Rapid Prototyping im quantitativen Risikomanagement Service Overview Rapid Prototyping Framework Rapid Prototyping in R ermöglicht die Simulation und Analyse komplexer Szenarien im Risikomanagement bei Banken und Finanzdienstleistern
Als Reaktion auf die Finanz und Staatsschuldenkrise steigt der regulatorische und ökonomische Druck auf die Finanzinstitute kontinuierlich. Neue aufsichtsrechtliche Standards zielen auf die Erhöhung von Transparenz und Systemstabilität. Dies bedeutet für die Marktteilnehmer u. a. die Notwendigkeit, Geschäfte unter Risikogesichtspunkten anders zu bewerten und Szenarien für Stresstests zur Kapitalausstattung und zur Liquidität vorzusehen. Die Entwicklung solcher Szenarien auf Basis von Modellen und unter Berücksichtigung von makroökonomischen Faktoren kann für Banken herausfordernd sein. Oftmals sind die benötigten Daten im Unternehmen verstreut sind und es liegen organisch gewachsene, heterogene Daten- und Systemarchitekturen vor. Dadurch werden Auswirkungsanalysen vor dem Hintergrund neuer regulatorischer Anforderungen oder erwarteter Marktänderungen erschwert und verteuert. Ungeachtet dessen sind Szenario-Analysen für die Unternehmenssteuerung ein äusserst wertvolles Instrument. Daher gilt es, diese möglichst flexibel und ressourcensparend durchzuführen. BearingPoint bietet mit dem Rapid Prototyping Framework einen Lösungsansatz für die massgeschneiderte, quantitative Modellierung auf der Basis von R für die Industrie- und Finanzdienstleistungsbranche an. Für Ad-hoc Beurteilungen, das Szenario-basierte Arbeiten, die Schaffung von Echtzeit-Umgebungen und vielem mehr sind Instrumente gefragt, die eine schnelle Entwicklung von komplexen Modellen nebst der Visualisierung von Lösungen ermöglichen. Die Open Source Software R ist hierfür ein geeignetes und mächtiges Tool, das sich zudem ohne komplexe Implementierung in bestehenden Betriebsumgebungen nutzen lässt.
Bankenlandschaft im Umbruch Insbesondere im Bankensektor zeigen sich seit einigen Jahren Strukturveränderungen, die durch die laufende Publikation neuer regulatorischer Anforderungen und den steigenden internationalen Wettbewerbsdruck induziert sind. Zudem wachsen neue Kundengenerationen mit veränderten Bedürfnisstrukturen heran und Technologien entwickeln sich weiter. Der gleichzeitige Umgang mit diesen politischen, wirtschaftlichen sowie sozio-ökonomischen und technologischen Umwelteinflüssen stellt viele Finanzinstitute vor grosse Herausforderungen. Einige dieser Herausforderungen, mit denen sich insbesondere Finanzdienstleister konfrontiert sehen, sind nachfolgend beispielhaft dargestellt: ABB 1: HERAUSFORDERUNGEN FÜR FINANZDIENSTLEISTER ENTSPRECHEND PESTEL-ANALYSE 1 Regulatorische Arbitrage Basel III, Solvency II EMIR MiFID Steuerabkommen Legislative Political Weissgeldstrategie Für den Finanzdienstleistungssektor stehen vor allem die Verringerung systemischer Risiken und die Erhöhung von Transparenz im Mittelpunkt Nachhaltigkeit Neue Produkte Environmental Finanzinstitut Economic Stärkung der Eigenmittelbasis Optimierung der risikogewichteten Aktiva Innovationskultur Technological Social Big Data Capability IT Sourcing Reputationsrisiken aus internen Betrugsfällen Im Spannungsfeld dieser verschiedenen Dimensionen sind Entscheidungen oftmals vor dem Hintergrund einer komplexen und unübersichtlichen Informationslage zu treffen. Dies gilt vor allem im Bereich der hier näher zu betrachtenden politischlegislativen und ökonomischen Dimension, die auf die Verringerung systemsicher Risiken und die Erhöhung von Transparenz im Finanzdienstleistungssektor abstellt. Beispiel Eigenmittel: Welchen Einfluss die veränderte Regulatorik auf die Kapitalquote eines Instituts hat, ist nicht nur eine Frage, mit der sich der CFO einer Bank auseinander setzen sollte. So fragen sich beispielsweise Hypothekarkunden in der Schweiz, wie sich die Kosten der Finanzierung verteuern, nachdem die Regierung einen antizyklischen Kapitalpuffer auf Hypothekenkredite verabschiedet hat. Für die Banken bedeutet dies, dass sie zusätzliche Eigenmittel zur Absicherung der Kredite abschätzen und bereitstellen müssen. 1 PESTEL: qualitative Analysemethode unter Berücksichtigung der Dimensionen Political, Economic, Social, Technological, Environmental und Legislative.
