Wpływ rozkładu dotkliwości strat operacyjnych na wielkość wymogu kapitałowego, szacowanego na podstawie metody LDA

• Autorzy: Tomasz Szkutnik

Warianty tytułu

The Influence of Distribution of Operational Loos Severity Upon the Amount of the Capital Requirement Estimated on the Basis of LDA Method

• Języki publikacji: PL

Abstrakty

Straty operacyjne banku obejmują znaczącą część ogólnych instytucji. Określenie zespołu działań generujących straty operacyjne jako działań implikowanych przez wadliwy system organizacyjny banku, nieuwzględniający zawodności instrukcji wewnętrznych, mających zapewnić pełną ochronę danych i informacji wewnętrznych o znaczeniu poufnym, jest ściśle związane z ryzykiem operacyjnym. Jest tak dlatego, że wszelkiego rodzaju ryzyko jest kojarzone w pierwszej kolejności z nieuchronnością pewnych procesów generujących straty i nieplanowane koszty, które częściowo wynikają z niepewności i ich nieuchronności względem zaistnienia pewnych niekorzystnych okoliczności dla prowadzonej działalności. takimi sa też te procesy, które kojarzone są z niedoskonałością czynnika ludzkiego, decydującego o istotnych cechach tych procesów: może to również dotyczyć bazy technicznej i wynikać z otoczenia zewnętrznego, w jakim funkcjonuje bank, którego przychody są narażone w wyniku ich wadliwego działania i niekorzystnego wpływu na istotne pomniejszenie. (fragment tekstu)

EN

The subject of this article concerns the problem of quantification of the operational risk in banking in situation when the amount of capital requirements is determined by means of LDA method. In LDA there are two distributions that characterize a given phenomenon in the field of loss and severity of loss, out of which the aggregate distribution of loss is determined by the means of the available methods. Depending on the considered distributions of frequency and severity of loss, the aggregate distribution of loss does not have a direct analytic representation and it has to be determined on the basis of the approximate methods. One of the simplest solutions of this problem is the application of Monte Carlo simulation method in order to determine the aggregate distribution of loss. With regards to the nature of the problem, where the data related to operational loss is confidential for every financial institution, certain continuous and discrete distributions were adopted; they have practical application in the considered problem. The article discusses also two ways of data aggregation which assume a perfect correlation between particular categories of risk as well as the lack of correlation between them. The study carried out in the last part of the paper aimed at depicting the relationship or lack of the relationship between the assumed distributions of loss severity, the size of difference between the two ways of estimating capital requirements. As it clearly results from the study, the type of the assumed distribution of operational loss severity, particularly when this is a thick-tail distribution, has a significant influence upon the difference between the amounts of the requirements estimated in two extreme cases of the considered dependency.(original abstract)

Słowa kluczowe

PL

Kapitał finansowy; Ryzyko operacyjne; Statystyka gospodarcza

EN

Financial capital; Operational risk; Economic statistics

• Czasopismo: Studia Ekonomiczne / Uniwersytet Ekonomiczny w Katowicach
• Rocznik: 2011
• Numer: nr 66 Ryzyko rynkowe i otoczenie społeczno-gospodarcze
• Strony: 155--167

Twórcy

autor

Tomasz Szkutnik

• Uniwersytet Ekonomiczny w Katowicach

Bibliografia

• P. Matkowski: Zarządzanie ryzykiem organizacyjnym. Wolters Kluwer, Kraków 2006.
• P. Embrechts, J. Neslehova, V. Chavez-Demoulin: Quantitative models for Operational Risk: Extremes, Dependence and Aggregation. ETH-Zurich, 2005, s. 13.
• A. Chernobai, S. Rachev, F. Fabozzi: Operational Risk. A. Guide to Basel II Capital Requirements, Models and Analysis. John Wiley&Sons, New Jersey 2007, s. 119.
• A. Frachot, T. Roncalli, E. Salomon: The Correlation Problem in Operational Risk. Credit Agricole SA, France 2004, s. 5.
• I. Moosa: Operational Risk Management. Palgrave, 2007, s. 170.