Planificación estratégica en banca: Integrando macroeconomía, stress test, regulación y apetito al riesgo como parte del plan de negocio en momentos de cambio.
Top Trading _ Guía Análisis de precio fores velas japonesas estrategia
Planificación estratégica en banca: Planificando en el caos
1. Planificando en el caos
Integrando macroeconomía, stress test, regulación
y apetito al riesgo como parte del plan de negocio
en momentos de cambio
Ramon Trias
CEO
AIS Aplicaciones de Inteligencia Artificial
rtrias@ais-int.com
www.ais-int.com
2. Agenda
De dónde venimos y hacia dónde deberíamos dirigirnos
Cómo poner orden en el caos
Saliendo del laberinto: casos prácticos
Conclusiones
www.ais-int.com
3. DE DÓNDE VENIMOS Y HACIA
DÓNDE DEBERÍAMOS
DIRIGIRNOS
www.ais-int.com
4. Un poco de historia…
Tradicionalmente nos hemos enfocado en considerar los riesgos
por separado: crédito, mercado, liquidez…
Hemos aprendido numerosas metodologías y desarrollado
tecnologías que son útiles para tratar los riesgos por separado:
enfoque de silos .
El stress test fue un paso importante pero limitado, pues no deja
de ser un análisis de valor esperado en un caso extremo.
Hoy por hoy somos capaces de planear la estrategia óptima
considerando el negocio en su totalidad: calculando la
distribución óptima del portafolio con la finalidad de alcanzar los
objetivos de negocio del banco, considerando todo tipo de
restricciones y todo tipo de riesgos.
Esta ha sido la evolución…
www.ais-int.com
5. Evolución del modelo financiero
Orientado al
fracaso
(bancarrota/
mora)
Otros riesgos
Otros riesgos
Operacional,
reputación,
liquidez ...
Crédito
Crédito
Mercado
Mercado
Principal
atención en los
precios.
Especulación,
volatilidad
Visión de Cartera
de Crédito,
Stress testing, RDF
Macroeconómicos
Macroeconómicos
Corporativo
Corporativo
Merton
Merton
COSO
COSO
Basel IIII
Basel
Proyección de
balances
Stress
Stress
test
test
Optimización
Optimización
de la
de la
Integración
Integración
del Negocio
del Negocio
www.ais-int.com
6. ¿Hacia dónde vamos?
Lo que ocurrió en el PASADO no es la mejor respuesta para prever el
FUTURO. ¿Por qué?
-
La complejidad y el caos se han elevado (y van en aumento) desde diferentes
fuentes.
-
Los métodos estadísticos están fundamentalmente basados en información
histórica.
-
El control y la regulación basados en ratios tiene sentido en tiempos estables o
en “evoluciones de poco ruido”.
-
En un momento de cambio, los actores no tienden a repetir su comportamiento
pasado, sino a buscar su óptimo (según apuntaban escuelas como la
neoclásica).
-
Integrar las opiniones de los expertos y los modelos se hace indispensable
(teoría bayesiana).
-
Además, la gestión del riesgo tiene más sentido si se integran todos los riesgos
con los objetivos de negocio.
www.ais-int.com
7. ¿Cómo?
Hay que cambiar el método de modo que el análisis cualitativo de
la realidad esté complementado con cálculos modelados. La
OPTIMIZACIÓN debe ser el criterio y la herramienta.
El siguiente paso dentro de esta nueva visión es:
Planificación
Estratégica
A través de herramientas de proyección de balance y cuentas de
resultados para confeccionar un plan de negocio sujeto a criterios
de optimización, en un ambiente cambiante.
www.ais-int.com
9. Nuestra propuesta
Implementar un sistema que realmente ayude en la toma de decisiones
acerca de qué estrategia seguir, mediante el establecimiento de la
estructura de activos y pasivos óptima desde el punto de vista del
objetivo principal del negocio: maximizar EVA, minimizar costes,
maximizar el impacto económico, etc.
Integrando –convolucionando– todas las fuentes de beneficios y
pérdidas: riesgos, ganancias...
Considerando todas las limitaciones y restricciones (Basilea III, mercado,
negocio…)
Combinando predicciones macroeconómicas desde un modelo formal
con escenarios extra modelo (escenarios de experto).
Usando una vista dinámica, no una fotografía.
www.ais-int.com
10. Nuestra propuesta
Generador de escenarios
Macroeconomía
Escenarios de
experto
Objetivo
Objetivo
Criterio de optimización
Criterio de optimización
Balance de partida
Balance de partida
Parámetros
Parámetros
Restricciones
Restricciones
•Riesgo
•Riesgo
•Regulación
•Regulación
•Negocio
•Negocio
•Tolerancia al riesgo
•Tolerancia al riesgo
•Costes
•Costes
•Oferta yydemanda
•Oferta demanda
Motor de
optimización
Strategic
Advisor
Resultados
Resultados
•Balance
•Balance
•Cta. Resultados
•Cta. Resultados
•Capital regulatorio
•Capital regulatorio
•RAROC/ROE
•RAROC/ROE
•Valor entidad
•Valor entidad
•Liquidez
•Liquidez
Análisis de
Análisis de
sensibilidad
sensibilidad
Análisis de las
Análisis de las
restricciones
restricciones
Feedback
www.ais-int.com
11. Escenario Macroeconómico.
Construyendo los modelos.
