Wat is Operational Risk Calculator?
▾
Operationeel risico wordt onder Bazel II/III gedefinieerd als het risico op verliezen als gevolg van ontoereikende of falende interne processen, mensen en systemen, of door externe gebeurtenissen. Deze definitie omvat juridische risico's, maar sluit expliciet strategische risico's en reputatierisico's uit. Operationeel risico is de derde grote risicocategorie in het bankwezen, naast kredietrisico en marktrisico, en is in belang toegenomen na spraakmakende verliezen als gevolg van frauduleuze handel (Barings Bank 1995, Société Générale 2008), systeemstoringen, cyberaanvallen, fraude en het niet naleven van de regelgeving. Operationele risicoverliezen kunnen enorm en plotseling zijn: Barings Bank verloor $1,3 miljard door de ongeoorloofde futureshandel van Nick Leeson; Société Générale verloor € 4,9 miljard door de malafide handel van Jérôme Kerviel; JPMorgan Chase verloor $6,2 miljard in het Londense walvisderivatenschandaal van 2012. In tegenstelling tot marktrisico en kredietrisico levert operationeel risico geen verwacht rendement op in ruil voor het nemen van het risico; het is een puur nadeel dat moet worden beheerst en geminimaliseerd. Bazel II introduceerde drie benaderingen voor de berekening van operationeel risicokapitaal, die met verfijningen werden gehandhaafd in Bazel III. De Basic Indicator Approach (BIA) is de eenvoudigste: kapitaal = 15% van het gemiddelde bruto jaarinkomen over de afgelopen drie jaar. De standaardbenadering (SA) verdeelt de activiteiten in acht bedrijfsonderdelen met verschillende kapitaalfactoren (12–18%). De Advanced Measurement Approach (AMA) stelt banken in staat interne modellen te gebruiken die interne verliesgegevens, externe verliesgegevens, scenarioanalyse en bedrijfsomgevingsfactoren (BEF) bevatten om het operationele risico op het 99,9e percentiel te schatten – consistent met het algemene betrouwbaarheidsniveau van Bazel van 99,9% voor wettelijk kapitaal. De AMA-modelstructuur maakt gebruik van een Loss Distribution Approach (LDA): voor elke combinatie van het type operationele risicogebeurtenis (7 categorieën uit Bazel) en de bedrijfssector modelleren banken de frequentieverdeling (hoe vaak verliezen optreden) en de ernstverdeling (hoe groot elk verlies is). Het combineren van frequentie en ernst (meestal via Monte Carlo-simulatie) levert een samengestelde verliesverdeling op, en het 99,9e percentiel minus het verwachte verlies geeft de kapitaalvereiste weer. Basel IV (afgerond in 2017, geïmplementeerd tot en met 2023-2028) verving AMA door de Standardized Measurement Approach (SMA), die interne modellen voor toetsingskapitaal elimineert, maar deze behoudt voor intern beheer. SMA-kapitaal = bedrijfsindicator × marginale coëfficiënt × verliesvermenigvuldiger (gebaseerd op werkelijke verliezen).
Calkulon makes complex calculations simple — built for students and everyday problem-solvers.
Formule
▾
BIA: Kapitaal = α × Avg(GI_1, GI_2, GI_3) waarbij α=15%
SA: Kapitaal = Σ β_i × GI_i (per bedrijfsonderdeel)
AMA/LDA: Kapitaal = VaR₉₉.₉% (totale jaarlijkse verliezen) - E [jaarlijkse verliezen]
SMA (Bazel IV): Kapitaal = BI-component × verliesvermenigvuldigerVariabele uitleg
▾
| Symbool | Naam | Eenheid | Beschrijving |
|---|---|---|---|
| GI | Bruto inkomen | USD/year | Nettorentebaten plus netto niet-rentebaten (de totale inkomsten van de bank); de basis voor BIA- en SA-kapitaalberekeningen. |
| α | BIA-kapitaalfactor | % | 15% vast tarief onder de basisindicatorbenadering; toegepast op het gemiddelde bruto inkomen over drie jaar om het kapitaalvereiste te bepalen. |
| β_i | Bètafactor van de Business Line | % | Gestandaardiseerde benadering kapitaalfactor per bedrijfstak: varieert van 12% (retailmakelaardij, activabeheer) tot 18% (handel, betalingen). |
| OR_EC | Operationeel risico Economisch kapitaal | USD | AMA/interne modelschatting van operationeel risicokapitaal: 99,9e percentiel totaal jaarlijks verlies minus verwacht verlies. |
| BI | Bedrijfsindicator (SMA) | USD | Som van de rentecomponent, de dienstencomponent en de financiële component: de Basel IV SMA-grootteproxy voor operationeel risico. |
Hoe Operational Risk Calculator
▾
- 1Bepaal de toepasselijke aanpak: BIA voor kleine banken of banken die zich in een vroege fase van de ontwikkeling van een raamwerk voor operationeel risico bevinden; SA voor banken met verschillende bedrijfsonderdelen; AMA (of SMA onder Bazel IV) voor geavanceerde grote instellingen.
