Adaptation of bank’s X risk management model to the new basel capital accord using algorithm based on paired comparison

LTBankai susiduria su daugeliu rizikų, iš kurių svarbiausios yra kredito, rinkos, veiklos ir likvidumo. Vystantis šiuolaikinėms bankininkystės technologijoms, iškyla naujos rizikos. Statistiniai rizikos valdymo metodai, sujungti su kitais valdymo metodais, duoda gerus rezultatus ir tampa vis populiaresni ir plačiai naudojami. Komerciniai bankai sutinka naujus rizikos valdymo iššūkius pritaikydami savo rizikos valdymo sistemas pagal Kapitalo apskaičiavimo ir kapitalo standartų tarptautinės konvergencijos, arba Bazelis II, reikalavimus. Baselis II siūlo alternatyvius rizikos valdymo įrankius, pradedant paprastu rizikos įvertinimu, baigiant pažangiais statistiniais duomenimis pagrįstais metodais. Bankai turi pasirinkti optimalius rizikos valdymo metodus ir juos įdiegti. Vienas iš metodų, kaip pasirinkti alternatyvą, yra nagrinėjamas šiame straipsnyje. Autoriai plėtoja algoritmą, kuris pagrįstas alternatyvių metodų atitikimu skirtingo svorio kriterijams, kurie nustatomi porinio palyginimo metodu. Taikant šį algoritmą adaptuojant rizikos valdymo modelį prie Baselis II reikalavimų mažame Lietuvos banke X, paaiškėjo, kad statistiniais duomenimis pagrįsti rizikos valdymo įrankiai gali būti panaudoti gerinant banko rizikos valdymą, tačiau tik kombinuojant juos su kitais rizikos valdymo metodais ir tik jei rizika yra tokia reikšminga, kad šių metodų pritaikymo nauda būtų didesnė negu įdiegimo ir panaudojimo kaštai.Reikšminiai žodžiai: Bazelis II; Rizika; Bankų valdymas; Komerciniai bankai; Kapitalas; Susitarimai.

ENCommercial banks face new challenges in risk management as they adapt their risk management systems to the New Basel Capital Record, or Basel II. Basel II offers choice of alternative risk management tools, ranging from simple risk weight approaches to advanced statistical data based approaches. Banks have to choose optimal for them risk management methods and implement them. One method for choosing the alternatives is studied in this paper. Authors develop an algorithm, which is based on comparing compliance of alternative methods with criteria that have different weights that are determined by paired comparison method. Applying this algorithm to adapt risk management model of small Lithuanian bank X to Basel II showed that statistical data based risk management tools can be used to improve bank's risk management, but in combination with other risk management methods and only if the risk is significant so that the benefits from adapting them would be higher than the cost of adoption and usage. [From the publication]