Styring av Operasjonell Risiko i finansnæringen

Transkript

1 Styring av Operasjonell Risiko i finansnæringen Et FOU samarbeid forankret i nye myndighetskrav NIRF Nettverksgruppe for Finans Seminar 6. november 2007 v/ Lasse Berg Andersen

2 Disposisjon Introduksjon OpRisk - dagens praksis i bank/finans Fundamentale aspekter ved styring av Operasjonell Risiko Erfaringsoverføring fra O/G til bank/finans OpRisk prosjektet Deltagere, organisering, budsjett, tidsplan, mål, omfang og forskningsagenda

3 Introduksjon

4 Uflaks??? Seven killed in SA rafting accident To døde etter ulykke i Sjoa Ble millionær etter DnB-tabbe Et tastetabbe i DnB gav en 38 år gammel oslomann en kassakreditt på 10 millioner kroner i stedet for kroner som mannen ba om. Oljeutblåsning Venezuela Bankmann underslo millioner for å kjøpe papegøyer En britisk bankmann er dømt til ni års fengsel for å ha stjålet millionbeløp fra kundene og brukt dem på sin egen hobby. 32-åringen Lee Gardiner er en lidenskapelig samler av sjeldne papegøyer.

5 mer uflaks?? Kostbart aksjerot En feiltasting under en aksjehandel skapte oppstyr på Tokyo-børsen i går. Finansgruppen Mizuho har hittil tapt 1,5 milliarder kroner. Dronningens bank gikk konkurs, 1995 Manglende barrierer og kontrollmekanismer muliggjorde Nick Leesons ville spekulasjoner i future kontrakter. Barings måtte ta et tap på 9 Mrd Kr og den 233 år gamle banken gikk konkurs. Bungee accident - the cord breaks and a young woman dies

6 Universitetet i Stavanger Risikostyring, Industriell Økonomi og Samfunnssikkerhet 6 professorer, 12 professor II, 15 1.Am., 15 Ph.D stud., MSc stud. (Ingeniører, Økonomer, Statistikere, Samfunnsvitere) FOU: Pålitelighetsteori siden 1980 Anvendt Risikoanalyse siden 1980 Grunnforskning, Fundamentale forhold ved Risikoanalyse og Risikostyring siden 1990 Sikkerhet-offshore, Beslutn.støtteverktøy, NFR Petroleumstilsynet (HMS-forskrifter, analyse gj.gang, Risikonivå norsk sokkel,kurs) KickRisk, Risikostyringsverktøy, Eni & OD Usikkerhetsanalyse og styring, Statoil Usikkerhetsstyring, ConocoPhillips Risikoanalyse og styring i transport, RISIT Risiko og sårbarhet, IKT systemer Risikostyring i helsesektoren, Styring av Operasjonell Risiko i Bank & Finans Utdanning: Startet i 1982 med årskurs i Sikkerhetsstyring MSc program Offshore Safety Industrial economics Samfunnssikkerhet Risk Management Dr.grads program Risk Management & Societal Safety Publikasjoner/Milepæler: Stochastic Models in Reliability, Foundations of Risk Analysis, Risikostyring gr.legg. prins. og ideer, 06 Risk Management, 07

7 Samarbeid om OpRisk startet i 2005 Evnen til å styre operasjonell risiko danner grunnlag for egenkapitalavsetning i bank ( ). SR-bank har ambisjoner om AMA godkjenning Ingen omforent tilnærming til styring av operasjonell risiko i bank/finansbransjen SR-Bank bevilger i 2005 en gave på 6 Mill Kr til UiS som skal øremerkes et professorat og en professor II stilling på operasjonell risiko i bank Operasjonell risikostyring i komplekse tekniske miljø har tradisjoner tilbake til 40-tallet. UiS har posisjonert seg som et internasjonalt ledende fagmiljø innen risikostyring

