Модели, методы, структуры в управлении операционным риском. Модели, основанные на продвинутых подходах (часть 2)

Козлов Дмитрий Николаевич

Логико-вероятностные модели и методы ;

Рис. 9. БСД и ее элементы при моделировании событий операционного риска: орграф;

Процедуры моделирования посредством БСД;

Универсальный элемент структуры БСД;

Таблица 7. ТУВ для узлов 3, 4, 6;

И3-технология для экономики и финансов.Парадигма;

Рис. 10. Универсальный «строительный блок» i-го узла и окружающая его среда для построения байесовской сети доверия при преобразовании в нее процессного описания ;

Таблица 8. Достоинства и недостатки моделей в виде БСД;

Таблица 9. Структура базы данных согласно парадигме И3 ;

Рис. 11. Структура взаимосвязи событий-признаков, градаций событий при средних вероятностях этих градаций ;

Таблица 10. Результаты квалификации;

ЛВ-модель мошенничества;

Обобщенный логико-вероятностный подход (ОЛВ-подход);

Таблица 11. ЛВ-модель мошенничества в рамках теории ГНС ;

Этапы реализации метода ;

Рис. 12. Изобразительные средства графики ОЛВМ ;

Рис. 13. Примеры изображения смешанных входов и инверсных выходов;

ЛВ-модель события «Внутреннее мошенничество»;

Рис. 14. Логическая модель мошенничества Е.И. Карасевой в виде ОЛВМ ;

Таблица 12. Некоторые подходы к преобразованию модели в многоуровневое представление;

Подход, основанный на искусственных нейронных сетях ;

Рис. 15. Фрагмент декомпозиции предметной области «Мошенничество / противоправные действия» ;

Диалектика топологии и элементов в БСД, ОЛВМ и ИНС;

Рис. 16. «И/или»-граф предметной области «Искусственные нейронные сети»;

Рис. 17. Идеальное разнесение входных объектов по двум расходящимся спиралям ;

Рис. 18. Реальная классификация объектов по двум расходящимся спиралям;

Модели рисков и уязвимостей при чрезвычайных ситуациях, нарушающих повседневный режим функционирования банка ;

Таблица 13. Достоинства и недостатки систем нечеткого вывода и ИНС ;

Таблица 14. Упрощенный баланс банка ;

Рис. 19. Строительный блок квазинейронной сети, которая вычисляет дефолт банка с помощью нейрона 1 и управляет платежами по плановым обязательствам;

Заключение;

Рис. 20. Процессная модель кредитования корпоративных клиентов на уровне основных операций андеррайтинга;

Таблица 15. Области применения наиболее распространенных видов нейронных сетей ;

Рис. 21. Схема принятия кредитного решения;

Рис. 22. Схема перехода от процессного описания к построению модели оценки рисков ;

Нефинансовый сектор Операционные риски

Управление рисками Система риск-менеджмента

Ключевые слова: системно-структурный анализ, методология управления рисками, кластеризация, ЛВ-модели, байесовские сети доверия для анализа операционных рисков

Аннотация

Без хорошего методологического базиса любое научное направление превращается в набор частных решений, в которых непросто разобраться даже квалифицированному специалисту. В полной мере это относится и к управлению операционными рисками. В статье с позиций кибернетики рассматриваются высокоуровневые задачи управления операционными рисками и связь решений, принимаемых на верхнем уровне, с теми, которые могут быть получены в соответствующих областях системологии, теории управления и искусственного интеллекта.

Журнал: «Управление финансовыми рисками» — №4, 2013 (© Издательский дом Гребенников)

Объем в страницах: 24

Кол-во знаков: около 28,541

Библиографическая ссылка: печать / интернет

* Деятельность Meta (соцсети Facebook и Instagram) запрещена в России как экстремистская.

1. Можаев А.С. Арбитр. — Подробнее .

2. Можаев А.С., Гладкова И.А. Программный комплекс автоматизированного структурно-логического моделирования сложных систем 2001 (ПК АСМ 2001). — Подробнее .

3. Pearl J. (1985). «How to Do with Probabilities what People Say You Can’t». In: Weisbin C.R. (Ed.). Artificial Intelligence Applications. North Holland: IEEE, pp. 6–12.

4. Pearl J. (1988). Probabilistic Reasoning in Intelligent Systems. San Francisco: Morgan Kaufmann Publishers, 552 p.

5. Neil N.F., Tailor M. Using Bayesian Networks to Model Expected and Unexpected Operational Losses. — Подробнее .

6. Соложенцев Е.Д. И3-технологии для экономики. — СПб.: Наука, 2011. — 381 с.

7. Можаев А.С., Громов В.Н. Теоретические основы общего логико-вероятностного метода автоматизированного моделирования систем. — СПб.: ВИТУ, 2000. — 145 с.

8. Гаврилина В.Ф. Идентификация операционных рисков на основе описания бизнес-процессов // Управление в кредитной организации. — 2012. — №1. — C. 85–96.

9. Гаврилина В.Ф. Применение байесовских сетей доверия в системе управления операционными рисками коммерческого банка // Сборник материалов шестого международного конгресса «Роль бизнеса в трансформации российского общества 2011». — М.: Московская финансово-промышленная академия, 2011.

10. Гаврилина В.Ф. Подход Байеса в управлении факторами техногенных рисков при кредитовании в коммерческом банке // Проблемы анализа риска. — 2012. — Том 9. — №3. — С. 68–79.

11. Альбрехт С., Венц Дж., Уильямс Т. Мошенничество. Луч света на темные стороны бизнеса. — Подробнее .

12. Камынов Ш.В., Рылов М.И., Можаев А.С., Нозик А.А. Методика применения программного комплекса АСМ СЗМА для расчета показателей безотказности и безаварийности стенда физических измерений // Вопросы анализа риска. — 2007. — №1. — C. 63–72.

13. Алексеев В.В., Соложенцев Е.Д. Логико-вероятностное моделирование риска портфеля ценных бумаг // Информационно-управляющие системы. — 2007. — №6. — С. 49–56.

14. Алексеев В.В., Шоколов В.В., Соложенцев Е.Д. Логико-вероятностное моделирование риска портфеля ценных бумаг с использованием копул // Управление финансовыми рисками. — 2006. — №3. — С. 272–274.

15. Карасева Е.И. Оценка и регулирование операционного риска в банке. Диссертация на соискание ученой степени к. э. н. — СПб., 2013.

16. Chuen-Tsai Sun, Jyh-Shing Jang. A Neuro-Fuzzy Classifier and Its Applications. — Подробнее .

17. Ким Е.И. Нейронные нечеткие сети в задачах классификации. — Подробнее .

18. Леонидов А.В., Румянцев Е.Л. Оценка системных рисков межбанковского рынка России на основе сетевой топологии // Журнал НЭА. — 2013. — №3. — С. 65–80.

19. Leonidov A.V., Rumyantsev E.L. Russian Interbank Networks: Main Characteristics and Stability with Respect to Contagion. — Подробнее .

20. Козлов Д.Н., Левин В.В. Комбинированные методы и модели для оценки кредитного риска заемщика — физического лица // Банковский ритейл. — 2013. — №3. — С. 73–86.

21. Бухтин М.А. Риск-менеджмент в кредитной организации: методология, практика, регламентирование. — М. Регламент, 2008. — 448 с.

Козлов Дмитрий Николаевич
кандидат технических наук
доцент

Начальник управления операционных рисков и контроля департамента рисков ОАО «Банк ЗЕНИТ».

г. Москва

Другие статьи автора 4

Электронная библиотека