Should the advanced measurement approach be replaced with the standardized measurement approach for operational risk?
最近，巴塞尔银行监管委员会建议用一个简单的公式取代所有的方法，包括高级计量方法（AMA），称为标准计量方法（SMA）。本文讨论和研究了SMA资本模型的不稳定性、风险不敏感性、超可加性等缺陷和缺陷，以及SMA资本模型与银行业系统性风险之间的内在联系。我们还讨论了与操作风险密切相关的问题，巴塞尔委员会提出的风险资本（OpCar）模型是SMA的前身。总之，我们主张维持AMA内部模型框架，并提出一些标准化建议作为替代方案，这些建议可以被考虑用于统一操作风险的内部建模。本文中提出的调查结果和观点已经与澳大利亚，欧洲，英国和美国的许多OpRisk从业者和学者进行了讨论和支持，最近在伦敦举行的OpRisk Europe 2016会议上也进行了讨论。
2016-09-14 q-fin.RM
A Dynamical Approach to Operational Risk Measurement
本文提出了一个银行机构操作风险的动态估计模型。运营风险是由于流程失败而导致财务损失的风险。运营损失的例子包括内部欺诈、人为错误或交易失败。为了包含最异构的一组过程，在我们的方法中，每个过程的损失是由随机噪声，与其他过程的相互作用和银行为避免损失所做的努力之间的相互作用产生的。我们展示了如何从历史运营损失数据库中估计模型的一些相关参数，验证估计过程并测试模型的预测能力。与传统的统计方法相比，我们的方法的一些优点是，它允许遵循损失的整个时间演变，并考虑到不同时间的过程之间的相关性。
2012-02-12 q-fin.RM
A "Toy" Model for Operational Risk Quantification using Credibility Theory
为了满足新巴塞尔协议对操作风险高级计量方法的监管要求，银行的内部模型应该利用内部数据、相关外部数据、情景分析以及反映业务环境和内部控制系统的因素。运营风险中尚未解决的挑战之一是适当地组合这些数据源。在本文中，我们专注于量化的低频高冲击损失超过一些高阈值。我们建议一个完整的可信度理论的方法来估计频率和严重性分布的这些损失，考虑到银行内部数据，专家意见和行业数据。
2009-04-11 q-fin.RM
Parameter estimation of a Levy copula of a discretely observed bivariate compound Poisson process with an application to operational risk modelling
本文提出了一种在不知道共同冲击的情况下估计离散观测的二元复合Poisson过程的Levy Copula参数的方法。该方法在小样本模拟研究中进行了测试。此外，该方法被应用到一个真实的数据集和拟合优度检验。通过本文的研究，Levy Copula函数成为操作风险高级度量方法的现实工具。
2012-12-01 q-fin.RM
The Quantification of Operational Risk using Internal Data, Relevant External Data and Expert Opinions
为了量化巴塞尔协议II下的操作风险资本金，许多银行采用了损失分布方法。在该方法下，操作风险的频率和严重性分布的量化涉及银行的内部数据、专家意见和相关的外部数据。在本文中，我们提出了一种新的方法，贝叶斯推理方法的基础上，允许这三个来源的信息相结合，估计参数的风险频率和严重程度分布。
2009-04-08 q-fin.RM q-fin.ST
Asyptotic Normality for Maximum Likelihood Estimation and Operational Risk
操作风险模型通常采用最大似然估计（MLE）来拟合损失数据的重尾分布。然而，MLE的几个理想的属性（例如渐近正态性）通常只对大样本量有效，这种情况在操作风险中很少遇到。在本文中，我们研究了渐近正态性如何-或不-持有常见的严重性分布的操作风险模型。然后，我们应用这些结果来评估失败的渐近正态性在构建置信区间周围的MLE拟合参数所造成的错误。
2016-08-25 q-fin.RM stat.AP
A Dynamical Model for Operational Risk in Banks
