4 Estimaciones de Umbrales y Modelos de Frecuencia

Este documento aborda el modelado de la frecuencia de eventos de riesgo operacional, incluyendo:

• Métodos de estimación de umbrales de pérdida
• Distribuciones de frecuencia: Binomial y Poisson
• Ajuste de distribuciones a datos reales (MLE, gráficos Q-Q)
• Implementación en R

En los marcos regulatorios de Basilea II/III, la cuantificación del riesgo operacional —incluyendo el riesgo tecnológico y de ciberseguridad— requiere una estimación robusta tanto de la frecuencia como de la severidad de eventos. Mientras la severidad cuantifica el impacto, la frecuencia permite proyectar la probabilidad de ocurrencia en horizontes temporales. Los modelos de frecuencia son fundamentales para estimar pérdidas agregadas anuales vía simulación Monte Carlo y para definir reservas de capital adecuadas.

Librerías

library(fitdistrplus)
library(actuar)
library(dplyr)
library(ggplot2)

data_url <- "https://raw.githubusercontent.com/vmoprojs/DataLectures/master/Scoring/eventosHistoricos.csv"
datos <- read.csv(data_url, sep = ";", dec = ".")

Los datos históricos son la base empírica para estimar parámetros de frecuencia. En el contexto de eventos de riesgo tecnológicos, como fraudes digitales o ataques informáticos, es común que los registros sean escasos o censurados, por lo que su tratamiento debe ser meticuloso.