WO2012132355A1 - リスク管理装置 - Google Patents

リスク管理装置 Download PDF

Info

Publication number
WO2012132355A1
WO2012132355A1 PCT/JP2012/002006 JP2012002006W WO2012132355A1 WO 2012132355 A1 WO2012132355 A1 WO 2012132355A1 JP 2012002006 W JP2012002006 W JP 2012002006W WO 2012132355 A1 WO2012132355 A1 WO 2012132355A1
Authority
WO
WIPO (PCT)
Prior art keywords
verification
scenario data
loss
unit
scenario
Prior art date
Application number
PCT/JP2012/002006
Other languages
English (en)
French (fr)
Inventor
森永　聡
今村　悟
Original Assignee
日本電気株式会社
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 日本電気株式会社 filed Critical 日本電気株式会社
Priority to EP12764199.1A priority Critical patent/EP2693379A4/en
Priority to KR1020137018339A priority patent/KR101368103B1/ko
Priority to US13/977,999 priority patent/US20130311231A1/en
Publication of WO2012132355A1 publication Critical patent/WO2012132355A1/ja

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

Definitions

  • the present invention relates to a risk management device, and more particularly to a risk management device having a function of statistically verifying the frequency of loss occurrence in scenario data that is input to a risk weighing device.
  • risks such as earthquakes, system failures, clerical errors, and fraud. For this reason, it is required to measure the amount of risk using a risk weighing device and take measures against the risk.
  • the risk weighing device inputs fragmentary information about an unknown risk profile in a company, and measures the characteristic value (for example, 99.9% value at risk (VaR)) of the risk profile of the company from this input data.
  • the input data of the risk weighing device generally includes internal loss data and scenario data.
  • Internal loss data is data related to loss events that actually occurred in the company.
  • the internal loss data indicates how much loss has occurred for what kind of event.
  • General risk weighing devices measure VaR using a technique called loss distribution technique (see, for example, Patent Document 1 and Non-Patent Document 1). Specifically, first, a loss frequency distribution is generated from the number of cases of internal loss data, and a loss scale distribution is generated from internal loss data and scenario data. Next, tens of thousands of processes to calculate the amount of loss per holding period by taking out the amount of loss for the number of losses generated using the above loss frequency distribution from the above loss size distribution by Monte Carlo simulation and adding them up. Generate a distribution of losses, repeated hundreds of thousands of times. Then, VaR of a predetermined confidence interval is calculated from the generated loss distribution.
  • a loss frequency distribution is generated from the number of cases of internal loss data
  • a loss scale distribution is generated from internal loss data and scenario data.
  • tens of thousands of processes to calculate the amount of loss per holding period by taking out the amount of loss for the number of losses generated using the above loss frequency distribution from the above loss size distribution by Monte Carlo simulation and adding them up. Generate a distribution of
  • the loss occurrence frequency in the scenario data described above is predicted using the following method (for example, see Non-Patent Document 1).
  • a matrix consisting of a combination of risk assessment and internal control status assessment based on the number of occurrences per year of the actual loss-causing business and the scores for risk assessment and internal control status assessment conducted for that business.
  • Create an average frequency evaluation table that describes the number of occurrences per year.
  • the operational risk inherent in each business process is recognized as a scenario.
  • the same risk and internal control status evaluation as described above is performed, and the average frequency evaluation table is subtracted from the risk evaluation score and the internal control status evaluation score. Number of occurrences of this event per year).
  • the occurrence frequency can be estimated even in a scenario where there is no past loss record.
  • An object of the present invention is to provide a risk management apparatus that solves the above-described problem, that is, the problem that there is no effective method for verifying the validity of the loss occurrence frequency of scenario data after the fact.
  • the risk management device is: A plurality of verification units composed of one or more scenario data including a predicted value of loss occurrence frequency, a verification range that is a block of the plurality of verification units, and an actual number of occurrences of loss corresponding to the scenario data A memory for storing; and a processor connected to the memory; The processor Whether or not the total value of the number of loss occurrences corresponding to the scenario data included in the verification range follows a Poisson distribution that averages the total value of predicted loss occurrence frequencies in the scenario data included in the verification range. , Programmed to be determined using a goodness-of-fit test for Poisson distribution.
  • the present invention Since the present invention has the above-described configuration, it is possible to verify the validity of the loss occurrence frequency of scenario data using actual loss cases.
  • the risk management device 1 determines whether or not the frequency of loss of scenario data included in a plurality of verification units is appropriate for the entire verification unit, and shows an actual loss case. It has a function to use and verify.
  • maintainability verification such verification is referred to as maintainability verification.
  • the risk management apparatus 1 includes a communication interface unit (hereinafter referred to as a communication I / F unit) 11, an operation input unit 12, a screen display unit 13, a storage unit 14, and a processor 15 as main functional units.
  • a communication interface unit hereinafter referred to as a communication I / F unit
  • an operation input unit 12 a screen display unit 13
  • a storage unit 14 a storage unit 14
  • a processor 15 main functional units.
  • the communication I / F unit 11 includes a dedicated data communication circuit and has a function of performing data communication with various devices (not shown) connected via a communication line (not shown).
  • the operation input unit 12 includes an operation input device such as a keyboard and a mouse, and has a function of detecting an operator operation and outputting it to the processor 15.
  • the screen display unit 13 includes a screen display device such as an LCD or a PDP, and has a function of displaying various information such as an operation menu and a verification result on the screen in response to an instruction from the processor 15.
  • the storage unit 14 includes a storage device such as a hard disk or a semiconductor memory, and has a function of storing processing information and a program 14P necessary for various processes in the processor 15.
  • the program 14P is a program that realizes various processing units by being read and executed by the processor 15, and is read by an external device (not shown) or a computer via a data input / output function such as the communication I / F unit 11. It is read in advance from a possible storage medium (not shown) and stored in the storage unit 14.
  • main processing information stored in the storage unit 14 a plurality of verification units 14A1, a verification range 14A, that is, a loss occurrence number 14B, a first test condition 14C, and a first test result 14D, There is.
  • the verification unit 14A1 is composed of one or more scenario data.
  • One scenario data includes an identifier (ID) for uniquely identifying the scenario data and a predicted value of loss occurrence frequency. Since the predicted value of the loss occurrence amount is not used at the time of scenario data frequency verification, it may be removed from the scenario data.
  • FIG. 2 shows a configuration example of the verification unit 14A1.
  • the verification unit 14A1 in this example is composed of one scenario data.
  • the predicted value ⁇ i of the loss occurrence frequency indicates the number of loss occurrences per year when the holding period is one year.
  • the verification range 14A is a block of a plurality of verification units 14A1.
  • FIG. 2 shows a configuration example of the verification range 14A.
  • the verification range 14A in this example indicates that a set of scenario data having scenario IDs 1 to IDn is set as the verification range.
  • the loss occurrence count 14B is data indicating the actual loss occurrence count corresponding to the scenario data.
  • the loss occurrence number 14B is, for example, a set of a set of an identifier for identifying the corresponding scenario data and the number of loss occurrences per holding period.
  • FIG. 2 shows a configuration example of the loss occurrence number 14B.
  • the data in the first row of the loss occurrence number 14B in this example indicates that the number of loss occurrences per holding period of the scenario corresponding to the scenario ID 1 is one.
  • the first test result 14D is data indicating the result of the first test process executed by the processor 15.
  • the first test result 14D is one of three types of “conservative”, “valid”, and “non-conservative”.
  • Conservative means that the frequency of loss of scenario data included in a plurality of verification units is larger than that estimated from the actual number of occurrences as a whole verification unit.
  • Non-conservative means that, contrary to conservative, the frequency of loss of scenario data included in a plurality of verification units is less than that estimated from the actual number of occurrences as a whole verification unit.
  • Valid means that it is neither conservative nor non-conservative, and the frequency of loss of scenario data included in a plurality of verification units is appropriate for the entire verification unit.
  • the first test condition 14C indicates the condition of the first test process executed by the processor 15.
  • FIG. 2 shows a configuration example of the first test condition 14C.
  • the first test condition 14C in this example indicates that the first and second significance levels used in the first test process are ⁇ 11 and ⁇ 12.
  • the first significance level ⁇ 11 is used for the maintainability determination
  • the second significance level ⁇ 12 is used for the non-maintenance determination.
  • the processor 15 has a microprocessor such as a CPU and its peripheral circuits, and reads and executes the program 14P from the storage unit 14, thereby causing the hardware and the program 14P to cooperate to implement various processing units. have.
  • main processing units realized by the processor 15 there are an input storage unit 15A, a first test processing unit 15B, and an output unit 15C.
  • the input storage unit 15A receives the verification unit 14A1, the verification range 14A, the loss occurrence number 14B, and the first test condition 14C from the communication I / F unit 11 or the operation input unit 12, and stores them in the storage unit 14. It has a function.
  • the first verification processing unit 15B determines that the total value of the number of loss occurrences 14B corresponding to the scenario data included in each verification unit 14A1 in the verification range 14A is the loss in the scenario data included in each verification unit 14A1 in the verification range 14A. It has a function of determining whether or not to follow a Poisson distribution that averages the total value of the predicted values of occurrence frequency by using a test of the degree of fit with respect to the Poisson distribution.
  • the first test processing unit 15B has a function of storing the test result in the storage unit 14 as the first test result 14D.
  • the output unit 15C reads the verification result 14D of the first verification processing unit 15B from the storage unit 14, and outputs the result to the screen display unit 13 as the maintainability verification result of the entire verification unit, or externally through the communication I / F unit 11. Has a function to output.
  • the input storage unit 15A communicates a plurality of verification units 14A1, a verification range 14A that is a block of the plurality of verification units 14A1, an actual loss occurrence number 14B corresponding to the scenario data, and a first test condition 14C.
  • the data is input from the I / F unit 11 or the operation input unit 12 and stored in the storage unit 14 (step S1).
  • the first verification processing unit 15B reads the plurality of verification units 14A1, the verification range 14A, the loss occurrence number 14B, and the first verification condition 14C from the storage unit 14, and converts them into scenario data included in the verification range 14A. Whether or not the total number of occurrences of the corresponding loss follows a Poisson distribution that averages the total of the predicted values of the loss occurrence frequency in the scenario data included in the verification range 14A is determined using a test of the degree of fitness for the Poisson distribution. The result is stored in the storage unit 14 (step S2).
  • the output unit 15C reads the test result 14D of the first test processing unit 15B from the storage unit 14 and outputs it as a verification result to the screen display unit 13 or outputs it to the outside through the communication I / F unit 11 ( Step S3).
  • FIG. 4 is a flowchart showing an example of the process of step S2 of FIG.
  • an example of the process of the first test processing unit 15B will be described with reference to FIG.
  • the first verification processing unit 15B calculates the total value ⁇ Ni of the number of loss occurrences corresponding to the scenario data included in the verification range 14A (step S11).
  • the first verification processing unit 15B calculates the total value ⁇ i of the predicted values of the loss occurrence frequency in the scenario data included in the verification range 14A (step S12).
  • the first test processing unit 15B sets the null hypothesis H0 and the alternative hypotheses H1 and H2 as follows (step S13).
  • the null hypothesis H0 is “the total occurrence number ⁇ Ni follows a Poisson distribution with an average ⁇ i”.
  • the alternative hypothesis H1 is “the average is smaller than ⁇ i (the scenario is conservative)”.
  • the alternative hypothesis H2 is “average greater than ⁇ i (the scenario is non-conservative)”.
  • the first test processing unit 15B assumes that the null hypothesis H0 is correct, and calculates thresholds n1 and n2 for comparison with the total value ⁇ Ni of the number of loss occurrences from the Poisson distribution of the mean ⁇ i (step S14).
  • the threshold value n1 is a value at which the probability that the Poisson distribution of the mean ⁇ i takes a value less than or equal to n1 is greater than the significance level ⁇ 11, and the probability that the Poisson distribution takes a value less than (n1-1) is less than or equal to the significance level ⁇ 11. is there.
  • the threshold n2 is a value at which the probability that the Poisson distribution of the mean ⁇ i takes a value greater than or equal to n2 is greater than the significance level ⁇ 12 and the probability that the Poisson distribution takes a value greater than or equal to (n2 + 1) is less than or equal to the significance level ⁇ 12.
  • the first test processing unit 15B compares the total value ⁇ Ni of the number of loss occurrences with the thresholds n1 and n2 (steps S15 and S16), generates a test result according to the comparison result, and stores it in the storage unit 14.
  • Store steps S17 to S19). That is, it is determined as “conservative” when ⁇ Ni ⁇ n1, “valid” when n1 ⁇ ⁇ Ni ⁇ n2, and “nonconservative” when n2 ⁇ Ni.
  • the validity of the loss occurrence frequency is verified for the entire scenario group in which a plurality of scenario data is collected. Therefore, the frequency is low enough that the maintainability cannot be verified in a single scenario. However, accurate verification is possible. This point will be further described.
  • the risk management device 2 according to the second embodiment of the present invention includes, in addition to the maintainability verification function of the risk management device 1 according to the first embodiment, between verification units in the verification range. It has a function to verify whether there is a bias in maintainability using actual loss cases.
  • this latter verification is referred to as unbiased verification.
  • the risk management device 2 includes a communication I / F unit 21, an operation input unit 22, a screen display unit 23, a storage unit 24, and a processor 25 as main functional units.
  • the communication I / F unit 21, operation input unit 22, and screen display unit 23 have the same functions as the communication I / F unit 11, operation input unit 12, and screen display unit 13 of FIG. 1 in the first embodiment. is doing.
  • the storage unit 24 includes a storage device such as a hard disk or a semiconductor memory, and has a function of storing processing information and programs 24P necessary for various processes in the processor 25.
  • the program 24P is a program that realizes various processing units by being read and executed by the processor 25, and can be read by an external device (not shown) or a computer via a data input / output function such as the communication I / F unit 21. It is read in advance from a possible storage medium (not shown) and stored in the storage unit 24.
  • the main processing information stored in the storage unit 24 includes a plurality of verification units 24A1, a verification range 24A, that is, the number of loss occurrences 24B, a first verification condition 24C, and a first verification result 24D. There are a second test condition 24E and a second test result 24E.
  • the plurality of verification units 24A1, the verification range 24A, the number of loss occurrences 24B, the first test condition 24C, and the first test result 24D are the plurality of verification units 14A1, the verification range 14A, and the number of loss occurrences in the first embodiment. 14B, the first test condition 14C, and the first test result 14D.
  • the second test result 24F is data indicating the result of the second test process executed by the processor 25.
  • the second verification process 24F is either “no bias” or “with bias”.
  • the second test condition 24E indicates the condition of the second test process executed by the processor 25.
  • FIG. 6 shows a configuration example of the second test condition 24E.
  • the second test condition 24E in this example indicates that the significance level used for the second test process is ⁇ 2.
  • the processor 25 includes a microprocessor such as a CPU and its peripheral circuits, and reads and executes the program 24P from the storage unit 24, thereby realizing the various processing units in cooperation with the hardware and the program 24P. have.
  • main processing units realized by the processor 25 there are an input storage unit 25A, a first test processing unit 25B, an output unit 25C, and a second test processing unit 25D.
  • the input storage unit 25A inputs the verification unit 24A1, the verification range 24A, the loss occurrence number 24B, the first verification condition 24C, and the second verification condition 24E from the communication I / F unit 21 or the operation input unit 22. And has a function of storing in the storage unit 24.
