操作风险的损失分布法（LDA）：频率与严重度分布的拟合

操作风险的损失分布法（LDA）：频率与严重度分布的拟合本文档提供：LDA适用性判定表（表1）；频率分布选择与均值方差判定表（表2）；严重度分布分段拟合表（表3）；拟合检验动作与不通过信号对照表（表4）；资本计算与聚合顺序表（表5）；LDA建模失效排查表（表6）；一次从Poisson强行拟合法到分段负二项—对数正态—GPD的完整示例与变量表（表7）；决策规则6条与矛盾四段式1处；完整版、精简版、极简版三套场景操作序列；数据来源与时效说明表（表8）。2026-11-04这一节的标题读完你能拿到什么这一节在全文中的功能一、先判断这个风险单元能不能用LDA，而不是先选分布LDA适用性判定表（表1），五问定“能不能拟合”在打开拟合软件之前拦下数据量不足的风险单元二、频率分布：Poisson和负二项的选用只看一个比较频率分布选择与均值方差判定表（表2），含数据点数量门槛把频率分布从“惯例选Poisson”换成可检验的选择三、严重度分布：高频低损和低频高损分开拟合严重度分布分段拟合表（表3），对数正态、GPD、Weibull各自的位置解决单分布同时拟合主体和尾部造成的拟合失败四、拟合检验：KS和AD看整体，QQ图看尾部拟合检验动作与不通过信号对照表（表4），含尾部检验区分整体拟合通过但尾部拟合失败的情形五、资本计算：先单单元VaR，再按聚合规则加总资本计算与聚合顺序表（表5），简单加总与相关性聚合的差别固定单单元到总资本的执行顺序六、LDA跑了三年资本数每年跳，先查这五处LDA建模失效排查表（表6），第一检查点是频率拟合的数据点年数定位资本波动的来源，不归因于“模型不稳定”七、一次从Poisson强行拟合法到分段拟合的完整示例含四次试错、判断转折、终点与变量表（表7）演示数据量判定、分段、尾部检验、聚合四条线的联动八、什么时候直接加总，什么时候用相关性聚合决策规则6条、矛盾四段式1处、权衡规则与退路处理简单加总的保守性与相关性模型的参数风险九、报送、内部资本估算、个人查数各走哪套流程三套场景的检查项与分布拟合步骤实际增减，逐套写明底线按交付对象与可用时间选择执行深度十、每个判断的依据层级和复核方式信息项、来源层级、核对状态、建议验证事项、核对路径交代关键判断的依据层级与复核路径按第一列在正文找对应那节，按第二列判断这节有没有要用的成品，按第三列判断这节是否对应当前卡住的位置。操作风险资本计量年度更新，某一业务条线的损失数据共87笔，建模人员按惯例把频率拟为Poisson、严重度拟为对数正态，蒙特卡洛跑出99.9%VaR为1.24亿元。上一年同一单元的VaR为0.71亿元，前年为0.68亿元。资本数在三年内跳了将近一倍，拟合报告里KS检验的p值写着0.12，判定为“拟合可接受”。一、先判断这个风险单元能不能用LDA，而不是先选分布LDA在单个风险单元（业务条线×事件类型）上分别拟合频率分布和严重度分布，再用蒙特卡洛生成聚合损失分布，取99.9%分位数作为资本要求。这个流程成立的前提是每个单元有足够的数据点支撑两个分布的同时估计。表1五问按顺序走，任何一问不通过，该单元不进入分布拟合。