Und so geht die effiziente Einbindung von Enterprise Model Risk Management

0

Dass das Management von Modellrisiken eine umfassende Perspektive erfordert, habe ich in Teil 1 meiner Serie "Modellrisiko – worum geht’s dabei eigentlich?" beschrieben.

Diese folgenden fünf Prinzipien sind grundlegend für den Erfolg beim Design und bei der Implementierung eines Model Risk Management Framework:

Komponenten eines Model Risk Management Framework

Abbildung 1: Komponenten eines Model Risk Management Framework

1. Decken Sie das gesamte Spektrum in der Modellbildung ab, aber priorisieren Sie dabei

Beziehen Sie alle Modelle und alle Prozesse im Modelllebenszyklus in Ihre Aktivitäten ein, die für das Thema Modellrisiko relevant sind.

Nutzen Sie diesen ganzheitlichen Blick, um die wichtigsten Bereiche zu identifizieren und mithilfe von Model Governance spezifische Kontrollen und Checks für jedes Modell einzuführen. So können Sie Ihre begrenzten Ressourcen effizient einsetzen, um Modelle dort zu verbessern, wo Ihr Unternehmen dem größten Risiko ausgesetzt ist – und so nach Dringlichkeit priorisieren.

2. Messen Sie Ihr Model Risk Management

Was gemessen wird, bleibt nicht links liegen. Wenn Sie Modellrisiken quantifizieren und darüber berichten, führen Sie die relevanten Informationen zusammen: Welche Modelle sind welchem Risiko ausgesetzt? Wo konzentrieren sich besonders gefährdete Bereiche im Modellportfolio? Aggregieren Sie diese Informationen zu einem Modellrisikoprofil und einer Messgröße für die Risikobereitschaft und behalten Sie diese für das gesamte Unternehmen im Blick. Das erhöht die Aufmerksamkeit für das Thema und sorgt dafür, dass Problembereiche die nötige Aufmerksamkeit erhalten.

3. Automatisieren und standardisieren Sie, wo Sie nur können

Alle Aktivitäten innerhalb der Modellbildungsumgebung sind hochgradig voneinander abhängig – und an jeder manuellen Schnittstelle von einer zur anderen erhöht sich die Wahrscheinlichkeit, dass etwas schiefgeht. Etwa durch Datenexporte und -importe zwischen verschiedenen Systemen oder durch manuelles Umkodieren entwickelter Modelle, wenn sie validiert beziehungsweise operationalisiert werden.

 Model Risk Management Framework

Abbildung 2: Interferenzen in der Modellbildungsumgebung

Ein Fehler, den viele Finanzinstitute machen, besteht darin, verschiedene Tools für die Entwicklung, Validierung und Operationalisierung zu nutzen: Damit Modelle von einer Umgebung in die andere gebracht werden können, müssen parallel verschiedene Kompetenzen vorgehalten werden – und das ist letztlich kostspielig und ineffizient. Grundsätzlich gilt: Je mehr automatisiert wird, desto weniger Risiken ist das Unternehmen ausgesetzt und desto weniger Aufwand hat das MRM-Team bei Überprüfung und Freigaben.

4. Nutzen Sie eine spezielle Model-Risk-Management-Technologie

Um die Automatisierung und effiziente Implementierung eines MRM Framework zu erleichtern, sollten Banken zusätzlich ein robustes und flexibles MRM-System einsetzen, das die Anforderungen an Steuerung und Information hoch- und runterskalieren kann – je nach der angewandten Methode zur Modellrisikoklassifizierung und Quantifizierung. So minimiert sich der administrative Aufwand für die Mehrheit der Beteiligten – was letztlich die nahtlose Einbindung des MRM Framework im Unternehmen erleichtert. Darüber hinaus sollte das System vordefinierte, modellrisikospezifische Inhalte und Funktionalitäten umfassen, um das Rollout zu vereinfachen.

