Risk Analytics: Tendencias y Desafíos en la Banca Argentina

David A. Mermelstein
Gerente de Control de Riesgos, Banco Comafi y Profesor Maestría en Data
Mining, Universidad Austral
Risk Analytics
Tendencias y Desafíos en la Banca Argentina

► Tendencias
► “Risk Analytics” dentro del proceso de Risk Management
► Principales riesgos bancarios comprendidos en Risk Analytics
► Piezas y funcionalidades clave del Risk Analytics
► Tópicos de actualidad crítica:
► Infraestructura de TI y Datos
► Modelos: métricas, agregación y riesgo de modelo/validación
y model management
► Desafíos actuales
► Q&A
Risk Analytics: Agenda

► Convergencia acelerada hacia estándares y mejores prácticas
internacionales
► Alineamiento del regulador local al resto de los reguladores globales
► Visión integral del riesgo
► La gestión del riesgo como parte de la estrategia
► Involucramiento del Directorio y la Alta Gerencia
► Definición explícita de un apetito y límites de tolerancia por el riesgo
► Riesgos del pilar II
► Pilar III – Disciplina de mercado
► Basilea III y sus nuevas métricas
► Cultura del riesgo | Change management
► En este marco, se vuelve muy relevante el rol de la tecnología, los datos
y los modelos…. Bienvenidos al mundo del ‘Risk Analytics’
Tendencias en la Banca Argentina

Risk Analytics: Programa de Gestión Integral de Riesgos

Risk Analytics: El proceso de Risk Management

Risk Analytics: El proceso de Risk Management
¿Para qué?
► Mejora en la toma de decisiones, incluyendo la dimensión del riesgo
junto a la dimensión del retorno
► Optimizar el uso del capital y las exposiciones al riesgo
► Reducción de costos/pérdidas
► Cumplimiento regulatorio
► Satisfacer más eficientemente las necesidades de clientes y otros
‘stakeholders’
► Favorecer el desarrollo de nuevos productos y servicios financieros

► Crédito / Contraparte
► Mercado
► Tasa de interés
► Liquidez
► Operativo
► Estratégico
► Titulización
► Reputacional
► Sistémico
Risk Analytics: Principales riesgos bancarios a modelizar
o Bajo condiciones normales
o Bajo situaciones de “estrés”
o En forma individual
o En forma integral
o Bajo diferentes agregaciones
► Capítulo aparte: Risk Analytics para fraude, operaciones
ilícitas, prevención de lavado de dinero, etc.

Risk Analytics: Principales riesgos bancarios a modelizar y
sus métricas
Distribución conjunta
R. Crédito
R. Mercado
R. Operacional R. ALM
R. Negocio
Otros riesgos
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
0
1
2
3
4
5
6
7
8
9
10
x 10
4
0 2 4 6 8 10 12 14
0
2
4
6
8
10
12
x 10
4
0 2 4 6 8 10 12 14
0
2
4
6
8
10
12
x 10
4
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
0
1
2
3
4
5
6
7
8
9
10
x 10
4
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
0
1
2
3
4
5
6
7
8
9
10
x 10
4
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
0
1
2
3
4
5
6
7
8
9
10
x 10
4
Riesgos Pilar I Riesgos Pilar II
0.8 1 1.2 1.4 1.6 1.8 2
0
100
200
300
400
500
600
700
Pérdidas
Frecuencia
Distribución de pérdidas
P. Esperada P. Inesperada
Fuente: GMS

► Infraestructura de datos, incluyendo cobertura, profundidad y
calidad
► Motores de cálculo: Modelos econométricos/estadísticos;
Algoritmos eficientes; Simulación
► Tecnología de soporte
► Reportería / agregación de riesgos
► Sistema de límites y alertas tempranas
► Integración con el resto del MIS: Rentabilidad ajustada por riesgo
/ Pricing / etc.
► Pruebas de estrés
► Operación en contingencia
Risk Analytics: Piezas clave

Risk Analytics: Infraestructura de datos

► Precisión / Exactitud
► Completitud / Alcance
► Consistencia
► Razonabilidad
► Prontitud/ Actualización
► Unicidad
Risk Analytics: Dimensiones clave de la calidad de datos

Risk Analytics: Diseño de la arquitectura de TI
Diseño de la arquitectura tecnológica
 El trabajo incluye el diseño de posibles alternativas de la arquitectura tecnológica que deba soportar el Modelo de Información de
Riesgos.
oVA
Fuente: GMS

