包邮巴塞尔协议下中国银行操作风险管理研究

第1章 银行业操作风险概述 1.1 银行业操作风险研究的意义 1.2 操作风险的定义 1.3 操作风险的分类 1.4 银行业操作风险的特点及影响 1.5 操作风险占银行总风险的比例 1.6 制约银行操作风险管理发展的障碍 1.7 新环境、新技术引发新的操作风险 1.8 本章小结 第2章 《巴塞尔资本协议》与银行操作风险监管 2.1 巴塞尔委员会及《巴塞尔资本协议》 2.2 《巴塞尔资本协议Ⅱ》提出的操作风险监管资本金方法 2.3 《巴塞尔资本协议Ⅲ》 2.4 新冠肺炎疫情后的措施 2.5 本章小结 第3章 中国银行业的操作风险监管 3.1 中国银行业操作风险监管发展历程 3.2 中国银行业操作风险管理实践效果亟待提高 3.3 新标准法对中国银行系统的影响分析 3.4 本章小结 第4章 内部数据实证度量操作风险监管资本金 4.1 A银行操作损失内部数据统计分析 4.2 《巴塞尔资本协议Ⅱ》提出的操作风险资本金度量方法 4.3 A银行内部数据损失分布法实证分析 4.4 新标准法 4.5 多种方法的对比 4.6 本章小结 第5章 第二支柱下的操作风险管理 5.1 第二支柱概述 5.2 第二支柱的四大原则 5.3 学术界对第二支柱的探讨和尝试 5.4 本章小结 第6章 第三支柱下操作风险管理 6.1 第三支柱报告披露 6.2 操作风险计算的披露要求 6.3 有效银行监管 6.4 中国银行业的应对建议 6.5 本章小结 第7章 健全的操作风险管理框架 7.1 塞尔操作风险健全框架的演进发展 7.2 业务单元管理 7.3 功能独立的操作风险管理职能 7.4 独立性保证 7.5 健全操作风险管理措施 7.6 本章小结 第8章 银行操作风险驱动因素可能的应用技术 8.1 中国实施新标准法进行操作风险管理的挑战 8.2 制约中国银行业操作风险管理的因素 8.3 机器学习法 8.4 集成学习法 8.5 机器学习在金融领域的应用 8.6 对应用机器学习方法的监管思考 8.7 本章小结 第9章 机器学习法实证分析操作风险驱动因素 9.1 原始内部数据描述 9.2 数据预处理 9.3 数据因变量、自变量描述 9.4 机器学习方法选择 9.5 本章小结 第10章 基于可解释性的机器学习分析 10.1 可解释性 10.2 监督辅助特征提取方法 10.3 基于监督辅助特征提取方法的操作风险特征实证分析 10.4 本章小结 第11章 新标准法参数值设定敏感性分析 11.1 银行内部损失乘数设置 11.2 划定计算历史损失额时的例外申请 11.3 设定纳入统计的历史损失事件门槛 11.4 本章小结 第12章 新标准法下中国银行监管机构操作风险监管的建议 12.1 建立操作风险管理体系 12.2 完善操作风险数据收集系统 12.3 强化财务报表的规范化管理 12.4 提升银行透明度，完善操作风险信息披露机制 12.5 借鉴椭球项目思路，数据驱动监督 12.6 以其他非制式信息作为审慎监管的补充 第13章 结论和政策建议 13.1 本书总结 13.2 对策建议 参考文献