第5章 操作风险的度量PPT课件.ppt

1 金融风险管理 张金清编著复旦大学出版社 2 第5章 操作风险的度量 3 学习目标 通过本章学习 您可以了解或掌握 1 操作风险度量方法的历史演变过程 2 基本指标法 标准法 内部度量法 损失分布法及其改进方法 记分卡法与其他度量法的基本原理与应用步骤 3 各类操作风险度量方法的比较与分析 4 主要内容 第一节操作风险度量的历史演变 兼述巴塞尔委员会对操作风险的度量与监管第二节基本指标法和标准法第三节内部度量法第四节损失分布法第五节记分卡法与其他度量法第六节操作风险度量方法的比较与分析 5 第一节 操作风险度量的历史演变 兼述巴塞尔委员会对操作风险的度量与监管 6 一 第一阶段 以定性为主的操作风险度量方法 一 第一阶段中操作风险度量的主要方法1 早期的操作风险度量方法 主要靠专家或管理人员运用下述四种定性方法对业务运营状况进行度量和评估 外部审计评估法内部自我评价法风险指示器预测法组合管理法 7 二 COSO的内部控制系统1 COSO CommitteeofSponsoringOrganizations 提出了适用于包括金融机构在内的所有企业的内部控制思想和框架 2 该框架在预防 减少 消除 评估企业内部业务流程中的操作风险方面极为有效 一 第一阶段 以定性为主的操作风险度量方法 续 8 3 内部控制系统的构成环境控制子系统行为控制子系统信息与沟通子系统风险评估子系统监控子系统 一 第一阶段 以定性为主的操作风险度量方法 二 COSO的内部控制系统 续 9 一 第一阶段 以定性为主的操作风险度量方法 续 三 以定性为主的操作风险度量方法的评述很大程度上依赖于审计人员 业务管理者或操作风险管理者的知识 经验和操作水平 容易受到人为因素的干扰 与市场风险 信用风险相比 包含了更多不可量化的因素和内容 定性方法在操作风险的度量与管理中发挥着量化方法难以替代的作用 10 二 第二阶段 定性与量化结合的操作风险度量方法 一 巴塞尔委员会的基本情况介绍1 1974年 巴塞尔委员会由十国集团中央银行行长倡议成立 2 1975年9月 第一个巴塞尔协议出台 3 1983年5月 推出修改后的 巴塞尔协议 是对前一个协议的具体化和明细化 11 二 第二阶段 定性与量化结合的操作风险度量方法 一 巴塞尔委员会的基本情况介绍 续 4 1988年7月 推出 关于统一国际银行的资本计算和资本标准的报告 即所谓的旧巴塞尔协议 5 1991年11月 重新详细定义了普通准备金和坏账准备金 6 1994年6月 重新规定了OECD成员国资产的风险权重 12 7 1995年4月 针对 巴塞尔报告 难以有效防范以金融衍生工具为主引致的市场风险 对银行某些表外业务的风险权重进行调整 1996年1月 推出 资本协议关于市场风险的补充规定 正式将操作风险纳入管理框架 1997年9月 发布 有效银行监管的核心原则 10 1998年9月 发布 操作风险管理 的咨询文件 二 第二阶段 定性与量化结合的操作风险度量方法 一 巴塞尔委员会的基本情况介绍 续 13 11 1999年6月至2001年9月 通过 新巴塞尔资本协议 的三个征求意见稿 开创性地提出以资本充足率 监督检查和市场约束为支柱的资本监管框架 12 2003年2月 巴塞尔委员会提出管理操作风险的十项原则 13 2003年12月 新巴塞尔协议及其补充规定开始正式实施 二 第二阶段 定性与量化结合的操作风险度量方法 一 巴塞尔委员会的基本情况介绍 续 14 二 在新巴塞尔协议框架下对操作风险的度量与管理新巴塞尔协议对操作风险做了明确界定 正式将操作风险与信用风险 市场风险一起纳入到资本充足率的计算框架中 二 第二阶段 定性与量化结合的操作风险度量方法 续 15 3 提出了操作风险的三类度量方法 1 基本指标法 2 标准法 3 高级度量法内部度量法损失分布法记分卡法 二 第二阶段 定性与量化结合的操作风险度量方法 续 16 要求 银行应当披露更为详细的操作风险信息 2003年2月 提出操作风险管理的 十条原则 风险管理环境的规范性要求 见原则一至三 风险管理流程的规范性要求 见原则四至七 监管者行为的规范性要求 见原则八 九 信息披露的规范性要求 见原则十 二 第二阶段 