- 2Voor BIA: Gemiddeld bruto inkomen over de afgelopen 3 jaar (exclusief negatieve jaren); vermenigvuldigen met 15%.
- 3Voor SA: Breng alle activiteiten in kaart voor 8 Bazel-bedrijfslijnen; pas de respectieve bètafactor (12–18%) toe op het bruto-inkomen van elke lijn; som.
- 4Voor AMA/LDA: interne verliesgebeurtenisgegevens verzamelen (frequentie en ernst per gebeurtenistype); aanvulling met externe verliesgegevens (ORX-database, publieke verliesdatabank); frequentie- (Poisson) en ernst- (log-normale, gegeneraliseerde Pareto) verdelingen ontwikkelen voor elke risicocategorie.
- 5Combineer frequentie en ernst via Monte Carlo-simulatie om de totale verliesverdeling voor elke risicocategorie te genereren.
- 6Pas copula's toe om correlaties tussen risicocategorieën te modelleren (toezichthouders staan doorgaans diversificatievoordelen toe, maar vereisen bewijs).
- 7Kapitaal = Totaal verlies op 99,9 percentiel minus verwacht verlies. Voeg kapitaal toe voor scenario's die ernstig zijn, maar niet goed worden weergegeven in historische gegevens.
Uitgewerkte voorbeelden
▾
BIA is bot maar eenvoudig: dezelfde 15%, ongeacht het risicoprofiel
Gemiddelde GI over drie jaar = ($50 miljoen + $55 miljoen + $60 miljoen) / 3 = $55 miljoen. BIA-kapitaal = 15% × $55 miljoen = $8,25 miljoen. Dit is eenvoudig te berekenen, maar notoir ongecompliceerd: het behandelt alle banken met hetzelfde bruto-inkomen alsof ze een identiek operationeel risico hebben, ongeacht de feitelijke kwaliteit van het risicobeheer, de controleomgeving of de bedrijfscomplexiteit. Kleine gemeenschapsbanken met eenvoudige, goed gecontroleerde operaties vinden BIA wellicht te conservatief; grote complexe instellingen met veel potentiële operationele risicovectoren vinden dit wellicht onvoldoende.
De handelslijn heeft het hoogste kapitaaltarief (18%) vanwege de operationele complexiteit
Retailbankieren: $200 miljoen x 12% = $24 miljoen. Commercieel bankieren: $150 miljoen x 15% = $22,5 miljoen. Handel en verkoop: $100 miljoen x 18% = $18 miljoen. Vermogensbeheer: $50 miljoen x 12% = $6 miljoen. Totaal SA-kapitaal = $ 70,5 miljoen. De SA maakt onderscheid op basis van de bèta van de bedrijfsonderdelen, waarbij wordt onderkend dat handelsactiviteiten meer operationele risico's met zich meebrengen (complexe systemen, afwikkelingsrisico, potentieel van malafide handelaars) dan retailbankieren. Binnen elke bedrijfstak maakt de SA echter nog steeds geen onderscheid tussen goed gecontroleerde en slecht gecontroleerde instellingen.
