
不正や不祥事を防ぐ循環型の仕組みでリスクカルチャーをアップデート―社会との認識のズレを修正し、多様な価値観を包摂
業界や企業の内的要因によるリスクに対してコンプライアンス研修やルール整備を行っているものの、不正や不祥事を防ぐまでには至っていない現状について、「リスクカルチャー」という視点から考察し、対策を探ります。
金融機関は、日々変化する市場環境や規制要件の中で、適切なリスクテイクおよびリターンを追求するため、さまざまな場面で多くの数理モデルを活用しています。数理モデルの適用範囲は「与信管理」「時価評価」といったビジネスの根幹をなす領域から、「ストレステスト」「資本管理」「コンプライアンス」といった経営管理目的のものまで、その範囲は広範に及んでいます。
近年では使用される手法にも大きな変化が見られます。従前は統計・確率論的手法が用いられてきましたが、ビッグデータの出現に伴い、機械学習・人工知能(AI)を活用した「データ駆動型の数理モデル」への変化が見られます。これにより、数理モデルはデータと一体不可分なものとなりつつあります。
上記のように、数理モデルは早いスピードで進歩している領域であり、新たな手法が提案されています。そのため、実務への適用に当たっては、洗練された検証によってモデルの限界を把握すると共に、対象領域の規制に適合した運用が求められます。
金融機関においては、数理モデルを適切なガバナンスフレームワークの下で管理してモデルリスクの低減を図ることが、事実上の業界標準となっています。米国のガイダンスであるSR11-7(Guidance on Model Risk Management)は、モデルリスク管理における最も包括的な要件を示したものです。金融機関においては多くの場面で参照されており、今後もこうした対応が求められます。
PwCは金融機関における数理モデルに関して、ガバナンスフレームワークの構築、検証から規制対応まで、多岐にわたるサービスを提供しています。
金利指標改革やマイナス金利対応といった外的な要因を考慮しながら、機械学習・AIといった先進的な手法を用いた新たなモデル構築やプロトタイプの作成を支援します。
モデル検証では、実装上の正確性の確認だけではなく「実効的なチャレンジ」を通じてモデルの限界を把握することが重要です。ベンチマークモデルとの比較や数値確認を通じて、モデルの改善や高度化を促す検証を支援します。
モデルリスクを低減する方策として「管理対象モデルの特定」「検証の実施、実効的なチャレンジの確保」「マネジメントの関与」などが求められています。各種文書の整備、モデル検証の枠組み構築など、モデルガバナンス態勢構築全般を支援します。
トレーディング勘定の抜本的改定(FRTB)、証拠金規制、信用評価調整(CVA)資本規制など、各種規制への対応に数理モデルの適用は欠かせません。規制要件の比較や手法ごとのメリット・デメリットの明確化など、規制遵守のための各種支援を提供します。
業界や企業の内的要因によるリスクに対してコンプライアンス研修やルール整備を行っているものの、不正や不祥事を防ぐまでには至っていない現状について、「リスクカルチャー」という視点から考察し、対策を探ります。
証券監督者国際機構(IOSCO)が2024年11月に公表したプリヘッジ(Pre-hedging)に関するコンサルテーションレポートについて、概要と今後想定される課題を解説します。
「荷主と物流統括管理者が創る新たな連携モデル」という視点から、物流の進化をリードするために必要な物流統括管理者の役割や具体的な実践内容について考察します。
日本の保険会社は競争力を維持し、グローバルに成長するために、変革を続けなければなりません。本稿では、今日の課題を乗り越えながら自ら変革しようとする日本の保険会社の2025年における必須事項のトップ10について解説します。