定性与量化结合的操作风险度量方法 续 17 三 其他金融机构对操作风险的度量与管理英国金融服务管理局美国联邦银行监管机构美国COSO委员会中国银行业监督管理委员会 二 第二阶段 定性与量化结合的操作风险度量方法 续 18 第二节 基本指标法和标准法 19 一 基本指标法 1 根据基本指标法 机构持有的操作风险资本应等于该机构前三年中各年正的总收入加总后的均值成一个固定比例 用表示 公式表示 5 2 1 根据基本指标法计算得到的操作风险资本GI 为前三年中各年正的总收入加总后的平均值 操作风险敏感系数 由巴塞尔委员会设定 20 一 基本指标法 续 3 优点 简单易行 易于操作 便于横向比较不同机构间的操作风险状况 21 一 基本指标法 续 4 缺点 采用统一的操作风险敏感系数可能导致计量结果严重偏离现实 且使资本配置及管理优劣奖惩机制难以自动发挥作用 历史总收入指标反映的是历史收入水平 与旨在度量机构在未来业务经营中可能发生损失的操作风险度量模型不完全匹配 无法反映不完善或故障出现在何处 从而无法及时发现 度量 控制操作风险 22 二 标准法 1 标准法对金融机构的所有业务类型进行了细分和归类 然后根据各业务类型的不同风险特性分别确定了更加合理的 对应于各业务类型的操作风险敏感系数 在此基础上再对操作风险进行度量 操作步骤 1 对金融机构所有业务类型的细分和归类 业务类型对应表如表5 1所示 23 二 标准法 续 表5 1业务类型对应表 24 二 标准法 续 2 依次选择 确定各业务类型的基本指标 3 根据各业务类型的风险特性对系数进行设定 25 二 标准法 续 4 对操作风险总资本的计算 将各业务类型的操作风险资本按年简单加总后取前三年和的平均值 5 2 2 用标准法计算的操作风险资本 8个业务类型中第j个业务类型在过去第y年的总收入 由于巴塞尔委员会设定的第j个业务类型的操作风险系数 26 二 标准法 续 3 标准法在下列情况下较为适用 董事会和高级管理层制定了正确可行的操作风险管理目标和策略 并积极参与操作风险管理框架的构建与维护 操作风险管理系统相关概念清晰 稳健 执行准确有效 在主要业务类型上以及控制与审计领域对采用标准法有充足的资源支持 27 第三节 内部度量法 28 一 内部度量法的一般步骤 对金融机构所有业务 损失类型进行划分 1 首先将金融机构的所有业务划分成8种业务类型 2 进一步将每个业务类型分为7种不同的操作风险损失类型 3 把56个风险单元排列成矩阵的形式 其中第i行第j列位置上的风险单元称为i j风险单元 29 一 内部度量法的一般步骤 续 2 基本风险指标的确定和估计 1 确定每个风险单元的风险暴露指标 EI 2 根据历史数据 计算出每个风险单元出现损失的频率 PE 以及损失发生后的平均损失比率 LGEr 30 一 内部度量法的一般步骤 续 计算每个风险单元的预期损失 5 3 1 i j风险单元的预期损失 i j风险单元的风险暴露 i j风险单元发生损失的概率 i j风险单元发生损失后的平均损失比率 31 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 32 二 内部度量法在应用中的不足与修正 一 内部历史数据的不足及其修正不足 PE和LGEr的计量需要大量内部历史数据 但是实际应用中难以做到 修正 使用内部度量法的机构选择外部数据来弥补内部数据的不足 修正公式为 5 3 4 可平衡或降低甚至消除单个银行和整个行业之间的损失概率差异的调整因子 33 二 内部度量法在应用中的不足与修正 续 二 公式 5 3 2 的不足及其修正不足 预期损失和未预期损失间未必是线性关系 操作风险损失在很大程度上是内生的 2 常用的修正方法 引入风险特征指数 RiskPro RPI 调整基于内部度量法所计算出的操作风险资本值 34 二 内部度量法在应用中的不足与修正 续 3 引入 和RPI后的修正公式 5 3 5 经调整因子调整后i j风险单元出现损失的概率 35 第四节 损失分布法 36 引言 损失分布法的特点 将每个风险单元发生损失的次数视为随机过程 将每个风险单元损失发生后的损失程度视为一个随机事件 2 损失分布法的本质 估计每个风险单元进而整个金融金融机构因操作风险而导致的损失分布 