Application of neural networks in operational risk discriminant analysis in labor losses

Com a publicação do novo acordo de capital da Basiléia, as instituições financeiras incluíram no seu processo de gerenciamento e mensuração de riscos um novo componente importante : o risco operacional. As instituições financeiras têm despendido nos últimos anos um esforço considerável na modelagem do risco operacional, tanto em termos de cálculo de capital quanto em modelos quantitativos de controle e gestão desse tipo de risco específico. Neste estudo, será implementada a técnica de redes neurais sobre uma importante categoria de evento de risco operacional denominada práticas empregatícias, que tem como efeito as perdas trabalhistas. A análise discriminante baseada em redes neurais a ser tratada neste estudo tem o intuito de modelar a probabilidade que um indivíduo possui de gerar perdas trabalhistas, dado um conjunto de características dele. Além disso, o modelo deve apresentar um boa performance de classificação desse indivíduo nas duas classes disponíveis (gerar ou não perda trabalhista). Os resultados deste estudo motivam futuras pesquisas a utilizarem modelos quantitativos para controle, mensuração e gerenciamento de risco operacional.With the publishing of the new basel capital accord, the financial institutions have included an important new component in their process of management and measurement of risks: operational risk. In the last few years, financial institutions have devoted tremendous efforts towards modeling operational risk both in terms of calculation of capital and of quantitative models of control and management regarding this type of specific risk. In this study the technique of artificial neural networks will be applied to an important category of operational risk event called employment practices, whose one of effects are labor losses. The discriminating analysis based on artificial neural networks addressed in this study is designed to model the probability an individual has of generating labor losses given a set of individual features. In addition, the model should have a good classification performance of the individuals in to the two classes available (generating or not generating labor losses). The results of this study encourage future research in using quantitative models to control, measure and manage operational risk