KR20130086657A - 리스크 관리 디바이스 - Google Patents

리스크 관리 디바이스 Download PDF

Info

Publication number
KR20130086657A
KR20130086657A KR1020137018339A KR20137018339A KR20130086657A KR 20130086657 A KR20130086657 A KR 20130086657A KR 1020137018339 A KR1020137018339 A KR 1020137018339A KR 20137018339 A KR20137018339 A KR 20137018339A KR 20130086657 A KR20130086657 A KR 20130086657A
Authority
KR
South Korea
Prior art keywords
verification
scenario data
loss
unit
frequency
Prior art date
Application number
KR1020137018339A
Other languages
English (en)
Other versions
KR101368103B1 (ko
Inventor
사또시 모리나가
사또루 이마무라
Original Assignee
닛본 덴끼 가부시끼가이샤
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 닛본 덴끼 가부시끼가이샤 filed Critical 닛본 덴끼 가부시끼가이샤
Publication of KR20130086657A publication Critical patent/KR20130086657A/ko
Application granted granted Critical
Publication of KR101368103B1 publication Critical patent/KR101368103B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/06—Asset management; Financial planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/08—Insurance

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Technology Law (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Educational Administration (AREA)
  • Debugging And Monitoring (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

리스크 관리 디바이스는: 손실 발생 빈도에 대한 예측 값을 각각 포함하는 하나 이상의 시나리오 데이터로 각각 구성된 복수의 검증 유닛, 복수의 검증 유닛의 콜렉션인 검증 범위, 및 시나리오 데이터에 대응하는 실제 손실 발생 횟수를 저장하기 위한 메모리; 및 메모리에 접속된 프로세서를 포함한다. 프로세서는, 검증 범위에 포함된 시나리오 데이터에 대응하는 손실 발생 횟수들의 합계 값이, 검증 범위에 포함된 시나리오 데이터에 있어서의 손실 발생 빈도의 예측 값들의 합계 값을 평균으로서 정의하는 푸아송 분포(Poisson distribution)를 따르는지 여부를, 푸아송 분포에 대한 적합도의 테스트(goodness-of-fit test)를 이용해서 결정하도록 프로그래밍된다.

