Professional Documents
Culture Documents
Bankersdel PDF
Bankersdel PDF
(
Dn = max Fn ( x ) − F ( x ) ) (1.1)
∞
Fn ( x ) − F ( x ) Ψ ( x ) f ( x ) dx
2
An2 = ∫ (1.2)
−∞
Үүнд
n
Ψ= (1.3)
F ( x ) (1 − F ( x ) )
Энэхүү тест нь босоо тэнхлэгийн дагуу тооцсон бүх зөрүүг харгалзан үздэг, Ψ
функцийн тусламжтайгаар тархалтуудын вариацийг саармагжуулдаг, мөн түүнчлэн
тархалтын нягтын тусламжтайгаар функцуудын хоорондын зөрүүг холбогдох
магадлалын утгаар нь жигнэдэг тул Колмогоров-Смирновын тестээс илүү хүчтэй
байдаг байна.
2
Монголбанк Улаанбаатар хот
FZn ( z ) = 1 − (1 − FR ( z ) )
n
(1.6)
(1.6)-д заасан томъёог эрсдэлийн тооцоонд шууд ашиглах тохиолдолд зарим нэг
хүндрэл гардаг тул цар хүрээг харуулсан αn, мөн түүнчлэн байршлыг харуулсан βn
зэрэг параметруудаар санамсаргүй хэмжигдэхүүнийг тохируулдаг ( Zn − β n ) α n .
Тохируулга хийсний үр дүнд тархалтын функц дараахь хэлбэртэй болно:
3
Монголбанк Улаанбаатар хот
(
FZ ( z ) = 1 − exp − (1 + τ z )
1τ
) (1.7)
⎡ ⎛ ⎛ ⎞ ⎞
1
τ ⎤
−VaR + β
p ext = 1 − FZnasymp ( −VaR ) = exp ⎢ − ⎜⎜1 + τ ⎜ n
⎟ ⎟⎟ ⎥ (1.8)
⎢ ⎝ ⎝ αn ⎠ ⎠ ⎥⎦
⎣
αn ⎡
VaR = − β n +
τ ⎣⎢
1 − ( − ln( p )) ⎥
ext τ ⎤
⎦
(1.9)
1 n
mr = ∑
n j =1
X jU rj (1.10)
1 ⎡ β ⎧⎪ Γ (1 + τ ) ⎫⎪⎤
mr = ⎢α n + n ⎨1 − τ ⎬
⎥ τ > −1,τ ≠ 0 (1.11)
r +1 ⎢
⎣
τ ⎪⎩ (1 + r ) ⎪⎭⎥⎦
4
Монголбанк Улаанбаатар хот
αn =
( 2m 2 − m1 τ) (1.12)
Γ (1 + τ ) (1 − 2−τ )
αn
β n = m1 +
τ
(1 − Γ (1 − τ ) ) (1.13)
2m2 − m1 ln(2)
c= − (1.15)
3m3 − m1 ln(3)
Жишээ: “A” банкны салбар дээр гарсан хууль бус үйл ажиллагаа (ашиглан)-
тай холбоотой хөрөнгө, мөнгөний дутагдлын талаар дараахь мэдээлэл өгөгдсөн
байв.
Он Дутагдал
1992 250,000.00
1993 201,600.00
1994 199,000.00
1995 182,000.00
1996 182,000.00
1997 175,000.00
1998 165,200.00
1999 160,300.00
2000 150,000.00
2001 110,000.00
2002 100,000.00
2003 95,000.00
c = 0.0481732 τ = 0.3854517
α n = 44, 698.36 β n = 111, 209.94
5
Монголбанк Улаанбаатар хот
Уг тестийн хувьд “T” тооны ажиглалтын хувьд “V” удаа бодит алдагдал нь
тооцоолсон алдагдлаас давна гэж үзвэл уг үзэгдлийн магадлал нь (1 − p )T −V pV -тэй
тэнцүү байх болно. Статистикийн анхны таамаглалыг Ho: p=p* (үүнд p* нь ач
холбогдлын түвшин) гэж томъёолбол тестийг дараахь үзүүлэлтээр тооцно:
⎡⎛ T ⎞T −V ⎛V ⎞ ⎤
V
4.1.Оршил
6
Монголбанк Улаанбаатар хот
тархалт” гэж ярих нь зүйтэй юу, аль эсвэл “магадлалын тархалт” гэж ярих нь
зүйтэй юу гэдэг дээр одоо болтол олон хүн эргэлздэг бололтой.
