"Бухгалтерия и банки", 2007, N 3

МЕТОДЫ ИЗМЕРЕНИЯ ОПЕРАЦИОННОГО РИСКА

В рамках системы управления операционным риском можно выделить три группы задач, связанных с его оценкой: расчет регуляторного капитала под совокупный операционный риск; расчет экономического капитала под операционный риск в разрезе категорий риска и структурных подразделений банка в управленческих целях; измерение (мониторинг) риска для выявления изменений и принятия оперативных решений. Выбор конкретных методов для каждой из этих задач основывается на объеме данных в базе операционных потерь банка, затрат времени, средств и людских ресурсов для разработки и внедрения, точности методов и их управленческой ценности. В настоящей статье мы рассмотрим методы измерения операционных рисков, технологии их применения, потребность в данных и управленческую ценность.

Способы измерения зависят от целей и наличия данных

Основной целью измерения величины операционного риска (ОР), как и риска любого другого вида, является оценка того, какие совокупные неожидаемые потери может понести банк в течение определенного промежутка времени при реализации рисковых событий по всем категориям ОР, поскольку без этого сложно выработать стратегию управления риском. Так как неожидаемые потери, под которые не создаются резервы, и они не планируются и не могут быть запланированы в бюджете доходов и расходов банка, покрываются собственными средствами кредитной организации, то мы будем наряду с термином "неожидаемые потери" использовать термин "экономический капитал" под операционный риск, принятый в западном риск-менеджменте. Этот совокупный экономический капитал может быть равен "регуляторному капиталу", т.е. тем требованиям к капиталу банка под операционный риск, который устанавливает регулятор для обеспечения устойчивости всей банковской системы в целом, а может исходя из западной практики и отличаться от него. Банк России пока не ввел операционный риск в расчет требований достаточности капитала (норматива Н1), однако эти изменения не за горами, и, судя по тому, каким образом включаются в расчет достаточности капитала кредитные и рыночные риски, это будет метод, основанный на подходе базового индикатора или стандартизованном подходе, рекомендуемом Базельским комитетом. Частота измерения величины регуляторного капитала, согласно базельским рекомендациям, - годовая, и лучшие практики управления операционными рисками западных банков показывают, что экономический капитал можно рассчитывать с той же частотой.

Однако для того, чтобы экономический капитал имел и управленческую ценность, его расчет нужно производить и по "единицам портфеля" операционного риска банка, под которыми можно понимать как бизнес-линии, выделенные Базельским комитетом, направления деятельности, рекомендуемые Банком России <1>, единицы организационной структуры банка и бизнес-процессы. Этой цели могут служить методы оценки операционного риска на основе построения его моделей, которые в зависимости от требований к данным примерно можно разделить на три большие группы: методы количественного моделирования, аналитические (или смешанные) методы и экспертные методы. Большая группа этих методов построена на выявлении связей между возможными операционными потерями и факторами ОР или некими индикативными переменными, отражающими комплексное или промежуточное действие факторов ОР. И это дает основание утверждать, что данные методы имеют наибольшую управленческую ценность, обеспечивая базу для мероприятий по снижению ОР. Несомненным достоинством данной группы методов является возможность с их помощью заглянуть в будущее и ответить на вопрос: "Что будет, если?.." Ограничениями на применение этих методов являются временные и людские ресурсы, которые банк может себе позволить выделить, поскольку построение моделей требует высококвалифицированного персонала, достаточного времени не только для построения моделей, но и для разработки методов валидации моделей, периодической проверки работоспособности моделей и их актуализации.

     
   ————————————————————————————————
   

<1> Письмо Банка России от 24.05.2005 N 76-Т "Об организации управления операционным риском в кредитных организациях" (далее - Письмо 76-Т).

В то же время, поскольку ОР неразрывно связан с каждодневной деятельностью банка, т.е. действиями его персонала, работой систем и бизнес-процессов, действиями третьих сторон и внешних событий и, соответственно, может меняться с высокой частотой под воздействием данных факторов, требуются методы, специфичные для различных категорий операционных рисков и позволяющие измерять риск на месячной или даже дневной основе, т.е. осуществлять его мониторинг. Кроме того, желательно, чтобы методы, используемые для мониторинга, не требовали значительных трудозатрат. Как правило, методы, используемые для расчета величины капитала под операционный риск, не предназначены в силу своей "низкочастотной" природы и (или) высокой трудоемкости расчетов для мониторинга ОР, этой цели могут служить ключевые показатели риска (КПР). Их достоинство заключается также в том, что они позволяют косвенным способом оценивать уровень операционных рисков банка даже в тех случаях, когда база данных по операционным потерям очень мала или отсутствует, а ресурсы банка для моделирования ОР ограничены.

Поскольку операционные риски являются сопутствующими основной деятельности банка, т.е. тем операциям, с помощью которых банк зарабатывает прибыль, и большее принятие операционного риска совсем не означает большую доходность, как это происходит в случае, например, кредитования, когда банк сознательно идет на риск, кредитуя более рисковых заемщиков с тем, чтобы получить более высокую прибыль за счет повышенной процентной ставки, основным методом управления ОР является его минимизация. Минимизация ОР, как было показано в нашей предыдущей статье <2>, - это расширение зоны контролируемого риска за счет идентификации максимально возможного количества факторов операционного риска и снижения или устранения их отрицательного воздействия на деятельность банка за счет лучшей регламентации деятельности, оптимизации бизнес-процессов, перераспределения функций, полномочий и рабочей нагрузки, автоматизации и применения мер защиты информации, подготовки персонала, улучшения контроля со стороны службы внутреннего контроля банка. Степень контролируемости ОР меняется от банка к банку, а также внутри одного банка по подразделениям, бизнес-процессам и категориям ОР, образуя специфическую контрольную среду операционного риска. Можно ли измерить каким-то образом уровень этого контроля? Лучшие практики управления ОР говорят, что можно, и мы рассмотрим ниже один из способов оценки, который был апробирован нами и в российской практике. Но вначале рассмотрим метод, который может быть использован практически любым банком даже при практически полном отсутствии зафиксированных в базе данных ОР операционных потерь.

     
   ————————————————————————————————
   

<2> Штатов Д., Зинкевич В. Разработка положения по управлению операционными рисками коммерческого банка // Бухгалтерия и банки, 2006. N 10.

Карты риска - наглядный и мощный инструмент анализа

В простейшем варианте карта рисков представляет собой двумерную матрицу (таблицу), в которой по горизонтали расположены диапазоны величины операционных потерь, а по вертикали - диапазоны частоты возникновения этих потерь. Пример такой карты рисков приведен в табл. 1. Карта может составляться по категориям риска для всего банка в целом или по подразделениям (бизнес-линиям, бизнес-процессам). В этом случае в ячейках матрицы указываются номера категорий риска, и банк наглядно видит, какие категории рисков наиболее (наименее) значимы для банка в целом или для его единиц портфеля. При составлении карт по подразделениям банк строит такое количество карт, сколько категорий риска выделено. В этом случае в карту для каждой категории риска в ячейки проставляются номера его единиц портфеля (подразделения, бизнес-процессы и т.д.), что дает картину ранжирования подверженности ОР единиц портфеля по данной категории риска.

