52 ANÁLISIS FINANCIERO Dr. José Miguel Rodríguez-Pardo del Castillo* y Dr. Fernando Ariza Rodríguez** El riesgo de modelo en la industria bancaria y aseguradora: Propuestas para su evaluación, control y mitigación (CONCRECIÓN EN EL RIESGO DE LONGEVIDAD) RESUMEN Ante el creciente interés de la industria bancaria y aseguradora por la incorporación de modelos internos a sus métricas de valoración de carga de capital en sustitución de las fórmulas estándar propuestas en las normativas de Basilea y Solvencia II, se antoja cada vez más necesario saber medir, controlar y mitigar adecuadamente la incertidumbre originada por el propio modelo interno utilizado por la entidad. Para ello, en el presente documento, se proponen algunas técnicas con las que poder evaluar el riesgo de modelo mediante juicio experto, técnicas que quedan recopiladas en la que hemos convenido denominar como matriz de valoración por juicio experto del riesgo de modelo, y con la que tratamos de graduar este riesgo según una validación interna que cuantifica el riesgo según su intensidad y origen. Además, incorporamos un criterio específico adicional para calibrar el riesgo asociado a aquellos modelos que miden la longevidad o supervivencia humana. Palabras clave: Basilea, Solvencia II, riesgo de modelo, longevidad, matriz de riesgos, control, gestión, mitigación. Código JEL: G22 * ** Universidad Carlos III. jmrpdc@gmail.com Actuario. fernando.ariza@mutualidadabogacia.com Dr. José Miguel Rodríguez-Pardo del Castillo y Dr. Fernando Ariza Rodríguez: El riesgo de modelo en la industria bancaria y aseguradora: Propuestas para su evaluación, control y mitigación (Concreción en el riesgo de longevidad) Análisis Financiero n° 129. 2015. Págs.: 52-66 EL RIESGO DE MODELO EN LA INDUSTRIA BANCARIA Y ASEGURADORA: PROPUESTAS PARA SU EVALUACIÓN, CONTROL Y MITIGACIÓN (CONCRECIÓN EN EL RIESGO DE LONGEVIDAD) 53 ABSTRACT: With growing interest in the banking and insurance industry by incorporating its internal models to their capital charge valuation metrics in replacement of the standard formulas proposed under the framework of Basel and Solvency II regulations, it seems increasingly necessary to know how to measure, control and mitigate the uncertainty caused by the model chosen by the entity itself. In this paper, we show some techniques for the assessment of the model risk by expert judgment techniques, which are compiled in a Model Risk Matrix. This matrix try to graduate this risk, quantifying it’s intensity depending on the level and origin of the risk assumed. We also incorporate a specific criterion to manage the risk associated with those models that measure human longevity. KEY WORDS: Basel, Solvency II, model risk, longevity, RisK matrix, control, management, mitigation. JEL Classification: G22 Recibido: 21 de septiembre de 2015 INTRODUCCIÓN Por riesgo de modelo entendemos todas aquellas consecuencias adversas derivadas del uso de un modelo incorrecto, incluyendo por tanto cualquier error o incoherencia en la propia definición del modelo o bien en el diseño de los procesos, simplificaciones y aproximaciones utilizadas1. Dado que en la industria bancaria y de seguros la modelización de los riesgos se está decantando hacia la utilización de técnicas estadísticas, estocásticas y matemáticas muy sofisticadas, y ante la complejidad de formular escenarios que capturen el riesgo de diseño de estos modelos, las directivas de Basilea y Solvencia II han excluido de su valoración estándar una evaluación concreta para este riesgo de modelo. Es por ello que, mientras no se desarrollen metodologías precisas, al menos el criterio del juicio experto deberá ser incorporado a sus métricas, permitiendo así una cuantificación del riesgo con la que poder establecer estrategias de mitigación e incluso de transferencia a una tercera parte. En este sentido, puesto que los modelos internos se basan en un comportamiento específico, sus resultados 1 2 Aceptado: 29 de septiembre de 2015 no necesariamente se adecuarán a la realidad que se desea reproducir o proyectar, por lo que el juicio experto ayuda a modelar la realidad allí donde los modelos cuantitativos no llegan y donde “los ganadores serán aquellos que vayan más allá de los meros requisitos regulatorios”2. En el presente documento se plantean una serie de estrategias para la adecuada gestión de este riesgo de modelo, concluyendo en una matriz de riesgo con la que, mediante juicio experto, conseguir controlar y mitigar dicho riesgo de modelo según sea el nivel de riesgo resultante de la evaluación. Esta matriz de valoración propuesta, seguirá