Technische Umsetzung eines Modells zur Quantifizierung operationeller Risiken. 13. Juni 2013 Marion Hoffstetter

Größe: px

Ab Seite anzeigen:

Download "Technische Umsetzung eines Modells zur Quantifizierung operationeller Risiken. 13. Juni 2013 Marion Hoffstetter"

Ferdinand Siegel
vor 8 Jahren
Abrufe

1 Technische Umsetzung eines Modells zur Quantifizierung operationeller Risiken 13. Juni 2013 Marion Hoffstetter

2 I. Dr. Peter & Company AG II. Modell zur Quantifizierung von OpRisk III. Entwicklung eines OpVaR-Tools

3 I. Dr. Peter & Company AG Referentin Marion Hoffstetter Ausbildung Okt bis Jul. 2010: Mathematik- und Chemiestudium Universität des Saarlandes Studienabschluss: 1. Staatsexamen Berufserfahrung Okt bis Sep. 2010: Hilfswissenschaftlerin und Tutorin Universität des Saarlandes Fachrichtung Mathematik sowie Physikalische Chemie Aug bis Jan. 2011: Praktikantin Commerzbank AG Group Risk Controlling & Capital Management Mär bis Feb. 2013: Consultant Dr. Peter & Company AG Mär bis heute: Senior Consultant Dr. Peter & Company AG Spezialisierung: Operationelles Risiko Veröffentlichung Co-Autor des Artikels Transparenz über den Status Quo und aktuelle Trends im operationellen Risiko im Risiko Manager 3

4 I. Dr. Peter & Company AG Unternehmen Profil der Unternehmensberatung Die Gründung der Dr. Peter & Company AG erfolgte in Das Unternehmen fokussiert sich inhaltlich auf die Kernkompetenz Risikomanagement. Die wichtigsten Kundengruppen sind Banken, Asset Manager und Versicherungen. Die Aufgabenstellungen sind überwiegend konzeptioneller Art, im Vordergrund steht die gemeinsame Umsetzung der mit den Kunden erarbeiteten individuellen Lösungen. Beratungsleistungen im OpRisk-Umfeld (in Auszügen) Quick-Check OpRisk: Aufnahme und Analyse Status quo mit anschließender Erstellung eines OpRisk Zielbilds sowie eines geeigneten Umsetzungsfahrplans Begleitung und Moderation von Szenarioanalyse-Workshops im Rahmen der bereichsspezifischen und bereichsübergreifenden Szenarioanalyse Konzeption und Implementierung eines Risikomanagementsystems für OpRisk (Schadensfalldatenbank, Self Assessment, Szenarionanalyse und Risikoindikatoren) Entwicklung eines quantitativen Modells zur Kalkulation eines OpVaR für die Risikotragfähigkeit (Basel, Säule II) inkl. technischer Umsetzung (MS 4

I. Dr. Peter & Company AG Unternehmen Geschäftszahlen 3.000 2.500 2.000 1.500 1.000 500 - Dr.

5 I. Dr. Peter & Company AG Unternehmen Geschäftszahlen Dr. Peter & Company AG in Zahlen Umsatz (TEUR) Mitarbeiter Kunden (Auszug) 5

6 I. Dr. Peter & Company AG Unternehmen Studien (Auszug) Quantifizierung operationeller Risiken (OpRisk) in Kreditinstituten (in Zusammenarbeit mit der Fachhochschule Wiesbaden) 2006 Management operationeller Risiken in der Versicherungswirtschaft (in Zusammenarbeit mit der Hochschule Rhein-Main) 2011 Quantifizierung operationeller Risiken in Kreditinstituten 2012 Veranstaltungen und Fachvorträge (Auszug) Operationelle Risiken: Alte Wege, Neue Ziele 2003 Quantifizierung operationeller Risiken 2008 Szenariotechnik und Stresstests im Risikomanagement 2009 Innovation im OpRisk-Management: Aktive Risikosteuerung im Fokus 2011 MaRisk Ring frei zur nächsten Runde: Herausforderungen für das Risikocontrolling 2012 Beitrag zum Thema Operational Risk and Reputational Risk, GARP Risk Management Convention 2013 Seminar OpRisk-Excellence: Erfolgsfaktoren für Management und Controlling operationeller Risiken gemeinsam mit Change Management Consulting

7 II. Modell zur Quantifizierung von OpRisk

8 II. Modell zur Quantifizierung von OpRisk Zusammenspiel der Methoden Operational Risk Management Ex post Status quo Ex ante Schadensfalldaten Abbilden der Vergangenheit Darstellung bereits eingetretener Ereignisse Risikoindikatoren Frühwarncharakter Erkennen eines Trends Ampelfarben als Signal Szenarien Definition von noch nicht eingetretenen, aber möglichen Ereignissen Quantifizierung 8

