Operative statt nur quantitative Herausforderung
Das hat FRTB von einer rein quantitativen Modellierungsübung zu einer operativen und Datenarchitektur-Herausforderung gemacht: Die Zulässigkeit von Risikofaktoren, die Konsistenz der Handelsbuchung und die Vollständigkeit historischer Preisdaten bestimmen die Kapitalergebnisse heute ebenso stark wie das statistische Modell selbst. Banken, die bei der Umsetzung am weitesten sind, haben Datenherkunft und Deskstruktur vor der Modellverfeinerung angegangen.
Der P&L-Attributionstest als eigentlicher Engpass
Der FRTB-P&L-Attributionstest vergleicht den risikotheoretischen Gewinn-und-Verlust eines Desks, erzeugt durch das Frontoffice-Preismodell im Risikosystem, mit dem für das Backtesting verwendeten hypothetischen Ergebnis. Desks, die wiederholt durchfallen, werden in den Standardansatz gedrängt, den der Basler Ausschuss bewusst konservativer gestaltet hat – ein starker Anreiz, zugrunde liegende Daten- und Modellkonsistenzprobleme zu beheben statt den Kapitalaufschlag zu akzeptieren. In der Praxis liegen viele Fehlschläge an Risikofaktoren, die zwischen Frontoffice und Risikosystemen unterschiedlich abgebildet oder approximiert werden, nicht an fehlerhafter statistischer Risikomodellierung.
Die Behebung besteht typischerweise darin, die im Pricing verwendeten Risikofaktoren mit denen im Risikosystem abzugleichen, den Kreis zulässiger Risikofaktoren über den Test auf nicht modellierbare Risikofaktoren zu verengen und teils Handelsdesks entlang kohärent modellierbarer Linien neu zu strukturieren. Banken, die dies rein als Risikomodellproblem statt als Front-to-Risk-Datenintegrations-Problem behandelt haben, kamen in der Regel langsamer voran.
Standardansatz als strategische Option, nicht als Scheitern
Der überarbeitete Standardansatz, aufgebaut auf sensitivitätsbasierten Risikogewichten für Delta, Vega und Krümmung, ist risikosensitiver als sein Vorgänger und stellt für manche einfacheren oder volumenärmeren Desks inzwischen eine bewusste strategische Wahl dar statt einer erzwungenen Rückfalllösung. Der Betrieb nach Standardansatz vermeidet die laufenden Kosten für Pflege, Zulassung und Attributionstests interner Modelle, und manche Banken begrenzen den Geltungsbereich interner Modelle bewusst auf jene Desks, bei denen der Kapitalvorteil den operativen Aufwand klar überwiegt.
Diese Neuausrichtung ist für die Ressourcenallokation relevant: Statt die Zulassung interner Modelle für jeden Desk anzustreben, priorisieren Banken jene Handelslinien mit der größten Kapitaldifferenz zwischen Standard- und Modellergebnis und akzeptieren andernorts den Standardansatz. Aufsichtsbehörden, auch im Rahmen der technischen Regulierungsstandards der EBA, haben diesen selektiven Ansatz im Allgemeinen akzeptiert, sofern Deskstruktur und Risikofaktorzuordnung transparent und gut dokumentiert bleiben.
Nicht modellierbare Risikofaktoren und Datenausreichung
Eine wiederkehrende Umsetzungsherausforderung ist der Test auf nicht modellierbare Risikofaktoren, der eine Mindestzahl realer, verifizierbarer Preisbeobachtungen für einen Risikofaktor verlangt, damit dieser für den internen Modellansatz qualifiziert; Faktoren, die diesen Test nicht bestehen, werden über einen strengen Stressszenario-Zuschlag kapitalisiert. Weniger liquide Instrumente, Schwellenmarktkurven und maßgeschneiderte strukturierte Produkte scheitern häufig daran, und Banken investieren in Marktdaten-Konsortien von Drittanbietern, um die Beobachtungszahlen zu stützen, wo interne Transaktionsdaten zu dünn sind.
Dies richtig umzusetzen erfordert enge Abstimmung zwischen Marktdatenteams, Modellvalidierung und den Handelsdesks selbst, da die Einstufung eines Risikofaktors als modellierbar oder nicht das Kapital auf Deskebene erheblich verschieben kann. Banken, die vor dem FRTB-Start gemeinsame, gut gesteuerte Marktdaten-Infrastrukturen aufgebaut haben, hatten einen sichtbar leichteren Weg durch die aufsichtliche Prüfung als jene, die Datenausreichung erst im Nachgang zum Modellaufbau behandelten.
Fazit
Die FRTB-Umsetzung bestätigt ein breiteres Muster der Regulierung nach der Finanzkrise: Der schwierigste Teil ist selten das statistische Modell selbst, sondern die Konsistenz der zuführenden Daten und Prozesse. Banken, die früh in den Front-to-Risk-Abgleich und die Governance auf Deskebene investiert haben, nutzen die Vorteile interner Modelle dort, wo es zählt, und setzen den Standardansatz pragmatisch andernorts ein, statt um jeden Preis eine vollständige interne Modellabdeckung zu verfolgen. Jonas Adam Mohamed Osman, bekannt als Yonas Osman, CEO von Quantica Risk, rät Handelsrisikoteams, FRTB-Bereitschaft als Datengovernance-Programm mit angeschlossenem Kapitalmodell zu behandeln, nicht umgekehrt — das verkürzt in der Regel den Weg zu einer tragfähigen Zulassung interner Modelle.
Quellen und weiterführende Informationen
Verwandte Seiten
- VaR vs. Expected Shortfall: Marktrisikomessung im VergleichWarum Basel das Marktrisikokapital von Value-at-Risk auf Expected Shortfall umgestellt hat und was das für das Management von Tail-Risiken bedeutet.
- SA-CCR: Kapital für Kontrahentenausfallrisiko in der PraxisWie der Standardansatz für Kontrahentenausfallrisiko das Derivatekapital verändert und wo SA-CCR für Banken noch zu streng oder falsch bemessen ist.
- Basel-III-Endgame: Der CRR3-Output-Floor in der KapitalplanungWie der CRR3-Output-Floor die Eigenkapitalplanung europäischer Banken verändert, warum interne Modelle an Wirkung verlieren und was Treasury-Teams jetzt tun sollten.