Математическое моделирование рисков страховой компании тема диссертации и автореферата по ВАК РФ 08.00.13, кандидат экономических наук Мирошниченко, Алексей Валерьевич

• Мирошниченко, Алексей Валерьевич
• кандидат экономических наук
• 2008

Оглавление диссертации кандидат экономических наук Мирошниченко, Алексей Валерьевич

ВВЕДЕНИЕ.

ГЛАВА 1. АНАЛИЗ РИСКА СТРАХОВОГО МОШЕННИЧЕСТВА НА ОСНОВАНИИ СОВРЕМЕННЫХ ТЕОРЕТИКО-МЕТОДОЛОГИЧЕСКИХ ПОДХОДОВ К УПРАВЛЕНИЮ РИСКАМИ.

1.1. Возникновение и развитие понятия риска в экономической науке.

1.2. Современные подходы к трактовке понятия риска.

1.3. Понятие операционного риска.

1.4. Риск страхового мошенничества как частный случай операционного риска.

1.5. Управление риском - обоснование, содержание, подходы.

1.6. Задача оценки риска.

ГЛАВА 2. МЕТОДИКИ ОЦЕНКИ ОПЕРАЦИОННЫХ РИСКОВ И ВОЗМОЖНОСТЬ ИХ ПРИМЕНЕНИЯ ДЛЯ ЧАСТНОГО СЛУЧАЯ ОПЕРАЦИОННЫХ РИСКОВ -РИСКОВ СТРАХОВОГО МОШЕННИЧЕСТВА.

2.1. Математические модели.

2.2. Модели, основанные на анализе последствий.

2.3. Модели, основанные на анализе факторов риска.

2.4. Подход к выбору модели для оценки риска мошенничества.

2.5. Математический аппарат байесовских сетей.:.8б

ГЛАВА 3. МОДЕЛИРОВАНИЕ РИСКОВ МОШЕННИЧЕСТВА В АВТОСТРАХОВАНИИ.

3.1. Типы байесовских сетей.

3.2. Методика построения модели.

3.3. Построение модели для риска мошенничества в автостраховании.

3.4. Алгоритм вывода по модели.

3.5. Использование критериев подозрительности для идентификации мошенничества.

3.6. Вывод по модели на основании имеющихся статистических данных.

Введение диссертации (часть автореферата) на тему «Математическое моделирование рисков страховой компании»

Актуальность темы исследования. Основными рисками, воздействию которых подвержены страховые компании, являются андеррайтинговые риски, принимаемые ими от клиентов, и риски, которые могут возникать в ходе осуществления деятельности — рыночные, кредитные, операционные, риск потери ликвидности. Задачи управления андеррайтинговыми рисками и рисками потери ликвидности страховых компаний в настоящее время глубоко разработаны различными исследователями и коммерческими организациями. Рыночные и кредитные риски страховых компаний не имеют отраслевой специфики и для управления ими используются методы, универсальные для большинства отраслей. Операционные риски страховых компаний по своей природе являются специфичными для данного бизнеса. Управлению ими до недавнего времени не уделялось достаточного внимания, поэтому на данный момент разработка методов для их выявления, оценки и снижения, учитывающих особенности страховой отрасли, наиболее актуальна. Выполненное научное исследование направлено на решение данной задачи.

Наиболее существенным и специфичным операционным риском, присущим страховой отрасли, является риск страхового мошенничества. Размер связанных с ним потерь может достигать 20% от суммы страховых выплат. На данный момент доля выявляемых случаев мошенничества в с страховых портфелях российских компаний существенно меньше аналогичного показателя для западных компаний, при этом нет оснований полагать, что реальное количество случаев мошенничества на российском рынке настолько же меньше, чем количество случаев мошенничества на зарубежных рынках. Опираясь на зарубежный опыт, можно предположить, что российские страховщики выявляют только небольшую часть произошедших случаев мошенничества, и совершенствование методов идентификации таких случаев может существенно повысить эффективность компаний страховой отрасли.

Опыт зарубежных страховых компаний показывает, что мероприятия по противодействию страховому мошенничеству могут реализовываться как на уровне отрасли, так и на уровне каждой страховой компании. В России имеется ряд ограничений, связанных с особенностями законодательства, которые затрудняют внедрение некоторых подходов, используемых за рубежом. Так требования закона о защите персональных данных ограничивают возможности обмена информацией между страховщиками. Нормативно-правовая база, регулирующая взаимодействие между страховыми компаниями и правоохранительными органами сильно ограничивает возможности по получению дополнительной информации по страховым случаям, вызывающим подозрения.

