Kockázatkezelés, Bázel III

pillar

Két fontos kérdés minden ügyfelünk működése során felmerül:

  • Tényleg értem, milyen kockázatok befolyásolják a tevékenységemet?
  • Van megfelelő eljárásom, hogy azokat kezelni tudjam?

A Bankárképző által kifejlesztett módszerek megfelelő válaszokat nyújtanak ezen lényeges kérdésekre.

A kockázatkezelés területén azonban nemcsak kérdések léteznek, hanem egy, a szabályozói környezet által jól meghatározott, kijelölt út követendő. A Bankárképző már 1999-ben elkezdte az új pénz- és tőkepiaci szabályozási környezethez, így a Bázel II-höz és hasonló szabályozási kérdésekhez kapcsolódó oktatási és tanácsadási tevékenységét, majd 2013-tól kezdődően szakértőink Bázel III/CRD IV implementációhoz kapcsolódó tanácsadási tevékenységet is folytatnak. Ennek köszönhetően. mára széles nemzetközi és hazai tapasztalatokra tettünk szert.

A legtöbb hazai hitelintézetben és több pénzügyi intézményben vettünk részt a hitel- és működési kockázati területek különféle kérdéseinek megoldásában. Fő törekvésünk minden esetben arra irányul, hogy többrétegű, gyakorlati és hatékony megoldásokat találjunk ügyfeleink számára.

A Bankárképző a hitelintézeteknél, pénzügyi intézményeknél, befektetési vállalkozásoknál folyó Bázel II, Bázel III projekt sikerességéhez, a projekt részleteinek megismerését követően, a következő szolgáltatásaival tud hozzájárulni:

  • A projekt-team szakmai támogatása (teljeskörű due diligence, döntéstámogatás, konzultációk, szakmai kérdések megvitatása, projektmenedzsment) GAP elemzés
  • Minősítési rendszerek fejlesztése és validálása
  • Paraméterbecslési modellek (PD, LGD, EAD, CF) fejlesztése és validálása
  • Működési kockázatkezelési rendszerek kialakítása (követelményeknek való megfelelés, veszteség-adatgyűjtés támogatása, kockázatkezelési módszertan kialakítása, AMA modell kialakítása)
  • ICAAP módszertan kialakítása és bevezetése
  • IRB applikációs csomag előkészítése és validálása
  • Szabályzatok felülvizsgálata és átalakítása
  • Kockázati jelentőrendszer kidolgozása, implementálása

 

Amennyiben valamely terület felkeltette érdeklődését, vegye fel kapcsolatot tanácsadási üzletágunk vezetőjével:
ÖCSI Béla
Tel.: 06-1-2240-729
E-mail: bocsi@bankarkepzo.hu

GAP-elemzés

gap analysis

A Bázel II/III gap elemzés során a Bankárképző a Bank IRB/AMA felkészültségének vizsgálatát végzi el. Egy GAP-elemzés vizsgálati területei egyeztetés tárgyát képezik, egy tipikus IRB vizsgálat esetén például az alábbiak, egy meghatározott szegmensre vonatkozólag:

  • default definíció
  • scoring rendszer
  • PD, LGD és EAD modellek
  • use teszt
  • experience teszt
  • tőkeszámítás
  • roll-out terv
  • stressz teszt

 

A Bankárképző nem csupán a jogszabály szövegének való megfelelést nézi, hanem biztosítja, hogy valamennyi, nem közvetlenül érintett terület, folyamat is bevonásra kerüljön, így felmérésünk teljes képet mutat az elvégzendő feladatokról. Néhány tipikus terület, amely Bázel II érintettsége másodlagos, de amelynek fejlesztése jelentős erőforrásokat igényelhet a Bázel II bevezetése során.

  • üzleti és kockázati folyamatok (belső folyamatok)
  • rendszerfunkciók
  • adatáramlás és adattárolás

 

A Bankárképző több, mint húsz bank esetén végezte el a GAP elemzés kisebb vagy átfogóbb formáját, ügyfeleink legnagyobb megelégedésére.

Scoring

score

A scoring fejlesztés folyamata a Bankárképző megoldásában magában foglalja az alapadatok konzisztenciájának vizsgálatát, az egyes változók szakértőileg elfogadható csoportosítását, és (tipikusan) logisztikus regressziós modellek építését. A kialakított végső statisztikai modell alapján kerül meghatározásra az üzletileg értelmezhető scorecard, amely igény esetén, egyeztetés alapján szakértői alapon módosítható. A megoldás részét képezi a végső scorecardok kezdeti validációja is.

