Riesgo Operacional: Algunas consideraciones criticas ... · ‣Ejercicio teórico de consistencia...
-
Upload
truongmien -
Category
Documents
-
view
219 -
download
0
Transcript of Riesgo Operacional: Algunas consideraciones criticas ... · ‣Ejercicio teórico de consistencia...
1
Área de Riesgos
V Jornadas de Riesgo Financieros
Unidad Central Unidad Central de de
Riesgo OperacionalRiesgo Operacional
Riesgo Operacional:Riesgo Operacional:Algunas Algunas
consideraciones consideraciones criticas relativas al criticas relativas al
uso de modelos uso de modelos avanzadosavanzados
Alberto Ferreras Salagre Alberto Ferreras Salagre Unidad Central de Riesgo Operacional Unidad Central de Riesgo Operacional
[email protected]@grupobbva.com
13 13 –– Octubre Octubre -- 20052005
2
Área de Riesgos
V Jornadas de Riesgo Financieros
Introducción-Basilea II
Procedencia de los análisis y herramientas
Enfoques del Riesgo Operacional
Efecto Umbral
Modelización con EVT
Conclusiones
3
Área de Riesgos
V Jornadas de Riesgo Financieros
Introducción-Basilea II
Procedencia de los análisis y herramientas
Enfoques del Riesgo Operacional
Efecto Umbral
Modelización con EVT
Conclusiones
4
Área de Riesgos
V Jornadas de Riesgo Financieros
BASILEA IIBASILEA II
‣ El nuevo acuerdo se publicó a finales de Mayo del 2004 y entrará en vigor en 2007-2008 mediante una circular del Banco de España.
‣ Por primera vez se incluirá una dotación de capital por riesgo operacional
‣ El capital mínimo requerido debería de ser menor cuanto más altosea el nivel del modelo de gestión utilizado, al ser mejor el conocimiento del riesgo por parte de la entidad
‣ A diferencia del Riesgo de Crédito, el Comité de Basilea no ha especificado el método o los supuestos sobre distribuciones de probabilidad utilizados para medir el riesgo operacional a efectos de capital regulatorio
‣ Requisitos calificar en AMA.‣ Generales‣ Cualitativos‣ Cuantitativos
‣ 4 Elementos Básicos del Modelo
1. Datos Internos2. Datos Externos3. Análisis de Escenarios4. Factores de entorno y
control interno
5
Área de Riesgos
V Jornadas de Riesgo FinancierosBASILEA II
Pilar IRequerimientos de Capital
Pilar IISupervisión del Regulador
Pilar IIIDisciplina del Mercado
Riesgo de Mercado Riesgo de Crédito Riesgo Operacional
Metodologías Avanzadas
Scorecards approaches (SCA) Métodos de cuadro de mando
Risk drivers and controls (RDCA) Método de indicadores y controles de riesgo
The escenario-based AMA (sbAMA)Modelos avanzados basados en escenarios
Loss Distribution Approach
Enfoque de distribución de pérdidas
Indicador Básico Enfoque Estándar
6
Área de Riesgos
V Jornadas de Riesgo Financieros
Introducción-Basilea II
Procedencia de los análisis y herramientas
Enfoques del Riesgo Operacional
Efecto Umbral
Modelización con EVT
Conclusiones
7
Área de Riesgos
V Jornadas de Riesgo Financieros
Procedencia de los análisis y herramientas IProcedencia de los análisis y herramientas I
‣ Los resultados presentados en esta ponencia están basados en:
‣ Trabajo interno del BBVA realizados por las unidades de:
‣ Metodología de Riesgo Corporativo‣ Unidad Central del Riesgo Operacional
‣ Proyecto de tesis doctoral: “Riesgo Operacional Enfoque de distribución de pérdidas en la práctica”
‣ Director de Tesis: Santiago Carrillo Menéndez ‣ Doctorando: Alberto Ferreras Salagre
‣ Resultados de trabajos del Risklab-Madrid.