Description

리스크 관리 디바이스{RISK-MANAGEMENT DEVICE}
본 발명은 리스크 관리 디바이스에 관한 것으로, 특히, 리스크 계량 디바이스(risk weighing device)로의 입력인 시나리오 데이터에 있어서의 손실 발생 빈도를 통계학적으로 검증하는 기능을 갖는 리스크 관리 디바이스에 관한 것이다.
일반적으로, 기업 업무(company business)는, 지진(earthquake), 시스템 장애(system trouble), 사무적인 실수(clerical mistake) 및 사기(fraud)와 같은 다양한 종류의 운영 리스크(operational risk)(이하, 간단히 "리스크(risk)"로 칭한다)에 직면할 수 있다. 따라서, 리스크 계량 디바이스를 사용해서 리스크의 양을 계량하고, 리스크에 대한 대책을 강구하는 것이 요구되고 있다.
리스크 계량 디바이스는, 기업에서 알려지지 않은 리스크 프로파일에 관한 단편적인 정보를 입력하고, 이 입력 데이터로부터 해당 기업의 리스크 프로파일의 특징값(예컨대, 99.9% VaR(value at risk))을 계량한다. 리스크 계량 디바이스로 입력된 데이터에는 일반적으로 내부 손실 데이터와 시나리오 데이터가 포함된다. 내부 손실 데이터는, 해당 기업에서 실제로 발생한 손실 이벤트에 관한 데이터이다. 내부 손실 데이터는 이벤트들의 내용들 및 각각의 이벤트들에 의한 손실액(loss amounts)을 보여준다. 그러나, 모든 이벤트 내용들에 대해서 필요하고 충분한 수의 내부 손실 데이터를 얻기는 어렵다. 따라서, 드물게 발생하는 이벤트의 내용 및 아직 발생하지 않은 이벤트의 내용에 대해서, 발생 빈도와 그 손실액의 값이 시나리오 데이터로서 산출되고, 리스크량의 계량에 이용된다.
일반적인 리스크 계량 디바이스는, 손실 분포 접근법(loss distribution approach)이라 불리는 방법을 이용해서 VaR를 계량한다(예컨대, 특허 문헌 1 및 비-특허 문헌 1 참조). 구체적으로는, 우선, 리스크 계량 디바이스는 내부 손실 데이터의 수(the number of internal loss data) 등으로부터 손실 빈도 분포(loss frequency distribution)를 생성하고, 내부 손실 데이터, 시나리오 데이터 등으로부터 손실 규모 분포(loss scale distribution)를 생성한다. 다음에, 몬테 카를로 시뮬레이션(Monte Carlo simulation)에 의해, 리스크 계량 디바이스는, 전술한 손실 빈도 분포를 이용해서 생긴 손실 횟수의 손실액을 전술한 손실 규모 분포로부터 취출(take out)하고, 손실액을 합산하고, 보유 기간당 손실액을 산출하는 프로세스를 만 번 또는 십만 번 반복해서 손실액의 분포를 생성한다. 그리고, 리스크 계량 디바이스는 이렇게 생성된 손실액의 분포로부터 미리 결정된 신뢰 구간(confidence interval)의 VaR를 산출한다.
전술한 시나리오 데이터에 있어서의 손실 발생 빈도는, 이하와 같은 방법을 이용해서 예측된다(예컨대, 비-특허 문헌 1 참조).
우선, 실제로 손실이 발생한 업무에 있어서 1년당 손실 발생 횟수와, 그 업무에 대해서 실행된 리스크 평가 및 내부 통제 상황 평가에 관한 스코어에 기초하여, 평균 빈도 평가 테이블이 생성된다. 평균 빈도 평가 테이블에서, 1년당 발생 횟수는 리스크 평가와 내부 통제 상황 평가의 조합에 의해 형성된 매트릭스에 기재된다. 다음에, 각 업무 프로세스 등에 내재하는 운영 리스크를 시나리오로서 인식한다. 그리고 나서, 각 시나리오에 대해, 위에서 설명한 바와 같은 리스크 평가와 내부 통제 상황 평가가 실행되고, 리스크 평가의 스코어와 내부 통제 상황 평가의 스코어로부터 평균 빈도 평가 테이블이 차감되고, 각 시나리오의 빈도(시나리오 이벤트가 1년간 발생하는 횟수)를 추정한다. 이에 따라, 과거에 손실 경험이 존재하지 않는 시나리오의 발생 빈도조차 추정이 가능하다.
일본 특허 공개 번호 4241083
고바야시, 시미즈, 니시구치 및 모리나가의, "운영 리스크 관리", 2009년 4월 24일, 사단 법인 금융 재정 사정 연구회 발행, 107-144 페이지, 181-189 페이지 시나리오 데이터의 손실 발생 빈도의 에러는, 리스크 계량 디바이스의 계량 정밀도의 저하의 주요 요인이다. 이 때문에, 시나리오 데이터의 손실 발생 빈도가 임의의 방법에 의해 예측되더라도, 그 예측 값의 유효성에 대해, 실제로 발생한 손실 사례를 활용해서 사후 검증(ex-post verification)을 수행하는 것이 중요하다. 그러나, 시나리오는 보통 드물게 발생한 이벤트나 결코 발생하지 않은 이벤트를 취급하기 때문에, 그러한 이벤트들이 실제로 발생한 손실 사례의 수는 적다. 이러한 상황으로 인해, 시나리오 데이터의 손실 발생 빈도의 유효성에 대해, 그 예측 방법과는 다른 관점에서 사후 검증을 수행하기 위한 유효한 방법이 아직 확립되지 못했다.
본 발명의 목적은, 전술한 바와 같은 과제, 즉, 시나리오 데이터의 손실 발생 빈도의 유효성에 대해 사후 검증을 수행하기 위한 유효한 방법이 없다는 과제를 해결하는 리스크 관리 디바이스를 제공하는 것이다.
본 발명의 예시적인 실시예에 따른 리스크 관리 디바이스는:
손실 발생 빈도의 예측 값을 각각 포함하는 하나 이상의 시나리오 데이터로 각각 구성된 복수의 검증 유닛, 상기 복수의 검증 유닛의 콜렉션인 검증 범위, 및 상기 시나리오 데이터에 대응하는 실제 손실 발생 횟수를 저장하기 위한 메모리; 및
상기 메모리에 접속된 프로세서
를 포함하고,
상기 프로세서는, 상기 검증 범위에 포함된 시나리오 데이터에 대응하는 상기 손실 발생 횟수들의 합계 값이, 상기 검증 범위에 포함된 시나리오 데이터에 있어서의 손실 발생 빈도의 예측 값들의 합계 값을 평균으로서 정의하는 푸아송 분포를 따르는지 여부를, 푸아송 분포에 대한 적합도의 테스트를 이용해서 결정하도록 프로그래밍된다.
본 발명은, 위에서 설명한 바와 같은 구성에 의해, 시나리오 데이터의 손실 발생 빈도의 유효성에 대해, 실제 손실 사례를 이용해서 검증하는 것이 가능하다.
도 1은 본 발명의 제1 예시적인 실시예에 따른 리스크 관리 디바이스의 블록도이다.
도 2는 본 발명의 제1 예시적인 실시예에 있어서의 검증 범위, 손실 발생 횟수, 및 제1 테스트 조건의 구성예를 나타낸다.
도 3은 본 발명의 제1 예시적인 실시예의 처리예를 나타내는 플로우차트이다.
도 4는 본 발명의 제1 예시적인 실시예에 있어서의 보수성(conservativeness) 검증의 처리예를 나타내는 플로우차트이다.
도 5는 본 발명의 제2 예시적인 실시예에 따른 리스크 관리 디바이스의 블록도이다.
도 6은 본 발명의 제2 예시적인 실시예에 있어서의 제2 테스트 조건의 구성예를 나타낸다.
도 7은 본 발명의 제2 예시적인 실시예의 처리예를 나타내는 플로우차트이다.
도 8은 본 발명의 제2 예시적인 실시예에 있어서의 비편향성(unbiasedness) 검증의 처리예를 나타내는 플로우차트이다.
도 9는 본 발명의 제3 예시적인 실시예에 따른 리스크 관리 디바이스의 블록도이다.
도 10은 본 발명의 제3 예시적인 실시예의 처리예를 나타내는 플로우차트이다.
도 11은 본 발명의 제3 예시적인 실시예에 있어서의 보정의 처리예를 나타내는 플로우차트이다.
도 12는 본 발명의 제4 예시적인 실시예에 따른 리스크 관리 디바이스의 블록도이다.
도 13은 본 발명의 제4 예시적인 실시예에 있어서의 시나리오 데이터 그룹의 구성예이다.
도 14는 본 발명의 제4 예시적인 실시예에 있어서의 검증 범위와 검증 유닛의 일례를 나타낸다.
도 15는 본 발명의 제4 예시적인 실시예의 처리예를 나타내는 플로우차트이다.
다음에, 본 발명의 예시적인 실시예들에 대해서 도면을 참조하여 상세하게 설명할 것이다.
[제1 예시적인 실시예]
도 1을 참조하면, 본 발명의 제1 예시적인 실시예에 따른 리스크 관리 디바이스(1)는, 복수의 검증 유닛에 포함된 시나리오 데이터의 손실 발생 빈도가 검증 유닛 전체에 대해 유효한지 여부를 실제 손실 사례를 이용해서 검증하는 기능을 갖는다. 이하, 이러한 검증을 보수성 검증(verification of conservativeness)이라고 지칭할 것이다.
이러한 리스크 관리 디바이스(1)는, 주요 기능 유닛으로서, 통신 인터페이스 유닛(이하, 통신 I/F 유닛이라 칭한다)(11), 동작 입력 유닛(12), 화면 표시 유닛(13), 저장 유닛(14), 및 프로세서(15)를 갖는다.
통신 I/F 유닛(11)은, 전용 데이터 통신 회로로 형성되고, 통신 회선(도면에 도시되지 않음)을 거쳐 접속된 각종 디바이스(도면에 도시되지 않음)와 데이터 통신을 수행하는 기능을 갖는다.
동작 입력 유닛(12)은, 키보드 및 마우스와 같은 동작 입력 디바이스로 형성되고, 오퍼레이터의 동작을 검출해서 프로세서(15)에 출력하는 기능을 갖는다.
화면 표시 유닛(13)은, LCD 및 PDP와 같은 화면 표시 디바이스로 형성되고, 프로세서(15)로부터의 지시에 따라, 동작 메뉴 및 검증 결과와 같은 각종 정보를 화면에 표시하는 기능을 갖는다.
저장 유닛(14)은, 하드디스크 및 반도체 메모리와 같은 저장 디바이스로 형성되고, 프로세서(15)에서의 각종 처리에 필요한 처리 정보 및 프로그램(14P)을 저장하는 기능을 갖는다. 프로그램(14P)은, 프로세서(15)에 로드되어 실행됨으로써 각종 처리 유닛을 실현하는 프로그램이며, 통신 I/F 유닛(11)과 같은 데이터 입/출력 기능을 거쳐 외부 디바이스(도시 생략)나 컴퓨터-판독가능한 저장 매체(도시 생략)로부터 미리 로드되어 저장 유닛(14)에 저장된다. 저장 유닛(14)에 저장된 주요 처리 정보는, 복수의 검증 유닛(14A1), 그의 콜렉션(collection)인 검증 범위(14A), 제1 테스트 조건(14C), 및 제1 테스트 결과(14D)를 포함한다.
검증 유닛(14A1)은, 하나 이상의 시나리오 데이터로 구성된다. 각 시나리오 데이터는, 그 시나리오 데이터를 고유하게 식별하기 위한 식별자(ID)와, 손실 발생 빈도의 예측 값으로 구성된다. 손실 발생량의 예측 값은, 시나리오 데이터의 빈도 검증 시에는 사용하지 않기 때문에, 시나리오 데이터로부터 배제될 수 있다. 도 2는 검증 유닛(14A1)의 구성예를 나타낸다. 이 예의 검증 유닛(14A1)은, 하나의 시나리오 데이터로 구성된다. 시나리오 데이터(14A1i)(i = 1∼n)는 시나리오 IDi와, 손실 발생 빈도의 예측 값 λi을 갖는다. 보유 기간(holding period)이 1년이라 가정하면, 손실 발생 빈도의 예측 값 λi는 1년 당 발생하는 손실 발생 횟수를 나타낸다.
검증 범위(14A)는, 검증 유닛(14A1)의 콜렉션(collection)이다. 도 2는 검증 범위(14A)의 구성예를 나타낸다. 이 예의 검증 범위(14A)는, 시나리오(ID1∼IDn)를 갖는 시나리오 데이터의 집합이 검증 범위로서 정의되는 것을 나타낸다.
손실 발생 횟수(14B)는, 시나리오 데이터에 대응하는 실제 손실 발생 횟수를 나타내는 데이터이다. 손실 발생 횟수(14B)는, 대응하는 시나리오 데이터를 특정하는 식별자와, 보유 기간당 손실 발생 횟수를 각각 포함하는 쌍들(pairs)의 콜렉션이다. 도 2는 손실 발생 횟수(14B)의 구성예를 나타낸다. 이 예의 손실 발생 횟수의 제1 라인의 데이터는, 시나리오(ID1)에 대응하는 시나리오의 보유 기간당 손실 발생 횟수가 1이라는 것을 나타낸다.
제1 테스트 결과(14D)는, 프로세서(15)에 의해 실행된 제1 테스트 처리의 결과를 나타내는 데이터이다. 제1 테스트 결과(14D)는 3가지 결과, 즉, "보수적(conservative)", "유효(valid)", "비보수적(nonconservative)" 중 하나이다. "보수적"은, 복수의 검증 유닛에 포함되는 시나리오 데이터의 손실 발생 빈도가, 검증 유닛 전체에 대해, 실제 발생 횟수로부터 추정되는 것보다 더 많다는 것을 의미한다. "보수적"과는 반대로, "비보수적"은, 복수의 검증 유닛에 포함되는 시나리오 데이터의 손실 발생 빈도가, 검증 유닛 전체에 대해, 실제 발생 횟수로부터 추정되는 것보다 더 적은 것을 지칭한다. "유효"는, "보수적"이지도 않고 "비보수적"이지도 않은 것으로, 복수의 검증 유닛에 포함되는 시나리오 데이터의 손실 발생 빈도가 검증 유닛 전체에 대해 유효한 것을 지칭한다.
제1 테스트 조건(14C)은, 프로세서(15)에 의해 실행되는 제1 테스트 처리의 조건을 나타낸다. 도 2는 제1 테스트 조건(14C)의 구성예를 나타낸다. 제1 테스트 조건(14C)은, 제1 테스트 처리에 이용하는 제1 및 제2 유의 수준(first and second significance levels)이 α11 및 α12인 것을 나타낸다. 여기에서, 제1 유의 수준(α11)은 보수성 판정에 이용되고, 제2 유의 수준(α12)은 비보수성 판정에 이용된다.
프로세서(15)는, CPU와 같은 마이크로프로세서와 그 주변 회로를 갖고, 저장 유닛(14)으로부터 프로그램(14P)을 로드하여 실행함으로써, 상기 하드웨어와 프로그램(14P)을 협동시켜 각종 처리 유닛을 실현하는 기능을 갖는다. 프로세서(15)로 실현되는 주요 처리 유닛은, 입력 저장 유닛(15A), 제1 테스트 처리 유닛(15B), 및 출력 유닛(15C)이다.
