Banki, ryzyko i analiza danych

Metodyka RAROC nie narzuca żadnych wielkości i nie zmusza stosującej ją organizacji do utrzymywania takiego czy innego poziomu ryzyka. Wprost przeciwnie, umożliwiając przyjmowanie dowolnych norm płynności, pozwala na ocenę kapitałowych skutków mniej lub bardziej ryzykownego prowadzenia działalności.

Wszystko to jednak nie daje zasadniczej odpowiedzi na pytanie: Jakie konkretne korzyści może przynieść stosowanie metodyki RAROC? Otóż, zakładając dysponowanie sprawnymi narzędziami informatycznymi, można w krótkim czasie wykonać wiele cyklów obliczeń dla różnych wariantów ryzyka. Pozwala to w efekcie wybrać do praktycznej realizacji wariant najbardziej korzystny nie tylko w danym momencie, ale również w pewnej perspektywie czasowej.

Informatyczne wspomaganie

Dobry warsztat informatyczny, wspomagany bieżącym dopływem danych, umożliwia także bieżącą ocenę skutków podjętych decyzji i dokonywanie korekt w tym zakresie z uwzględnieniem zmian mających miejsce na rynku. Jest jednak ważne, aby stosowany model obliczeniowy był modelem "kroczącym", co wymaga stopniowego wyłączania zeń najstarszych danych historycznych, nieadekwatnych już do bieżącej sytuacji i powodujących zniekształcenia wyników, osłabiające efekty bieżących decyzji.

Dobrym przykładem roli i znaczenia danych historycznych są procesy związane z przyznawaniem kredytów, czyli podejmowania ryzyka kredytowego.

Posiadanie odpowiednich danych i możliwość szybkiego dotarcia do nich są podstawą nie tylko minimalizacji ryzyka kredytowego, ale również tworzenia tzw. przewagi konkurencyjnej. Ta ostatnia polega obecnie przede wszystkim na szybkości przyznawania kredytów indywidualnym klientom oraz firmom zaliczanym do małych i średnich przedsiębiorstw. Szybkość przyznawania i minimalizacja wymogów formalnych przedstawiania różnego rodzaju dokumentów i zaświadczeń bez wątpienia istotnie zwiększa ryzyko banku. Można je zmniejszyć, posiadając odpowiednie dane pozwalające na ocenę zdolności kredytowej klienta na podstawie historii jego dotychczasowych kontaktów z bankiem.

Obecne oczekiwania klientów z tego zakresu zakładają, że decyzję kredytową, o którą występują, bank podejmie w ciągu kilku minut. Sprostanie takiemu oczekiwaniu (i ewentualnym konkurentom, którzy już potrafią je spełniać) wymaga dysponowania operacyjnymi bazami lub hurtowniami danych, gdzie stosowne informacje są zapisane w sposób umożliwiający bardzo szybkie (w kategoriach informatycznych) dotarcie do nich.

Informacje zawarte we wspomnianych repozytoriach, bez względu na ich organizację, muszą być dobrej jakości, muszą wystarczać do wnikliwej oceny statusu i zachowań klientów i muszą być dostępne nie tylko na bieżąco, ale także w bardzo krótkim czasie. Wymogi te przekładają się bezpośrednio na stopień sprawności systemu informatycznego, jaki należy do tego celu zastosować.

Jeżeli przyjąć, że dane będą zgromadzone i zorganizowane w sposób charakterystyczny dla ich hurtowni, to - na potrzeby decyzji kredytowych - konieczne są narzędzia, które umożliwią wybranie z niej koniecznego zakresu danych (data mining), a następnie wykonanie na nich działań analitycznych i wskazujących decyzję. Zazwyczaj jest to mechanizm w pełni automatyczny, działający wg wcześniej ustalonych reguł, z którego wynika ostateczna decyzja.

Z punktu widzenia niezbędnych do tego zasobów informatycznych możliwe są w tym przypadku dwa scenariusze działania: dochodzenie do takiej decyzji na bieżąco (online) lub jej wstępne, wcześniejsze przygotowanie. To pierwsze wymaga znacznego nadmiaru mocy obliczeniowej zaangażowanego w to systemu (systemów) informatycznego, tak by sprostać spiętrzeniom obciążenia, jakie będą się pojawiać w pewnych porach dnia i okresach roku.

W tym drugim przypadku konieczne jest wyznaczenie i zarejestrowanie, w trybie przetwarzania wsadowego, pewnych mierników określających tzw. zdolność kredytową każdego klienta. Wykonanie związanych z tym działań analitycznych i obliczeń także stanowi znaczne obciążenia systemu informatycznego. Po pierwszym jednak takim cyklu obliczeniowym, będzie on powtarzany tylko dla tych klientów, w których danych wystąpiły danego dnia istotne zmiany. Rozwiązanie tego rodzaju, w przeciwieństwie do pierwszego, nie wymaga systemów o dużym nadmiarze mocy obliczeniowej i umożliwia przewidywanie (a więc i planowanie) obciążenia i czasu przetwarzania, który - dodatkowo - nie wydłuża procesu podejmowania decyzji odczuwanego przez klienta. Wadą jego jest konieczność eliminowania zmian trywialnych, np. naliczenie niewielkich kwot oprocentowania, by uchronić się przed koniecznością stałego, codziennego wyliczania wspomnianych mierników dla wszystkich klientów.

Dodatkowym, poważnym, a nie rozwiązanym dotąd utrudnieniem, wynikającym z obowiązującego w Polsce prawa (ustawa o ochronie danych osobowych), jest np. niemożność przechowywania w zasobach informatycznych danych osób, które, nie będąc klientami banku, ubiegają się o kredyt i otrzymują odmowę jego przyznania. Umożliwia to im wielokrotne ubieganie się o kredyt, a bank pozbawia możliwości wykrycia uprawiania takiego procederu.

Istnieją zatem co prawda metodyki i metody pozwalające dość precyzyjnie wyznaczać skutki różnych rodzajów ryzyka podejmowanych w działaniu banków, ale jednocześnie pozostawiają one znaczny margines swobody w traktowaniu tego ryzyka. We wspomnianej metodzie RAROC rolę taką pełni m.in. norma płynności.

W metodykach tych chodzi o to, aby bank miał syntetyczny wskaźnik wszystkich podejmowanych rodzajów ryzyka, a jednocześnie, mogąc również mierzyć każde z nich z osobna, miał szansę prowadzenia za ich pomocą pewnej gry, której celem jest możliwe najkorzystniejsze (z punktu widzenia celu końcowego, czyli zwrotu z kapitału) zaangażowanie środków pozostających w danym momencie w jego dyspozycji.


TOP 200