unos criterios comunes para cualquier riesgo financiero o asegurador, a la que conviene añadir algún otro criterio específico según el riesgo o grupos de riesgos que el modelo en cuestión esté analizando. Dada su complejidad en la valoración y su elevado impacto sobre el balance y la solvencia de una entidad de seguros de vida, se ha incluido un criterio específico adicional para valorar el riesgo asumido en la calibración de un modelo que mide el riesgo de longevidad. Ver Management Solutions (2014). Ver Angius, S. et al. (2011). Dr. José Miguel Rodríguez-Pardo del Castillo y Dr. Fernando Ariza Rodríguez: El riesgo de modelo en la industria bancaria y aseguradora: Propuestas para su evaluación, control y mitigación (Concreción en el riesgo de longevidad) Análisis Financiero n° 129. 2015. Págs.: 52-66 54 ANÁLISIS FINANCIERO EL RIESGO DE MODELO Definimos el propio concepto de modelo como aquel “método cuantitativo, sistema o aproximación, que tiene como fin realizar una representación de la realidad mediante la aplicación de técnicas estadísticas, matemáticas, financieras, actuariales o de economía a través del procesamiento de la información, obteniendo como resultado un conjunto de supuestos con un cierto grado de incertidumbre”3. Las fuentes de incertidumbre de todo modelo interno se pueden dividir en dos: 1. El riesgo de proceso, asociado a la incertidumbre inherente a la aleatoriedad. 2. El riesgo de modelo, también conocido como incertidumbre de los parámetros, asociado a la incertidumbre derivada de la imperfección del modelo utilizado, y que conlleva un sesgo desconocido que produce una medida del riesgo menor o mayor al que realmente se asume. Desde la investigación financiera y actuarial se recomienda que, para controlar la correlación entre los riesgos individuales, la modelización del riesgo de modelo se separe de la del riesgo de proceso. Si nos referimos en concreto al riesgo de modelo, además de la definición anterior, podemos decir que este es el “riesgo de pérdida resultante de las decisiones basadas principalmente en las salidas de los modelos, motivados por errores en la definición, aplicación o uso de los modelos utilizados”. Entre otras relevantes cuestiones, deberemos tener en cuenta que de no calibrarse adecuadamente este riesgo, la entidad podría incumplir con los límites aprobados por el órgano de gobierno en cuanto al apetito y tolerancia al riesgo real que esta asume. Mediante el siguiente cuadro, identificamos todos los subriesgos presentes en todo modelo, y censados en función de la fuente u origen de la incertidumbre: los datos, la estimación o el uso del modelo4. 3 Adaptación a la realizada por el Consejo de Supervisión y Orientación sobre las Gestión de Riesgos de la Reserva Federal de los Estados Unidos. 4 Ver Management Solutions (2014). Dr. José Miguel Rodríguez-Pardo del Castillo y Dr. Fernando Ariza Rodríguez: El riesgo de modelo en la industria bancaria y aseguradora: Propuestas para su evaluación, control y mitigación (Concreción en el riesgo de longevidad) Análisis Financiero n° 129. 2015. Págs.: 52-66 EL RIESGO DE MODELO EN LA INDUSTRIA BANCARIA Y ASEGURADORA: PROPUESTAS PARA SU EVALUACIÓN, CONTROL Y MITIGACIÓN (CONCRECIÓN EN EL RIESGO DE LONGEVIDAD) 55 SUBRIESGOS DE MODELO SEGÚN SU ORIGEN CUADRO 1 Fuente: Elaboración propia Al analizar todos estos subriesgos, se desprende que las entidades financieras y de seguros siempre estarán sometidas a errores humanos y tecnológicos, tanto en el diseño, como en la carga de datos o en la interpretación de los mismos, de ahí la importancia de las tres líneas de defensa en cuanto a la elaboración de los modelos, la validación, el uso y la necesidad de ser revisados todos estos procesos por la función de auditoría interna5. 5 En cuanto a la valoración del riesgo de modelo, si bien es verdad es que dentro del marco de la gestión activa de riesgos aún no se han desarrollado metodologías y normas encaminadas a medir y posteriormente mitigar la incertidumbre originada por el modelo elegido, las diferentes entidades financieras y aseguradoras, así como las autoridades supervisoras, están ya concienciadas acerca de la importancia de calibrar adecuadamente el Ver Ernst & Young (2014). Dr. José Miguel Rodríguez-Pardo del Castillo y Dr. Fernando Ariza Rodríguez: El riesgo de modelo en la industria bancaria y aseguradora: Propuestas para su evaluación, control y mitigación (Concreción en el riesgo de longevidad) Análisis Financiero n° 129. 