مدل سازی ریسک

مدل سازی ریسک

مدل سازی ریسک یک ارزیابی سیستماتیک از احتمال و میزان تلفات برای تصمیم گیری است: محدودیت ها، ذخایر، پرچین ها، سیاست های خودکار و اولویت بندی اقدامات. در زیر چارچوب پایان دادن به پایان از نقشه تهدید به بهره برداری از مدل است.

1) نقشه ریسک و KRI

دامنه: عملیاتی (حوادث/SLA), مالی (FX, نقدینگی), محصول (کیفیت/تبدیل), رفتاری (تقلب/RG), نظارتی (جریمه, مسدود کردن), شریک (وابسته/ارائه دهندگان), امنیت اطلاعات (نشت/هک), خطر مدل.

KRI (شاخص های کلیدی ریسک): نرخ حوادث، تاخیر p95/99، سهم بازپرداخت، ضد تقلب FPR، سهم صدای منفی، نظارت بر پوشش، «سیگنال های هشدار دهنده زودهنگام» (پیشرو) در مقابل عواقب (عقب ماندگی).
تمام KRI ها با مالک، فرکانس، آستانه، هیسترزیس و کانال تشدید.

2) فرکانس × شدت: ریاضیات از دست دادن پایه

[
N\sim\text {Poisson} (\lambda)\ text{или }\text {NegBin} (r, p),
\ quad X_i\sim F_{\text{severity}} (\theta),
\ quad L =\sum _ {i = 1} ^ {N} X_i
]

فرکانس (N): پواسون (حوادث مستقل نادر)، NegBin (overdispersion/خوشه بندی).
شدت (X): Lognormal (دم متوسط)، گاما، پارتو/Log-Pareto (دم ضخیم)، مدل های مخلوط (مخلوط).
تورم صفر: در بسیاری از صفرها.
سانسور/تخفیف: حسابداری برای کسورات/محدودیت های بیمه.

Loss Distribution Approach (LDA): پارامترهای match (\lambda) و gravity و سپس Monte Carlo یا convolution (FFT) → tail metrics.

3) خطوط موی دم و EVT

• Block Maxima → GEV، Peaks-Over-Threshold → GPD، انتخاب آستانه (u) + بررسی ایستایی.
• کالیبراسیون با ثبات دم (QQ-plot، برآوردگر هیل).
• هدف این است که به درستی برآورد زیان های بزرگ نادر (1/100-1/1000).

4) وابستگی: همبستگی و copulas

• Gaussian (گرفتن دم ساده اما ضعیف)، Student-t (وابستگی دم)، Clayton/Gumbel (دم نامتقارن).
• اول، حاشیه ها (شدت/فرکانس) را تنظیم کنید، سپس مفصل برای مدل سازی مشترک نمونه کارها و غلظت ریسک.

5) معیارهای ریسک و شاخص های اقتصادی

VaR (_\alpha): کمیت از دست دادن (به عنوان مثال 99%).
CVaR/کمبود مورد انتظار (_\alpha): میانگین تلفات در خارج از VaR - ترجیح داده شده برای دم.
EL/UL: از دست دادن مورد انتظار/غیر منتظره.
RAROC: (\text {Risk-Adjusted Return on Capital} =\frac {\ text{Доход} -\ text{Ож. {\text {سرمایه در معرض خطر}}).
سرمایه در معرض خطر: سطح پوشش (به عنوان مثال CVaR 99 5٪) + بافر.

6) سناریوها و تست استرس

سناریو = شوک ورودی + همبستگی + قوانین کسب و کار.
انواع: تاریخی (قله کووید 2020)، فرضی (مسدود کردن نظارتی، PSP قطع)، معکوس ("چه شوک باعث از دست دادن ≥ X ؟ »).
نتایج - محدوده از دست دادن، نقطه نیست. اسناد مفروضات و کانال های تصمیم گیری (محدودیت/کلاه/مکث).

7) بیز و به روز رسانی دانش

فرکانس/شدت بیزی: پیشینی (گاما-پواسون، Lognormal با آموزنده بیش از حد پارامترها) → به روز رسانی آنلاین در ورود اطلاعات.
مفید در نمونه های کوچک/بازارهای جدید (ادغام جزئی، مدل های سلسله مراتبی).

