操作风险精要.ppt

* 数据属性 优势 劣势 内部数据 1.可直接反映银行的历史损失。 2.资料搜集较为容易且可节省搜集成本 1.银行过去的损失经验可能未涵盖尾部损失。 2.过于内部导向(inward focused) ，缺乏与外界的连结、互动。 外部数据 1.可提供内部损失数据库较难掌握之资讯，如发生机率低、损失严重的事件。 2.其它机构发生操作风险的成因与解决方式可供借鉴，避免重蹈覆辙。 1.外部损失数据未必与银行直接相关，因此须加以筛选。 2.资料搜集与管理困难度较高。 内、外部数据结合 内、外部数据结合时，可提高模型预测力。 数据管理难度提高 内、外损失数据比较 * 外部数据的来源有两个： 银行间数据共享 数据供应商系统采集的数据 无论是内部数据还是外部数据都需对通货膨胀进行调节 对外部数据还需进行规模调整 如，一家银行的销售额是100亿美元，其对应的操作风险损失为800万美元， 如何应用到销售额仅为50亿美元的银行呢？ 一个自然假设：按比例调整，操作风险损失为400亿美元，该估计可能低估操作风险。 * * 规模调整 在使用外部数据时，Shih等人估计α=0.23 * 规模调整的适用性 * 规模调整适用于银行之间共享的数据，不适用于数据供应商提供的数据-----含一定偏差，如： 供应商一般只提供公开发表的大损失数据，损失量越大的事件被报道的可能性也越大 内部系统控制较弱的公司在数据库里出现的可能性更大，且遭受损失的次数较多，损失量也较大。 * 外部公开数据对于确定不同风险类别的相对损失程度非常有用。对于不同的风险类别可以估计期望损失与损失标准差 假如，一家银行对于自己本行融资部门发生的内部诈骗案所造成损失的期望值及标准差有很好的估计，但是对于该部门外部诈骗所造成的损失却没有太好的数据。 假定 融资部门内部诈骗的期望值= 50 000美元，标准差=30 000美元， 外部诈骗损失程度的期望值=2×该部门内部诈骗损失程度的期望值的2倍 融资部门外部诈骗损失程度的标准差=1.5 ×该部门内部诈骗损失程度的标准差 在没有其他更好的选择下，银行可以假定自身的融资部门因为外部诈骗所造成的损失程度的期望值为2 x 50 000 = 100 000(美元)，标准差为1. 5 x 30 000 =45 000(美元); 外部数据显示 * 得分卡法 有些银行采用得分卡方式来分配操作风险资本金。在得分卡方式中， 银行首先由专家来识别各种风险的主要来源， 然后再对各个业务类别进行提问， 通过这些提问银行可以决定各个业务类别的风险量大小， 我们应该考虑的业务类别可能会多于前面所列举的8个业务类别，这是因为对银行在世界不同地区的业务类别都要加以区分。 * 得分卡上的问题可能是如下形式: 有多少关键部门的职务是由临时雇员来代理? 监督人员与雇员的比例是多少? 公司业务中是否会涉及客户必威体育官网网址信息? 部门雇员离职率是多少? 有多少个雇佣机会仍属空缺? 雇员工资中有多大的比例与业务表现有关? 雇员中有多少人曾经连续休过10天的假期? 对于每个答案都要设定分数，每一个业务部门所得的分数都显示了这一业务部门的风险大小，由此我们可以设定这一业务部门的资本金，在可能的情况下，对于得分卡的分数要以实际损失为基准进行验证。 * 因果关系 操作风险管理人员应该对自己的业务决策和操作风险损失定义因果关系。银行应准备回答以下问题: 雇员平均教育水平的提高是否可以减少将来交易过程中的错误? 一个新的计算机系统是否可以减少系统故障带来的损失? 操作风险是否和雇员离职率有关?如果两者确实相关的话，是否可以通过提高雇员留职率以减少操作风险的数量? 是否可以通过清楚地划分雇员的职责以及改善交易员的交易动机来减小“无赖交易员风险”呢? * 一种定义因果关系的方式是通过统计手段。 如果我们检验了一家银行开展业务的12个不同地区，并且发现银行后台雇员的教育与交易处理中的错误有较强的负相关性，这时我们要进行一个以提高这些地区后台雇员教育背景为目的的成本效益分析(cost benefit analysis )。 在某些场合，一个较为详细的损失分析也许能够使管理人员对问题有一个更深刻的认识。例如，如果有40%的计算机故障可以归咎于硬件的落后，这时我们应做一个硬件更新的成本效益分析。 * 保险 风险管理人员需要做的一项重要决策是决定对哪一类操作风险进行投保，保险公司对于不同形式的风险都有投保条款，这些风险类型包括火灾损失及无赖交易员损失等。当保险公司的资产负债表满足一定条件时，如采用AMA计算资本金，可以通过在这家保险公司投保来减少资本金的持有量。 * 保险 影响保险合同设计的因素 道德风险 Moral hazard 逆向选择风险 Adverse selecti