Cung cấp vốn rủi ro hoạt động cho ngân hàng và công ty bảo hiểm

Chuyên khảo phân tích Operational risk capital provisions for banks and insurance compa, đánh giá các khía cạnh quan trọng, đề xuất hướng nghiên cứu tiếp theo.

• Tác giả: Edoh Fofo Afambo
• Người hướng dẫn: Dr. Samuel H. Cox
• Trường học: Georgia State University
• Chuyên ngành: Risk Management and Insurance
• Đề tài: Cung cấp vốn rủi ro hoạt động cho ngân hàng và công ty bảo hiểm
• Loại tài liệu: dissertation
• Năm xuất bản: 2006
• Địa điểm: Atlanta

Mục lục chi tiết

• ABSTRACT
• DEDICATION
• ACKNOWLEDGEMENTS
• TABLE OF CONTENTS
• 1. CHAPTER 1: INTRODUCTION
• 1.1. Motivation
• 1.2. Contributions and Organization of the Dissertation
• 2. CHAPTER 2: LITERATURE REVIEW
• 2.1. The Regulatory Framework
• 2.2. Rationale for Banking and Insurance Solvency Regulation
• 2.3. Basel Committee on Banking Supervision Framework: From the Cooke Ratio to the McDonough Ratio
• 2.4. Regulatory Capital Framework for the U.
• 2.5. The Computational Aspects of the AMA
• 2.6. Practitioner and Academic Literature
• 2.7. Emerging Practices and Related Issues
• 2.8. Loss Severity Modeling
• 2.9. Loss Frequency Modeling
• 2.10. Self-Assessment and Scenario Analysis
• 3. CHAPTER 3: THE MODEL
• 3.1. BCBS Models for the Capital Charge
• 3.2. Basic Indicator Approach
• 3.3. Advanced Measurement Approaches
• 3.3.1. Internal Measurement Approach
• 3.3.2. Loss Distribution Approach
• 3.4. The Cramer-Lundberg Model
• 3.5. The Point Process Methodology
• 3.6. Loss Severity Distribution Models
• 3.7. Publicly Available Operational Loss Modeling
• 3.8. Symbolic Computational Model
• 3.9. Calibration for Specific Organizations
• 3.10. Loss Frequency Distribution
• 3.11. Modeling Dependence Structure
• 3.12. Capital Charge Modeling
• 4. CHAPTER 4: EMPIRICAL ANALYSIS
• 4.1. The Data Set
• 4.2. Loss Severity Distribution Function
• LIST OF FIGURES
• LIST OF TABLES

Tóm tắt

I. Tổng quan về cung cấp vốn rủi ro hoạt động cho ngân hàng và công ty bảo hiểm

Cung cấp vốn rủi ro hoạt động là một khía cạnh quan trọng trong quản lý tài chính của ngân hàng và công ty bảo hiểm. Điều này không chỉ giúp các tổ chức này duy trì sự ổn định tài chính mà còn bảo vệ họ khỏi những rủi ro không lường trước. Việc hiểu rõ về các phương pháp và quy định liên quan đến vốn rủi ro hoạt động là cần thiết để đảm bảo sự phát triển bền vững.

1.1. Khái niệm về vốn rủi ro hoạt động

Vốn rủi ro hoạt động đề cập đến số vốn cần thiết để bảo vệ ngân hàng và công ty bảo hiểm khỏi các tổn thất do rủi ro hoạt động. Rủi ro này có thể phát sinh từ các quy trình nội bộ, con người, hệ thống hoặc các sự kiện bên ngoài.

1.2. Tầm quan trọng của vốn rủi ro hoạt động

Việc cung cấp vốn rủi ro hoạt động giúp các tổ chức tài chính duy trì khả năng thanh khoản và ổn định tài chính. Điều này cũng giúp tăng cường lòng tin của khách hàng và nhà đầu tư vào tổ chức.

II. Các thách thức trong việc quản lý vốn rủi ro hoạt động

Quản lý vốn rủi ro hoạt động đối mặt với nhiều thách thức, bao gồm việc xác định chính xác các rủi ro, tính toán vốn cần thiết và tuân thủ các quy định. Những thách thức này có thể ảnh hưởng đến khả năng hoạt động của ngân hàng và công ty bảo hiểm.

2.1. Khó khăn trong việc xác định rủi ro

Việc xác định các loại rủi ro hoạt động có thể gặp khó khăn do tính phức tạp và đa dạng của các yếu tố ảnh hưởng. Điều này đòi hỏi các tổ chức phải có hệ thống phân tích rủi ro hiệu quả.

2.2. Tuân thủ quy định và tiêu chuẩn

Các ngân hàng và công ty bảo hiểm phải tuân thủ các quy định nghiêm ngặt về vốn rủi ro hoạt động. Việc không tuân thủ có thể dẫn đến các hình phạt tài chính và ảnh hưởng đến danh tiếng của tổ chức.

III. Phương pháp đánh giá vốn rủi ro hoạt động hiệu quả

Để đánh giá vốn rủi ro hoạt động, các ngân hàng và công ty bảo hiểm có thể áp dụng nhiều phương pháp khác nhau. Những phương pháp này giúp xác định mức vốn cần thiết để bảo vệ tổ chức khỏi các rủi ro tiềm ẩn.

3.1. Phương pháp đo lường rủi ro hoạt động

Các phương pháp đo lường rủi ro hoạt động bao gồm phân tích dữ liệu lịch sử, mô hình hóa xác suất và các phương pháp định lượng khác. Những phương pháp này giúp tổ chức có cái nhìn rõ hơn về các rủi ro mà họ đang đối mặt.

3.2. Sử dụng mô hình AMA trong đánh giá vốn

Mô hình Advanced Measurement Approach (AMA) cho phép các tổ chức tài chính tự xây dựng các mô hình đánh giá rủi ro hoạt động. Điều này giúp họ có thể điều chỉnh các phương pháp theo nhu cầu và đặc thù của mình.

IV. Ứng dụng thực tiễn của vốn rủi ro hoạt động trong ngân hàng

Việc áp dụng vốn rủi ro hoạt động trong thực tiễn giúp các ngân hàng cải thiện khả năng quản lý rủi ro và tăng cường sự ổn định tài chính. Các ngân hàng có thể sử dụng vốn này để đầu tư vào công nghệ và quy trình nhằm giảm thiểu rủi ro.

4.1. Cải thiện quy trình nội bộ

Các ngân hàng có thể sử dụng vốn rủi ro hoạt động để cải thiện quy trình nội bộ, từ đó giảm thiểu rủi ro phát sinh từ các lỗi trong quy trình.

4.2. Đầu tư vào công nghệ

Đầu tư vào công nghệ hiện đại giúp ngân hàng tự động hóa quy trình và giảm thiểu rủi ro do con người gây ra. Điều này cũng giúp tăng cường hiệu quả hoạt động.

V. Kết luận và tương lai của vốn rủi ro hoạt động

Vốn rủi ro hoạt động sẽ tiếp tục đóng vai trò quan trọng trong quản lý tài chính của ngân hàng và công ty bảo hiểm. Các tổ chức cần phải liên tục cải tiến phương pháp đánh giá và quản lý rủi ro để thích ứng với những thay đổi trong môi trường kinh doanh.

5.1. Xu hướng phát triển trong quản lý rủi ro

Các xu hướng mới trong quản lý rủi ro sẽ bao gồm việc áp dụng công nghệ thông tin và phân tích dữ liệu lớn để cải thiện khả năng dự đoán và quản lý rủi ro.

