Give Credit where Credit is due: Operational Risk goes Bayesian
LAMBRIGGER D. D.; SHEVCHENKO P. V.; WÜTHRICH M. V.
Consulter l'article complet
Résumé
En tenant compte des nouveaux standards de surveillance Basel II et Solvency 2, beaucoup d’assurances et de banques adoptent une Loss Distribution Approach (LDA) pour estimer le capital de risque opérationnel. Une telle approche exige une combinaison raisonnable des données internes, externes et l’opinion d’experts. Dans cet article, nous allons présenter une méthode cohérente et unifiée pour accomplir cette tâche. La considération simultanée des trois sources d’information est atteinte en utilisant un modèle d’inférence bayésienne. L’idée principale est de commencer par des données externes qui déterminent une estimation a priori. Cette estimation sera à modifier selon les observations internes et selon l’opinion d’experts menant ainsi à une estimation a posteriori. Les mesures de risque, par exemple la Value-at-Risk et l’Expected Shortfall, peuvent ainsi facilement être inférées de cette connaissance a posteriori.
Abstract
Under the new regulatory standards Basel II and Solvency 2, many financial institutions adopt a Loss Distribution Approach (LDA) to estimate the operational risk capital charge. Such an approach requires the combination of internal and external data with expert opinion in an adequate manner. In this article we present a consistent and unified way how this task can be fulfilled. The simultaneous consideration of the three different sources of information is done in a Bayesian inference model. The main idea is to start with external market data which determines a prior estimate. This prior estimate is then modified according to internal observations and expert opinion leading to a posterior estimate. Risk measures as for instance Value-at-Risk and Expected Shortfall may then easily be inferred from this posterior knowledge.
|