Rapid Prototyping im quantitativen Risikomanagement - Rapid Prototyping in R ermöglicht die Simulation und Analyse komplexer Szenarien im ...
←
→
Transkription von Seiteninhalten
Wenn Ihr Browser die Seite nicht korrekt rendert, bitte, lesen Sie den Inhalt der Seite unten
Rapid Prototyping
im quantitativen
Risikomanagement
Rapid Prototyping in R ermöglicht die Simulation und
Analyse komplexer Szenarien im Risikomanagement
Service Overview | Rapid Prototyping Framework bei Banken und FinanzdienstleisternAls Reaktion auf die Finanz und Staatsschuldenkrise
steigt der regulatorische und ökonomische Druck auf
die Finanzinstitute kontinuierlich. Neue aufsichtsrecht-
liche Standards zielen auf die Erhöhung von Transpa-
renz und Systemstabilität. Dies bedeutet für die Markt-
teilnehmer u. a. die Notwendigkeit, Geschäfte unter
Risikogesichtspunkten anders zu bewerten und Szena-
rien für Stresstests zur Kapitalausstattung und zur
Liquidität vorzusehen. Die Entwicklung solcher Szena-
rien 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 Systemarchitek-
turen 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 Frame-
work 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 Visuali-
sierung 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.
Rapid Prototyping Framework | Service OverviewBankenlandschaft 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-ANALYSE1
• Basel III, Solvency II Für den Finanzdienstleistungs-
• EMIR sektor stehen vor allem die
• MiFID • Steuerabkommen
Verringerung systemischer
• Regulatorische • Weissgeldstrategie
Risiken und die Erhöhung von
Arbitrage Legislative Political Transparenz im Mittelpunkt
• Stärkung der
Eigenmittelbasis
• Nachhaltigkeit Environ-
Finanzinstitut Economic
• Neue Produkte mental
• Optimierung der
risikogewichteten Aktiva
• Innovationskultur Technological Social
• Big Data Capability • Reputationsrisiken aus
• IT Sourcing 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 politisch-
legislativen 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.
Rapid Prototyping Framework | Service OverviewBeispiel Liquidität: Die Turbulenzen an den Geld- und Kapitalmärkten während der
Experten müssen in der Lage Finanzkrise haben die Bedeutung der Liquiditätskontrolle für Finanzinstitute
sein, Stressszenarien – wie aufgezeigt. Die Bank für Internationalen Zahlungsausgleich (Bank for International
beispielsweise den Zahlungs Settlements – BIS) verabschiedete im Dezember 2010 im Rahmen des Basel III
ausfall eines Staates – sofort Regelwerks eine internationale Rahmenvereinbarung über Messung, Standards und
bearbeiten zu können. 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.
Rapid Prototyping Framework | Service OverviewUnser Lösungsansatz –
Das Rapid Prototyping Framework
Zur Analyse und Abschätzung komplexer Fragestellungen, bei denen Szenario-
basiertes 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
Business- „Die Funktionalität von R lässt
Anwendungen sich durch tausende existierende
Libraries
Wissenschaft Credit Risk Programmbibliotheken
• IRB/IRB-A erweitern“
• Angewandte Statistik • IMM
und Mathematik • Model Validation
Market Risk
• Modeling
• Risk Aggregation
Technologie Liquidity Risk
Schnittstellen • Stresstesting
• Infrastruktur • Transfer Pricing
• High Performance Computing Client Relationsship
• Big Data Technologie Management
• Predictive Analysis
• Fraud Detection
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.
Rapid Prototyping Framework | Service OverviewAufgrund 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 Sprache2 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 Kredit
analysten versendet werden können.
„Die Integration unterschied
licher Daten- und Informations-
quellen 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
Rapid Prototyping Framework | Service OverviewKontakt
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
Rapid Prototyping Framework | Service OverviewWir 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
Sie können auch lesen