Een zware verdeling van de ernst drijft het grote kapitaal ten opzichte van het gemiddelde aan
Frequentie: Poisson(λ=5) modelleert het aantal interne fraudegebeurtenissen per jaar. Ernst: log-normaal met een gemiddelde van $100.000 en σ=1,5 (zeer scheef – de meeste gebeurtenissen zijn klein, maar sommige zijn catastrofaal groot). Monte Carlo-simulatie van 100.000 jaarlijkse aggregaten: een normaal jaar kent 3 à 7 kleine fraudegebeurtenissen ($ 50.000 – $ 150.000 per stuk); maar in de slechtste 0,1% van de jaren levert een combinatie van verschillende grote gebeurtenissen totale verliezen op van $8,5 miljoen. Verwacht jaarlijks verlies = 5 × $100.000 = $500.000. AMA Capital = $8,5 miljoen − $0,5 miljoen = $8,0 miljoen — het onverwachte staartverlies vereist kapitaaldekking. De dikke staart van de log-normaal verklaart waarom operationeel risicokapitaal wordt gedomineerd door zeldzame catastrofale gebeurtenissen.
SMA gebruikt de feitelijke verliesgeschiedenis om kapitaal te schalen via de Internal Loss Multiplier
De Standardized Measurement Approach (SMA) onder Bazel IV maakt gebruik van één enkele bedrijfsindicator: een op inkomsten lijkende maatstaf die rente-inkomsten, provisie-inkomsten en handelsinkomsten combineert. Voor banken met een BI van $750 miljoen tot $3 miljard bedraagt de marginale BI-coëfficiënt ongeveer 0,3%. Vermenigvuldigd met de Internal Loss Multiplier (die gelijk is aan 1,0 voor gemiddelde verlieservaring en stijgingen voor banken met bovengemiddelde historische operationele verliezen): Kapitaal = $800 miljoen × 0,3% × 1,25 = $3,0 miljoen. Banken met hoge verliezen betalen meer kapitaal; Goed gecontroleerde banken betalen minder. Dit is eenvoudiger dan AMA, maar weerspiegelt nog steeds de daadwerkelijke verlieservaring, in tegenstelling tot BIA.
Praktische toepassingen
▾
Bazel III/IV wettelijke minimumkapitaalberekening voor banken, die een belangrijk toepassingsgebied vertegenwoordigt voor de Operational Risk Ama in professionele en analytische contexten waar nauwkeurige operationele risico ama-berekeningen rechtstreeks geïnformeerde besluitvorming, strategische planning en prestatie-optimalisatie ondersteunen
Interne toewijzing van economisch kapitaal voor operationeel risicobeheer, dat een belangrijk toepassingsgebied vertegenwoordigt voor de Operational Risk Ama in professionele en analytische contexten waar nauwkeurige berekeningen van de operationele risico-ama rechtstreeks de geïnformeerde besluitvorming, strategische planning en prestatie-optimalisatie ondersteunen
Maatvoering van verzekeringsprogramma's om de blootstelling aan operationeel risico te compenseren, wat een belangrijk toepassingsgebied vertegenwoordigt voor de Operational Risk Ama in professionele en analytische contexten waar nauwkeurige berekeningen van de operationele risico-ama rechtstreeks de geïnformeerde besluitvorming, strategische planning en prestatie-optimalisatie ondersteunen
Operationele risico-zelfbeoordeling (RCSA) en controle-evaluatie, die een belangrijk toepassingsgebied vertegenwoordigen voor de Operational Risk Ama in professionele en analytische contexten waar nauwkeurige operationele risico-AMA-berekeningen rechtstreeks geïnformeerde besluitvorming, strategische planning en prestatie-optimalisatie ondersteunen
Rapportage door de Raad van Bestuur en toezichthouders over het operationele risicoprofiel en trends, wat een belangrijk toepassingsgebied vertegenwoordigt voor de Operational Risk Ama in professionele en analytische contexten waar nauwkeurige operationele risico ama-berekeningen rechtstreeks geïnformeerde besluitvorming, strategische planning en prestatie-optimalisatie ondersteunen
Bijzondere gevallen
▾
Wanneer de inputwaarden voor operationeel risico nul naderen of negatief worden in de
Wanneer de inputwaarden voor operationeel risico ama nul naderen of negatief worden in de Ama voor operationeel risico, verandert het wiskundig gedrag aanzienlijk. Nulwaarden kunnen fouten bij het delen door nul veroorzaken of triviaal nulresultaten, terwijl negatieve input wiskundig geldige maar praktisch betekenisloze outputs kan opleveren in de context van operationeel risico. Professionele gebruikers moeten valideren dat alle input binnen fysiek of financieel betekenisvolle bereiken valt voordat ze de resultaten interpreteren. Negatieve of nulwaarden duiden vaak op fouten bij het invoeren van gegevens of uitzonderlijke operationele risico's of omstandigheden die een afzonderlijke analytische behandeling vereisen.
