Analisi del Rischio Rapina

Транскрипт

1 G. Bruno Ronsivalle Analisi del Rischio Rapina Il nuovo modello di valutazione e simulazione mediante algoritmi neuronali

2 Verso una visione integrata del rischio rapina I tre livelli del modello di analisi rischio rapina: 1. Descrizione del fenomeno 2. Comprensione del fenomeno 3. Previsione del fenomeno 4. Simulazione del fenomeno

3 Verso una visione integrata del rischio rapina 1. Analisi diretta Responsabile Sicurezza - Vari modelli di rappresentazione/descrizione - Campione: singola azienda 2. Ossif: Modello di analisi sistemica 3. Modello di statistica inferenziale 4. Modello lineare di media ponderata 5. Prima versione modello neuronale 6. Versione attuale modello neuronale

4 Rischio esogeno e Rischio endogeno RISCHIO ESOGENO: collocazione geografica densità di popolazione tasso di criminalità numero di atti criminosi complessivi nella zona etc. RISCHIO ENDOGENO: le caratteristiche di base : confinanti, tipologia di attività, collocazione, modalità di apertura al pubblico, numero di dipendenti, rischio contante, etc. i servizi : guardiania fissa o dinamica, sistema di controllo ambienti remoti tramite videolento, sistema di telesorveglianza, etc. gli impianti : sistemi di controllo degli ingressi, sistemi di protezione dei confini perimetrali, sistemi per cassieri, sistemi di ripresa, caveau, casseforti vari impianti forti modulari, impianti ATM, impianti di allarme antirapina e/o antifurto, etc.

5 Algoritmo di calcolo RAPINE 0,8 12 TREND 0,8 1 IMPIANTI + SERVIZI 90 49,86 ESOGENO ENDOGENO REALE ALTRE Caratt. 10 5,54 55,4 34,54 COMPOSTO 63, ,33

6 Componenti del Rischio Rapina Globale Precedente unità di misura: descrizione statica della filiale Modello non direttamente connesso all evoluzione storica della filiale L ottica dell Assicuratore teoria dei Sistemi dinamici Nuova unità di misura: filiale bancaria descrizione di stato della filiale F nel momento t n Intervallo storico: rapine in banca dal 2000 al t 0 Ft 1 Ft 2 Ft 3 Ft 4 Interventi e modifiche relative alla filiale F (mutazioni)

7 Componenti del Rischio Rapina Globale Variazione dell indice di probabilità a posteriori di rapina in funzione del tempo e dello stato della filiale = Indice mensile grezzo di rischio rapina a posteriori t 0 Ft 1 Ft 2 Ft 3 Ft 4 Interventi e modifiche relative alla filiale F (mutazioni) Analisi della tendenza mediante la formula dei minimi quadrati: S = trend di rischio = attuale indice di rischio globale y n = probabilità mensile di rischio rapina per la filiale x j = posizione della serie ordinata

8 Componenti del Rischio Rapina Globale Rischio globale = Rischio esogeno Rischio Endogeno Rischio esogeno Indice mensile grezzo di rischio rapina a posteriori t 0 Ft 1 Ft 2 Ft 3 Ft 4 Interventi e modifiche relative alla filiale F Rischio endogeno

9 Composizione del Rischio rapina 11,9466% Categorie - Macro Attività 0,0096% Collocazione 2,2131% Confini 0,1010% Fascia pubblica 0,0395% Rischio esogeno 39,6356% Rischio contabile 2,9382% 37,9389% Numero dipendenti 5,1777%

10 Pesi rischio endogeno 19,79% Attività 0,02% Variabili endogeno Collocazione 3,67% Fascia pubblica 0,07% Rischio contabile 4,87% Confini 0,17% Numero dipendenti 8,58% 62,85% Variabili endogeno Governo RSPP Caratt Base 9% 22% 69%

11 Pesi (>0,1) Valore medio sistema Categoria Descrizione box per l'operatore sistema di ingresso principale (impianto 101) sistemi di allarme (impianto 121) sistemi di ripresa (impianto 106) videoregistrazione collegamento a centrale d'allarme aziendale sistemi per cassieri (impianto 111) metal detector collegamento alle forze dell'ordine collegamento a dispositivi d'allarme locali (ottici/acust.) collegamento a centrale d'allarme istituto di vigilanza pluripersona sistemi di protezione confini perimetrali (impianto 105) dispositivi biometrici sistema di ingresso secondario (impianto 102) vetrate antiproiettile/antisfondamento inferriate/serrande Peso % 12, , , , , , , , , , , , , , , , ,115942

12 Pesi (>0,1) Valore medio sistema Categoria Descrizione Peso % guardiania fissa 4, collegamenti bidirezionali 3, controllo ambienti remoti tramite videolento 1, guardiania dinamica: 1/3 della giornata lavorativa 1, guardiania dinamica: 1/6 della giornata lavorativa 0, guardiania dinamica: 1/2 della giornata lavorativa 0, guardiania dinamica: 2/3 della giornata lavorativa 0,