입력 저장 유닛(15A)은, 통신 I/F 유닛(11) 또는 동작 입력 유닛(12)으로부터, 검증 유닛(14A1), 검증 범위(14A), 손실 발생 횟수(14B), 및 제1 테스트 조건(14C)을 입력하고, 저장 유닛(14)에 저장하는 기능을 갖는다.
제1 테스트 처리 유닛(15B)은, 검증 범위(14A)의 각 검증 유닛(14A1)에 포함되는 시나리오 데이터에 대응하는 손실 발생 횟수(14B)의 합계 값이, 검증 범위(14A)의 각 검증 유닛(14A1)에 포함되는 시나리오 데이터에 있어서의 손실 발생 빈도의 예측 값들의 합계 값을 평균으로서 정의하는 푸아송 분포를 따르는지 여부를, 푸아송 분포에 대한 적합도의 테스트를 이용해서 결정하는 기능을 갖는다. 또한, 제1 테스트 처리 유닛(15B)은, 테스트의 결과를 제1 테스트 결과(14D)로서 저장 유닛(14)에 저장하는 기능을 갖는다.
출력 유닛(15C)은, 제1 테스트 처리 유닛(15B)의 테스트 결과(14D)를 저장 유닛(14)으로부터 로드하고, 검증 유닛 전체에 대한 보수성 검증 결과로서 화면 표시 유닛(13)에 출력하거나, 또는 통신 I/F 유닛(11)을 통해 외측에 출력하는 기능을 갖는다.
다음에, 도 3을 참조하여, 본 예시적인 실시예에 따른 리스크 관리 디바이스(1)의 동작에 대해서 설명할 것이다.
우선, 입력 저장 유닛(15A)은, 복수의 검증 유닛(14A1), 복수의 검증 유닛(14A1)의 콜렉션인 검증 범위(14A), 시나리오 데이터에 대응하는 실제 손실 발생 횟수(14B), 및 제1 테스트 조건(14C)을, 통신 I/F 유닛(11) 또는 동작 입력 유닛(12)으로부터 입력하고, 저장 유닛(14)에 저장한다(단계 S1).
다음에, 제1 테스트 처리 유닛(15B)은, 복수의 검증 유닛(14A1), 검증 범위(14A), 손실 발생 횟수(14B), 및 제1 테스트 조건(14C)을 저장 유닛(14)으로부터 로드하고, 검증 범위(14A)에 포함되는 시나리오 데이터에 대응하는 손실 발생 횟수들의 합계 값이, 검증 범위(14A)에 포함되는 시나리오 데이터에 있어서의 손실 발생 빈도의 예측 값들의 합계 값을 평균으로서 정의하는 푸아송 분포를 따르는지 여부를, 푸아송 분포에 대한 적합도의 테스트를 이용해서 결정하고, 결과를 저장 유닛(14)에 저장한다(단계 S2).
다음에, 출력 유닛(15C)은, 제1 테스트 처리 유닛(15B)의 테스트 결과(14D)를 저장 유닛(14)으로부터 로드하고, 검증 결과로서 화면 표시 유닛(13)에 출력하거나, 또는 통신 I/F 유닛(11)을 통해 외측에 출력한다(단계 S3).
도 4는 도 3의 단계 S2에서 처리예를 나타내는 플로우차트이다. 이하, 도 4를 참조하여, 제1 테스트 처리 유닛(15B)의 처리의 일례에 대해 설명할 것이다.
우선, 제1 테스트 처리 유닛(15B)은, 검증 범위(14A)에 포함되는 시나리오 데이터에 대응하는 손실 발생 횟수들의 합계 값 ΣNi를 산출한다(단계 S11). 다음에, 제1 테스트 처리 유닛(15B)은, 검증 범위(14A)에 포함되는 시나리오 데이터에 있어서의 손실 발생 빈도의 예측 값들의 합계 값 Σλi를 산출한다(단계 S12).
다음에, 제1 테스트 처리 유닛(15B)은 아래에서 설명되는 바와 같이 널 가설(null hypothesis; H0) 및 대립 가설(alternative hypotheses; H1 및 H2)을 설정한다(단계 S13). 널 가설(H0)은, "발생 횟수 합계 ΣNi가 평균 Σλi의 푸아송 분포를 따른다"로 설정된다. 대립 가설(H1)은, "평균이 Σλi보다 더 작다(시나리오는 보수적이다)"로 설정된다. 대립 가설(H2)은, "평균이 Σλi보다 더 크다(시나리오는 비보수적이다)"로 설정된다.
다음에, 제1 테스트 처리 유닛(15B)은, 널 가설(H0)이 옳다고 가정하고, 평균 Σλi의 푸아송 분포로부터, 손실 발생 횟수들의 합계 값 ΣNi와 비교하기 위한 임계값(n1, n2)을 산출한다(단계 S14). 여기에서, 임계값(n1)은, 평균 Σλi의 푸아송 분포가 n1 이하의 값을 갖는 확률이 유의 수준(α11)보다 더 크고, 푸아송 분포가 (n1-1) 이하의 값을 갖는 확률이 유의 수준(α11) 이하가 되는 값이다. 또한, 임계값(n2)은, 평균 Σλi의 푸아송 분포가 n2 이상의 값을 갖는 확률이 유의 수준(α12)보다 더 크고, 푸아송 분포가 (n2+1) 이상의 값을 갖는 확률이 유의 수준(α12) 이하가 되는 값이다.
다음에, 제1 테스트 처리 유닛(15B)은, 손실 발생 횟수들의 합계 값 ΣNi와 임계값(n1, n2)을 비교하여(단계 S15 및 S16), 그 비교 결과에 따른 테스트 결과를 생성하고, 저장 유닛(14)에 저장한다(단계 S17∼S19). 즉, ΣNi<n1일 때는 "보수적", n1≤ΣNi≤n2일 때는 "유효", n2<ΣNi일 때는 "비보수적"이라고 판정한다.
따라서, 이러한 예시적인 실시예에 따르면, 시나리오 데이터의 손실 발생 빈도의 유효성을 실제 손실 사례를 이용해서 검증하는 것이 가능하다.
또한, 본 예시적인 실시예에 따르면, 복수의 시나리오 데이터의 콜렉션인 시나리오 그룹 전체에 대해, 손실 발생 빈도의 유효성이 검증되기 때문에, 단독 시나리오에서는 보수성 검증을 수행하기에 너무 낮은 빈도일 때조차 정확한 검증을 수행하는 것이 가능하다. 이에 대해서는 더 설명될 것이다.
각 시나리오에 대한 보수성 검증으로서, 시나리오 i에 대응하는 손실 발생 횟수 Ni가, 평균 λi의 푸아송 분포를 따르는 널 가설 및 널 가설이 성립하지 않는 대립 가설을 형성함으로써 가설 테스트가 생각될 것이다. 각 시나리오에 대한 이러한 보수성 검증에서, 예를 들어, 유의 수준 1%의 편측 테스트(one-tailed test)를 가정하면, 빈도 1/50(50년에 1번)의 시나리오에 대하여 1년간 관측한 결과, 실제 손실이 1건 발생할 때조차, 그 시나리오의 빈도는 유효하다고 판정된다. 그 때문에, 100개의 "빈도 1/50의 시나리오" 각각에 대하여 실제 손실이 1건 발생할 때조차, 각 시나리오에 대한 유효성 검증에 있어서 빈도가 유효하다고 판정된다. 그러나, 1/50의 확률로 발생하는 100개의 드문 이벤트들이 동시에 발생한다고 생각하기 어렵기 때문에, 빈도가 실제로 유효하지 않다고 판정되어야 한다고 생각된다. 본 예시적인 실시예에 따르면, 이와 같은 경우에도 정확하게 검증하는 것이 가능하다.
또한, 각 시나리오에 대한 보수성 검증에서는, "빈도 1/200의 시나리오"에 대해서는 실제 손실이 1건이라도 발생하면 유효하지 않다고 판정되지만, "빈도 1/200의 시나리오"가 100개 있으면, 그 중에서 1개의 시나리오에 대하여 실제 손실이 발생할 때 유효하지 않다고 판정하는 것은 적절하지 않다. 본 예시적인 실시예에 따르면, 이와 같은 경우에도 정확하게 검증하는 것이 가능하다.
[제2 예시적인 실시예]
도 5를 참조하면, 본 발명의 제2실시예에 따른 리스크 관리 디바이스(2)는, 제1 실시예에 따른 리스크 관리 디바이스(1)가 갖는 보수성 검증 기능 외에, 검증 범위에 있어서 검증 유닛 사이에서 보수성에 편향(bias)이 존재하는지 여부를 실제 손실 사례를 이용해서 검증하는 기능을 갖는다. 이하에서는, 후자의 검증을 비편향성(unbiasedness)의 검증으로 지칭될 것이다.
리스크 관리 디바이스(2)는, 주요 기능 유닛으로서, 통신 I/F 유닛(21), 동작 입력 유닛(22), 화면 표시 유닛(23), 저장 유닛(24), 및 프로세서(25)를 갖는다.
통신 I/F 유닛(21), 동작 입력 유닛(22), 및 화면 표시 유닛(23)은, 제1 예시적인 실시예에서 도 1에 도시된 통신 I/F 유닛(11), 동작 입력 유닛(12), 및 화면 표시 유닛(13)과 동일한 기능을 갖는다.
저장 유닛(24)은, 하드 디스크 및 반도체 메모리와 같은 저장 디바이스로 형성되고, 프로세서(25)에서의 각종 처리에 필요한 처리 정보 및 프로그램(24P)을 저장하는 기능을 갖는다. 프로그램(24P)은, 프로세서(25)에 로드되어 실행됨으로써 각종 처리 유닛을 실현하는 프로그램이며, 통신 I/F 유닛(21)과 같은 데이터 입/출력 기능을 거쳐 외부 디바이스(도시 생략) 또는 컴퓨터-판독가능한 저장 매체(도시 생략)로부터 미리 로드되어, 저장 유닛(24)에 저장된다. 저장 유닛(24)으로 저장되는 주요 처리 정보는, 복수의 검증 유닛(24A1), 그의 콜렉션인 검증 범위(24A), 손실 발생 횟수(24B), 제1 테스트 조건(24C), 제1 테스트 결과(24D), 제2 테스트 조건(24E), 및 제2 테스트 결과(24F)를 포함한다.
복수의 검증 유닛(24A1), 검증 범위(24A), 손실 발생 횟수(24B), 제1 테스트 조건(24C), 및 제1 테스트 결과(24D)는, 제1 예시적인 실시예에 있어서의 복수의 검증 유닛(14A1), 검증 범위(14A), 손실 발생 횟수(14B), 제1 테스트 조건(14C), 및 제1 테스트 결과(14D)와 동일하다.
제2 테스트 결과(24F)는, 프로세서(25)에 의해 실행된 제2 테스트 처리의 결과를 나타내는 데이터이다. 제2 테스트 결과(24F)는, "비편향(unbiased)" 또는 "편향(biased)" 중 어느 하나이다.
제2 테스트 조건(24E)은, 프로세서(25)에 의해 실행되는 제2 테스트 처리의 조건을 나타낸다. 도 6은 제2 테스트 조건(24E)의 구성예를 나타낸다. 이 예의 제2 테스트 조건(24E)은, 제2 테스트 처리에 이용하는 유의 수준이 α2라는 것을 나타낸다.
프로세서(25)는, CPU와 같은 마이크로프로세서와 그 주변 회로를 갖고, 저장 유닛(24)으로부터 프로그램(24P)을 로드하여 실행함으로써, 하드웨어와 프로그램(24P)을 협동시켜서 각종 처리 유닛을 실현하는 기능을 갖는다. 프로세서(25)로 실현되는 주요 처리 유닛은 입력 저장 유닛(25A), 제1 테스트 처리 유닛(25B), 출력 유닛(25C), 및 제2 테스트 처리 유닛(25D)이다.
입력 저장 유닛(25A)은, 통신 I/F 유닛(21) 또는 동작 입력 유닛(22)으로부터, 검증 유닛(24A1), 검증 범위(24A), 손실 발생 횟수(24B), 제1 테스트 조건(24C), 및 제2 테스트 조건(24E)을 입력하고, 저장 유닛(24)에 저장하는 기능을 갖는다.
제1 테스트 처리 유닛(25B)은, 제1 예시적인 실시예에 따른 리스크 관리 디바이스(1)의 제1 테스트 처리 유닛(15B)과 유사한 기능을 갖는다. 즉, 제1 테스트 처리 유닛(25B)은, 검증 범위(24A)의 각 검증 유닛(24A1)에 포함되는 시나리오 데이터에 대응하는 손실 발생 횟수(24B)의 합계 값이, 검증 범위(24A)의 각 검증 유닛(24A1)에 포함되는 시나리오 데이터에 있어서의 손실 발생 빈도의 예측 값들의 합계 값을 평균으로서 정의하는 푸아송 분포를 따르는지 여부를, 푸아송 분포에 대한 적합도의 테스트를 이용해서 결정하고, 그 테스트의 결과를 제1 테스트 결과(24D)로서 저장 유닛(24)에 저장하는 기능을 갖는다.
제2 테스트 처리 유닛(25D)은, 각 검증 유닛(24A1)의 시나리오 데이터에 대응하는 손실 발생 횟수(24B)가, 합계 파라미터가 검증 범위(24A)에 포함되는 시나리오 데이터에 대응하는 손실 발생 횟수들의 합계 값이고, 비율 파라미터가 검증 범위(24A)에 포함되는 시나리오 데이터에 있어서의 손실 발생 빈도의 예측 값들의 합계 값에 대한, 검증 유닛(24A1) 각각의 시나리오 데이터에 있어서의 손실 발생 빈도의 예측 값들의 합계 값의 비율인 다항 분포(multinomial distribution)를 따르는지 여부를, 다항 분포에 대한 적합도의 테스트를 이용해서 결정하는 기능을 갖는다. 또한, 제2 테스트 처리 유닛(25D)은, 테스트의 결과를 제2 테스트 결과(24F)로서, 저장 유닛(24)에 저장하는 기능을 갖는다.
출력 유닛(25C)은, 제1 테스트 결과(24D) 및 제2 테스트 결과(24F)를 저장 유닛(24)으로부터 로드하고, 검증 유닛 전체에 대한 보수성 검증 결과 및 검증 유닛들 사이의 비편향성 검증 결과로서 화면 표시 유닛(23)에 출력하거나, 또는 통신 I/F 유닛(21)을 통해 외측에 출력하는 기능을 갖는다.
다음에, 도 7을 참조하면, 본 예시적인 실시예에 따른 리스크 관리 디바이스(2)의 동작에 대해 설명될 것이다.
우선, 입력 저장 유닛(25A)은, 복수의 검증 유닛(24A1), 검증 유닛들(24A1)의 콜렉션인 검증 범위(24A), 시나리오 데이터에 대응하는 실제 손실 발생 횟수(24B), 제1 테스트 조건(14C) 및 제2 테스트 조건(24E)을, 통신 I/F 유닛(21) 또는 동작 입력 유닛(22)으로부터 입력하고, 저장 유닛(24)에 저장한다(단계 S21).