  • the first verification processing unit 25B has the same function as the first verification processing unit 15B of the risk management device 1 according to the first embodiment. That is, the total value of the number of loss occurrences 24B corresponding to the scenario data included in each verification unit 24A1 in the verification range 24A is the sum of the predicted values of the loss occurrence frequency in the scenario data included in each verification unit 24A1 in the verification range 24A. Whether or not to follow a Poisson distribution with an average value is determined by using a test for the degree of fitness for the Poisson distribution, and the result of the test is stored in the storage unit 24 as a first test result 24D.
  • the number of occurrences of loss 24B corresponding to the scenario data for each verification unit 24A1 is the sum of the number of occurrences of loss corresponding to the scenario data included in the verification range 24A, and the ratio parameter.
  • the multinomial distribution as a ratio of the total value of the predicted value of the loss occurrence frequency in the scenario data for each verification unit 24A1 to the total value of the predicted value of the loss occurrence frequency in the scenario data included in the verification range 24A. It has a function of determining using a fitness test for a multinomial distribution.
  • the second test processing unit 25D has a function of storing the test result in the storage unit 24 as the second test result 24F.
  • the output unit 25C reads the first test result 24D and the second test result 24F from the storage unit 24, and outputs them to the screen display unit 23 as the maintainability verification result of the entire verification unit and the unbiased verification result between the verification units. Alternatively, it has a function of outputting to the outside through the communication I / F unit 21.
  • the input storage unit 25A includes a plurality of verification units 24A1, a verification range 24A that is a block of the plurality of verification units 24A1, an actual loss occurrence number 24B corresponding to the scenario data, a first test condition 24C, and a second Are input from the communication I / F unit 21 or the operation input unit 22 and stored in the storage unit 24 (step S21).
  • the first verification processing unit 25B determines that the total number of loss occurrences corresponding to the scenario data included in the verification range 24A is the verification value. Whether or not to follow the Poisson distribution that averages the total value of the predicted values of the loss occurrence frequency in the scenario data included in the range 24A is determined using a test for the degree of fitness for the Poisson distribution, and the result is stored in the storage unit 24. (Step S22).
  • the second verification processing unit 25D reads the plurality of verification units 24A1, the verification range 24A, the number of loss occurrences 24B, and the second verification condition 24E from the storage unit 24, and corresponds to the scenario data for each verification unit 24A1.
  • the total number of loss occurrences corresponding to the scenario data whose total parameter is included in the verification range 24A is the total number of loss occurrences in the scenario data whose ratio parameter is included in the verification range 24A.
  • Whether to follow the multinomial distribution which is the ratio of the total value of the predicted values of the loss occurrence frequency in the scenario data for each verification unit 24A1 to the value, is determined by using the fitness test for the multinomial distribution, and the result is stored in the storage unit 24. (Step S23).
  • the output unit 25C reads the first test result 24C and the second test result 24F from the storage unit 24, and displays the screen display unit 23 as the maintainability verification result of the entire verification unit and the unbiased verification result between the verification units. Or output to the outside through the communication I / F unit 21 (step S24).
  • FIG. 8 is a flowchart showing an example of the process of step S23 of FIG.
  • an example of the process of the second test processing unit 25D will be described with reference to FIG.
  • the second test processing unit 25D calculates the number k of verification units 24A1 (step S31). Next, for each verification unit, the second test processing unit 25D calculates the total values n1, n2,..., Nk of the number of loss occurrences corresponding to the scenario data included in the verification unit (step S32). Next, the second verification processing unit 25D calculates the total value ⁇ Ni of the number of loss occurrences corresponding to the scenario data included in the verification range 24A (step S33).
  • the second test processing unit 25D calculates the ratio parameter predicted values p1, p2,..., Pk for each verification unit 24A1 (step S34).
  • the ratio parameter pi of a certain verification unit 24A1 is the sum of the predicted values of the loss occurrence frequency of the scenario data included in the verification unit 24A1, and the total value of the predicted values of the loss occurrence frequency in the scenario data included in the verification range 24A. Calculated as a value divided by ⁇ i.
  • the second test processing unit 25D sets the null hypothesis H0 and the alternative hypothesis H1 as follows (step S35).
  • the null hypothesis H0 is “ratio parameters are p1, p2,..., Pk”.
  • the alternative hypothesis H1 is “the ratio parameter is not p1, p2,..., Pk”.
  • the second test processing unit 25D assumes that the null hypothesis H0 is correct, and in the multinomial distribution of the total parameter ⁇ Ni, the ratio parameters p1, p2,..., Pk, the realized values n1, n2,. , Nk realizes the probability px (step S36).
  • the second test processing unit 25D determines that “k non-negative integers whose sum is ⁇ Ni” by combining all possible values in the multinomial distribution of the total parameter ⁇ Ni and the ratio parameters p1, p2,. (Step S37) Next, among these calculated probabilities, the sum of only the ones whose realized values n1, n2,. (Step S38).
  • the second test processing unit 25D compares the calculated p value with the significance level ⁇ 2 (step S39). Then, the second test processing unit 25D generates a test result corresponding to the comparison result and stores it in the storage unit 24 (steps S40 and S41). That is, it is determined that “no bias” when p value ⁇ significant level ⁇ 2, and “no bias” when p value ⁇ significant level ⁇ 2.
  • the present embodiment it is possible to verify the validity of the loss occurrence frequency of the scenario data with higher accuracy than the first embodiment by using actual loss cases.
  • the reason for this is to verify the validity of the loss occurrence frequency for the entire scenario group that combines multiple scenario data, and to verify that there is no bias in maintainability among the verification units using actual loss cases. Because it is. This point will be further described.
  • the scenario frequency is low enough that it is impossible to verify the maintainability by the verification unit alone.
  • accurate verification is possible.
  • scenario data for all verification units are combined into one, the scenario frequency for each verification unit is hidden. For this reason, if the total scenario frequency of the entire scenario group is the same, the result of the maintainability verification is the same.
  • By performing unbiased verification it is possible to verify the maintainability bias between verification units, which cannot be verified by the maintainability verification.
  • the risk management apparatus 3 according to the third embodiment of the present invention is verified in addition to the maintainability verification function and the unbiased verification function of the risk management apparatus 1 according to the second embodiment. It has a function of correcting the frequency of loss of scenario data based on the result.
  • the risk management device 3 includes a communication I / F unit 31, an operation input unit 32, a screen display unit 33, a storage unit 34, and a processor 35 as main functional units.
  • the communication I / F unit 31, the operation input unit 32, and the screen display unit 33 have the same functions as the communication I / F unit 21, the operation input unit 22, and the screen display unit 23 of FIG. 5 in the second embodiment. is doing.
  • the storage unit 34 includes a storage device such as a hard disk or a semiconductor memory, and has a function of storing processing information and programs 34P necessary for various processes in the processor 35.
  • the program 34P is a program that realizes various processing units by being read and executed by the processor 35.
  • the program 34P can be read by an external device (not shown) or a computer via a data input / output function such as the communication I / F unit 31. It is read in advance from a possible storage medium (not shown) and stored in the storage unit 34.
  • a plurality of verification units 34A that is, a verification range 34A, a loss occurrence number 34B, a first test condition 34C, a first test result 34D, a second test condition 34E, and a second test
  • the result 34F includes a plurality of verification units 24A1, a verification range 24A, a loss occurrence number 24B, a first test condition 24C, a first test result 24D, a second test condition 24E, and a second test in the second embodiment.
  • the result is the same as 24F.
  • the processor 35 has a microprocessor such as a CPU and its peripheral circuits, and reads and executes the program 34P from the storage unit 34, thereby causing the hardware and the program 34P to cooperate to implement various processing units.
  • the main processing units realized by the processor 35 include an input storage unit 35A, a first test processing unit 35B, an output unit 35C, a second test processing unit 35D, and a correction unit 35E.
  • the input storage unit 35A, the first verification processing unit 35B, and the second verification processing unit 35D are the input storage unit 25A, the first verification processing unit 25B, and the second verification processing unit 25D in the second embodiment. Has the same function.
  • the correction unit 35E reads the conservative verification test result 34D and the unbiased verification test result 34F from the storage unit 34, and based on these two test results, the correction unit 34A1 corrects the predicted value of the loss occurrence frequency. And has a function of correcting the predicted value of the loss occurrence frequency of the scenario data in the determined verification unit 34A1.
  • the correction unit 35E has a function of storing the corrected scenario data in the storage unit 34.
  • the correction unit 35E may overwrite the scenario data before correction with the scenario data after correction, or may store the scenario data after correction in the storage unit 34 separately from the scenario data before correction.
  • the correction unit 35E has a function of resuming the processing from the first verification processing unit 35B when the correction is performed on at least one scenario data.
  • the output unit 35C reads the first test result 34C, the second test result 34F, and the scenario data after correction from the storage unit 34, the maintainability verification result of the entire verification unit, the unbiased verification result between the verification units, In addition, it has a function of outputting the correction contents to the screen display unit 33 or outputting the correction contents to the outside through the communication I / F unit 31.
  • the input storage unit 35A has a plurality of verification units 34A1, a verification range 34A that is a group of the plurality of verification units 34A1, and an actual loss corresponding to scenario data.
  • the number of occurrences 34B, the first verification condition 34C, and the second verification condition 34E are input from the communication I / F unit 31 or the operation input unit 32 and stored in the storage unit 34 (step S51).
  • the first verification processing unit 35B determines that the total number of loss occurrences corresponding to the scenario data included in the verification range 34A is the verification value. Whether or not to follow a Poisson distribution that averages the sum of predicted values of loss occurrence frequencies in the scenario data included in the range 34A is determined using a test of the degree of fit with respect to the Poisson distribution, and the result is stored in the storage unit 34. (Step S52).
  • the second verification processing unit 35D verifies the total parameter by the number of occurrences of loss 24B corresponding to the scenario data for each verification unit 34A1.
  • the scenario data for each verification unit 34A1 with respect to the total value of the occurrence number 34B of loss corresponding to the scenario data included in the range 34A and the total value of the predicted value of the loss occurrence frequency in the scenario data included in the verification range 34A Whether or not to follow the multinomial distribution as a ratio of the total value of the predicted values of the loss occurrence frequency is determined by using a fitness test for the multinomial distribution, and the result is stored in the storage unit 34 (step S53).
  • the correction unit 35E determines a verification unit 34A1 for correcting the predicted value of the loss occurrence frequency based on the conservative verification test result 34D and the unbiased verification test result 34F, and the verification unit 34A1 thus determined.
  • the predicted value of the loss occurrence frequency of scenario data is corrected, and the corrected scenario data is stored in the storage unit 34 (step S54).
  • the correction unit 35E determines whether or not correction has been performed on at least one scenario data (step S55), and when the correction has been performed, returns control to the first verification processing unit 35B. As a result, the same maintainability verification and unbiased verification as described above are performed again using the corrected scenario data, and then the correction processing by the correction unit 35E is executed. Such processing is repeated until there is no scenario data to be corrected. On the other hand, when the scenario data is not corrected, the correction unit 35E passes control to the output unit 35C.
  • the output unit 35C reads the first test result 34C, the second test result 34F, and the scenario data after correction from the storage unit 34, the maintainability verification result of the entire verification unit, the unbiased verification result between the verification units, And it outputs to the screen display part 33 as a correction content, or outputs outside through the communication I / F part 31 (step S56).
  • FIG. 11 is a flowchart showing an example of the process of step S54 of FIG.
  • an example of the process of step S54 executed by the correction unit 35E will be described with reference to FIG.
  • the correction unit 35E determines whether the maintainability verification result 34D is “conservative”, “valid”, or “non-conservative”, and the unbiased verification result 34F indicates “no bias” or “bias”. It is determined whether it is “present” (steps S61 to S64). Then, it is classified into the following six cases according to the determination result, and correction processing corresponding to each case is executed (steps S65 to S70).
  • Case 1 Conservative and non-biased In this case, the correction unit 35E performs correction to reduce the predicted value of loss occurrence frequency in the scenario data included in all the verification units 34A1 (step S65).
  • Case 2 Conservative and biased In this case, the correction unit 35E performs correction to reduce the predicted value of the loss occurrence frequency in the scenario data included in the most conservative verification unit 34A1 among all the verification units. (Step S66).
  • Case 3 Reasonable maintainability and no bias In this case, the correction unit 35E determines that there is no need for correction (step S67).
  • Case 4 Reasonable maintainability and bias
  • the correction unit 35E increases the predicted value of the loss occurrence frequency in the scenario data included in the most non-conservative verification unit 34A1 among all the verification units. Correction is performed (step S68).
  • Case 5 Non-conservative and non-biased
  • the correction unit 35E performs correction to increase the predicted value of the loss occurrence frequency in the scenario data included in all the verification units 34A1 (step S69).
  • Case 6 Non-conservative and biased In this case, as in Case 4, the correcting unit 35E determines the frequency of loss occurrence in the scenario data included in the most non-conservative verification unit 34A1 among all the verification units. Correction for increasing the predicted value is performed (step S70).
  • the correction unit 35E calculates an estimated value of maintainability for each verification unit and determines the relative maintainability and non-maintainability between the verification units based on the magnitude.
  • the verification unit with the lowest probability is the most conservative verification unit, and the largest verification unit is the most non-conservative verification unit.
  • the correction unit 35E follows a predetermined rule as to how much the predicted value is increased or decreased by the correction.
  • a correction rule for example, a rule of increasing or decreasing by a predetermined ratio (for example, 30%) of the predicted value before correction may be used.
  • a rule is used in which the frequency of loss occurrence that can be taken as a predicted value is corrected so that the frequency before correction in the frequency table arranged in descending order becomes a value that is higher or lower by 1 rank or 2 ranks. It's okay.
  • the same effects as those of the second embodiment can be obtained, and the scenario data loss can be caused when an invalid verification result is obtained from the verification results of the maintainability verification and the unbiased verification.
  • the frequency of occurrence can be automatically corrected.
  • the risk management device 4 according to the fourth exemplary embodiment of the present invention includes the maintainability verification function, the unbiased verification function, and the correction function that the risk management device 3 according to the third exemplary embodiment has.
  • scenario data to be verified is extracted from the scenario data group, and a verification unit and a verification range that is a set thereof are set.
  • the risk management device 4 includes a communication I / F unit 41, an operation input unit 42, a screen display unit 43, a storage unit 44, and a processor 45 as main functional units.
  • the communication I / F unit 41, the operation input unit 42, and the screen display unit 43 have the same functions as the communication I / F unit 31, the operation input unit 32, and the screen display unit 33 of FIG. 9 in the third embodiment. is doing.
  • the storage unit 44 includes a storage device such as a hard disk or a semiconductor memory, and has a function of storing processing information and programs 44P necessary for various processes in the processor 45.
  • the program 44P is a program that realizes various processing units by being read and executed by the processor 45, and can be read by an external device (not shown) or a computer via a data input / output function such as the communication I / F unit 41. It is read in advance from a possible storage medium (not shown) and stored in the storage unit 44.
