DOI QR코드

DOI QR Code

A Study on Application Structure for IT Operational Risk in Financial Institute

금융기관의 IT운영리스크 관점에서의 응용프로그램 구조에 관한 연구

  • Cho, Seong-Cheol (Center for Information Security Technologies(CIST), Korea University) ;
  • Nam, Cho-Yee (Center for Information Security Technologies(CIST), Korea University) ;
  • Lee, Kyung-Ho (Center for Information Security Technologies(CIST), Korea University)
  • 조성철 (고려대학교 정보보호대학원) ;
  • 남초이 (고려대학교 정보보호대학원) ;
  • 이경호 (고려대학교 정보보호대학원)
  • Received : 2014.05.26
  • Accepted : 2014.07.14
  • Published : 2014.08.31

Abstract

Recently the importance of operational risk is gradually increasing in risk management of financial institute. Especially the service interruption caused by system failure can lead to customer complaints, decrease of profit and customer secession. Thus, financial industry makes diverse effort to minimize the impact caused by the system failure of IT application. Common modules are used in IT system in financial industry to exclude redundant development and to use the system efficiently. However, when a failure in common module is occurred, the risk that affects all the tasks using the common module exists. In this study, the damage affected by a failure in application program is prevented separating common module which has a large risk by task in the perspective of IT operational risk. In order to cope with damage, the research on the factors related to common module is conducted and proposes the separating common module standard for decrease of operational risk of the financial IT.

최근 금융기관의 리스크 관리 측면에서 운영리스크의 중요성이 점점 부각되고 있다. 특히 IT시스템 장애로 인한 금융서비스 중단의 경우는 고객 민원 및 이탈, 이익 감소 등의 결과로 이어질 수 있다. 따라서 금융기관에서는 IT 응용프로그램 장애 발생에 따른 영향을 최소화하기 위한 다양한 노력이 이루어지고 있다. 금융기관 IT시스템은 각 업무기능의 중복개발 배제 및 유지보수 효율성을 위해서 공통모듈을 사용하고 있다. 하지만 공통모듈에 장애가 발생하는 경우에는 해당 모듈을 사용하는 모든 업무가 영향을 받을 수 있는 리스크가 존재한다. 본 연구에서는 IT운영리스크 관점에서 리스크가 큰 공통모듈은 업무별로 분리하도록 하여 응용프로그램 장애에 따른 피해에 대응하고자 한다. 이를 위해서 공통모듈과 관련된 요인 변수의 분석을 진행하였고, 금융기관 IT운영리스크 감소를 위한 공통모듈 분리여부 판단 기준을 제안한다.

Keywords

I. 서론

1.1 연구배경 및 목적

금융기관의 업무처리 전반이 IT시스템에 의해 이루어지고 있는 상황에서 IT시스템의 장애, 정보의 유출, 테러와 같은 외부요인, 자연재해 등으로 인한 손실이 발생할 가능성이 증대되고 있다[1]. 특히 금융IT시스템의 장애로 인해 금융서비스가 중단되는 경우에 고객의 민원, 영업기회상실로 인한 영업이익감소, 고객이탈 등의 손실을 입게 된다. IT시스템에서 발생한 장애에 대응이 적절하게 취해지지 않으면, 장애복구시간에 비례하여 수익상실률이 10일 이내에 25%~50% 까지 감소된다고 한다[2].

IT시스템 장애에 대한 감독도 더욱 강화되고 있다. 금융감독원의 전자금융감독규정 제73조 정보기술부분 및 전자금융 사고보고에 대한 규정에는 금융회사 및 전자금융업자는 정보처리시스템 또는 통신회선 등의 장애로 10분 이상 전산업무가 중단 또는 지연된 경우, 전산자료 또는 프로그램의 조작과 관련된 금융사고가 발생한 경우, 전자적 침해행위로 인해 정보처리시스템에 사고가 발생하거나 이로 인해 이용자가 금전적 피해를 입었다고 금융회사 또는 전자금융업자에게 통지한 경우 등에는 지체 없이 금융위원회 및 금융감독원장에게 보고를 하도록 정하고 있다. 이러한 사고보고를 고의로 지연하거나 숨긴 자에 대해서는 소정절차에 따라 징계 등 필요한 조치를 취하여야 한다라고 명시하고 있다.

