Modelos causais no cálculo de capital para risco operacional: investigação do uso de redes neurais artificiais como modelo avançado de mensuração de capital

Abstract

A gestão e a mensuração do risco operacional é uma preocupação crescente da comunidade bancária, de modo que a escolha adequada do modelo de alocação de capital para risco operacional pode tornar-se um diferencial competitivo. Este trabalho apresenta as vantagens da adoção de modelos causais para a gestão e mensuração do risco operacional e, ao investigar a aplicação de Redes Neurais Artificiais para tal propósito, comprova que o modelo causal chega a valores de capital mais alinhados à exposição ao risco da instituição financeira. Além disso, há a vantagem de que, quanto mais sensível a risco a metodologia de cálculo de capital for, maior será o incentivo para uma gestão apropriada dos riscos no dia-a-dia da instituição financeira, o que não apenas reduz sua necessidade de alocação de capital, quanto diminui suas perdas esperadas. Os resultados, portanto, são positivos e motivam estudos futuros sobre o tema.

The operational risk management and measurement is an increasing concern throughout the community of financial institutions. The adequate choice of the operational risk capital calculation model can become a competitive differential. This study presents the advantages of adopting causal models for operational risk management and measuring. The investigation of the Artificial Neural Networks application for this purpose shows that the causal model results in capital amounts more aligned to the financial institution’s risk exposure. Furthermore, there is the advantage that, as more risk sensible the capital calculation methodology is, higher will be the incentive for an appropriate risk management in the day-today institution’s business. This not only reduces the needs for capital allocation, but also decreases the expected losses. Therefore, the results are positive and encourage future researches about this subject.