8
Área de Riesgos
V Jornadas de Riesgo Financieros
Procedencia de los análisis y herramientas IIProcedencia de los análisis y herramientas II
‣ Programa utilizado: Versión 3.1.0
‣ Desarrollado por e
‣ Base utilizada. BBVA España 2002-2004 (200.000 eventos)
‣ Por líneas. Banca Minorista‣ Por celdas. Fraude Interno (FI) y Externo (FE).
‣ RESULTADOS BASADOS EN DATOS REESCALADOS
9
Área de Riesgos
V Jornadas de Riesgo Financieros
Introducción-Basilea II
Procedencia de los análisis y herramientas
Enfoques del Riesgo Operacional
Efecto Umbral
Modelización con EVT
Conclusiones
10
Área de Riesgos
V Jornadas de Riesgo Financieros
Enfoques de RO: Enfoque Normativo IEnfoques de RO: Enfoque Normativo I
‣ Objetivo primordial de este enfoque.
Obtención de una medida de Capital
‣ Hipótesis implícitas de este enfoque.Para obtener una estimación consistente de capital por riego
operacional, era suficiente con disponer de los eventos de importes significativos.
Primacía de la teoría de valores extremos en el cálculo de la distribución de severidad
Para el cálculo de Capital por Riesgo Operacional, la única parte importante de la distribución es la cola.
11
Área de Riesgos
V Jornadas de Riesgo Financieros
Enfoques de RO: Enfoque Normativo IIEnfoques de RO: Enfoque Normativo II
‣ Implicaciones en la base de datos.
‣ Bases de datos con pocas observaciones y altos umbrales de recogidas y modelización (10.000 –1.000.000 Euros).
‣ Definiciones de umbrales:
‣ El umbral de recogida, hace referencia al importe mínimo del evento operacional a partir del cual la entidad empieza a recoger sus datos.
‣ El umbral de modelización, es el umbral que utilizará la entidad para modelizar sus datos. Lógicamente, ha de ser igual o superior al de recogida.
12
Área de Riesgos
V Jornadas de Riesgo Financieros
Enfoques de RO: Enfoque de GestiónEnfoques de RO: Enfoque de Gestión
‣ Objetivo primordial de este enfoque.La gestión del Riesgo Operacional
‣ Hipótesis implícitas de este enfoque.Para gestionar hay que conocer
‣ Implicación práctica de este enfoque.¿Es el umbral de recogida de 10.000 euros
un umbral adecuado?
‣ Implicaciones en la base de datos.‣ Bases de datos mucho mas pobladas, al contar con
umbrales de recogida mucho mas bajo.
13
Área de Riesgos
V Jornadas de Riesgo Financieros
Objetivos de la ponenciaObjetivos de la ponencia
Presentar un algunos de elementos que hemos identificados como críticos en el cálculo de Capital
Operacional en un enfoque de Gestión
Analizar si esos elementos pueden llegar a ser críticos también en un enfoque Normativo
Efecto Umbral
Modelización con EVT
14
Área de Riesgos
V Jornadas de Riesgo Financieros
Introducción-Basilea II
Procedencia de los análisis y herramientas
Enfoques del Riesgo Operacional
Efecto Umbral
Modelización con EVT
Conclusiones
15
Área de Riesgos
V Jornadas de Riesgo Financieros
Efecto umbral en GestiónEfecto umbral en Gestión
Nuestra entidadEntidad Media
BA
SE D
E D
ATO
S
50%
50%
Importe
€ 10.000 < 1%
€ 10.000 > 99%
Frecuencia
40%
60%
Importe
0,4% > € 10.000
99,6% < € 10.000
Frecuencia
Con un umbral de recogida de 10.000 €, nuestra entidad habría tenido que renunciar al un 40% de la información de
importe para su gestión.
