Apa yang dimaksud dengan manajemen risiko model?

Model adalah pendekatan, metode, atau sistem kuantitatif apa pun yang memproses data input dan menghasilkan estimasi kuantitatif.¹ Model biasanya diterapkan saat membuat keputusan bisnis, menentukan peluang dan risiko bisnis, menyusun strategi bisnis, dan mengelola operasi bisnis.

Lembaga keuangan, misalnya, mengandalkan berbagai model untuk menentukan harga, valuasi, serta mendeteksi dan mencegah penipuan dan pencucian uang, serta berbagai layanan keuangan lainnya. Penggunaan model sering kali menimbulkan risiko, sehingga penting bagi perusahaan untuk memiliki manajemen risiko model (MRM).

Krisis keuangan global tahun 2007 hingga 2008, misalnya, sebagian disebabkan oleh model nilai risiko (VaR) yang salah, yang memperkirakan kerugian masa depan yang mungkin terjadi akibat investasi.² Pada tahun 2012, bencana perdagangan JPMorgan Chase “London Whale” mengakibatkan kerugian sebesar USD 6 miliar dan denda sebesar hampir USD 1 miliar.³ Hal ini sebagian disebabkan oleh kesalahan spreadsheet dalam perhitungan model, sehingga meremehkan risiko.⁴ 

Pada tahun 2021, perusahaan pasar real estat Zillow melakukan penghapusan inventaris senilai USD 304 juta dan berencana untuk memangkas seperempat tenaga kerjanya setelah usaha pembelian rumah yang gagal, yang sebagian disebabkan oleh ketidakmampuan model penilaian harga rumah untuk memprediksi harga rumah secara akurat^.5

Risiko model dapat berasal dari berbagai penyebab:

Jika dibiarkan tidak dikelola, risiko model dapat mendatangkan malapetaka pada keuangan, operasi, dan reputasi organisasi. Manajemen risiko model yang efektif membutuhkan kerangka kerja yang mempertimbangkan risiko pada setiap tahap siklus hidup model.

Manajemen risiko model juga perlu mengikuti pedoman peraturan. Di AS, misalnya, Federal Reserve dan Office of the Comptroller of the Currency (OCC) merilis panduan pengawasan tentang manajemen risiko model yang berfungsi sebagai tolok ukur untuk kerangka kerja MRM.

Berikut adalah enam langkah umum menuju kerangka kerja manajemen risiko model yang efektif:

Mengidentifikasi risiko adalah langkah pertama dalam model manajemen risiko. Ini melibatkan melakukan inventaris model dan mendefinisikan risiko yang terkait dengan masing-masing model.

Langkah selanjutnya adalah mengukur dan mengevaluasi risiko model. Perusahaan dapat membuat sistem pemeringkatan yang mengurutkan risiko model berdasarkan prioritas, probabilitas kejadian, dan tingkat keparahan dampaknya, di antara metrik lainnya.

Selain pengukuran risiko model individu, perusahaan juga dapat mempertimbangkan risiko model agregat. Risiko model agregat mengacu pada risiko yang ditimbulkan oleh dependensi dan interaksi antara berbagai jenis model. Misalnya, hasil model diagnostik perawatan kesehatan mungkin dimasukkan ke dalam model prediksi perawatan pasien. Jika model diagnostik menunjukkan bias, maka bias tersebut dapat terbawa ke model prediksi, sehingga memengaruhi siapa yang mungkin mendapatkan perawatan darurat.

Mitigasi risiko membutuhkan penanganan sumber dan penyebabnya. Berikut adalah beberapa strategi mitigasi risiko yang dapat diintegrasikan ke dalam kerangka kerja manajemen risiko model:

• Audit dan tinjauan: Perusahaan dapat melakukan audit internal mereka sendiri terhadap model mereka atau mempekerjakan ahli pihak ketiga untuk melakukan tinjauan independen.

• Standar: Membuat standar untuk proses pemodelan dapat membantu meminimalkan risiko. Standar dapat dibuat untuk pengumpulan data, proses desain dan pengembangan model, pengujian, dokumentasi, dan penggunaan model.

Tidak semua risiko dapat dikurangi, sehingga perusahaan mungkin masih tunduk pada sejumlah eksposur risiko tertentu. Oleh karena itu, organisasi mungkin merasa terbantu untuk mengatur selera risiko mereka. Ini adalah tingkat risiko yang bersedia dan siap ditoleransi oleh perusahaan dan dapat diasumsikan dalam hal penggunaan model.