Az adósminősítő rendszerek (scoring és rating modellek) kialakításának lépései nemzetközi best practice alapján lettek definiálva, tartalmazzák a scoring fejlesztés nemzetközi bankcsoportokban is elfogadott lépéseit:

  • Összegyűjtött alapadatok vizsgálata (Base Data Analysis), melynek célja az inkonzisztens adatok és változók kiszűrése, illetve a hiányos esetekkel rendelkező változók, esetek kiszűrése. Az adatelemzés során vagy saját adatbányász eszközünkben (SPSS PASW Modeler), vagy a Bank által biztosított infrastruktúrában (pl. SAS Base, SAS Enterprise Guide, SAS Enterprise Miner) kialakítjuk a fix referencia adathalmazt (Reference Data Set, „RDS”), amely alapján visszakövethető a fejlesztés minden lépése bármely utólagos ellenőrzés során. Az RDS-t külön fájlban tároljuk el, amelyet a Bank a következő fejlesztésig meg kell őrizzen, reprodukálhatóságot biztosítva. Az RDS már a végső, szűrt modellezési adatbázis, nem tartalmazza az úgynevezett „szürke zónát” sem, amely a fejlesztés során azon ügyfeleket takarja, amely valamely okból nem képezhetik részét a fejlesztésnek (pl. csalásgyanús ügyfelek, kisebb mértékben késő ügyfelek, amelyekről nem lehet pontosan eldönteni, hogy rossz vagy jó adósnak számítanak-e).
  • Default meghatározása (Definition of default) annak tükrében, hogy a megbízó milyen ügyfeleket tekint rossznak, illetve adott esetben saját, Bázel II előírásoknak megfelelő definíció elemzése és kialakítása. Az egyes default okokat külön-külön elemezzük, és a teljes bázeli definíció alkalmazására törekedünk.
  • Egyváltozós adatelemzés (Single Factor Analysis), melynek során a default rátával jól együtt mozgó változók elemzése, illetve kiválogatása történik. Ezen folyamati lépés célja egyértelmű trendek felállítása a változó értékei és a default ráta között. A scorecard logika miatt minden egyes releváns változót kategorizálunk az adatbányász eszköz segítségével, amely a változók optimális kategorizálását, és a nemlineáris hatások tökéletes megragadását teszi lehetővé. A modellezésbe csak olyan változók kerülhetnek be, amelyek közgazdaságilag (szakértőileg) is megfelelően értelmezhetőek. Időbeli stabilitás vizsgálata már egyedi változó szintjén is igen hangsúlyos az általunk követett módszertanban, időbelileg instabil változókat elhagyjuk.
  • Fejlesztési minta és tesztminta kiválasztása (Sampling). Egy nagyobb fejlesztési és kisebb tesztminta (ideális esetben 50-50%, egyébként 70%-30%) kiválasztása történik.
  • Logisztikus regresszió alkalmazásával (Multi Factor Analysis) történik az egyes változók szignifikanciájának vizsgálata a fejlesztési mintán, amely lépésben megvalósul az inszignifikáns változók kiszűrése, illetve a változók közötti korreláció vizsgálata is. Alternatív modellek kerülnek kialakításra, amelyek közül az ügyfelünkkel közösen határozzuk meg a végső modellt. Igény esetén a logisztikus regresszió mellett más modellezési technikák is kipróbálásra kerülnek, pl. klaszteranalízis, főkomponens-elemzés, döntési fák vagy neurális hálók. Előbbi módszer jobban lehetővé teszi viselkedésminták azonosítását, nehezebbé viszont a scorecard-készítést; utóbbiak a nemlineáris összefüggések meghatározását teszik lehetővé, csökkentik viszont a modell átláthatóságát.
  • A modellt sztenderd statisztikai mérőszámmal teszteljük a tesztelési mintán (Model testing). Az egyes alkalmazott statisztikai mérőszámokat meghatározzuk, illetve tipikus értékeit leírjuk a dokumentációban.
  • A végső modell koefficiensei alapján az egyes változók értékeinek pontszámmá történő áttranszformálása (Scorecard Creation) megtörténik. A kialakult, statisztikai alapú scorecard egyes pontszámai szakértői alapon módosíthatóak, a változók értékkészlete bővíthető, illetve új változók is létrehozhatóak.
  • A teljes folyamatot részletekbe menően dokumentáljuk (Documentation).

