基于变位置参数贝叶斯预测银行内部欺诈研究

内部欺诈事件类型是中国商业银行最严重的操作风险类型。但由于操作风险本质特征和中国商业银行内部欺诈损失数据收集年度较短,数据匮乏,为了在小样本数据下进行更准确的度量,本文采用贝叶斯后验预测分布方法,其中,假设损失频率服从泊松-伽马分布,而损失强度服从广义帕累托-混合伽马分布,分析后验分布的形式。由于在广义帕累托分布的参数估计中,位置参数的确定对估计结果的影响很大,因此,本文采用变位置参数线性趋势的贝叶斯分析以增强参数预测稳定性,降低位置参数选择对结果产生的影响,获得中国商业银行内部欺诈损失频率和损失强度的后验预测分布和边际分布,进而采用蒙特卡罗模拟,联合损失频率分布和损失强度的预测分布获得内部欺诈的风险联合分布。与传统Poisson-GPD极值分析法相比,在险值和预期超额损失明显降低,有利于银行降低内部欺诈操作风险资本。利用贝叶斯分析获得的后验分布可以作为未来的先验分布,有利于在较小样本下获得较真实的参数估计。     

基于Bayesian-Copula方法的商业银行操作风险度量

本文在对损失分布法分析的基础上,将损失事件划分为内部欺诈、外部欺诈以及违规执行三种类型;引用两阶段分布拟合操作风险的损失强度分布,同时采用贝叶斯理论中的吉布斯抽样来获取参数估计值以减小低频率高损失数据不足带来的误差;考虑到操作风险各损失事件间可能存在的相关性,本文采用Copula函数对操作风险进行整合以获得联合损失分布函数,并计算出不同置信水平下我国商业银行操作风险损失的VaR值与CVaR值.实证研究的结果表明:基于贝叶斯理论的参数估计综合考虑了总体与样本等先验信息,估计出的参数值误差较小;Copula函数的引入与VaR值、CVaR值的测算,能在考虑了损失事件发生概率的同时,估测出操作风险潜在的损失大小,从而可以更准确度量操作风险.     

商业银行操作风险外部数据的内生偏差研究

本文在总结目前商业银行操作风险管理现状的基础上,阐述了建立操作损失数据库的必要性和意义内部数据对商业银行至关重要,然而内部损失数据总是不足的,有必要结合外部数据度量操作风险,尤其对于中国商业银行历史操作风险损失数据奇缺的情况。本文从国际银行界的角度总结了操作风险外部损失数据库的类型,分析了不同类型外部数据存在的内生偏差及可能的修正措施,提供了处理外部数据进行操作风险度量的思路。     

风险相关性下的银行非预期操作风险集成度量——基于动力学模型视角

依据我国商业银行1994年~2012年操作风险历史数据,建立考虑不同时点风险单元间相关性的动力学模型来描述操作风险损失产生、传导及演化的机制.该模型指出操作风险损失产生的机制有三种:自发产生的损失、不同事件类型之间的相互影响以及银行覆盖预期损失的资本金储备.通过对损失演化模型的仿真计算,获得具有低频高损特征的非预期操作风险损失情景模拟,并计算年度总体非预期损失的VaR.实证结果表明:动力学模型能够很好地描述不同风险事件类型间不同时点的相依性结构,并通过稳健性检验;在较高置信水平下,线性叠加VaR会高估风险,高估程度会随置信水平的提升而提升;内部欺诈已成为中国商业银行操作风险最主要的风险事件类型.     

度量银行操作风险的POT幂律模型及其应用

本文在极值理论的POT模型基础上,建立了基于分维的POT幂律模型,给出了POT模型的阈值选择的理论解释,还给出了满足尾部分布适合幂律的条件.分析表明,此模型较已有方法能更方便地估计尾部参数,对小样本情形研究厚尾问题提供了新的思路.此外,为计算操作风险损失和的在险价值(VaR)问题,本文引入保险理论里的随机和模型,并给出了计算操作风险在险值的简化公式.     

宏观经济变量影响下的银行极端操作风险研究

操作风险管理是当前金融和监管机构密切关注的焦点,但其低频高危数据的严重缺失一直阻碍着极端操作风险度量模型的应用.本文构建了考虑发生频度的复合泊松过程应用模型,从广义帕累托分布(GPD)与广义极值分布(GEV)两种角度度量商业银行的极端操作风险.通过采用国际活跃银行的资本市场数据,基于宏观经济变量影响的Fama-French多因素模型,剥离传统的市场风险、信用风险以及流动性风险等获得综合操作风险极端数据,模拟测度外部事件影响下的银行极端操作风险发现:基于POT(过阈值峰值模型)方法估算的OpCVaR(操作风险的条件在险价值)高于其累积的在险价值,而BMM(分块极值模型)方法提供了一定期限内金融机构的最大损失额频度;且实证分析发现中资银行就其外部宏观经济影响下的极端操作风险而言,普遍低于其国际同行,但排除此次金融危机的系统性影响,则国际活跃银行的风控能力更稳定,这对改善我国银行操作风险管理和监管极具实践意义.     

基于极值理论和多元Copula函数的商业银行操作风险计量研究

基于操作风险呈厚尾分布的特征,本文按照巴塞尔协议的要求,采用POT极值模型分别估计了多个操作风险单元的边缘分布,然后用多元Copula函数来刻画这些操作风险单元之间的关联性并计算在险价值。通过对中国商业银行1990-2010年操作风险数据的实证分析表明,Clayton Copula能更好地反映各操作风险单元之间的相关性结构,且采用Copula考虑操作风险相关性下的VaR值要比简单加总下的VaR值减少约32.3%。因此,应用Copula函数计量操作风险相关性,不仅可以提高估计的准确性,还能够达到资产组合的风险分散化效应,减少操作风险资本要求,为商业银行提升盈利能力创造条件。     

基于指数回归模型的中小企业板极端风险度量

中小企业板有着区别于沪深主板市场的风险特征.本文针对传统基于正态分布假设的VaR模型低估风险问题,运用极值POT模型研究中小企业板的极端风险,利用指数回归模型实现了POT模型中阈值的定量选取,避免了样本Hill图在选取阈值时存在的局限性.实证结果表明,POT模型对中小企业板极端风险的估计比正态分布更有效.研究还发现,传统基于正态分布的风险度量没有体现金融资产收益率的尖峰厚尾特征,同时存在低估风险和高估风险,但都很难通过LR统计量检验.因此,基于指数回归法的POT模型更能有效刻画中小企业板的极端风险.     

一种新的商业银行操作风险计算方法:OpRisk

对于商业而言,操作风险已经成为与市场风险和信用风险同样重要的风险.本文考虑到中国商业银行目前操作损失数据极少的现实,借鉴CreditRisk 模型的基本思想,采用了一种要求输入数据参数较少的方法--OpRisk 方法,对中国商业银行操作风险资本金进行了试算,为银行提取监管资本提供一种定量化的选择方法.     

基于左截尾数据的损失分布法度量操作风险:以中国商业银行为例

本文提出了采用左截尾数据的损失分布法来计算银行的操作风险资本金。基于不完全的操作风险损失数据,首先给出了频度分布和程度分布的参数估计方法;其次采用中国商业银行的操作风险损失数据进行实证分析;最后采用压力测试验证了模型的有效性。实证结果表明基于左截尾数据的损失分布方法不仅符合数据特点,而且能够很好的拟合操作风险的损失数据,同时模型具有很好的鲁棒性和敏感性。