  • a scenario data group 44G As main processing information stored in the storage unit 44, a scenario data group 44G, a plurality of verification units 44A1, a verification range 44A, that is, a loss occurrence number 44B, a first test condition 44C, a first Test result 44D, second test condition 44E, and second test result 44F.
  • the scenario data group 44G is composed of a plurality of scenario data.
  • One scenario data includes an identifier (ID) for uniquely identifying the scenario data, a predicted value of loss occurrence frequency, the type of loss event, the department that created the scenario, and the department where the scenario is assumed. It consists of related departments that represent etc.
  • FIG. 13 shows a configuration example of the scenario data group 44G.
  • the scenario data group 44G in this example is composed of m scenario data.
  • the predicted value ⁇ i of the loss occurrence frequency indicates the number of loss occurrences per year when the holding period is one year.
  • the type of loss event is, for example, a system failure, fraud, or earthquake.
  • a plurality of verification units 44A1 that is, a verification range 44A, a loss occurrence number 44B, a first test condition 44C, a first test result 44D, a second test condition 44E, and a second test
  • the result 44F includes a plurality of verification units 34A1, a verification range 34A, a loss occurrence number 34B, a first test condition 34C, a first test result 34D, a second test condition 34E, and a second test in the third embodiment.
  • the result is the same as 34F.
  • the plurality of verification units 34A1 and the verification range 34A are data given as input information
  • the plurality of verification units 44A1 and the verification range 44A of this embodiment are dynamically derived from the scenario data group 44G. It is different in that it is generated data.
  • the processor 45 includes a microprocessor such as a CPU and peripheral circuits thereof, and reads and executes the program 44P from the storage unit 44, thereby realizing various processing units by cooperating the hardware and the program 44P. have.
  • main processing units realized by the processor 45 there are an input storage unit 45A, a first verification processing unit 45B, an output unit 45C, a second verification processing unit 45D, a correction unit 45E, and a verification target setting unit 45F.
  • the input storage unit 45A inputs the scenario data group 44G, the number of loss occurrences 44B, the first verification condition 44C, and the second verification condition 44E from the communication I / F unit 41 or the operation input unit 42, and the storage unit 44.
  • the verification target setting unit 45F has a function of extracting a plurality of scenario data as a verification range from the scenario data group 44G, and further classifying the extracted plurality of scenario data into a plurality of verification units.
  • FIG. 14 is an example of a verification range and a verification unit.
  • the unit of the verification range is each part, and the verification unit is a scenario.
  • the unit of the verification range is each business department, and the verification unit is a section. According to this setting 2, for example, if attention is paid to the first business department having the first sales department and the second sales department, the scenario data in which the related department in FIG. 13 is the first sales department or the second sales department.
  • the set is a verification range, and among the sets, a set of scenario data whose related department is the first sales department and a set of scenario data whose related department is the second sales department are each one verification unit. Furthermore, in setting 3, the unit of the verification range is each business department, and the verification unit is the type of loss event. According to this setting 3, for example, when focusing on the above-mentioned first business department, a set of scenario data in which the related department in FIG. 13 is the first sales department or the second sales department is the verification range. A set of scenario data having the same type of loss event is one verification unit.
  • the verification target setting unit 45F calculates a verification unit 44A1 and a verification range 44A that is a set thereof from the scenario data group 44G according to the defined settings, and stores them in the storage unit 44.
  • processing is performed according to the defined order. For example, when the first ranking is set to each part as a verification range and a scenario as a verification unit, a verification range 44A and a verification unit 44A1 are created for each part such as an existing sales department, and verification and correction are sequentially performed. Process.
  • the verification range 44A and the verification unit 44A1 are created according to the setting of the next order. Such processing is repeated for all the defined settings.
  • the order of processing is as shown in the order of setting 1 and setting 2 in FIG. 14 in order to avoid that the part that is creating the correct scenario is subject to correction due to the influence of other parts that are not creating the scenario correctly.
  • a bottom-up method that is preferentially implemented from a narrower verification range is preferable.
  • the verification range is narrower than that of the verification range, if correction is performed during verification of the verification range in the middle, the correction results in conflict with the verification range of the narrower range that was previously performed. Therefore, when correction is performed in the middle, it is desirable to perform verification again from the narrowest verification range.
  • the first verification processing unit 45B, the second verification processing unit 45D, the correction unit 45E, and the output unit 45C are the first verification processing unit 35B, the second verification processing unit 35D, and the correction unit in the third embodiment. 35E and the same function as the output unit 35C.
  • the first and second test processing units 45B and 45D store the first and second test results 44D and 44F in a storage unit so as to clearly distinguish which setting is the test result for the verification range. 44.
  • the output unit 45C outputs the first and second test results 44D and 44F to the storage unit 44 so as to clearly distinguish which setting is the test result for the verification range.
  • the input storage unit 45A receives the scenario data group 44G, the actual loss occurrence number 44B corresponding to the scenario data, the first verification condition 44C, and the second verification condition 44E, from the communication I / F unit 41 or the operation input. Input from the unit 42 and stored in the storage unit 44 (step S81).
  • the verification target setting unit 45F pays attention to the definition of the first order setting to be processed first (step S82).
  • the verification target setting unit 45F extracts a plurality of scenario data as a verification range from the scenario data group 44G according to the definition of the setting under attention, and further classifies the extracted plurality of scenario data into a plurality of verification units.
  • a verification unit 44A1 and a verification range 44A that is a group of the verification units 44A1 are generated and stored in the storage unit 44 (step S83).
  • the first verification processing unit 45B stores a plurality of verification units 44A1 generated by the verification target setting unit 45F, a verification range 44A that is a collection thereof, a loss occurrence number 44B, and a first verification condition 44C.
  • the total number of occurrences of loss corresponding to the scenario data included in the verification range 44A is the same as that in the scenario data included in the verification range 44A, as in the first verification processing unit 35B in the third embodiment.
  • Whether or not to follow the Poisson distribution that averages the sum of the predicted values of the loss occurrence frequency is determined using a test of the degree of fit with respect to the Poisson distribution, and the result is stored in the storage unit 44 (step S84).
  • the second verification processing unit 45D verifies the total parameter by the number of occurrences of loss 44B corresponding to the scenario data for each verification unit 44A1.
  • the scenario data for each verification unit 44A1 with respect to the total value of the number of occurrences of loss 44B corresponding to the scenario data included in the range 44A and the total value of the predicted values of the loss occurrence frequency in the scenario data included in the verification range 44A Whether or not to follow the multinomial distribution as a ratio of the total value of the predicted values of the loss occurrence frequency is determined by using a fitness test for the multinomial distribution, and the result is stored in the storage unit 44 (step S85).
  • the correction unit 45E corrects the predicted value of the loss occurrence frequency based on the test result 44D for maintainability verification and the test result 44F for unbiased verification.
  • the verification unit 44A1 is determined, the predicted value of the scenario data loss occurrence frequency in the determined verification unit 44A1 is corrected, and the corrected scenario data is stored in the storage unit 44 (step S86).
  • the correction unit 45E determines whether or not correction has been performed on at least one scenario data (step S87), and if correction has been performed, returns control to the first verification processing unit 45B. Thereby, using the scenario data after correction, the same maintainability verification and unbiased verification as those described above are performed again for the verification range 44A being processed, and then the correction processing by the correction unit 45E is performed. Is executed. Such processing is repeated until there is no scenario data to be corrected. On the other hand, when the scenario data is not corrected, the correction unit 45E returns control to the verification target setting unit 45F.
  • the verification target setting unit 45F determines whether or not there remains a verification range that has not been processed regarding the definition of the setting under attention (step S88), and if it remains, returns to the processing of step S83.
  • the verification unit 44A1 and the verification range 44A that is a group of the verification unit 44A1 are generated for the setting range that has not yet been processed in accordance with the definition of the setting under attention, and maintainability verification and unbiased verification are performed on the verification range 44A. And correction processing are executed.
  • the verification target setting unit 45F determines whether the definition of the setting under attention is the first and only definition (step S89). If the definition of the setting under attention is the first and only definition, the verification target setting unit 45F passes control to the output unit 45C. In addition, if the definition of the setting under attention is not the first and only definition, the verification target setting unit 45F determines whether or not the scenario data has been corrected in the process of defining the setting under attention (step S90). ). If correction has been performed, the verification target setting unit 45F returns to the process of step S82. Thereby, the verification is repeated from the definition of the first setting again.
  • the verification target setting unit 45F determines whether there is an unprocessed setting definition (step S91), and if so, pay attention to the definition of the setting to be processed next. Transfer (step S92), the process returns to step S83. Thereby, regarding the definition of the next setting, the same process as the process for the definition of the previous setting is repeated. If there is no definition of unprocessed settings, the verification target setting unit 45F passes control to the output unit 45C.
  • the output unit 45C reads the first test result 44D, the second test result 44F, and the scenario data after correction from the storage unit 44, the maintainability verification result of the entire verification unit, the unbiased verification result between the verification units, And as a correction content, it outputs to the screen display part 43 according to each setting, or outputs outside through the communication I / F part 41 (step S93).
  • the same effects as those of the third embodiment can be obtained, and the verification range 44A and the verification unit 44A1 can be automatically generated. be able to.
  • the present invention has been described with reference to some embodiments, the present invention is not limited to the above embodiments, and various other additions and modifications can be made.
  • the present invention can also be applied to risks other than operational risks, such as credit risks associated with credit transactions such as lending operations and market risks associated with foreign exchange and interest rate transactions.
  • the present invention also includes the following embodiments.
  • the significance level of maintainability verification and unbiased verification is set to a fixed value.
  • those significance levels may be variable values.
  • conservativeness verification, unbiasedness verification and correction processing are performed at the first significance level, and then conservativeness verification and unbiasedness verification are performed at a second significance level larger than the first significance level, Only the verification result based on the second significance level may be output.
  • the verification results of the maintainability verification and the unbiased verification are classified into six cases, and correction is automatically performed for five cases other than cases with reasonable maintainability and no bias. I made it.
  • only one of these five cases is non-conservative and non-biased, or only two cases are non-conservative and non-biased and non-conservative and non-biased, or non-conservative and non-biased.
  • correction may be automatically performed only for the three cases of non-conservative and biased and appropriate maintainability and biased.
  • the present invention can be used for the purpose of verifying the validity of the predicted value of the loss occurrence frequency in the scenario data used as input information of the risk weighing device, and correcting the predicted value according to the verification result.
  • a part or all of the above embodiments can be described as in the following supplementary notes, but is not limited thereto.
  • Appendix 1 A plurality of verification units composed of one or more scenario data including a predicted value of loss occurrence frequency, a verification range that is a block of the plurality of verification units, and the actual number of occurrences of loss corresponding to the scenario data Storage means for storing; Whether or not the total value of the number of occurrences of loss corresponding to the scenario data included in the verification range follows a Poisson distribution that averages the total value of predicted loss occurrence frequencies in the scenario data included in the verification range. And a first test processing means for determining using a degree of fit test for Poisson distribution.
  • the number of loss occurrences corresponding to the scenario data for each verification unit is the total value of the previous period loss corresponding to the scenario data whose total parameter is included in the verification range, and the scenario whose ratio parameter is included in the verification range Test the fitness of the multinomial distribution to determine whether to follow the multinomial distribution, which is the ratio of the total predicted value of the loss occurrence frequency in the scenario data for each verification unit to the total predicted value of the loss occurrence frequency in the data.
  • a correction unit is provided that determines a verification unit for correcting a predicted value of loss occurrence frequency in scenario data based on a test result of goodness of fit for the Poisson distribution and a test result of goodness of fit for the multinomial distribution.
  • the risk management device according to attachment 2.
  • the risk management apparatus according to appendix 3, wherein the correction unit corrects a predicted value of loss occurrence frequency in scenario data included in the determined verification unit.
  • the storage means stores a scenario data group composed of a plurality of scenario data including a predicted value of loss occurrence frequency,
  • the risk management apparatus according to any one of appendices 1 to 4, further comprising verification target setting means for extracting the verification range and the plurality of verification units from the scenario data group.
  • a plurality of verification units composed of one or more scenario data including a predicted value of loss occurrence frequency, a verification range that is a block of the plurality of verification units, and the actual number of occurrences of loss corresponding to the scenario data
  • a risk management method executed by a risk management device comprising a storage means for storing and a first verification processing means, The first test processing means averages the total value of the number of occurrences of loss corresponding to the scenario data included in the verification range, and the total value of the predicted values of loss occurrence frequency in the scenario data included in the verification range.
  • a risk management method characterized by deciding whether or not to follow a Poisson distribution using a test of goodness of fit against the Poisson distribution.
  • the risk management device comprises a second verification processing means,
  • the second verification processing means is configured such that the number of loss occurrences corresponding to the scenario data for each verification unit is the sum of the number of loss occurrences in the previous period corresponding to the scenario data whose total parameter is included in the verification range.
  • a parameter is a ratio of a total value of predicted values of loss occurrence frequency in scenario data for each verification unit to a total value of predicted values of loss occurrence frequency in scenario data included in the verification range.
  • the risk management apparatus includes a correction unit, The correction means determines a verification unit for correcting a predicted value of loss occurrence frequency in scenario data based on a test result of goodness of fit for the Poisson distribution and a test result of goodness of fit for the multinomial distribution.
  • a plurality of verification units composed of one or more scenario data including a predicted value of loss occurrence frequency, a verification range that is a block of the plurality of verification units, and the actual number of occurrences of loss corresponding to the scenario data
  • a computer having storage means for storing; Whether or not the total value of the number of occurrences of loss corresponding to the scenario data included in the verification range follows a Poisson distribution that averages the total value of predicted loss occurrence frequencies in the scenario data included in the verification range.