37 一 操作风险事件描述 假设某金融机构有S T个风险单元 第i j风险单元在某个时间段内发生的损失事件为独立同分布的随机事件 损失发生后对应于n次损失的损失程度为独立同分布的随机时间 依次用表示 4 假设损失事件与损失发生后的损失严重程度独立 38 二 基于损失分布法度量操作风险的一般步骤 一 损失次数与损失程度的概率分布模型损失次数的概率分布模型 设i j风险单元在某个时间段内 例如1年 出现n次损失的概率密度函数为 5 4 1 2 一般都假定损失次数n服从以下分布 几何分布二项分布泊松分布负二项分布 39 二 基于损失分布法度量操作风险的一般步骤 一 损失次数与损失程度的概率分布模型 续 2 损失程度的概率分布模型 1 第i j风险单元在某个时间段内 例如1年 损失事件k发生时的损失严重程度的概率密度函数为 5 4 3 2 损失程度分布形式 指数分布 对数正态分布 高频风险事件 Gamma分布 较大偏度和峰度的损失 极值理论 低频高损失 40 二 基于损失分布法度量操作风险的一般步骤 一 损失次数与损失程度的概率分布模型 续 3 对损失次数分布与损失程度分布的贝叶斯估计 1 参数估计公式 5 4 5 2 基本思路首先 分别计算出主观数据和客观数据的相关参数的 先验分布密度函数 然后 利用公式 5 4 5 将两个参数的密度函数相乘就得到模型参数的 后验分布密度函数 最后 从 后验分布密度函数 中获得参数的点估计 41 二 基于损失分布法度量操作风险的一般步骤 一 损失次数与损失程度的概率分布模型 续 3 运用贝叶斯估计和经典估计得到的后验分布比较 42 二 基于损失分布法度量操作风险的一般步骤 续 二 单个风险单元操作风险损失分布的估计思路1 i j风险单元发生了n次损失时的总损失为 5 4 8 2 由损失次数n独立于总损失 得到i j风险单元的总损失小于x的概率为 5 4 9 3 代入损失次数和损失程度的概率分布表达式 可得操作风险损失分布的具体表达式为 5 4 10 43 二 基于损失分布法度量操作风险的一般步骤 续 三 单个风险单元在一定置信水平下的VaR与未预期损失的计算思路借助于i j风险单元总损失的概率分布可获得一定置信水平下的VaRij 相应置信水平下该风险单元的未预期损失为 5 4 11 44 二 基于损失分布法度量操作风险的一般步骤 续 四 整个金融机构操作风险总体损失分布的估计1 假定 各个风险单元的操作风险事件同时发生 且结果相互独立 金融机构的总体损失 将各风险单元在一定置信度下未预期损失之和作为整个金融机构在该置信度下的未预期损失UL 5 4 12 3 上述方法的不完善之处 忽略了各个风险单元操作风险事件的相关性 45 三 损失分布法的改进 一 Copula法构建Copula函数的关键 1 边缘分布函数的确定 2 变量相关关系的确定 3 Copula函数形式的选择与确定 46 三 损失分布法的改进 一 Copula法 续 2 边缘分布函数的确定 假设某个风险单元在x时刻之前保持正常 则该风险单元在t期内发生操作风险事件的边缘分布函数可估计如下 5 4 13 其中 为风险单元的故障率函数 47 三 损失分布法的改进 一 Copula法 续 3 相关关系的确定 1 选择A B单元的历史数据 2 可获得该机构A B两个风险单元在t期内发生操作风险事件的相关系数 5 4 14 48 三 损失分布法的改进 一 Copula法 续 4 Copula函数形式的选择与确定正态Copula极值Copula阿基米得CopulaArchimaxCopula 49 三 损失分布法的改进 续 二 考虑职能依赖的失控随机模型1 在考虑职能依赖的情况下第i个风险单元在 t时间段内失控的概率为 5 4 18 50 三 损失分布法的改进 二 考虑职能依赖的失控随机模型 续 不同职能依赖水平下风险单元失控对其他风险单元和整个机构运行的影响 1 由 5 4 18 容易推导出职能依赖水平的表示式 2 通过MonteCarlo方法 随机选取不同的pi和pij进行模拟 51 三 损失分布法的改进 二 考虑职能依赖的失控随机模型 续 3 举例 1 例子描述某机构包含50个风险单元无条件概率pmax i 0 