4.2.Онолын хэсэг
ажиглалтыг харуулж байгаа гэж үзье. Мөн түүнчлэн y t -ийн түүврийн олонлог нь
ψ, харин Yt-ийн түүврийн олонлог нь Ψ бөгөөд ψ 0 = Ψ 0 = {∅} гэж үзье. Энэ
тохиолдолд “A” статистик загвар нь тархалтын нягтын функцуудын дарааллыг
дараахь байдлаар илэрхийлэх болно:
p ( yt Yt −1 , θ A , A ) (1.17)
T
p (YT θ A , A ) = ∏ p ( yt Yt −1 , θ A , A ) (1.18)
t =1
p ( yt Yt −1 , θ A , A ) = p ( yt θ A , A ) (1.19)
T
p (YT θ A , A ) = ∏ p ( yt θ A , A ) (1.20)
t =1
7
Монголбанк Улаанбаатар хот
(1.18) болон (1.20) нь загварын нэг хэсгийг илэрхийлэх бөгөөд нэгдсэн дүр зургийг
харахын тулд анхдагч тархалтын нягт (prior density)-ын тухай ойлголтыг нэмж
оруулах нь зүйтэй. Анхдагч тархалт буюу p(θA|A) нь θA векторд хамаарах, мөн
түүнчлэн “A” загварт нийцэх тоон утгуудыг илэрхийлнэ. Өөрөөр хэлбэл p(θA|A) нь
“y”–ийн утгуудыг мэдэгдэхээс өмнө θA–ийн талаар өгөгдсөн байсан мэдээллийг
харуулах юм.
Анхдагч тархалтын нягт болон (1.18)-ийг нэгтгэн “y” болон θA–ийн нэгдсэн
тархалтын нягтыг гарган авч болно:
p ( y, θ A A ) = p (θ A A ) p ( y θ A , A ) (1.21)
p ( y, θ A A ) = p ( y A ) p (θ A y, A ) (1.22)
p (θ A A ) p ( y θ A , A )
p (θ A y, A ) = (1.23)
p ( y A)
p (θ A y, A ) ∝ p (θ A A ) p ( y θ A , A ) (1.24)
Үүнд p(θA |y,A)-ийн дагалдан гарах тархалтын нягт (posterior density) юм. Дүгнэн
хэлэхэд p(θA |y,A)-г тооцох үндсэн зорилго нь тодорхой үл мэдэгдэх хувьсагчийн
талаар өөрт өмнө байсан мэдээллийг тоон ажиглалттай нэгтгэх замаар хоёрдмол
бус утга бүхий дүгнэлт гаргахад оршино.
8
Монголбанк Улаанбаатар хот
p (ω y , A ) = ∫ p (ω θ A , y, A ) p (θ A y , A ) dv(θ A ) (1.25)
ΘA
(1.18) болон (1.20)-д заасан функцтэй ижил хэлбэрийн функц бүхий анхдагч
тархалт (тархалтын нягт)-ыг “conjugate prior” гэж нэрлэдэг.
9
Монголбанк Улаанбаатар хот
E ⎡⎣ f ( x ) ⎤⎦ =
∫ f ( x ) π ( x ) dx (1.26)
∫ π ( x ) dx
Үүнд π(x) нь дагалдан гарах тархалт (posterior distribution) юм. Монтэ Карлогийн
аргачлалын хувьд π(x)-ээс тодорхой тоон утгуудыг түүвэрлэн авах замаар E[f(x)]-
ийг ойролцоогоор бодохыг эрмэлздэг.
1 T
E ⎡⎣ f ( x ) ⎤⎦ ≈ ∑ f ( X t ) (1.27)
n t =1
гэтэл бодит амьдрал дээр π(x) нь стандарт бус хэлбэрийн байх тохиолдол олонтаа
гардаг тул тоон утгуудыг түүвэрлэн авах бололцоо хязгаарлагдмал байдаг. Энэхүү
хүндрэлийг давах түгээмэл аргуудын нэг бол Марковын цувааг ашиглах явдал юм.
θ = (θ (1)
'
, θ (2)
'
,..., θ (' B ) ) (1.28)
θ <' (b ) = (θ (1)
'
,..., θ ('b −1) ) ба θ <' (1) = {∅} (1.29)
θ ('b ) > = (θ ('b +1) ,..., θ (' B ) ) ба θ (' B ) > = {∅} (1.30)
10
Монголбанк Улаанбаатар хот
θ (0)' = (θ (1)
(0) '
B) )
,..., θ ((0)' (1.32)
Дараагийн алхам нь
θ((1) (
b ) = p θ (b ) θ<(b ) ,θ (b )> , I
(1) (0)
) (b = 1,..., B) (1.33)
(
θ ((bm) ) = p θ( b ) θ <( (mb)) ,θ ((bm)>−1) , I ) (b = 1,..., B) m = 1, 2,3... (1.34)
Эдгээр алхамууд нь {θ(m)} гэсэн Марковын цувааг үүсгэж байгаа бөгөөд шилжих
хөдөлгөөний магадлал (тухайн тохиолдолд тархалтын нягт) нь дараахь байдлаар
илэрхийлэгдэнэ:
( ) ( )
B
p θ ( m ) θ ( m −1) , G = ∏ p θ ((bm) ) θ <( (mb)) , θ ((bm) >−1) , I (1.35)
b =1
( ) (
⎧ p θ * I / q θ * θ ( m −1) , H ⎫ )
(
α θ θ * ( m −1)
) ⎪
, H = min ⎨ , 1
⎪
⎬ (1.36)
⎪⎩ p θ
( m −1)
(
I /q θ ( m −1)
) (
θ ,H ⎪
*
⎭ )
Хэрэв түүврийн утга θ* нь θ(m)-д тохирохгүй байгаа бол θ(m) = θ(m-1) гэж үзнэ.
