автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.10, диссертация на тему:Система поддержки принятия решений по управлению операционным риском на основе байесовских технологий



Шевцова Юлия Владимировна

СИСТЕМА ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ПО УПРАВЛЕНИЮ ОПЕРАЦИОННЫМ РИСКОМ НА ОСНОВЕ БАЙЕСОВСКИХ ТЕХНОЛОГИЙ

Специальность 05.13.10 - Управление в социальных и экономических системах (технические науки)

Автореферат диссертации на соискание учёной степени кандидата технических наук

- 3 НОЯ 2011

Новосибирск - 2011

4858470

Работа выполнена в Федеральном государственном образовательном бюджетном учреждении высшего профессионального образования «Сибирский государственный университет телекоммуникаций и информатики» на кафедре математического моделирования бизнес-процессов.

Научный руководитель Официальные оппоненты

Ведущая организация

-доктор технических наук, доцент Канев Валерий Семёнович

- доктор технических наук, профессор Винокуров Георгий Захарович

- доктор экономических наук, профессор Шаланов Николай Васильевич

- Учреждение Российской академии наук Институт экономики и организации промышленного производства Сибирского отделения РАН

Защита состоится 9 декабря 2011 года в ЛЗ.ОО'часов на заседании диссертационного совета Д 219.005,03 при ФГОБУ ВПО «СибГУТИ» по адресу: 630102, г. Новосибирск, ул.Кирова, д. 86, ауд. 625. . ..

С диссертацией можно • ознакомиться ■ в . библиотеке ФГОБУ ВПО «СибГУТИ».

Автореферат разослан октября 2011 г.

Учёный секретарь

диссертационного советаД219.005.03 кандидат технических наук

И.А. Бунцев

Общая характеристика работы

Актуальность исследования. В последние годы научное и деловое сообщества проявляют всё более значительный интерес к вопросам управления операционным риском. Данная тенденция обусловлена рядом причин, важнейшими из которых, на наш взгляд, являются:

- ужесточение требований регуляторов рынка в части эффективности системы контроля и управления рисками. Так, принятие в 2004 г. Базельского соглашения по капиталу, в котором операционный риск впервые был признан самостоятельным объектом изучения, стимулировало повышение активности в направлении разработки теоретико-методологических основ операционного риск-менеджмента;

- необходимость перехода к новым методам управления с целью повышения эффективности и совершенствования бизнес-процессов;

- рост потерь в компаниях по причинам, не относящимся напрямую ни к финансовому ни к стратегическому рискам.

При этом практика управления рисками, выйдя за рамки традиционно успешного в этой области финансового сектора, всё более активно распространяется и в другие отрасли. По оценкам экспертов в нефинансовом секторе лидирующее положение по уровню используемых механизмов и процедур управления рисками занимают операторы связи. Так, в России не менее 20% операторов фиксированной и около 70% операторов мобильной связи уже осуществили интеграцию элементов риск-менеджмента в корпоративную среду1. Однако, несмотря на данные обстоятельства, операционный риск всё ещё остаётся одной из наиболее слабо разработанных и формализованных областей риск-менеджмента: отсутствует единство в теоретических, методологических и практических аспектах управления. При этом наиболее острой методической проблемой операционного риск-менеджмента на современном этапе, на наш взгляд, выступает слабая разработанность модельно-измерительного аппарата в условиях ограниченности (или даже отсутствия) исторических данных об инцидентах реализации операционного риска, что является его характерной чертой.

Обозначенные выше проблемы предопределили актуальность диссертационного исследования.

Степень разработанности проблемы. Теоретико-методологические основы исследования базируются на трудах отечественных и зарубежных исследователей, а именно: в области управления операционным риском - П.В. Буркова, М.А. Бухтина, A.A. Лобанова, Б.В. Сазыкина, С. Alexander, М. Cruz, Е. Davis, A. Frachot, D. Hoffman, J. King, H. Panjer и др.; в области байесовского моделирования - В.И. Городецкого, С.И. Николенко, A.B. Сироткина, С.А. Терехова, A.JI. Тулупьева, С. Cowell, A. Dempster, F. Jensen, D. Heckerman, R. Howard, S. Lauritzen, J. Matheson, S. Olmsted, J. Pearl, D. Spiegelhalter и др.; в области применения байесовских технологий в операционном риск-

1 Чачин, П. Предприятия связи осваивают риск-менеджмент [Электронный ресурс] / П. Чачин // PC Week/RE. - 2007. -№ 3/561. - Режим доступа : http://www.pcweek.ru/idea/article/detail.php7ID"« 1947 (11.05.2011). \ '% \

I

менеджменте - С. Alexander, N. Fenton, С. Marshall, М. Neil, P.V. Shevchenko, M. Tailor и др. Методологические основы управления операционным риском также освящены в отраслевых стандартах и. рекомендациях, разработанных, например, Базельским комитетом по банковскому надзору, международной Федерацией ассоциаций управления риском и страхованием, Федерацией европейских ассоциаций риск-менеджеров. Вместе с тем в отечественной технико-экономической литературе вопросы управления операционным риском на основе байесовского подхода всё ещё недостаточно раскрыты.

Цель исследования - разработка методического подхода и инструментальной среды системы поддержки принятия решений по управлению операционным риском. .

Цель достигается решением следующих задач:

1 выявить особенности проявления и управления операционным риском, в соответствии с которыми выбрать направление формирования модельно-методической среды его моделирования;

2 предложить адекватный модельно-методический аппарат и программную среду автоматизации выбранного модельного подхода;

3 выявить аналитические возможности выбранного подхода в поддержке принятия решений по управлению операционным риском;

4 разработать систему поддержки принятия решений по управлению операционным риском, включающую методический аппарат и его организационно-функциональное сопровождение;

5 провести вычислительные эксперименты на базе статистических данных для анализа работоспособности разработанной системы поддержки принятия решений по управлению операционным риском.

Объект исследования - хозяйственная деятельность операторов связи и сопровождающие её реализацию операционные риски.

Предмет исследования - методы и организационно-экономические отношения, возникающие при управлении операционным риском.

Теоретической и методологической основой исследования послужили работы отечественных и зарубежных учёных, посвященные рассмотрению вопросов по управлению операционным риском, моделированию сложных систем с помощью байесовских технологий, а также разработки отраслевых регулирующих организаций в области риск-менеджмента. Достижение цели и решение поставленных в диссертационной работе задач основано на применении методов теории искусственных интеллектуальных систем, теории вероятностей, теории графов, вероятной логики, теории информации, теории принятия решений, эконометрики, математической статистики, экспертного оценивания и др. В исследовании также применялись общенаучные методы: дедукция, индукция, анализ, синтез, метод сравнения и аналогий и т.п. Моделирование операционного риска с помощью технологий Байеса проводилось в программной среде Hugin (www.hugin.com).

Эмпирическую базу исследования составила технико-экономическая информация по результатам функционирования бизнес-процессов Алтайского филиала ОАО «Ростелеком», а также нормативная информация по проектиро-

ванию бизнес-процессов операторов связи, разработанная организацией

TeleManagement Forum.

Научная новизна исследования состоит в следующих результатах:

- дана авторская трактовка категориального аппарата операционного риск-менеджмента посредством применения процессного подхода, а именно: уточнено понятие «риск» и его тип - «операционный риск», компоненты причинно-следственной схемы: событие операционного риска, источники возникновения и последствия его реализации; выявлены типологаческие особенности операционного риска; предложена его классификационная модель;

- обобщён и систематизирован методический и модельно-измерительныи аппараты процедур идентификации, оценки, обработки и мониторинга операционного риска;

- выявлены модельные особенности операционного риска, на основании которых обосновано применение байесовских технологий как адекватного аппарата его моделирования;

- разработан комплекс, включающий модельно-измерительное, методическое и организационное сопровождение системы интеллектуальной поддержки принятия решений по управлению операционным риском на основе

байесовских технологий;

- выявлены и формализованы аналитические возможности применения байесовских технологий при управлении операционным риском, а именно: информационный и сценарный анализ, поддержка принятия решении по обработке риска, а также уточнение его параметров в зависимости от полноты апостериорной информации;

- определён механизм интеграции процессного управления, управления операционным риском и байесовского моделирования.

Практическая значимость исследования. Основной прикладной результат исследования состоит в разработке модельно-методического комплекса поддержки принятия решений по управлению операционным риском на основе байесовских технологий, который может применяться компаниями в общей системе их управления.

Достоверность полученных в диссертационном исследовании результатов обосновывается корректным применением методологических положении теории управления социальными и экономическими системами, методов экономико-математического моделирования, а также внедрением предложенных методов и вычислительных технологий в хозяйственную деятельность регионального оператора связи.

Область исследования. Содержание диссертации соответствует области

исследования п. 4 «Разработка методов и алгоритмов решения задач управления и принятия решений в социальных и экономических системах», п. 5 «Разработка специального математического и программного обеспечения систем управления и принятия решений в социальных и экономических системах» и п 10 «Разработка методов и алгоритмов интеллектуальной поддержки принятия управленческих решений в экономических и социальных системах» пас-

порта специальности 05.13.10 «Управление в социальных и экономических системах (технические науки)».

Апробация и реализация результатов исследования. Основные положения и результаты исследования обсуждались и были одобрены на российской научно-технической конференции «Информатика и проблемы телекоммуникаций» в 2008-2010 гг.; научном семинаре ГОУ ВПО «СибГУТИ» в 2010 г.; всероссийской научно-практической конференции молодых учёных «Социально-экономическое пространство России: инновации и современность» в 2010 г. Экспериментально-методические результаты исследования нашли применение в производственно-хозяйственной деятельности Алтайского филиала ОАО «Ростелеком»; а также в учебном процессе ФГОБУ ВПО «СибГУТИ» в рамках дисциплин «Риск-менеджмент» по специальности 080502 «Экономика и управление на предприятии (по отраслям)», «Управление финансовыми рисками» и «Байесовские сети и операционные риски» - 080116 «Математические методы в экономике», что подтверждено справками о внедрении.

Публикации. По основным результатам диссертационного исследования опубликовано 12 работ, в том числе 1 учебное пособие и 4 статьи в журналах, включенных в «Перечень российских рецензируемых научных журналов, в которых должны быть опубликованы основные научные результаты диссертаций на соискание учёных степеней доктора и кандидата наук».

Предмет защиты и личный вклад автора. Основные результаты диссертационного исследования получены автором лично. Постановка задач была выполнена научным руководителем Каневым Валерием Семёновичем.

На защиту выносятся:

- процессный подход к анализу экономической категории «операционный риск»;

- обоснование целесообразности применения байесовских технологий при моделировании операционного риска;

- методический подход к интеллектуальной поддержке принятия решений по управлению операционным риском на основе байесовских технологий;

- аналитический аппарат байесовских технологий в интеллектуальной поддержке принятия решений по управлению операционным риском.

Структура и объём диссертации. Диссертация изложена на 160 страницах, состоит из введения, четырёх глав, заключения и пяти приложений, содержит 29 рисунков. Библиографический список включает 169 наименований.