In de Operationele Risico Ama vereist dit scenario extra voorzichtigheid bij het interpreteren van de operationele risico Ama-resultaten. Het is mogelijk dat de standaardformule niet volledig rekening houdt met alle factoren die in dit randgeval aanwezig zijn, en aanvullende analyse of raadpleging van deskundigen kan gerechtvaardigd zijn. Professionele beste praktijken omvatten het documenteren van aannames, het uitvoeren van gevoeligheidsanalyses en het vergelijken van resultaten met alternatieve methoden wanneer berekeningen van operationele risico's op niet-standaard terrein vallen.
In de Operationele Risico Ama vereist dit scenario extra voorzichtigheid bij het interpreteren van de operationele risico Ama-resultaten. Het is mogelijk dat de standaardformule niet volledig rekening houdt met alle factoren die in dit randgeval aanwezig zijn, en aanvullende analyse of raadpleging van deskundigen kan gerechtvaardigd zijn. Professionele beste praktijken omvatten het documenteren van aannames, het uitvoeren van gevoeligheidsanalyses en het vergelijken van resultaten met alternatieve methoden wanneer berekeningen van operationele risico's op niet-standaard terrein vallen.
Bazel gestandaardiseerde benadering van bètafactoren per businesslijn
▾
| Zakenlijn | Bèta-factor | Voorbeeldactiviteiten |
|---|---|---|
| Bedrijfsfinanciering | 18% | M&A-advies, acceptatie, gestructureerde financiering |
| Handel en verkoop | 18% | Marktmaking, handel voor eigen rekening, derivaten |
| Retailbankieren | 12% | Persoonlijke leningen, hypotheken, deposito's, creditcards |
| Commercieel bankieren | 15% | Zakelijke leningen, commercieel onroerend goed, factoring |
| Betaling & Afrekening | 18% | Overboekingen, clearing, bewaring |
| Agentschap Diensten | 15% | Bewaarderdiensten, bedrijfstrust, bewaarder |
| Vermogensbeheer | 12% | Fondsbeheer, pensioenfondsen, vermogensbeheer |
| Detailhandelsmakelaardij | 12% | Uitvoering, orderaanname, beleggingsadvies |
Veelgestelde vragen
▾
Wat zijn de zeven typen operationele risicogebeurtenissen in Bazel?
Bazel II/III definieert zeven categorieën van operationele risicogebeurtenissen: (1) Interne fraude – verduistering van activa, belastingontduiking, opzettelijk verkeerd markeren van posities, omkoping door werknemers; (2) Externe fraude — diefstal, vervalsing, hacking, cybercriminaliteit door externe partijen; (3) Arbeidspraktijken en veiligheid op de werkplek – claims voor schadevergoeding van werknemers, discriminatie, georganiseerde arbeidsacties; (4) Klanten, producten en zakelijke praktijken – fiduciaire inbreuken, productdefecten, marktmanipulatie, privacyschendingen, het witwassen van geld; (5) Schade aan fysieke activa — terrorisme, vandalisme, aardbevingen, branden; (6) Bedrijfsonderbrekingen en systeemstoringen — hardwarestoringen, softwarefouten, uitval van nutsvoorzieningen; (7) Uitvoering, levering en procesbeheer: mislukte transacties, fouten bij het invoeren van gegevens, boekhoudfouten, geschillen met leveranciers.
Waarom heeft Bazel IV de AMA geëlimineerd ten gunste van de SMA?
