Modellering for analyse av høyfrekvente operasjonelle tap i bank

Abstract

Økende fokus på operasjonell risiko har preget bank- og finanssektoren de siste 20 årene, spesielt etter innføringen av Basel II regelverket i 2007. Dette innebærer at bankene er pålagt å holde regulatorisk kapital for operasjonell risiko. Den regulatoriske kapitalen er i hovedsak knyttet til sjeldne uønskede operasjonelle tapshendelser med potensielt store tap. I denne oppgaven analyseres høyfrekvente operasjonelle tapshendelser med tilhørende små tap per hendelse, hvorpå felles årsaker (med sjeldne hendelser) kan indikere hendelser med vesentlig større tap. De høyfrekvente tapene er dokumentert med interne historiske data, problemet ligger i at det operasjonelle miljøet forandrer seg og de historiske dataene blir mindre relevante. All tilgjengelig kunnskap (blant annet casestudier, historiske data, forskning og industrierfaringer) er brukt for å identifisere høyfrekvente operasjonelle hendelser og tilhørende årsakssammenhenger. Disse er dekompononert ned til et detaljnivå i bayesianske nettverk slik at ekspertkunnskap og organisasjonsspesifikk input kan brukes i modellene. Ekspertkunnskap og organisasjonsspesifikk input benyttes slik at modellen blir tillitsvekkende og tilfredstiller overordnede metodekrav i AMA (avanserte målemetoder). Overordnede metodekrav i AMA innbefatter bruk av interne og eksterne data, scenarioanalyser, samt forretningsmiljøets og virksomhetsspesifikke faktorer (Basel Committee on Banking Supervision [BCBS], 2011). Den bayesianske nettverksmodellen gjør det mulig å simulere hvilke risikoreduserende tiltak som gir størst effekt. Det er identifisert syv forskjellige typer høyfrekvente operasjonelle tapshendelser, samt deres årsaker, i denne oppgaven. De viktigste årsakene er menneskelige feil, systemfeil, uklare retningslinjer og utilstrekkelig fullmakts- og tilgangsstyring samt felles årsaker mellom høyfrekvente og lavfrekvente tapshendelser. Disse er utilstrekkelig organisatorisk læring, etikk, utilstrekkelig kompetanse (utdanning, erfaring og opplæring), usunn arbeidsbelastning samt usunt arbeidsmiljø og påvirker tilstanden til organisasjonskulturen og grad av evne til å utføre tildelte arbeidsoppgaver. Ved å bruke modellene for høyfrekvente operasjonelle tapshendelser kan banken vise at de har tatt høyde for dette i budsjetteringen (for eksempel gjennom prising av produkter) og dermed redusere kapitalbindingen for operasjonell risiko. Oppgaven viser at modellene fungerer og bankene kan legge inn interne historiske tapsdata, ekspertkunnskap og organisasjonsspesifikk input, samt simulere risikoreduserende tiltak.