이란 무엇인가 Operational Risk Calculator?
▾
운영 위험은 Basel II/III에 따라 내부 프로세스, 인력, 시스템이 부적절하거나 실패하거나 외부 사건으로 인해 발생할 수 있는 손실 위험으로 정의됩니다. 이 정의에는 법적 위험이 포함되지만 전략적 및 평판 위험은 명시적으로 제외됩니다. 운영 리스크는 신용 리스크, 시장 리스크와 함께 은행의 세 번째 주요 리스크 범주로, 불량 거래로 인한 세간의 이목을 끄는 손실(Barings Bank 1995, Société Générale 2008), 시스템 장애, 사이버 공격, 사기, 규정 준수 실패로 인해 그 중요성이 더욱 커졌습니다. 운영 위험 손실은 막대하고 갑작스러울 수 있습니다. Barings Bank는 Nick Leeson의 승인되지 않은 선물 거래로 인해 13억 달러의 손실을 입었습니다. Société Générale은 Jérôme Kerviel의 불량 거래로 인해 49억 유로의 손실을 입었습니다. JPMorgan Chase는 2012년 런던 고래 파생상품 스캔들에서 62억 달러의 손실을 입었습니다. 시장 위험 및 신용 위험과 달리 운영 위험은 위험을 감수하는 대가로 기대 수익을 제공하지 않습니다. 이는 통제하고 최소화해야 하는 순수한 단점입니다. Basel II는 Basel III의 개선 사항과 함께 유지되는 운영 위험 자본 계산에 대한 세 가지 접근 방식을 도입했습니다. 기본 지표 접근법(BIA)이 가장 간단합니다. 자본금 = 지난 3년간 평균 연간 총소득의 15%입니다. 표준화된 접근 방식(SA)은 다양한 자본 요소(12~18%)를 사용하여 활동을 8개 비즈니스 라인으로 나눕니다. AMA(Advanced Measurement Approach)를 통해 은행은 내부 손실 데이터, 외부 손실 데이터, 시나리오 분석 및 비즈니스 환경 요인(BEF)을 통합한 내부 모델을 사용하여 규제 자본에 대한 바젤의 전체 99.9% 신뢰 수준과 일치하는 99.9번째 백분위수에서 운영 위험을 추정할 수 있습니다. AMA 모델 구조는 LDA(손실 분포 접근법)를 사용합니다. 운영 위험 이벤트 유형(바젤의 7개 범주)과 비즈니스 라인의 각 조합에 대해 은행은 빈도 분포(손실 발생 빈도) 및 심각도 분포(각 손실의 크기)를 모델링합니다. 빈도와 심각도를 결합하면(일반적으로 Monte Carlo 시뮬레이션을 통해) 복합 손실 분포가 생성되고 99.9번째 백분위수에서 예상 손실을 뺀 값이 자본 요구 사항을 제공합니다. 바젤 IV(2017년 확정, 2023~2028년까지 시행)는 AMA를 SMA(표준화된 측정 접근 방식)로 대체했습니다. SMA는 규제 자본에 대한 내부 모델을 제거하지만 내부 관리를 위해 유지합니다. SMA 자본 = 비즈니스 지표 × 한계 계수 × 손실 승수(실제 손실 기준).
Calkulon makes complex calculations simple — built for students and everyday problem-solvers.