Kockázati paraméterek

A kockázati paraméterbecslések esetén számos módszertani kihívással találkozik az intézmény, amelyeket a Bankárképző szakértői orvosolni tudnak. Különböző megközelítéseket használunk az egyes kockázati paraméterek esetén

Nemteljesítési valószínűség, PD

Amennyiben az intézmény rendelkezik megfelelő méretű historikus adatbázissal, javasolni szoktuk a central tendency alapú, default gyakorisági alapú rating/scoring kalibrációt. Ez a módszer a hagyományos scorecard alapú becslések alapján tud egy megadott, hosszú távú várakozás alapján PD értékeket mondani valamennyi kategóriához.
Amennyiben a gyakorisági kalibráció nem lehetséges, mivel az adatok mennyisége kevés, esetleg a (megbízható) história rövid, számos egyéb eljárás áll rendelkezésünkre. Nem gyakorisági alapú kalibrációnál egy másodlagos ratingre kalibráljuk rá a létező pontszámokat. Ennek keretében léteznek olyan ügyletek, amelyre van egy másodlagos belső rating, illetve ismert a másodlagos, külső ratinghez tartozó hosszú távú default ráta (central tendency). Ebben az esetben a kalibráció kétlépcsős:
1. A kalibráció a belső pontszám és külső rating között kell megtörténjen
2. A kalibráció a külső rating és a central tendency, mint PD között kell megtörténjen.
3. A külső ratinghez tartozó default ráták hozzárendelhetők a belső kategóriák ponthatár-átlagához, s így a belső ponthatár-átlagok illetve a default ráták között kell elvégezni a fenti, gyakorisági típusú kalibrációs lépéseket.
A másodlagos rating lehet így a szakértők által konzisztenden meghatározott kategorizálás is (normál esetben egy külső minősítésre lehet így mappelni a portfóliót).
A kalibrációt követően az egyes kategóriákhoz tartozó PD értékek meghatározása az ismert default ráta idősorok alapján már egyszerű feladat. Az egyes definit kategóriákhoz tartozó central tendency ismeretében a minősítési kategória értékek lecserélhetők átlagos PD értékekre, azaz PD-score összefüggés megállapítható. Az összefüggés ismeretében tetszőleges portfóliórész vagy akár ügyfél PD értéke meghatározásra kerülhet, az alkalmazott mesterskálára mappelhetőek a kalibrációs eredmények.
Nagyon kismennyiségű adat esetén megoldást jelent a Pluto-Tasche féle felső-konfidencia alapú low-default becslés, mint felső korlát a PD becslésre. Nem javasolt éles használtra, különösen, ha kis elemszámú, vagy nem túl nagy múltú a portfólió históriája.

Nemteljesítési veszteségráta, LGD

Az LGD modellek két nagy módszertana közül a Bankárképző mindkét módszertan megvalósítását vállalja.
A direkt LGD modellek során az adatbázis összeállítására fektetjük a hangsúlyt, ahol valmennyi tétel teljes históriája feldolgozásra kerül. Jó minőségű historikus adatok mellett javasolt módszertanunk, ahol a modellezés a scoring fejlesztéshez hasonló, sztenderd lépéseket tud követni, és egyszerű, könnyen érthető eredményt tud szolgáltatni.
Az indirekt LGD modellek kialakítása során a behajtási folyamat felbontása történik meg, amikoris az egyes komponens modellek a változó minőségű alapadatok miatt különböző időtávra állnak rendelkezésre. Ilyenkor több kis modell kerül kialakításra, és ezek összessége szolgáltatja a végső LGD becslést.
A felhasznált modellalternatívák jellemzően valamely regressziós modellek, béta-regresszió, logisztikus vagy lineáris regresszió, illetve kis adatmennyiségnél elképzelhető egyszerűbb kontingencia-tábla alapú LGD modellezés is.

Konverziós faktor, CF/EAD

A konverziós faktor modellezésnél a tipikus historikus vagy kohorsz módszertani logikák közül választhatunk, a Bankárképző a Bank módszertani igényeit ennek megfelelően szolgálja ki.
Jellemzően két komponens paraméter becslése kerül kialakításra. Az első komponens paraméter méri a szabad keret kihasználtságának valószínűségét 0-100% között becsülve a szabad keret igénybevételét. Egy második paraméter becsli a túlhasználat mértékét a limitösszeg százalékában, ami a default időpontjáig felhamozott késedelmek esetleges díjai okozhatnak. A modellkialakítás logikája követi az LGD paraméternél meghatározott logikákat, direkt vagy indirekt modell alakítható ki ezen kockázati paraméter esetében is.
A modellezés és számítás végeredménye egy jól működő, stabil EAD modell vagy kalkuláció, az adatok által megengedett mozgástér mellett.

