위험 모델링

위험 모델링은 한계, 준비금, 헤지, 자동 정책 및 측정 우선 순위와 같은 결정을 내릴 확률과 손실 규모를 체계적으로 평가합니다. 아래는 위협 맵에서 모델 악용에 이르는 엔드 투 엔드 프레임 워크입니다.

1) 위험지도 및 KRI

도메인: 운영 (사고/SLA), 재무 (FX, 유동성), 제품 (품질/변환), 행동 (사기/RG), 규제 (벌금, 차단), 파트너 (제휴/제공 업체), 정보 보안 (누출/해킹), 모델 위험.

KRI (주요 위험 지표): 사고 발생률, p95/99 지연, 청구서 공유, FPR 사기 방지, 음성 음성 공유, 적용 범위 모니터링, "조기 경보 신호" (선행) 대 결과 (지연).
소유자, 빈도, 임계 값, 히스테리시스 및 에스컬레이션 채널이있는 모든 KRI.

2) 주파수 × 심각도: 기본 손실 수학

기간 손실 (L) 은 복합 공정으로 모델링됩니다

[
N\sim\텍스트 {Poisson} (\lambda )\\텍스트 {и독점 }\텍스트 {NegBin} (r, p),
\ quad X _ i\sim F _ {\텍스트 {심각도}} (\theta),
\ quad L =\sum _ {i = 1} ² {N} X _ i
]

주파수 (N): 포아송 (드문 독립 이벤트), 네그 빈 (과잉 분산/클러스터링).
심각도 (X): Lognormal (보통 꼬리), Gamma, Pareto/Log-Pareto (두꺼운 꼬리), 혼합 모델 (혼합).
제로 인플레이션: 많은 0에서.
검열/공제 가능: 공제액/보험 한도 회계.

손실 분포 접근 (LDA): 일치 (\lambda) 및 중력 매개 변수, 몬테 카를로 또는 컨볼 루션 (FFT) → 테일 메트릭.

3) 테일 헤어 라인 및 EVT

극단적 인 경우 익스트림 가치 이론을 사용하십시오

Maxima → GEV 블록, Peaks-Over-Threshold → GPD, 임계 값 선택 (u) + 문구성 검사.
꼬리 안정성에 의한 캘리브레이트 (QQ- 플롯, 힐 추정기).
목표는 드문 큰 손실 (1/100-1/1000) 을 정확하게 추정하는 것입니다.

4) 의존성: 상관 관계 및 copulas

피어슨 상관 관계는 꼬리가 부족합니다. copulas 사용:

가우시안 (단순하지만 약한 꼬리 그립), 학생 -t (꼬리 의존성), Clayton/Gumbel (비대칭 꼬리).
먼저, 한계 (심각도/주파수) 를 조정 한 다음 위험 포트폴리오 및 농도의 공동 모델링을위한 copula를 조정하십시오.

5) 위험 지표 및 경제 지표

VaR (_\알파): 손실 량 (예: 99%).
CVaR/예상 부족 (_\알파): VaR 외부의 평균 손실-꼬리에 선호됩니다.
EL/UL: 예상/예상치 못한 손실.
RAROC: (\텍스트 {대문자에 대한 위험 조정 수익률} =\frac {\텍스트 {о보기} -\텍스트 {을 참조하십시오. 손실} {\텍스트 {Capital at risk}}).
위험에 처한 자본: 적용 범위 수준 (예: CVaR 99. 5%) + 버퍼.

6) 시나리오 및 스트레스 테스트

시나리오 = 입력 쇼크 + 상관 관계 + 비즈니스 규칙.
유형: 역사적 (2020 covid 피크), 가상 (규제 차단, 정전 PSP), 역전 ("어떤 충격으로 인해 X가 손실됩니까? »).
결과-포인트가 아닌 손실 범위. 문서 가정 및 의사 결정 채널 (제한/캡/일시 중지).

7) 베이즈 및 업데이트 지식

베이지안 주파수/심각도: 데이터 입력시 선험적 (감마 포아송, 유익한 하이퍼 매개 변수가있는 로그 노멀) → 온라인 업데이트.
작은 샘플/새로운 시장 (부분 풀링, 계층 적 모델) 에 유용합니다.

8) 데이터 및 품질 (Point-in-Time!)

데이터 계약: 스키마, 키, 가속도, 이벤트 버전 지정, 조정 플래그.
Point-in-Time 정확성: 교육에 대한 향후 신호가 없습니다 (특히 사기/운영 실패).
정책 변경/변경. 치수: 이벤트 캘린더로.
정체 및 이동: 주요 기능에 따른 프로필 드리프트 (PSI/KL).

9) 시뮬레이션 절차 (단계)

1. 사례와 지평선을 정의하십시오: "손실", 기간, 단위 (브랜드 × 국가 × 채널) 는 무엇입니까?
2. 데이터 세트를 구성하십시오: 주파수, 무게, 공변량 (계절, 프로모션, FX, 공급자).
3. 가족 선택: Poisson/NegBin × Lognormal/Pareto (QQ 뗏목/KS/AD 테스트 확인).
4. 의존성: 포트폴리오 집계를위한 copula/factor 모델.
5. 교정: MLE/베이지안; 검열, 공제, 특이 치를 설명합니다.
6. 검증/백 테스트: 테일 코팅, 매개 변수 안정성, 응력 감도.
7. 몬테카를로: (10 ² 5) - (10 ² 6) 런; VaR/CVaR, 시나리오 손실을 추정하십시오.
8. 솔루션: 한계, 한도, 일시 정지, 예비 할당, RAROC 우선 순위 측정.
9. 문서: 모델 카드, 스크립트 여권, 런북.