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

　損失発生頻度の予測値を含む１以上のシナリオデータから構成される複数の検証単位と、上記複数の検証単位のあつまりである検証範囲と、上記シナリオデータに対応する実際の損失の発生件数とを記憶するメモリと、上記メモリに接続されたプロセッサとを備える。上記プロセッサは、上記検証範囲に含まれるシナリオデータに対応する上記損失の発生件数の合計値が、上記検証範囲に含まれるシナリオデータにおける損失発生頻度の予測値の合計値を平均とするポアソン分布に従うか否かを、ポアソン分布に対する適合度の検定を用いて決定するようにプログラムされている。

Description

リスク管理装置
　本発明はリスク管理装置に関し、特に、リスク計量装置の入力となるシナリオデータにおける損失発生頻度を統計学的に検証する機能を有するリスク管理装置に関する。
　一般に企業の業務は、地震やシステム障害、事務的なミス、詐欺など様々なオペレーショナルリスク（以下、単にリスクと称す）に遭遇する可能性がある。このため、リスク計量装置を使用してリスク量を計量し、リスクに対する対策を講じることが求められている。
　リスク計量装置は、企業における未知のリスクプロファイルに関する断片的な情報を入力し、この入力データから当該企業のリスクプロファイルの特徴値（例えば、99.9％バリュー・アット・リスク（ＶａＲ））を計量する。リスク計量装置の入力データには、一般に内部損失データとシナリオデータとがある。内部損失データは、当該企業において実際に発生した損失事象に関するデータである。内部損失データは、どのような事象の内容について、どの程度の損失額が発生したかを表している。しかし、全ての事象の内容について必要十分な数の内部損失データを得ることは困難である。そこで、稀にしか発生していない事象内容や未だ一度も発生したことのない事象内容について、その発生頻度と損失額の推定値をシナリオデータとして見積り、リスク量の計量に利用している。
　一般的なリスク計量装置は、損失分布手法と呼ばれる手法を用いて、ＶａＲを計量している（例えば特許文献１および非特許文献１参照）。具体的には、まず、内部損失データの件数などから損失頻度分布を生成し、内部損失データおよびシナリオデータなどから損失規模分布を生成する。次に、モンテカルロ・シミュレーションにより、上記の損失頻度分布を用いて発生させた損失件数分の損失額を上記の損失規模分布から取り出して合算し、保有期間当たりの損失額を算出する処理を何万、何十万回と繰り返して損失額の分布を生成する。そして、この生成された損失額の分布から所定の信頼区間のＶａＲを算出する。
　上述したシナリオデータにおける損失発生頻度は、以下のような方法を用いて予測している（例えば非特許文献１参照）。
　まず、実際に損失が発生している業務の１年当たりの発生件数と、その業務について実施したリスク評価および内部統制状況評価に関するスコアとから、リスク評価と内部統制状況評価との組合せからなるマトリクスに１年当たりの発生件数を記載した平均頻度評価テーブルを作成する。次に、各業務プロセス等に内在するオペレーショナルリスクをシナリオとして認識する。そして、シナリオ毎に、上記と同様なリスクと内部統制状況の評価とを行い、リスク評価のスコアと内部統制状況評価のスコアとから上記平均頻度評価テーブルを引いて、各シナリオ毎の頻度（シナリオの事象が１年間に発生する回数）を推定する。これにより、過去の損失実績が存在しないようなシナリオであっても、発生頻度を推定することができるとしている。
特許第４２４１０８３号
小林、清水、西口、森永著、「オペレーショナル・リスク管理　高度化への挑戦」、平成２１年４月２４日、社団法人金融財政事情研究会発行、p107-144,181-189
　シナリオデータの損失発生頻度の誤りは、リスク計量装置の計量精度が低下する大きな要因になる。このため、シナリオデータの損失発生頻度がどのような方法で予測されたとしても、その予測値の妥当性を、実際に発生した損失事例を活用して事後的に検証することが重要である。しかし、シナリオは、稀にしか発生していない事象や一度も発生したことがない事象を扱うことが多いために、実際に発生する損失事例は少ない。この事情もあって、シナリオデータの損失発生頻度の妥当性を、その予測方法とは別の観点で事後的に検証する有効な方法は未だ確立されていないのが現状である。
　本発明の目的は、上述したような課題、すなわちシナリオデータの損失発生頻度の妥当性を事後的に検証する有効な方法がない、という課題を解決するリスク管理装置を提供することにある。
　本発明の一形態に係るリスク管理装置は、
　損失発生頻度の予測値を含む１以上のシナリオデータから構成される複数の検証単位と、上記複数の検証単位のあつまりである検証範囲と、上記シナリオデータに対応する実際の損失の発生件数とを記憶するメモリと、上記メモリに接続されたプロセッサとを備え、
　上記プロセッサは、
　上記検証範囲に含まれるシナリオデータに対応する上記損失の発生件数の合計値が、上記検証範囲に含まれるシナリオデータにおける損失発生頻度の予測値の合計値を平均とするポアソン分布に従うか否かを、ポアソン分布に対する適合度の検定を用いて決定する
ようにプログラムされている、といった構成を採る。
　本発明は上述したような構成を有するため、シナリオデータの損失発生頻度の妥当性を実際の損失事例を用いて検証することが可能である。
本発明の第１の実施形態にかかるリスク管理装置のブロック図である。 本発明の第１の実施形態における検証範囲、損失発生件数、および第１の検定条件の構成例である。 本発明の第１の実施形態の処理例を示すフローチャートである。 本発明の第１の実施形態における保守性検証の処理例を示すフローチャートである。 本発明の第２の実施形態にかかるリスク管理装置のブロック図である。 本発明の第２の実施形態における第２の検定条件の構成例である。 本発明の第２の実施形態の処理例を示すフローチャートである。 本発明の第２の実施形態における不偏性検証の処理例を示すフローチャートである。 本発明の第３の実施形態にかかるリスク管理装置のブロック図である。 本発明の第３の実施形態の処理例を示すフローチャートである。 本発明の第３の実施形態における補正の処理例を示すフローチャートである。 本発明の第４の実施形態にかかるリスク管理装置のブロック図である。 本発明の第４の実施形態におけるシナリオデータ群の構成例である。 本発明の第４の実施形態における検証範囲と検証単位の一例である。 本発明の第４の実施形態の処理例を示すフローチャートである。
　次に本発明の実施の形態について図面を参照して詳細に説明する。
[第１の実施形態]
　図１を参照すると、本発明の第１の実施形態にかかるリスク管理装置１は、複数の検証単位に含まれるシナリオデータの損失発生頻度が検証単位全体として妥当か否かを実際の損失事例を用いて検証する機能を有している。以下、このような検証を保守性検証と言う。
　このリスク管理装置１は、主な機能部として、通信インターフェース部（以下、通信Ｉ／Ｆ部という）１１、操作入力部１２、画面表示部１３、記憶部１４、およびプロセッサ１５を有する。
　通信Ｉ／Ｆ部１１は、専用のデータ通信回路からなり、通信回線（図示せず）を介して接続された図示しない各種装置との間でデータ通信を行う機能を有している。
　操作入力部１２は、キーボードやマウスなどの操作入力装置からなり、オペレータの操作を検出してプロセッサ１５に出力する機能を有している。
　画面表示部１３は、ＬＣＤやＰＤＰなどの画面表示装置からなり、プロセッサ１５からの指示に応じて、操作メニューや検証結果などの各種情報を画面表示する機能を有している。
　記憶部１４は、ハードディスクや半導体メモリなどの記憶装置からなり、プロセッサ１５での各種処理に必要な処理情報やプログラム１４Ｐを記憶する機能を有している。プログラム１４Ｐは、プロセッサ１５に読み込まれて実行されることにより各種処理部を実現するプログラムであり、通信Ｉ／Ｆ部１１などのデータ入出力機能を介して外部装置（図示せず）やコンピュータ読取可能な記憶媒体（図示せず）から予め読み込まれて記憶部１４に保存される。記憶部１４で記憶される主な処理情報として、複数の検証単位１４Ａ１と、そのあつまりである検証範囲１４Ａと、損失発生件数１４Ｂと、第１の検定条件１４Ｃと、第１の検定結果１４Ｄとがある。
　検証単位１４Ａ１は、１以上のシナリオデータから構成される。１つのシナリオデータは、そのシナリオデータを一意に識別するための識別子（ＩＤ）と、損失発生頻度の予測値とから構成される。損失発生額の予測値は、シナリオデータの頻度検証時には使用しないため、シナリオデータから取り除いておいてもよい。図２に、検証単位１４Ａ１の構成例を示す。この例の検証単位１４Ａ１は、１つのシナリオデータから構成される。シナリオデータ１４Ａ１ｉ（ｉ＝１～ｎ）は、シナリオＩＤｉと、損失発生頻度の予測値λｉとを有する。損失発生頻度の予測値λｉは、保有期間を１年とすると、１年あたりに発生する損失の発生回数を示している。
　検証範囲１４Ａは、複数の検証単位１４Ａ１のあつまりである。図２に検証範囲１４Ａの構成例を示す。この例の検証範囲１４Ａは、シナリオＩＤ１～ＩＤｎを持つシナリオデータの集合を検証範囲とすることを示している。
　損失発生件数１４Ｂは、シナリオデータに対応する実際の損失の発生件数を示すデータである。損失発生件数１４Ｂは、例えば、対応するシナリオデータを特定する識別子と、保有期間当たりの損失発生件数との組のあつまりである。図２に損失発生件数１４Ｂの構成例を示す。この例の損失発生件数１４Ｂの１行目のデータは、シナリオＩＤ１に対応するシナリオの保有期間当たり損失発生件数が１件であったことを示している。
　第１の検定結果１４Ｄは、プロセッサ１５によって実行された第１の検定処理の結果を示すデータである。第１の検定結果１４Ｄは、「保守的」、「妥当」、「非保守的」の３通りのうちの何れかになる。保守的とは、複数の検証単位に含まれるシナリオデータの損失発生頻度が検証単位全体として、実際の発生件数から推定されるよりも多いことを意味する。非保守的とは、保守的とは逆に、複数の検証単位に含まれるシナリオデータの損失発生頻度が検証単位全体として実際の発生件数から推定されるよりも少ないことを意味する。妥当とは、保守的でも非保守的でもなく、複数の検証単位に含まれるシナリオデータの損失発生頻度が検証単位全体として妥当であることを意味する。
　第１の検定条件１４Ｃは、プロセッサ１５によって実行される第１の検定処理の条件を示す。図２に第１の検定条件１４Ｃの構成例を示す。この例の第１の検定条件１４Ｃは、第１の検定処理に用いる第１および第２の有意水準がα１１、α１２であることを示している。ここで、第１の有意水準α１１は保守性判定に用いられ、第２の有意水準α１２は非保守性判定に用いられる。
　プロセッサ１５は、ＣＰＵなどのマイクロプロセッサとその周辺回路を有し、記憶部１４からプログラム１４Ｐを読み込んで実行することにより、上記ハードウェアとプログラム１４Ｐとを協働させて各種処理部を実現する機能を有している。プロセッサ１５で実現される主な処理部として、入力格納部１５Ａ、第１の検定処理部１５Ｂ、および出力部１５Ｃがある。
　入力格納部１５Ａは、通信Ｉ／Ｆ部１１または操作入力部１２から、検証単位１４Ａ１、検証範囲１４Ａ、損失発生件数１４Ｂ、および第１の検定条件１４Ｃを入力して、記憶部１４に格納する機能を有する。
　第１の検定処理部１５Ｂは、検証範囲１４Ａの各検証単位１４Ａ１に含まれるシナリオデータに対応する損失の発生件数１４Ｂの合計値が、検証範囲１４Ａの各検証単位１４Ａ１に含まれるシナリオデータにおける損失発生頻度の予測値の合計値を平均とするポアソン分布に従うか否かを、ポアソン分布に対する適合度の検定を用いて決定する機能を有する。また、第１の検定処理部１５Ｂは、検定の結果を第１の検定結果１４Ｄとして記憶部１４に記憶する機能を有する。
　出力部１５Ｃは、第１の検定処理部１５Ｂの検定結果１４Ｄを記憶部１４から読み込み、検証単位全体の保守性検証結果として画面表示部１３に出力し、あるいは通信Ｉ／Ｆ部１１を通じて外部に出力する機能を有する。
　次に、図３を参照して、本実施形態にかかるリスク管理装置１の動作について説明する。
　まず、入力格納部１５Ａは、複数の検証単位１４Ａ１、これら複数の検証単位１４Ａ１のあつまりである検証範囲１４Ａ、シナリオデータに対応する実際の損失発生件数１４Ｂ、および第１の検定条件１４Ｃを、通信Ｉ／Ｆ部１１または操作入力部１２から入力し、記憶部１４に格納する（ステップＳ１）。
　次に、第１の検定処理部１５Ｂは、複数の検証単位１４Ａ１と検証範囲１４Ａと損失発生件数１４Ｂと第１の検定条件１４Ｃとを記憶部１４から読み込み、検証範囲１４Ａに含まれるシナリオデータに対応する損失の発生件数の合計値が、検証範囲１４Ａに含まれるシナリオデータにおける損失発生頻度の予測値の合計値を平均とするポアソン分布に従うか否かを、ポアソン分布に対する適合度の検定を用いて決定し、結果を記憶部１４に記憶する（ステップＳ２）。
　次に、出力部１５Ｃは、第１の検定処理部１５Ｂの検定結果１４Ｄを記憶部１４から読み込み、検証結果として画面表示部１３に出力し、あるいは通信Ｉ／Ｆ部１１を通じて外部に出力する（ステップＳ３）。
　図４は図３のステップＳ２の処理の一例を示すフローチャートである。以下、図４を参照して、第１の検定処理部１５Ｂの処理の一例について説明する。
