極端風險
機率預估
因為缺乏相關數據,極端風險的機率預估非常困難。極端風險是一些沒有發生過的事件,或是非常少發生的的事件,因此現存的資料很少,無法用標準的统计学來處理。
极值理论
若有一些相關的資料,超過資料範圍的機率可能可以用极值理论的統計方式預測,其發展是因為要透過過去有限的洪水記錄,來預計百年一遇洪災的情形。此時可以用數學函數擬合現有資料,再外推到資料範圍外,來預計極端風險的機率。但其結果需要謹慎的使用,因為由過去數據推算的機率不一定有代表性,而系統的機率也可能已經有變化。
黑天鵝效應
有時關注的事件和以往的經驗非常不同,沒有過去資料作為準則。納西姆·尼可拉斯·塔雷伯提出了黑天鵝效應,認為不可預期事件的機率以及影響常常被低估。事後多半可以找到原因解釋,但事前沒有人可以預測的到。
銀行作業風險
除了信用風險以及市場風險外,銀行還需要預估其他風險造成的嚴重結果。其他風險稱為作業風險,包括一些會讓銀行倒閉的重大事件,例如大型的銀行內部詐騙。銀行的國際合規制度新巴塞爾資本協定,要求要用統計理論量化這些風險,統計理論包括极值理论,或是由內部專家委員會進行的情景分析。銀行監管單位(例如美國的联邦储备系统)會檢視這些結果。各方的談判會形成一個結合了知情的量化方法以及專家意見的系統。這至少可以避免因為資料不足帶來的風險,並且避免因為單純靠專家意見產生的認知偏誤[1]。
相關條目
參考資料
- J. Franklin, (2008), Operational risk under Basel II: A model for extreme risk evaluation, Banking and Financial Services Policy Report 27 (10) (Oct 2008), 10-16.
- J. Franklin, S.A. Sisson, M.A. Burgman and J.K. Martin, (2008) Evaluating extreme risks in invasion ecology: learning from banking compliance (页面存档备份,存于), Diversity and Distributions 14, 581-91.
延伸閱讀
This article is issued from Wikipedia. The text is licensed under Creative Commons - Attribution - Sharealike. Additional terms may apply for the media files.