DEA-Effizienzanalyse in der Wertpapierabwicklung

DEA-Effizienzanalyse in der Wertpapierabwicklung

DEA-Effizienzanalyse in der Wertpapierabwicklung zum Benchmarking von Transaktionen
Andreas Burger,
Doktorand, ProcessLab
[email protected]
©Frankfurt–School.de
Agenda
1.
Hintergrund
2.
Prozessanalyse in Banken – Status quo
3.
Produktivität vs. Effizienz (Defintionen und Messmethoden)
4.
Data Envelopment Analysis (DEA) – Kurzvorstellung
5.
Benchmarking von Transaktionen
6.
Wertpapierabwicklung – Kurze Beschreibung
7.
Fallstudie: Erste Ergebnisse aus Test
8.
Herausforderungen & Ausblick
©Frankfurt–School.de
2
Hintergrund
ƒ Effizienz in Leistungserstellung als Quelle der Profitabilität für Banken
ƒ Es gibt Unterschiede in der Effizienz der Leistungserstellung1 auf
Gesamtbankebene (15%-25%), was auf Unterschiede in der Leistungsfähigkeit der Prozesse schliessen läßt
ƒ Bankbetriebliche Prozesse bilden Kern der Leistungserstellung und
Ansatzpunkt für Verbesserungen der Leistungsfähigkeit
1
Siehe Berger et. al. (1997), Rose et al. (2004)
©Frankfurt–School.de
3
Prozessanalyse in Banken – Status quo
ƒ
ƒ
ƒ
ƒ
Prozessmanagement in Banken steht am Anfang
Professionalisierung durch Einsatz statistischer Instrumente (Six Sigma)
Umfangreicher Datenhaushalt, aber nicht immer verfügbar
Nur vereinzelte Verwendung von Kennzahlen im Prozessmanagement
iv
trat
s
u
l
Il
Analyseobjekt:
Ansatzpunkte:
Philosophie:
Vergleichsbasis:
Management:
©Frankfurt–School.de
Prozessanalyse – Status quo
- Tätigkeiten, Eigenschaften
- Partielle Faktoren
- Variation based thinking
- Mittelwerte als Basis
- Scorecards mit mehreren Sichten
- Transaktionen sind „anonymisiert“
TX-Benchmarking
- Transaktion
- Mehrere Faktoren integriert
- Benchmarking gegen „Beste“
- Extremwerte als Vergleich
- Nur eine Effizienzkennzahl
4
Definitionen: Produktivität und Effizienz
ƒ Produktivität
- Output / Input-Relation
- Je größer, desto besser !
- Maßeinheiten [Stück] oder [€]
ƒ Effizienz
- Synonym für Produktivität im allgemeinem Sprachgebrauch
- Ökonomische Effizienz = Technische Effizienz + Allokative Effizienz +
Skaleneffizienz
- Effiziente Produzent = best practice = „Benchmark“
ƒ Pareto-Koopmanns Definition:
Full (100%) efficiency is attained […] if and only if none of its
inputs or outputs can be improved without worsening some
of its other inputs or outputs”.
