La Cuantificación del Riesgo Operacional
Transcripción
La Cuantificación del Riesgo Operacional
La Cuantificación del Riesgo Operacional (más que un requerimiento del supervisor una necesidad para ser eficientes) Noviembre 2005 Octubre 2005 Introducción Es del conocimiento general que: • • • • • significa riesgo operacional el supervisor evalúa la gestión integral de riesgos, pero… los bancos generan lucro cesante aun persiste un alto nivel de descontrol sobre el riesgo operacional en teoría se sabe como cuantificar el riesgo operacional Lo que puede tener cabida a duda puede ser: • • • • Octubre 2005 el método para cuantificar el riesgo operacional que entre más riesgo operacional se asume no incremento el rendimiento que los indicadores de gestión no indican nada concreto respecto al riesgo operacional que los factores críticos de éxito de la planificacíón estratégica son los componentes del riesgo operacional 2 Convertir lo abstracto en algo más objetivo… Identificar para controlar: * Riesgo * Riesgo * Riesgo * Riesgo Errores en el procesamiento de transacciones (Back office) de procesamiento de transacciones Legal / Litigios de Cumplimiento de Seguridad Inadecuada documentación Cumplimiento de regulaciones Fraudes, crimenes, robos Se excluye: * Riesgo de reputación * Riesgo de negocios * Riesgo estratégico Octubre 2005 Fuente: RMA Marcelo Cruz, Modeling Operational Risk Model 3 Origen de la gestión de riesgo operacional Requerimientos de Capital por Tipo de Riesgo Valor monetario Crédito Crédito + Mercado Mercado + Valor monetario Operacional Operacional El principal fin es maximizar la rentabilidad, buscando mejorar la gestión en las operaciones relacionadas a las principales líneas de negocios de la institución. Complementado con el apoyo organizado de la función informática Componentes de riesgo operacional Octubre 2005 • Tecnología • Procesos • Personas • Eventos externos = Capital Capital Regulatorio Regulatorio Mejorar Mejorar eficiencia eficiencia Reduciendo Reduciendo el el costo costo del capital del capital inmovilizado inmovilizado yy aprovisionado aprovisionado Gestión de riesgo operacional 4 Los Modelos de Eficiencia Octubre 2005 La gestión bancaria y los modelos de eficiencia Procesos Procesos de soporte Procesos de negocios Gente Procedimientos Procesos de control Tecnología Tecnología Elementos operacionales Infomación Infraestructura de soporte Octubre 2005 Infraestructura física Infraestructura de negocios Infraestructura de control 6 Indicadores de Desempeño y Riesgo Institución Financiera KPI1 Planificación Misión Objetivos Limitantes Factores críticos de éxito KRI1 KPI = Key Perfomance Indicator = Metas y objetivos KRI = Key Risk Indicator = Factores críticos de éxito KPI2 KRI2 KPI3 KRI3 … KPIn KRIn Plan estratégico La Institución Financiera debe evaluar, además de los factores críticos de éxito (KRI), la recursividad de los mismos a los indicadores de rendimiento (KPI). Octubre 2005 7 Modelos de eficiencia Valor Ecónomico Agregado (EVA)1 RENDIMIENTO NETO = INGRESOS RAROC3 CAPITAL ECONOMICO MENOS COSTOS RENDIMIENTO NETO MENOS PERDIDA ESPERADA VALOR ENRIESGO RIESGO (VeR) =2 ELG2 VALOR EN (VeR) = ELG CAPITAL ECONOMICO IGUAL A RENDIMIENTO BRUTO MENOS RENDIMIENTO BRUTO AJUSTADO POR RIESGOS MULTIPLICADO POR TASA INTERNA DE RETORNO MENOS IGUAL A IMPUESTO EVA IGUAL A RENDIMIENTO NETO RENDIMIENTO NETO AJUSTADO POR RIESGOS 1: Economic Value Added 2: ELG: Expectative Loss Given 3: RAROC: Risk Adjusted Return of Capital Octubre 2005 8 El cuadro de mando gerencial (Balanced Scorecard) ¿Qué es el Cuadro de Mando Gerencial? Conocido como también como “tablas de control” o “cuadro de mando interno, proporcionan una medio para traducir las evaluaciones cualitativas en datos cuantitativos y fortalece el control de la gestión empresarial. “Es más que un conjunto de indicadores desordenados que informan la marcha de los aspectos más relevantes de la organización.” (Amat,1999) Características 1. 