Во введении обоснована актуальность темы исследования; показана степень разработанности проблемы; определены цель, задачи, объект и предмет исследования; сформулированы основные положения, выносимые на защиту и элементы научной новизны; изложена практическая значимость; приведены сведения об апробации результатов исследования и публикациях.

В первой главе «Теоретико-методологические основы управления операционным риском» проведён критический анализ категориального аппарата операционного риск-менеджмента, а также рассмотрены возможности применения процессного подхода в контексте анализа категории «операционный риск».

Во второй главе «Методический инструментарий процесса управления операционным риском» представлен методический и модельно-измерительный аппарат процедур идентификации, оценки, обработки и мониторинга операционного риска. В заключении посредством сравнительного анализа обосновывается целесообразность применения байесовских технологий при моделировании операционного риска.

В третьей главе «Моделирование операционного риска с помощью байесовских технологий» излагается предлагаемый методический подход и аналитические возможности применения байесовских технологий в поддержке принятия решений по управлению операционным риском.

В четвёртой главе «Организационно-функциональные решения по управлению операционным риском в телекоммуникационных компаниях» представлена архитектура системы поддержки принятия решений по управлению операционным риском на основе байесовских технологий, а также осуществлена апробация предлагаемого подхода на типовом бизнес-процессе оператора связи.

В заключении изложены основные выводы диссертационной работы, намечены дальнейшие направления исследования.

Основные положения, выносимые на защиту

Процессный подход к анализу экономической категории «операционный риск»

Анализ понятийного аппарата операционного риск-менеджмента позволил выявить наличие противоречий в существующих подходах к интерпретации категории «операционный риск» (ОР). Применение процессного подхода, на наш взгляд, позволит разрешить многие методические трудности, возникающие на этапах идентификации, классификации и оценки уровня ОР.

Риск любого типа, в том числе и операционный, следует представлять в виде причинно-следственной модели, включающей в себя следующие компоненты: объект, источники, рисковое событие и его последствия (рис. 1). В диссертационной работе раскрыто сущностное содержание данных категорий в контексте ОР.

Внутренняя среда: £ \ \ Операционные потерн

- системы,

- персонал; Бизнес-процесс Внешняя среда: _ Нарушение регламента

- социальные воэдейспзня; процедур выполнения

- события прнродкого бизнес-процесса; происхождения _ Методическая ошибочность

процедур выполнения бизнес-процесса

Рис. 1 - Причинно-следственная модель операционного риска

Декомпозиция категории «операционный риск» на отдельные компоненты позволила:

- выявить типологические особенности ОР, позволяющие отделить его от финансового и стратегического типов риска, а именно:

а) объектами, на которых возникают события ОР, выступают бизнес-направления, бизнес-процессы или отдельные бизнес-операции организации;

б) реализация событий ОР может сопровождаться только потерями;

- уточнить определение термина «операционный риск». В рамках предлагаемого методического подхода под ОР понимается риск потерь, вызванных нарушением регламента процедур выполнения бизнес-процессов организации, источниками которого могут быть системы, персонал или внешние события нефинансовой природы; либо методической ошибочностью процедур выполнения бизнес-процессов организации;

- разработать классификационную модель ОР, позволяющую описать всё многообразие проявлений ОР (рис. 2).

Рисковое событие

УЖ

Последствия

■ Объект р»

Персонал

Социальные воздействия

События природного происхождения

Основные бизнес-процессы

Вспомогательные бизнес-процессы

Управляющие бизнес-пропессы

— Потери имущества

Потери дохода

_ Потери персонала

Потери свободы от ответственности

Рис. 2 - Классификационная модель операционного риска

Обоснование целесообразности применения байесовских технологий при моделировании операционного риска

Все методы оценки уровня ОР можно укрупнённо разделить на три группы: качественные, количественные и сочетание первых двух - комбинированные (рис. 3).

Рис. 3 - Методы оценки уровня операционного риска

Основной недостаток качественных методов оценки ОР, основанных на экспертных суждениях, проявляется в субъективности их результатов. В тоже время исходным условием применения количественных методов выступает

наличие репрезентативной базы исторических данных об операционных потерях, что на настоящий момент, как правило, не выполняется. В этой связи в операционном риск-менеджменте перспективным видится применение именно комбинированных методов, способных сочетать как эмпирические данные, так и субъективные экспертные суждения. Кроме того, комбинированные методы оценю! ОР, обозначаемые также как восходящие модели, рассматривают события ОР «снизу вверх», т.е. с точки зрения источников их возникновения. Восходящие модели, в отличие от нисходящих (т.е. качественных и количественных методов), помимо оценки величины операционных потерь, дают возможность оценить и эффективность оказания управленческих воздействий на выявленные источники с целью снижения уровня операционных потерь. Таким образом, комбинированные методы являются не только способом моделирования операционных потерь, но и управленческим инструментом, обеспечивающим широкие аналитические возможности.

Байесовская сеть (Bayesian network, БС) по Дж. Пиэрлу (J. Pearl) представляет собой N = (G, X, Р), где

- G = (V, Е) - ациклический направленный граф с узлами V = [ух,..., vn) и направленными дугами Е, задающими отношения условной независимости переменных сети так, что если два узла и Vj d-разделены при свидетельстве £,T0P(V(|E) =P(Vi|V;,£);

- Х- набор случайных переменных, представляющих узлы графа G;

- Р - набор распределений условных вероятностей P(xv\xpa{v)) Дм каждой случайной переменной xv е X.2

Разновидностью БС являются диаграммы влияния (influence diagrams, ДВ), которые помимо узлов состояния, соответствующих случайным переменным, содержат также узлы полезности и узлы решения.

Наш методический выбор именно байесовских технологий в качестве мо-дельно-измерительного аппарата ОР основан на следующих положениях:

- методы формального вероятностно-статистического анализа предъявляют жёсткие требования к объёму исторических данных, необходимых для построения эмпирической функции распределения операционных потерь. В тоже время большинство российских компаний, в том числе и телекоммуникационных, на сегодняшний день не располагают обширными базами данных об инцидентах реализации событий ОР. В таком положении целесообразным представляется подход на основании байесовской вероятностной концепции, так как именно он даёт возможность моделирования редких событий и довольно продуктивен при необходимости учёта априорных суждений экспертов, а также в условиях отсутствия достаточного объёма исторических данных. При этом байесовскую вероятность не следует полностью отождествлять с субъективной вероятностью, байесовская вероятность - это мера состояния знания, обусловленная определённым свидетельством, и может быть получена

1 Pearl, J. Causality: models, reasoning and inference [Text]: 2nd ed. / J. Pearl. - Cambridge : Cambridge University

Press, 2009.-478 p.

как на основании априорных субъективных оценок, так и из эмпирических данных. Таким образом, БС могут сочетать в себе оценки по эмпирическим данным, теоретические представления и субъективные оценки вероятностей;

- ОР следует представлять в виде сетевой структуры, моделирующей взаимосвязи её компонент (рис. 1). БС, в свою очередь, дают возможность описывать исследуемый объект в виде системы нелинейных причинно-следственных отношений, причём именно с содержательной интерпретацией каждой переменной в терминах рассматриваемой проблемной области, что способствует логической интерпретации результатов вероятностного вывода в сети, а также позволяет работать с моделью даже в условиях неполноты информации;

- в настоящее время для множества компаний, в том числе и телекоммуникационных, характерно постоянное расширение перечня выполняемых бизнес-процессов и, даже появление новых бизнес-направлений. Кроме того, операционная деятельность компаний сопровождается постоянным возникновением событий ОР. Всё это обуславливает динамичность операционного рискового профиля и, соответственно, необходимость корректировки используемых моделей и их параметров с учётом поступления новой информации. БС, представляющие собой системы искусственного интеллекта, являются именно самообучающимися моделями, априорные параметры которых способны уточняться при поступлении апостериорной информации о поведении исследуемого объекта.

Методический подход к интеллектуальной поддержке принятия решений по управлению операционным риском на основе байесовских технологий

Процесс моделирования событий ОР с помощью байесовских технологий включает в себя несколько этапов.

Первый этап подразумевает определение переменных проблемной области и множества их возможных состояний. При моделировании событий ОР в качестве переменных целесообразно, на наш взгляд, рассматривать компоненты их причинно-следственных схем, а именно: источники, операционное рисковое событие, последствия его реализации (рис. 1). Мы исходим из предположения, что в общем случае моделируемые переменные могут принимать два взаимоисключающих состояния: «реализуется=1» и «не реализуется=0» - и, соответственно, являются булевыми. Однако данное предположение вовсе не ограничивает применение в частных случаях многозначного набора состояний переменных. Применяя инструментарий ДВ, переменные, соответствующие событию ОР и источникам его возникновения, следует представлять в виде узлов состояния, а переменные, соответствующие последствиям его реализации - в качестве узлов полезности (рис. 4).

В контексте процесса управления ОР разработка топологии ДВ, моделирующих события ОР, содержательно соответствует процедуре их идентификации (рис. 6), которая, в свою очередь, представляет собой проведение уже достаточно широко применяемой в процессном управлении процедуры аттестации бизнес-процессов. Базой сравнения при аттестации фактической модели

ю

бизнес-процесса выступает его формализованная эталонная модель, включающая базисные определения процесса и его атрибутов. Это позволяет выявить негативные события, инициирующие отклонения процедур выполнения оизнес-процессов от эталонного состояния, идентифицировать возможные источники этих событий и их последствия.

Второй этап процедуры моделирования событий ОР с помощью байесовских технологий состоит в задании количественных априорных параметров структурным моделям ДВ, а именно:

- маргинальных вероятностей состояний переменных, представляющих источники возникновения события ОР: = Г), 1 = 0,1; * = п;

-Л—Х веР°ятностей состояний переменной, представляющей событие ОР: Р{ОКЕ = №1 = 1.....5П = ^ 1,5 = 0д;

^величины средних потерь от реализации события ОР: Ь(Е]\0ЕЕ = 1), У = 1, т (рис. 4).

Важно специально заметить, что в общем случае должны быть определены оценки математического ожидания вероятностных и стоимостных параметров ДВ. у

В контексте процесса управления ОР данный этап соответствует процедуре оценки их уровня (рис. 6). Установление вероятностных параметров ДВ может быть основано на специфических алгоритмах байесовского моделирования, позволяющих определять вероятностное распределение переменных из эмпирических данных об их состояниях (например, алгоритм ЕМ, сэмплирование по Гиббсу); на методах вероятностно-статистического анализа при наличии достаточного объёма исторических данных о фактических операционных потерях; на применении априорных экспертных знаний. Априорные стоимостные параметры ДВ также могут быть установлены различными способами: с помощью вероятностно-статистических методов или, в общем случае -экспертно. Выявив несколько способов задания априорных количественных параметров ДВ, мы не отдаём предпочтение ни одному из них, так как выбор соответствующего инструментария должен каждый раз определяться свойствами анализируемого объекта.

Заключительным этапом процесса управления ОР выступает его обработка (рис. 6), т.е. выработка и реализация экономически обоснованного набора управленческих воздействий, оптимизирующих уровень риска. Для моделирования ситуации осуществления корректирующего воздействия достаточно в ДВ ввести узел решения, соответствующий переменной, представляющей данное мероприятие, и узел полезности, определяющий стоимость его реализации; а также скорректировать количественные параметры ДВ (рис. 5).