La combinación de modelos
La combinación de modelos
macroeconomómicos, criterios del
macroeconomómicos, criterios del
experto yymodelos microeconómicos
experto modelos microeconómicos
permite la proyección de los
permite la proyección de los
principales flujos del balance.
principales flujos del balance.
Modelo
Macroeconómico
VAR
Φ ( B )[{Yt } ] = { ε t }
Escenario Macro
[ { ∃Y → Y } ]
*
t
t
t∈{1,T }
⊂ [{Yt } ] t∈{1,T }
Proyección Condicionada
Generalizada
[
ˆ
Ω Yn×T ; Yn×T , Σ n×T Yn*×T
]
Covarianza de la
Cartera
Σ Portfolios = G[ ΣY ]
ε como Apetito al Riesgo
CDF [ Lt [ { Y } ] ] = ε ⇒
VaRt ( ε ) = Lt [ {Y } ]
Modelo Capital
Económico
K t ≤ Lt [{Y } ]
www.ais-int.com
Balance inicial
Balance inicial
Parámetros,
Parámetros,
Coeficientes,
Coeficientes,
Madurez
Madurez
Modelos de Flujos
Microeconómicos
{ z} it
[
= Li {Yt } , ε ti
]
Input del
Input del
Modelo de
Modelo de
Optimización
Optimización
12. Motor de Optimización.
Componentes
Función Objetivo
Dinámica de Sistema
Cuentas y Flujos
max Z = EVA[ {{ X } , { x}} ∀t∈T ]
SVA[{{ X } , { x}} ∀t∈T ]
{ X t , xt } = G[{ X t } , { xt } , { X t −1} , { xt −1} ]
Un sistema basado en la
Un sistema basado en la
optimización explora
optimización explora
automáticamente un universo
automáticamente un universo
de posibles activos, pasivos yy
de posibles activos, pasivos
estructuras de capital yy
estructuras de capital
escoge el mejor plan.
escoge el mejor plan.
Optimización
max Z = W [{ X t , xt } ]
Parámetros
[{Yt } ] t∈{1,T } , ε ,...
Nuevos escenarios
xt
s.t.
{ X t , xt } = G[{ X t −i , xt −i } ]
F [{ X t , xt } ] ≥ 0 ; t , i ∈ {1, n}
Formato Ejecutivo
www.ais-int.com
Prioridades
Prioridades
Output a
Presupuestación
13. Algunos modelos tradicionales
deben ser rediseñados
Habitualmente…
N activos para 1 capital
N activos para 1 capital
Activo
Activo
Dado
Activo
Activo
Capital necesario
Capital necesario
Cálculo de capital
económico
Activo
Activo
Ratios,
estados
Activo
Activo
Activo
Activo
Valuation
Plan Optimizado
Activo
Activo
Activo
Activo
Dado
Límites de Capital
Límites de Capital
Otras Restricciones
Objetivo
Función No lineal
Cálculo de capital
económico
11capital para N activos (& fondos)
capital para N activos (& fondos)
Calculado con iteraciones
Calculado con iteraciones
www.ais-int.com
Activo
Activo
Activo
Activo
Activo
Activo
15. ¿Cómo debe trabajar este sistema?
Efecto de anticipar el calendario de
implementación del ratio de liquidez a corto
plazo de Basilea III.
www.ais-int.com
16. Efecto de anticipar el calendario de
implementación del ratio de liquidez a corto
plazo de Basilea III
Definición del ratio:
Veamos cómo la anticipación de éste ratio afecta los activos y
pasivos previstos en el plan óptimo.
Consideramos la optimización del balance de un banco
hipotético. El criterio de optimización es el maximizar el
Shareholder Value Added. Las restricciones de activo son los
marcos de Basilea II y Basilea III.
www.ais-int.com
17. Escenario 1: Sin adelanto del
ratio de liquidez
Escenario 2: Adelantando el
ratio de liquidez
El beneficio
El beneficio
máximo que se
máximo que se
podría alcanzar es
podría alcanzar es
menor que antes
menor que antes
La primera víctima
La primera víctima
sería la cartera de
sería la cartera de
negociación
negociación
Resultado consolidado del
ejercicio en el escenario 1
Resultado consolidado del
ejercicio en el escenario 2
Escenario 1
www.ais-int.com
Escenario 2
18. Caída de la
Caída de la
concesión de
concesión de
hipotecas
hipotecas
Cambio en la
Cambio en la
estructura del
estructura del
endeudamiento
endeudamiento
El sistema es
El sistema es
capaz de
capaz de
modificar su
modificar su
actitud antes del
actitud antes del
momento del
momento del
cambio efectivo
cambio efectivo
Depósitos de la clientela
Depósitos en entidades de crédito
Depósitos en el Banco Central
www.ais-int.com
19. Escenario 1: Sin adelanto del
ratio de liquidez
Escenario 2: Adelantando el
ratio de liquidez
Aumento de
Aumento de
tesorería
tesorería
Resultado consolidado del
ejercicio en el escenario 1
Reducción de
Reducción de
beneficios
beneficios
Resultado consolidado del
ejercicio en el escenario 2
www.ais-int.com
20. Optimización como fuente de
inteligencia
Restricciones
balance
Capital Base
Tier1 Ampliado
Capital Total
Apalancamiento
Liquidez Largo
max Hipotecas
max PyMEs
capEconomico
Retornos
Hipo
400
350
300
250
200
150
100
50
Hipo
400
350
300
250
200
150
100
50
50
100
150
200
PyMEs
Hipo
400
50
Plan
Óptimo
350
300
Planes
Factibles
250
200
150
100
150
200
PyMEs
Al calcular el mejor plan para alcanzar los
Al calcular el mejor plan para alcanzar los
objetivos de negocio del banco es
objetivos de negocio del banco es
imprescindible tener en cuenta todas las
imprescindible tener en cuenta todas las
restricciones implicadas: la regulación, el
restricciones implicadas: la regulación, el
mercado, las políticas ...