Működési kockázat

A fejlett módszertan (AMA) alkalmazása az alapmutató és a sztenderd módszerhez képest jelentős előnyökkel jár:

  • az intézmény kockázati profiljához pontosabban illeszkedő tőkekövetelmény meghatározását teszi lehetővé, amely az implementációs tapasztalatok szerint mintegy 10-20 százalékos tőkekövetelmény csökkenést tesz lehetővé.
  • a kockázatok pontosabb azonosításának következményeként kockázattudatosabb, transzparens intézményi környezet, amely a megfelelő kontrollok kialakításával alacsonyabb potenciális veszteséghez, és így magasabb jövedelmezőséghez vezet.
  • a tőkekövetelmény az egyes üzletágakra allokálható (illetve ez jogszabályi követelmény is), így lehetővé téve a kockázat alapú teljesítménymérést is.

Az AMA módszertant alkalmazó magyarországi nagybankok alapvetően a csoportszinten alkalmazott modell alapján számítják és allokálják a tőkekövetelményt. Az utóbbi évben azonban számos olyan hazai nagybank tűzte ki célul az AMA bevezetését, amelyek külföldi anyabankkal nem rendelkeznek, illetve amelyek anyabankja nem alkalmazza az AMA módszertant.

A működési kockázat fejlett mérési módszerre (Advanced Measurement Approach – AMA) való felkészítését a Bankárképző számos ügyfélnél végezte el sikeresen, felügyeleti jóváhagyás követi ügyfeleinkkel közösen végzett projektjeinket. A projekt során az AMA módszerre történő átálláshoz kapcsolódó feladatokat haz alábbi területen definiáljuk:

  • GAP elemzés és hiányosságok felszámolása
    • Veszteségadatok gyűjtése
    • Kulcskockázati indikátorok (KRI)
    • Kockázati önértékelések (RCSA)
    • Szcenárióelemzés
    • Use teszt
  • Tőkekövetelmény számítási módszertan kialakítása
  • Oktatás

A GAP elemzés célja a Bank megfelelőségének vizsgálata és a hiányosságok megszüntetése az AMA módszertan felügyeleti követelményeivel szemben. A GAP elemzés során a Bank potenciális hiányosságait feltárjuk, valamint javaslatokat fogalmazunk meg az AMA megfelelőség biztosítása érdekében.
A tőkekövetelmény számítási módszertan kialakítása során a négy AMA kulcselemet ötvöző, minden felügyeleti elvárásnak és az iparági legjobb gyakorlatnak megfelelő, robosztus modell kerül kialakításra.
Az oktatás szorosan kapcsolódik a „Use teszt" feltételeinek sikeres teljesítéséhez, ugyanis ahhoz, hogy a működési kockázatkezelési tevékenység az intézmény napi kockázatkezelési folyamataiba megfelelően integrálódjon, beépüljön, a megfelelő minőségű oktatás kiemelt jelentőséggel bír a kockázatok azonosításán és a kockázattudatosság erősítésén keresztül.

ICAAP

A gazdasági tőkeszámítás jogszabályi hátterét és kiegészítő folyamatait a Hpt. és a CRR (Capital Requirements Regulation) be, s rendelkezik arról, hogy a szabályozói tőke meghatározása mellett minden Bank gazdasági tőkét határoz meg, s aszerint is meghatározza a számára szükséges tőkeszintet. A részletes szabályokat az MNB egy azóta többször frissített, ICAAP/ILAAP útmutató formájában adta ki, amely részleteiben rendelkezik a gazdasági tőke meghatározásának kívánalmairól és a kapcsolódó teendőkről.
A tőkeszámítás során meg kell határozni a bank számára releváns összes kockázatot (kiegészülve így pl. banki könyvi kamatkockázattal, likviditási kockázattal, országkockázattal, illetve egyéb kockázati típusokkal). Nem lehet csak a nagy kiemelt kockázatok számszerűsítésére hagyatkozni a második pillér alatt, viszont az intézmény nézőpontjából lehet a tőkét meghatározni – természetesen a megfelelő óvatossággal. A második pillér alatt a gazdasági tőkeszámításhoz kapcsolódó több egyéb kívánalmat is megfogalmaz az MNB. Létre kell hozni egy kockázati stratégiát, a gazdasági tőkeszámítás eredményeit fel kell használni a tőketervezés során, a gazdasági tőkét stressz teszteknek kell alávetni, a gazdasági tőkét a főbb dimenziók mentén allokálni lehet, szükséges, illetve meg kell felelni a belső irányítás követelményeinek.

