Riesgo Operacional, Calibración y Stress Testing

Fermac Risk SLNE
En Madrid (España)

2.000€ - ($1.376.178)
¿O prefieres llamar ahora al centro?
+34 9... Ver más
Compara este curso con otros similares
Ver más cursos similares

Información importante

  • Curso
  • Madrid (España)
  • Duración:
    3 Días
Descripción


Dirigido a: Este programa va dirigido a responsables y analistas de riesgos. El contenido del curso es estadistíco y matemático.

Información importante
Instalaciones

¿Dónde se da y en qué fecha?

comienzo Ubicación
Consultar
Madrid
Madrid, España
Ver mapa

Temario

AGENDA

DÍA 1

MODULO I: Riesgo Operacional en Basilea II

  • Crisis Financiera Principales eventos y pérdidas históricas y del año 2008
  • Riesgo Operacional en Basilea II
  • Clasificación de las pérdidas
  • Método del Indicador Básico y Estándar
  • Métodos Avanzados Informes Banco de España RP 41 y RP 42

MODULO II: Introducción a la Gestión del Riesgo Operacional

  • Auto evaluaciones y cuestionarios
  • Uso de los Key Risk Indicators
  • Estructura y organización en la gestión de riesgo operacional Identificación
  • Medición
  • Control del Riesgo operacional
  • Monitorización del Riesgo Operacional
  • Efectos de las pólizas de seguro y mitigación

MÓDULO III: Medición Avanzada del Riesgo Operacional

  • Generación de escenarios
  • Valoración de Escenarios
  • Definición de las U. de Negocio
  • Calidad de los datos
  • Validación Determinación de parámetros
  • Correlaciones Simulación Montecarlo
  • Estimación de Capital Enfoque AMA Top Down-Bottom-Up Loss Distribution Approach Stress Testing New Scenario Analysis New

DÍA 2

MÓDULO IV: Estimación de Parámetros

  • Exponencial Gamma Lognormal Weibull Inversa Gaussiana Pareto Generalizada Beta: GB2 g y h Binomial Negativa Poisson
  • Frecuencia: Gamma-Poisson
  • Severidad: Gamma-Pareto y Normal-Lognormal
  • Gráficos de densidad de distribuciones y Q-Q Plot
  • Estadísticos: Kolmogorov-Smirnov, Anderson-Darling, Cramer Von Mises y Chi cuadrado test
  • Distribuciones para ajustar la severidad de la pérdida
  • Distribuciones de Frecuencia para ajustar el número de eventos
  • Ajustes a la Frecuencia Distribuciones con punto de truncamiento
  • Distribución logística de truncamiento de Fontnouvelle
  • Estimación de Máxima verosimilitud
  • Truncamiento de datos
  • Mixtura de Distribuciones
  • Inferencia bayesiana
  • Incertidumbre en los parámetros
  • Credibilidad en los parámetros
  • Distribución inicial y posterior New
  • Selección y Validación del Modelo
  • Aproximación a la varianza e intervalos de confianza de los parámetros New Generación de números aleatorios
  • Ejercicio 1: Ajustes de distribución de severidad: Lognormal, Weibull, exponencial, inversa Gaussiana y gamma
  • Ejercicio 2: Ajuste de distribución de frecuencia: Poisson y binomial negativa.
  • Ejercicio 3: Gráfico comparativo de densidad de distribuciones New
  • Ejercicio 4: Estadísticos de ajustes de K-S, AD, CVM.
  • Ejercicio 5: Estimación Bayesiana de parámetros de Poisson y Pareto contra Estimación de máxima verosimilitud.New
  • Ejercicio 6: Intervalos de confianza de parámetros de la Lognormal New
  • Ejercicio 7: Ajuste de distribución generalizada beta GB2 en RNew
  • Ejercicio 8: Ajuste de distribución G y H en R New
  • Ejercicio 9: Generación de números aleatorios de distribuciones paramétricas.

DÍA 3

MÓDULO V: Teoría del Valor Extremo

  • Gumbel Frechet Weibull
  • Exponencial Pareto Beta Gráfico de Hill y Mean Excess
  • Distribuciones de valor extremo
  • Distribuciones generalizadas de Pareto
  • Estimación del umbral Selección del Modelo Inconvenientes de la EVT Ejercicio 10: Gráficos: Mean Excess, Q-Q y Hill plot Ejercicio 11: Ajuste de distribución de severidad Pareto por EVT MÓDULO VI: Tratamiento de datos externos y escenarios
  • Regresión OLS para reescalar severidad Regresión poisson para reescalar frecuencia
  • Análisis de escenarios Tratamiento de datos externos
  • Modelos de reescalamiento de datos externos Inferencia bayesiana con datos externos y opiniones expertas

MÓDULO VII: Estimación de Capital Económico

  • Pérdidas esperada e inesperada Capital Económico
  • Simulación de Monte Carlo Métodos alternativos de agregación de pérdidas: Panjer y Fast Fourier New Datos truncados
  • Principio de Parsimonia
  • Efecto de los Seguros en la simulación de Montecarlo Correlación y estructura de dependencia entre celdas Copulas: Gaussianas y T-Student
  • Ejercicio 12: Estimación del capital con datos truncados
  • Ejercicio 12.1: Simulación de Montercarlo con efecto del deducible / franquicia del seguro
  • Ejercicio 12.2: Simulación de Montecarlo de distintas celdas (evento y unidad de negocio) usando copulas gaussianas y T-Student New
  • Ejercicio 12.3: Estimación del capital económico al 99.9% comparando enfoque bayesiano: Poisson-Gamma y Pareto-Gamma contra estimador de máxima verosimilitudNew
  • Ejercicio 12.4: Agregación de pérdidas por método recursivo New

Compara este curso con otros similares
Ver más cursos similares