基于贝叶斯Copula函数的操作风险计量研究.pdfVIP

中国现场统计研究会第15届学术年会论文集 基于贝叶斯Copula函数的操作风险计量研究1 戴丽娜 主要内容。商业银行操作风险的计量存在两个重要的问题，一个问题是损失数据缺乏，另一个问题是各部分之间 的风险相关问题。本文结合Bayes估计和Copula函数解决了上述两个问题并基于中国商业银行操作风险的损失数 据对对操作风险的计量进行了实证分析．实证分析的结果表明无论考虑风险相关与否，基于极大似然估计的VaR 与基于Bayes估计的VaR具有一定的差距。 关键词：Bayes估计；Copula函数；VaR 中图分类号：C81文献标示码：A 一～弓I瞢 本文结合Bayes估计和Copula函数，考虑到各个业务线／风险类型的操作风险之间的相关性与操 作风险数据缺乏问题，利用LDA方法对操作风险进行计量： =，基于LDA方法对操作风险的计量 三，Copula相关理论 (一)cOpuIa函数的参数估计 Normal．Copula的参数是相关系数矩阵∑。在本文，我们采用极大似然估计方法与贝叶斯估计 的方法对参数进行估计并对二者的估计结果进行比较。 1．极大似然估计方法 2．贝叶斯估计方法 参数估计的方法采用MCMC(马尔科夫链蒙特卡罗模拟)方法，MCMC方法更多的讨论见 的软件为Winbugsl．4。 (二)用蒙特卡罗方法模拟NormaI-Oopula 四，实证分析 因为我国没有专门的操作风险数据库，因此本文从有关的媒体报道、网站等公开渠道共得到 563个操作风险损失数据，涉及国有商业银行、股份制银行、政策性银行、信用社、城市商业银行 和邮政储蓄等金融机构。本文的操作风险分被分为内部欺诈．零售银行、内部欺诈．商业银行、内部 欺诈．支付与结算、外部欺诈．零售银行、外部欺诈．商业银行、外部欺诈．支付与结算六个部分。 (一) 不考虑风险相关时的估计 1．参数的极大似然估计 2．参数的Bayes估计 下面我们考虑操作风险发生频率％与损失强度蜀在不同分布时参数的Baycs估计。为了节省 另外一篇文章中对不考虑相关时的Baycs估计作了详细地探讨，这里仅引用有关的结果。 表三，^分布参数的Bayes估计 本文捩得_{!f[阿；；f|：人文社科项H“非参数方法及je存商qk钺彳_：i：操作风险训‘繁巾的麻川研究”(IOY．IC910001)资助 2 中国现场统计研究会第15届学术年会论文集 表四 分布参数的Bayes估计(表中数据被扩大了10000倍) 表三与表四为操作风险发生频率刀t与损失强度参数的Bayes估计结果。从表三、表四与表 一、表二的对比可以看出，操作风险发生频率／／t与损失强度参数的Bayes估计结果与极大似然 估计结果在某些值还是有一定差距的。 3．各种情形的VaR与ES 不考虑各部分风险之间的相关性，表五、表六给出了基于极大似然估计与Bayes估计的VaR 大似然估计时减少15．9639％与22．5447％。 表五 不考虑风险相关并且参数／It与s基于极夫似然估计的VaR与ES(单位：万元) VaR95％ VaR99％ ES95％ ES99％ 1061100 1714300 Poisson—Exponential分布 14784502192187 Poisson-Gamma分布954150 154470013209981935750 1156900 2025300 负二项-Exponential分布 17284452759754 负二项一Gmnma分布 1054300 1922100 16071802625880 (单位：万元) 表六不考虑风险相关并目．参数胁与st基于B