8 OpRisk Prosjektet vårt utgangspunkt Vi skal bidra til å gjøre Norge og bankalliansen ledende i Europa på styring av operasjonell risiko Vi har liten tro på Objektive risikotall Vi mener dagens modeller for beregning av økonomisk kapital er lite hensiktsmessige for styring av operasjonell risiko Vi ønsker å bidra til at ferdigheter i styring av operasjonell risiko gir opphav til en competitive edge i banknæringen Vårt mål er å etablere en modell for styring av operasjonell risiko som gir beslutningsstøtte og tilfredsstiller kravene til Advanced Measurement Approach

9 Dagens praksis

10 Dagens praksis Operasjonell Risiko Operational Risk is: the risk of loss resulting from inadequate or failed internal processes, people and systems or from external events Basel Committee on Banking supervision 2001

11 Dagens praksis Bruk av risikobegrepet Risikobegrepet brukt i foredrag på OpRisk 2007, London: We have Risks Risk may happen When Risks come up The Risk does not care about the chosen approaches We have to listen to the Risks The Risk is coming

12 Dagens praksis Basel II regelverket gir føringer for hvordan operasjonell risiko skal måles i bank Basismetoden Sjablongmetoden Avanserte målemetoder Implementering av sunne prinsipper for risikostyring Netto driftsinntekter X 15% Implementering av sunne prinsipper for risikostyring Styre- og ledelsesengasjement Uavhengig risikostyringsfunksjon Tapsregistrering Knytning mot forretningsprosesser Implementering av sunne prinsipper for risikostyring Styre- og ledelsesengasjement Uavhengig risikostyringsfunksjon Systematisk registrering av tap og nesten hendelser Daglig styring av risiko Minimum 5 års datahistorikk Scenarioanalyser Økonomisk kapital (1 år, 99,9 %) og forventet tap Godkjennelse fra myndighetene

13 Dagens praksis Datainnsamling - Tallfeste - Måle - Styre Resultatet styring av risiko foregår ofte på flere isolerte nivå Sannsynlighet Intern rutinesvikt Serverstans Brudd i nettaksess Datainnbrudd Virusangrep Brann, hærverk Naturkatastrofe Forventet tap Operativ kostnad Uventet tap Terroristangrep Koordinert IT-angrep på nasjonalt nivå Krig Katastrofeområde Tap

14 Dagens praksis Kvalitetsstyring og Risikostyring Sannsynlighet Kvalitetsarbeid NA Detaljert semikvantitativ gjennomgang av forretningsprosesser Risikomåling Sjablongmetode/ Loss Distribution Approach Influens NA Statistisk analyse Tap Investeringer i kvalitetsarbeid påvirker ikke beregnet øk.kapital Hvordan velge de tiltakene som gir mest risikoreduserende effekt pr investerte krone?

15 OpRisk Fundamentals

16 Fundamentals Risikostyring - Historikk Orakler, heksedoktorer og prester 1450: Luca Paciolli presenterte The Puzzle : A og B spiller balla og skal fortsette til en av de har vunnet 6 ganger spillet avbrytes når A har vunnet 5 og B har vunnet 3 ganger hvordan skal innsatsen fordeles? 1650: Chevalier engasjerte Pascal og Fermat til å løse the Puzzle og en sannsynlighetsteori så dagens lys 1700: von Leibniz skrev nature has established patterns originating in the return of events, but only for the most part. Notatet ledet Bernoulli til å etablere den store talls lov 1730: de Moviere etablerte Normal fordelingen 1930: de Finitti presenterte en subjektiv sannsynlighetsteori 1952: Markowitz demonstrerte matematisk hvorfor det å putte alle eggene i samme kurv er en svært risikabel strategi : Utvikling av risikoanalysemetoder i takt med veksten i risikofylt industri, eks.vis forsvar/militær industri, romfart, atomkraft, kjemi/prosessindustri, flyindustri, etc.