► Funcionalidades principales de la herramienta de SAS® implementadas
en Banco Comafi:
► Extracción, transformación y carga de datos (ETL)
► Repositorio de datos de riesgos (Data Mart de Riesgos)
► Motor de cálculo de riesgos (“Risk Dimensions”) (Pieza clave),
generando métricas para la medición de los diversos riesgos
► Estimación de modelos estadísticos necesarios como input para las
métricas y modelos de riesgos
► Análisis de escenarios múltiples – pruebas de estrés
► Reportes automatizados
► Portales web con tableros de control para el monitoreo y seguimiento de
límites on-line, emisión de alertas tempranas

SAS WEB PORTAL
•REPORTING AUTOMATIZADO
•DASHBOARDS
•MONITOREO DE LÍMITES
•EMISION DE ALERTAS

► Las mejores prácticas, incluyendo recomendaciones del BCRA,
requieren funcionalidades de modelización para:
 Medir exposiciones vigentes y las que puedan surgir
 Evaluar riesgos asociados a activos, pasivos, y posiciones
fuera del balance
 Utilizar conceptos financieros y técnicas de medición
generalmente aceptados
 Incorporar todas las posiciones relevantes en tiempo y forma
 Considerar todas las fuentes significativas de riesgo
 Considerar el uso de escenarios múltiples
 Considerar exposiciones en diferentes monedas
 Reporting – Dashboards - Alertas tempranas
Risk Analytics: Funcionalidades de modelización

► Probabilidades de default (PD)
► Tasas de pérdida dado el default (LGD)
► Volatilidades de precios, tasas de interés, tipos de cambio
► Precios de contratos financieros complejos/derivados
► “Valores a Riesgo” y métricas derivadas
► Capitales económicos
► Retornos ajustados por riesgo (ej. RAROC)
► Ratios y patrones comportamentales de activos y pasivos
Risk Analytics: Modelos y métricas resultantes
Técnicas usuales:
o Modelización econométrica uniecuacional / multiecuacional
o Simulación de MC basadas en modelos de series de tiempo y procesos estocásticos
estimables: GBM, ARCH, GARCH, Vasicek, Mean Reversion, Jump Diffusion
o Estimación de matrices de var-cov
o Correlación entre factores de riesgo mediante funciones cópula

► Agregaciones lineales basadas en Var-Cov
► Agregaciones vía funciones cópula
► Full-valuation simulations
Risk Analytics: Metodologías de agregación de riesgos

► Es el riesgo de estimar imprecisamente el riesgo debido a utilizar
un modelo deficiente o inadecuado.
► Puede surgir debido a:
► Fallas de especificación
► Fallas de aplicación
► Fallas de implementación
► Fallas de estimación/calibración de parámetros –
Desactualización de modelos
► Fallas de datos de input
► Fallas de programación
Risk Analytics: Riesgo de Modelo... Un enemigo oculto

Risk Analytics: Riesgo de Modelo... Un enemigo oculto
Datos Modelización
Entorno
Tecnológico
Integración en
la Gestión
Documentación
► Etapas de un proceso de validación de modelos

► Integración – unicidad de plataformas
► Infraestructura de datos
► Mapa de modelos en expansión continua, que debe buscar ser
comprehensivo, único y actualizado en forma corriente
► Adaptabilidad, flexibilidad y agilidad tecnológica para visiones
prospectivas y juicios expertos, y para diferentes niveles de
agregación - Visualización
► Riesgo de modelo: Ciclo de validación de modelos completo,
eficaz y eficiente. Documentación y formalización
► Integración en los MIS y herramientas de decisión habitual,
combinando las dimensiones riesgo-retorno – Integración en la
gestión
► Cultura de riesgos
Risk Analytics: Desafíos

David A. Mermelstein
mermelstein@gmail.com
Risk Analytics
Tendencias y Desafíos en la Banca Argentina

Risk Analytics: Tendencias y Desafíos en la Banca Argentina

Recomendados

Recomendados

Más contenido relacionado

Similar a Risk Analytics: Tendencias y Desafíos en la Banca Argentina

Similar a Risk Analytics: Tendencias y Desafíos en la Banca Argentina (20)

Último

Último (20)

Risk Analytics: Tendencias y Desafíos en la Banca Argentina