Metody zaawansowane AMA - bsb.pl · PDF fileMetody zaawansowane AMA Konferencja „Ryzyko...
Transcript of Metody zaawansowane AMA - bsb.pl · PDF fileMetody zaawansowane AMA Konferencja „Ryzyko...
Metody zaawansowane AMAKonferencja „Ryzyko operacyjne
- jak przeciwdziałać mu w praktyce?”
Dominika Gadowska-KaczmarczykW d i ł N k Ek i h UWWydział Nauk Ekonomicznych UW
23 li t d 201023 listopada 2010
Pomiar ryzyka operacyjnego
k t l śćkontrola
alokacja zasobów
ustalanie limitów
dotkliwość strat
częstotliwość strat
kontekst
CO MIERZYMY?
PO CO MIERZYMY?
ocena osiągnięć
obowiązek nadzorczy
zależności przyczynowo-skutkowe
ół l ż ś iograniczanie ryzyka
zapobieganie ryzyku
współzależności
analiza indywidualna vs. portfelowa
JAK MIERZYMY?
Bazylejskie metody pomiaru OR
Metoda wskaźnika bazowego
(Basic Indicator Approach BIA)(Basic Indicator Approach, BIA)
Metoda standardowa
(The Standardised Approach, TSA)
Alternatywna metoda standardowa Alternatywna metoda standardowa
(Alternative Standardised Approach, ASA)
Metoda pomiaru zaawansowanego
(Advanced Measurement Approach, AMA)( pp , )
Zaawansowana metoda pomiaru(Advanced Measurement Approach, AMA)
w pomiarze wymogu kapitałowego stosuje się model
opracowany przez bank lub zajmujących się tym specjalistów
model ten precyzyjnie mierzy ekspozycję na ryzyko
operacyjnep yj
kapitał obliczany jest na podstawie operacyjnej wartości
narażonej na ryzyko (OpVaR) informacja o maksymalnej narażonej na ryzyko (OpVaR) – informacja o maksymalnej
stracie, jakiej może doświadczyć bank w określonym czasie
d i i f ś iprzy zadanym poziomie ufności
pomiar odbywa się w ramach 8 linii biznesowych
oraz 7 kategorii zdarzeń, czyli dla 56 obszarów ryzyka
Obszary ryzyka operacyjnego
event type
business line
Business Disruption
and System Failures
Clients, Products and
Business Practices
Damage to Physical Assets
Employment Practices and
Workplace Safety
Execution, Delivery and
Process Management
External Fraud Internal Fraud
Agency ServicesLF LF LF LF LF LF LF
HS HS LS HS LS LS LS
Commercial Banking LF LF LF HF LF LF HF
HS LS LS HS LS LS LSHS LS LS HS LS LS LS
Payment and Settlement
LF HF LF HF HF LF HF
HS LS LS HS LS LS LS
Retail Banking LF HF LF HF LF LF HF
Retail Banking HS HS LS HS LS LS LS
Corporate Finance LF LF LF LF LF LF HF
HS LS LS LS LS LS LS
LF LF LF LF LF LF HFTrading and Sales
LF LF LF LF LF LF HF
HS LS LS HS LS LS LS
Asset Management LF LF LF LF LF LF HF
HS LS LS HS LS LS LS
Retail BrokerageLF LF LF LF LF HF HF
HS HS LS HS LS LS LS
LF niska częstotliwość występowania zdarzenia HF LF – niska częstotliwość występowania zdarzenia, HF –wysoka częstotliwość występowania zdarzenia, LS – niska szkodliwość zdarzenia, HS – wysoka szkodliwość zdarzenia
Problemy z danymi
dostępność
adekwatność
przejrzystość
spójność „garbage in,
wiarygodność
progi raportowania
,garbage
out”
dyscyplina
zanieczyszczenia
kt li jaktualizacje
benchmarking
umiejętność filtrowania
„Dziesięć skrzynek danych i jedna mała koperta informacji. Proszę pokwitować...”
umiejętność filtrowania
opóźnienia w raportowaniu
Problemy z modelowaniem
śćjaka wielkość wewnętrznej bazy strat jest niezbędna do modelowania?
jak łączyć dane wewnętrzne i zewnętrzne?
co robić jeśli są zbierane jedynie dane o stratach co robić jeśli są zbierane jedynie dane o stratach powyżej ustalonego progu?
j k ć ść j śli k óż hjak estymować częstość strat jeśli korzystamy z różnych rodzajów danych?
jak uwzględnić powiązania między czynnikami ryzyka?
na ile model jest wiarygodny i jak przeprowadzić jego na ile model jest wiarygodny i jak przeprowadzić jego testowanie?
Czym tak naprawdę jest AMA?
jakie techniki funkcjonują pod szyldem AMA?
czy techniki te są całkowicie różne, czy też są jedynie
wariantami tej samej procedury?
czy techniki te są względem siebie substytucyjne czy techniki te są względem siebie substytucyjne,
czy też może komplementarne?