17 Fundamentals Definisjonen på Risiko Risikobegrepet knyttes til sannsynligheten for og konsekvensen av en hendelse Risiko er en kombinasjon av mulige konsekvenser og tilhørende usikkerhet

18 Fundamentals OpRisk karakteristika Sjeldne hendelser med store konsekvenser Kronisk mangel på hard data I motsetning til Kreditt- og Markedsrisiko skapes det i liten grad kontantstrøm og profitt ved å eksponere seg for operasjonell risiko

19 Fundamentals Objektive risikoresultater som underlag for beslutninger Gir en kombinasjon av interne og eksterne data opphav til objektive og/eller riktige resultater? Ja Nei Fordi Noen bestemmer hvilke interne hendelser som skal rapporteres Noen legger hendelsene inn i en database Noen bestemmer hvordan hendelsene skal kategoriseres Noen bestemmer hvilke interne data som evt. ikke skal tas med Noen plukker ut eksterne hendelser som danner halen i fordelingen Noen velger modell/fordeling

20 Fundamentals Sannsynlighetsteori finnes det et riktig resultat fra risikoanalysen? Klassisk fortolkning forankret i den store talls lov Vi antar det finnes sanne ikke-observerbare verdier Resultatet tolkes som vårt beste estimat av en sann sannsynlighet for utfallet av en fremtidig hendelse Usikkerhet defineres som gapet mellom sann verdi og vårt estimat Bayesiansk/subjektiv fortolkning Det finnes ingen sanne verdier kun grad av tro Resultatet av analysen uttrykker vår usikkerhet knyttet til utfallet av en fremtidig hendelse Usikkerhet - det som er usikkert er hva som skjer i fremtiden Benyttes der vi ikke har full kunnskap om fenomenet, e.g. operasjonell virksomhet Benyttes der vi har full kunnskap om fenomenet, e.g. spill/gambling, lab.forsøk

21 Fundamentals Evaluere og håndtere Risiko Terminate: Lukk mulighetsrommet/fjern aktivitet Tolerate: Aksepter risiko Treat: Implementer tiltak for å redusere sannsynlighet og konsekvens Transfer: Overfør risiko til andre

22 Erfaringsoverføring fra O/G sektoren til Bank/finans

23 Historisk utvikling OpRisk i O/G og bank Risikoanalyseforskriften O/G Norsk sokkel Rapporteringskultur Risikoanalyse metoder elendig dårlig bedre Konsekvens fokus Årsaksfokus Bayesianske metoder 1960 Bank/Finans 1980 Metoder og modeller for styring av op.risk fundamentert på kreditt/marked risiko 2000 BASEL II Journal of Operational Risk Volum 1, Nr 1 (April 2006) 2010 Søknader om AMA 2020 OpRisk analyse verktøy (AMA) Fagområdet har gått en bratt lærekurve innen operasjonell risiko i O/G sektoren de siste 20 årene. Dette kan ha overføringsverdi til Bank & Finans

24 Utfordringer vedrørende operasjonell risiko i O/G versus Bank/finans Paralleller: Drevet av regelverk Små budsjetter (skaper ikke profitt, og dersom man gjør en strålende jobb hører man aldri noe ) Ønske om å etablere objektivt beslutningsunderlag Mangel på hard data I liten grad ønskelig å dele hard data og erfaringer Lærer først og fremst av egne og andres feil Liten grad av proaktiv risikostyring Forskjeller: Risikobildet i bank inkluderer tilsiktede hendelser, der noen ønsker å gjøre noe galt Årsaksmekanismene knyttet til hendelsene i bank er i større grad karakterisert ved myke faktorer

25 OpRisk prosjektet

26 OpRisk Kredittilsynet: tilstanden i finansmarkedet 2006 Sparebank 1-alliansen og DnB NOR har gått sammen med Universitetet i Stavanger om et prosjekt som skal utvikle et verktøy for styring av operasjonell risiko, og som kan kvalifisere for bruk av avansert metode for beregning av kapitalkrav.

