Vad är Operational Risk Calculator?
▾
Operativ risk definieras enligt Basel II/III som risken för förlust till följd av otillräckliga eller misslyckade interna processer, människor och system, eller från externa händelser. Denna definition inkluderar juridisk risk men utesluter uttryckligen strategiska risker och ryktesrisker. Operativ risk är den tredje stora riskkategorin inom bankverksamhet vid sidan av kreditrisk och marknadsrisk, och har vuxit i betydelse efter högprofilerade förluster från oseriös handel (Barings Bank 1995, Société Générale 2008), systemfel, cyberattacker, bedrägerier och brister i regelefterlevnad. Operativa riskförluster kan vara enorma och plötsliga: Barings Bank förlorade 1,3 miljarder dollar från Nick Leesons otillåtna terminshandel; Société Générale förlorade 4,9 miljarder euro på Jérôme Kerviels skurkhandel; JPMorgan Chase förlorade 6,2 miljarder dollar i London Whale-derivatskandalen 2012. Till skillnad från marknadsrisk och kreditrisk ger operativ risk ingen förväntad avkastning i utbyte mot att man tar risken — det är en ren baksida som måste kontrolleras och minimeras. Basel II införde tre metoder för beräkning av operativt riskkapital, bibehållna med förfining i Basel III. Basic Indicator Approach (BIA) är den enklaste: kapital = 15 % av den genomsnittliga årliga bruttoinkomsten under de senaste 3 åren. Standardiserade tillvägagångssätt (SA) delar upp verksamheten i åtta affärsområden med olika kapitalfaktorer (12–18 %). Advanced Measurement Approach (AMA) tillåter banker att använda interna modeller som innehåller interna förlustdata, externa förlustdata, scenarioanalys och affärsmiljöfaktorer (BEF) för att uppskatta operativ risk vid 99,9:e percentilen – i överensstämmelse med Basels övergripande 99,9 % konfidensnivå för lagstadgat kapital. AMA-modellstrukturen använder en Loss Distribution Approach (LDA): för varje kombination av operativ riskhändelsetyp (7 kategorier från Basel) och affärsområde modellerar bankerna frekvensfördelningen (hur ofta förluster uppstår) och svårighetsgradsfördelningen (hur stor varje förlust är). Att kombinera frekvens och svårighetsgrad (vanligtvis genom Monte Carlo-simulering) ger en sammansatt förlustfördelning, och 99,9:e percentilen minus förväntad förlust ger kapitalkravet. Basel IV (slutförd 2017, implementerad till och med 2023–2028) ersatte AMA med Standardized Measurement Approach (SMA), som eliminerar interna modeller för lagstadgat kapital men behåller dem för intern förvaltning. SMA-kapital = Affärsindikator × Marginalkoefficient × Förlustmultiplikator (baserat på faktiska förluster).
Calkulon makes complex calculations simple — built for students and everyday problem-solvers.
Formel
▾
BIA: Kapital = α × Medel(GI_1, GI_2, GI_3) där α=15 %
SA: Kapital = Σ β_i × GI_i (per affärsområde)
AMA/LDA: Kapital = VaR₉₉.₉%(Aggregerade årliga förluster) − E[årliga förluster]
SMA (Basel IV): Kapital = BI-komponent × förlustmultiplikatorVariabelbeskrivning
▾
| Symbol | Namn | Enhet | Beskrivning |
|---|---|---|---|
| GI | Bruttoinkomst | USD/år | Räntenetto plus räntenetto (bankens totala intäkter); underlag för BIA och SA kapitalberäkningar. |
| α | BIA Capital Factor | % | 15 % schablonbelopp enligt Basic Indicator Approach; tillämpas på genomsnittlig 3-årig bruttoinkomst för att fastställa kapitalkravet. |
| β_i | Affärslinje betafaktor | % | Standardmetoden kapitalfaktor per affärsområde: varierar från 12 % (detaljhandelsmäkleri, tillgångsförvaltning) till 18 % (handel, betalningar). |
| OR_EC | Operationell risk ekonomiskt kapital | USD | AMA/intern modelluppskattning av operativt riskkapital: 99,9:e percentilen aggregerad årlig förlust minus förväntad förlust. |
| BI | Affärsindikator (SMA) | USD | Summan av räntekomponent, tjänstekomponent och finansiell komponent — Basel IV SMA-storleksproxy för operativ risk. |
Hur man Operational Risk Calculator
▾
- 1Bestäm det tillämpliga tillvägagångssättet: BIA för små banker eller de i tidig utveckling av ramverk för operativa risker; SA för banker med distinkta affärsområden; AMA (eller SMA under Basel IV) för sofistikerade stora institutioner.
