Riesgo operacional en la banca trasnacional: un enfoque bayesiano
| Autor | José Francisco Martínez-Sánchez - Francisco Venegas-Martínez |
| Cargo | Escuela Superior de Apan, Universidad Autónoma del Estado de Hidalgo - Escuela Superior de Economía, Instituto Politécnico Nacional |
| Páginas | 31-72 |
Ensayos Revista de Economía–Volumen XXXII, No.1, mayo 2013, pp. 31-72
José Francisco Martínez-Sánchez*
Francisco Venegas-Martínez**
Fecha de recepción: 16/II/2012 Fecha de aceptación: 23/VIII/2012
Resumen
Este trabajo identifica y cuantifica a través de un modelo de red bayesiana
(RB) los diversos factores de riesgo operacional (RO) asociados con las
líneas de negocio de bancos trasnacionales. El modelo de RB es calibrado
mediante datos de eventos que se presentaron en las distintas líneas de
negocio, de dichos bancos, durante 2006-2009. A diferencia de los métodos
clásicos, la calibración del modelo de RB incluye fuentes de información
tanto objetivas como subjetivas, lo cual permite capturar de manera
adecuada la interrelación (causa-efecto) entre los diferentes factores de
riesgo, lo cual potencializa su utilidad como se muestra en el análisis
comparativo que se realiza entre los enfoques RB y clásico.
Clasificación JEL: D81, C11, C15.
Palabras Clave: Riesgo operacional, análisis bayesiano, simulación Monte
Carlo.
Abstract
This paper identifies and quantifies through a Bayesian Network model (BN)
the various factors of Operational Risk (OR) associated with business lines
of transnational banks. The BN model is calibrated with data from events
that occurred in different lines of business of such banks during 2006-2009.
Unlike classical methods, the BN model calibration include information
sources from both objective and subjective, allowing more adequately
* Escuela Superior de Apan, Universidad Autónoma del Estado de Hidalgo. Dirección:
Abasolo 600, Colonia Centro, Pachuca de Soto Hidalgo.
Correo electrónico: jmartinez@uaeh.edu.mx
** Escuela Superior de Economía, Instituto Politécnico Nacional. Dirección: Unidad
Profesional Lázaro Cárdenas, Plan de Agua Prieta, No. 66, Col. Plutarco Elías Calles,
Delegación Miguel Hidalgo, C.P. 11340 México, Distrito Federal.
Correo electrónico: fvenegas1111@yahoo.com.mx
Ensayos Revista de Economía
32
capture the relationship (cause and effect) amongst the various elements of
operational risk. Which potentiates its utility as shown in the comparative
analysis performed between RB and classical approaches.
JEL Classification: D81, C11, C15.
Keywords: Operational risk, Bayesian Analysis, Monte Carlo Simulation.
Introducción
El enfoque bayesiano es una alternativa viable para el análisis de riesgos en
condiciones de incertidumbre. Por construcción, los modelos bayesianos
incorporan información inicial a través de una distribución de probabilidad a
priori, mediante la cual se puede incluir información subjetiva en la toma de
decisiones, como: la opinión de expertos, el juicio de analistas o las
creencias de especialistas. Este trabajo utiliza un modelo de red bayesiana
(RB) para examinar la interrelación entre factores de riesgo operacional1
(RO) en las distintas líneas de negocio del sector bancario transnacional. El
modelo RB propuesto, se calibra con datos observados en eventos que se
presentaron en las distintas líneas de negocio de bancos trasnacionales, y con
información obtenida de los expertos o externa;2 el periodo de análisis es de
2006 a 2009.
El riesgo operacional usualmente involucra una pequeña parte de las
pérdidas totales anuales de la banca comercial; sin embargo, en el momento
en que ocurre un evento de riesgo operacional extremo, este puede causar
pérdidas notables. Por esta razón, los grandes cambios dentro de la industria
bancaria en la escala mundial están dirigidos a contar con mejores políticas y
con recomendaciones en materia de riesgo operacional.