27 OpRisk Visjon Etablere Bank & Universitets alliansen som et faglig tyngdepunkt i Europa innen utdanning, nytenking og anvendelser knyttet til metoder og prosesser for styring av operasjonell risiko i Bank/Finans Levere ny kunnskap og konkrete verktøy for bedre styring av operasjonell risiko i Bank/Finans

28 OpRisk Konsortium og finansiering Universitetet i Stavanger Norges Forskningsråd Sparebank 1 SR-Bank Sparebank 1 Nord-Norge Sparebank 1 Midt-Norge Sparebank 1 Hedmark Sparebank 1 Gruppen DnB NOR ASA Kredittilsynet PhD stipend 6 Mill NOK 6 Mill NOK Samlet budsjett på 12 Mill NOK kontant fra 2007 til 2010

29 OpRisk.. Organisering Norges Forskningsråd OpRisk Styringskomitè Rapportering OpRisk prosjektet Prosjektleder Lasse B Andersen Forsknings assistanse fra akademia Innkjøp P-Nr yyyy Budsjett 8,6 MNoK P-Nr xxxx Budsjett 3,4 MNoK Innkjøp Forsknings assistanse fra industrien

30 OpRisk Deliverables Verktøy: AMA modell for Styring av Operasjonell Risiko Bank/Finans OpRisk HAZOP (hazard identification tool) Retningslinjer og prosesser for styrket rapporteringskultur Utdanne 3 forskere (PhD) innen Styring av Operasjonell Risiko Forum for læring og utvikling: Kurs, Workshops og Seminarer knyttet til: Årsaksforhold - underlag for modellering What if scenarier underlag for modellering Rapporteringssystemer og rapporteringskultur Formidle og diskutere ny kunnskap om fundmentale sider ved styring av operasjonell risiko i bank/finans

31 OpRisk AMA modell - added value Etablere en stokastisk modell for analyse av bankspesifikk operasjonell risiko som: Tilfredsstiller kravene til Advanced Measurement Approach Fremhever operasjonelle risikomomenter Styrker grunnlaget for beslutningstaking i forhold til valg av risikoreduserende tiltak

32 OpRisk Nye modell attributter Reflekterer organisasjonsspesifikke forhold Gir forståelse for hvordan ting kan gå galt Tillater kost-nytte studier Fremhever kritiske risikoelementer Reflekterer risikoreduserende tiltak og danner underlag for valg av de mest effektive tiltakene

33 OpRisk Modellrammeverk Modelleringstilnærming: Identifikasjon av initierende hendelser i hvert produkt under hver forretningslinje Scenario basert: what if? Modellering av barrierer basert på hendelsestrær Barriere svikt: hva er årsaken til? Modellering av årsaksmekanismer ved hjelp av feiltrær og Bayesianske nettverk Tallfesting av input: Kombinasjon av interne data, eksterne data og ekspert vurderinger i en full Bayesiansk setting

34 OpRisk Eksempel på modellrammeverk C1 C2 Exceeding authority Detected by Daily Settlement? Yes No Discovered by Audit? Yes No C3 Own-Account Trading? Yes No Discovered by Customer? Yes No C2 C4

35 OpRisk Prosjekt team Dr. Lasse Berg Andersen, Assoc.Prof UiS (Prog.leder/Risikoanalyse) Dr. Terje Aven, Professor UiS (Risikoanalyse & Styring/modellering) Dr. Frank Asche, Professor UiS (Verdivurderinger/Risikostyring) Dr. Erik Abrahamsen, UiS (Statistisk analyse/modellering) Dr.gradsstipendiat David Häger, UiS/Bayes (Risikoanalyse/modellering) Dr.gradsstipendiat Marianne Bay, UiS/Bayes (Risikostyring) Dr.gradsstipendiat NN, UiS (Risikoanalyse/modellering) Innkjøp av forskningsassistanse fra Industri og akademia