최근 금융기관의 손실 발생의 원인으로 운영리스크가 대두됨에 따라 운영리스크 관리의 중요성이 부각되고 있다. 금융 업계의 경우, 금융리스크에 대한 연구는 다양하게 진행되고 있으나[3], 금융IT시스템의 리스크 관리는 사후처리에 집중되고 있다[4]. 따라서 사전에 장애를 예방할 수 있는 방안에 대한 연구의 필요성이 증가하고 있다.

금융기관의 IT시스템에서 각 단위 시스템의 동일하거나 유사한 기능이 중복적으로 구현이 된다면 이로 인한 유지보수 시간과 비용이 지속적으로 증가하게 된다. 이를 해결하기 위하여 각 업무별로 분산되어 있는 기능을 공통화 하여, 중복 개발을 배제시키고 시스템의 효율적 사용 및 공통모듈의 재사용을 통해 업무개발의 생산성을 높일 수 있다. 하지만 공통모듈은 관련된 모든 업무에 영향을 미치기 때문에 장애 발생 시 파급효과가 크므로 리스크 측면을 고려해야 할 필요가 있다. 공통모듈 적용에 따른 리스크가 큰 경우에는 해당 모듈을 분리 적용하여 장애에 따른 피해를 감소시킬 수 있다.

본 논문에서는 각 공통모듈의 장애발생에 따른 리스크 크기에 영향을 미치는 요인 변수들을 도출하고 수집된 데이터를 통계적 기법으로 분석하여 IT운영리스크를 감소시키기 위한 공통모듈 구성하는 기준을 제안하고자 한다.

1.2 연구방법 및 구성

본 논문의 목적을 달성하기 위하여 운영리스크에 대한 문헌연구와 함께, A은행의 공통모듈 처리현황 데이터를 수집하였다.

본 논문의 구성은 다음과 같다.

서론에서는 연구배경 및 목적, 연구방법 및 구성 대해 기술하였고, Ⅱ장에서는 관련 연구로 운영리스크의 정의와 관련 연구를 고찰하였다. Ⅲ장에서는 연구대상인 공통모듈의 정의와 역할, 연구가설 및 연구 변수 설정하였으며 Ⅳ장에서는 각 요인 변수들 간의 상관관계를 분석하였다. 마지막으로 Ⅴ장에서는 결론을 맺으며 본 논문의 한계 및 향후 발전방향에 대해 기술하였다.

II. 관련연구

2.1 운영리스크의 정의

BaselⅡ에서는 운영리스크를 협의로 정의하여 부적절하거나 잘못된 내부의 절차, 인력 및 시스템 또는 외부의 사건으로 인해 발생하는 손실리스크로 정의하며 법률리스크(legal risk)는 포함하지만, 전략리스크(strategic risk)와 평판리스크(reputational risk)는 제외하고 있다. 전략리스크와 평판리스크를 제외하는 것은 해당 리스크가 별도로 정의되는 리스크가 아니라 다른 운영리스크 손실사건에서 산출되는 개념이고 BaselⅡ가 규제자본을 산출하는 측면에서 계량적으로 파악 가능한 리스크만을 고려하기 때문인 것으로 볼 수 있다[1].

김종호는 금융기관의 리스크관리가 시장리스크(market risk)와 신용리스크(credit risk)의 측정 및 관리보다 최근에는 운영리스크(operational risk) 관리가 중요하게 대두되고 있다고 하면서, 운영 리스크는 협의의 정의에서는 거래처리(transaction processing)에 한정되지만, 광의의 정의에서는 신용리스크나 시장리스크를 제외한 모든 재무적 리스크를 모두 운영리스크로 정의하고 있다고 보았다[5].

BBA(British Banker's Association)가 제시한 운영리스크의 정의에서는 내부리스크(internal risk)와 외부리스크(external risk)가 포함되어 있는데 내부리스크에는 인적리스크, 프로세스리스크, 기술리스크가, 외부리스크에는 외부리스크, 물리적 리스크가 포함되어 있다. 이 중 기술리스크는 시스템, 프로그램, 데이터에 의해 발생하는 운영리스크를 의미하며, 자료의 질이나 프로그램상의 오류, 시스템 부적합 성에 따른 오류 등이 포함된다[5].