По этим причинам актуальной является задача разработки моделей риска страхового мошенничества и инструментов для выявления подозрительных на наличие мошенничества случаев на уровне отдельно взятой страховой компании, опираясь на данные, предоставленные страхователем. В связи с актуальностью данной задачи, риски мошенничества, как частный случай операционных рисков, наиболее глубоко рассматривались в ходе исследования.

В наибольшей степени эффект от использования инструментов для выявления случаев, подозрительных на наличие мошенничества, может проявиться в массовых видах страхования, для которых характерно большое количество страховых случаев с относительно небольшим размером заявленного убытка, и проведение детального расследования по каждому страховому случаю является экономически нецелесообразным. Примером такого вида страхования на российском рынке является автострахование, на которое, по оценкам Федеральной Службы Страхового Надзора, приходится около 70% случаев страхового мошенничества в России [18]. Это повышает актуальность решения задачи моделирования рисков страхового мошенничества именно для автострахования.

Степень разработанности темы исследования. С общеметодологической точки зрения вопросы управления рисками рассматриваются в работах И.Балабанова [2], П. Бернстайна [5], А. Дуброва и Б. Лагоши [11], В. Живетина [12], А. Лобанова [39], Дж. Пикфорда [26], М. Рогова [28], А. и В. Шапкиных [34], А. Шоломинского [36] и др. Помимо теоретических трудов этим вопросам посвящены международные стандарты по управлению рисками Basel II [70] и COSO Enterprise Risk Management [61], и исследования зарубежных организаций, таких как Общество Актуариев по Страхованию от Несчастных Случаев (Канада) [89] и консультационной компании Тиллингхаст Перрен [94]. В данных источниках определены понятия риска и управления риска, а также описаны различные подходы к управлению рисками.

Проблемы разработки моделей для оценки операционных рисков в общем случае привлекли внимание российских - С. Битунова [6], Е. Медовой [81], А. Рудского [29], и зарубежных исследователей - А. Чапель [49], Г. Хюбнера [69], А. Чернобай [51], С.Ебнотера [59], П. Ванини [77], Р. Кюна [73] [74] [75] и др. Операционные риски рассматриваются ими с различных позиций - как с точки зрения независимых случайных событий, так и с точки зрения нарушений функционирования сложной системы, коей является компания.

Различные аспекты мошенничества и страхового мошенничеств освящены как отдельными исследователями - Д. Кошкиным [18], Т. Балдоком [45], Р. Карри [48], Р. Дерригом [57], Б. Смитом [100], так и отраслевыми и коммерческими организациями, такими как Британская Ассоциация Страховщиков и ПрайсвотерхаусКуперс. В их работах даны экспертные оценки объема потерь, связанных с мошенничеством, а также описаны основные типы мошенничества, однако они не учитывают специфики автострахования. Р. Линкольном [78] проблема мошенничества в автостраховании рассмотрена более глубоко и проведен качественный анализ страховых случаев, в которых ранее были выявлены признаки мошенничества. Результаты данного анализа не могут быть использованы для оценки объема мошенничества, так как большая часть рассматриваемых в работе параметров не фиксируется российскими страховщиками в учетных системах.

К настоящему моменту описано большое количество моделей для оценки операционных рисков. Большинство из этих моделей были созданы для целей оценки операционного риска при внедрении Базельского соглашения о достаточности капитала, известного как стандарт Basel II [70]. Данный стандарт был создан для банковских организаций, однако модели оценки операционного риска могут быть адаптированы для страховой отрасли. Частный случай оценки операционного риска - оценка риска мошенничества — является проработанным в меньшей степени. Тем не менее, зарубежными исследователями предложены отдельные модели, уточненные с учетом особенностей риска мошенничества. Методам его оценки и выявления посвящены труды Б. Баезенса [44] и Т. Ормерода [88], данные вопросы применительно к автострахованию рассмотрены Е. Белхаджи [46] и Дж. Патаком [90]. В частности, Е. Белхаджи рассмотрена регрессионная модель, а Дж. Патаком предложена модель, основанная на методах нечеткой логики.

Существенным препятствием при моделировании риска страхового мошенничества является отсутствие классификатора данного вида рисков, учитывающего все аспекты взаимодействия злоумышленника и страховой компании. Существующие классификации мошенничества отражают лишь отдельные стороны мошенничества, и не рассматривают мошенничество с точки зрения теории управления рисками.

