Dades generals |
Nom de l'assignatura: Gestió Quantitativa de Riscos
Codi de l'assignatura: 568962
Curs acadèmic: 2021-2022
Coordinació: Catalina Bolance Losilla
Departament: Departament d'Econometria, Estadística i Economia Aplicada
crèdits: 5
Programa únic: S
Hores estimades de dedicació |
Hores totals 125 |
Activitats presencials i/o no presencials |
45 |
- Teoricopràctica |
Presencial |
25 |
|||
- Pràctiques d'ordinadors |
Presencial |
20 |
Treball tutelat/dirigit |
40 |
Aprenentatge autònom |
40 |
Competències 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.
|
Objectius d'aprenentatge |
Referits a coneixements
— Conèixer el marc regulador europeu de control de riscos financers i actuarials (Basel III i Solvència II).
Referits a habilitats, destreses
— Ajustar la distribució de probabilitats amb mètodes no paramètrics.
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. |
Blocs temàtics |
1. Introducció al concepte de risc
1.1. Definicions i conceptes relacionats amb la mesura del risc
1.2. Els diferents tipus de riscos
1.3. El marc regulador europeu: Basilea III i Solvència II
2. Introducció i conceptes bàsics
2.1. Variable aleatòria
2.2. Funció de densitat i funció de distribució
2.3. Estimació
2.4. Exemples amb les distribucions normal i t de Student
2.5. Vectors aleatoris: distribució normal multivariant
3. Quantificació 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 pèrdua: anàlisi paramètrica
4.1. Distribucions alternatives a la normal i a la t de Student
4.2. Distribucions de valor extrem
4.3. Exemples
Metodologia i activitats formatives |
El curs es desenvolupa en, aproximadament, 1 sessió teòriques i una pràctica setmanal. En les classes pràctiques es resolen casos en què es desenvolupen els conceptes explicats prèviament en les sessions teòriques. Les sessions pràctiques es fan a l’aula d’informàtica, on es resolen els casos pràctics amb les principals eines informàtiques. En les classes de teoria també es resoldran problemes per escric. |
Avaluació acreditativa dels aprenentatges |
La/L’ estudiant ha de fer les activitats següents:
Avaluació única L’ avaluació única consisteix en un examen final, que es duu a terme el dia designat per la Comissió de Màster. |
Fonts d'informació bàsica |
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.
Everitt, B. y Hothorn T. P. A Handbook of Statistical Analyses Using R. Boca Raton FL. Chpaman & Hall /CRC, 2006.
Jorion, P. Value at Risk. The new Benchmark for Managing Financial Risk. Mc Graw Hill, 2007.
Klugman, S.A., Panjer, H.H., Willmot, G.E.. Loss models. From data to decisions. New Jersey: John Wiley and Sons, 2008.
McNeil, A. J., Frey, R. y Embrechts, P. Quantitative Risk Management. Princeton: Princeton University Press, 2015.
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.
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.
Pàgina web
The R Project for Statistical Computing.
Text electrònic
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.