Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Medición Del Riesgo Modelos IMA LDA
Medición Del Riesgo Modelos IMA LDA
Presentador por
Elkin Mauricio Sanchez Laguado
Presentado a
Gloria Inés Macías
Facultada de Ingeniería
Ingeniería financiera
Universidad autónoma de Bucaramanga
2020
2
Contenido
Características y supuestos.............................................................................................8
Convolución..................................................................................................................... 9
Referencias....................................................................................................................... 23
3
basó en la experiencia previa de los modelos internos de medición del riesgo de crédito. De
esta forma, el modelo IMA establece una relación lineal entre la pérdida esperada (expected
loss, EL) y la pérdida no esperada (unexpected loss, UL). El procedimiento común, para
determinar la carga de capital por riesgo operacional mediante este enfoque, es el siguiente:
El primer paso es combinar las ocho líneas de negocio establecidas por el Comité
riesgo operacional de cada línea de negocio con respecto a cada tipo de riesgo.
Para cada celda –además del Indicador de Exposición– los bancos deben
en una línea i por un tipo de riesgo j; (ii) (Loss Given that Event), severidad media
cuando se produce el evento; (iii) (Risk Profile Index), índice del perfil de riesgo;
El producto de EI, PE, LGE y RPI ofrece como resultados la pérdida esperada (EL),
esto es:
4
Parámetros:
año.
EL ij = µ: Pérdida esperada.
distribución Binomial B(N, p) bajo el supuesto (0, L). La pérdida esperada (EL)
que la pérdida sea superior a 3,1 veces la desviación típica. Sin embargo, al igual
sigue una ley Normal; ya que, existe una mayor concentración de eventos a la
(véase Trujillo, 2002). En el caso del riesgo operacional, autores como Alexander y
Operando, esto nos llevaría a poder obtener gamma en función del multiplicador k:
para riesgos de baja frecuencia (p pequeña) gamma será mayor. Para una mejor
bajo impacto. En sentido amplio, para esta tipología de eventos la gamma estimada
será bastante inferior a 1; por lo que, el valor de KIMA obtenido –(γ·EL)– será
Los orígenes del LDA se ubican en las aplicaciones actuariales, desarrolladas por la
industria de seguros durante muchos años (Bühlmann, 1970). Es una de las ideas más
Diversos estudios que se han hecho acerca de datos empíricos convergen en que esa escasez
El principal objetivo del modelo LDA es proveer un estimado del riesgo operacional para
una entidad y sus unidades de negocio, basado en una distribución de pérdida que refleja
8
organizaciones, los cuales son complementados con datos externos. Estas pérdidas son
clasificadas en una matriz que relaciona las líneas de negocio de la organización y los
eventos operacionales de pérdida. Aunque Basilea propone ocho líneas de negocio y siete
tipos de eventos estándar para la construcción de esa matriz, cada firma tiene la libertad de
considerar sus propias líneas y eventos, de tal forma que se adecuen a la estructura y
asignación debe hacerse en un número pequeño pero suficiente, de tal forma que la matriz
Características y supuestos
En el LDA la pérdida total se define como una suma aleatoria de las distintas pérdidas:
donde es la pérdida total en la celda de la matriz de pérdidas. Las se calculan
como:
frecuencia y la severidad.
9
aleatoria severidad.
distribuyen idénticamente.
son independientes.
El primer supuesto admite que la frecuencia y la severidad son dos fuentes independientes
2004).
Convolución
Se denomina convolución a una función, que, de forma lineal y continua, transforma una
señal de entrada en una nueva señal de salida. La función de convolución se expresa por el
símbolo.
En el caso del modelo LDA La primera etapa consiste en ajustar distintos modelos de
desglosadas por su tipología para una determinada línea de negocio y evento de pérdida. En
datos observados y estimar sus parámetros. Lee, 2001; Cruz, 2002; González, 2004;
10
continuas.
Sea el monto de la pérdida en la celda de la matriz de pérdidas (severidad del
evento). Variable que sigue una distribución de probabilidad la cual se define como:
Shevchenko, 2005, proponen la distribución de Poisson como una candidata con muchas
Sea una variable aleatoria que representa el número de eventos de riesgo en la celda
de la matriz de eventos (frecuencia de los eventos). Variable que sigue una distribución de
técnicas:
La Transformada rápida de Fourier, conocida por la abreviatura FFT (del inglés Fast
2048 o 4096 muestras. El rango de frecuencias cubierto por el análisis FFT depende
Entre los años 1983 y 1992, Panjer y Willmot estudiaron las propiedades de la v.a.