2015. Págs.: 52-66 56 ANÁLISIS FINANCIERO TAREAS DE LAS TRES LÍNEAS DE DEFENSA RESPECTO A UN MODELO INTERNO CUADRO 2 Fuente: “Model Risk Management for insures”, Ernst & Young (2014). riesgo asumido por el propio modelo, cuya mitigación pasará necesariamente por el análisis crítico de expertos cualificados que identifiquen las debilidades y asunciones del modelo y que sean capaces de elevar propuestas de mejora como herramienta de mitigación gradual del riesgo. LA MODELIZACIÓN BAJO EL NUEVO MARCO REGULATORIO La similitud entre Basilea y Solvencia II radica en que ambos proyectos asignan una importancia radical a la gestión sólida conforme al riesgo real asumido, incentivando a las entidades de banca y seguros a medir y administrar sus riesgos mediante modelos que reflejen su verdadero perfil de riesgo más allá de la fórmula estándar establecida en la normativa. Sin embargo, entre ambas regulaciones existen dos diferencias sustanciales a destacar: • Mientras Basilea emplea modelos diferentes para los riesgos de crédito, de inversión y operativos, Solvencia II se focaliza en un análisis de toda la entidad ya que cuantifica el riesgo de todas las partidas de balance, considerando las interacciones y dependencias entre los distintos tipos de riesgos, y reconociendo los esfuerzos dirigidos a la diversificación del riesgo. • En Solvencia II no existe un límite de ahorro del modelo interno respecto a la fórmula estándar, mientras que en Basilea II si existe el límite de ahorro en el modelo interno. Sin embargo, sí es común a ambas normativas, que traten de que todo modelo utilizado garantice que el modelo interno se utiliza en la toma de decisiones y en las actividades de gestión de la entidad. Para ello, esta deberá acreditar: Dr. José Miguel Rodríguez-Pardo del Castillo y Dr. Fernando Ariza Rodríguez: El riesgo de modelo en la industria bancaria y aseguradora: Propuestas para su evaluación, control y mitigación (Concreción en el riesgo de longevidad) Análisis Financiero n° 129. 2015. Págs.: 52-66 EL RIESGO DE MODELO EN LA INDUSTRIA BANCARIA Y ASEGURADORA: PROPUESTAS PARA SU EVALUACIÓN, CONTROL Y MITIGACIÓN (CONCRECIÓN EN EL RIESGO DE LONGEVIDAD) • Que el modelo interno se utiliza en todas las áreas relevantes de la entidad y que desempeña una función importante en su sistema de gobierno, y no sólo en cuanto al sistema de gestión de riesgos y los procesos de toma de decisiones, sino también en los procesos de evaluación y asignación del capital económico y de solvencia. • Que la frecuencia de cálculo del capital de solvencia obligatorio a través del modelo interno esté en consonancia con la frecuencia con la que aplican ese modelo interno a los demás fines mencionados en el punto anterior. Además, la nueva normativa exige que para la adecuada toma de decisiones, se garantice la comprensión del modelo interno tanto por parte del órgano de administración, como de los usuarios pertinentes del modelo interno. EL RIESGO DE MODELO EN LA MEDIDA Y PROYECCIÓN DE LA LONGEVIDAD Si centramos nuestro estudio en el análisis del riesgo de longevidad, observamos cómo cuando el actuario se enfrenta a la modelización de este riesgo, este deberá entender los diferentes subriesgos de la supervivencia humana. Entre estos subriesgos podemos diferenciar los siguientes: 1. El riesgo de nivel: Es el riesgo de subestimación en las hipótesis de la longevidad debido a un incremento de la misma. A su vez, este riesgo de nivel se puede subdividir en: – Riesgo de error en la estimación, que debe medir el nivel de incertidumbre en el que se incurre con el error teórico que comete el decisor al elegir un modelo determinado. – Riesgo de error en el proceso, que viene determinado por la variabilidad del proceso según las hipótesis manejadas en el tiempo. 6 57 2. Riesgo de tendencia: Es el riesgo referido a la medida de las mejoras futuras de la supervivencia de las poblaciones base sobre las que se realizan las estimaciones y que estas resulten superiores a las proyectadas. Desde la práctica actuarial se han desarrollado sofisticados modelos estadísticos para calibrar el subriesgo de tendencia, pues este es el más complejo de medir y de extrapolar tendencias robustas. Tal es la dificultad de modelar la tendencia, que se aconseja no proyectar más de cinco años la longevidad. Pasado este plazo la volatilidad en la que incurren todos los modelos aconsejan reevaluar periódicamente las proyecciones. Para cuantificar la importancia del riesgo de tendencia acudimos al Fondo Monetario Internacional (FMI), que en un estudio sobre la población de Estados Unidos en el año 2012, indicaba que por cada año adicional de longevidad media se produce un incremento en los pagos de las pensiones de