表1LDA适用性判定表判定顺序问什么什么算通过不通过时先做什么一个已填样例第1问该风险单元可用于频率拟合的年度数据点有几个不少于5个年度观测少于5年时，合并相邻事件类型或使用外部数据加情景，不强行拟合该单元数据覆盖4年，第1问不通过第2问内部损失事件笔数能否支撑严重度分布估计不低于50笔；参考门槛为Poisson期望损失估计在5%误差、90%置信下需约1082个数据点低于50笔时，严重度尾部改用外部数据或情景分析，内部数据只拟主体87笔，达到最低线但不足以单独估计尾部第3问数据收集门槛以下的事件是否被系统性排除门槛值明确且记录在案；门槛以下事件的分布特征有说明门槛未记录时，先补门槛文档，再判断截断偏差门槛5万元，记录在案第4问该单元的事件定义是否与相邻单元存在重叠无重叠；重叠部分已归入唯一单元有重叠时，先重新映射事件类型，再拟合外部欺诈与系统安全存在3笔重叠，需重新映射第5问拟合结果准备用来做什么资本计量、限额分配或绩效调整，用途明确用途不明确时，拟合结果只做描述统计，不进入资本计算用于资本计量第2问的数字关系需要单独说明。50笔是严重度分布能勉强拟合的最低经验线，不是充分条件。Poisson分布下，期望损失的估计要在5%误差、90%置信水平内稳定，约需1082个数据点。87笔的数据量可以拟合出一个分布，但这个分布对尾部的刻画主要依赖少数几笔大额损失，资本数的年度波动由此产生。第1问不通过时，合并相邻事件类型是一个可选动作，但合并会降低风险敏感性。另一个可选动作是把该单元的频率分布设为Poisson并固定均值（不估计方差），严重度使用外部数据或情景分析的参数，内部数据只用于校准主体部分。两个动作都要在建模文档中写明“该单元未独立拟合”。二、频率分布：Poisson和负二项的选用只看一个比较频率分布描述一年内损失事件发生次数的分布。Poisson分布假设均值等于方差，负二项分布允许方差大于均值。选择动作在拟合之前完成，选择依据是样本均值与样本方差的比较。表2频率分布选择与均值方差判定表样本均值与方差的关系选哪个分布依据数据点不足时的处理一个已填样例均值≥方差PoissonPoisson的均值等于方差，过度离散不显著年度数据点少于5个时，固定均值为样本均值，不估计方差该单元4年频数2、3、2、4，均值2.75，方差0.92，Poisson可用但年数不足方差>均值负二项存在过度离散，Poisson会低估高频场景的概率负二项需要额外估计离散参数，数据点少于5年时离散参数不稳定，可退回Poisson并记录过度离散某合并单元方差是均值的2.3倍，选负二项均值<方差且数据点极少Poisson加保守调整数据不足以估计离散参数在Poisson基础上上调频率均值，上调幅度记录3年数据，方差不稳定，Poisson均值取上限样本中零事件年份占比高零膨胀Poisson或负二项零事件比例显著高于Poisson预测先检查数据收集门槛是否遗漏了低损事件某单元4年中2年零事件，Poisson预测零事件概率0.18，实际0.50均值与方差的比较要在拟合之前做。案例中建模人员直接假设Poisson，没有做这个比较。事后回查该单元4年的频数为2、3、2、4，均值2.75，方差0.92，均值大于方差，Poisson在方向上可用；但4个年度数据点估计出的方差本身不稳定，Poisson的选择在数据量上缺少支撑，不是选择错了分布，是没有条件做选择。方差大于均值时，负二项是常见选择。负二项需要多估计一个离散参数，这个参数在年度数据点少于5个时波动很大。此时退回Poisson并记录过度离散，比强行估计负二项的离散参数更可追溯。记录的内容至少两项：方差与均值的比值、数据点年数。三、严重度分布：高频低损和低频高损分开拟合操作风险损失数据的典型形态是右偏、厚尾、截断：大量小额损失集中在低值区，少数大额损失拖出长尾，数据收集门槛把门槛以下的事件切掉。用一个对数正态分布同时拟合主体和尾部，通常在主体上拟合尚可，在尾部上拟合失败，而资本数由尾部决定。