Journal of the Korean Data and Information Science Society

The Korean Data and Information Science Society (한국데이터정보과학회)
권호 표지

Fuzzy histogram in estimating loss distributions for operational risk

운영 위험 관련 손실 분포 - 퍼지 히스토그램의 효과

  • Pak, Ro-Jin (Department of Information & Statistics, Dankook University)
  • 박노진 (단국대학교 정보통계학과)
  • Published : 2009.07.31
Download PDF
⟨ Previous Next ⟩

Abstract

Histogram is the oldest and most widely used density estimator for presentation and exploration of observed univariate data. The structure of a histogram really depends on the number of bins and the width of the bins, so that slight changes on bins can produce totally different shape of a histogram. In order to solve this problem the fuzzy histogram was introduced and the result was good enough (Loquin and Strauss, 2008). In particular, when estimating loss distribution related with operational risk a histogram has been widely used. In this article, instead of an ordinary histogram we try to use a fuzzy histogram for estimating loss distribution and show that a fuzzy histogram provide more stable results.

히스토그램이 활용의 간편성과 자료의 전체적 구조를 한 눈에 볼 수 있는 정보량을 제공하지만 히스토그램의 계급 구간의 설정에 따라 그 표현이 달라 질 수 있는 문제가 있다. 이러한 문제를 해결하기 위해 퍼지 개념을 활용한 히스토그램이 제안되었고 그 효과가 제시되었다 (Loquin과 Strauss, 2008). 히스토그램이 다양한 분야에서 사용되지만 요즘 운영 위험과 관련된 손실 분포를 추정함에 있어서 유용하게 사용되고 있다. 그런데, 임계치를 활용한 극단치 확률 함수 추정에 사용함에 있어 임계치의 선택에 따른 히스토그램의 모양 변화는 그 활용을 어렵게 하는 경향이 있다. 본 연구는 퍼지히스토그램을 손실에 대한 극단치 분포를 추정에 사용할 경우 임계치의 선택에 따른 전체적 모양의 차이가 일반적인 히스토그램 보다 크지 않아 상대적으로 안정된 분포를 추정할 수 있음을 보였다.

Keywords

References

  1. 조하현, 이승국, 김종호 (2004). <운영리스크-측정과 관리>, 세경사, 서울.
  2. BIS (2003). Supervisory guidance on operational risk advanced measurement approaches for regulatory capital, www.bis.org.
  3. Balkema, A. and de Haan, L. (1974). Residual life time at great age. The Annual of Probability, 2, 792-804. https://doi.org/10.1214/aop/1176996548
  4. Chernobai, A, Rachev, S. and Fabozzi, F. (2007). Operational Risk , John Wiley and Sons, Hoboken, N. J.
  5. Han, J. T. and Kang, S. B. (2007). Estimation for the generalized extreme value distribution based on multiply type-II censored samples. Journal of the Korean Data & Information Science Society, 18, 317-326.
  6. Hill, B. M. (1975). A simple general approach to inference about the tail of a distribution. Annals of Statistics, 3, 1163-1173. https://doi.org/10.1214/aos/1176343247
  7. Kang, S. B. (2005). Estimation for the extreme value distribution based on multiply type-II censored samples. Journal of the Korean Data & Information Science Society, 16, 629-638.
  8. Lewis, N. D. C. (2004). Operational risk with Excel and VBA, John Wiley and Sons, Hoboken, N. J.
  9. Loquin, K. and Strauss, O. (2008). Histogram density estimators based upon a fuzzy partition. Statistics & Probability Letters, 78, 1863-1868. https://doi.org/10.1016/j.spl.2008.01.053
  10. Pickands, J. (1975). Statistical inference using extreme order statistics. Annals of statistics, 3, 119-131. https://doi.org/10.1214/aos/1176343003
  11. Walterman, L., Kaymak, U. and Berg, J. van den (2005). Fuzzy histograms: A statistical analysis. Proceedings of the Joint 4th Conference of the European Society for Fuzzy Logic and Technology, 605-610.