8) داده ها و کیفیت (نقطه در زمان!)

قراردادهای داده: طرح ها، کلید ها، زمان بندی ها، نسخه های رویداد، پرچم های تنظیم.
صحت نقطه در زمان: هیچ سیگنال های آینده در آموزش (به ویژه برای تقلب/شکست عملیاتی).
تغییر سیاست/تغییرات ابعاد: به تقویم رویداد.
رکود و تغییرات: رانش پروفیل (PSI/KL) توسط ویژگی های کلیدی.

9) روش شبیه سازی (مراحل)

1. مورد و افق را تعریف کنید: «از دست دادن»، دوره، واحد (نام تجاری × کشور × کانال) چیست ؟

2. یک مجموعه داده را تشکیل دهید: فرکانس ها، وزن ها، کوواریته ها (فصلی، تبلیغی، FX، ارائه دهندگان).
3. انتخاب خانواده: پواسون/NegBin × Lognormal/پارتو (بررسی QQ رفتها/KS/آزمون AD).
4. وابستگی ها: مدل مفصل/عامل برای جمع آوری نمونه کارها.
5. کالیبراسیون: MLE/بیزین ؛ حسابداري براي سانسور، استنتاج.
6. اعتبار سنجی/backtest: پوشش دم، ثبات پارامتر، حساسیت به استرس.
7. مونت کارلو: (10 ^ 5) - (10 ^ 6) اجرا می شود ؛ برآورد VaR/CVaR، تلفات سناریو.
8. راه حل ها: محدودیت ها، کلاه ها، مکث ها، تخصیص ذخیره، اولویت بندی اقدامات RAROC.
9. اسناد: کارت مدل، گذرنامه اسکریپت، runbook.

10) ادغام سیاست و اتوماسیون

محرک: بیش از آستانه KRI/VaR/CVaR → مراحل (افزایش KYC, 3DS-enforce, کاهش حد, کانال پرداخت throttling, غیر فعال کردن تبلیغی).
Hysteresis/cooldown: آستانه ورودی/خروجی مختلف برای جلوگیری از «چشمک زدن».
صف های خطر: مرتب شده بر اساس (\mathbb {E} [EV]) = اجتناب از آسیب − هزینه اقدامات − آسیب.

11) مدل ترکیبی نمونه (شبه پایتون)

python import numpy as np

1) frequency (week) and severity (EUR)
lam = 3. 2            # Poisson rate mu, sigma = 6. 0, 1. 1      # Lognormal params (ln-space)
S = 200000           # simulations

N = np. random. poisson (lam, S) # event rate sev = lambda n: np. exp(np. random. normal (mu, sigma, n)) # severity loss = np. array([sev(n). sum() if n>0 else 0. 0 for n in N])

VaR99 = np. quantile(loss, 0. 99)
CVaR99 = loss[loss >= VaR99].mean()
EL   = loss. mean()

سلسله مراتب/نمونه کارها: برای هر بخش شمارش کنید، سپس از طریق مفصل/عامل یا نمونه برداری تجربی جمع کنید.

12) مدیریت محدودیت و سرمایه

محدودیت ها/کلاه: توسط کانال/کشور/ارائه دهنده، گره خورده است به یک CVaR معتبر.
ذخایر: سطح پوشش (به عنوان مثال،. CVaR 99٪ ماهانه) + بافر کنترل.
انتقال ریسک: بیمه اتکایی/بیمه، پوشش ریسک فارکس، تنوع ارائه دهندگان.

13) مدل ریسک و فرمانداری

کارت مدل (قالب)

هدف و منطقه کاربرد ؛ VaR/CVaR/معیارهای پوشش داده ها و دوره ؛ فرضیات ؛ محدودیت ها ؛ حساسیت ؛ عدالت/اخلاق ؛ صاحبان ؛ نسخه ؛ تاریخ تجدید نظر

MLOps/ModelOps: ثبت مدل، کنترل نسخه، راه اندازی سایه/قناری، ویژگی برابری آنلاین/آفلاین، کیفیت و نظارت بر رانش، هشدار خودکار، توقف جرثقیل.