16
Área de Riesgos
V Jornadas de Riesgo Financieros
Efecto umbral en Efecto umbral en modelizaciónmodelización (FE (FE –– Lognormal)Lognormal)
Umbral de modelización - 0 Euros Umbral de modelización - 10.000 Euros
Con un umbral de modelización demasiado elevado, se puede llegar perder tanta información que el ajuste puede
no reflejar la realidad de la entidad.
17
Área de Riesgos
V Jornadas de Riesgo Financieros
Efecto umbral en Efecto umbral en modelizaciónmodelización (FE (FE –– Lognormal)Lognormal)
UM- 100UM-1UM-0
UM- 10KUM-3KUM-1K
18
Área de Riesgos
V Jornadas de Riesgo Financieros
Efecto umbral en Efecto umbral en modelizaciónmodelización (FI (FI –– Lognormal)Lognormal)
UM- 100UM-1UM-0
UM- 10KUM-3KUM-1K
19
Área de Riesgos
V Jornadas de Riesgo Financieros
Efecto umbral en Efecto umbral en modelizaciónmodelización (FI (FI –– Lognormal)Lognormal)
Umbral de modelización - 0 Euros Umbral de modelización - 10.000 Euros
El capital es sensible a umbral de modelización. Diferencia del 35%
20
Área de Riesgos
V Jornadas de Riesgo Financieros
Efecto umbral en Efecto umbral en modelizaciónmodelización (FI y FE (FI y FE -- Pareto)Pareto)
FE: Umbral de modelización 10.000 Euros FI: Umbral de modelización 10.000 Euros
Los comportamientos antes indicados se repiten para todas la familias de distribuciones analizadas.
21
Área de Riesgos
V Jornadas de Riesgo Financieros
Efecto umbral en Efecto umbral en modelizaciónmodelización (Consistencia de los ajustes)(Consistencia de los ajustes)
‣ Ejercicio teórico de consistencia de los análisis con umbrales elevados. (Distribución original Lognormal, número de observaciones simuladas 40.000).
Umbral Sigma 6.000 Euros 10.000 Euros
0.75 Pareto Pareto1.00 Weibull Weibull1.25 Pareto Pareto1.50 Lognormal GEV1.75 Lognormal Lognormal2.00 Weibull Lognormal2.25 Lognormal Pareto2.50 Lognormal Lognormal
Fuente: RisklabMadrid
22
Área de Riesgos
V Jornadas de Riesgo Financieros
Efecto umbral Conclusiones IEfecto umbral Conclusiones I
El umbral de modelización es un elemento crítico en la gestión y modelización del Riesgo Operacional
Entendemos que el umbral de recogida ha de ser lo mas bajo posible para mejorar
La gestión
La modelización
23
Área de Riesgos
V Jornadas de Riesgo Financieros
Efecto umbral Conclusiones IIEfecto umbral Conclusiones II
El efecto umbral puede influir en el capital a través de
La distribución de severidad teórica ajustada
La distribución de frecuencia teórica re-ajustada
La estimación de la pérdida esperada
UM-1K – FE LogN
f(x)
u x
A B
)()( uFuXPA =≤=
)(1)( uFuXPB −=>=
0
)(1)()ˆ(uF
PP−
=θθ
24
Área de Riesgos
V Jornadas de Riesgo Financieros
Introducción-Basilea II
Procedencia de los análisis y herramientas
Enfoques del Riesgo Operacional
Efecto Umbral
Modelización con EVT
Conclusiones
25
Área de Riesgos
V Jornadas de Riesgo Financieros
ModelizaciónModelización con EVT: con EVT: Racionalidad eco. de los resultadosRacionalidad eco. de los resultados
Comparativa de capitales obtenidos con distribuciones Lognormales y Paretos.
6.000 10.000 Parámetro de escala
FI 13.337 % 8.519 %
140 %
ξ >1
FE 222 % ξ <1
UmbralClase
La estimación de capital para la celda de FI, es varias veces superior a los beneficios obtenidos en año 2004
por todo el sector financiero español.
