【摘要】：隨著新資本協(xié)議將操作風(fēng)險(xiǎn)納入監(jiān)管,關(guān)于如何準(zhǔn)確計(jì)量操作風(fēng)險(xiǎn)已經(jīng)成為銀行業(yè)熱點(diǎn)研究的問題。與成熟的市場(chǎng)風(fēng)險(xiǎn)和信用風(fēng)險(xiǎn)度量技術(shù)相比,操作風(fēng)險(xiǎn)度量技術(shù)還處于起步階段。在國(guó)內(nèi),商業(yè)銀行操作風(fēng)險(xiǎn)度量技術(shù)更是嚴(yán)重滯后,尤其是近年來,操作風(fēng)險(xiǎn)巨額損失事件的頻繁發(fā)生,使得操作風(fēng)險(xiǎn)幾乎成為我國(guó)商業(yè)銀行的一種“常態(tài)”風(fēng)險(xiǎn)。在此背景下研究我國(guó)商業(yè)銀行的操作風(fēng)險(xiǎn)度量問題具有重要的現(xiàn)實(shí)意義。 本文以我國(guó)銀行業(yè)操作風(fēng)險(xiǎn)損失數(shù)據(jù)為樣本,將損失事件劃分為內(nèi)部欺詐、外部欺詐、違規(guī)執(zhí)行以及系統(tǒng)失敗四種類型；在對(duì)損失分布法分析的基礎(chǔ)上,引用兩階段分布擬合操作風(fēng)險(xiǎn)的損失強(qiáng)度分布,以共軛先驗(yàn)分布來確定各參數(shù)的后驗(yàn)分布；同時(shí)采用Bayes理論中的吉布斯抽樣來獲取參數(shù)估計(jì)值以減小”低頻率高損失”數(shù)據(jù)不足帶來的誤差,進(jìn)而計(jì)算出不同置信水平下我國(guó)商業(yè)銀行單個(gè)操作風(fēng)險(xiǎn)損失的VaR值與ES值。最后,考慮到操作風(fēng)險(xiǎn)各損失事件間可能存在的相關(guān)性,本文采用Copula函數(shù)對(duì)操作風(fēng)險(xiǎn)進(jìn)行整合以獲得聯(lián)合損失分布函數(shù),從而計(jì)算出四類操作風(fēng)險(xiǎn)的整體損失。研究結(jié)果表明：基于Bayes理論的參數(shù)估計(jì)綜合考慮了總體與樣本等先驗(yàn)信息,估計(jì)出的參數(shù)值誤差較小；Copula函數(shù)的引入與VaR值、ES值的測(cè)算,能在考慮了損失事件發(fā)生概率的同時(shí),估測(cè)出操作風(fēng)險(xiǎn)潛在的損失大小,從而可以更準(zhǔn)確度量操作風(fēng)險(xiǎn)。
【學(xué)位授予單位】：中南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2010
【分類號(hào)】：F832.33;F224
【圖文】：

學(xué)碩十學(xué)位論文第四章單一操作風(fēng)險(xiǎn)的Bayes估計(jì)e。(u)=n藝(X，一u)‘i=lN‘(:一)+·{探于之“(4一l)en(u)為超過閩值。的損失的總和除以超過閩值。的損失個(gè)數(shù)Nu。當(dāng)二:。超額均值函數(shù)圖近似線性趨勢(shì)時(shí)，即可確定閩值。，如圖4一1、圖4一2、圖4一3，，可以確定內(nèi)部欺詐的閉值為75，外部欺詐的閩值為50。

N‘(:一)+·{探于之“(4一l)en(u)為超過閩值。的損失的總和除以超過閩值。的損失個(gè)數(shù)Nu。當(dāng)二:。時(shí)，超額均值函數(shù)圖近似線性趨勢(shì)時(shí)，即可確定閩值。，如圖4一1、圖4一2、圖4一3所示，，可以確定內(nèi)部欺詐的閉值為75，外部欺詐的閩值為50。DDD工鈴鈴8山洲工E心11OOO護(hù)$/J!seseDD帥口〕刀們口印口匆口1【11】圖4一1內(nèi)部欺作損失的超額均值函數(shù)圖O 000口

本文編號(hào)：2772821