Таблица 1

Карта рисков

     
              ———————————————T——————————————T——————————————T——————————————T——————————————¬
         Очень|              |//////////////|//////////////|**************|**Чрезвычайно*|
     в высокая|              |//////////////|//////////////|**************|*высокий риск*|
     о        +——————————————+——————————————+——————————————+——————————————+——————————————+
     з Высокая|              |              |//////////////|/Высокий риск/|**************|
   Ч н        |              |              |//////////////|//////////////|**************|
   а и        +——————————————+——————————————+——————————————+——————————————+——————————————+
   с к Средняя|              |              | Средний риск |//////////////|//////////////|
   т н        |              |              |              |//////////////|//////////////|
   о о        +——————————————+——————————————+——————————————+——————————————+——————————————+
   т в  Низкая|              |  Низкий риск |              |              |//////////////|
   а е        |              |              |              |              |//////////////|
     н        +——————————————+——————————————+——————————————+——————————————+——————————————+
     и   Очень|Незначительная|              |              |              |              |
     я  низкая|              |              |              |              |              |
              L——————————————+——————————————+——————————————+——————————————+———————————————
   

Очень Низкая Средняя Высокая Очень

низкая высокая

Тяжесть (величина) потерь

Карта рисков является гибким инструментом анализа. Она может быть построена с той степенью детализации по категориям рисков, которая необходима. Причем она может основываться как на информации базы данных потерь, так и на экспертных знаниях менеджмента, данных внешних источников, результатах сценарного анализа. Чтобы провести экспертные оценки, среди руководителей и наиболее компетентных сотрудников подразделений банка необходимо провести ряд опросов, в которых им надо предложить оценить частоту случаев возникновения той или иной категории ОР и их величину. Процедура проведения опросов должна быть подготовлена: проведена классификация категорий событий вплоть до третьего уровня <2> и подготовлены подробные инструкции для сотрудников для отнесения случаев реализации ОР к той или иной категории. Помимо этого необходимо четко определить границы диапазонов частоты и величины ОР, например, очень высокая частотность событий может означать, что "такие события происходят в среднем один раз в день", а очень низкая частотность - "такие события могут происходить не чаще одного раза в 5 лет". Таким образом, для проведения опроса и последующего отражения рисков на картах нужно подготовить не равномерные, а, например, логарифмические шкалы для величины (значимости) потерь и частотности событий.

По нашему опыту консультационной работы и особенно общения на обучающих семинарах ключевой проблемой, помимо создания детальной и непересекающейся классификации операционных рисков, является сокрытие или в лучшем случае замалчивание фактов проявления операционного риска руководителями и сотрудниками подразделений. Это происходит даже в случае возникновения прямых потерь, а уж о косвенных потерях, таких как время на переделывание, упущенная выгода и т.д., и говорить не приходится. Напомним, что Базельский комитет специально подчеркивает, что в отношении операционных рисков должны учитываться косвенные потери. Улучшить ситуацию можно, только последовательно и настойчиво создавая такую культуру управления рисками в банке, чтобы каждый сотрудник чувствовал себя риск-менеджером, что возможно при реальной заинтересованности и включенности в процесс управления ОР совета директоров и исполнительных органов банка. Соответствующим образом должна быть построена и система мотивации, чтобы руководители подразделений и сотрудники понимали, что скрытый сейчас случай реализации ОР в будущем может привести к существенным убыткам, а это уже напрямую скажется на их вознаграждении. Полезно также для объективизации оценок, например в отношении IT-рисков, сопоставление ответов IT-подразделения и прочих подразделений, в которых фиксируются убытки от реализации этой категории рисков, такие как задержка в представлении обязательной отчетности, приостановка в обслуживании клиентов и пр. Служба внутреннего контроля, являясь независимым внутренним аудитором, может на основе результатов проверок дать ясную картину уровня контроля операционных рисков по подразделениям. Эти результаты необходимо сопоставить с результатами опросов и проверить на непротиворечивость. Согласитесь, будет странно, если в подразделении, где большинство процессов не регламентировано или регламенты не соблюдаются, уровень ОР по результатам опроса окажется ниже, чем в подразделении с примерно такими же объемами операций, с полной регламентацией и соблюдением регламентов.

Когда предварительный анализ данных опросов закончен, следует провести оценку согласованности мнений экспертов, поскольку положение, когда пятью разными экспертами частотность потерь по какой-то категории событий третьего уровня указывается так, что она попадает в каждый из пяти диапазонов, недопустимо. При выявлении таких случаев, когда согласованность мнений экспертов невысокая (радиус размытости мнений экспертов <3> высокий), необходимо проверить правильность классификации и непересечение категорий, и если все нормально, провести согласование мнений экспертов. Далее обработка опросных листов осуществляется путем консолидации ответов отдельных респондентов, присвоения им балльных оценок, присвоения веса экспертам. Баллы затем усредняются по формуле взвешенного среднего с учетом различной компетентности экспертов по тому или иному вопросу в необходимых разрезах - по категориям риска, по единицам портфеля, по банку в целом. Теперь придайте полученным оценкам визуальную форму - нанесите категории рисков или номера подразделений на карту, и она готова.

     
   ————————————————————————————————
   

<3> Черкашенко В., Маршукова Н. Система управления знаниями в стратегии банка // Банковское дело, 2005. N 9. С. 45 - 50.

Риски в черной области (см. табл. 1) считаются "непереносимыми", они требуют устранения, передачи, подготовки планов непрерывности деятельности, если их невозможно избежать или передать. Более светлая область (высокий риск) требует непосредственного внимания с точки зрения управления. В случае разработки стратегии банка желательно до принятия стратегии понять, как ими управлять или устранить их, не приведет ли это к такому снижению доходности бизнеса, что стратегия станет непривлекательной? Те риски, которые расположены ниже и слева, считаются терпимыми (это не значит, что ими вообще не нужно будет управлять). Граница толерантности к риску изменяется в зависимости от аппетита банка на риск и может быть наглядно представлена на карте риска.

Карты риска удобны с точки зрения представления отчета, например совету директоров, и могут сопровождаться конкретными цифрами по наиболее крупным потерям банка по ОР в различных разрезах, выделением тех областей, где риск предполагается передать или минимизировать. Актуализацию карт нужно проводить не реже одного раза в год. В заключение отметим, что более 55% крупных западных банков используют этот инструмент в управлении операционным риском. И хотя метод не позволяет оценить величину риска и, соответственно, требуемый капитал под него, карты риска служат основой скорингового подхода для уменьшения величины капитала под неожидаемые потери.

Самооценка

Методика самооценки, известная в западной практике как self-assessment, представляет собой экспертный балльно-весовой метод, позволяющий оценить уровень контроля ОР или подверженность остаточному (неконтролируемому банком) операционному риску в разрезе выбранных единиц портфеля операционных рисков банка (подразделения, бизнес-линии, бизнес-процесса) и категорий ОР. Используют этот метод более 70% крупных западных банков. Оценка осуществляется путем выставления баллов по каждому из факторов, которые в той или иной мере влияют на контрольную среду, что учитывается посредством веса данных факторов. Факторы объединяются в группы, каждая из которых также может иметь свой вес, а суммарный получаемый балл отражает уровень контроля ОР. Подверженность остаточному риску тем выше, чем ниже балл. Банк России во II квартале 2004 г. разослал в банковские ассоциации проект Анкеты по самооценке состояния управления операционным риском в кредитной организации, который был размещен на интернет-сайтах Ассоциации российских банков, ассоциации "Россия" и Национальной фондовой ассоциации (см., например <4>). Продолжения пока не последовало, однако видно, что анкета содержит лишь малую часть вопросов, которые могут быть использованы для составления карт самооценки, и не содержит указаний на то, каким образом может быть получена балльная оценка, имеющая управленческую ценность.

     
   ————————————————————————————————
   

<4> http://www.arb.ru/site/docs/anketa-proekt.doc.

Итак, что нужно сделать, чтобы применять данный метод на практике? В первую очередь необходимо выделить те зоны операционной среды, которые будут оцениваться и которые будут образовывать группы факторов. Эти зоны должны быть непересекающимися. К ним можно отнести, например, качество управления, степень (качество) наблюдения, характеристику продуктов, особенности систем, объемы транзакций, бизнес-процессы (регламентирование, рутинность, уровень автоматизации) и др. Далее для каждой зоны нужно определить тот круг вопросов, которые влияют на контрольную среду в каждой зоне и в конечном итоге позволят оценить качество контрольной среды банка. По сути, мы сейчас говорим о построении экспертной модели типа

KSA = SUM A (SUM альфа x ) + эпсилон,

i i j j j

где KSA - суммарный балл контроля; A - вес групп факторов,

i

влияющих на контрольную среду; альфа - вес отдельных факторов,

j

влияющих на контрольную среду; x - значения факторов; эпсилон -

j

ошибка модели или необъясненные переменные.

