ارزيابي ريسك عملياتي با استفاده از روش استنتاج بيزي و با در نظر گرفتن تركيب منابع داده اي و فرض وابستگي بين نظرات كارشناسان و داده هاي زيان داخلي

Operational Risk Assessment Using Bayesian Inference with Regard to the Composition of Data Sources and the Assumption of Dependence between Experts and Internal Loss Data

به‌ منظور اندازه ­گيري حداقل سرمايه پوششي ريسك عملياتي تحت مستند بال 2 بسياري از مؤسسات مالي تمايل دارند كه از رويكرد توزيع زيان استفاده نمايند. اما رويكرد توزيع زيان نياز به تعداد زيادي داده زيان داخلي دارد تا بتواند كارايي لازم را داشته باشد، بنابراين به‌ منظور رفع اين چالش مي­بايست از منابع­ داده­اي ديگر ريسك عملياتي استفاده نمود. بزرگ‌ترين چالش رو به ­روي مؤسسات مالي چگونگي تركيب منابع داده­اي مختلف ريسك عملياتي مي­باشد. لذا در اين پژوهش به بيان نحوه تركيب انواع منابع داده­اي پرداخته‌شده است. تمركز اين پژوهش تخمين پارامتر توزيع­ فراواني در رويكرد توزيع زيان ريسك عملياتي با استفاده از روش استنتاج بيزي بوده است. در اين پژوهش فرض وابستگي بين منابع داده­اي ريسك عملياتي يعني نظرات كارشناسان و داده­هاي زيان داخلي در نظر گرفته‌شده است. براي اعتبارسنجي مدل­هاي برآورد شده براي توزيع پسين، از آزمون­هاي نيكويي برازش عددي استفاده‌شده است. و براي محاسبه توزيع توأم بين منابع داده­اي با فرض وابستگي از توابع كاپيولا خانواده گاوس استفاده‌شده است. نتايج پژوهش حاكي از آن است كه با در نظر گرفتن فرض وابستگي بين دو منبع داده­اي نظرات كارشناسان و داده­هاي زيان داخلي، با افزايش تعداد دوره­هاي پيش­بيني پارامتر توزيع فراواني، مقدار پارامتر توزيع كاهش مي­يابد كه اين امر نشا ن­ دهنده كاهش نمايه ريسك باگذشت زمان مي­باشد.

In order to measure hedge funds operating under the wings of two documented, many financial institutions tend to use the loss distribution approach. But a loss distribution approach requires a large number of internal loss data in order to have the necessary performance, so due to limitations in the database operating losses and the cost of internal loss data collection, in order to increase performance and reliability the operational risk capital should be calculated from other data sources used for operational risk. The biggest challenge facing financial institutions is how to combine different data sources of operational risk. In this regard, expressed in this research has been how to combine a variety of data source. So, in this paper the parameter estimation of frequency of operational risk loss distribution approach using Bayesian inference is explored. In this research, assuming dependencies between data sources, operational risk, the experts and internal loss data is intended. To validate the estimated models for the posterior distribution of numerical tests of goodness of fit is used. In addition, to calculate dependencies between data sources, detailed functions family of Gauss is used. The results indicate that with the assumption of experts dependence between the source data and internal data loss, by increasing the number of predictive parameters, frequency distribution, reduced the value of the parameter distribution, which represents a decrease of profile risk over time.