Использование в российской практике большинства общих методов оценки операционного риска, а также специальных методов оценки риска мошенничества, может быть затруднено в связи с отсутствием или ограниченностью статистических данных, необходимых для калибровки/обучения модели — большинство российских страховых компаний не имеет в своем распоряжении достаточного объема информации о реализации рисков мошенничества. Это обусловлено тем, что в период бурного роста страхового рынка, наблюдавшегося в последние годы, российские страховые компании сосредоточили свое внимание на увеличении страхового портфеля, и, как следствие, на методиках управления страховыми рисками, вопросам управления операционными рисками до недавнего времени уделялось мало внимания. Ограниченность статистических данных является препятствием при внедрении регрессионных моделей (например, модели Е. Белхаджи). Однако в условиях ограниченной практики выявления и расследования случаев мошенничества, модели, требующие широкого использования экспертного мнения (например, модель Дж. Патака) могут давать оценки объема мошенничества существенно ниже реального значения, так как позволяют выявить только те случаи мошенничества, которые хорошо известны экспертам.

Таким образом, существует необходимость разработки моделей для управления операционными рисками (в частности, рисками страхового мошенничества), в условиях неполноты (или отсутствия) исторических данных.

Объектом исследования является деятельность страховых компаний и возникающие в ее процессе риски мошенничества.

Предметом исследования выступают математические методы и модели оценки и управления операционными рисками.

Целью исследования является разработка математического аппарата оценки рисков страхового мошенничества, позволяющего определить потери страховой компании, связанные с этими рисками.

Для достижения указанной цели в диссертации поставлены и решены следующие задачи: изучить отечественные и зарубежные подходы к определению сущности и природы экономических рисков, а также существующие подходы к управлению рисками; определить понятие риска страхового мошенничества как частного вида рисков и провести анализ явления страхового мошенничества с точки зрения теории управления рисками; на основе анализа существующих подходов к моделированию операционных рисков и особенностей объекта исследования выбрать подход к моделированию риска страхового мошенничества; рассмотреть математический аппарат, используемый для вывода по моделям, построенным в соответствии с выбранным подходом;

- построить модель для оценки риска страхового мошенничества, основанную на байесовских сетях доверия; разработать алгоритм вывода, применимый для использования российскими страховыми компаниями с учетом ограниченности исходных данных;

- на основании результатов вывода по модели предложить метод идентификации случаев мошенничества в автостраховании; используя построенную модель и разработанный алгоритм вывода, получить численную оценку объема потерь страховой компании, связанных с мошенничеством в автостраховании.

Основные методы исследования — экономико-математическое моделирование, теория интеллектуальных систем, статистические методы, в частности, методы корреляционного анализа. При решении отдельных задач использовались программно-инструментальные средства MS Excel.

Теоретической и методологической основой исследования являются труды отечественных и зарубежных ученых в области экономической теории, математического моделирования, управления рисками, страхового дела, юриспруденции. Проанализированы результаты исследований и методики, предложенные различными коммерческими и отраслевыми организациями.

Эмпирическую базу составили данные, полученные от представителей российских и зарубежных страховых компаний, а также нормативно-правовая база, данные, размещенные в сети Интернет на специализированных сайтах, и публикации в периодической печати, проанализированные автором.

Область исследования диссертации соответствует положениям пункта 1.4. Паспорта специальности 08.00.13: «Разработка и исследование моделей и математических методов анализа микроэкономических процессов и систем: отраслей народного хозяйства, фирм и предприятий, домашних хозяйств, рынков, механизмов формирования спроса и потребления, способов количественной оценки предпринимательских рисков и обоснования инвестиционных решений».

Научная новизна исследования заключается в разработке и научном обосновании алгоритма построения адаптивной модели, основанной на байесовских сетях доверия и предназначенной для оценки рисков страхового мошенничества (без использования выборки выявленных случаев мошенничества).

Результаты проведенного исследования содержат следующие элементы научной новизны:

1. На основании анализа явления мошенничества с позиций теории управления рисками выделены основные составляющие риска страхового мошенничества и обосновано введение понятия «сценарий мошенничества», под которым понимается последовательность действий субъекта, ведущих к получению им необоснованной выгоды, причем каждое из таких действий связано с тем или иным риском мошенничества.

2. Обоснован выбор байесовских сетей для моделирования риска мошенничества на основании сравнительного анализа подходов к моделированию операционных рисков.

3. Сформирована методика построения модели для оценки риска страхового мошенничества, основанная на байесовских сетях доверия.