Table 1. The definition of operational risk(BBA)

양영찬은 전통적으로 운영리스크(operational risk)는 신용리스크, 시장리스크, 금리리스크, 유동성 리스크 등과 같은 여타 금융리스크를 제외한 모든 리스크로 광의로 정의된다고 하였다[6].

임경진은 운영리스크는 부분적으로 기술리스크와 연관되어 있는 것으로 기존의 기술이 잘못 작동하거나 백오피스 지원시스템이 망가질 때 발생한다고 하였다. 즉 운영리스크는 부적절한 내부시스템, 관리실패, 잘못된 통제, 사기, 인간의 오류 등을 포함한다. 운영리스크는 거래가 실행되지 못하는 데에서 발생하는 실행 리스크(execution risk), 시스템의 무단침입, 변경과 같은 기술리스크(technology risk), 그리고 잘못된 모형을 사용하여 가치를 평가하는 데에서 발생하는 모형리스크(model risk) 등을 포함한다고 하였다[7].

2.2 운영리스크의 특징

운영리스크는 시장리스크 및 신용리스크와 다른 특징을 보인다. 첫째, 시장리스크, 신용리스크는 금융기관의 수익과 직접적으로 관련되는 반면, 운영리스크는 영업활동에 내재되어 있으며, 수익과 간접적인 관계를 갖고 있다. 둘째, 시장리스크, 신용리스크와는 달리 운영리스크는 금융기관의 전 영업활동을 포괄하므로 사람, 프로세스, 시스템에 내재되어 있어 구체적인 익스포저(위험노출액)를 파악하는 것이 어렵기 때문에 주관적인 방법을 사용하게 되어 객관성이 떨어지게 된다. 셋째, 운영리스크는 금융기관 전체를 통해 내부감사, 준법감시인, 운영리스크 관리팀 등 복수기관의 협력이 중요하며 전사적인 관심이 요구된다. 넷째, 운영 리스크는 손실자료 부족으로 인해 실질적으로 측정하기가 매우 어렵다[8]. 현재 우리나라에서는 운영리스크와 관련된 손실자료의 표준화 및 보안을 보장하고 손실자료의 양적 부족을 보충하기 위해서 운영리스크 손실자료 공유 위원회 KOREC(Korea Operational Riskdata Exchange Committee)를 2006년에 구성하였으며, 현재 6개 은행이 KOREC에 가입되어 있다. KOREC 회원은행은 3개월마다 손실자료 관리기관인 은행연합회에 손실자료를 제출하고 있으며, 은행연합회는 통합손실자료 및 보고서를 회원은행에 제공하고 있다.

Table 2. Comparison on market risk, credit risk, operational risk[9]

2.3 운영리스크의 주요 발생 원인과 중요성

운영리스크의 주요 발생 원인은 내부프로세스와 인적리스크, 시스템리스크, 외부리스크 등으로 나누어 볼 수 있으며 부적절한 프로세스와 인적 통제로 인하여 사기, 횡령 등이 유발될 수 있으며 시스템과 외부요인에 의해 시스템 장애 및 사기 등이 발생될 수 있다[10]. 이러한 원인들에 의해 발생되는 운영리스크은 대부분 시장리스크 또는 신용리스크과 결합되어 발생하는 경우가 많다[5].

한편 금융기관의 업무처리가 IT시스템에 의존하기 때문에 IT시스템의 장애 등 시스템에 의한 손실의 가능성이 증대되고 있다. 또한 이러한 내부적인 요인에 의한 손실뿐만 아니라 외부적인 요인들에 의한 손실도 증가하고 있는 추세이다[10].

Table 3. Failures of operational risk management[5]

2.4 운영리스크 측정방법

운영리스크의 측정방법으로는 기초지표법(basic indicator approach), 표준방법(standardized approach), 고급측정법(advanced measurement approach)이 있다. 국제적으로 영업을 하고 있는 은행과 중요한 운영리스크에 노출된 은행은 고급측정법 사용을 권고하고 있다[11].

Table 4. Comparison on BIS regulatory and operational risk measurement [12]

다른 한편으로는 측정하는 접근 방식에 따라 하향식(top-down)과 상향식(bottom-up) 방식이 있다.

