Understanding the economic determinants of the severity of operational losses: A regularized generalized Pareto regression approach
理解操作损失严重程度的经济决定因素：正则化广义帕累托回归方法AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接研究银行极端操作损失的严重程度分布，并用广义帕累托回归分析操作风险资本需求，文本依据明确对应尾部风险。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
理解操作损失严重程度的经济决定因素：正则化广义帕累托回归方法
- 研究问题
- 作者基于意大利 UniCredit 银行的10,217笔极端操作损失，研究损失严重程度与宏观、金融及企业因素的关联，并考察经济情景对资本需求的影响。
- 方法与思路
- 作者以广义帕累托回归描述极端损失分布，让尺度与形状参数随解释变量变化，并用含 L1 惩罚的似然估计筛选协变量，辅以模拟及情景分析。
- 材料陈述的贡献
- 摘要称，模拟支持该方法筛选相关协变量并处理单整时间序列中的伪回归问题；实证情景分析展示经济条件变化对操作风险资本需求的影响。
- 阅读关注点
- 应核对极端损失的阈值与样本选择、尺度和形状参数的链接函数、惩罚调节及单整模拟设计，并追踪情景假设如何转换为资本需求。
- 阅读边界
- 摘要未说明极端损失阈值、时间覆盖、变量处理细节和资本计算口径；单一银行的条件关联不足以支持因果结论或普遍外推。
原文摘要
Summary We investigate a novel database of 10,217 extreme operational losses from the Italian bank UniCredit. Our goal is to shed light on the dependence between the severity distribution of these losses and a set of macroeconomic, financial, and firm‐specific factors. To do so, we use generalized Pareto regression techniques, where both the scale and shape parameters are assumed to be functions of these explanatory variables. We perform the selection of the relevant covariates with a state‐of‐the‐art penalized‐likelihood estimation procedure relying on L 1 ‐penalty terms. A simulation study indicates that this approach efficiently selects covariates of interest and tackles spurious regression issues encountered when dealing with integrated time series. Lastly, we illustrate the impact of different economic scenarios on the requested capital for operational risk. Our results have important implications in terms of risk management and regulatory policy.