基于Bayes-Copula方法的商业银行操作风险度量

摘要

随着新资本协议将操作风险纳入监管,关于如何准确计量操作风险已经成为银行业热点研究的问题。与成熟的市场风险和信用风险度量技术相比,操作风险度量技术还处于起步阶段。在国内,商业银行操作风险度量技术更是严重滞后,尤其是近年来,操作风险巨额损失事件的频繁发生,使得操作风险几乎成为我国商业银行的一种“常态”风险。在此背景下研究我国商业银行的操作风险度量问题具有重要的现实意义。
　　 本文以我国银行业操作风险损失数据为样本,将损失事件划分为内部欺诈、外部欺诈、违规执行以及系统失败四种类型;在对损失分布法分析的基础上,引用两阶段分布拟合操作风险的损失强度分布,以共轭先验分布来确定各参数的后验分布;同时采用Bayes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,进而计算出不同置信水平下我国商业银行单个操作风险损失的VaR值与ES值。最后,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,从而计算出四类操作风险的整体损失。研究结果表明:基于Bayes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、ES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。

目录

文摘

英文文摘

第一章 导论

1.1 研究背景

1.2 研究目的和意义

1.3 文献综述

1.3.1 操作风险度量方法的文献综述

1.3.2 Copula理论的文献综述

1.4 本文的研究思路、逻辑结构与内容

1.4.1 本文的研究思路与方法

1.4.2 本文的逻辑结构与内容

第二章 商业银行操作风险及其度量方法

2.1 操作风险的界定

2.2 操作风险的分类

2.3 操作风险度量模型

2.3.1 自上而下与自下而上的方法

2.3.2 塞尔委员会建议的高级度量方法

2.3.3 其它高级度量方法

2.4 本章小结

第三章 构建基于Bayes估计的操作风险度量模型

3.1.Bayes理论的介绍

3.1.1 Bayes估计

3.1.2 常用的共轭分布

3.1.3 后验分布的计算方法

3.2.操作风险的VaR与ES测度

3.2.1 VaR与ES的定义

3.2.2 VaR与ES的计算方法

3.3.操作风险度量模型的建立

3.3.1 损失分布法的处理

3.3.2 各分布参数的Bayes估计

3.3.3 操作风险损失的蒙特卡罗模拟

3.4.模型的返回检验

3.5.本章小结

第四章 单一操作风险的Bayes估计

4.1 数据的来源及分析

4.1.1 数据的收集与处理

4.1.2 数据的描述性统计

4.2 参数的确定

4.2.1 阈值的确定

4.2.2 共轭分布中参数的确定

4.3 操作风险VaR与ES的计算

4.4 返回检验

4.5 本章小结

第五章 基于Copula理论的操作风险整合

5.1 Copula理论的介绍

5.1.1 Copula函数的定义和性质

5.1.2 Copula函数的分类

5.2 Copula函数的参数估计及检验

5.2.1 Copula函数的参数估计方法

5.2.2 Copula函数的检验

5.3 操作风险联合损失的Copula模拟算法

5.3.1 正态Copula模拟操作风险联合损失

5.3.2 T-Copula模拟操作风险联合损失

5.4 基于Copula方法的操作风险联合损失的计算

5.4.1 数据的选取与处理

5.4.2 模型的选择

5.4.3 参数的估计与模型的检验

5.4.4 四种操作风险的整合

5.5 本章小结

第六章 结论与展望

6.1 本文的主要结论与创新

6.2 研究的不足与展望

参考文献

附录

致谢

攻读学位期间主要研究成果