Pla docent de l'assignatura

 

 

Catalā Castellano English Tanca imatge de maquetació

 

Imprimeix

 

Dades generals

 

Nom de l'assignatura: Gestiķ Quantitativa de Riscos

Codi de l'assignatura: 568962

Curs acadčmic: 2018-2019

Coordinaciķ: Catalina Bolance Losilla

Departament: Departament d'Econometria, Estadística i Economia Aplicada

crčdits: 5

Programa únic: S

 

 

Hores estimades de dedicaciķ

Hores totals 125

 

Activitats presencials i/o no presencials

45

 

-  Teoricoprāctica

Presencial

 

35

 

-  Prāctiques d'ordinadors

Presencial

 

10

Treball tutelat/dirigit

40

Aprenentatge autōnom

40

 

 

Competčncies que es desenvolupen

 

  — Capacitat per tenir i comprendre coneixements que aportin una base o oportunitat de ser originals en el desenvolupament o aplicació d’idees, sovint en un context de recerca.

— Capacitat per aplicar els models de distribució de probabilitat relacionats amb el comportament de determinats fenòmens econòmics, financers i actuarials.

— Capacitat per emetre un diagnòstic de la situació de l’empresa financera i asseguradora, i la seva projecció futura, analitzant la solvència de les entitats asseguradores i financeres, i calculant els requeriments de capital.

— Capacitat per fer els càlculs actuarials i financers utilitzant programes informàtics.

—Capacitat per classificar i mesurar els riscos actuarials, financers i d’inversió, i prendre decisions que hi estan relacionades.

 

 

 

 

Objectius d'aprenentatge

 

Referits a coneixements


— Conèixer el marc regulador europeu de control de riscos financers i actuarials (Basel III i Solvència II).

— Conèixer les diferents distribucions paramètriques que s’utilitzen en l’anàlisi i estimació del risc.

— Conèixer diferents mètodes estadístics univariants que poden utilitzar-se per a l’estimació del risc de pèrdua.

— Conèixer els diferents tipus de riscos financers i actuarials.

 

Referits a habilitats, destreses


— Ajustar la distribució de probabilitats amb mètodes no paramètrics.

— Estimar el risc de pèrdua utilitzant diferents mesures de risc i diferents supòsits sobre el comportament de la distribució de probabilitats.

— Interpretar les diferents mesures de risc.

— Simular els valors d’una distribució de pèrdues per quantificar el risc.

— Ajustar una distribució de probabilitats paramètrica a unes dades.

 

Referits a actituds, valors i normes


— Comprendre i saber utilitzar la metodologia estadística per a la gestió del risc en bancs, companyies d’assegurances i institucions similars.

— Formar-se com a investigador o investigadora en les tècniques quantitatives més recents i veure també temes de recerca en aquest àmbit.

 

 

Blocs temātics

 

1. Introducciķ i conceptes bāsics

1.1. Variable aleatòria

1.2. Funció de densitat i funció de distribució

1.3. Estimació

1.4. Exemples amb les distribucions normal i t de Student

1.5. Vectors aleatoris: distribució normal multivariant

2. Introducciķ al concepte de risc

2.1. Definicions i conceptes relacionats amb la mesura del risc

2.2. Els diferents tipus de riscos

2.3. El marc regulador europeu: Basel III i Solvència II

3. Quantificaciķ del risc

3.1. Mètodes per a la quantificació del risc

3.2. El value-at-risk

3.3. El tail-value-at-risk

3.4. Altres mesures de risc

3.5. Exemples

4. Distribucions de pčrdua: anālisi paramčtrica

4.1. Distribucions alternatives a la normal i a la t de Student

4.2. Distribucions de valor extrem

4.3. Exemples

5. Models multivariants

5.1. Distribucions esfèriques i el·líptiques, i la quantificació del risc

5.2. Mesures de dependència i còpules

 

 

Metodologia i activitats formatives

 

El curs es desenvolupa en sessions teòriques setmanals en què, en alguns casos, l’estudiant ha de participar havent llegit el material facilitat prèviament. En les classes pràctiques es resolen casos en què es desenvolupen els conceptes explicats prèviament en les sessions teòriques. Part de les sessions pràctiques es fan a l’aula d’informàtica, on es resolen els casos pràctics amb les principals eines informàtiques.

 

 

Avaluaciķ acreditativa dels aprenentatges

 

L’estudiant ha de fer les activitats següents:

— Un treball en tres parts i en tres entregues, corresponent a un 45 % de la nota final.

— Un examen l’última setmana (últim dia) de classe, corresponent al 55 % de la nota.

— Per superar l’avaluació continuada és necessari entregar les tres parts del treball abans de la data indicada el primer dia de classe i treure una nota superior a 3 en l’examen de l’últim dia de classe.

Els alumnes que no aprovin l’assignatura tenen dret a la revaluació, que té el mateix format que l’avaluació única.

 

Avaluaciķ única

L’avaluació única consisteix en un examen final, que es duu a terme el dia designat per la Comissió de Màster.

Els alumnes que no aprovin l’assignatura tenen dret a la revaluació.

 

 

Fonts d'informaciķ bāsica

Consulteu la disponibilitat a CERCABIB

Llibre

Bolancé, C., Guillén, M., Gustafsson, J. y Nielsen, J.P. Quantitative Operational Risk Models. Chapman & Hall/CRC Finance, 2012.

Catāleg UB  Enllaç

Everitt, B. y Hothorn T. P. A Handbook of Statistical Analyses Using R. Boca Raton FL. Chpaman & Hall /CRC, 2006.

Catāleg UB  Enllaç

Jorion, P. Value at Risk. The new Benchmark for Managing Financial Risk. Mc Graw Hill, 2007.

Catāleg UB  Enllaç

Klugman, S.A., Panjer, H.H., Willmot, G.E.. Loss models. From data to decisions. New Jersey: John Wiley and Sons, 2008.

Catāleg UB  Enllaç

McNeil, A. J., Frey, R. y Embrechts, P. Quantitative Risk Management. Princeton: Princeton University Press, 2005.

Catāleg UB  Enllaç

Article

Bolancé, C., Ayuso, M. y Guillén, M. A nonparametric approach to analyzing operational risk quantification. The Journal of Operational Risk, 2012, vol. 7(1), pp. 57-75.

Catāleg Colˇlectiu Universitats Catalanes  Enllaç

Bolancé, C., Guillén, M., Nielsen, J.P. Kernel density estimation of actuarial loss funcions. Insurance: Mathematics and Economics. 2003, vol. 32(1), pp. 19-36.

Catāleg UB  Enllaç

Pāgina web

The R Project for Statistical Computing.

Recurs electrōnic  Enllaç

Text electrōnic

Buch-Larsen, T., Guillen, M., Nielsen J.P. y Bolance, C. Kernel density estimation for heavy-tailed distributions using the Champernowne transformation. Statistics. 2005, vol. 39(6), pp 503-518.

Recurs electrōnic  Enllaç