عنوان پایان‌نامه
ارایه چارچوبی حهت ارزیابی ریسک عملیاتی در بانکداری مبتنی بر استاندارد بازل ۲ وبا استفاده از تکنیکهای داده کاوی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه پردیس 2 فنی شماره ثبت: 2033;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 50835
- تاریخ دفاع
- ۱۳ مهر ۱۳۹۰
- دانشجو
- سیدمهدی حسینی
- استاد راهنما
- عباس کرامتی
- چکیده
- این پژوهش بنا دارد تا با اتکا به رهنمودهای تنظیمی پیمان بازل دو، چارچوب مناسبی را جهت ارزیابی ریسکهای عملیاتی بانکی ارائه نماید. چارچوب پیشنهادی بر اساس بکارگیری یک تکنیک داده کاوی آماری نسبتا جدید به نام شبکه های یادگیرنده بیزی بنا شده است. برای این منظور مجموعه رویکردهای شناخته شده برای ایجاد چارچوبهای ارزیابی ریسک عملیاتی مورد مطالعه و مقایسه قرار گرفت و از آن میان، رویکرد تحلیل فرآیندی به عنوان بستر طراحی روش ها انتخاب گردید. در ادامه از الگوریتمها و روش های یادگیری و شبیه سازی شبکه های بیزی به منظور کشف و تحلیل الگوهای ریسک عملیاتی موجود در داده ها استفاده شد. نتایج آزمایشهای انجام شده روی داده های شبیه سازی شده نشان می دهد که روشهای استنتاج بیزی ارائه شده بر اساس رویکرد تحلیل فرآیندی به شکلی کارآمد الگوهای مختلف ریسک عملیاتی را در محیط بانکداری، مدلسازی و ارزیابی می کند. همچنین در نتایج تحلیل ها مشخص می شود که شبکه های یادگیرنده بیزی ریسک ابزار مناسبی برای بکارگیری در جانب سیستم های اطلاعاتی مبتنی بر فرآیندها هستند.
- Abstract
- This dissertation aims to designing an appropriate framework for assessment of banking operational risks under the regulatory guidelines of new Basel capital accord. The presented framework has been established based on the operation of a nearly new statistical data mining technique, namely learning Bayesian networks. In this way, a number of well-known framework approaches were studied and compared and the process analysis approach was selected as the platform for design of the methods. Algorithms and methods of learning and simulation of Bayesian networks were employed to explore and analyse risk patterns from the data. The experimental results based on simulated data show that the presented Bayesian inference methods proposed upon process analysis approach can efficiently model and evaluate different patterns of operational risk in a banking environment, and learning Bayesian networks can be an appropriate tool set in process oriented information systems.