entre un 3% y un 4%6. Pese a la espectacularidad de estos datos, el mayor riesgo de desviación y el más complejo de medir es el del error en la estimación o riesgo en el que incurre el actuario por elegir un modelo determinado. Prueba de la dificultad de su medida es que la práctica actuarial internacional aconseja incrementar las tasas de supervivencia sobre las probabilidades brutas en un 10% para así compensar este riesgo, siendo este coeficiente constante e independiente de la edad, género e incluso del país donde se suscribe el riesgo. Ahora bien, los modelos actuales de medida de la supervivencia son cada vez más precisos, por lo que razonablemente cuanto mejor sea la estimación menor será el nivel de recargo por este concepto. Las más avanzadas metodologías aplicadas en la modelización del riesgo de longevidad ya aconsejan separar el error de proceso del error de modelo. De esta manera, la métrica del error de proceso vendrá determinada por la cantidad mayor resultante entre el riesgo de tendencia y el error de proceso observado en el pasado. Ver Kisser, M., Kiff, J., Oppers, S., Soto, M. (2012). Dr. José Miguel Rodríguez-Pardo del Castillo y Dr. Fernando Ariza Rodríguez: El riesgo de modelo en la industria bancaria y aseguradora: Propuestas para su evaluación, control y mitigación (Concreción en el riesgo de longevidad) Análisis Financiero n° 129. 2015. Págs.: 52-66 58 ANÁLISIS FINANCIERO Bajo el marco de Solvencia II, dado que la fórmula estándar propuesta exige un incremento instantáneo y permanente del 20% de las tasas de supervivencia para la valoración del capital requerido de longevidad (SCRlong), entendemos que los modelos internos que tienen como propósito optimizar el consumo de capital asignado a este riesgo, deberían reflejar un consumo razonablemente menor al citado 20%, especialmente para aquellas carteras de rentas vitalicias, pues la edad media de estas suele ser elevada y el recorrido que tienen para experimentar mejoras de mortalidad es en consecuencia reducido. Por último, recordamos que de la convolución de los riesgos de modelo y el de proceso resultará la medida real del riesgo de longevidad según un modelo interno. Del mismo modo, no debemos olvidar que la reevaluación del riesgo de modelo por parte del experto, es una tarea que requiere conocer con precisión los posibles errores en los que pueden incurrir las mejores metodologías estadísticas. PROPUESTAS PARA MITIGAR EL RIESGO DE UN MODELO QUE MIDA LA LONGEVIDAD A continuación proponemos algunas técnicas de mitigación del riesgo de modelo, basadas en la elección comparada de los modelos de proyección paramétricos o no paramétricos. La mediana de modelos de graduación y proyección de la supervivencia Dadas las probabilidades de fallecimiento y supervivencia de una población general o asegurada, se obtienen los factores de mejora de la mortalidad mediante los diferentes modelos de proyección y graduación de la longevidad que la literatura actuarial internacional nos ofrece (ver Cuadro 3). Sin embargo, dado que no todos los modelos son capaces de recoger adecuadamente el riesgo de tendencia de la población analizada, proponemos utilizar la mediana del factor de mejora de al menos cuatro de estos modelos de proyección propuestos7. ECUACIONES DE LOS OCHO MODELOS DE MORTALIDAD (M1 A M8). CUADRO 3 Fuente: El riesgo de longevidad y su aplicación práctica a Solvencia II. Fundación MAPFRE. 7 Ver Albarrán, I., Ariza, F., Cóbreces, V., Durbán, M., Rodríguez-Pardo, J.M. (2014). Dr. José Miguel Rodríguez-Pardo del Castillo y Dr. Fernando Ariza Rodríguez: El riesgo de modelo en la industria bancaria y aseguradora: Propuestas para su evaluación, control y mitigación (Concreción en el riesgo de longevidad) Análisis Financiero n° 129. 2015. Págs.: 52-66 EL RIESGO DE MODELO EN LA INDUSTRIA BANCARIA Y ASEGURADORA: PROPUESTAS PARA SU EVALUACIÓN, CONTROL Y MITIGACIÓN (CONCRECIÓN EN EL RIESGO DE LONGEVIDAD) De esta manera podremos calibrar un índice de supervivencia para la población analizada que elimina, o al menos diluye en gran medida, el riesgo de modelo, cumpliendo también así con el criterio de “robustez”, que según la LLMA debe cumplir todo índice de longevidad, tanto público como privado8. Elección del modelo según el criterio BIC por rango de edad-género Para elegir el mejor modelo de graduación que ajuste a una determinada población, se utiliza el método de BIC (Bayes Information Criterion), así como el criterio de Máxima Verosimilitud. De los ocho modelos presentados en el Cuadro 3, escogemos siete de ellos (excluimos el M4), y comparamos los resultados de