13 Variabili Rischio endogeno????????? 16% 32% Caratteristiche di base 52% Variabili Rischio endogeno Caratt. 6% 8% Collocazione 9% Pesi rischio endogeno Confinanti 1% Rischio contante 19% Q.tà 2% Attività 0% Apertura al pubblico 0% Numero dipendenti 22% 33% Composizione del Rischio rapina Caratt. 4% Q.tà 1% Confinanti 1% Attività 0% 5% Apertura al pubblico 0% Collocazione 5% Rischio contante 11% Rischio Esogeno 42% Numero dipendenti 12% 19% Rischio esogeno; 41% Rischio endogeno; 59%

14 Perché una rete neurale artificiale (RNA)? 1. l estrema complessità del fenomeno rapina strumenti di analisi non lineare inutile tentare l approccio statistico 2. base dati sul fenomeno pilastro per un analisi storica 3. database attuale bonifica e normalizzazione 4. letteratura scientifica analisi meramente qualitative del fenomeno 5. strumento a supporto dei processi decisionali 6. il mondo bancario innovativi e sofisticati modelli di Risk Management 7. massimo della flessibilità e dinamicità 8. approccio sistemico integrato

15 Un modello di calcolo basato su reti neurali artificiali Le reti neurali artificiali = sistemi di analisi ed elaborazione dati che simulano il funzionamento del sistema nervoso di organismi umani e animali. Una RNA è composta da un numero variabile di unità di elaborazione o processori o nodi i neuroni - collegati mediante interconnessioni o archi pesati. Ogni neurone è in grado di ricevere input da altri neuroni e, in funzione del proprio stato di attivazione, generare o meno un singolo output, che costituisce quasi sempre un input per altre unità di elaborazione. Lo stato di attivazione di un nodo o di eventuale non attivazione - dipende dai valori degli input e dai pesi delle connessioni.

16 Le fasi di progettazione e sviluppo della RNA per la gestione del rischio rapina 1. Riprogettazione del database OSSIF e analisi dei dati 2. Attività di normalizzazione dei dati 3. Progettazione della RNA 4. Addestramento della RNA 5. Verifica e implementazione della RNA

17 Riprogettazione del database OSSIF e analisi dei dati Input della RNA Output della RNA

18 Attività di normalizzazione dei dati

19 Progettazione della RNA Output della RNA Architecture Hidden FX Output FX [ ] Logistic Logistic Input della RNA

20 Addestramento della RNA Nella nostra versione speciale, la variazione di ciascun peso delle connessioni sinaptiche varia secondo la formula Dw = rdx dove x è il valore dell ingresso corrispondente (nel caso dello strato di input, ogni x corrisponde ai valori relativi alle caratteristiche ambientali e alle caratteristiche endogene della filiale), r il learning rate (un parametro comune di controllo che influenza il cambiamento dei pesi), e d=(z-y)f(a), dove z è l output desiderato (teaching input), ossia il rischio globale y l output reale della rete, F la derivata prima della funzione sigmoidale e A lo stato di attivazione del neurone. Architecture Training algorithm Hidden FX Output FX Iterations Avg training error Max training error Avg validation error Max validation error Avg test error Max test error AIC Correlation R-Squared [ ] Quick Propagation Logistic Logistic ,698 52,284 7,042 37,407 6,865 34, ,100 0,603 0,362

21 Verifica e implementazione della RNA

22 32% Variabili Rischio endogeno 16% Caratteristiche di base 52% Sistema esperto a supporto dei processi decisionali nella gestione del rischio Variabili Rischio endogeno Caratt. 6% 8% Collocazione 9% Pesi rischio endogeno Confinanti 1% Rischio contante 19% Q.tà 2% Attività 0% Apertura al pubblico 0% Numero dipendenti 22% 33% Composizione del Rischio rapina Caratt. 4% Q.tà 1% Confinanti 1% Attività 0% 5% Apertura al pubblico 0% Collocazione 5% Rischio contante 11% Rischio Esogeno 42% Numero dipendenti 12% 19% Rischio esogeno; 41% Rischio endogeno; 59%

23 Conclusioni Vantaggi dell applicazione delle reti neurali alla gestione del rischio rapina una RNA consente di affrontare in maniera coerente l alto grado di complessità del fenomeno rapina La base dati della RNA di Ossif si basa su un archivio storico alimentato continuamente dall intero sistema bancario italiano Banche e Sicurezza 2008 Roma, 27 maggio 2008 G. Bruno Ronsivalle L integrazione di algoritmi neurali costituisce lo stato dell arte in ambito di Risk Management, Uno strumento che si fonda su reti neurali garantisce il massimo livello di flessibilità, dinamicità e adattabilità a contesti e condizioni in rapida evoluzione La RNA permette un integrazione efficace tra un solido modello di calcolo, l archivio storico di informazioni relative alle rapine degli ultimi anni, e l esperienza professionale ed umana il buon senso - del responsabile della sicurezza.

24 G. Bruno Ronsivalle Analisi del Rischio Rapina Il nuovo modello di valutazione e simulazione mediante algoritmi neuronali