Egy ICAAP módszertani felülvizsgálat során a Bankárképző valamennyi ICAAP-relevánt elemet értékelni és fejleszti tudja. A részmódszertanok kidolgozása és a helyi belső szabályzati implementáció folyamán szem előtt tartjuk a hazai szabályozó szempontjából kritikus pontokat. Ügyfeleinknél a leggyakrabban érintett területek az alábbiak:

  • kockázati stratégia kidolgozása/a jelenlegi kockázati stratégia kiegészítése
  • tőketerv módszertani hátterének kidolgozása
  • kockázati térkép kialakítása, kockázatok értékelésének módszertana (relevancia felmérés)
  • minden kockázatot integráltan lefedő tőkeszükséglet számítási módszertan (például fejlett hitelkockázati, működési kockázati, likviditási kockázati stb. módszertan)
  • kapcsolódó kockázati limitrendszerek kialakítása
  • jogszabályilag vagy központi anyabanki módszertanban nem vagy nem teljesen kezelt kockázatok kezelési, mérési módszertanának kidolgozása
  • a hazai gazdasági környezetnek megfelelő második pillér alaptti kockázatok stressz tesztjeinek kialakítása
  • tőkeallokációs módszertan kidolgozása
  • MNB által megjelölt kockázatos portfóliók szabályszerű meghatározása, kezelése
  • ICAAP „use tesztje": javaslat az ICAAP eredmények felhasználására, illetve a kapcsolódó jelentések körére
  • Első pillérhez viszonyított eltérések bemutatása elemzésen keresztül

Valamennyi feladathoz kapcsolódóan a Bankárképző megoldja a kialakított módszertanok, folyamatok és eljárások belső szabályzatokba való implementációját, igazodva a Bank által alkalmazott szabályozási rendhez.

IRB

Az IRB módszerre való felkészülés minden intézménynek kihívást jelentő, komplex feladat. Ezen akadály sikeres leközdésében nyújt segítséget a Bankárképző, aki számos ügyfelét részletekbe menően segítette az IRB engedély megszerzésében. Csapatunk tapasztalt tanácsadói felkészültek valamennyi probléma megoldására, sikeres jelentkezést biztosítva a fejlett módszerre.

Amennyiben az intézmény nem teljesen biztos abban, hogy minden területet megragad, egy jelentkezés kezdeti szakaszában a Bankárképző egy eltéréselemzéssel szokta definiálni a megvalósítandó feladatok teljes körét. Ebben a szakaszban történik meg az IRB felkészülés során elvégzett fejlesztési lépések meghatározása (a magasszintű IRB projektterv kidolgozása), a jelentkezési csomagba csatolandó, már meglévő dokumentumok megfelelőségének vizsgálata (pl. rating/scoring rendszerek fejlesztési dokumentumai), a hiányosságok meghatározása, javaslattétel azok kiküszöbölésére (intézkedési terv), majd a javítások végrehajtásának támogatása.

A tényleges tanácsadási munka több szinten tud zajlani. Egyes ügyfeleinknél kevesebb, másoknál több és átfogóbb szolgáltatásra volt igény:

  • Minőségbiztosítás: A Bankárképző minőségbiztosítóként végzi a projektterv nyomon követését, a leszállítandók megfelelőségét, illetve adott esetben tanácsaival segíti a tényleges fejleszési munkáltokat végző belső személyeket
  • Jelentkezési csomag/dokumentumok elkészítése: A fejlesztési munkáltokat az intézmény belső dolgozói végzik, ám a Bankárképző készíti a dokumentációs feladatok nagy részét (pl. scoring és kockázati paraméterbecslések dokumentációja, folyamati dokumentációk, szabályzatmódosítások), illetve a Bankárképző készíti el az IRB jelentkezési csomag dokumentumait, állítja össze a csomagot.
  • Operatív részvétel a felkészülési munkában: A leginkább integrált közreműködésben a Bankárképző végzi el az operatív fejleszési feladatokat (pl. default definíció implementálása, scoring fejlesztések, PD/LGD modellezés, use tesz-et érintő folyamatfelmérések és módosítások, adattárházi fejlesztések üzleti igénydefinícióinak megírása, adattárházi és front-end implementációk tesztelése.

A Bankárképző több sikeres IRB imlpementációs projektekben szerzett tapasztalata hozzájárulhat, hogy IRB tanácsadóként közreműködésünk eredményesen szolgálja bármely intézmény IRB engedélyének megszerzését