اعتبار سنجی/پشتی

Kryzh: پوشش دم (Kupiec/Christoffersen)، ثبات پارامتر، مقاومت در برابر استرس، مشخصات جایگزین.

14) نظارت بر پرودا و runibooks

معیارهای اندازه گیری

پوشش VaR (پیشرفت های واقعی/انتظار می رود)، کالیبراسیون CVaR، دینامیک EL/UL.
رانش ورودی (PSI)، سهم بخش های «جدید»، اضافه بار محدودیت ها.
عامل: محاسبه تاخیر، تاخیر خوراک،٪ folbacks.

Runbook (نمونه ای از «افزایش شارژر»)

1. تازگی داده ها و صحت برچسب ها را بررسی کنید.
2. تقسیم بندی پشت سر هم (کشور/پرداخت/دستگاه/شریک).
3. فعال کردن KYC/3DS گام به گام در بخش های آسیب دیده، محدودیت ها را کاهش می دهد.
4. اجرای «از دست دادن PSP» سناریوی استرس، محاسبه مجدد CVaR.
5. ارتباط با صاحبان کانال، برنامه جبران خسارت.
6. بازنگری و به روز رسانی پارامترهای مدل/قوانین.

15) گذرنامه سناریو (قالب)

شناسه/نسخه، تاریخ، مالک

روایت: چه اتفاقی افتاد (ممنوعیت قانونی × شوک FX × قطع PSP)

شوک: (دلتا) فرکانس، تغییرات شدت/همبستگی، مدت زمان

برآورد از دست دادن: EL/VaR/CVaR (روز/هفته/ماه)

اقدامات متقابل: محدودیت/سوئیچینگ ارائه دهندگان/ارتباطات/بیمه

نقاط خروج: شرایط برای انجام اقدامات (هیسترزیس)

16) گذرنامه KRI و محدودیت (کوتاه)

KRI: کد، تعریف، فرمول، پنجره، آستانه 'هشدار/بحرانی'، هیسترزیس، مالک، کانال هشدار.
محدودیت: شی (کانال/کشور/ارائه دهنده)، متریک (CVaR99/EL)، ارزش، دوره، اولویت، بیش از اقدامات، استثنا/پنجره زمان.

17) ضد الگوهای

اعتماد به رسانه به جای دم ؛ «RMSE زیبا» و CVaR ضعیف.
همبستگی «به عنوان» بدون وابستگی دم.
عدم وجود نقطه در زمان → نشت، ارزیابی مجدد «دقت».

نادیده گرفتن سناریوها/استرس ها ؛ یک مدل «برای همه چیز»

ویرایش پارامتر خاموش بدون نسخه/changelog.
هیچ هیسترزی در سیاست وجود ندارد - اقدامات flapping.

18) چک لیست قبل از انتشار برای حلقه های مدل سازی ریسک

• کارت ریسک و KRI صادر شده، صاحبان اختصاص داده شده است
• داده های PIT، قراردادهای منبع، تقویم رویداد/سیاست
• فرکانس و شدت کالیبراسیون، دم تست شده (EVT)
• وابستگی های مدل شده (مفصل/عامل)، نمونه کارها جمع شده است
• پشت VaR/CVaR، پوشش و ثبات پارامتر طبیعی است
• اسکریپت ها و تست های استرس آماده، گذرنامه و runbook صادر شده است
• ادغام با محدودیت/کلاه/سیاست، هیسترزیس را فعال کنید
• نسخه مدل کارت، صاحبان، نظارت و هشدار پیکربندی شده است

مجموع

مدل سازی ریسک در مورد «برآورد زیان متوسط» نیست، بلکه مدیریت دم است: فرکانس و شدت صحیح، EVT برای افراط و تفریط، وابستگی از طریق copulas، سناریوها و تست های استرس، VaR/CVaR و معیارهای اقتصادی (RAROC)، به علاوه نظم ModelOps. چنین مدار خطرات را از «قوهای سیاه» به راه حل های کمی با محدودیت ها، ذخایر و اقدامات واضح تبدیل می کند.