Techniki AMA – stosowane podejścia
Metoda rozkładu strat (Loss Distribution Approach, LDA)
Metoda wewnętrznych pomiarów (Internal Measurement
Approach IMA)Approach, IMA)
M t d ikó k i k t li / M t d k t ikó Metoda czynników ryzyka i kontroli / Metoda kart wyników
(ScoreCard Approach, SCA)
Metoda scenariuszowa (Scenario Based Approach, SBA)
Metoda rozkładu strat (LDA)
polega na oszacowaniu rozkładu strat z tytułu ryzyka
operacyjnego dla każdego obszaru na podstawie założeń co do
t ś i i i t tczęstości i rozmiaru strat
parametry rozkładów wyznaczane na podstawie historii strat parametry rozkładów wyznaczane na podstawie historii strat
traktowanych jako najlepszy (obiektywny) miernik profilu ryzyka
kapitał obliczany np. przy wykorzystaniu symulacji Monte Carlo na
podstawie operacyjnej wartości narażonej na ryzyko (OpVaR)
gdy dane okazują się niewystarczające wykorzystuje się analizy
scenariuszowe i testy wrażliwości
Częstość i dotkliwość strat operacyjnych
B6250
300
B7
200
B5
B7
150
Licz
ba s
trat
B2
B4B8
F4G2
G6
G7
F2
G4100
A1A2A3
A4A5A6 A7A8
B1
B3
C1C2C4C5 C6C7C8D1D2
D3D4
D5
D6
D7
D8
E1E2
E3E4E5
E6
E7E8F1
F3
F5F6F7
F8G1
G3G5
G8
C30
50
0 100 200 300 400 500 600 700 800 900 1000
Średnia wartość strat
Zagregowany rozkład strat
1 400
1 000
1 200
straty HFLS
800
1 000
ęstość
400
600Czę straty LFHS
(„gruby ogon”)krzywa normalna
0
200
strata0
LDA – stosowane miary ryzyka operacyjnego
strata oczekiwana strata nieoczekiwana strata oczekiwana OpVaR
strata nieoczekiwana Expected Shortfall
( ) ( )[ ]αα OpVaRLLEES >=( )[ ] αα => OpVaRLP ( ) ( )[ ]αα OpVaRLLEES >( )[ ] αα> OpVaRLP
straty oczekiwane finansowane z bieżącej działalności
straty nieoczekiwane finansowane z kapitału
bankructwo wynikające z niemożności pokrycia strat
R kł d d tkli ś i ( it )Rozkłady dotkliwości (severity)
logarytmiczno-normalny: Credit Lyonnais, Dresdner Bank
( )( )
2
2
2)/ln(1 σ
μx
exf−
=( )2πσ
ex
xf =
0≥x
00
>>
σμ
R kł d d tkli ś i ( it )Rozkłady dotkliwości (severity)
wykładniczy
( ) xexf ⋅−ββ( ) exf ⋅= ββ0≥x0>β
R kł d d tkli ś i ( it )Rozkłady dotkliwości (severity)
gamma: Fortis, Dresdner Bank
( ) ( )βα
αβ x
exxf−
−−
Γ= 1
( )αΓ
00≥x
00
>>
βα
R kł d d tkli ś i ( it )Rozkłady dotkliwości (severity)
f fWeibulla: Banca Intesa, Halifax Bank of Scotland
( )α
βαααβ⎟⎟⎠
⎞⎜⎜⎝
⎛−
−−=x
exxf 1( ) αβ= exxf
00≥x
00
>>
βα
R kł d d tkli ś i ( it )Rozkłady dotkliwości (severity)
f fGumbela: Banca Intesa, Halifax Bank of Scotland
( )βαβ
α−
+−−
xex
e( )β
=exf
0>∈
βα R
R kł d d tkli ś i ( it )Rozkłady dotkliwości (severity)
Pareto
( ) βα ββ−−= 1xxf ( )
00>
βα
0>β
R kł d d tkli ś i ( it )Rozkłady dotkliwości (severity)
Levy’ego
( )( )2 βαβ−
−e
fx
( )( ) 232 απ
β−
=x
xf
0>∈
βα R
R kł d d tkli ś i ( it )Rozkłady dotkliwości (severity)
Extreme Value Distribution
( )βαβ
α+−
+−+−
xex
e( )β
=exf
0>∈
βα R
R kł d d tkli ś i ( it )Rozkłady dotkliwości (severity)
Generalized Extreme Value Distribution (GEV)
1)[ 0 dla , >+∞−∈ ξξσμx
( ) ( ) ( )xtextxf −+= 11 ξ
σ( )
]( 0 dla ,0 dla ,<−∞−∈
=+∞∞−∈ξξσμ
ξx
x
( ) ⎪⎨
⎧≠⎟
⎠⎞
⎜⎝⎛ −+=
−
0 dla11
ξσμξ
ξxxt( )
( )⎪⎩
⎨=
⎠⎝−− 0 dla ξσ
σμxext
R kł d t ś i (f )Rozkłady częstości (frequency)
Poissona: Banca Intesa, Credit Lyonnais, Dresdner Bank