다음에, 제1 테스트 처리 유닛(25B)은, 제1 예시적인 실시예에 있어서의 제1 테스트 처리 유닛(15B)과 마찬가지로, 검증 범위(24A)에 포함되는 시나리오 데이터에 대응하는 손실 발생 횟수들의 합계 값이, 검증 범위(24A)에 포함되는 시나리오 데이터에 있어서의 손실 발생 빈도의 예측 값들의 합계 값을 평균으로서 정의하는 푸아송 분포를 따르는지 여부를, 푸아송 분포에 대한 적합도의 테스트를 이용해서 결정하고, 결과를 저장 유닛(24)에 저장한다(단계 S22).
다음에, 제2 테스트 처리 유닛(25D)은, 복수의 검증 유닛(24A1), 검증 범위(24A), 손실 발생 횟수(24B) 및 제2 테스트 조건(24E)을 저장 유닛(24)으로부터 로드하고, 각 검증 유닛(24A1)에 대한 시나리오 데이터에 대응하는 손실 발생 횟수(24B)가, 합계 파라미터가 검증 범위(24A)에 포함되는 시나리오 데이터에 대응하는 손실 발생 횟수들의 합계 값이고, 비율 파라미터가 검증 범위(24A)에 포함되는 시나리오 데이터에 있어서의 손실 발생 빈도의 예측 값들의 합계 값에 대한, 검증 유닛(24A1) 각각의 시나리오 데이터에 있어서의 손실 발생 빈도의 예측 값들의 합계 값의 비율인 다항 분포를 따르는지 여부를, 다항 분포에 대한 적합도의 테스트를 이용해서 결정하고, 결과를 저장 유닛(24)에 저장한다(단계 S23).
다음에, 출력 유닛(25C)은, 제1 테스트 결과(24C) 및 제2 테스트 결과(24F)를 저장 유닛(24)으로부터 로드하고, 검증 유닛 전체에 대한 보수성 검증 결과 및 검증 유닛들 사이의 비편향성 검증 결과로서 화면 표시 유닛(23)에 출력하거나, 또는 통신 I/F 유닛(21)을 통해 외측에 출력한다(단계 S24).
도 8은 도 7의 단계 S23의 처리의 일례를 나타내는 플로우차트이다. 이하, 도 8을 참조하여, 제2 테스트 처리 유닛(25D)의 처리의 일례에 대해 설명될 것이다.
우선, 제2 테스트 처리 유닛(25D)은, 검증 유닛(24A1)의 개수(k)를 산출한다(단계 S31). 다음에, 제2 테스트 처리 유닛(25D)은, 검증 유닛 각각에 대해, 검증 유닛에 포함되는 시나리오 데이터에 대응하는 손실 발생 횟수들의 합계 값(n1, n2, …, nk)을 산출한다(단계 S32). 다음에, 제2 테스트 처리 유닛(25D)은, 검증 범위(24A)에 포함되는 시나리오 데이터에 대응하는 손실 발생 횟수들의 합계 값 ΣNi를 산출한다(단계 S33).
다음에, 제2 테스트 처리 유닛(25D)은, 검증 유닛(24A1) 각각에 대해, 비율 파라미터의 예측 값(p1, p2, …, pk)을 산출한다(단계 S34). 특정 검증 유닛(24A1)의 비율 파라미터(pi)는, 그 검증 유닛에 포함되는 시나리오 데이터의 손실 발생 빈도의 예측 값의 합계 λi를, 검증 범위(24A)에 포함되는 시나리오 데이터에 있어서의 손실 발생 빈도의 예측 값들의 합계 값 Σλi으로 나눈 값으로서 산출된다.
다음에, 제2 테스트 처리 유닛(25D)은, 널 가설(H0) 및 대립 가설(H1)을 아래 나타낸 바와 같이 형성한다(단계 S35). 널 가설(H0)은, "비율 파라미터는 p1, p2, …, pk이다"로 설정된다. 대립 가설(H1)은, "비율 파라미터는 p1, p2, …, pk이 아니다"로 설정된다.
다음에, 제2 테스트 처리 유닛(25D)은, 널 가설(H0)이 정확하다고 가정하고, 비율 파라미터(p1, p2, …, pk)의 다항 분포에 있어서, 손실 발생 횟수의 실제 값(n1, n2, …, nk)이 실현하는 확률(px)을 산출한다(단계 S36).
다음에, 제2 테스트 처리 유닛(25D)은, 합계 파라미터 ΣNi 및 비율 파라미터(p1, p2, …, pk)의 다항 분포에 있어서, 모든 사용가능한 값의 조합 각각에 대한, 즉, 합계가 ΣNi가 되는 k개의 논-네거티브 정수의 조합 각각에 대한 확률을 산출한다(단계 S37). 다음에, 제2 테스트 처리 유닛(25D)은, 산출한 확률 중, 실제 값(n1, n2, …, nk)이 실현하는 확률(px)보다 낮은 확률의 합계를, p-값으로서, 산출한다(단계 S38).
다음에, 제2 테스트 처리 유닛(25D)은, 산출한 p-값을 유의 수준(α2)과 비교한다(단계 S39). 그리고, 제2 테스트 처리 유닛(25D)은, 그 비교 결과에 따른 테스트 결과를 생성하고, 저장 유닛(24)에 저장한다(단계 S40 및 S41). 즉, 제2 테스트 처리 유닛(25D)은, p-값≥유의 수준(α2)일 때는 "비편향"으로 판정하고, p-값<유의 수준(α2)일 때는 "편향"으로 판정한다.
따라서, 본 예시적인 실시예에 따르면, 시나리오 데이터의 손실 발생 빈도의 유효성을, 실제 손실 사례를 이용하여, 제1 예시적인 실시예보다 더 정확하게 검증하는 것이 가능하다. 그 이유는, 복수의 시나리오 데이터의 콜렉션인 시나리오 그룹 전체에 대해 손실 발생 빈도의 유효성을 검증하고, 검증 유닛들 사이에서 보수성에 편향이 있는지 여부를 실제 손실 사례를 이용해서 검증하기 때문에다. 이에 대해 더 설명될 것이다.
전술한 바와 같이, 모든 검증 유닛의 시나리오 데이터의 콜렉션인 시나리오 그룹 전체에 대해, 손실 발생 빈도의 유효성을 검증하는 것에 의해, 검증 유닛 단독으로는 보수성 검증을 수행할 수 없는 정도의 낮은 시나리오 빈도일 때조차 정확하게 검증하는 것이 가능하게 된다. 그러나, 모든 검증 유닛의 시나리오 데이터가 하나로 수집될 때, 검증 유닛 각각의 시나리오 빈도는 은폐된다. 이 때문에, 시나리오 그룹 전체의 시나리오 빈도의 합계가 일정할 때, 보수성 검증의 결과는 일정하게 된다. 비편향성 검증을 수행함으로써, 보수성 검증에서는 검증할 수 없는, 검증 유닛들 사이의 보수성의 편향을 검증하는 것이 가능하다.
[제3 예시적인 실시예]
도 9를 참조하면, 본 발명의 제3 예시적인 실시예에 따른 리스크 관리 디바이스(3)는, 제2 예시적인 실시예에 따른 리스크 관리 디바이스(2)가 갖는 보수성 검증 기능과 비편향성 검증 기능 이외에, 검증 결과에 기초하여 시나리오 데이터의 손실 발생 빈도를 보정하는 기능을 갖는다.
리스크 관리 디바이스(3)는, 주요 기능 유닛으로서, 통신 I/F 유닛(31), 동작 입력 유닛(32), 화면 표시 유닛(33), 저장 유닛(34), 및 프로세서(35)를 갖는다.
통신 I/F 유닛(31), 동작 입력 유닛(32), 및 화면 표시 유닛(33)은, 제2 예시적인 실시예에서 도 5에 도시된 통신 I/F 유닛(21), 동작 입력 유닛(22), 및 화면 표시 유닛(23)과 동일한 기능을 갖는다.
저장 유닛(34)은, 하드 디스크 및 반도체 메모리와 같은 저장 디바이스로 형성되고, 프로세서(35)에서의 각종 처리에 필요한 처리 정보 및 프로그램(34P)을 저장하는 기능을 갖는다. 프로그램(34P)은, 프로세서(35)로 로드되고 실행됨으로써 각종 처리 유닛을 실현하는 프로그램이며, 통신 I/F 유닛(31)과 같은 데이터 입/출력 기능을 거쳐 외부 디바이스(도시 생략) 또는 컴퓨터-판독가능한 저장 매체(도시 생략)로부터 미리 로드되어 저장 유닛(34)에 저장된다. 저장 유닛(34)으로 저장되는 주요 처리 정보는, 복수의 검증 유닛(34A1), 그의 콜렉션인 검증 범위(34A), 손실 발생 횟수(34B), 제1 테스트 조건(34C), 제1 테스트 결과(34D), 제2 테스트 조건(34E), 및 제2 테스트 결과(34F)를 포함한다.
복수의 검증 유닛(34A1), 그의 콜렉션인 검증 범위(34A), 손실 발생 횟수(34B), 제1 테스트 조건(34C), 제1 테스트 결과(34D), 제2 테스트 조건(34E), 및 제2 테스트 결과(34F)는, 제2 예시적인 실시예에서 복수의 검증 유닛(24A1), 검증 범위(24A), 손실 발생 횟수(24B), 제1 테스트 조건(24C), 제1 테스트 결과(24D), 제2 테스트 조건(24E), 및 제2 테스트 결과(24F)와 동일하다.
프로세서(35)는, CPU와 같은 마이크로프로세서와 그 주변 회로를 갖고, 저장 유닛(34)으로부터 프로그램(34P)을 로드하여 실행함으로써, 하드웨어와 프로그램(34P)을 협동시켜서 각종 처리 유닛을 실현하는 기능을 갖는다. 프로세서(35)로 실현되는 주요 처리 유닛은, 입력 저장 유닛(35A), 제1 테스트 처리 유닛(35B), 출력 유닛(35C), 제2 테스트 처리 유닛(35D), 및 보정 유닛(35E)이다.
입력 저장 유닛(35A), 제1 테스트 처리 유닛(35B), 및 제2 테스트 처리 유닛(35D)은, 제2 예시적인 실시예에서 입력 저장 유닛(25A), 제1 테스트 처리 유닛(25B), 및 제2 테스트 처리 유닛(25D)과 동일한 기능을 갖는다.
보정 유닛(35E)은, 보수성 검증 테스트 결과(34D)와 비편향성 검증 테스트 결과(34F)를 저장 유닛(34)으로부터 로드하고, 2개의 검증 결과에 기초하여 손실 발생 빈도의 예측 값을 보정하는 검증 유닛(34A1)을 결정하고, 결정한 검증 유닛(34A1)에 있어서의 시나리오 데이터의 손실 발생 빈도의 예측 값을 보정하는 기능을 갖는다. 또한, 보정 유닛(35E)은, 보정 후의 시나리오 데이터를 저장 유닛(34)에 저장하는 기능을 갖는다. 보정 유닛(35E)은, 보정 전의 시나리오 데이터 위에 보정 후 시나리오 데이터를 기록할 수 있고, 또는 보정 전의 시나리오 데이터 와는 별도로 보정 후 시나리오 데이터를 저장 유닛(34)에 저장할 수도 있다. 또한, 보정 유닛(35E)은, 적어도 하나의 시나리오 데이터에 대한 보정을 행한 경우, 제1 테스트 처리 유닛(35B)으로부터 처리를 재개시키는 기능을 갖는다.
출력 유닛(35C)은, 제1 테스트 결과(34D), 제2 테스트 결과(34F), 및 보정 후 시나리오 데이터를 저장 유닛(34)으로부터 로드하고, 검증 유닛 전체의 보수성 검증 결과, 검증 유닛 간의 비편향성 검증 결과, 및 보정 내용으로서 화면 표시 유닛(33)에 출력하거나, 통신 I/F 유닛(31)을 통해 외측에 출력하는 기능을 갖는다.
다음에, 도 10을 참조하여, 본 예시적인 실시예에 따른 리스크 관리 디바이스(3)의 동작에 대해 설명할 것이다.
우선, 입력 저장 유닛(25A)은, 제2 예시적인 실시예에 있어서의 입력 저장 유닛(25A)과 마찬가지로, 복수의 검증 유닛(34A1), 복수의 검증 유닛(34A1)의 콜렉션인 검증 범위(34A), 시나리오 데이터에 대응하는 실제 손실 발생 횟수(34B), 제1 테스트 조건(34C) 및 제2 테스트 조건(34E)을, 통신 I/F 유닛(31) 또는 동작 입력 유닛(32)으로부터 입력하고, 저장 유닛(34)에 저장한다(단계 S51).
다음에, 제1 테스트 처리 유닛(35B)은, 제2 예시적인 실시예에 있어서의 제1 테스트 처리 유닛(25B)과 마찬가지로, 검증 범위(34A)에 포함되는 시나리오 데이터에 대응하는 손실 발생 횟수들의 합계 값이, 검증 범위(34A)에 포함되는 시나리오 데이터에 있어서의 손실 발생 빈도의 예측 값들의 합계 값을 평균으로서 정의하는 푸아송 분포를 따르는지 여부를, 푸아송 분포에 대한 적합도의 테스트를 이용해서 결정하고, 그 결과를 저장 유닛(34)에 저장한다(단계 S52).
다음에, 제2 테스트 처리 유닛(35D)은, 제2 예시적인 실시예에 있어서의 제2 테스트 처리 유닛(25D)과 마찬가지로, 각각의 검증 유닛(34A1)에 대한 시나리오 데이터에 대응하는 손실 발생 횟수(34B)가, 합계 파라미터가 검증 범위(34A)에 포함되는 시나리오 데이터에 대응하는 손실 발생 횟수(34B)의 합계 값이고, 비율 파라미터가 검증 범위(34A)에 포함되는 시나리오 데이터에 있어서의 손실 발생 빈도의 예측 값들의 합계 값에 대한, 검증 유닛(34A1) 각각의 시나리오 데이터에 있어서의 손실 발생 빈도의 예측 값들의 합계 값의 비율인 다항 분포를 따르는지 여부를, 다항 분포에 대한 적합도의 테스트를 이용해서 결정하고, 그 결과를 저장 유닛(34)에 저장한다(단계 S53).
다음에, 보정 유닛(35E)은, 보수성 검증 테스트 결과(34D)와 비편향성 검증 테스트 결과(34F)에 기초하여 손실 발생 빈도의 예측 값을 보정하는 검증 유닛(34A1)을 결정하고, 결정한 검증 유닛(34A1)에 있어서의 시나리오 데이터의 손실 발생 빈도의 예측 값을 보정하고, 보정 후 시나리오 데이터를 저장 유닛(34)에 저장한다(단계 S54).
다음에, 보정 유닛(35E)은, 적어도 하나의 시나리오 데이터에 대하여 보정을 행했는지 여부를 판정하고(단계 S55), 보정을 행한 경우, 제1 테스트 처리 유닛(35B)으로 제어를 리턴한다. 결과적으로, 위에서 언급한 바와 같은 보수성 검증 및 비편향성 검증이 보정 후 시나리오 데이터를 사용하여 다시 실행된 후에, 보정 유닛(35E)에 의한 보정의 프로세스가 실행된다. 이러한 프로세스는, 보정될 모든 시나리오 데이터에 대한 보정이 실행될 때까지 반복된다. 한편, 시나리오 데이터에 대한 보정이 행해지지 않았을 경우, 보정 유닛(35E)은, 출력 유닛(35C)으로 제어를 패스한다.
출력 유닛(35C)은, 제1 테스트 결과(34D), 제2 테스트 결과(34F), 및 보정 후 시나리오 데이터를 저장 유닛(34)으로부터 로드하고, 검증 유닛 전체의 보수성 검증 결과, 검증 유닛 간의 비편향성 검증 결과, 및 보정 내용으로서 화면 표시 유닛(33)에 출력하거나, 통신 I/F 유닛(31)을 통해 외측에 출력한다(단계 S56).