ƒ Produktivität bildet Basis für Effizienzmessung, aber
- Multi-Input/Multi-Output
- Bewertung gegenüber technisch Machbaren (Produktionsfunktion)
©Frankfurt–School.de
5
Methoden der Produktivitäts- und Effizienzmessung
ƒ Produktivitätsmessung:
- Einfache Kennzahlen (Produktivität)
- Aggregierte Kennzahlen (Multifaktor-/Gesamtproduktivität/TFP)
ƒ Effizienzmessung – 2 Gruppen von Methoden:
- Stochastische / parametrische Verfahren
• Corrected / Modified Regression
• Stochastic Frontier Analysis (SFA)
- Nicht stochstische / nicht parametrische Verfahren
• Free Disposible Hull (FDH)
• Data Envelopment Analysis (DEA)
Gew
der ichtung
Fak
tore
n
• Effizienzveränderungen (bei Zeitreihen und Paneldaten)
- Hicks-Moorsteen TFP (HM TFP) Index
Nic
ht w
- TFP Index
eite
r be
- Malmquist TFP Index
trac
hte
t
- Component based approach Index
©Frankfurt–School.de
6
Effizienzmessung – Konzept
Konzept
Konzeptder
derEffizienzmessung
Effizienzmessung
v
rati
t
s
Illu
x1
1
Technische
Ineffizienz
Bestandteile der Effizienzmessung:
Produktionsmöglichkeiten
x
x
x
β
Distanzfunktion
Input-orientiert
x
x
x
1 Input-/Output-Vektoren
2
2 Produktionsmöglichkeiten als Matrix
x
3 Produktionsfunktion als Benchmark
4
y
α
Produktionsfunktion
0
Maß für technische Effizienz (TE):
TE =
4 Distanzfunktion für Abstandsmaß (=Ineffizienz)
3
x2
0 x (β − α )
=
β
0y
Quelle: Eigene Darstellung, in Anlehung an Lovell (1993) / Cooper et.al (2007)
©Frankfurt–School.de
7
Effizienzmessung – Gruppen in der Übersicht
Stochastisch
Stochastisch/ /parametrisch
parametrisch
Nicht
Nichtstochastisch
stochastisch/ /nicht
nichtparametrisch
parametrisch
- Ohne Annahmen zu Form Produktionsfunktion
- Statistísche Fehler werden nicht berücksichtigt
- Effiziente Messpunkte bilden Ausgangsbasis
für den Aufbau der Produktionsfunktion
- A priori Annahmen bestimmen Form der
Produktionsfunktion (z.B. Cobb Douglas, Translog)
- Statistische Fehler können berücksichtigt werden.
- Funktionsannäherung über OLS-Verfahren
iv
trat
s
u
l
Il
C/M-Regression
C/M-Regression
ln(x1)
f(x)
x
x
x
x
x
x
x
x1
x
x
x
x1
x
x
x
x
x
x
x
x
x
ln(x2)
- Produktionsfunktion
ist ln (Cobb-Douglas)
- Verschiebung auf
Extrempunkte
x
x
x
x
x
x
x
x
x
x
x
f(x)
x2
- Produktionsfunktion
wird über funktionale
Annahmen bestimmt
- Statische Fehler sind
über Fehlerterm separiert.
x1
x
x
x
x
x
x
FDH
FDH
Technische
Ineffizienz (TE)
x
x
x
x
x
DEA
DEA
SFA
SFA
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x2
- Produktionsfunktion
wird als stückweise
linare, konvexe
Funktion gebildet
- Virtuelle Peers
x2
- Produktionsfunktion
ist Stufenfunktion
- Nur reale Peers.
Quelle: Eigene Darstellung, in Anlehung an Lovell (1993) / Cooper et.al (2007)
©Frankfurt–School.de
8
Data Envelopment Analysis (DEA) - Kurzvorstellung
• Data Envelopment Analysis (DEA) - (Farrell 1957, Charnes et al. 1978)
- „Mathematical programming model applied to observational data [that]
provides a new way of obtaining empirical estimates of [Input-Output]
relations – such as the production function and/or efficient production
possibility surfaces – that are cornerstones of modern economics“.
• Forschungsgebiet: Operations Management / Performance Measurement
• Benchmarking von Decision Making Units (DMU)
- „Homogen mit Unterschieden“ (Input-Output-Relationen, Produktionsfunktion und Ressourenzugang)
• Analyse: Ökonomische Effizienz = technische, allokative und Skaleneffizienz
• DEA Modellvarianten
- Input- vs. Output-Orientierung
- Constant Return to Scale (CRS) / Variable Return to Scale (VRS)
- Optimierungsalgorithmus mit/ohne Gewichtungen, externe Faktoren
©Frankfurt–School.de
9
Data Envelopment Analysis - Beispiel
DEA
DEAEffizienzmessung
Effizienzmessung
5
Slack
E
4
Area / Sales (x2/y)
EFF = Mögliche Verkürzung
des Inputvektors zur Erzielung
des gewünschten Outputs
EFF =
E, D =
Peers für A
3
0P
= 0,8571
0A
A
P
(2,6/3,4) D
2
Beispiel:
Effizienzvergleich von Supermärkten
(DMUs) mit gleichem Unsatz, jedoch
Unterschieden hinsichtlich Anzahl der
Mitarbeiter und Ladenfläche.