( ) exfxββ−
=( )!x
xf =
0>β 0>β
R kł d t ś i (f )Rozkłady częstości (frequency)
ujemny dwumianowy: Fortis, Dresdner Bank
( ) ( )xk ppk
kxxf −⎟⎟
⎠
⎞⎜⎜⎝
⎛ −+= 1
11( ) ( )pp
kf ⎟
⎠⎜⎝ −1
Kryteria wyboru rozkładów
kwykresy Q-Q
test Kołmogorova-Smirnova
test Anderson-Darling
Likelihood Ratio TestLikelihood Ratio Test
kryterium informacyjne Akaike
kryterium Schwarza
ocena na podstawie (absolutnego, kwadratowego,
ważonego) dystansu między prawdziwym lub empirycznym
rozkładem a rozkładem – kandydatem (Gustafsson & y (
Thuringb)
Wyznaczanie zagregowanego rozkładu strat
t
p−stwo
p−stwo
p
L
nieoczekiwana strata
p−stwo
rozkład dotkliwości strat symulacja Monte Carlo
AL oczekiwana strata 99,9-ty kwantyl
N
rozkład częstości strat
zagregowany rozkład strat
Algorytm symulacyjny Monte Carlo
kolejne kolejne iteracje
częstość (f)
1 2 … … … n
f1 f2 fn
dotkliwość (s)
f1 f2 fn
dotkliwość (s) s1,1 s1,2 s1,f1… s2,1 s2,2 s2,f2… sn,1 sn,2 sn,fn……
całkowita strata (L) L1=Σs1,i L2=Σs2,i Ln=Σsn,i
zagregowany rozkład strat
Wymóg kapitałowy (zał. perfect correlation)
dotkliwość strat (1,1) częstość strat (1,1) rozkład strat (1,1)
suma wymogów
kapitałowych dla każdego
dotkliwość strat (1,2) częstość strat (1,2) rozkład strat (1,2)…
dla każdego obszaru
dotkliwość strat (7,8) częstość strat (7,8) rozkład strat (7,8)
Wymóg kapitałowy (zał. zero correlation)
dotkliwość strat (1,1) częstość strat (1,1)
wymóg kapitałowy
odczytywany z łącznego
dotkliwość strat (1,2) częstość strat (1,2) łączny rozkład strat…
z łącznego rozkładu
dotkliwość strat (7,8) częstość strat (7,8)
Wymóg kapitałowy (zał. zero correlation, dwie kategorie)
kolejne kolejne iteracje
częstość (f)
1 2 …
f1A f1
B f2A f2
B
dotkliwość (s) s1,1A s1,2
A s1,f1A… s1,1
B s1,2B s1,f1
B… s2,1A s2,2
A s2,f2A… s2,1
B s2,2B s2,f2
B…
…
całkowita strata (L)
L1=Σs1,iA+Σs1,i
B L2=Σs2,iA+Σs2,i
B …
zagregowany rozkład strat
Wymóg kapitałowy (zał. zero vs perfect correlation)
dotkliwość strat (A) częstość strat (A) dotkliwość strat (B) częstość strat (B)dotkliwość strat (A) częstość strat (A) dotkliwość strat (B) częstość strat (B)
średnia odchylenie standardowe OpVaR
A (d tkli ść) 5 15 2 57A (dotkliwość) 5.15 2.57
A (częstość) 4.50 2.12
B (dotkliwość) 3.58 1.28
śćB (częstość) 7.00 2.65
A (zagregowany rozkład) 57.37
B (zagregowany rozkład) 53.65
A+B (perfect correlation) 111.025
A+B (zero correlation) 94.06 -15,3%
Wymóg kapitałowy (zał. non-zero correlation)
…
rozkład strat (1,1) rozkład strat (1,2) rozkład strat (1,3) rozkład strat (7,8)
copula
copulacopula
…
copula
(1,1) + (1,2)
(1 1) + (1 2) + (1 3)
(1,1) +…+ (7,8)
wymóg kapitałowy
(1,1) + (1,2) + (1,3)
Zalety LDA
rezultaty są osiągane w oparciu o unikalne charakterystyki
każdego podmiotu
wykorzystujemy metody i techniki podobne do tych
stosowanych dla ryzyka rynkowego czy kredytowegostosowanych dla ryzyka rynkowego czy kredytowego
istnieje możliwość uwzględnienia mechanizmów
ograniczających ryzyko takich jak np. ubezpieczenie
koszty i korzyści związane ze zmianą częstości i koszty i korzyści związane ze zmianą częstości i
dotkliwości mogą być analizowane na bieżąco
rezultaty zmieniają się w miarę upływu czasu
Wady LDA
straty to historia! straty to historia!