De AMA werd om verschillende redenen geëlimineerd in de definitieve Bazel IV-norm (2017, geïmplementeerd in 2023-2028): (1) Buitensporige variabiliteit in AMA-kapitaal tussen banken die vergelijkbare benaderingen gebruiken maar verschillende interne aannames, waardoor de vergelijkbaarheid wordt ondermijnd; (2) De complexiteit van het model zorgde voor ondoorzichtigheid: toezichthouders konden AMA-modellen tussen instellingen niet gemakkelijk valideren of vergelijken; (3) Sommige banken hebben met modellen gespeeld om de kapitaalvereisten te minimaliseren; (4) De flexibiliteit van de AMA leidde bij sommige implementaties tot procyclische resultaten. De SMA vervangt AMA door een meer gestandaardiseerde formule die nog steeds feitelijke historische verliezen omvat via de Internal Loss Multiplier, waardoor de prikkels voor verliesbeheersing behouden blijven en tegelijkertijd de consistentie en vergelijkbaarheid worden verbeterd.
Wat is de ORX-database en waarom is deze belangrijk voor operationeel risico?
De Operational Riskdata eXchange Association (ORX) onderhoudt 's werelds grootste database met operationele risico's en verzamelt geanonimiseerde gegevens over verliesgebeurtenissen van aangesloten banken over de hele wereld. De aangesloten banken dragen operationele risicoverliezen bij boven een bepaalde drempel (doorgaans $ 20.000), en ontvangen in ruil daarvoor consortiumstatistieken. Externe gegevens van ORX zijn van cruciaal belang voor de ontwikkeling van AMA en interne modellen, omdat individuele banken onvoldoende historische gegevens hebben om de staart van de ernstverdeling voor zeldzame gebeurtenissen met grote impact te schatten – juist de verliezen die de kapitaalvereisten aandrijven. Zonder externe gegevens is het mogelijk dat de tienjarige interne geschiedenis van een instelling geen gebeurtenissen in het 99e-99,9e percentiel bevat, waardoor een staartschatting onmogelijk wordt.
Wat is scenarioanalyse in operationeel risico?
Scenarioanalyse is een toekomstgerichte aanvulling op historische verliesgegevens, vereist onder AMA. Workshops van experts brengen bedrijfsmanagers, risicofunctionarissen en controlefuncties samen om hypothetische maar plausibele scenario's voor operationele risico's te evalueren: een grote cyberaanval, een malafide handelaarsevenement, een boete van de toezichthouder voor verkeerde verkoop, een ramp voor de bedrijfscontinuïteit. Deskundigen schatten de waarschijnlijkheid en ernst van elk scenario in. Scenariogegevens worden in het AMA-model opgenomen, naast historische interne gegevens en externe verliesgegevens. Scenarioanalyse is vooral belangrijk voor het vastleggen van staartrisico's die nog niet zijn waargenomen in de geschiedenis van een bank, maar waarvan bekend is dat ze zich elders in de sector hebben voorgedaan.
Hoe verschilt operationeel risicokapitaal van krediet- en marktrisicokapitaal?
Het krediet- en marktrisicokapitaal wordt toegewezen in verhouding tot het genomen risico: meer kredietblootstelling of meer marktvolatiliteit vereist meer kapitaal. Kapitaal voor operationeel risico is uniek omdat operationeel risico over het algemeen geen bron van rendement is; het is puur een nadeel van fouten in processen, systemen en mensen. Dit creëert verschillende managementprikkels: bij kredietrisico levert het nemen van meer risico meer gespreide inkomsten op; bij operationeel risico levert het nemen van meer risico niets op (niemand wordt beloond voor meer blootstelling aan fraude). Operationeel risicokapitaal is daarom een belasting op de operationele complexiteit en de zwakke controle, en niet zozeer een compensatie voor het nemen van productieve risico's.
Wat is de loss distribution approach (LDA) bij het modelleren van operationeel risico?
De Loss Distribution Approach (LDA) is de primaire AMA-methodologie: voor elke combinatie van bedrijfslijn en gebeurtenistype (de 56 risicocellen) wordt een samengestelde verliesverdeling geconstrueerd door de verliesfrequentie (typisch Poisson-distributie) en de ernst van het verlies (typisch log-normale of gegeneraliseerde Pareto-distributie) afzonderlijk te modelleren. Frequentie en ernst worden gecombineerd met behulp van Monte Carlo-simulatie: trek de frequentie uit de Poisson-verdeling en teken vervolgens zoveel ernstwaarden, opgeteld voor het totale jaarlijkse verlies. Na veel simulaties wordt de totale jaarlijkse verliesverdeling geconstrueerd, en het 99,9e percentiel minus het verwachte verlies is gelijk aan de kapitaalvereiste. Belangrijkste uitdagingen: het aanpassen van ernstverdelingen met dikke staarten aan de hand van beperkte gegevens, het hanteren van de correlatie tussen risicocellen en het valideren van extreme kwantielschattingen.
