FRTB Datenmanagement

Der Real-Price-Observation-Test (RPO-Test) prüft, ob für einen Risikofaktor innerhalb der letzten 12 Monate mindestens 24 tatsächliche Marktpreise vorliegen. Nur Risikofaktoren, die diesen Test bestehen, gelten unter FRTB als modellierbar und dürfen im Internal Models Approach (IMA) mit Expected-Shortfall-Modellen berechnet werden. Nicht modellierbare Risikofaktoren (NMRFs) erhalten einen separaten, deutlich höheren Kapitalzuschlag. Deshalb ist eine systematische Marktdatenbeschaffung, die gezielt RPO-Lücken schließt, der wirksamste Hebel zur Senkung der FRTB-Kapitalanforderungen.

FRTB verlangt umfassende Marktdaten in drei Kategorien: Erstens historische Zeitreihen mit mindestens 10 Jahren Datenhistorie für die Expected-Shortfall-Berechnung, einschließlich Stressphasen. Zweitens Echtzeit- oder Tagesend-Marktdaten für laufende Risikomessung und P&L-Attribution. Drittens Real Price Observations für den Modellierbarkeitstest jedes einzelnen Risikofaktors. Dazu kommen vollständige Zinskurven, Volatilitätsoberflächen, Credit Spreads und Commodity-Kurven. Die Daten müssen granular genug sein, um jeden Risikofaktor auf der von der Aufsicht vorgegebenen Granularitätsebene abzubilden.

NMRFs sind Risikofaktoren, die den RPO-Test nicht bestehen, weil zu wenige beobachtbare Marktpreise vorliegen. Sie können bis zu 30 % oder mehr der gesamten FRTB-Kapitalanforderungen ausmachen, besonders bei exotischen Produkten und Emerging-Market-Positionen. Die Reduktion erfolgt über drei Wege: gezielte Erweiterung der Marktdatenquellen (z. B. über Daten-Pooling-Initiativen wie den DTCC RPO Service), Optimierung der Risikofaktor-Granularität durch Zusammenfassung verwandter Faktoren, und Verbesserung der internen Datenerfassung für OTC-Transaktionen.

Der Internal Models Approach (IMA) stellt deutlich höhere Datenanforderungen als der Standardised Approach (SA). IMA benötigt vollständige Risikofaktor-Zeitreihen, RPO-Nachweise für jeden Faktor, tägliche P&L-Daten für den P&L Attribution Test und Backtesting-Daten. Der SA arbeitet mit vordefinierten Sensitivitäten und erfordert primär korrekte Positionsdaten. Viele Banken fahren beide Ansätze parallel, was eine einheitliche Datenbasis umso wichtiger macht.

Data Governance ist unter FRTB eine regulatorische Anforderung, kein optionales Rahmenwerk. Die Aufsicht erwartet nachvollziehbare Datenherkunft (Data Lineage), definierte Datenverantwortlichkeiten, dokumentierte Qualitätsstandards und revisionssichere Änderungsprotokolle. Jeder Risikofaktor muss auf seine Datenquelle zurückführbar sein, und es müssen klare Eskalationsprozesse für Datenqualitätsprobleme existieren.

Eine vollständige Implementierung dauert typischerweise 12 bis 24 Monate: 3 Monate für Assessment und Architektur-Design, 6 bis 12 Monate für die Kernimplementierung und weitere 3 bis 6 Monate für Validierung und Audit-Vorbereitung. Erste Effekte bei den Kapitalanforderungen sind durch gezielte NMRF-Reduktion oft nach 3 bis 6 Monaten messbar.

ADVISORI begleitet den gesamten Prozess: Analyse der bestehenden Datenlandschaft, Identifikation von Modellierbarkeits-Lücken, Bewertung der RPO-Abdeckung, Entwurf der Zielarchitektur, Marktdaten-Sourcing-Strategie, Data-Governance-Framework und automatisierte Qualitätssicherung. Nach Go-Live sorgen wir für kontinuierliches Monitoring und Vorbereitung auf aufsichtliche Prüfungen.