Resumen de Operational Risk Measured by Bayesian Networks with a Poisson-Gamma Joint Distribution in a Financial Firm

Griselda Dávila Aragón, Salvador Rivas Aceves, Francisco Ortiz Arango

• español

  El objetivo es cuantificar requerimientos de capital y riesgo operacional mediante inferencia bayesiana, mediante un modelo de distribución conjunta Poisson-Gamma alimentado por información de expertos para una institucion financiera mexicana. Simulaciones Monte Carlo basadas en intervalos del valor esperado del evento de perdida muestran que: 1) El valor del riesgo operacional se puede obtener con informacion insuficiente con 95% de confianza, 2) las póerdidas esperadas tienden a aumentar cuando los sucesos que esperan los expertos tambióen se incrementan, 3) hay una correlacioón positiva entre el riesgo operativo y los eventos esperados por los expertos, 4) la frecuencia y severidad de las perdidas son mas pequeñas al principio y luego crecen conforme el valor en riesgo operacional se acerca al óoptimo, despuóes ambos disminuyen nuevamente. Los resultados descritos dependen de los supuestos del modelo así como de la opinión de los expertos y la información disponible al interior de la firma. La metodología propuesta proporciona una medicion avanzada del riesgo operativo, por lo que se puede formular una estrategia específica para que una empresa financiera evite perdidas y asuma riesgo operacional.

• English

  Main objective is to quantifying capital requirements of Operational Risk based on Bayesian inference by using an operational risk advanced measurement model, particularly when historical information is not available for a typical Mexican financial institution. The model employs a conjugated Poisson-Gamma distribution and feeds from experts interviews information so parameters can be measured. Monte Carlo simulations based on an interval for experts expected value of a loss event were generated from which following results were collected: 1) operational risk value can be gotten with insufficient information at a 95% of confidence, 2) expected losses tend to increase when experts expected events increase as well, 3) a positive correlation between operational risk and experts expected events exist, 4) frequency and severity of losses are smaller at the beginning and higher as operational risk value is been approached, then both decrease again. Described results depend highly on assumptions model and experts opinion and information available. Methodology proposed stands for an operational risk advanced measurement, so a specific strategy can be formulated for the firm to avoid losses and therefore operational risk.