操作风险是指由于各种原因导致银行内部流程失败而造成货币损失的风险。一个动态模型，包括两个自发产生的损失和通过不同的过程之间的相互作用产生的银行所做的努力，以避免损失的发生也被考虑在内。在一定的假设下，该模型可以被精确地求解，并且原则上，该解可以被利用来从实际数据估计大多数模型参数。该模型的预测能力也被调查，并证明是令人惊讶的显着。
2012-07-26 q-fin.RM
Implementing Loss Distribution Approach for Operational Risk
在现行的银行监管框架下（称为《巴塞尔协议II》），许多银行采用损失分布法来量化操作风险资本费用。要在实践中使用该方法，需要解决许多建模问题。在本文中，我们回顾了文献中提出的实施方法的定量方法。特别是，使用贝叶斯推理方法，允许考虑到专家的判断和参数的不确定性，建模的依赖性和列入保险进行了讨论。
2009-07-29 q-fin.RM
Loss Distribution Approach for Operational Risk Capital Modelling under Basel II: Combining Different Data Sources for Risk Estimation
在过去十年中，由于操作风险环境的重大变化，银行业的操作风险管理发生了重大变化。全球化、放松管制、使用复杂的金融产品以及信息技术的变化，导致人们面临与市场和信用风险截然不同的新风险。作为回应，巴塞尔银行监管委员会制定了一个监管框架，称为巴塞尔II，其中引入了操作风险类别和相应的资本要求。在过去五年中，世界大多数地区的主要银行通过采用损失分布方法获得了《巴塞尔协议二》高级计量方法的认证，尽管在实施过程中存在一些尚未解决的方法学挑战。不同的方法和途径仍在激烈的争论中。在本文中，我们回顾了文献中提出的方法，结合不同的数据源（内部数据，外部数据和情景分析），这是AMA的监管要求之一。
2013-06-08 q-fin.RM q-fin.ST
The Structural Modelling of Operational Risk via Bayesian inference: Combining Loss Data with Expert Opinions
为符合《新巴塞尔协议》对高级计量方法的监管要求，银行的内部模型必须包括使用内部数据、相关外部数据、情景分析以及反映业务环境和内部控制系统的因素。操作风险的量化不能仅仅基于历史数据，而应包括情景分析。历史内部操作风险损失数据预测未来行为的能力有限，此外，银行没有足够的内部数据来充分估计低频率高影响事件。历史外部数据由于不同的数量和其他因素而难以使用。此外，内部和外部数据存在生存偏差，因为通常没有所有倒闭公司的数据。情景分析的理念是参考其他银行已经发生（或可能发生）的事件，并考虑银行环境因素，通过专家意见来估计风险事件的频率和严重性。情景分析是前瞻性的，可以反映银行环境的变化。重要的是，不仅要量化运营风险资本，还要激励业务部门改进其风险管理政策，这可以通过情景分析来实现。情景分析本身非常主观，但与损失数据相结合，它是估计操作风险损失的强大工具。贝叶斯推理是一种统计技术，非常适合结合专家意见和历史数据。在本文中，我们提出了贝叶斯推理方法的操作风险量化的例子。
2009-04-07 q-fin.RM
Comments on the BCBS proposal for a New Standardized Approach for Operational Risk
2016年3月4日，巴塞尔银行监管委员会发布了一份咨询文件，其中引入了一种称为标准化计量方法（SMA）的新方法来计算银行的操作风险监管资本。在本文中，SMA的行为在各种假设和现实条件下进行了研究，表明新方法的简单性在其他方面代价很大：我们发现SMA不能对银行风险状况的变化做出适当的反应，也不能区分银行之间可能的风险状况范围; SMA资本结果在银行间的变化通常比之前AMA拟合损失数据的选项更大; SMA可能导致银行相对于之前AMA标准对运营风险的保险过度或不足。最后，我们认为，SMA不仅在其衡量风险的能力方面是倒退的，但也许更重要的是，它未能在管理行为和资本要求之间建立任何联系。
2016-07-04 q-fin.RM
Phase Transitions in Operational Risk
在本文中，我们探讨的功能相关性方法的操作风险。我们考虑网络的异质先验条件和无条件的故障概率。在稀疏连通性的限制下，得到了序参量动力学演化的自洽表达式。在平衡条件下，还得到了定态的表达式。使用相图的分析理论的后果进行了分析。我们发现共存的操作和非操作阶段，在液-气系统。这样的系统易受经由灾难性故障从操作阶段到非操作阶段的不连续相变的影响。我们发现这个功能是强大的微观建模假设的变化。