하향식 접근방법에서는 운영리스크가 개별사건 또는 손실의 원인에 대한 분석 없이 거시적인 자료에 의해 추정된다. 금융기관의 특성을 대변하는 경영지표(자산규모, 수익, 비용, 주가)를 이용하여 리스크량을 산출하는 방법이다. 이 방법은 리스크 산출방법이 비교적 간단하며 모든 금융기관에 대해 일률적인 방법을 적용할 수 있다. 그러나 리스크산출에 사용된 지표의 타당성에 대한 반론이 제기될 수 있으며 리스크의 원인 파악이 어려워 리스크에 관련된 책임소재가 불분명해지는 단점이 있다.

상향식 접근방법은 운영리스크의 규모와 원인을 알아보기 위해 개별사건들을 이용하며 금융기관의 모든 업무프로세스를 분석하여 업무와 관련된 모든 리스크를 자체 평가하고 합산하여 기업 전체의 리스크량을 산출하는 방법이다. 이는 정성적 관리기법과 상호보완적으로 사용이 가능하며 리스크 원인 파악이 용이하다. 또한 시장리스크와 신용리스크에서 활용된 계량화 기법을 응용할 수 있다. 단점으로는 손실데이터 정비에 많은 시간과 인력이 필요하다는 점이 있다[13].

2.5 IT운영리스크 관련 연구

운영리스크에 관한 연구 중 IT운영리스크와 관련된 선행연구를 Table 5.에 정리하였다. 선행연구에서는 IT운영리스크 관리방안으로 통합 리스크 관리시스템, 장애모형, 감리모형 등을 제안하고 있다.

Table 5. Preceding studies on IT operational risk

2.6 선행 연구와의 차이점

본 논문은 첫째, 기존의 연구에서 다루지 않았던 IT시스템의 전 영역에서 공통으로 사용되고 있는 응용 프로그램의 관점에서 IT운영리스크를 감소시킬 수 있는 방안을 찾기 위해 수행되었다. 둘째, 새로운 시스템 및 규정의 개발 없이 현재 시스템을 분석하여 바로 적용이 가능하다. 셋째, 연구의 관점이 장애 발생 이후의 대책이 아닌 사전에 장애에 따른 영향을 줄이기 위한 방안을 제시한다는 점에서 차이가 있다.

III. 연구대상 및 가설 설정

3.1 공통모듈의 정의와 종류

자료 수집 및 연구의 대상이 되는 A은행의 공통모듈은 IT시스템 전체에 영향을 미치는 서비스를 제공한다. 공통모듈은 공통적인 기능과 공통 프로세스에 의하여 수집된 데이터를 공통모듈을 통하여 업무팀에서 사용할 수 있도록 제공하며, 유지보수시 생산적이고 효율적이라고 판단되는 기능을 중심으로 선정된다.

Fig. 1. The scope of common module

Table 6. The list of common module

3.2 연구가설 및 연구변수 설정

본 논문에서는 공통모듈 적용에 따른 리스크에 영향을 미치는 변수의 선정시 기존 연구에서는 참고할 자료가 없어서 전문가 의견을 바탕으로 도출하였고, 각 변수들이 리스크의 크기에 영향을 주는 정도가 다를 수 있다는 가정 하에 분석을 수행하였다.

설문조사는 IT운영리스크에 많은 영향을 미치는 요인 변수를 채택하기 위하여 실시하였으며 5점 척도를 사용하여 관련도에 따라 1~5점으로 구성하였다. 자료 수집은 금융기관의 관련 업무에 경력이 10년 이상인 전문가 30명을 대상으로 인터뷰 및 e-mail에 의한 방법을 사용하였다.

Table 7. Factors affecting IT operational risk

설문조사를 통하여 얻은 결과에서 관련도가 높은 상위 5개를 요인 변수로 채택하였으며, 공통모듈 적용에 따른 리스크는 호출 프로그램 수, 연관 업무 수, 사용빈 도수, 인시던트 발생회수, 거래코드수와 상관관계가 있으며, 리스크의 크기는 거래금액과 비례한다고 가정하였다.

H1: 공통모듈을 호출하는 프로그램수와 거래금액은 상관관계가 있다.

H2: 공통모듈과 관련된 연관 업무 수와 거래금액은 상관관계가 있다.