Способ построения модели с точки зрения математического аппарата и процедур аналогичен построению скоринговой модели для оценки кредитоспособности заемщика при отсутствии у банка достаточного объема данных по потерям, т.е. использование экспертных знаний менеджмента и сторонних экспертов, учет имеющихся данных по потерям от ОР в банке, а также привлечение данных по потерям и нарушению контрольной среды в других финансовых организациях. При недостатке информации вес может быть установлен чисто экспертным способом, а затем, по мере использования модели и набора данных по реализации операционных рисков, он может уточняться.

Приведем пример первого шага такого шкалирования, который заключается в переводе описания ситуации в лингвистическую переменную, для показателя "регламентация группы "бизнес-процессы".

Таблица 2

Задание лингвистических переменных

     
   ————————————————T——————————————T————————T————————————————T——————————T—————————————————¬
   |     Оценка    |     Очень    | Не все |Регламентирована|Регламенты|      Полное     |
   |   показателя  |незначительная|ключевые|  большая часть | покрывают|регламентирование|
   |"регламентация"| регламентация| области|    основных    |    все   |                 |
   |               |или отсутствие| покрыты|    областей    | основные |                 |
   |               |  регламентов |        |                |  области |                 |
   +———————————————+——————————————+————————+————————————————+——————————+—————————————————+
   |Оценка уровня  |Минимальный   |Низкий  |Средний         |Очень     |Высокий          |
   |контроля       |              |        |                |высокий   |                 |
   +———————————————+——————————————+————————+————————————————+——————————+—————————————————+
   |Подверженность |Очень высокая |Высокая |Средняя         |Низкая    |Минимальная      |
   |ОР             |              |        |                |          |                 |
   L———————————————+——————————————+————————+————————————————+——————————+——————————————————
   

Но прежде чем подойти к шкалированию, необходимо путем открытых опросов экспертов выявить зоны операционной среды, затем отранжировать их в ходе закрытого опроса и определить вес наиболее значимых зон, которые будут использованы в карте самооценки. Следующим шагом должно быть выявление круга вопросов (факторов контрольной среды), которые будут оцениваться опять же в форме опроса экспертов, их ранжирование и определение веса каждого вопроса (фактора). Модель почти готова к применению, однако ее нужно протестировать и настроить, создав "искусственные слепки среды контроля", аналогичные "искусственному кредитному кладбищу" в скоринге заемщиков <5>. Правильно сформулировать и структурировать опросы помогает рассмотрение истории операционных потерь банка на основе информации базы данных, что позволяет заранее понять некоторые слабые стороны контроля в различных подразделениях банка, анализ результатов мониторинга ключевых показателей операционных рисков в динамике, изучение отчетов службы внутреннего контроля (аудита) (СВК), анализ внешних данных.

     
   ————————————————————————————————
   

<5> Черкашенко В. Этот "загадочный" скоринг // Банковское дело, 2006. N 3. С. 42 - 48.

Когда модель и опросники на ее основе готовы, они предъявляются менеджерам в закрытом виде, т.е. респондент выбирает соответствующий балл из ограниченного количества. Однако сама процедура выставления баллов может проходить неформально. Приветствуется проведение специализированных семинаров, где в ходе управляемой дискуссии обсуждаются наиболее актуальные области возникновения операционного риска, выявляются слабости контроля и управления. Больших интеллектуальных усилий и ресурсов требует проведение сценарного анализа, чтобы понять, какой уровень контроля имеет место в отношении той или иной категории рисков или в каком-то подразделении, бизнес-процессе. Результатом всех процедур являются выставленные баллы, по которым можно рассчитать баллы по зонам контроля, отдельным факторам, подразделениям банка (или другим единицам портфеля ОР).

Нельзя, конечно, отрицать и ценности проведения самооценки в неформализованном виде, когда модели нет и объективная балльная оценка невозможна, поскольку направляемые дискуссии, круглые столы, проведение сценарного анализа, проведение опросов в открытой форме и т.д. способствуют повышению рисковой культуры и выработке стратегии управления операционными рисками.

Самооценку желательно проводить не реже одного раза в год, а ее результаты можно учитывать при корректировке расчетов экономического капитала или регуляторного капитала, если банк использует один из усовершенствованных подходов. Для российских банков задача расчета регуляторного капитала пока не актуальна, но отдельные кредитные организации начинают применять базельские подходы в целях расчета экономического капитала и его аллокации.

Методы Базеля для расчета капитала под операционный риск

Поскольку все банки наверняка знакомы с переводом Банка России последнего Базельского соглашения по капиталу, рассмотрим очень кратко основные способы расчета регуляторного капитала под операционные риски, такие как подход базового индикатора, стандартизованный подход и, из группы усовершенствованных подходов, метод на основе внутренней модели, остановившись больше на их достоинствах и недостатках с точки зрения применения российскими банками для расчета экономического капитала, поскольку регулирование в России еще не введено.

Капитал под операционный риск, согласно рекомендациям Базель II, может рассчитываться на основе одного из трех подходов:

- базового индикатора (Basic Indicator Approach - BIA);

- стандартизованного (The Standardized Approach - TSA);

- передовых (продвинутых) (Advanced Measurement Approaches - AMA).

Предложенные Базелем подходы образуют гибкую систему, построенную по принципу "от простого к сложному" - сложность расчетов и квалификационные требования к уровню управления операционными рисками банка возрастают от BIA к AMA. Такая система подходов позволяет банкам постепенно переходить от более простых методов к более сложным и чувствительным по мере того, как улучшается их система управления рисками и растут ресурсы, которые банк может себе позволить вложить в разработку модели ОР. Предпосылки и стимулы для такого перехода заложены в коэффициентах моделей BIA и TSA, причем BIA дает самое высокое расчетное значение капитала под ОР, которое снижается с переходом на TSA, а использование подходов AMA чаще всего дает еще меньшую расчетную величину требований к капиталу.

Подход базового индикатора

В рамках BIA капитал под операционный риск рассчитывается на основе регрессионной модели, в правой части которой стоит один индикатор, характеризующий величину общего объема операционных рисков, принятых кредитной организацией. В качестве такого индикатора используется значение годовой валовой прибыли банка, усредненной за три последних года, в которых она была неотрицательной. Требование к капиталу рассчитывается как произведение этого индикатора на коэффициент альфа, установленный Базелем на уровне 15% с таким расчетом, чтобы в среднем по отрасли (статистика западных банков) величина капитала под операционный риск составляла 12% от регуляторного капитала в целом. Капитал под операционный риск банка равен:

K = альфа x GI.

BIA

Валовая прибыль (GI) рассчитывается как сумма чистой процентной прибыли и чистой непроцентной прибыли, при этом не учитываются расходы и доходы будущих периодов, отчисления на резервирование, полученная прибыль (убыток) по операциям с ценными бумагами в инвестиционном портфеле, разовые доходы или расходы, не являющиеся результатами обычной деловой деятельности банка.

Основное достоинство этого подхода в его простоте. Он не предъявляет никаких специальных требований к системе управления рисками банка, использует легкодоступные учетные данные и поэтому может применяться практически любым банком. Недостатками подхода является то, что он:

- дает завышенное значение капитала под операционный риск;

- имеет почти нулевую управленческую ценность с точки зрения оценки экономического капитала, так как не дает представления о распределении операционного риска по направлениям деятельности кредитной организации, которые априори в различной степени подвержены риску;

- не позволяет понять сравнительную значимость для банка отдельных категорий ОР;

- не поощряет банк на усилия по управлению ОР, так как не учитывает уровень контрольной среды ОР и передачу риска путем страхования.

Применение BIA в России осложняется также тем, что значение коэффициента альфа вычислено Базельским комитетом на статистике европейских банков.

Стандартизованный подход

Основой применения стандартизованного подхода является разделение основной деятельности банка на восемь бизнес-линий, индикатором операционных потерь служит опять же валовая прибыль по этим линиям, усредненная за три последних года. Капитал под операционный риск, соответствующий каждой бизнес-линии, определяется умножением значения показателя, приписываемого бизнес-линии, на постоянный коэффициент бета, а суммарный капитал определяется как сумма капитала под каждую бизнес-линию.

