La descarga está en progreso. Por favor, espere

La descarga está en progreso. Por favor, espere

Cuantificación del riesgo Operacional Luis Ceferino Franco A. Juan Guillermo Murillo G. Grupo GINIF Universidad de Medellin Octubre 20.

Presentaciones similares


Presentación del tema: "Cuantificación del riesgo Operacional Luis Ceferino Franco A. Juan Guillermo Murillo G. Grupo GINIF Universidad de Medellin Octubre 20."— Transcripción de la presentación:

1 Cuantificación del riesgo Operacional Luis Ceferino Franco A. Juan Guillermo Murillo G. Grupo GINIF Universidad de Medellin Octubre 20 y 21 Hotel Intercontinental Medellín 1

2 Contenido Contextualización teórica del problema. Comentarios sobre la aplicación. Conclusiones. 2

3 3 ¿QUÉ ES EL RIESGO OPERACIONAL? El riesgo operacional se define como el riesgo de pérdida debido a la inadecuación o a fallos de los procesos, el personal y los sistemas internos o bien a causa de acontecimientos externos. Esta definición incluye el riesgo legal, pero excluye el riesgo estratégico y el de reputación. La norma colombiana, incluye el riesgo de reputación.

4 En general, el riesgo operacional corresponde a fallas en los sistemas, en los procesos y en las personas. 4

5 ¿Qué hacer con el RO? Es necesario que toda firma cuente con un sistema para identificar, cuantificar y gestionar el riesgo operacional, que le permita proveer el capital necesario para cubrir las pérdidas potenciales. Aunque sea necesario satisfacer los requerimientos del supervisor, el objetivo primordial es ser eficientes y generar valor. 5

6 Líneas y Categorías de Eventos En términos generales, para la clasificación del riesgo operacional, se consideran ocho líneas de negocio: Finanzas Corporativas, Negociación Y Ventas, Banca Minorista, Banca Comercial, liquidación Y Pagos, Servicios De Agencia, Administración de Activos e Intermediación Minorista. 6

7 Líneas y Categorías de Eventos y siete categorías de riesgo operacional: Fraude interno, Fraude externo, Daños en activos físicos, Prácticas de los empleados, Prácticas del negocio, Interrupción del negocio, Gestión del proceso. Cada entidad puede adaptar este esquema a sus condiciones especificas, bajo la vigilancia del ente regulador local. 7

8 Cuantificación del RO Los modelos propuestos varían en requerimientos de datos, complejidad, exactitud, y en satisfacción de los estándares generales, cualitativos y cuantitativos, planteados por ese acuerdo. 8

9 ¿Porqué son complejos? Factor ClaveRiesgo de MercadoRiesgo de CréditoRiesgo Operacional Proceso a modelizar Precios Solvencia contrapartidas ¿Cuáles son las actividades que realiza la entidad? EventoVolatilidad Pérdida de calidad crediticia ¿Qué origina la pérdida? Probabilidad Comportamiento de las rentabilidades Comportamiento del activo de la contrapartida ¿Qué indicadores deben seleccionarse? PérdidaMark to marketReposición ¿Costo de oportunidad? Gonzáles M. (2004) 9

10 Avances a nivel de granularidad Método del Indicador Básico El capital a mantener se calcula como un porcentaje predefinido (15%) del promedio de los ingresos brutos de los tres últimos años (si son negativos o cero no se consideran). 10

11 Avances a nivel de granularidad Método Estándar El capital se obtiene agregando la cifra calculada a partir de porcentajes predefinidos para las ocho líneas de negocio preestablecidas, a las que cada entidad debe adaptar su propia estructura. Los ingresos brutos se mantienen como indicador (importe medio anual obtenido en los tres últimos años en cada línea), siendo posible la compensación de cifras positivas y negativas entre distintas líneas. 11

12 Avances a nivel de granularidad AMA (Advanced Measurement Approach) Los AMA permiten determinar el capital regulatorio por riesgo operacional a partir de los modelos desarrollados por cada entidad. Basilea-II alude expresamente a dos enfoques: el método de medición interna y el enfoque de distribución de pérdidas. 12