Proses validasi bertindak sebagai tantangan efektif dari model untuk memeriksa kualitasnya dan memverifikasi hasilnya. Validasi model dilakukan setelah implementasi dan sebelum rilis ke pengguna model. Ini mencakup pendekatan kuantitatif dan kualitatif.

Validasi model kuantitatif mencakup strategi berikut:

• Reka ulang adalah bentuk analisis hasil yang menggunakan data historis dunia nyata untuk menguji model, sehingga dapat menilai keakuratan dan keefektifannya.

• Model penantang adalah model alternatif yang dikembangkan untuk menantang model "juara". Baik model juara maupun penantang menggunakan data yang sama dan hasilnya dibandingkan untuk mengungkapkan potensi atau risiko tersembunyi.

• Analisis sensitivitas memeriksa bagaimana mengubah variabel tertentu dalam kondisi tertentu memengaruhi variabel lain.

• Uji stres menerapkan simulasi berdasarkan skenario spekulatif atau teoretis untuk melihat bagaimana model merespons.

Sementara itu, validasi model kualitatif mempertimbangkan faktor-faktor seperti kesesuaian model dengan tujuannya dan apakah model tersebut sesuai dengan standar atau mematuhi peraturan.

Pemantauan model terus meneliti model untuk memeriksa apakah mereka masih berfungsi sebagaimana dimaksudkan dan terus bekerja seperti yang diharapkan. Hal ini menunjukkan dengan tepat setiap risiko tambahan yang mungkin timbul atau pembaruan yang diperlukan sebagai akibat dari perubahan data, proses, dan peraturan.

Validasi model biasanya merupakan bagian dari proses pemantauan yang sedang berlangsung. Pada tahap ini, laporan pemantauan dan validasi dibuat dan ditinjau oleh para pemangku kepentingan terkait untuk merekomendasikan tindakan yang diperlukan.

Tata kelola model menawarkan pengawasan terhadap keseluruhan proses pemodelan. Ini menetapkan sistem kepemilikan dan kontrol melalui kebijakan dan prosedur. Tata kelola risiko model yang baik memerlukan tim pembuat keputusan dan pemangku kepentingan yang beragam—dari dewan direksi dan manajemen senior hingga pemilik model, pengembang model, dan pengguna model.

Banyak model masa kini yang menggunakan AI dan machine learning dalam bentuk tertentu, terutama saat membuat dan menguji model.

Misalnya, AI umumnya diterapkan di industri keuangan untuk memodelkan risiko kredit, risiko pasar, dan risiko operasional. Teknologi ini dapat membantu menilai risiko kredit dan pinjaman, membuat model pasar, dan membantu mendeteksi penipuan keuangan dan pencucian uang.

AI dan machine learning juga dapat diterapkan untuk manajemen risiko model, terutama selama validasi model (seperti model pasar stress testing (uji stres)) dan pemantauan model secara real-time. Berikut adalah beberapa algoritma dan metode machine learning umum yang digunakan dalam manajemen risiko model:

• Pengelompokan dapat diimplementasikan untuk analisis sensitivitas guna mengungkap anomali yang mungkin mengindikasikan risiko saat variabel diubah atau saat menyimulasikan skenario tertentu.

• Struktur keputusan dapat dikombinasikan dengan neural networks untuk memantau model perdagangan, misalnya, memperingatkan pedagang tentang perubahan pola yang mendasari selama perdagangan.

• Baik pembelajaran mendalam maupun pembelajaran penguatan dapat digunakan untuk pemantauan model secara real-time, mendeteksi masalah, dan secara otomatis merekomendasikan resolusi.

• Neural networks dapat membantu uji stres, membantu bank memodelkan likuiditas mereka di bawah kondisi ekonomi yang menantang, seperti resesi.

Perangkat lunak manajemen risiko model dapat membantu organisasi mengelola risiko model dengan lebih efektif. Sistem ini menyediakan berbagai fitur canggih, seperti inventaris model dan pelacakan serta pemetaan metrik, model, dan kebijakan terhadap berbagai persyaratan peraturan. Alat manajemen risiko model lainnya juga memungkinkan AI dan manajemen model machine learning, dengan kemampuan yang mencakup otomatisasi pemantauan model dan validasi model.