su aplicación práctica para la población femenina española. Los resultados que mejor ajustan y proyectan dicha población, son9: Cuando se gradúa la longevidad, la ciencia actuarial ha desarrollado distintos modelos del tipo paramétrico. La elección de un modelo u otro conlleva incurrir en el riesgo de modelo. COMPARATIVA DE RESULTADOS DEL AJUSTE DE SUPERVIVENCIA PARA LA POBLACIÓN FEMENINA ESPAÑOLA Modelo BIC Máxima M2* -10.094,24 -10.360,09 M1* -10.810,11 -10.360,09 M8* -11.465,92 -10.841,10 M7* -11.604,65 -10.831,05 verisimilitud CUADRO 4 Fuente: “Comparación cuantitativa de siete modelos estocásticos y paramétricos de longevidad”, Quang Tien Pham Truong, TFM MCAF UC3M. Vemos cómo el modelo que mejor ajusta es el M2, cuya expresión gráfica quedaría como sigue 8 9 59 Ver LLMA (Life & Longevity Markets Association). Ver Quang Tien Pham Truong. (2015). Dr. José Miguel Rodríguez-Pardo del Castillo y Dr. Fernando Ariza Rodríguez: El riesgo de modelo en la industria bancaria y aseguradora: Propuestas para su evaluación, control y mitigación (Concreción en el riesgo de longevidad) Análisis Financiero n° 129. 2015. Págs.: 52-66 60 ANÁLISIS FINANCIERO EXPRESIÓN GRÁFICA DEL MODELO M2. MODELO M2 0,16 0,14 0,12 0,1 0,08 0,06 0,04 0,02 0 1960 1965 1970 1975 1980 1985 1990 1995 Real 55 M2_55 Real 65 M2_65 Real 75 M2_75 Real 85 M2_85 2000 CUADRO 5 Fuente: “Comparación cuantitativa de siete modelos estocásticos y paramétricos de longevidad”, Quang Tien Pham Truong, TFM MCAF UC3M. Pero en el ánimo de mitigar aún más el riesgo de modelo, se puede determinar el mejor modelo por cohortes de edades y según su capacidad de predicción a los 5 o 10 años. El resultado para la población española sería el siguiente: Dr. José Miguel Rodríguez-Pardo del Castillo y Dr. Fernando Ariza Rodríguez: El riesgo de modelo en la industria bancaria y aseguradora: Propuestas para su evaluación, control y mitigación (Concreción en el riesgo de longevidad) Análisis Financiero n° 129. 2015. Págs.: 52-66 EL RIESGO DE MODELO EN LA INDUSTRIA BANCARIA Y ASEGURADORA: PROPUESTAS PARA SU EVALUACIÓN, CONTROL Y MITIGACIÓN (CONCRECIÓN EN EL RIESGO DE LONGEVIDAD) 61 COMPARATIVA DE VOLATILIDAD POR COHORTES DE EDAD DE 7 MODELOS DE GRADUACIÓN DE LA SUPERVIVENCIA. Edad M1 Femenina M2 M7 M8 M1 Masculina M2 M6 M8 55 65 75 85 Proyecta bien a 10 años Proyecta bien a 5 años Gran volatilidad Está fuera de la banda 99,5% CUADRO 6 Fuente: “Comparación cuantitativa de siete modelos estocásticos y paramétricos de longevidad”, Quang Tien Pham Truong, TFM MCAF UC3M. Nos interesa más que el resultado, las consideraciones a los efectos de la mitigación de error de la elección de modelo, pues con esta metodología estaríamos mitigando de forma muy considerable el riesgo de modelo, ya que el modelo a aplicar será el que mejor ajuste según sea el género y el rango de edad. En sentido contrario, se evidencia que la variabilidad del mejor modelo es muy significativa quedando así evidenciada la existencia del riesgo de modelo. La modelización según el criterio SAINT Esta particularidad hace que emerja el riesgo de modelo con cierta intensidad. Ahora bien, desde la estadística actuarial se ha desarrollado una técnica denominada Spread Adjusted Inter National Trend (SAINT) cuya metodología fue aplicada por Jarner y Kryger en 2011 para la población de Dinamarca y por Wan Bertschi y Yang en 2013 para la población Suiza, en ambos casos con resultados muy prometedores. Tal es así que entidades privadas de pensiones danesas han optado por la utilización habitual de dicha metodología. La modelización del riesgo de longevidad presenta debilidades cuando la población que se quiere graduar no tiene suficiente número de expuestos como para proyectar series consistentes a medio plazo. La idea principal de esta metodología, es capturar la tendencia de la población que queremos modelar mediante la graduación de la población base a la que pertenece el subcolectivo donde hay menor volatilidad y estimar así Dr. José Miguel Rodríguez-Pardo del Castillo y Dr. Fernando Ariza Rodríguez: El riesgo de modelo en la industria bancaria y aseguradora: Propuestas para su evaluación, control y mitigación (Concreción en el riesgo de longevidad) Análisis Financiero n° 129. 