Measuring Model Risk
Autor: Philipp Sibbertsen, Gerhard Stahl and Corinna Luedtke
Nummer: 409, Nov 2008, pp. 25
JEL-Class: C50, G32
Abstract:
Model risk as part of the operational risk is a serious problem for financial institutions. As the pricing of derivatives as well as the computation of the market or credit risk of an institution depend on statistical models the application of a wrong model can lead to a serious over- or underestimation of the institution’s risk. Because the underlying data generating process is unknown in practice evaluating the model risk is a challenge. So far, definitions of model risk are either application-oriented including risk induced by the statistician rather than by the statistical model or research-oriented and too abstract to be used in practice. Especially, they are not data-driven. We introduce a data driven notion of model risk which includes the features of the research-oriented approach by extending it by a statistical model building procedure and therefore compromises between the two definitions at hand. We furthermore suggest the application of robust estimates to reduce the model risk and advocate the application of stress tests with respect to the valuation of the portfolio.
Zusammenfassung:
Modellrisiko als Teil des operationellen Risikos einer Unternehmung stellt ein ernstes Problem dar. Da sowohl die Bewertung von Derivaten als auch die Berechnung des Markt- und Kreditrisikos einer Institution von statistischen Modellen abhängt, kann die Verwendung eines falschen Modells zu einer Unter- bzw. Überschätzung des Risikos der Institution führen. Weil der zugrundeliegende datengenerierende Prozess unbekannt ist, stellt die Bewertung des Modellrisikos in der Praxis eine Herausforderung dar. Bislang sind Definitionen des Modellrisikos entweder anwendungsorientiert und beinhalten das durch den Anwender induzierte Risiko als das durch das statistische Modell oder sie sind forschungsbezogen und zu abstrakt, um in der Praxis Gebrauch zu finden. Insbesondere sind sie nicht daten-getrieben. Wir führen in eine datengetriebene Auffassung von Modellrisiko ein, die Merkmale des forschungsbezogenen Ansatzes beinhaltet durch Erweitung durch einen Modellselektionsprozess erweitert und somit einen Kompromiss zwischen den zwei gängigen Definitionen bildet. Weiterhin schlagen wir die Verwendung robuster Schätzer vor, um das Modellrisiko zu reduzieren und empfehlen die Anwendung von Stresstests hinsichtlich der Portfoliobewertung.
Diskussionspapier als PDF-Datei herunterladen
BibTeX-Datensatz herunterladen