mercado, las políticas ...
Cualquier cambio da una nueva posición de
Cualquier cambio da una nueva posición de
activos yypasivos.
activos pasivos.
100
50
50
100
150
200
Gran dificultad para trabajar cambios en una
Gran dificultad para trabajar cambios en una
única variable en Excel. Impensable lo
única variable en Excel. Impensable lo
costoso que resultaría contemplar todas las
costoso que resultaría contemplar todas las
restricciones manualmente.
restricciones manualmente.
www.ais-int.com
PyMEs
21. EJEMPLO 2: STRESS TEST
Efecto de una subida del tipo de interés
aplicada al resultado del ejemplo anterior.
www.ais-int.com
23. Escenario Macroeconómico.
Previsión Condicionada.
Escenario
Previsto
Valoraciones
expertas
Las opiniones del experto sobre el futuro
Las opiniones del experto sobre el futuro
macroeconómico se pueden incorporar al
macroeconómico se pueden incorporar al
sistema, que recalcula automáticamente el
sistema, que recalcula automáticamente el
resto de variables.
resto de variables.
www.ais-int.com
24. Escenario 2: Ratio de
liquidez adelantado
Escenario 3: Tasa de
interés estresada
El beneficio
El beneficio
máximo que se
máximo que se
podría alcanzar es
podría alcanzar es
menor que antes
menor que antes
Las inversiones se
Las inversiones se
reajustan
reajustan
Como
Como
consecuencia su
consecuencia su
fondeo se adapta
fondeo se adapta
www.ais-int.com
25. Cambio en la
Cambio en la
estructura de la
estructura de la
inversión
inversión
Préstamos al consumo
Financiación de proyectos
Adaptación de la
Adaptación de la
estructura de
estructura de
financiación
financiación
Depósitos de la clientela
Depósitos en entidades de crédito
Depósitos en el Banco Central
www.ais-int.com
26. ¿Quién toma ventaja de esto?
Es útil aala Alta Dirección
Es útil la Alta Dirección
e implica a todas las
e implica a todas las
áreas del banco, incluida
áreas del banco, incluida
la red de oficinas
la red de oficinas
Consejo
Tolerancia al
Tolerancia al
Riesgo
Riesgo
Dirección
Financiera
Objetivos
Objetivos
Estratégicos
Estratégicos
Strategic
Strategic
Advisor*
Advisor*
Estrategia de
Estrategia de
Financiación
Financiación
Dirección
Comercial
Primer Plan
Primer Plan
Comecial
Comecial
Presupuesto
Presupuesto
Ajustado
Ajustado
www.ais-int.com
28. Conclusiones
El uso de modelización en las entidades financieras es una
corriente imparable.
Es necesario incorporar nuevas metodologías que integren:
- La opinión del experto y modelos macro
- Modelos de riesgo, demanda y costes
- Criterios de optimización
Hay que automatizar todo lo automatizable para que se fomente
el tiempo “creativo” del analista.
Así tendremos éxito
Planificando en el caos!
Planificando en el caos!
www.ais-int.com
30. Evolución de los modelos financieros
Atención al precio. Volatilidad. Procesos estocásticos, Difusión Fourier
Arrow, K.J. (1964), The role of Securities in the optimal allocation of Risk-bearing. The Review of Economic
Studies Vol 31, no. 2 Apr 1964)
Bachelier, L. (1900), Théorie de la spéculation, Gauthier-Villars.
Bankers Trust, VAR as a Risk Measure. See http://value-at-risk.net/proprietary-var-measures/
Black, F. and M. Scholes (1973), The Pricing of Options and Corporate Liabilities. The Journal of Political
Economy vol 81, 3
Elton, E.J. and M.I. Gruber (1981), Modern Portfolio Theory and Investment Analysis, John Whiley
Fama, E. (1965), The Behavior of Stock Market Prices efficient-market hypothesis (EMH)
Guill, D.G. (2009), Bankers Trust and the Birth of Modern Risk Management .Warton School,U.Pensivania
http://fic.wharton.upenn.edu/fic/case%20studies/Birth%20of%20Modern%20Risk%20Managementapril09.pdf
JP Morgan (1996) ,Risk Metrix, Technical Document http://www.riskmetrics.com
Macaulay, F. (1910), Money, credit and the price of securities, University of Colorado.
Markowitz, H.M. (1959), Portfolio Selection: Efficient Diversification of Investments . New York: John Wiley &
Sons.
