13. Validation of model inputs/outputs

Wszystkie normy w zakresie kontroli spójności, dokładności i wiarygodności źródeł danych określone w odniesieniu do modelu wartości zagrożonej powinny mieć zastosowanie również do modelu wartości zagrożonej w warunkach skrajnych.

W odniesieniu do wszystkich parametrów bazowych, dla których instytucje nie posiadają historii danych wystarczającej do pełnego okresu odniesienia, należy zastosować gwałtowne wahania poprzez aproksymację, z wykorzystaniem ściśle powiązanych parametrów bazowych (ten sam rynek, podobna struktura i charakterystyka). W oparciu o ten sam proces, który został zatwierdzony dla modeli wewnętrznych instytucji, dla zapewnienia jakości danych historycznych wykorzystywanych dla danego okresu odniesienia, instytucje powinny udokumentować metodologię zastosowaną do identyfikacji i zastępczego odzwierciedlenia brakujących danych. Instytucje powinny również przeprowadzać testy pod kątem potencjalnych skutków zastosowania takich wskaźników zastępczych.

W związku z utrzymaniem rozbieżności arbitrażowych konieczne może być zastosowanie przez instytucje oczyszczenia danych dla wartości zagrożonej w warunkach skrajnych. W takim przypadku fakt usunięcia wartości odstających z szeregów danych historycznych powinien zostać odpowiednio uzasadniony i udokumentowany, ponieważ proces ten nie powinien spowodować zmniejszenia skali zdarzeń ekstremalnych.

Z uwagi na fakt, że modelowanie wartości zagrożonej w warunkach skrajnych z definicji wiąże się z zastosowaniem scenariuszy warunków o wysokiej skrajności do bieżących parametrów rynkowych, co może prowadzić do niespójnych warunków rynkowych (np. negatywnych stóp forward) częściej niż w przypadku kalkulacji bieżącej wartości zagrożonej, instytucje powinny monitorować błędy skalowania, które mogą się pojawić. Instytucje wykorzystujące pełną rewaluację do szacowania wartości zagrożonej w warunkach skrajnych mogą mieć do czynienia z takimi błędami skalowania częściej niż instytucje niekorzystające z pełnej rewaluacji – nie dlatego, że błędy się nie pojawiają, ale dlatego, że ich metodologia nie pozwala im na odnotowanie takich błędów skalowania w chwili ich wystąpienia.

14 D. Test praktyczny