13 Cuantificación del RO Dentro del enfoque de los modelos AMA (Advanced Measurement Approach), el Comité de Basilea propone: Cuadros de Mando (Scorecards), El Modelo de Medición Interna (IMA), y el Modelo de Distribución de Pérdidas (Loss Distribution Approach, LDA). 13

14 LDA (Loss Distribution Approach) Es una de las ideas más naturales importadas de técnicas actuariales, para ser aplicadas en situaciones específicas que caracterizan el riesgo operacional, y en particular cuando hay escasez de datos, debido a la afinidad entre los conceptos de pérdida operacional y siniestro. Bühlmann (1970) 14

15 LDA (Loss Distribution Approach) El LDA se basa en la recopilación de los datos de pérdidas históricas (frecuencia y severidad), que se registran internamente en las organizaciones, los cuales son complementados con datos externos. Estas pérdidas son clasificadas en una matriz que relaciona las líneas de negocio de la organización y los eventos operacionales de pérdida. 15

16 LDA (Loss Distribution Approach) Líneas de negocio L1L2…L8Total Eventos de riesgo Fraude Interno Fraude Externo Relaciones laborales Clientes Daños a activos físicos Fallas tecnológicas Ejecución y administración de procesos Total 16

17 LDA (Loss Distribution Approach) Líneas de negocio L1L2…L8Total Eventos de riesgo Fraude Interno Fraude Externo Relaciones laborales Clientes Daños a activos físicos Fallas tecnológicas Ejecución y administración de procesos Total 17

18 LDA (Loss Distribution Approach) Eventos de pérdida individual Matriz de riesgoEstimación del VAR Distribución de pérdidas 74,712,345 74,603,709 74,457,745 74,345,957 74,344, , , , ,342 94,458 Distribuciones De probabilidad Frecuencia de eventos Frecuencia de eventos Severidad de Las pérdidas Severidad de Las pérdidas E(S) 99.9 Percentil SMC AR FFT. SMC AR FFT P P 18

19 LDA (Loss Distribution Approach) Dicha distribución de pérdida es resultado de la convolución entre un proceso estocástico discreto asociado a la frecuencia, y un proceso continuo asociado a la severidad de los eventos de riesgo. Esta técnica ha sido utilizada en los trabajos de A. Frachot, P. Georges, T. Roncalli (2001); Christopher Lee Marshall (2001); Marcelo Cruz (2002), entre otros. 19

20 En síntesis… En el LDA la pérdida total se define como una suma aleatoria de las distintas pérdidas: donde es la pérdida total en la celda (i, j) de la matriz de pérdidas. 20

21 En síntesis… 21

22 APLICACIÓN En esencia el modelo LDA tal como se utiliza en el riesgo operacional o en ciencias actuariales asume los siguientes supuestos dentro de cada celda de la matriz de riesgo: La variable frecuencia es una variable aleatoria independiente de la variable aleatoria severidad. Las observaciones sobre impacto de pérdidas (severidad) dentro de una misma celda se distribuyen idénticamente. Las observaciones sobre impacto de pérdidas (severidad) dentro de una misma celda son independientes. 22

23 APLICACIÓN El primer supuesto admite que la frecuencia y la severidad son dos fuentes independientes de aleatoriedad. Los otros dos, significan que dos diferentes pérdidas dentro de la misma celda son homogéneas, independientes e idénticamente distribuidas, Frachot y otros (2004). 23

24 APLICACIÓN Modelación de la Frecuencia La frecuencia es una variable aleatoria discreta que representa el número de eventos observados durante un periodo de tiempo establecido. 24

25 APLICACIÓN Christopher Lee Marshall(2001), Marcelo Cruz (2002), Mariano González (2004), Pavel Shevchenko(2006) proponen la distribución de Poisson como una candidata con muchas ventajas a la hora de modelar dicha variable, también recomiendan contemplar otras alternativas como la Binomial o la Binomial Negativa. 25