- 2För BIA: Genomsnittlig bruttoinkomst under de senaste 3 åren (exklusive negativa år); multiplicera med 15 %.
- 3För SA: Kartlägga all verksamhet till 8 Basel affärslinjer; tillämpa respektive betafaktor (12–18 %) på varje linjes bruttoinkomst; belopp.
- 4För AMA/LDA: samla in data om interna förlusthändelser (frekvens och svårighetsgrad per händelsetyp); komplettera med externa förlustdata (ORX-databas, publik förlustdatabas); utveckla frekvens (Poisson) och svårighetsgrad (log-normal, generaliserad Pareto) distributioner för varje riskkategori.
- 5Kombinera frekvens och svårighetsgrad genom Monte Carlo-simulering för att generera den sammanlagda förlustfördelningen för varje riskkategori.
- 6Tillämpa copulas för modellkorrelationer mellan riskkategorier (regulatorer tillåter vanligtvis diversifieringsfördelar men kräver bevis).
- 7Kapital = Sammanlagd förlust vid 99,9:e percentilen minus förväntad förlust. Lägg till kapital för scenarier som är allvarliga men inte väl fångad av historiska data.
Lösta exempel
▾
BIA är trubbig men enkel — samma 15 % oavsett riskprofil
Genomsnittlig 3-årig GI = (50 miljoner USD + 55 miljoner USD + 60 miljoner USD) / 3 = 55 miljoner USD. BIA-kapital = 15 % × 55 MUSD = 8,25 MUSD. Detta är enkelt att beräkna men notoriskt osofistikerat – det behandlar alla banker med samma bruttoinkomst som att de har identisk operativ risk oavsett faktisk riskhanteringskvalitet, kontrollmiljö eller affärskomplexitet. Små gemenskapsbanker med enkla, välkontrollerade verksamheter kan tycka att BIA är alltför konservativt; stora komplexa institut med många potentiella operativa riskvektorer kan finna det otillräckligt.
Handelslinje har högsta kapitalränta (18%) på grund av operationell komplexitet
Bankverksamhet: 200 miljoner USD × 12 % = 24 miljoner USD. Kommersiella banktjänster: 150 miljoner USD × 15 % = 22,5 miljoner USD. Handel och försäljning: 100 miljoner USD × 18 % = 18 miljoner USD. Kapitalförvaltning: 50 miljoner USD × 12 % = 6 miljoner USD. Totalt SA-kapital = 70,5 miljoner USD. SA skiljer på beta av affärsområde, och inser att handelsverksamhet medför mer operativ risk (komplexa system, avvecklingsrisk, oseriösa handlare) än bankverksamhet. Men inom varje affärsområde skiljer SA fortfarande inte mellan välkontrollerade och dåligt kontrollerade institutioner.
Den tunga svansfördelningen driver stort kapital i förhållande till medelvärdet
Frekvens: Poisson(λ=5) modeller # av interna bedrägerihändelser per år. Allvarlighet: log-normal med medelvärde $100K och σ=1,5 (mycket skevt — de flesta händelser är små men vissa är katastrofalt stora). Monte Carlo-simulering av 100 000 årliga aggregat: typiskt år har 3–7 små bedrägerihändelser ($50 000–150 000 $ vardera); men under de värsta 0,1 % av åren ger en kombination av flera stora händelser sammanlagda förluster på 8,5 miljoner USD. Förväntad årlig förlust = 5 × 100 000 USD = 500 000 USD. AMA Capital = $8,5 miljoner − $0,5 miljoner = $8,0 miljoner — den oväntade svansförlusten kräver kapitaltäckning. Lognormalens feta svans förklarar varför operativt riskkapital domineras av sällsynta katastrofala händelser.
SMA använder faktisk förlusthistorik för att skala kapital via den interna förlustmultiplikatorn
Standardized Measurement Approach (SMA) under Basel IV använder en enda affärsindikator – ett intäktsliknande mått som kombinerar ränteintäkter, avgiftsintäkter och handelsintäkter. För banker med BI på $750M–$3B är den marginella BI-koefficienten cirka 0,3%. Multiplicerat med den interna förlustmultiplikatorn (som motsvarar 1,0 för genomsnittlig förlustupplevelse och ökningar för banker med historiska operativa förluster över genomsnittet): Kapital = 800 miljoner USD × 0,3 % × 1,25 = 3,0 miljoner USD. Banker med höga förluster betalar mer kapital; välkontrollerade banker betalar mindre. Detta är enklare än AMA men återspeglar fortfarande faktisk förlustupplevelse, till skillnad från BIA.
