5. Modelos Actuariales para Riesgo Operativo
|
|
- María Isabel Torres Campos
- hace 6 años
- Vistas:
Transcripción
1 5. Modelos Actuariales para Riesgo Operativo Minicurso para el VIII Coloquio Internacional de Estadística Métodos Estadísticos Aplicados a Finanzas y Gestión de Riesgo Norman Giraldo Escuela de Estadística Universidad Nacional de Colombia Medelĺın Junio 28 - Julio 1, 2011 Junio 28 - Julio 1, /20
2 Introducción Se entiende por Riesgo Operativo, la posibilidad de incurrir en pérdidas por deficiencias, fallas o inadecuaciones, en el recurso humano, los procesos, la tecnología, la infraestructura o por la ocurrencia de acontecimientos externos. Según el Comité de Regulación Bancaria de Basilea II: Se define el RO como el riesgo de pérdidas que resultan de procesos internos inadecuados o fallidos, de personas, de sistemas o de eventos externos, incluyendo el riesgo legal. Junio 28 - Julio 1, /20
3 Introducción Se entiende por Riesgo Operativo, la posibilidad de incurrir en pérdidas por deficiencias, fallas o inadecuaciones, en el recurso humano, los procesos, la tecnología, la infraestructura o por la ocurrencia de acontecimientos externos. Según el Comité de Regulación Bancaria de Basilea II: Se define el RO como el riesgo de pérdidas que resultan de procesos internos inadecuados o fallidos, de personas, de sistemas o de eventos externos, incluyendo el riesgo legal. Junio 28 - Julio 1, /20
4 Ejemplos de Riesgos Operativos 1 Fraude Externo Actos, realizados por una persona externa a la entidad, que buscan defraudar, apropiarse indebidamente de activos de la misma o incumplir normas o leyes. 2 Daños a activos físicos Pérdidas derivadas de daños o perjuicios a activos físicos de la entidad. 3 Fallas tecnológicas Pérdidas derivadas de incidentes por fallas tecnológicas. Junio 28 - Julio 1, /20
5 Ejemplos de Riesgos Operativos 1 Fraude Externo Actos, realizados por una persona externa a la entidad, que buscan defraudar, apropiarse indebidamente de activos de la misma o incumplir normas o leyes. 2 Daños a activos físicos Pérdidas derivadas de daños o perjuicios a activos físicos de la entidad. 3 Fallas tecnológicas Pérdidas derivadas de incidentes por fallas tecnológicas. Junio 28 - Julio 1, /20
6 Ejemplos de Riesgos Operativos 1 Fraude Externo Actos, realizados por una persona externa a la entidad, que buscan defraudar, apropiarse indebidamente de activos de la misma o incumplir normas o leyes. 2 Daños a activos físicos Pérdidas derivadas de daños o perjuicios a activos físicos de la entidad. 3 Fallas tecnológicas Pérdidas derivadas de incidentes por fallas tecnológicas. Junio 28 - Julio 1, /20
7 Ejemplo de una Corporacion: Banco Barclays 1 El Banco Barclays es una Compañía de servicios financieros, catalogada en 2010 como el grupo No 10 de servicios bancarios y financieros más grande del mundo. 2 De la pag. web de Barclays: Los riesgos operativos son inherentes a las operaciones del Grupo y son típicos de cualquier empresa grande. 1 3 De la pag. web de Barclays: Las fuentes del riesgo operativo incluye: procesos operativos de confiabilidad, seguridad IT, outsourcing de operaciones, dependencia de suministros claves, implementación de cambios estratégicos, integración de adquisiciones, fraude, errores humanos, calidad del servicio al cliente, cumplimiento de regulaciones, enganche de personal, entrenamiento y retención de personal, y el impacto social y medioambiental. 1 Junio 28 - Julio 1, /20
8 Ejemplo de una Corporacion: Banco Barclays 1 El Banco Barclays es una Compañía de servicios financieros, catalogada en 2010 como el grupo No 10 de servicios bancarios y financieros más grande del mundo. 2 De la pag. web de Barclays: Los riesgos operativos son inherentes a las operaciones del Grupo y son típicos de cualquier empresa grande. 1 3 De la pag. web de Barclays: Las fuentes del riesgo operativo incluye: procesos operativos de confiabilidad, seguridad IT, outsourcing de operaciones, dependencia de suministros claves, implementación de cambios estratégicos, integración de adquisiciones, fraude, errores humanos, calidad del servicio al cliente, cumplimiento de regulaciones, enganche de personal, entrenamiento y retención de personal, y el impacto social y medioambiental. 1 Junio 28 - Julio 1, /20
9 Ejemplo de una Corporacion: Banco Barclays 1 El Banco Barclays es una Compañía de servicios financieros, catalogada en 2010 como el grupo No 10 de servicios bancarios y financieros más grande del mundo. 2 De la pag. web de Barclays: Los riesgos operativos son inherentes a las operaciones del Grupo y son típicos de cualquier empresa grande. 1 3 De la pag. web de Barclays: Las fuentes del riesgo operativo incluye: procesos operativos de confiabilidad, seguridad IT, outsourcing de operaciones, dependencia de suministros claves, implementación de cambios estratégicos, integración de adquisiciones, fraude, errores humanos, calidad del servicio al cliente, cumplimiento de regulaciones, enganche de personal, entrenamiento y retención de personal, y el impacto social y medioambiental. 1 Junio 28 - Julio 1, /20
10 SARO: Sistema de Administración de Riesgo Operativo, según SuperFinanciera La definición del SARO es: Un conjunto de elementos tales como poĺıticas, procedimientos, documentación, estructura organizacional, registro de eventos de riesgo operativo, órganos de control, plataforma tecnológica, divulgación de información y capacitación. En el SARO las entidades deben desarrollar las siguientes etapas: 1 Identificar 2 Medir 3 Controlar 4 Monitorear Conclusión: el SARO es un AutoSeguro Junio 28 - Julio 1, /20
11 SARO: Sistema de Administración de Riesgo Operativo, según SuperFinanciera La definición del SARO es: Un conjunto de elementos tales como poĺıticas, procedimientos, documentación, estructura organizacional, registro de eventos de riesgo operativo, órganos de control, plataforma tecnológica, divulgación de información y capacitación. En el SARO las entidades deben desarrollar las siguientes etapas: 1 Identificar 2 Medir 3 Controlar 4 Monitorear Conclusión: el SARO es un AutoSeguro Junio 28 - Julio 1, /20
12 SARO: Sistema de Administración de Riesgo Operativo, según SuperFinanciera La definición del SARO es: Un conjunto de elementos tales como poĺıticas, procedimientos, documentación, estructura organizacional, registro de eventos de riesgo operativo, órganos de control, plataforma tecnológica, divulgación de información y capacitación. En el SARO las entidades deben desarrollar las siguientes etapas: 1 Identificar 2 Medir 3 Controlar 4 Monitorear Conclusión: el SARO es un AutoSeguro Junio 28 - Julio 1, /20
13 SARO: Sistema de Administración de Riesgo Operativo, según SuperFinanciera La definición del SARO es: Un conjunto de elementos tales como poĺıticas, procedimientos, documentación, estructura organizacional, registro de eventos de riesgo operativo, órganos de control, plataforma tecnológica, divulgación de información y capacitación. En el SARO las entidades deben desarrollar las siguientes etapas: 1 Identificar 2 Medir 3 Controlar 4 Monitorear Conclusión: el SARO es un AutoSeguro Junio 28 - Julio 1, /20
14 SARO: Sistema de Administración de Riesgo Operativo, según SuperFinanciera La definición del SARO es: Un conjunto de elementos tales como poĺıticas, procedimientos, documentación, estructura organizacional, registro de eventos de riesgo operativo, órganos de control, plataforma tecnológica, divulgación de información y capacitación. En el SARO las entidades deben desarrollar las siguientes etapas: 1 Identificar 2 Medir 3 Controlar 4 Monitorear Conclusión: el SARO es un AutoSeguro Junio 28 - Julio 1, /20
