Documentos de Académico
Documentos de Profesional
Documentos de Cultura
RESUMEN
Teniendo en cuenta el interés reciente de importantes entidades financieras a nivel mundial y de entida-
des reguladoras como el Comité de Basilea en el proceso de gestión del riesgo operativo, este trabajo
desarrolla una metodología estructurada para la identificación y cuantificación del riesgo operativo en
entidades financieras, soportada en modelos de Redes Bayesianas y Simulación, y la aplica en una
entidad financiera colombiana.
ABSTRACT
Considering the interest of important financial organizations at world-wide level and of regulating
organizations like the Basel Committee on Banking Supervision in the operational risk management
process, this work develops a methodology for identifying and measuring operational risk in financial
institutions, supported in Bayesian Networks and Simulation models, and it applies it in a Colombian
financial institution.
PALABRAS CLAVE: Riesgo Operativo, Red Bayesiana, Simulación, Administración del Riesgo.
F a c u l t add e Ingeniería
^ _ -- -- — --- 45
Teniendo en cuenta el interés que existe ac- cionalmente, el Comité ha propuesto las si-
tualmente en el diseño de procesos de admi- guientes siete categorías, las cuales incluyen
nistración del riesgo operativo, este trabajo subcategorías, para clasificar los posibles even-
desarrolla una metodología estructurada para tos que representan pérdidas asociadas al ries-
la identificación y medición del riesgo operati- go operativo: Fraude Interno, Fraude Externo,
vo aplicable a instituciones financieras. Inicial- Prácticas de Empleo y Seguridad del Ambien-
mente, se presenta el marco conceptual den- te de Trabajo, Clientes, Productos y Prácticas
tro del cual se desarrolla la metodología; luego del Negocio, Daño a los Activos Físicos, Inte-
se describe la metodología diseñada y se pre- rrupción del Negocio y Fallas en los Sistemas,
sentan los principales resultados obtenidos al y Ejecución y Manejo de Procesos.
aplicarla en una entidad financiera colombia-
na. La información necesaria para cada una de las
siete categorías puede provenir de cuatro fuen-
2. MARCO CONCEPTUAL tes principales: los datos históricos sobre las
pérdidas debidas a eventos ocurridos al inte-
2.1. Conceptos Generales sobre Riesgo rior de la entidad, los datos sobre eventos de
pérdidas de otras instituciones de la industria,
Jorion (Jorion, 2000) define el riesgo como «la los indicadores de riesgo que pueden alertar
volatilidad de los resultados esperados, gene- sobre la ocurrencia de eventos de pérdida y los
ralmente el valor de activos o pasivos de inte- juicios de los expertos acerca de la probabili-
rés». De acuerdo con el tipo de factores o va- dad de que ocurran este tipo de eventos. Estas
riables que lo generen, el riesgo en las corpora- fuentes de información se muestran en la Fi-
ciones se suele agrupar en cuatro grandes cate- gura 2.
gorías: Riesgo de Mercado, Riesgo de Crédito,
Riesgo Estratégico o de Negocio y Riesgo Ope-
racional. [ ;r:áo? de
'.-:,da Extras
Para más detalles sobre este tema ver Neapolitan, 2003 o Torres, 2002.
Facultad de naen__.ría
4 ^
La metodología consta de nueve grandes pasos de acuerdo con el monto de los mismos. Se
los cuales se presentan en la Figura 4, y se des- definen, tanto el número de niveles como el
criben detalladamente a continuación. rango de valores asociado a cada nivel.
48 •
PASO 6: Construir el Modelo de Redes Baye- operaciones o transacciones en los que podrían
sianas ocurrir eventos de pérdida durante el horizon-
te de tiempo establecido en el paso 1.
La construcción del modelo de Redes Bayesia-
nas se debe realizar en dos etapas: definición Teniendo tanto la distribución de probabilidad
de variables y estimación de las probabilidades de ocurrencia como el número de operaciones,
subjetivas. productos o transacciones sujetas a pérdidas
para cada una de las categorías de eventos, se
Las variables de la Red Bayesiana correspon- realiza un proceso de simulación para obtener
den a las diferentes categorías de eventos de la distribución de las pérdidas totales para la
pérdida y a los Indicadores de Riesgo definidos línea de negocio durante el horizonte de tiem-
para cada categoría. po seleccionado. Para esto, se modela el nivel
de la pérdida en cada categoría por medio de
Por otro lado, las relaciones entre las variables las distribuciones de probabilidad estimadas en
de la Red Bayesiana se expresan por medio de el paso 6; y se modela el monto de la pérdida
probabilidades condicionales. Inicialmente se en cada nivel utilizando variables aleatorias
deben estimar las probabilidades condiciona- uniformes con parámetros iguales a los rangos
les para los indicadores que dependen de otros de valores definidos en el paso 3 para cada ni-
indicadores, y luego se estiman las probabili- vel de pérdida.