Model Risk Management Framework

Abbildung 3: Die Rolle des Model-Risk-Management-Systems

Zahlreiche Unternehmen haben bereits den Versuch gestartet, ihr operatives Risikosystem auch für MRM-Zwecke zu nutzen, und mussten feststellen, dass es nicht ganz so einfach ist. Zahlreiche Anpassungen sind notwendig, um die speziellen Anforderungen in der Modellbildungsumgebung darzustellen (zum Beispiel Modellbeziehungen, Datenquellen, Datenqualität). Und selbst dann fehlt es noch an quantitativen Funktionalitäten (zum Beispiel für die Messung der Modell-Performance). Diese sind für das operative Risikomanagement nicht notwendig, für ein effizientes Model Risk Management aber entscheidend.

5. Konzentrieren Sie sich auf wirtschaftliche Vorteile

MRM sollte nicht nur als Möglichkeit zur Vermeidung von Verlusten gesehen werden. Im Gegenteil: Es kann sogar den Business Value erhöhen. Am Modellbildungsprozess sind in größeren Unternehmen schnell mehr als 500 Mitarbeiter beteiligt. MRM-Prozesse und -Systeme können die Möglichkeiten der Mitarbeiter verbessern, Informationen, Daten, Modellbildungskonzepte und -skripte oder auch Berichte zu teilen und wiederzuverwenden – kurzum: ihre Effizienz zu erhöhen. In Verbindung mit der vom MRM ausgelösten Digitalisierung und Standardisierung senkt das nicht nur die Betriebskosten signifikant, sondern beschleunigt den gesamten Modellierungsprozess und damit letztlich die Entscheidungsfindung erheblich – was in der agilen Geschäftswelt von heute immens wichtig ist.

Den wirtschaftlichen Nutzen belegen auch Studien: Laut McKinsey können Unternehmen durch die Optimierungen, die ein effizientes MRM-Framework bringt, 20 bis 30 Prozent ihrer Kosten für die Erstellung von Modellen einsparen.

Model Risk Management Framework

Abbildung 4: Roadmap zur MRM-Effizienz und -Reife

Welche Rolle spielt SAS dabei?

SAS ist seit vielen Jahren als ein führender Software-Anbieter in den Bereichen Datenaufbereitung, Modellierung sowie Analyse & Reporting anerkannt. Die Kombination dieser technologischen Expertise mit Branchen-Know-how und nachweisbaren Erfolgen im Risikomanagement machen SAS zur ersten Wahl, wenn es um eine durchgängige Modellierungsumgebung geht, mit der Unternehmen eine ganzheitliche Sicht auf das Model Risk Management schaffen.

Mit speziellen Modulen für jeden einzelnen Schritt vereinfacht SAS die Modellerstellung und erleichtert den automatisierten Austausch wichtiger Informationen zu Modellen und ihren Beziehungen untereinander. Mit dynamischen Workflow-Funktionalitäten sorgt SAS Model Risk Management für die passende Skalierung – ganz nach den jeweiligen regulatorischen Erfordernissen eines jeden Finanzinstituts, der Modellgruppe und den Anforderungen der Verantwortlichen. Aufgrund der erfolgreichen Projektimplementierungen von SAS Model Risk Management und dem umfangreichen Content kann SAS schnelle produktive Nutzungen mittels eines Quick Start Ansatzes sicherstellen. Dies bestätigen gerne die SAS Kunden, auch auf den MRM Customer Connection Meetings von SAS, wodurch auch der Austausch über ein effizientes aber auch zukunftsgerichtes MRM gefördert wird.

Erfahren Sie mehr in unserem kostenlosen Webinar "Model Risk Management in the era of TRIM"
Share

About Author

Peter Plochan

Peter Plochan, FRM is Senior Risk Management Consultant at SAS assisting financial institutions in dealing with their risk management challenges around risk regulations, ERM, risk governance and risk analysis and modelling. Peter has a finance background (Master’s degree in Banking) and is certified Financial Risk Manager (FRM) with 10 years of experience in risk management in financial sector. He has assisted various banking and insurance institutions with large-scale risk management implementations (Basel II, Solvency II,…), worked internally and also externally as a risk management advisor (PwC). In his free time Peter enjoys reading books (fantasy / sci-fi) and plays Capoeira.

Related Posts

Leave A Reply

Back to Top