최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기Journal of the Korean Data & Information Science Society = 한국데이터정보과학회지, v.20 no.4, 2009년, pp.705 - 712
Histogram is the oldest and most widely used density estimator for presentation and exploration of observed univariate data. The structure of a histogram really depends on the number of bins and the width of the bins, so that slight changes on bins can produce totally different shape of a histogram....
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
운영위험과 관련된 손실 분포는 어떤 확률분포를 따르나? | 따라서 금융기관들은 각 영업 부문에 대한 사고로 인한 손실들을 추정하여 예상치 못한 손실에 대해 어느 수준에 비례하여 자기 자본을 확보해야 한다. 운영위험과 관련된 손실 분포는 지수분포 또는 로그정규분포와 같이 꼬리가 긴 확률분포를 따르는 것으로 알려져 있으며, 손실의 규모가 극단적인 경우가 존재하여 분포의 중심부분 보다는 꼬리부분을 정확히 추정하는 것이 필수적이다. 극단적인 위험 분석에 있어 분포의 꼬리부분만 분리하여 추정하는 극단치 이론 (EVT: Extreme Value Theory)를 이용하는 것이 요구된다. | |
운영위험이란 무엇인가? | BIS (Bank for International Settlement)의 2003년 보고서에 의하면 운영위험 (operational risk)이란 부적절하거나 잘못된 내부 절차, 시스템, 직원 또는 외부 사건으로 인해 발생하는 손실의 위험을 의미한다. 금융기관의 위험에 대한 국제적 협의가 이루어지는 바젤위원회에서는 각종 보고서를 통해서‘소매금융’, ‘도매금융’ 등 8가지 영업 부문에 대하여 ‘내부사취’, ‘외부사취’ 등 7가지 사고에 따른 운영상의 위험을 정의하고 있다. | |
극단적인 위험 분석을 위해 사용하는 극단치 이론에 대한 설명은? | 극단치 이론은 극단적인 사건에 대한 확률적 성질을 연구하는 이론으로서 그 방법론은 일반화 극단치 분포 (GEV: Generalized Extreme Value Distribution)를 추정하는 것과 일반화 파레토 분포 (GPD: Generalized Pareto Distribution)를 추정하는 방법이 있다. 본 논문에서는 GPD의 추정에 관하여 간단히 서술하겠다. |
조하현, 이승국, 김종호 (2004). , 세경사, 서울.
BIS (2003). Supervisory guidance on operational risk advanced measurement approaches for regulatory capital, www.bis.org.
Balkema, A. and de Haan, L. (1974). Residual life time at great age. The Annual of Probability, 2, 792-804.
Chernobai, A, Rachev, S. and Fabozzi, F. (2007). Operational Risk , John Wiley and Sons, Hoboken, N. J.
Han, J. T. and Kang, S. B. (2007). Estimation for the generalized extreme value distribution based on multiply type-II censored samples. Journal of the Korean Data & Information Science Society, 18, 317-326.
Hill, B. M. (1975). A simple general approach to inference about the tail of a distribution. Annals of Statistics, 3, 1163-1173.
Lewis, N. D. C. (2004). Operational risk with Excel and VBA, John Wiley and Sons, Hoboken, N. J.
Loquin, K. and Strauss, O. (2008). Histogram density estimators based upon a fuzzy partition. Statistics & Probability Letters, 78, 1863-1868.
Pickands, J. (1975). Statistical inference using extreme order statistics. Annals of statistics, 3, 119-131.
Walterman, L., Kaymak, U. and Berg, J. van den (2005). Fuzzy histograms: A statistical analysis. Proceedings of the Joint 4th Conference of the European Society for Fuzzy Logic and Technology, 605-610.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.