Normalisierte Daten.
1
C
Produktionsfunktion/‘
Effizienzlinie (DEA)
0
1
2
3
4
5
6
EFF=1
7
8
9
Employee / Sales (x1/y)
Store
A wird von den Einheiten E,D (Peers)
dominiert. Punkt P ist Benchmark.
Verringerung des Input von A
um ~ 15% im Vergleich zu E,D möglich
A
B
C
D
E
F
G
H
I
Employee
x1
4
7
8
4
2
5
6
5,5
6
Floor area
X2
3
3
1
2
4
2
4
2,5
2,5
Sale
Y
1
1
1
1
1
1
1
1
1
Quelle: Cooper et. al. (2007)
©Frankfurt–School.de
10
Benchmarking von Transaktionen
ƒ DEA-Effizienzanalyse auf Transaktionsebene:
- Instrument zur Ergänzung von partiellen Analysen
- Transaktion als Analyseobjekt im Mittelpunkt
- Integrierte Betrachtung verschiedener Faktoren in Analyse
- Objektive Gewichtung der Faktoren innerhalb der Analyse
- Extremwerte als Benchmark, keine Mittelwertorientierung
- Aufdeckung der Effizienzstruktur für einen gegebenen Prozess
- Verständnis über Treiber der Ineffizienz ableiten
- Aufbau von Erkenntnissen über die Zusammenhänge bei der
Transformation von Ressourcen in Performance für einen Prozess
Î Identifikation von Ansatzpunkten zur Prozessverbesserung
©Frankfurt–School.de
11
Warum DEA als Methode für die Fragestellung?
ƒ Argumente für den Einsatz der DEA:
- Nicht parametrisch: Keine a priori Annahmen über Zusammenhänge
- Flexibel: Flexible Anwendung auf Basis Input-Output-Modellen
- Mehrdimensional: Multi-Input/Multi-Output-Modelle, integrierte Analyse
- Objektiv: Modellendogene Gewichtung, „jede Einheit so gut wie es geht“
- Fair: Vergleich gegen strukturgleiche oder ähnliche DMU
- Oft verwendet: Erfahrungsberichte zum Umgang mit Fallstricken
ƒ Schwächen der DEA
- Black box: Ergebnisse mitunter nicht nachvollziehbar
- Senisitivität: Sensibel bezüglich Veränderungen der Datenbasis
- Abstraktheit: Interpretation der Ergebnisse und Reality Check
Î Ein gibt keine „ideale“ Methode! Stärken und Schwächen sind zu beachten
©Frankfurt–School.de
12
Wertpapierabwicklungsprozess – Kurze Diagnose
ƒ Wertpapierabwicklungsprozess für Eigenhandelsgeschäfte
ƒ Prozess: Annahme, Veredelung, Validierung, Clearing, Settlement, Verbuchung
ƒ Verarbeitung sämtlicher ISIN-Instrumenten (Aktien, Renten, Warrants,
Zertifikate, Sonstige Instrumente) über eine Abwicklungsplattform
ƒ Interaktion mit externen Partnern über den Abwicklungsverlauf
ƒ Ziel ist straight through processing (stp), doch …
Wie werden Ressourcen im betrachteten Prozess in Performance transformiert?
-
Welche Transaktion(en) ist (sind) effizient?
Annah
der Fa me: Zusamm
ktoren
enspie
Wie hoch ist die Variabilität in der Effizienz?
nicht t
ranspa l
rent
Gibt es Muster für effiziente/ineffiziente Transaktionen?
Was sind die Treiber für Effizienz/Ineffizienz?
Welche Auswirkungen haben einzelne Faktoren auf die Effizienz?