2. 3. Alinea los objetivos de corto plazo con los objetivos de largo plazo Los indicadores se construyen con la participación de los directivos a partir de la estrategia de la organización Los indicadores se formulan en torno a cuatro perspectivas: • • • • Octubre 2005 Mejora en los empleados Mejora de los procesos Satisfacción de los clientes Resultados económicos - financieros Resultados Resultados económicos económicos -- financieros financieros Satisfacción Satisfacción de de los los clientes clientes Mejora Mejora de de los los procesos procesos Mejora Mejora de de los los empleados empleados 9 Cuantificación sensible a los riesgos Octubre 2005 El Enfoque Avanzado El mé método de medició medición avanzada, requiere que desarrolle un marco operativo robusto que permita construir los canales para: • Desarrollar la base de datos de eventos de pérdida • La matriz de riesgos operacionales por líneas de negocios, servicios o productos EL = EI x PE x LGE Probabilidad Probabilidad de de pérdida pérdida Indicador Indicador de de exposición exposición Severidad Severidad media media de de la la pérdida pérdida Octubre 2005 11 El método de medición interna La matriz de riesgos debe tener calculado los tres componentes para para el tipo de eventos de pé pérdida por lí línea de negocios (El (Elij) Recordemos para cada celda se calcula la pé pérdida esperada: ELij = IEij * PEij * LGEij Eventos de P•rdida L’nea de Negocio Finanzas Corporativas Fraudes Internos Fraudes Externos É. IE12 PE12 LGE12 Negociaci— n y Ventas É Octubre 2005 12 El método de medición avanzada El mé método de medició medición avanzada (AMA), estipula que el requerimiento de capital regulador será será igual a la medida de riesgo generada por el sistema interno de medició medición del riesgo operativo del banco, mediante los criterios cualitativos cualitativos y cuantitativos que tanto las mejores prá prácticas como el regulador dicten. Cálculo Cálculo del del capital capital requerido requerido por por riesgo riesgo operacional operacional Octubre 2005 Método Método Indicador Indicador Básico Básico Método Método Estándar Estándar Orientado Orientado aa los los Ingresos Ingresos Método Método Avanzado Avanzado Orientado Orientado aa las las Pérdidas Pérdidas 13 Evaluación, medición y cálculo de capital PERDIDA POR EVENTOS 31,005,200 30,950,520 30,760,900 30,350,850 30,333,110 155,315 125,112 116,520 115,400 30,650 DISTRIBUCION TOTAL DE PERDIDAS FRECUENCIA FRECUENCIA DE DE LOS LOS EVENTOS EVENTOS 0 EVENTOS DE PERDIDA 1 2 3 4 SEVERIDAD SEVERIDAD DE DE LOS LOS EVENTOS EVENTOS SIMULACION SIMULACION DE DE MONTE MONTE CARLO CARLO Media Perc. 99vo PERDIDA AGREGADA ANUAL 0-10 11-20 21-40 41-70 >70 Fuente: Octubre 2005 Marcelo Cruz Alí Samad Khan 14 Medición del Riesgo Operativo R I E S G O O P E R A T I V O Octubre 2005 Base de datos de eventos de riesgo operativo Escoger Distribución Estimación de parámetros Ajuste del Modelo Probar el Modelo Rechazar Aceptar Modelo 15 Modelo de Impacto - Distribuciones probabilisticas Distribuciones Función de Densidad Normal f( x)= Lognormal Normal Inversa Exponencial Octubre 2005 1 x − µ 2 exp − σ > 0 σ 2 2π 1 − z2 f(x)= exp 2 xσ 2 π 1 1/ 2 θ f(x)= 2πx 3 − θz 2 exp 2 x z= log x − µ σ z= x−µ µ ( x − θ f ( x ) = λ−1 exp − x > θ, λ > 0 λ 16 Modelo