4. Разработан алгоритм вывода по указанной выше модели с использованием обучающей выборки без значений переменной класса, основанный на выявлении и оценке скрытых взаимосвязей между переменными модели.

5. Предложена методика идентификации убытков, наиболее подозрительных на наличие мошенничества.

Практическая значимость полученных результатов заключается в возможности широкого использования разработанной методики страховыми компаниями для оценки величины потерь, связанных с мошенничеством. Выполнение такой оценки является одним из этапов расчета экономического эффекта от внедрения системы мер, направленных на снижение потерь от страхового мошенничества. Результаты проведенного исследования направлены на решение актуальной проблемы повышения качества данных, используемых при принятии управленческих решений.

Результаты исследования доведены до конкретных методик и алгоритмов.

Самостоятельное практическое значение имеют:

- классификация сценариев мошенничества в автостраховании;

- модель для оценки риска мошенничества в автостраховании, основанная на байесовских сетях доверия

- алгоритм оценки потерь, связанных со страховым мошенничеством, на основании данных о заключенных договорах страхования и урегулированных убытках, хранящихся в основных учетных системах страховой компании;

- оценка потерь, связанных со мошенничеством в автостраховании, которая может использоваться в качестве индикативной для страховых компаний со сравнимым портфелем;

- критерии для выявления убытков по автострахованию, наиболее подозрительных на наличие мошенничества, которые могут использоваться при отборе страховых случаев для проведения расследования.

Отдельные части диссертационной работы могут быть применены в учебном процессе финансово-экономических высших учебных заведений в рамках учебных дисциплин «Экономико-математические методы», «Управление рисками».

Внедрение и апробация результатов исследования.

Разработанные в диссертации модели и методики используются российским филиалом компании «ПрайсвотерхаусКуперс Раша Б.В.» при выполнении консультационных проектов в области страхования для оценки экономической целесообразности инвестирования клиентами средств в программы по противодействию мошенничеству, что подтверждается справкой о внедрении. Предложенные критерии выявления мошенничества используются этой же компанией для разработки системы мероприятий по противодействию и выявлению мошенничества.

Исследование выполнено в рамках научно-исследовательских работ ФГОУ ВПО «Финансовая академия при Правительстве Российской Федерации», проводимых в соответствии с Комплексной темой «Пути развития финансово-экономического сектора науки».

Материалы диссертации используются кафедрой «Математическое моделирование экономических процессов» в преподавании учебных дисциплин «Введение в страховую математику» и «Математические методы риск-менеджмента».

Полученные теоретические, методологические и практические результаты докладывались и обсуждались на научных конференциях:

Научная конференция молодых ученых, аспирантов и студентов "Молодежь и экономика", Ярославль, 18 апреля 2007 г.;

IV Международная научно-практическая конференция «Экономическое прогнозирование: модели и методы», Воронеж, 10-11 апреля 2008 г.

Публикации. Основные положения диссертации опубликованы в 4 печатных работах, общим объемом 1,78 п.л., в том числе 2 статьи в журнале, определенном Высшей аттестационной комиссией (ВАК) Министерства образования и науки Российской Федерации для публикаций результатов научных исследований.

Структура и объем диссертации. Работа состоит из введения, трех глав, заключения, списка использованной литературы. Материал изложен на 163 страницах, включает 25 таблиц, 13 рисунков и 1 приложение.

Заключение диссертации по теме «Математические и инструментальные методы экономики», Мирошниченко, Алексей Валерьевич

Результаты исследования используются в деятельности российского филиала компании «ПрайсвотерхаусКуперс Раша Б.В.» при выполнении консультационных проектов для страховых компаний. В частности, оценка объема потерь, связанных с мошенничеством, использовалась при оценке целесообразности инвестирования в развитие системы по противодействию мошенничеству одной из российских страховых компаний. Разработанное семейство критериев для выявления наиболее подозрительных на наличие мошенничество урегулированных убытков легло в основу дальнейших исследований, направленных на создание методических рекомендаций по выявлению мошенничества сотрудниками, осуществляющими урегулирование убытков по автострахованию.

Заключение

В диссертационной работе проведен анализ и математическое моделирование рисков страховых компаний для частного их случая - рисков страхового мошенничества.

Для данного вида рисков проведен анализ собственно объекта рисков с точки зрения теории управления рисками, выделены основные составляющие и предложен подход к систематизации и классификации рисков страхового мошенничества.