Организационно-функциональная структура управления ОР в рамках предлагаемого методического подхода включает субъекты управления трёх уровней: операционных риск-менеджеров, владельцев бизнес-процессов и уполномоченных по управлению ОР. Их функциональные обязанности и матрица ответственности раскрыты в диссертационной работе.

Рис. 4 - Диаграмма влияния, моделирующая причинно-следственную схему события операционного риска

Здесь и далее приняты следующие обозначения: ORE (operational risk event) - событие операционного риска; S (source) - источник возникновения события операционного риска; Е (effect) - последствие реализации события операционного риска; A (act) - корректирующее управленческое воздействие.

Рис. 5 - Диаграмма влияния, моделирующая ситуацию осуществления управленческого воздействия

В рамках системы управления ОР естественным видится выделение двух относительно самостоятельных процессов, включающих одинаковый набор процедур, но отличающихся периодичностью их выполнения (рис. 6). Процедуры в рамках «Процесса управления ОР с фиксированной периодичностью» реализуются регулярно в соответствии с периодичностью, определяемой периодом мониторинга процедур выполнения бизнес-процессов, а также каждый раз при внедрении нового бизнес-процесса. Таким образом, в рамках данного процесса анализируются потенциальные компоненты ОР, тогда как процедуры в рамках «Процесса управления ОР с переменной периодичностью» выполняются в оперативном режиме и своей целью имеют регистрацию и расследование случаев реализации событий ОР. Методическое обеспечение процедур данных процессов дано в диссертационной работе.

Разработанная информационно-аналитическая среда поддержки процесса управления ОР на основе байесовских технологий содержит все универсальные компоненты концептуальной модели системы поддержки принятия решений: «Базу данных», «Базу моделей», «Базу знаний», «Пользователей» и «Интерфейс пользователя» (рис. 7).

Рис.6

- Архитектура системы поддеряски принятия решений по управлению операционным риском на основе байесовских технологий

Хранилище информации

Интерфейс пользователя

Справочно-методические

материалы *>

Классификационная модель ОР

3;

11 11 11 11

11

11

База данных

Отчёты о выполнении процедур по управлению ОР

База моделей

Диаграммы влияния

3

База знаний

Аналитическая отчётность

- Политика управления ОР;

- Стратегия управления ОР;

- Организационно-функциональная структура управления ОР;

- Методическое обеспечение процедур управления ОР;

- План обеспечения непрерывности деятельности;

- Технологические карты бизнес-процессов;

- Регламенты процедур выполнения бизнес-процессов;

- Инструкции;

- Справочные материалы.

Пользователи:

— Специалисты всех структурных подразделений.

- Типы объектов ОР;

- Типы событий ОР;

- Типы источников возникновения событий ОР;

- Типы последствий реализации событий ОР;

- Типы мероприятий по обработке ОР.

Пользователи:

— Уполномоченные по

. управлению ОР (в рамках выполняемых бизнес-процессов);

—Владельцы бизнес-процессов;

— Операционные риск-менеджеры.

-Отчёты по идентификации ОР;

- Отчёты по оценке ОР;

- Отчёты по обработке ОР.

Пользователи:

— Уполномоченные по управлению ОР (в рамках выполняемых бизнес-процессов);

— Владельцы бизнес-процессов;:

— Операционные риск-менеджеры.

Пользователи:

— Операционные риск-менеджеры.

- Ранжирование компонент ОР;

- Динамика фактических операционных потерь по компонентам ОР...

Пользователи:

— Уполномоченные по управлению ОР (в рамках выполняемых бизнес-процессов);

— Владельцы бизнес-процессов;

— Операционные риск-менеджеры.

Рис. 7 - Структура информационно-аналитической среды системы поддержки принятия решений по управлению операционным риском

на основе байесовских технологий

Аналитический аппарат байесовских технологий в интеллектуальной поддержке принятия решений по управлению операционным риском

Моделирование событий ОР с помощью байесовских технологий предоставляет широкие аналитические возможности при реализации процедур операционного риск-менеджмента, основывающиеся на применении экономико-математических методов.

Так, задание причинно-следственной модели события ОР в виде ДВ (рис. 4) позволяет вычислить ожидаемую величину операционных потерь от его реализации:

EL = ZjЩ |ORE = 1) x P(ORE = l),j = (1)

P(ORE = 1) = Eu P(ORE = l|Si = I, ...,Sn = s)x PCS,. = l)x ... x P(Sn = s), l,s = 0,1. Байесовские технологии также позволяют уточнять априорные параметры ДВ на основании поступающей о них апостериорной информации с помощью так называемой процедуры адаптации (adaptation), что, по сути, означает реализацию идеи самообучения сети при изменении внешних условий. Важно заметить, что апостериорная информация может быть и неполной. Процедура адаптации подразумевает аппроксимацию распределения вероятностей состояний каждой переменной распределением Дирихле (вследствие того, что распределение Дирихле является сопряженным приором для мультиномиального распределения) с вектором средних, задаваемым условным вероятностным распределением состояний данной переменной, и дисперсиями, неявно задаваемыми параметрами, называемыми эквивалентными объёмами выборки (equivalent sample sizes). Апостериорное распределение вероятностей состояний переменных сети с учётом поступившего свидетельства представляет собой смесь распределений Дирихле, которая, в свою очередь, аппроксимируется единственным распределением так, чтобы оно имело такой же вектор средних и сумму дисперсий, что и данная смесь. Вектор средних данного распределения и рассматривается как апостериорное распределение условных вероятностей состояний переменных сети после адаптации.

Итак, в случае получения свидетельства об инциденте ОР £(l(E]\ORE = l); (ORE = 1,5; = 1) v(.ORE = 1) V= 1)) ожидаемая величина операционных потерь определяется как

ELad = ljLad(Ej I ORE = 1) x Pad(ORE = 1),/= 1 ,m,

Paa(.ORE = 1) = ZtsPad(0RE = 11$! = I.....Sn = s) x Pfld(Sa = 0 X ...x Pad(S„ = s),

1.5 = 0,1,

Lai{Ej\ORE = 1) =-^(O^hs^UA,«) -l's ~ 0XJ ~ 1'm'

где N(ORE = l|5t = I, ...,Sn = s) и Nad(ORE = l|Sj = I, ...,Sn = s) - количество наблюдений о состоянии 1 переменной, соответствующей событию ОР, в зависимости от комбинации состояний переменных, представляющих источники его возникновения, т.е. параметры распределения Дирихле о^и aiali) соответственно,

NadWE=l\S1 = l,...,Sn = s) =

= Pad(0RE = HSi = I.....Sn = s)xSad(ORE\S1 = I.....Sn = s),l,s = 0,1,

где Sad(ORE\Si = I, ...,Sn = s) - эквивалентный объём выборки для переменной, соответствующей событию ОР, по заданной комбинации состояний переменных, представляющих источники его возникновения.

Алгоритм вычисления апостериорных распределений условных вероятностей состояний переменных ДВ, моделирующей причинно-следственную схему события ОР, и эквивалентного им объёма выборки в диссертационной работе раскрыт в зависимости от степени полноты апостериорной информации об инциденте ОР: получена информация о случае реализации события ОР и источнике его возникновения £ = (ORE = 1 ,Si = 1); получена информация о случае реализации события ОР, однако источник его возникновения не установлен е = (ORE = 1); получена информация о случае возникновения источника события ОР, однако это не привело к его реализации е = (5/ = 1).

Помимо представленного выше процесса уточнения параметров ДВ, процедура адаптации также позволяет реализовать механизм учёта уровня компетентности эксперта, оценивающего априорные параметры ДВ, и степени значимости информации. Так, эквивалентный объём выборки следует рассматривать как меру доверия к заданному в ДВ распределению вероятностей переменных. Соответственно, чем выше уровень квалификация эксперта, тем заведомо выше должно быть установлено его оценкам значение данного параметра, и наоборот. Изменение эквивалентного объёма выборки на каждой итерации процедуры адаптации пропорционально так называемому коэффициенту затухания (coefficient of fading) позволяет придавать разную степень значимости данным, наблюдённым в разное время. Это свойство байесовских технологий может быть полезно, например, при изменении организационных или других условий выполнения процедур бизнес-процессов, т.е. когда накопленные данные становятся менее значимыми.

Кроме того, моделирование с помощью ДВ позволяет осуществлять информационных анализ, а именно определять взаимную информацию между переменными, представляющими событие ОР и источник его возникновения: I(ORE,S0 = H(0RE) - H(_ORE\St),Vi = 1~п, Н(ORE) = -ZkP(0RE = к) х logP(ORE = k). к = ОД,

H(0RE\S{) = P(Si = q) x Я(0Я£|5( = q) = - P(S, = q) X ZkP(0RE = k\St = q) x x logP(0RE = k\Si- q), k,q = 0,1; i = Tn,

P(0RE = k\St = q) = Ziv.t,s№E = k\St = I.....St = q.....Sn = s) x P(SX = I) x ... x

x P(Si.1 = p) x P(Si+1 = r) x ...x P(Sn = s),k,l,p, q,r,s = 0,1; i = Гл.

На основании критерия максимальной взаимной информации и, соответственно, минимальной условной энтропии можно установить источник возникновения определённого события ОР, содержащий наибольшее количество информации о нём 5[<:

Г = ¿1 max I (ORE, Si) = t| min H(ORE\Si),i = I~n.

ДВ также позволяют проводить сценарный анализ, т.е. вычислять величину ожидаемых операционных потерь в случае реализации определённого источника возникновения анализируемого события ОР; и «обратный» анализ - определять вероятность того, что случай реализации события ОР произошёл вследствие воздействия определённого источника:

ELQSi = 1) = Y,j L(Ej }0RE = 1) х P(0RE = = 1),/ = Zm; Vi = (2)

Р(5, = \\ORE = 1) =

адР(ОЯЯ = = I, -,5| = 1.....= Д) х?№ = 0 х ... х Р(5, = 1) х -X Р(5„ =

Р(0КЯ = 1)

г, $ = од; VI = 17п.

Сопоставив формулы (2) и (3), легко вывести ранг определённого источника возникновения события ОР с точки зрения степени его ответственности в величине ожидаемых операционных потерь:

Я (У,- = 1.0ДЕ = 1) ■ _ ^ (4)

Р(5, = 1, ОКЕ = 1) = Р(ОД£ = 1,51 = 1) = РШЕ = 1|£; = 1) х = 1) = = = 1|0КЯ = 1) X Р(ОЯЯ = 1), I = 1,п.

Применение байесовских технологий также позволяет вырабатывать экономически обоснованный набор корректирующих мероприятий по обработке ОР.

Целью послесобытийных методов обработки ОР является покрытие операционных потерь, вызванных реализацией событий ОР. Величина резервного фонда под покрытие, также как и размер страхования, не должна превышать общую величину ожидаемых операционных потерь на данном объекте ОР (формула (1)).