Merton, R.C. (1973), "Theory of Rational Option Pricing". Bell Journal of Economics and Management Science
(The RAND Corporation) 4 (1): 141–183
Merton, R.C. (1995), Influence of Mathematical Models in Finance on Practice: Past. Present and Future . In
Mathematical Models in Finance, Chapman Hall. London
Regnault, J. (1863), Calcul des chances et philosophie de la Bourse, Mallet-Bachelier, Paris
Samuelson, P. (1965), Proof that ProperlyAnticipated Prices Fluctuate Randomly
Savage, L.J. (1954), The Foundations of Statistics (John Wiley and Sons, New York).
Trias, R. (1982), Rendimiento, Riesgo y Selección de Activos Financieros. Banco Urquijo
Vasicek, O. (1977), An Equilibrium Characterisation of the Term Structure. Journal of Financial Economics 5
(2): 177–188.
31. Evolución de los modelos financieros
Riesgo de Crédito
Orientación al fracaso (Bancarrota / Mora )---Modelos Actuariales, Distribuciones Binominales Gamma Negativas, Funciones
características
-
-
AIS (1987), Credit Scoring Models, Behaviour Scoring, shops channel.
Altman, I.E. (1968), Financial Ratios, Discriminant Analysis and the Prediction of Corporate
Bankruptcy. Journal of Finance: 189–209.
Beaver, H.W. (1966), Financial ratios predictors of failure Journal of Accounting Research, 4, p. 71111.
Credit Suisse Financial Products (1997), CreditRisk+,
http://www.macs.hw.ac.uk/~mcneil/F79CR/creditrisk.pdf
Fair Credit Reporting Act (1970), http://www.ftc.gov/os/statutes/fcradoc.pdf
FICO Credit Scoring History http://www.fico.com/en/Company/Pages/history.aspx
Trias, R. et al. (2008), El método RDF, El nuevo estándar de stress testing de riesgo de crédito, AIS
http://www.ais-int.com/wp-content/uploads/2011/12/RDF_Articulo_01.pdf
English version : The RDF methodology, the new standard stress testing credit risk
http://www.ais-int.com/wp-content/uploads/2011/12/Article-01-RDF-Eng.pdf
Vasicek, O. (1987), Probability of loss on loan portfolio. KMV Corporation
Wells Fargo First Behaviour Scoring. In http://www.fico.com/en/Company/Pages/history.aspx
32. Evolución de los modelos financieros
Otros riesgos y modelos
1990s Preocupaciones sobre Basilea II Pilar II – Sistemas, Pensiones, Concentración, Reputación, Liquidez
y riesgo legal.
Aproximación actuaria: recolección de datos, distribución de acontecimientos – Poison, Gamma
distributions, Extreme Value Theory, Distribution Mixtures, Survival analysis, Statistics for rare events,
convolution, characteristic functions. …
-Basel Committee on Banking Supervision (2004), Basel II New Basel Capital Accord – Pillar I. Operational
Risk
-Basel II – Capital reinforcement. Capital ratios
-COSO (1991), Internal Control: Integrated Framework. Committee of Sponsoring Organizations of the
Treadway Commission.
-Cruz, M., R. Coleman and G. Salkin (1998), Modeling and Measuring operational risk, Journal of Risk Vol1
No 1, pp.63-72
-Hoffman, D.G. (ed.) (1998), Operational Risk and Financial Institutions. Risk Publicaations. London
-Power, M. (2003), The invention of Operational Risk. Discussion Paper no. 16 ESRC Centre for Analysis of
Risk and Regulation.
-Baring Bank destruction (1995)
33. Evolución de los modelos financieros
Macroeconómico
-
-
-
Green H.W. (1993), Econometric Analysis, Collier Macmillan
McKinsey & Co. (1997), Credit View. Research report, McKinsey & Co
McKinsey Credit Portfolio View. Econometric Model factor obtained combining real macroeconomic
variables
Rösh, D. and H. Scheule (2008), Stress Testing for Financial Institutions. Risk Books
Ruiz, G and R. Trias (2011), Financial crisis and risk measurement: the historical perspective and a
new methodology, in the book by Óscar Dejuan Ed.: “The first great recession of the 21st century”.
Edward Elgar.
