Skip to content

GCRI · Управление системными рисками

Теория вероятностей и статистика для рисков

Probability and statistics give risk assessment its estimates of frequency, severity and their uncertainty. In systemic risk management they are used for loss distributions, dependence between risks, extreme events and the aggregation of many risks into a portfolio view, always with the data limits stated beside the number.

02Заявка

Что здесь делают теория вероятностей и статистика.

Probability and statistics provide the mathematical framework for describing uncertainty and learning from data. They underpin estimation, testing and prediction in every risk discipline. In risk management and systemic risk and methods and modelling, statistical methods quantify the likelihood and uncertainty of losses across interconnected systems. They make the evidence behind risk decisions explicit and reproducible. The canonical description is on the STEM Commons.

Моделирование частоты и тяжести

Event counts and losses are fitted with distributions suited to their shape, including heavy tails, and goodness of fit is checked before results are used for aggregation.

Dependence between risks

Copulas and common-factor models represent how risks move together, so that aggregated losses reflect the chance of several risks materialising at once.

Combining data and judgement

Bayesian methods combine sparse loss data with structured expert judgement as priors, so estimates for rare risks show how much rests on data and how much on judgement.

03Мониторинг

Соответствие хвоста распределения.

Экран, который команда использовала бы для следования этому методу: его показатели, состояния и решения. Названия приведены для примера, а значения иллюстративны.

Подгонка хвоста

Systemic risk · Probability and statistics · Run R-9987

Параметр формы неопределёнGCRI · Управление системными рисками

Кривая уровней повторяемости

Карточка метода

Метод
Теория вероятностей и статистика
Подход
пики сверх порога
Порог
95th percentile
Метка
СМОДЕЛИРОВАНО

Параметры

подгонка обобщённого распределения Парето

Параметр формы ξ0.09−0.010.48тяжёлый хвост, если значение выше нуля
Масштаб σ2.60.87.1единицы переменной
Превышения60после декластеризации
Tail fit: the screen’s structure, terms and states for Systemic risk.Example names and illustrative values; a design, not a record or a live system.
04Данные

Что потребляет метод.

Наборы данных и записи, используемые теорией вероятностей и статистикой на этой платформе, с указанием роли каждого из них и метки, которую несут их значения. Источники перечислены в реестре источников.

ДанныеРольМетка
Internal loss event databasesFrequency and severity inputsНАБЛЮДАЕМО
EM-DAT and national disaster loss databasesВнешние данные о событиях и потеряхСООБЩЕНО
Structured expert judgement recordsPriors for rare eventsОЦЕНЕНО
Sector incident databasesBenchmark frequenciesСООБЩЕНО
05Методы и доказательная база

How probability and statistics for risk is modelled, measured and tested.

Модель, её допущения, данные и неопределённость в том виде, в каком их проверил бы учёный или инженер. Структуры следуют опубликованным методам. Показанные значения являются иллюстративными, а не результатами.

Модель, уравнения и допущения

The model structure used for probability and statistics for risk, the assumptions it makes and how each is tested.

Риск элемента iRi = f(Hi, Ei, Vi, Ci)опасность, подверженность, уязвимость и потенциал реагирования
Ожидаемый годовой ущербEAL = ∑k pk · Lkover events k with annual probability pk
Связанные системыxt+1 = A xt + B ut + εtA carries the couplings, u the shock, ε the error
ДопущениеЗачем это создаётсяКак это проверяется
В пределах события опасность и подверженность независимыДелает интеграл убытков вычислимымСравнить с подгонкой копулы по совместным записям
Вблизи рабочей точки связи линейныПозволяет потрясениям распространяться через AВыйдите за пределы линейного диапазона и сравните
Кривые уязвимости переносятся между местамиМестные кривые редко доступныПроверять по наблюдаемым убыткам там, где они есть
Исходные данные
версионированные наборы данных с указанием происхождения
Результаты
распределения, а не отдельные числа
Код
выпускается вместе с карточкой модели и тестами
Воспроизведение
те же данные, код, среда и начальное значение
Стандартные формулировки риска и пространства состояний; перечисленные допущения типичны для метода и приведены для рецензирования, а не как результаты.
Руководящие принципы FAIR · GO FAIR и FORCE11W3C PROV · Консорциум Всемирной паутиныРуководство по единообразному учёту неопределённостей · МГЭИКCEOS Analysis Ready Data · Комитет по спутникам наблюдения Земли
06Валидация

Как проверяются результаты.

Результаты проверяются с помощью диагностики, перекрёстной валидации и анализа чувствительности к допущениям. Независимое воспроизведение подтверждает выводы.