В свою очередь, дособытийная обработка ОР своей целью имеет снижение величины ожидаемых операционных потерь до приемлемого уровня посредством осуществления корректирующих мероприятий (рис. 5). В условиях ограниченности ресурсов важной задачей оказывается выработка системы эвристических правил, позволяющих установить экономически обоснованные приоритеты их осуществления (рис. 8).

Первоначально следует установить ключевые для осуществления операционной деятельности компании бизнес-процессы - это группа основных бизнес-

процессов. „

На втором этапе необходимо осуществить ранжирование событий ОР на выделенных бизнес-процессах. В качестве наиболее разумного критерия ранжирования представляется величина ожидаемых операционных потерь от реализации событий ОР на данном бизнес-процессе (формула (1)).

Третий этап подразумевает ранжирование объектов управления ОР. Вероятность возникновения событий ОР и величина потерь от реализации одного события ОР стохастически независимы. Это обстоятельство обуславливает выделение при до-собыгийной обработке ОР следующих объектов управления: источники возникновения событий ОР и/или последствия их реализации. В первом случае корректирующие мероприятия направлены на снижение вероятности возникновения событий ОР, а в последнем - на снижение величины средних потерь от их реализации. Если объектом управления являются источники возникновения событий ОР, тогда критерием их ранжирования нам представляется введённый в формуле (4) ранг источника. В случае когда объектом управления выступают последствия реализации событий ОР, критерием ранжирования видится доля каждого типа последствий в их общей величине:

г. = —-—= 1 ,т.

1 ^¡Щ\0КЕ = 1)

/ Этап 1 ^

\ Ранжирование бизнес-процессов с точки зрения сохранения непрерывности операционной деятельности с1.....п

^ fr

/ Этап И

\ Ранжирование событий операционного риска по величине ожидаемых операционных потерь {ОЩ.....ОЩ\ЕЬ\.....£Х",) /

/ Этап III N

V Ранжирование источников возникновения событий операционного риска и/или последствий их реализации в..........'■"/}; №.....Е,\г\.....r"j}

Этап IV N

\ Ранжирование корректирующих мероприятий по уровню экономической эффективности {¿I..........)

Ранжированный набор корректирующих мероприятий (Л.....Л)

Рис. 8 - Алгоритм ранжирования корректирующих мероприятий по дособытийной обработке операционного риска

Коэффициент экономической эффективности некоторого мероприятия определяется исходя из соотношения величины снижения ожидаемых операционных потерь, обусловленной осуществлением данного мероприятия, и стоимости его реализации:

_ЕЩАц = У)-ЕЩАи = 1) __ _,

с(и,у = 1)-''= = 1-т-

ЕЬЦАи = 1) = £; ¿(£}|ОЙ£ = 1,Ац = 1) х Р(ОЯЕ = 1\Ац = 1), I = ТЛ;] = Щ Р(ОИЕ = ЦАи = 1) =

= Ъ^ПОПЕ = 1|5Х = 1.....5„ = 5) х />(& = I) х ... х = р\Ац = 1) х ... х

х Р(Зп = х), I, р, 5 = ОД; 1 = ГЯ-; = ТЯ.

Результатом выполнения представленной выше последовательности действий (рис. 8) должен стать ранжированный набор корректирующих мероприятий, оказывающих воздействие на (выбранный на этапе Ш) источник возникновения и/или последствие реализации события ОР (выбранного на этапе П), характерного для объекта ОР (выбранного на этапе I).

Основные результаты диссертационной работы

В диссертационной работе поставлена и решена актуальная задача разработки методических основ интеллектуальной поддержки принятия решении по управлению операционным риском в условиях ограниченности историческои

данных об инцидентах его реализации.

1 Проведён анализ теоретико-методологических основ управления рисками. Дана авторская трактовка категории «риск». Выявлены типологические особенности операционного риска. На основании применения процессного подхода уточнено понятие «операционный риск», раскрыта экономическая сущность компонент его причинно-следственной схемы: события операционного риска, источников возникновения и последствий его реализации - а также предложена классификационная модель операционного риска.

2 Обобщён и систематизирован методический и модельно-измерительныи аппарат процедур управления операционным риском.

3 Выявлены модельные особенности операционного риска, что позволило предложить и обосновать целесообразность применения причинно-следственных байесовских конструкций при его моделировании.

4 Разработан методический комплекс, включающий модельно-измерительное и организационное сопровождение системы поддержки принятия решений по управлению операционным риском на основе байесовских технологий, представляющий собой элемент интеграции процессного управления, операционного риск-менеджмента и байесовского моделирования.

5 Установлены и формализованы аналитические возможности байесовского подхода к моделированию операционного риска: информационный и сценарный анализ, поддержка принятия решений по обработке риска, а также алгоритм динамического уточнения параметров моделей в зависимости от степени полноты апостериорной информации о рисковых инцидентах.

6 Осуществлена апробация методики байесовского моделирования операционного риска на бизнес-процессах Алтайского филиала ОАО «Ростелеком». Однако следует отметить, что разработанный методический комплекс в достаточной степени универсален и может применяться в системах поддержки принятия по управлению операционным риском в организациях любой отраслевой принадлежности.

Поставленная цель диссертационного исследования достигнута.

Публикации по теме исследования

Статьи, опубликованные в журналах, включенных в «Перечень российских рецензируемых научных журналов, в которых должны быть опубликованы основные научные результаты диссертаций на соискание учёных степеней доктора и

кандидата наук»: 1 ппп 1ТТ

1 Шевцова, Ю.В. Риск, неопределенность и субъект [Текст] / Ю.В. Шевцова

//РИСК. -2010. -№ 4. - С. 476-479.

2 Шевцова, Ю.В. Байесовские технологии в управлении операционными рисками [Текст]'/ Ю.В. Шевцова // Электросвязь. - 2010. - № 10. - С. 58-61.

3 Шевцова, Ю.В. Методические аспекты и инструментальная среда моделирования операционного риска в телекоммуникационных компаниях [Текст] / Ю.В. Шевцова, B.C. Канев // Вестник СибГУТИ: сб. науч. тр. - 2010. - № 3. - С. 47-71.

4 Шевцова, Ю.В. Понятие операционного риска предприятия*, процессный подход [Текст] /Ю.В. Шевцова // Российское предпринимательство. - 2010. - № 9.-С. 50-55.

Статьи и тезисы докладов, опубликованные в других изданиях:

5 Шевцова, Ю.В. Логико-вероятностное моделирование операционного риска [Текст] / Ю.В. Шевцова // Исследования молодых учёных: отраслевая и региональная экономика, инновации, финансы и социология : [сб. ст.] / под ред. С.А. Суспицына, В.Е. Селиверстова [и др.]. - Новосибирск : ИЭОПП СО РАН, 2011. -С. 152-160.

6 Шевцова, Ю.В. Логико-вероятностное моделирование операционного риска [Текст] / Ю.В. Шевцова // Социально-экономическое пространство России: инновации и современность : сборник тезисов докладов Всероссийской научно-практической конференции молодых учёных. - Новосибирск : «Альфа-Порте», 2010.-С. 47-49.

7 Шевцова, Ю.В. Уточнение термина операционный риск [Текст] / Ю.В. Шевцова // Материалы Российской научно-технической конференции «Информатика и проблемы телекоммуникаций». - Новосибирск, 2010. - С. 346.

8 Шевцова, Ю.В. Моделирование событий операционного риска с помощью диаграмм влияния [Текст] / Ю.В. Шевцова // Материалы Российской научно-технической конференции «Информатика и проблемы телекоммуникаций». - Новосибирск, 2010.-С. 345.

9 Шевцова, Ю.В. Байесовские сети в операционном риск-менеджменте [Текст] / Ю.В. Шевцова // Материалы Российской научно-технической конференции «Информатика и проблемы телекоммуникаций». - Новосибирск, 2009. - С. 287.

10 Шевцова, Ю.В. Методологические подходы и практические приёмы операционного риск-менеджмента в телекоммуникационных компаниях [Текст] / Ю.В. Шевцова // Вестник СибГУТИ: сб. науч. тр. - 2009. -№ 1. - С. 52-66.

11 Шевцова, Ю.В. Актуальность внедрения системы управления рисками в телекоммуникационных компаниях [Текст] / Ю.В. Шевцова // Материалы Российской научно-технической конференции «Информатика и проблемы телекоммуникаций». - Новосибирск, 2008. - С. 309-310.

Учебное пособие:

12 Шевцова, Ю.В. Байсовы технологии: их реализация в программной среде Hugin и применение в операционном риск-менеджменте [Текст] : учеб. пособие / Ю.В. Шевцова. - Новосибирск : [б. и.], 2010. - 77 с.

Шевцова Юлия Владимировна

СИСТЕМА ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ПО УПРАВЛЕНИЮ ОПЕРАЦИОННЫМ РИСКОМ НА ОСНОВЕ БАЙЕСОВСКИХ ТЕХНОЛОГИЙ

Специальность 05.13.10-Управление в социальных и экономических системах (технические науки)

Автореферат диссертации на соискание учёной степени кандидата технических наук

Подписано в печать 17.10.2011, формат бумаги 60x84/16, отпечатано на ризографе, шрифт №10, изд.л. 1,3, заказ №51, тираж 100 экз. ФГОБУ ВПО «СибГУГИ»: 630102, г. Новосибирск, ул. Кирова, д. 86.

Введение.

Глава 1. Теоретико-методологические основы управления операционным риском.

1.1 Сущность риска как экономической категории.

1.2 Процессный подход к определению операционного риска.

1.2.1 Типологические особенности операционного риска.

1.2.2 Подходы к определению категории «операционный риск».

1.2.3 Подходы к классификации операционных рисков.

1.3 Выводы.

Глава 2. Методический инструментарий процесса управления операционным риском.

2.1 Структурная модель процесса управления операционным риском.

2.2 Методы идентификации операционного риска.

2.3 Методы оценки операционного риска.

2.4 Методы обработки операционного риска.

2.5 Методы мониторинга операционного риска.

2.6 Обоснование целесообразности применения байесовских технологии при моделировании операционного риска.

2.7 Выводы.

Глава 3. Моделирование операционного риска с помощью байесовых технологий.

3.1 Основы математического аппарата байесовских технологий.

3.2 Описание причинно-следственных схем событий операционного риска в виде байесовских моделей.

3.3 Аналитические возможности байесовских технологий в управлении операционным риском.

3.3.1 Информационный анализ в управлении операционным риском на байесовских технологиях.

3.3.2 Сценарный анализ в управлении операционным риском на байесовских технологиях.

3.3.3 Применение байесовских технологий в обработке операционного риска.

3.4 Обучение параметров байесовских моделей на апостериорной информации.

3.5 Выводы.

Глава 4. Организационно-функциональные решения по управлению операционным риском в телекоммуникационных компаниях.

4.1 Архитектура системы поддержки принятия решений по управлению операционным риском на основе байесовских технологий.

4.2 Реализация байесовского модельного подхода на типовом бизнес-процессе телекоммуникационной компании.

4.3 Выводы.

Актуальность темы. В последние годы научное и деловое сообщества проявляют всё более значительный интерес к вопросам управления операционным риском (ОР). Данная тенденция обусловлена рядом причин, важнейшими из которых, на наш взгляд, являются следующие обстоятельства.

