Sök i Ratio Lex

EU-rätt · Förordning · CELEX 32018R0959

Artikel 31 i förordning (EU) 2018/959

Identifiering av förlustfördelningar

Ur Kommissionens delegerade förordning (EU) 2018/959 av den 14 mars 2018 om komplettering av Europaparlamentets och rådets förordning (EU) nr 575/2013 vad gäller tekniska tillsynsstandarder för specificeringen av de metoder som de behöriga myndigheterna använder för att bedöma om institut ska tillåtas att använda internmätningsmetoder för operativ risk (Text av betydelse för EES).

EU-rätten

Artikelns text

För att bedöma om ett institut har ett lämpligt förfarande för att identifiera fördelningar för förlusters frekvens och omfattning, enligt vad som avses i artikel 28 d, ska de behöriga myndigheterna minst bekräfta följande:

a) Att institutet följer ett förfarande som är väl dokumenterat och medger spårbarhet för val, uppdatering och översyn av förlustfördelningar och skattning av deras parametrar.

b) Att förfarandet för att välja förlustfördelningar leder till att institutet gör konsekventa och tydliga val, att det på ett korrekt sätt fångar in riskprofilen i svansen och att det innehåller minst följande komponenter:

i) En process där man med hjälp av statistiska verktyg, inklusive grafer, centralmått, variation, skevhet och leptokurtosis, undersöker beräkningsdatamängden för varje kategori av operativ risk, i syfte att bättre förstå datans statistiska profil och välja den lämpligaste fördelningen.

ii) Lämpliga metoder för att skatta fördelningens parametrar.

iii) Lämpliga diagnostiska verktyg för att utvärdera datas fördelning, där fördelningar med större känslighet i svansen ges företräde.

c) Att institutet, när det väljer en förlustfördelning, noggrant tar hänsyn till positiv skevhet och leptokurtosis i datan.

d) Att institutet, om spridningen av data är stor i svansen, inte använder empiriska kurvor för att skatta svansen, utan i stället subexponentiella fördelningar där svansen avtar långsammare än i exponentiella fördelningar, om det inte finns särskilda skäl för att använda andra funktioner, som i vilket fall måste vara korrekt hanterade och fullt ut motiverade så att otillbörlig minskning av kapitalbaskravet enligt internmätningsmetoden förhindras.

e) Att institutet – om separata förlustfördelningar används för fördelningens centralområde och svans – noggrant beaktar valet av modellgränsvärde som delar fördelningens svans från dess centralområde.

f) Att dokumenterat statistiskt underlag, vid behov kompletterat med kvalitativ information, föreligger för det valda modellgränsvärdet som delar fördelningens svans från dess centralområde.

g) Att institutet när det skattar fördelningarnas parametrar antingen ser till att modellen återspeglar beräkningsdatamängdens ofullständighet som beror på att man använt ett minimitröskelvärde i modellen, eller att det kan motivera användningen av en ofullständig beräkningsdatamängd eftersom detta inte på ett negativt sätt påverkar riktigheten av parameterskattningarna och kapitalbaskraven enligt internmätningsmetoden.

h) Att institutet har metoder för att minska variationen i skattningarna av parametrarna och mått för att mäta felet kring dessa skattningar, inklusive konfidensintervall och p-värden.

i) Att institutet – om det fastställer robusta estimatorer i form av generaliseringar av klassiska estimatorer, som har goda statistiska egenskaper inklusive hög effektivitet och lågt systematiskt fel, för en hel omgivning av den okända underliggande datafördelningen – kan visa att användningen av dessa estimatorer inte underskattar risken i förlustfördelningarnas svans.

j) Att institutet bedömer anpassningsgraden mellan datan och den valda fördelningen genom användning av både grafiska och kvantitativa diagnostiska verktyg, där känsligheten är större för svansen än för centralområdet, särskilt om spridningen av data är stor i svansen.

k) Att institutet vid behov – bland annat om de diagnostiska verktygen inte leder till tydliga val av den bäst anpassade fördelningen eller för att dämpa effekterna av urvalets storlek och antalet skattade parametrar i anpassningstesten – använder utvärderingsmetoder som jämför de olika förlustfördelningarnas prediktionsförmåga, inklusive likelihood-kvoten, AIC-kriteriet (Akaikes informationskriterium) och BIC-kriteriet (Schwarz bayesianska informationskriterium).

l) Att institutet har en regelbunden process för att kontrollera antagandena för de valda förlustfördelningarna och att det, om antagandena befinns ogiltiga, inklusive när de genererar värden som ligger utanför fastställda intervall, har testat alternativa metoder och att det på korrekt sätt klassificerat ändringar av antagandena, i enlighet med kommissionens delegerade förordning (EU) nr 529/2014 (5).

Artikeln i rättsakten