15 SARO: Sistema de Administración de Riesgo Operativo, según SuperFinanciera La definición del SARO es: Un conjunto de elementos tales como poĺıticas, procedimientos, documentación, estructura organizacional, registro de eventos de riesgo operativo, órganos de control, plataforma tecnológica, divulgación de información y capacitación. En el SARO las entidades deben desarrollar las siguientes etapas: 1 Identificar 2 Medir 3 Controlar 4 Monitorear Conclusión: el SARO es un AutoSeguro Junio 28 - Julio 1, /20
16 SARO: Sistema de Administración de Riesgo Operativo, según SuperFinanciera La definición del SARO es: Un conjunto de elementos tales como poĺıticas, procedimientos, documentación, estructura organizacional, registro de eventos de riesgo operativo, órganos de control, plataforma tecnológica, divulgación de información y capacitación. En el SARO las entidades deben desarrollar las siguientes etapas: 1 Identificar 2 Medir 3 Controlar 4 Monitorear Conclusión: el SARO es un AutoSeguro Junio 28 - Julio 1, /20
17 SARO: Aprovisionar según Comité Basilea II 1 Según las directrices de Basilea II, dadas por el Bank for International Settlements (BIS) en el documento The New Basel Capital Accord de 2003, 2 Los Bancos no solamente deben medir frecuencias y severidades de los riesgos operativos indentificados sino también generar una provisión, un colchón (cushion), para enfrentar pérdidas anormales. Esta operación se denomina Pilar 1. 3 La regulación colombiana aparentemente no considera estos casos. Las Entidades deben medir y cuantificar las pérdidas mediante modelos internos y proveer planes de contingencia y supervivencia. Junio 28 - Julio 1, /20
18 SARO: Aprovisionar según Comité Basilea II 1 Según las directrices de Basilea II, dadas por el Bank for International Settlements (BIS) en el documento The New Basel Capital Accord de 2003, 2 Los Bancos no solamente deben medir frecuencias y severidades de los riesgos operativos indentificados sino también generar una provisión, un colchón (cushion), para enfrentar pérdidas anormales. Esta operación se denomina Pilar 1. 3 La regulación colombiana aparentemente no considera estos casos. Las Entidades deben medir y cuantificar las pérdidas mediante modelos internos y proveer planes de contingencia y supervivencia. Junio 28 - Julio 1, /20
19 SARO: Aprovisionar según Comité Basilea II 1 Según las directrices de Basilea II, dadas por el Bank for International Settlements (BIS) en el documento The New Basel Capital Accord de 2003, 2 Los Bancos no solamente deben medir frecuencias y severidades de los riesgos operativos indentificados sino también generar una provisión, un colchón (cushion), para enfrentar pérdidas anormales. Esta operación se denomina Pilar 1. 3 La regulación colombiana aparentemente no considera estos casos. Las Entidades deben medir y cuantificar las pérdidas mediante modelos internos y proveer planes de contingencia y supervivencia. Junio 28 - Julio 1, /20
20 El Cálculo de las Provisiones en SARO En Moscadelli(2004) se propone que el cálculo de las provisiones para RO se divida en dos enfoques: 1 No Avanzado: no incorpora análisis estadístico, se basa en indicadores. Está recomendado para Bancos pequeños, que no tienen operaciones internacionales muy amplias. 2 Avanzado. Involucra varias metodologías para modelamiento cuantitativo de pérdidas de riesgo operativo tales como 3 Modelos causales y redes bayesianas. 4 Modelos de confiabilidad. 5 Modelos actuariales (tomados del área de los seguros de ramos generales, ver Capítulo 2): LDA y EVT-POT Junio 28 - Julio 1, /20
21 El Cálculo de las Provisiones en SARO En Moscadelli(2004) se propone que el cálculo de las provisiones para RO se divida en dos enfoques: 1 No Avanzado: no incorpora análisis estadístico, se basa en indicadores. Está recomendado para Bancos pequeños, que no tienen operaciones internacionales muy amplias. 2 Avanzado. Involucra varias metodologías para modelamiento cuantitativo de pérdidas de riesgo operativo tales como 3 Modelos causales y redes bayesianas. 4 Modelos de confiabilidad. 5 Modelos actuariales (tomados del área de los seguros de ramos generales, ver Capítulo 2): LDA y EVT-POT Junio 28 - Julio 1, /20
22 El Cálculo de las Provisiones en SARO En Moscadelli(2004) se propone que el cálculo de las provisiones para RO se divida en dos enfoques: 1 No Avanzado: no incorpora análisis estadístico, se basa en indicadores. Está recomendado para Bancos pequeños, que no tienen operaciones internacionales muy amplias. 2 Avanzado. Involucra varias metodologías para modelamiento cuantitativo de pérdidas de riesgo operativo tales como 3 Modelos causales y redes bayesianas. 4 Modelos de confiabilidad. 5 Modelos actuariales (tomados del área de los seguros de ramos generales, ver Capítulo 2): LDA y EVT-POT Junio 28 - Julio 1, /20
23 El Cálculo de las Provisiones en SARO En Moscadelli(2004) se propone que el cálculo de las provisiones para RO se divida en dos enfoques: 1 No Avanzado: no incorpora análisis estadístico, se basa en indicadores. Está recomendado para Bancos pequeños, que no tienen operaciones internacionales muy amplias. 2 Avanzado. Involucra varias metodologías para modelamiento cuantitativo de pérdidas de riesgo operativo tales como 3 Modelos causales y redes bayesianas. 4 Modelos de confiabilidad. 5 Modelos actuariales (tomados del área de los seguros de ramos generales, ver Capítulo 2): LDA y EVT-POT Junio 28 - Julio 1, /20
24 El Cálculo de las Provisiones en SARO En Moscadelli(2004) se propone que el cálculo de las provisiones para RO se divida en dos enfoques: 1 No Avanzado: no incorpora análisis estadístico, se basa en indicadores. Está recomendado para Bancos pequeños, que no tienen operaciones internacionales muy amplias. 2 Avanzado. Involucra varias metodologías para modelamiento cuantitativo de pérdidas de riesgo operativo tales como 3 Modelos causales y redes bayesianas. 4 Modelos de confiabilidad. 5 Modelos actuariales (tomados del área de los seguros de ramos generales, ver Capítulo 2): LDA y EVT-POT Junio 28 - Julio 1, /20
25 Modelos Actuariales para SARO: LDA 1 LDA : Modelo de Pérdidas Agregadas (Loss Distribution Analysis). Se basa en un modelo para la frecuencia anual y la severidad de las pérdidas para conformar una pérdida agregada y con ésta calcular una provisión para las pérdidas más extremas. 2 El Modelo LDA es el Modelo de Riesgo Colectivo del Capítulo 2. 3 Las provisiones se calculan con los mismos principios de cálculo de primas en el Modelo de Riesgo Colectivo. Por ejemplo, el principio del percentil del Capítulo 2, es decir, el VaR. Junio 28 - Julio 1, /20
26 Modelos Actuariales para SARO: LDA 1 LDA : Modelo de Pérdidas Agregadas (Loss Distribution Analysis). Se basa en un modelo para la frecuencia anual y la severidad de las pérdidas para conformar una pérdida agregada y con ésta calcular una provisión para las pérdidas más extremas. 2 El Modelo LDA es el Modelo de Riesgo Colectivo del Capítulo 2. 3 Las provisiones se calculan con los mismos principios de cálculo de primas en el Modelo de Riesgo Colectivo. Por ejemplo, el principio del percentil del Capítulo 2, es decir, el VaR. Junio 28 - Julio 1, /20