8

K = SUM(бета x GI ).

TSA i-1 i i

Соответствие бизнес-линий и коэффициентов бета, установленное новым соглашением по капиталу, приведено в табл. 3.

Таблица 3

Значения факторов бета для бизнес-линий

     
   —————T———————————————————————————————————————————————T———————————¬
   |  N |                  Бизнес—линия                 |  бета, %  |
   +————+———————————————————————————————————————————————+———————————+
   |  1 |Банковское обслуживание физических лиц         |     12    |
   +————+———————————————————————————————————————————————+———————————+
   |  2 |Банковское обслуживание юридических лиц        |     15    |
   +————+———————————————————————————————————————————————+———————————+
   |  3 |Осуществление платежей и расчетов              |     18    |
   +————+———————————————————————————————————————————————+———————————+
   |  4 |Агентские услуги                               |     15    |
   +————+———————————————————————————————————————————————+———————————+
   |  5 |Операции и сделки на рынке ценных бумаг        |     18    |
   |    |и срочных финансовых инструментов              |           |
   +————+———————————————————————————————————————————————+———————————+
   |  6 |Оказание банковских услуг корпоративным        |     18    |
   |    |клиентам, органам государственной власти       |           |
   |    |и местного самоуправления на рынке капиталов   |           |
   +————+———————————————————————————————————————————————+———————————+
   |  7 |Управление активами                            |     12    |
   +————+———————————————————————————————————————————————+———————————+
   |  8 |Брокерская деятельность                        |     12    |
   L————+———————————————————————————————————————————————+————————————
   

Таким образом, внесена некоторая специфика возможных потерь по бизнес-линиям, характеризующимся различным уровнем операционных рисков, что отражено в значениях коэффициентов бета. Сложность использования российскими банками данного подхода заключается в том, что структура бизнес-линий соответствует организационной структуре крупных западных кредитных организаций, поэтому не ясно, к каким бизнес-линиям отнести отдельные операции, сложно определить валовую прибыль для отдельных бизнес-линий. Банк России в Приложении к Письму N 76-Т определил те же, что и рекомендованные Базельским комитетом, "направления деятельности кредитных организаций", однако, проводя в начале этого года опрос банков ("Управление операционным риском в кредитной организации"), не указал, какие лицевые счета балансовых счетов 701 и 702 к каким направлениям деятельности следует относить, какова вариативность в рамках базельского подхода. Дело в том, что Базельский комитет разрешает относить доходы и расходы по отдельным бизнес-линиям к той линии, в которой осуществляется больший объем операций.

По согласованию с регулятором банк также может использовать для расчета регуляторного капитала альтернативный стандартизованный подход (Alternative Standardized Approach - ASA), который отличается от стандартизованного подхода тем, что для бизнес-линий "банковское обслуживание физических лиц" и "банковское обслуживание юридических лиц" в качестве основного индикатора используется объем портфеля ссудной задолженности соответственно физических и юридических лиц, умноженный, помимо соответствующего коэффициента бета, на коэффициент m, равный 3,5%.

Стандартизованный подход, построенный на той же методологической основе, что и подход базового индикатора, а именно на среднеотраслевой статистике, разделяет почти все его недостатки. Преимуществом по сравнению с BIA является уменьшение требований к капиталу под ОР, а также возможность оценивать распределение величины ОР по направлениям деятельности банка. Последнее преимущество весьма сомнительное, так как по западным меркам большинство российских банков является средними, маленькими и очень маленькими, и, что естественно, их структура управления не совпадает с предложенным разделением по бизнес-линиям, поскольку подход был разработан Базелем на основе анализа внутреннего устройства крупных международных универсальных банков. К тому же этот подход уже требует от банка выполнения ряда квалификационных критериев, из которых мы перечислим наиболее существенные.

В части организации системы риск-менеджмента и контроля это:

- участие совета директоров, правления банка, топ-менеджмента в контроле ОР и регулярная отчетность для руководителей бизнес-линий, топ-менеджмента, правления, совета директоров;

- хорошо документированные политики и процедуры управления ОР и контроля;

- выделение отдельного подразделения (сотрудника), проводящего оценку операционного риска;

- регулярный внутренний аудит процессов управления и контроля ОР, деятельности бизнес-линий, проводимый независимым подразделением.

В части измерения ОР и оценки правильности:

- внутрибанковская система оценки ОР должна позволять проводить систематическое отслеживание убытков (ведение базы данных по операционному риску);

- система должна позволять создавать управленческие отчеты по ОР, в том числе в разрезе бизнес-линий;

- банк должен определить и документировать критерии для картографирования текущих бизнес-линий и их деятельности;

- процесс должен быть динамическим, меняясь при изменении деятельности.

Наибольшую сложность для российских банков, как вы понимаете, составляет картографирование бизнес-линий и отчетность по ОР в разрезе бизнес-линий, что подразумевает и ведение базы данных потерь с указанием, к какой линии относится тот или иной случай реализации ОР.

В отношении BIA и TSA наибольшие дискуссии в банковской отрасли вызывает лежащее в основе построения модели положение о том, что величина операционных рисков прямо пропорциональна объему валовой прибыли, которая, отражая объем операций банка, является мерой присущего риска. Больше валовая прибыль - больше операционный риск, но можно ли считать это положение подтвержденной гипотезой, особенно для российских банков? Будет ли Банк России проводить количественные исследования, которые на протяжении более чем десяти лет проводятся Базельским комитетом, сначала с целью построения моделей, а теперь с целью их валидации и оценки влияния на регуляторный капитал в отрасли? Интуитивно понятно, что в большом банке с большим объемом операций, количеством транзакций, сложными информационными системами величина операционных рисков явно больше, чем в малом. Однако является ли эта зависимость прямо пропорциональной (линейной)? Исследования показали <6>, что размер организации лишь примерно на 5% определяет величину ее годовых операционных потерь. Основной вклад в снижение величины ОР банка вносят установленный уровень контроля и рациональность его организационной структуры, однако эти показатели BIA и TSA учитывать не позволяют в отличие от продвинутых подходов, которые мы сейчас и рассмотрим.

     
   ————————————————————————————————
   

<6> Shih J., Samad-Khan A., Medapa P. Is the Size of an Operational Loss Related to Firm Size? Operational Risk, January 2000.

Продвинутые подходы к оценке риска

Поскольку предлагаемые Базелем продвинутые подходы к оценке величины операционного риска и покрытию потерь по нему в той или иной мере опираются на функцию распределения потерь, обратимся к графику кривой распределения потерь от ОР, характерный вид которой представлен на рис. 1. Все потери, величина которых меньше, чем средняя величина потерь, представляют собой область "ожидаемые потери", частотность которых в основном высокая, а величина потерь - низкая. В рамках продвинутых подходов такие потери покрываются за счет денежного потока или планируются в бюджете доходов и расходов банка. Потери, величина которых больше среднего, но меньше, чем величина потерь, которая не будет превышена с вероятностью 99,9%, называются "неожидаемыми потерями". Частотность, особенно в правой части кривой, низкая, потери - серьезные. Анализ данных европейских финансовых компаний по частоте и серьезности потерь от ОР показывает, что 1% годовых потерь составляют потери, значение каждой из которых превышает 1 млн евро. Неожидаемые потери покрываются собственными средствами (капиталом) банка, а также частично страхованием. Потери большие, чем неожидаемые, носящие название катастрофических, могут возникать с очень малой вероятностью - всего 0,1%, но имеют очень большую величину. На эти случаи у банка должны быть разработаны планы в отношении обеспечения деятельности в чрезвычайных ситуациях.