2006-12-06 cond-mat.dis-nn physics.soc-ph q-fin.RM
Estimation of Operational Risk Capital Charge under Parameter Uncertainty
许多银行采用损失分布法来量化巴塞尔II要求下的操作风险资本要求。通常的做法是使用年损失分布的0.999分位数来估计资本费用，该分位数是使用频率和严重程度分布参数的点估计值计算的。参数估计的不确定性通常被忽略。对银行来说，考虑参数不确定性的一个令人不快的后果是资本要求的增加。本文演示了如何参数的不确定性可以考虑使用贝叶斯框架，也允许将专家意见和外部数据的估计过程。
2009-04-11 q-fin.RM
On the Selection of Loss Severity Distributions to Model Operational Risk
准确的操作风险建模对于银行和整个金融行业来说非常重要，可以为潜在的灾难性损失做好准备。一种建模操作的方法是损失分布方法，该方法要求银行将操作损失分组为风险类别，并为每个类别选择损失频率和严重程度分布。这种方法估计了年度运营损失分布，银行必须留出资本，称为监管资本，等于这个估计分布的0.999分位数。在实践中，这种方法可能会产生不稳定的监管资本计算每年选定的损失严重程度分布的家庭变化。本文提出了截断概率估计的损失严重性数据和一致的分位数评分函数的年度损失数据作为有用的严重性分布的选择标准，可能会导致更稳定的监管资本。此外，Sinh-arcSinh分布是另一个灵活的候选族，用于建模损失严重性，可以使用最大似然方法轻松估计。最后，我们建议收集低于最低报告阈值的损失频率，以便将损失严重程度数据视为删失数据。
2021-07-08 q-fin.RM
Standardized Measurement Approach (SMA) vs Advanced Measurement Approaches (AMA): A Critical Review of Approaches in Operational Risk
本文批判了标准计量方法（SMA）在操作风险计量中的缺陷，主张维持高级计量方法（AMA）内部模型框架，并提出统一内部操作风险建模的标准化建议。
2025-02-03 math.PR q-fin.RM stat.CO
Theoretical Sensitivity Analysis for Quantitative Operational Risk Management
本文研究了重尾随机变量L和S的风险值VaR（L）和VaR（L+S）之差的渐近行为，并将其应用于巴塞尔协议II（和III）高级计量方法框架下的定量操作风险管理的敏感性分析。在这里，L描述了当前风险状况的损失金额，S描述了由附加损失因子引起的损失金额。根据L和S的尾部厚度的相对大小，我们得到了不同类型的结果。特别地，如果S的尾部比L的尾部足够薄，则先验和后验风险量之差VaR（L+S）- VaR（L）渐近等价于S的期望（期望损失）。
2017-05-24 math.PR q-fin.RM
A Bayesian Networks Approach to Operational Risk
提出了一种基于贝叶斯网络计算范式的操作风险管理系统。该算法允许只使用内部损失数据构建针对每个银行的贝叶斯网络，并以简单而现实的方式考虑银行不同流程之间的相关性。在可变时间范围内对内部损耗进行平均，从而去除不同时间的相关性，同时保持相关性：因此，平均损耗适合于执行网络拓扑和参数的学习。该算法已在合成时间序列上得到验证。应该强调的是，所提出的算法的实际实施有一个小的影响，银行的组织结构，并需要在有限的计算领域的人力资源的投资。
2012-02-12 q-fin.RM
Opening discussion on banking sector risk exposures and vulnerabilities from virtual currencies: An operational risk perspective
University College London（伦敦大学学院）；Oxford University（牛津大学）；London School of Economics（伦敦政治经济学院）；Chappelle Consulting（查佩尔咨询）
本文从操作风险角度探讨虚拟货币发展带来的新风险类型及演变，提出针对虚拟和加密货币的风险识别与评估框架，分析其对银行监管的影响。
2014-09-04 cs.CR econ.GN q-fin.EC
Robust Estimation of Operational Risk