Experten müssen in der Lage sein, Stressszenarien wie beispielsweise den Zahlungsausfall eines Staates sofort bearbeiten zu können. Beispiel Liquidität: Die Turbulenzen an den Geld- und Kapitalmärkten während der Finanzkrise haben die Bedeutung der Liquiditätskontrolle für Finanzinstitute aufgezeigt. Die Bank für Internationalen Zahlungsausgleich (Bank for International Settlements BIS) verabschiedete im Dezember 2010 im Rahmen des Basel III Regelwerks eine internationale Rahmenvereinbarung über Messung, Standards und Überwachung des Liquiditätsrisikos. Die regelmässige Berechnung und Berichterstattung der neuen Liquiditätskennzahlen alleine reicht jedoch nicht aus. Herausforderungen Zur Abschätzung der benötigten Eigenmittel und zur Simulation potentieller Liquiditäts-Stresssituationen nebst Auswirkungsanalyse bietet sich zum Beispiel das Szenario-basierte Arbeiten an. Solche Szenario-basierten Analysen gewinnen inzwischen auch ausserhalb des kapitalbestimmenden Risikomanagements an Bedeutung. Quantitative Methoden, statistische Modelle und Simulationen werden bereits heute herangezogen, um über das Risikomanagement hinaus auch die regulatorischen und ökonomischen Herausforderungen hinsichtlich Governance- und Compliance- Prozessen zu meistern. Die integrierte (Risiko-)Betrachtung auf verschiedenen Aggregationsstufen, beispielweise auf Abteilungs-oder Unternehmensebene, ist hier wesentlich. Da solche Betrachtungen nicht mittels zweidimensionaler Risiko-Heatmaps unter Berücksichtigung von Risikoschwere und Eintrittswahrscheinlichkeit zu bewerkstelligen sind, spricht viel für das Szenario-basierte Arbeiten. Das Szenario-basierte Arbeiten kann jedoch klassische Systemarchitekturen im Bereich des Data Warehouse überfordern, vor allem wenn diese auf die Abbildung vergleichsweise starrer Reporting-Zyklen ausgerichtet sind. Organisch gewachsene, unterschiedliche Daten- und Systemarchitekturen in Unternehmen erschweren Analysen und erhöhen den Aufwand für Simulationen. Neben der fachlichen Expertise benötigen Unternehmen zudem für die fachgerechte Durchführung komplexerer Risikoanalysen zudem tiefere Statistik-, Methoden- und Modellierungskompetenz. Häufig wird versucht, die oben skizzierten Fragestellungen mit verfügbaren Tabellenkalkulationsprogrammen zu bearbeiten. Diese erfordern zum einen die geeignete Bereitstellung sowie Konsolidierung und Validierung von Daten, zum anderen verfügen sie jedoch lediglich über ein bestimmtes Spektrum statistischer Methoden, die zur Analyse herangezogen werden können.