27 Modelos Actuariales para SARO: LDA 1 LDA : Modelo de Pérdidas Agregadas (Loss Distribution Analysis). Se basa en un modelo para la frecuencia anual y la severidad de las pérdidas para conformar una pérdida agregada y con ésta calcular una provisión para las pérdidas más extremas. 2 El Modelo LDA es el Modelo de Riesgo Colectivo del Capítulo 2. 3 Las provisiones se calculan con los mismos principios de cálculo de primas en el Modelo de Riesgo Colectivo. Por ejemplo, el principio del percentil del Capítulo 2, es decir, el VaR. Junio 28 - Julio 1, /20
28 Modelos Actuariales para SARO: EVT-POT 1 EVT-POT (Extreme Value Analysis - Peaks over Threshold = Análisis de datos extremos superiores a un umbral). 2 Se basa en el supuesto de que los datos extremos provienen de procesos heterogéneos, por lo que es necesario no tomar todos los datos (pequeños, medianos, extremos) sino solamente los extremos. 3 La metodología EVT-POT está tomada del área de la Ingeniería Civil (p.ej. diseño de diques contra inundaciones) y la Actuaría de Seguros Generales en Reaseguros. Junio 28 - Julio 1, /20
29 Modelos Actuariales para SARO: EVT-POT 1 EVT-POT (Extreme Value Analysis - Peaks over Threshold = Análisis de datos extremos superiores a un umbral). 2 Se basa en el supuesto de que los datos extremos provienen de procesos heterogéneos, por lo que es necesario no tomar todos los datos (pequeños, medianos, extremos) sino solamente los extremos. 3 La metodología EVT-POT está tomada del área de la Ingeniería Civil (p.ej. diseño de diques contra inundaciones) y la Actuaría de Seguros Generales en Reaseguros. Junio 28 - Julio 1, /20
30 Modelos Actuariales para SARO: EVT-POT 1 EVT-POT (Extreme Value Analysis - Peaks over Threshold = Análisis de datos extremos superiores a un umbral). 2 Se basa en el supuesto de que los datos extremos provienen de procesos heterogéneos, por lo que es necesario no tomar todos los datos (pequeños, medianos, extremos) sino solamente los extremos. 3 La metodología EVT-POT está tomada del área de la Ingeniería Civil (p.ej. diseño de diques contra inundaciones) y la Actuaría de Seguros Generales en Reaseguros. Junio 28 - Julio 1, /20
31 Implementación de LDA Modelo: S = N j=1 X j Escoger una distribución para N, N Poisson(λ). Con λ = No casos 1 año. Encontrar una distribución para las X j, que ajuste los datos. Que pase las pruebas de ajuste Kolmogorov-Smirnov y Anderson-Darling!!. Calcular la provisión como una prima. Si se usa el método del percentil, la provisión es el VaR(q), tal que P(S VaR(q)) = 1 q. Esta provisión se calcula, por ejemplo, con el método NP del Capítulo 2. O con simulación. Ver la librería actuar de R. Junio 28 - Julio 1, /20
32 Implementación de LDA Modelo: S = N j=1 X j Escoger una distribución para N, N Poisson(λ). Con λ = No casos 1 año. Encontrar una distribución para las X j, que ajuste los datos. Que pase las pruebas de ajuste Kolmogorov-Smirnov y Anderson-Darling!!. Calcular la provisión como una prima. Si se usa el método del percentil, la provisión es el VaR(q), tal que P(S VaR(q)) = 1 q. Esta provisión se calcula, por ejemplo, con el método NP del Capítulo 2. O con simulación. Ver la librería actuar de R. Junio 28 - Julio 1, /20
33 Implementación de LDA Modelo: S = N j=1 X j Escoger una distribución para N, N Poisson(λ). Con λ = No casos 1 año. Encontrar una distribución para las X j, que ajuste los datos. Que pase las pruebas de ajuste Kolmogorov-Smirnov y Anderson-Darling!!. Calcular la provisión como una prima. Si se usa el método del percentil, la provisión es el VaR(q), tal que P(S VaR(q)) = 1 q. Esta provisión se calcula, por ejemplo, con el método NP del Capítulo 2. O con simulación. Ver la librería actuar de R. Junio 28 - Julio 1, /20
34 Implementación de LDA Modelo: S = N j=1 X j Escoger una distribución para N, N Poisson(λ). Con λ = No casos 1 año. Encontrar una distribución para las X j, que ajuste los datos. Que pase las pruebas de ajuste Kolmogorov-Smirnov y Anderson-Darling!!. Calcular la provisión como una prima. Si se usa el método del percentil, la provisión es el VaR(q), tal que P(S VaR(q)) = 1 q. Esta provisión se calcula, por ejemplo, con el método NP del Capítulo 2. O con simulación. Ver la librería actuar de R. Junio 28 - Julio 1, /20
35 Implementación de LDA Modelo: S = N j=1 X j Escoger una distribución para N, N Poisson(λ). Con λ = No casos 1 año. Encontrar una distribución para las X j, que ajuste los datos. Que pase las pruebas de ajuste Kolmogorov-Smirnov y Anderson-Darling!!. Calcular la provisión como una prima. Si se usa el método del percentil, la provisión es el VaR(q), tal que P(S VaR(q)) = 1 q. Esta provisión se calcula, por ejemplo, con el método NP del Capítulo 2. O con simulación. Ver la librería actuar de R. Junio 28 - Julio 1, /20
36 Ejemplo: pérdidas banca corporativa anuales ajuste LogNormal Figure: Prueba Gráfica: comparación en la cola derecha, en Moscadelli (2004), pag.23 Junio 28 - Julio 1, /20
37 Descripción de EVT-POT 1 Se basa en el hecho de que cuando hay datos muy extremos no es posible encontrar una distribución que ajuste completamente los datos. 2 Entonces se busca un umbral que es un valor u, a partir del cual los datos se consideran extremos. 3 Y además, comprobar que los excedentes sobre ese umbral, y i = x i u, para x i > u, se distribuyen de acuerdo a una distribución Pareto Generalizada, GPD. 4 Un paso clave es determinar el umbral. La técnica se basa en un estadístico: la vida media residual empírica Junio 28 - Julio 1, /20
38 Descripción de EVT-POT 1 Se basa en el hecho de que cuando hay datos muy extremos no es posible encontrar una distribución que ajuste completamente los datos. 2 Entonces se busca un umbral que es un valor u, a partir del cual los datos se consideran extremos. 3 Y además, comprobar que los excedentes sobre ese umbral, y i = x i u, para x i > u, se distribuyen de acuerdo a una distribución Pareto Generalizada, GPD. 4 Un paso clave es determinar el umbral. La técnica se basa en un estadístico: la vida media residual empírica Junio 28 - Julio 1, /20
39 Descripción de EVT-POT 1 Se basa en el hecho de que cuando hay datos muy extremos no es posible encontrar una distribución que ajuste completamente los datos. 2 Entonces se busca un umbral que es un valor u, a partir del cual los datos se consideran extremos. 3 Y además, comprobar que los excedentes sobre ese umbral, y i = x i u, para x i > u, se distribuyen de acuerdo a una distribución Pareto Generalizada, GPD. 4 Un paso clave es determinar el umbral. La técnica se basa en un estadístico: la vida media residual empírica Junio 28 - Julio 1, /20
40 Descripción de EVT-POT 1 Se basa en el hecho de que cuando hay datos muy extremos no es posible encontrar una distribución que ajuste completamente los datos. 2 Entonces se busca un umbral que es un valor u, a partir del cual los datos se consideran extremos. 3 Y además, comprobar que los excedentes sobre ese umbral, y i = x i u, para x i > u, se distribuyen de acuerdo a una distribución Pareto Generalizada, GPD. 4 Un paso clave es determinar el umbral. La técnica se basa en un estadístico: la vida media residual empírica Junio 28 - Julio 1, /20
41 Distribución Pareto Generalizada GPD La distribución Pareto Generalizada ó GPD es una distribución que depende de dos parámetros (β,ζ), y está dada por: ( G(x) = 1 para x 0. Parámetros: β > 0,ζ > ζx β ) 1 ζ, (1) Junio 28 - Julio 1, /20
42 Aplicación de la GPD Defina la distribución de los excedentes sobre el umbral, como F u (y) = P(X u y X > u) = F X(u+y) F X (u), y > 0. (2) 1 F X (u) Se asume (!!!) que se cumple : F u (y) G(y), para u el umbral. De (2) despeja F X (u+y) F X (u+y) (1 F X (u))g(y)+f X (u) (3) Llame x = u+y > u, entonces Interpretación de (4)? F X (x) (1 F X (u))g(x u)+f X (u) (4) Junio 28 - Julio 1, /20
43 Aplicación de la GPD Defina la distribución de los excedentes sobre el umbral, como F u (y) = P(X u y X > u) = F X(u+y) F X (u), y > 0. (2) 1 F X (u) Se asume (!!!) que se cumple : F u (y) G(y), para u el umbral. De (2) despeja F X (u+y) F X (u+y) (1 F X (u))g(y)+f X (u) (3) Llame x = u+y > u, entonces Interpretación de (4)? F X (x) (1 F X (u))g(x u)+f X (u) (4) Junio 28 - Julio 1, /20
44 Aplicación de la GPD Defina la distribución de los excedentes sobre el umbral, como F u (y) = P(X u y X > u) = F X(u+y) F X (u), y > 0. (2) 1 F X (u) Se asume (!!!) que se cumple : F u (y) G(y), para u el umbral. De (2) despeja F X (u+y) F X (u+y) (1 F X (u))g(y)+f X (u) (3) Llame x = u+y > u, entonces Interpretación de (4)? F X (x) (1 F X (u))g(x u)+f X (u) (4) Junio 28 - Julio 1, /20
45 Aplicación de la GPD Defina la distribución de los excedentes sobre el umbral, como F u (y) = P(X u y X > u) = F X(u+y) F X (u), y > 0. (2) 1 F X (u) Se asume (!!!) que se cumple : F u (y) G(y), para u el umbral. De (2) despeja F X (u+y) F X (u+y) (1 F X (u))g(y)+f X (u) (3) Llame x = u+y > u, entonces Interpretación de (4)? F X (x) (1 F X (u))g(x u)+f X (u) (4) Junio 28 - Julio 1, /20
46 Aplicación de la GPD Defina la distribución de los excedentes sobre el umbral, como F u (y) = P(X u y X > u) = F X(u+y) F X (u), y > 0. (2) 1 F X (u) Se asume (!!!) que se cumple : F u (y) G(y), para u el umbral. De (2) despeja F X (u+y) F X (u+y) (1 F X (u))g(y)+f X (u) (3) Llame x = u+y > u, entonces Interpretación de (4)? F X (x) (1 F X (u))g(x u)+f X (u) (4) Junio 28 - Julio 1, /20
47 Determinar el Percentil q de X Si ζ q es el percentil (1 q)100% de X entonces F X (ζ q ) = 1 q. De la expresión F X (x) = (1 F X (u))g(x u)+f X (u), se obtiene F X (ζ q ) = (1 F X (u))g(ζ q u)+f X (u) = 1 q (5) ( Usando G(ζ q u) = 1 1+ ζ(ζq u) β ) 1 ζ Reemplazando en (5), y despejando ζ q se obtiene ( ζ q = u+ β (1 FX ) (u) ζ 1). (6) ζ q Junio 28 - Julio 1, /20
48 Determinar el Percentil q de X Si ζ q es el percentil (1 q)100% de X entonces F X (ζ q ) = 1 q. De la expresión F X (x) = (1 F X (u))g(x u)+f X (u), se obtiene F X (ζ q ) = (1 F X (u))g(ζ q u)+f X (u) = 1 q (5) ( Usando G(ζ q u) = 1 1+ ζ(ζq u) β ) 1 ζ Reemplazando en (5), y despejando ζ q se obtiene ( ζ q = u+ β (1 FX ) (u) ζ 1). (6) ζ q Junio 28 - Julio 1, /20
49 Determinar el Percentil q de X Si ζ q es el percentil (1 q)100% de X entonces F X (ζ q ) = 1 q. De la expresión F X (x) = (1 F X (u))g(x u)+f X (u), se obtiene F X (ζ q ) = (1 F X (u))g(ζ q u)+f X (u) = 1 q (5) ( Usando G(ζ q u) = 1 1+ ζ(ζq u) β ) 1 ζ Reemplazando en (5), y despejando ζ q se obtiene ( ζ q = u+ β (1 FX ) (u) ζ 1). (6) ζ q Junio 28 - Julio 1, /20
50 Determinar el Percentil q de X Si ζ q es el percentil (1 q)100% de X entonces F X (ζ q ) = 1 q. De la expresión F X (x) = (1 F X (u))g(x u)+f X (u), se obtiene F X (ζ q ) = (1 F X (u))g(ζ q u)+f X (u) = 1 q (5) ( Usando G(ζ q u) = 1 1+ ζ(ζq u) β ) 1 ζ Reemplazando en (5), y despejando ζ q se obtiene ( ζ q = u+ β (1 FX ) (u) ζ 1). (6) ζ q Junio 28 - Julio 1, /20
51 El VaR por el Método POT La provisión dada por el percentil ζ q (6) no es suficiente si no se considera la frecuencia con que ocurren las pérdidas extremas. Dado u > 0 se define la Frecuencia de Pérdidas Extremas como N u = n I(X i > u). (7) j=1 Entonces se define la Provisión para los costos operativos totales, mediante el método EVT-POT como ( ( VaR(S,q,u) = E(N u )ζ q = E(N u ) u+ β (1 FX ) (u) ζ 1)). ζ q (8) Es posible definir otras provisiones con base en otras medidas de riesgo, por ejemplo, CVaR(S,q,u). Junio 28 - Julio 1, /20
52 El VaR por el Método POT La provisión dada por el percentil ζ q (6) no es suficiente si no se considera la frecuencia con que ocurren las pérdidas extremas. Dado u > 0 se define la Frecuencia de Pérdidas Extremas como N u = n I(X i > u). (7) j=1 Entonces se define la Provisión para los costos operativos totales, mediante el método EVT-POT como ( ( VaR(S,q,u) = E(N u )ζ q = E(N u ) u+ β (1 FX ) (u) ζ 1)). ζ q (8) Es posible definir otras provisiones con base en otras medidas de riesgo, por ejemplo, CVaR(S,q,u). Junio 28 - Julio 1, /20
53 El VaR por el Método POT La provisión dada por el percentil ζ q (6) no es suficiente si no se considera la frecuencia con que ocurren las pérdidas extremas. Dado u > 0 se define la Frecuencia de Pérdidas Extremas como N u = n I(X i > u). (7) j=1 Entonces se define la Provisión para los costos operativos totales, mediante el método EVT-POT como ( ( VaR(S,q,u) = E(N u )ζ q = E(N u ) u+ β (1 FX ) (u) ζ 1)). ζ q (8) Es posible definir otras provisiones con base en otras medidas de riesgo, por ejemplo, CVaR(S,q,u). Junio 28 - Julio 1, /20
54 El VaR por el Método POT La provisión dada por el percentil ζ q (6) no es suficiente si no se considera la frecuencia con que ocurren las pérdidas extremas. Dado u > 0 se define la Frecuencia de Pérdidas Extremas como N u = n I(X i > u). (7) j=1 Entonces se define la Provisión para los costos operativos totales, mediante el método EVT-POT como ( ( VaR(S,q,u) = E(N u )ζ q = E(N u ) u+ β (1 FX ) (u) ζ 1)). ζ q (8) Es posible definir otras provisiones con base en otras medidas de riesgo, por ejemplo, CVaR(S,q,u). Junio 28 - Julio 1, /20
55 Estimación Suponiendo que se tienen estimadores, por ejemplo, de máxima verosimilitud ( ζ, β), con ζ (0,1). Se define n u = n i=1 I(x i > u). Se estima F X (u) = P(X > u) por n u /n. Entonces se obtiene la estimación del percentil q de X siguiente. Note que se requiere n u /n > q. ζ q = u+ β ζ (( nu ) ζ ) 1. (9) nq Y la estimación de la Provisión como VaR(S,q,u) = n u ζq. Junio 28 - Julio 1, /20
56 Estimación Suponiendo que se tienen estimadores, por ejemplo, de máxima verosimilitud ( ζ, β), con ζ (0,1). Se define n u = n i=1 I(x i > u). Se estima F X (u) = P(X > u) por n u /n. Entonces se obtiene la estimación del percentil q de X siguiente. Note que se requiere n u /n > q. ζ q = u+ β ζ (( nu ) ζ ) 1. (9) nq Y la estimación de la Provisión como VaR(S,q,u) = n u ζq. Junio 28 - Julio 1, /20
57 Estimación Suponiendo que se tienen estimadores, por ejemplo, de máxima verosimilitud ( ζ, β), con ζ (0,1). Se define n u = n i=1 I(x i > u). Se estima F X (u) = P(X > u) por n u /n. Entonces se obtiene la estimación del percentil q de X siguiente. Note que se requiere n u /n > q. ζ q = u+ β ζ (( nu ) ζ ) 1. (9) nq Y la estimación de la Provisión como VaR(S,q,u) = n u ζq. Junio 28 - Julio 1, /20
58 Estimación Suponiendo que se tienen estimadores, por ejemplo, de máxima verosimilitud ( ζ, β), con ζ (0,1). Se define n u = n i=1 I(x i > u). Se estima F X (u) = P(X > u) por n u /n. Entonces se obtiene la estimación del percentil q de X siguiente. Note que se requiere n u /n > q. ζ q = u+ β ζ (( nu ) ζ ) 1. (9) nq Y la estimación de la Provisión como VaR(S,q,u) = n u ζq. Junio 28 - Julio 1, /20
59 Estimación del umbral La Vida Media Residual se define como la función estimada mediante el estadístico: e(u) = E(X u X > u), u 0, (10) e n (u) = n j=1 (x j u)i(x j > u) n j=1 I(x j > u) (11) Si la gráfica de los puntos (u,e n (u)) muestra una tendencia lineal creciente entonces la distribución puede pertenecer al dominio de atracción de una distribución GPD. Junio 28 - Julio 1, /20
60 Estimación del umbral La Vida Media Residual se define como la función estimada mediante el estadístico: e(u) = E(X u X > u), u 0, (10) e n (u) = n j=1 (x j u)i(x j > u) n j=1 I(x j > u) (11) Si la gráfica de los puntos (u,e n (u)) muestra una tendencia lineal creciente entonces la distribución puede pertenecer al dominio de atracción de una distribución GPD. Junio 28 - Julio 1, /20
61 Estimación del umbral La Vida Media Residual se define como la función estimada mediante el estadístico: e(u) = E(X u X > u), u 0, (10) e n (u) = n j=1 (x j u)i(x j > u) n j=1 I(x j > u) (11) Si la gráfica de los puntos (u,e n (u)) muestra una tendencia lineal creciente entonces la distribución puede pertenecer al dominio de atracción de una distribución GPD. Junio 28 - Julio 1, /20
62 Estimación del umbral Si la gráfica de los puntos (u,e n (u)) muestra una tendencia constante entonces la distribución está en el dominio de atracción de la Exponencial. Si la gráfica de los puntos (u,e n (u)) muestra una tendencia decreciente puede ser una distribución Weibull con τ > 1, ó una Gamma con α > 1. Si la gráfica de los puntos (u,e n (u)) muestra una tendencia decreciente y luego creciente en ĺınea reacta puede tratarse de una Lognormal. Junio 28 - Julio 1, /20
63 Estimación del umbral Si la gráfica de los puntos (u,e n (u)) muestra una tendencia constante entonces la distribución está en el dominio de atracción de la Exponencial. Si la gráfica de los puntos (u,e n (u)) muestra una tendencia decreciente puede ser una distribución Weibull con τ > 1, ó una Gamma con α > 1. Si la gráfica de los puntos (u,e n (u)) muestra una tendencia decreciente y luego creciente en ĺınea reacta puede tratarse de una Lognormal. Junio 28 - Julio 1, /20
64 Estimación del umbral Si la gráfica de los puntos (u,e n (u)) muestra una tendencia constante entonces la distribución está en el dominio de atracción de la Exponencial. Si la gráfica de los puntos (u,e n (u)) muestra una tendencia decreciente puede ser una distribución Weibull con τ > 1, ó una Gamma con α > 1. Si la gráfica de los puntos (u,e n (u)) muestra una tendencia decreciente y luego creciente en ĺınea reacta puede tratarse de una Lognormal. Junio 28 - Julio 1, /20
65 Gráficas de la VMR para costos de varios servicios médicos - CPS 1991 Medelĺın odontologia laboratorio Mean Excess 0e+00 1e+06 2e+06 3e+06 Mean Excess e+00 1e+06 2e+06 3e+06 4e+06 Threshold 0e+00 2e+05 4e+05 6e+05 8e+05 Threshold hospitaliza drogas Mean Excess 0e+00 2e+06 4e+06 Mean Excess e+00 1e+06 2e+06 3e+06 4e+06 5e+06 6e Threshold Threshold cir.general cardiologia Mean Excess e+00 2e+05 4e+05 6e+05 8e+05 Mean Excess e+04 6e+04 8e+04 1e+05 Threshold Threshold Junio 28 - Julio 1, /20
Introducción al Riesgo Operativo.
Introducción al Riesgo Operativo. Norman Giraldo Gomez Escuela de Ingeniería de la Organización Universidad Nacional de Colombia, Medellín. Especialización en Finanzas - Maestría en Administración Agosto-Septiembre
Más detallesSistema de Administración de Riesgo Operacional SARO Capacitación gremial a terceros. Vicepresidencia Técnica Dirección Financiera y de Riesgos
Sistema de Administración de Riesgo Operacional SARO Capacitación gremial a terceros Vicepresidencia Técnica Dirección Financiera y de Riesgos 22 de agosto de 2018 Público asistente Representante Legal
Más detallesSistema de Administración de Riesgo Operacional SARO Capacitación gremial a terceros. Vicepresidencia Técnica Dirección Financiera y de Riesgos
Sistema de Administración de Riesgo Operacional SARO Capacitación gremial a terceros Vicepresidencia Técnica Dirección Financiera y de Riesgos 26 de septiembre de 2018 Público asistente Representante Legal
Más detallesSISTEMA DE ADMINISTRACION DE RIESGO OPERATIVO
1. INTRODUCCIÓN Las organizaciones no pueden eliminar completamente los riesgos de negocios; esto es un hecho inherente a la realidad de las empresas. La Alta Dirección de la organización decide qué nivel
Más detallesMANUAL PARA LA GESTIÓN DEL RIESGO OPERATIVO
[Escriba una cita del documento o el resumen de un punto interesante. Puede situar el cuadro de texto en cualquier lugar del MANUAL PARA LA GESTIÓN DEL RIESGO OPERATIVO SEGÚN LO ESTABLECIDO EN LAS NORMAS
Más detallesEstimaciones de los parámetros y la cola de una distribución
Estimaciones de los parámetros y la cola de una distribución Actuaries Collaborating Together Colegio Actuarial Mexicano, A.C. Chicago, Illinois 1 Junio 2017 Alejandro Ortega, FCAS, CFA Usos del método
Más detallesNormas Riesgo Operativo - Colombia
1 Capítulo XXIII, Circular Básica Financiera y Contable 100 de 1995, Anexos 1 y 2. 2 Riesgo Operativo - Definición Posibilidad de incurrir en pérdidas por deficiencias en: - recurso humano, - procesos,
Más detallesEl desarrollo del riesgo operativo se ve marcado por la presencia de diversos factores entre los cuales se pueden incluir:
1 INTRODUCCIÓN Las organizaciones no pueden eliminar completamente los riesgos de negocios; esto es un hecho inherente a la realidad de las empresas. La Alta Dirección de la organización decide qué nivel
Más detallesBoletín Asesoría Gerencial*
Boletín Asesoría Gerencial* Marzo 2007 Cuantificación del capital requerido - OpVaR *connectedthinking Cuantificación del capital requerido - OpVaR Introducción Para ampliar: haga click sobre la imagen
Más detallesRIESGO OPERACIONAL UN CASO APLICADO EN EL MERCADO DE VALORES
RIESGO OPERACIONAL UN CASO APLICADO EN EL MERCADO DE VALORES Expositor: Cargo: Email: Carlos Adolfo Guzmán Toro Gerente Técnico del Autorregulador del Mercado de Valores cguzman@amvcolombia.org.co 08 de
Más detallesMELO VELANDIA, Luis Fernando Medidas de riesgo, características y técnicas de medición. Una aplicación del VaR y el ES a la tasa interbancaria de
1 12/02/06, 11:22 a.m. MELO VELANDIA, Luis Fernando Medidas de riesgo, características y técnicas de medición. Una aplicación del VaR y el ES a la tasa interbancaria de Colombia / Luis Fernando Melo Velandia,
Más detallesProfesor: Carlos Valle Página:
Capítulo 8 Contraste de Hipótesis I Semestre 6 Profesor: Carlos Valle Página: www.inf.utfsm.cl/~cvalle e-mail: cvalle@inf.utfsm.cl Contraste de Hipótesis Contrastar una Hipótesis Estadísticamente es juzgar
Más detallesDistribución Exponencial
Distribución Exponencial Hay dos casos especiales importantes de la distribución gamma, que resultan de restricciones particulares sobre los parámetros α y β. El primero es cuando se tiene α = 1, entonces
Más detallesLa gestión del riesgo operacional
163 La gestión del riesgo operacional De la teoría a su aplicación EDITORA El contenido de este libro es una recopilación de las experiencias vividas por reconocidos profesionales que han abordado el estudio
Más detallesSelección de distribuciones de probabilidad
Selección de distribuciones de probabilidad Georgina Flesia FaMAF 3 de mayo, 2012 Análisis estadístico de datos simulados Los sistemas reales tienen fuentes de aleatoriedad: Tipo de sistema Fabricación
Más detallesModelos de Pérdidas Agregadas No Vida
Modelos de Pérdidas Agregadas No Vida XXVI Congreso Nacional de Actuarios Act. Patricio Belaunzarán Modelo de pérdidas agregadas El modelo de pérdidas agregadas tiene como objetivo obtener una función
Más detallesPérdida Esperada. Pérdida Esperada (PE): Valor esperado de pérdida por riesgo crediticio en un horizonte de tiempo determinado.
Pérdida Esperada Uno de los objetivos de este estudio es construir una función de pérdidas para el portafolio de la cartera de préstamos que ofrece la entidad G&T Continental, basados en el comportamiento
Más detallesINFORME DE GESTIÓN DEL SISTEMA DE ADMINISTRACION DE RIESGO OPERATIVO (SARO) - AÑO 2017 BANCO DE BOGOTA (PANAMA), S.A.
INFORME DE GESTIÓN DEL SISTEMA DE ADMINISTRACION DE RIESGO OPERATIVO (SARO) - AÑO 2017 BANCO DE BOGOTA (PANAMA), S.A. El presente Informe de Gestión del Sistema de Administración de Riesgo Operativo (SARO),
Más detallesEnfoque de distribución de pérdidas en la práctica
ESTUDIOS 213 Riesgo operacional Enfoque de distribución de pérdidas en la práctica Alberto Ferreras Salagre CONSEJO ECONÓMICO Y SOCIAL ESPAÑA índice Prólogo i... IX Santiago Carrillo Menéndez Introducción
Más detallesLista de Ejercicios (Parte 1)
ACT-11302 Cálculo Actuarial III ITAM Lista de Ejercicios (Parte 1) Prof.: Juan Carlos Martínez-Ovando 15 de agosto de 2016 P0 - Preliminar 1. Deriva las expresiones de las funciones de densidad (o masa
Más detallesMANUAL INTEGRADO DE RIESGO
3. POLÍTICA DE RIESGOS A través de esta Política, DECEVAL S.A. define y detalla su política general para la administración del riesgo adoptando mecanismos con el fin de identificar, medir, controlar, revelar,
Más detallesInforme de Gestión de Riesgo Operativo
Informe de Gestión de Riesgo Operativo CONTENIDO 1. Gestión Integral de Riesgos Capital Bank, Inc. mantiene un Marco de Gestión Integral de Riesgos la cual es supervisada desde la Vicepresidencia de Riesgos
Más detallesPruebas de bondad de ajuste para distribuciones con parámetro de forma
Pruebas de bondad de ajuste para distribuciones con parámetro de forma José A. Villaseñor Alva Colegio de Postgraduados, México ITESM, Monterrey, N.L. 2 de septiembre de 2011 Conferencia Bimestral de la
Más detallesSISTEMA INTEGRAL DE RIESGOS
S Julio 10, de 2012 INDICE I. Estructura Organizacional... 1 II. Funciones de Junta Directiva en materia de gestión de riesgos... 2 III. Funciones de la Administración en materia de gestión de riesgos....
Más detallesSolvencia II. Tabla 1
Tabla 1 Basilea II Solvencia II Estructura Tres Pilares Tres Pilares Objetivo Final Estabilidad del sistema bancario Defensa del asegurado internacional Ámbito de Aplicación Bancos con actividad internacional
Más detallesRIESGO OPERATIVO Y GOBIERNO DE TI. Por: Iván Laguado G.
RIESGO OPERATIVO Y GOBIERNO DE TI. Por: Iván Laguado G. ivan_laguado@yahoo.es Septiembre 29, 2005 Riesgo de Crédito Riesgo de Mercado Riesgo Operativo Pilares de Basilea II Pilar III Pilar II Proceso de
Más detallesINFORME DE GESTIÓN DEL SISTEMA DE ADMINISTRACION DE RIESGO OPERATIVO (SARO) - AÑO 2015
INFORME DE GESTIÓN DEL SISTEMA DE ADMINISTRACION DE RIESGO OPERATIVO (SARO) - AÑO 2015 El presente Informe de Gestión del Sistema de Administración de Riesgo Operativo (SARO), ha sido elaborado en virtud
Más detallesTALLER - PRACTICO. Modelos econométricos avanzados para una eficiente gestión de riesgos financieros. Expositor: Enrique Navarrete
TALLER - PRACTICO Modelos econométricos avanzados para una eficiente Expositor: Enrique Navarrete Matemático y Economista del Massachusetts Institute of Technology (MIT) Master en Economía de la Universidad
Más detallesModelos de Riesgos para la determinación del margen de solvencia en una compañía de Seguros
Modelos de Riesgos para la determinación del margen de solvencia en una compañía de Seguros SUAM Sociedad Uruguaya de Actuarios Matemáticos 9 de Noviembre 2012 Lic. Paula Bouza Montevideo - Uruguay INTRODUCCIÓN
Más detallesCuestionario de Riesgo No.1
1. Las políticas, procedimientos y metodologías de medición son elementos de un Sistema de Administración de Riesgo de: a) Mercado b) Liquidez c) Crédito d) Operativo e) Todos los anteriores 2. Las políticas
Más detallesEntrenamiento en Modelación, Pronóstico, Mitigación y Control del Riesgo Operativo
1 Entrenamiento en Modelación, Pronóstico, Mitigación y Control del Riesgo Operativo Elaborado por: Luis Francisco Zaldívar, MSE Director www.modelacionderiesgos.com l.zaldivar@modelacionderiesgos.com
Más detallesANÁLISIS DE FRECUENCIA (CURVAS INTENSIDAD DURACIÓN - FRECUENCIA) Y RIESGO HIDROLÓGICO
Facultad de Ingeniería Escuela de Civil Hidrología ANÁLISIS DE FRECUENCIA (CURVAS INTENSIDAD DURACIÓN - FRECUENCIA) Y RIESGO HIDROLÓGICO Prof. Ada Moreno ANÁLISIS DE FRECUENCIA Es un procedimiento para
Más detallesTítulo de la acción de capacitación: Ingeniería de Confiabilidad
Ingeniería de Confiabilidad Hoja 1 de 6 Título de la acción de capacitación: Ingeniería de Confiabilidad I.- Introducción: Uno de los retos más importantes para los profesionales de hoy consiste en desarrollar
Más detallesBasilea: Desarrollo y Supervisión de Modelos Internos
Basilea: Desarrollo y Supervisión de Modelos Internos Santiago, Chile, 7 de Abril de 2015 José Miguel CRUZ (*) (*) Socio de CLGroup y Director Centro de Finanzas, Ingeniería Industrial, Universidad de
Más detallesTema 6: Modelos de probabilidad.
Estadística 60 Tema 6: Modelos de probabilidad. 6.1 Modelos discretos. (a) Distribución uniforme discreta: La variable aleatoria X tiene una distribución uniforme discreta de parámetro n,que denoteramos
Más detallesAgregación de Riesgos y Capital Económico
Agregación de Riesgos y Capital Económico Fernando García, SAS México Agenda Introducción. Metodologías de Agregación de Riesgos. Asignación de Capital. SAS Risk Solutions. Conclusiones. Introducción El
Más detallesModelación de los Retornos Negativos del IPC con las Distribuciones Pareto y Pareto Generalizada,
Modelación de los Retornos Negativos del IPC con las Distribuciones Pareto y Pareto Generalizada, 1991-2014 Genoveva Lorenzo Landa a, Sergio Fco. Juárez Cerrillo, J. Martín Cadena Barajas Universidad Veracruzana
Más detallesBursametrica Casa de Bolsa, S. A. de C. V., Políticas, metodologías y niveles de riesgo asumidos
Bursametrica Casa de Bolsa, S. A. de C. V., Políticas, metodologías y niveles de riesgo asumidos Administración integral de riesgos- El manual de administración integral de riesgos de Bursametrica casa
Más detallesMejores Prácticas en la Gestión de Riesgos
Mejores Prácticas en la Gestión de Riesgos Esteban Olivares A. Académico Departamento de Control de Gestión y Sistemas de Información (DCS) Facultad de Economía y Negocios Universidad de Chile 26 de julio
Más detallesRIESGO OPERACIONAL La crisis económica aumenta el riesgo de fraude. Lic. Yanio Concepción
RIESGO OPERACIONAL La crisis económica aumenta el riesgo de fraude Lic. Yanio Concepción RIESGO OPERACIONAL La crisis económica y el aumento del riesgo de fraude Quién es el responsable de la gestión de
Más detallesUNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 4
UNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 4 DOCENTE: Ing. Patricio Puchaicela ALUMNA: Andrea C. Puchaicela G. CURSO: 4to. Ciclo de Electrónica y Telecomunicaciones AÑO
Más detallesTRATAMIENTO DE VALORES NEGATIVOS EN EL TRIÁNGULO DE DESARROLLO UTILIZADO EN LA ESTIMACIÓN DE RESERVAS PARA SONR (IBNR)
TRATAMIENTO DE VALORES NEGATIVOS EN EL TRIÁNGULO DE DESARROLLO UTILIZADO EN LA ESTIMACIÓN DE RESERVAS PARA SONR (IBNR) Enrique de Alba y Roberto Bonilla ITAM OBJETIVO GENERAL Proponer una alternativa para
Más detallesVALOR EN RIESGO DE LOS ACTIVOS FINANCIEROS COLOMBIANOS APLICANDO LA TEORIA DE VALOR EXTREMO
VALOR EN RIESGO DE LOS ACTIVOS FINANCIEROS COLOMBIANOS APLICANDO LA TEORIA DE VALOR EXTREMO Pamela Cardozo Julio de 2004 Resumen Desde finales de los años 80 el sistema financiero colombiano ha experimentado
Más detallesTaréa Completa. 2.- Se define una función de supervivencia por: a) f (36), b) h (50), c) H (75), d) E(T ),
Taréa Completa 1.- Sea T 1, T 2,..., T n variales aleatorias independientes de tiempos de supervivencia con distribución Weibull: f (t) = λγ (λt) γ 1 exp { (λt) γ } Cuando λ = 1, y γ 1, γ 2,..., γ n. Escriba
Más detallesModelos avanzados en riesgo operacional: algunas consideraciones prácticas
Modelos avanzados en riesgo operacional: algunas consideraciones prácticas Madrid-25-Enero-2007 Santiago Carrillo Menéndez Hacia modelos AMA Estamos al principio del proceso de medición del riesgo operacional
Más detallesDISTRIBUCIÓN GAMMA. Guillermo Mir Piorno NIUB Ciencias Actuariales y Financieras ESTADÍSTICA ACTUARIAL NO VIDA
DISTRIBUCIÓN GAMMA Guillermo Mir Piorno NIUB 11130641 Ciencias Actuariales y Financieras ESTADÍSTICA ACTUARIAL NO VIDA La distribución Gamma Es una distribución adecuada para modelizar el comportamiento
Más detallesEstadística Bayesiana
Universidad Nacional Agraria La Molina 2017-1 Teoría de la decisión Riesgo de Bayes La teoría de decisión es un área de suma importancia en estadística ya que muchos problemas del mundo real pueden tomar
Más detallesPROBABILIDADES Trabajo Práctico 5. 0 si x<0. x3 si 0 x<2 1 si x 2
PROBABILIDADES Trabajo Práctico 5 1. Sea X una variable aleatoria con función de distribución acumulada a) Calcular, usando F X, P (X 1) P (0.5 X 1) P (X >1.5) b) Hallar la mediana de esta distribución.
Más detallesDRENAJE AGRICOLA. Determinación de Lluvias Máximas. Análisis de Frecuencia
DRENAJE AGRICOLA Prof. Ricardo Trezza Determinación de Lluvias Máximas Las obras relacionadas con el manejo y control del agua, así como toda actividad agrícola, son afectadas y determinadas por eventos
Más detallesAnálisis de extremos
Análisis de extremos Referencias Wilks (sección 4.4.5): dice mucho, explica poco Coles (2001) An Introduction to Statistical Modeling of Extreme Values Introducción Objetivo del análisis de extremos: cuantificar
Más detalles1. Análisis Cuantitativo. a. Indicadores Económicos y Financieros
1) Metodología de Clasificación de Solvencia Financiera para Empresas de Factoring La clasificación tiene como objetivo evaluar la capacidad financiera de una empresa de factoring y se enfoca en su habilidad
Más detallesTema 7. Introducción Metodología del contraste de hipótesis Métodos no paramétricos
7-1 Tema 7 Contrastes de Hipótesis para una Muestra Introducción Metodología del contraste de hipótesis Métodos no paramétricos Test binomial Test de los signos Test de rango con signos de Wilcoxon Test
Más detallesPRUEBAS DE BONDAD DE AJUSTE
PRUEBAS DE BONDAD DE AJUSTE Pruebas de bondad de ajuste xi cuadrada y Kolmogorov-Smirnov Facultad de Ciencias Químicas e Ingeniería, UAEM Simulación de Procesos Contenido Prueba de bondad de ajuste χ2...
Más detallesMrs. Paulina Román International Payment Systems, Central Bank of Ecuador
11 th UNCTAD Debt Management Conference 13 15 November 2017 Palais des Nations, Geneva Debt records and operational risk by Mrs. Paulina Román International Payment Systems, Central Bank of Ecuador The
Más detallesAcerca del autor Prólogo... 7
ÍNDICE Acerca del autor... 5 Prólogo... 7 Prefacio... 13 1. La necesidad del VAR... 13 2. El propósito del libro... 15 3. Estructura del libro... 16 4. Reconocimientos... 19 5. Por qué este libro?... 19
Más detallesPROGRAMA DE EXTENSIÓN UNIVERSITARIA Y VINCULACIÓN (PEUVI) DEPARTAMENTO DE MATEMÁTICAS FACULTAD DE CIENCIAS, UNAM
PROGRAMA DE EXTENSIÓN UNIVERSITARIA Y VINCULACIÓN (PEUVI) DEPARTAMENTO DE MATEMÁTICAS FACULTAD DE CIENCIAS, UNAM D CURSO FUNDAMENTOS DE PROBABILIDAD Y ESTADÍSTICA PARA SOLVENCIA II Ciudad Universitaria,
Más detallesPresentación ACSDA Riesgo Operativo. Marzo 2007
Presentación ACSDA Riesgo Operativo Marzo 2007 BASILEA II Riesgo Operativo Se define como el riesgo de pérdida resultante de un proceso interno inadecuado o fallido, de gente y sistemas o de otros eventos
Más detallesTEMA 2.- VARIABLES ALEATORIAS UNIDIMENSIONALES.- CURSO 17/18
TEMA 2.- VARIABLES ALEATORIAS UNIDIMENSIONALES.- CURSO 17/18 2.1. Concepto de variable aleatoria. Tipos de variables aleatorias: discretas y continuas. 2.2. Variables aleatorias discretas. Diagrama de
Más detallesMÉTODOS ANALÍTICO- MATRICIALES EN EL AJUSTE DE TIEMPOS OBSERVADOS DE FALLO
MÉTODOS ANALÍTICO- MATRICIALES EN EL AJUSTE DE TIEMPOS OBSERVADOS DE FALLO Rafael Pérez Ocón Catedrático de Universidad Departamento de Estadística e I.O. Universidad de Granada María del Carmen Segovia
Más detallesPreparación de los datos de entrada
Preparación de los datos de entrada Clase nro. 6 CURSO 2010 Objetivo Modelado de las características estocásticas de los sistemas. Variables aleatorias con su distribución de probabilidad. Por ejemplo:
Más detallesVar E E x f x dx E. E[aX + b] = b + a E[X] Var[aX + b] = a Var[X] 83) Mendel pg158 Sea la función de densidad de una variable aleatoria continua
1.1 Continuas 1.1.1 Genéricas Transformaciones: Probabilidades: E F(x) = P( x) df(x) = M f( xdx ) = 1 dx = x f x dx [] [] = ( []) = ( []) [ ] Var E E x f x dx E E[a + b] = b + a E[] Var[a + b] = a Var[]
Más detallesSistema Integral de Administración de Riesgo (SIAR)
Sistema Integral de Administración de Riesgo (SIAR) Cumplimiento legal y consejos prácticos para su implementación en la Economía Solidaria de Colombia, Circular 015 de Dic. 30 2016. PRESENTADO POR: HENRY
Más detallesFolleto de Estadísticas. Teoría del 1er Parcial
Folleto de Estadísticas Teoría del 1er Parcial 2012 Población objetivo: Es un conjunto bien definido de elementos sobre los que se desea hacer algún tipo de investigación o medida. Unidades de investigación:
Más detallesValor en Riesgo del Índice de Precios y Cotizaciones, *
Valor en Riesgo del Índice de Precios y Cotizaciones, 1991-2011 * Genoveva Lorenzo Landa a Especialización en Métodos Estadísticos Universidad Veracruzana Sergio Fco. Juárez Cerrillo Facultad de Estadística
Más detallesElementos de probabilidad e inferencia estadística en el seguro
Elementos de probabilidad e inferencia estadística en el seguro Instructor: Act. Erick Mier Moreno. Director general y profesor de AMAT- Applied Mathematics and Actuary Training. Profesor de asignatura
Más detallesDiplomado en Administración de Riesgos de Instituciones Financieras Coordinador académico: M.A. Alfredo Hernández
Diplomado en Administración de Riesgos de Instituciones Financieras Coordinador académico: M.A. Alfredo Hernández Al finalizar el diplomado el participante estará en la capacidad de: Aplicar el conocimiento
Más detallesTécnicas Cuantitativas para el Management y los Negocios I
Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo II Unidad 4. Probabilidad Conceptos básicos de probabilidad:
Más detallesTurnover rates in México. Sergio RAMOS LOYA, José Enrique PÉREZ SALVADOR Carlos Fernando LOZANO NATHAL,
Turnover rates in México Sergio RAMOS LOYA, José Enrique PÉREZ SALVADOR Carlos Fernando LOZANO NATHAL, Puntos de la Presentación Justificación y Riesgo. Diseño de la investigación. Datos fuente. Resultados.
Más detallesTécnicas de Inferencia Estadística II. Tema 3. Contrastes de bondad de ajuste
Técnicas de Inferencia Estadística II Tema 3. Contrastes de bondad de ajuste M. Concepción Ausín Universidad Carlos III de Madrid Grado en Estadística y Empresa Curso 2010/11 Tema 3. Contrastes de bondad
Más detallesFACTORES DE RIESGO EN EL SECTOR ELÉCTRICO
FACTORES DE RIESGO EN EL SECTOR ELÉCTRICO U N I V E R S I D A D D E L VA L L E I N G. A N D R É S F E L I P E G A L L O I N G. V E N A N C I O Á L VA R E Z VA L L E J O 2016 CONTENIDO 1. Qué es riesgo?
Más detallesPrácticas de Fiabilidad
Prácticas de Fiabilidad Práctica : Objetivo: En esta práctica se van a ajustar datos censurados. De los tres tipos de censura existentes se va a trabajar con la censura aleatoria, es decir, el proceso
Más detallesADMINISTRACIÓN INTEGRAL DE RIESGOS
ADMINISTRACIÓN INTEGRAL DE RIESGOS Reporte al cierre de Primer Trimestre de 2018 1. INFORMACIÓN CUALITATIVA a) Proceso de Administración Integral de Riesgos El proceso de administración integral de riesgos
Más detallesUNIVERSIDAD DE ATACAMA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDAD GUÍA DE TRABAJO 3 Profesor: Hugo S. Salinas. Primer Semestre 2010 1. Sea X 1,..., X n una muestra aleatoria
Más detallesEjercicios de Modelos de Probabilidad
Bernardo D Auria Departamento de Estadística Universidad Carlos III de Madrid GRUPO 66 GRADO EN INGENIERÍA DE SISTEMAS AUDIOVISUALES 16/03/2009 Las llamadas de teléfono recibidas en una casa siguen un
Más detallesProbabilidad para una V.A. Continua. P( a X b) = f ( x)
Tema 4: Variables Aleatorias Contínuas Prof. Heriberto Figueroa S. Capítulo 4 Variables Aleatorias Continuas y sus Distribuciones de Probabilidad 4.1. Variables Aleatorias Continuas Una variable aleatoria
Más detallesNUESTROS SERVICIOS BIG DATA
El fenómeno de la globalización ha acentuado la competencia en los mercados haciendo de la adquisición del conocimiento un factor determinante en el éxito empresarial. Este exige a las empresas el diseño
Más detallesÍndice General. PRIMERA PARTE Marco jurídico de la prevención del lavado de activos y la financiación del terrorismo
Índice General Pró l o g o de Vi v i a n e Mo r a l e s Ho y o s... xvii Pró l o g o de Ed u a r d o A. Fa b i á n Ca pa r r ó s... xxiii Int r o d u c c i ó n : La pr e v e n c i ó n de l lava d o de
Más detallesLa estructura para la administración del riesgo operativo de Citivalores-Colombia S.A. es la siguiente:
RIESGO OPERATIVO El Capítulo XXIII de la Circular Básica Contable y Financiera expedida por la hoy Superintendencia Financiera de Colombia define Riesgo Operativo como la posibilidad de incurrir en pérdidas
Más detallesSimulación y evaluación de la confiabilidad de un proceso de sistema de producción
Simulación y evaluación de la confiabilidad de un proceso de sistema de producción Jorge Loor Quevedo 1, Fernando Sandoya 2 1 Ingeniero en Estadística Informática 2003 2 Director de Tesis. Matemático.
Más detallesALGUNAS EMPRESAS ASOCIADAS
ALGUNAS EMPRESAS ASOCIADAS 2 3 NUESTROS SERVICIOS CIDET Certificación de Productos e Instalaciones RETIE Investigación y Gestión de Proyectos Certificación de Sistemas de Gestión Capacitación Sectorial
Más detallesESTADÍSTICA I. A continuación se presentan los Modelos Probabilísticos Continuos más importantes.
1 ESTADÍSTICA I Capítulo 6: MODELOS PROBABILÍSTICOS CONTINUOS. Contenido: Distribución Uniforme Continua. Distribución Triangular. Distribución Normal. Distribuciones Gamma, Exponencial, Erlang y Chi Cuadrado.
Más detallesUn Método Práctico para Obtener Distribuciones a Priori y su Aplicación en la Evaluación de Modelos de Confiabilidad
Un Método Práctico para Obtener Distribuciones a Priori y su Aplicación en la Evaluación de Modelos de Confiabilidad Dr. Humberto Gutiérrez Pulido, CUCEI, U. de Guadalaara Dr. Víctor Aguirre-Torres, ITAM.
Más detallesSelección de distribuciones de probabilidad
Selección de distribuciones de probabilidad Patricia Kisbye FaMAF 6 de mayo, 2010 Análisis estadístico de datos simulados Los sistemas reales tienen fuentes de aleatoriedad: Tipo de sistema Fabricación
Más detallesOptimización de la función de la Tesorería basada en la administración de riesgos y el control interno. Financial Risk Management
Optimización de la función de la Tesorería basada en la administración de riesgos y el control interno Financial Risk Management 2 Contenido 1 Introducción 2 Proceso de Administración Integral de Riesgos
Más detallesGENERACION DE NUMEROS ALEATORIOS Y VARIABLES ALEATORIAS
GENERACION DE NUMEROS ALEATORIOS Y VARIABLES ALEATORIAS La simulación de eventos se basa en la ocurrencia aleatoria de los mismos, por ello los números aleatorios y las variables aleatorias son de especial
Más detallesPROCESOS DE AUTOEVALUACIÓN DE CAPITAL (ICAAP)
Metodologías para la administración del riesgo de manera integral PROCESOS DE AUTOEVALUACIÓN DE CAPITAL (ICAAP) Vanesa Eirin Management Solutions INTRODUCCIÓN Qué preguntas seria interesante contestar?
Más detallesGESTIÓN INTEGRAL DE RIESGOS EN COMEDICA VIGENCIA: MARZO 2018
GESTIÓN INTEGRAL DE RIESGOS EN COMEDICA VIGENCIA: MARZO 2018 INTRODUCCION Este es un Informe de divulgación de la Gestión Integral de Riesgos en cumplimiento al artículo 18 de la Norma NPB4 47 Normas para
Más detallesCOMPARACIÓN DE TRES MÉTODOS DE REGRESIÓN LINEAL USANDO PROCEDIMIENTOS DE SIMULACIÓN
Revista Colombiana de Estadística Volumen 24 (2001) N o 1, páginas 33 a 43 COMPARACIÓN DE TRES MÉTODOS DE REGRESIÓN LINEAL USANDO PROCEDIMIENTOS DE SIMULACIÓN JUAN C. TORRES C. * Resumen Cuando desea ajustarse
Más detalles