공식
▾
BIA: 자본 = α × Avg(GI_1, GI_2, GI_3) 여기서 α=15%
SA: 자본금 = Σβ_i × GI_i (업종별)
AMA/LDA: 자본 = VaR₉₉.₉%(연간 총 손실) − E[연간 손실]
SMA(바젤 IV): 자본 = BI 구성 요소 × 손실 승수변수 설명
▾
| 기호 | 이름 | 단위 | 설명 |
|---|---|---|---|
| GI | 총수입 | USD/year | 순이자소득에 순비이자소득(은행 총수입)을 더한 금액입니다. BIA 및 SA 자본 계산의 기초. |
| α | BIA 자본 인자 | % | 기본 지표 접근법에 따라 15% 정액 요율; 자본 요건을 결정하기 위해 평균 3년 총소득에 적용됩니다. |
| β_i | 비즈니스 라인 베타 팩터 | % | 사업 분야별 표준화된 접근 자본 요소: 12%(소매 중개, 자산 관리)부터 18%(거래, 결제)까지입니다. |
| OR_EC | 운영 리스크 경제적 자본 | USD | 운영 위험 자본의 AMA/내부 모델 추정: 99.9번째 백분위수 총 연간 손실에서 예상 손실을 뺀 값입니다. |
| BI | 비즈니스 지표(SMA) | USD | 이자 구성 요소, 서비스 구성 요소 및 금융 구성 요소의 합계 - 운영 위험에 대한 Basel IV SMA 크기 프록시. |
방법 Operational Risk Calculator
▾
- 1적용 가능한 접근 방식 결정: 소규모 은행 또는 초기 운영 위험 프레임워크 개발 중인 은행을 위한 BIA 뚜렷한 사업 분야를 가진 은행을 위한 SA; 정교한 대규모 기관을 위한 AMA(또는 Basel IV의 SMA)입니다.
- 2BIA의 경우: 지난 3년간의 평균 총소득(음수 연도 제외) 15%를 곱합니다.
- 3SA의 경우: 모든 활동을 8개 바젤 비즈니스 라인에 매핑합니다. 각 라인의 총소득에 해당 베타 요소(12-18%)를 적용합니다. 합집합.
- 4AMA/LDA의 경우: 내부 손실 이벤트 데이터(이벤트 유형별 빈도 및 심각도)를 수집합니다. 외부 손실 데이터(ORX 데이터베이스, 공공 손실 데이터베이스)로 보완합니다. 각 위험 범주에 대한 빈도(포아송) 및 심각도(로그 정규, 일반화된 파레토) 분포를 개발합니다.
- 5Monte Carlo 시뮬레이션을 통해 빈도와 심각도를 결합하여 각 위험 범주에 대한 총 손실 분포를 생성합니다.
- 6위험 범주 간의 모델 상관 관계에 코퓰러를 적용합니다(규제 기관은 일반적으로 다양화 혜택을 허용하지만 증거가 필요함).
- 7자본 = 99.9번째 백분위수에서 총 손실에서 예상 손실을 뺀 값입니다. 심각하지만 과거 데이터로 잘 포착되지 않는 시나리오에 자본을 추가하세요.
풀어진 예시
▾
BIA는 무뚝뚝하지만 단순합니다. 위험 프로필에 관계없이 동일한 15%입니다.
평균 3년 GI = ($50M + $55M + $60M) / 3 = $55M. BIA 자본 = 15% × $55M = $825M. 이는 계산하기는 간단하지만 매우 단순하기로 악명 높습니다. 즉, 실제 위험 관리 품질, 통제 환경 또는 비즈니스 복잡성에 관계없이 동일한 총 수입을 가진 모든 은행을 동일한 운영 위험을 갖는 것으로 간주합니다. 단순하고 잘 통제된 운영을 하는 소규모 커뮤니티 은행은 BIA가 지나치게 보수적이라고 생각할 수 있습니다. 잠재적인 운영 위험 요소가 많은 대규모 복합 기관에서는 이것이 충분하지 않을 수 있습니다.
거래 라인은 운영 복잡성으로 인해 가장 높은 자본 비율(18%)을 부담합니다.
소매 금융: 2억 달러 × 12% = 2,400만 달러. 상업 은행: $150M × 15% = $22.5M. 거래 및 판매: $100M × 18% = $18M. 자산 관리: 5천만 달러 × 12% = 600만 달러. 총 SA 자본 = 7,050만 달러. SA는 거래 운영이 소매 금융보다 더 많은 운영 위험(복잡한 시스템, 결제 위험, 불량 거래자 가능성)을 수반한다는 점을 인식하여 비즈니스 라인 베타로 차별화합니다. 그러나 각 사업 분야 내에서 SA는 여전히 잘 통제되는 기관과 제대로 통제되지 않는 기관을 구분하지 않습니다.
