ترجمه فارسی عنوان مقاله

استفاده از رویکرد BS-PSD-LDA برای اندازه گیری ریسک های عملیاتی در بانک های تجاری چین

عنوان انگلیسی

Using BS-PSD-LDA approach to measure operational risk of Chinese commercial banks

کد مقاله	سال انتشار	تعداد صفحات مقاله انگلیسی
50057	2012	9 صفحه PDF

منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Economic Modelling, Volume 29, Issue 6, November 2012, Pages 2095–2103

فهرست مطالب ترجمه فارسی

چکیده

کلمات کلیدی

1.مقدمه

2. مرور بر کارهای قبلی

3 روش تحقیق

3.1 تایید آستانه

3.2 نمونه گیری بوت استرپ

3.3 برآورد کردن پارامترهای تناوب ریسک عملیاتی و توزیع شدت اتلاف

3.3.1 برآورد پارامتر توزیع فرکانس

3.3.2 برآورد کردن پارامترهای توزیع سختی اتلاف تعریف شده ی

3.4 روند شبیه سازی مقدار اتلاف با مدل BS-PSD-LDA

4 مطالعات تجربی

4.1 جمع آوری داده

4.2.2 برآورد پارامتر توزیع

4.3 مقایسه ی روش های برآورد مختلف

شکل 1 هیستوگرام اتلاف و روند رویدادهای اتلاف سالانه

4.4 تست پسین

5 نتیجه گیری

شکل 2: نمودار میانگین حد و نمودار هیل برای نمونه های ریسک عملیاتی

شکل 3: نتایج تناسب برای توزیع تجربی توسط سه مدل

شکل 4: مقایسه ی پایداری معیارها بین PSD-LDA و BS-PSD-LDA

ترجمه کلمات کلیدی

ریسک عملیاتی - نمونه بوت استرپ - بازل II - توزیع لگ نرمال - توزیع پارتو عمومی

کلمات کلیدی انگلیسی

Operational risk; Bootstrap sampling; Basel II; Lognormal distribution; Generalized Pareto distribution

ترجمه چکیده

تحقیق در مورد مدیریت ریسک های عملیاتی در بانک های تجاری چین هنوز در مراحل مقدماتی به سر می برد. رویدادهای ریسک های عملیاتی نادر هستند و داده های مربوط به آن به سختی قابل جمع آوری می باشد. این امر منجر به ایجاد داده های نمونه کوچک شده است. علاوه بر این، تعدا زیادی از تحقیقات تجربی نشان می دهد که توزیع اتلافات عملیاتی اغلب به تناسب تقلیل یافته است. برای بررسی کردن این مسئله، این مقاله رویکرد توزیع اتلاف LDAبر اساس نمونه گیری و توزیع بسته بندی BS-PSD-LDA را مورد مطالعه قرار می دهد. این رویکرد داده های نمونه را به دو بخش مجزا تقسیم می کند (فرکانس بالا با اتلاف کم و فرکانس پایین با اتلاف زیاد) و این دو بخش را با توزیع لگنورمالی و توزیع عمومی به ترتیب تقسیم بندی می کند. با استفاده از داده های جمع آوری شده ی دستی از 426 اتلاف عملیاتی در بانک های تجاری چین در سال های 1994-2010 ما دامنه ی خسارات عملیاتی را با استفاده از روش BS-PSD-LDA برآورده کرده ایم. ما نشان داده ایم که روش ما تناسب بهتری نسبت به روش های پارامتریک سنتی ارائه می کند. علاوه بر این استفاده از شبیه سازی تاریخی از روش غیر پارارمتریک نیز برای نمونه های ما مناسب است. با این وجود، ما بر این باور هستیم که رویکرد ارائه شده بهبود های برتری از دید کنترل ریسک و اطمینان از کارهایی و استفاده از بودجه دارد.