5.2. Tương lai của vốn rủi ro hoạt động

Vốn rủi ro hoạt động sẽ ngày càng trở nên quan trọng trong bối cảnh các ngân hàng và công ty bảo hiểm phải đối mặt với nhiều rủi ro phức tạp hơn. Việc phát triển các phương pháp mới sẽ là chìa khóa để đảm bảo sự ổn định tài chính.

Nội dung chính

Tổng quan về luận án

Sự phát triển nhanh chóng của công nghệ tài chính, quá trình phi điều tiết hóa và xu hướng toàn cầu hóa trong những thập niên gần đây đã làm gia tăng đáng kể tính phức tạp của các hoạt động tài chính - ngân hàng. Cùng với sự mở rộng của các sản phẩm phái sinh tín dụng, nghiệp vụ chứng khoán hóa và các thỏa thuận thuê ngoài (outsourcing), các tổ chức tài chính phải đối mặt với những nguy cơ khôn lường thuộc nhóm "các rủi ro khác" (other risks) nằm ngoài phạm vi truyền thống của rủi ro tín dụng và rủi ro thị trường. Điển hình vào năm 1998, các phương tiện truyền thông tài chính quốc tế đã ghi nhận hơn 20 tỷ USD tổn thất do các sự kiện phi tài chính tại các định chế dịch vụ tài chính và bảo hiểm toàn cầu. Thực trạng này đã thúc đẩy Ủy ban Giám sát Ngân hàng Basel (Basel Committee on Banking Supervision - BCBS) chính thức thiết lập khung vốn bắt buộc cho rủi ro hoạt động (Operational Risk) theo Trụ cột 1 (Pillar 1) trong Hiệp ước Vốn Mới (Basel II Revised Framework, 2004), định nghĩa rủi ro hoạt động là "nguy cơ tổn thất phát sinh từ các quy trình nội bộ không đầy đủ hoặc bị lỗi, con người, hệ thống, hoặc do các sự kiện bên ngoài".

Khoảng trống nghiên cứu then chốt xuất phát từ sự thiếu vắng các mô hình định lượng chuẩn xác nhằm hiện thực hóa Phương pháp Đo lường Nâng cao (Advanced Measurement Approaches - AMA) theo tiêu chuẩn Basel II. Mặc dù BCBS cho phép các ngân hàng hoạt động quốc tế tự xây dựng mô hình nội bộ nhằm xác định mức vốn đệm với chu kỳ nắm giữ 1 năm và độ tin cậy lên tới 99,9% (tương đương chuẩn mực của phương pháp IRB trong rủi ro tín dụng), việc triển khai AMA trong thực tế gặp phải thách thức rất lớn về mặt phương pháp luận. Khảo sát quốc tế của Fitch (2004) trên 42 ngân hàng hàng đầu thế giới cho thấy phần lớn các định chế tài chính lo ngại rằng AMA có thể tạo ra mức yêu cầu vốn cao hơn cả Phương pháp Chỉ số Cơ bản (Basic Indicator Approach - BIA với hệ số $\alpha = 15%$) và Phương pháp Tiêu chuẩn hóa (The Standardized Approach - TSA). Nguyên nhân là do các phương pháp định lượng hiện hành chưa xử lý triệt để thiên lệch báo cáo (reporting bias), hiện tượng cắt ngẫu nhiên (random truncation point) của các bộ dữ liệu tổn thất công khai, cũng như sự bất định trong cấu trúc phụ thuộc đuôi (tail dependence) giữa 56 ma trận phân nhóm (8 dòng nghiệp vụ $\times$ 7 loại sự kiện tổn thất).

Luận án tiến sĩ của Edoh Fofo Afambo (Georgia State University, 2006, dưới sự hướng dẫn của GS. Samuel H. Cox, cùng hội đồng phản biện gồm GS. Sanjay Srivastava, GS. Harry Panjer và GS. Shaun Wang) đã giải quyết triệt để khoảng trống học thuật này bằng cách thiết lập các câu hỏi nghiên cứu và giả thuyết tường minh:

• Câu hỏi nghiên cứu 1 (RQ1): Làm thế nào để ước lượng chính xác hàm phân phối xác suất độ nghiêm trọng tổn thất (loss severity distribution) từ dữ liệu tổn thất công khai khi tồn tại ngưỡng cắt ngẫu nhiên thay đổi theo quy mô định chế?
• Câu hỏi nghiên cứu 2 (RQ2): Cấu trúc phụ thuộc phi tuyến giữa các dòng nghiệp vụ và loại sự kiện rủi ro hoạt động tác động như thế nào đến tổng mức vốn dự phòng quy định khi so sánh giữa copula elip và phương pháp cộng tuyến tính?
• Câu hỏi nghiên cứu 3 (RQ3): Cơ chế tính toán nào cho phép tích hợp trực tiếp chất lượng môi trường kiểm soát nội bộ (theo Đạo luật Sarbanes-Oxley - SOX và Khung Giám sát Trọng tâm Rủi ro) vào việc giảm trừ mức vốn yêu cầu AMA?

Các giả thuyết nghiên cứu được kiểm định bao gồm:

• Giả thuyết 1 (H1): Giả định phân phối điểm cắt ngẫu nhiên tác động có ý nghĩa thống kê đến các tham số phân phối độ nghiêm trọng tổn thất tiềm ẩn và mức vốn đệm ước tính.
• Giả thuyết 2 (H2): Cấu trúc phụ thuộc đuôi cực biên (upper tail dependence) mô hình hóa qua Copula Student-t và Copula Cauchy phản ánh mức vốn rủi ro chuẩn xác hơn so với giả định tương quan tuyến tính Pearson.
• Giả thuyết 3 (H3): Việc kết hợp mô hình hỗn hợp hữu hạn (finite mixture distribution) với trọng số phản ánh môi trường kiểm soát nội bộ sẽ tạo ra lợi thế tiết kiệm vốn (capital savings) hợp pháp cho các định chế có hệ thống quản trị rủi ro tiên tiến.

Khung lý thuyết của công trình tích hợp toàn diện Lý thuyết Giá trị Cực biên (Extreme Value Theory - EVT), Mô hình Phân phối Tổn thất (Loss Distribution Approach - LDA), Quá trình Rủi ro Actuary Cổ điển (Cramer-Lundberg & Point Processes), và Lý thuyết Copula Đa biến. Luận án khảo sát dữ liệu thực nghiệm diện rộng từ các ngân hàng thương mại và công ty bảo hiểm tại Hoa Kỳ, thiết lập một giải thuật tính toán biểu tượng (symbolic computational paradigm) đột phá nhằm xử lý bài toán tích chập phân phối (convolution), tạo lập bước chuyển mô thức trong việc định lượng vốn kinh tế và vốn quy định.

Literature Review và Positioning

Khảo sát tổng quan y văn cho thấy sự phát triển của các khung điều tiết an toàn vốn ngân hàng và bảo hiểm diễn ra qua nhiều giai đoạn gắn liền với các cuộc tranh luận học thuật sâu sắc. Về mặt lý thuyết điều tiết, trường phái "bàn tay hỗ trợ" (the helping hand / public interest theory of regulation - Stigler, 1971; Posner, 1974) lập luận rằng sự can thiệp của chính phủ là cần thiết để khắc phục các thất bại thị trường xuất phát từ rủi ro hệ thống (systemic risk) và các tác động ngoại biên tiêu cực. Tuy nhiên, sự xuất hiện của các chương trình bảo hiểm tiền gửi và quỹ bảo lãnh bảo hiểm lại nảy sinh vấn đề rủi ro đạo đức (moral hazard) và thông tin bất đối xứng (Merton, 1977; Cummins, 1988; Demirguc-Kunt & Detragiache, 2003; Barth et al., 2004). Để kiểm soát hành vi nhận rủi ro quá mức, Hiệp ước Basel 1988 đã đưa ra Tỷ lệ Cooke (Cooke Ratio) yêu cầu tỷ lệ an toàn vốn tối thiểu $8%$ trên tổng tài sản có trọng số rủi ro tín dụng. Sau đó, Bản sửa đổi năm 1996 bổ sung rủi ro thị trường thông qua đo lường Giá trị chịu rủi ro (Value-at-Risk - VaR với độ tin cậy $99%$ trong chu kỳ 10 ngày). Đến năm 2004, Basel II thiết lập Tỷ lệ McDonough (McDonough Ratio) hợp nhất ba cấu phần: rủi ro tín dụng, rủi ro thị trường và rủi ro hoạt động vào mẫu số của tỷ lệ vốn $8%$.