도 11은 도 10에서 단계 S54의 처리에 대한 일례를 나타내는 플로우차트이다. 이하, 도 11을 참조하여, 보정 유닛(35E)이 실행하는 단계 S54의 처리에 대한 일례에 대해 설명할 것이다.
보정 유닛(35E)은, 보수성 검증의 결과(34D)가 "보수적"인지, "유효"인지, "비보수적"인지 여부를 판정하고, 또한, 비편향성 검증의 결과(34F)가 "비편향(unbiased)"인지 "편향(biased)"인지 여부를 판정한다(단계 S61∼S64). 그 다음, 보정 유닛(35E)은 그 판정 결과에 따라 이하의 6가지의 케이스로 분류하고, 각 케이스에 따른 보정 처리를 실행한다(단계 S65∼S70).
(1) 케이스 1: 보수적 및 비편향
이 경우, 보정 유닛(35E)은, 모든 검증 유닛(34A1)에 포함되는 시나리오 데이터에 있어서의 손실 발생 빈도의 예측 값을 감소시킴으로써 보정을 수행한다(단계 S65).
(2) 케이스 2: 보수적 및 편향
이 경우, 보정 유닛(35E)은, 모든 검증 유닛 중 가장 보수적인 검증 유닛(34A1)에 포함되는 시나리오 데이터에 있어서의 손실 발생 빈도의 예측 값을 감소시킴으로써 보정을 수행한다(단계 S66).
(3) 케이스 3: 유효한 보수성 및 비편향
이 경우, 보정 유닛(35E)은, 보정에 대한 필요성이 없다고 판정한다(단계 S67).
(4) 케이스 4: 유효한 보수성 및 편향
이 경우, 보정 유닛(35E)은, 모든 검증 유닛 중 가장 비보수적인 검증 유닛(34A1)에 포함되는 시나리오 데이터에 있어서의 손실 발생 빈도의 예측 값을 증가시킴으로써 보정을 수행한다(단계 S68).
(5) 케이스 5: 비보수적 및 비편향
이 경우, 보정 유닛(35E)은, 모든 검증 유닛(34A1)에 포함되는 시나리오 데이터에 있어서의 손실 발생 빈도의 예측 값을 증가시킴으로써 보정을 수행한다(단계 S69).
(6) 케이스 6: 비보수적 및 편향
이 경우, 보정 유닛(35E)은, 케이스 4와 마찬가지로, 모든 검증 유닛 중 가장 비보수적인 검증 유닛(34A1)에 포함되는 시나리오 데이터에 있어서의 손실 발생 빈도의 예측 값을 증가시킴으로써 보정을 수행한다(단계 S70).
보정 유닛(35E)은, 검증 유닛 간의 상대적인 보수성/비보수성에 대해, 각각의 검증 유닛의 보수성의 추정값을 산출하고, 그 대소(magnitude)에 기초하여 판정함으로써 판정한다. 보수성의 추정값은, 검증 유닛에 포함되는 시나리오 데이터에 있어서의 손실 발생 빈도의 예측 값들의 합계 값을 평균 파라미터로서 정의하는 푸아송 분포가, 검증 유닛에 포함되는 시나리오 데이터에 대응하는 실제 손실 발생 횟수들의 합계 값 이하의 값을 취하는 확률(= 누적 분포 함수의 값)이다. 검증 유닛 중에서, 위에서 언급한 확률이 가장 작은 검증 유닛은 가장 보수적인 검증 유닛이고, 확률이 가장 큰 검증 유닛은 가장 비보수적인 검증 유닛이다.
또한, 보정 유닛(35E)은, 사전에 정해진 규칙에 따라, 보정에 의해 예측 값을 어느 정도 증가 혹은 감소시킬지를 판정한다. 보정의 규칙으로서는, 예를 들면, 보정 유닛(35E)은 보정 전의 예측 값이 예측 값의 미리 정해진 비율(예컨대, 30%)만큼 증가 혹은 감소되도록 규칙을 사용할 수 있다. 대안적으로, 보정 유닛(35E)은, 손실 발생 빈도로서 사용가능한 예측 값이 감소하는 순서로 배열되는 빈도 테이블에 있어서의 보정 전의 빈도의 값이 1 랭크 또는 2 랭크만큼 증가 또는 감소하도록 보정이 수행되는 규칙을 사용할 수 있다.
이렇게, 본 예시적인 실시예에 따르면, 제2 예시적인 실시예와 동일한 효과를 얻을 수 있고, 또한 보수성 검증과 비편향성 검증의 결과에서 유효하지 않은 검증 결과가 얻어지는 경우에, 시나리오 데이터의 손실 발생 빈도를 자동적으로 보정할 수 있다.
[제4 예시적인 실시예]
도 12를 참조하면, 본 발명의 제4 예시적인 실시예에 따른 리스크 관리 디바이스(4)는, 제3 예시적인 실시예에 따른 리스크 관리 디바이스(3)가 갖는 보수성 검증 기능, 비편향성 검증 기능 및 보정 기능 이외에, 시나리오 데이터 그룹으로부터 검증 대상인 시나리오 데이터를 추출하고, 검증 유닛들과 그들의 콜렉션인 검증 범위를 설정하는 기능을 갖는다.
리스크 관리 디바이스(4)는, 주요 기능 유닛으로서, 통신 I/F 유닛(41), 동작 입력 유닛(42), 화면 표시 유닛(43), 저장 유닛(44), 및 프로세서(45)를 갖는다.
통신 I/F 유닛(41), 동작 입력 유닛(42), 및 화면 표시 유닛(43)은, 제3 예시적인 실시예에 있어서 도 9에 도시된 통신 I/F 유닛(31), 동작 입력 유닛(32), 및 화면 표시 유닛(33)과 동일한 기능을 갖는다.
저장 유닛(44)은, 하드 디스크 및 반도체 메모리와 같은 저장 디바이스로 형성되고, 프로세서(45)에서의 각종 처리에 필요한 처리 정보 및 프로그램(44P)을 저장하는 기능을 갖는다. 프로그램(44P)은, 프로세서(45)로 로드되고 실행됨으로써 각종 처리 유닛을 실현하는 프로그램이며, 통신 I/F 유닛(41)과 같은 데이터 입/출력 기능을 거쳐 외부 장치(도시 생략)나 컴퓨터 판독가능한 저장 매체(도시 생략)로부터 미리 로드되어, 저장 유닛(44)에 저장된다. 저장 유닛(44)으로 저장된 주요 처리 정보는, 시나리오 데이터 그룹(44G), 복수의 검증 유닛(44A1), 그의 콜렉션인 검증 범위(44A), 손실 발생 횟수(44B), 제1 테스트 조건(44C), 제1 테스트 결과(44D), 제2 테스트 조건(44E), 및 제2 테스트 결과(44F)를 포함한다.
시나리오 데이터 그룹(44G)은, 복수의 시나리오 데이터로 구성된다. 각각의 시나리오 데이터는, 시나리오 데이터를 고유하게 식별하기 위한 식별자(ID), 손실 발생 빈도의 예측 값, 손실 이벤트의 종류, 및 그 시나리오를 작성한 부문(division)이나 그 시나리오가 상정되는 부문 등을 나타내는 관계 부문(related division)으로 구성된다. 도 13은 시나리오 데이터 그룹(44G)의 구성예를 나타낸다. 이 예의 시나리오 데이터 그룹(44G)은, m개의 시나리오 데이터로 구성된다. 시나리오 데이터(44Gi(i=1∼m))는, 시나리오 IDi, 손실 발생 빈도의 예측 값 λi, 손실 이벤트의 종류, 및 관계 부문을 갖는다. 손실 발생 빈도의 예측 값 λi는, 보유 기간이 1년이라 가정할 때, 1년 당 발생하는 손실 발생 횟수를 나타낸다. 손실 이벤트의 종류는, 예를 들면, 시스템 장해(system trouble), 사기(fraud), 지진(earthquake) 등이다.
복수의 검증 유닛(44A1), 그들의 콜렉션인 검증 범위(44A), 손실 발생 횟수(44B), 제1 테스트 조건(44C), 제1 테스트 결과(44D), 제2 테스트 조건(44E), 및 제2 테스트 결과(44F)는, 제3 예시적인 실시예에 있어서의 복수의 검증 유닛(34A1), 검증 범위(34A), 손실 발생 횟수(34B), 제1 테스트 조건(34C), 제1 테스트 결과(34D), 제2 테스트 조건(34E), 및 제2 테스트 결과(34F)와 동일하다. 그러나, 복수의 검증 유닛(34A1)과 검증 범위(34A)는, 입력 정보로서 공급되는 데이터인 반면, 복수의 검증 유닛(44A1) 및 검증 범위(44A)는, 시나리오 데이터 그룹(44G)으로부터 자동적으로 생성되는 데이터라는 점에서 서로 다르다.
프로세서(45)는, CPU와 같은 마이크로프로세서와 그 주변 회로를 갖고, 저장 유닛(44)으로부터 프로그램(44P)을 로드하여 실행함으로써, 상기 하드웨어와 프로그램(44P)을 협동시켜 각종 처리 유닛을 실현하는 기능을 갖는다. 프로세서(45)로 실현되는 주요 처리 유닛은, 입력 저장 유닛(45A), 제1 테스트 처리 유닛(45B), 출력 유닛(45C), 제2 테스트 처리 유닛(45D), 보정 유닛(45E), 및 검증 대상 설정 유닛(45F)이다.
입력 저장 유닛(45A)은, 통신 I/F 유닛(41) 또는 동작 입력 유닛(42)으로부터, 시나리오 데이터 그룹(44G), 손실 발생 횟수(44B), 제1 테스트 조건(44C), 및 제2 테스트 조건(44E)을 입력하고, 저장 유닛(44)에 저장하는 기능을 갖는다.
검증 대상 설정 유닛(45F)은, 시나리오 데이터 그룹(44G)으로부터 검증 범위로서 복수의 시나리오 데이터를 추출하고, 또한 추출한 복수의 시나리오 데이터를 복수의 검증 유닛으로 분류하는 기능을 갖는다.
도 14는, 검증 범위 및 검증 유닛의 일례를 나타낸다. 설정 1에서, 검증 범위의 유닛은 디파트먼트(department)이고, 검증 유닛은 시나리오이다. 이러한 설정 1에 따르면, 예를 들어, 제1 영업부(sales department)에 주목하면, 도 13의 관계 부문으로서 제1 영업부를 포함하는 시나리오 데이터의 집합이 검증 범위이고, 그 집합 내의 시나리오 데이터 각각이 검증 유닛이다. 또한, 설정 2에서는, 검증 범위의 유닛은 각 업무 부문(operational division)이고, 검증 유닛은 디파트먼트이다. 이러한 설정 2에 따르면, 예를 들어, 제1 영업부와 제2 영업부를 갖는 제1업무 부문에 주목하면, 도 13의 관계 부문으로서 제1 영업부 또는 제2 영업부를 포함하는 시나리오 데이터의 집합이 검증 범위이고, 그 집합에서, 관계 부문으로서 제1 영업부를 포함하는 시나리오 데이터의 집합과, 관계 부문으로서 제2 영업부를 포함하는 시나리오 데이터의 집합이 각각 검증 유닛이다. 또한, 설정 3에서는, 검증 범위의 유닛은 각 업무 부문이고, 검증 유닛은 손실 이벤트의 종류이다. 이러한 설정 3에 따르면, 예를 들어, 제1 업무 부문에 주목하면, 도 13에서 관계 부문으로서 제1 영업부 또는 제2 영업부를 포함하는 시나리오 데이터의 집합이 검증 범위이고, 그 집합에서, 같은 종류의 손실 이벤트를 포함하는 시나리오 데이터의 집합이 검증 유닛이다.
검증 대상 설정 유닛(45F)에서, 위에서 언급한 설정 1∼3과 같은 설정이 하나 이상 정의되어 있다. 검증 대상 설정 유닛(45F)은, 정의된 설정에 따라, 시나리오 데이터 그룹(44G)으로부터 검증 유닛(44A1)과 그의 집합인 검증 범위(44A)를 산출하고, 저장 유닛(44)에 저장한다. 2 이상의 설정이 정의되어 있을 경우, 정의된 순서에 따라 처리가 실행된다. 예를 들어, 첫 번째로 랭크된 설정이, 검증 범위는 각 디파트먼트이고, 검증 유닛은 시나리오인 경우에, 영업부와 같은 각각의 현존하는 디파트먼트에 대해 검증 범위(44A)와 검증 유닛(44A1)이 생성되고, 순서대로 검증 프로세스와 보정 처리가 실행된다. 첫 번째로 랭크된 설정에 관한 검증 프로세스와 보정 처리가 완료되면, 다음으로 랭크된 설정에 따라 검증 범위(44A)와 검증 유닛(44A1)이 생성된다. 이러한 프로세스는 정의되어 있는 모든 설정에 대해 반복된다. 처리 순서로서, 정확한 시나리오를 생성하는 디파트먼트가 부정확한 시나리오를 생성하는 또 다른 디파트먼트의 영향에 의해 보정을 받는 것을 피하기 위해, 예를 들어, 도 14에서 설정 1 및 설정 2의 순서대로, 보다 좁은 검증 범위로부터 우선적으로 실행하는 상향식(bottom up) 접근법이 바람직하다. 또한, 보다 좁은 검증 범위로부터 우선적으로 처리하는 경우에, 도중의(in the middle) 검증 범위의 검증에서 보정이 실행될 때, 보정의 결과는, 그 이전에 실행된 것보다 좁은 검증 범위의 검증에 저촉될 가능성이 있기 때문에, 도중에 보정을 실행할 때 가장 좁은 검증 범위로부터 검증을 재실행하는 것이 바람직하다.
제1 테스트 처리 유닛(45B), 제2 테스트 처리 유닛(45D), 보정 유닛(45E), 및 출력 유닛(45C)은, 제3 예시적인 실시예에 있어서의 제1 테스트 처리 유닛(35B), 제2 테스트 처리 유닛(35D), 보정 유닛(35E), 및 출력 유닛(35C)과 동일한 기능을 갖는다. 그러나, 제1 및 제2 테스트 처리 유닛(45B 및 45D)은, 테스트 결과가 어느 설정에 의한 검증 범위에 대한 테스트 결과인지 명확하게 구별되도록, 제1 및 제2 테스트 결과(44D, 44F)를 저장 유닛(44)에 저장한다. 또한, 출력 유닛(45C)은, 테스트 결과가 어느 설정에 의한 검증 범위에 대한 테스트 결과인지 명확하게 구별되도록, 제1 및 제2 테스트 결과(44D, 44F)를 저장 유닛(44)에 출력한다.
다음에, 도 15를 참조하여, 본 예시적인 실시예에 따른 리스크 관리 디바이스(4)의 동작에 대해 설명할 것이다.
우선, 입력 저장 유닛(45A)은, 시나리오 데이터 그룹(44G), 시나리오 데이터에 대응하는 실제 손실 발생 횟수(44B), 제1 테스트 조건(44C), 및 제2 테스트 조건(44E)을, 통신 I/F 유닛(41) 또는 동작 입력 유닛(42)으로부터 입력하고, 저장 유닛(44)에 저장한다(단계 S81).
다음에, 검증 대상 설정 유닛(45F)은, 첫 번째로 처리될 처음으로 랭크된 설정의 정의에 주목한다(단계 S82). 다음에, 검증 대상 설정 유닛(45F)은, 주목된 설정 정의에 따라, 시나리오 데이터 그룹(44G)으로부터 검증 범위로서 복수의 시나리오 데이터를 추출하고, 또한 추출한 복수의 시나리오 데이터를 복수의 검증 유닛으로 분류하여, 검증 유닛(44A1)과 그 콜렉션인 검증 범위(44A)를 생성하고, 저장 유닛(44)에 저장한다(단계 S83).