Trias, R. et al. (2009), El método RDF: Escenarios económicos para el stress testing, AIS
http://www.ais-int.com/wp-content/uploads/2011/12/AIS-RDF-Articulo-02.pdf. English version: The
RDF methodology: Economic scenarios for stress testing. http://www.ais-int.com/wpcontent/uploads/2011/12/Article-02-RDF-Eng.pdf
34. Evolución de los modelos financieros
Corporativo
-
-
Beazer F.W (1976), The Theory of portfolio choice and its applicability to bank asset management. Euromoney pgs 52-73
Cohen K.J. (1970), Programming Bank Portfolios under Uncertainty, Journal of Bank Research , vl1,num1 pgs 42-61
Cohen, K. J. (1972), Dynamic Balance Sheet Management: A Management Science Approach. Journal of Bank Research
Winter, pgs 9-19
Cohen,K. J. (1979), A Linear Programming Planning Model for Bank Holding Companies. Journal of Bank Research Autum
pgs 152-164
Monti, M. (1972), Deposit, Credit and Interest Rate Determination under alternative Bank Objective Functions. Mathematical
methods in investment and finance, North-Holand, Amsterdam pgs 431-454
Pyle, D.H. (1971), On the theory of financial intermediation. Journal of finance vol 26, num 3 pgs 737-747
Sealey C.W., Jr and J.T. Lindley (1977), Inputs, outputs and a theory of production and cost at depositary financial
institution. The Journal of Finance vol XXXII num 4 pags 1251-1265
Ruiz, G. and R. Trias (2012), Viabilidad de las entidades financieras y las nuevas metodologías reguladoras, Cuadernos de
Información Económica de FUNCAS http://www.ais-int.com/wp-content/uploads/2012/12/RTrias-GRuiz_FUNCAS_2012.pdf
English Version::Viability of Financial Entities and New Regulatory Methodologies. Article originally published in FUNCAS
“Cuadernos de Información Económica” (Funcas Economic Information Journal) nº 230 September-October 2012, redrafted
in accordance with Act 9/2012. http://www.ais-int.com/en/viability-of-financial-entities-and-new-regulatory-methodologies.html
Tennent, J. and G. Friend (2005), Guide to business modellling, The Economist Newspaper Ltd.
Trias, R. and A. Rodríguez (1980), Simulación y optmización en planificación bancaria. Informática-SIMO.
Trias, R. (1980), El Modelo POTS de Planificación Financiera. Instituto de Economia Aplicada. Internal documentation for
Planification Process Application
Van Loo, P.D. (1980), On the microeconomic foundation of bank behavior in macroeconomic models. The Economist 128 nr
4, pgs 474-495
35. Evolución de los modelos financieros
General
-
Arvanitis, A (2001), Gregory, Jon. Credit, the complete guide to pricing, hedging and Risk
Management. Risk books
Balternsperger, E. (1980), Alternative approaches to the theory of the banking firm. Journal of
Monetary Economics 6 pgs 1-37
Bessis, J. (1998), Risk Management in Banking. Whiley,
Cannata, F. et al. (2011), Basel III and beyond. Risk Books
Malz M.A. (2011), Financial Risk Management. Models, History and Institutions. Whiley
Ong K.M. (1999), Internal Risk Models. “Capital Allocation and Performance Measurement”. Risk
Books
36. Planificando en el caos
Integrando macroeconomía, stress test, regulación
y apetito al riesgo como parte del plan de negocio
en momentos de cambio
Ramon Trias
CEO
AIS Aplicaciones de Inteligencia Artificial
rtrias@ais-int.com
www.ais-int.com
Notas del editor
Tradicionalmente nos hemos centrado en considerar los riesgos por separado: crédito, mercado, liquidez…
Hemos desarrollado numerosas tecnologías y trabajado con distintas metodologías para tratar cada tipo de riesgo por separado, en un enfoque de silos.
Hoy por hoy, gracias a estas metodologías y tecnologías, somos capaces de considerar la totalidad del negocio y calcular la distribución óptima del portafolio para alcanzar los objetivos de negocio del banco respetando todas las restricciones y teniendo en cuenta todos los tipos de riesgo.
La modelización del negocio financiero no sólo ha dado soporte a las innovaciones financieras que hemos vivido en las tres últimas décadas, ha permitido y alentado estas innovaciones.
RIESGO DE MERCADO
La aplicación de distintas tecnologías – matemáticas y estadísticas – no ha sucedido de manera regular y uniforme, las primeras referencias las encontramos en el tratamiento de las oscilaciones de mercado, a finales del siglo XIX francés con Regnault y Bachelier, con el enfoque principal en la evolución de los precios de bolsa, utilizando para ello Procesos Estocásticos (Wiener motion)
Lo cierto es que aquellos primeros trabajos, si bien seminales, no tuvieron gran relevancia hasta los 60’s cuando se desarrollaron la teoría de la Inversión, Las decisiones de los juegos con riesgo, el Portfolio selection y el CAPM, con autores todavía tan actuales como com Henry Markowitz, Sharpe, Gruber y quizás el mas decisivo, la fórmula de Black-Scholes de 1973.
RIESGO DE CREDITO
Aunque mas tarde, el crecimiento de la banca comercial, abre el paso a la utilización de herramientas de calificación del crédito
Sin embargo, la banca comercial evoluciona en términos reales desde la visión de producto a la de cliente. En términos de IT y en términos de concepto de negocio modelos orientados al marketing, al seguro o a los RRHH son tímidamente aplicados.
Paralelamente, a particulares y empresas se trataba el Credit Scoring.
Merton, R C, Simons, R V and Wilkie, A D 1994 'Influence of mathematical models in finance on practice: past, present and future', Philosophical Transactions: Physical Sciences and Engineering 347.1684: 451-463. DOI: http://dx.doi.org/10.1098/rsta.1994.0055.
En vista de la evolución de la modelización en la banca, ¿cómo seguimos?
Actualmente, el pasado no puede proporcionarnos la mejor respuesta para predecir el futuro. ¿Por qué?
El control y la regulación basada en ratios tiene sentido en una situación de estabilidad, lo que no se corresponde con la actualidad.
La complejidad ha emergido (y continua emergiendo) desde distintas fuentes.
