18
18 RISIKO MANAGER 08|2018 Abb. 01 Instrument Die verschiedenen Phasen der Umsetzung 3. Analyse der vorhandenen Systeme Preanalysis Functional Design Analysis-Phase Technical Design Realisation Test Implementation Solution zusichern. Bei Problemen mit Liquidität wird auf die Artikel von Blundell-Wignall und Atkinson verwiesen. Die Offenlegung und Transparenz von Marktrisiko-Kapitalaufwendungen beinhalten Kapitalanforderungen, die sowohl nach einem standardisierten als auch – wo anwendbar – nach einem internen Modellansatz berechnet werden. Intensive Backtesting-Anforderungen für Institutionen beinhalten einen erweiterten Ansatz auf der Trading-Desk-Ebene. Im Jahr 2015 haben Gaumert und Kemmer einen umfassenden Ansatz zur Modellvalidierung entwickelt. Eine Nichterfüllung der Validierungskriterien bedeutet, dass wieder auf den Standardansatz mit erhöhten Eigenkapitalanforderungen zurückgegriffen wird. Alle Institutionen, unabhängig von ihrer Größe, Komplexität oder ob sie einen erweiterten Ansatz beibehalten haben, müssen Kapitalkosten basierend auf dem standardisierten Modell einsetzen und melden. Analytische Techniken zur Modellierung von VaR, z. B. ein optimiertes VaR, finden sich z. B. in „Credit Engineering“ [Glantz und Muns 2011 und Alexander et al. 2012]. Banken haben Probleme, qualitativ hochwertige Daten für Risikomodelle zu beziehen. Die Diversifizierungsvorteile sind auf fünf Risikoklassen begrenzt. Interne Modelle werden durch Tests auf der Desk-Ebene bewertet (falls sie fehlschlagen, muss der Desk zu einem überarbeiteteten Standardansatz zurückkehren). Gewinn- und Verlust- (P & L) Attributionstests und Risikofaktoren müssen in der täglichen Gewinn- und Verlustrechnung korrekt dargestellt werden. Kapital für nicht modellierbare Risikofaktoren (z. B. Märkte mit geringer Kurshistorie) und inkrementelle Risikoaufschläge (IRC) müssen mit einer Ausfallrisikokomponente addiert werden. Die folgende Tabelle ( Tab. 02) gibt einen Überblick über die wichtigsten Verordnungstexte. In Abb. 01 ist dargestellt, wie zwischen der Analyse- und Implementierungsphase unterschieden werden kann. Die Analysephase kann in drei Phasen unterteilt werden: Die Voranalyse, funktionelles und technisches Design. Die Implementierung muss aus Realisierung, Test und Lösung bestehen. Die Analyse der Systeme ist ein komplexes Thema, und im Anhang ist eine nützliche Checkliste enthalten, die eine Bank bei der Umsetzung des FRTB unterstützen soll. Wie häufig werden Risikolimits überprüft? Was ist das Tätigkeitsfeld der Geschäftsbereiche bezüglich der Marktrisiken? Wie ist die Befugnis zur Delegation von Marktrisikokontrollgrenzen organisiert? Gibt es einen Prozess zur Untersuchung und Lösung von unregelmäßigen oder umstrittenen Transaktionen? Das FRTB stellt Datenqualität in den Vordergrund des Modellvalidierungsprozesses. Jedes Modell muss auf mindestens 24 realen Datenpunkten basieren. Um als „real“ betrachtet zu werden, muss jeder Datenpunkt einer nachweisbaren Transaktion zwischen unabhängigen Geschäftspartnern (arm‘s length transaction) entsprechen, nicht einem Bevollmächtigten oder Vertreter. Ein Risikomodell, das diesen Test nicht besteht, wird als nicht „modellierbar“ betrachtet und löst eine zusätzliche nicht modellierbare Risikogebühr aus. Ein Schwerpunkt sollte auf das Modellrisiko gelegt werden [Allen 2012]. Wie werden das allgemeine und das spezifische Risiko berechnet? Welche Risikomessungen werden verwendet, Bottom-up-historische, Monte-Carlo oder sensitivitätsbasierte Methodiken? Für die Monte-Carlo-Diskussion wird auf Hermsen [Hermsen 2012] verwiesen. Wie wird die zugrunde liegende Methodik beschrieben: Zeitraum, Konfidenzintervall, Basiswährung oder Anzahl der Szenarien? Wie wird die Sensitivität gemessen, benutzt die Bank „greeks“, berücksichtigt sie parallele und nicht-parallele Verschiebungen, Butterflies und Twists? Welche Stresstests gibt es, und wie werden sie konstruiert, also