根据损失分布法，银行的操作风险被确定为相应损失分布的99.9%分位数，包括意外严重事件。99.9%分位数可以被认为是尾部事件。根据Pickands-Eschema-de Haan定理，超过某个高阈值的尾事件通常由广义帕累托分布（GPD）建模。GPD尾部分位数的估计不是一项简单的任务，特别是如果考虑到这种分布的重尾，奇异离群值的可能性，以及数据通常在几个来源之间合并的事实。此外，如果像通常情况那样，运营损失是匿名汇集的，则相应银行的拟合数据的相关性不是不言而喻的。在这种情况下，当经典方法已经失败时，鲁棒方法可以提供稳定的估计。本文将最优稳健性方法MBRE、OMSE、RMXE引入操作风险的应用领域。我们应用这些程序的参数估计的GPD在数据来自美国加州大学洛杉矶分校。为了更好地理解这些结果，我们提供了针对此背景进行调整的支持性诊断图：影响图，离群图和具有稳健置信带的QQ图。
2011-03-15 q-fin.RM q-fin.ST
Estimating Operational Risk Capital with Greater Accuracy, Precision, and Robustness
监管机构要求美国最大的银行使用巴塞尔协议II/III所定义的高级计量方法（AMA）来估计其必须持有的操作风险资本。大多数使用损失分布方法（LDA），该方法将总损失分布定义为频率和严重性分布的卷积，分别表示损失的数量和幅度。估计资本是对该年度损失分布的风险价值（第99.9百分位数）估计。在实践中，严重性分布驱动着资本估计，资本估计本质上是估计的严重性分布的非常高的分位数。不幸的是，由于相关的严重性是重尾的，并且被估计的分位数是如此之高，VaR总是看起来是严重性参数的凸函数，导致所有广泛使用的估计量产生有偏的资本估计（显然）由于詹森不等式。观察到的资本膨胀有时是巨大的，即使在计量单位（UoM）水平（甚至数十亿美元）。在这里，我提出了一个资本的估计，基本上消除了这种向上的偏见。减少偏差的资本估计（RCE）比未能减轻这种偏差的实现更符合LDA框架的监管意图。RCE还显着提高了资本估计的精确度，并不断提高其对违反i.i.d.的鲁棒性数据推测（这是操作风险损失事件数据特有的）。因此，随着资本准确性、精确性和稳健性的提高，RCE降低了计量单位和企业层面的资本要求，提高了每季度的资本稳定性，同时更准确地反映了监管意图。RCE可以直接使用任何主要的统计软件包来实现。
2014-11-27 q-fin.RM stat.AP
Understanding Operational Risk Capital Approximations: First and Second Orders
我们在巴塞尔协议II / III监管资本协议的框架内设定了资本近似的背景。由于巴塞尔协议III即将生效，这一点尤其引人关注。在这方面，我们总结了资本充足率在新协议中的作用，并强调了在巴塞尔协议II和III中引入的运营风险类别所导致的重大损失事件。然后，我们提供了一个半教程讨论下的损失分布方法（LDA）的资本估计建模方面。我们的重点是关注那些对资本贡献最大的重要损失过程，即所谓的高后果、低频率损失过程。这使我们提供了一个教程概述的沉重的尾部损失过程建模在巴塞尔协议III下的操作风险，讨论了这种尾部假设的影响，在LDA结构的严重性模型。这为从业者提供了一个清晰的理解，他们可能希望在实践中开发操作风险严重性模型时考虑的功能。从这个重尾严重性模型的讨论中，我们了解这种模型对复合损失过程的右尾渐近性的影响，并详细介绍了所产生的重尾损失过程的一阶和二阶尾近似。从这一点上，我们开发了一个教程的三个关键家庭的风险措施及其等效的二阶渐近近似：风险价值（巴塞尔III行业标准）;预期损失（ES）和光谱风险措施。于是这些就形成了资本的近似值。
2013-03-12 math.ST q-fin.RM stat.TH
Robust Policy Selection and Harvest Risk Quantification for Natural Resources Management under Model Uncertainty
本文研究模型不确定性下自然资源管理的最优收获策略选择问题，在新古典增长模型框架下引入初始条件不确定性，利用凸风险测度与 Fréchet 风险测度量化操作与边际风险，从而获得对模型不确定性具有鲁棒性的收获策略。
2022-02-10 math.OC q-fin.RM
Impact of Insurance for Operational Risk: Is it worthwhile to insure or be insured for severe losses?