2015. Págs.: 52-66 62 ANÁLISIS FINANCIERO la volatilidad de la población pequeña sobre la población grande. Al realizar el back testing, mediante la técnica SAINT, se obtienen resultados, medidos en términos de esperanza de vida a diferentes edades, significativamente mejores que la utilización de modelos paramétricos clásicos de proyección. En la medida que una entidad en sus modelos de proyección se decante por el uso de estos modelos el riesgo de modelo queda también mitigado en gran medida. PROPUESTA DE MATRIZ PARA LA MEDIDA DEL RIESGO DE MODELO Y SU MITIGACIÓN Para evaluar el riesgo de modelo, podemos utilizar un procedimiento consistente en graduar el riesgo mediante una validación interna que cuantifica su intensidad según el nivel de riesgo asumido. Para ello, presentamos una matriz de valoración por juicio experto del riesgo de modelo, que recogerá, en función de la fuente del riesgo (datos, calidad estadística y uso), una serie de criterios a los que se les asignará individualmente un nivel de alerta (muy bajo, bajo, moderado, alto o muy alto) y su correspondiente evaluación (10 a 50 puntos) con los que determinar una asignación de capital (1% a 8%) adicional al resultante del propio modelo interno, pudiendo incluso llegar a la conclusión de que el modelo conlleva un riesgo asociado a sus datos, estimación o uso tan elevado que se recomienda que este no debiera aplicarse. Esta matriz contará con una serie de criterios objetivos generales (10 criterios), para cualquier entidad de banca o seguros, y al menos uno adicional para el riesgo que el propio modelo esté valorando. Estos criterios son los siguientes: Criterios comunes a cualquier entidad de banca y seguros: 1) Origen de los datos: Existe un riesgo implícito en los propios datos que se utilizan para la elaboración del modelo interno, más aún cuando estos datos no son de la entidad, sino que se trata de datos externos. En función de la naturaleza de los datos externos, la entidad debería ser capaz de demostrar un nivel apropiado de conocimiento de las especificidades de los datos, incluido todo lo relativo a transformaciones materiales, reajustes, estacionalidad o cualquier otro proceso inherente a estos datos externos. 2) Calidad de los datos: Es el riesgo de que los datos utilizados, ya sean estos internos o externos, no sean exactos, completos y adecuados conforme al perfil de riesgo de la entidad. En caso de que estos datos, validados por quien diseña el modelo y por el responsable de validación, no contengan errores considerados como significativos, el modelo será perfectamente válido, pero en caso de que estos datos pudieran ser cuestionables, erróneos o incompletos, el riesgo de modelo resultará muy elevado y por tanto no recomendable su aplicación. 3) Calidad estadística: Es el riesgo de que el modelo no cumpla con el mínimo de calidad estadística exigida. Para su control y mitigación, la entidad deberá garantizar que los métodos utilizados para el cálculo de la distribución de probabilidad prevista, así como las hipótesis subyacentes, son los más idóneos y coherentes una vez tomados en consideración todos los indicadores cuantitativos y cualitativos a su alcance. 4) Documentación: Es el riesgo de que la documentación del modelo no esté revisada por un tercero, tanto por el que diseña el modelo como por el propio validador o incluso el auditor interno, y actualizada al menos anualmente. Además, para que la documentación del modelo se pueda considerar completa, esta deberá reflejar al menos las posibles limitaciones e incertidumbres ligadas al modelo, y documentar perfectamente los modelos matemáticos y empíricos, hipótesis subyacentes y juicio experto utilizados y su aplicabilidad. Dr. José Miguel Rodríguez-Pardo del Castillo y Dr. Fernando Ariza Rodríguez: El riesgo de modelo en la industria bancaria y aseguradora: Propuestas para su evaluación, control y mitigación (Concreción en el riesgo de longevidad) Análisis Financiero n° 129. 2015. Págs.: 52-66 EL RIESGO DE MODELO EN LA INDUSTRIA BANCARIA Y ASEGURADORA: PROPUESTAS PARA SU EVALUACIÓN, CONTROL Y MITIGACIÓN (CONCRECIÓN EN EL RIESGO DE LONGEVIDAD) 5) Validación y trazabilidad: Es el riesgo de que el modelo no pueda ser replicado de forma autónoma e independiente por un tercero (hacedor vs revisor). Si el modelo no pudiera ser validado por completo en un software independiente, al menos sí debe ser aproximado con alguna metodología adecuada. Para que dicha validación pueda ser plenamente independiente, el modelo debe ser perfectamente trazable desde el origen de los datos hasta los resultados obtenidos. 6) Gobierno: Es el riesgo de que no se detallen y coordinen adecuadamente los procesos, procedimientos y responsables de cada fase de cálculo y uso del modelo. Resultará por tanto de vital importancia establecer, implementar y mantener una política escrita que especifique al menos: los procesos y métodos utilizados para validar el modelo interno y sus fines; la frecuencia de la validación periódica de cada parte del modelo interno y las circunstancias que dan lugar a una validación adicional; las personas encargadas de cada tarea de validación; y el procedimiento que deberá seguirse para la toma de decisiones. 