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


Asset Management LF LF LF LF LF LF HF


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


wykładniczy

( ) xexf ⋅−ββ( ) exf ⋅= ββ0≥x0>β


gamma: Fortis, Dresdner Bank

( ) ( )βα

αβ x

exxf−

−−

Γ= 1

( )αΓ

00≥x

00

>>

βα


f fWeibulla: Banca Intesa, Halifax Bank of Scotland

( )α

βαααβ⎟⎟⎠

⎞⎜⎜⎝

⎛−

−−=x

exxf 1( ) αβ= exxf

00≥x

00

>>

βα


f fGumbela: Banca Intesa, Halifax Bank of Scotland

( )βαβ

α−

+−−

xex

e( )β

=exf

0>∈

βα R


Pareto

( ) βα ββ−−= 1xxf ( )

00>

βα

0>β


Levy’ego

( )( )2 βαβ−

−e

fx

( )( ) 232 απ

β−

=x

xf

0>∈

βα R


Extreme Value Distribution

( )βαβ

α+−

+−+−

xex

e( )β

=exf

0>∈

βα R


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


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 …


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

+=


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


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


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


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


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


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


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

[email protected]

Metody zaawansowane AMA - bsb.pl · PDF fileMetody zaawansowane AMA Konferencja „Ryzyko...

Documents

Transcript of Metody zaawansowane AMA - bsb.pl · PDF fileMetody zaawansowane AMA Konferencja „Ryzyko...