Во-первых, рост потерь в компаниях по причинам, не относящимся напрямую ни к финансовому ни к стратегическому рискам. Так, принято считать, что главной предпосылкой для выделения ОР в отдельную категорию стало банкротство в 1995 г. старейшего британского банка Barings вследствие несанкционированных биржевых операций трейдера Н. Лисона [1]. Sumitomo Corporation, Daiwa Bank, Allied Irish Bank, Orange County, Long Term Capital Management и многие другие компании [2] вошли в современную деловую историю как печальные примеры возникновения существенных потерь, обусловленных воздействием факторов именно ОР.

Во-вторых, ужесточение требований регуляторов рынка в части эффективности системы контроля и управления рисками. Так, мощным интеллектуальным толчком, стимулировавшим повышение активности в направлении разработки теоретико-методологических основ операционного риск-менеджмента, послужило принятие в 2004 г. Базельского соглашения по капиталу (Basel II Capital Accord) [3], где впервые ОР был признан самостоятельным объектом изучения. Кроме того, крупнейшие фондовые площадки в целях защиты прав инвесторов выдвигают ряд требований к уровню корпоративного управления компаний, выходящих на листинг, которые в целом сводятся к внедрению и поддержанию функционирования эффективной системы внутреннего контроля и управления рисками.

И наконец, в-третьих, необходимость перехода к новым методам управления с целью повышения эффективности и совершенствования бизнес-процессов. Развитая система эффективного управления ОР, высокая корпоративная культура, достаточная информационная прозрачность существенно улучшают инвестиционную привлекательность компании, а, следовательно, в долгосрочной перспективе повышают её капитализацию.

Практика управления рисками, выйдя за рамки традиционно успешного в этой области финансового сектора, всё более активно распространяется и в другие отрасли [4]. По оценкам экспертов [5] в нефинансовом секторе лидирующее положение по уровню используемых механизмов и процедур управления рисками занимают именно операторы связи. Так, ведущие телекоммуникационные компании мира, такие как British Telecom, France Telecom, Deutsche Telecom, Telecom Italia, AT&T, NTT, Vodafone, Sprint, в последние годы стали уделять большое внимание вопросам работы с рисками, осуществив интеграцию системы комплексного управления рисками в корпоративную среду [5, 6]. В России не менее 20% операторов фиксированной и около 70% операторов мобильной связи уже применяют в своей деятельности элементы риск-менеджмента [5]. В числе пионеров данной области следует назвать ОАО «МТС», ОАО «МегаФон» [5], ОАО «Сибирьтелеком» и ОАО «Южтелеком» [7, 8].

Тем не менее, несмотря на рост теоретических исследований и практических реализаций, ОР всё ещё остаётся одной из наиболее слабо разработанных и формализованных областей риск-менеджмента: отсутствует единство в теоретических, методологических и практических аспектах управления. При этом наиболее острой методической проблемой операционного риск-менеджмента на современном этапе, на наш взгляд, выступает слабая разработанность модельно-измерительного аппарата в условиях ограниченности (или даже отсутствия) исторических данных об инцидентах реализации ОР, что является его характерной чертой. Обозначенные выше проблемы и предопределили актуальность диссертационного исследования.

Степень разработанности проблемы. Теоретико-методологические основы исследования базируются на трудах отечественных и зарубежных исследователей, а именно: в области управления ОР - П.В. Буркова, М.А. Бухтина, A.A. Лобанова, Б.В. Сазыкина, С. Alexander, M. Cruz, Е. Davis, A. Frachot, D. Hoffman, J. King, H. Panjer и др.; в области байесовского моделирования - В.И. Городецкого, С.И. Ни-коленко, A.B. Сироткина, С. А. Терехова, А. Л. Тулупьева, С. Со well, A. Dempster, F. Jensen, D. Heckerman, R. Howard, S. Lauritzen, J. Matheson, S. Olmsted, J. Pearl, D. Spiegelhalter и др.; в области применения байесовских технологий в операционном риск-менеджменте - С. Alexander, N. Fenton, С. Marshall, M. Neil, P.V. Shevchenko, 6

M. Tailor и др. Методологические основы управления ОР также освящены в отраслевых стандартах и рекомендациях, разработанных, например, Базельским комитетом по банковскому надзору, международной Федерацией ассоциаций управления риском и страхованием, Федерацией европейских ассоциаций риск-менеджеров. Вместе с тем в отечественной технико-экономической литературе вопросы управления ОР на основе байесовского подхода всё ещё недостаточно раскрыты.

Цель исследования - разработка методического подхода и инструментальной среды системы поддержки принятия решений по управлению операционным риском.

Цель достигается решением следующих задач:

1 выявить особенности проявления и управления операционным риском, в соответствии с которыми выбрать направление формирования модельно-методической среды его моделирования;

2 предложить адекватный модельно-методический аппарат и программную среду автоматизации выбранного модельного подхода;

3 выявить аналитические возможности выбранного подхода в поддержке принятия решений по управлению операционным риском;

4 разработать систему поддержки принятия решений по управлению операционным риском, включающую методический аппарат и его организационно-функциональное сопровождение;

5 провести вычислительные эксперименты на базе статистических данных для анализа работоспособности разработанной системы поддержки принятия решений по управлению операционным риском.

Объект исследования - хозяйственная деятельность операторов связи и сопровождающие её реализацию операционные риски.

Предмет исследования - методы и организационно-экономические отношения, возникающие при управлении операционным риском.

Теоретической и методологической основой исследования послужили работы отечественных и зарубежных учёных, посвященные рассмотрению вопросов по управлению операционным риском, моделированию сложных систем с помощью байесовских технологий, а также разработки отраслевых регулирующих организаций в области риск-менеджмента. Достижение цели и решение поставленных в 7 диссертационной работе задач основано на применении методов теории искусственных интеллектуальных систем, теории вероятностей, теории графов, вероятной логики, теории информации, теории принятия решений, эконометрики, математической статистики, экспертного оценивания и др. В исследовании также применялись общенаучные методы: дедукция, индукция, анализ, синтез, метод сравнения и аналогий и т.п. Моделирование операционного риска с помощью технологий Байе-са проводилось в программной среде Hugin (www.hugin.com).

Эмпирическую базу исследования составила технико-экономическая информация по результатам функционирования бизнес-процессов Алтайского филиала ОАО «Ростелеком», а также нормативная информация по проектированию бизнес-процессов операторов связи, разработанная организацией TeleManagement Forum.

Научная новизна исследования состоит в следующих результатах:

- дана авторская трактовка категориального аппарата операционного риск-менеджмента посредством применения процессного подхода, а именно: уточнено понятие «риск» и его тип - «операционный риск», компоненты причинно-следственной схемы: событие операционного риска, источники возникновения и последствия его реализации; выявлены типологические особенности операционного риска; предложена его классификационная модель;

- обобщён и систематизирован методический и модельно-измерительный аппараты процедур идентификации, оценки, обработки и мониторинга операционного риска;

- выявлены модельные особенности операционного риска, на основании которых обосновано применение байесовских технологий как адекватного аппарата его моделирования;

- разработан комплекс, включающий модельно-измерительное, методическое и организационное сопровождение системы интеллектуальной поддержки принятия решений по управлению операционным риском на основе байесовских технологий;

- выявлены и формализованы аналитические возможности применения байесовских технологий при управлении операционным риском, а именно: информационный и сценарный анализ, поддержка принятия решений по обработке риска, а также уточнение его параметров в зависимости от полноты апостериорной информации;

- определён механизм интеграции процессного управления, управления операционным риском и байесовского моделирования.

Практическая значимость исследования. Основной прикладной результат исследования состоит в разработке модельно-методического комплекса поддержки принятия решений по управлению операционным риском на основе байесовских технологий, который может применяться компаниями в общей системе их управления.

Достоверность полученных в диссертационном исследовании результатов обосновывается корректным применением методологических положений теории управления социальными и экономическими системами, методов экономике -математического моделирования, а также внедрением предложенных методов и 4 вычислительных технологий в хозяйственную деятельность регионального оператора связи. I

Область исследования. Содержание диссертации соответствует области исследования п. 4 «Разработка методов и алгоритмов решения задач управления и принятия решений в социальных и экономических системах», п. 5 «Разработка | специального математического и программного обеспечения систем управления и принятия решений в социальных и экономических системах» и п. 10 «Разработка методов и алгоритмов интеллектуальной поддержки принятия управленческих решений в экономических и социальных системах» паспорта специальности 05.13.10 «Управление в социальных и экономических системах (технические науки)».

Апробация и реализация результатов исследования. Основные положения и результаты исследования обсуждались и были одобрены на российской научно-технической конференции «Информатика и проблемы телекоммуникаций» в 20082010 гг.; научном семинаре ГОУ ВПО «СибГУТИ» в 2010 г.; всероссийской научно-практической конференции молодых учёных «Социально-экономическое пространство России: инновации и современность» в 2010 г.

Экспериментально-методические результаты исследования нашли применение в производственно-хозяйственной деятельности Алтайского филиала ОАО «Росте9 леком»; а также в учебном процессе ФГОБУ ВПО «СибГУТИ» в рамках дисциплин «Риск-менеджмент» по специальности 080502 «Экономика и управление на предприятии (по отраслям)», «Управление финансовыми рисками» и «Байесовские сети и операционные риски» - 080116 «Математические методы в экономике», что подтверждено справками о внедрении.

Публикации. По основным результатам диссертационного исследования опубликовано 12 работ, в том числе 1 учебное пособие и 4 статьи в журналах, включенных в «Перечень российских рецензируемых научных журналов, в которых должны быть опубликованы основные научные результаты диссертаций на соискание учёных степеней доктора и кандидата наук».

Предмет защиты и личный вклад автора. Основные результаты диссертационного исследования получены автором лично. Постановка задач была выполнена научным руководителем Каневым Валерием Семёновичем.

На защиту выносятся:

- процессный подход к анализу экономической категории «операционный риск»;

- обоснование целесообразности применения байесовских технологий при моделировании операционного риска;

- методический подход к интеллектуальной поддержке принятия решений по управлению операционным риском на основе байесовских технологий;

- аналитический аппарат байесовских технологий в интеллектуальной поддержке принятия решений по управлению операционным риском. '

Структура и объём диссертации. Диссертация изложена на 160 страницах, состоит из введения, четырёх глав, заключения и пяти приложений, содержит 29 рисунков. Библиографический список включает 169 наименований.

4.3 Выводы

1 Предложено организационно-функционального сопровождение и архитектура системы интеллектуальной поддержки принятия решений по управлению операционным риском на основе байесовских технологий.

2 Осуществлена апробация предлагаемого подхода на типовом бизнес-процессе оператора связи.

3 Показана возможность интеграции методики байесовского моделирования операционного риска в действующую систему управления рисками Макроре-гионального филиала ОАО «Ростелеком».

4 Выявлены дальнейшие направления исследования по разработке модель-но-методического комплекса системы поддержки принятия решений по управлению операционным риском с помощью байесовских технологий.