02共模拟50000次 每次随机模拟其中一个单元失控导致其他单元乃至整个机构的损失情况 52 三 损失分布法的改进 二 考虑职能依赖的失控随机模型 续 2 模拟结果 见图5 2 结果一 红色部分表示 当 max ij 1 6 整个机构在初始状态运行正常时的状态变化情况 结果二 黑色部分表示 当 max ij 1 6 整个机构在初始状态运行失控时的状态变化情况 结果三 蓝色部分表示 当 max ij 2 0 整个机构在初始状态运行正常时的状态变化情况 53 三 损失分布法的改进 二 考虑职能依赖的失控随机模型 续 3 结果分析当职能依赖程度较低时 该风险单元失控并没有导致其他单元和整个机构失控并出现大的损失 当职能依赖程度较高时 则出现了由较小损失值向大损失值突变的情况 表明某风险单元的失控导致了其他单元乃至于整个机构失控并出现损失突变 54 三 损失分布法的改进 二 考虑职能依赖的失控随机模型 续 4 图示图5 2考虑职能依赖的失控随机模型的模拟 55 四 基于MonteCarlo模拟法的损失分布的估计 1 步骤 从i j风险单元的损失次数分布中随机抽取一个损失事件次数N 2 从i j风险单元的损失程度分布中随机抽取N个样本 3 加总N个样本数据之和 即得到该持有期内的总损失 4 不断重复上述过程 依次得到m个总损失 56 四 基于MonteCarlo模拟法的损失分布的估计 续 5 绘制损失的直方图 6 先将以上各次Monte Carlo模拟过程中求得的总损失量进行加总 再取其平均数 即得到i j风险单元的总损失平均值 7 根据i j风险单元的模拟损失分布 计算该风险单元在一定置信度水平下的VaR值 8 计算i j风险单元以及整个金融机构的未预期损失 57 四 基于MonteCarlo模拟法的损失分布的估计 续 2 举例 1 左图是假设损失次数服从泊松分布而绘制的概率分布图 2 右上图是假设损失程度服从对数正态分布而绘制的概率分布图 3 右下图是基于左图和右上图并经过10000次Monte Carlo模拟得到的某风险单元的损失分布 58 四 基于MonteCarlo模拟法的损失分布的估计 续 59 第五节 记分卡法与其他度量法 60 一 运用记分卡法度量操作风险的基本步骤 对金融机构的所有业务 损失类型进行划分 对每个风险单元进行流程细分 确定每个流程的风险因子 为每个流程建立一张记分卡 由流程的评分汇总得到各个风险单元损失事件发生次数的概率 并根据专家的主观评分 确定该风险单元损失事件发生时的损失程度 计算操作风险资本 61 二 贝叶斯神经网络模型 定义 贝叶斯神经网络模型 BayesianBeliefNetworks BBN 实质上是一个多元化的概率分布模型 其本身并不是一种独立 完整的风险度量模型 而需要与其他度量模型结合起来才能发挥作用 62 二 贝叶斯神经网络模型 续 2 步骤 1 对金融机构的流程进行分析 建立业务模型 包括识别以下因素关键流程重要活动风险诱因 2 根据业务模型 建立因果关系图 反映出各个因素之间的因果关系与层次关系 3 参照因果关系图搜集相关数据或通过模拟生成数据 63 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 64 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 65 三 因果关系模型 1 定义 因果关系模型 IntensityBasedFactorModel 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 66 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 67 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 68 第六节 操作风险度量方法的比较与分析 69 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 70 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 71 二 高级度量法