第5章操作风险的度量剖析.ppt

二、贝叶斯神经网络模型(续) (4) 利用以上数据对模型进行训练，生成各个节点的分布或条件分布； (5) 利用训练后的模型来度量与管理操作风险。包括 计算损失分布 进行情景分析或压力测试 评估模型因素以辨识重要风险等 (6) 模型的适时改进。 * 二、贝叶斯神经网络模型(续) 3. 优势： 可借助于情景分析法来度量最大操作损失，并可与市场风险和信用风险的度量相结合； 适于度量不同形式、不同类型的操作风险； 提供了适宜于风险控制的成本-收益分析模型，并有助于发现操作风险诱因、完善内部业务流程、促进业务操作质量提升。 * 三、 因果关系模型 1. 定义：因果关系模型（Intensity Based Factor Model，IBFD）是指金融机构在判断操作风险损失与可能原因之间因果关系的基础上，通过采集历史数据建立关于操作风险的度量模型。 * 三、 因果关系模型(续) 2. 步骤： (1) 定义操作风险； (2) 搜集损失及损失诱因的相关信息与数据； 观测操作风险的结果即损失 考察造成损失的原因 (3) 建立系统模型。 * 三、 因果关系模型(续) 3. 优缺点： (1)优点——综合考虑了损失和造成损失的可能原因，可促使前台的业务人员积极参与操作风险管理。 (2)缺点——模型对内部数据的采集要求很高，而且模型的开发、实施与维持需投入大量的人力、物力、技术资源。 * * 第六节 操作风险度量方法的比较与分析 一、关于基本指标法和标准法的比较与分析 1. 基本指标法和标准法的优势： 简单易懂、可操作性强； 数据易得，容易检验，在不同地区具有连贯性和可比性； 容易识别风险暴露及其潜在影响，可进行持续跟踪； 标准法还可以将操作风险归入所有业务战略的计划和实施中。 * 一、关于基本指标法和标准法的比较与分析(续) 基本指标法和标准法的局限性： 把总收入作为计算操作风险资本的基本指标 不尽合理； 操作风险损失占总收入比重的取值标准与相应业务的操作风险特征可能并不匹配，且缺乏检验，从而影响方法的可靠性和可信性。 * 二、高级度量法 1. 高级度量法的优点； 采用了数学模型和计算机手段来度量操作风险； 充分搜集和应用了多维度数据； 既有历史数据又有专家经验数据 既有内部数据又有外部数据 (3) 度量过程与度量结果更加科学。 * 二、高级度量法(续) 2. 高级度量法的缺点: 应用过程过于复杂，难以理解; 数据的可得性是应用的最大障碍; 内部数据与外部数据均不易获得 无法保证数据的真实性和完整性 (3) 不能用来判断操作风险的损失来源; (4) 无法反映操作风险与市场风险、信用风险之间的联系。 * 三、贝叶斯神经网络模型和因果关系模型 1. 两个模型的相似之处： 提出了关键性风险诱因和关键性风险指标； 把重点都放在了寻找导致操作风险的原因以及这些原因与结果的相关性等方面； 都试图从源头上根除或控制操作风险； 比较直观，实践性较强。 * 三、贝叶斯神经网络模型和因果关系模型(续) 2. 两类模型的应用障碍： 不易找到合适的、相关性强的关键性风险指标。 * * 思考题 1. 简述有关操作风险度量在各个发展阶段的主要理论、方法及基本特点。 阐述COSO内部控制系统的设计原理、基本框架和作用。 试举例说明度量与管理操作风险的重要性。 4. 分析基本指标法与标准法的异同之处以及这两种方法所存在的缺陷。 5. 简述内部度量法、损失分布法的基本原理和应用步骤，并对上述方法在应用过程中的优劣势进行分析。 6. 结合高频低损失事件和低频高损失事件的特点，分析如何选择和运用相应的损失程度分布模型。 思考题(续) 7. 选择我国某家上市的商业银行及其相关数据，运用损失分布法和蒙特卡罗模拟法对该银行的操作风险状况进行实证评估。 8. 讨论如何应用Copula法和考虑职能依赖的失控随机模型对损失分布法进行改进。 9. 简述贝叶斯神经网络模型和因果关系模型的基本原理及二者之间的关系。 10. 结合操作风险的特点，并通过与市场风险和信用风险度量方法的比较，谈谈您对操作风险度量模型和方法的认识。 * * * * * * * * 一、内部度量法的一般步骤(续) 对应于每个风险单元转换因子 的确定及未预期损失的计量： (5.3.2) 整个机构的未预期损失的计算： (5.3.3)