Ganz einfach — Ein Modell ist eine vereinfachte Landkarte. Modellrisiko entsteht, wenn die Landkarte falsch gebaut, falsch gelesen oder außerhalb ihres gültigen Gebiets benutzt wird.
Modellrisiko ist die Möglichkeit nachteiliger Folgen aus Entscheidungen, die auf fehlerhaften, unvollständigen oder missbräuchlich verwendeten Modellergebnissen beruhen. Es betrifft nicht nur komplexe künstliche Intelligenz. Auch eine Tabellenkalkulation, ein Preisrechner oder eine feste Volatilitätsregel kann ein Modell sein.
Wo Fehler entstehen
Konzeptfehler betreffen ungeeignete Theorie oder vereinfachende Annahmen. Datenfehler entstehen durch falsche Zeitstempel, Auswahlverzerrung, fehlende Werte oder ein nicht repräsentatives Fenster. Implementierungsfehler liegen in Code, Parametern, Schnittstellen oder Rundung. Nutzungsfehler entstehen, wenn ein korrekt entwickeltes Modell eine Frage beantworten soll, für die es nicht gebaut wurde.
Diese Kategorien wirken zusammen. Ein sauber programmierter VaR kann irreführen, wenn das Portfolio nicht vollständig erfasst ist. Ein gutes Optionsmodell kann bei illiquiden Preisen falsche Präzision vermitteln. Ein validiertes Backtestmodell kann nach einem Regimewechsel außerhalb seiner Grenzen liegen.
Der kontrollierte Lebenszyklus
Am Anfang stehen Zweck, verantwortliche Person, Nutzer, Inputs, Outputs und Nutzungsgrenzen. Die Entwicklung dokumentiert Theorie, Daten, Annahmen, Alternativen und Tests. Eine unabhängige Validierung stellt Design, Implementierung und Ergebnisverwendung infrage. Erst danach erfolgen Freigabe und kontrollierte Produktion.
Monitoring verfolgt Datenqualität, Stabilität, Abweichungen, manuelle Übersteuerungen und Leistungsverschlechterung. Änderungen werden versioniert und nach ihrer Wesentlichkeit erneut geprüft. Am Ende wird ein Modell stillgelegt, ohne dass alte Ergebnisse oder Abhängigkeiten unauffindbar werden.
Validierung ist kein Gütesiegel für immer
Eine Validierung kann konzeptionelle Analyse, Replikation, Benchmarkvergleich, Sensitivität, Backtesting und Extremtests verbinden. Der Umfang richtet sich nach Wesentlichkeit und möglichem Schaden. Unabhängigkeit bedeutet, dass die prüfende Funktion genügend Autorität und Fachwissen besitzt, nicht bloß eine andere Person im selben Entwicklungsprozess ist.
Typischer Fehler — Gute historische Anpassung mit Gültigkeit gleichzusetzen. Ein Modell kann Daten sehr genau erklären und dennoch instabil, überangepasst oder für die Entscheidung ungeeignet sein.
Inventar, Grenzen und Eskalation
Ein Modellinventar hält Eigentümer, Version, Zweck, Kritikalität, Abhängigkeiten, offene Feststellungen und nächste Prüfung fest. Ergebnisse tragen sichtbare Grenzen und Unsicherheiten. Bei Datenbruch, unerwarteter Abweichung oder Nutzung außerhalb des genehmigten Umfangs folgen Eskalation, Ersatzverfahren oder Aussetzung. So wird Modellrisiko nicht „eliminiert“, aber beobachtbar und steuerbar.
Wesentlichkeit und verbundene Modelle
Nicht jedes Modell braucht denselben Kontrollumfang. Wesentlichkeit richtet sich nach möglichem Verlust, Zahl der Nutzer, Automatisierungsgrad und Ersetzbarkeit. Wichtig ist auch die Kette: Ein Datenmodell speist ein Preisverfahren, dessen Output wiederum ein Limit steuert. Ein kleiner Fehler am Anfang kann sich vervielfachen. Das Inventar erfasst daher Upstream- und Downstream-Abhängigkeiten sowie manuelle Zwischenprozesse. Fällt eine kritische Komponente aus, ist ein getestetes Ersatzverfahren mit sichtbar geringerer Genauigkeit besser als eine unkontrollierte Schätzung.
Quellen
- Federal Reserve, SR 26-2 — Model Risk Management.
- Federal Reserve, SR 26-2, Attachment.