©Frankfurt–School.de
13
Wertpapierabwicklungsprozess - Systemlandschaft
Prozessschritt:
Capture
Enrichment
Validation
Clearing
Settlement
Postings
Reconciliation
Fehlerbearbeitung
Fidessa
Ordererfassung
Repair
tool
10
nicht
betrachtet
Marktseite
aggregiert
(insb. Schlussnoten)
05/06
Systeme/
Module/
Daten:
Investigation
[T+2] / [T+3]
[T+1]
Bloomberg
OrderErgänzung
GL343
10
TE
Abstimmung
Depotbuchung
Regulierung
Abrechnung
00/01
02/03/04/13
Murex D
Ergänzung
12
10
11
WSt
Referenz: WPAID, WPAUMNR
STP
DSt
…
Settlement Ergänzung
Erfassung
Routing
Swift messaging
COWIAS
DOSWELLDB
Datenbanken:
Schwebelisten
GLBAOHTB
GL343
WKKMAATB
Referenzierung/
Auftragsmanager
D3UMGN
DORDAKDB
Order-DB
Asynchrone Verarbeitung
(Stapelläufe)
©Frankfurt–School.de
D3ULGN
WKBRAATB
D3UMVN
WP-Abrechnung
Messpunkte
Datenquelle
Depotb./Regul.
Depotb./
WP-Abr.
? TLM ?
Katzenbächer
Manuelle Intervention
14
Input-Output-Modell (CCR/Input) auf Transaktionsebene
iv
trat
s
u
l
Il
de
ren
e
i
im n
min ktore
u
z
Fa
Inputs:
Throughput:
Input 1
Input 2
b
kb
lac
ox
Capital, labour, energy, intermediate goods, services
a)
b)
c)
Fehlende Daten [#, %, ?]
Manuelle Arbeit [t]
Automatische Bearbeitung [t]
Output 1
Output n
Input-Faktoren:
(Ökomischer Ansatz = KLEMS)
zu
ma
x
Fa imier
kto
e
ren nde
Output 2
Input n
„Verwendete Ressourcen“
Outputs:
Kosten
?
s
g
un !
Zeit Spannältnis Qualität
h
ver
?
?
Risiko
?
Unterschiedliche Sichten
Output-Faktoren:
„Gewünschte Ergebnisse“
a) Automatisierungsgrad [%]
b) Fehlerfreiheit [%]
c) Zielerreichung Zeit [%]
d) Zielerreichung Kosten [%]
e) Gewinn/Risiko-Relation [%]
Qualität
Zeit
Kosten
Herausforderungen: (a) Identifikation der Faktoren, (b) Operationalisierung
(c) Messung der Faktoren, (d) Codierung für DEA-Messmodell (e) Interpretation
©Frankfurt–School.de
15
Praxisbeispiel – Test mit 2 Input/1 Output-Modell
ƒ
ƒ
ƒ
ƒ
ƒ
DEA-Modell: CCR-Model / Input-oriented
Sample: 100 Transaktionen
Gleicher Verlauf (Status 05 zu 00)
Gleicher Geschäftstag
Gleiches FO-System
zu minimieren
Qu
alit
äts
zu maximieren
CHANGE time
AUTO time
TX
fak
tor
STP-Level adj.
=AUTO/(CYCLE2)
ark
ORDERNR
change
#
AUTO
#
STP adj.
#
EFF SCORE #
m
ch 7401537361
1,0000
0:00:36
1
1:00:16 39
23,43
1
1
n
0,9997
7401537360
0:00:36
3
1:00:17 40
23,42
2
2
Be
0,9721
7401537345
0:01:10
7
1:00:34 47
22,89
3
3
0,9700
7401537344
0:01:14
9
1:00:34 48
22,84
4
4
0,9685
7401536153
0:00:36
2
1:02:16 71
22,69
5
5
0,9418
7401536152
0:00:37
4
1:02:16 72
22,67
6
6
0,9354
7401539256
0:01:20 11
1:01:36 64
22,40
7
7
7401539257
0:01:20 12
1:01:36 65
22,40
8
0,9354
8
0,9354
7401537298
0:02:46 26
1:00:10 13
21,88 20
9
0,9349 10
7401539255
0:01:20 13
1:01:37 69
22,39
9
0,9349 11
7401537297
0:02:46 27
1:00:11 16
21,87 21
0,9344 12
7401539254
0:01:21 14
1:01:37 70
22,38 10
(…)
7401570851
0:15:35 97
7401570850
0:15:36 98
7401492055
0:04:37 47
7401492105
0:04:35 43
7401492054
0:04:43 48
7401492053
0:04:44 49
7401570849
0:15:44 99
7401570848
0:15:44 100
7401492052
0:04:47 50
7401492051
0:04:47 51
7401492050
0:04:48Input
52Target
Efficient
0:04:48 53
DMU7401492104
No. DMU Name change
1
7401602699
0:00:30
7401492103
0:04:49 54
- Bisher nur Effizienzmessung: Zusammenführung mit
ergänzenden Prozessdaten (Two-step Approach) folgt.
