Nos últimos anos, observou-se uma tendência nas instituições financeiras de um maior uso de modelos para a tomada de decisões, que foi impulsionada em parte pela regulamentação, mas que se manifesta em todos os âmbitos da gestão.

 


Model Risk Management

Watch video

Neste sentido, constata-se que uma elevada proporção das decisões das instituições é tomada de forma automatizada, com modelos de decisão (sejam algoritmos estatísticos ou conjuntos de regras).

Por um lado, nos últimos anos ampliou-se o uso de plataformas eletrônicas que executam de forma automática ordens de trading programadas segundo tempo, preço ou volume, e que podem ser iniciadas sem intervenção manual, o que é conhecido como algorithmic trading. Como exemplo, ao executar uma ordem automática de trading, em 6 de maio de 2010, ocorreu um flash crash de 4,1 bilhões de dólares na Bolsa de Nova York, que caiu mais de 1.000 pontos e se recuperou ao mesmo valor em apenas 15 minutos.

Por outro lado, e em parte estimuladas pela regulamentação de Basileia3, as instituições empregam cada vez mais modelos de decisão (formados por algoritmos estatísticos e regras de decisão) em seus processos de concessão, acompanhamento e recuperação do crédito. Assim, é determinado de forma automática se um crédito é viável ou não, através da estimativa da probabilidade de default (PD) do cliente. Do mesmo modo, as instituições observam a evolução de seus clientes e antecipam a deterioração do crédito com modelos automáticos de alertas, pré-classificam os clientes e estabelecem limites de crédito para eles; e, no âmbito das recuperações, determinam perfis estatísticos de clientes inadimplentes para aplicar-lhes diferentes estratégias de cobrança.

No âmbito comercial, permite-se ao cliente selecionar as características de um produto (valor, prazo e finalidade de um empréstimo, coberturas de um seguro, etc.) e o sistema determina em tempo real a viabilidade da oferta e o preço. Em muitos casos, o modelo faz uma série de perguntas ao cliente e lhe oferece proativamente a melhor configuração para suas características (o que manualmente seria lento e complexo).

Os modelos de avaliação de produtos ou instrumentos financeiros, tanto no âmbito de mercado como no de ALM, estão muito disseminados nas instituições. Exemplos clássicos desses modelos são Black-Scholes, CAPM e os modelos de Monte Carlo para avaliação.

Outro âmbito onde o uso de modelos é cada vez mais frequente é a detecção de fraude e lavagem de dinheiro. Tanto as instituições como os reguladores empregam modelos de identificação de transações fraudulentas ou orientadas à lavagem de dinheiro, para o que é usada uma combinação de modelos estatísticos de identificação de perfis de cliente (know your customer, KYC), regras de monitoramento de transações e listas negras.

Por outro lado, está se ampliando o uso dos modelos de onboarding, vinculação e campanhas comerciais. Com isso, são determinadas de forma automática as ações de fidelização e vinculação de clientes, tanto na primeira etapa de seu relacionamento com a instituição como em qualquer momento de seu ciclo de vida, o que inclui a venda cruzada de produtos e serviços personalizados para as necessidades do cliente, dentro do âmbito do CRM5.

Outros exemplos incluem a estimativa do consumo de capital em todas as suas acepções (crédito, mercado, operacional, ALM, etc.) através de seus componentes; a quantificação da posição de liquidez atual e projetada em diferentes cenários; a projeção do balanço, a demonstração de resultados e a utilização de modelos de teste de estresse6; ou a modelagem de diversos componentes essenciais para o planejamento e o desenvolvimento de negócios: cesta ótima, renda de clientes e não clientes ou abandono, entre outros.

A utilização de modelos tem benefícios inquestionáveis, entre os quais:

  • A automatização da tomada de decisões, que por sua vez facilita a melhoria da eficiência através da redução dos custos associados à análise e à decisão manual.
  • A objetividade na tomada de decisões, garantindo que o resultado das estimativas seja o mesmo em circunstâncias iguais, e o reaproveitamento das informação internas e externas, valorizando a experiência histórica.
  • A capacidade para sintetizar questões complexas, como o perfil de risco agregado de uma instituição.

Não obstante, a utilização de modelos também envolve custos e riscos, entre os quais cabe mencionar:

  • O custo direto em recursos (financeiros e humanos) e tempo para seu desenvolvimento e implementação.
  • O risco de confiar nos resultados de um modelo incorreto ou mal aplicado. Deste caso foram dados exemplos verídicos e recentes que geraram perdas consideráveis.

Neste sentido, pode-se definir o risco de modelo como «o conjunto de possíveis consequências adversas derivadas de decisões baseadas em resultados e relatórios incorretos de modelos, ou de seu uso inadequado».

Os erros em um modelo podem incluir simplificações, aproximações, hipóteses erradas ou um processo de desenho incorreto; o uso inadequado dos modelos inclui sua aplicação fora do uso para o qual foram concebidos.

O risco de modelo assim definido, muito relevante potencialmente, captou a atenção de reguladores e instituições, que oscilam entre a mitigação através da validação dos modelos e o estabelecimento de um framework integrado para sua gestão ativa.

Nos casos mais avançados, esta gestão ativa materializou-se em um framework de gestão de risco de modelo (model risk management, MRM) que estabelece as diretrizes sobre todo o processo de planejamento, desenvolvimento, implementação, validação, inventário e uso dos modelos.
Isso é referendado pelo fato de que os reguladores, especialmente nos EUA, começam a exigir este tipo de frameworks, como se observa nas diretrizes do Federal Reserve System (Fed) e do Office of the Comptroller of the Currency (OCC), que estão servindo como ponto de partida para o setor.
A regulamentação não se aprofunda em aspectos relativos à quantificação do risco de modelo, exceto para casos muito específicos da avaliação de certos produtos, onde chega a exigir uma estimativa do risco de modelo através de ajustes na avaliação (model risk AVAs) que derivam em uma maior necessidade de capital, ou também na possível utilização, como mitigante, de um buffer de capital por risco de modelo em um sentido mais amplo, mas sem chegar a especificar seu cálculo.

Neste contexto, o presente estudo pretende proporcionar uma visão ampla sobre a gestão do risco de modelo, sua definição, natureza e fontes, a regulamentação associada, e suas implicações práticas. Para isso, o documento é estruturado em três seções, que respondem a três objetivos:

  • Apresentar o risco de modelo através de sua definição, a análise de suas fontes e um breve resumo da regulamentação relacionada mais relevante.
  • Descrever um framework objetivo de gestão de risco de modelo de forma prática e baseada em exemplos observados em instituições financeiras.
  • Avançar na quantificação do risco de modelo (e suas possíveis aplicações práticas) através de um exercício quantitativo que ilustre o impacto deste risco.


Para mais informações, acesse o documento completo em PDF clicando aqui (também disponível em Espanhol e Inglês).