外部数据下中国商业银行操作风险度量模型验证研究

Operational risk capital allocation is the first defense for operational risk management. However, the domestic scholars'answers to "how much the operational risk capital of the Chinese commercial banks is?" differ so much. Internal data is hard to collect and scholars use different external data, put external data directly into the models, use different model will lead to this difference, while no model validation or simple calidation method make models uncredible.So we consider the quality of external data and model applicability. we consider the external data collection,data specification, sample volume analysis to answer how to use external data to reveal the mechanism of operational risk. To study the necessity of endogenous deviation processing of external data, use defferent techniques to correct or eliminate data deviation. On this basis, build or choose operational risk measurement models which suit the two features "small sample, fat tail", then use model backtesting combine with benchmark test, walk forward test with resample technology to vaildate model consistency. On the basis of data quality, we aim to increase models persuasion and choose preferred models, then answer the question.

为操作风险分配资本金是操作风险管理的第一道防线。然而，国内学者对"中国商业银行操作风险究竟有多大？"这个问题的回答结果差异很大。究其原因，内部数据难获取，收集的外部数据不同、直接将外部数据纳入模型，采用的度量模型不一样都会导致结果差异，而不进行模型验证或验证方法单一导致模型可信性不足。本申请从外部数据质量和模型适用性两方面展开。针对外部数据规范性、收集量进行分析，研究怎样用外部数据去揭示操作风险机理问题。分析外部数据内生偏差预处理的必要性并针对不同偏差采用不同技术进行调整，修正数据偏差。在数据规范、准确、充足基础上，针对操作风险"数据小样本、尖峰厚尾分布"的特点，选择或开发多种模型，针对操作风险特点采用模型回测与基准测试相结合、向前试探检验与重新取样相结合的验证技术综合验证模型，在提高数据质量前提下增强模型说服力，择优选择模型，回答"中国商业银行操作风险究竟有多大？"这个问题。

操作风险是银行三大风险之一，为操作风险分配资本金是操作风险管理的第一道防线。然而，国内学者对“中国商业银行操作风险究竟有多大？”这个问题的回答差异很大。究其原因，内部数据难获得，收集的外部数据不同，直接将外部数据纳入模型，采用的度量模型不一致都会导致结果差异，而不进行模型验证或验证方法单一则导致模型可信性不足。在外部数据情况下，如何提高模型结果的可信性，是本研究的主要研究内容，本研究从外部数据数量、质量和模型适用性两方面展开。. 主要研究内容：第一，外部数据规范性研究。由于这个问题涉及最基础的内容，本研究并未发表相关文章做支撑，仅与外校学者合作，参与外部数据的收集规则设计、风险事件的自动挖掘系统设计，建立科德中国金融机构操作风险数据库；第二，外部数据收集量的研究。每个团队收集的外部数据均是小样本的，是否能代表总体样本情况？对外部数据需要收集的最少数据量，发表一篇文章；第三，外部数据预处理问题研究。外部数据具有内生偏差，是否需要预处理及怎样预处理，已录用一篇关于外部数据预处理尺度模型的期刊文章，及一篇关于整体分析尺度调整因子的会议文章，投稿一篇关于因子法选择备选影响因素的文章；第四，操作风险度量模型验证研究。投稿一篇关于度量模型的综述文章，正在审稿中；投稿一篇关于极值混合模型的文章，这涉及模型分阶段度量问题，投稿一篇损失强度估计的多模型比较文章，这涉及模型选择及验证问题。.重要结果：第一，外部数据的最小收集量，通过模拟方法得出要确保10%以内的偏差，至少需要800以上的外部（符合统一规范性）数据；第二，外部数据预处理问题，外部数据在与内部数据合并前需要预处理，多种方法可行，较适合中国的情况可通过尺度模型，分为公共部分和独特部分，估值、调整并合并；第三，模型选择，选取了十二种轻、中、厚尾分布，采用统一数据估计，得出适合中国商业银行操作风险的分布形式；第四，混合模型，考虑连接处变阈值（将阈值作为待估参数）混合主体分布和尾部部分，估计操作风险。.关键数据：研究团队历时12年收集3000余例操作风险事例，建立数据库，该数据经过4次检查校正。.科学意义：在中国研究团队相对较大的操作风险数据库基础上，回答“中国商业银行操作风险究竟有多大？”这个问题并挑选、检验模型可信性。