często niewystarczająca ilość danych wewnętrznych
heterogeniczność ORheterogeniczność OR
występowanie zdarzeń o nieznanych wysokościach strat
założenie niezmienności profilu ryzyka w horyzoncie analizyzałożenie niezmienności profilu ryzyka w horyzoncie analizy
trudności z walidacją modelu
brak danych o zdarzeniach z ogona rozkładu brak danych o zdarzeniach z ogona rozkładu
„obcięcie” danych
paradoks danych nietypowych (tzw. outlierów)p y yp y ( )
konieczność uwzględnienia danych zewnętrznych
skalowanie?
kontekst?
Modelowanie ogona rozkładu
metody oparte na teorii wartości ekstremalnych (EVT)metody oparte na teorii wartości ekstremalnych (EVT)
metoda Peaks Over Threshold (POT)
metoda Block Maximametoda Block Maxima
piecewise severity distribution
b d + t ilbody + tail
body + torso + tail
b d il ilbody + tail + extreme tail
metoda delta – EVT
śmodel delta dla strat o względnie dużej częstości
i małych wartościach
d l EVT dl t t ł j t ś i t i model EVT dla strat o małej częstości występowania
i dużych wartościach
Łączenie różnych rodzajów danych
wnioskowanie bayesowskiewnioskowanie bayesowskiereguła Bayesa dla parametrów rozkładów
( ) ( ) ( )parametersprobparametersdataprobdataparametersprob ⋅∝
parametry:
( ) ( ) ( )pppppp
data"hard"⎯→⎯hhhh LLLL L data"soft"⎯→⎯ssss LLLL Ldatahard,,, 321 ⎯→⎯nLLLL L datasoft ,,, 321 ⎯→⎯mLLLL L
n1 m1( ) ( )n 21 ( ) ( )
m 21∑=
=j
hj
h Ln
L1
1 ∑=
=j
sj
s Lm
L1
1( ) ( )∑=
−−
=j
hhj
h LLn
L1
22
11σ ( ) ( )∑
=
−−
=j
ssj
s LLm
L1
22
11σ
( ) ( )( ) ( )( ) ( )sh
sshh
LLLLLLL 22
22
1111σσσσ
++
= ( ) ( ) ( )sh LLL 22
2
111
σσσ
+=
Łączenie różnych rodzajów danych
wpływ na rozkład:wpływ na rozkład:
„soft data”
BayesianBayesian
„hard data”
Łączenie danych pochodzących z różnych źródeł
MLEMLE
założenie o identycznej postaci rozkładów danych wewnętrznych i zewnętrznychę y ę y
zewnętrzne dane o stratach wpływają na postać rozkładu dotkliwości
parametry:
data"hard",,, 321 ⎯→⎯hn
hhh LLLL L data"soft ",,, 321 ⎯→⎯sm
sss LLLL Ldataa d,,, 321 →n dataso t,,, 321 →m
∑=n
j
hj
h Ln
L1
1 ∑=m
j
sj
s Lm
L1
1( ) ( )∑ −−
=n
j
hhj
h LLn
L1
22
11σ ( ) ( )∑
=
−−
=m
j
ssj
s LLm
L1
22
11σ
⎟⎟⎠
⎞⎜⎜⎝
⎛+
+= ∑ ∑
n msj
hj LL
nmL 1 ( ) ( ) ( ) ⎟⎟
⎠
⎞⎜⎜⎝
⎛−+−
+= ∑ ∑
n msj
hj LLLL
nmL 222
11σ
=jn 1 =jm 1=jn 11 =jm 11
⎟⎠
⎜⎝+ = =j jnm 1 1
⎟⎠
⎜⎝−+ = =j jnm 1 11
Łączenie różnych rodzajów danych
PrzykładPrzykład„hard data”: 30 obserwacji z rozkładu lognormalnego„soft data”: 50 obserwacji z rozkładu lognormalnego
600
700
350
400
450
300
400
500
200
250
300
350
0
100
200
0
50
100
150
00 10 20 30 40 50 60
Hard Soft
0Średnia Odchylenie standardowe
Hard Soft MLE Bayesian
Łączenie danych pochodzących z różnych źródeł
St tifi d S liStratified Sampling
dane zewnętrzne i wewnętrzne pochodzą z identycznych rozkładówo adó
dane wewnętrzne gromadzone są bez minimalnego progu raportowania
dla danych zewnętrznych próg raportowania jest znany
Okunev: ważenie danych wewnętrznych, które są poniżej progu:t hd hli b
literatura:
rogu_powyzej_pwnetrznych_danych_weliczebnoscwnetrznych_danych_zeliczebnoscwaga += 1
