OPERATIV RISK
SKALNING AV EXTERN FÖRLUSTDATA FÖR KAPITALKRAVSBERÄKNING
I februari 2007 beslutade Finansinspektionen att implementera Basel II:s rekommendationer och regleringar som resulterade i införandet av ett kapitalkrav för operativ risk. Internmätningsmetoden är den mest sofistikerade metoden för att beräkna ett kapitalkrav och utgår ifrån faktiska operativa förluster och ämnar att, utifrån dessa, modellera de risker som uppstår i samband med den operativa verksamheten. För att Finansinspektionen ska godkänna en internmätningsmetod kräver de att den inkluderar både intern och extern förlustdata. Vid användande av extern förlustdata är det viktigt att inse att en extern förlust inte är direkt representativ för en annan bank än den där den inträffade. Banker försöker därför ta fram metoder för att kunna skala externa förluster i ett försök att göra dem representativa för sin egen verksamhet.Syftet med denna studie är att utveckla och testa en metod för skalning av extern förlustdata.Teorierna kring skalning bygger idag till stor del på att låta bankspecifika variabler så som omsättning, antal anställda och geografisk placering vara förklarande för storleken av förluster hos olika banker. Med linjär regression är förhoppningen att sedan förstå hur de olika förklarande variablerna påverkar en förlust och därigenom kunna skala förlusterna. Befintliga metoder bygger idag på att göra en regression över en hel databas.Vår metod bygger på att de förklarande variablerna kan få större inverkan och signifikans vid uppdelande av databasen i olika händelsekategorier innan regressionen utförs. För att utvärdera detta använder vi två metoder. Dels den befintliga metoden där regression används över en hel databas och dels vår metod där regression görs inom varje händelsekategori för förluster.Våra resultat visar att olika förklarande variabler har olika stor inverkan inom olika händelsekategorier och därför inte bör inkluderas i en generell modell för skalning. Efter skalning enligt den gamla metoden och vår nya metod är skillnaderna för medelvärdesförluster inom olika händelsekategorier stora. Vår slutsats är att den nya metoden på ett rimligare sätt kan modellera operativa förluster då den endast inkluderar signifikanta variabler för vardera händelsekategorin. Dock har den nya metoden problem med uttunning av datapunkter inom händelsekategorierna. Detta skulle kunna hanteras genom att kombinera metoden med scenarioanalys eller att falla tillbaka på den gamla metoden för de händelsekategorier som inte ger robusta resultat.