H3: 공통모듈이 호출되는 사용빈도수와 거래금액은 상관관계가 있다.

H4: 공통모듈이 원인이 되어 발생한 인시던트 발생회수와 거래금액은 상관관계가 있다.

H5: 공통모듈을 호출하는 거래코드수와 거래금액은 상관관계가 있다.

3.3 자료수집 및 분석방법

연구를 위한 자료는 A은행의 최근 1년 동안의 공통 모듈 사용과 관련한 거래금액, 사용빈도수, 인시던트 발생회수와 프로그램, 연관업무 및 거래코드 데이터를 수집하였다. 수집한 데이터의 상관도 분석 및 산점도는 SPSS 21(Statistical Packages for Social System)을 사용하였으며 상관분석시 적용된 상관계수는 Pearson 상관계수이다.

IV. 분석 결과

4.1 상관분석 및 결정 모델 도출

첫 번째로 호출 프로그램 수와 거래금액과의 상관 분석 결과는 다음과 같다.

Table 8. Correlation analysis between the number of calling programs and the transaction amount

호출 프로그램 수와 거래금액의 상관계수는 0.441로 유의수준 0.001에서 귀무가설은 기각되며 연구가 설은 지지된다. 즉, 호출 프로그램 수는 거래금액과 상관관계(+)가 있다고 할 수 있다.

두 번째로 연관 업무 수와 거래금액과의 상관분석 결과는 다음과 같다.

Table 9. Correlation analysis between the number of tasks associated with and the transaction amount

연관업무수와 거래금액의 상관계수는 0.517로 유의수준 0.001에서 귀무가설은 기각되며 연구가설은 지지된다. 즉, 연관업무수는 거래금액과 상관관계(+)가 있다고 할 수 있다.

세 번째로 사용빈도수와 거래금액과의 상관분석 결과는 다음과 같다.

Table 10. Correlation analysis between frequency of use and the transaction amount

사용빈도수와 거래금액의 상관계수는 0.700로 유의수준 0.001에서 귀무가설은 기각되며 연구가설은 지지된다. 즉, 연관 업무 수는 거래금액과 상관관계(+)가 있다고 할 수 있다.

네 번째로 인시던트 발생회수와 거래금액과의 상관분석 결과는 다음과 같다.

Table 11. Correlation analysis between the number of incident occurred and the transaction amount

인시던트 발생회수와 거래금액의 상관계수는 0.161이며 유의 확률이 0.194로 유의수준 .001에서 귀무가설은 지지된다. 즉 거래금액은 인시던트 발생회수와 상관관계가 없다고 할 수 있다.

다음으로 거래코드수와 거래금액과의 상관분석 결과는 다음과 같다.

Table 12. Correlation analysis between the number of transaction code and the transaction amount

거래코드수와 거래금액의 상관계수는 0.766로 유의수준 0.001에서 귀무가설은 기각되며 연구가설은 지지된다. 즉, 연관 업무 수는 거래금액과 상관관계(+)가 있다고 할 수 있다.

분석 결과를 살펴보면 인시던트 발생회수를 제외한 각 변수와 리스크의 크기가 상관관계가 있음을 알 수 있다. 거래코드수, 사용빈도수, 연관 업무 수, 호출프로그램 순으로 상관도가 크므로 공통모듈 분리여부 결정시 가중치 부여가 가능하며 이를 이용하여 IT공통모듈 구성을 위한 절차를 구성하면 Fig.2와 같다.

Fig. 2. The procedure for common module separation decision

공통모듈 분리여부 판단을 위한 기준은 상관분석의 결과인 상관계수의 크기를 가중치로 사용하여 나타내면 Table 13.과 같다.

Table 13. The formula for common module separation decision

Y=0.766X₁+0.7X₂+0.517X₃+0.441X₄+ C

Y : Standard for separating common module(Y>1 : Separate, Y≦1 : Maintain)

X₁: The number of transaction code

X₂: Frequency of use (1 hour average)

X₃: The number of tasks associated with

X₄: The number of programs

C : constant (-600,000)

4.2 산점도를 통한 검증

제안한 분리여부 판단 식에 대한 검증을 위해 각 변수에 대한 산점도에서의 리스크 크기와 계산 결과를 비교하였다.