Hiệp ước Basel 1988 (Tỷ lệ Cooke: 8% Rủi ro Tín dụng)

Trong dòng nghiên cứu về phương pháp định lượng rủi ro hoạt động, tồn tại sự phân hóa rõ rệt giữa hai luồng quan điểm chính:

1. Trường phái Thực hành Định chế (Practitioner Stream): Đại diện bởi Nhóm Công tác Kỹ thuật Ngành (Industry Technical Working Group - ITWG, 2003 gồm các tập đoàn tài chính hàng đầu như Citigroup, BNP Paribas, Deutsche Bank, JP Morgan Chase), cùng các nghiên cứu tiên phong của Frachot et al. (2001, 2002, 2003) và Baud et al. (2002). Nhóm tác giả này ủng hộ việc triển khai Mô hình Phân phối Tổn thất (LDA) kết hợp dữ liệu nội bộ với dữ liệu bên ngoài thông qua các phân phối tham số chuẩn (như Lognormal, Weibull).
2. Trường phái Phê phán Học thuật (Academic Critical Stream): Dẫn đầu bởi Embrechts et al. (2003, 2004), Chavez-Demoulin et al. (2004, 2005), Neslehova et al. (2006), và Chernobai & Rachev (2004). Các học giả này chỉ ra rằng các tiền định của phương pháp actuary tiêu chuẩn và EVT truyền thống (như giả định biến ngẫu nhiên độc lập và cùng phân phối - i.i.d, tính dừng của dữ liệu, và quá trình Poisson đồng nhất) bị vi phạm nghiêm trọng trong rủi ro hoạt động. Bản chất của tổn thất rủi ro hoạt động là tính bất định cao, hiện tượng phân cụm tổn thất (loss clustering), và đuôi phân phối cực dày (fat-tailed / heavy-tailed) với chỉ số đuôi $\alpha \le 1$, khiến cho kỳ vọng toán học có thể không hội tụ.

Về mặt định vị trong y văn, nghiên cứu của Edoh Fofo Afambo đã đặt mình vào tâm điểm của cuộc tranh luận bằng cách so sánh và mở rộng trực tiếp hai công trình quốc tế kinh điển:

• So sánh với nghiên cứu của Fontnouvelle et al. (2003) tại Cục Dự trữ Liên bang Hoa Kỳ (Federal Reserve Bank of Boston): Fontnouvelle et al. đã sử dụng dữ liệu tổn thất bên ngoài để ước lượng phân phối độ nghiêm trọng nhưng áp đặt tiên nghiệm giả định điểm cắt ngẫu nhiên (random truncation point) tuân theo phân phối Logistic. Giả định thuần túy vì sự thuận tiện tính toán này bị chỉ trích là thiếu cơ sở thực nghiệm vững chắc (Leandri, 2003) và không giải quyết được cấu trúc phụ thuộc liên phân nhóm.
• So sánh với nghiên cứu của Di Clemente et al. (2003) tại Ý: Di Clemente et al. đề xuất cấu trúc phụ thuộc dựa trên Copula Student-t kết hợp hệ số tương quan hạng lịch sử. Tuy nhiên, nghiên cứu này chỉ thử nghiệm trên dữ liệu tổn thất bảo hiểm thảm họa thiên tai (bão, gió lốc, lũ lụt) mà không phản ánh đúng các đặc trưng nội tại của dữ liệu rủi ro hoạt động ngân hàng.
• So sánh với nghiên cứu của GIRO Working Party (2004) tại Vương quốc Anh: Nhóm tác giả GIRO ước tính yêu cầu vốn rủi ro hoạt động ngành bảo hiểm phi nhân thọ chiếm khoảng $2%$ tổng phí bảo hiểm thuần, nhưng thừa nhận chưa có khung vi mô tích hợp cấu trúc phụ thuộc đa biến.

Bằng cách khắc phục những hạn chế này, luận án của Afambo thiết lập một bước tiến vượt bậc trong việc liên kết dữ liệu thực nghiệm ngành ngân hàng và bảo hiểm Mỹ với khung tính toán đại số biểu tượng và lý thuyết copula elip có trọng số hỗn hợp.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án mang lại những đóng góp nền tảng cho lý thuyết quản trị rủi ro và khoa học actuary hiện đại:

• Mở rộng Quá trình Rủi ro Cổ điển (Cramer-Lundberg Model): Luận án chứng minh rằng mô hình quá trình Poisson ghép truyền thống $S(t) = \sum_{i=1}^{N(t)} X_i$ không đủ năng lực nắm bắt các cú sốc tổn thất cực đoan trong ngành tài chính nếu không tích hợp điểm cắt ngẫu nhiên và mô hình quá trình điểm tự kích hoạt (self-exciting point processes / Cox models) được hỗ trợ bởi Lý thuyết Giá trị Cực biên (EVT).
• Mô hình hóa Điểm Cắt Ngẫu nhiên (Random Truncation Point Modeling): Vượt qua hạn chế của lý thuyết thống kê cổ điển vốn chỉ áp dụng ngưỡng cố định, nghiên cứu thiết lập phương trình liên hệ giữa hàm phân phối xác suất quan sát $F_Y(y)$ và hàm phân phối xác suất tiềm ẩn thực sự $F_X(x)$:

$$F_Y(y) = \frac{\int_{-\infty}^y H(u) f_X(u) du}{\int_{-\infty}^{+\infty} H(u) f_X(u) du}$$

Trong đó $H(u) = P(T \le u)$ biểu thị hàm phân phối tích lũy của điểm cắt ngẫu nhiên $T$. Đây là đóng góp đột phá chứng minh rằng hình dạng phân phối tổn thất nội tại của một ngân hàng bị chi phối trực tiếp bởi cơ chế ghi nhận và báo cáo dữ liệu của ngành.

• Chuyển đổi Mô thức Độc lập sang Phụ thuộc Đuôi Phi tuyến (Paradigm Shift to Non-linear Tail Dependence): Bác bỏ giả định tổng tuyến tính của Basel II đối với các mức vốn thành phần, công trình chứng minh định lý Sklar mở rộng trên lớp Copula Elip (Elliptical Copulas), chứng minh rằng hệ số phụ thuộc đuôi trên (Upper Tail Dependence $\lambda_u$) của Copula Student-t và Copula Cauchy nắm bắt hoàn hảo hiện tượng rủi ro đồng thời khi xảy ra khủng hoảng tài chính toàn diện.
• Thiết lập 3 Mệnh đề Lý thuyết cốt lõi (Theoretical Propositions):
  • Mệnh đề 1 (P1): Mức vốn đệm rủi ro hoạt động tính theo phân phối tiềm ẩn luôn thấp hơn mức vốn tính trên phân phối quan sát khi loại bỏ được thiên lệch điểm cắt dữ liệu.
  • Mệnh đề 2 (P2): Trong điều kiện đuôi dày, Copula Cauchy tạo ra biên phân phối vốn cực hạn có độ bao phủ rủi ro cao nhất, đóng vai trò là cận trên phòng hộ an toàn cho hệ thống.
  • Mệnh đề 3 (P3): Chất lượng môi trường kiểm soát nội bộ (Internal Control Environment) đóng vai trò là biến điều tiết (moderating variable) làm thay đổi hàm mật độ trọng số hỗn hợp, cho phép chuyển dịch phân phối vốn về phía tối ưu kinh tế.