Заключение

1 Проведён критический анализ теоретико-методологических основ управления рисками. Дана авторская трактовка категории «риск». Выявлены типологические особенности операционного риска. На основании применения процессного подхода уточнено понятие «операционный риск», раскрыта экономическая сущность компонент его причинно-следственной схемы: события операционного риска, источников возникновения и последствий его реализации - а также предложена классификационная модель операционного риска.

2 Обобщён и систематизирован методический и модельно-измерительный аппарат процедур идентификации, оценки и обработки операционного риска.

3 Выявлены модельные особенности операционного риска, на основании которых обоснована целесообразность применения байесовских технологий при моделировании операционного риска.

4 Разработан комплекс, включающий модельно-измерительное, методическое и организационное сопровождение системы интеллектуальной поддержки принятия решений по управлению операционным риском на основе байесовских технологий, представляющий собой элемент интеграции процессного управления, операционного риск-менеджмента и байесовского моделирования.

5 Выявлены и формализованы аналитические возможности байесовского подхода к моделированию операционного риска: информационный и сценарный анализ, поддержка принятия решений по обработке риска, а также алгоритм адаптации параметров моделей в зависимости от степени полноты апостериорной информации о рисковых инцидентах.

6 Осуществлена апробация методики байесовского моделирования операционного риска на бизнес-процессах Алтайского филиала ОАО «Ростелеком». Однако следует отметить, что предлагаемый методический комплекс в достаточной степени универсален и может применяться в системах поддержки принятия по управлению операционным риском в организациях любой отраслевой принадлежности.

1. Как я обанкротил «Бэрингз». Признания трейдера-мошенника Текст. / Н. Лисон ; пер. с англ. А.Д. Портянкина, А.Р. Шилова. - М. : «Кейс», 2011.-472 с.

2. Невыученные уроки. Операционные риски Электронный ресурс. Режим доступа : http://franklin-grant.ru/ru/news2/data/news 03/2003 12/20031222 174248 vv.asp (11.05.2011).

3. Крапчатова, И. Процесс управления операционными рисками на предприятиях нефинансового сектора Текст. / И. Крапчатова // Управление финансовыми рисками. 2008. - № 4. - С. 308-315.

4. Чачин, П. Предприятия связи осваивают риск-менеджмент Электронный ресурс. / П. Чачин // PC Week/RE. 2007. - № 3/561. - Режим доступа : http://www.pcweek.ru/idea/artîcle/detail.php?ID=81947 (11.05.2011).

5. Никифоров, А.В. Управление рисками важный элемент эффективной системы управления телекоммуникационных компаний Текст. / А.В. Никифоров // Мобильные системы. - 2006. - № 10. - С. 42-45.

6. Круглый стол. Учимся управлять рисками Текст. // Связьинвест. 2005. -№6. -С. 32-36.

7. Кто не рискует, тот. не умеет управлять рисками Текст. // Связьинвест. — 2005.-№5.-С. 24-28.

8. Бернстайн, П. Против богов: укрощение риска Текст. : монография / П. Бернстайн ; пер. с англ. [А. Марантиди]. 7-е изд. - М. : Олимп-Бизнес, 2008. - 400 с.

9. Луман, Н. Понятие риска Текст. / Н. Луман ; пер. с нем. А.Ф. Филиппова //

10. THESIS. 1994. - № 5. - С. 135-160.1451. I

11. Бек, У. Общество риска. На пути к новому модерну Текст. / У. Бек ; пер. с нем. В. Седельника, Н. Федоровой. М.: Прогресс-Традиция, 2000. - 384 с.

12. Бланк, И.А. Управление финансовыми рисками Текст. : монография / И.А. Бланк. Киев : Ника-Центр, 2005. - 600 с.

13. Балабанов, И.Т. Риск-менеджмент Текст. : учеб. пособие / И.Т. Балабанов. -М.: Финансы и статистика, 1996. 192 с.

14. Хохлов, Н.В. Управление риском Текст. : учеб. пособие / Н.В. Хохлов. — М.: ЮНИТИ-ДАНА, 1999. 239 с.

15. Дубров, A.M. Моделирование рисковых ситуаций в экономике и бизнесе Текст. : учеб. пособие / А.М. Дубров, Б.А. Лагоша, Е.Ю. Хрусталев ; под ред. Б.А. Лагоши. М.: Финансы и статистика, 2000. - 176 с.

16. ГОСТ Р 51897-2002. Менеджмент риска. Термины и определения Текст. -Введ. 2003-01-01. М.: Изд-во стандартов, 2002. - 7 с.

17. Ступаков, B.C. Риск-менеджмент Текст. : учеб. пособие / B.C. Ступаков, Г.С. Токаренко. М. : Финансы и статистика, 2007. - 288 с.

18. Чернова, Г.В. Управление рисками Текст. : учеб. пособие / Г.В. Чернова, A.A. Кудрявцев. М.: Проспект, 2009. - 160 с.

19. Чернова, Г.В. Практика управления рисками на уровне предприятия Текст. : учеб. пособие / Г.В. Чернова. СПб.: Питер, 2000. - 176 с.

20. Уткин, Э.А. Риск-менеджмент Текст. / Э.А. Уткин. М. : Ассоциация авт. и издат. «Тандем» : Изд-во ЭКМОС, 1998. - 288 с.

21. Ларичев, О.Л. Теория и методы принятия решений, а также хроника событий в Волшебных странах Текст. : учебник / О.Л. Ларичев. 2-е изд., пере-раб. и доп. -М.: Логос, 2002. - 392 с.

22. Евстафьев, И. Тотальный риск-менеджмент Текст. / И. Евстафьев. М. : Эксмо, 2008.-208 с.

23. Глущенко, В.В. Риски инновационной и инвестиционной деятельности в условиях глобализации Текст. : монография / В.В. Глущенко. Железнодорожный : НПЦ Крылья, 2006. - 229 с.

24. Савицкая, Г.В. Анализ эффективности и рисков предпринимательской деятельности: методологические аспекты Текст. : монография / Г.В. Савицкая. -М.: ИНФРА-М, 2008.-271 с.

25. Ермасова, Н.Б. Риск-менеджмент организации Текст. : учеб.-метод. пособие / Н.Б. Ермасова. М. : Издат.-торг. корпорация Дашков и К0, 2009. -379 с.

26. Шапкин, A.C. Экономические и финансовые риски. Оценка, управление, портфель инвестиций Текст. : монография / A.C. Шапкин, В.А. Шапкин. -7-е изд. М.: Издат.-торг. корпорация Дашков и К0, 2009. - 544 с.

27. Шапкин, A.C. Теория риска и моделирование рисковых ситуаций Текст. : учебник / A.C. Шапкин, В.А. Шапкин. 3-е изд. - М. : Издат.-торг. корпорация Дашков и К0, 2008. - 880 с.

28. Макаревич, JI.M. Управление предпринимательскими рисками Текст. : монография / Л.М. Макаревич. М.: Изд-во Дело и сервис, 2006. - 443 с.

29. Пикфорд, Д. Управление рисками Текст. : монография / Д. Пикфорд ; пер. с англ. О.Н. Матвеевой. М. : Вершина, 2004. - 351 с.

30. Вяткин, В.Н. Управление рисками фирмы: программа интегративного риск-менеджмента Текст. / В.Н. Вяткин, В.А. Гамза. М. : Финансы и статистика, 2006. - 400 с.

31. Энциклопедия финансового риск-менеджмента Текст. : энциклопедия / под ред. A.A. Лобанова, A.B. Чугунова. 4-е изд., испр. и доп. - М. : Альпина Бизнес Букс, 2009. - 931 с.

32. Шоломицкий, А.Г. Теория риска. Выбор при неопределённости и моделирование риска Текст. : учеб. пособие / А.Г. Шоломицкий. М. : ГУ ВШЭ, 2005.-400 с.

33. Найт, Ф.Х. Риск, неопределённость и прибыль Текст. / Ф.Х. Найт ; пер. с анг. М.Я. Кажданам ; науч. ред. пер. В.Г. Гребенников. М. : Дело, 2003. -360 с.

34. Эрроу, К. Восприятие риска в психологии и экономической науке Текст. / К. Эрроу ; пер. с анг. Е.А. Сафировой // THESIS. 1994. - № 5. - С. 81-90.

35. Балдин, К.В. Риск-менеджмент Текст. : учеб. пособие / К.В. Балдин. М. : Эксмо, 2006.-368 с.

36. Корнилова, Т.В. Психология риска и принятия решений Текст. : учеб. пособие / Т.В. Корнилова. М.: Аспект Пресс, 2003. - 285 с.

37. Бухтин, М.А. Риск-менеджмент в кредитной организации: методология, практика, регламентирование. Кн. 1. Методика и практика работы подразделений риск-менеджмента Текст. : метод, пособие / М.А. Бухтин. М. : Издат. дом Реквизит, 2008. - 444 с.

38. Сазыкин, Б.В. Управление операционным риском в коммерческом банке Текст. / Б.В. Сазыкин. М. : Вершина, 2008. - 272 с.

39. Чаадаев, В.К. Бизнес-процессы в компаниях связи Текст. : монография / В.К. Чаадаев. -М.: Эко-Трендз, 2004. 176 с.

40. Самуйлов, К.Е. Бизнес-процессы и информационные технологии в управлении телекоммуникационными компаниями Текст. : монография / К.Е. Самуйлов, А.В. Чукарин, Н.В. Яркина. М.: Альпина Паблишер, 2009. - 441с.

41. Реинжиниринг бизнес-процессов Текст. : учеб. пособие / под ред. А.О. Блинова. М.: ЮНИТИ-ДАНА, 2010. - 341 с.

42. Райзберг, Б.А. Современный экономический словарь Текст. : словарь / Б.А Райзберг, Л.Ш. Лозовский, Е.Б. Стародубцева. 5-е изд., перераб. и доп. -М.: ИНФРА-М, 2007. - 495 с.

43. Derivatives: practices and principles Text. / Group of Thirty (G-30). Washington: DC, 1993.-76 p.

44. King, J.L. Defining operational risk Electronic resource. / J.L King // ALGO Research Quarterly. 1998. - № 2. - P. 37-42. - Mode of access : http://www.algorithmics.com/EN/media/pdfs/arq-operational.pdf (11.05.2011).

45. Operation risk management Electronic resource. / Basel Committee on Banking Supervision. Basel, 1998. - 9 p. - Mode of access : http://www.bis.org/publ/bcbs42.pdfd 1.05.2011).

46. Operational risk Electronic resource. : consultative document; supporting document to the New Basel Capital Accord / Basel Committee on Banking Supervision. Basel, 2001. - 26 p. - Mode of access http://www.bis.org/publ/bcbsca07.pdf (11.05.201 П.

47. Sound practices for the management and supervision of operational risk / Basel Committee on Banking Supervision. Basel, 2003. - 14 p. - Mode of access : http://www.bis.org/publ/bcbs96.pdf (11.05.2011).

48. Бартон, Т. Комплексный подход к риск-менеджменту: стоит ли этим заниматься. Практика ведущих компаний Текст. : учеб. пособие / Т. Бартон, У. Шенкир, П. Уокер ; пер. с англ. Т.В. Клекоты, В.А. Кравченко, М.Ю. Нежу-ры. М.: Вильяме, 2003. - 208 с.

