Aufrufe
vor 6 Jahren

RISIKO MANAGER 07.2016

  • Text
  • Institute
  • Unternehmen
  • Banken
  • Risiko
  • Risiken
  • Valuation
  • Modelle
  • Prudent
  • Insbesondere
  • Standardansatz
RISIKO MANAGER ist das führende Medium für alle Experten des Financial Risk Managements in Banken, Sparkassen und Versicherungen. Mit Themen aus den Bereichen Kreditrisiko, Marktrisiko, OpRisk, ERM und Regulierung vermittelt RISIKO MANAGER seinen Lesern hochkarätige Einschätzungen und umfassendes Wissen für fortschrittliches Risikomanagement.

18

18 RISIKO MANAGER 07|2016 chen Halteperioden sowie den Standard-ES über zehn Tage miteinbezieht. Die Implementierung des skalierten ES sollte keine großen Schwierigkeiten darstellen, jedoch ist der unskalierte ES insgesamt fünf Mal zu berechnen. (Das erste Mal für Risikofaktoren mit Halteperioden größer gleich zehn Tage, das zweite Mal nur für die Risikofaktoren mit Halteperioden größer oder gleich 20 Tage, etc.) Da der ES gleich fünf Mal berechnet werden muss, kann auch die Berechnung des skalierten ES deutlich länger dauern und auch mehr Speicherplatz verbrauchen. Neben den modellierbaren Risikofaktoren müssen auch die nicht modellierbaren Risikofaktoren mit den unterschiedlichen Halteperioden kalibriert werden. In der Praxis ist es oft so, dass Halteperioden angepasst werden, z. B. um What-If Analysen durchzuführen oder um „Broken Hedges“ Rechnung zu tragen. Dies sollte bei der Implementierung berücksichtigt werden, z. B. über zusätzliche Eingabemasken. Kalibrierung an einer Stressperiode Da sich Finanzmärkte über längere Phasen sehr unterschiedlich verhalten, reicht es für die Risikomessung nicht aus, wenn man die Risikomodelle nur an Zeitreihen aus dem letzten Jahr kalibriert. In den FRTB Regeln ist es daher vorgesehen, dass man den ES an der schlechtesten Zwölf-Monatsperiode aus einem Zeitraum bis zum Jahr 2007 kalibriert. Für die Kalibrierung muss man im Prinzip den ES für das aktuelle Portfolio, basierend auf Zeitreiheninformationen aus der Vergangenheit, berechnen. Wird etwa der Zeitraum zwischen 2007 und 2017 betrachtet, sind beispielsweise 2.500 Geschäftstage zu verzeichnen. Falls man nun für die Kalibrierung den ES 2500 mal für unterschiedliche Zeitreihen-Daten berechnen muss, dann stößt man schnell auf Performance-Probleme. Ob und wie stark sich die Kalibrierung auf die Systeme auswirkt, hängt immens von den verwendeten Risikomodellen und den Aggregationsalgorithmen ab. Bei einem auf Sensitivitäten basierenden Ansatz würde eine Neuberechnung in etwa einer neuen Aggregation entsprechen. Neben den Auswirkungen auf die Performance müssten auch zusätzliche Batch-Prozesse aufgesetzt werden, die die Kalibrierung durchführen. Auch die Beschaffung und Wartung der Zeitreihen bis zum Jahr 2007 sollte nicht unterschätzt werden. Modellierbarkeit der Risikofaktoren Unter FRTB wurden konkrete Vorgaben für die Verwendung von Risikofaktoren gegeben. Um z. B. als modellierbar zu gelten, müssen für einen Risikofaktor mindestens 24 „reale“ Preisfeststellungen pro Jahr vorhanden sein, und der Abstand zwischen zwei solchen Preisfeststellungen darf nicht mehr als einen Monat betragen. Da Informationen über „reale“ Preisfeststellungen eine neue Anforderung darstellen, hat man sich bisher wenig Gedanken darüber gemacht. Die hierfür notwendigen Daten wurden entweder gar nicht oder zumindest nicht im benötigten Umfang gesammelt. Viele Banken stehen hier vor einem großen Datenproblem. Auch externe Anbieter, wie z. B. Markdatenanbieter, können hier keine vollständige Lösung bieten, da viele Risikofaktoren modellabhängig sind. So ließen sich etwa CreditSpread-Kurven entweder mithilfe von Credit Default Swaps (CDS) oder mithilfe von Anleihen kalibrieren. Je nach gewählter Methode wäre der gleiche Risikofaktor in einem Fall kalibrierbar oder eben nicht kalibrierbar. Um Daten in ausreichender Qualität für die Implementierung des internen Modells zur Verfügung zu haben, ist es daher sinnvoll, dass Banken eigene Systeme zur Bestimmung der Modellierbarkeit der Risikofaktoren aufbauen. Der Aufbau eines solchen Systems kann durchaus mit dem Aufbau eines Markdatensystems bzw. einer Erweiterung angesehen werden. Von besonderer Wichtigkeit ist auch die Anbindung von Datenquellen, die Informationen über reale Datenquellen beinhalten. Abb. 01 Spezifische Herausforderungen: Der Standardansatz im Überblick Standard Rules: Market risk capital charge Enhanced delta plus risk capital charge - Sensitivity Based Approach (SBA) Default Risk Charge (DRC) Residual risk add-on Credit Valuation Adjustment (CVA) Linear risk capital charge (delta and vega) Non-linear risk capital charge (curvature) Standardized CVA (SA-CVA) Basic CVA (BA-CVA)