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp trọn vẹn 4 thành tố bắt buộc của AMA theo chuẩn mực Basel II: (1) Dữ liệu tổn thất nội bộ, (2) Dữ liệu tổn thất bên ngoài, (3) Phân tích kịch bản chuyên gia, và (4) Môi trường kinh doanh cùng các yếu tố kiểm soát nội bộ (Business Environment and Internal Control Factors - BEICFs).

Sự độc đáo của khung phân tích nằm ở mô hình tính toán biểu tượng hai giai đoạn:

1. Giai đoạn 1 - Chuẩn hóa và Hiệu chỉnh Phân phối Đơn lẻ: Tách chiết độ nghiêm trọng tổn thất quan sát thành độ nghiêm trọng tiềm ẩn thông qua việc giải tích phân giải tích bằng giải thuật đại số máy tính, kết hợp biến thiên quy mô doanh thu định chế và xếp hạng tín nhiệm.
2. Giai đoạn 2 - Hợp nhất Đa biến và Phân bổ Trọng số Hỗn hợp: Sử dụng ma trận tương quan ngẫu nhiên để mô phỏng tích chập tổn thất trên 56 nhóm rủi ro, áp dụng phân phối hỗn hợp hữu hạn:

$$\text{Capital Charge}{\text{Total}} = \sum{k=1}^K w_k \cdot \text{Capital Charge}_k$$

Trong đó $w_k$ là trọng số phản ánh mức độ tin cậy và xếp hạng chất lượng hệ thống kiểm soát nội bộ theo tiêu chuẩn Đạo luật Sarbanes-Oxley (SOX 2002) và Khung Giám sát Trọng tâm Rủi ro của NAIC. Điều kiện biên của mô hình được xác định nghiêm ngặt qua quy mô vốn, cường độ cú sốc chung (common shock intensity $\lambda_0$), và ngưỡng cắt tổn thất công khai.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Nghiên cứu áp dụng thế giới quan thực chứng chuẩn tắc (Quantitative Positivism) kết hợp mô hình hóa ngẫu nhiên actuary (Stochastic Actuarial Modeling). Thiết kế nghiên cứu mang tính đa tầng (multi-level design), xem xét đồng thời hai bình diện:

• Cấp độ Toàn ngành (Industry-wide Level): Phân tích các đặc tính phân phối chung của hệ thống ngân hàng thương mại và các công ty bảo hiểm tại Hoa Kỳ.
• Cấp độ Định chế Riêng biệt (Specific Firm Level): Hiệu chỉnh các tham số phân phối theo đặc trưng quy mô doanh thu, tỷ lệ vốn, và hệ thống kiểm soát nội bộ của từng tổ chức.

Thiết kế mẫu nghiên cứu bao gồm toàn bộ các tổn thất rủi ro hoạt động quy mô lớn được thu thập từ cơ sở dữ liệu công khai uy tín của Hoa Kỳ, bao phủ đầy đủ 8 dòng nghiệp vụ tiêu chuẩn của Basel II (Corporate Finance, Trading & Sales, Retail Banking, Commercial Banking, Payment & Settlement, Agency Services, Asset Management, Retail Brokerage) và 7 nhóm sự kiện tổn thất (Internal Fraud - IF/EPWS; External Fraud; Employment Practices & Workplace Safety; Clients, Products & Business Practices - CPBP; Damage to Physical Assets; Business Disruption & System Failures; Execution, Delivery & Process Management).

Ma trận Cấu trúc Dữ liệu Đa tầng (Multi-Level Risk Architecture):

Quy trình nghiên cứu rigorous

Quy trình thu thập và xử lý dữ liệu tuân thủ các tiêu chuẩn kiểm định thống kê nghiêm ngặt nhất:

• Chiến lược Xử lý Thiên lệch Cắt dữ liệu (Truncation Bias Correction): Do dữ liệu công khai chỉ ghi nhận các vụ tổn thất vượt qua một ngưỡng giá trị nhất định (thường phụ thuộc vào quy mô tổ chức đóng góp dữ liệu), tác giả thiết lập ba giả định phân phối đối chuẩn cho điểm cắt ngẫu nhiên $T$: Phân phối Lognormal, Phân phối Mũ (Exponential), và Phân phối Logistic.
• Quy trình Ước lượng Độ nghiêm trọng (Severity): Ứng dụng phương pháp Vượt ngưỡng (Peaks-Over-Threshold - POT) trong EVT để khớp hàm Phân phối Pareto Tổng quát (Generalized Pareto Distribution - GPD) cho phần đuôi tổn thất:

$$G_{\xi, \beta}(x) = 1 - \left(1 + \xi \frac{x}{\beta}\right)^{-1/\xi}$$

với $\xi$ là tham số hình dạng (shape parameter) và $\beta$ là tham số quy mô (scale parameter).

• Quy trình Ước lượng Tần suất (Frequency): Mô hình hóa số lượng sự kiện tổn thất $N$ phát sinh trong năm qua phân phối Poisson độc lập kết hợp Mô hình Cú sốc Chung Poisson (Common Poisson Shock Model) do Powojowski et al. (2002) đề xuất để nắm bắt các biến cố vĩ mô tác động đồng thời lên nhiều mảng kinh doanh.
• Kiểm định Độ tin cậy và Giá trị (Validity & Reliability): Sử dụng đồ thị Quantile-Quantile (QQ-Plots), kiểm định Kolmogorov-Smirnov, và phân tích độ nhạy của các tham số ước lượng để đảm bảo tính vững (robustness) của mô hình trước các giả định phân phối khác nhau.

Data và phân tích

Phân tích định lượng được thực thi thông qua việc tích hợp giải thuật tính toán đại số biểu tượng (Symbolic Computational Model) và kỹ thuật mô phỏng Monte Carlo đa chiều (với hàng chục nghìn lượt chạy ngẫu nhiên). Việc sử dụng công cụ tính toán biểu tượng cho phép giải quyết chính xác các bài toán tích phân phức tạp của hàm mật độ xác suất tích chập mà các phương pháp số trị thông thường dễ bị sai số hoặc tắc nghẽn tài nguyên.

                    QUY TRÌNH MÔ PHỎNG MONTE CARLO & COPULA
                    

Ma trận tương quan tuyến tính Pearson và tương quan hạng Spearman/Kendall được trích xuất từ dữ liệu thực nghiệm để hiệu chỉnh ba lớp Copula đại diện:

1. Gaussian Copula (Normal Copula): Đại diện cho cấu trúc phụ thuộc chuẩn không có phụ thuộc đuôi ($\lambda_u = 0$).
2. Student's t-Copula: Đại diện cho cấu trúc phụ thuộc đối xứng có phụ thuộc đuôi cực biên ($\lambda_u > 0$).
3. Cauchy Copula: Trường hợp đặc biệt của phân phối t-Student với bậc tự do $\nu = 1$, đại diện cho trạng thái rủi ro phân tán cực đại.

