Modelo cuantitativo basado en el enfoque de pérdidas agregadas para mejorar la gestión y medición de riesgos operativos
Modelo cuantitativo basado en el enfoque de pérdidas agregadas para mejorar la gestión y medición de riesgos operativos
Barra lateral del artículo
Términos de la licencia (VER)
- Los autores/as conservan los derechos de autor y ceden a la revista el derecho de la primera publicación, con el trabajo registrado con la licencia de atribución de Creative Commons, que permite a terceros utilizar lo publicado siempre que mencionen la autoría del trabajo y a la primera publicación en esta revista.
- Los autores/as pueden realizar otros acuerdos contractuales independientes y adicionales para la distribución no exclusiva de la versión del artículo publicado en esta revista (p. ej., incluirlo en un repositorio institucional o publicarlo en un libro) siempre que indiquen claramente que el trabajo se publicó por primera vez en esta revista.
- Se permite y recomienda a los autores/as a publicar su trabajo en Internet (por ejemplo en páginas institucionales o personales) antes y durante el proceso de revisión y publicación, ya que puede conducir a intercambios productivos y a una mayor y más rápida difusión del trabajo publicado (veaThe Effect of Open Access).
Licencia
Esta obra está bajo una Licencia Creative Commons Atribución-NoComercial-NoDerivativa 4.0 Internacional
Contenido principal del artículo
Resumen
Resumen: En general, todas las organizaciones enfrentan el riesgo operativo, ya que éste se refiere a la posibilidad de incurrir en pérdidas por deficiencias, fallas o inadecuaciones en los procesos, sistemas o personas de una organización. Para evitar y minimizar las pérdidas, resultado de este tipo de riesgo se requiere su gestión y medición de una forma objetiva. Este artículo propone un modelo cuantitativo para la medición de riesgos operativos basado en un Enfoque de P.rdidas Agregadas (LDA), en el cual por medio de una matriz se relacionan líneas de negocio y diferentes tipos de riesgo asociado a cada una con el propósito de ajustar distribuciones estadísticas especiales a variables de frecuencia y severidad. Esto con el fin de obtener resultados, en términos monetarios, sobre la máxima pérdida posible en que puede incurrir una entidad causado por la ocurrencia de eventos de riesgo operativo inherentes al negocio, los cuales se representan mediante intervalos de confianza y el cálculo del valor en riesgo por riesgo operativo (OpVaR) y apoyando en el software MS-Excel y @Risk. Se logró validar el modelo propuesto mediante una prueba de Kupiec principalmente. Una de las conclusiones importantes es que la recopilación de datos es un proceso clave, ya que el modelo cuantitativo propuesto depende de un punto de vista estadístico de la calidad de los datos sobre eventos de riesgo operativo.
Abstract: In general, all organizations face operational risk, as it relates to the possibility of incurring losses due to deficiencies, inadequacies or failures in processes, systems or people in an organization. In order to prevent and minimize losses resulting from this type of risk the operational risk management and measurement should be carried out in an objective way.This article proposes a quantitative model for operational risk management based on a Loss Distribution Approach (LDA). Through a matrix the business lines of an organization are related with different types of risk that are associated with them. The purpose is to adjust statistical distributions of frequency and severity to the data in order to get results, in monetary terms, with respect to the maximum loss, represented by confidence intervals and the operational value at risk (OpVaR), that a company might suffer due to the occurrence of operational risk events. The calculation of these values was carried out by using the software MS-Excel and @Risk. The validation of the proposed model was mainly done by carrying out a Kupiec Test. An important conclusion is that the data compilation is a key process, as the proposed quantitative model depends from a statistical perspective on the quality of the data about operational risk events.