风险管理

操作风险新标准计量法存在问题与发展现状


通过将历史损失数据与财务报表数据代入新标准计量法的公式,金融机构即可完成其操作风险最低资本需求的计算。这样的框架极大地简化了操作风险的计量,使得原先很多复杂的数学模型不再有用。对于监管者而言,新标准计量法提供了一种简单、行业通用的标准化操作风险计量框架,对于统计、比较、分析行业操作风险水平,进一步规范操作风险资本管理都会提供极大便利。

(一)     新标准计量法的缺点分析

操作风险的新标准计量法仍然存在一些问题,该方法只关注金融机构历史内部损失事件,可能会降低管理层主动管理风险的需求。Gareth等学者[5]在新标准计量法提出后分析了该方法的不足,概括如下:

1.  可能带来资本需求不稳定性

通过模拟新标准计量法计算所得的资本需求与其长期平均资本需求的比例,可以发现在不改变新标准计量法的参数、模型或BI结构的前提下,新标准计量法可能导致金融机构的资本需求从一年到下一年增加一倍以上。新标准计量法可能带来金融机构操作风险资本需求的不稳定性。

2.  没有充分利用损失数据

在《巴塞尔协议II》中,操作风险的数据来源有四种:内部损失数据、外部损失数据、情景分析以及业务环境与内部控制部分。而新标准计量法仅仅利用了内部损失数据,其他三种来源的数据都被废弃,这使得很多的数据没有得到有效利用,可能无法反映真实的风险来源。

3.  资本需求不满足次可加性

我们希望一个风险度量函数f(⋅)具有的特性是次可加性(sub-additivity),即

$f(x)+f(y)>=f(x+y)$

这个公式反映了金融资产内部的相互对冲,因此一个资产组合的整体风险要低于组合中单个资产风险的加总。风险计量中常用的在险价值(VaR)就不满足这个特性。同样,由新标准计量法计算出的资本需求,次可加性也并不一定能够得到保证。例如,我们考虑金融机构A与B的操作风险数据如下表。

 

机构A BI LC BIC ILM 新标准法资本需求
总业务 32 4 4.83 1.834 4.575

 

机构B BI LC BIC ILM 新标准法资本需求
业务线1 16 2 2.37 1.845 2.257
业务线2 16 2 2.37 1.845 2.257
总业务 32 4 4.74 1.845 4.513

 

在表中,机构A与机构B的风险敞口总量是类似的,BI指数均为32,损失数额均为4。然而,由于机构B的操作风险计量分成两个业务条线进行,机构B的资本需求数量得到了有效的减少。这表明了在此案例中,新标准计量法存在超可加性(super-additivity)。随着业务条线的增多,金融机构有可能出现更大的操作风险。这说明不论是从金融资产的内部对冲性,还是从操作风险的本质出发,这都不能表明新标准计量法是一个好的操作风险度量法。

(二)     新标准计量法的发展现状

2016年巴塞尔协议新标准计量法的发布,在金融界与学界都引发了较大的轰动。除了来自学界的一些研究以外,业界中也暴露出了一些问题。按照时间线,我们梳理了操作风险新标准计量法近些年的发展现状。

在2016年4月份,也就是2016版新标准化计量法出台以后,一项研究表示,欧洲银行在风险加权资产(risk-weighted assets,简称RWAs)上的操作风险资本需求增长将会较美国银行更大。通过Operational Riskdata eXchange Association (ORX)对54家机构(包括16家主要银行)的数据分析,欧洲银行可能会面临1150亿欧元的操作风险资本需求增长。2016年11月,德意志银行的操作风险资本需求因新计算方式的引入导致的资本需求不足使其即将触及美国法院的处罚。除了担心这种纯粹“向后看”的方式会不会带来更高且不稳定的操作风险资本需求,业内的操作风险从业人员也开始担心极为简化的新标准化计算步骤将会带来就业上的冲击。

在2017年3月,原计划公布的《最终方案》没有如期而至,使得操作风险的新标准化计量法再次成为热议。同年12月,《最终方案》对2016年的新标准化计量法进行了微调,但依旧将《巴塞尔协议II》中的所有计量方法摒弃,使得操作风险的计量进入了全面的新标准化计量时代。巴塞尔委员会的量化影响研究(Quantitative Impact Study)表明,新的算法将会使得银行能够减少操作风险的资本需求,预估平均为30%左右。然而,对于中国的四大银行来说,新标准化的计量并未实现操作风险资本需求的大幅降低,这是由于在新标准化计量法的框架下,利用利率收益获得利润的金融机构将会受到惩罚性的对待。而且,在2018年初的一项报道中,美国银行也没有因新标准法实现资本需求的减少。根据普华永道的分析,相比于旧的基本指标法(BIA),新标准法(SMA)的引入会大大提高金融机构的操作风险资本需求,如下图所示。

 

操作风险资本需求对比—BIA(深色)与SMA(浅色)(数据来源:PwC[1]

[1] 数据来源:PwC,Operational risk capital: nowhere to hide,2014.11

 

风险管理
骑士资本高频交易系统事故案例分析
风险管理
帷幄金融风险偏好指数(2018-10)
风险管理
帷幄金融风险偏好指数(2019-05)
还没有评论哦,快来抢沙发吧!