Кривая распределения потерь от операционного риска

Вероятность возникновения потерь

/¦\

¦ ¦ Математическое ожидание ¦ Доверительный

¦ х (среднее значение) уровень 99,9%

¦ ¦ ¦

¦ х

¦ х ¦ ¦

¦ х

¦ ¦ ¦

¦ х

¦ ¦ ¦

¦ х х

¦ ¦ ¦

¦

¦ ¦ х ¦

¦ х

¦ ¦ ¦

¦ х

¦ ¦ ¦

¦ х Катастрофические

¦ х ¦ Неожиданные потери ¦ потери

¦<- - - - ->¦<- - - - - -х- - - - - - - - - ->¦<- - - - - - - ->

¦х х х х х х х

L-----------+---------------------------------+----------------->

Ожидаемые Величина потерь

потери

Рис. 1

В рамках продвинутых подходов Базельский комитет рекомендует три группы методов расчета неожидаемых потерь от операционного риска и, соответственно, требований к капиталу под ОР:

- внутренней оценки (Internal Measurement Approach - IMA);

- основанный на построении кривой распределения потерь (Loss Distribution Approach - LDA);

- балльно-весовой или скоринговый (Scorecard Approach - SCA).

Длинный список квалификационных требований, установленных Базелем для банков, которые хотят применять модели на основе продвинутых подходов, устанавливает высокий входной барьер в AMA. Выделим только наиболее важные и затратные для банка:

- система управления рисками должна быть концептуально обоснована и внедрена по всему банку;

- система измерения ОР интегрирована в ежедневный процесс управления. Результаты измерения в виде управленческой отчетности служат для принятия решений, например оценки рисков подразделений и аллокации капитала;

- обязательная проверка внешними аудиторами, которая должна включать проверку того, что внутренний процесс оценки правильности работы моделей адекватен, и потоки данных и процессы, связанные с оценкой операционного риска, доступны и прозрачны;

- банк должен доказать, что его метод позволяет измерять ожидаемые и неожидаемые потери, а также захватить хвосты распределений (серьезные редко встречающиеся убытки);

- при периоде удержания риска один год доверительный интервал для измерения неожидаемых потерь составляет 99,9%;

- у банка должны быть разработанные методики моделирования, а также проверки и актуализации модели;

- банк должен обеспечить детальное измерение рисков, качество данных должно быть высоким, а период измерения составлять пять лет (допускается три года в первоначальный период внедрения модели).

Подход внутренней оценки

В подходе внутренней оценки (Internal Measurement Approach - IMA) заботу о построении модели, по сути, берет на себя регулятор. Модель в определенной степени аналогична стандартизованному подходу, когда весь бизнес банка делится на восемь направлений деятельности. Но в отличие от него может быть выделено существенно большее количество бизнес-линий, которые соотносятся с типами потерь. Для каждой пары "бизнес-линия - тип потерь" определяются свои показатели подверженности риску (EI - exposure indicator), вероятности возникновения рискового события (PE - probability of loss event), доля потерь при реализации риска (LGE - loss given event). Произведения EI x PE x LGE представляют собой величину ожидаемых потерь по каждой паре "бизнес-линия - тип потерь", а неожидаемые потери получаются умножением на коэффициенты гамма, определенные для всей отрасли. Таким образом, капитал под операционный риск равен:

K = SUM(EI x PE x LGE x гамма ).

IMA ij ij ij ij

Поскольку гамма-факторы (гамма) определяются на основе распределения потерь по отрасли в целом, могут возникать ошибки в расчете риска и капитала, обусловленные уровнем контроля отдельных пар "бизнес-линия - тип потерь" в соотнесении его с масштабом операций банка. Для уточнения вводится индекс профиля риска - Risk Profile Index (RPI) для каждой пары "бизнес-линия - тип потерь":

K = SUM(EI x PE x LGE x гамма x RPI ).

IMA ij ij ij ij ij

При этом RPI больше единицы, если распределение потерь конкретного банка имеет более "толстые хвосты", чем по отрасли, и меньше единицы, если "хвосты" распределения более "уплощенные".

Самостоятельное построение такой модели банком (на основе внутренних данных по реализации потерь) вряд ли оправданно, так как оно требует построения кривых распределения потерь, а если банк имеет возможность их построить, то может и напрямую рассчитывать ожидаемые и неожидаемые потери. Рассмотрим, в чем суть методов, основанных на построении кривой распределения потерь, достоинства и сложности, связанные с их применением.

Подход, основанный на восстановлении функции распределения

потерь

При измерении операционного риска на основе восстановления функции распределения потерь банку необходимо иметь достаточное количество данных по тем категориям событий и тем единицам портфеля операционных рисков, которые им выбраны для построения модели. Для построения модели используются стандартные методы теории вероятности и математической статистики, что позволяет унифицировать подходы к измерению операционных рисков с подходами к оценке кредитных и рыночных рисков, где статистическое моделирование является стандартным инструментом риск-менеджера.

Алгоритм практической реализации статистического метода оценки операционного риска включает следующие этапы.

Обработка информации аналитической базы данных операционных убытков. Для категорий событий и единиц портфеля операционных рисков (структурные подразделения, бизнес-линии, бизнес-процессы и т.д.) необходимо оценить правильность классификации случаев операционных убытков, зафиксированных в аналитической базе данных. Это позволит удостовериться в корректности используемых для моделирования данных, а также обеспечить их непересекаемость, т.е. исключить двойной счет рисков. Способы классификации событий банк может выбирать по собственному усмотрению, но предпочтительнее основываться на разработанном Базельским комитетом <7>, поскольку это обеспечивает сравнимость операционных рисков различных банков между собой. Также необходимо оценить имеющееся количество данных по операционным убыткам, чтобы понять, насколько они применимы для восстановления функций распределения величины и частотности потерь.

     
   ————————————————————————————————
   

<7> Annex 9, International Convergence of Capital Measurement and Capital Standards: а Revised Framework, Comprehensive Version // Basel Committee on Banking Supervision, Basel: June 2006. Восстановление функций распределения частоты и величины операционных потерь. Выполнение этого этапа начинается с оценки того, какой метод для восстановления использовать - параметрический или непараметрический. Параметрический метод заключается в определении конкретного вида функций распределения частоты и величины операционных потерь для каждой пары "категория рисков - единица портфеля" и определении параметров распределения. Если же выбирается непараметрический метод, то основой для моделирования будут служить эмпирические функции распределения. При этом параметрические методы позволяют моделировать "толстые хвосты" распределений, но их сила зависит от степени приближения эмпирического распределения выбранным законом. Поэтому рекомендуется использовать несколько критериев для определения того, насколько хорошо модельное распределение приближает эмпирическое. Непараметрические методы не позволяют моделировать "толстые хвосты распределений", поскольку у банка, как правило, просто отсутствуют эмпирические данные по таким убыткам или их чрезвычайно мало, но, с другой стороны, не нужно делать никаких предположений о законе распределения. Остановимся на параметрических методах более подробно. Типичные функции распределения для частоты и величины потерь показаны в левой части рис. 2. Распределение величины потерь может быть приближено следующими функциями распределения: Вейбулла, логарифмически нормальным законом, распределением Парето, Гумбеля и др. Частота возникновения операционных потерь может описываться распределением Пуассона, биномиальным распределением и др. Что касается потерь, характеризующихся большой величиной (так называемые толстые хвосты), то их можно учесть в данном случае, используя методы моделирования экстремальных значений с помощью закона больших чисел (Extreme Value Theory), которые основаны на "смешивании" различных распределений. Не будем углубляться в эту теорию, поскольку в нескольких фразах осветить ее затруднительно, отметим лишь, что ее применение связано с существенными затратами интеллекта и времени риск-менеджера. Для определения параметров распределений "толстых хвостов" могут использоваться результаты сценарного анализа или данные о потерях других кредитных организаций, соответствующим образом отшкалированные для учета масштаба операций. Характерный вид распределений величины операционных потерь и частоты их возникновения и построение распределений потерь Частотность потерь Вероятность Риск 1 Риск 2 Риск К 0,2¦ -----------¬-----------¬ -----------¬ ¦ -¬-¬ ¦ ** ¦¦ ** ¦ ¦ ** ¦ 0,15¦ ¦¦¦¦-¬ Единица ¦* * ¦¦* * ¦ ¦* * ¦ ¦ -¬¦¦¦¦¦¦ А ¦* * * *¦¦* * * *¦ ¦* * * *¦ 0,1¦ ¦¦¦¦¦¦¦¦-¬ L-----------L-----------...L--------- ———— ¦ -¬¦¦¦¦¦¦¦¦¦¦-¬ -----------¬-----------¬ -----------¬ 0,05¦ -¬¦¦¦¦¦¦¦¦¦¦¦¦¦¦-¬ ----¬ ¦ ** ¦¦ ** ¦ ¦ ** ¦ ¦-¬¦¦¦¦¦¦¦¦¦¦¦¦¦¦¦¦¦¦ -¬-¬ ¦ Единица ¦* * ¦¦* * ¦ ¦* * ¦ 0L++++++++++++++++++++--++++- ¦ Б ¦* * * *¦¦* * * *¦ ¦* * * *¦ 0 2 4 6 8 10 12 ¦ L-----------L-----------...L--------- ———— Количество событий за период \¦/