de Impacto - Distribuciones probabilisticas Distribuciones Función de Densidad Weibull α α −1 −( x / β )α f(x)= α x e β Pareto f(x)= Octubre 2005 αθ ( x + θ )α +1 17 Modelo de Frecuencia - Distribuciones probabilisticas Distribuciones Función de Masa Poisson e − λ λk f(k )= k! Binomial negativa k + x − 1 1 p k = x 1 + β Binomial Octubre 2005 β 1 + β k m k p k = p ( 1 − p ) m − k k βk pk = ( 1 + β ) k +1 Geométrica Hipergeométrica r D M − D x n − x f(x)= M n M representa el número de grupos de ítems individuales D es un número que representa un cierto número de una característica deseable en particular. 18 Modelo de Impacto - Parámetros Distribuciones Parámetros a estimar Normal n µ= Lognormal j =1 n n −1 n ∑x ∑ (z n j =1 σˆ = j =1 j θˆ = n λ= 2 j =1 σ= − z) 2 j n −1 n ∑xj j =1 n n µ̂ = n ∑xj j =1 n 3 n ∑xj j =1 − n 2 1 n ∑X j =1 Octubre 2005 ∑ ( Xj − X ) j µ̂ = z Normal Inversa Exponencial ∑X j /n 19 Modelo de Impacto - Parámetros Distribuciones Weibull Parámetros a estimar c= Pareto n 2 ∑ xj j =1 n α= n 2 ∑ xj j =1 n Octubre 2005 α= c ln( a )* log( b ) β= c −1 ln(ln( 4 )) ln( b ) − ln( β ) ln(ln( 4 )) = −0.262167 4 ln(ln( )) 3 2 n ∑xj j =1 − n n ∑ xj j =1 − 2 n 2 n n 2 ∑ xj ∑ xj j =1 − j =1 n n θ= n 2 n ∑xj ∑ xj j =1 − 2 j =1 n n 20 Modelo de Frecuencia - Parámetros Distribuciones Parámetros a estimar Poisson ∞ λ= ∑ kn i =0 ∞ ∑n k =0 Binomial negativa k n k nk ∑ knk ∑ k =0 rβ( 1 + β ) = − k =0 n n n n rβ = k ∑ kn k =0 n 2 k Binomial 2 m p= Nro.deeventosobservados 1 = Nro. max i mod eeventosposibles m ∑ Kn k k =0 m ∑ nk k =0 Geométrica Octubre 2005 1 ∞ β = ∑ knk n k =1 21 Modelo de Impacto - Distribuciones probabilisticas Se realiza un contraste de hipótesis para comprobar la bondad de ajuste, esto con el objeto de evaluar la calidad de la distribución ajustada. Para ello una de las pruebas recomendada es la de Kolmogorov Smirnov. Pruebas de Kolmogorov Smirnov Esta prueba verifica básicamente la diferencia en ajuste entre la distribución empírica y la ajustada. En términos generales, la prueba Kolmogorov-Smirnov sirve para encontrar el grado de confianza con que se puede afirmar que un conjunto de datos sigue un comportamiento semejante al que se propone como representativo. Este comportamiento propuesto frecuentemente se representa por la ecuación que describe la distribución que, se presume, tienen los datos. Octubre 2005 22 Modelo de Impacto - Distribuciones probabilisticas Pruebas de Kolmogorov Smirnov Encuentre la máxima diferencia en valor absoluto entre la probabilidad acumulada observada y la esperada (Dmax). (Dmax (Fn(x)- F(x)) La Hipótesis nula que se plantea es: Ho: F(x)obs = F(x) teo Si p-valor < α à Se rechaza Ho al nivel de significación α por lo tanto no se puede aceptar como representativo el comportamiento propuesto Si p-valor > α à No se rechaza Ho, no se encuentra evidencia estadística para afirmar que los datos siguen otro comportamiento que el propuesto, dado el nivel de significación Octubre 2005 23 Modelo de Impacto - Distribuciones probabilisticas Pruebas de Kolmogorov Smirnov Ho: Distribuye Exponencialobs = Distribuye Exponencial teo Prueba de Kolmogorov-Smirnov para una muestra Monto reclamado N 113 Parámetro exponencial. Diferencias más extremas a,b Media 440243,97 Absoluta ,126 Positiva ,126 Negativa Z de Kolmogorov-Smirnov Sig. asintót. (bilateral) a. La distribución de contraste es exponencial. -,105 1,344 ,054 0.054>0.05 No se rechaza Ho b. Se han calculado a partir de los datos. Octubre 2005 24 Modelo de Frecuencia - Contraste de hipótesis Prueba Ji cuadrado Los grados de libertad serían K-r-1 Donde: k es la muestra r el número de parámetros Ahora bien: En el ejemplo los grados de libertad serían: Si el p-valor < α à Se rechaza Ho K-r-1 = 20-1-1=18 Si el p-valor ≥ α à no se rechaza Ho α: nivel de significación, estos pueden ser 1%,5% y 10% (usualmente se emplea el 5%) Haciendo referencia al ejemplo desarrollado se obtuvo lo siguientes resultados de la prueba de bondad de ajuste de la X2. Estadístico Grados de libertad p-valor 0.000 18 1.000 Por lo tanto no existe evidencia para rechazar Ho, lo que indica que efectivamente los datos se distribuyen como una Poisson. 