26
Área de Riesgos
V Jornadas de Riesgo Financieros
ModelizaciónModelización con EVT: con EVT: Estabilidad de los capitales IEstabilidad de los capitales I
Ejercicio Teoríco: Estabilidad del Capital con Pareto
-80,00%-60,00%-40,00%-20,00%
0,00%20,00%
100 150 200 250 300 350 400 450 500 550 600 650 700
Número de Observaciones
Varia
ción
del
C
apita
l
0,1 0,2 0,3 0,4Fuente: RisklabMadrid
27
Área de Riesgos
V Jornadas de Riesgo Financieros
ModelizaciónModelización con EVT: con EVT: Estabilidad de los capitales IIEstabilidad de los capitales II
Evolución temporal del parametro ξUmbral 10.000 Euros
00,20,40,60,8
11,21,41,6
4tri.
5tri.
6tri.
7tri.
8tri.
9tri.
10tri
.11
tri.
12tri
.Para
met
ro d
e es
cala
ξ
de u
na P
aret
o
FI FE
28
Área de Riesgos
V Jornadas de Riesgo Financieros
ModelizaciónModelización con EVT: con EVT: Estabilidad de los capitales IIIEstabilidad de los capitales III
Comparativa del incremento de capital al incorporar un evento ficticio dos veces mas grande que el evento mas grande de la celda.
Umbral 6.000 10.000Distribución LOG PARETO LOG
128% 71%59%43%
PARETOFI 67% 139%FE 47% 69%
La utilización teoría de valores extremo puede dar lugar a incrementos de capital de tres dígitos.
29
Área de Riesgos
V Jornadas de Riesgo Financieros
ModelizaciónModelización con EVT: con EVT: Resultados estudios publicadosResultados estudios publicados
Conclusiones del artículo:“Tests of Extreme Value Theory applied to
Operational Risk data” por Giulio Mignola and Roberto Ugoccioni
Sobre estimación de capital
Incertidumbre de los resultados
Precaución en la aplicación de teoría de valores extremos
30
Área de Riesgos
V Jornadas de Riesgo Financieros
ModelizaciónModelización con EVT: Conclusionescon EVT: Conclusiones
La distribución utilizada para modelizar la severidadun elemento crítico en la modelización del Riesgo
Operacional
La modelización utilizando teoría de valores extremos: Puede generar ajustes estadísticamente consistentes
Pero dichos ajustes pueden generar estimaciones de capital carentes de sentido económico y muy inestables
El capital es una medida económica no estadística
31
Área de Riesgos
V Jornadas de Riesgo Financieros
Introducción-Basilea II
Procedencia de los análisis y herramientas
Enfoques del Riesgo Operacional
Efecto Umbral
Modelización con EVT
Conclusiones
32
Área de Riesgos
V Jornadas de Riesgo Financieros
ConclusionesConclusiones
‣ Se han identificado dos elementos críticos en la modelización del Riesgo Operacional.
El umbral de modelización y por extensión el de recogida
La distribución utilizada en lamodelización de la severidad
‣ Otros elementos a tener en cuenta.La modelización de la frecuencia
Nivel al que se realizan los ajustes. Insuficiencia de observaciones para
obtener estimaciones consistentes a nivel celda
33
Área de Riesgos
V Jornadas de Riesgo Financieros
Conclusiones IIConclusiones II
Con un umbral de modelización demasiado elevado, se puede llegar perder tanta información que el ajuste puede no reflejar la realidad de la entidad.
La modelización utilizando teoría de valores extremos: Puede generar ajustes estadísticamente consistentes
Pero dichos ajustes pueden generar estimacionesde capital carentes de sentido económico y muy inestables
Para la obtención de una medida consistentey realista del Capital por Riesgo Operacional,
la cola NOes la única parte importante de la distribución.
34
Área de Riesgos
V Jornadas de Riesgo Financieros
Muchas gracias por la atención