Wat zijn de belangrijkste controles die het operationele risico en kapitaal verminderen?
Effectieve operationele risicocontroles verminderen zowel de frequentie als de ernst van verliezen: (1) Scheiding van taken — voorkomt fraude of fouten door één persoon; (2) Systeemtoegangscontroles — beperkt wie transacties kan initiëren en goedkeuren; (3) Onafhankelijke bevestiging en afstemming – spoort fouten en manipulatie op; (4) Bedrijfscontinuïteitsplanning — vermindert verliezen als gevolg van systeemstoringen en fysieke rampen; (5) Opleiding en cultuur van werknemers – vermindert onbedoelde fouten en vergroot het ethisch bewustzijn; (6) Verzekering — draagt bepaalde operationele risicoverliezen over aan verzekeraars; (7) Risicobeheer van derden – beheert het risico van uitbesteding van leveranciers. Onder AMA kunnen aantoonbare verbeteringen in de controle de kapitaalschattingen van het interne model direct verlagen, waardoor een directe financiële prikkel ontstaat voor investeringen in operationeel risicobeheer.
Veelgemaakte fouten om te vermijden
▾
- !Inclusief negatieve bruto-inkomensjaren in het BIA-gemiddelde – Bazel vereist het uitsluiten van negatieve jaren om te voorkomen dat het kapitaal tijdens verliesperioden wordt verminderd.
- !Het niet aanvullen van interne verliesgegevens met externe databaseverliezen bij het modelleren van staarternstverdelingen.
- !Het negeren van scenarioanalyses voor risico's die niet in historische gegevens zijn vastgelegd, met name opkomende risico's zoals cyber en klimaat.
- !Kapitaal voor operationeel risico behandelen als louter een oefening in het naleven van de regelgeving en niet als een instrument voor intern risicobeheer.
- !Dubbeltelling van verliezen in risicocategorieën wanneer een gebeurtenis meerdere operationele risico-elementen heeft.
Pro Tip
Onderhoud een gedetailleerde database met operationele risicoverliesgebeurtenissen met verplichte rapportagedrempels (bijvoorbeeld alle gebeurtenissen > $ 10.000). De kwaliteit van de gebeurtenis (oorzaak, bijdragende factoren, reactie) is net zo belangrijk als de omvang van het verlies voor het verbeteren van het risicobeheer en het aantonen van de kwaliteit van de AMA/interne modellen aan toezichthouders.
Wist je dat?
Het grootste operationele risicoverlies in de geschiedenis van het bankwezen wordt algemeen beschouwd als de schikking van 13 miljard dollar die JPMorgan Chase in 2013 betaalde aan het Amerikaanse ministerie van Justitie in verband met door hypotheek gedekte waardepapieren die vóór de financiële crisis van 2008 waren verkocht – een verlies dat werd veroorzaakt door mislukte bedrijfspraktijken die volledig binnen het 'Clients, Products, and Business Practices'-gebeurtenistype van Bazel vielen. Deze schikking alleen al overtreft de totale kapitaalvereisten voor operationeel risico van veel banken, wat illustreert waarom operationeel risico serieus wordt genomen op het hoogste niveau van het bankmanagement.
Regional Guides
▾
🇺🇸 US▾
🇬🇧 UK▾
🇪🇺 EU▾
Referenties
- ›Bazels Comité: Operationeel risico – herzieningen van de eenvoudigere benaderingen (Basel IV SMA, 2014)
- ›Bazels Comité: gezonde praktijken voor het beheer en toezicht op operationeel risico (2011)
- ›Moosa, I.: Operationeel risicobeheer (Palgrave Macmillan, 2007)
- ›ORX (Operational Risk Data Exchange): Jaarlijks rapport over operationele risicoverliezen
Ontvang wekelijkse wiskundetips
Sluit u aan bij 12.000+ abonnees die elke week rekenmachinetips krijgen.