     
                                 ————————————¬       :           :              :
               Тяжесть потерь    |Монте—Карло|——>
   Вероятность                   | симуляция |       :           :              :
    0,4|—¬                       L————————————
   

¦¦¦ /¦\ : : : ¦¦¦ ¦ ¦¦¦ ¦ -----------¬-----------¬ -----------¬ 0,3¦¦¦ -¬ ¦ ¦ ** ¦¦ ** ¦ ¦ ** ¦ ¦¦¦ ¦¦ ----- Единица ¦* * ¦¦* * ¦ ¦* * ¦ ¦¦¦ ¦¦ К ¦* * * *¦¦* * * *¦ ¦* * * *¦ ¦¦¦ ¦¦ L-----------L-----------...L--------- ———— 0,2¦¦¦ ¦¦ -¬

¦¦¦ ¦¦ ¦¦

¦¦¦ ¦¦ ¦¦

¦¦¦ ¦¦ ¦¦ -¬

0,1¦¦¦ ¦¦ ¦¦ ¦¦ -¬

¦¦¦ ¦¦ ¦¦ ¦¦ ¦¦ -¬

¦¦¦ ¦¦ ¦¦ ¦¦ ¦¦ ¦¦ -¬

¦¦¦ ¦¦ ¦¦ ¦¦ ¦¦ ¦¦ ¦¦ -¬ -¬ -¬

0L++-++-++-++-++-++-++-++-++-++

Величина потерь

Рис. 2

Построение распределений потерь для пар "категория риска - единица портфеля". На данном этапе на основе распределений величины и частоты операционных убытков генерируется распределение совокупных потерь для рассматриваемой единицы портфеля ОР и категории ОР. Наилучшим подходом к построению распределения потерь является использование двухшаговой процедуры симуляции Монте-Карло. Размер выборки, используемой для симуляции Монте-Карло, зависит от требуемого максимального уровня доверия, для уровня доверия 99,9% (в соответствии с Базелем) требуется выборка размером не менее 10 000.

Определение капитала под операционный риск. По полученным

распределениям потерь может быть определено их математическое

ожидание (ожидаемые потери), а также размер неожидаемых потерь

путем вычисления значения потерь, которые не будут превышены с

уровнем доверия 99,9%, методом Value at Risk (VaR ):

99,9%

(Капитал под ОР) = VaR - (Ожидаемые потери).

99,9%

Далее могут быть сделаны поправки в величине экономического капитала на уровень контроля, так как использование продвинутых подходов позволяет уменьшать капитал в зависимости от того, насколько банк уменьшает риск путем улучшения бизнес-процессов, регламентации операций, использования средств защиты информации и др. Это делается с использованием результатов самооценки, которую мы описали выше.

Если для моделирования частоты и тяжести потерь использовались внешние данные (других кредитных организаций), следует сделать поправку, связанную с масштабом операций и, возможно, другими показателями. Моделей, объясняющих такие поправки, к настоящему времени разработано несколько.

Совокупный операционный риск банка рассчитывается путем суммирования по единицам портфеля. При этом в рамках продвинутых подходов рекомендуется сделать поправку на корреляции, что по опыту западных банков позволяет, помимо поправки на уровень контроля, уменьшить капитал под операционный риск.

Последним шагом в вычислении величины капитала под ОР является учет страхования. Базельский комитет позволяет производить уменьшение в размере, не превышающем 20% неожидаемых потерь, и такое уменьшение связано с выполнением ряда требований к страховщику и условиям страховой программы.

Использование рассматриваемых методов привлекает сравнительно хорошо разработанной теорией, успешным практическим применением для рыночных и кредитных рисков и объективностью результатов, поскольку этот подход основан на реальных данных операционных потерь. Помимо этого он позволяет путем включения элементов сценарного анализа и экспертных оценок проигрывать различные ситуации, связанные с уменьшением или усилением уровня контроля в отношении отдельных категорий риска или единиц портфеля, а также с расширением или уменьшением объемов операций банка. Однако он имеет недостаток, который существен даже для западных банков, а в России на данном этапе чрезвычайно затрудняет его использование. Это недостаточность данных, особенно в правой части графика функции распределения потерь. Регистрируемые потери даже в крупных западных банках никогда не заполняют всю кривую распределения потерь. Использование метода, основанного на построении кривой распределения потерь, требует больших трудозатрат для построения моделей и поддержания их в актуальном состоянии, средств валидации моделей. Кроме того, по отдельным категориям рисков просто невозможно собрать репрезентативную выборку данных для моделирования. Многие крупные западные банки начинали с этого метода, однако, столкнувшись с недостатком данных, стали применять смешанные или гибридные подходы, сочетающие использование LDA и моделирования на основе сценарного анализа.

Смешанный подход, или Поговорим о сценарном анализе

Общая слабость, которой страдают все методы, основанные на информации об уже понесенных банком операционных потерях, заключается в их неспособности оценивать риск тех потерь, которые в банке еще не происходили. Учет такого рода событий исключительно важен при оценке риска, поскольку они обычно имеют очень большую величину и могут привести к приостановке деятельности банка. Выявлению таких событий служит метод сценарного анализа, который позволяет путем анализа "Что будет, если?.." в связке с данными о случаях реализации катастрофических событий оценить, каким чрезвычайным потерям может подвергаться банк. На все выявленные случаи должны быть разработаны планы обеспечения непрерывности деятельности, позволяющие клиентам получение необходимого обслуживания уже в период реализации события, а для этого банк должен быть способен:

- управлять персоналом, бизнесом, филиалами, активами и учетом;

- информировать сотрудников о новом или запасном офисе, резервных номерах телефонов, контактных лицах, необходимых изменениях в организационной структуре, перераспределении обязанностей и полномочий;

- информировать клиентов и, если необходимо, изменить способы обслуживания;

- восстановить важнейшую бумажную документацию;

- восстановить электронные базы данных, включая систему бухгалтерского учета, реестры, информацию о клиентах и поставщиках, персонале.

Сценарный анализ может проводиться в виде направляемых дискуссий, мозговых штурмов или в форме опроса, участниками которого являются менеджеры банка. Для получения аналитических выводов рекомендуется применять следующие методы:

- изучение частоты происшествий (катастроф, аварий) и анализ скорости их распространения;

- оценку продолжительности события;

- анализ последствий происшествия исходя из сценариев, что важнейшие учетные записи уничтожены (не уничтожены);

- оценку последствий, включающую пострадавших сотрудников, потерю операционной способности, потерю активов, повреждение офисов.

Однако сценарный анализ или, точнее говоря, сценарное моделирование может быть использовано и для расчета капитала под операционный риск для тех категорий событий, которые лежат в области неожидаемых потерь, характеризуются малой частотностью и не являются катастрофическими. Банк может иметь по ним небольшое количество данных по потерям, не позволяющее напрямую восстановить функцию плотности распределения частоты и величины потерь, но дающее менеджменту возможность сформировать экспертные знания о событиях такого типа. Именно такого рода сценарный анализ используется для численного моделирования в смешанном (гибридном) подходе моделирования кривой распределения потерь от ОР.