literatura:
Okunev P., A Simple Approach to Combining Internal and External Operational Loss Data, Lawrence Berkeley National Laboratory, UC Berkeley and Bank of America, 2005
M d h i ó (IMA)Metoda wewnętrznych pomiarów (IMA)
( ) ( )∑∑∑∑ ⋅⋅⋅=⋅=7 88
ijijijij
n
ijijIMA LGEPEEIELK γγ( ) ( )∑∑∑∑= == = 1 11 1 i j
ijijijiji j
ijijIMA γγ
- wielkość wymaganego kapitału w metodzie IMA
- wskaźnik procentowy kapitału na pokrycie strat z tytułu OR
oczekiwana strata w j tej linii biznesowej na skutek działania i tego czynnika ryzyka
IMAK
ijγ
EL - oczekiwana strata w j-tej linii biznesowej na skutek działania i-tego czynnika ryzyka
- wskaźnik opisujący wrażliwość j-tej linii biznesowej na i-ty czynnik ryzyka
- prawdopodobieństwo zaistnienia straty w j-tej linii biznesowej na skutek i-tego
ijEL
ijEI
ijPEczynnika ryzyka
- wartość straty w j-tej linii biznesowej na skutek i-tego czynnika ryzykaijLGE
Metoda scenariuszowa (SBA)
proaktywne podejście oparte na informacjach pochodzących z
wielu źródeł: wewnętrzne i zewnętrzne informacje o stratach,
dane eksperckie, kluczowe wskaźniki ryzyka, jakość środowiska
kontrolnego
scenariuszem nazywamy potencjalne zdarzenie z zakresu OR
analiza typu co-jeślianaliza typu co jeśli
jakie jest ryzyko, że dany scenariusz się ziści?
jak dotkliwe będzie ziszczenie się danego scenariusza? jak dotkliwe będzie ziszczenie się danego scenariusza?
analizowany zakres scenariuszy powinien objąć wszystkie
czynniki ryzyka instytucjiczynniki ryzyka instytucji
Typy scenariuszy wg Ducot & Lubbena
ukierunkowanie
wyjaśniającewyjaśniające
antycypacyjne
atrakcyjność
opisowe
normatywne
trendtrend
zgodne z trendem
peryferyjne
Cechy scenariusza
hipotetyczny > opisuje jakiś potencjalny rozwój
wydarzeńy
selektywny > reprezentuje jeden możliwy przyszły stan
natury dla skomplikowanej sieci stanównatury dla skomplikowanej sieci stanów
ograniczony > składa się ze skończonej liczby stanów,
d ń d i ł ń i i h k k jizdarzeń, działań i ich konsekwencji
powiązany > jego elementy są ze sobą powiązane
warunkowo lub przyczynowo-skutkowo
poddający się ocenie > można go ocenić pod względem
prawdopodobieństwa zaistnienia
Cechy scenariusza
spójnośćspójność
każda jednostka organizacyjna powinna poddać analizie
k żd kl ikażdą klasę scenariuszy
wykorzystanie warsztatów, jak i weryfikacji audytorskiej
adekwatność
wszystkie jednostki, których dotyczy scenariusz oceniają
jego stosowność
uwzględnienie wszystkich ryzykg ę y y y
wykorzystanie różnych technik generowania scenariuszy
wykorzystanie wiedzy zgromadzonej na różnych poziomach wykorzystanie wiedzy zgromadzonej na różnych poziomach
organizacji
Etapy SBA
bi kt dane zewnętrzne subiektywne oceny ekspertów
dane wewnętrzne
identyfikacja zdarzeń
czynniki wewnętrzneczynniki zewnętrzneczynniki wewnętrzne
wpływ innych zdarzeń
możliwe skutki 1 możliwe skutki 2 możliwe skutki 3 możliwe skutki …
p-stwo skala p-stwo skala p-stwo skala p-stwo skala
symulacje
Źródło: Opracowanie własneŹródło: Opracowanie własne.