表3严重度分布分段拟合表数据段范围首选分布备选分布拟合前必须做什么一个已填样例主体段（高频低损）门槛以上至第90或第95百分位对数正态Weibull、Gamma确认门槛以上数据完整，截断偏差有说明87笔中前80笔，对数正态拟合尾部段（低频高损）第90或第95百分位以上广义Pareto分布（GPD）对数正态（尾部单独拟合）、Weibull用超阈值峰值法确定阈值，阈值以上的数据点不少于20笔第95百分位以上12笔，不足20笔，尾部改用外部数据过渡区主体与尾部的交界不单独拟合，由主体和尾部的拟合结果在此处拼接—检查两段在交界处的累积分布是否连续交界处概率差0.03，可接受门槛以下数据收集门槛以下不拟合，记录门槛值与排除理由—门槛以下事件占比有估计时，记录估计方法门槛5万元，以下事件未收集，占比估计15%分段拟合的阈值取第90或第95百分位，不取一个固定的金额。固定金额阈值在不同业务条线上的百分位位置差异很大，同一个金额在零售条线可能落在第80百分位，在公司条线可能落在第99百分位，后者的尾部数据点不足以支撑GPD估计。尾部数据点不少于20笔是一个操作线，不是统计充分条件。案例中第95百分位以上12笔，不满足这个线，尾部单独拟合GPD的参数不稳定。处理方式有两种：把阈值下移到第90百分位以纳入更多数据点，或尾部使用外部数据与情景分析的参数、内部数据只拟主体。案例选择了后者，因为该单元的大额损失事件类型在外部数据中有对应记录。对数正态在主体段的表现通常稳定，但它在尾部的衰减速度快于操作风险数据的实际尾部。用单对数正态覆盖全段时，拟合检验在整体上可能通过，尾部分位数的估计偏低。分段拟合的动作把这个问题暴露在尾部检验中（第四节）。四、拟合检验：KS和AD看整体，QQ图看尾部拟合优度检验分两类：基于经验分布函数比较的正式检验（KS、AD），和可视化比较（QQ图、PP图）。正式检验给出一个统计量和p值，可视化检验让建模人看到偏差发生在分布的哪一段。两类检验都要做，正式检验通过不替代尾部可视化检查。表4拟合检验动作与不通过信号对照表检验用在哪怎么读通过线不通过信号不通过先改什么KS检验频率分布、严重度主体段经验分布与拟合分布的最大距离p>0.05p≤0.05，但需结合样本量读先查数据是否分段正确，再换备选分布AD检验严重度主体段、尾部段对尾部差异加权的距离统计量p>0.05AD拒绝而KS通过尾部拟合有问题，检查GPD阈值或换尾部分布QQ图严重度全段，重点看尾部经验分位数对拟合分位数作图尾部点大致沿45度线尾部点系统性偏离直线尾部单独拟合，不用主体分布外推PP图严重度主体段经验概率对拟合概率作图主体段点贴近对角线主体段两端偏离换主体分布或检查截断偏差信息准则（AIC/BIC）多个候选分布之间同一数据集上比较取AIC或BIC较小的分布，不单独作为通过判据两个分布AIC接近但尾部表现不同以尾部QQ图为准，不以信息准则单独定KS检验对尾部的差异不敏感。案例中KSp值为0.12，判定“拟合可接受”，但QQ图在尾部显示经验分位数系统性高于拟合分位数，说明对数正态低估了大额损失的概率。KS通过而QQ图尾部偏离，是单分布拟合厚尾数据的典型表现，处理动作是分段，不是换一个整体分布。AD检验对尾部加权，它在尾部差异上的敏感性高于KS。AD拒绝而KS通过时，优先相信AD的指向：尾部拟合有问题。此时的动作不是换主体分布，是把尾部单独切出来拟合GPD。GPD拟合本身需要检查阈值选择。阈值以下的GPD拟合对阈值敏感，阈值稍变，形状参数可能显著变化。检查动作：在候选阈值上下各取一个相邻值，分别拟合GPD，比较形状参数的估计值。