Modellrisiko

Model Risk; Risiko, dass sich ein Bewertungs- oder Hedgemodell nicht so verhält wie erwartet, kann im Rahmen der Risk Governance abgebildet werden. Wichtige Ursachen für Modellrisiken:
1. Die ökonomische Realität ist durch eine große Anzahl von ökonomischen Variablen und häufig komplexen Wechselwirkungen zwischen diesen gekennzeichnet. Alle realistischen (Bewertungs-)Modelle basieren darauf, dass durch vereinfachende Annahmen und Zusammenhänge diese Komplexität auf ein praktikables Maß reduziert wird. Dabei wird notwendigerweise in Kauf genommen, dass durch die Konzentration auf die wichtigsten Variablen und Zusammenhänge weniger wichtige vernachlässigt werden. Modellrisiken entstehen dadurch, dass der Gültigkeitsbereich dieser Modelle a priori häufig schwierig zu bestimmen ist und daher die Adäquanz eines Modellansatzes im Vorfeld nicht leicht zu beurteilen ist. Zuweilen kommen auch bewusst Modelle zum Einsatz, bei denen die Voraussetzungen nicht erfüllt sind, die aber diese grundsätzliche Schwäche durch Anschaulichkeit und einfache Handhabung wieder ausgleichen können (wie z.B. viele Varianten des Black-Scholes-Modells). In manchen dieser Fälle können Vergleichsstudien mit alternativen Modellen oder (sofern verfügbar) ein Vergleich mit unabhängigen Marktpreisen, z.B. in sog. Out-of-Sample-Bewertungen, helfen, das Risiko zu begrenzen (Implizite Volatilität, Ziff. 3). Eine weitere Risikoquelle ist die allzu sorglose Verwendung bzw. Übertragung vorhandener, möglicherweise extern eingekaufter Modelle auf neue Produkte, bei denen nicht kritisch genug geprüft wird, ob die Voraussetzungen zur Anwendung der Modelle wirklich erfüllt sind (Black-Box Mentalität).
2. Die mathematische Modellierung führt dazu, dass komplexere Bewertungsmodelle häufig Parameter enthalten, die nicht direkt einer ökonomischen Größe zugeordnet werden können und die deshalb nur indirekt durch Kalibrierung des Modells an Marktpreise für einfache Produkte bestimmt werden können. Die Kontrolle, d.h. Stabilität und Plausibilität, dieser kalibrierten Parameter ist häufig nicht trivial (Kalibrierungsrisiko).
3. Der Gültigkeitsbereich der Modelle wird häufig durch Abstriche von den verwendeten mathematischen Algorithmen bezüglich Konvergenz, Genauigkeit und Geschwindigkeit eingeschränkt, insbesondere wenn komplexe numerische oder statistische Verfahren und Simulationen (Monte-Carlo) zur Anwendung kommen.
4. Fehler bei der Implementierung dieser i.d.R. komplexen Algorithmen. Die obige noch nicht vollständige Liste von Risikoquellen macht deutlich, dass das Modellrisiko äußerst facettenreich ist und viele potenzielle Fehlerquellen beinhaltet und dass die involvierten Risiken ohne einen detaillierten Einblick in den Modellierungsprozess sowie umfassende Kenntnis des methodischen State-of-the-Art nicht angemessen beurteilt werden können. Eine systematische Quantifizierung des Modellrisikos ist äußerst schwierig.