Hero SASCOM Background 3q2014

Zarządzanie ryzykiem modeli - 4 w 1: przydatne, konieczne, wymagane - a wkrótce obligatoryjne (Rekomendacja W)

Łukasz Libuda, Senior Business Solutions Manager, SAS Institute

Pojawiają się opinie, że jedną z głównych przyczyn kryzysu finansowego ostatnich lat były niewłaściwie budowane i wykorzystywane modele analityczne w zakresie szacowania parametrów ryzyka. Nowe regulacje na rynku USA w tym „The Dodd-Frank Act” oraz „The Comprehensive Capital Analysis and Review (CCAR)” już nie tylko rekomendują wprowadzenie w życie, ale wręcz wymuszają zastosowanie odpowiedniego podejścia do zarządzania modelami analitycznymi, które wspierają zarządzanie ryzykiem. Rozpowszechnienie się modeli, jak również ich coraz szersze zastosowanie, powoduje konieczność dogłębnego zrozumienia celu ich stworzenia, wykorzystania w odpowiedni sposób oraz cyklicznego monitorowania ich jakości. Nieodzownym elementem jest również ograniczanie ewentualnego ryzyka z nimi związanego, którego materializacja wpływa na podejmowanie decyzji biznesowych, a tym samym na efektywność prowadzenia biznesu. Ponadto wymogi związane z niezależnością w zakresie budowy, przeglądu i walidacji modeli wymuszają wykorzystanie rozwiązań informatycznych do wsparcia całego procesu ich życia: od przygotowania, poprzez ich cykliczną walidację i monitorowanie, aż do wycofania ze środowiska produkcyjnego.

Modele analityczne leżą u podstaw najważniejszych decyzji biznesowych w zakresie zarządzania w każdym przedsiębiorstwie, zwłaszcza w nowoczesnych bankach i instytucjach finansowych. Mają kluczowe znaczenie w procesie podejmowania decyzji zarówno w zakresie wypełnienia norm regulacyjnych, jak również regulacji wewnętrznych:

  • modele wspierające proces szacowana kapitału w Banku zgodnie z podejściem zaawansowanym IRB - Internal Rating Based approach, w tym modele szacowania wskaźników zgodnie z wymaganiami bazylejskimi:
    • PD - Probalility of Default
    • GD - Loss Given Default
    • CCF – Credit Conversion Factor
  • modele AMA (Advanced Measurement Approach) stosowane na potrzeby metody zaawansowanej wyliczania kapitału na pokrycie ryzyka operacyjnego,
  • modele scoringowe (na potrzeby ryzyka kredytowego),
  • modele antyfraudowe,
  • modele ratingowe,
  • modele windykacyjne,
  • modele na potrzeby kampanii marketingowych, cross-sell, up-sell.

Co więcej, dzięki nowoczesnej technologii High-Performance, czas przygotowania i wdrożenia modeli skrócił się do minimum, a instytucje wykorzystują coraz więcej modeli, również do szacowania parametrów w czasie rzeczywistym. Choć są niewidoczne, to niejednokrotnie my jako klienci banków mamy z nimi do czynienia, na przykład podczas wizyty przy bankomacie lub na internetowym portalu bankowym, gdzie otrzymujemy przeznaczoną specjalnie dla nas, dedykowaną ofertę nowego produktu bankowego dopasowanego do naszych potrzeb lub możliwość uzyskania większego limitu kredytowego. Wszystkie te procesy opierają się na scoringu wykonanym w milisekundach na bazie modeli analitycznych.

Do tej pory wyłącznie najważniejsze modele analityczne były skrupulatnie opisywane, dokumentowane, cyklicznie walidowane i monitorowane na bieżąco. Informacje o pozostałych modelach, ich założeniach, właścicielach, itp. pozostawały zazwyczaj wyłącznie w pamięci ich twórców, a z uwagi na dynamikę dzisiejszego otoczenia biznesowego, były szybko zapominane. Dziś należy to zmienić – kompleksowa dokumentacja modeli analitycznych wraz z pełnym wsparciem dla analizy informacji dotyczących cyklu ich życia powinna być dostępna ad-hoc dla każdego z wykorzystywanych w instytucji modeli, dla wszystkich obszarów biznesowych ich wykorzystujących oraz dla wszystkich zainteresowanych podmiotów (w ramach organizacji, jak również dla audytorów zewnętrznych).