Первым шагом в реализации сценарного моделирования является выделение множества тех событий, по которым недостаточно данных, и объединение их в сценарные классы в соответствии с классификацией категорий ОР банка. Под сценарием понимается случай реализации ОР и вся цепочка последствий его реализации, которая отслеживается по всем единицам портфеля ОР (примем в данном случае для простоты за такую единицу структурные подразделения). Когда сценарии прописаны, менеджеры банка должны на основе имеющегося небольшого объема данных и (или) экспертных знаний оценить частоту возникновения событий, а также величину возможных потерь в затрагиваемых этим сценарием структурных подразделениях. При этом необходимо указывать как типичную частоту возникновения случаев и величины потерь, так и верхнюю и, желательно, нижнюю границу. Множество оценок, сделанных различными менеджерами, по множеству сценариев одного сценарного класса позволяет путем специальной математической процедуры, подобной той, что используется для генерации искусственного кредитного "кладбища", оценить параметры распределения частоты возникновения событий и величины потерь (см. рис. 3, левая часть) <*> по данному классу. После того как получены такие оценки, необходимо провести проверку данных, т.е. оценить, насколько полученные параметры соответствуют профилю рисков банка. Любая недооценка или переоценка частоты или величины потерь должна быть скорректирована. Используется принцип "второго глаза": внутренний аудит процесса оценки сценариев, сравнение экспертных оценок и данных по потерям (внутренних и внешних) и др.

     
   ————————————————————————————————
   

<*> Рисунок 3 не приводится.

На основе таких построенных экспертным способом распределений частоты и величины потерь методом симуляции Монте-Карло могут быть построены функции распределения потерь от ОР в разрезе сценарных классов и подразделений банка. А далее их можно включать в общий профиль операционных рисков банка (см. рис. 3, правая часть) и использовать для расчета ожидаемых потерь и капитала под операционный риск.

Каузальные модели: байесовская сеть

Наибольшую управленческую ценность несут комплексные, динамические причинно-следственные (каузальные) модели, с помощью которых можно учесть практически все источники возникновения операционных рисков, в том числе таких типов риска, которые возникают редко и приносят очень большой ущерб. Это выгодно отличает их от статистических методов, основанных на информации базы данных случаев операционных потерь, и даже от гибридного подхода с использованием сценарного моделирования. Рассмотрим шаги построения каузальной модели на примере байесовских сетей.

Модель ОР на основе байесовской сети представляет собой сеть операционных событий, связанных причинно-следственными связями, т.е. это математический граф специального вида, где события - узлы графа (обозначаемые окружностями), а причинно-следственные связи между событиями - ребра графа (обозначаемые направленными стрелками). Их теоретическая основа - теорема Байеса, позволяющая вычислять вероятность возникновения события, зависящего от других событий, появляющихся с заданной абсолютной и условной вероятностью. Ключевой особенностью модели является возможность комбинировать значения вероятностей, полученных статистическим путем на основе данных об операционных потерях банка в прошлом, с экспертными знаниями, оценивающими ОР в настоящем и будущем, что позволяет достичь высокой предсказательной силы.

Построение модели всегда начинается с экспертного описания причинно-следственных взаимосвязей между событиями. Специалисты банка на основе своего профессионального опыта выделяют события - драйверы риска, которые запускают всю последующую цепь (сеть) событий, приводящих к потерям, и "рисуют" карту (т.е. узлы и ребра графа) влияния событий друг на друга, включая конечные узлы, отражающие потери. Ценно то, что можно вводить в виде узлов и возможные управленческие решения, которые будут приниматься для воздействия на ход этих событий с целью уменьшения ОР. Таким образом создается "скелет" байесовской сети - направленный граф. Он содержит четыре типа узлов - входные (события-драйверы), управляющие, промежуточные и выходные (потери).

Для того чтобы модель заработала, каждому указанному в графе узлу необходимо приписать вероятность возникновения события, условную вероятность (кроме событий-драйверов), а также оценить потери для соответствующих узлов. Вероятности возникновения событий (частотность и величина потерь) оцениваются либо на основе исторических данных, либо экспертным путем. При экспертном способе эксперты указывают примерную вероятность реализации каждого из событий, а также проставляют вероятные размеры потерь от реализации негативных для банка событий. Для каждого из возможных вариантов, отмеченных на карте управленческих решений, должны быть указаны параметры, ослабляющие риск (частотность и величину). Условные вероятности задаются экспертным способом. Байесовская сеть готова.

Для расчета функции распределения потерь методом симуляции Монте-Карло проводится имитация возникновения событий-драйверов, которая подается на входы сети. Выходами будут функции распределения потерь от ОР для тех подразделений или категорий риска, которые были включены в модель. Соответственно можно рассчитать ожидаемые, неожидаемые потери и капитал под ОР.

Модели ОР на основе байесовских сетей имеют наибольшую ценность с точки зрения управления рисками, поскольку позволяют прямо рассчитывать риски при различных сценариях управления. Убирая и добавляя управленческие узлы, меняя силу их воздействия, можно оценить, как это скажется на экономическом капитале. Модель также позволяет в систематическом виде анализировать влияние причин возникновения (событий-драйверов) случаев операционных потерь и возможные последствия их реализации, а главное вычислять вероятности возникновения неблагоприятных операционных событий при условии, что вероятности возникновения причин этих событий установлены либо экспертным, либо статистическим путем (на основе реальных данных). По мере накопления реальных данных об операционных убытках банка они могут включаться в расчеты байесовской сети, актуализируя ее. Еще одним плюсом модели является возможность проведения анализа чувствительности, т.е. оценки того, какие события-драйверы и управляющие узлы наиболее и наименее влияют на величину потерь.

Таким образом, модель ОР на основе байесовской сети естественным образом соединяет разнородные количественные и качественные, объективные и субъективные элементы оценки рисков, среды контроля, управленческих решений, позволяя наряду с данными о потерях учитывать такие важнейшие качественные факторы, как "культура управления", "качество", "опыт сотрудников" и др. Однако за высокую ценность модели приходится дорого платить - общепризнано, что построение байесовских сетей является одной из самых ресурсоемких методологий оценки операционных рисков.

Мониторинг и не только... Ключевые показатели риска

Ключевые показатели риска (КПР) играют важную роль в операционном риск-менеджменте, поскольку обеспечивают постоянный мониторинг факторов риска (источников потерь), уровня контроля и проявлений риска, в силу чего они могут обеспечить "взгляд в будущее" подверженности операционному риску банка. Действительно, самооценку контроля банк проводит один раз в год, а КПР обеспечивают промежуточные измерения, динамика которых дает понимание тенденций развития контроля.

Под термином "ключевые показатели риска" скрывается широкая категория числовых индикаторов, которые (условно) можно классифицировать следующим образом на четыре большие группы.

Синхронные индикаторы - показатели, характеризующие величину операционных потерь, ошибок и нарушений. Синхронные индикаторы получили свое название из-за того, что они практически не обладают прогнозной силой, а отражают имеющийся уровень операционного риска. Примерами таких индикаторов могут служить, например, количество неправильно проведенных расчетных операций, число случаев мошенничества с пластиковыми картами, размер штрафных санкций и т.д. Для этого типа показателей важна не столько их абсолютная величина, сколько направление изменений, поэтому они обычно анализируются в сравнении с данными предыдущих периодов мониторинга.

Индикаторы эффективности контроля - показатели, отражающие состояние среды контроля операционных рисков. Это такие показатели, как число регламентированных операций к операциям всего, частота обновления антивирусных программ, количество автоматизированных или ручных операций к операциям всего, время, затраченное на обучение одного сотрудника, число жалоб клиентов и др. Индикаторы эффективности контроля в большинстве своем являются предикативными, т.е. позволяют на основе их текущих значений определять, как меняется среда контроля и, следовательно, уровень операционных рисков.