Los actores buscan su posición óptima.
Hay que integrar las opiniones de los expertos y los modelos.
Ahora la gestión del riesgo tiene más sentido si integra todos los riesgos con los objetivos reales de negocio. Por eso, es necesario apostar por la optimización.
¿CÓMO LO HACEMOS?
Control and regulation based on ratios has sense in stability or quiet noise evolution.
Lehman Brothers met the ratios.
Spanish banks and saving banks showed capital ratios higher than the regulatory ones.
Complexity arises from different sources.
Chaotic crisis make future different in from the past.
After crisis, regulators have become more and more interventionist.
New ratios added by Basel III, and the previous ones have been strengthened.
Statistics claims for the hypothesis that events in the future can be forecasted using past information.
In terms of expected value and volatility, enough to estimate VaR.
Risk management has now more sense if it does integrate all of the risks with the real ends.
Profits, EVA, SVA and the like.
NOTAS ADICIONALES
Lehman Brothers, Bearn Sterns, Merryl Lynch, AIG… (van patir la crisi del 2008):
http://elpais.com/diario/2008/09/16/economia/1221516009_850215.html
http://economia.elpais.com/economia/2008/09/15/actualidad/1221463975_850215.html
http://es.wikipedia.org/wiki/Bear_Stearns
Professor Roman Frydman was quoted in The Economist saying that "the forecaster in financial markets should act like an entrepreneur, not a scientist, he uses quantitative methods, but he also studies history, and relies on intuition and judgment" [8].
'Big questions and big numbers' 2006 The Economist. 13 July. Retrieved February 22, 2011 from http://www.economist.com/node/7159491.
Lehman Brothers: “El Comité Europeo de Reguladores de Valores (CESR) señaló hoy en un comunicado que la quiebra de Lehman Brothers demuestra que debe mejorar la información que se suministra a los inversores, aunque no cree que sea necesario cambiar la legislación actual.
El organismo señala que pasarán "meses e incluso años" antes de que se pueda comprender en su justa medida el impacto de la quiebra de la entidad estadounidense, la mayor de los Estados Unidos, en el mercado.
La nota del CESR recuerda que se han producido fallos en la información facilitada acerca de algunos productos estructurados, e insiste en que una de las prioridades de los supervisores debe ser la protección del inversor, mediante la mejora de las condiciones de comercialización y publicidad de los productos.
El CESR explica también que el grupo Lehman Brothers comprendía cerca de 3.000 entidades distintas sometidas a diversas jurisdicciones, y su quiebra ha demostrado, entre otras cosas, que la cooperación entre distintos organismos es esencial.
El CESR llama también la atención sobre el hecho de que los días previos a la quiebra de Lehman Brothers su posición de liquidez parecía relativamente sólida, pese a los signos de nerviosismo que evidenciaban que el "sentimiento de mercado" era frágil.”
Nuestro siguiente paso debe ser contribuir al plan estratégico. ¿Cómo?
Con herramientas de proyección de balance y cuentas de resultados sujetas a criterios de optimización y que contemplen la variabilidad del entorno actual.
¿Qué puede hacer una entidad financiera de cara a la planificación de sus estrategias?
Nuestra propuesta es IMPLEMENTAR UN SISTEMA QUE SEA UNA VERDADERA AYUDA A LA HORA DE TOMAR DECISIONES ACERCA DE QUÉ ESTRATEGIA SEGUIR.
UN SISTEMA QUE SEA CAPAZ DE CALCULAR LA ESTRUCTURA ÓPTIMA DE ACTIVOS Y PASIVOS PARA ALCANZAR LOS RESULTADOS DE NEGOCIO MARCADOS POR EL BANCO.
¿Cómo?
Integrando -convolucionando- todas las fuentes de pérdidas y beneficios: riesgos, fondos, ganancias...
Considerando todas las limitaciones y restricciones (Basilea III y demás regulaciones, mercado, contabilidad, etc)
Combinando predicciones macroeconómicas con escenas extra modelo
Y empleando una visión totalmente dinámica, no haciendo una simple foto de situación.
Scene Definition
Giving values to a set of variables (macro sector or micro) at some specific date.
The variables can be fixed in all the periods or only a few of them. RDF will rebuild the rest of periods and variables.
Ex.
The ΔGDP at 1st.q 2009 will decrease 2 points and the rate of interest on 4rt q 2009 will be set to 1.2%
-----
VAR Model
Relates past and present values of the macro- variables vector as well the errors vector.
VARMA (Vector Autoregressive Moving Average) model and his variables is the main source of structural variability, they are the common Risk Drivers.
-----
Transformation of single PDF of the complete forecast
Generating the join PDF of all variables and all periods ahead.
That can be done extending the forecasting notation of VARMA models.
-----
New PDF conditioned to scene
Generating the marginal PDF of the joint distribution conditioned to the scene
This conditioned join distribution contains the probability of all the possible outcomes given a scenario.
That can be calculated using Schur complement.
No “Caeteris Paribus” assumed!
-----
PD,LGD,EAD models
Portfolio segmentation is done using both statistical and business criteria.
Models for PD, LGD and EAD are estimated for each portfolio.
The residual errors can be used as specific Risk Drivers
Variables on VARMA models appears transformed with the same scale
Ex.