kł dSBA - przykład
Prawdo-Scenariusz Obszar A Obszar B Łączna strata Prawdo-podobieństwo Statystyki
1 200 100 300 20%
2 200 50 250 18%
3 200 20 220 16%
4 100 100 200 13%
5 100 50 150 11%
6 100 20 120 9%
7 50 100 150 7%
8 50 50 100 4%
9 50 20 70 2%9 50 20 70 2%
Wartość oczekiwana 208,7
Odchylenie Odchylenie standardowe 65,3
kł dSBA - przykład
Źródło: Opracowanie własne w programie AgenaRiskŹródło: Opracowanie własne w programie AgenaRisk
Zalety SBA
metoda ukierunkowana na przyszłośćmetoda ukierunkowana na przyszłośćbierze pod uwagę dane wewnętrzne i zewnętrzne o stratach, KRI, a także near-misses
l l d i i fiki i jipozwala na uwzględnienie specyfiki organizacjipozwala na natychmiastowe uwzględnienie zmian w organizacjireaguje na zmiany otoczeniareaguje na zmiany otoczeniakoncentruje uwagę na kluczowych ekspozycjachpowiązanie wymogu kapitałowego z profilem ryzyka organizacjibezpośrednie powiązanie z metodami zarządzaniawspiera kulturę ryzykageneruje pozytywne bodźce dla menedżerówgeneruje pozytywne bodźce dla menedżerówsilny związek ryzyka i mechanizmów kontrolnychpozwala na uchwycenie skutków kontroli w układzie kosztów-korzyścimetoda względnie przejrzysta
Wady SBA
bi kt isubiektywizm
systematyczne obciążenia ludzkich subiektywnych prób oceny systematyczne obciążenia ludzkich subiektywnych prób oceny
prawdopodobieństwa
brak wystarczającej wiedzy o zdarzeniach LFHS by
wygenerować wiarygodne scenariuszeyg yg
scenariusz to tylko „łata ad-hoc” dla metody LDA (Peccia)
uwzględnienie danych jakościowych nie daje spójnych
i i od h o o ńi wiarygodnych oszacowań
Metoda scenariuszowa a inne metodySBA a LDA
korzystają z modelu statystycznego
biorą pod uwagę to że same dane historyczne mogą niewiele biorą pod uwagę to, że same dane historyczne mogą niewiele
mówić o przyszłości
k j i d i j i dkorzystają ze scenariuszy tam, gdzie jest ograniczony dostęp
do danych
SBA a SCA
wykorzystują scenariusze oceniane w ramach
kwestionariusza samooceny
są wrażliwe na zmiany profilu ryzyka organizacji
wykorzystują dane eksperckie
Metoda czynników ryzyka i kontroli (SCA)
t k ki któ j d ś i i i k ji system ekspercki, który jednocześnie ocenia poziom ekspozycji
banku na określone czynniki ryzyka, jak i zakres oraz jakość
wewnętrznego środowiska kontrolnego jego procesów wewnętrznego środowiska kontrolnego, jego procesów
operacyjnych i mechanizmów kontroli ryzyka
łó l t j t k ti i ż ńgłównym elementem jest kwestionariusz oceny zagrożeń
koncentracja na potencjalnych zagrożeniach
b ś d i ł i k j d ibezpośrednio łączy pomiar ryzyka operacyjnego z procesem zarządzania
umożliwia identyfikację i zrozumienie głównych czynników ryzyka
l t i t h dl i i kpowala na stworzenie wytycznych dla procesu ograniczania ryzyka
dostarcza jednoznacznych zachęt skłaniających instytucje finansowe
do ponoszenia kosztów związanych z ograniczaniem ryzykado ponoszenia kosztów związanych z ograniczaniem ryzyka
Proces samooszacowania ryzyka
określ docelową jakość procesu zdefiniuj zagrożenia
powtórnie prześledź cele, oceń system
przygotuj system kontroli
ykontroli i transferu ryzyka:
przygotuj plan
oceń sposoby ograniczenia i
przygotuj plan działania
k
ograniczenia i transferu ryzyka
nie
i tak oszacuj ryzyko rezydualneakceptowalne?optymalne?
nie
takmonitoruj i systematycznie oceniaj
Przykład kwestionariusza
KWESTIONARIUSZ OCENY ZAGROŻEŃKWESTIONARIUSZ OCENY ZAGROŻEŃ
Departament:Podpis osoby odpowiedzialnej:
Data przygotowania:Data weryfikacji:
d f k k k l k l Ryzyko Lp
Identyfikacja ryzyka Pomiar ryzyka Kontrola Testy systemu kontroli Ryzyko rezydualne 20
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
KRDs KRIs KCDs1. produkt / linia biznesowa2. proces biznesowy3. opis ryzyka4
10. opis stosowanych sposobów kontroli11. osoba/departament odpowiedzialny12. ocena jakości i skuteczności systemu kontroli
4. kategoria zdarzeń operacyjnych5. prawdopodobieństwo wystąpienia ryzyka
(wysokie/niskie; w skali od 1 do 5, itp.)6. szacowana wielkość straty w przypadku
j y13. częstotliwość testowania kontroli14. metodologia testu15. wielkość próby16 osoba testująca6. szacowana wielkość straty w przypadku
zaistnienia zdarzenia (wysokie/niskie; w skali od 1 do 5, itp.)
