Operational Risk Management - Implementing a Bayesian Network for Foreign Exchange and Money Market Settlement
Operationale Risiko Managment Implementierung eines Bayesian Network für Foreign Exchange and Money Market Settlement Process.
Kwabena Adusei-Poku
Doctoral thesis
Date of Examination:
2005-08-26
Date of issue:
2005-09-09
Advisor:
Zucchini, Walter Prof. Dr.
Referee:
Benner, Wolfgang Prof. Dr.
Referee:
Nickel, Andreas PD Dr.
Persistent Address: http://hdl.handle.net/11858/00-1735-0000-0006-AF0F-F
Files in this item
Name:
adusei-poku.pdf
Size:
1,9 MB
Format:
PDF
Description:
Dissertation
Abstract
English
Operational risk losses in the financial industry usually occur at the business unit (micro) level and are due to weak management oversight, weak internal controls or the lack of it, or to breakdown of procedures among others. It is therefore at the micro level that operational risk has to be managed. Models for managing operational risk at the micro level include Key Risk Indicators (KRI) and causal models among others. Bayesian Networks (BN) as part of the group of causal models is a tool which can be used to manage operational risk at the micro level.The thesis demonstrates with a real-world example how a BN can be used for managing operational risk at a business unit level by developing a BN model for the Foreign Exchange and Money Market settlement process of a bank. The BN developed shows the causal relationships and several levels of dependencies among risk factors, KRIs and other operational risk attributes in one complete model making it a powerful tool for detailed management of operational risk. Results from the model compared well with historical data for quantile values from 0 to 0.95 . Above this value, the model showed higher losses than the historical data. Finally, a complete practical guidance for implementing a BN for a desired process from the point of realising the network structure, quantifying the network - probability elicitations and managing operational risk with the model to maintaining the network is provided.
Keywords: Operational risk management; Key Risk Indicators; Causal modeling; Bayesian networks; Business unit level
Other Languages
Operationale Verluste in der Finanzindustrie entstehen gewöhnlich im Alltagsgeschäft auf der unteren Geschäftsebene. Ursachen sind häufig mangelnde Übersicht des Managements, mangelhafte oder fehlende interne Kontrollen oder sich störend beeinflussende Geschäftsabläufe. Aus diesem Grund müssen operationale Risiken auf Mikrobene gemanagt werden. Häufig verwendete Modelle im Management sind unter anderem Casual Models und Key Risk Indicators (KRI). Bayesian Networks (BN) als Teil der Casual Models sind ein Werkzeug, um diese Risiken auf Mikrobene zu steuern.Diese Arbeit demonstriert anhand eines realen Beispieles, wie BN für das Management von Operationalen Risiken auf Ebene einer Geschäftseinheit verwendet werden kann, indem ein Bayesian Network Modell für den Foreign Exchange und Money Market settlement process eine Bank entwickelt wird. Das entwickelte BN zeigt die kausalen Zusammenhänge und verschiedene Stärken der Abhängigkeiten zwischen Risikofaktoren, KRIs und andere das Operationale Risiko betreffende Attribute. Das entstandene Modell ist ein leistungsfähiges Werkzeug für das detaillierte Management von Operationalen Risiken. Zwischem den 0 und 0,95 Quantilen entsprechen die Ergebnisse weitgehend historisch bekannten Werten. Oberhalb des 0,95 Quantils zeigt das Modell dagegen höhere Verluste. Abschließend ist eine praktische Anleitung für die Implementierung eines BNs für einen gewünschten Prozess beschrieben. Es werden Möglichkeiten zur Modellierung der Netzwerkstruktur, zur Quantifizierung der Netzwerkwahrscheinlichkeiten und zur Anwendung des Netzewerks im Operational Risk Management dargestellt.
Schlagwörter: Operational risk management; Key Risk Indicators; Causal modeling; Bayesian networks; Business unit level
