Jonas Osman AbdelghafourQuantica Risk Modelling

Modellrisk och modellvalidering inom finansiella institutioner

Modellrisk är risken för förluster, felaktiga beslut eller skadat förtroende till följd av fel i modeller eller felaktig användning av dem. I takt med att fler beslut i bank och försäkring fattas med modellstöd – prissättning, kapital, reserver, kreditbeslut, kapitalallokering och numera AI-baserade tillämpningar – har modellrisk blivit ett eget riskslag med egen styrning.

Vad modellrisk faktiskt består av

Modellrisk uppstår i tre lager. Det första är metodfel: en modell som är teoretiskt olämplig för sitt syfte. Det andra är implementeringsfel: korrekt metod, felaktig kod, felaktiga data eller felaktig produktionsmiljö. Det tredje – och i praktiken vanligaste – är användningsfel: en i sig rimlig modell används utanför sitt giltighetsområde, eller tolkas som en prognos när den är ett scenario.

En modell som används för fel ändamål är farligare än en modell som är känt osäker, eftersom osäkerheten då är osynlig för beslutsfattaren.

Modellstyrning och modellinventering

Modellstyrning börjar med en definition: vad räknas som en modell i organisationen? Definitionen avgör omfattningen på inventeringen och därmed hur mycket som faller utanför kontroll. Kalkylblad, leverantörsmodeller och AI-komponenter bör omfattas när de påverkar väsentliga beslut.

En användbar modellinventering innehåller syfte, ägare, användningsområde, datakällor på övergripande nivå, väsentlighetsklass, valideringsstatus, kända begränsningar och datum för senaste översyn. Inventeringen är styrningens ryggrad – utan den blir validering slumpmässig.

  • Tydligt modellägarskap i första linjen.
  • Väsentlighetsklassificering som styr valideringsdjup och frekvens.
  • Dokumenterade begränsningar och godkända användningsområden.
  • Formell process för modelländringar och avveckling.

Oberoende validering i praktiken

Oberoende validering innebär att någon utan ansvar för modellens resultat prövar dess konceptuella soliditet, datagrund, implementering, prestanda och användning. Oberoendet är organisatoriskt, inte bara personligt: validering som rapporterar till modellägaren är inte oberoende.

Ett fullständigt valideringsuppdrag omfattar konceptuell granskning, replikering eller alternativ beräkning, backtesting mot utfall, benchmarking mot alternativa metoder, känslighetsanalys av centrala antaganden samt en bedömning av hur modellen faktiskt används i beslut. Resultatet ska vara en rangordnad lista av observationer med åtgärdsplan – inte en godkännandestämpel.

Backtesting, benchmarking och känslighetsanalys

Backtesting jämför modellens utfallsprognoser med verkligheten över tid och är starkast där data är rikliga, som i kreditriskklassificering och marknadsrisk. För sällsynta händelser – katastrofrisk, extrema scenarier, klimatrisk – ger backtesting begränsad information och måste kompletteras.

Benchmarking mot en enklare eller alternativ metod avslöjar ofta mer än ytterligare finjustering. Känslighetsanalys visar vilka antaganden som faktiskt driver resultatet, vilket i sin tur bör styra var valideringsresurserna läggs och vad som rapporteras uppåt.

Andra försvarslinjens roll

Modellrisk hanteras i praktiken av andra försvarslinjen, som ska kunna utmana både metod och användning. Det förutsätter tillräcklig kvantitativ kompetens, tillgång till data och mandat att eskalera. En valideringsfunktion utan reellt inflytande skapar dokumentation, inte kontroll.

Rapportering till styrelse och riskutskott bör innehålla aggregerad modellriskbild: antal väsentliga modeller, valideringstäckning, öppna observationer efter allvarlighetsgrad och områden där osäkerheten är hög.

Sammanfattning

Modellrisk minskar inte genom fler modeller utan genom bättre styrning: en komplett inventering, verkligt oberoende validering, dokumenterade begränsningar och en kultur där modellresultat får ifrågasättas.

Källor och vidare läsning

Relaterade sidor