definida en:
= PN (f0) y
simulación de variables aleatorias. John Von Neumann, en los años 40 y con los
relacionados con la simulación. La ruleta, juego estrella de los casinos, es uno de los
13
aparatos mecánicos más sencillos que nos permiten obtener números aleatorios para
LDA para una entidad financiera. La principal dificultad encontrada en una exploración
debieron haber sido producto del registro de unos eventos de frecuencia y severidad de
pérdidas. Pero tal escasez ha sido una característica muy generalizada en las entidades
cuantificación del riesgo operacional. Para superar ese inconveniente se recurrió a un panel
negocios. Esa etapa inicial fue desarrollada en el año 2005. Aunque posteriormente se ha
datos, también se ha complicado la obtención de ese tipo de información, dado que esto se
registrados históricamente por la entidad(al menos durante 5 años), se trata de ajustar a esos
datos una distribución de probabilidad , que pueda ser utilizada como modelo
b. A partir de la información obtenida de los expertos, asumir que dichos datos siguen un
Dada las características de los datos obtenidos, que se presentan en la tabla 1, se decidió
para cada evento de riesgo en la línea considerada. Para estos datos, y siguiendo las
recomendaciones de autores como Lee, 2001; Cruz, 2002; González, 2004; Shevchenko y
En la tabla 2, se presentan los valores esperados para cada una de las distribuciones que se
Tabla 2.
16
Utilizando @Risk se generó una simulación con 1000 iteraciones. A partir de los datos
gama de distribuciones potenciales, que deben ser discretas, es mucho más reducida.
que mejor explica el fenómeno en la línea bajo estudio. En la tabla 3 se tienen las
frecuencias promedio planteadas por los expertos. A partir de esos datos se obtuvo la
17
Tabla 3.
A diferencia de los modelos utilizados para evaluar riesgo de mercado y riesgo de crédito,
los modelos para la estimación del riesgo operacional tienen unas características muy
analíticos, y por lo tanto se recurre a simulación Montecarlo, porque se considera, entre los
métodos no analíticos, como el más simple y flexible, cuando se dispone de una plataforma
respectivamente, los valores esperados de 1000 iteraciones de las convoluciones entre las
Por ejemplo, el 18. Significa que para el siguiente año, la pérdida esperada por fraude
Esta información sería esencial para la entidad, no sólo porque las provisiones requeridas
función de esas pérdidas, sino también para tener menor incertidumbre en su capital de
trabajo.
Tabla 4.
operacional total esperada para el siguiente año en la línea de negocio, según cada modelo.
proceso de la carga de capital se hace con una de las dos definiciones planteadas
y seis se muestra la carga de capital aplicando la definición dos. Siempre será preferible
para cada entidad disponer del modelo que genere la mínima pérdida operacional total, ya
que los supervisores aceptarán este cálculo siempre que la entidad demuestre claramente
21
que su modelo de cálculo satisface los criterios de solidez para modelos de medición
Intervalos de confianza
naturaleza es incierta. Se puede conjeturar que los reguladores esperarán que la estimación
no esté lejos de su valor real. Esto es un punto crucial en la modelación del riesgo
capital, dado que se deben hacer numerosas simulaciones cuando se carece de datos.
normalidad.
22
Referencias
(2008). Jiménez R, Enrique., Feria D, José M., Martín M, José L. Enfoque de Medición de
Riesgo Operacional en la Banca. Tomado de:
https://www.researchgate.net/publication/28263258_Enfoques_de_Medicion_de_Riesgo_
Operacional
(2019). Retrieved 4 September 2019, from
https://www.researchgate.net/profile/Luis_Masmela2/publication/304232124_Distribu
cion_Poisson-
Pascal_generalizada_utilizando_el_algoritmo_de_Panjer/links/5ca148e592851cf0aea5
6795/Distribucion-Poisson-Pascal-generalizada-utilizando-el-algoritmo-de-Panjer.pdf
(2019). Retrieved 4 September 2019, from
https://previa.uclm.es/profesorado/licesio/Docencia/mcoi/Tema4_guion.pdf
Franco Arbeláez, L., & Murillo Gómez, J. (2019). Loss Distribution Approach (LDA):
actuarial methodology apply to operational risk. Retrieved 4 September 2019, from
http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S1692-
33242008000200011
Sugrades, L. (2019). Convolución. Retrieved 4 September 2019, from
http://www.dimages.es/Tutorial%20A.I/definitions/convolucion.htm
Transformada rápida de Fourier. (2019). Retrieved 4 September 2019, from
https://es.wikipedia.org/wiki/Transformada_rápida_de_Fourier
Villalba, G., Hormiga, S., & Herrera, L. (2019). Modelo LDA para medición avanzada de
riesgo operacional*. Retrieved 4 September 2019, from
http://www.redalyc.org/jatsRepo/818/81855411002/html/index.html