두꺼운 꼬리의 심각도 분포는 평균에 비해 큰 자본을 발생시킵니다.
빈도: 포아송(λ=5) 모델은 연간 내부 사기 사건 수입니다. 심각도: 평균 $100,000 및 σ=1.5의 로그 정규(매우 왜곡됨 - 대부분의 이벤트는 작지만 일부는 치명적으로 큼) 100,000개의 연간 집계에 대한 Monte Carlo 시뮬레이션: 일반적으로 1년에 3~7개의 소규모 사기 사건이 발생합니다(각 $50,000~$150,000). 그러나 최악의 0.1% 연도에는 여러 대규모 이벤트가 결합되어 총 850만 달러의 손실이 발생합니다. 예상 연간 손실 = 5 × $100,000 = $500,000. AMA 자본 = $8.5M − $0.5M = $8.0M — 예상치 못한 꼬리 손실에는 자본 보장이 필요합니다. 로그노멀의 굵은 꼬리는 왜 운영 위험 자본이 드문 재앙적 사건에 의해 지배되는지 설명합니다.
SMA는 실제 손실 내역을 사용하여 내부 손실 승수를 통해 자본을 확장합니다.
바젤 IV에 따른 표준화된 측정 접근법(SMA)은 단일 비즈니스 지표(이자 소득, 수수료 소득 및 거래 소득 구성 요소를 결합한 수익과 유사한 측정)를 사용합니다. BI가 7억 5천만 달러~30억 달러인 은행의 경우 한계 BI 계수는 약 0.3%입니다. 내부 손실 승수(평균 손실 경험의 경우 1.0, 과거 평균 이상의 운영 손실이 있는 은행의 경우 증가)를 곱합니다. 자본 = 8억 달러 × 0.3% × 1.25 = 300만 달러. 손실 기록이 높은 은행은 더 많은 자본을 지불합니다. 잘 통제되는 은행은 더 적은 비용을 지불합니다. 이는 AMA보다 간단하지만 BIA와는 달리 실제 손실 경험을 반영합니다.
실제 적용
▾
은행에 대한 바젤 III/IV 규제 최소 자본 계산은 정확한 운영 위험 AMA 계산이 정보에 입각한 의사 결정, 전략 계획 및 성과 최적화를 직접 지원하는 전문적이고 분석적인 맥락에서 운영 위험 AMA의 중요한 적용 영역을 나타냅니다.
정확한 운영 위험 AMA 계산이 정보에 입각한 의사 결정, 전략 계획 및 성과 최적화를 직접 지원하는 전문적이고 분석적인 맥락에서 운영 위험 Ama의 중요한 적용 영역을 나타내는 운영 위험 관리를 위한 내부 경제 자본 할당
정확한 운영 위험 AMA 계산이 정보에 입각한 의사 결정, 전략 계획 및 성과 최적화를 직접 지원하는 전문적이고 분석적인 맥락에서 운영 위험 Ama의 중요한 적용 영역을 나타내는 운영 위험 노출을 상쇄하기 위한 보험 프로그램 크기
운영 위험 자체 평가(RCSA) 및 제어 평가는 정확한 운영 위험 AMA 계산이 정보에 입각한 의사 결정, 전략 계획 및 성과 최적화를 직접 지원하는 전문적이고 분석적인 맥락에서 운영 위험 Ama의 중요한 적용 영역을 나타냅니다.
정확한 운영 위험 AMA 계산이 정보에 입각한 의사 결정, 전략 계획 및 성과 최적화를 직접 지원하는 전문적이고 분석적인 맥락에서 운영 위험 AMA의 중요한 적용 영역을 나타내는 운영 위험 프로필 및 추세에 대한 이사회 및 규제 보고
특수 경우
▾
운영 위험 ama 입력 값이 0에 가까워지거나 음수가 되는 경우
운영 위험 AMA 입력 값이 0에 가까워지거나 운영 위험 AMA에서 음수가 되면 수학적 동작이 크게 변경됩니다. 0 값은 0으로 나누기 오류나 사소하게 0인 결과를 유발할 수 있으며, 음수 입력은 수학적으로는 유효하지만 운영 위험 환경에서는 실질적으로 의미 없는 출력을 생성할 수 있습니다. 전문 사용자는 결과를 해석하기 전에 모든 입력이 물리적 또는 재정적으로 의미 있는 범위 내에 속하는지 검증해야 합니다. 음수 또는 0 값은 별도의 분석 처리가 필요한 데이터 입력 오류 또는 예외적인 운영 위험을 나타내는 경우가 많습니다.