9 II. Modell zur Quantifizierung von OpRisk Quantifizierung auf Basis von Schadensfalldaten und Szenarien 9

10 III. Entwicklung eines OpVaR-Tools

11 III. Entwicklung eines OpVaR-Tools Zugriff via MS Excel Ausgangssituation Entwicklung eines Modells zur Quantifizierung operationeller Risiken Nutzung der der Firma PALISADE Manuelle Durchführung von stat. Anpassungstests und Monte Carlo Simulationen Optimierung Zugriff mittels MS Excel (VBA) Entwicklung eines OpVaR-Tools mit einer benutzerfreundlichen Oberfläche Implementierung des OpVaR-Tools bei zahlreichen Kunden 11

12 III. Entwicklung eines OpVaR-Tools Benutzerfreundliche Arbeitsschritte im eigenen Menüband Modul Datenerfassung Kategorisierung der eingehenden Datenbestände nach Geschäftsfeldern, Basel-II- Geschäftsfeldern, Basel-II-Ereigniskategorien, Ursachenkategorien etc. Aufteilung der bestehenden Datenbasis in Segmente/Zellen (Mehr-Zellen-Modell) Übertragung der Schadensfalldaten und Szenarien in das OpVaR-Tool Differenzierte Vorgehensweise in Abhängigkeit von der gewählten Segmentierung: Segmentierung nach einer Ebene Segmentierung nach zwei Ebenen Unterschiedliche Ausgestaltung für Ex post und Ex ante Segmentierung nach einer Ebene (exemplarisch) Menschen Technologie Interne Verfahren Externe Ereignisse SF SF SF SF SZ SZ SZ SZ 12

13 III. Entwicklung eines OpVaR-Tools Benutzerfreundliche Arbeitsschritte im eigenen Menüband Modul Schadenshöhe und Schadenshäufigkeit Berücksichtigung der Schadensfälle ab einer bestimmten Schadensuntergrenze Durchführung von Anpassungstests zur Ermittlung einer Schadenshöhenverteilung Angabe eines Zeitrahmens unter Gewährleistung einer vollständigen Erfassung Entscheidung für/gegen eine Frequenzkorrektur Durchführung von Anpassungstests zur Ermittlung einer Häufigkeitsverteilung Entscheidung für eine Schadenshöhen- und Schadenshäufigkeitsverteilung auf Basis der Ergebnisse der Anpassungstests und nach Sichtung des P-P und Q-Q Plots 13

des Verhältnisses zwischen Ex post und Ex ante Entscheidung für/gegen eine separate Speicherung

14 III. Entwicklung eines OpVaR-Tools Benutzerfreundliche Arbeitsschritte im eigenen Menüband Modul Monte Carlo Simulation Auswahl relevanter Quantile Angabe der Anzahl an Iterationen Bestimmung des Verhältnisses zwischen Ex post und Ex ante Entscheidung für/gegen eine separate Speicherung der Ergebnisse Durchführung von Monte Carlo Simulationen auf Basis der vorgegebenen Gewichtung 14

15 III. Entwicklung eines OpVaR-Tools Benutzerfreundliche Arbeitsschritte im eigenen Menüband Ergebnisse Segmentierung nach einer Ebene (exemplarisch) Ursachenkategorie Menschen Technologie Interne Verfahren Externe Ereignisse Risikokennzahl VaR 99,9% 62 Mio. EUR 21 Mio. EUR 34 Mio. EUR 56 Mio. EUR Segmentierung ID Szenariobezeichnung VaR 99,9% Anteil Risikobeitrag Menschen 1 Fehlerhafte/verfälschte Datenbestände ,05% 0,02% Menschen 2 Mitarbeiterqualifikation/-verfügbarkeit ,23% 0,05% Menschen 3 Ausfall wichtiger Know How-Träger ,08% 0,15% Externe Ereignisse 4 Verstoß gegen gesetzliche Vorschriften/externe Anforderungen ,17% 0,00% Menschen 5 Mitarbeiterqualifikation/-verfügbarkeit ,41% 0,01% Technologie 6 Fehler in internen IT-Anwendungen ,23% 0,08% Externe Ereignisse 7 Verstoß gegen gesetzliche Vorschriften/externe Anforderungen ,64% 0,00% Interne Verfahren 8 Ineffiziente Informations- und Kommunikationswege ,23% 3,63% Interne Verfahren 9 Fehler bei der Geschäftsabwicklung ,23% 0,00% Interne Verfahren 10 Beziehung mit Geschäftspartnern ,22% 0,10% Aggregationswert (VaR aller Szenarien) Gemeinsame MCS (Gesamt VaR) %

16 Kontakt Marion Hoffstetter Mobil +49 (160) Dr. Peter & Company AG Steinweg Frankfurt am Main Telefon +49 (69) Fax +49 (69)

Ähnliche Dokumente

Technische Umsetzung eines Modells zur Quantifizierung operationeller Risiken. Marion Hoffstetter

Technische Umsetzung eines Modells zur Quantifizierung operationeller Risiken Marion Hoffstetter Frankfurt, 09.10.2014 Dr. Peter & Company Unser Selbstverständnis Klare inhaltliche Fokussierung Wir bieten