ENSAE Crédit Agricole /

Modélisation bayésienne du risque opérationnel

Domaine(s)	Mémoire
formation(s)	ENSAE () / resp.: / intervenant:

Informations sur les documents

Type de document	Mémoires
société	Crédit Agricole
Auteur(s)	LECLERC N.; MICHEL J.
Numéro
Date de référence	07/04/2013

Résumé

Les risques opérationnels recouvrent les risques de pertes résultant de l’inadaptation ou de la défaillance de procédures, personnes, systèmes internes ou résultant d’événements externes (catastrophe, incendie, fraude, etc.). Ils sont quantifiés à des fins réglementaires via des modèles internes sévérité-fréquence au sein de cellules de risque prédéfinies, permettant de construire une distribution de perte (via la méthode de Monte Carlo) à un an et d’en déterminer la VaR à 99.9%. Les distributions peuvent être fondées soit sur des données historiques collectées par la banque, soit sur des analyses de scénarios établies à dires d’experts. En conséquence, afin de caractériser complètement un type de risque, il est intéressant pour la banque d’être en mesure de construire des distributions de pertes intégrant à la fois des données internes et des analyses de scénarios, ce qui permet notamment de déterminer un calcul de capital unique. Actuellement, le Crédit Agricole adopte une méthodologie de calcul qui ne combine pas ces données. Ce mémoire traite des différentes méthodes bayésiennes qui pourraient être appliquées au contexte du risque opérationnel. Quatre types de méthodes sont envisagées : une méthode bayésienne pure qui se fonde sur la détermination d’une loi a priori et d’une loi a posteriori via des lois conjuguées en développant la théorie de Bayes. La deuxième méthode repose sur le principe de la crédibilité. La troisième méthode appelée "cascade bayésienne" se base sur une théorie récente qui utilise l’approche bayésienne pure combinée à la théorie des valeurs extrêmes (TVE). La dernière méthode s’affranchit du recours à des lois conjuguées en utilisant les propriétés des chaînes de Markov. Enfin, une synthèse des méthodes est présentée pour dégager les avantages et inconvénients de chacune, proposer des alternatives et donner des pistes de réflexion.

Abstract

Operational risks include the risks of losses resulting from inadequate or failed processes, people, internal systems or from external events (disaster, ﬁre, fraud, etc.). They are quantiﬁed for regulatory purposes via internal frequency-severity models within predeﬁned risk cells in order to build a loss distribution (via the Monte Carlo method) at one year and so as to determine the Value-at-Risk at 99.9%. Distributions can be based either on historical data collected by the bank, either scenario analysis relied on expert opinions. Therefore, in order to fully characterize a risk type, it is interesting for the bank to be able to build loss distributions incorporating both internal data and scenario analysis, which allows to determine a unique calculation of the capital. Currently, The Crédit Agricole takes a calculation methodology which does not combine these data. This thesis deals with diﬀerent bayesian methods that could be applied to the context of operational risk. Four kinds of methods are considered : a pure bayesian approach based on the determination of a prior distribution and a posterior distribution via combined distributions by developing and adapting the Bayes theory. The second method is based on credibility theory. The third method called "cascade bayesian" relies on a recent theory which combines the pure bayesian approach with the Extreme Value Theory (EVT).The last method overcomes the combined distributions using the properties of Markov chains. Finally, a summary of the methods is presented to identify the advantages and drawbacks of each one, to suggest alternatives and give potential improvements.

Mémoire complet

>

Mémoire MICHEL Jules.pdf

Lien permament : https://www.ressources-actuarielles.net/C12574E200674F5B/0/ADAB793CBC91733BC1257BEF006A3D87