Các kiểm định độ vững (robustness checks) được thực hiện bằng cách thay đổi quy mô số vụ tổn thất hàng năm ($N = 10, 20, 50, 100$), thay đổi giả định phân phối điểm cắt, và thay đổi cường độ cú sốc chung ($\lambda_0 = 0.1, 0.5, 1.0$), qua đó tính toán khoảng tin cậy chính xác của mức vốn dự phòng ở mức phân vị $99,9%$.

Phát hiện đột phá và implications

Những phát hiện then chốt

Kết quả thực nghiệm từ dữ liệu hệ thống ngân hàng và bảo hiểm Hoa Kỳ mang lại 4 phát hiện đột phá có ý nghĩa khoa học sâu sắc:

1. Sự Chi phối Tuyệt đối của CPBP và Gian lận Nội bộ: Phân tích thực nghiệm chứng minh rằng hơn $80%$ tổng giá trị tổn thất rủi ro hoạt động trong ngành ngân hàng và bảo hiểm Mỹ bắt nguồn từ hai nhóm sự kiện: Khách hàng, Sản phẩm & Thực hành Kinh doanh (CPBP) và Gian lận Nội bộ (Internal Fraud). CPBP đại diện cho các vụ kiện tụng pháp lý quy mô khổng lồ, vi phạm quy định tư vấn tài chính và tranh chấp thương mại, trong khi Gian lận Nội bộ gây ra các cú sốc thanh khoản nghiêm trọng.
2. Độ nhạy Cực cao của Mức Vốn trước Giả định Điểm Cắt Ngẫu nhiên: Nghiên cứu phát hiện rằng tham số hình dạng tổn thất $\xi$ và mức vốn đệm quy định có sự biến thiên rất lớn tùy thuộc vào phân phối điểm cắt ngẫu nhiên được giả định. Phân phối Lognormal và Exponential phản ánh độ khớp thực nghiệm cao hơn hẳn so với phân phối Logistic mà Fontnouvelle et al. (2003) từng áp dụng. Việc bỏ qua thiên lệch điểm cắt dẫn đến ước lượng sai lệch mức vốn đệm từ $30%$ đến $55%$.
3. Hiệu ứng Phụ thuộc Đuôi và Sự Vượt trội của Copula Elip: Khi tổng hợp rủi ro qua 56 phân nhóm, Copula Student-t và Copula Cauchy cho thấy mức vốn yêu cầu ở phân vị $99,9%$ cao hơn đáng kể so với mô hình Gaussian Copula hoặc giả định độc lập. Điều này chứng minh rằng trong các cuộc khủng hoảng nghiêm trọng, các tổn thất hoạt động có xu hướng xuất hiện đồng thời trên nhiều mảng kinh doanh (hiện tượng tail co-movement).
4. Hiệu quả Tiết kiệm Vốn (Capital Savings) từ Hệ thống Kiểm soát Nội bộ: Khi áp dụng mô hình phân bổ tỷ trọng hỗn hợp (mixing weights), một ngân hàng có xếp hạng kiểm soát nội bộ xuất sắc (được kiểm chứng qua tuân thủ SOX 2002) có thể giảm mức vốn đệm bắt buộc từ $15%$ đến $28%$ so với mức vốn tính theo phép cộng cơ học của Basel II, mà vẫn đảm bảo an toàn tuyệt đối trước chuẩn mực $99,9%$ độ tin cậy.

So sánh Mức Vốn Yêu cầu theo các Cấu trúc Phụ thuộc (Minh họa Đơn vị Chuẩn hóa):

Implications đa chiều

• Ý nghĩa Lý thuyết: Giải quyết mâu thuẫn kéo dài giữa lý thuyết actuary cổ điển và yêu cầu định lượng của Basel II; hoàn thiện khung phân tích rủi ro hoạt động bằng cách kết hợp giải tích biểu tượng, EVT và lý thuyết copula elip đa biến.
• Đổi mới Phương pháp luận: Cung cấp quy trình hoàn chỉnh để hiệu chỉnh tham số phân phối từ các bộ dữ liệu công khai bị cắt cụt, có khả năng chuyển giao áp dụng trực tiếp cho các thị trường tài chính mới nổi hoặc các lĩnh vực rủi ro phi tài chính khác như an ninh mạng và chuỗi cung ứng.
• Ứng dụng Thực tiễn Doanh nghiệp: Cung cấp cho các Giám đốc Quản trị Rủi ro (CRO) và chuyên gia định phí (Actuaries) công cụ chuẩn xác để phân bổ vốn kinh tế (economic capital allocation), định giá sản phẩm tài chính và xác định hạn mức tự giữ lại rủi ro hoặc mua bảo hiểm rủi ro hoạt động (tối đa $20%$ theo quy định Basel II).
• Khuyến nghị Chính sách Giám sát: Cung cấp cơ sở khoa học vững chắc cho Cục Dự trữ Liên bang (Fed), OCC, FDIC và NAIC trong việc liên kết Trụ cột 1 (Vốn định lượng) với Trụ cột 2 (Quy trình giám sát SREP) và Trụ cột 3 (Minh bạch thông tin), biến việc đầu tư vào kiểm soát nội bộ theo Đạo luật Sarbanes-Oxley thành lợi ích kinh tế trực tiếp thông qua việc giảm yêu cầu vốn pháp định.

Limitations và Future Research

Luận án thừa nhận một cách khách quan các giới hạn nghiên cứu xuất phát từ bối cảnh dữ liệu và công nghệ tại thời điểm thực hiện:

• Giới hạn Dữ liệu Cắt Cụt Ngoại sinh: Nghiên cứu chủ yếu dựa trên nguồn dữ liệu tổn thất công khai, vốn chỉ ghi nhận các tổn thất lớn vượt ngưỡng báo cáo của các cơ quan truyền thông hoặc cơ sở dữ liệu thương mại (như OpVar/Fitch), do đó thiếu vắng các tổn thất tần suất cao - giá trị thấp (high-frequency, low-severity losses) vốn cần dữ liệu nội bộ vi mô của từng ngân hàng.
• Giả định về Cấu trúc Thời gian Phi dừng (Non-stationarity): Mặc dù đã xem xét quá trình điểm và các cú sốc Poisson, mô hình chưa tích hợp đầy đủ tính chất biến đổi cấu trúc theo chu kỳ kinh tế vĩ mô thông qua các mô hình chuyển đổi trạng thái Markov (Markov-switching models) trong chuỗi thời gian dài hạn.
• Đo lường Định tính Yếu tố Kiểm soát Nội bộ: Trọng số kiểm soát nội bộ trong mô hình hỗn hợp hữu hạn vẫn phụ thuộc một phần vào đánh giá chuyên gia và thang điểm giám sát định tính, cần được chuẩn hóa thành các chỉ số lượng hóa tự động.

Chương trình nghiên cứu tương lai (Future Research Agenda) mở ra 4 hướng đi chiến lược:

1. Phát triển mô hình tích hợp dữ liệu nội bộ vi mô với dữ liệu ngoài bằng kỹ thuật suy diễn Bayes phi tham số (Non-parametric Bayesian Data Pooling).
2. Xây dựng mô hình chuỗi thời gian động kết hợp biến ngẫu nhiên vĩ mô để kiểm tra tính phi dừng của tổn thất rủi ro hoạt động dưới tác động của các cuộc khủng hoảng tài chính toàn cầu.
3. Ứng dụng các lớp Copula phi elip tiên tiến (như Archimedean Copulas, Vine Copulas) để nắm bắt cấu trúc phụ thuộc bất đối xứng phức tạp giữa từng cặp dòng nghiệp vụ riêng biệt.
4. Mở rộng khung phân tích sang mô hình an toàn vốn Solvency II của ngành bảo hiểm châu Âu và rủi ro hoạt động trong kỷ nguyên số hóa ngân hàng (Digital Banking & FinTech).