Unser Lösungsansatz Das Rapid Prototyping Framework Zur Analyse und Abschätzung komplexer Fragestellungen, bei denen Szenariobasiertes Arbeiten anbietet, hat BearingPoint einen einheitlichen Lösungsansatz entwickelt, der sich der Open Source Software R bedient: Das Rapid Prototyping Framework. Beispiel OTC Derivate: Die relevanten Risikopositionen, die zur Bestimmung der risikogewichteten Aktiva (risk-weighted assets, RWA) herangezogen werden, werden im Bereich des Gegenparteienrisikos über die Current Exposure Method (CEM) ermittelt. Die komplexere, interne Modellmethode (Internal Model Method IMM) bildet die neuen Basel III Anforderungen zur Behandlung von Sicherheiten und Credit Value Adjustments (CVA) jedoch besser ab. BearingPoint hat bei verschiedenen Projekten Analyseumgebungen geschaffen, um konkrete Werte zur Entscheidungsfindung gemäss IMM zu berechnen. Mittels Einflussanalysen unter Anwendung des Rapid Prototyping lässt sich der Effekt geringerer Eigenmittel für das OTC Handelsgeschäft vergleichsweise schnell und zudem präzise beziffern, z.b. mit einem Wert von bis zu 20% Eigenmittelersparnis. Das Rapid Prototyping Framework ist sowohl flexibel als auch methodisch erweiterbar. Tausende von Methoden und Anwendungsbibliotheken aus der angewandten Statistik können via R situations- und problemgerecht zur Bearbeitung von Sachverhalten herangezogen werden. ABB 2: BASIS UND ANWENDUNGSBEREICHE DES RAPID PROTOTYPING FRAMEWORKS Wissenschaft Angewandte Statistik und Mathematik Technologie Infrastruktur High Performance Computing Big Data Technologie Libraries Schnittstellen Business- Anwendungen Credit Risk IRB/IRB-A IMM Model Validation Market Risk Modeling Risk Aggregation Liquidity Risk Stresstesting Transfer Pricing Client Relationsship Management Predictive Analysis Fraud Detection Die Funktionalität von R lässt sich durch tausende existierende Programmbibliotheken erweitern Diese unlimitierte Methodenwahl grenzt R von klassischen Tabellenkalkulationsprogrammen ab. Zudem erlaubt R, im Gegensatz zu typischen Programmiersprachen wie C oder C++, die schnelle ( rapid ) Programmierung von statistischen Algorithmen, Modellen und Simulationen. R kommuniziert durch vorhandene Schnittstellen mit gängigen Datenbanken sowie mit Angeboten von Systemherstellern, wie beispielsweise SAP Hana oder SAS. Damit lässt sich das Rapid Prototyping Framework schnell und ohne umfangreiche IT-Implementierungsaufwände vor dem Hintergrund bestehender Daten- und Systemlandschaften aufsetzen.