7. czy znajduje odzwierciedlenie w sprawozdaniach finansowych – tak/nie
16. osoba testująca17. streszczenie wyników testu18. ryzyko rezydualne19. potencjalne inne sposoby ograniczania ryzyka20finansowych tak/nie
8. czy kluczowy czynnik ryzyka (KRI) – tak/nie9. apetyt na ryzyko – akceptowalny poziom ryzyka
20. uwagi
Procedura symulacyjna SCA
l j k d t k t li l li symulacja ryzyk oraz wad systemu kontroli w celu analizy wynikowego rozkładu
j i l j k li i j śli i d i najpierw symulacja kontroli i jeśli ta zawiedzie –symulacja ryzyka
najpierw symulacja ryzyka, a potem symulacja kontroli
jednoczesna symulacja kontroli i ryzyka
uwaga na korelację!
Sobehart (2006) pokazał, że wadliwy system kontroli ( ) p , y yprowadzi do „grubych ogonów” a dla skutecznie działającego systemu kontroli model prowadzi do normalnego rozkładu strat
Metodologia ScoreCard Working Group (2003)
wyznaczenie początkowej wielkości kapitału wymaganego na pokrycie wyznaczenie początkowej wielkości kapitału wymaganego na pokrycie
OR, np. przez ustalenie proporcji wymogu w stosunku do całości
kapitału do innych rodzajów ryzyka, przez odniesienie do średnich kapitału do innych rodzajów ryzyka, przez odniesienie do średnich
wartości wymogu w instytucjach o podobnym profilu, czy
wykorzystanie podejścia standardowego określonego w NUK
podział kapitału między poszczególne rodzaje ryzyka z wykorzystaniem
informacji o stratach historycznych oraz wyników badania
kwestionariuszowego
dystrybucje kapitału do poszczególnych jednostek organizacyjnych
realokacja kapitału w następstwie zmiany czynników ryzyka i kontroli
wymóg dla całości organizacji wyznaczany przez zsumowanie kapitału y g g j y y p p
dla poszczególnych linii biznesowych
Metodologia ScoreCard Working Group (2003)
początkowa Departament A
ryzyko kredytowe
p ąwielkość kapitału
Departament B
ryzyko operacyjne
ryzyko rynkoweinne ryzyka ocena czynników
ś
Departament C
analiza statystyczna
ryzyka i wielkości skalujących
alokacja kapitału
Źródło: Oprac na podst Scorecard Working Group Risk Drivers
(top-down)
Źródło: Oprac. na podst. Scorecard Working Group, Risk Drivers and Controls Approaches: Linking Operational Risk Measurement and Management, 2003
Metodologia ScoreCard Working Group (2003)
Przykład (wyznaczenie początkowej wartości kapitału):
Założenie 1: kapitał na poziomie banku oszacowano na 2 mld PLN
Założenie 2: Przyjęto, że ryzyko nadużyć wewnętrznych stanowi 10%
całkowitego kapitału (200 mln PLN)
Założenie 3: Założono, że czynnik skalujący odpowiadający skali ryzyka
w danym obszarze to liczba pracowników pełnoetatowych i ma wagę
10% d i d k i 20 l PLN10%, co odpowiada kwocie 20 mln PLN
Założenie 4 (wyniki badania kwestionariuszowego):
j d tk A 1 5 ik k l j 1000jednostka A: ocena 1,5, czynnik skalujący 1000
jednostka B: ocena 2,0, czynnik skalujący 500
j d tk C 1 0 ik k l j 5000jednostka C: ocena 1,0, czynnik skalujący 5000
Metodologia ScoreCard Working Group (2003)
Obliczenia:
Skorygowana ocena ryzyka = ocena * czynnik skalujący
Suma skorygowanych ocen = 1,5*1000+2,0*500+1,0*5000 =
=1500+1000+5000=7500
Kapitał przypisany skorygowanej jednostce ryzyka R = 20 mln /
7500 = 2667
K it ł i t j k t ii k d j j d t Kapitał przypisany tej kategorii ryzyka w danej jednostce =
= (Skorygowana ocena ryzyka w danej jednostce) * R
Kapitał A = 1 5 * 1000 * 2667 = 4 00 mlnKapitał A = 1,5 * 1000 * 2667 = 4,00 mln
Kapitał B = 2,0 * 500 * 2667 = 2,67 mln
Kapitał C = 1 0 * 5000 * 2667 = 13 33 mlnKapitał C = 1,0 * 5000 * 2667 = 13,33 mln
20,00 mln
Metodologia ScoreCard Working Group (2003)
całkowita wielkość
Departament A
ryzyko kredytowe
wielkość kapitału
Departament B
ryzyko operacyjne
Departament C
ryzyko rynkoweinne ryzyka
agregacja w zakresie
poszczególnych
ocena czynników ryzyka i wielkości
skalujących
Departament C
poszczególnych kategorii ryzyka
ją y
