Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
2009 | nr 127 | 153--160
Tytuł artykułu

Sieci Bayesowskie w zarządzaniu ryzykiem operacyjnym w świetle regulacji Solvency II

Warianty tytułu
Implementing Bayesian Networks for Operational Risk Measurement in Insurance Companies
Języki publikacji
Zdefiniowano pojęcie ryzyka operacyjnego. Wyjaśniono istotę i znaczeni sieci Bayesowskich. Przedstawiono także wykorzystanie sieci Bayesowskich do modelowania ryzyka i niepewności. Wskazano wady i zalety omawianych sieci w kontekście ryzyka operacyjnego.
International Association of Insurance Supervisors has focused on operational risk in the Solvency II due to "unexpected" losses caused at financial market. These losses, if not controlled, may end up with indirect costs such as compensation payments to counterparties. Bayesian networks have been explored lately as a potential tool for combining subjective opinions with observed data and modeling the cause of the loss and analyzing its effects. The crucial objective of my article is to present how Bayesian Network can be implemented as a model for managing operational risk in a particular business unit. (original abstract)
Opis fizyczny
  • Szkoła Główna Handlowa w Warszawie
  • Askoy S., Parametric Models: Bayesìan Belief Networks, Lecture Notes, Dept. of Computer Engineering Bilkent University, 2006, s. 19.
  • Friedman Nir, Building Classifiers using Bayesian Networks,
  • Interational Convergence of Capital Measurement and Capital Standards, Basel Committee on Banking Supervision International, czerwiec 2004.
  • Jensen F. V., Bayesian Networks and Decision Graphs, Springer, New York 2001, s. 18-20.
  • King J.L., Operational Risk: Measurement and Modelling, Wiley Finance 2001, s. 7.
  • Laycock M., Operational Risks and Financial Institutions, Risk Publications/Arthur Andersen 1998, s. 19.
  • Mahler T., Commercial Contracting for Strategic Advantage - Potentials and Prospects; Uniwersyt Turecki, marzec 2007.
  • Meel A., Operational Risk Assessment of Chemical Industries by Exploiting Accident Databases, "Journal of Loss Prevention in the Process Industries", marzec 2007
  • Murphy K., A Brief Introduction to Graphical Models and Bayesian Networks,
  • Pearl J. Rüssel S., Bayesian networks, Handbook of Brian Theory and Neural Networks. MIT Press, 2001, s. 149.
  • Pearl J., Models, Reasoning and Inference, Cambridge University Press, Cambridge 2000, s.20
  • Technical Specifications, Annex to Call for Advice from CEIOPS on QIS4, Bruksela, 31.03.2OO8, s. 125.
  • Venkataraman S., Value at Risk for a Mixture of Normal Distributions: The Use of Quasi-Bayesian Estimation Techniques, Federal Reserve Bank of Chicago, USA 1997, s. 3.
  • Wei R., Operarational Risks in the Insurance Industry, Departament of Insuurance and Risk Management Amerykańskiej Komisji Nadzoru Rynku Finansowego, listopad 2003
  • Yuille A. Kersten D., Vision as Bayesian Inference: Analysis by Synthesis; "Trends in Cognitive Sciences" July 2006, Vol. 10, No. 7, s. 301-302.
Typ dokumentu
Identyfikator YADDA

Zgłoszenie zostało wysłane

Zgłoszenie zostało wysłane

Musisz być zalogowany aby pisać komentarze.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.