dades condicionales para cada una de las cate-
gorías de eventos de pérdida dada la relación Con base en esta distribución de pérdida se
con los diferentes indicadores de riesgo. calcula la provisión anual que debe hacer la lí-
nea de negocio por concepto de riesgo operati-
PASO 7: Revisar las Probabilidades Subjetivas vo .
en la Red Bayesiana
PASO 9: Calcular la Provisión Total
En este paso se revisan las probabilidades con-
dicionales definidas en el paso anterior tenien- Finalmente, en este paso se suman las provi-
do en cuenta la información histórica existen- siones calculadas para cada una de las líneas de
te sobre los eventos de pérdida internos o ex- negocio, obteniendo la provisión total que debe
ternos. hacer la entidad financiera para cubrir los posi-
bles eventos de pérdida debidos al riesgo ope-
El principal resultado obtenido después de apli- rativo.
car los primeros 7 pasos de la metodología es
la distribución de probabilidad para cada una 4. OBTENCIÓN DE LA INFORMACIÓN
de las categorías de eventos de pérdida, la cual
presenta la probabilidad de ocurrencia de cada La entidad seleccionada para la aplicación de
uno de los niveles de severidad definidos en el la metodología fue Bancafé, y la línea de nego-
paso 3. cio seleccionada Mi Bancafé Empresarial.
• Facultad de Ingeniería
49
Este proceso de recolección de la información
es una de las etapas más importantes en la apli-
cación de la metodología, debido a que las va-
riables y probabilidades del modelo se sopor-
tan en los indicadores y relaciones definidas por
el grupo de funcionarios de Bancafé.
5. ANÁLISIS DE RESULTADOS
Los resultados numéricos obtenidos tienen validez sólo a nivel ilustrativo y no reflejan la situación real del Banco.
UNIVERSIDAD
50
6. CONCLUSIONES
el ambiente de Traba,ro :
192 ' 87 2= operativo en las entidades financieras colom-
23,76
°g
-.saniosJ _n.as
..
...
...
..._
702,....
147+ .... 83.3i
bianas, debido a que establece pasos claramen-
—yon y Manejo 26 02', 128: te definidos que pueden ser seguidos por cual-
F a c u (i a d de Ingeniería
51
quier entidad que esté dando sus primeros pa- Coleman, R. 2000. Using Modeling in Operational
sos en el proceso de administración del riesgo Risk Management. Conference.
operativo. Adicionalmente, la metodología se • Grimwade, M. & Weir, A. 1999. Operational Risk
soporta en modelos robustos, que tienen en Management. Insurance Digest.
cuenta la escasez de información histórica so- • Hiwatashi, J. 2002. Solutions on Measuring
bre eventos de pérdida existente en la mayoría Operational Risk. Capital Markets News.
de las instituciones financieras colombianas, • Jorion, P. 2000. Value at Risk: the New Benchmark
para obtener resultados precisos sobre la ex- for Managing Financial Risk. McGraw-Hill.
posición al riesgo operativo. • Lee, A.Y. 1999. CorporateMetrics Technical
Document. RiskMetrics Group.
BIBLIOGRAFÍA • Neil, M. & Tranham E. 2002. Using Bayesian
Networks to predict Op Risk. Operational Risk.
Alexander, C. 2002. Advanced Risk Management.
IFF. • Roehr, A. 2002. Modeling Operational Losses.
ALGO Research Quarterly, Vol. 5, No. 2.
• Basel Committee on Banking Supervision. 2003.
The 2002 Loss Data Collection Exercise for Operational • Smithson, C.W. 1998. Managing Financial Risk.
Risk: Summary of the Data Collected. McGraw-Hill.
• Basel Committee on Banking Supervision. 2003. • Torres, A. 2002. Probabilidad, Variables Aleatorias,
Sound Practices for the Management and Supervision of Confiabilidad y Procesos Estocásticos. Notas de Clase.
Operational Risk. Universidad de los Andes, Departamento de Ingeniería
Eléctrica.
• Basel Committee on Banking Supervision. 2001.
The New Basel Capital Accord.