Logo
DeutschClear Cookie - decide language by browser settings
Reese, Christof (2007): Grenzen der Quantifizierung operationeller Risiken. Dissertation, LMU München: Faculty of Mathematics, Computer Science and Statistics
[img]
Preview
PDF
Reese_Christof.pdf

14Mb

Abstract

In hoch entwickelten Wirtschaftssystemen unterliegen Banken einer besonderen Beaufsichtigung, da ein gut funktionierendes Finanzsystem die Grundlage einer soliden Wirtschaft darstellt. Insbesondere sind Banken verpflichtet, eine gesetzlich vorgegebene Eigenkapitaluntergrenze einzuhalten. Diese Grenze wurde in der Vergangenheit im Wesentlichen durch die Höhe der Bilanzaktiva bestimmt. Banken mussten für die aus diesen Positionen resultierenden Kredit- und Marktrisiken Eigenkapital vorhalten. Übrige Risiken wurden nur implizit abgedeckt. Durch die neue Baseler Eigenkapitalvereinbarung, die eine Empfehlung eines Ausschusses von Vertreten der Zentralbanken der großen Industrienationen darstellt und zurzeit in die jeweiligen nationalen Rechte umgesetzt wird, sollen nun unter anderem zusätzlich operationelle Risiken explizit mit Eigenkapital hinterlegt werden müssen. Zur Berechnung des notwendigen Eigenkapitals werden in der Vereinbarung drei verschiedene Ansätze aufgeführt, von denen zwei lediglich einfache und vermutlich risikounabhängige Berechnungsvorschriften darstellen; der dritte Ansatz jedoch - der Advanced Measurement Approach - kann bei entsprechender Ausgestaltung risikosensitiv sein, da er die Entwicklung und Verwendung selbst entwickelter Verfahren zur Bestimmung des Kapitals gestattet. Typischerweise werden bei solchen Verfahren Methoden aus der Versicherungswirtschaft verwendet, die Fragen zu Risiken von Prozessen, Personen, Technologie und externen Ereignissen bereits seit längerer Zeit zu beantworten versucht. Dazu werden die Ursachen der in der Vergangenheit aufgetretenen Verluste analysiert, um die aktuelle Gefahr zukünftiger Verluste zu ermitteln. Bei der Quantifizierung von Risiken in Banken müssen sehr hohe Quantile bestimmt werden, damit sichergestellt ist, dass das Unternehmen mit großer Wahrscheinlichkeit nicht zahlungsunfähig wird. Dies ist auch bei operationellen Risiken der Fall. Im Gegensatz zu Markt- oder Kreditrisiken stehen jedoch bei diesen nur relativ wenige Daten zur Verfügung. Dennoch wird in vielen zur Zeit verwendeten Modellen die Sensitivität der Ergebnisse aufgrund dieser sehr geringen Datenbasis nicht oder nicht ausreichend berücksichtigt. Die vorliegende Arbeit stellt ein Verfahren vor, um Konfidenzintervalle für geschätzte typische Risikogrößen wie z.B. einen Value-at-Risk oder den Expected Shortfall zu ermitteln. Die Anwendung wird dann anhand beispielhaft generierter Daten dargestellt, wobei die spezifischen Eigenheiten operationeller Risiken berücksichtigt werden. Dabei zeigt es sich, dass die bestimmten Konfidenzintervalle - abhängig von der für die Schätzungen verwendbaren Daten - mehrere Größenordnungen umfassen können. Bei der Interpretation der Daten und der daraus folgenden endgültigen Bestimmung von Mindestkapitalanforderungen für operationelle Risiken bei Banken müssen dann derartige Unschärfen berücksichtigt werden.

Abstract

A good working financial system is the basis for a solid economy. Therefore in highly developed economies financial institutions are especially supervised. In particular banks are required to keep a certain amount of equity determined by national authorities. Under the rules of Basel I this amount was determined mainly by the value of assets. Banks were required to keep equity for market and credit risks. Other risks were only covered implicitly. In the new Basel capital accord also operational risk has to be covered with equity explicitly. To calculate the necessary equity the accord mentions three approaches the basic indicator approach, the standardized approach and advanced measurement approach. Only the latter -- the advanced measurement approach -- is intended to have some risk sensitivity. It allows the application of self developed models to measure the necessary equity. The typical model to quantify operational risks is based on models from insurances. Insurances already gained some expertise to quantify risks resulting from persons, processes, technology or external events. Data from history are extrapolated to predict future risks. To quantify risks in banks it is necessary to calculate a high quantile of the loss distribution. This is necessary to ensure that the bank is not going to become illiquid. The same is true for operational risk. But in opposite to other risks like market or credit risks for the calculation of operational risks there are usually only few data available. Despite this problem for most of the models mentioned in literature the problem of sensitivity of the results is not mentioned appropriately. This thesis shows a method to calculate confidence intervals for risk measures like the value-at-risk or the expected shortfall. The application of this method is shown with simulated data. The specific features of operational risk are taken into account. It is shown that the confidence intervals can include several orders of magnitude. To interpret the data and to finally calculate the necessary equity these fuzziness has to be taken into account to ensure the survival of the bank even if high impact losses occur.