Mindestanforderungen an das Risikomanagement 2023 / AT 4.3.5 Verwendung von Modellen

1

Die Anforderungen dieses Moduls gelten für Modelle, die für die in diesem Rundschreiben geregelten Prozesse eingesetzt werden. Sie finden auch Anwendung bei automatisierten Modellen, technologiegestützter Innovation und künstlicher Intelligenz. Erläuterung: Modelle Ein Modell im Sinne dieses Moduls ist eine quantitative Methode, ein System oder ein Ansatz, der statistische oder mathematische Theorien, Techniken und Annahmen anwendet, um Eingabedaten zu quantitativen Schätzungen zu verarbeiten. Dazu zählen bankinterne Modelle, auf die sich die Entscheidungsfindung im Institut stützt, unabhängig davon, ob sie vom Institut selbst oder einem Dritten entwickelt wurden (z. B. Modelle, die im Kreditgeschäft insbesondere für die Kreditgewährung und -bearbeitung verwendet werden, Risikoklassifizierungsverfahren, Verfahren zur Risikoquantifizierung im Rahmen der Risikotragfähigkeit, Stresstests, Bewertungs- oder Preisbildungsmodelle). Modelle, die in den Anwendungsbereich der Verordnung (EU) Nr. 575/2013 (CRR) fallen, gehören hingegen nicht dazu. Über die Anforderungen dieses Moduls hinausgehende Anforderungen ergeben sich aus AT 4.1 Tz. 8, 9 und 10, AT 4.3.2 Tz. 5, AT 4.3.3 Tz. 5 und 6, BTR 2.1 Tz. 3 und 4, BTR 3.1 Tz. 2. Die Anforderungen dieses Moduls richten sich nach der Komplexität des Modells, dessen Bedeutung im Risikomanagement sowie den Risiken, die mit der Anwendung des Modells einhergehen. Dies gilt insb. für die Anforderungen an die Erklärbarkeit gem. Tz. 6.

2

Die Wahl der Modelle liegt in der Verantwortung des Instituts. Die zugrundeliegenden Annahmen sind nachvollziehbar zu begründen. Die Angemessenheit und Eignung sind vor dem Einsatz eines Modells zu bewerten und regelmäßig zu überprüfen. Das setzt hinreichende Kenntnisse über die Modell-Konzeption, insbesondere zu wesentlichen Annahmen und Parametern sowie den darin einfließenden Daten, voraus.

3	Das Institut hat geeignete Verfahren, die die Qualität der zugrundeliegenden Daten sicherstellen, zu implementieren. Insbesondere sollen Qualitätsschwächen in den zugrundeliegenden Daten erkannt und bereinigt werden.

4

Das Institut hat angemessene Regelungen zur Verwendung der Modellergebnisse zu treffen. Soweit relevant, müssen diese auch Ausführungen zu Überschreibungen beinhalten. Erläuterung: Überschreibungen Bei Überschreibungen werden vom Modell abweichende Werte mittels direkten Eingriffs in den Modell-Input oder ein Zwischen- bzw. Endergebnis angesetzt.

5

Das Institut hat sich mit den Grenzen und Beschränkungen, die sich aus den eingesetzten Modellen, den ihnen zugrundeliegenden Annahmen und den darin einfließenden Daten ergeben, kritisch auseinanderzusetzen und eine regelmäßige Validierung der Modelle vorzunehmen. Dabei sind die sachgerechte Handhabung der Modellergebnisse und die Genauigkeit des Modells in Bezug auf dessen Verwendung angemessen zu überprüfen. Die Qualität der Modellergebnisse, insbesondere die Genauigkeit, Stabilität und Konsistenz der Verfahren, ist regelmäßig zu analysieren. Erläuterung: Rekalibrierung In Abhängigkeit von der Modell-Konzeption können Rekalibrierungen einen starken Einfluss auf Annahmen und Gewichtungen ausüben. Bei der Analyse der Genauigkeit, Stabilität und Konsistenz ist deshalb zu untersuchen, ob und welche Veränderungen der Ergebnisqualität sich dadurch ergeben.

6

Neben der angestrebten Genauigkeit ist auch auf eine hinreichende Erklärbarkeit zu achten. Dies gilt insbesondere für Modelle, die Charakteristika von technologiege-stützter Innovation und künstlicher Intelligenz aufweisen. Erläuterung: Erklärbarkeit Modelle gelten als erklärbar, wenn Wirkungszusammenhänge zwischen Eingangs- und Ausgangsgrößen aufgezeigt werden können.