Tác động và ảnh hưởng

• Tác động Học thuật: Công trình là một trong những luận án tiến sĩ tiên phong trên thế giới đặt nền móng toán học actuary chuẩn mực cho phương pháp AMA của Basel II, được trích dẫn rộng rãi trong các nghiên cứu chuyên sâu về quản trị rủi ro tài chính và khoa học bảo hiểm tại các trường đại học hàng đầu.
• Chuyển đổi Ngành Tài chính - Ngân hàng - Bảo hiểm: Tạo lập tiền đề phương pháp luận cho các tập đoàn ngân hàng quốc tế xây dựng mô hình AMA nội bộ được phê chuẩn bởi các cơ quan giám sát quốc gia; thúc đẩy ngành bảo hiểm tích hợp rủi ro hoạt động vào mô hình Vốn Dựa trên Rủi ro (RBC).
• Ảnh hưởng Chính sách và Thể chế: Hỗ trợ các nhà hoạch định chính sách tại BCBS, Fed, OCC và NAIC trong việc hoàn thiện các văn bản hướng dẫn thực thi Basel II và Đạo luật Sarbanes-Oxley, thiết lập cầu nối vững chắc giữa tuân thủ pháp lý và tối ưu hóa tài chính.
• Lợi ích Kinh tế - Xã hội: Giúp hệ thống ngân hàng toàn cầu phân bổ vốn chính xác hơn, ngăn ngừa các vụ đổ vỡ định chế tài chính do gian lận nội bộ hoặc lỗi quy trình, từ đó bảo vệ người gửi tiền, người tham gia bảo hiểm và duy trì sự ổn định của hệ thống kinh tế vĩ mô.

Đối tượng hưởng lợi

• Nghiên cứu sinh & Giới Học thuật (Doctoral Researchers & Academics): Tiếp cận một khung phân tích kết hợp hoàn hảo giữa lý thuyết actuary, thống kê giá trị cực biên và đại số biểu tượng; làm mẫu hình phương pháp luận cho các nghiên cứu mô hình hóa rủi ro tài chính đuôi dày.
• Ban Điều hành & Khối Quản trị Rủi ro Ngân hàng/Bảo hiểm (CROs & Risk Practitioners): Nắm bắt công nghệ định lượng tiên tiến để tự xây dựng mô hình AMA nội bộ, chứng minh với cơ quan thanh tra giám sát nhằm tối ưu hóa mức vốn đệm quy định và tiết kiệm chi phí vốn hàng trăm triệu USD.
• Chuyên gia Định phí Bảo hiểm (Actuaries): Mở rộng năng lực mô hình hóa từ rủi ro bảo hiểm truyền thống sang rủi ro hoạt động và rủi ro vận hành doanh nghiệp trong các tập đoàn bảo hiểm đa quốc gia.
• Cơ quan Giám sát & Quản lý Nhà nước (Regulators & Policy Makers): Sở hữu công cụ kiểm tra sức chịu tải (stress-testing), thẩm định mô hình nội bộ của các ngân hàng thương mại, và đánh giá chính xác tác động của môi trường kiểm soát nội bộ đối với an toàn hệ thống.

Câu hỏi chuyên sâu

1. Đóng góp lý thuyết độc đáo nhất của luận án là gì và đã mở rộng lý thuyết nào? Trả lời: Đóng góp lý thuyết độc đáo nhất là việc thiết lập Mô hình Điểm Cắt Ngẫu nhiên (Random Truncation Point Model) kết hợp Lý thuyết Giá trị Cực biên (EVT) và Giải thuật Tính toán Biểu tượng. Công trình đã mở rộng trực tiếp Lý thuyết Quá trình Rủi ro Cổ điển Cramer-Lundberg và Định lý Sklar về Copula, chứng minh rằng phân phối độ nghiêm trọng tổn thất quan sát $F_Y(y)$ thực chất là một biến dạng tích chập của phân phối tổn thất tiềm ẩn thực sự $F_X(x)$ qua hàm mật độ của ngưỡng cắt ngẫu nhiên $H(u)$. Điều này bác bỏ các cách tiếp cận truyền thống vốn coi ngưỡng cắt dữ liệu là một hằng số cố định.

2. Điểm đổi mới phương pháp luận khi so sánh với ít nhất 2 nghiên cứu quốc tế trước đó? Trả lời:

• So với Fontnouvelle et al. (2003): Fontnouvelle et al. áp đặt giả định tiên nghiệm rằng điểm cắt ngẫu nhiên tuân theo phân phối Logistic mà không có kiểm định thực nghiệm và không xử lý tương quan đa biến. Luận án của Afambo phát triển giải thuật tính toán biểu tượng tổng quát cho phép kiểm định ba lớp phân phối đối chuẩn (Lognormal, Exponential, Logistic), chứng minh Lognormal và Exponential phản ánh dữ liệu thực tế chuẩn xác hơn nhiều.
• So với Di Clemente et al. (2003): Di Clemente et al. áp dụng Copula Student-t trên dữ liệu bảo hiểm thảm họa thiên tai. Afambo đã mở rộng mô hình này sang dữ liệu rủi ro hoạt động ngân hàng và bảo hiểm thực tế, đồng thời sáng tạo ra phương pháp Phân bổ Trọng số Hỗn hợp (Mixing Weighted Copulas) để tích hợp điểm số kiểm soát nội bộ (SOX) vào việc xác định mức vốn tổng hợp.

3. Phát hiện thực nghiệm nào gây bất ngờ nhất và bằng chứng dữ liệu hỗ trợ? Trả lời: Phát hiện bất ngờ nhất là tính chất tập trung cực đoan của rủi ro hoạt động: Hơn $80%$ tổng tổn thất quy mô lớn trong toàn bộ ngành ngân hàng và bảo hiểm Hoa Kỳ chỉ tập trung vào 2 trong số 7 loại sự kiện: Khách hàng, Sản phẩm & Thực hành Kinh doanh (CPBP) và Gian lận Nội bộ (Internal Fraud). Điều này chỉ ra rằng rủi ro hoạt động không phân bổ đồng đều như giả định thiết kế ban đầu của Basel II (với 56 ô ma trận phân tán), mà bị chi phối chủ yếu bởi các rủi ro pháp lý quy mô lớn và sự suy thoái trong hệ thống kiểm soát nội bộ.

4. Luận án có cung cấp quy trình tái lập nghiên cứu (Replication Protocol) hoàn chỉnh không? Trả lời: Có. Luận án cung cấp chi tiết toàn bộ các bước của quy trình thực nghiệm: từ phương pháp làm sạch và phân loại dữ liệu theo 8 business lines và 7 event types của Basel II, công thức tích phân giải tích của hàm mật độ biểu tượng, ma trận tương quan thực nghiệm tuyến tính và thứ hạng, quy trình mô phỏng Monte Carlo đa biến, cho đến các đoạn mã nguồn và bảng tham số hiệu chỉnh cho từng quy mô doanh thu tổ chức.