　まず第１の検定処理部１５Ｂは、検証範囲１４Ａに含まれるシナリオデータに対応する損失の発生件数の合計値ΣＮｉを算出する（ステップＳ１１）。次に第１の検定処理部１５Ｂは、検証範囲１４Ａに含まれるシナリオデータにおける損失発生頻度の予測値の合計値Σλｉを算出する（ステップＳ１２）。
　次に第１の検定処理部１５Ｂは、帰無仮説Ｈ０、対立仮説Ｈ１、Ｈ２を以下のように設定する（ステップＳ１３）。帰無仮説Ｈ０は、「発生件数合計ΣＮｉが平均Σλｉのポアソン分布に従う」とする。対立仮説Ｈ１は、「平均がΣλｉよりも小さい（シナリオは保守的である）」とする。対立仮説Ｈ２は、「平均がΣλｉよりも大きい（シナリオは非保守的である）」とする。
　次に第１の検定処理部１５Ｂは、帰無仮説Ｈ０が正しいと仮定し、平均Σλｉのポアソン分布から、損失発生件数の合計値ΣＮｉと比較するための閾値ｎ１、ｎ２を算出する（ステップＳ１４）。ここで、閾値ｎ１は、平均Σλｉのポアソン分布が当該ｎ１以下の値を取る確率が有意水準α１１より大きく、かつ、（ｎ１－１）以下の値を取る確率が有意水準α１１以下となる値である。また、閾値ｎ２は、平均Σλｉのポアソン分布が当該ｎ２以上の値を取る確率が有意水準α１２より大きく、かつ、（ｎ２＋１）以上の値を取る確率が有意水準α１２以下となる値である。
　次に第１の検定処理部１５Ｂは、損失発生件数の合計値ΣＮｉと閾値ｎ１、ｎ２とを比較し（ステップＳ１５、Ｓ１６）、その比較結果に応じた検定結果を生成し、記憶部１４に記憶する（ステップＳ１７～Ｓ１９）。すなわち、ΣＮｉ＜ｎ１のときは「保守的」、ｎ１≦ΣＮｉ≦ｎ２のときは「妥当」、ｎ２＜ΣＮｉのときは「非保守的」と判定する。
　このように本実施形態によれば、シナリオデータの損失発生頻度の妥当性を実際の損失事例を用いて検証することが可能である。
　また本実施形態によれば、複数のシナリオデータをまとめたシナリオ群全体に対して、損失発生頻度の妥当性を検証しているため、単独のシナリオでは保守性検証ができない程度の低い頻度であっても精度の良い検証が可能である。この点について更に説明する。
　シナリオ個別の保守性検証として、帰無仮説：シナリオｉに対応する損失発生件数Ｎｉが、平均λｉのポアソン分布に従う、対立仮説：帰無仮説が成立しない、という仮説検定を考える。このようなシナリオ個別の保守性検証では、例えば、有意水準１％の片側検定とすると、頻度１／５０（５０年に１度）のシナリオに対して１年間観測した結果、実際の損失が１件発生していても、そのシナリオの頻度は妥当と判断される。そのため、１００個の「頻度１／５０のシナリオ」に対してそれぞれ実際の損失が１件ずつ発生した場合においても、シナリオ個別の妥当性検証では妥当と判断される。しかし、１／５０の確率でしか生じない稀な事象が１００個も同時に発生するとは考え難いため、本来は妥当でないと判断すべきと考えられる。本実施形態によれば、このような場合でも正しく検証することができる。
　また、シナリオ個別の保守性検証では、「頻度１／２００のシナリオ」に対しては実際の損失が１件でも発生すると妥当ではないと判断されるが、「頻度１／２００のシナリオ」が１００個あれば、そのうちの１個のシナリオに対して実際の損失が発生したからといって妥当でないと判断するのは適切ではない。本実施形態によれば、このような場合でも正しく検証することができる。
[第２の実施形態]
　図５を参照すると、本発明の第２の実施形態にかかるリスク管理装置２は、第１の実施形態にかかるリスク管理装置１の有する保守性検証機能に加えて、検証範囲において検証単位間で保守性に偏りがないかを実際の損失事例を用いて検証する機能を有している。以下、この後者の検証を不偏性検証と言う。
　リスク管理装置２は、主な機能部として、通信Ｉ／Ｆ部２１、操作入力部２２、画面表示部２３、記憶部２４、およびプロセッサ２５を有する。
　通信Ｉ／Ｆ部２１、操作入力部２２、および画面表示部２３は、第１の実施形態における図１の通信Ｉ／Ｆ部１１、操作入力部１２、および画面表示部１３と同じ機能を有している。
　記憶部２４は、ハードディスクや半導体メモリなどの記憶装置からなり、プロセッサ２５での各種処理に必要な処理情報やプログラム２４Ｐを記憶する機能を有している。プログラム２４Ｐは、プロセッサ２５に読み込まれて実行されることにより各種処理部を実現するプログラムであり、通信Ｉ／Ｆ部２１などのデータ入出力機能を介して外部装置（図示せず）やコンピュータ読取可能な記憶媒体（図示せず）から予め読み込まれて記憶部２４に保存される。記憶部２４で記憶される主な処理情報として、複数の検証単位２４Ａ１と、そのあつまりである検証範囲２４Ａと、損失発生件数２４Ｂと、第１の検定条件２４Ｃと、第１の検定結果２４Ｄと、第２の検定条件２４Ｅと、第２の検定結果２４Ｅとがある。
　複数の検証単位２４Ａ１、検証範囲２４Ａ、損失発生件数２４Ｂ、第１の検定条件２４Ｃ、および第１の検定結果２４Ｄは、第１の実施形態における複数の検証単位１４Ａ１、検証範囲１４Ａ、損失発生件数１４Ｂ、第１の検定条件１４Ｃ、および第１の検定結果１４Ｄと同じである。
　第２の検定結果２４Ｆは、プロセッサ２５によって実行された第２の検定処理の結果を示すデータである。第２の検定処理２４Ｆは、「偏り無し」、「偏り有り」のうちの何れかになる。
　第２の検定条件２４Ｅは、プロセッサ２５によって実行される第２の検定処理の条件を示す。図６に第２の検定条件２４Ｅの構成例を示す。この例の第２の検定条件２４Ｅは、第２の検定処理に用いる有意水準がα２であることを示している。
　プロセッサ２５は、ＣＰＵなどのマイクロプロセッサとその周辺回路を有し、記憶部２４からプログラム２４Ｐを読み込んで実行することにより、上記ハードウェアとプログラム２４Ｐとを協働させて各種処理部を実現する機能を有している。プロセッサ２５で実現される主な処理部として、入力格納部２５Ａ、第１の検定処理部２５Ｂ、出力部２５Ｃ、および第２の検定処理部２５Ｄがある。
　入力格納部２５Ａは、通信Ｉ／Ｆ部２１または操作入力部２２から、検証単位２４Ａ１、検証範囲２４Ａ、損失発生件数２４Ｂ、第１の検定条件２４Ｃ、および第２の検定条件２４Ｅを入力して、記憶部２４に格納する機能を有する。
　第１の検定処理部２５Ｂは、第１の実施形態にかかるリスク管理装置１の第１の検定処理部１５Ｂと同様の機能を有する。すなわち、検証範囲２４Ａの各検証単位２４Ａ１に含まれるシナリオデータに対応する損失の発生件数２４Ｂの合計値が、検証範囲２４Ａの各検証単位２４Ａ１に含まれるシナリオデータにおける損失発生頻度の予測値の合計値を平均とするポアソン分布に従うか否かを、ポアソン分布に対する適合度の検定を用いて決定し、その検定の結果を第１の検定結果２４Ｄとして記憶部２４に記憶する機能を有する。
　第２の検定処理部２５Ｄは、検証単位２４Ａ１毎のシナリオデータに対応する損失の発生件数２４Ｂが、合計パラメータを検証範囲２４Aに含まれるシナリオデータに対応する損失の発生件数の合計値、比率パラメータを検証範囲２４Ａに含まれるシナリオデータにおける損失発生頻度の予測値の合計値に対する、検証単位２４Ａ１毎のシナリオデータにおける損失発生頻度の予測値の合計値の割合とする多項分布に従うか否かを、多項分布に対する適合度の検定を用いて決定する機能を有する。また、第２の検定処理部２５Ｄは、検定の結果を第２の検定結果２４Ｆとして、記憶部２４に記憶する機能を有する。
　出力部２５Ｃは、第１の検定結果２４Ｄおよび第２の検定結果２４Ｆを記憶部２４から読み込み、検証単位全体の保守性検証結果および検証単位間の不偏性検証結果として画面表示部２３に出力し、あるいは通信Ｉ／Ｆ部２１を通じて外部に出力する機能を有する。
　次に、図７を参照して、本実施形態にかかるリスク管理装置２の動作について説明する。
　まず、入力格納部２５Ａは、複数の検証単位２４Ａ１、これら複数の検証単位２４Ａ１のあつまりである検証範囲２４Ａ、シナリオデータに対応する実際の損失発生件数２４Ｂ、第１の検定条件２４Ｃ、および第２の検定条件２４Ｅを、通信Ｉ／Ｆ部２１または操作入力部２２から入力し、記憶部２４に格納する（ステップＳ２１）。
　次に、第１の検定処理部２５Ｂは、第１の実施形態における第１の検定処理部１５Ｂと同様に、検証範囲２４Ａに含まれるシナリオデータに対応する損失の発生件数の合計値が、検証範囲２４Ａに含まれるシナリオデータにおける損失発生頻度の予測値の合計値を平均とするポアソン分布に従うか否かを、ポアソン分布に対する適合度の検定を用いて決定し、結果を記憶部２４に記憶する（ステップＳ２２）。
　次に、第２の検定処理部２５Ｄは、複数の検証単位２４Ａ１と検証範囲２４Ａと損失発生件数２４Ｂと第２の検定条件２４Ｅとを記憶部２４から読み込み、検証単位２４Ａ１毎のシナリオデータに対応する損失の発生件数２４Ｂが、合計パラメータが検証範囲２４Ａに含まれるシナリオデータに対応する損失の発生件数の合計値、比率パラメータを検証範囲２４Ａに含まれるシナリオデータにおける損失発生頻度の予測値の合計値に対する、検証単位２４Ａ１毎のシナリオデータにおける損失発生頻度の予測値の合計値の割合とする多項分布に従うか否かを、多項分布に対する適合度の検定を用いて決定し、結果を記憶部２４に記憶する（ステップＳ２３）。
　次に、出力部２５Ｃは、第１の検定結果２４Ｃおよび第２の検定結果２４Ｆを記憶部２４から読み込み、検証単位全体の保守性検証結果および検証単位間の不偏性検証結果として画面表示部２３に出力し、あるいは通信Ｉ／Ｆ部２１を通じて外部に出力する（ステップＳ２４）。
　図８は図７のステップＳ２３の処理の一例を示すフローチャートである。以下、図８を参照して、第２の検定処理部２５Ｄの処理の一例について説明する。
　まず第２の検定処理部２５Ｄは、検証単位２４Ａ１の個数ｋを算出する（ステップＳ３１）。次に第２の検定処理部２５Ｄは、検証単位毎に、その検証単位に含まれるシナリオデータに対応する損失発生件数の合計値ｎ１、ｎ２、…、ｎｋを算出する（ステップＳ３２）。次に、第２の検定処理部２５Ｄは、検証範囲２４Ａに含まれるシナリオデータに対応する損失の発生件数の合計値ΣＮｉを算出する（ステップＳ３３）。
　次に第２の検定処理部２５Ｄは、検証単位２４Ａ１毎に、比率パラメータの予測値ｐ１、ｐ２、…、ｐｋを算出する（ステップＳ３４）。或る検証単位２４Ａ１の比率パラメータｐｉは、その検証単位２４Ａ１に含まれるシナリオデータの損失発生頻度の予測値の合計λｉを、検証範囲２４Ａに含まれるシナリオデータにおける損失発生頻度の予測値の合計値Σλｉで割った値として算出する。
　次に第２の検定処理部２５Ｄは、帰無仮説Ｈ０、対立仮説Ｈ１を以下のように設定する（ステップＳ３５）。帰無仮説Ｈ０は、「比率パラメータはｐ１、ｐ２、…、ｐｋである」とする。対立仮説Ｈ１は、「比率パラメータはｐ１、ｐ２、…、ｐｋでない」とする。
　次に第２の検定処理部２５Ｄは、帰無仮説Ｈ０が正しいと仮定し、合計パラメータΣＮｉ、比率パラメータｐ１、ｐ２、…、ｐｋの多項分布において、損失発生件数の実現値ｎ１、ｎ２、…、ｎｋが実現する確率ｐｘを算出する（ステップＳ３６）。
　次に第２の検定処理部２５Ｄは、合計パラメータΣＮｉ、比率パラメータｐ１、ｐ２、…、ｐｋの多項分布において、全ての取り得る値の組合せ別、すなわち「合計がΣＮｉとなるｋ個の非負整数の組合せ別に確率を算出する（ステップＳ３７）。次に、この算出した確率のうち、実現値ｎ１、ｎ２、…、ｎｋが実現する確率ｐｘより低いもののみを合計したものをｐ値として算出する（ステップＳ３８）。
　次に第２の検定処理部２５Ｄは、上記算出したｐ値を有意水準α２と比較する（ステップＳ３９）。そして、第２の検定処理部２５Ｄは、その比較結果に応じた検定結果を生成し、記憶部２４に記憶する（ステップＳ４０、Ｓ４１）。すなわち、ｐ値≧有意水準α２のときは「偏り無し」、ｐ値＜有意水準α２のときは「偏り有り」と判定する。
　このように本実施形態によれば、シナリオデータの損失発生頻度の妥当性を、実際の損失事例を用いて、第１の実施形態よりも精度良く検証することが可能である。その理由は、複数のシナリオデータをまとめたシナリオ群全体に対して損失発生頻度の妥当性を検証すると共に、検証単位間で保守性に偏りがないかを実際の損失事例を用いて検証しているためである。この点について更に説明する。
　前述したように、全ての検証単位のシナリオデータをまとめたシナリオ群全体に対して、損失発生頻度の妥当性を検証することにより、検証単位単独では保守性検証ができない程度の低いシナリオ頻度であっても精度の良い検証が可能になる。しかし、全ての検証単位のシナリオデータを一つにまとめると、検証単位ごとのシナリオ頻度が隠ぺいされる。このため、シナリオ群全体のシナリオ頻度の合計が同じであれば、保守性検証の結果は同じになる。不偏性検証を行うことにより、保守性検証では検証できない、検証単位間の保守性の偏りを検証することができる。
[第３の実施形態]
　図９を参照すると、本発明の第３の実施形態にかかるリスク管理装置３は、第２の実施形態にかかるリスク管理装置１の有する保守性検証機能と不偏性検証機能とに加えて、検証結果に基づいてシナリオデータの損失発生頻度を補正する機能を有している。
　リスク管理装置３は、主な機能部として、通信Ｉ／Ｆ部３１、操作入力部３２、画面表示部３３、記憶部３４、およびプロセッサ３５を有する。
　通信Ｉ／Ｆ部３１、操作入力部３２、および画面表示部３３は、第２の実施形態における図５の通信Ｉ／Ｆ部２１、操作入力部２２、および画面表示部２３と同じ機能を有している。