----
Cul-d’olla integral
Integrating Single PDF with portfolio models
Can be solved using Montecarlo techniques, RDF offers an analytical solution named “cul-d’olla” integral. The faster the response, the more useful
To integrate the losses function we go thru each value of discrete “y”. For each one, we shall then group together all the situations (macroeconomic scenario events) with this loss level. This happens in a surface which we shall call "y" equi-loss surface.
The function obtained is the PRD of expected losses, the effect of the not diversified volatility is corrected in this step.
This surface integral can be solved using a chain of tecniques: Saddle Point, Dirac Delta operator, Delta Nascent, and direct and inverse Fast Fourier Transform
Scene Definition
Giving values to a set of variables (macro sector or micro) at some specific date.
The variables can be fixed in all the periods or only a few of them. RDF will rebuild the rest of periods and variables.
Ex.
The ΔGDP at 1st.q 2009 will decrease 2 points and the rate of interest on 4rt q 2009 will be set to 1.2%
-----
VAR Model
Relates past and present values of the macro- variables vector as well the errors vector.
VARMA (Vector Autoregressive Moving Average) model and his variables is the main source of structural variability, they are the common Risk Drivers.
-----
Transformation of single PDF of the complete forecast
Generating the join PDF of all variables and all periods ahead.
That can be done extending the forecasting notation of VARMA models.
-----
New PDF conditioned to scene
Generating the marginal PDF of the joint distribution conditioned to the scene
This conditioned join distribution contains the probability of all the possible outcomes given a scenario.
That can be calculated using Schur complement.
No “Caeteris Paribus” assumed!
-----
PD,LGD,EAD models
Portfolio segmentation is done using both statistical and business criteria.
Models for PD, LGD and EAD are estimated for each portfolio.
The residual errors can be used as specific Risk Drivers
Variables on VARMA models appears transformed with the same scale
Ex.
----
Cul-d’olla integral
Integrating Single PDF with portfolio models
Can be solved using Montecarlo techniques, RDF offers an analytical solution named “cul-d’olla” integral. The faster the response, the more useful
To integrate the losses function we go thru each value of discrete “y”. For each one, we shall then group together all the situations (macroeconomic scenario events) with this loss level. This happens in a surface which we shall call "y" equi-loss surface.
The function obtained is the PRD of expected losses, the effect of the not diversified volatility is corrected in this step.
This surface integral can be solved using a chain of tecniques: Saddle Point, Dirac Delta operator, Delta Nascent, and direct and inverse Fast Fourier Transform
Efecto de un hipotético avance de 2 años en el calendario de implementación del ratio de liquidez a corto plazo de Basilea III.
Veamos como en el plan óptimo, el adelantamiento de este ratio afecta a los activos y pasivos previstos.
La situación de partida de la optimización es un balance de una entidad hipotética. El criterio de optimización es la maximización de resultados, y tiene activas las restricciones de Basilea II y III.
Resultados: en la planificación óptima, vemos cómo afecta a los activos y pasivos previstos durante 5 trimestres:
decremento de resultados
venta de cartera de valores
descenso contratación hipotecas
incremento fondos a largo plazo
decremento fondos a corto plazo
Efecto de un hipotético avance de 2 años en el calendario de implementación del ratio de liquidez a corto plazo de Basilea III.
Veamos como en el plan óptimo, el adelantamiento de este ratio afecta a los activos y pasivos previstos.
La situación de partida de la optimización es un balance de una entidad hipotética. El criterio de optimización es la maximización de resultados, y tiene activas las restricciones de Basilea II y III.
Resultados: en la planificación óptima, vemos cómo afecta a los activos y pasivos previstos durante 5 trimestres:
decremento de resultados
venta de cartera de valores
descenso contratación hipotecas
incremento fondos a largo plazo
decremento fondos a corto plazo
Hay dos escenarios!!!
El 1 (en azul o en la parte izquierda, según el gráfico) que es el escenario que mantiene los plazos de Basilea III
El 2 (en naranja o en la parte derecha, según el gráfico) que es el escenario resultante tras aplicar el adelanto del ratio de liquidez a corto de Basilea III.
Remarcar CONCESIÓN de hipotecas. Explicar el tema de las variables de decisión.
La optimización como fuente de inteligencia.
Stress test
El stress test fue un paso importante pero limitado, pues no deja de ser un análisis de valor esperado en un caso extremo.
Notas: Escenario Macroeconómico
Una consecuencia directa de un aumento de los tipos de interés, particularmente del Euribor, es que se eleve las cuotas que pagan las hipotecas, y por lo tanto los precios de la vivienda se verán afectados al alza, ya que existe una relación directa entre la evolución de las tasas y del Euribor que se utiliza para calcular el precio de las hipotecas en España.
Otro efecto directo es asociado con un aumento de los precios de la economía, ya que en la medida que los bancos centrales tengan como objetivo controlar la inflación, la tasa será un instrumento para que los precios no suban demasiado.