1.000 > 0.05 Octubre 2005 25 Modelo de Impacto - Distribuciones probabilisticas Gráficos de distribución de probabilidades o QQ Plot Lognormal gráfico Q-Q de Monto reclamado 4 00 00 00 Valor Lognormal esperado 3 00 00 00 2 00 00 00 Exponencial gráfico Q-Q de 1 00 00 00 Monto reclamado 3000000 0 Normal gráfico Q-Q de -1 00 000 0 1 00 00 00 2 00 00 00 30 00 00 0 4 00 00 00 Valor observado 3 00 00 00 2 00 00 00 Valor Normal esperado 0 1 00 00 00 0 5 000 00 0 6 00 00 00 70 00 00 0 Valor Exponencial esperado -1 00 00 00 Monto reclamado 2000000 1000000 0 -1000000 -1000000 0 1000000 2000000 3000000 4000000 5000000 6000000 7000000 Valor observado -1 00 00 00 -2 00 00 00 -2 00 000 0 0 20 00 00 0 4 00 00 00 Valor observado Octubre 2005 60 00 000 80 00 00 0 Mejor Ajuste 26 Valor en Riesgo Operacional Severidad Prob Prob Tamaño de la pérdidas ∞ *n ∑pnFx(X) n=0 Octubre 2005 Frecuencia Prob Número de pérdidas Se requiere resolver por simulación Agregación de pérdidas No hay solución análitica 27 Valor en Riesgo Operacional N•meros aleatorios Severidad generados con distribuci—n Poisson (Lamda = 0,69) CORRIDA 1.00 2.00 3.00 4.00 5.00 6.00 7.00 8.00 9.00 10.00 11.00 12.00 13.00 14.00 15.00 16.00 17.00 18.00 19.00 20.00 21.00 22.00 23.00 24.00 Octubre 2005 FRECUENCIA 0.00 3.00 1.00 0.00 0.00 0.00 1.00 1.00 1.00 3.00 0.00 3.00 1.00 0.00 1.00 2.00 0.00 0.00 4.00 2.00 2.00 3.00 0.00 1.00 Distribuci—n Log Normal Par‡metros 7.20 3.90 Modelo de simulaci—n para la agregaci—n de pˇrdidas ·P n*Fn(x) 1.00 1er Evento 2.00 2do Evento 3.00 3er Evento 0.79 0.47 32897.53 968.57 0.29 149.51 0.67 7673.45 0.76 0.48 0.61 0.03 21547.60 1130.74 4111.20 0.66 0.64 5621.41 0.84 61547.48 0.45 0.63 856.72 4833.45 0.73 15141.83 0.81 39367.63 0.41 0.25 534.32 90.83 0.32 210.69 0.93 0.51 0.06 0.94 427746.83 1488.65 3.13 539569.70 0.35 0.81 0.55 0.17 304.69 41055.20 2146.31 33.01 0.65 6344.72 0.13 17.15 0.39 473.18 4.00 4do Evento TOTAL 40,720.49 968.57 21,547.60 1,130.74 4,111.20 67,169.55 55,366.17 4,833.45 0.64 5450.25 534.32 301.52 433,518.91 42,543.85 2,149.44 540,075.90 6,344.72 TOTAL ORDENADO 36,819.44 32,175.09 25,158.55 23,805.24 10,402.69 3,559.74 3,348.99 2,413.68 2,286.17 665.79 444.31 421.89 208.10 138.84 93.79 - CUANTILES 95.83% 91.67% 87.50% 83.33% 79.17% 75.00% 70.83% 66.67% 62.50% 58.33% 54.17% 50.00% 45.83% 41.67% 37.50% 33.33% 29.17% 25.00% 20.83% 16.67% 12.50% 8.33% 4.17% 28 Ordenamiento por cuantiles y los niveles de confianza El nivel de confianza El nivel de confianza que debe tomarse estará definido por la unidad designada para administrar riesgos, sin embargo es muy importante el extremo conservador que se desee aceptar. Nivel de Confianza Valor en Riesgo Octubre 2005 99% 3,552,101.50 95% 1,600,890.75 29 La prueba del modelo El backtesting como su nombre lo sugiere, es una prueba secuencial de un modelo versus la realidad para comprobar la precisión de sus pronósticos. Las estimaciones del modelo son comparadas con los valores actuales en un cierto período. Los resultados del basktesting son usados para validar un modelo y la gestión de riesgo, los reguladores