En todas las industrias, el mercado ha impulsado a las organizaciones a lidiar con el manejo de grandes volúmenes de datos y a hacer uso de modelos de análisis complejos que, en general, resultan difíciles de entender, aplicar y probar.
A pesar de esto, los resultados generados por estos modelos han adquirido gran relevancia para la toma de decisiones organizacionales. La modelación de escenarios predictivos, que muestran rangos de posibles impactos en los estados financieros y sus respectivas probabilidades de ocurrencia, es fundamental en numerosos casos para tomar decisiones informadas. Estos escenarios proporcionan información clara, prospectiva y de fácil comprensión para los encargados.
No obstante, la adopción de estos modelos ha planteado desafíos significativos, como la necesidad de contar con conocimientos específicos sobre las metodologías a aplicar, el manejo de grandes volúmenes de datos y la comprensión de los resultados obtenidos. Además, resulta fundamental asegurarse de que el modelo funcione correctamente y produzca resultados adecuados; un aspecto que cobró importancia durante la pandemia, ya que, en muchos casos, los modelos desarrollados tuvieron que ser ajustados o actualizados por completo, debido a que sus resultados no eran coherentes con dicho contexto.
Estas situaciones han dado lugar a un aumento en la supervisión, tanto interna como externa, de los modelos desarrollados, lo que ha llevado a prestar mayor atención sobre el riesgo de modelo, que es «el conjunto de posibles consecuencias adversas derivadas de decisiones basadas en resultados e informes incorrectos de modelos, o de su uso inapropiado», de acuerdo con la definición dada por entidades como la FED (Federal Reserve System) y la OCC (Office of the Comptroller of the Currency)1.
Por su parte, la materialización del riesgo de modelo puede manifestarse desde dos perspectivas importantes: En primer lugar, la construcción inexacta de los modelos puede dar lugar a errores en los cálculos, en los datos o en cualquier otro aspecto que conduzca a resultados incorrectos. En segundo lugar, se encuentra el uso inadecuado de los modelos, que hace referencia a cuando los administradores toman decisiones basándose en los resultados generados por el modelo, a pesar de que este haya sido diseñado para proporcionar información sobre objetivos diferentes. En ambos casos, pueden surgir pérdidas económicas significativas para la organización, incumplimientos regulatorios, sanciones, etc.
Existen estándares internacionales para la gestión del riesgo de modelo (Model Risk Management, MRM, por sus siglas en inglés), los cuales definen aspectos como políticas, procesos, controles y gobernanza necesarios para la identificación, medición, control y mitigación de los riesgos asociados al uso de los modelos.
Algunos ejemplos de marcos de referencia son el Supervisory Guidance on Model Risk Management de la FED y la declaración de supervisión emitida por el Banco de Inglaterra llamada Model risk management principles for banks.
Dentro de la declaración emitida por el Banco de Inglaterra se mencionan cinco principios fundamentales para una implementación efectiva del MRM:
Principio 1: Identificación de modelos y clasificación del riesgo modelo
Este proceso implica llevar a cabo una definición formal de lo que es un modelo, así como crear un inventario exhaustivo de todos los modelos utilizados. Dicho inventario debe incluir información detallada sobre el propósito y el uso de cada modelo, así como sus supuestos y limitaciones, las validaciones realizadas y la gobernanza aplicada al modelo. Es importante clasificar los modelos identificados según su nivel de riesgo, considerando su impacto en la liquidez, el capital, los procesos críticos, entre otros aspectos relevantes. Esto permitirá priorizar las actividades de validación y los controles de riesgo a lo largo de todo el ciclo de vida del modelo.
Principio 2: Gobernanza
Es esencial contar con un sólido y efectivo gobierno que incluya políticas, procedimientos, roles, responsabilidades, supervisión, revisión y capacitación, además de documentación que garantice una gestión eficiente del MRM.
Principio 3: Desarrollo del modelo, implementación y uso
Se deben establecer estándares para el diseño, implementación y uso adecuado de los modelos, enfocándose en aspectos como:
- Elección de parámetros y variables que se alineen con los objetivos del diseño seleccionado.
- Estimaciones de los parámetros.
- Datos utilizados.
- Supuestos del modelo.
- Desempeño del modelo.
Principio 4: Validación independiente del modelo
Es fundamental realizar validaciones periódicas e independientes de los modelos desarrollados, con el fin de obtener una opinión imparcial, objetiva y crítica sobre todo el ciclo de vida del modelo, desde su construcción hasta el uso de los resultados. También es importante hacer un seguimiento continuo del modelo para evaluar su desempeño en comparación con los umbrales establecidos.
Principio 5: Mitigación del riesgo modelo
Se deben establecer mejoras, ajustes, políticas, acciones mitigantes y procedimientos, con respecto a la identificación de un desempeño deficiente de los modelos, incluyendo restricciones y excepciones en su uso. Además del cumplimiento regulatorio, una correcta implementación de un sistema de riesgo de modelo puede brindar beneficios potenciales, tales como:
Mejoras en costos: Se deben analizar los modelos existentes para evaluar su funcionamiento y descartar aquellos que no sean necesarios o que no sean requeridos. Adicionalmente, es importante considerar casos en los que varios modelos tengan el mismo objetivo, lo que resulta en reprocesos. Así mismo, se deben implementar mejoras para aumentar la eficiencia de los modelos existentes, reduciendo el tiempo de ejecución y el tiempo dedicado a corregir errores, entre otras medidas.
Posible disminución en los requerimientos regulatorios de capital: Es fundamental evaluar los riesgos al usar modelos internos. Un sistema de evaluación robusto permitirá que los reguladores aprueben los modelos desarrollados internamente, lo que puede resultar en una disminución, en muchos casos, de los colchones prudenciales establecidos por la regulación y/o colchones conservadores dentro de la organización.
Mayor tranquilidad y transparencia en la toma de decisiones: En muchos casos, los tomadores de decisiones no poseen el conocimiento necesario para evaluar un modelo. Contar con un MRM robusto permite tomar decisiones de manera más efectiva, tranquila y transparente.
El proceso debe comenzar evaluando la situación actual, identificando las acciones necesarias para cumplir con cada uno de los principios establecidos.
Esto implica la identificación de los modelos, el establecimiento de una estructura sólida que respalde este sistema y, posteriormente, la evaluación y mantenimiento del mismo. Si bien el camino puede no ser sencillo para las compañías, los beneficios superan los costos, por lo tanto, es imperativo que las compañías comiencen cuanto antes a recorrerlo.
1 Board of Governors of the Federal Reserve System (2011-12)