Marktrisiko 19 P&L attribution and backtesting frameworks Neben dem schon in ähnlicher Form bekannten VaR-Backtesting kommt unter FRTB noch ein neuer P&L Attribution-Test hinzu, der den risikotheoretischen P&L mit dem hypothetischen P&L vergleicht. Die Durchführung der beiden Tests ist zwar mit etwas Implementierungsaufwand verbunden, jedoch hat das Nichtbestehen große Auswirkungen auf das zu hinterlegende Eigenkapital. Da viele Banken aktuell Schwierigkeiten hätten, die Tests für einen Großteil der Handelstische zu bestehen, ist hier Handlungsbedarf geboten. Die Risikomodelle müssen so umgebaut werden, dass die Modellqualität verbessert wird und für das Bestehen der Tests ausreicht. Dies impliziert vermutlich erheblichen Anpassungsbedarf für die betroffen Risikosysteme. Spezifische Herausforderungen: Standardansatz Delta, Vega und Curvature Für die Berechnung der Delta- und Vega-Sensitivitäten sowie des Curvature-Maßes hat der Regulator recht enge Vorgaben gemacht, um eine Vergleichbarkeit dieser Risikomaße zwischen den einzelnen Banken zu erleichtern. Obwohl diese Kennzahlen in den Risikosystemen schon berechnet werden, unterscheiden sie sich jedoch leicht in der Berechnungsmethodik. In der Praxis bedeutet dies meist, dass neue Module zur Berechnung dieser Kennzahlen in den Systemen implementiert werden müssen. Zusätzlich müssen dann noch die Lieferstrecken für die Aggregation angepasst werden. Index Instrumente und Optionen mit mehreren Basiswerten Für den Standardansatz müssen Risiken für Index-Instrumente und Optionen mit mehreren Basiswerten bis auf wenige Ausnahmen in die Einzelkomponenten zerlegt werden Abb. 01. Für die betroffenen Instrumente müssen dann die drei Risikokennzahlen Delta sowie ggf. Vega und Curvature für alle Indexkomponenten/Einzelbasiswerte berechnet werden. Falls man z. B. für eine Europäische Option auf den S&P 500 Index bisher nur einen Delta-Wert gegenüber dem Index-Preis berechnen musste, muss man jetzt 500 Deltas gegenüber allen 500 Einzelwerten berechnen. Für Portfolios mit einer hohen Anzahl an Indizes kann dies daher zu einer Vervielfachung der Rechenschritte sowie Datenmenge kommen. Wenn ein Portfolio z. B. 90 Optionen auf Einzelaktien enthält und 10 Optionen auf den S&P 500, dann kommt man ohne Index-Zerlegung auf 100 Delta-Sensitivitäten. Bei einer Indexzerlegung würde man aber auf 90 + 10*500 = 5090 Delta-Sensitivitäten kommen, was einem Faktor von mehr als 50 entspricht. Je nach Zusammensetzung des Portfolios und der verwendeten Berechnungsmethodik einer Bank, können daher die Datenmenge und die Anzahl der Rechenschritte beim Standardansatz sogar höher als beim internen Modell sein. Bei der Implementierung sollte daher schon im Vorfeld darauf geachtet werden, auf Systeme zu setzen, die den erhöhten Anforderungen in Bezug auf Datenmengen gerecht werden. Neben der Erhöhung der Datenmenge, stellt auch die Beschaffung und Wartung der Indexdaten und Gewichte eine Herausforderung dar, insbesondere wenn Instrumente auf Kaskaden von Indizes verweisen. Fazit Wie der Titel „Fundamental Review of the Trading Book“ schon suggeriert, hat der FRTB fundamentale Auswirkungen auf die Geschäftsmodelle von Banken. Mit einer knappen Umsetzungsfrist bis zum Jahr 2019 Abb. 02 und den erheblichen Auswirkungen auf die Eigenkapitalanforderungen und die Eigenkapitalrentabilität, sollte die Umsetzung der FRTB-Regeln höchste Priorität haben. Die rechtzeitige IT-Umsetzung spielt hier die Schlüsselrolle, da sie erst nach erfolgter Business-Analyse und einer Planungsphase angegangen werden kann. Zusätzlich erfordert sie eine längere Test- und Optimierungsphase. Die Komplexität der IT-Umsetzung ist teilweise nicht direkt aus den Regeln ersichtlich und zeigt sich meist erst im Laufe der Implementierung. Deshalb sollten schon bei der Projektplanung ausreichend Sicherheitspuffer eingeplant werden. Quellenverzeichnis sowie weiterführende Literaturhinweise Basel Committee on Banking Supervision (Januar 2016): „Minimum capital requirements for market risk“ (BCBS d352). Basel Committee on Banking Supervision (März 2016): „Reducing variation in credit risk-weighted assets – constraints on the use of internal model approaches“ (BCBS d362). Basel Committee on Banking Supervision (Juli 2015): „Review of the Credit Valuation Adjustment Risk Framework“ (BCBS d325). Autoren Olaf Lahrsen, Partner, Ernst & Young GmbH, Dr. Thomas Ludsteck, CFA, Manager, Ernst & Young GmbH. Abb. 02 Übersicht Zeithorizont 2009-14 2015 2016 2017 2018 2019 2020 Zeithorizont 2009: Basel 2.5 2012-2014 FRTB Konsultationsdokumente 2014: QIS I und II 2014: AQR WS 8 QIS III QIS IV Jan. 2016: Veröffentlichung der finalen Regeln Durchgehende Überwachung der Umsetzung durch den Baseler Ausschuss (BCBS d253) Herbst 2016: Veröffentlichung der CVA-Regeln erwartet Januar 2019: Erwartete Finalisierung der Implementierung der neuen Standards durch die Aufsichtsbehörden Ende 2019: Erwartete Meldungen unter den neuen Standards

RISIKO MANAGER

 

Copyright Risiko Manager © 2004-2017. All Rights Reserved.