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

mailto:[email protected]

2

Área de Riesgos


Introducción-Basilea II

Procedencia de los análisis y herramientas

Enfoques del Riesgo Operacional

Efecto Umbral

Modelización con EVT

Conclusiones

3

Área de Riesgos





Efecto Umbral


Conclusiones

4

Área de Riesgos


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





Efecto Umbral


Conclusiones

7

Área de Riesgos


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


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





Efecto Umbral


Conclusiones

10

Área de Riesgos


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


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


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


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


14

Área de Riesgos





Efecto Umbral


Conclusiones

15

Área de Riesgos


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


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


Efecto umbral en Efecto umbral en modelizaciónmodelización (FE (FE –– Lognormal)Lognormal)

UM- 100UM-1UM-0

UM- 10KUM-3KUM-1K

18

Área de Riesgos


Efecto umbral en Efecto umbral en modelizaciónmodelización (FI (FI –– Lognormal)Lognormal)

UM- 100UM-1UM-0

UM- 10KUM-3KUM-1K

19

Área de Riesgos


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


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


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


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


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





Efecto Umbral


Conclusiones

25

Área de Riesgos


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


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


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


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


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


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





Efecto Umbral


Conclusiones

32

Área de Riesgos


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


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


Muchas gracias por la atención

Riesgo Operacional: Algunas consideraciones criticas ... · ‣Ejercicio teórico de consistencia...

Documents

Transcript of Riesgo Operacional: Algunas consideraciones criticas ... · ‣Ejercicio teórico de consistencia...