26 APLICACIÓN Modelación de la severidad La primera etapa, consiste en ajustar distintos modelos de distribución probabilística a una serie datos históricos de pérdidas operacionales desglosadas por su tipología para una determinada línea de negocio y evento de perdida. En definitiva, se trata de encontrar la distribución de probabilidad que mejor se ajuste a los datos observados y estimar sus parámetros. 26

27 APLICACIÓN Christopher Lee Marshall (2001), Marcelo Cruz (2002), Mariano González (2004), Pavel Shevchenko (2004) J. Donnelly (2005) y Carrillo (2006), proponen la distribución Lognormal o la de Weibull como las más recomendables a la hora de modelar la severidad, aunque en la práctica ninguna distribución simple se ajusta a los datos satisfactoriamente. 27

28 APLICACIÓN Pruebas de bondad de ajuste para severidad y frecuencia Hasta ahora la comunidad científica alrededor del riesgo operacional, viene tomando un número limitado de distribuciones de probabilidad tanto para las variables discretas (eventos), como para las variables continuas (severidad), y es importante resaltar las diferentes pruebas de bondad de ajuste tales como Chi-cuadrado, A-D, K-S, necesarias para cada distribución. 28

29 APLICACIÓN Obtención de la distribución de pérdidas agregada. Una forma simple y flexible para encontrar esta distribución consiste en utilizar Simulación Montecarlo. Se estima la distribución de pérdidas agregadas utilizando un número suficiente de escenarios hipotéticos, generados aleatoriamente, a partir de las distribuciones de severidad y frecuencia. 29

30 APLICACIÓN Cálculo de la carga de capital Basilea II acepta esta el caso dos, que se ilustra a continuación, siempre y cuando la entidad haya provisionado las pérdidas esperadas. 30

31 APLICACIÓN 31

32 APLICACIÓN 32

33 APLICACIÓN 33

34 APLICACIÓN 34

35 APLICACIÓN 35

36 APLICACIÓN 36

37 APLICACIÓN 37

38 APLICACIÓN 38

39 APLICACIÓN 39

40 APLICACIÓN 40

41 APLICACIÓN 41

42 CONCLUSIONES y RETOS… La ausencia de información es un fenómeno recurrente en la cuantificación del riesgo operacional. Cuando esto se presenta, una estrategia a seguir es la consulta a expertos, a partir de los cuales se obtendrá información que permite construir una solución inicial aproximada al problema. La frecuencia se debe modelar a partir de datos internos, ya que, esa variable está en función directa de los controles internos que son específicos a cada entidad. Con respecto a la severidad los datos internos pueden ser combinados con datos externos mediante un adecuado proceso de escalamiento; aunque se debe poner especial atención para no heredar errores de otras entidades. 42

43 CONCLUSIONES y RETOS… Los modelos para la estimación del riesgo operacional tienen algunas características muy específicas: deben combinar variables aleatorias continuas y discretas; La distribución de pérdida agregada no corresponde a ningún modelo aleatorio predeterminado; y la relación entre variables del modelo es no lineal. De estas características se concluye la dificultad de estimación del riesgo operacional por métodos analíticos, lo que obliga a recurrir a métodos numéricos, entre los cuales está la Simulación Montecarlo. 43

44 CONCLUSIONES y RETOS… Recientemente, se están planteando metodologías para estimar el riesgo operacional incorporando correlaciones potenciales entre eventos y entre líneas de negocios, lo cual podría conducir a un positivo efecto de diversificación. Un mayor conocimiento de los riesgos de la entidad permitirá mejor calidad en el modelo de cuantificación, lo cual se debe traducir en una menor carga de capital, lo que dará una ventaja competitiva y una mejor administración del capital de trabajo. A través del todo el proyecto evidenciamos una gran flexibilidad y potencialidad para el procesamiento de la información. 44

45 CONCLUSIONES y RETOS… Escalamiento de datos… Umbrales… Correlaciones…(AIGOR 2006) TVE… C-VaROP… 45

46 Gracias 46


Descargar ppt "Cuantificación del riesgo Operacional Luis Ceferino Franco A. Juan Guillermo Murillo G. Grupo GINIF Universidad de Medellin Octubre 20."

Presentaciones similares


Anuncios Google