVaRp(X), CTEp(X), ESFp(X),…, miara zaburzeniowa

3. Wyznaczanie miar ryzyka

4. Własności miar ryzyka – m.in. koherentność

5. Porządkowanie ryzyk, preferencji i teorii wyborów

6. Miary ryzyka w badaniach naukowych – na przykładzie badań aktuarialnych

7. Prezentacje i krytyczna dyskusja projektów studenckich

Pełny opis:

1. Czym jest ryzyko

2. Miary ryzyka – np. EX, D2(X), VaRp(X), TVaRp(X), CTEp(X), ESFp(X),…, miara zaburzeniowa

3. Wyznaczanie miar ryzyka

4. Własności miar ryzyka – m.in. koherentność

5. Porządkowanie ryzyk, preferencji i teorii wyborów

6. Miary ryzyka w badaniach naukowych – na przykładzie badań aktuarialnych

7. Prezentacje i krytyczna dyskusja projektów studenckich

Wybrane artykuły - dla punktu 6 :

Economic capital allocation derived from risk measures.

J. Dhaene, M.J. Goovaerts & R. Kaas (2003). North American Actuarial Journal, 7 (2), 44-59.

Coherent distortion risk measures – a pitfall.

G. Darkiewicz, J. Dhaene & M. Goovaerts (2003). Proceedings of the Seventh International Congress on Insurance: Mathematics and Economics, Lyon.

A unified approach to generate risk measures.

M.J. Goovaerts, R. Kaas, J. Dhaene & Q. Tang (2003). ASTIN Bulletin, 33 (2), 173-192.

Some new classes of consistent risk measures.

M. Goovaerts, R. Kaas, J. Dhaene & Q. Tang (2004). Insurance: Mathematics and Economics, 34 (3), 505-516.

Risk measures and optimal portfolio selection (with applications to elliptical distributions).

J. Dhaene, E. Valdez, T. Hoedemakers (2004). Lecture Notes of the Third conference in Actuarial Science and Finance, Samos, Sep 6-8.

Distortion risk measures for sums of random variables.

G. Darkiewicz, J. Dhaene & M. Goovaerts (2004). Blaetter der DGVFM, XXVI (4), 631-641.

Capital requirements, risk measures and comonotonicity.

J. Dhaene, S. Vanduffel, Q.H. Tang, M. Goovaerts, R. Kaas & D. Vyncke (2004). Belgian Actuarial Bulletin, 4, 53-61.

Risk measures and dependencies of risks.

G. Darkiewicz, J. Dhaene & M. Goovaerts (2005). Brazilian Journal of Probability and Statistics, 19, 155-178.

Comparing approximations for risk measures of sums of non-independent lognormal random variables.

S. Vanduffel, T. Hoedemakers & J. Dhaene (2005). North American Actuarial Journal, vol. 9 (4), 71-82.

Risk measures and comonotonicity: a review.

J. Dhaene, S. Vanduffel, M. Goovaerts, R. Kaas, D. Vyncke & Q.Tang. (2006). Stochastic Models, 22, 573-606.

Risk measurement with equivalent utility principles.

M. Denuit, J. Dhaene, M. Goovaerts, R. Kaas & R. Laeven (2006). Statistics & Decisions, Vol. 24 (1), 1-25 .

Optimal approximations for risk measures of sums of lognormals based on conditional expectations.

S. Vanduffel, X. Chen, J. Dhaene, M. Goovaerts, L. Henrard & R. Kaas (2008). Journal of Computational and Applied Mathematics, 221(1), 202-218.

Can a coherent risk measure be too subadditive?

J. Dhaene, R. Laeven, S. Vanduffel, G. Darkiewicz & M. Goovaerts (2008). Journal of Risk and Insurance, 75(2), 365-386.

Remarks on quantiles and distortion risk measures.

J. Dhaene, A. Kukush, D. Linders & Q. Tang (2012). European Actuarial Journal, 2(2), 319-328. Also available at SSRN

Comonotonic approximations of risk measures for variable annuity guaranteed benefits with dynamic policyholder behavior.

R. Feng, X. Jing, J. Dhaene (2017). Journal of Computational and Applied Mathematics, 311, 272-292.

Systemic risk: Conditional distortion risk measures.

Dhaene J., Laeven R. & Zhang Y. (2019). Work in progress.

Literatura:

1. N.L. Bowers, H.U. Gerber, J.C. Hickman, D.A. Jones, C.J. Nesbit, Actuarial Mathematics, 1997

2. J. Jakubowski i R. Stencel, Wstęp do teorii prawdopodobieństwa, 2000

3. R. Kaas, M.Goovaerts, J. Dhaene, M. Denuit, Modern actuarial risk theory: using R, 2008

4. J.L. Teugels, & B. Sundt, Encyclopedia of Actuarial Science, 2004

5. Liczne artykuły z dziedziny aktuarialnej, np. grupy badawczej przy Jan Dhaene (K.U. Leuven)

6. B. Fischhofft, J.Kadvany, RISK A very short introduction, Oxford, 2011

7. J.C.Hull, Risk Management and Financial Institutions, Wiley, 2012

Efekty kształcenia i opis ECTS:

K01: Ma podstawową wiedzę o tym czym są miary ryzyka.

K02: Zna kilka miar ryzyka.

K03: Ma wiedzę na temat własności miar ryzyka i relacji między nimi.

K04: Potrafi obliczać kilka miar ryzyka i badać własności tych miar.

K05: Potrafi dobrać odpowiednią miarę ryzyka do badanego zagadnienia biznesowego.

K06: Potrafi stosować analizę krytyczną swojego podejścia, uwzględniając adekwatność przyjmowanych w modelowaniu założeń.

K07: Rozumie jak przeszukiwać publikacje naukowe w celu znalezienia odpowiednich narzędzi lub podejścia do rozwiązania zadania.

Metody i kryteria oceniania:

Aktywność lub/i praca zaliczeniowa

Przedmiot nie jest oferowany w żadnym z aktualnych cykli dydaktycznych.
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Kardynała Stefana Wyszyńskiego w Warszawie.
ul. Dewajtis 5,
01-815 Warszawa
tel: +48 22 561 88 00 https://uksw.edu.pl
kontakt deklaracja dostępności USOSweb 7.0.2.0-1 (2024-03-12)