49. Каминский, А.Б. Исследование систем риск-менеджмента украинских банков в контексте нового Базельского соглашения Текст. / А.Б. Каминский // Управление финансовыми рисками. 2006. - № 2. - С. 120-133.

50. Письмо Банка России от 24.05.2005 № 76-Т «Об организации управления операционным риском в кредитных организациях» Текст. // Вестник банка России. 2005. - № 28. - С. 15-19.

51. Банковские риски Текст. : учеб. пособие / JI.H. Красавина, О.И. Лаврушин [и др.]; под ред. О.И. Лаврушина, Н.И. Валенцевой. М.: КНОРУС, 2007. -232 с.

52. Плешивцев, О.О. Методы управления операционными рисками Текст. / О.О. Плешивцев, Н.В Васильева // Управление финансовыми рисками. -2006. -№ 1.-С. 34-43.

53. Международные стандарты управления рисками Электронный ресурс. : учеб.-метод. пособие. Режим доступа : http://www.minzdravsoc.ru/labour/publicservice/9/Mezhdunarodnve standartv upravleniva riskami.doc (11.05.2011).

54. Хохлявин, С.А. Менеджмент риска в рабочем проекте стандарта ISO 31000 Текст. / С.А. Хохлявин // Мир стандартов. 2007. - № 1/12. - С. 40-48.

55. Клювгант, В.В. Мировые стандарты риск-менеджмента Текст. / В.В. Клюв-гант // Маркетолог. 2003. - № 8. - С. 29-39.

56. Письмо Банка России от 16.11.2009 № 143-Т «О проведении анкетного опроса кредитных организаций» Электронный ресурс. / [Г.Г. Меликьян]. -2009. Режим доступа : http://www.cbr.ru/analvtics/standart acts/bank supervision/ (11.05.2011).

57. Анкета «Управление операционным риском в кредитной организации» Электронный ресурс. Режим доступа : http://www.cbr.ru/analvtics/bank svstem/form.pdf (11.05.2011).

58. Астахова, K.B. Разработка и внедрение в банке системы управления операционными рисками «с нуля» Текст. / К.В. Астахова // Управление финансовыми рисками. 2008. - № 4. - С. 290-307.

59. Дьяконов, Г.Г. Эффективное управление операционным риском Текст. / Г.Г Дьяконов, O.K. Васильева, И.Б. Журавлев // Банковское дело. 2008. -№ 10.-С. 104-109.

60. Зинкевич, В.А. Карта рисков эффективный инструмент управления Электронный ресурс. / В.А Зинкевич, В.Н. Черкашенко. - 2004. - Режим доступа : http://www.franklin-grant.ru/ru/reviews/review7.shtml (11.05.2011).

61. ГОСТ 27.310-95. Надёжность в технике. Анализ видов, последствий и критичности отказов. Основные положения Текст. Введ. 1997-01-01. -Минск : [б. и.], 2002. - 27 с.

62. Nystrom, K. Quantitative operational risk management Electronic resource. / K. Nystrom, J. Skoglund. Stockholm, 2002. - 14 p. - Mode of access : http://each.uspnet.usp.br/rvicente/risco/nvstrom.pdf (11.05.2011).

63. Cruz, M.G. Modeling, measuring and hedging operational risk Text. : monograph / M.G. Cruz. London : John Wiley & Sons, 2002. - 330 p.

64. Hoffman, D.G. Managing operational risk: 20 firmwide best practice strategies Text. / D.G. Hoffman. New York : John Wiley & Sons, 2002. - 540 p.

65. Operational risk toward Basel III. Best practice and issues in modeling, management and regulation Text. / ed. by G.N Gregoriou. New Jersey : John Wiley & Sons, 2009.-487 p.

66. Operational risk modelling and analysis: theory and practice Text. / ed. by M.G. Cruz editor. London : Risk Books, 2004. - 360 p.

67. Operational risk: regulation, analysis and management Text. : monograph / ed. by C. Alexander. London : Financial Times Prentice Hall, 2003. - 368 p.

68. Panjer, H.H. Operational risk: modeling analytics Text.: monograph / H.H. Pan-jer. New Jersey : John Wiley & Sons, 2006. - 412 p.150

69. King, J.L. Operational risk: measurement and modelling Text. : monograph / J.L. King. -New York : Wiley, 2001. 261 p.

70. The advanced measurement approach to operational risk Text. / ed. by E. Davis.- London : Risk Books, 2006. 372 p.

71. Roehr, A. Modelling operational losses Electronic resource. / A. Roehr // ALGO Research Quarterly. 2002. - Vol. 5, № 2. - P. 53-64. - Mode of access : http://www.algorithmics.com/EN/media/pdfs/modelling op losses.pdf (11.05.2011).

72. Айвазян, С.А. Прикладная статистика и основы эконометрики Текст. : учебник / С.А. Айвазян, B.C. Мхитарян. М. : ЮНИТИ, 1998. - 1022 с.

73. Panjer, H.H. Insurance risk models Text. : monograph / H.H. Panjer, G.E. Will-mot. Schaumburg : Society of Actuaries, 1992. - 442 p.

74. Panjer, H.H. Recursive evaluation of a family of compound distributions Text. / H.H. Panjer // ASTIN Bulletin. 1981. - № 12. - P. 22-26.

75. Heckman, P.E. The calculation of aggregate loss distributions from claim severity and claim count distributions Text. / P.E. Heckman, G.G. Meyers // Proceedings of the Casualty Actuarial Society, LXX. 1983. - P. 22-61.

76. Willmot, G.E. Lundberg approximations for compound distributions with insurance applications. Lecture notes in statistics Text. / G.E. Willmot, X.S. Lin. -New York : Springer Science + Business Media, 2000. 156 p.

77. Гумбель, Э. Статистика экстремальных значений Текст. / Э. Гумбель ; пер. с анг. В.Ю. Татарского ; под ред. Д.М. Чибисова. М. : МИР, 1965. - 452 с.

78. Gnedenko, B.V. Sur la distribution limite du terme maximum d'une serie aleatoire Text. / B.V. Gnedenko // Annals of Mathematics. 1943. - № 4. - P. 423-453.

79. Balkema, A.A. Residual life time at great age Text. / A.A. Balkema, L. de Haan // Annals of Probability. 1974. - Vol. 2, № 5. - P. 792-804.

80. Pickands, J. Statistical inference using extreme order statistics Text. / J. Pick-ands//The Annals of Statistics. 1975.-Vol. 3, № l.-P. 119-131.

81. Landwehr, J. Probability weighted moments compared to some traditional techniques in estimating Gumbel parameters and quantiles Text. / J. Landwehr, N. Matalas, J. Wallis // Water Resources Research. 1979. -№ 15. - P. 1055-1064.

82. Coles, S.G. Likelihood-based inference for extreme value models Text. / S.G. Coles, M.J. Dixon // Extremes. 1999. -№ 2. - P. 5-23.

83. Hosking, J.R.M. Estimation of Generalized Extreme Value Distribution by the method of probability weighted moments Text. / J.R.M. Hosking, J. Wallis, E. Wood // Technometrics. 1985. - Vol. 27, № 3. - P. 251-261.

84. Суслов, В.И. Эконометрия Текст.: учебник / В.И. Суслов, Н.М. Ибрагимов, Л.П. Талышева, А.А Цыплаков. Новосибирск : Изд-во СО РАН, 2005. -744 с.

85. Balan, C. The use or neural networks in the operational risk data modeling Text. / C. Balan // Proceedings of the 4th International Conference on Knowledge

86. Management: Projects, Systems and Technologies. Bucharest, 2009. - P. 225227.

87. Chen, Q. A BP-Neural network predictor model for operational risk losses of commercial bank Text. / Q. Chen, Y. Wen // Proceedings of the 2010 Third International Symposium on Information Processing. Washington, 2010. - P. 291295.

88. Carol, A. Bayesian methods for measuring operational risk Electronic resource. : technical risk management report / A. Carol. [UK], 2000. - 22 p. - Mode of access : http://www.icmacentre.ac.uk/pdf/discussion/DP2000-02.pdf (11.05.2011).

89. Shevchenko, P.V. Modelling operational risk using Bayesian inference Text. / P.V. Shevchenko. Berlin : Springer Science + Business Media, 2011. - 302 p.

90. Борисов, B.B. Нечёткие модели и сети Текст. / В.В. Борисов, В.В. Круглов, А.С. Федулов. М.: Горячая линия - Телеком, 2007. - 284 с.

91. Заде, JI.А. Понятие лингвистической переменной и его применение к принятию приближённых решений Текст. / Л.А. Заде ; пер. с англ. Н.И. Ринго ; под ред. H.H. Моисеева, С.А. Орловского. М. : Мир, 1976. - 166 с.

92. Рутковская, Д. Нейронные сети, генетические алгоритмы и нечёткие системы Текст. / Д. Рутковская, М. Пилиньский, Л. Рутковский ; пер. с польск. И.Д. Рудинского. М. : Горячая линия - Телеком, 2007. - 452 с.

93. Нейронные сети. Statistica Neural Networks. Методология и технологии современного анализа данных Текст. / под ред. В.П. Боровиков. 2-е изд. -М. : Горячая линия - Телеком, 2008. - 392 с.

94. Круглов, В.В. Искусственные нейронные сети. Теория и практика Текст. / В.В. Круглов, В.В. Борисов. М.: Горячая линия - Телеком, 2002. - 382 с.

95. Саляхов, А.Ф. Автоматизированная система управления операционными рисками банковского платёжного электронного документооборота на основе нечётких метрических оценок Текст. : автореф. дис. . канд. тех. наук: 05.13.10 /А.Ф. Саляхов. Уфа, 2009. - 19 с.

96. Журавлёв, И.Б. Байесовский анализ операционных потерь с выбором порогового значения для оценки капитала под операционным риском. Опыт применения для российского банка / И.Б. Журавлёв // Управление финансовыми рисками. 2008. - № 3. - С. 216-225.

97. Катилова, Н.В. Практика ключевых индикаторов для операционных рисков Текст. / Н.В. Катилова, С. Энгел // Управление финансовыми рисками. -2006. -№2. -С. 190-204.

98. Система управления операционными рисками Электронный ресурс. Режим доступа : http://www.csbi-zirvan.ru/catalog/element.php?ELEMENT ГО=1128&Ю=206 (11.05.2011).

99. The Ultimate Solution for Operational Risk Management управление операционными рисками Банка Электронный ресурс. - Режим доступа : http ://www.iig.ru/Products/IIG/ULTOR (11.05.2011).

100. Рассел, Б. Человеческое познание: его сфера и границы Текст. : монография / Б. Рассел ; пер. с англ. Н.В. Воробьева. Киев : Ника-Центр ; М. : Институт общегуманитарных исследований, 2001. - 560 с.

101. Майстров, JI.E. Развитие понятия вероятности Текст. : монография / JI.E. Майстров. М.: Наука, 1980. - 270 с.

102. Реньи, А. Письма о вероятности Текст. / А. Реньи ; пер. с венг. Д. Сааса, А. Крамли ; под ред. Б.В. Гнеденко. -М.: Мир, 1970. 96 с.