Llama la atención que existen en la literatura especializada diversas técnicas
estadísticas para identificar y cuantificar RO, las cuales tienen como
supuesto fundamental la independencia entre eventos de riesgo; véase, por
ejemplo: Degen, Embrechts, y Lambrigger (2007), Moscadelli (2004) y
Embrechts, Furrer y Kaufmann (2003). No obstante, como se muestra en los
trabajos de Aquaro et al. (2009), Supatgiat, Kenyon y Heusler (2006),
Marcelo (2004), Neil, Marquez y Fenton (2004) y Alexander (2002), existe
una relación causal entre los factores de RO.
1 También conocido como riesgo operativo.
2 Cuando se haga referencia a expertos, se trata de funcionarios bancarios que tienen la
experiencia y conocimiento sobre la operación y administración de las líneas de negocio
del banco.
Riesgo operacional en la banca trasnacional: un enfoque bayesiano 33
A pesar de la existencia de trabajos como los de Reimer y Neu (2003),
Reimer y Neu (2002), Kartik y Reimer (2007), Leippold (2003), Aquaro et
al. (2009), Neil, Marquez y Fenton (2004) y Alexander (2002), que abordan
de manera general la aplicación de las RB en la administración del RO, no
existe una guía completa sobre cómo clasificar los eventos de RO, cómo
identificarlos, cómo cuantificarlos y cómo calcular el capital económico de
manera consistente.3 En razón de ello, este trabajo pretende cerrar esas
brechas, primero estableciendo estructuras de información sobre eventos de
RO de manera que sea posible identificar, cuantificar y medir el RO y,
posteriormente, cambiando el supuesto de independencia de eventos para
modelar de manera realista el comportamiento causal de los eventos de RO.
La posibilidad de utilizar funciones de distribución condicionales (discretas
o continuas), calibrar el modelo con fuentes de información tanto objetivas
como subjetivas y establecer una relación causal entre los factores de riesgo
es, precisamente, lo que distingue a esta investigación de los modelos
estadísticos clásicos.
El trabajo se organiza como se plantea enseguida. En la sección 1, se
presenta la tipología que se empleará para el cálculo de RO de acuerdo con
la Asociación de Intercambio de Datos de Riesgo Operacional (ORX en
inglés). En la sección 2, se presentan los principales métodos para medir el
RO. En la sección 3, se analiza el marco teórico para el desarrollo del
trabajo, enfatizando sobre las características y bondades de las RB’s. En la
sección 4, se describe la problemática que se pretende resolver así como el
alcance de la aplicación del modelo. La sección 5 es la parte central del
trabajo, se construyen dos redes: una para la frecuencia y la otra para la
severidad; para cuantificar cada nodo de las redes y obtener las
probabilidades a priori, se “ajustan” distribuciones de probabilidad para los
casos donde existe información histórica (2006-2009); en caso contrario, se
recurre a la opinión o juicio de los expertos4 para obtener las probabilidades
correspondientes. Una vez que se cuenta con las probabilidades a priori de
las dos redes, se procede a calcular las probabilidades a posteriori a través de
algoritmos de inferencia bayesiana, específicamente se utiliza el algoritmo
junction tree.5 En la sección 6, se calcula el riesgo operacional condicional6
3 Usualmente, para medir la máxima pérdida esperada (o capital económico) por RO, se
utiliza el Valor en Riesgo Condicional (CVaR).
4 “Expertos” son personas que conocen los procesos de negocio analizados y que en caso
de que no se cuente con información estadística, se recurre a ellos para obtener
probabilidades subjetivas de eventos que son importantes durante la generación de los
modelos probabilísticos.
5Ver apéndice A.
6Las cifras están en euros en virtud de que la fuente información es un organismo de la
comunidad europea, los autores decidieron mantener la misma denominación para el
Para continuar leyendo
Solicita tu prueba