根据巴塞尔协议II标准，运营风险（OpRisk）高级计量方法允许因保险缓解而减少资本高达20%。本文研究了不同的保险政策的行为在资本减少的背景下，一系列可能的极端损失模型和保险政策的情况下，在一个多时期，多风险设置。一个损失分布的方法（LDA）建模的年度损失过程，涉及齐次复合泊松过程的年度损失，重尾严重性模型组成的α稳定的严重程度被认为是。迄今为止，对此类模型的分析很少，相信保险模型将在未来的运营风险缓解和资本减少中发挥更大的作用。第一个感兴趣的问题是，在不同的保险政策情景下，银行或金融机构何时为严重的尾部OpRisk损失购买保险是公平的？第二个问题则与偿付能力II有关，并解决了在不同的保单产品下，保险公司在此类操作风险情景下的资本金。此外，我们认为保险公司的角度来看，公平保费作为一个百分比以上的预期每年索赔的每一个保险单。其目的是解决与《巴塞尔协议II》下的风险值降低、《偿付能力II》下的风险控制要求以及不同极端损失情景下OpRisk中的公平保险费相关的问题。在此过程中，我们提供了LDA结构中损失过程和索赔过程分布的封闭形式解，以及巴塞尔II和偿付能力II下的预期损失、SCR和MCR的封闭形式解析解。我们还为多种风险的年度损失分布提供封闭形式的分析解决方案，包括保险缓解。
2010-11-03 q-fin.RM q-fin.ST stat.AP
Pricing the DeFi Tail: Do Protocols or Depositors Price Operational Risk?
Zurich University of Applied Sciences（苏黎世应用科学大学）
本文量化DeFi各行业操作风险尾部，发现无缓冲场所支付更高溢价但仍不足覆盖风险，建议以信息披露替代资本监管。
2026-09-02 cs.CR q-fin.RM
A Dynamical Model for Forecasting Operational Losses
提出了一种新的适用于计算风险价值（VaR）的银行操作风险动态模型。运动方程考虑了不同银行过程之间的相互作用、通过噪声项自发产生的损失以及银行为避免损失发生所做的努力。由于该模型非常通用，因此可以根据特定银行的内部组织结构，通过从历史运营损失中估计其一些参数来定制。该模型是完全解决的情况下，在耦合矩阵中没有因果循环，它示出了如何解决方案可以被利用来估计噪声的参数。通过使用模拟数据的一部分$f$来估计参数，研究了模型的预测能力，表明对于$f = 0.75$，可以用误差$\simeq 10^{-3}$来预测VaR。
2012-02-12 q-fin.RM
Combining Retrospective Approximation with Importance Sampling for Optimising Conditional Value at Risk
本文研究了利用重要性抽样（IS）的回溯近似解范式有效地解决风险规避优化问题。虽然IS作为一个突出的手段来处理大样本的要求，在估计尾部风险的措施，如条件风险价值（CVaR），其使用在优化问题驱动的CVaR是复杂的，需要定制的IS变化的措施不同的优化迭代和循环的结果。所提出的算法克服了这些挑战，采用一个单变量IS变换提供均匀的方差缩减在一个回顾性的近似过程非常适合调整的IS参数的选择。由此产生的基于模拟的近似方案既享有回溯近似所赋予的计算效率，又享有重要性抽样所提供的数学上有效的方差缩减
2022-06-26 q-fin.RM stat.ME
Combining Value-at-Risk and Expected Shortfall forecasts via the Model Confidence Set
Department of Economics and Statistics, University of Salerno（萨莱诺大学经济与统计系）
本文提出基于模型置信集方法的VaR和ES预测组合策略，通过严格一致的损失函数识别超优模型并进行加权组合，实证分析显示其在预测尾部风险指标方面表现稳健。
2026-02-27 q-fin.RM
Analytic Loss Distributional Approach Model for Operational Risk from the alpha-Stable Doubly Stochastic Compound Processes and Implications for Capital Allocation
根据《巴塞尔协议二》标准，操作风险（OpRisk）高级计量方法对用于进行资本估计的统计模型类别并无规定。然而，使用损失分布法（LDA）范例来模拟与巴塞尔II业务线/事件类型对应的单个OpRisk损失过程已被广泛接受。在本文中，我们得到了一类新的双随机α-稳定的家庭LDA模型。这些模型提供了捕捉OpRisk典型的重尾损失过程的能力，同时还提供了复合过程年损失密度和分布以及聚合复合过程年损失模型的分析表达式。特别是，我们开发模型的年度损失过程中的两种情况。第一种情况考虑损失过程的随机强度参数，导致每年的非齐次复合泊松过程。在这种模型下，损失的到达过程将在一年内对增量进行独立计数。第二种情况考虑将年度损失过程离散化为每月增量，其中时间增量由二项式过程捕获，成功概率每年变化。这些模型中的每一个都将在LDA框架下与重尾严重性模型耦合，该模型由每个损失事件的损失金额的$α$稳定严重性组成。在本文中，我们将推导出这些模型下的年损失分布密度和分布的解析结果，并研究它们的性质。