Fig.3.은 변수와 거래금액의 산점도 위치에 따른 리스크의 크기를 고위험(High), 중위험(Medium), 저위험(Low)으로 나타낸 것이고, Fig.4.~Fig.7.은 산점도이다.

Fig. 3. The size of the risk

Fig. 4. A scatter plot of the number of transaction code and the transaction amount

Fig. 5. A scatter plot of frequency of use and the transaction amount

Fig. 6. A scatter plot of the number of tasks associated with and the transaction amount

Fig. 7. A scatter plot of the number of programs calling and the transaction amount

Table 14.의 A열은 변수가 거래코드수인 경우의 리스크 크기를 나타내며, B열은 사용빈도수, C열은 연관 업무 수, D열은 호출 프로그램수인 경우의 리스크 크기이다. E열은 해당 공통모듈에 대해서 수집된 데이터를 제안한 식에 적용하여 계산한 결과이며 계산 결과가 1보다 큰 경우에 Yes(분리대상), 1보다 작거나 같은 경우에는 No(유지대상)로 표시하였다. 마지막으로 F열에는 계산된 분리여부 판단 결과가 적정한지 검증하였다. 검증한 결과 각 공통모듈의 리스크의 크기가 고위험(H)이거나 중위험(M)이 2개 이상인 경우를 분리 대상으로 하였을 때, 전체 67개의 공통모듈 중 58개가 제안한 식의 결과와 일치함을 확인할 수 있었다.

Table 14. The result of applying the formula

검증과정에서 불일치가 발생한 모듈을 살펴보면, 중위험(M)이 1개 이하로 유지대상이지만 계산결과는 Yes(분리대상)으로 나온 경우는 해당 모듈의 요인 변수값은 크지만 거래금액이 작은 경우이었고, 중위험 이상이 2개이지만 No(유지대상)으로 나온 경우는 해당 모듈의 각 요인 변수의 크기는 작으나 거래금액은 큰 경우에 해당했다. 이러한 결과는 분리 기준식을 산점도에서의 리스크 크기를 통해 검증한 분석방법에 기인한다고 볼 수 있다.

V. 결론 및 향후 발전방향

5.1 결론

금융기관의 운영리스크가 중요한 문제가 되고 있고 이에 따른 관리 방안이 여러 방면으로 연구되고 있다. 특히 IT시스템의 장애발생의 가능성이 증가함으로 인한 금융기관의 운영리스크를 관리하기 위해서는 IT운영리스크의 관리가 매우 중요하다.

본 논문에서는 금융기관 IT시스템의 응용프로그램 구조를 통해 IT운영리스크를 감소시킬 수 있는 방안을 연구하였다. 여러 업무팀에서 사용되어지는 공통모듈의 경우 장애가 발생했을 경우에 해당 모듈을 사용하는 모든 업무가 중단되는 리스크를 가지고 있다. 이러한 리스크를 감소시키기 위한 방안으로 공통모듈 중에서 리스크가 큰 모듈은 분리하여 적용하는 것을 고려할 수 있으며, 분리대상을 선정하는 기준을 도출하기 위한 연구를 진행하였다.

리스크 크기에 영향을 주는 요인이 되는 변수를 설문조사를 통해 채택하였고, 해당 변수에 관련한 데이터를 수집하여 통계적으로 상관분석을 수행하였다. 그 결과 거래코드수, 사용빈도수, 연관 업무 수, 호출 프로그램 수 순으로 리스크의 크기와 상관관계가 있음을 확인할 수 있었다. 해당 변수들은 공통모듈에 대한 IT운영리스크의 측정 지표로 사용될 수 있으며, 각 변수에 가중치를 적용함으로써 금융기관의 공통모듈 분리여부 판단을 위한 기준을 제안하였다. 제안한 기준을 산점도를 이용해 검증한 결과 86.5%로 부합됨을 확인할 수 있었다.

본 논문에서 진행한 분석방법과 제안된 분리 기준은 각 금융기관에서 IT운영리스크를 감소를 위한 방안으로 활용될 수 있다. 그리고 위험관리를 시스템 구축이나 규정의 개선이 아닌 응용프로그램 관점으로 방안을 제시했다는 점에서 관련한 연구의 기초가 될 수 있을 것으로 생각한다.