三个阈值下形状参数符号一致且量级接近时，阈值选择可接受；符号翻转时，阈值不稳定，尾部估计不可靠。五、资本计算：先单单元VaR，再按聚合规则加总单个风险单元的资本要求是该单元聚合损失分布的99.9%分位数。聚合损失分布由频率分布和严重度分布复合而成，解析表达式通常不存在，用蒙特卡洛模拟数值求解。单单元VaR算出后，再按聚合规则得到总资本。表5资本计算与聚合顺序表步骤做什么参数或输入常见错误一个已填样例1生成年度事件次数频率分布参数（Poisson均值或负二项均值加离散参数）用月度频率均值直接当作年度均值，漏乘12Poisson均值2.752对每次事件生成损失金额严重度分布参数（主体段与尾部段分别生成）全段用同一分布生成，尾部被系统性低估主体段对数正态，尾部GPD3年度损失求和步骤1的次数与步骤2的金额逐次对应次数和金额分开模拟后独立配对，破坏复合结构每次模拟生成N个损失并求和4重复步骤1至3模拟次数不少于50000次模拟次数不足，99.9%分位数不稳定100000次5取99.9%分位数聚合损失分布的经验分位数取99%分位数替代99.9%，资本偏低单单元VaR1.24亿元6跨单元加总简单加总或相关性聚合把单单元VaR直接相加而不说明聚合假设简单加总，记录“完全相关假设”步骤2的分段生成是资本计算中最容易滑过去的一步。建模软件默认用一个分布生成全部损失金额时，尾部损失从主体分布（例如对数正态）的尾部抽取，抽取概率由主体分布的形状决定，不由实际尾部数据决定。分段拟合后，尾部损失从GPD生成，生成概率由尾部数据段的频率决定，两部分在复合分布中按各自的触发概率出现。步骤6的聚合规则在第八节展开。简单加总假设各风险单元完全相关，得到的是资本上限；相关性聚合（Copula或显式依赖结构）利用分散效应，得到的资本低于简单加总。聚合规则的选择在单单元VaR算出之前就要确定，因为简单加总与相关性聚合对单单元VaR的精度要求不同：相关性聚合对单单元尾部的估计误差会在聚合层被放大，简单加总对单单元误差的容忍度更高。六、LDA跑了三年资本数每年跳，先查这五处表6LDA建模失效排查表检查顺序第一检查点什么算异常换哪条路1打开频率拟合表，看年度数据点有几个少于5个年度观测合并相邻单元或固定均值，不估计方差；资本数标注“低数据量”2看严重度拟合是否用单分布覆盖全段全段一个分布，无尾部单独拟合按第90或第95百分位分段，尾部用GPD或外部参数3看KS和AD的p值，同时看QQ图尾部KS通过但QQ图尾部偏离以尾部QQ图为准，重新分段4看蒙特卡洛模拟次数和随机种子记录模拟次数低于50000，或无种子记录提高模拟次数到100000，固定种子重跑，比较资本变化5看跨单元聚合是否每年使用同一规则聚合规则在年度间变更且无说明聚合规则变更处标注影响量，变更前后的资本数不直接比较第1项是排查起点。频率拟合的年度数据点少于5个时，方差估计本身不稳定，Poisson和负二项之间的选择没有统计基础，资本数的年度波动有一部分来自这个不稳定的选择。第1项修复后，第2至5项才有稳定的输入。第4项的模拟次数检查在资本数年度跳变时经常被跳过。99.9%分位数位于分布的最右尾，模拟次数不足时，这个分位数主要由少数几次极端模拟结果决定，随机种子一变，资本数就变。固定种子重跑是区分“模型不稳定”和“模拟噪声”的成本最低的动作。七、一次从Poisson强行拟合法到分段拟合的完整示例示例案例，细节为合理设定。起点。某业务条线单一风险单元，内部损失数据87笔，覆盖4年。建模人员按惯例将频率拟为Poisson、严重度拟为对数正态，KSp值0.12，99.9%VaR为1.24亿元。上一年同单元VaR为0.71亿元。