HQLA Optimizer

Computergestützte Suche nach Pareto-effizienten Portfolios

HQLA-Optimzier

Die Nutzergruppe definiert die Anlageziele für das HQLA-Portfolio und versieht diese mit individuellen Präferenzen.

Das System soll aus der Menge an möglichen Portfolios eine möglichst gute Menge an Treffern herausfiltern.

Ein Portfolio-Suchalgorithmus in einem Computersystem führt den Auftrag aus, z. B. der von PPI entwickelte HQLA-Pareto-Optimierungsalgorithmus.

Das Suchergebnis wird den Nutzern nach Relevanz angezeigt. Zusätzlich werden die Informationen so aufbereitet, dass die Nutzer sich entscheiden können, welches HQLA-Portfolio sie tatsächlich umsetzen wollen.

3D Investmentziele

  • Outperformance einer Benchmark
  • maximale Credit Spreads
  • minimale Liquid-Haircuts
     

Präferenzen verschiedener Nutzer

  • 1 und 2 sind wichtiger als 3
  • 1-3 sind gleich wichtig, das Haircut-Niveau sollte aber mindestens x sein, und die Outperformance sollte 50 bps sein.
     

Weitere Restriktionen

  • Friktionen: Level-2-Assets < 40 %
  • Ableitungen des Portfolio Ultraschall
    • Absicherungen Risikokonzentration: Systemischer Einfluss auf das Portfolio-Tailrisiko darf Grenzwert nicht überschreiten.
    • Bestehen der Stresstests
HQLA Optimizer

Automatische investmentrelevante Ergebnisse des HQLA Optimizer

  • 1. Menge an Portfolios, welche die Restriktionen beachten
  • 2. Teilmenge von 1: Portfolios, die pareto-effizient im Sinne der 3D-Investmentziele sind
  • 3. Teilmenge von 2: Portfolios, die den Präferenzen der Nutzer möglichst gut gerecht werden
     

 Die Nutzer wählen das Zielportfolio aus 2 aus.

Weitere Ergebnisse

Welche Investmentziele, Restriktionen und Präferenzen waren beim Suchprozess besonders schwierig zu berücksichtigen?

  • geht über die klassischen Portfolio-Optimierungsansätze von Markowitz und VaR-Konzepten hinaus, um die Liquidität und weitere Investorenanforderungen angemessen zu berücksichtigen
  • nutzt die Logik des Pareto-Optimums, um bei gegenläufigen Zielen den „Weg der besten Kompromisse“ zu finden (Mehrfachoptimum)
  • erfordert eine laufende Anpassung des Pareto-Optimums an veränderte Markt- und Umweltgegebenheiten sowie ggf. an neue regulatorische Anforderungen und Investorenpräferenzen (Risikobereitschaft, Risikotragfähigkeit)
  • nutzt die gestiegene Rechnerleistung mit modernen Algorithmen zur anwenderfreundlichen Bestimmung des Pareto-optimalen HQLA-Portfolios
  • bietet eine Anzahl gleichwertiger Lösungen an, aus denen die Entscheider die Lösung mit dem größten Nutzen auswählen können
  • vereinigt „Mensch und Maschine“ in dem Entscheidungsprozess

Ihre Ansprechpartner

Dr. Jochen Papenbrock

Managing Consultant

+49 69 2222942-0

Jochen.Papenbrock(at)ppi.de

Carsten Schulze

Manager Consulting Banken

+49 40 227433-0

Carsten.Schulze(at)ppi.de

Matthias Eizenhöfer

Direktor Institutional, Universal-Investment-Gesellschaft mbH

+49 69 71043-6519

matthias.eizenhoefer(at)universal-investment.com

Prof. Dr. Stefan Zeranski

Dekan Ostfalia Hochschule für angewandte Wissenschaften

+49 152 21887085

st.zeranski(at)ostfalia.de

Unsere starke Partnerschaft

Im Trilog von Assetmanager (Universal-Investment), Wissenschaft (Prof. Zeranski) und Unternehmensberatung (PPI AG) erarbeiten wir gemeinsam für Sie die beste HQLA-Portfolio-Zusammensetzung und passen diese ständig an die aktuellen Marktgegebenheiten an. Im Trilog vereinen wir Asset-Management-Know-how, den aktuellsten Stand der Kapitalmarktforschung und Umsetzungserfahrung.

Benachrichtigung bei Aktualisierungen

Wenn Sie bei Änderungen per E-Mail benachrichtigt werden möchten, registrieren Sie sich hier.