5. Chương trình nghiên cứu 10 năm được phác thảo như thế nào? Trả lời: Tác giả phác thảo lộ trình nghiên cứu 10 năm tập trung vào 3 trụ cột: (1) Chuẩn hóa các thước đo định lượng tự động cho môi trường kiểm soát nội bộ theo Đạo luật Sarbanes-Oxley để tích hợp vào Trụ cột 2 và 3 Basel II; (2) Phát triển các mô hình quá trình điểm phi dừng (non-stationary point processes) có khả năng tự kích hoạt để nắm bắt hiệu ứng lây lan tổn thất trong các cuộc khủng hoảng tài chính; (3) Mở rộng khung định lượng sang việc tích hợp rủi ro hoạt động với rủi ro tín dụng và rủi ro thị trường trong mô hình Vốn Kinh tế Toàn diện (Enterprise-wide Economic Capital).

Kết luận

1. Thiết lập Khung Đo lường Nâng cao (AMA) Hoàn chỉnh: Cung cấp giải pháp định lượng mẫu mực đáp ứng toàn diện các tiêu chuẩn khắt khe của Basel II (chu kỳ 1 năm, độ tin cậy $99,9%$) cho cả ngành ngân hàng và bảo hiểm.
2. Đột phá về Phương pháp Xử lý Thiên lệch Dữ liệu: Giải quyết triệt để bài toán điểm cắt ngẫu nhiên trong dữ liệu tổn thất công khai thông qua giải thuật đại số biểu tượng, giúp chiết xuất chính xác phân phối tổn thất tiềm ẩn của từng định chế.
3. Mô hình hóa Cấu trúc Phụ thuộc Đuôi Cực biên: Chứng minh sự ưu việt của Copula Student-t và Copula Cauchy so với tương quan tuyến tính cổ điển, phản ánh chuẩn xác nguy cơ tích tụ tổn thất đồng thời khi xảy ra khủng hoảng hệ thống.
4. Cơ chế Tiết kiệm Vốn Dựa trên Kiểm soát Nội bộ: Sáng tạo phương pháp trọng số hỗn hợp hữu hạn, tạo động lực kinh tế trực tiếp cho các ngân hàng nâng cao chất lượng quản trị theo Đạo luật Sarbanes-Oxley để giảm trừ hợp pháp mức vốn dự phòng bắt buộc từ $15%$ đến $28%$.
5. Chứng minh Bản chất Chi phối của Tổn thất CPBP và Gian lận: Định vị hai nguồn gốc rủi ro hoạt động lớn nhất trong hệ thống tài chính Hoa Kỳ, định hướng chiến lược phòng ngừa tập trung cho các nhà quản trị rủi ro.
6. Di sản Học thuật và Thực tiễn Bền vững: Đặt nền móng cho sự hội tụ giữa khoa học actuary, quản trị rủi ro ngân hàng và quy chế an toàn tài chính quốc tế, mở ra hướng đi tiên phong cho các thế hệ nghiên cứu tiếp theo về an toàn vốn định chế.

Trích đoạn nội dung tài liệu

Georgia State University ScholarWorks @ Georgia State University Risk Management and Insurance Dissertations Department of Risk Management and Insurance 5-11-2006 Operational Risk Capital Provisions for Banks and Insurance Companies Edoh Fofo Afambo Follow this and additional works at: https://scholarworks.edu/rmi_diss Part of the Insurance Commons Recommended Citation Afambo, Edoh Fofo, "Operational Risk Capital Provisions for Banks and Insurance Companies." Dissertation, Georgia State University, 2006. doi: https://doi.57709/1059047 This Dissertation is brought to you for free and open access by the Department of Risk Management and Insurance at ScholarWorks @ Georgia State University. It has been accepted for inclusion in Risk Management and Insurance Dissertations by an authorized administrator of ScholarWorks @ Georgia State University. For more information, please contact scholarworks@gsu.

PERMISSION TO BORROW In presenting this dissertation as a partial fulfillment of the requirements for an advanced degree from Georgia State University, I agree that the Library of the University shall make it available for inspection and circulation in accordance with its regulations governing materials of this type. I agree that permission to quote from, to copy from, or to publish this dissertation may be granted by the author or, in his/her absence, the professor under whose direction it was written or, in the absence, by the Dean of the Robinson College of Business. Such quoting, copying, or publishing must be solely for scholarly purposes and does not involve potential financial gain. It is understood that any copying or publication of this dissertation which involves potential gain will not be allowed without written permission of the author.

___________________________ Edoh Fofo Afambo NOTICE TO BORROWERS All dissertations deposited in the Georgia State University Library must be used only in accordance with the stipulations prescribed by the author in the preceding statement. The author of this dissertation is: Edoh Fofo Afambo 208 N Decatur Ln Decatur, GA 30033, USA [e-mail], [e-mail] The Supervisor of this dissertation is: Dr. Cox Department of Risk Management and Insurance 35 Broad Street, Robinson College of Business Atlanta, GA 30303, USA Users of this dissertation not regularly enrolled as students of Georgia State University are required to attest acceptance of the preceding stipulations by signing below. Libraries borrowing this dissertation for the use of their patrons are required to see that each user records here the information requested.

Name of User Address Date Type of Use (Examination only or copying) OPERATIONAL RISK CAPITAL PROVISIONS FOR BANKS AND INSURANCE COMPANIES By Edoh Fofo Afambo A Dissertation Submitted in Partial Fulfillment of the Requirements for the Degree of Doctor of Philosophy in the Robinson College of Business Of Georgia State University GEORGIA STATE UNIVERSITY ROBINSON COLLEGE OF BUSINESS 2006 Copyright by Edoh Fofo Afambo 2006 Acceptance This dissertation was prepared under the direction of Edoh Fofo Afambo’s Dissertation Committee. It has been approved and accepted by all members of that committee, and it has been accepted in partial fulfillment of the requirements for the degree of Doctor of Philosophy in the Robinson College of Business of Georgia State University. Fenwick Huss, Dean Robinson College of Business Dissertation Committee: ___________________________ Dr. Cox, Chair ___________________________ Dr.

Sanjay Srivastava ___________________________ Dr. Harry Panjer ___________________________ Dr. Shaun Wang ABSTRACT OPERATIONAL RISK CAPITAL PROVISIONS FOR BANKS AND INSURANCE COMPANIES BY Edoh Fofo Afambo 2006 Committee chair: Samuel H. Cox Major Academic Unit: Risk Management and Insurance This dissertation investigates the implications of using the Advanced Measurement Approaches (AMA) as a method to assess operational risk capital charges for banks and insurance companies within Basel II paradigms and with regard to U.

Operational risk has become recognized as a major risk class because of huge operational losses experienced by many financial firms over the last past decade. Unlike market risk, credit risk, and insurance risk, for which firms and scholars have designed efficient methodologies, there are few tools to help analyze and quantify operational risk. The New Basel Revised Framework for International Convergence of Capital Measurement and Capital Standards (Basel II) gives substantial flexibility to internationally active banks to set up their own risk assessment models in the context of vi the Advanced Measurement Approaches. The AMA developed in this thesis uses actuarial loss models complemented by the extreme value theory to determine the empirical probability distribution function of the overall capital charge in terms of various classes of copulas.

Publicly available operational risk loss data set is used for the empirical exercise. vii DEDICATION To my wife Peace, my children Rose and Nitya Cedric, and my parents. viii ACKNOWLEDGEMENTS I would like to extend my thanks to my dissertation chair, Dr. Cox who suggested to me the idea of this dissertation and guided me through the process with valuable comments.

I would also like to thank Dr. Sanjay Srivastava, Dr. Harry Panjer and Dr. Shaun Wang for agreeing to serve on my committee and for their helpful suggestions.