Praktiska tillämpningar
▾
Basel III/IV regulatorisk minimikapitalberäkning för banker, som representerar ett viktigt tillämpningsområde för Operational Risk Ama i professionella och analytiska sammanhang där korrekta operationella risk ama-beräkningar direkt stöder informerat beslutsfattande, strategisk planering och prestationsoptimering
Intern ekonomisk kapitalallokering för hantering av operativa risker, som representerar ett viktigt tillämpningsområde för Operational Risk Ama i professionella och analytiska sammanhang där korrekta operativa risk ama-beräkningar direkt stöder informerat beslutsfattande, strategisk planering och prestationsoptimering
Dimensionering av försäkringsprogram för att kompensera exponering för operativ risk, som representerar ett viktigt tillämpningsområde för Operational Risk Ama i professionella och analytiska sammanhang där korrekta operativa risk ama-beräkningar direkt stöder informerat beslutsfattande, strategisk planering och prestationsoptimering
Självutvärdering av operativa risker (RCSA) och kontrollutvärdering, representerar ett viktigt tillämpningsområde för Operational Risk Ama i professionella och analytiska sammanhang där korrekta operativa risk ama-beräkningar direkt stöder informerat beslutsfattande, strategisk planering och prestationsoptimering
Styrelse- och myndighetsrapportering om operativ riskprofil och trender, som representerar ett viktigt tillämpningsområde för Operational Risk Ama i professionella och analytiska sammanhang där korrekta operativa risk-ama-beräkningar direkt stöder informerat beslutsfattande, strategisk planering och prestationsoptimering
Specialfall
▾
När operativ risk ama ingångsvärden närmar sig noll eller blir negativa i
När ingångsvärden för operationell risk ama närmar sig noll eller blir negativ i operationell risk ama ändras det matematiska beteendet avsevärt. Nollvärden kan orsaka division-för-noll-fel eller trivialt nollresultat, medan negativa indata kan ge matematiskt giltiga men praktiskt taget meningslösa utdata i operativa risk-sammanhang. Professionella användare bör validera att alla indata faller inom fysiskt eller ekonomiskt meningsfulla intervall innan resultaten tolkas. Negativa eller nollvärden indikerar ofta datainmatningsfel eller exceptionella operativa risker och omständigheter som kräver separat analytisk behandling.
I Ama för operationell risk kräver detta scenario ytterligare försiktighet vid tolkning av resultat för operationell risk. Standardformeln kanske inte fullt ut tar hänsyn till alla faktorer som finns i detta kantfall, och kompletterande analys eller expertkonsultation kan vara motiverad. Professionell bästa praxis innebär att dokumentera antaganden, köra känslighetsanalyser och korsreferensera resultat med alternativa metoder när operativa risker och beräkningar faller inom icke-standardiserat territorium.
I Ama för operationell risk kräver detta scenario ytterligare försiktighet vid tolkning av resultat för operationell risk. Standardformeln kanske inte fullt ut tar hänsyn till alla faktorer som finns i detta kantfall, och kompletterande analys eller expertkonsultation kan vara motiverad. Professionell bästa praxis innebär att dokumentera antaganden, köra känslighetsanalyser och korsreferensera resultat med alternativa metoder när operativa risker och beräkningar faller inom icke-standardiserat territorium.
Basel Standardized Approach Beta Factors per affärsområde
▾
| Affärslinje | Betafaktor | Exempel på aktiviteter |
|---|---|---|
| Företagsekonomi | 18 % | M&A rådgivning, underwriting, strukturerad ekonomi |
| Handel & försäljning | 18 % | Market making, egen handel, derivat |
| Retail Banking | 12 % | Personlig utlåning, bolån, inlåning, kreditkort |
| Kommersiell bankverksamhet | 15 % | Företagslån, kommersiella fastigheter, factoring |
| Betalning & Avräkning | 18 % | Banköverföringar, clearing, vårdnad |
| Agenturtjänster | 15 % | Depåtjänster, företagsförtroende, förvaringsinstitut |
| Asset Management | 12 % | Fondförvaltning, pensionsfonder, förmögenhetsförvaltning |
| Detaljhandelsmäklare | 12 % | Utförande, ordertagning, investeringsrådgivning |
Vanliga frågor
▾
Vilka är de sju typerna av operativa riskhändelser i Basel?