　記憶部３４は、ハードディスクや半導体メモリなどの記憶装置からなり、プロセッサ３５での各種処理に必要な処理情報やプログラム３４Ｐを記憶する機能を有している。プログラム３４Ｐは、プロセッサ３５に読み込まれて実行されることにより各種処理部を実現するプログラムであり、通信Ｉ／Ｆ部３１などのデータ入出力機能を介して外部装置（図示せず）やコンピュータ読取可能な記憶媒体（図示せず）から予め読み込まれて記憶部３４に保存される。記憶部３４で記憶される主な処理情報として、複数の検証単位３４Ａ１と、そのあつまりである検証範囲３４Ａと、損失発生件数３４Ｂと、第１の検定条件３４Ｃと、第１の検定結果３４Ｄと、第２の検定条件３４Ｅと、第２の検定結果３４Ｆとがある。
　複数の検証単位３４Ａ１と、そのあつまりである検証範囲３４Ａと、損失発生件数３４Ｂと、第１の検定条件３４Ｃと、第１の検定結果３４Ｄと、第２の検定条件３４Ｅと、第２の検定結果３４Ｆは、第２の実施形態における複数の検証単位２４Ａ１、検証範囲２４Ａ、損失発生件数２４Ｂ、第１の検定条件２４Ｃ、第１の検定結果２４Ｄ、第２の検定条件２４Ｅ、第２の検定結果２４Ｆと同じである。
　プロセッサ３５は、ＣＰＵなどのマイクロプロセッサとその周辺回路を有し、記憶部３４からプログラム３４Ｐを読み込んで実行することにより、上記ハードウェアとプログラム３４Ｐとを協働させて各種処理部を実現する機能を有している。プロセッサ３５で実現される主な処理部として、入力格納部３５Ａ、第１の検定処理部３５Ｂ、出力部３５Ｃ、第２の検定処理部３５Ｄ、および補正部３５Ｅがある。
　入力格納部３５Ａ、第１の検定処理部３５Ｂ、および第２の検定処理部３５Ｄは、第２の実施形態における入力格納部２５Ａ、第１の検定処理部２５Ｂ、および第２の検定処理部２５Ｄと同様の機能を有する。
　補正部３５Ｅは、保守性検証の検定結果３４Ｄと不偏性検証の検定結果３４Ｆとを記憶部３４から読み込み、これら２つの検定結果に基づいて、損失発生頻度の予測値を補正する検証単位３４Ａ１を決定し、この決定した検証単位３４Ａ１におけるシナリオデータの損失発生頻度の予測値を補正する機能を有する。また補正部３５Ｅは、補正後のシナリオデータを記憶部３４に記憶する機能を有する。補正部３５Ｅは、補正前のシナリオデータを補正後のシナリオデータで上書きしても良いし、補正前のシナリオデータとは別に補正後のシナリオデータを記憶部３４に記憶するようにしてもよい。さらに補正部３５Ｅは、少なくとも１つのシナリオデータに対する補正を行った場合、第１の検定処理部３５Ｂから処理を再開させる機能を有する。
　出力部３５Ｃは、第１の検定結果３４Ｃ、第２の検定結果３４Ｆ、および補正後のシナリオデータを記憶部３４から読み込み、検証単位全体の保守性検証結果、検証単位間の不偏性検証結果、および補正内容として画面表示部３３に出力し、あるいは通信Ｉ／Ｆ部３１を通じて外部に出力する機能を有する。
　次に、図１０を参照して、本実施形態にかかるリスク管理装置３の動作について説明する。
　まず、入力格納部３５Ａは、第２の実施形態における入力格納部２５Ａと同様に、複数の検証単位３４Ａ１、これら複数の検証単位３４Ａ１のあつまりである検証範囲３４Ａ、シナリオデータに対応する実際の損失発生件数３４Ｂ、第１の検定条件３４Ｃ、および第２の検定条件３４Ｅを、通信Ｉ／Ｆ部３１または操作入力部３２から入力し、記憶部３４に格納する（ステップＳ５１）。
　次に、第１の検定処理部３５Ｂは、第２の実施形態における第１の検定処理部２５Ｂと同様に、検証範囲３４Ａに含まれるシナリオデータに対応する損失の発生件数の合計値が、検証範囲３４Ａに含まれるシナリオデータにおける損失発生頻度の予測値の合計値を平均とするポアソン分布に従うか否かを、ポアソン分布に対する適合度の検定を用いて決定し、結果を記憶部３４に記憶する（ステップＳ５２）。
　次に、第２の検定処理部３５Ｄは、第２の実施形態における第２の検定処理部２５Ｄと同様に、検証単位３４Ａ１毎のシナリオデータに対応する損失の発生件数２４Ｂが、合計パラメータを検証範囲３４Ａに含まれるシナリオデータに対応する損失の発生件数３４Ｂの合計値、比率パラメータを検証範囲３４Ａに含まれるシナリオデータにおける損失発生頻度の予測値の合計値に対する、検証単位３４Ａ１毎のシナリオデータにおける損失発生頻度の予測値の合計値の割合とする多項分布に従うか否かを、多項分布に対する適合度の検定を用いて決定し、結果を記憶部３４に記憶する
（ステップＳ５３）。
　次に、補正部３５Ｅは、保守性検証の検定結果３４Ｄと不偏性検証の検定結果３４Ｆとに基づいて、損失発生頻度の予測値を補正する検証単位３４Ａ１を決定し、この決定した検証単位３４Ａ１におけるシナリオデータの損失発生頻度の予測値を補正し、補正後のシナリオデータを記憶部３４に記憶する（ステップＳ５４）。
　次に補正部３５Ｅは、少なくとも１つのシナリオデータに対して補正を行ったか否かを判定し（ステップＳ５５）、補正を行った場合、第１の検定処理部３５Ｂに制御を戻す。これにより、補正後のシナリオデータを使用して、前述したのと同様の保守性検証、不偏性検証が再び実施された後、補正部３５Ｅによる補正の処理が実行される。このような処理は、補正されるシナリオデータが無くなるまで繰り返される。他方、シナリオデータに対する補正が行われなかった場合、補正部３５Ｅは、出力部３５Ｃに制御を渡す。
　出力部３５Ｃは、第１の検定結果３４Ｃ、第２の検定結果３４Ｆ、および補正後のシナリオデータを記憶部３４から読み込み、検証単位全体の保守性検証結果、検証単位間の不偏性検証結果、および補正内容として画面表示部３３に出力し、あるいは通信Ｉ／Ｆ部３１を通じて外部に出力する（ステップＳ５６）。
　図１１は図１０のステップＳ５４の処理の一例を示すフローチャートである。以下、図１１を参照して、補正部３５Ｅが実行するステップＳ５４の処理の一例について説明する。
　補正部３５Ｅは、保守性検証の結果３４Ｄが「保守的」、「妥当」、「非保守的」の何れであるかを判定すると共に、不偏性検証の結果３４Ｆが「偏り無し」、「偏り有り」の何れであるかを判定する（ステップＳ６１～Ｓ６４）。そして、その判定結果に応じて以下の６通りのケースに分類し、各ケースに応じた補正処理を実行する（ステップＳ６５～Ｓ７０）。
（１）ケース１：保守的かつ偏り無し
　この場合、補正部３５Ｅは、全ての検証単位３４Ａ１に含まれるシナリオデータにおける損失発生頻度の予測値を減少させる補正を行う（ステップＳ６５）。
（２）ケース２：保守的かつ偏り有り
　この場合、補正部３５Ｅは、全ての検証単位のうち最も保守的な検証単位３４Ａ１に含まれるシナリオデータにおける損失発生頻度の予測値を減少させる補正を行う（ステップＳ６６）。
（３）ケース３：妥当な保守性かつ偏り無し
　この場合、補正部３５Ｅは、補正の必要性は無いと判断する（ステップＳ６７）。
（４）ケース４：妥当な保守性かつ偏り有り
　この場合、補正部３５Ｅは、全ての検証単位のうち最も非保守的な検証単位３４Ａ１に含まれるシナリオデータにおける損失発生頻度の予測値を増加させる補正を行う（ステップＳ６８）。
（５）ケース５：非保守的かつ偏り無し
　この場合、補正部３５Ｅは、全ての検証単位３４Ａ１に含まれるシナリオデータにおける損失発生頻度の予測値を増加させる補正を行う（ステップＳ６９）。
（６）ケース６：非保守的かつ偏り有り
　この場合、補正部３５Ｅは、ケース４と同様に、全ての検証単位のうち最も非保守的な検証単位３４Ａ１に含まれるシナリオデータにおける損失発生頻度の予測値を増加させる補正を行う（ステップＳ７０）。
　補正部３５Ｅは、検証単位間の相対的な保守性、非保守性については、検証単位ごとに保守性の推定値を算出し、その大小により判断する。保守性の推定値とは、その検証単位に含まれるシナリオデータにおける損失発生頻度の予測値の合計値を平均パラメータとするポアソン分布が、その検証単位に含まれるシナリオデータに対応する実際の損失発生件数の合計値以下の値を取る確率（＝累積分布関数の値）のことである。検証単位の中で上記確率の最も小さい検証単位が最も保守的な検証単位、最も大きい検証単位が最も非保守的な検証単位となる。
　また補正部３５Ｅは、補正によって予測値をどの程度増加あるいは減少させるかは事前に定められた規則に従う。補正の規則としては、例えば補正前の予測値の予め定められた割合（例えば３割）だけ増加あるいは減少させる、という規則を使用してよい。または、予測値として取り得る損失発生頻度を値の大きい順に並べた頻度テーブルにおける補正前の頻度から１ランクあるいは２ランクだけ高頻度あるいは低頻度の値になるように補正する、という規則を使用してよい。
　このように本実施形態によれば、第２の実施形態と同様の効果が得られると共に、保守性検証と不偏性検証の検証結果で妥当でない検証結果が得られた場合に、シナリオデータの損失発生頻度を自動的に補正することができる。
[第４の実施形態]
　図１２を参照すると、本発明の第４の実施形態にかかるリスク管理装置４は、第３の実施形態にかかるリスク管理装置３の有する保守性検証機能と不偏性検証機能と補正機能とに加えて、シナリオデータ群から検証を行う対象とするシナリオデータを抽出し、検証単位とその集合である検証範囲を設定する機能を有している。
　リスク管理装置４は、主な機能部として、通信Ｉ／Ｆ部４１、操作入力部４２、画面表示部４３、記憶部４４、およびプロセッサ４５を有する。
　通信Ｉ／Ｆ部４１、操作入力部４２、および画面表示部４３は、第３の実施形態における図９の通信Ｉ／Ｆ部３１、操作入力部３２、および画面表示部３３と同じ機能を有している。
　記憶部４４は、ハードディスクや半導体メモリなどの記憶装置からなり、プロセッサ４５での各種処理に必要な処理情報やプログラム４４Ｐを記憶する機能を有している。プログラム４４Ｐは、プロセッサ４５に読み込まれて実行されることにより各種処理部を実現するプログラムであり、通信Ｉ／Ｆ部４１などのデータ入出力機能を介して外部装置（図示せず）やコンピュータ読取可能な記憶媒体（図示せず）から予め読み込まれて記憶部４４に保存される。記憶部４４で記憶される主な処理情報として、シナリオデータ群４４Ｇ、複数の検証単位４４Ａ１と、そのあつまりである検証範囲４４Ａと、損失発生件数４４Ｂと、第１の検定条件４４Ｃと、第１の検定結果４４Ｄと、第２の検定条件４４Ｅと、第２の検定結果４４Ｆとがある。
　シナリオデータ群４４Ｇは、複数のシナリオデータから構成される。１つのシナリオデータは、そのシナリオデータを一意に識別するための識別子（ＩＤ）と、損失発生頻度の予測値と、損失事象の種類と、そのシナリオを作成した部門やそのシナリオが想定される部門等を表す関係部門とから構成される。図１３に、シナリオデータ群４４Ｇの構成例を示す。この例のシナリオデータ群４４Ｇは、ｍ個のシナリオデータから構成される。シナリオデータ４４Ｇｉ（ｉ＝１～ｍ）は、シナリオＩＤｉと、損失発生頻度の予測値λｉと、損失事象の種類と、関係部門とを有する。損失発生頻度の予測値λｉは、保有期間を１年とすると、１年あたりに発生する損失の発生回数を示している。損失事象の種類とは、例えばシステム障害、詐欺、地震などである。
　複数の検証単位４４Ａ１と、そのあつまりである検証範囲４４Ａと、損失発生件数４４Ｂと、第１の検定条件４４Ｃと、第１の検定結果４４Ｄと、第２の検定条件４４Ｅと、第２の検定結果４４Ｆは、第３の実施形態における複数の検証単位３４Ａ１、検証範囲３４Ａ、損失発生件数３４Ｂ、第１の検定条件３４Ｃ、第１の検定結果３４Ｄ、第２の検定条件３４Ｅ、第２の検定結果３４Ｆと同じである。但し、複数の検証単位３４Ａ１と検証範囲３４Ａとは、入力情報として与えられるデータであるのに対して、本実施形態の複数の検証単位４４Ａ１と検証範囲４４Ａとは、シナリオデータ群４４Ｇから動的に生成されるデータである点で相違する。
　プロセッサ４５は、ＣＰＵなどのマイクロプロセッサとその周辺回路を有し、記憶部４４からプログラム４４Ｐを読み込んで実行することにより、上記ハードウェアとプログラム４４Ｐとを協働させて各種処理部を実現する機能を有している。プロセッサ４５で実現される主な処理部として、入力格納部４５Ａ、第１の検定処理部４５Ｂ、出力部４５Ｃ、第２の検定処理部４５Ｄ、補正部４５Ｅ、および検証対象設定部４５Ｆがある。
　入力格納部４５Ａは、通信Ｉ／Ｆ部４１または操作入力部４２から、シナリオデータ群４４Ｇ、損失発生件数４４Ｂ、第１の検定条件４４Ｃ、および第２の検定条件４４Ｅを入力して、記憶部４４に格納する機能を有する。
　検証対象設定部４５Ｆは、シナリオデータ群４４Ｇから検証範囲とする複数のシナリオデータを抽出し、更に、抽出した複数のシナリオデータを複数の検証単位に分類する機能を有する。
　図１４は、検証範囲と検証単位の例である。設定１では、検証範囲の単位を各部とし、検証単位をシナリオとしている。この設定１に従えば、例えば、第１営業部という部に着目すれば、図１３の関係部門が第１営業部であるシナリオデータの集合が検証範囲となり、その集合内の個々のシナリオデータが検証単位となる。また、設定２では、検証範囲の単位を各業務部門とし、検証単位を部としている。この設定２に従えば、例えば、第１営業部と第２営業部とを持つ第１業務部門に着目すれば、図１３の関係部門が第１営業部または第２営業部であるシナリオデータの集合が検証範囲となり、その集合のうち、関係部門が第１営業部であるシナリオデータの集合と、関係部門が第２営業部であるシナリオデータの集合とが、それぞれ１つの検証単位となる。さらに、設定３では、検証範囲の単位を各業務部門とし、検証単位を損失事象の種類としている。この設定３に従えば、例えば、上記の第１業務部門に着目すれば、図１３の関係部門が第１営業部または第２営業部であるシナリオデータの集合が検証範囲となり、その集合のうち、損失事象の種類が同じシナリオデータの集合が１つの検証単位となる。