다음에, 제1 테스트 처리 유닛(45B)은, 검증 대상 설정 유닛(45F)이 생성한 복수의 검증 유닛(44A1)과 그 콜렉션인 검증 범위(44A), 손실 발생 횟수(44B) 및 제1 테스트 조건(44C)을 저장 유닛(44)으로부터 로드하고, 제3 예시적인 실시예에 있어서의 제1 테스트 처리 유닛(35B)과 마찬가지로, 검증 범위(44A)에 포함되는 시나리오 데이터에 대응하는 손실 발생 횟수들의 합계 값이, 검증 범위(44A)에 포함되는 시나리오 데이터에 있어서의 손실 발생 빈도의 예측 값들의 합계 값을 평균으로서 정의하는 푸아송 분포를 따르는지 여부를, 푸아송 분포에 대한 적합도의 테스트를 이용해서 결정하고, 결과를 저장 유닛(44)에 저장한다(단계 S84).
다음에, 제2 테스트 처리 유닛(45D)은, 제3 예시적인 실시예에 있어서의 제2 테스트 처리 유닛(35D)과 마찬가지로, 각각의 검증 유닛(44A1)에 대한 시나리오 데이터에 대응하는 손실 발생 횟수(44B)가, 합계 파라미터가 검증 범위(44A)에 포함되는 시나리오 데이터에 대응하는 손실 발생 횟수(44B)의 합계 값이고, 비율 파라미터가 검증 범위(44A)에 포함되는 시나리오 데이터에 있어서의 손실 발생 빈도의 예측 값들의 합계 값에 대한, 검증 유닛(44A1) 각각의 시나리오 데이터에 있어서의 손실 발생 빈도의 예측 값들의 합계 값의 비율인 다항 분포를 따르는지 여부를, 다항 분포에 대한 적합도의 테스트를 이용해서 결정하고, 그 결과를 저장 유닛(44)에 저장한다(단계 S85).
다음에, 보정 유닛(45E)은, 제3 예시적인 실시예에 있어서의 보정 유닛(35E)과 마찬가지로, 보수성 검증 테스트 결과(44D)와 비편향성 검증 테스트 결과(44F)에 기초하여 손실 발생 빈도의 예측 값을 보정하는 검증 유닛(44A1)을 결정하고, 결정한 검증 유닛(44A1)에 있어서의 시나리오 데이터의 손실 발생 빈도의 예측 값을 보정하고, 보정 후 시나리오 데이터를 저장 유닛(44)에 저장한다(단계 S86).
다음에, 보정 유닛(45E)은, 적어도 하나의 시나리오 데이터에 대하여 보정을 행했는지 여부를 판정하고(단계 S87), 보정을 행한 경우, 제1 테스트 처리 유닛(45B)으로 제어를 리턴한다. 그 결과, 보정 후 시나리오 데이터를 사용하여, 위에서 언급된 바와 같은 보수성 검증 및 비편향성 검증이 처리중인 검증 범위(44A)에 대하여 다시 실행된 후에, 보정 유닛(45E)에 의한 보정의 처리가 실행된다. 이러한 프로세스는, 보정될 모든 시나리오 데이터에 대해 보정 처리가 실행될 때까지 반복된다. 한편, 시나리오 데이터에 대한 보정이 행해지지 않았을 경우, 보정 유닛(45E)은, 검증 대상 설정 유닛(45F)으로 제어를 리턴한다.
검증 대상 설정 유닛(45F)은, 주목된 설정 정의에 관해 처리되지 않은 검증 범위가 존재하는지 여부를 판정하고(단계 S88), 처리되지 않은 검증 범위가 존재하는 경우에는, 단계 S83의 처리로 리턴한다. 그 결과, 주목된 설정 정의에 따라, 아직 처리되지 않은 설정 범위에 대해서, 검증 유닛(44A1)과 그 콜렉션인 검증 범위(44A)가 생성되고, 그 검증 범위(44A)에 대해 보수성 검증, 비편향성 검증, 및 보정 처리가 실행된다.
한편, 주목된 설정 정의에 관해 처리되지 않은 검증 범위가 남아 있지 않을 경우, 검증 대상 설정 유닛(45F)은, 주목된 설정 정의가 최초 및 유일한 것인지 여부를 판정한다(단계 S89). 검증 대상 설정 유닛(45F)은, 주목중인 설정 정의가 최초 및 유일한 것이면, 출력 유닛(45C)으로 제어를 패스한다. 검증 대상 설정 유닛(45F)은, 주목중인 설정 정의가 최초 및 유일한 것이 아니면, 주목된 설정 정의의 처리에서 시나리오 데이터에 대한 보정이 수행되었는지 여부를 판정한다(단계 S90). 만약, 보정이 수행된 경우에, 검증 대상 설정 유닛(45F)은 단계 S82의 처리로 리턴한다. 그 결과, 최초 설정 정의로부터 검증이 다시 반복된다. 또한, 보정이 수행되지 않았다면, 검증 대상 설정 유닛(45F)은, 처리되지 않은 설정 정의가 있는지의 여부를 판정하고(단계 S91), 처리되지 않은 것이 있으면, 단계 S83의 처리로 리턴한다. 그 결과, 다음 설정 정의에 관해서, 이전 설정 정의에 대한 처리와 동일한 처리가 반복된다. 또한, 검증 대상 설정 유닛(45F)은, 처리되지 않은 설정 정의가 없으면, 출력 유닛(45C)으로 패스한다.
출력 유닛(45C)은, 제1 테스트 결과(44D), 제2 테스트 결과(44F), 및 보정 후 시나리오 데이터를 저장 유닛(44)으로부터 로드하고, 검증 유닛 전체의 보수성 검증 결과, 검증 유닛 간의 비편향성 검증 결과, 및 보정 내용으로서, 각 설정 별로, 화면 표시 유닛(43)에 출력하거나, 통신 I/F 유닛(41)을 통해 외측에 출력한다(단계 S93).
따라서, 이러한 예시적인 실시예에 따르면, 제3 예시적인 실시예와 동일한 효과를 얻을 수 있고, 또한 검증 범위(44A)와 검증 유닛(44A1)을 자동적으로 생성할 수 있기 때문에, 검증 담당자의 부담을 경감할 수 있다.
[그 밖의 예시적인 실시예]
본 발명은 예시적인 실시예들을 갖는 것으로 위에서 설명했지만, 본 발명은 위에서 설명한 예시적인 실시예들로 제한되지 않고 다양한 방식으로 수정될 수 있다. 예를 들면, 본 발명은 대출 업무 등의 신용거래에 관한 신용 리스크 및 교환 거래 및 금리거래에 관한 시장 리스크와 같은 운영 리스크 이외의 리스크에 대해서도 적용가능하다. 또한, 본 발명은 이하와 같은 예시적인 실시예들도 포함한다.
위에서 설명한 예시적인 실시예에서, 보수성 검증에 있어서, "보수적", "유효", 및 "비보수적"의 3가지의 검증 결과가 도출된다. 그러나, 본 발명에 따르면, 보수성 검증에 있어서, "유효" 및 "그 외(others)"와 같은 2개의 검증 결과가 도출될 수도 있다.
위에서 설명한 예시적인 실시예에서, 보수성 검증 및 비편향성 검증의 유의 수준이 고정치이다. 그러나, 본 발명에 따르면, 유의 수준은 가변 값일 수 있다. 또한, 제1 유의 수준에서 보수성 검증, 비편향성 검증 및 보정 처리를 실행하고, 그 후에, 상기 제1 유의 수준보다 큰 제2 유의 수준에서 보수성 검증 및 비편향성 검증을 실행하고, 제2 유의 수준에 의한 검증 결과만을 출력하도록 구성할 수 있다.
또한, 위에서 설명한 예시적인 실시예에서, 보수성 검증과 비편향성 검증의 검증 결과가 6개의 케이스로 분류되고, 보수성/비편향성에 있어서 유효인 케이스 이외의 5개의 케이스에서는 보정이 자동적으로 수행된다. 그러나, 본 발명에 따르면, 5개의 케이스 중에서, 비보수적/비편향인 단지 1개의 케이스, 또는 비보수적/비편향 및 비보수적/편향의 단지 2개의 케이스, 또는 비보수적/비편향, 비보수적/편향 및 보수성/편향에서 유효인 단지 3개의 케이스에서만, 보정이 자동적으로 수행될 수 있다.
본 발명은, 2011년 3월 29일에 출원된, 일본 특허 출원 제2011-072747호에 근거하고 그로부터의 우선권의 이득을 청구하는 것으로, 그 전체 내용이 여기에 참고로 포함된다.
본 발명은, 예를 들어, 리스크 계량 디바이스의 입력 정보로서 사용되는 시나리오 데이터에 있어서의 손실 발생 빈도의 예측 값의 유효성을 검증하고, 검증 결과에 따라 예측 값을 보정하기 위해 이용될 수 있다.
위에 개시된 예시적인 실시예의 일부 또는 전부가 다음의 부기(supplementary notes)와 같이 설명될 수 있지만, 그로 제한되는 것은 아니다.
(부기 1)
손실 발생 빈도의 예측 값을 각각 포함하는 하나 이상의 시나리오 데이터로 각각 구성되는 복수의 검증 유닛, 상기 복수의 검증 유닛의 콜렉션인 검증 범위, 및 상기 시나리오 데이터에 대응하는 실제 손실 발생 횟수를 저장하기 위한 저장 수단; 및
상기 검증 범위에 포함되는 시나리오 데이터에 대응하는 상기 손실 발생 횟수들의 합계 값이, 상기 검증 범위에 포함되는 시나리오 데이터에 있어서의 손실 발생 빈도의 예측 값들의 합계 값을 평균으로서 정의하는 푸아송 분포를 따르는지 여부를, 푸아송 분포에 대한 적합도의 테스트를 이용해서 결정하기 위한 제1 테스트 처리 수단
을 포함하는 리스크 관리 디바이스.
(부기 2)
부기 1에 있어서,
상기 각각의 검증 유닛에 대한 시나리오 데이터에 대응하는 상기 손실 발생 횟수가, 합계 파라미터가 상기 검증 범위에 포함되는 시나리오 데이터에 대응하는 상기 손실 발생 횟수들의 합계 값이고, 비율 파라미터가 상기 검증 범위에 포함되는 시나리오 데이터에 있어서의 손실 발생 빈도의 예측 값들의 합계 값에 대한, 상기 검증 유닛 각각의 시나리오 데이터에 있어서의 손실 발생 빈도의 예측 값들의 합계 값의 비율인 다항 분포를 따르는지 여부를, 다항 분포에 대한 적합도의 테스트를 이용해서 결정하기 위한 제2 테스트 처리 수단
를 포함하는 리스크 관리 디바이스.
(부기 3)
부기 2에 있어서,
상기 푸아송 분포에 대한 적합도의 테스트 결과와 상기 다항 분포에 대한 적합도의 테스트 결과에 기초하여, 시나리오 데이터에 있어서의 손실 발생 빈도의 예측 값을 보정하는 검증 유닛을 결정하기 위한 보정 수단을 포함하는 리스크 관리 디바이스.
(부기 4)
부기 3에 있어서,
상기 보정 수단은, 상기 결정된 검증 유닛에 포함되는 시나리오 데이터에 있어서의 손실 발생 빈도의 예측 값을 보정하도록 구성되는 리스크 관리 디바이스.
(부기 5)
부기 1 내지 4 중 어느 하나에 있어서,
상기 저장 수단은, 손실 발생 빈도의 예측 값을 각각 포함하는 복수의 시나리오 데이터로 구성되는 시나리오 데이터 그룹을 저장하도록 구성되고,
상기 리스크 관리 디바이스는 상기 시나리오 데이터 그룹으로부터 상기 검증 범위와 상기 복수의 검증 유닛을 추출하기 위한 검증 대상 설정 수단을 포함하는, 리스크 관리 디바이스.
(부기 6)
손실 발생 빈도의 예측 값을 각각 포함하는 하나 이상의 시나리오 데이터로 각각 구성되는 복수의 검증 유닛, 상기 복수의 검증 유닛의 콜렉션인 검증 범위, 및 상기 시나리오 데이터에 대응하는 실제 손실 발생 횟수를 저장하기 위한 저장 수단과, 제1 테스트 처리 수단을 포함하는 리스크 관리 디바이스가 실행하는 리스크 관리 방법으로서,
상기 제1 테스트 처리 수단이, 상기 검증 범위에 포함되는 시나리오 데이터에 대응하는 상기 손실 발생 횟수들의 합계 값이, 상기 검증 범위에 포함되는 시나리오 데이터에 있어서의 손실 발생 빈도의 예측 값들의 합계 값을 평균으로서 정의하는 푸아송 분포를 따르는지 여부를, 푸아송 분포에 대한 적합도의 테스트를 이용해서 결정하는 단계
를 포함하는 리스크 관리 방법.
(부기 7)
부기 6에 있어서,
상기 리스크 관리 디바이스가, 제2 테스트 처리 수단을 포함하고,
상기 리스크 관리 방법은,
상기 제2 테스트 처리 수단이, 상기 각각의 검증 유닛에 대한 시나리오 데이터에 대응하는 상기 손실 발생 횟수가, 합계 파라미터가 상기 검증 범위에 포함되는 시나리오 데이터에 대응하는 상기 손실 발생 횟수들의 합계 값이고, 비율 파라미터가 상기 검증 범위에 포함되는 시나리오 데이터에 있어서의 손실 발생 빈도의 예측 값들의 합계 값에 대한, 상기 검증 유닛 각각의 시나리오 데이터에 있어서의 손실 발생 빈도의 예측 값들의 합계 값의 비율인 다항 분포를 따르는지 여부를, 다항 분포에 대한 적합도의 테스트를 이용해서 결정하는 단계
를 포함하는 리스크 관리 방법.
(부기 8)
부기 7에 있어서,
상기 리스크 관리 디바이스가, 보정 수단을 포함하고,
상기 리스크 관리 방법은,
상기 보정 수단이, 상기 푸아송 분포에 대한 적합도의 테스트 결과와 상기 다항 분포에 대한 적합도의 테스트 결과에 기초하여 시나리오 데이터에 있어서의 손실 발생 빈도의 예측 값을 보정하는 검증 유닛을 결정하는 단계
를 포함하는 리스크 관리 방법.
(부기 9)
부기 8에 있어서,
상기 보정 수단이, 상기 결정된 검증 유닛에 포함되는 시나리오 데이터에 있어서의 손실 발생 빈도의 예측 값을 보정하는 단계
를 포함하는 리스크 관리 방법.
(부기 10)
손실 발생 빈도의 예측 값을 각각 포함하는 하나 이상의 시나리오 데이터로 각각 구성되는 복수의 검증 유닛, 상기 복수의 검증 유닛의 콜렉션인 검증 범위, 및 상기 시나리오 데이터에 대응하는 실제 손실 발생 횟수를 저장하기 위한 저장 수단을 갖는 컴퓨터로 하여금,
상기 검증 범위에 포함되는 시나리오 데이터에 대응하는 상기 손실 발생 횟수들의 합계 값이, 상기 검증 범위에 포함되는 시나리오 데이터에 있어서의 손실 발생 빈도의 예측 값들의 합계 값을 평균으로 하는 푸아송 분포를 따르는지 여부를, 푸아송 분포에 대한 적합도의 테스트를 이용해서 결정하기 위한 제1 테스트 처리 수단
으로서 기능하게 하기 위한 명령어들을 포함하는 컴퓨터 프로그램.
1, 2, 3, 4 리스크 관리 디바이스
11, 21, 31, 41 통신 I/F 유닛
12, 22, 32, 42 동작 입력 유닛
13, 23, 33, 43 화면 표시 유닛
14, 24, 34, 44 저장 유닛
15, 25, 35, 45 프로세서