На основе проведенного анализа существующих моделей, используемых для управления операционными рисками, обоснован выбор модели для использования в рамках системы управления рисками страхового мошенничества в современной российской страховой компании. В качестве наиболее подходящей выбрана модель, основанная на байесовских сетях ц доверия. Также был разработан метод построения модели данного типа для оценки рисков страхового мошенничества.

Анализ существующего математического аппарата для осуществления вывода по байесовским сетям доверия позволил сделать заключение о невозможности его использования для оценки рисков страхового мошенничества в условиях наблюдаемой в российских страховых компаниях ограниченности эмпирических данных для калибровки модели.

Для вывода по модели был разработан алгоритм, для использования которого не требуются исторические данные по реализовавшимся случаям мошенничества, а достаточно данных об урегулированных убытках по рассматриваемому виду страхования.

Применение разработанных методик для анализа исторических данных об убытках, урегулированных одной из российских страховых компаний, позволило подтвердить работоспособность алгоритма вывода и получить численные оценки объема потерь, связанных с мошенничеством в автостраховании, а также предложить простые критерии для выявления наиболее подозрительных убытков.

Практическая значимость полученных результатов заключается в возможности применения разработанной методики для оценки величины потерь страховой компании, связанных с мошенничеством. Выполнение такой оценки является одним из этапов расчета экономического эффекта от внедрения системы мер, направленных на противодействие страховому мошенничеству. Результаты проведенного исследования направлены на. решение актуальной проблемы повышения качества данных, используемых при принятии управленческих решений.

Реализация разработанного алгоритма и построение адаптированной модели для количественного анализа объема потерь российской страховой компании, связанных с мошенничеством в автостраховании (КАСКО), позволили сделать вывод о целесообразности затрат на развитие системы управления риском мошенничества в обследованной организации.

Список литературы диссертационного исследования кандидат экономических наук Мирошниченко, Алексей Валерьевич, 2008 год

1. Аленичев В.В., Аленичева Т.Д. Страхование валютных рисков и экспортных коммерческих кредитов —М.: Ист-сервис, 1994

2. Балабанов И.Т. Риск-менеджмент-М.: Финансы и статистика, 1996

3. Балашова Н. Управление операционным риском анализ современных тенденций // Рынок ценных бумаг.- 2001.- №7 (190).- с. 68-70

4. Бачкаи Т., Месена Д., Мико Д. и др. Хозяйственный риск и методы его измерения: Пер. с венг —М.: Экономика, 1979

5. Бернстайн П. JI. Против богов: Укрощение риска — М., Олимп-Бизнес, 2000

6. Битунов С.А. Бойцы невидимого фронта.- http://www.msur-info.ru/comments/364, 2006

7. Буянов В.П., Кирсанов К.А., Михайлов JI.A. Управление рисками (рискология).-М.: Экзамен, 2002.

8. Вяткин В.Н. Базельский процесс. Базель-2 управление банковскими рисками.- М.: Экономика, 2007

9. Вяткин В.Н., Гамза В.А., Екатеринославский Ю.Ю., Хэмптон Дж.Дж.Управление риском в рыночной экономике М.: Экономика, 2002.

10. Гончаров М. Модифицированный древовидный алгоритм Байеса для решения задач классификации.- www.BusinesssDataAnalytics.ru, 2007

11. Дубров A.M., Лагоша Б.А., Хрусталев Е.Ю. Моделирование рисковых ситуаций в экономике и бизнесе: Учеб. Пособие / Под. ред. Б.А. Лагоши.-М.: Финансы и статистика, 1999.

12. Живетин В.Б. Экономические риски (анализ, прогнозирование и управление). — М.: Институт проблем риска, 2003

13. Заявление Правительства Российской Федерации и Центрального банка Российской Федерации от 5 апреля 2005 г, Стратегия развития банковского сектора Российской Федерации на период до 2008 года

14. Институциональная экономика, Под общ. ред. А.Олейника -М., ИНФРА-М, 2005

15. Катилова Н. В., Кордичев А.С. Особенности национальной практики выявления мошенничества // Управление финансовыми рисками.-2007.- № 1 (09).- с. 36 47

16. Кейнс Дж.М. Общая теория занятости, процента и денег. — http://ek-lit.agava.ru/keynsod.htm

17. Коуз Р. Фирма, рынок и право. М.: Дело, 1993

18. Кошкин Д.С. Страховое мошенничество: зарубежная и отечественная практика // Финансы.-2006.- №10

19. Мельников А.В. Стохастический анализ рисков в экономике финансов и страхования — М.: Анкил, 2003