운영 위험 AMA에서 이 시나리오는 운영 위험 AMA 결과를 해석할 때 추가적인 주의가 필요합니다. 표준 공식은 이 극단적인 경우에 존재하는 모든 요소를 완전히 설명하지 못할 수 있으며 보충 분석이나 전문가 상담이 필요할 수 있습니다. 전문적인 모범 사례에는 가정 문서화, 민감도 분석 실행, 운영 위험 아마 계산이 비표준 영역에 속하는 경우 대체 방법으로 결과 상호 참조가 포함됩니다.
운영 위험 AMA에서 이 시나리오는 운영 위험 AMA 결과를 해석할 때 추가적인 주의가 필요합니다. 표준 공식은 이 극단적인 경우에 존재하는 모든 요소를 완전히 설명하지 못할 수 있으며 보충 분석이나 전문가 상담이 필요할 수 있습니다. 전문적인 모범 사례에는 가정 문서화, 민감도 분석 실행, 운영 위험 아마 계산이 비표준 영역에 속하는 경우 대체 방법으로 결과 상호 참조가 포함됩니다.
비즈니스 라인별 바젤 표준화 접근 방식 베타 요소
▾
| 사업분야 | 베타 팩터 | 예시 활동 |
|---|---|---|
| 기업금융 | 18% | M&A 자문, 인수, 구조화금융 |
| 무역 및 판매 | 18% | 시장조성, 자기매매, 파생상품 |
| 소매 금융 | 12% | 개인대출, 주택담보대출, 예금, 신용카드 |
| 상업은행 | 15% | 기업 대출, 상업용 부동산, 팩토링 |
| 결제 및 정산 | 18% | 전신환 송금, 청산, 보관 |
| 대행 서비스 | 15% | 보관업무, 기업신탁, 예탁 |
| 자산관리 | 12% | 자금관리, 연기금, 자산관리 |
| 소매 중개 | 12% | 집행, 수주, 투자조언 |
자주 묻는 질문
▾
7가지 바젤 운영 위험 이벤트 유형은 무엇입니까?
Basel II/III에서는 운영 위험 이벤트를 7가지 범주로 정의합니다. (1) 내부 사기 - 자산 유용, 탈세, 의도적인 직위에 대한 잘못된 표시, 직원의 뇌물 수수; (2) 외부 사기 - 외부 당사자에 의한 절도, 위조, 해킹, 사이버 범죄; (3) 고용 관행 및 작업장 안전 - 산재 보상 청구, 차별, 조직적 노동 소송; (4) 고객, 제품 및 비즈니스 관행 - 신탁 위반, 제품 결함, 시장 조작, 개인정보 침해, 자금 세탁; (5) 물리적 자산에 대한 피해 - 테러, 기물 파손, 지진, 화재; (6) 비즈니스 중단 및 시스템 오류 - 하드웨어 오류, 소프트웨어 오류, 유틸리티 중단; (7) 실행, 전달 및 프로세스 관리 - 거래 실패, 데이터 입력 오류, 회계 오류, 공급업체 분쟁.
Basel IV가 SMA를 위해 AMA를 폐지한 이유는 무엇입니까?