7) Test de uso: Es el riesgo de que el modelo no esté integrado en la gestión del riesgo y que no forme parte de la toma de decisiones estratégicas. Para ello, deberá ser bien entendido no sólo por quien 63 lo diseña y valida, sino también por los puestos directivos y el órgano de gobierno de la entidad. 8) Resultados del modelo: Es el riesgo de que los resultados no sean coherentes conforme a la naturaleza, volumen y complejidad de la entidad. Esta deberá comprobar y justificar en el tiempo la fiabilidad del resultado, incluso en condiciones de pérdidas extremas, de acuerdo con su perfil de riesgo y segmentado por cada área de negocio y de riesgo asumido. 9) Atribución de pérdidas y ganancias: Es el riesgo de que el modelo no explique en su totalidad o en parte las causas y orígenes de las pérdidas y ganancias, de manera que no se puedan identificar los factores generadores del riesgo asumido. 10) Deficiencias detectadas: Es el riesgo de que las deficiencias detectadas en el modelo no sean subsanables de forma inmediata. Criterio específico: 1) Riesgo de un modelo de longevidad: Es el riesgo de que el modelo utilizado no sea capaz de medir adecuadamente el subriesgo de tendencia. Para que este modelo se entienda plenamente mitigado, deberán aplicarse al menos alguno de los tres criterios descritos en el Apartado 5 (Mediana, BIC, SAINT) Dr. José Miguel Rodríguez-Pardo del Castillo y Dr. Fernando Ariza Rodríguez: El riesgo de modelo en la industria bancaria y aseguradora: Propuestas para su evaluación, control y mitigación (Concreción en el riesgo de longevidad) Análisis Financiero n° 129. 2015. Págs.: 52-66 64 ANÁLISIS FINANCIERO MATRIZ DE VALORACIÓN POR JUICIO EXPERTO DEL RIESGO DE MODELO CUADRO 7 Fuente: Elaboración propia Una vez expuestos los criterios de valoración, se determina una puntuación en tramos de 10 unidades por cada nivel de riesgo asociado a estos criterios (10 a 50 puntos), de tal forma que la carga de capital adicional a la resultante del modelo interno en concepto de riesgo de modelo será la siguiente: 1. Si el sumatorio de las puntuaciones de todos los criterios es de 110 puntos (para 11 criterios), el riesgo de modelo será muy bajo y por tanto se le otorgará una carga de capital adicional entre 0 y 1%. Dr. José Miguel Rodríguez-Pardo del Castillo y Dr. Fernando Ariza Rodríguez: El riesgo de modelo en la industria bancaria y aseguradora: Propuestas para su evaluación, control y mitigación (Concreción en el riesgo de longevidad) Análisis Financiero n° 129. 2015. Págs.: 52-66 EL RIESGO DE MODELO EN LA INDUSTRIA BANCARIA Y ASEGURADORA: PROPUESTAS PARA SU EVALUACIÓN, CONTROL Y MITIGACIÓN (CONCRECIÓN EN EL RIESGO DE LONGEVIDAD) 2. Si el sumatorio de puntuaciones se sitúa en el tramo entre 110 y 220 puntos, el riesgo de modelo será bajo y por tanto la carga de capital se asignará de forma proporcional entre el 1% y el 3% adicional. 3. Si el sumatorio de puntuaciones se sitúa en el tramo entre 220 y 330 puntos, el riesgo de modelo será moderado y la carga de capital se asignará de forma proporcional entre el 3% y el 5% adicional. 4. Si el sumatorio de puntuaciones se sitúa en el tramo entre 330 y 440 puntos, el riesgo de modelo será alto y la carga de capital se asignará de forma proporcional entre el 5% y el 8% adicional. 5. En caso de que el sumatorio de puntuaciones supere los 440 puntos, el riesgo de modelo será muy alto y en consecuencia recomendamos que el modelo no se aplique. CONCLUSIONES El nuevo entorno normativo de Basilea y Solvencia II no ha sido capaz aún de desarrollar metodologías y normas expresas encaminadas a medir, controlar y mitigar la incertidumbre originada por el modelo interno elegido por la entidad. Sin embargo, ambas normativas sí exigen que, para la adecuada toma de decisiones, se garantice la comprensión del modelo interno no sólo por parte de sus usuarios, sino también por parte del equipo directivo y el órgano de gobierno de la entidad, de tal forma que la toma de decisiones en torno al modelo pueda ser siempre fundada y bien informada. Por tanto, las entidades de banca y seguros que utilizan modelos internos para la medición de sus riesgos, así como las autoridades supervisoras, van concienciándose ya acerca de la importancia de calibrar adecuadamente el riesgo asumido por el propio modelo, y comienzan a entender la necesidad de incorporar la evaluación de este riesgo, pues si la ausencia de regulación es un defecto o no, no debe ser en ningún caso óbice para su incorporación en los procesos de gerencia empresarial. 