ПроверкаКак это делается
Качество подгонкиDistributions are tested against the data, with particular attention to the tail
Back-testingEstimated frequencies are compared with events in periods not used for fitting
Prior sensitivityBayesian results are recomputed under alternative priors and the spread is reported

Выводы зависят от допущений о независимости, распределении и выборке, которые могут не выполняться. Малые или смещённые выборки ограничивают надёжность.

07Процесс

Как устроен процесс.

Process explorer · Process

Probability and statistics for risk: Catastrophe model pipeline

10 steps5 stages

Процесс

Probability and statistics for risk: Catastrophe model pipeline

Модели катастроф обычно включают модули опасности, уязвимости, подверженности и финансовый модуль и выдают таблицы убытков, средние годовые потери, кривые превышения, PML и TVaR.

  1. 01 Опасность

    1. 01Каталог событийНабор данных · Разработчик моделиМодуль опасности содержит большой каталог смоделированных событий, представляющий широкий спектр правдоподобных сценариев.
    2. 03Модуль опасностиМодель · Разработчик моделиДля каждого события модуль опасности даёт локальную интенсивность опасности , которую считывает модуль уязвимости.
  2. 02 Подверженность и ущерб

    1. 02ExposureDataset · Risk ownerThe exposure module houses the portfolio data, such as location-specific information.
    2. 04Модуль уязвимостиМодель · Разработчик моделиМодуль уязвимости количественно оценивает ожидаемый ущерб от события для объектов подверженности.
  3. 03 Финансовые аспекты

    1. 05Financial moduleModel · Risk ownerThe financial module calculates losses from all event scenarios. Ground-up, gross and net losses differ as shown below.
    2. 06Event loss tableDataset · Risk ownerAn event loss table lists each event with its annual occurrence probability and its loss for the portfolio.
    3. 07Year loss tableDataset · Risk ownerSome models also sample simulated years from event losses. This outline does not describe their format.
  4. 04 Метрики

    1. 08Exceedance probability curvesModel · Risk ownerThe occurrence curve gives the chance that the largest loss in a year exceeds an amount. The aggregate curve does so for the sum of losses.
    2. 09AAL, PML and TVaRModel · Risk ownerAverage annual loss sums event probability times loss. PML is one point on the occurrence curve.
  5. 05 Использование результатов

    1. 10Use of resultsDecision · Risk ownerThe tail metrics are used when considering a portfolio’s exposure and the level of catastrophe reinsurance an insurer requires.

Описание внешнего стандарта или метода по его публичным источникам. Оно описывает, что говорит рамочная основа, а не запись о каком-либо прогоне. Оно не показывает, что Nexus или какой-либо партнёр выполняет, сертифицирует или утверждает какой-либо шаг. Этап является шагом метода и никогда не является утверждением Nexus.

09Ведение и сопровождение

Кто ведёт метод.

Системная наука и моделирование осуществляют ведение и сопровождение теории вероятностей и статистики для Консорциума и рецензируют их применение на разных платформах.

11Вопросы

Вопросы и ответы.

Каковы ограничения теории вероятностей и статистики в этой области?
Выводы зависят от допущений о независимости, распределении и выборке, которые могут не выполняться. Малые или смещённые выборки ограничивают надёжность.
Как проверяются результаты?
Результаты проверяются с помощью диагностики, перекрёстной валидации и анализа чувствительности к допущениям. Независимое воспроизведение подтверждает выводы.
Значения на этой странице реальные?
The data names, roles and checks are real descriptions of practice. The canvas shows a design of the method’s use, not a run; no result is reported here.
Где ещё применяется этот метод?
Observatory Каноническая страница метода перечисляет все применяющие его платформы.
ОтчётыВнести вклад

Поделитесь доказательствами с этой страницы.

Reports является ежеквартальным изданием Консорциума. Ваши знания по этой теме могут стать доказательством, кейсом или исправлением в следующем выпуске с указанием вашего авторства и публикацией по лицензии CC BY 4.0, если это ваша собственная работа.

GCRIУправление системными рискамиСценарии и стресс-тестыМетоды и технические материалыПортфель и готовность
Управление системными рисками

Предложите метод, набор данных или вопрос.

Информация и запросы открыты уже сегодня. Запрос получает номер и указывает следующий шаг; заявки, платежи, выделение вычислительных ресурсов и регистрации открываются только тогда, когда существуют их команда, условия и возможности для проверки.

Правовая информация

Карты, данные и рисунки на этом сайте приводятся для контекста и общей информации. Они не являются советом, прогнозом или предупреждением; ограничения информации изложены в Оговорках и уведомлениях о данных.