Regulatorzy wkraczają do akcji

Okres po kryzysie finansowym cechuje się wzmożoną czujnością i aktywnością instytucji regulacyjnych. Pojawiające się nowe zalecenia i regulacje mają jeden konkretny cel – w maksymalny sposób zapobiegać przyszłym kryzysom i ich dotkliwym skutkom. Już w ubiegłym roku rynek finansowy w Polsce usłyszał o projekcie „Rekomendacji W” dotyczącym dobrych praktyk w zakresie zarządzania ryzykiem modeli w bankach.

Cytat z Komunikatu z 209. posiedzenia Komisji Nadzoru Finansowego w dniu 18 marca 2014 r.1 wyraźnie pokazuje, że temat staje się kluczowy i zostanie objęty szczególnym zainteresowaniem KNF: „Modele są coraz powszechniej wykorzystywane w działalności bankowej, w tym w zarządzaniu ryzykiem. Oszacowania modeli mają istotny wpływ na m.in. prezentowaną przez banki jakość aktywów oraz wyniki finansowe. Jednocześnie ustalenia inspekcji UKNF w zakresie oceny modeli wykorzystywanych w bankach na potrzeby zarządzania ryzykiem wskazują na umiarkowany stopień powszechności zdefiniowania standardów zarządzania ryzykiem na poziomie instytucji, bądź występowanie wielu, nierzadko niespójnych ze sobą standardów tworzonych przez poszczególne jednostki organizacyjne. Niejednolitość standardów wynika też ze stosowania przez wiele banków krajowych modeli rozwijanych i wprowadzanych na poziomie podmiotów dominujących. (…) Jasne zdefiniowanie oczekiwań nadzorczych w zakresie zarządzania ryzykiem modeli, z uwzględnieniem modeli zewnętrznych, będzie impulsem do rzetelnego i kompleksowego podejścia sektora bankowego do tego zagadnienia.”

Ryzyko modeli: „stary” czy „nowy” problem?

Wykorzystanie modeli analitycznych do zarządzania firmą już wielokrotnie pokazało swoje dwoiste oblicze. Doskonale pamiętamy przypadek upadku funduszu LTCM (Long-Term Capital Management), którego modele ilościowe w zakresie ryzyka rynkowego wspierały zarządzających w podejmowaniu odpowiednich decyzji inwestycyjnych skutkujących zyskownymi operacjami. Modele te działały przez dłuższy czas poprawnie… niestety aż do kryzysu rosyjskiego w 1998, po którym właśnie te same zaawansowane modele po prostu stały się bezużyteczne i przestały działać, gdyż założenia, według których były tworzone i o których już nikt nie pamiętał, po prostu się zdezaktualizowały i nie przystawały do nowych realiów rynkowych.

Historia wskazuje, iż w ogromnym gąszczu różnych modeli analitycznych najważniejsze jest, aby wiedzieć jakie założenia zostały przyjęte przy budowie poszczególnych modeli i dlaczego, znać cel stworzenia modelu oraz inne cechy charakterystyczne. Należy też pamiętać, że modele zawsze wnosiły i będą wnosić dodatkowe ryzyko do systemu finansowego, dlatego kluczowa jest umiejętność efektywnego zarządzania ryzykiem modeli. „Tak długo jak kadra zarządzająca jest świadoma założeń poczynionych przy budowie modeli, jak również ograniczeń z nich wynikających, podejście ilościowe na bazie modeli analitycznych będzie skuteczne.” – wspomina w jednym z wywiadów Ravi Chari - Dyrektor Pionu Rozwiązań Ryzyka w SAS Institute.