alokacja kapitału
dla każdej
Źródło: Oprac na podst Scorecard Working Group Risk Drivers
dla każdej jednostki
Źródło: Oprac. na podst. Scorecard Working Group, Risk Drivers and Controls Approaches: Linking Operational Risk Measurement and Management, 2003
Metodologia ScoreCard Working Group (2003)
Przykład (realokacja kapitału):
Założenie 1: utrzymujemy na tym samym poziomie wielkość kapitału
przypisanego skorygowanej jednostce ryzyka R
Założenie 2 (wyniki badania kwestionariuszowego):
jednostka A: ocena 1,25, czynnik skalujący 1000
jednostka B: ocena 2,0, czynnik skalujący 500
jednostka C: ocena 0,8, czynnik skalujący 5500
Obliczenia:
Kapitał A = 1,25 * 1000 * 2667 = 3,33 mln
Kapitał B = 2,0 * 500 * 2667 = 2,67 mln
Kapitał C = 0,8 * 5500 * 2667 = 13,33 mln
Zalety SCA
t d l tmetoda elastyczna
ukierunkowana na przyszłośćukierunkowana na przyszłość
koncentruje się na wewnętrznych czynnikach ryzykakoncentruje się na wewnętrznych czynnikach ryzyka
przyczynia się do zwiększenia wiedzy i umiejętności kadryprzyczynia się do zwiększenia wiedzy i umiejętności kadry
pozwala na określenie ryzyka nettop y y
umożliwia analizę własnych zasobów pod kątem wyznaczenia
najbardziej korzystnych strategii
Wady SCA
óbrak wypracowanych standardów dotyczących KRIs
subiektywizmsubiektywizm
często sprowadza się do wyznaczenia miary ilościowej z
danych o charakterze czysto jakościowym
poddaje się w wątpliwość wiarygodność uzyskiwanych
wyników
utrudnione porównania w czasie
utrudnione porównania z innymi podmiotami
Techniki AMA – substytucyjne czy komplementarne?
tylko LDA cechuje się odpowiednim poziomem obiektywizmu i tylko LDA cechuje się odpowiednim poziomem obiektywizmu i
zaawansowania by móc je nazywać AMA (Alexander, Peccia)
LDA j t łó d jś i AMA t ł t h iki ł ż j d i LDA jest głównym podejściem AMA, pozostałe techniki służą jedynie
uzupełnieniu ograniczonych historycznych danych (Haubenstock,
Hardin)Hardin)
LDA, SBA i SCA są niezależnymi, alternatywnymi technikami, z których
k żd ż b ć dd i l i k t d i k it ł każda może być oddzielnie wykorzystywana do szacowania kapitału
regulacyjnego (Fujii, Kuhn, Neu, Adreas, van der Brink, Reynolds,
Syer Kaiser Kohne)Syer, Kaiser, Kohne)
wszystkie techniki powinny być traktowane jako komplementarne
i łącznie służyć wyznaczaniu wymogu kapitąłowego (Alderweield i łącznie służyć wyznaczaniu wymogu kapitąłowego (Alderweield,
Kalyvas, Nash, Rao, Dev)
LDA & SBA & SCA czyli proces zarządzania OR w UFJ Holdings, Inc.
wewnętrzne dane o dane o
stratach
modelowanie – wyznaczenie
ocenaprzepływysystemy
ocena jakościowa -
samooszacowanie
identyfikacja słabości
generacja scenariuszy dla poszczególnych
yOpVaR
...samooszacowanie
działania kt
ryzyka
k śl i działania kontrolne i
zmniejszające ryzyko
aktywne zarządzanie
ryzykiem
określenie wymogu
kapitałowego
Źródło: Kenji Fujii Combining Internal Loss DataŹródło: Kenji Fujii, Combining Internal Loss Data,Scorecards and Scenario Analysis, 2003
Zalety AMA
d k j l b li i i kł ś i d bit ż redukcja lub wyeliminowanie skłonności do arbitrażu
regulacyjnego
elastyczne podejście do innowacji finansowych
i b dź d i i j k ś i ó zapewnia bodźce do poprawiania jakości procesów
zarządzania ryzykiem
redukcja kosztów compliance
zmniejszenie wymogu kapitałowego
możliwość uwzględnienia ubezpieczenia g ę p
w procesie wyznaczania wymogu
Wady AMA
wymaga wielu założeń (Herring, 2002)
OpVaR jest mylącą miarą ryzyka wówczas gdy rozkład
nie jest normalny (Danielsson, 2001)
problemy z interpretacją wyników – OpVaR wskazuje
na rozmiary ryzyka ale nie określa jego źródeł
(Hubner, 2003)
wysokie koszty wdrożenia
„Not every thing that can be counted, counts.
A d t thi th t t b t d ”And not every thing that counts, can be counted.”
/Albert Einstein/
Dziękuję za uwagęDziękuję za uwagę
Dominika Gadowska-Kaczmarczyk
Wydział Nauk Ekonomicznych UW