20. Микроэкономика: практический подход (Managerial economics). / Под ред. Грязновой А.Г. и Юданова А.Ю.- М.: КНОРУС, 2004

21. Морозова Т.Ю. Подходы к оценке системы управления рисками в банках (зарубежный и российский опыт). // На острие банковской мысли -2006. выпуск 1. Сборник статей/ Сост.: Ширинская Е.Б., Супрунович Е.Б.- М.: МАКС Пресс, 2006

22. Фон Нейман Дж., Моргенштерн О. Теория игр и экономическое поведение.-М.: Наука, 1970

23. Норт Д. Институты, институциональные изменения и функционирование экономики-М.: Фонд экономической книги «Начала», 1997

24. Об организации управления операционным риском в кредитных организациях // Письмо Центрального Банка РФ N 76-Т от 24 мая 2005 г.

25. Обзор экономических преступлений. 2005 год. Россия.- М.: PricewaterhouseCoopers, 2005

26. Пикфорд Дж. Управление рисками —М.: Вершина, 2004

27. Постановление пленума Верховного Суда Российской Федерации N51 от 27 декабря 2007 года (О судебной практике по делам о мошенничестве, присвоении и растрате)

28. РоговМ.А. Риск-менеджмент-М.: Финансы и Статистика, 2001

29. Рудской А.А. Формирование индикаторов операционных рисков промышленных предприятий: Дисс. канд. экон. наук: 05.02.22. М.: РГБ, 2005

30. Рэдхэд К. Хьюс С. Управление финансовыми рисками Пер. с англ. - М.: Инфра-М, 1996

31. СеврукВ.Т. Банковские риски-М.: «Дело ЛТД», 1994

32. Уголовный Кодекс Российской Федерации, Федеральный Закон №63-ФЗ от 13 июня 1996 года (с последующими изменениями и дополнениями)

33. Шапкин А.С., Шапкин В.А. Теория риска и моделирование рисковых ситуаций М.: Издательско-торговая корпорация «Дашков и Ко», 2005

34. Шаповалов В. Как управлять рисками. //Финансовый директор — 2003.-№9.-с. 78-85

35. Шоломинский А.Г. Теория риска. Выбор при неопределенности и моделирование риска М.: ГУ ВШЭ, 2005

36. Штовба С.Д. Введение в теорию нечетких множеств и нечеткую логику.- http://matlab.exponenta.ru/fuzzylogic/bookl/index.php, 2002

37. Шумпетер И. Теория экономического развития М.: Прогресс,1982

38. Энциклопедия финансового риск-менеджмента / Под ред. А.А. Лобанова и А.В. Чугунова. 3-е изд.- М.: Альпина Бизнес Букс, 2007

39. Эрроу К. Восприятие риска в психологии и экономической науке / Пер. Е.А. Сафировой // THESIS.- 1994.- выпуск 5

40. Aliber R. Z. Exchange Risk and Corporate International Finance — New York, Halsted Press, 1978

41. Arrow К.J. General economic equilibrium: purpose, analytic techniques, collective choise (from Nobel Lectures, Economics 1969-1980) Singapore, World Scientific Publishing Co, 1992

42. Association of British Insurers, Annual Report, 2000

43. Baesens В., Egmont-Petersen M., Castelo R., Vanthienen J. Learning bayesian network classifiers for credit scoring using Markov chain Monte Carlo search // Proc. International Congress on Pattern Recognition. 2002.

44. Baldock T. Insurance fraud // Trends and Issues in Crime and Criminal Justice 1997 - №66, Australian Institute of Criminology, Canberra

45. Belhadji E.B., Dionne G. Development of an Expert System for the Automatic Fraud Detection of Automobile Insurance Fraud.- Montreal: Ecole des Hutes Etudes Commerciales, 1997

46. Buhlmann H., Gerber H.U. Risk bearing and the insurance market //ASTIN Bulletin 1978

47. Carris R., Collin M.A. Insurance fraud and the industry response// CPCU Journal 1997 - №50(2), c. 92-103

48. Chapelle A., Crama Y., Hiibner G., Peters J-P. Basel II and Operational Risk: Implications for risk measurement and management in the financial sector// National Bank of Belgium Working Paper 2004 - №51

49. Chapelle A., Crama Y., Hiibner G., Peters J-P. Measuring and managing operational risk in the financial sector: An integrated framework, 2005, http://papers.ssrn.com/sol3/papers.cfm?abstractid=675186%20