2011-02-17 math.ST q-fin.RM stat.AP
Combining Deep Learning and GARCH Models for Financial Volatility and Risk Forecasting
Krakow University of Economics（克拉科夫经济大学）；University of Warsaw（华沙大学）
本研究结合GARCH类模型与GRU网络构建混合金融预测方法，经三类资产测试发现其能提升点波动率预测精度，但未必能优化VaR与ES风险预测效果。
2023-10-02 cs.AI cs.LG q-fin.CP
Combining a Large Pool of Forecasts of Value-at-Risk and Expected Shortfall
Saïd Business School, University of Oxford（牛津大学赛德商学院）；Business School, The University of Sydney（悉尼大学商学院）
本文研究了在大量候选预测可用时，如何结合价值-at-风险和预期缺口预测，提出多种新方法，包括简单方法和正则化技术，实验证明混合均值和性能加权方法效果显著。
2026-05-14 q-fin.RM
Combining Intra-Risk and Contagion Risk for Enterprise Bankruptcy Prediction Using Graph Neural Networks
Southwestern University of Finance and Economics（西南财经大学）；Beihang University（北京航空航天大学）；Kuaishou Technology（快手科技）
本研究首次提出结合企业内部风险和传染风险的图神经网络模型，利用内部风险编码器及包含超图与异构图神经网络的传染风险编码器，在新建基准数据集SMEsD上有效提升了中小企业破产预测性能。
2022-07-21 cs.LG q-fin.RM
Algorithmic Insurance
Sloan School of Management, Massachusetts Institute of Technology（麻省理工学院斯隆管理学院）；Saïd Business School, Oxford University（牛津大学赛德商学院）
研究算法保险在AI致损中的风险定价与责任框架，提出基于CVaR的分类阈值优化方法，通过乳腺癌案例验证降低尾部风险并提升保险收益。
2026-03-30 cs.LG q-fin.RM stat.ML
Calculation of aggregate loss distributions
CSIRO Mathematics, Informatics and Statistics（澳大利亚联邦科学与工业研究组织数学、信息学与统计学部门）
本文综述了计算聚合损失分布的数值算法，包括蒙特卡洛、Panjer递归和傅里叶变换方法，并比较了它们的性能，同时回顾了基于矩匹配和重尾分布渐近结果的闭式近似。
2010-08-06 cs.NA math.NA math.PR
Combining Reinforcement Learning and Barrier Functions for Adaptive Risk Management in Portfolio Optimization
针对强化学习投资组合策略重收益轻风险的问题，提出融合强化学习与屏障函数的可风险管理框架，搭配自适应机制适配不同行情，在真实数据集上表现优于主流强化学习方法。
2023-06-12 cs.CE q-fin.PM q-fin.RM
Simulation Methods for Robust Risk Assessment and the Distorted Mix Approach
不确定性需要适当的风险评估技术。结合随机近似和随机平均近似，我们提出了一个有效的算法来计算最坏情况下的平均风险价值面对尾部的不确定性。依赖性模型的扭曲混合方法，灵活地分配不同的Copula的多元分布的不同区域。我们说明了我们的方法在金融市场和网络风险的背景下的应用。
2022-01-17 q-fin.RM
The Risk-Adjusted Intelligence Dividend: A Quantitative Framework for Measuring AI Return on Investment Integrating ISO 42001 and Regulatory Exposure
Prof. Hernan Huwyler, MBA CPA（高级研究员、工商管理硕士、注册会计师）
本文提出一种量化框架，用于衡量AI投资回报，整合ISO 42001和监管暴露，以更准确评估AI项目风险与收益。
2025-11-26 cs.AI cs.CE cs.CY
