Model Risk Unmasked: An Empirical Reckoning with IRB Capital Requirements

Technische Samenvatting: Modelrisico Ontmaskerd: Een Empirische Rekening met IRB-Kapitaaleisen

Probleemstelling
Het artikel behandelt een kritieke tekortkoming in het Internal Rating-Based (IRB) kader voor kredietregulatorische kapitaal onder Basel II/III. Hoewel het Asymptotic Single Risk Factor (ASRF) model, geïntroduceerd door Gordy (2003), de structurele architectuur biedt voor het berekenen van kapitaalcharges op basis van de 99,9e percentiel Value-at-Risk (VaR), behandelt het doorgaans modelparameters—specifiek de Probability of Default (PD) en Loss Given Default (LGD)—als bekende constanten. De auteurs stellen dat deze "naïeve" benadering de schattingsrisico (parameteronzekerheid) negeert. Bovendien heeft de bestaande literatuur (bijv. Löffler, 2003; Tarashev, 2010) vaak geleund op simplificerende aannames, zoals het behandelen van PD en LGD als onafhankelijk of het constant houden van LGD. Het artikel stelt dat deze parameters in de werkelijkheid gecorreleerd zijn, met name tijdens economische neergangperiodes waar faillissementscijfers stijgen en de dekkingsgraden gelijktijdig dalen. Het negeren van deze afhankelijkheid en de inherente onzekerheid in de schatting van parameters leidt tot een significante onderschatting van de werkelijke regulatorische kapitaaleisen.

Methodologie
De studie hanteert een empirische aanpak die gebaseerd is op 37 jaar historische data (1983–2019) van Moody's Investor Service, die zowel all-rated als speculative-grade corporate emittenten beslaat.

1. Distributionele Aannames & Validatie:

   • De auteurs modelleren het faalpunt ($k = \Phi^{-1}(PD)$) en LGD als gezamenlijk Gaussische willekeurige variabelen.
   • Zij valideren deze aannames met behulp van de Shapiro-Wilk test op univariate en bivariate distributies. De resultaten (alle p-waarden > 0,50) bevestigen dat de data de hypothese van normaliteit niet verwerpen, wat het gebruik van een Gaussisch kader voor het modelleren van parameteronzekerheid ondersteunt.

2. Empirische Schatting van Afhankelijkheid:

   • De studie schat expliciet de correlatie tussen het faalpunt ($k$) en LGD.
   • Met behulp van Pearson-correlatie op de 37-jarige dataset vinden zij sterke, statistisch significante positieve correlaties: 0,717 voor all-rated emittenten en 0,599 voor speculative-grade emittenten. Dit bevestigt dat hogere waarschijnlijkheden op wanbetaling geassocieerd zijn met hogere verliezen bij wanbetaling.

3. Kapitaalberekeningskader:

   • Naïeve Benadering: Berekent kapitaal ($RC_{naïve}$) met behulp van punt-schattingen ($\hat{PD}, \hat{LGD}$) als vaste waarden.
   • Correcte Benadering: Berekent kapitaal ($RC$) door het 99,9e percentiel van de verwachte verliesverdeling te nemen, waarbij $PD$ en $LGD$ worden behandeld als willekeurige variabelen met onzekerheid.
   • Simulatie: De auteurs maken gebruik van Monte Carlo-simulaties (10 miljoen iteraties) om de regulatorische kapitaal-add-on te berekenen. Deze add-on vertegenwoordigt het percentage toename van het vereiste kapitaal om schattingsrisico te dekken, berekend als:
     $$Add\text{-}on = \frac{(RC - RC_{naïve}) + (E[L] - EL_{naïve})}{RC_{naïve}}$$

4. Robuustheidscontroles:

   • De analyse werd herhaald met een betrouwbaarheidsniveau van 99% (overeenkomend met eerdere studies) en een eindig portfolio van 50 obligors. De resultaten bleven consistent, wat bevestigt dat de afhankelijkheid tussen parameters de dominante drijfveer van modelrisico is, ongeacht het betrouwbaarheidsniveau of de portfolioomvang.

Belangrijkste Resultaten
De simulatieresultaten onthullen dat het negeren van parameteronzekerheid en, nog kritischer, de correlatie tussen PD en LGD, leidt tot een substantiële onderschatting van de kapitaalbehoeften:

• Impact van Onzekerheid: De onzekerheid in het faalpunt ($k$) draagt meer bij aan het modelrisico dan de LGD-onzekerheid alleen.
• Impact van Afhankelijkheid:
  • Wanneer PD en LGD als onafhankelijk worden beschouwd, is de regulatorische kapitaal-add-on 18,67% voor all-rated portfolio's en 39,54% voor speculative-grade portfolio's.
  • Wanneer de empirisch waargenomen correlatie wordt geïncorporeerd, stijgt de add-on naar 38,48% (All-Rated) en 65,97% (Speculative Grade).
• Conclusie over Bias: De naïeve IRB-benadering, die het schattingsrisico volledig negeert, levert een substantieel naar beneden gebiaste schatting van het werkelijke regulatorische kapitaal. Het verschil tussen de onafhankelijke en gecorreleerde scenario's vertegenwoordigt een onderschatting van ongeveer 20 procentpunten voor all-rated en 26 procentpunten voor speculative-grade portfolio's.

Betekenis en Claims
Het artikel claimt drie primaire bijdragen:

1. Empirische Validatie: Het levert robuust statistisch bewijs (via 37 jaar data) dat de Gaussische aannames voor het faalpunt en LGD geldig zijn, wat het theoretische kader voor kapitaal-add-on berekeningen rechtvaardigt.
2. Identificatie van de Dominante Risicodrijver: Het demonstreert dat de PD–LGD-afhankelijkheid de primaire bron van modelrisico is. Het negeren van deze link leidt tot een ernstige miscalculatie van kapitaalbuffers, met name voor speculative-grade activa.
3. Beleidsimplicaties: De auteurs stellen dat het huidige regelgevende kader, dat de optie voor toezichthouders om kapitaalcharges op basis van modelrisico te verhogen onder Basel III heeft verwijderd, mogelijk onvoldoende is. Zij suggereren dat banken die vertrouwen op eenvoudige punt-schatting berekeningen, verplicht zouden moeten worden om aanzienlijk hogere kapitaalbuffers aan te houden (ten minste 40% voor all-rated en 66% voor speculative-grade) om voor schattingsrisico te voorzien.

De studie concludeert dat een meer genuanceerde aanpak van regulatorisch kapitaal essentieel is voor financiële stabiliteit. Door rekening te houden met parameteronzekerheid en de cyclische aard van de PD–LGD-relatie, kunnen financiële instellingen hun risico beter beheren en de systemische kwetsbaarheden voorkomen die ontstaan wanneer kapitaalbuffers tijdens economische neergang periodes ontoereikend zijn.