具有极端损失事件的操作风险资本的半非参数估计
综合经济学
2022-07-04 v2 经济学
摘要
使用巴塞尔 II 高级计量法（AMA）的银行操作风险资本建模，常因极端损失事件导致在 99.9% 风险价值下出现反直觉的资本估计。为解决此问题，引入了一种灵活的半非参数（SNP）模型，利用变量变换技术来丰富分布族以处理极端损失事件。证明了 SNP 模型与参数核具有相同的最大吸引域（MDA），由此可知 SNP 模型与极值理论的超阈值峰值方法一致，但具有不同于核的形状与尺度参数。通过使用由轻尾与重尾混合分布生成的模拟数据集，Frechet 与 Gumbel MDA 中的 SNP 模型被表明能通过增加模型参数数量而满意地拟合尾部数据集。SNP 模型在 99.9 百分位的分位数估计对体-尾阈值变化不过度敏感，这与参数模型形成鲜明对比。当应用于具有三种巴塞尔事件类型的银行操作风险数据集时，SNP 模型对两种重尾事件类型的拟合优度有显著改进，给出了与事件类型总损失同数量级的直观资本估计。由于第三种事件类型无重尾，参数模型给出了直观的资本估计，而 SNP 模型无法提供额外改进。本研究建议，当简单的基于非模型的 Basic Indicator Approach 或 Standardized Approach 按巴塞尔银行监管委员会 OPE10（2019）不适用时，SNP 模型可使银行继续采用 AMA 或其部分使用以获得直观的操作风险资本估计。
引用
@article{arxiv.2111.11459,
title = {Semi-nonparametric Estimation of Operational Risk Capital with Extreme Loss Events},
author = {Heng Z. Chen and Stephen R. Cosslett},
journal= {arXiv preprint arXiv:2111.11459},
year = {2022}
}
备注
There are 32 pages, including tables, figures, appendix and reference. The research was presented at the MATLAB Annual Computational Finance Conference, September 27-30, 2021