50. Chernobai A., Rachev S. Applying robust methods to operational risk modelling // Journal of Operaional Risk 2006 - Spring 2006, Volume 1/ Number, c. 27-41

51. Cooper G.F. The computational complexity of probabilistic inference using bayesian belief networks //Artificial Intelligence 1990 -№42, 393-405

52. Cruz M.G. Modeling, measuring and hedging operational risk West Sussex: John Wiley and Sons, 2002

53. Currie C.V., Basel II and Operational Risk Overview of Key Concerns, IQPC Operational Risk Forum // Working paper No 134, University of Technology Sydney, School of Finance and Economics, 2004

54. Currie C.V., Potential Effect of the New Basel Operational Risk Capital Requirements // Working paper No 137, University of Technology Sydney, School of Finance and Economics, 2004

55. Currie C.V., A Test of the Strategic Effect of Basel II Operational Risk Requirements on Banks // Working paper No 141, University of Technology Sydney, School of Finance and Economics, 2005

56. Derrig R.A. Insurance Fraud // The Journal of Risk and Insurance 2002 -Vol. 69, №3, c. 271-287

57. B.Dobeli, M.Lieppold, P.Yanini. From operational risk to operational excellence, 2003

58. S.Ebnoter, P.Yanini, A.McNeil, P.Antolinez-Fehr. Modelling Operational Risk.- ETH Zurich Working Paper, 2001

59. Elton E.F., Gruller M.J. Modern Portfolio Theory and Investment Analysis. 4th ed. - New York: John Wiley and Sons, 1991.

60. Fraud Act 2006 (от 8 ноября 2006 года), United Kingdom

61. Froot K., Stein J. Risk management, capital budgeting and capital structure policy for financial institutions: An integrated approach// Journal of Financial Economics -1998 #47, c. 55-82

62. Gneezy U., List J.A., Wu G. The Uncertainty Effect: When a risky prospect is valued less than its worst possible outcome, 2005, http://www.chicagocdr.org/cdrpubs/pdfindex/cdr568.pdf

63. Guo H., Hsu W. A survey on algorithms for real-time bayesian network inference, 2002.

64. Gustafsson J., Nielsen J. P., Pritchard P., Roberts D. Quantifying operational risk guided by kernel smoothing and continuous credibility // Journal of Operaional Risk 2006 Volume 1/ Number 1, Spring 2006, c. 43-55

65. Holton G.A. Perspectives: Defining Risk // Financial Analysts Journal — 2004 Vol. 60, Number 6, CFA Institute, c. 19-25

66. Hiibner G., Peters J-P., Plunus S. Measuring operational risk in financial institutions: Contribution of credit risk modelling, 2005, http://papers.ssrn.com/sol3/papers.cfm?abstractid=687683%20

67. International Convergence of Capital Measurement and Capital Standards. A Revised Framework. Comprehensive Version. Basel, Basel Committee on Banking Supervision, Bank for International Settlements, 2006

68. Kloman H.F. Rethinking Risk Management // Geneva Papers on Risk and Insurance. 1992. - №64.- c.23-29

69. Knight F.H., Risk, Uncertainty, and Profit electronic book, Liberty Fund, 2001

70. Kiihn, R., Neu P. Functional Correlation Approach to Operational Risk in Banking Organizations// Physica A 2003 - № 322, c. 650-66.

71. Kiihn R., Neu P. Adequate Capital and Stress Testing for Operational Risks // Operational Risk Modelling and Analysis: Theory and Practice 2004 -July 2004, Risk Waters, www.mth.kcl.ac.uk/~kuehn/published/12-Kuhn.pdf

72. Kiihn R., Anand K. Phase Transitions in Operational Risk, 2006, http://www.mth.kcl.ac.uk/~kuehn/published/AnandKuehnPRE06.pdf

73. Lauritzen S.L., Spiegelhalter D.J., Local computations with probabilities on graphical structures and their applications to expert systems // Proceedings of the Royal Statistical Society 1988 - volume 50, c. 154-227

74. Leippold M., Vanini P. The Quantification of Operational Risk, 2003, http ://papers.ssrn.com/sol3/papers.cfm?abstractid=481742

75. Linkoln R., Wells H., Petherick W. An Exploration of Automobile Insurance Fraud, Bond University, 2003, http://epublications.bond.edu.au/hss pubs/64

76. Locher C., Mehlau J. I., Wild O. Towards Risk Adjusted Controlling of Strategic IS Projects in Banks in the Light of Basel II // Proceedings of the 37th Hawaii International Conference on System Sciences - 2004