Regulierung 19 Abb. 02 Instrument Anforderungen und ihre Konsequenzen New risk measure Calibration to stress market condition Different liquidity horizons New default risk charge New requirements for model approval Tab. 03 Trading Book »» Short-term resale Instrument Überblick über das Handels- und Anlagebuch »» Profiting from short-term price movements »» Locking in arbitrage profits »» Hedging risks »» Correlation trading portfolio »» Net short credit/equity position »» Underwriting commitments wie sehen Stressmarktdaten, stochastische Parameter, Korrelationen, Referenzdaten etc. aus? Wie kann die Methodenabteilung den VaR oder den Expected Shortfall in seine Komponenten zerlegen? Wie werden die Einflussfaktoren Zinssatz, FX, Aktienund Volatilitätsrisiko beschrieben? Die Ergebnisse sollten von der Bestandsebene, dem Szenario und den einzelnen Trades für jedes Szenario zu den individuellen Risikofaktoren gründlich recherchiert werden. Wie ist die Gewinn- und Verlust-Aufteilung gestaltet? Jedes Risikomodell muss zudem einen strengen G+V Attribuierungstest anwenden. Um diesen Test zu bestehen, muss das Risikomodell mit denselben Marktdaten kalibriert werden, die das Frontoffice für die Berechnung der täglichen Gewinn- und Verlustrechnung verwendet. Mit anderen Worten, Frontoffice- und Backoffice-Marktdaten müssen aufeinander abgestimmt werden. Umgekehrt birgt eine schlechte Datenqualität das Risiko, dass der P+L Attribuierungstest scheitert, wodurch die Kapitalanforderung steigt. Es sollte untersucht werden, ob ein Trading-Desk-Risikomanagement-Modell eine ausreichende Anzahl von Risikofaktoren enthält, die die tägliche Gewinn- und Verlustrechnung des Trading Desks bestimmen. Das theoretische Risikomodell muss mit dem theoretischen Frontoffice-Modell verglichen werden. Können Bewegungen im P&L, VaR und anderen Risikomethodiken durch zugrunde liegende Risikofaktoren und Handelsbewegungen erklärt werden? Gibt es bereits entwickelte Backtesting-Verfahren [Acerbi und Szekely 2017) Könnte die theoretische Gewinn- und Verlustrechnung täglich mit den relevanten VaR-Ergebnissen und der realisierten Gewinn- und Verlustrechnung verglichen werden? Ist das verwendete Marktrisikomodell korrekt kalibriert? Welche Backtesting-Kriterien gibt es? Die Verfügbarkeit von Daten zum öffentlichen Handel variiert je nach Zuständigkeit und Produkten sehr. 4. Herausforderungen bei der Umsetzung Banken und Beratungsunternehmen sehen sich zunächst unterschiedlichen Herausforderungen in der Umsetzung gegenüber. PRMIA und GARP haben verschiedene More of theoretical interest Difficult to get relevant data Intense calculation effort Bank specific Increasing work load Banking Book »» Unlisted equities »» Securitisation »» Warehousing »» Real estate holdings »» Retail and SME credit »» Equity investment »» Derivative instruments »» Hedging instruments Konferenzen organisiert, um diese Herausforderungen zu diskutieren [Risk-Minds- Konferenz 2018]. Risikodatenarchitektur, Datenintegration und Koordination mit dem Frontoffice sollten klar definiert sein. Welcher Zusammenhang besteht zwischen Datenqualität und Kapitalanforderungen? Die P&L-Attribuierung wird z. B. mit p-Werten als Alternative für die P&L-Attribuierung ergänzt. Das Backtesting für den Handel der verschiedenen Desk-Level-Modelle muss anwendbar sein (verschiedene Backtesting-Verfahren finden sich in [Wernz 2014]). Änderungen im Backtesting gehören dokumentiert. Synergien zwischen Front-Desk-Risiko und dem finanziellen (Markt-) Risiko sollten bestimmt und genutzt werden. Optimale Strukturen für das Handels- und Anlagebuch ermöglichen verschiedene vordefinierte Szenarien zur Schadensbegrenzung. Die weitere Tabelle ( Tab. 03) zeigt die verschiedenen Elemente des Handels- und Anlagebuchs. Das Handelsbuch ermöglicht z. B. kurzfristige Weiterverkäufe, Übernahmeverpflichtungen usw. Sind die Trading- Desk-Modellierungshilfsmittel angemessen, wenn eine feinabgestimmte Risikoanalyse hilft, zu entscheiden, welcher Desk ‘lebt‘ oder ‘stirbt‘? Nicht modellierbare Risikofaktoren sollen für die Datenbeschaffung verwendet werden. Das Fassungsvermögen muss untersucht werden, um die zunehmende Menge an Modellausgaben zu verwalten. Ein Mangel an Infrastruktur kann unterschiedliche Grade an Granularität und unzureichende Risikodaten über