Claims (10)

  1. 리스크 관리 디바이스로서,
    손실 발생 빈도의 예측 값을 각각 포함하는 하나 이상의 시나리오 데이터로 각각 구성된 복수의 검증 유닛들, 상기 복수의 검증 유닛들의 콜렉션(collection)인 검증 범위, 및 상기 시나리오 데이터에 대응하는 실제 손실 발생 횟수들을 저장하기 위한 메모리; 및
    상기 메모리에 접속된 프로세서
    를 포함하고,
    상기 프로세서는, 상기 검증 범위에 포함된 시나리오 데이터에 대응하는 상기 손실 발생 횟수들의 합계 값(total value)이, 상기 검증 범위에 포함된 시나리오 데이터에 있어서의 손실 발생 빈도의 예측 값들의 합계 값을 평균으로서 정의하는 푸아송 분포(Poisson distribution)를 따르는지 여부를, 푸아송 분포에 대한 적합도의 테스트(goodness-of-fit test)를 이용해서 결정하도록 프로그래밍되는 리스크 관리 디바이스.
  2. 제1항에 있어서, 상기 프로세서는, 또한, 상기 검증 유닛들 각각에 대한 시나리오 데이터에 대응하는 상기 손실 발생 횟수들이, 합계 파라미터(total parameter)가 상기 검증 범위에 포함된 시나리오 데이터에 대응하는 상기 손실 발생 횟수들의 합계 값이고, 비율 파라미터(ratio parameter)가 상기 검증 범위에 포함된 시나리오 데이터에 있어서의 손실 발생 빈도의 예측 값들의 합계 값에 대한, 상기 검증 유닛들 각각의 시나리오 데이터에 있어서의 손실 발생 빈도의 예측 값들의 합계 값의 비율인 다항 분포(multinomial distribution)를 따르는지 여부를, 다항 분포에 대한 적합도의 테스트를 이용해서 결정하도록 프로그래밍되는 리스크 관리 디바이스.
  3. 제2항에 있어서, 상기 프로세서는, 또한, 상기 푸아송 분포에 대한 적합도의 테스트 결과와 상기 다항 분포에 대한 적합도의 테스트 결과에 기초하여, 시나리오 데이터에 있어서의 손실 발생 빈도의 예측 값을 보정할 검증 유닛을 결정하도록 프로그래밍되는 리스크 관리 디바이스.
  4. 제3항에 있어서, 상기 프로세서는, 또한, 상기 결정된 검증 유닛에 포함된 시나리오 데이터에 있어서의 손실 발생 빈도의 예측 값을 보정하도록 프로그래밍되는 리스크 관리 디바이스.
  5. 제1항 내지 제4항 중 어느 한 항에 있어서,
    상기 메모리는, 또한, 손실 발생 빈도의 예측 값을 각각 포함하는 복수의 시나리오 데이터로 구성되는 시나리오 데이터 그룹을 저장하도록 구성되고,
    상기 프로세서는, 또한, 상기 시나리오 데이터 그룹으로부터 상기 검증 범위와 상기 복수의 검증 유닛들을 추출하도록 프로그래밍되는 리스크 관리 디바이스.
  6. 손실 발생 빈도의 예측 값을 각각 포함하는 하나 이상의 시나리오 데이터로 각각 구성된 복수의 검증 유닛들, 상기 복수의 검증 유닛들의 콜렉션인 검증 범위, 및 상기 시나리오 데이터에 대응하는 실제 손실 발생 횟수들을 저장하기 위한 메모리를 포함하고, 또한 상기 메모리에 접속된 프로세서를 포함하는 리스크 관리 디바이스에 의해 실행되는 리스크 관리 방법으로서,
    상기 프로세서에 의해, 상기 검증 범위에 포함된 시나리오 데이터에 대응하는 상기 손실 발생 횟수들의 합계 값이, 상기 검증 범위에 포함된 시나리오 데이터에 있어서의 손실 발생 빈도의 예측 값들의 합계 값을 평균으로서 정의하는 푸아송 분포를 따르는지 여부를, 푸아송 분포에 대한 적합도의 테스트를 이용해서 결정하는 단계
    를 포함하는 리스크 관리 방법.
  7. 제6항에 있어서, 상기 프로세서에 의해, 상기 검증 유닛들 각각에 대한 시나리오 데이터에 대응하는 상기 손실 발생 횟수들이, 합계 파라미터가 상기 검증 범위에 포함된 시나리오 데이터에 대응하는 상기 손실 발생 횟수들의 합계 값이고, 비율 파라미터가 상기 검증 범위에 포함된 시나리오 데이터에 있어서의 손실 발생 빈도의 예측 값들의 합계 값에 대한, 상기 검증 유닛들 각각의 시나리오 데이터에 있어서의 손실 발생 빈도의 예측 값들의 합계 값의 비율인 다항 분포를 따르는지 여부를, 다항 분포에 대한 적합도의 테스트를 이용해서 결정하는 단계를 더 포함하는 리스크 관리 방법.
  8. 제7항에 있어서, 상기 프로세서에 의해, 상기 푸아송 분포에 대한 적합도의 테스트 결과와 상기 다항 분포에 대한 적합도의 테스트 결과에 기초하여, 시나리오 데이터에 있어서의 손실 발생 빈도의 예측 값을 보정할 검증 유닛을 결정하는 단계를 더 포함하는 리스크 관리 방법.
  9. 제8항에 있어서, 상기 프로세서에 의해, 상기 결정된 검증 유닛에 포함된 시나리오 데이터에 있어서의 손실 발생 빈도의 예측 값을 보정하는 단계를 더 포함하는 리스크 관리 방법.
  10. 손실 발생 빈도의 예측 값을 각각 포함하는 하나 이상의 시나리오 데이터로 각각 구성된 복수의 검증 유닛들, 상기 복수의 검증 유닛들의 콜렉션인 검증 범위, 및 상기 시나리오 데이터에 대응하는 실제 손실 발생 횟수들을 저장하기 위한 메모리에 접속되는 프로세서로 하여금,
    상기 검증 범위에 포함된 시나리오 데이터에 대응하는 상기 손실 발생 횟수들의 합계 값이, 상기 검증 범위에 포함된 시나리오 데이터에 있어서의 손실 발생 빈도의 예측 값들의 합계 값을 평균으로서 정의하는 푸아송 분포를 따르는지 여부를, 푸아송 분포에 대한 적합도의 테스트를 이용해서 결정하는 동작
    을 포함하는 동작들을 수행하게 하기 위한 명령어들을 포함하는, 컴퓨터 프로그램.
KR1020137018339A 2011-03-29 2012-03-23 리스크 관리 디바이스 KR101368103B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JPJP-P-2011-072747 2011-03-29
JP2011072747A JP5697146B2 (ja) 2011-03-29 2011-03-29 リスク管理装置
PCT/JP2012/002006 WO2012132355A1 (ja) 2011-03-29 2012-03-23 リスク管理装置

