Modellentwicklung, Validierung und Optimierung

Präsentation zum Thema: "Modellentwicklung, Validierung und Optimierung"—  Präsentation transkript:

1 Modellentwicklung, Validierung und Optimierung
Norbert Poppe Client Partner FICO Neill Crossley Principal Consultant, Analytic Solutions FICO November, 2010

2 Wie sich Basel II auf die Modellentwicklung ausgewirkt hat
Effiziente Validierung und Back Testing Nach Basel II -Entscheidungsoptimierung (Decision Modelling und Optimization)

3 Wie sich Basel II auf die Modellentwicklung ausgewirkt hat

4 Basel II – wozu? Basel II bezeichnet internationale Richtlinien, die Kapitalanforderungen für Kreditgeber beschreiben. Langfristige Ziele Banken zur Best Practice im Risikomanagement bewegen. Stabilität der Finanzmärkte gewährleisten. Kurzfristige Ziele Sicherstellen, dass Banken genügend Eigenkapital für Krisen halten.

5 Typischer Einführungsprozess für Basel II
Use-Test Einführungsgrad Stresstest Unabhängige Validierung Modell- Entwicklung Einarbeitung Zeit Entscheidung für Basel II IRB IRB Anerkennung

6 UL = f (long run PD, downturn EAD, downturn LGD)
Basel II Jargon Mit welcher Wahrscheinlichkeit wird ein Konto in Verzug geraten? PD (%) Probability of Default = X Wie hoch ist der Saldo, wenn ein Konto in Verzug gerät? EAD (€) Exposure at Default = X Welchen Anteil des Saldos bei Verzug wird das Kreditinstitut verlieren? LGD (%) Loss Given Default = EL = PD * EAD * LGD UL = f (long run PD, downturn EAD, downturn LGD)

7 Regulatorisches Eigenkapital soll „Unexpected Loss“ abdecken
Unexpected Loss (UL) Verlustquote Expected Loss (EL) Häufigkeit 99.9% Expected Loss (EL) Unexpected Loss (UL)

8 Basel II vs. Best Practice Risikomanagement
Die Rolle von Basel II PD Modellen Basel II PD Modelle Best Practice Risiko- management-Modelle Hauptzweck Grundlage für die Berech- nung des regulatorischen Eigenkapitals nach dem fortgeschrittenen IRB- Ansatz Messung des wirtschaftlichen Kreditrisikos Nebenzweck Grundlage für Marktdiszi- plin und Verbreitung von anerkannten Methoden im Kreditrisikomanagement Grundlage für oder Skalierung parallel zu Basel II PD-Definitionen

9 Qualitätsdefinition Modellkategorie Qualitätskriterium Reifeperiode
Basel II Default, 90 Tage im Verzug 12 Monate (Zeitpunkt) Antrags-Scoring Je nach Kreditinstitut und Produkt Je nach Produkt, bezogen auf den Zeitraum Verhaltens- Scoring Typisch 6 Monate, bezogen auf den Zeitraum Aspekte des Best Practice Ansatzes Analyse der Wanderungs- wahrscheinlichkeiten Anteile, die in die Ab- schreibung wandern Vintage-Analyse der Reifedauern beim Antrags- Scoring Vermeidung von Fehlklassifikation

10 “Best Practice” Zusammenspiel von Risikoprognose und Basel II Modellen
Scorekarten werden auf Basis von Qualitätsdefinitionen entwickelt, die dem Portfolio gerecht werden..... .... und werden dann entweder auf die Basel II PD-Definition kalibriert...... LOW HIGH Credit Risk Definitions Basel II Definitions ODDS SCORE ....oder als wesentlichste Eingangsvariablen in separaten PD-Modelle verwendet. Basel II PD Modelle Antrags- Scorekarten Verhaltens- Weitere…. z.B. Mahnen und Inkasso Bestimmung des regulatorischen Eigenkapitals EL = PD * EAD * LGD UL = f (long run PD, downturn EAD, downturn LGD) Risiko-Modelle und Eigenkapitalberechnungen werden dann gemein-sam für die Entscheidung verwendet, um den Use-Test zu erfüllen.

11 Ansatz vieler europäischer Banken
Entwicklung von Scorekarten unter Einsatz von Best Practice Qualitätsdefinition Verwendung des Modells, um bestmögliche Entscheidungen zu treffen Im Rahmen der gleichen Modellentwicklung wird die Scorekarte auf die Basel II Default-Definition kalibriert. Verwendung der Basel II Kalibrierung zur Berechnung des regulatorischen Eigenkapitals In vielen Ländern erfüllen Banken so den Basel II Use-Test. Das gleiche Modell ist auf zwei Qualitätsdefinitionen kalibriert.

