یادگیری ماشین در تخمین سرمایه پوششی ریسک عملیاتی بانک ها با رویکرد توزیع زیان
محل انتشار: مجله چشم انداز مدیریت مالی، دوره: 13، شماره: 42
سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 78
فایل این مقاله در 26 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_FINANC-13-42_001
تاریخ نمایه سازی: 3 آبان 1402
چکیده مقاله:
ریسک عملیاتی یکی از مهم ترین ریسک های موسسات مالی است. توجه به آن پس از مصوبات کمیته بال، در سراسر دنیا آغاز شده است. افزایش روزافزون زیان های عملیاتی در خطوط کسب و کار مختلف سبب شده است تا توجه مدیران موسسات مالی معطوف به حوزه ریسک عملیاتی شود. در این پژوهش، روشی جهت تخمین آستانه مناسب برای داده های شدت زیان عملیاتی و همچنین روشی جهت طبقه بندی داده های شدت زیان عملیاتی ارائه شده است و سرمایه مورد نیاز برای پوشش ریسک عملیاتی با تجمیع تابع توزیع شدت و فرکانس داده های زیان عملیاتی و شبیه سازی مونتکارلو به دست آمده است. همچنین وابستگی بین سلول های ماتریس خطوط کسب و کار و حوادث ضررساز نیز مورد بررسی قرار گرفته است. برای این پژوهش داده های زیان عملیاتی مربوط به یک مجموعه بانکداری شامل چند بانک آسیایی، اروپایی و آمریکایی به کارگرفته شده است. نتایج پژوهش حاکی از آن است که رویکرد توزیع زیان با ترکیب تئوری مقدار بحرانی و الگوریتم های یادگیری ماشین (خوشه بندی)، همچنین رویکرد توزیع زیان با ترکیب الگوریتم های یادگیری ماشین (طبقه بندی)، نسبت به سایر روش ها کارآمدتر است.
کلیدواژه ها:
نویسندگان
مهدی اکبری
کارشناسی ارشد ریاضیات مالی، دانشگاه خوارزمی، تهران، ایران.
احمدرضا یزدانیان
استادیار، گروه ریاضیات مالی، دانشگاه خوارزمی، تهران، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :