|
OBJETIVO DEL CURSO
El objetivo del curso es mostrar a los participantes los modelos avanzados para estimar capital económico generado por el riesgo operacional.
El riesgo operacional se ve desde la óptica de Basilea II, así como los enfoques de Análisis de Escenarios y Loss Distribution Approach.
El curso contiene metodologías alternativas para medir el riesgo operacional como la potente estimación bayesiana, métodos recursivos de Panjer, FFT y distribuciones recientes como la g y h y GB2.
¿QUIÉNES DEBEN ASISTIR?
Este programa esta dirigido a responsables, analistas y consultores de riesgos.
El contenido del curso es estadístico y matemático.
El alumno conocerá no solo la teoría sino ejercicios prácticos en SAS, Matlab, R y Excel.
PRECIO
Precio: 1.700,00 €
Horario: 09:00 a 18:00 Hrs.
El Precio incluye:
- Almuerzo más Café
- Material Hardcopy de las presentaciones
- CD con presentaciones en formato PDF y ejercicios.
INFORMACION
Teléfono: (34) 911 310 622
Martha.Segoviano@fermacrisk.es
AGENDA
DÍA 1
MODULO I: Riesgo Operacional
en Basilea II
Crisis Financiera Principales eventos y pérdidas históricas y del año 2008 Riesgo Operacional en Basilea II Clasificación de las pérdidas Método del Indicador Básico y Estándar Métodos Avanzados -
Informes Banco de España RP 41 y RP 42
MODULO II: Introducción a la Gestión
del Riesgo Operacional
MÓDULO III: Medición Avanzada del
Riesgo Operacional
- Enfoque AMA
- Top Down-Bottom-Up
- Loss Distribution Approach
- Stress Testing New
- Scenario Analysis New
- Generación de escenarios
- Valoración de Escenarios
- Definición de las U. de Negocio
- Calidad de los datos
- Validación
- Determinación de parámetros
- Correlaciones
- Simulación Montecarlo
- Estimación de Capital
|
|
DÍA 2
MÓDULO IV: Estimación de Parámetros
- Distribuciones para ajustar la severidad de la pérdida
- Exponencial
- Gamma
- Lognormal
- Weibull
- Inversa Gaussiana
- Pareto
- Generalizada Beta: GB2
- g y h
- Distribuciones de Frecuencia para ajustar el número de eventos
- Binomial Negativa
- Poisson
- Ajustes a la Frecuencia
- Distribuciones con punto de truncamiento
- Distribución logística de truncamiento de Fontnouvelle
- Estimación de Máxima verosimilitud
- Truncamiento de datos
- Mixtura de Distribuciones
- Inferencia bayesiana
- Incertidumbre en los parámetros
- Credibilidad en los parámetros
- Distribución inicial y posterior New
- Frecuencia: Gamma-Poisson
- Severidad: Gamma-Pareto y Normal-Lognormal
- Selección y Validación del Modelo
- Gráficos de densidad de distribuciones y Q-Q Plot
- Estadísticos: Kolmogorov-Smirnov, Anderson-Darling, Cramer Von Mises y Chi cuadrado test
- Aproximación a la varianza e intervalos de confianza de los parámetros New
- Generación de números aleatorios
Ejercicio 1: Ajustes de distribución de severidad: Lognormal, Weibull, exponencial, inversa Gaussiana y gamma
Ejercicio 2: Ajuste de distribución de frecuencia: Poisson y binomial negativa.
Ejercicio 3: Gráfico comparativo de densidad de distribuciones New
Ejercicio 4: Estadísticos de ajustes de K-S, AD, CVM.
Ejercicio 5: Estimación Bayesiana de parámetros de Poisson y Pareto contra Estimación de máxima verosimilitud.New
Ejercicio 6: Intervalos de confianza de parámetros de la Lognormal New
Ejercicio 7: Ajuste de distribución generalizada beta GB2 en RNew
Ejercicio 8: Ajuste de distribución G y H New
Ejercicio 9: Generación de números aleatorios de distribuciones paramétricas.
|
|
DÍA 3
MÓDULO V: Teoría del Valor Extremo
- Distribuciones de valor extremo
- Distribuciones generalizadas de Pareto
- Estimación del umbral
- Selección del Modelo
- Gráfico de Hill y Mean Excess
- Inconvenientes de la EVT
Ejercicio 10: Gráficos: Mean Excess, Q-Q y Hill plot
Ejercicio 11: Ajuste de distribución de severidad Pareto por EVT
MÓDULO VI: Tratamiento de datos externos y escenarios
- Análisis de escenarios
- Tratamiento de datos externos
- Modelos de reescalamiento de datos externos
- Regresión OLS para reescalar severidad
- Regresión poisson para reescalar frecuencia
- Inferencia bayesiana con datos externos y opiniones expertas
MÓDULO VII: Estimación de Capital Económico
- Pérdidas esperada e inesperada
- Capital Económico
- Simulación de Monte Carlo
- Métodos alternativos de agregación de pérdidas: Panjer y Fast Fourier New
- Datos truncados
- Principio de Parsimonia
- Efecto de los Seguros en la simulación de Montecarlo
- Correlación y estructura de dependencia entre celdas
- Copulas: Gaussianas y T-Student
- Interpretación de Resultados
Ejercicio 12: Estimación del capital con datos truncados
Ejercicio 14: Simulación de Montercarlo con efecto del deducible / franquicia del seguro
Ejercicio 15: Simulación de Montecarlo de distintas celdas (evento y unidad de negocio) usando copulas gaussianas y T-Student New
Ejercicio 16: Estimación del capital económico al 99.9% comparando enfoque bayesiano: Poisson-Gamma y Pareto-Gamma contra estimador de máxima verosimilitudNew
Ejercicio 17: Agregación de pérdidas por método recursivo Panjer y FFT New
|
