Modelling Operational Risk Using Bayesian Inference

مدیریت ریسک عملیاتی در صنعت بانکداری به دلیل تغییرات اساسی در محیط عملیاتی در دهه گذشته دستخوش تغییرات انفجاری شده است. جهانی شدن، مقررات زدایی، استفاده از محصولات پیچیده مالی و تغییرات در فناوری اطلاعات منجر به قرار گرفتن در معرض خطرات جدیدی شده است که بسیار متفاوت از ریسک های بازار و اعتباری است. در پاسخ، کمیته بازل در مورد نظارت بانکی یک چارچوب قانونی جدید برای اندازه گیری سرمایه و استانداردهای بخش بانکی ایجاد کرده است. این به طور رسمی ریسک عملیاتی را تعریف کرده و نیازمندی‌های سرمایه مربوطه را معرفی کرده است.

بسیاری از بانک‌ها مدل‌سازی کمی ریسک عملیاتی را با استفاده از رویکرد توزیع زیان (LDA) بر اساس کمی‌سازی آماری فراوانی و شدت زیان‌های ریسک عملیاتی انجام می‌دهند. تعدادی از چالش های روش شناختی حل نشده در اجرای LDA وجود دارد. به طور کلی، حوزه ریسک عملیاتی کمی بسیار جدید است و روش‌های مختلف مورد بحث قرار گرفته است.

این کتاب به مسائل کمی در LDA اختصاص دارد. به طور خاص، استفاده از استنتاج بیزی تمرکز اصلی است. اگرچه در این زمینه بسیار جدید است، اما رویکرد بیزی برای مدل‌سازی ریسک عملیاتی مناسب است، زیرا یک چارچوب آماری منسجم و مناسب برای کمی کردن عدم قطعیت‌های موجود را امکان‌پذیر می‌کند. همچنین امکان ترکیب نظر متخصص با داده های داخلی و خارجی تاریخی در روش های برآورد را فراهم می کند. اینها به ویژه برای ریسک‌های عملیاتی با فرکانس پایین/با تأثیر بالا بسیار حیاتی هستند.

این کتاب برای شاغلان در مدیریت ریسک، محققان دانشگاهی در ریاضیات مالی، تنظیم‌کننده‌های صنعت بانکداری و دانشجویان تحصیلات تکمیلی پیشرفته در این منطقه است. خواندن آن برای هر کسی که در زمینه ریسک مالی کار می کند، تدریس می کند یا تحقیق می کند، ضروری است.

The management of operational risk in the banking industry has undergone explosive changes over the last decade due to substantial changes in the operational environment. Globalization, deregulation, the use of complex financial products, and changes in information technology have resulted in exposure to new risks which are very different from market and credit risks. In response, the Basel Committee on Banking Supervision has developed a new regulatory framework for capital measurement and standards for the banking sector. This has formally defined operational risk and introduced corresponding capital requirements.

Many banks are undertaking quantitative modelling of operational risk using the Loss Distribution Approach (LDA) based on statistical quantification of the frequency and severity of operational risk losses. There are a number of unresolved methodological challenges in the LDA implementation. Overall, the area of quantitative operational risk is very new and different methods are under hot debate.

This book is devoted to quantitative issues in LDA. In particular, the use of Bayesian inference is the main focus. Though it is very new in this area, the Bayesian approach is well suited for modelling operational risk, as it allows for a consistent and convenient statistical framework for quantifying the uncertainties involved. It also allows for the combination of expert opinion with historical internal and external data in estimation procedures. These are critical, especially for low-frequency/high-impact operational risks.

This book is aimed at practitioners in risk management, academic researchers in financial mathematics, banking industry regulators and advanced graduate students in the area. It is a must-read for anyone who works, teaches or does research in the area of financial risk.