11
Монголбанк Улаанбаатар хот
( )
r (θ H ) = 1 − ∫ u θ * θ , H dv (θ * )
Θ
(1.38)
( )
P ( A θ , H ) = ∫ u θ * θ , H dv (θ * ) + r (θ H ) I A (θ )
A
(1.39)
∫ δθ (θ ) f (θ ) dv (θ ) = f (θ ) I (θ )
* * *
A (1.40)
A
( ) ( ) ( )
p θ ( m ) θ ( m −1) , H = u θ ( m ) θ ( m −1) , H + r θ ( m −1) H δθ ( m−1) (θ ( m ) ) (1.41)
12
Монголбанк Улаанбаатар хот
REFERENCE
Basel Committee on Banking Supervision “Sound Practices for the Management and
Supervision of Operational Risk” Consultative Document, February 2003
Edward I. Altman, Anthony Saunders “An Analysis and Critique of the BIS Proposal on
Capital Adequacy and Ratings” NYU Salomon Center’s Stern School of Business Forum,
February 2000
Francois M.Longin “From value-at-risk to stress testing: The extreme value approach”
Journal of Banking and Finance 24 (2000) 1097-1130
Hennie Van Greuning, Sonja Brajovic Bratanovic “Analyzing and Managing Banking
Risk: Framework for Assessing Corporate Governance and Financial Risk” World Bank
Publications; 2nd edition, May 2003
Kai Li, David Weinbaum “The Empirical Performance of Alternative Extreme Value
Volatility Estimators” December 20, 2000
13
Монголбанк Улаанбаатар хот
Marcelo G. Cruz “Modelling, measuring and hedging operational risk” Wiley Finance
Series 2002
Paul Embrechts “Extreme Value Theory as a Risk Management Tool” April 1999
Paul Embrechts “Extreme Value Theory: Potential and Limitations as an Integrated Risk
Management Tool” January 2000
Siddhartha Chib "Markov Chain Monte Carlo Methods: Computation and Inference"
Handbook of Econometrics: volume 5 (eds J.J. Heckman and E. Leamer)
North Holland, Amsterdam, (2001), 3569-3649.
14
Хавсралт 1
2π ⎢⎣ 2 ⎝ σ ⎠ ⎦⎥
j =1 j =1
Distribution) μ= σ=
N N
2 Лог-нормаль
∑(Z )
N
⎛ −z2 ⎞ Φ ( z )
2
тархалт 1 log x − μ −Z
f ( x) = exp ⎜ ⎟= z= j
(Lognormal xσ 2π ⎝ 2 ⎠ σx σ j =1
μ=Z σ =
Distribution) N
3 Экспоненциаль 1
тархалт ⎡ ( x −θ ) ⎤ λ=
f ( x ) = λ exp ⎢ −
−1
⎥ x >θ λ >0 N
(Exponential ⎣ λ ⎦ ∑X
j =1
j N
Distribution)
4 Вэйбуллын c ln ( a ) − log ( b ) ln ( ln ( 4 ) )
тархалт (Weibull α α β= α =−
f ( x ) = α xα −1e −( x / β ) c −1 ln ( b ) − ln ( β )
Distribution) β
c = −0.262167, "a" болон "b" нь 25 ба 75 дахь квантиль
5 Парето тархалт ⎛1 n ⎞ ⎛1 n ⎞
αθ α
(Pareto f ( x) =
xα +1
α =⎜ ∑ xj ⎟ ⎜ ∑ xj −θ ⎟
Distribution) ⎝ n j =1 ⎠ ⎝ n j =1 ⎠
6 Гамма тархалт ⎡⎛ 1 n ⎞ ⎤ ⎛1 n
2
( x / θ ) e− x /θ
α
2⎞ ⎛1 ⎞
n
(Gamma f ( x) = θ = ⎢⎜ ∑ x j ⎟ − ⎜ ∑ x j ⎟ ⎥ ⎜ ∑ x j ⎟
Distribution) xΓ (α ) ⎢⎣⎝ n j =1 ⎠ ⎝ n j =1 ⎠ ⎥⎦ ⎝ n j =1 ⎠
7 Бета тархалт θδ 2 − δω θδ − ω (θ − δ )
α= β=
(Beta Γ (α + β ) α β −1 1 x θω − δ 2
θω − θδ 2
Distribution) f ( x) = u (1 − u ) 0 < x < θ,u =
Γ (α ) Γ ( β ) x θ 1 n 1 n
δ = ∑ x j ω = ∑ x 2j
n j =1 n j =1