第一轮试错。建模人看到VaR从0.71亿元跳到1.24亿元，第一反应是本年新增的几笔大额损失拉高了尾部。当时以为对数正态的尾部参数被少数极端值主导。试了删除最大的两笔损失后重跑，VaR降到0.89亿元，仍高于上年。试完发现，删除大额损失不是可追溯的处理方式，而且删除后VaR仍高于上年，说明跳变不全部来自新增极端值。换路：按表1逐问检查LDA适用性。第二轮试错。表1第1问：频率拟合的年度数据点4个，不通过。建模人试了把相邻事件类型的频数合并，年度数据点增加到8个，Poisson均值从2.75变为4.10。试了用合并后的数据重新拟合，KSp值0.09，VaR1.06亿元。当时以为数据点问题解决了。试完发现，合并相邻事件类型降低了风险敏感性，而且合并后的单元包含了原本不属于该单元的损失事件，VaR的下降有一部分来自事件类型的混合。换路：退回不合并，固定Poisson均值，标注“低数据量”。第三轮试错。固定Poisson均值后，频率侧的动作完成。转到严重度。全段对数正态的QQ图显示尾部经验分位数高于拟合分位数。当时以为换一个尾部更厚的整体分布即可。试了把全段分布换成Weibull，主体段拟合变差，KSp值降到0.03，尾部偏离缩小但未消除。试完发现，换整体分布不能同时满足主体和尾部，两个段对分布形状的要求不同。换路：按表3分段，第95百分位以上用GPD。第四轮试错。分段后，第95百分位以上只有12笔，低于20笔的操作线。当时以为12笔也能拟合GPD。试了拟合GPD，形状参数估计为0.41，标准误0.28，置信区间跨零。试了把阈值下移到第90百分位，尾部数据点增加到21笔，GPD形状参数0.33，标准误0.19，置信区间不跨零。试完发现，阈值下移使尾部估计稳定，但第90至第95百分位之间的事件原本属于主体段，分段边界需要重新检查过渡区的连续性。换路：阈值定在第90百分位，主体段和第90百分位以上的GPD在交界处检查累积分布差为0.02，可接受。终点。频率固定Poisson均值2.75，标注“年度数据点4个，未估计方差”。严重度分为主体段（第90百分位以下）对数正态、尾部段（第90百分位以上21笔）GPD。KS检验主体段p值0.16，AD检验尾部段p值0.11，QQ图尾部点沿45度线分布。蒙特卡洛模拟100000次，固定种子。单单元VaR1.02亿元。与上年0.71亿元的差距中，频率固定均值解释了0.08亿元，分段尾部拟合解释了0.23亿元，模拟种子固定后剩余差异0.00亿元。表7完整示例变量表变量案例中情形如果变量不同处置变化频率年度数据点4个达到8个可估计方差，Poisson与负二项之间做均值方差比较严重度总笔数87笔降到40笔主体段拟合也不稳定，全段退回情景分析参数尾部阈值第90百分位，21笔维持第95百分位，12笔GPD形状参数置信区间跨零，尾部不可靠，改用外部数据GPD形状参数0.33，标准误0.19标准误大于参数值阈值不稳定，向上或向下移动阈值重新检查蒙特卡洛模拟次数100000，固定种子50000，无种子99.9%分位数波动，资本数年度跳变无法区分噪声与模型变化聚合规则简单加总Copula相关性聚合单单元尾部估计误差在聚合层放大，需先提高尾部精度权重较高的变量是尾部阈值。从第90百分位退到第95百分位时，尾部数据点从21笔降到12笔，GPD形状参数的置信区间跨零，尾部估计不可靠，整个资本数的主要驱动项失去统计基础。八、什么时候直接加总，什么时候用相关性聚合决策规则。第1条。如果单个风险单元的年度频率数据点少于5个，则该单元的频率分布固定均值为样本均值，不估计方差；资本数标注“低数据量单元”，不与其他单元的低数据量资本数直接比较年度变化。