模型的精细度是指建立模型的最小单元,它直接影响AMA模型的个数、风险敏感性和精确程度,是AMA模型的核心问题。模型精细度划分程度越高,AMA模型的风险敏感性越强,操作风险VaR值计量准确度越高;但同时对数据的充足性要求越高,也会影响模型的稳定程度。
(3)分布选择
LDA模型需要对损失频率和严重度的概率分布函数分别进行估计,其中损失频率分布函数的估计主要是基于内部损失数据,损失严重度分布函数的估计应用内、外部损失数据及情景分析数据。
(4)资本拟合
在获得频率分布和严重度的概率分布函数后,根据99.9%的置信水平,采用蒙特卡罗模拟方法来确定银行操作风险资本额。蒙特卡罗模拟是通过重复随机抽样对每个矩阵单元内的频率和严重度进行整合,生成各矩阵单元年度累计损失数据集的过程。
(5)相关性处理
AMA资本计量的相关性主要包括频率相关性、严重度相关性和累计损失相关性等三种类型。其中,频率的相关性是指模型单元格之间损失事件发生次数是否相关;严重度的相关性是指模型单元格之间每个损失事件的损失金额是否相关;累积损失的相关性是指模型单元格之间总损失是否相关。银行可通过定量和定性综合求解方法确定相关系数矩阵。
(6)模型验证
高级计量法(AMA)不仅仅是操作风险计量的一种方法,它更是一套完整的操作风险管理框架,该框架围绕操作风险管理和计量两大内容搭建,在提高资本计量准确性和敏感度的同时,还可以实现操作风险管理水平的全面提升,增强银行的核心竞争力。
(1)优化操作风险管理流程
通过AMA项目,可以重塑操作风险管理流程,改进风险控制措施,提高制度的可执行性,实现由粗放型向精细化、由事后检查向事前防范、由定性管理向定性与定量相结合的管理方式的转变。同时,推动各业务部门积极开展业务流程的梳理工作,识别风险控制薄弱环节,及时采取有效措施,改善本部门的操作风险现状。
(2)促进风险管理文化的转变
(3)丰富操作风险的管理手段
(4)完善绩效考核体系