ALM Simülasyon Modelleri: Monte Carlo vs. Senaryo Tabanlı

Varlık-yükümlülük yönetiminde (ALM), simülasyon modelleri faiz oranı hareketlerinin varlık ve yükümlülüklerin ekonomik değerini zaman içinde nasıl etkilediğini projekte eder. İki hâkim yaklaşım Monte Carlo simülasyonu ve senaryo tabanlı simülasyondur. Monte Carlo simülasyonu, olasılık varsayımlarına (ör. ortalama dönüş, volatilite) dayalı olarak yüzlerce ya da binlerce olası gelecek faiz oranı yolunu üretmek için stokastik yol tekniklerini—diğer adıyla stokastik simülasyonları—kullanır. Senaryo tabanlı simülasyon ise, tarihsel dönemler, stres olayları veya makroekonomik tahminlere dayalı olarak, ekonomik olarak tutarlı ve ileriye dönük sınırlı bir yol seti oluşturarak belirli stratejik alternatifleri veya sermaye yeterliliği sonuçlarını değerlendirir.

ALM’deki Monte Carlo simülasyonu, genellikle dinamik vadeler yapısı modelleri kullanan bir Ekonomik Senaryo Üreteci (ESG) aracılığıyla çok sayıda stokastik faiz oranı yolu simüle eder. Her yol, kısa vadeli oranların, getiri eğrisi şekillerinin ve volatilite seviyelerinin projeksiyon horizontu boyunca olası bir evrimini temsil eder. ALM modeli, ardından her yol altında varlık ve yükümlülükleri yeniden değerleyerek özkaynak ekonomik değeri (EVE) veya net faiz geliri (NII) gibi ölçütler için bir sonuç dağılımı üretir. Bu dağılım, faiz oranı riski için güven aralıkları, Değer-At-Risk (VaR) veya beklenen kayıp (expected shortfall) hesaplamalarına olanak tanır.

• Stokastik modelleme temeli: Gözlemlenen piyasa verileri ve ekonomik teoriyle (ör. Cox-Ingersoll-Ross veya Hull-White modelleri) tutarlı yolları simüle etmek için kalibre edilmiş ESG’ler kullanır.
• Sonuç dağılımı: Kuyruk maruziyetini ve beklenen kayıpları ölçen risk ölçütlerini destekleyen tam bir olasılık çıktısı üretir.
• Pratikte kullanım: İç model doğrulaması, sermaye tahsisi ve bütçeleme ile stratejik planlama için dinamik EAR modellemesinde yaygın olarak uygulanır.

Senaryo tabanlı simülasyon, genellikle 3 ila 10 arasında değişen, makul ve içsel tutarlı makroekonomik ve faiz oranı yollarından oluşan küçük bir set oluşturur. Bu senaryolar tarihsel (ör. 1979-1982 sıkılaştırma), varsayımsal (ör. hızlı enflasyon yeniden yükselişi) veya tahmine dayalı (ör. konsensüs makro görünümü) olabilir. Her senaryo, ALM modeline deterministik olarak uygulanarak her yol altında EVE veya NII için nokta tahminleri üretir. Yaklaşım, istatistiksel hassasiyetten ziyade yorumlanabilirlik ve anlatı tutarlılığına vurgu yapar.

• Anlatı odaklı tasarım: Senaryolar, genellikle denetleyici beklentileri veya iç risk iştahı çerçeveleriyle uyumlu, güvenilir stres veya stratejik kırılma noktalarını yansıtacak şekilde seçilir.
• Karar desteği: Belirli makroekonomik rejimler altında varlık yeniden konumlandırma veya hedge kararları gibi stratejik takasları değerlendirmek için kullanılır.
• Yönetişim entegrasyonu: Analizi net, hikaye temelli varsayımlara dayandırarak teknik olmayan paydaşların onayını kolaylaştırır.

Monte Carlo ve senaryo tabanlı simülasyon, ALM’de birbirini tamamlayan roller üstlenir; her birinin kendine özgü güçlü yönleri ve sınırlamaları vardır.

• Kapsam vs. açıklık: Monte Carlo, kuyruk riski ve istatistiksel belirsizliği yakalayan geniş bir olasılık kapsamı sunar, ancak çıktıları soyut olabilir ve belirli eylemlere bağlamak zorlaşabilir. Senaryo tabanlı simülasyon ise net, uygulanabilir içgörüler sağlar, fakat seçilen senaryolara dahil edilmeyen düşük olasılıklı, yüksek etkili olayları yeterince temsil etmeyebilir.
• Model riski: Monte Carlo, ESG kalibrasyonu ve dağılım varsayımlarına duyarlıdır; volatilite ya da ortalama dönüş parametrelerindeki hatalar risk tahminlerini çarpıtabilir. Senaryo tabanlı simülasyon ise seçim yanlılığına karşı savunmasızdır; makul yolları dışlayabilir ya da tekrarlanmama ihtimali olan tarihsel benzerlere aşırı güvenebilir.
• Düzenleyici uyum: Denetleyiciler (ör. OCC) her iki yaklaşımı da tanır, ancak senaryo tabanlı yöntemler genellikle denetleyici stres testleri ve stratejik raporlamalar için tercih edilirken, Monte Carlo iç model doğrulaması ve dinamik risk ölçümünü destekler.

Bir kurumun iki yıl boyunca faizlerde 200 baz puanlık paralel bir artışı değerlendirmek istediğini varsayalım. Monte Carlo simülasyonunda, ESG kalibre edilmiş volatiliteyle ortalama dönüş sürecini izleyen kısa vadeli faiz için 5.000 yol üretir; ortaya çıkan EVE değişim dağılımı %5’lik dilimde 120 milyon dolar kayıp ve %95’lik dilimde 45 milyon dolar kazanç gösterebilir. Senaryo tabanlı simülasyonda ise 200 bp’lik artışı ve buna bağlı getiri eğrisi dinamiklerini yansıtan tek, deterministik bir yol uygulanır ve 90 milyon dolar EVE düşüşü gibi noktasal bir tahmin elde edilir. Monte Carlo çıktısı sermaye ve VaR hesaplamalarını destekler; senaryo çıktısı ise varlık fiyatlandırmasının hızlandırılması veya vade hedeflerinin ayarlanması gibi stratejik yanıtların yönetim kurulu seviyesinde tartışılmasını destekler.

• Monte Carlo simülasyonu kullanın istatistiksel titizlik gerektiren risk ölçütlerini (ör. ekonomik sermaye, VaR veya beklenen kayıp) tahmin ederken ya da belirsizliğin uzun vadeli stratejik sonuçlar üzerindeki etkisini olası birçok yol üzerinden değerlendirirken.
• Senaryo tabanlı simülasyonu kullanın riski yönetişim organlarına iletirken, belirli makroekonomik rejimler altında stratejik kararları test ederken ya da anlatı bütünlüğü ve uygulanabilirliğin olasılık tamlığına göre öncelikli olduğu denetleyici stres testi çerçeveleriyle uyum sağlarken.

Her iki yöntem de genellikle birlikte kullanılır: Monte Carlo iç model doğrulaması ve risk nicelendirmesi için, senaryo tabanlı analiz ise stratejik karar alma ve düzenleyici raporlama için.