5.2 한계 및 향후 발전방향

본 논문에서는 은행 시스템에서 사용되고 있는 IT 공통모듈을 사례로 자료를 수집함으로써 타금융권을 포함한 자료의 수집에 한계가 있었다. 그리고 리스크의 크기를 거래금액만 반영하여 분석한 한계점을 지니고 있다.

향후 연구에서는 금융IT를 포함한 다양한 산업 군에서의 관련 자료를 바탕으로 한 추가 연구가 이루어진다면, 보다 일반적인 기준으로 사용될 수 있을 것으로 기대한다.

References

  1. Financial Supervisory Service, "Integrated risk management best practices under Basel II(Vol.2 operations/interest rate/liquidity risk," internal capital adequacy), Dec. 2008
  2. Young-jae Lee, Introduction to BCP, Digital times Publishers, Feb. 2004
  3. Se-kyung Oh, Risk Management Theory, Kyungmoon Publishers, Feb. 1999.
  4. The Bank of Korea, "Recent Domestic Bank's Risk Management and Future Works," Finance Systems Review,Vol.7, pp.85-95, 2002
  5. Jong-ho Kim, "The importance of operational risk and measurement," Daeeun Economic Review, 172, pp.42-49, Mar. 2001
  6. Young-chan Yang, "A Study on Audit Framework of IT Operation Risk for Compliance with Basel II," The Graduate School of Konkuk University, Aug. 2009
  7. Kyung-jin Lim, "A study on the risk managements of financial institutions," Graduate school of Chonbuk National University, Aug. 2002
  8. Liu Tong, "A study on commercial banks' operational risk management in China," Graduate school of Sungkyunkwan University, Nov. 2011
  9. Il-yong Ko, "Basel II operational risk-the new challenge," Risk review, No. 7, Financial Supervisory Service, Feb. 2006
  10. Jeong-ryul Kim, "A discussion of the operational risk management for financial institutions," Korea deposit insurance coporation, KDIC Financial Research 5(1), pp.131-165, Mar. 2004
  11. Seok-ho Sunwoo and Eun-young Jun, "Quantifying operational risk and testing fitness of loss distribution," Korea Institute of finance, Dec. 2006
  12. Seung-kook Lee, "Characteristics of domestic banks' operational risk analysis: Analysis of internal loss data," Risk review, pp.173-191, Financial Supervisory Service, Sep. 2006
  13. Hiwatahi, Junji and Hiroshi Ashida, "Advancing Operational Risk Ma-nagement Using Japanese Banking Experience," Federal Reserve Bank of Chicago, Dec. 2002.
  14. Young-Jai Lee and Myung-Soo Hwang, "The Mitigation Model Development for Minimizing IT Operational Risks," Dongkuk University, Sep. 2007
  15. Young-gon Kim, "A study on the operational risk management of financial institution," Konkuk University, Dec. 2002
  16. Hyang-su Park, "Recent domestic banks' risk management status and future challenges," The Bank of Korea Financial System Review, no. 7, pp.85-95, Aug. 2002
  17. Tae-Hong Kang and Sung-Yul Rhew, "A Study on Extraction of Defect Causal Variables for Defect Management in Financial Information System," Soongsil University, Feb. 2013
  18. "Electronic banking supervision regulations," Financial Services Commission Notice No. 2013-44, Dec. 2013
  19. Yong-sub Kim, "A study on construction of the disaster recovery systems in the financial institutions," Graduate school of Software Sejong University, Dec. 2002
  20. Hyun-ju Shin, "The risk management system and new improvement," Business administration of Dongguk University, Dec. 1999
  21. Young-joun Youn, "An empirical study on risk factors of the IT projects implemented by financial institutions," Graduate school of Engineering Yonsei University, Dec. 2005
  22. Seung-mi Hong, "A study on Risk Management of Banks in Korea," Graduate School of Economics Yonsei University, Dec. 2002
  23. Dong-jin Park, "A study on the management program for operational risk of financial institutions," Graduate school of Sungkyunkwan University, Dec. 2010
  24. Korea Institute of Finance, "Advanced operational risk management practices of financial institutions and future challenges," Weekly International Financial Trends, 9(34), pp.20-26, 2000