65 En este sentido, y mientras no se desarrollen metodologías más precisas para el control, mitigación y trasferencia de este riesgo de modelo, en el presente documento se proponen algunas técnicas para evaluar el riesgo de modelo mediante juicio experto, técnicas que quedan recopiladas en la que hemos convenido denominar como matriz de valoración por juicio experto del riesgo de modelo, y con la que tratamos de graduar este riesgo según una validación interna que cuantifica su intensidad según sea el nivel de riesgo asumido. En concreto, esta matriz recoge una serie de criterios comunes a todas las entidades financieras y otros específicos al propio riesgo analizado en el modelo interno, a los que se les asignará individualmente un nivel de alerta y su correspondiente evaluación con los que determinar una asignación de capital adicional al resultante del propio modelo, pudiendo incluso llegar a la conclusión de que el modelo conlleva un riesgo asociado a sus datos, estimación o uso tan elevado que se recomiende su no aplicación. Como análisis de riesgo específico, por su incertidumbre e impacto sobre el balance y solvencia de una compañía de seguros de vida, hemos escogido el riesgo de longevidad, para el que proponemos tres alternativas con las que conseguir mitigar el riesgo de modelo (mediana de varios modelos, método BIC y método SAINT). En definitiva, y más aún para el sector del seguro donde son los propios supervisores quienes afirman que la adaptación a la nueva normativa y su madurez plena no se producirá hasta que todas las entidades sean capaces de gestionar su negocio en base a un modelo interno global de calibración del riesgo asumido, cada vez se irá haciendo más necesaria la inclusión de la evaluación del propio riesgo del modelo utilizado, pues además, los costes derivados de este riesgo no serán sólo operacionales sino incluso reputacionales. Dr. José Miguel Rodríguez-Pardo del Castillo y Dr. Fernando Ariza Rodríguez: El riesgo de modelo en la industria bancaria y aseguradora: Propuestas para su evaluación, control y mitigación (Concreción en el riesgo de longevidad) Análisis Financiero n° 129. 2015. Págs.: 52-66 66 ANÁLISIS FINANCIERO BIBLIOGRAFÍA Quang Tien Pham Truong. (2015). “Comparación cuantitativa de siete modelos de estocásticos paramétricos de longe- Albarrán, I., Ariza, F., Cóbreces, V., Durbán, M., Rodríguez- vidad”. TFM MCAF UC3M. Pardo, J.M. (2014). “El riesgo de Longevidad y su aplicación práctica a Solvencia II: Modelos actuariales avanzados para su gestión”. Fundación Mapfre. Board of Governors of the Federal Reserve System (2011). “Supervisory Guidance on Model Risk Management”. SR 11-7. Angius, S. et al. (2011). “Risk Modeling in a new paradigm: developing new insight and foresight on structural risk”. McKinsey & Company. Wan C., Bertschi L., Yang Y. (2013). “Coherent Mortality Forecasting For Small Populations: An Application to Swiss Mortality Data”. International Actuarial Association. Banco Santander (2015). “Model Risk Management Function”. WEBS: Comité de Supervisión Bancaria de Basilea. Normativa de Basilea II y Basilea III. https://eiopa.europa.eu/ Ernst & Young (2014). “Model Risk Management for insures”. http://www.federalreserve.gov/bankinforeg/srletters/sr1107.htm. Geneva Association (2011). “Modelling and Mapping Risks http://llma.org y http://lifemetrics.com and Opportunities (MMR+O)”. Nº 379. EIOPA (2009). “Directiva 2009/138/CE del Parlamento Europeo y del Consejo, de 25 de noviembre de 2009, sobre el seguro de vida, el acceso a la actividad de seguro y de reaseguro y su ejercicio (Solvencia II)” EIOPA. (2015). “Directriz sobre el uso de modelos internos”. BoS-14/180 ES. Jarners, F., Krygere, M. (2011). “Modelling adult mortality in small populations: the Saint model”. Astin Bulletin 41 (2), 377–418. Kisser, M., Kiff, J., Oppers, S., Soto, M. (2012). “The Impact of Longevity Improvements on US Corporate Defined Benefit Pension Plans”. Management Solutions (2014). “Model Risk Management: Quantitative and Qualitative aspects”. McClure, J. (2014). “What is the scope of Model Validation?” The Actuary, volume 11 Issue 4. Dr. José Miguel Rodríguez-Pardo del Castillo y Dr. Fernando Ariza Rodríguez: El riesgo de modelo en la industria bancaria y aseguradora: Propuestas para su evaluación, control y mitigación (Concreción en el riesgo de longevidad) Análisis Financiero n° 129. 2015. Págs.: 52-66