Kalibreren van depositomodellen: Historische data of toekomstgerichte informatie?
Historische data verliest zijn waarde. De vraag rijst op hoe banken dan nog kunnen vertrouwen op toekomstgerichte scenario's om modellen voor zogenoemde ‘non-maturing deposits’ (NMDs) toekomstbestendig te maken?
In een poging om de hoge inflatieniveaus van de afgelopen jaren te bestrijden kondigde de Europese Centrale Bank de ene na de andere renteverhoging aan.
Deze verhogingen veroorzaakten onrust op de financiële markten en dwongen banken om de prijzen van hun producten aan te passen aan de nieuwe marktomstandigheden. Deze ontwikkelingen hebben geleid tot meerdere uitdagingen bij het modelleren van NMDs.
Hoewel nauwkeurige en robuuste modellen voor NMD’s nu belangrijker zijn dan ooit, bestaan deze modellen doorgaans uit verschillende bouwstenen, die samen een zo volledig mogelijk beeld geven van het verwachte gedrag van de portefeuille.
Eén van deze bouwstenen is de kalibratieaanpak voor het parametriseren van de relevante modelelementen. En precies daarop ligt in dit artikel van Bas van Oers (Manager bij Zanders) de focus.
Een van de belangrijkste uitdagingen waar de makers van risicomodellen momenteel mee te maken krijgen, is het definiëren van het verwachte ‘repricing profiel’ van NMDs. Dit profiel is cruciaal voor een goed risicobeheer van de portefeuille. Daarnaast moeten banken hun modelleringskeuzes en de bijbehorende parametrisering onderbouwen, zowel intern als extern (waaronder toezichthouders).
Traditioneel gezien gebruiken banken historisch waargenomen relaties tussen gedragscomponenten van deposito’s en hun drijfveren voor de parametrisering. Door de significante veranderingen in marktomstandigheden heeft historische data zijn voorspellende kracht (deels) verloren.
Als alternatief overwegen veel banken nu het gebruik van toekomstgerichte scenarioanalyses, ter vervanging van of als aanvulling op historische data.
Het probleem met historische data
In veel Europese markten is de mate waarin depositorentes van klanten marktontwikkelingen volgen (het zogenoemde repricing) in de afgelopen tien jaar afgenomen. Repricing nam aanvankelijk af omdat banken terughoudend waren om rentes onder nul verder te verlagen. Tegenwoordig zien we nog steeds een trager tempo, omdat renteverhogingen niet direct worden doorberekend in depositorentes.
De lange periode van lage en zelfs negatieve rentes zorgt voor een vertekening in de historische data die beschikbaar is voor kalibratie, waardoor deze informatie minder representatief wordt. Dit geldt vooral omdat de historische data niet alle fasen van de economische cyclus omvatten. Aan de andere kant bevat de historische data nog steeds waardevolle informatie over klant- en pricinggedrag, waardoor het volledig negeren van deze waarnemingen ook niet verstandig lijkt.
Om deze problemen aan te pakken, zouden risico- en ALM-managers moeten analyseren in hoeverre het historische ‘repricing-gedrag’ nog representatief is voor de komende jaren en of het nog in lijn is met de huidige prijsstrategie van de bank.
Het kan nuttig zijn voor banken om modelvoorspellingen te toetsen aan verwachtingen die voortkomen uit economische logica. Gezien de strategische relevantie van dit onderwerp en de impact van de portefeuille op de totale balans, is het senior management van de bank doorgaans nauw betrokken bij dit proces.
Modellen verbeteren met behulp van toekomstgerichte informatie
Gezond verstand en begrip van de dynamiek van depositomodellen vormen een integraal onderdeel van het modelleringsproces. Best practices in depositomodellering omvatten het opstellen van een uitgebreide set mogelijke (rente)scenario’s voor de toekomst.
Om een juiste weergave van alle mogelijke toekomstige marktontwikkelingen te creëren, moeten zowel neerwaartse als opwaartse scenario’s worden meegenomen.
De helling van de rentescenario’s kan worden aangepast om geleidelijke veranderingen in de tijd weer te geven, of plotselinge steilheid of afvlakking van de curve. Prijsdeskundigen moeten worden geraadpleegd om de verwachte ontwikkelingen van depositorentes over de tijd te bepalen voor elk van de rentescenario’s.
Parameters voor het depositomodel moeten zodanig worden gekozen dat de schattingen gemiddeld de beste aansluiting bieden op de scenarioanalyse.
Bij het doorlopen van dit proces, dienen organisaties zich ervan bewust te zijn dat de effecten van het raadplegen van prijsdeskundigen beide kanten op werken.
Risk- en ALM-managers zullen depositomodellen verbeteren door gebruik te maken van toekomstgerichte zakelijke inzichten, terwijl het begrip van de markt binnen de organisatie zal verbeteren door de modelvoorspellingen.
Meer weten? Klik hier voor meer informatie.