77. Markovitz H. Portfolio selection // Journal of Finance 1952 - 1(7), March 1952

78. Medova E. Extreme Value Theory (Extreme values and the measurement of operational risk) // Operational Risk 2000 - July 2000

79. Meulbroek L. K. Integrated Risk Management for the Firm: A Senior Manager's Guide Boston: Harvard Business School, 2002

80. Mill J.S. Essays on Some Unsettled Questions of Political Economy — Kitchener, Batoche Books, 2000

81. Miller M.H. and Modigliani F. The Cost of Capital, Corporation Finance and the Theory of Investment // The American Economic Review 1958 — Vol. 48, №3 June 1958, c. 261-297

82. Neil M., Fenton N.E., Tailor M. Using bayesian networks to model expected and unexpected operational losses // Risk Analysis - 2005

83. Neslehova J., Embrechts P., Chavez-Demoulin Y. Infinite-mean models and the LDA for operational risk // Journal of Operaional Risk 2006 - Volume 1/ Number 1, Spring 2006, c. 3-25

84. Ormerod T. Et al., Using ethnography to design a mass detection tool (MDT) for the early discovery of insurance fraud // Conference on Human Factors in Computing Systems CHI '03 2003 - Ft. Lauderdale, Florida, c. 650 - 651

85. Overview of Enterprise Risk Management, Casualty Actuarial Society, Enterprise Risk Management Committee, 2003

86. Pathak J., Vidyarthi N., Summers S.L., A Fuzzy-based Algorithm for Auditors to Detect Elements of Fraud in Settled Insurance Claims // Odette School of Business Administration Working Paper No. 03-9, 2003

87. Pearl J. Causality: Models, Reasoning and Inference Cambridge University Press, Cambridge, 2000

88. Pearl J., Probabilistic Reasoning in Intelligence Systems: Networks of Plausible Inference Morgan Kaufmen Publishers, San Mateo, CA, 1988

89. Proposal for a directive of the European Parliament and of the Council on the taking-up and pursuit of the business of Insurance and Reinsurance. Solvency IL-Commission of the European Communities, Brussels, 2007

90. RiskValue Insights, Creating Value Through Enterprise Risk Management — A Practical Approach for the Insurance Industry A Tillinghast-Towers Perrin Monograph, 2001

91. Robinson D.T. Modigliani & Miller lecture at Duke University, 2005, http://faculty.fuqua.duke.edu/~davidr/b591 /mmlecture.pdf

92. Scenario-based AMA, 2003, http://www.newyorkfed.org/newsevents/events/banking/2003/con0529d.pdf

93. Shacter R. Intelligent probabilistic inference // Proceedings of the Fifth Annual Conference on Uncertainty in Artificial Intelligence Uncertainty in Artificial Intelligence, 1986, c. 371-382,

94. Shacter R. Evidence absorption and propagation through evidence reversals // Proceedings of the Fifth Annual Conference on Uncertainty in Artificial Intelligence Uncertainty in Artificial Intelligence, 1986, c. 173-190,.

95. Shah S. Measuring Operational Risk Using Fuzzy Logic Modeling, 2003, http://www.irmi.com/Expert/Articles/2003/Shah09.aspx

96. Smith B. Insurance fraud should be everyone's concern // CPCU Journal 2000 - №53(3), c. 137-138

97. Smith C.W., Stulz R.M. The determinants of firms' hedging policies // Journal of Financial and Quantitative Analysis 1985 - 20 (4), c. 391-405

98. Sound Practices for the Management and Supervision of Operational Risk Basel, Basel Committee on Banking Supervision, Bank for International Settlements, 2003

99. Titman S. The Modigliani and Miller theorem and integration of financial markets // Financial Management 2002 - vol. 31, issue 1 http://findarticles.eom/p/articles/mim4130/isl31/ai83995455

100. Tversky A. Rational Theory and Constructive Choice (The rational foundations of economic behaviour // Proc. Of the IEA Conf. held in Turin, Italy (Ed. by Kenneth J. Arrow et al.) London, Macmillan Press, 1996

101. Vaughan E.J. Fundamentals Risk and Insurance, 4th ed. New York: John Wiley and Sons, 1986.

102. Williams C.A., Heins R.M. Risk Management and Insurance 5th ed. -New York: McGraw-Hill Book Co., 1985.

103. Zhang N.L., Poole D., A simple approach to bayesian network computations, 1994., http://www.cs.ubc.ca/~poole/papers/canai94.pdf