10) 정책 및 자동화 통합

트리거: KRI/VaR/CVaR 임계 값을 초과합니다 → 단계 (KYC 향상, 3DS 시행, 제한 축소, 지불 채널 스로틀 링, 프로모션 비활성화).
Hysteresis/cooldown: "깜박임" 을 피하기 위해 다른 입력/출력 임계 값입니다.
위험 대기열: (\matbb {E} [EV]) = 측정 비용-손상을 피합니다.

11) 예제 복합 모델 (의사-파이썬)

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()

계층/포트폴리오: 각 세그먼트를 계산 한 다음 copula/factor 또는 경험적 공동 샘플링을 통해 집계하십시오.

12) 제한 및 자본 관리

한도/캡: 유효한 CVaR에 연결된 채널/국가/공급자 별.
준비금: 적용 범위 수준 (예: CVaR 99% 월) + 제어 버퍼.
위험 이전: 재보험/보험, FX 헤지, 공급자의 다각화.

13) 모델 위험 및 거버넌스

모델 카드 (템플릿)

목적 및 응용 분야; VaR/CVaR/적용 범위 지표 데이터 및 기간; 가정; 한계; 민감도; 공정성/윤리; 소유자; 버전; 개정 날짜.

MLops/ModelOps: 모델 레지스터, 버전 제어, 섀도우/카나리아 출시, 온라인/오프라인 패리티, 품질 및 드리프트 모니터링, 자동 경고, 크레인 정지 기능.

검증/백 테스트

Kryzh: 테일 코팅 (Kupiec/Christoffersen), 매개 변수 안정성, 응력 저항, 대체 사양.

14) Proda 모니터링 및 룬 문서

메트릭

VaR 적용 범위 (실제 혁신/예상), CVaR 교정, EL/UL 역학.
입력 드리프트 (PSI), "새로운" 세그먼트 공유, 한계 과부하.
운영: 대기 시간 계산, 피드 지연,% 폴백.

런북 ("충전기의 서지" 의 예)

1. 데이터의 신선도와 라벨의 정확성을 확인하십시오.
2. 버스트 세분화 (국가/지불/장치/파트너).
3. 영향을받는 세그먼트에서 스텝 업 KYC/3DS를 사용하면 한계가 줄어 듭니다.
4. "PSP 손실" 스트레스 시나리오를 실행하고 CVaR을 다시 계산하십시오.

5. 채널 소유자와의 커뮤니케이션, 보상 계획

6. 모델 매개 변수/규칙의 회고 및 업데이트.

15) 시나리오 여권 (템플릿)

ID/버전, 날짜, 소유자

내러티브: 발생한 일 (규제 금지 × FX 충격 × 정전 PSP)

충격: (\델타) 주파수, 심각도/상관 변경, 지속 시간

손실 추정치: EL/VaR/CVaR (일/주/월)

대책: 제한/전환 제공 업체/통신/보험

출구 지점: 조치 조건 (히스테리시스)

16) KRI 여권 및 제한 (간단한)

KRI: 코드, 정의, 공식, 창, 임계 값 '경고/중요', 히스테리시스, 소유자, 경고 채널.
제한: 객체 (채널/국가/공급자), 메트릭 (CVaR99/EL), 값, 기간, 우선 순위, 초과 작업, 예외/시간 창.

17) 반 패턴

꼬리 대신 매체에 대한 의존; "아름다운 RMSE" 와 가난한 CVaR.
꼬리 의존성이없는 "그대로" 상관 관계.
Point-in-Time → 누출 부족, "정확도" 재평가.
시나리오/스트레스 무시; "모든 것을위한" 모델.
사일런트 파라미터는/changelog 버전없이 편집됩니다.
정치 → 펄프 조치에는 히스테리시스가 없습니다.

18) 위험 모델링 루프를위한 사전 릴리스 점검표

위험 카드 및 KRI 발급, 소유자 지정
PIT 데이터, 소스 계약, 이벤트/정책 일정
주파수 및 심각도 보정, 꼬리 테스트 (EVT)
의존성 모델링 (copula/factor), 포트폴리오 집계
VaR/CVaR 백 테스트, 코팅 및 매개 변수 안정성은 정상입니다
스크립트 및 스트레스 테스트 준비, 여권 및 런북 발행
한계/한도/정책, 히스테리시스 활성화 통합
모델 카드 버전, 소유자, 모니터링 및 경고 구성

합계

위험 모델링은 "평균 손실 추정" 이 아니라 꼬리 관리에 관한 것입니다. 정확한 빈도 및 심각도, 극단적 인 EVT, 코 풀라를 통한 종속성, 시나리오 및 스트레스 테스트, VaR/CVaR 및 경제 지표 (RAROC) 및 ModelOps 분야. 이러한 회로는 "검은 백조" 의 위험을 한계, 예비 및 명확한 조치를 가진 정량화 된 솔루션으로 바꿉니다.

위험 모델링