AMA는 다음과 같은 여러 가지 이유로 바젤 IV 최종 표준(2017년, 2023~2028년 시행)에서 삭제되었습니다. (1) 유사한 접근 방식이지만 서로 다른 내부 가정을 사용하는 은행 간 AMA 자본의 과도한 변동성으로 인해 비교 가능성이 약화되었습니다. (2) 모델의 복잡성으로 인해 불투명성이 발생했습니다. 규제 기관은 기관 전체에서 AMA 모델을 쉽게 검증하거나 비교할 수 없었습니다. (3) 일부 은행은 자본 요구 사항을 최소화하기 위해 모델을 조작했습니다. (4) AMA의 유연성은 일부 구현에서 경기 순응적인 결과를 가져왔습니다. SMA는 AMA를 내부 손실 승수(Internal Loss Multiplier)를 통해 실제 과거 손실을 통합하는 보다 표준화된 공식으로 대체하여 일관성과 비교 가능성을 향상시키면서 손실 통제에 대한 인센티브를 유지합니다.
ORX 데이터베이스란 무엇이며 운영 위험에 왜 중요한가요?
ORX(Operational Riskdata eXchange Association)는 전 세계 회원 은행으로부터 익명화된 손실 이벤트 데이터를 수집하여 세계 최대 규모의 운영 위험 손실 데이터베이스를 유지 관리합니다. 회원 은행은 지정된 기준(일반적으로 $20,000) 이상으로 운영 위험 손실을 기여하고 그 대가로 컨소시엄 통계를 받습니다. ORX의 외부 데이터는 AMA 및 내부 모델 개발에 매우 중요합니다. 개별 은행에는 드물지만 영향력이 큰 사건, 즉 자본 요구 사항을 유발하는 바로 그 손실에 대한 심각도 분포의 꼬리를 추정하기 위한 과거 데이터가 부족하기 때문입니다. 외부 데이터가 없으면 기관의 10년 내부 이력에 99~99.9번째 백분위수에 해당하는 사건이 포함되지 않아 꼬리 추정이 불가능할 수 있습니다.
운영 위험의 시나리오 분석이란 무엇입니까?
시나리오 분석은 AMA에서 요구되는 과거 손실 데이터를 미래 지향적으로 보완하는 것입니다. 전문가 워크숍에서는 비즈니스 관리자, 위험 담당자 및 통제 기능이 함께 모여 주요 사이버 공격, 불량 거래자 이벤트, 불완전 판매에 대한 규제 벌금, 비즈니스 연속성 재해 등 가상이지만 그럴듯한 운영 위험 시나리오를 평가합니다. 전문가들은 각 시나리오의 확률과 심각도를 추정합니다. 시나리오 데이터는 과거 내부 데이터 및 외부 손실 데이터와 함께 AMA 모델에 통합됩니다. 시나리오 분석은 은행의 역사에서 아직 관찰되지 않았지만 업계의 다른 곳에서 발생한 것으로 알려진 테일 리스크를 포착하는 데 특히 중요합니다.
운영위험자본은 신용 및 시장위험자본과 어떻게 다릅니까?
신용 및 시장 위험 자본은 감수한 위험에 비례하여 할당됩니다. 신용 노출이 많거나 시장 변동성이 높을수록 더 많은 자본이 필요합니다. 운영 위험 자본은 일반적으로 수익의 원천이 아니기 때문에 독특합니다. 이는 프로세스, 시스템 및 인력의 실패로 인한 순수한 단점입니다. 이는 다양한 관리 인센티브를 창출합니다. 신용 위험에서는 더 많은 위험을 감수할수록 더 많은 스프레드 수익을 얻을 수 있습니다. 운영 위험에서는 더 많은 위험을 감수한다고 해서 아무 것도 얻지 못합니다(더 많은 사기 노출에 대해 아무도 보상을 받지 못합니다). 따라서 운영 위험 자본은 생산적인 위험 감수에 대한 보상이 아니라 운영 복잡성과 통제 약점에 대한 세금입니다.
운영 위험 모델링에서 LDA(손실 분포 접근법)는 무엇입니까?