103. Ширяев, А.Н. Вероятность Текст. / А.Н. Ширяев. 4-е изд., переработ, и доп. - М. : МЦНМО, 2007. - 552 с.

104. Лаплас, П. Опыт философии теории вероятностей Текст. / Лаплас П.; пер. с фр. М.: Либроком, 2011. - 208 с.

105. Cowell, R. Probabilistic networks and expert systems Text. / R. Cowell, A. Da-wid, S. Lauritzen, D. Spiegelhalter. New York : Springer Science + Business Media, 2001.-324 p.

106. Jensen, F. Bayesian networks and decision graphs Text. / F. Jensen, T. Nielsen. New York: Springer Science + Business Media, 2007. - 448 p.

107. Kjaerulff, U. Bayesian networks and influence diagrams. A guide to construction and analysis Text. / U. Kjaerulff, A. Madsen. New York : Springer Science + Business Media, 2008. - 318 p.

108. Pearl, J. Causality: models, reasoning and inference Text. : 2nd ed. / J. Pearl. -Cambridge : Cambridge University Press, 2009. 478 p.

109. Тулупьев, А.Л. Байесовские сети: логико-вероятностный подход Текст. : монография / А.Л. Тулупьев, А.В. Сироткин, С.И. Николенко. СПб. : Наука, 2006. - 607 с.

110. Николенко, С.И. Самообучающиеся системы Текст. / С.И. Николенко, А.Л. Тулупьев. М : МЦНМО, 2009. - 288 с.

111. Терехов, С.А. Введение в Байесовы сети Текст. / С.А. Терехов // Научная сессия МИФИ-2003. V Всероссийская научно-техническая конференция «Нейроинформатика-2003»: Лекции по нейроинформатике. Часть 1. М. : МИФИ, 2003. - С. 149-187.

112. Bayes, Т. An essay toward solving a problem in the doctrine of chance Text. : reprinted / T. Bayes // Philosophical Transactions. 1763. - Essay LII. - P. 370418.

113. Heckerman, D. Learning Bayesian networks: a unification for discrete and Gaussian domains Text. / D. Heckerman, D. Geiger // Proceedings of Eleventh Conference on Uncertainty in Artificial Intelligence. Montreal, 1995. - P. 274-284.

114. Pearl, J. Probabilistic reasoning in intelligent systems Text. / J. Pearl. New York : Morgan Kaufmann, 1988. - 552 p.

115. Heckerman, D. A tutorial on learning with Bayesian networks Electronic recourse. : technical report MSR-TR-95-06. Washington, Redmond, 1995. - 40 p.- Mode of access : http://research.microsoft.com/pubs/69588/tr-95-06.pdf (11.05.2011).

116. Spirtes, P. Causation, prediction, and search Text. / P. Spirtes, C. Glymour, R. Scheines. 2nd ed. - Cambridge : MIT Press, Adaptive Computation and Machine Learning, 2000. - 543 p.

117. Steck, H. Constrained-based structural learning in Bayesian networks using finite data sets Text.: Ph.D. thesis / H. Steck. Munich, 2001. - 16 p.

118. Dempster, A. Maximum likelihood from incomplete data via the EM algorithm Text. / A. Dempster, N. Laird, D. Rubin // Journal of the Royal Statistic Society.- 1977. Vol. 39, № 1. - P. 1-38.

119. Cowell, R.G. Fast retraction of evidence in a probabilistic expert system Text. / R.G. Cowell, A.P. Dawid // Statistics and Computing. 1992. - № 2. - P. 37-40.

120. Lauritzen, S.L. The EM algorithm for graphical association models with missing data Text. / S.L. Lauritzen // Computational Statistics & Data Analysis. 1995. -№ 19.-P. 191-201.

121. Buntine, W. Operations for learning with graphical models Text. / W. Buntine // Journal of Artificial Intelligence Research. 1994. - № 2. - P. 159-225.

122. Casella, G. Explaining the Gibbs sampler Text. / G. Casella, E. George // The American Statistician. 1992. - Vol. 46. -P. 167-174.

123. Geman, S. Stochastic relaxation, Gibbs distribution and the Bayesian restoration of images Text. / S. Geman, D. Geman // IEEE Transaction on Pattern Analysis and Machine Intelligence. 1984. - Vol. 6. - P. 721-742.

124. Olesen, K.G. Hugin: a system creating adaptive causal probabilistic networks Text. / K.G. Olesen, S.L. Lauritzen, F.V. Jensen // Proceedings of the Eighth Conference on Uncertainty in Artificial Intelligence. Stanford, 1992. - P. 223229.

125. Spiegelhalter, D.J. Sequential updating of conditional probabilities on directed graphical structures Text. / DJ. Spiegelhalter, S.L. Lauritzen // Networks. -1990.-№20.-P. 579-605.

126. Winkler, R. The assessment of prior distribution in Bayesian analysis Text. / R. Winkler // American Statistical Association Journal. 1967. - № 62. - P. 776800.

127. Geiger, D. A characterization of the Dirichlet distribution with applications to learning Bayesian networks Text. / D. Geiger, D. Heckerman // Proceedings of Eleventh Conference on Uncertainty in Artificial Intelligence. Montreal, 1995. -P. 196-207.

128. Influence diagrams Text. / ed. by R. Howard, J. Matheson // Readings on the Principles and Application of Decision Analysis. Menlo Park, 1981. - Vol. II. -P. 721-762.

129. Olmsted, S. On representating and solving decision problems Text. : Ph. D. thesis / S. Olmsted. Stanford, 1983. - 26 p.

130. Shachter, R., Probabilistic inference and influence diagrams Text. / R. Shachter // Operation research. 1988. - № 36. - P. 589-604.

131. Lauritzen, S.L. Local computations with probabilities on graphical structures and their application to expert systems Text. / S.L. Lauritzen, D.J. Spiegelhalter // Journal of the Royal Statistical Society. 1988. - № 50. - P. 157-224.

132. D'Ambrosio, B. Local expression languages for probabilistic dependence Text. / B. D'Ambrosio // Proceedings of Seven conference on Uncertainty in Artificial Intelligence. Los Angeles : Morgan Kaufmann, 1991. - P. 95-102.

133. Cooper, G. Computation complexity of probabilistic inference using Bayesian belief networks Text. / G. Cooper // Artificial intelligence. 1990. - № 42. - P. 393-405.

134. Cowell, R.C. Probabilistic network and expert system Text. : monograph / R.C. Cowell, A.P. Daund, S.L. Lauritzen, D.J. Spiegelhalter. New York : SpringerVerlag, 1999.-321 p.

135. Neal, R. Probabilistic inference using Markov chain Monte Carlo methods Text. : technical report CRG-TR-93-1 / R. Neal. Toronto, 1993. - 140 p.

136. Dagum, P. Approximating probabilistic inference in Bayesian belief networks is NP-hard Text. / P. Dagum, M. Luby // Artificial intelligence. 1993. - Vol. 60. -P. 141-153.

137. Heckerman, D. A tractable algorithm for diagnosing multiple diseases Text. / D. Heckerman // Proceedings of the Fifth workshop on Uncertainty in Artificial Intelligence. Windsor, 1989.-P. 174—181.

138. Suermondt, H. A combination of exact algorithms for inference on Bayesian belief networks Text. / H. Suermondt, G. Cooper // International Journal of Approximation Reasoning. 1991. -№ 5. - P. 521-542.

139. Ramamurthi, K. Real time expert system for fault tolerant supervisory control Text. / K. Ramamurthi, A. Agogino ; ed. by V. Tipnis, E. Patton // Computers in Engineering. Corte Madera, 1988. - P. 333-339.

140. Shachter, R. Directed reduction algorithms and decomposable graphs Text. / R. Shachter, S. Andersen, K. Poh // Proceedings of Sixth conference on Uncertainty in Artificial Intelligence. Boston, 1990. - P. 237-244 p.

141. Jensen, F. Approximations in Bayesian belief universes for knowledge-based systems Text. / F. Jensen, S. Andersen // Proceedings of the Sixth Workshop on Uncertainty in Artificial Intelligence. Cambridge, 1990. - P. 162-169.

142. Murphy, K. Software packages for graphical models / Bayesian networks Electronic recourse. / K. Murphy. Mode of access : http://www.cs.ubc.ca/~murphvk/Bayes/bnsoft.html (11.05.2011).

143. Bayesware. Mode of access : http://www.bavesware.com/corporate/profile.html (11.05.2011).

144. Hugin Expert. Mode of access : http://www.hugin.com/ (11.05.2011).158

145. Norsys Software Corporation. Mode of access : http://www.norsys.com/index.html (11.05.2011).

146. Шевцова, Ю.В. Байсовы технологии: их реализация в программной среде Hugin и применение в операционном риск-менеджменте Текст. : учеб. пособие / Ю.В. Шевцова. Новосибирск : [б. и.], 2010. - 77 с.

147. Калянов, Г.Н. Моделирование, анализ, реорганизация и автоматизация бизнес-процессов Текст. : учеб. пособие / Г.Н. Калянов. М. : Финансы и статистика, 2007. - 239 с.

148. Калянов, Г.Н. CASE-технологии: Консалтинг в автоматизации бизнес-процессов Текст. : [учеб. пособие] / Г.Н. Калянов. 3-е изд. - М. : Горячая линия-Телеком, 2002. - 317 с.

149. Верников, Г.Г. Основные методологии обследования организаций. Стандарт IDEF0 Электронный ресурс. / Г.Г. Верников. 2000. - Режим доступа : http://www.cfin.ru/vernikov/idef/idefO.shtml (11.05.2011).

150. Дворников, A. IDEF0 как инструмент моделирования бизнес-процессов Электронный ресурс. / А. Дворников // Авант Партнер. 2005. - № 22/79. -Режим доступа : http://www.betec.ru/index.php?id=06&sid=73 (11.05.2011).

151. Волков, О. Стандарты и методологии моделирования бизнес-процессов Текст. / О. Волков // Связьинвест. 2005. - № 7. - С. 20-24.

152. Волков, О. Стандарты и методологии моделирования бизнес-процессов Текст. / О. Волков // Связьинвест. 2005. - № 6. - С. 50-53.

153. TeleManagement Forum. Mode of access : http://www.tmforum.org/ (11.05.2011).

154. Расширенная карта процессов оператора связи (еТОМ) Электронный ресурс. // Jet info. 2007. - № 7. - Режим доступа : http://www.ietinfo.ru/2007 detail/?pid=5c7f202247e5a6c3c01fld02b5065037&n id=d99543965847710241 acd344fbc95ef4&alias=2007 (11.05.2011).

155. Волков, О. Стандарты и методологии моделирования бизнес-процессов Текст. / О. Волков // Связьинвест. 2005. - № 8. - С. 54-57.

156. ГОСТ Р ИСО/МЭК 15504-1-2009. Информационные технологии. Оценка процессов. Часть 1. Концепция и словарь Текст. Введ. 14.09.2009. - М. : Стандартинформ, 2010. - 19 с.

157. Программа по управлению рисками ОАО «Сибирьтелеком» на 2011 год Текст. : стандарт предприятия. Новосибирск, 24.12.2010. - 53 с.