Операционный риск и байесовской сети
С введением рекомендаций Базельского комитета по банковскому надзору перед финансовыми учреждениями встает вопрос об организации и развития стабильной структуры управления операционными рисками. Без существования внутренней базы данных, которые собраны в течение 3-5 лет, большинство передовых методов измерения операционных рисков невозможно применить.
Байесовские вероятностные сети (или байесова сеть, байесовская сеть доверия, англ. Bayesian network, belief network) решают такую проблему, сочетая в себе количественную и качественную информацию о возникновении убытков, вызванных операционными рисками.
Базельский комитет определяет следующие основные категории операционного риска:
- внутреннее мошенничество;
- внешнее мошенничество;
- политика занятости и безопасность рабочего места;
- клиенты, продукция и бизнес-практика;
- убытки, причиненные физическим активам;
- нарушения бизнеса и ошибки;
- выполнения работ, доставка и управления процессами.
Наибольшие убытки наносятся операционными рисками, вызванными мошенничеством.
Байесовская теория допускает некоторую субъективную оценку в расчете параметров распределения. Преимуществом теории является то, что ее можно применять даже в случае, когда доступной является небольшое количество данных о событиях, вызванных операционными рисками.
Согласно байесовской теории нет существенных различий между наблюдениями и параметрами статистической модели, поскольку все они являются случайными величинами.
Приведем пример байесовской сети, которую можно применять для корпоративного управления операционными рисками
Основными компонентами (узлами) такой сети являются: комплекс управления, обучения и эффективность персонала, объем управления, система обработки данных, источник данных. Все эти компоненты прямо или косвенно влияют на расходы от операционного риска.
Байесовские сети является эффективным средством моделирования операционного риска. Они применяются практически ко всем категориям операционного риска, хотя больше всего подходят для ситуаций с ограниченными данными. Байесовские вероятностные сети не концентрируются только на последствиях риска, а помогают проанализировать причины возникновения рисковых ситуаций. Данная прогрессивная технология не зависит целиком от исторических данных, а потому используется в случаях, когда невозможно использовать ретроспективные данные для прогнозирования. Недостатками байесовских сетей являются: субъективный характер и моральное старение моделей.