Potencjalne wyzwania

Jako potencjalne wyzwania w tym zakresie należy wymienić przede wszystkim fakt większego skomplikowania modeli i trudniejszego zarządzania nimi, brak zintegrowanego systemu zarządzania modelami, konieczność zapewnienia zgodności z regulacjami, monitorowanie modeli oraz szybka informacja na temat ich charakterystyki oraz spójne środowisko do zarządzania modelami.

Jak potwierdza przykład firmy Discover Financial Services - zastosowanie narzędziowego wsparcia SAS w zakresie zarządzania modelami, pozwala nie tylko na stworzenie audytowalnego i scentralizowanego środowiska, lecz przekłada się na wyższą jakość podejmowanych decyzji biznesowych oraz ograniczenie uciążliwych manualnych prac związanych z inwentaryzacją i utrzymaniem modeli. Dzięki wykorzystaniu kokpitów menedżerskich w celu analizy jakości i statusu modeli wraz z raportowaniem w czasie trybu rzeczywistego, monitorowanie jakości modeli; dla zarządzających oraz wskazanie ryzyk związanych z modelami jest przejrzyste i pozwala na podjęcie odpowiednich kroków w celu ich ograniczenia. Co więcej, analiza powiązań pomiędzy modelami, osobami zaangażowanymi w ich przygotowanie, zrozumienie ekosystemu dla wszystkich linii biznesowych oraz stworzenie osób/departamentów odpowiedzialnych za ich utrzymanie i rozwój to niezaprzeczalne korzyści posiadania narzędzia wspierającego proces zarządzania modelami analitycznymi.

Wagę tematu potwierdza również wypowiedź Partnera Zarządzającego firmy analitycznej Chartis Research: „Dominacja SAS w obszarze technologicznym ma kluczowe znaczenie, ponieważ modele analityczne leżą u podstaw najważniejszych decyzji w procesie zarzadzania ryzykiem w przedsiębiorstwie. Innowacyjność rozwiązań SAS w obszarze analityki, Business Intelligence, Data Management pomaga firmom z sektora usług finansowych sprostać rosnącym potrzebom i wyzwaniom w zakresie zapewnienia zgodności z regulacjami oraz zarządzania ryzykiem”2.

Wnioski

Wdrożenie w organizacji jasnych i przejrzystych reguł zarządzania ryzykiem modeli to pierwszy i najbardziej istotny krok w kierunku zmniejszenia ryzyka modeli, co przekłada się na podejmowane decyzje finansowe, efektywność alokacji i zarządzania kapitałem oraz wypełnienie oczekiwań regulacyjnych i zobowiązań wobec akcjonariuszy. To co stało się najbardziej istotne w chwili obecnej, czyli w sytuacji, gdy modele są coraz częściej i szerzej wykorzystywane, to fakt, iż należy zwrócić szczególną uwagę, większą niż kiedykolwiek, na precyzję i skuteczność szacunków ryzyka związanego z wykorzystywanymi modelami właśnie po to, aby poprawnie i skutecznie nim zarządzać i ograniczać jego ewentualne skutki. 

Polecane linki:

Źródło 1: Komunikat z 209. posiedzenia Komisji Nadzoru Finansowego w dniu 18 marca 2014 r.
Źródło 2: Chartis Research, RiskTech 100 Rankings 2015. Grudzień 2014

Informacja o autorze:

Łukasz Libuda

Łukasz Libuda
Łukasz Libuda pracuje na stanowisku Senior Business Solutions Manager w Dziale Bankowości firmy SAS Institute. Odpowiada za rozwój biznesu w obszarze zarządzania ryzykiem w bankowości, ze szczególnym naciskiem na identyfikację i zarządzanie nadużyciami finansowymi, zarządzanie aktywami i pasywami (ALM), identyfikację i zarządzanie ryzykiem kredytowym oraz rynkowym (zgodnie z wymaganiami Basel2, Basel3), zarządzanie płynnością w aspekcie zarządczym i regulacyjnym oraz wypracowanie koncepcji zarządzania ryzykiem na poziomie przedsiębiorstwa (firm-wide risk), testów warunków skrajnych oraz zgodności w zakresie kompleksowego zarządzania ryzykiem.

Back to Top