Unidad Central de Riesgo Operacional 1 Riesgo Operacional: Algunas consideraciones criticas relativas al uso de modelos avanzados Alberto Ferreras Salagre Unidad Central de Riesgo Operacional BBVA Alberto.Ferreras@grupobbva.com 13 Octubre - 2005
2 Introducción-Basilea II Procedencia de los análisis y herramientas Enfoques del Riesgo Operacional Efecto Umbral Modelización con EVT Conclusiones
3 Introducción-Basilea II Procedencia de los análisis y herramientas Enfoques del Riesgo Operacional Efecto Umbral Modelización con EVT Conclusiones
BASILEA II 4 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 alto sea 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 Internos 2. Datos Externos 3. Análisis de Escenarios 4. Factores de entorno y control interno
5 BASILEA II Pilar I Requerimientos de Capital Pilar II Supervisión del Regulador Pilar III Disciplina del Mercado Riesgo de Mercado Riesgo de Crédito Riesgo Operacional Indicador Básico Enfoque Estándar Metodologías Avanzadas Scorecards approaches (SCA) Métodos de cuadro de mando Risk drivers and controls (RDCA) Método de indicadores y controles de riesgo Loss Distribution Approach Enfoque de distribución de pérdidas The escenario-based AMA (sbama) Modelos avanzados basados en escenarios
6 Introducción-Basilea II Procedencia de los análisis y herramientas Enfoques del Riesgo Operacional Efecto Umbral Modelización con EVT Conclusiones
Procedencia de los análisis y herramientas I 7 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.
Procedencia de los análisis y herramientas II 8 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 Introducción-Basilea II Procedencia de los análisis y herramientas Enfoques del Riesgo Operacional Efecto Umbral Modelización con EVT Conclusiones
Enfoques de RO: Enfoque Normativo I Objetivo primordial de este enfoque. Obtención de una medida de Capital Hipótesis implícitas de este enfoque. 10 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.
Enfoques de RO: Enfoque Normativo II 11 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.
Enfoques 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. 12 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.
Objetivos de la ponencia 13 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 Introducción-Basilea II Procedencia de los análisis y herramientas Enfoques del Riesgo Operacional Efecto Umbral Modelización con EVT Conclusiones
Efecto umbral en Gestión 15 Entidad Media Importe Frecuencia Nuestra entidad Frecuencia Importe 50% 10.000 < 1% 0,4% > 10.000 60% 50% 10.000 > 99% BASE DE DATOS 99,6% < 10.000 40% 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.
Efecto umbral en modelización (FE Lognormal) 16 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.
Efecto umbral en modelización (FE Lognormal) 17 UM-0 UM-1 UM- 100 UM-1K UM-3K UM- 10K
Efecto umbral en modelización (FI Lognormal) 18 UM-0 UM-1 UM- 100 UM-1K UM-3K UM- 10K
Efecto umbral en modelización (FI Lognormal) 19 Umbral de modelización - 0 Euros Umbral de modelización - 10.000 Euros El capital es sensible a umbral de modelización. Diferencia del 35%
Efecto umbral en modelización (FI y FE - Pareto) 20 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.
Efecto umbral en modelización modelización (Consistencia de los ajustes) 21 Ejercicio teórico de consistencia de los análisis con umbrales elevados. (Distribución original Lognormal, número de observaciones simuladas 40.000). Sigma Umbral 6.000 Euros 10.000 Euros 0.75 Pareto Pareto 1.00 Weibull Weibull 1.25 Pareto Pareto 1.50 Lognormal GEV 1.75 Lognormal Lognormal 2.00 Weibull Lognormal 2.25 Lognormal Pareto 2.50 Lognormal Lognormal Fuente: RisklabMadrid
Efecto umbral Conclusiones I 22 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
Efecto umbral Conclusiones II 23 El efecto umbral puede influir en el capital a través de La distribución de severidad teórica ajustada La distribución de frecuencia teórica re-ajustada f(x) A B A = P( X u) = F( u) B = P( X > u) = 1 F( u) P( ˆ) θ = P( θ ) 1 F( u) UM-1K FE LogN 0 u x La estimación de la pérdida esperada
24 Introducción-Basilea II Procedencia de los análisis y herramientas Enfoques del Riesgo Operacional Efecto Umbral Modelización con EVT Conclusiones
Modelización con EVT: 25 con EVT: Racionalidad eco. de los resultados Comparativa de capitales obtenidos con distribuciones Lognormales y Paretos. Umbral Clase 6.000 10.000 FI 13.337 % 8.519 % Parámetro de escala ξ >1 FE 222 % 140 % ξ <1 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.
Modelización con EVT: Estabilidad de los capitales I Ejercicio Teoríco: Estabilidad del Capital con Pareto 26 Variación del Capital 20,00% 0,00% -20,00% -40,00% -60,00% -80,00% 100 150 200 250 300 350 400 450 500 550 600 650 700 Número de Observaciones Fuente: RisklabMadrid 0,1 0,2 0,3 0,4
Parametro de escala ξ de una Pareto Modelización con EVT: Estabilidad de los capitales II 27 Evolución temporal del parametro ξ Umbral 10.000 Euros 1,6 1,4 1,2 1 0,8 0,6 0,4 0,2 0 4tri. 5tri. 6tri. 7tri. 8tri. 9tri. 10tri. 11tri. 12tri. FI FE
Modelización con EVT: Estabilidad de los capitales III 28 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 10.000 Distribución LOG PARETO LOG PARETO FI 67% 128% 71% 139% FE 47% 43% 59% 69% La utilización teoría de valores extremo puede dar lugar a incrementos de capital de tres dígitos.
Modelización con EVT: Resultados estudios publicados 29 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
Modelización con EVT: Conclusiones 30 La distribución utilizada para modelizar la severidad un 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 Introducción-Basilea II Procedencia de los análisis y herramientas Enfoques del Riesgo Operacional Efecto Umbral Modelización con EVT Conclusiones
Conclusiones 32 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 la modelización 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
Conclusiones II 33 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 estimaciones de capital carentes de sentido económico y muy inestables Para la obtención de una medida consistente y realista del Capital por Riesgo Operacional, la cola NO es la única parte importante de la distribución.
34 Muchas gracias por la atención