ClubEnsayos.com - Ensayos de Calidad, Tareas y Monografias
Buscar

Loss Distribution Approach


Enviado por   •  29 de Abril de 2022  •  Ensayo  •  3.179 Palabras (13 Páginas)  •  39 Visitas

Página 1 de 13

LOSS DISTRIBUTION APPROACH: METODOLOGIA ACTUARIAL PARA ESTIMAR EL REQUERIMIENTO DE CAPITAL REGULATORIO Y ECONÓMICO POR RIESGO OPERACIONAL

Resumen

El método AMA para la cuantificación de la carga de capital por riesgo operacional  ha sido mencionado por el Comité de Basilea, en el documento Convergencia de Capital, conocido como Basilea II. Las instituciones financieras deben cumplir algunos criterios para que este cálculo sea exitoso y aprobado por el Supervisor.

Este documento propone una estructura lógica para cuantificar la carga de capital por riesgo operacional a través de la metodología Loss Distribution Approach (LDA).              

Palabras Clave

 

Riesgo Operacional, LDA, Capital Económico, Capital Regulatorio.

LOSS DISTRIBUTION APPROACH: METODOLOGIA ACTUARIAL PARA ESTIMAR EL REQUERIMIENTO DE CAPITAL REGULATORIO Y ECONÓMICO POR RIESGO OPERACIONAL

Abstract:

Advanced Measurement Approach (AMA) has been addressed by the Basel Committee in document International Convergence of Capital Measurement and Capital Standards. Financial institutions must meet certain criteria to obtain regulatory approval.

This paper proposes a logical structure to quantify the operational risk capital charge with a Loss Distribution Approach (LDA).

Keywords: Operational Risk, LDA, Economic Capital, Regulatory Capital.  

  1. INTRODUCCIÓN

Hace mucho se investiga respecto de los métodos avanzados para cuantificar el riesgo operacional citado por Basilea II, denominado Advanced Measurement Approaches (AMA), el Comité de Basilea propone: Los Scorecards, Modelos de Medición Internas (Internal Measurent Approach - IMA) y el Modelo de Distribución de Pérdidas (Loss Distribution Approach – LDA).

Aunque inicialmente, el Comité de Basilea parecía inclinarse hacia los modelos de medición interna (IMA) para el cálculo del capital económico por riesgo operacional, el enfoque que ha tomado mayor fuerza y tiene un mayor posicionamiento en la práctica es el modelo de distribución de pérdidas (LDA).

En este documento se describirá la técnica actuarial LDA, la cual ha sido desarrollada por la industria de seguros por años. Las compañías de seguros vienen desarrollando modelos de tarifación de primas a sus clientes, teniendo en cuenta la frecuencia de los reclamos y la severidad de los mismos. Estas dos características son esenciales en los datos recolectados de eventos de pérdida que usan los administradores de Riesgo Operacional, el cual nos permitirá a través de técnicas y cálculos computacionales hallar un Valor en Riesgo Operacional (OpVaR) que permita calibrar una carga de capital por riesgo operacional.

Es importante resaltar que antes de efectuar cualquier cálculo, los Administradores de Riesgo Operacional deberán realizar un análisis exploratorio de la información disponible (no tratado en este documento) para no cometer el error de ingresar datos inexactos y obtener salidas o resultados equívocos.      

En este artículo se presenta una aplicación del LDA desarrollada para una entidad financiera. Está organizado de la siguiente forma: la presente sección que es introductoria. En la segunda parte se presenta formalmente el modelo LDA; luego se realiza la aplicación, y en la cuarta sección se presentan algunas conclusiones

  1. MODELO DE DISTRIBUCIÓN DE PÉRDIDAS

Este enfoque es una técnica estadística, heredada del ámbito actuarial, que tiene como objetivo obtener una estimación de la pérdida máxima del riesgo analizado (seguros, operacional, etc.). El enfoque se estable sobre la información de pérdidas históricas referidas a la ocho líneas de negocio y los siete tipos de eventos estandarizados por el Comité de Basilea, dado un nivel de confianza (99.9 por ciento) para un horizonte temporal predeterminado (habitualmente un año).

Consiste en:

  • Dividir la información de las pérdidas, en el periodo de tiempo que se desee analizar, en dos componentes o dimensiones: frecuencia y severidad.
  • Estimar la distribución subyacente de cada componente.

  • Obtener la distribución total de dichas pérdidas como la composición ambas distribuciones.

Si N es un evento de riesgo operacional cuyo impacto o severidad es L, entonces la pérdida agregada (S) durante un periodo específico de tiempo puede expresarse como:  

                                [pic 1]                                                [1]

La distribución de Li, es denominada distribución de severidad, la de N en cada periodo es distribución de frecuencias y la distribución de “S” es la distribución agregada de pérdidas.

El modelo LDA asume los siguientes supuestos dentro de cada tipo de riesgo:

  1. Dentro de un mismo tipo de evento,  Li se distribuyen  idénticamente.

  1. Dentro de un mismo tipo de eevento,  Li son independientes.

  1. La variable frecuencia (N) es una variable aleatoria independiente de la variable aleatoria severidad (Li)
  1. ESTIMACIÓN DE LA SEVERIDAD

Posiblemente, esta es una de las tareas más difíciles al momento de modelar el riesgo operacional. Esta técnica no puede ser usada directamente debido a que los datos de eventos de pérdida recolectados son sesgados, originando pérdida de precisión del modelo lo que ocasionaría inexactitud o las fallas en el cálculo del capital económico de la entidad financiera.

La primera etapa consiste en ajustar distintos modelos de distribución probabilística a una serie datos históricos de eventos de pérdida desglosados por su tipología para una determinada línea de negocio y tipo de evento. En definitiva, se trata de encontrar la distribución de probabilidad que mejor se ajuste a los datos observados y estimar sus parámetros. Lee, 2001; Cruz, 2002; González, 2004; Shevchenko y Donnelly, 2005 y Carrillo y Suárez, 2006, proponen la distribución Lognormal o la de Weibull como las más recomendables a la hora de modelar la severidad, aunque en la práctica ninguna distribución simple se ajusta a los datos satisfactoriamente; de ahí la necesidad de recurrir a una mixtura de distribuciones para variables aleatorias continuas.

...

Descargar como (para miembros actualizados) txt (21 Kb) pdf (784 Kb) docx (641 Kb)
Leer 12 páginas más »
Disponible sólo en Clubensayos.com