　検証対象設定部４５Ｆには、上記の設定１～３のような設定が１以上定義されている。検証対象設定部４５Ｆは、定義された設定に従って、シナリオデータ群４４Ｇから検証単位４４Ａ１とその集合である検証範囲４４Ａとを算出し、記憶部４４に記憶する。２以上の設定が定義されている場合、定義された順番に従って処理していく。例えば、第１順位の設定が、検証範囲を各部、検証単位をシナリオとする場合、存在する営業部などの部ごとに、検証範囲４４Ａと検証単位４４Ａ１とを作成し、順番に検証と補正の処理を行う。そして、第１順位の設定に関する検証と補正の処理が完了すると、次の順位の設定に従って検証範囲４４Ａと検証単位４４Ａ１を作成する。このような処理を定義されている全ての設定について繰り返す。処理する順番は、正しいシナリオを作成している部が正しくシナリオを作成していない他の部の影響により補正を受けるのを避けるために、図１４の設定１、設定２の順番のように、より範囲の狭い検証範囲から優先的に実施するボトムアップ方式が好ましい。また、より範囲の狭い検証範囲から優先的に実施する場合、途中の検証範囲の検証で補正が行われた場合、補正の結果、それ以前に行った、より範囲の狭い検証範囲の検証に抵触する可能性があるため、途中で補正を行った場合には、一番狭い検証範囲から検証をやり直すことが望ましい。
　第１の検定処理部４５Ｂ、第２の検定処理部４５Ｄ、補正部４５Ｅ、および出力部４５Ｃは、第３の実施形態における第１の検定処理部３５Ｂ、第２の検定処理部３５Ｄ、補正部３５Ｅ、および出力部３５Ｃと同様の機能を有する。但し、第１および第２の検定処理部４５Ｂ、４５Ｄは、どの設定による検証範囲に対する検定結果であるかが明確に区別されるように、第１および第２の検定結果４４Ｄ、４４Ｆを記憶部４４に記憶する。また、出力部４５Ｃは、どの設定による検証範囲に対する検定結果であるかが明確に区別されるように、第１および第２の検定結果４４Ｄ、４４Ｆを記憶部４４に出力する。
　次に、図１５を参照して、本実施形態にかかるリスク管理装置４の動作について説明する。
　まず、入力格納部４５Ａは、シナリオデータ群４４Ｇ、シナリオデータに対応する実際の損失発生件数４４Ｂ、第１の検定条件４４Ｃ、および第２の検定条件４４Ｅを、通信Ｉ／Ｆ部４１または操作入力部４２から入力し、記憶部４４に格納する（ステップＳ８１）。
　次に、検証対象設定部４５Ｆは、最初に処理すべき第１順位の設定の定義に注目する（ステップＳ８２）。次に、検証対象設定部４５Ｆは、注目中の設定の定義に従って、シナリオデータ群４４Ｇから検証範囲とする複数のシナリオデータを抽出し、更に、抽出した複数のシナリオデータを複数の検証単位に分類することにより、検証単位４４Ａ１とその集まりである検証範囲４４Ａとを生成し、記憶部４４に記憶する（ステップＳ８３）。
　次に、第１の検定処理部４５Ｂは、検証対象設定部４５Ｆが生成した複数の検証単位４４Ａ１とその集まりである検証範囲４４Ａ、ならびに損失発生件数４４Ｂと第１の検定条件４４Ｃとを記憶部４４から読み込み、第３の実施形態における第１の検定処理部３５Ｂと同様に、検証範囲４４Ａに含まれるシナリオデータに対応する損失の発生件数の合計値が、検証範囲４４Ａに含まれるシナリオデータにおける損失発生頻度の予測値の合計値を平均とするポアソン分布に従うか否かを、ポアソン分布に対する適合度の検定を用いて決定し、結果を記憶部４４に記憶する（ステップＳ８４）。
　次に、第２の検定処理部４５Ｄは、第３の実施形態における第２の検定処理部３５Ｄと同様に、検証単位４４Ａ１毎のシナリオデータに対応する損失の発生件数４４Ｂが、合計パラメータを検証範囲４４Aに含まれるシナリオデータに対応する損失の発生件数４４Bの合計値、比率パラメータを検証範囲４４Ａに含まれるシナリオデータにおける損失発生頻度の予測値の合計値に対する、検証単位４４Ａ１毎のシナリオデータにおける損失発生頻度の予測値の合計値の割合とする多項分布に従うか否かを、多項分布に対する適合度の検定を用いて決定し、結果を記憶部４４に記憶する（ステップＳ８５）。
　次に、補正部４５Ｅは、第３の実施形態における補正部３５Ｅと同様に、保守性検証の検定結果４４Ｄと不偏性検証の検定結果４４Ｆとに基づいて、損失発生頻度の予測値を補正する検証単位４４Ａ１を決定し、この決定した検証単位４４Ａ１におけるシナリオデータの損失発生頻度の予測値を補正し、補正後のシナリオデータを記憶部４４に記憶する（ステップＳ８６）。
　次に補正部４５Ｅは、少なくとも１つのシナリオデータに対して補正を行ったか否かを判定し（ステップＳ８７）、補正を行った場合、第１の検定処理部４５Ｂに制御を戻す。これにより、補正後のシナリオデータを使用して、前述した処理と同様の保守性検証、不偏性検証が現処理中の検証範囲４４Ａに対して再び実施された後、補正部４５Ｅによる補正の処理が実行される。このような処理は、補正されるシナリオデータが無くなるまで繰り返される。他方、シナリオデータに対する補正が行われなかった場合、補正部４５Ｅは、検証対象設定部４５Ｆに制御を戻す。
　検証対象設定部４５Ｆは、注目中の設定の定義に関し処理していない検証範囲が残っているか否かを判定し（ステップＳ８８）、残っている場合にはステップＳ８３の処理に戻る。これにより、注目中の設定の定義に従って、未だ処理していない設定範囲について、検証単位４４Ａ１とその集まりである検証範囲４４Ａとが生成され、その検証範囲４４Ａに対して保守性検証と不偏性検証と補正の処理とが実行される。
　他方、注目中の設定の定義に関し未処理の検証範囲が残っていない場合、検証対象設定部４５Ｆは、注目中の設定の定義が最初かつ唯一のものか否かを判定する（ステップＳ８９）。検証対象設定部４５Ｆは、注目中の設定の定義が最初かつ唯一のものであれば、制御を出力部４５Ｃに渡す。また、検証対象設定部４５Ｆは、注目中の設定の定義が最初かつ唯一のものでなければ、注目中の設定の定義の処理でシナリオデータに対する補正が行われたか否かを判定する（ステップＳ９０）。若し、補正が行われていれば、検証対象設定部４５ＦはステップＳ８２の処理に戻る。これにより、再び最初の設定の定義から検証が繰り返される。また、補正が行われていなければ、検証対象設定部４５Ｆは、未処理の設定の定義があるか否かを判定し（ステップＳ９１）、あれば、次に処理すべき設定の定義に注目を移し（ステップＳ９２）、ステップＳ８３の処理にも戻る。これにより、次の設定の定義に関して、前の設定の定義に対する処理と同様の処理が繰り返される。また検証対象設定部４５Ｆは、未処理の設定の定義がなければ、制御を出力部４５Ｃに渡す。
　出力部４５Ｃは、第１の検定結果４４Ｄ、第２の検定結果４４Ｆ、および補正後のシナリオデータを記憶部４４から読み込み、検証単位全体の保守性検証結果、検証単位間の不偏性検証結果、および補正内容として、各設定別に、画面表示部４３に出力し、あるいは通信Ｉ／Ｆ部４１を通じて外部に出力する（ステップＳ９３）。
　このように本実施形態によれば、第３の実施形態と同様の効果が得られると共に、検証範囲４４Ａと検証単位４４Ａ１を自動的に生成することができるため、検証担当者の負担を軽減することができる。
［その他の実施形態］
　以上、本発明を幾つかの実施形態を挙げて説明したが、本発明は以上の実施形態にのみ限定されず、その他各種の付加変更が可能である。例えば、貸出業務などの信用取引にかかる信用リスクや、為替および金利取引にかかる市場リスクなど、オペレーショナルリスク以外のリスクに対しても本発明は適用可能である。また、本発明は以下のような実施形態も含まれる。
　上記の実施形態では、保守性検証において、「保守的」、「妥当」、「非保守的」の３通りの検証結果を導出した。しかし、本発明は、保守性検証において、妥当とそれ以外との２通りの検証結果を導出するようにしてもよい。
　また上記の実施形態では、保守性検証、不偏性検証の有意水準を固定値とした。しかし、本発明は、それらの有意水準を可変値としてもよい。また、第１の有意水準で保守性検証と不偏性検証と補正処理とを行い、その後に、上記第１の有意水準よりも大きな第２の有意水準で保守性検証と不偏性検証を行い、第２の有意水準による検証結果だけを出力するようにしてもよい。
　また上記の実施形態では、保守性検証と不偏性検証との検証結果を６通りのケースに分類し、妥当な保守性かつ偏り無しのケース以外の５つのケースについて、自動的に補正を行うようにした。しかし、本発明は、これら５つのケースのうち、非保守的かつ偏り無しの１ケースのみ、或いは非保守的かつ偏り無しと非保守的かつ偏り有りの２ケースのみ、或いは非保守的かつ偏り無しと非保守的かつ偏り有りと妥当な保守性かつ偏り有りの３ケースのみについて、自動的に補正を行うようにしてもよい。
　なお、本発明は、日本国にて２０１１年０３月２９日に特許出願された特願２０１１－０７２７４７の特許出願に基づく優先権主張の利益を享受するものであり、当該特許出願に記載された内容は、全て本明細書に含まれるものとする。
　本発明は、リスク計量装置の入力情報として使用されるシナリオデータにおける損失発生頻度の予測値の妥当性を検証し、検証結果に応じて予測値を修正する用途などに利用できる。
　上記の実施形態の一部又は全部は、以下の付記のようにも記載され得るが、以下には限られない。
［付記１］
　損失発生頻度の予測値を含む１以上のシナリオデータから構成される複数の検証単位と、前記複数の検証単位のあつまりである検証範囲と、前記シナリオデータに対応する実際の損失の発生件数とを記憶する記憶手段と、
　前記検証範囲に含まれるシナリオデータに対応する前記損失の発生件数の合計値が、前記検証範囲に含まれるシナリオデータにおける損失発生頻度の予測値の合計値を平均とするポアソン分布に従うか否かを、ポアソン分布に対する適合度の検定を用いて決定する第１の検定処理手段と
を備えることを特徴とするリスク管理装置。
[付記２］
　前記検証単位毎のシナリオデータに対応する前記損失の発生件数が、合計パラメータを前記検証範囲に含まれるシナリオデータに対応する前期損失の発生件数の合計値、比率パラメータを前記検証範囲に含まれるシナリオデータにおける損失発生頻度の予測値の合計値に対する、前記検証単位毎のシナリオデータにおける損失発生頻度の予測値の合計値の割合とする多項分布に従うか否かを、多項分布に対する適合度の検定を用いて決定する第２の検定処理手段
を備えることを特徴とする付記１に記載のリスク管理装置。
[付記３］
　前記ポアソン分布に対する適合度の検定結果と前記多項分布に対する適合度の検定結果とに基づいて、シナリオデータにおける損失発生頻度の予測値を補正する検証単位を決定する補正手段
を備えることを特徴とする付記２に記載のリスク管理装置。
[付記４］
　前記補正手段は、前記決定した検証単位に含まれるシナリオデータにおける損失発生頻度の予測値を補正する
ことを特徴とする付記３に記載のリスク管理装置。
[付記５］
　前記記憶手段は、損失発生頻度の予測値を含む複数のシナリオデータから構成されるシナリオデータ群を記憶し、
　前記シナリオデータ群から前記検証範囲と前記複数の検証単位とを抽出する検証対象設定手段
を備えることを特徴とする付記１乃至４の何れかに記載のリスク管理装置。
[付記６］
　損失発生頻度の予測値を含む１以上のシナリオデータから構成される複数の検証単位と、前記複数の検証単位のあつまりである検証範囲と、前記シナリオデータに対応する実際の損失の発生件数とを記憶する記憶手段と、第１の検定処理手段とを備えたリスク管理装置が実行するリスク管理方法であって、
　前記第１の検定処理手段が、前記検証範囲に含まれるシナリオデータに対応する前記損失の発生件数の合計値が、前記検証範囲に含まれるシナリオデータにおける損失発生頻度の予測値の合計値を平均とするポアソン分布に従うか否かを、ポアソン分布に対する適合度の検定を用いて決定する
ことを特徴とするリスク管理方法。
[付記７］
　前記リスク管理装置が、第２の検定処理手段を備え、
　前記第２の検定処理手段が、前記検証単位毎のシナリオデータに対応する前記損失の発生件数が、合計パラメータを前記検証範囲に含まれるシナリオデータに対応する前期損失の発生件数の合計値、比率パラメータを前記検証範囲に含まれるシナリオデータにおける損失発生頻度の予測値の合計値に対する、前記検証単位毎のシナリオデータにおける損失発生頻度の予測値の合計値の割合とする多項分布に従うか否かを、多項分布に対する適合度の検定を用いて決定する
ことを特徴とする付記６に記載のリスク管理方法。
[付記８］
　前記リスク管理装置が、補正手段を備え、
　前記補正手段が、前記ポアソン分布に対する適合度の検定結果と前記多項分布に対する適合度の検定結果とに基づいて、シナリオデータにおける損失発生頻度の予測値を補正する検証単位を決定する
ことを特徴とする付記７に記載のリスク管理方法。
[付記９］
　前記補正手段が、前記決定した検証単位に含まれるシナリオデータにおける損失発生頻度の予測値を補正する
ことを特徴とする付記８に記載のリスク管理方法。
[付記１０］
　損失発生頻度の予測値を含む１以上のシナリオデータから構成される複数の検証単位と、前記複数の検証単位のあつまりである検証範囲と、前記シナリオデータに対応する実際の損失の発生件数とを記憶する記憶手段を有するコンピュータを、
　前記検証範囲に含まれるシナリオデータに対応する前記損失の発生件数の合計値が、前記検証範囲に含まれるシナリオデータにおける損失発生頻度の予測値の合計値を平均とするポアソン分布に従うか否かを、ポアソン分布に対する適合度の検定を用いて決定する第１の検定処理手段
として機能させるためのプログラム。
１、２、３、４…リスク管理装置
１１、２１、３１、４１…通信Ｉ／Ｆ部
１２、２２、３２、４２…操作入力部
１３、２３、３３、４３…画面表示部
１４、２４、３４、４４…記憶部
１５、２５、３５、４５…プロセッサ