Analyse mit DEA Frontier Standard (by Joe Zhu)
©Frankfurt–School.de
2
3
4
5
6
7
8
9
10
11
12
7401602700
7401537298
7401536153
7401537360
7401537361
7401447439
7401447438
7401539201
7401539200
7401537297
7401539069
0:00:30
0:00:34
0:00:35
0:00:36
0:00:36
0:00:31
0:00:31
0:00:31
0:00:31
0:00:34
0:00:25
1:00:13 26
1:00:13 27
1:11:12 90
1:11:14 95
1:11:12 92
1:11:12 93
1:00:13 29
1:00:14 32
1:11:15 96
1:11:16 97
1:11:16 98
1:11:16
99
AUTO
0:50:02 100
1:11:16
0:50:02
0:56:17
0:58:22
1:00:15
1:00:16
0:52:35
0:52:33
0:52:06
0:52:04
0:56:16
DMU No.0:41:46
DMU Name
1
2
3
4
5
6
7401602699
7401602700
7401537298
7401536153
7401537360
7401537361
15,09 97
15,09 98
17,84 67
17,84 66
17,79 68
17,78 69
15,03 99
15,03 100
17,75 71
17,74 72
17,74
73Target
Efficient
Output
17,74 adj.74
STP LEVEL
19,44862
17,73 75
0,6448 88
0,6445 89
0,6445 90
0,6445 91
0,6428 92
0,6425 93
0,6422 94
0,6420 95
0,6408 96
0,6406 97
0,6403 98
0,6403 99
0,6400 100
19,44862
21,87545
22,68701
23,41871
23,42506
20,43789
20,42743
20,25082
Input-Oriented
20,24050
CRS
21,86992
16,23437
Efficiency
Benchmarks
0,83232
0,83232
0,93540
0,96849
0,99973
1,00000
7401537361
7401537361
7401537361
7401537361
7401537361
7401537361
16
Herausforderungen & Ausblick
ƒ Herausforderungen
- Faktorauswahl und Operationalisierung
- Datentransformation für DEA-Messung
- Interpretation der Ergebnisse
ƒ Zeitplanung für Laufendes Forschungsprojekt
- Aufbau Messsystem bis Q4/2007
- Empirische Untersuchung Q1/2008
- Fertigstellung Q3/2008
ƒ Ausblick
- Weitere empirische Anwendungsfälle notwendig
- Strukturierter Methodenvergleich ist anzustreben
- Einsatz alternativer DEA-Modelle zu prüfen
©Frankfurt–School.de
17
Literaturhinweise
ƒ Berger, A. N./Humphrey, D. B. (1997): "Efficiency of Financial Institutions: International
Survey and Directions for Future Research." European Journal of Operational Research
98(2): 175-212.
ƒ Charnes, A./Cooper, W. W./Rhodes, E. (1978): "Measuring the efficiency of decision
making units." European Journal of Operational Research, 2: 429-444.
ƒ Coelli, T. J., Rao, D.S.P., O'Donnell, C.J., Battese, G.E. (2005): "An Introduction to
Efficiency and Productivity Analysis." Springer.
ƒ Cooper, W. W./Seiford, L. M./Tone, K. (2007): "Data Envelopment Analysis: A
Comprehensive Text with Models, Applications, References and DEA-Solver Software."
Boston, Kluwer Academic Publishers.
ƒ Farrell, M. J. (1957): "The Measurement of Productive Efficiency." Journal of the Royal
Statistical Society 120(Part III): 253-281.
ƒ Lovell, C. A. K. (1993): "Production Frontiers and Productive Efficiency." The
Measurement of Productive Efficiency: Techniques and Applications. Fried, H. O./Lovell,
C. A. K. and Schmidt, S. S. New York, Oxford University Press: 3-67.
ƒ Rose, P. S./Hudgins, S. C. (2004): "Bank Management & Financial Services." Irwin,
McGraw-Hill.
©Frankfurt–School.de
18