项目名称: 操作风险动态量化方法研究:从微观机构到宏观系统

项目编号: No.71501117

项目类型: 青年科学基金项目

立项/批准年度: 2016

项目学科: 管理科学

项目作者: 高翔

作者单位: 上海商学院

项目金额: 15.5万元

中文摘要: 近年来,操作风险损失事件背后的发生机制呈现复杂化、动态化的趋势,而且单一事件的影响范围也变得越来越广。然而,目前的量化方法却是统计学的静态微观度量模型:输入依赖数据数量与质量,假设业务流程简单且静止,输出仅适用于微观金融机构。这在实践上将必然导致对操作风险的度量产生偏差。为此,本项目在广泛收集数据、深入比较多种静态度量模型优劣的基础上,提出了能够绕开数据,直接描述风险产生、传播和爆发机理的动态度量模型,使其与静态度量模型能够相互印证,并将其扩展到金融行业系统层面,用于度量系统操作风险的损害。

中文关键词: 操作风险;系统风险;动态方法;损失分布法;网络结构

英文摘要: In recent years, the mechanism of operational loss event generation becomes more complicated and dynamic. Moreover, a single loss event can cause widespread effects, which may further lead to the collapse of the entire financial system. However, current methods of operational risk quantification are purely statistical approaches, which heavily rely on the quality and quantity of historical data inputs, and are based on the assumption that the underlying business structure is simple and static. As a consequence, their estimated results may be biased. We propose a dynamic model for the quantification of operational risk. We believe that there are several advantages to using a dynamic model instead of a statistical approach. The first one is that we can directly describe the transmission and loss propagation processes of operational risk. The second advantage is that a dynamic model may account for the inherent correlations between loss frequency and severity within and between business lines or event types. The third advantage is that, in contrast with static approaches, a dynamic model offers a natural and solid framework with which forecasting future operational losses and quantifying systemic operational risk become possible.

英文关键词: Operational Risk;Systemic Risk;Dynamic Approach;Loss Distribution Approach;Network Structure

成为VIP会员查看完整内容
1

相关内容

【ICLR2022】图神经网络复杂时间序列建模
专知会员服务
88+阅读 · 2022年4月15日
2021年中国AI开发平台市场报告
专知会员服务
72+阅读 · 2021年10月26日
专知会员服务
89+阅读 · 2021年7月9日
一图掌握《可解释人工智能XAI》操作指南
专知会员服务
59+阅读 · 2021年5月3日
专知会员服务
30+阅读 · 2021年2月7日
【WSDM2021】基于演化状态图的时间序列事件预测
专知会员服务
52+阅读 · 2020年12月1日
近期必读的七篇 ICLR 2021【因果推理】相关投稿论文
专知会员服务
68+阅读 · 2020年10月6日
金融反欺诈的底层逻辑
人人都是产品经理
1+阅读 · 2022年3月23日
阿里探「底」?|焦点分析
36氪
0+阅读 · 2022年2月26日
解读:《金融数据安全 数据安全评估规范》
THU数据派
6+阅读 · 2022年1月18日
全网最全-网络模型低比特量化
极市平台
0+阅读 · 2022年1月12日
基于规则的建模方法的可解释性及其发展
专知
4+阅读 · 2021年6月23日
用户研究:如何做用户画像分析
产品100干货速递
44+阅读 · 2019年5月9日
R语言之数据分析高级方法「时间序列」
R语言中文社区
17+阅读 · 2018年4月24日
互联网金融中的交易反欺诈模型
炼数成金订阅号
14+阅读 · 2018年3月9日
安全牛发布《威胁情报市场指南》报告
安全牛
12+阅读 · 2017年7月10日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
4+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
5+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月16日
Arxiv
0+阅读 · 2022年4月15日
Arxiv
11+阅读 · 2018年9月28日
小贴士
相关主题
相关VIP内容
【ICLR2022】图神经网络复杂时间序列建模
专知会员服务
88+阅读 · 2022年4月15日
2021年中国AI开发平台市场报告
专知会员服务
72+阅读 · 2021年10月26日
专知会员服务
89+阅读 · 2021年7月9日
一图掌握《可解释人工智能XAI》操作指南
专知会员服务
59+阅读 · 2021年5月3日
专知会员服务
30+阅读 · 2021年2月7日
【WSDM2021】基于演化状态图的时间序列事件预测
专知会员服务
52+阅读 · 2020年12月1日
近期必读的七篇 ICLR 2021【因果推理】相关投稿论文
专知会员服务
68+阅读 · 2020年10月6日
相关资讯
金融反欺诈的底层逻辑
人人都是产品经理
1+阅读 · 2022年3月23日
阿里探「底」?|焦点分析
36氪
0+阅读 · 2022年2月26日
解读:《金融数据安全 数据安全评估规范》
THU数据派
6+阅读 · 2022年1月18日
全网最全-网络模型低比特量化
极市平台
0+阅读 · 2022年1月12日
基于规则的建模方法的可解释性及其发展
专知
4+阅读 · 2021年6月23日
用户研究:如何做用户画像分析
产品100干货速递
44+阅读 · 2019年5月9日
R语言之数据分析高级方法「时间序列」
R语言中文社区
17+阅读 · 2018年4月24日
互联网金融中的交易反欺诈模型
炼数成金订阅号
14+阅读 · 2018年3月9日
安全牛发布《威胁情报市场指南》报告
安全牛
12+阅读 · 2017年7月10日
相关基金
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
4+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
5+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员