LDA(손실 분포 접근법)는 주요 AMA 방법론입니다. 비즈니스 라인과 이벤트 유형(56개 위험 셀)의 각 조합에 대해 복합 손실 분포는 손실 빈도(일반적으로 포아송 분포)와 손실 심각도(일반적으로 로그 정규 또는 일반화된 파레토 분포)를 별도로 모델링하여 구성됩니다. 빈도와 심각도는 몬테카를로 시뮬레이션을 사용하여 결합됩니다. 푸아송 분포에서 빈도를 도출한 다음 해당 심각도 값을 도출하여 총 연간 손실을 합산합니다. 많은 시뮬레이션을 거친 후 총 연간 손실 분포가 구성되고 99.9번째 백분위수에서 예상 손실을 뺀 값이 자본 요구 사항과 같습니다. 주요 과제: 제한된 데이터로 두꺼운 꼬리의 심각도 분포를 맞추고, 위험 셀 간의 상관 관계를 처리하고, 극단적인 분위수 추정치를 검증합니다.
운영 위험과 자본을 줄이는 주요 통제 수단은 무엇입니까?
효과적인 운영 위험 통제는 손실 빈도와 심각도를 모두 줄입니다. (1) 업무 분리 - 한 사람의 사기 또는 오류를 방지합니다. (2) 시스템 액세스 제어 - 거래를 시작하고 승인할 수 있는 사람을 제한합니다. (3) 독립적인 확인 및 조정 - 오류 및 조작을 포착합니다. (4) 비즈니스 연속성 계획 - 시스템 오류 및 물리적 재해로 인한 손실을 줄입니다. (5) 직원 교육 및 문화 - 부주의한 오류를 줄이고 윤리 의식을 구축합니다. (6) 보험 — 일부 운영 위험 손실을 보험사에 이전합니다. (7) 제3자 위험 관리 - 아웃소싱 공급업체 위험을 제어합니다. AMA에 따라 입증 가능한 통제 개선은 내부 모델 자본 추정치를 직접적으로 줄여 운영 위험 관리 투자에 대한 직접적인 재정적 인센티브를 창출할 수 있습니다.
피해야 할 일반적인 실수
▾
- !BIA 평균에 마이너스 총소득 연도 포함 - 바젤은 손실 기간 동안 자본 감소를 방지하기 위해 마이너스 연도를 제외하도록 요구합니다.
- !꼬리 심각도 분포를 모델링할 때 외부 데이터베이스 손실로 내부 손실 데이터를 보완하지 못합니다.
- !과거 데이터에 포착되지 않은 위험, 특히 사이버 및 기후와 같은 새로운 위험에 대한 시나리오 분석을 무시합니다.
- !운영 위험 자본을 내부 위험 관리 도구가 아닌 순전히 규제 준수 활동으로 취급합니다.
- !이벤트에 여러 운영 위험 요소가 있는 경우 위험 범주 전반에 걸쳐 손실을 이중 계산합니다.
전문가 팁
필수 보고 임계값(예: $10,000를 초과하는 모든 이벤트)을 사용하여 상세한 운영 위험 손실 이벤트 데이터베이스를 유지관리합니다. 이벤트 품질(근본 원인, 기여 요인, 대응)은 위험 관리를 개선하고 규제 기관에 AMA/내부 모델 품질을 입증하기 위해 손실 금액만큼 중요합니다.
알고 계셨나요?
은행 역사상 가장 큰 단일 운영 위험 손실은 2008년 금융 위기 이전에 판매된 모기지 담보 증권과 관련하여 2013년 JPMorgan Chase가 미국 법무부에 지불한 130억 달러의 합의금으로 널리 간주됩니다. 이는 바젤의 '고객, 제품 및 비즈니스 관행' 이벤트 유형에 바로 해당하는 비즈니스 관행 실패로 인한 손실입니다. 이번 합의만으로도 많은 은행의 총 운영 리스크 자본 요구 사항을 초과하며, 이는 은행 경영진의 최고 수준에서 운영 리스크를 심각하게 받아들이는 이유를 보여줍니다.
Regional Guides
▾
🇺🇸 US▾
🇬🇧 UK▾
🇪🇺 EU▾
참고 자료
주간 수학 팁 받기
매주 계산기 팁을 받는 12,000명 이상의 구독자와 함께 하세요.