12 Modelle ganzheitlich einsetzen
Beispiel: Junge Konten Bis 150 150 – 174 175 – 199 200 – 224 225 – 249 250 – 299 300 & mehr Rating Default Rate Antrags- Score 12+ 10-11 8-9 6-7 4-5 3-4 1-2 12.0% 10.0% 7.5% 5.5% 4.0% 2.5% 1.5% Bis 300 300 – 349 350 – 399 400 – 449 450 – 499 500 – 599 600 & mehr Verhaltens- Score Einheitliche Skalierung

13 Systeme einfach halten
Erhöhung der Produktivität und Automatisierung Sicherstellung schneller, guter und konsistenter Entscheidungen im gesamten Unternehmen Einsatz in der risiko- orientierten Preisgestaltung Einfache Analyse komplexer Antragsdaten Vereinfachung der Programmierlogik Beschäftigungsdauer (Jahre) Rücklastschriften 50 40 30 39 Wohndauer (Jahre) 0-3 4-7 8-9 10+ No Information 15 20 25 35 26 1 2 + 42 Score Keine Variable Aus- prägung

14 Kombination aus Statistik und Expertenwissen
Statistik und Trennschärfe Optimierung statistischer Maße Kleinste Quadrate Maximum Likelihood Fehlklassifikation K-S Gini-Koeffizient Scorecard Engineering Expertenwissen kombiniert mit Daten Handwerk und Kunst Rahmenbedingungen der Realität Berücksichtigung von Datenproblemen Verständnis des Umfeldes Extrapolation auf neue Portfolien Maschinelles Lernen Daten-getrieben

15 Wie HSBC die Dinge sieht:
"Create a mind-shift. We need statistical analysts to be more commercial analysts able to design analytic approaches for maximum business impact." Michael Ball, HSBC UK Head of Basel Analytic Team

16 Basel III – was auf uns zukommt
Der Entwurf für Basel III (Konsultationspapier) umfasst die folgenden Bereiche: Erhöhung der Qualität, Konsistenz und Transparenz der Eigenkapitalbasis Stärkung der Risikoabdeckung, vor allem in den Bereichen Derivate, Repo-Geschäfte, Wertpapiere Einführung eines zusätzlichen Maßes für den Hebel (Levarage Ratio) Maßnahmen zum Aufbau eines Kapitalpuffers in guten Zeiten, der in schwierigen Zeiten in Anspruch genommen werden kann Einführung eines Mindestliquiditätsstandards für international aktive Banken Weiterhin überprüft der Ausschuss die Notwendigkeit von zusätzlichem Kapital oder Liquidität, um externe Systemeffekte besser zu beherrschen.

17 Über Basel II hinaus Der Rahmen von Basel II sollte nicht nur als eine Erfüllung regulatorischer Anforderungen gesehen werden, sondern auch als die Möglichkeit, eigene Systeme zu verbessern: Kreditantrags- und Entscheidungsprozesse Portfolio-Berichtswesen Organisation des Risikomanagements Kapitalallokation und deren Optimierung Preisgestaltung und Produktentwicklung

18 Effiziente Validierung und Back Testing

19 Unabhängige Validierung eines Modells
Beschreibung Überprüfung, ob Methode und Modelle Best Practice entsprechen Beispielhafter Umfang eines Projektes Begutachtung des Modells Analysedaten Segmentierung Entwicklungsprozess Trennschärfe Benchmarking Begutachtung des internen Validierungsprozesses Compliance mit dem “Use Test” Dokumentation der Validierungsergebnisse Add-ons Daten-Extraktion Berichte Datenanforderungsbericht Validierungsbericht

20 Die FICO Analytic Platform managt den gesamten Lebenszyklus von Prognosemodellen
Datenvorbereitung Development Assets managen Entwicklung Testen, Validierung & Simulation Implementierung Priorisierung der Entwicklungen Modell überwachen Anpassungen der Modelle Einsatz in Produktivumgebung Lifecycle Management

21 Berichte zur Trennschärfe
Performance Summary Report Q1 2009 Model ID divergence ROC Gini KS KS_score KS% rsquared RMSE autoLoanScore 0.952 0.751 0.503 37.222 195 60 0.071 studentLoanScore bankruptcyScore score1 score2 score3 score4 score5 Grafiken / Tabellen Quartalsberichte Einsatz unterschiedlicher Metriken KS, Gini, Divergenz, etc.

