The Cascade Bayesian Approach for a controlled integration of internal data, external data and scenarios

Bertrand Hassani (1, 2) , Alexis Renaudin (3)

1 CES - Centre d'économie de la Sorbonne
2 Santander UK
3 Aon GRC

According to the last proposals of the Basel Committee on Banking Supervision, banks under the Advanced Measurement Approach (AMA) must use four different sources of information to assess their Operational Risk capital requirement. The fourth including "business environment and internal control factors", i.e. qualitative criteria, the three main quantitative sources available to banks to build the Loss Distribution are Internal Loss Data, External Loss Data, and Scenario Analysis. This paper proposes an innovative methodology to bring together these three different sources in the Loss Distribution Approach (LDA) framework through a Bayesian strategy. The integration of the different elements is performed in two different steps to ensure an internal data driven model is obtained. In a first step, scenarios are used to inform the prior distributions and external data informs the likelihood component of the posterior function. In the second step, the initial posterior function is used as the prior distribution and the internal loss data inform the likelihood component of the second posterior. This latter posterior function enables the estimation of the parameters of the severity distribution selected to represent the Operational Risk event types.

Suivant les accords de Bâle II, les banques ayant opté pour l'Approche des Mesures Avancées doivent utiliser quatre source d'information pour évaluer leur charge en capital. Le quatrième correspondant " aux facteurs de contrôle interne ", c'est-à-dire un critère d'ordre qualitatif, les trois sources restantes pour construire la distribution de pertes sont les données internes, les données externes et l'analyse de scénarios. Ce papier propose une méthode innovante pour mélanger les données en utilisant une stratégie bayésienne dans l'environnement de la Loss Distribution Approach. L'intégration des différents éléments est réalisée en deux étapes successives pour obtenir un modèle qui soit principalement gouverné par les données internes, ce qui peut être crucial pour les praticiens. Dans une première étape, les scénarios sont utilisés pour informer les priors et les données externes la composante de vraisemblance de la distribution postérieure. Dans une deuxième étape, cette première distribution postérieure est utilisée comme prior et les données internes viennent informées la composante de vraisemblance de la seconde distribution postérieure. Cette dernière permet d'estimer les paramètres des différentes distributions sélectionnées pour modéliser les différents types d'évènements afférant aux risques opérationnels.

Mots clés: Operational Risk; Loss Distribution Approach; Bayesian inference; Marchov Chain Monte Carlo; Extreme Value Theory; non-parametric statistics; risk measures

Mots clés: Risques opérationnels; inférence Bayésienne; MCMC; EVT; statistiques non paramétriques; mesures de risque

Domaines: Economies et finances; Gestion et management; Méthodes et statistiques; Optimisation et contrôle [math.OC]; Probabilités [math.PR]; Statistiques [math.ST]; Théorie [stat.TH]

Bertrand Hassani, Alexis Renaudin. The Cascade Bayesian Approach for a controlled integration of internal data, external data and scenarios. 2013. ⟨halshs-00795046⟩