第2条。如果严重度拟合的KS检验通过但QQ图尾部偏离，则以尾部QQ图为准，按第90或第95百分位分段；不分段时，拟合报告不得以KSp值单独判定“拟合可接受”。第3条。如果尾部GPD的形状参数置信区间跨零，则移动阈值使尾部数据点达到20笔以上重新拟合；移动后仍跨零时，尾部使用外部数据或情景分析的参数，内部数据只拟主体段。第4条。如果蒙特卡洛模拟次数低于50000次，或没有固定种子的重跑记录，则99.9%VaR不进入资本计算；先提高模拟次数并固定种子，比较两次重跑的资本差异，差异超过5%时继续提高次数。第5条。如果跨单元聚合使用简单加总，则单单元VaR的误差容忍度按加总层的保守性确定；使用相关性聚合时，单单元尾部估计误差在聚合层放大，尾部GPD的拟合精度要求先于聚合模型的选择。第6条。如果年度间聚合规则发生变更，则变更前后的资本数不直接比较；变更处标注规则名称与影响量，影响量单独测算。矛盾：简单加总的资本保守性与分散效应的信息损失。矛盾陈述。简单加总假设各风险单元的损失完全相关，得到的资本是上限。这个做法不依赖跨单元相关性参数的估计，可追溯、可复算，但把分散效应全部丢弃了。相关性聚合（Copula或显式依赖结构）利用分散效应，资本低于简单加总，代价是相关性参数的估计本身没有足够的数据支撑：操作风险单元的联合损失事件在年度数据中极少同时出现，Copula参数主要由模型假设决定，不由数据决定。实质分析。案例中单单元VaR为1.02亿元，简单加总得到的总资本把各单元的99.9%分位数直接相加，相当于假设所有单元在同一年同时达到各自的99.9%分位数。相关性聚合在这个数字上打一个折扣，折扣幅度取决于Copula的选择和参数，而Copula参数在低频高损的操作风险数据上很难被回测验证。简单加总没有估计误差，但有系统性高估；相关性聚合在参数正确时资本更准，参数错误时资本可能低于真实风险且无法从数据中发现。权衡规则。单单元尾部估计精度不足（GPD形状参数置信区间跨零、模拟次数不足、频率数据点少于5个）时，使用简单加总，不用相关性聚合。理由是：相关性聚合在单单元尾部误差上叠加相关性参数误差，两个误差同向时资本低估，且没有回测手段区分低估来自哪一层。单单元尾部估计稳定（GPD参数置信区间不跨零、模拟收敛、频率数据点达标）时，相关性聚合可以使用，但Copula选择和参数估计写入建模文档，并做一次简单加总与相关性聚合的资本差额记录，差额幅度超过30%时说明相关性假设对资本的影响过大，需要重新检查Copula设定。退路。如果既需要分散效应、又没有单单元尾部稳定的估计，则不做相关性聚合，在简单加总的结果上不做任何折扣，把分散效应留在资本配置环节（而不是资本计量环节）处理：资本计量用简单加总，业务条线的资本配置按历史损失占比或预期损失占比分配，配置环节的分散效应以管理折扣的形式单独记录，不进入监管资本数。这个处理把“资本要求”和“内部配置”分开，避免了用一个无法验证的Copula参数同时影响两个环节。九、报送、内部资本估算、个人查数各走哪套流程完整版（对外报送或监管验收）。表1五问、表2均值方差比较、表3分段拟合、表4五项检验、表5六步资本计算、表6五项排查全部执行；频率分布做Poisson与负二项的均值方差判定并记录；严重度按第90或第95百分位分段，尾部GPD做阈值稳定性检查；蒙特卡洛100000次固定种子；聚合规则写明简单加总或Copula设定。不能妥协的底线：每个单元的频率年度数据点数和严重度笔数可查；尾部拟合有QQ图或AD检验