Wolters Kluwer实现了一种操作风险建模的场景分析方法

巴塞尔协议II允许机构使用三种方法之一来计算操作风险:基本指标、标准化或高级测量(AMA)。基本指标和标准化方法产生了过高的资本估计，使其难以进行情景分析和压力测试。然而，大多数较小的金融机构，包括新兴市场的银行，都没有应用AMA，因为它们缺乏开发所需的高级模型的资源。

Wolters Kluwer试图通过开发COM方法的打包实现来帮助这些机构，该方法将包含AMA所需的内部数据、外部数据和场景分析。

分析人员需要一个计算环境来执行参数估计、拟合优度测试和其他统计分析。在实现COM方法之后，他们需要一种方法来打包解决方案，既能保护他们的知识产权，又能让金融分析师更容易地衡量他们自己的操作风险资本。

Wolters Kluwer使用MATLAB和Statistics and Machine Learning Toolbox™开发了一个实现COM方法的模型。

COM方法的第一步是确定适合给定内部损失数据集的分布。该团队通过使用统计和机器学习工具箱对对数正态分布、对数分布、对数分布和威布尔分布进行参数估计，在模型中实现了这一步。

为了评估分布与数据匹配的程度，他们在模型中添加了Anderson-Darling、Kolmogorov-Smirnov和卡方拟合优度检验。他们使用分位数-分位数(QQ)图来可视化拟合优度评估。

COM方法的下一步是合并场景数据，该数据基于金融机构的实际损失经验。该团队在MATLAB中实现了这一步，在每个分布上运行10,000个COM试验，并使用统计和机器学习工具箱使用最大似然估计重新估计分布参数。

该模型使用新的分布来估计基于单损失近似的操作风险资本。对于历史损失数据很少或没有的机构，该团队实施了另一种方法，依靠经验分布和MATLAB中的蒙特卡罗模拟来估计资本。

使用MATLAB编译器™，该团队将MATLAB模型打包为Microsoft^®Excel插件。金融机构的分析师即使没有安装MATLAB，也可以直接在Excel中使用此插件来执行操作风险建模。

作为此Excel界面的替代方案，威科集团计划使用MATLAB和数据库工具箱™实现一个自定义用户界面，该界面从数据库检索模型输入并将结果存储在数据库中。