Observaciones: Por otro lado, es esperable que a medida que la economía comienza a crecer el costo del dinero tiende a verse incrementado ante la mayor demanda de créditos tanto por parte de las empresas como de los hogares. Este crecimiento de la tasa como medida también de política se da hasta el punto en el cual el ratio de endeudamiento de los hogares y las empresas es insostenible generando una recesión económica. En consecuencia, las tasas bajan para poder estimular nuevamente la economía (este es en teoría, lo esperado)
Sin embargo, cabe destacar que el escenario actual altera estas regularidades económicas, es decir ante un incremento de las tasas no cae la economía real. Esto se explica en parta debido a que las políticas monetarias han mantenido las tasas de interés en niveles muy bajos (casi cero), y en segundo lugar porque estamos en recesión.
Hay 2 escenarios:
ESCENARIO 2 (en azul o a la izquierda, según el gráfico): escenario con el ratio de liquidez a corto de Basilea adelantado
ESCENARIO 3 (en naranja o a la derecha): escenario con tipo de interés estresado
La gestión del riesgo financiero empezó de una manera y acabó de otra. Allan Manz Financial Risk Management Models, History and Institutions.
Quizás hubiese sido mejor mencionar a John Lennon “Life is that happens to you while you are busy making other plans”
El próximo paso es la planificación estratégica. Una planificación basada en proyección de balances y cuentas de resultados, adaptada a un entorno cambiante gracias a los criterios de optimización. Pues hoy por hoy, para planificar en este caos, optimizamos o morimos.
El treball fou poc valorat fins els 60s on es van desenvolupar les teoríes de inversions, jocs amb risc, el Portfolio Selection, CAPM, amb autors tan actuals com Henri Markowitz, Sharpe, Gruber I el mes important, la fórmula de Black-Scholes de 1973.
JP Morgan Risk Metrics
Brownian Motion, Stocastic processes, Fourier’s partial differential equation, Utility theory, Martingales, Itô Processes...
Tradicionalment, l’enfoc ha estat mes orientat a l’aplicació d’eines estadístiques a la evolució del preu de les inversions, però paral·lelament es va desenvolupar també en els 60s el tractament del default, en les aplicacions de Credit Scoring per els particulars (FCR Act) o l’aplicació de Robert Altman a les empreses (1968) troben un punt de convergència amb la teoría de la bancarrota de Merton , a les convolucions de prestecs en forma de carteres, amb el treball crucial de Vasiceck i les fórmules de Lee.
Nogensmenys la banca comercial evoluciona en termes reals des de la visió de producte a la de client, en termes de IT I en termes de concepte de negoci. Models orientats al marqueting, a l’assegurança o als RRHH son tímidament aplicats.
Paral·lelament, a particulars I empreses es tractava el Credit Scoring
Generalització de l’us del credit scoring, basat en Anàlisi discriminant I amb regressió logística
En termes reals, la mai ben definida frontera entre banca de inversions I banca comercial ha afavorit poc la unificació del tractament d’aquestes dues fonts de risc (mercat I crèdit).
KMV distance to default
1974 Merton links between failure and Corporate debt
70’s Merton Contingent Claim Analysis
Vasiceck Convolution Portfolio
2001 – 2014 Basel II , Basel III. RWA , capital ratios
En l’entorn de la banca d’inversions surten conceptes com el VaR o el Shortfall, al JP Morgan o al Bankers Trust s’apliquen aquests conceptes. La adopció per part dels reguladors d’aquestes mesures serà crucial per la forma com avui es controla el risc, tamt per les mesures regulades (RWA, ratios de capital) com les internes.
T-test, Discriminant Analysis, Logistic and Probit Regrtession, MASM, Chaid, ...
Vasiceck
JP Morgan Credit Metrics
Brownian Motion, Stocastic processes, Fourier’s partial differential equation, Utility theory, Martingales, ...
Cruz M., Coleman,R. and Salkin, G. (1998) “Modeling and Measuring operational risk”, Journal of Risk Vol1 No 1, pp.63-72
Hoffman, D.G. (ed.) (1998) Operational Risk and Financial Institutions. Risk Publications. London.
Basel II - New Basel Capital Accord. Pillar I – Operational Risk
The Invention of Operational Risk
Michael Power
ESRC Centre for Analysis of Risk and Regulation
DISCUSSION PAPER NO: 16
DATE:June 2003
Home | ESRC | The Economic and Social Research Council
The generic term ‘operations risk’ had already been officially coined in 1991 (COSO, 1991) but did not acquire widespread currency until the mid to late 1990s when the Basel 2 proposals were developed and published in June 1999. In retrospect, it is tempting to regard Nicholas Leeson, the ‘rogue’ trader attributed with the destruction of Barings bank in 1995, as the true author and unwitting inventor of ‘operational risk’. But it is more accurate to say that Barings (and other scandals, such as Daiwa) was marshalled to construct a ‘history’ of operational risk, and to serve as a paradigm
COSO. Committee of Sponsoring Organizations of the Treadway Commission
Basel II – New Basel Capital Accord. Pillar II – Systemic Risk, pension risk, concentration risk, reputational risk, liquidity risk and legal risk
Basel III – New RWA, new values for capital ratios and new ratios for liquidity, short and long term, new leverage ratio and new definition of capital categories.
Banking regulation has evolved over the years in the shadow of crisis (eg, Moran,1986, 1989). In 1974, a ‘club’ of central bankers, the Basel Committee on Banking Supervision, was formed to create a global policy body for banking supervision.