Aufgrund der Flexibilität, die R erlaubt, kann die Entwicklungszeit von neuen Modellen und Simulationen deutlich verkürzt werden, was sich in der Regel wiederum günstig auf die Projektkosten auswirkt. Für die spätere Integration in die operative Umgebung eines Unternehmens können die R-Analysen zudem die Basis für Software Change Requests, Fachkonzepte oder für die Gestaltung von Test- und Plausibilisierungs- Umgebungen im Hinblick auf die neuen Algorithmen liefern. Als Sprache 2 wird R weltweit von Statistikern und Data Minern für die Entwicklung statistischer Software und die anspruchsvolle Datenanalyse angewandt. Beispiel Frühwarnsystem: Zur Erkennung möglicher Bonitätsverschlechterungen auf Basis von makroökonomischen Indikatoren für verschiedene Kreditportfoliosegmente hat BearingPoint verschiedene Banken bei der Verbesserung ihres Frühwarnsystems unterstützt. Im Rahmen der entsprechenden Analyse wurden von Experten vorgeschlagene Indikatoren auf Trennschärfe untersucht. Mit dem Analyserahmen in R wurden die verschiedenen Indikatoren in kurzer Entwicklungszeit als Zeitreihen modelliert. Die hervorragenden Visualisierungsmöglichkeiten der R-Software ermöglichten die Darstellung und Interpretation der Frühwarnsignale auf Basis einer Zeitachsengrafik. Auf Basis dieser Prototypen wurde das Frühwarnsystem des Klienten so kalibriert, dass relevante Frühwarnmeldungen seitdem zeitgerecht an die Kreditanalysten versendet werden können. Die Integration unterschiedlicher Daten- und Informationsquellen erlaubt es, flexible, lösungsorientierte Anwendungen zu entwickeln Die Komplexität bestand in den unterschiedlichen Daten- und Informationsquellen je Kreditportfoliosegment und in der Vielzahl verschiedener, zu Beginn vorgeschlagener Makroindikatoren. Der flexible Lösungsansatz von BearingPoint mit Hilfe der Open Source Software R hat zu einer erfolgreichen, zeitgerechten Integration von Frühwarnsignalen in den Kreditrisikoprozess geführt. 2 www.r-project.org
Kontakt Haben wir Ihr Interesse geweckt? Gerne stehen wir zur Verfügung, um die praktische Anwendung unseres Rapid Prototyping Ansatzes in Ihrem Unternehmen zu diskutieren. Schweiz Iris Grewe, Partner iris.grewe@bearingpoint.com +41 43 299 6401 Ronald Frey, Partner ronald.frey@bearingpoint.com +41 43 299 6598 Deutschland Dirk Siegel, Partner dirk.siegel@bearingpoint.com +49 69 130226100 Österreich Robert Brunner, Partner robert.brunner@bearingpoint.com +43 1 506320
Wir helfen unseren Kunden, messbare und nachhaltige Ergebnisse zu erzielen BearingPoint berät Unternehmen und Organisationen aus den Bereichen Commercial Services, Financial Services und Public Services bei der Lösung ihrer dringendsten und wichtigsten Aufgaben. In enger partnerschaftlicher Zusammenarbeit mit dem Kunden definieren BearingPoint-Berater anspruchsvolle Ziele und entwickeln Lösungen, Prozesse und Systeme entlang der gesamten Wertschöpfungskette. Dies bildet die Grundlage für einen ausserordentlichen Beitrag zum Geschäftserfolg und eine aussergewöhnliche Kundenzufriedenheit. Seit der Übernahme durch seine Partner im Rahmen eines Management Buy-Out ist BearingPoint eine unabhängige Unternehmensberatung, die Unternehmertum sowie Management- und Technologiekompetenz auf einzigartige Weise vereint. Das Unternehmen beschäftigt rund 3.500 Mitarbeiter in 16 Ländern. Das Unternehmen hat europäische Wurzeln, agiert aber global. Für weitere Informationen: www.bearingpoint.com BearingPoint Switzerland AG Pfingstweidstrasse 60 8005 Zürich Switzerland www.bearingpoint.com 2013 BearingPoint Switzerland AG, Zürich. Alle Rechte vorbehalten. Gedruckt in der EU. Der Inhalt dieses Dokuments unterliegt dem Urheberrecht. Veränderungen, Kürzungen, Erweiterungen und Ergänzungen, jede Veröffentlichung, Übersetzung oder gewerbliche Nutzung zu Schulungszwecken durch Dritte bedarf der vorherigen schriftlichen Einwilligung durch BearingPoint Switzerland AG, Zürich. Jede Vervielfältigung ist zum persönlichen Gebrauch gestattet und nur unter der Bedingung, dass dieser Urheberrechtsvermerk beim Vervielfältigen auf dem Dokument selbst erhalten bleibt. SO_0830_DE