los usan para verificar el grado de precisión de un modelo. Fecha 01 Ene 2005 03 Ene 2005 04 Ene 2005 05 Ene 2005 07 Ene 2005 11 Ene 2005 12 Ene 2005 14 Ene 2005 16 Ene 2005 19 Ene 2005 18 Ene 2005 21 Ene 2005 26 Ene 2005 27 Ene 2005 29 Ene 2005 Octubre 2005 VaR 36,819.44 32,175.09 25,158.55 23,805.24 10,402.69 3,559.74 23,543.00 12,500.01 1,505.55 6,999.00 16,750.23 34,540.00 16,435.22 12,345.65 1,545.35 Pˇrdidas 32334.00 33001.20 20125.55 18850.55 12000.00 1500.00 20000.00 11000.00 200.00 5000.00 12500.00 31500.00 12345.25 100.00 1560.00 Diferencia 4485.44 -826.11 5033.00 4954.69 -1597.31 2059.74 3543.00 1500.01 1305.55 1999.00 4250.23 3040.00 4089.97 12245.65 -14.65 Indicador 0 1 0 0 1 0 0 0 0 0 0 0 0 0 1 Violaciones = ∑(I=1) Violaciones esperadas = α*periodo donde α = 1 - (Nivel de confianza) 30 El beneficio de manejar los aspectos cualitativos y cuantitativos Octubre 2005 Práctica de Gestión de Riesgo Operacional ANALISIS ADECUACION/GESTION ASIGNACION DE INGRESOS * LN EVALUACION DE CONTROLES ANALISIS CUALITATIVO DETERMINACION DE FRECUENCIA DETERMINACION DE SEVERIDAD MAPA DE RIESGOS RIESGO OPERACIONAL BASE DE DATOS DE EVENTOS DETERMINACION DE FRECUENCIA ANALISIS CUANTITATIVO DETERMINACION DE SEVERIDAD VaR RIESGO OPERACIONAL Fuente: Metodología D&A Octubre 2005 32 El valor de combinar los dos aspectos… Capa Cualitativa Analizar Analizar causas causas de de eventos eventos Mencionar Mencionar eventos eventos Identificar Identificar Eventos Eventos pasados pasados Capa Cuantitativa Mapa Mapa de de riesgos riesgos Analizar Analizar causas causas de de eventos eventos materializados materializados Identificar Identificar Eventos Eventos potenciales potenciales Control Control de de riesgos riesgos Análisis Análisis comparativo comparativo por por Scorign Scorign Gestión Gestión de de Capital Capital Medidas Medidas de de prevención prevención Analizar Analizar causas causas de de eventos eventos potenciales potenciales Medidas Medidas de de detección detección La Gestión de Riesgo Operacional BD Eventos y pérdidas Escenarios Escenarios de de riesgo riesgo potenciales potenciales Capa de auditoría e Inspección Asignación Asignación de de Capital Capital Medición de Riesgos (Líneas de negocios y tipos de riesgos) Transferencia Transferencia de de Riesgos Riesgos Método Método del del VaR VaR Análisis Análisis de de escenarios escenarios Gerencia Gerencia Integral Integral del del RO RO Revisión Revisión de de los los reguladores reguladores yy auditoría auditoría Cuadro de mando gerencial (Balanced Scored Card) Octubre 2005 33 Lo bueno de la gestión de riesgo operacional… Octubre 2005 Tomar más riesgo operacional no me genera beneficio alguno… Riesgo Riesgo Crédito y/o Mercado Beneficio Beneficio Operacional Octubre 2005 35 Beneficios de la gestión de RO • • • • • • • • • Octubre 2005 Identifica las pérdidas contables y extra contables El capital regulatorio es sensible al perfil de riesgo de la organización Se fortalece la cultura corporativa (Estrategia) Se conocen los riesgos y su taxonomía Se desarrollan planes para su mitigación Se evalúa el costo beneficio de su mitigación Se crea un proceso continuo de mejora a través del monitoreo Se crean los indicadores de rendimiento y riesgo Conocemos que destruye el ROE y no contribuye al ROA 36 Pérdida del riesgo operacional EXPLICITAS EXPLICITAS CONTABLES CONTABLES IMPLICITAS IMPLICITAS PROBABILIDAD DISTRIBUCION DE PERDIDAS TOTALES PERDIDAS FRECUENTES LUCRO LUCRO CESANTE CESANTE PERDIDAS POCO FRECUENTES ESPERADAS INESPERADAS Media 99vo percentil PERDIDA AGREGADA ANUAL Octubre 2005 NO NO CONTABLES CONTABLES GARP 2003 37