ترجمه مقدمه

بر اساس توافق نامه ی بازل 2، ریسک عملیاتی به عنوان ریسک اتلاف ناشی از فرآیندهای ناکافی یا ناکام داخلی، افراد، سیستم ها یا رویدادهای خارجی تلقی می شود. این تعریف دربرگیرنده ی ریسک های قانونی است اما شامل ریسک های استراتژیک و اعتباری نیست. پژوهش های مربوط به مدیریت ریسک های عملیاتی در بانک های تجاری چین اخیرا شروع شده است. پایگاه داده های جامعی در مورد رکوردهای سیستماتیک مربوط به رویدادهای اتلاف ریسک عملیاتی وجود ندارد. ویژگی های مربوط به فرکانس کم با شدت سختی بالا رویداردهای ریسک عملیاتی در داده های کوچک نشان داده شده است. به ویژه به سختی می توان داده های مربوط به اتلاف عملیاتی بانک های خصوصی را جمع آوری کرد چون تمایلی برای افشای اطلاعات خود ندارند. به این ترتیب، با توجه به نمونه های کوچک، توزیع سنتی دیگر ارائه دهنده ی تناسب خوبی برای مدل سازی اتلاف عملیاتی نمی باشد. علاوه بر این مطالعات تجربی نشان می دهد که توزیع اتلاف عملیاتی اغلب دارای تناسب اریبی است. بنابراین، چالش طولانی در پیش روی بانک های برای مدل سازی است و در تعامل با نمونه های کوچک در تراکم کم با شدت سختی بالا مشکلاتی وجود دارد. لی (2009) رویکرد توزیع اتلاف بر اساس توزیع شدت تکهای تعریف شده PSD-LDA را پیشنهاد کرده است تا بتوان با ویژگی فرکانس کم شدت سختی بالا ریسک عملیاتی تعامل کرد و آن را به رویکرد تست با استفاده از نمونه ای از بانک های تجاری چین اعمال کرد که از منابع اطلاعات عمومی مانند روزنامه ها و اینترنت جمع آوری شده است. نتایج تجربی نشان می دهد که این مدل منطقی و برای برآورد کردن اتلاف عملیاتی امیدوارکننده است. SiMa et al. (2009) از مدل قانون قدرت POT برای ارزیابی ریسک های عملیاتی بانک تجاری برای دوره ی 1995-2006 استفاده کرده است و نتایج کوچکتری نسبت به لی به دست آورده است. با این وجود جمع آوری داده نوعی چالش است و داده های گزارش شده ممکن است دارای انحراف باشد. در اصل، روش های ارائه شده توسط لی، نمایش مشکل کوچک بودن نمونه ها در زمان برآورد کردن ریسک های عملیاتی است. برای غلبه کردن بر این نقاط ضعف، در این مقاله رویکرد توزیع اتلاف BS-PSD- LDA ارائه شده است. نمونه گیری بوت استرپ یک روش مبتنی بر کامپیوتر است که اجازه ی برآورد کردن هر نوع آمار مربوط به توزیع نمونه با دقت بالا را می دهد. با استفاده از این روش می توان به طور کارآمد میزان خطای روی داده توسط برآورد پارامترها در نمونه های کوچک داده را کاهش داد و می توان به دقت ریسک عملیاتی را اندازه گیری کرد. با جمع آوری کردن دستی داده ها می توان از این رویکرد برای برآورده کردن ریسک عملیاتی استفاده کرد و نتایج به دست آمده را با سایر روش ها مقایسه کرد. سهم این مقاله در دو بخش است: ابتدا، ما رویکرد توزیع اتلاف بر اساس نمونه گیری بوت استرپ و توزیع سختی تکهای تعریف شده ارائه کرده ایم. همان طور که در بالا به آن اشاره شد، روش نمونه گیری بوت استرپ به ما اجازه می دهد که ریسک عملیاتی را با دقت بالاتری اندازه گیری کنیم و میزان خطا در پارامترها را تا حد قابل توجهی کاهش می دهد. علاوه بر این با استفاده از رویکرد LDA بر اساس توزیع تکهای تعریف شده قادر به برقراری تناسب بین تمام محدوده ی داده های ریسک عملیاتی خواهیم بود. هم چنین به ما اجازه ی بررسی مسائل مربوط به توزیع اریب را می دهد. دوما با استفاده از جمع آوری دستی داده های مربوط به رویدادهای اتلاف عملیاتی در بانک های تجاری چین، می توان نشان داده که مدل ما در مقایسه با روش های پارامتریک و غیر پارامتریک سنتی بهبود داشته است. ادامه ی این مقاله به شرح زیر سازمان دهی شده است: بخش 2 کارهای قبلی مربوط به اندازه گیری ریسک عملیاتی بررسی می شود. در بخش 3 رویکرد BS-PSD-LDA و رویه های مربوط به آن توصیف شده است. بخش 4مطالعه ی تجربی در مورد برآورد کردن ریسک های عملیاتی در بانک های تجاری چین ارائه شده است. در نهایت در بخش 5 نتیجه گیری شده است.

دانلود رایگان 2 صفحه اول مقاله لاتین (PDF)

پیش نمایش مقاله

چکیده انگلیسی

The research of operational risk management among Chinese commercial banks is still in its preliminary stage. Operational risk events are rare and data is hard to collect. This leads to very small data samples. Besides, a large number of empirical researches show that the distributions of operational losses are often skewed with fat tails. To address these issues, this paper puts forward a loss distribution approach (LDA) based on bootstrap sampling and piecewise-defined severity distribution (BS-PSD-LDA). The approach divides data samples into two distinct parts (high-frequency low-severity losses and low-frequency high-severity losses), and fits the two parts by lognormal distribution and Generalized Pareto distribution respectively. Using hand-collected samples of 426 operational losses in Chinese commercial banks during 1994–2010, we estimate the magnitude of operational losses using the BS-PSD-LDA method. We show that our method provides a better fit than the traditional parametric methods. Besides, the method using historical simulation of nonparametric method seems to offer a good fit to the sample as well. However, we believe that the BS-PSD-LDA approach offers improvement from the perspective of satisfying risk control requirement of the regulatory authority and ensuring the efficiency of funds' utilization.