Индикаторы присущего риска, которые иногда еще называют объемными индикаторами, что не полностью отражает их суть, - показатели, отражающие увеличение или уменьшение принимаемого операционного риска. Примерами могут служить количество обращений к онлайн-сервису банка за определенный промежуток времени, показатели объема операций, нагрузка персонала, рутинность бизнес-процесса и др. Наряду с индикаторами эффективности контроля показатели этой группы могут обладать прогнозной силой.

Каузальные индикаторы - показатели, которые связаны с причинами (факторами) рисковых событий. Это и количество сбоев в программном обеспечении, и время простоя систем, и уровень компетентности персонала, и сложность организационной структуры банка. Специфические каузальные индикаторы подбираются для каждой категории операционного риска первого уровня, а именно люди, процессы, системы, внешние события. Существенно, на наш взгляд, выделить показатели организационной структуры банка в отдельную группу источников операционных потерь, поскольку связанные с организационной структурой факторы весьма специфичны и часто не могут быть описаны ни в группе процессов, ни систем, ни персонала по отдельности.

Система КПР должна охватывать все категории рисков и направления деятельности банка. При выборе показателей следует учитывать, что они должны иметь пирамидальную структуру. На самом нижнем уровне показателей больше, и они носят частный характер, а наверху пирамиды управления показателей существенно меньше, и они носят обобщающий характер. Каждый уровень руководства в структуре банка использует собственный набор немногочисленных показателей, причем высшему руководству нужны только избранные показатели. Помимо этого показатели, используемые банком, должны обладать следующими характеристиками:

- чувствительностью к риску (уровню контроля), т.е. они должны быть прямо или косвенно связаны с общим уровнем той категории операционного риска, которую они должны измерять;

- соответствующей частотностью, т.е. частота данного КПР должна соответствовать характерной частоте возникновения риска;

- простотой, т.е. показатели должны быть интуитивно понятными, позволять легко вычислять их значения на основе набора доступных данных;

- высоким уровнем доверия менеджмента данному показателю;

- другими.

Желательно, чтобы в системе показателей банка присутствовали как исторические (по факту) показатели, так и опережающие (предикативные), поскольку руководство банка может использовать опережающие показатели с целью воздействия на профиль риска банка, а исторические показатели служат для выявления негативных тенденций, контрольных уровней показателей, причинно-следственных связей. Подобрать правильные КПР сразу довольно сложно, поэтому лучше использовать принцип избыточности. При этом должны присутствовать показатели специфичные для бизнес-линий и общебанковские показатели. Библиотеки КПР некоторых западных банков насчитывают более 2000 индикаторов, а количество крупных банков, использующих этот метод, приближается к 90%, более 50% используют ключевые показатели риска как таковые и еще 38% - так называемые ступенчатые триггеры, т.е. только те ключевые показатели, для которых можно установить один или несколько порогов, превышение которых (или снижение ниже которых) приводит к принятию управленческих решений на разных уровнях.

Рассмотрим пример построения целевого значения и порогов такого индикатора. В левой части рис. 3 показана линия регрессии показателя удовлетворенности клиентов, относящегося к индикаторам эффективности взаимодействия банка с клиентами (Key Performance Indicator - KPI), от показателя операционного риска. Целевое значение КПР определяется в зависимости от требуемого целевого значения KPI, а пороги - в зависимости от тех значений KPI, которые банк считает критическими во взаимоотношениях с клиентами. При этом снижение КПР до порога 1 требует вмешательства менеджера более низкого уровня, а порога 2 - более высокого. Система индикаторов операционного риска может быть построена таким образом, чтобы соответствующие уровни управления получали предупреждения о достижении пороговых уровней автоматически, например по электронной почте.

В правой части рисунка приведен пример двустороннего КПР, который банку желательно удерживать в определенных границах (нижняя часть рисунка). Захождение показателя в оранжевую область может служить порогом первого уровня, а в красную - второго. Хотя банку и удалось снизить волатильность показателя, практически "загнав" его в зеленую область, однако наблюдается повышательная тенденция в значениях показателя, что требует, вероятно, уже каких-то других решений.

Таким образом, КПР - наглядный и сильный аналитический инструмент, позволяющий банку оценивать операционные риски в динамике, оперативно принимать управленческие решения.

Скоринговая оценка

Скоринговые оценки (Scorecard Approaches - SCA) являются, как уже говорилось, одной из методологий, которые Базельский комитет рекомендует использовать в рамках продвинутых подходов. Мы рассматриваем его в конце статьи потому, что он основан на описанных выше методиках построения карт рисков и результатах самооценки контроля, в том числе и с помощью ключевых показателей риска. Подход скоринговой оценки не позволяет напрямую измерить величину операционного риска и, соответственно, капитал под него. Поэтому банку необходимо первоначально оценить величину капитала под операционный риск либо на уровне банка (подход базового индикатора), либо по бизнес-направлениям (стандартизованный подход). Эти методы просты и не требуют больших трудозатрат и специального программного обеспечения, как в случае использования подходов, основанных на функции распределения потерь.

Затем полученные величины риска модифицируются (уменьшаются) в соответствии с балльной оценкой присущего риска и контрольной среды. Подход предполагает, что улучшение контрольной среды уменьшит как частоту возникновения негативных событий, так и тяжесть потерь.

В самом простейшем случае построение скоринговой оценки основывается на карте риска (см. табл. 1), где каждому значению частоты потерь и тяжести потерь присваиваются баллы, в нашем случае от 1 до 5. Соответственно, максимальная оценка риска равна 25 баллам ((частота потерь) x (тяжесть потерь)). Она отображена уже в ранжированном виде в первом столбце табл. 4 (риск). Экспозиция операционного риска (в данном случае понимается не в нотации продвинутых подходов Базель II: экспозиция операционного риска - оценка объема потерь, который банк может понести в течение года с доверительным уровнем 99,9%), а как "показатель качества контроля (снижения) риска", измерение которого мы рассматривали в разделе "Самооценка". В данном случае она также выражается баллами от 1 до 5.

Таблица 4

Пример скоринговой шкалы, учитывающей оценку риска и среду

контроля

Скоринговая шкала

     
   ——————————T——————————————————————————————————————————————————————¬
   |   Риск  |                   Экспозиция риска                   |
   |         +——————————T——————————T——————————T——————————T——————————+
   |         |     1    |     2    |     3    |     4    |     5    |
   +—————————+——————————+——————————+——————————+——————————+——————————+
   |   > 12  |     C    |     B    |     B    |*****A****|*****A****|
   +—————————+——————————+——————————+——————————+——————————+——————————+
   |  9 — 11 |     D    |     C    |     B    |     B    |*****A****|
   +—————————+——————————+——————————+——————————+——————————+——————————+
   |  5 — 8  |     D    |     D    |     C    |     B    |     B    |
   +—————————+——————————+——————————+——————————+——————————+——————————+
   |  3 — 4  |     E    |     D    |     D    |     C    |     B    |
   +—————————+——————————+——————————+——————————+——————————+——————————+
   |  0 — 2  |     E    |     E    |     D    |     C    |     B    |
   L—————————+——————————+——————————+——————————+——————————+———————————
   

В ячейках таблицы указаны "баллы", на которые можно уменьшить капитал под операционный риск в разрезе бизнес-линий в зависимости от того, в какую ячейку таблицы попадет бизнес-линия. Так, балл A не предполагает уменьшения капитала, а балл E позволяет его существенно уменьшить. В случае использования для первоначального расчета капитала подхода на основе базового индикатора на основе средневзвешенного среднего рассчитывается один коэффициент, на который можно уменьшить капитал под ОР. Это упрощенное описание логики работы скоринговой модели. Однако строится она довольно сложными методами, аналогичными методам построения скоринговых карт для оценки заемщиков. Подход используют более чем 30% крупных западных банков и более 50% - средних. Отраслевые стандарты, в отличие от моделей скоринговой оценки заемщиков, не разработаны. В.Зинкевич Руководитель отдела консалтинга компании "Франклин & Грант. Финансы и аналитика" Д.Штатов Консультант компании "Франклин & Грант. Финансы и аналитика" Подписано в печать 19.02.2007 ————