22 Berichte zur Stabilität der Antragstellerschaft
Ursachenforschung bei Verschiebung der Scoreverteilung

23 Überwachung und Implementierung
Validation Summary Report Q1 2009 Model ID Validation Status Alert Severity Level Alert Rule autoLoanScore pass studentLoanScore info KS<37 bankruptcyScore fail urgent ROC<50 score1 warning ROC<60 score2 score3 score4 KS_Percent<70 score5 Instrumenenpult (browser-basiert) mit Berechtigungskonzept Überblick über die Modelllandschaft mit Handlungsbedarf Direkte Implementierung in Blaze (Cobol, Java, .NET)

24 Nach Basel II -Entscheidungsoptimierung
Decision Modelling und Optimization

25 Eigenkapitaloptimierung
EAD PD LGD Basel II Infrastruktur Konzeptioneller Rahmen für Risiko und Kapitalallokation Entscheidungsoptimierung Strategie Kunde Eigenkapital Kreditbetrag Einbeziehung weiterer Faktoren: Wirtschaftslage Stresstests

26 Basel II als konzeptioneller Rahmen
Homogene Kontosegmente Mathematik Ergebnis Eigenkapital EAD PD LGD Strategische Entscheidung Anpassungen: Weitere Informationen Andere Risiken Diversifikation und Korrelation €50 €100 €200 Operative Entscheidung

27 RAROC = Risk Adjusted (Expected or Actual) Return on Economic Capital
Kapital ist knapp... Einsatz dort, wo der Return am höchsten ist. Einsatz dort, wo es am effizientesten eingesetzt wird. RAROC = Risk Adjusted (Expected or Actual) Return on Economic Capital

28 Strategiefokus vs. Kundenfokus Kapitalallokation einer Bank
Geschäftsführung Strategisches Portfoliomanagement (Wo soll die Bank in welchem Ausmaß aktiv sein) Governance Transparenz Leitung Geschäftsfeld Risikomanagement (Definition der Risikostrategie im Portfolio) Grundlage für Risikomanagement Daten Modellrechnungen Operative Abteilungen Bestimmt operative Entscheidungen Ausführung (Umsetzung in Einzelentscheidungen) Kunden

29 RAROC auf Portfolioebene zur strategischen Auswahl der Geschäftsfelder
RAROC kann auf verschiedenen Ebenen berechnet werden (z.B. Business Unit, Produkt, Filiale,...) Beispiel eines Mindest-RAROC von 12% 20% 15% 12% 10% 5% (5%) PKW- Finanzierung Baufinan- zierung Kredit- karten Giro-konten Konsumenten-kredite

30 RAROC auf Kunden-/Entscheidungsebene zur Cut-off Bestimmung
Intervall Anträge in % 1 10% 2 3 4 5 6 7 8 9 10 RAROC Effekt Aktion Wert-zerstörung - Ablehnen Minimum Return= X% ~ 0 Wert-schaffung + Annehmen

31 Kapitalallokation mit Entscheidungsoptimierung
ACTION (Entscheidungen: z.B. Limit-anassung, Kreditbetrag, Zinssatz) Limit PD LGD% EAD% Saldo RAROC-Profit Action Effect Modelle Erträge Churn Rev. PD, EAD, LGD etc Max RAROC Portfolio-ebene Nebenbedingung Eigenkapitalanforderung f(PD,LGD%,EAD, EAD%) Nebenbedingung Geschäftspolitik Risikokosten, Annahmequoten, Abschreibungen

32 Effizienzkurven in der Entscheidungsoptimierung
€120 €115 Effizienz-kurve €110 €105 Baseline Erwarteter risiko-adjustierter Ertrag pro Konto bzw. Antrag €100 €95 €90 €85 -10% 0% 10% 20% 30% Veränderung der Kapitalanforderung gegenüber Baseline

33 Auswirkungen einer veränderten Wirtschaftslage
€120 €115 Effizienz-kurve €110 €105 Erwarteter risiko-adjustierter Ertrag pro Konto bzw. Antrag €100 €95 Neue Baseline Neue Effizienz-kurve €90 €85 -10% 0% 10% 20% 30% Veränderung der Kapitalanforderung gegenüber Baseline

34 Kreditkarten Beitreibung
Von einem Entscheidungsbereich zur unternehmensweiten Entscheidungsoptimierung Anfangs- limit PKW- Finanzierung Kredit- karten Limit-management Konsum.- kredite … Kreditkarten Beitreibung “Mit einfachen Optimierungen beginnen” RAROC % aktuell % Potential %

35 Wichtige Gesichtspunkte bei der Eigenkapital-allokation von Konsumentenkrediten
Dokumentation der Steuerungsmöglichkeiten für Portfolien z.B. Zinssatz / Preis, Produktgestaltung, Risikosteuerung, Limitsteuerung, Cross-Selling-Maßnahmen Überprüfung von möglichen Segmentierungskriterien z.B. Produkt, Risiko, Churn, Erträge Beachtung von Wertschwankungen bei Sicherheiten Nutzung von Optimierungssoftware Ermittlung der Auswirkungen von Anpassungen der Steuerungsparameter Portfoliogröße (Stück und Wert), Zahlungsverzug, Abschreibungen, Gewinn, Kapitalanforderung Berechnung von Szenarien, Optimierung mit Nebenbedingungen z.B. Kapitalallokation, Expected Loss Auswirkungen von Änderungen der Wirtschaftslage

36 Vielen Dank für Ihre Aufmerksamkeit
Norbert Poppe Neill Crossley