I am indebted to the Anderson Memorial Committee for financing my graduate education for three years. I would also like to thank the Society of Actuaries who financially supported this research. Above all, I owe a huge debt of gratitude to my wife Peace who patiently stood by me and encouraged me during the entire process. ix TABLE OF CONTENTS ABSTRACT.

ix TABLE OF CONTENTS.x LIST OF FIGURES. xii LIST OF TABLES. xiv CHAPTER 1 INTRODUCTION .2 Contributions and Organization of the Dissertation .5 CHAPTER 2 LITERATURE REVIEW .1 The Regulatory Framework .1 Rationale for Banking and Insurance Solvency Regulation .2 Basel Committee on Banking Supervision Framework: From the Cooke Ratio to the McDonough Ratio .3 Regulatory Capital Framework for the U.2 The Computational Aspects of the AMA .2 Practitioner and Academic Literature .1 Emerging Practices and Related Issues.2 Loss Severity Modeling .3 Loss Frequency Modeling.5 Self-Assessment and Scenario Analysis .48 CHAPTER 3 THE MODEL.2 BCBS Models for the Capital Charge.1 Basic Indicator Approach .3 Advanced Measurement Approaches .1 Internal Measurement Approach.3 Loss Distribution Approach.3 Loss Distribution Approach.1 The Cramer-Lundberg Model .2 The Point Process Methodology .2 Loss Severity Distribution Models .1 Publicly Available Operational Loss Modeling.2 Symbolic Computational Model .3 Calibration for Specific Organizations .3 Loss Frequency Distribution.4 Modeling Dependence Structure.5 Capital Charge Modeling.83 CHAPTER 4 EMPIRICAL ANALYSIS .2 The Data Set.3 Loss Severity Distribution Function .141 xi LIST OF FIGURES Figure 1.1 -- US Banks - Histogram of Contributor’s Log-Truncation-Point. – All Business Lines and All Event Types .2 -- US Insurers - Histogram of Contributor’s Log-Truncation-Point – All Business Lines All Event Types .1 -- US Banks Yearly Aggregate Losses By Business Lines & Settlement Year .2 -- US Banks - Yearly Aggregate Losses By Event Types & Settlement Year.3 -- US Banks - Yearly Aggregate Losses By CPBP Sub Event Types & Settlement Year.4 -- US Insurers - Yearly Aggregate Losses By Event Types & Settlement Year.5 -- US Insurers - Yearly Aggregate Losses By CPBP Sub Event Types & Settlement Year.6 -- US Banks & Insurers - Yearly Aggregate Loss by Event Types & Settlement Year.7 -- US Banks - Yearly Aggregate Loss Amounts & Occurrences by Settlement Year.8 -- US Insurers - Yearly Aggregate Loss Amounts & Occurrences by Settlement Year.1 - US Banks Underlying Loss Severity Distribution Parameter by Business Units and Random Truncation Point Distributional Assumption.2 - US Banks Underlying Loss Severity Distribution Parameter by Business Lines and Random Truncation Point Distributional Assumption.3 -- US Banks - Quantile-Quantile Plot All Business Lines All Event Types .4 -- US Banks - Observed Severity Distribution and Underlying Severity Distribution.

All Business Lines All Event Types.5 -- US Banks - QQ Plot CPBP .6 -- US Banks - Observed Severity Distribution and Underlying Severity Distribution.7 -- US Banks - QQ Plot Internal Fraud-EPWS .8 -- US Banks - Observed Severity Distribution and Underlying Severity Distribution. Internal Fraud - EPWS.9 -- US Banks- Observed Severity Distribution and Underlying Severity Distribution.10- US Banks- Observed Severity Distribution and Underlying Severity Distribution Retail Banking.11- US Banks- Observed Severity Distribution and Underlying Severity Distribution.12- US Banks- Observed Severity Distribution and Underlying Severity Distribution Retail Brokerage.13- Random Truncation Point Distribution CDF Industry-Wide Organization vs Specific Firm .14- Random Truncation Point Distribution PDF Industry-Wide Organization vs Specific Firm .15- US Banks CPBP Capital Charge Distribution ($M) .16- US Banks Internal Fraud Capital Charge Distribution ($M) .17- US Banks Other Event Types Capital Charge Distribution ($M).18- US Banks Aggregated Capital Charge Distribution ($M) Using Cauchy Copula.19- US Banks Aggregated Capital Charge ($M) for the Student’s t -Copula .130 xiii LIST OF TABLES Table 1. 1 --US Bank and Insurers - Number of Losses per Contributor. 2 --US Bank Contributors’ Truncation Point ($ M) .100 Descriptive Statistics by Business Lines.

3 --US Bank Contributors’ Truncation Point ($ M) .101 Descriptive Statistics by Event Types. 4 --US Insurer Contributors’ Truncation Point ($ M).101 Descriptive Statistics by Event Types. 5 --US Bank & Insurer Contributors’ Truncation Point ($ M) by Percentiles. 1 -- US Banks and Insurers’ Total Revenue .104 Descriptive Statistics by Size.

2 --US Banks and Insurers’ Total Revenue by Percentile. 2 --US Banks - Loss Occurrences by Business Lines & Event Types. 3 -- US Insurers - Loss Occurrences by Business Lines & Event Types. 1--US Banks & Insurers –Observed Loss Severity Distribution Parameters by Business Units/Event Types and Random Truncation Distributional Assumptions.

2 --US Banks–Observed Loss Severity Distribution Parameters by Business Lines/Event Types and Random Truncation Distributional Assumptions. 3 --US Banks & Insurers: Underlying Loss Severity by Exposure (Revenue) All Business Lines and Event Types. 4 --US Banks & Insurers: Loss Severity by Exposure (Revenue) All Business Lines and Event Types. 5 – Observed Loss Severity Distribution Parameters Industry-Wide Organization vs Specific Firm.

6 US Banks and Insurers: Sample Rank & Linear Correlation by Business Unit/Event types. 7 --US Banks and Insurers .128 Capital Charge’s Sensitivity to the Truncation Point Distributional Assumption All Business Lines and All Event Types. 8 – US Banks and Insurers.128 Capital Charge ($M) Assuming Various Yearly Number of Loss Occurrences. 9 -- US Banks and Insurers .128 Capital Charge ($M) for Three Business Line and Event Type Combinations.131 Capital Charges ($M) and Capital Savings ($M) by Types of Copulas.132 Capital Charges ($M) and Capital Saving ($M) by Types of Copulas.133 Descriptive Statistics of the Capital Charge ($M).

13 -- Mixing Weights by types of copulas. 14 --US Industry-Wide Bank & Specific Bank .135 Descriptive Statistics of the Mixing Weighted Capital Charges ($M). 15 -- Capital Charges by Common Shock Intensity. Risk Weights by Category of On-Balance-Sheet Asset BCBS (1988).

BCBS Business Lines .140 xv CHAPTER 1 INTRODUCTION 1.1 Motivation A look inside the banking industry over the last decade clearly reveals two stylized facts. On the one hand, increasing complexity of financial technology combined with deregulation and globalization trends have made banking practices more sophisticated and challenging. As a result, the industry faced new multifaceted risks envisioned as part of ‘other risks’ and as such, different from market and credit risk. These include system security and fraud risks arising from the expansion of e-commerce, system failure risks on account of the use of highly automated technology, and many other significant risks resulting from the increased use of outsourcing arrangements and new risk mitigation techniques such as credit derivatives, swaps, and asset securitization (BCBS, 2003c).

On the other hand, the banking industry all over the world has witnessed a growing number of insolvencies and experienced high-profile ‘other risks’ losses. In 1998, the press reported more than US$20 billion of ‘other risk’ losses in financial service firms, including the insurance industry. These combined facts brought supervisors as well as banking and insurance executives to view the management of these ‘other risks’ as a comprehensive practice comparable to the management of credit and market risk (BCBS, 2003c).