Basel II/III definierar 7 kategorier av operativa riskhändelser: (1) Internt bedrägeri — förskingring av tillgångar, skatteflykt, avsiktlig felmärkning av positioner, mutor av anställda; (2) Externt bedrägeri — stöld, förfalskning, hackning, cyberbrottslighet av externa parter; (3) Sysselsättningspraxis och säkerhet på arbetsplatsen — ersättningskrav för arbetstagare, diskriminering, organiserade arbetsinsatser; (4) Kunder, produkter och affärspraxis — förtroendeintrång, produktdefekter, marknadsmanipulation, kränkningar av integritet, penningtvätt; (5) Skador på fysiska tillgångar — terrorism, vandalism, jordbävningar, bränder; (6) Affärsavbrott och systemfel — maskinvarufel, programvarufel, avbrott i verktyget; (7) Utförande, leverans och processhantering – misslyckade transaktioner, datainmatningsfel, redovisningsfel, leverantörstvister.
Varför tog Basel IV bort AMA till förmån för SMA?
AMA eliminerades i Basel IV slutliga standard (2017, implementering 2023–2028) av flera skäl: (1) Överdriven variation i AMA-kapital mellan banker som använder liknande tillvägagångssätt men olika interna antaganden, vilket undergräver jämförbarheten; (2) Modellkomplexitet skapade opacitet — tillsynsmyndigheter kunde inte enkelt validera eller jämföra AMA-modeller mellan institutioner; (3) Vissa banker spelade modeller för att minimera kapitalkraven; (4) AMA:s flexibilitet ledde till procykliska resultat i vissa implementeringar. SMA ersätter AMA med en mer standardiserad formel som fortfarande innehåller faktiska historiska förluster genom den interna förlustmultiplikatorn, vilket bibehåller incitament för förlustkontroll samtidigt som konsekvens och jämförbarhet förbättras.
Vad är ORX-databasen och varför är den viktig för operativ risk?
Operational Riskdata eXchange Association (ORX) upprätthåller världens största databas för operativa riskförluster och samlar in anonymiserade data om förlusthändelser från medlemsbanker över hela världen. Medlemsbankerna bidrar med operativa riskförluster över en angiven tröskel (vanligtvis 20 000 USD) och får konsortiumstatistik i gengäld. Extern data från ORX är avgörande för AMA och intern modellutveckling eftersom enskilda banker inte har tillräckliga historiska data för att uppskatta svansen av svårighetsfördelningen för sällsynta händelser med stor inverkan – själva förlusterna som driver kapitalkraven. Utan extern data kan en institutions 10-åriga interna historia inte innehålla några händelser i 99:e–99,9:e percentilen, vilket gör svansuppskattning omöjlig.
Vad är scenarioanalys i operativ risk?
Scenarioanalys är ett framåtblickande komplement till historiska förlustdata, som krävs enligt AMA. Expertworkshopar samlar företagschefer, riskansvariga och kontrollfunktioner för att utvärdera hypotetiska men rimliga operativa riskscenarier: en stor cyberattack, en oseriös handlarevent, böter för felförsäljning, en affärskontinuitetskatastrof. Experter uppskattar sannolikheten och svårighetsgraden för varje scenario. Scenariodata ingår i AMA-modellen tillsammans med historiska interna data och externa förlustdata. Scenarioanalys är särskilt viktig för att fånga upp svansrisker som ännu inte observerats i en banks historia men som är kända för att ha inträffat någon annanstans i branschen.
Hur skiljer sig operativt riskkapital från kredit- och marknadsriskkapital?
Kredit- och marknadsriskkapital allokeras i proportion till den risk som tas: mer kreditexponering eller mer marknadsvolatilitet kräver mer kapital. Operativt riskkapital är unikt eftersom operativ risk i allmänhet inte är en källa till avkastning – det är en ren baksida från fel i processer, system och människor. Detta skapar olika incitament för ledningen: i kreditrisk ger mer risk mer spridd inkomst; i operativ risk tjänar inte mer risker (ingen belönas för att ha mer exponering för bedrägerier). Operativt riskkapital är därför en skatt på operationell komplexitet och kontrollsvaghet, snarare än kompensation för produktivt risktagande.
