Управление операционным риском банка: модель удержания сотрудников

Центральным банком РФ разработаны рекомендации по оценке и контролю операционных рисков. Большое количество исследований посвящено разработке систем мониторинга операционного риска. Однако, общей чертой существующей практики является оценка уже произошедших событий, что не дает настоящей возможности управлять рисками в моменте. Разработка моделей, систем ключевых показателей, предсказывающих наступление событий операционного риска сейчас кажется не просто возможным, а необходимым. С появлением и внедрением новейших технологий машинного обучения, основанных на непоколебимых математических законах, появляются возможности составлять хорошие предсказательные модели, основанные на больших массивах данных. Предметом данного исследования является управление операционными рисками банка. В качестве объекта исследования выбран банк. Целью работы стало совершенствование подходов управления операционными рисками – рисков персонала в ПАО «Сбербанк». Для выполнения поставленной цели в работе решаются следующие задачи: - определение понятий, видов и источников операционного риска; - сравнение методов и инструментов управления операционным риском; - разработка алгоритма управления операционным риском; - организационно-экономическая характеристика исследуемого банка; - оценка системы внутреннего контроля кредитной организации; - разработка системы мониторинга операционных рисков банка; - обзор теоретических аспектов построения моделей удержания сотрудников для снижения рисков персонала; - обоснование и разработка модели удержания персонала. В работе используются теоретические и экспериментальные методы, метод экспертных оценок, построение эконометрических моделей. Информационной базой работы стали нормативно-правовые акты ЦБ РФ, исследования отечественных и зарубежных авторов, посвященные управлению и мониторингу операционных рисков, разработке моделей удержания сотрудников. Практическая значимость работы заключается в предложении модели удержания сотрудников, работающей на основе больших данных. Разработаны несколько моделей машинного обучения для прогнозирования текучести сотрудников банка: в разрезе каждого отдельного работника и в разрезе должностей.