Claims (10)

  1. 　損失発生頻度の予測値を含む１以上のシナリオデータから構成される複数の検証単位と、前記複数の検証単位のあつまりである検証範囲と、前記シナリオデータに対応する実際の損失の発生件数とを記憶するメモリと、前記メモリに接続されたプロセッサとを備え、
    　前記プロセッサは、
    　前記検証範囲に含まれるシナリオデータに対応する前記損失の発生件数の合計値が、前記検証範囲に含まれるシナリオデータにおける損失発生頻度の予測値の合計値を平均とするポアソン分布に従うか否かを、ポアソン分布に対する適合度の検定を用いて決定する
    ようにプログラムされていることを特徴とするリスク管理装置。
  2. 　前記プロセッサは、さらに、
    　前記検証単位毎のシナリオデータに対応する前記損失の発生件数が、合計パラメータを前記検証範囲に含まれるシナリオデータに対応する前期損失の発生件数の合計値、比率パラメータを前記検証範囲に含まれるシナリオデータにおける損失発生頻度の予測値の合計値に対する、前記検証単位毎のシナリオデータにおける損失発生頻度の予測値の合計値の割合とする多項分布に従うか否かを、多項分布に対する適合度の検定を用いて決定するようにプログラムされていることを特徴とする請求項１に記載のリスク管理装置。
  3. 　前記プロセッサは、さらに、
    　前記ポアソン分布に対する適合度の検定結果と前記多項分布に対する適合度の検定結果とに基づいて、シナリオデータにおける損失発生頻度の予測値を補正する検証単位を決定する
    ようにプログラムされていることを特徴とする請求項２に記載のリスク管理装置。
  4. 　前記プロセッサは、さらに、
    　前記決定した検証単位に含まれるシナリオデータにおける損失発生頻度の予測値を補正する
    ようにプログラムされていることを特徴とする請求項３に記載のリスク管理装置。
  5. 　前記メモリは、さらに、損失発生頻度の予測値を含む複数のシナリオデータから構成されるシナリオデータ群を記憶し、
    　前記プロセッサは、さらに、
    　前記シナリオデータ群から前記検証範囲と前記複数の検証単位とを抽出する
    ようにプログラムされていることを特徴とする請求項１乃至４の何れかに記載のリスク管理装置。
  6. 　損失発生頻度の予測値を含む１以上のシナリオデータから構成される複数の検証単位と、前記複数の検証単位のあつまりである検証範囲と、前記シナリオデータに対応する実際の損失の発生件数とを記憶するメモリと、前記メモリに接続されたプロセッサとを備えたリスク管理装置が実行するリスク管理方法であって、
    　前記プロセッサが、
    　前記検証範囲に含まれるシナリオデータに対応する前記損失の発生件数の合計値が、前記検証範囲に含まれるシナリオデータにおける損失発生頻度の予測値の合計値を平均とするポアソン分布に従うか否かを、ポアソン分布に対する適合度の検定を用いて決定する
    ことを特徴とするリスク管理方法。
  7. 　前記プロセッサが、さらに、
    　前記検証単位毎のシナリオデータに対応する前記損失の発生件数が、合計パラメータを前記検証範囲に含まれるシナリオデータに対応する前期損失の発生件数の合計値、比率パラメータを前記検証範囲に含まれるシナリオデータにおける損失発生頻度の予測値の合計値に対する、前記検証単位毎のシナリオデータにおける損失発生頻度の予測値の合計値の割合とする多項分布に従うか否かを、多項分布に対する適合度の検定を用いて決定することを特徴とする請求項６に記載のリスク管理方法。
  8. 　前記プロセッサが、さらに、
    　前記ポアソン分布に対する適合度の検定結果と前記多項分布に対する適合度の検定結果とに基づいて、シナリオデータにおける損失発生頻度の予測値を補正する検証単位を決定する
    ことを特徴とする請求項７に記載のリスク管理方法。
  9. 　前記プロセッサが、さらに、
    　前記決定した検証単位に含まれるシナリオデータにおける損失発生頻度の予測値を補正する
    ことを特徴とする請求項８に記載のリスク管理方法。
  10. 　損失発生頻度の予測値を含む１以上のシナリオデータから構成される複数の検証単位と、前記複数の検証単位のあつまりである検証範囲と、前記シナリオデータに対応する実際の損失の発生件数とを記憶するメモリに接続されたプロセッサに、
    　前記検証範囲に含まれるシナリオデータに対応する前記損失の発生件数の合計値が、前記検証範囲に含まれるシナリオデータにおける損失発生頻度の予測値の合計値を平均とするポアソン分布に従うか否かを、ポアソン分布に対する適合度の検定を用いて決定するステップ
    を行わせるためのプログラム。
PCT/JP2012/002006 2011-03-29 2012-03-23 リスク管理装置 WO2012132355A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
EP12764199.1A EP2693379A4 (en) 2011-03-29 2012-03-23 RISK MANAGEMENT DEVICE
KR1020137018339A KR101368103B1 (ko) 2011-03-29 2012-03-23 리스크 관리 디바이스
US13/977,999 US20130311231A1 (en) 2011-03-29 2012-03-23 Risk management device

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2011-072747 2011-03-29
JP2011072747A JP5697146B2 (ja) 2011-03-29 2011-03-29 リスク管理装置

Publications (1)

Publication Number Publication Date
WO2012132355A1 true WO2012132355A1 (ja) 2012-10-04

Family

ID=46930136

Family Applications (1)

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

Country Status (5)

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

Families Citing this family (6)

* 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
KR101986954B1 (ko) * 2018-09-10 2019-06-07 김해동 P2p금융을 활용한 청약 대금 납입을 위한 금융 기술 서비스 방법 및 그 장치
KR102248319B1 (ko) * 2018-09-10 2021-05-03 김해동 주식 청약 대금 대출을 위한 금융 기술 서비스 방법 및 그 장치

Citations (5)

* 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
JP2004252893A (ja) * 2003-02-21 2004-09-09 Fujitsu Ltd オペレーショナルリスク計量装置およびオペレーショナルリスク計量方法
JP2006011492A (ja) * 2004-06-21 2006-01-12 Fuji Xerox Co Ltd 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
JP2008542860A (ja) * 2005-05-27 2008-11-27 カム ルン レオン リスクの評価及び提示のためのシステム及び方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
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

Patent Citations (6)

* 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
JP2004252893A (ja) * 2003-02-21 2004-09-09 Fujitsu Ltd オペレーショナルリスク計量装置およびオペレーショナルリスク計量方法
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
JP2006011492A (ja) * 2004-06-21 2006-01-12 Fuji Xerox Co Ltd 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
JP2008542860A (ja) * 2005-05-27 2008-11-27 カム ルン レオン リスクの評価及び提示のためのシステム及び方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
KOBAYASHI; SHIMIZU; NISHIGUCHI; MORINAGA: "Operational Risk Management", 24 April 2009, KINZAI INSTITUTE FOR FINANCIAL AFFAIRS, INC., pages: 107 - 144,181-
See also references of EP2693379A4 *
TAKAAKI KOBAYASHI, OPERATIONAL RISK KANRI KODOKA ENO CHOSEN, 24 April 2009 (2009-04-24), pages 164 - 195, 214 TO 220, XP008171631 *

Also Published As

Publication number Publication date
JP5697146B2 (ja) 2015-04-08
KR20130086657A (ko) 2013-08-02
EP2693379A1 (en) 2014-02-05
EP2693379A4 (en) 2014-09-03
KR101368103B1 (ko) 2014-02-27
US20130311231A1 (en) 2013-11-21
JP2012208644A (ja) 2012-10-25

Similar Documents

Publication Publication Date Title
JP5697146B2 (ja) リスク管理装置
US7720822B1 (en) Quality management in a data-processing environment
US7925638B2 (en) Quality management in a data-processing environment
US20080262981A1 (en) Method, System and Computer Program for Operational-Risk Modeling
US20150088595A1 (en) Systems and Methods for Evaluating Risks Associated with a Contractual Service Agreement
WO2021032056A1 (zh) 一种处理批量任务的方法、装置、计算设备及存储介质
CN111612415B (zh) 一种项目管理方法及装置
US10803403B2 (en) Method for adaptive tuning via automated simulation and optimization
KR101471797B1 (ko) 리스크 관리 장치
JP5348351B2 (ja) リスクプロファイル生成装置
CN113157583B (zh) 一种测试方法、装置及设备
Rotella et al. Implementing quality metrics and goals at the corporate level
EP2693378A1 (en) Risk-management device
CN110008098B (zh) 评估业务流程中的节点的运行状况的方法和装置
JP5804492B2 (ja) リスク管理装置
Smith Designing high-performance distributed applications using software performance engineering: A tutorial
Kojima et al. Risk analysis of software process measurements
CN116777220B (zh) 一种企业风控管理方法及系统
JP2017157074A (ja) 包括契約システム及びプログラム
Matsumura et al. Analyzing factors of defect correction effort in a multi-vendor information system development
JP5692800B2 (ja) リスクプロファイル生成装置
Saif et al. Robust design of service systems with immobile servers under demand uncertainty
CN117828300A (zh) 一种基于异常指标时序关系的银行业务根因指标分析方法、系统、设备及可读存储介质
CN118014367A (zh) 评估商户经营风险的方法和装置
CN115905318A (zh) 一种数据的处理方法、装置、电子设备及存储介质

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 12764199

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2012764199

Country of ref document: EP

ENP Entry into the national phase

Ref document number: 20137018339

Country of ref document: KR

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 13977999

Country of ref document: US

NENP Non-entry into the national phase

Ref country code: DE