Publications (2)

Publication Number Publication Date
KR20130086657A true KR20130086657A (ko) 2013-08-02
KR101368103B1 KR101368103B1 (ko) 2014-02-27

Family

ID=46930136

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020137018339A KR101368103B1 (ko) 2011-03-29 2012-03-23 리스크 관리 디바이스

Country Status (5)

Country Link
US (1) US20130311231A1 (ko)
EP (1) EP2693379A4 (ko)
JP (1) JP5697146B2 (ko)
KR (1) KR101368103B1 (ko)
WO (1) WO2012132355A1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180103033A (ko) * 2018-09-10 2018-09-18 김해동 P2p금융을 활용한 청약 대금 납입을 위한 금융 기술 서비스 방법 및 그 장치
KR20180103034A (ko) * 2018-09-10 2018-09-18 김해동 주식 청약 대금 대출을 위한 금융 기술 서비스 방법 및 그 장치

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11373189B2 (en) 2014-03-27 2022-06-28 EMC IP Holding Company LLC Self-learning online multi-layer method for unsupervised risk assessment
CN106600424A (zh) * 2016-12-15 2017-04-26 平安科技（深圳）有限公司 数据核实的提示方法及装置
US10403548B2 (en) 2017-11-14 2019-09-03 Globalfoundries Inc. Forming single diffusion break and end isolation region after metal gate replacement, and related structure
US10388652B2 (en) 2017-11-14 2019-08-20 Globalfoundries Inc. Intergrated circuit structure including single diffusion break abutting end isolation region, and methods of forming same

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003036346A (ja) * 2001-07-23 2003-02-07 Mitsubishi Trust & Banking Corp オペレーショナル・リスク評価方法及びそのシステム
JP2004127265A (ja) * 2002-08-06 2004-04-22 Mizuho Trust & Banking Co Ltd 証券代行業務における要員管理システム
JP3799326B2 (ja) * 2002-12-02 2006-07-19 Ｎｅｃインフロンティア株式会社 パケット送信方式及びパケット受信方式
JP4241083B2 (ja) * 2003-02-21 2009-03-18 富士通株式会社 オペレーショナルリスク計量プログラム、オペレーショナルリスク計量方法およびオペレーショナルリスク計量装置
JP4349216B2 (ja) * 2004-06-21 2009-10-21 富士ゼロックス株式会社 分布適合度検定装置、消耗品補給タイミング判定装置、画像形成装置、分布適合度検定方法及びプログラム
JP2006309571A (ja) * 2005-04-28 2006-11-09 Sumitomo Mitsui Banking Corp コンピュータ演算処理方法および残存リスク判定装置
EP1899888A4 (en) * 2005-05-27 2010-06-09 Kam Lun Leung SYSTEM AND METHOD FOR EVALUATION AND PRESENTATION OF RISKS
JP5018776B2 (ja) * 2006-06-29 2012-09-05 日本電気株式会社 通信装置および方法
US7627511B2 (en) * 2007-06-28 2009-12-01 Mizuho-Dl Financial Technology Co., Ltd. Method and apparatus for calculating credit risk of portfolio
US9400960B2 (en) * 2009-01-22 2016-07-26 Scott Clements Methods for verifying satisfaction of prognostic algorithm requirements for a component having multiple failure modes
US8892409B2 (en) * 2009-02-11 2014-11-18 Johnathan Mun Project economics analysis tool
WO2011022675A1 (en) * 2009-08-20 2011-02-24 Stamford Risk Analytics Llc Risk assessment/measurement system and risk-based decision analysis tool

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180103033A (ko) * 2018-09-10 2018-09-18 김해동 P2p금융을 활용한 청약 대금 납입을 위한 금융 기술 서비스 방법 및 그 장치
KR20180103034A (ko) * 2018-09-10 2018-09-18 김해동 주식 청약 대금 대출을 위한 금융 기술 서비스 방법 및 그 장치

Also Published As

Publication number Publication date
JP5697146B2 (ja) 2015-04-08
EP2693379A1 (en) 2014-02-05
EP2693379A4 (en) 2014-09-03
KR101368103B1 (ko) 2014-02-27
US20130311231A1 (en) 2013-11-21
WO2012132355A1 (ja) 2012-10-04
JP2012208644A (ja) 2012-10-25

Similar Documents

Publication Publication Date Title
KR101368103B1 (ko) 리스크 관리 디바이스
Alves et al. Deriving metric thresholds from benchmark data
US7849062B1 (en) Identifying and using critical fields in quality management
US7925638B2 (en) Quality management in a data-processing environment
CN111612415B (zh) 一种项目管理方法及装置
CN110888625B (zh) 基于需求变更和项目风险对代码质量进行控制的方法
US10803403B2 (en) Method for adaptive tuning via automated simulation and optimization
Guegan et al. Operational risk: A basel ii++ step before basel iii
CN110942314A (zh) 异常账户监管方法及装置
CN113886373A (zh) 一种数据处理方法、装置及电子设备
Joseph A PD validation framework for Basel II internal ratings-based systems
KR101471797B1 (ko) 리스크 관리 장치
KR101478935B1 (ko) 리스크-프로파일 생성 장치
KR101566601B1 (ko) 리스크 관리 장치
CN113157583A (zh) 一种测试方法、装置及设备
JP5804492B2 (ja) リスク管理装置
KR101478934B1 (ko) 리스크-프로파일 생성 장치
Boegelein Validation of internal rating and scoring models
JP2017157074A (ja) 包括契約システム及びプログラム
Pleune Operational Risk Management
Mayenberger 20 Robust Model Development in Reverse Stress Testing
Kayode et al. Effect of Trade Diversification on Economic Growth of ECOWAS Countries
CN115601122A (zh) 数据处理方法、装置、设备及存储介质
CN117853254A (zh) 账务平台的测试方法、装置、设备及存储介质
KR20090111251A (ko) 보안 대응책 결정 방법 및 장치

Legal Events

Date Code Title Description
A201 Request for examination
A302 Request for accelerated examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20170119

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20180202

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20190201

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20200205

Year of fee payment: 7