Simulation framework to forecast bank balance sheet and interest rate income development using their scenarios

Abstract

After the financial crisis of 2008 there has been an increasing interest in banking to create calculation models that can integrate the typical risks that banks face, like the interest rate risk, credit risk and liquidity risk. Especially the very detailed balance sheet models have got more popularity during the recent years. In this thesis we present a robust stochastic simulation framework that can forecast the net interest income and balance sheet development for a bank. The simulation framework focuses on very detailed net interest income calculations by employing thousands of different balance sheet scenarios in the simulations. The detailed net interest income calculations include the effects of changing market rates, repricing, the effects of negative interest rates, loan amortizations and prepayments, changes in banks spread levels and the generation of newly issued loans/deposits.

The data for testing the simulation framework have been gathered from a Finnish commercial bank’s quarterly interim report and from the statistical database of the Bank of Finland. The testing was done by using 7 different scenarios. The results of this study implicated that the model can simulate thousands of detailed net interest income and balance sheet estimates with reasonable computational times. The results also showed that the repricing characteristics in different interest rate environments and interest rate floors have an effect to net interest income estimates. Stochastic simulated balance sheets and spreads have a significant effect especially to the most extreme simulation estimates. With the parameters used in this study, a change in the market rates has a higher effect to the net interest income estimates than the stochastic balance and spread scenarios do. Negative interest rate shocks have a higher effect on the confidence intervals than the positive shocks, while the positive interest rate shocks have a higher effect on the average estimates, when comparing the shocked scenarios against the market rate scenario.

Vuoden 2008 finanssikriisin jälkeen pankeissa on ollut kasvava tarve kehittää kokonaisvaltaisia laskentamalleja, jotka pystyvät yhdistelemään keskeisimpiä riskejä, kuten korkoriskiä, luottoriskiä ja likviditeettiriskiä. Erityisesti tarkat pankkien tasetta ja tulosta simuloivat mallit ovat yleistyneet. Tässä työssä esitellään stokastinen simulaatiomalli, joka pystyy ennustamaan pankin korkokatetta ja taseen kehitystä tulevaisuudessa. Esiteltävä malli keskittyy erityisesti tarkasti mallinnettuihin korkokate ennusteisiin tuhansissa erilaisissa tulevaisuuden taseskenaarioissa. Korkokatelaskennassa malli huomioi muun muassa markkinakorkojen muutokset, tase-erien uudelleenhinnoittautumisen, negatiivisen korkotason, lainojen lyhennykset ja takaisinmaksut, muutokset pankkien marginaalitasoissa sekä laina- ja talletuskannan uusmyynnin.

Simulaatiomallin validointia ja testaamista varten hankittu data on kerätty suomalaisen liikepankin kvartaaliraportista ja Suomen Pankin julkaisemista tilastoista. Mallin validointi ja testaus suoritettiin seitsemän erilaisen skenaarion avulla ja työn tulokset osoittavat, että esitelty malli pystyy simuloimaan tuhansia taseskenaarioita ja tarkasti laskettuja korkokate-ennusteita kohtuullisilla laskenta- ajoilla. Tulokset osoittavat myös, että tase-erien uudelleenhinnoittelu eri korkokäyrillä ja korkoshokeissa sekä mallinnetut korkolattiat vaikuttavat loogisesti korkokate-ennusteisiin. Stokastisesti simuloidut tase erät ja marginaalit vaikuttavat merkittävästi korkokate-ennusteisiin erityisesti ylimpien ja alimpien ennusteiden osalta. Käytetyillä parametreilla korkoshokit vaikuttavat enemmän korkokate ennusteisiin, kun stokastiset tase- ja marginaali skenaariot. Negatiiviset korkoshokit vaikuttavat enemmän korkokate-ennusteiden luottamusväleihin, kun taas positiiviset korkoshokit keskiarvoennusteisiin, kun niitä verrataan markkinakoroilla laskettuihin ennusteisiin.