Vad är förlustfördelningsmetoden (LDA) i modellering av operationell risk?
Loss Distribution Approach (LDA) är den primära AMA-metoden: för varje kombination av affärsområde och händelsetyp (de 56 riskcellerna) konstrueras en sammansatt förlustfördelning genom att separat modellera förlustfrekvensen (typiskt Poisson-fördelning) och förlustens svårighetsgrad (typiskt log-normal eller generaliserad Pareto-fördelning). Frekvens och svårighetsgrad kombineras med Monte Carlo-simulering: dra frekvensen från Poisson-fördelningen, dra sedan så många svårighetsvärden, summan för den sammanlagda årliga förlusten. Efter många simuleringar konstrueras den aggregerade årliga förlustfördelningen, och 99,9:e percentilen minus förväntad förlust är lika med kapitalkravet. Nyckelutmaningar: anpassa fettsvansfördelningar med begränsade data, hantera korrelation mellan riskceller och validera extrema kvantiluppskattningar.
Vilka är nyckelkontroller som minskar operativ risk och kapital?
Effektiva kontroller av operativa risker minskar både förlustfrekvensen och svårighetsgraden: (1) Uppdelning av arbetsuppgifter — förhindrar bedrägeri eller fel från enskild person; (2) Systemåtkomstkontroller – begränsar vem som kan initiera och godkänna transaktioner; (3) Oberoende bekräftelse och avstämning — fångar upp fel och manipulation; (4) Affärskontinuitetsplanering — minskar förluster från systemfel och fysiska katastrofer; (5) Personalutbildning och kultur – minskar oavsiktliga fel och bygger upp etiskt medvetande; (6) Försäkring — överför vissa operativa riskförluster till försäkringsgivare. (7) Tredjepartsriskhantering – kontrollerar risken för outsourcing av leverantörer. Under AMA kan påvisbara kontrollförbättringar direkt minska interna modellkapitaluppskattningar, vilket skapar ett direkt ekonomiskt incitament för investeringar i operativ riskhantering.
Vanliga misstag att undvika
▾
- !Inkludera negativa bruttoinkomstår i BIA-genomsnittet — Basel kräver att negativa år exkluderas för att undvika kapitalminskning under förlustperioder.
- !Misslyckas med att komplettera interna förlustdata med externa databasförluster vid modellering av svansfördelningar.
- !Ignorera scenarioanalys för risker som inte fångats i historiska data – särskilt framväxande risker som cyber och klimat.
- !Behandling av operativt riskkapital som enbart en regelefterlevnadsövning snarare än ett internt riskhanteringsverktyg.
- !Dubbelräkning av förluster över riskkategorier när en händelse har flera operativa riskelement.
Proffstips
Upprätthålla en detaljerad databas för operativa riskförlusthändelser med obligatoriska rapporteringsgränser (t.ex. alla händelser >10 000 USD). Händelsekvalitet (grundorsak, bidragande faktorer, respons) är lika viktig som förlustbeloppet för att förbättra riskhanteringen och visa AMA/intern modellkvalitet för tillsynsmyndigheter.
Visste du?
Den största enskilda operativa riskförlusten i bankhistorien anses allmänt vara den uppgörelse på 13 miljarder USD som JPMorgan Chase betalade till det amerikanska justitiedepartementet 2013, relaterad till inteckningssäkrade värdepapper som såldes före finanskrisen 2008 – en förlust som drivs av misslyckanden i affärspraxis som helt och hållet faller inom Basels händelsetyp 'Clients, Products' och affärsverksamhet. Enbart denna uppgörelse överstiger många bankers totala kapitalkrav för operativ risk, vilket illustrerar varför operativ risk tas på allvar på de högsta nivåerna av bankledning.
Regional Guides
▾
🇺🇸 US▾
🇬🇧 UK▾
🇪🇺 EU▾
Referenser
- ›Baselkommittén: Operativ risk — Revisions to the Simpler Approaches (Basel IV SMA, 2014)
- ›Baselkommittén: sund praxis för hantering och övervakning av operativa risker (2011)
- ›Moosa, I.: Operationell riskhantering (Palgrave Macmillan, 2007)
- ›ORX (Operational Risk Data Exchange): Årlig rapport för operativa riskförluster
Få mattetips varje vecka
Gå med 12 000+ prenumeranter som får räknartips varje vecka.