Документация

Риск потребительского кредита

Consumer credit risk (также называемый retail credit risk) является риском потери из-за значения по умолчанию клиента (невыплата) на продукте потребительского кредита. Эти продукты могут включать ипотеку, необеспеченный личный кредит, кредитную карту или превышение ограничений. Общепринятая методика для предсказания кредитного риска через протокол результатов кредита. Протокол результатов статистически базируется модель для приписывания счета клиенту, который указывает на предсказанную вероятность, что клиент примет значение по умолчанию. Данные, используемые, чтобы вычислить счет, могут быть из источников, таких как анкеты, агентства по ссылке кредита или продукты, клиент уже держится одинаковых взглядов с кредитором. Financial Toolbox™ обеспечивает инструменты для создания протоколов результатов кредита и выполнения анализа кредитного портфеля с помощью протоколов результатов. Risk Management Toolbox включает приложение Binning Explorer для автоматического или ручного раскладывания, чтобы оптимизировать фазу раскладывания разработки протокола результатов кредита. Для получения дополнительной информации см. Обзор Binning Explorer.

Корпоративный кредитный риск

Corporate credit risk (также называемый wholesale credit risk) является риском что значение по умолчанию контрагентов на их финансовых обязательствах.

На отдельном уровне контрагента один из основных параметров кредитного риска является вероятностью значения по умолчанию (PD). Risk Management Toolbox позволяет вам оценивать вероятности значения по умолчанию с помощью следующих методологий:

На уровне credit portfolio, с другой стороны, чтобы оценить кредитный риск, оценить этот риск, основной вопрос спросить, Учитывая текущий кредитный портфель, сколько может быть потеряно в данном периоде времени из-за значений по умолчанию? При отличающихся обстоятельствах ответ на этот вопрос может означать:

Математически, эти вопросы все зависят от оценки распределения потерь для кредитного портфеля: Что является различными суммами, можно проиграть, и как, вероятно, он, что вы теряете каждую отдельную сумму.

Корпоративный кредитный риск существенно отличается от риска рынка, который является риском, что активы теряют значение из-за движений рынка. Наиболее важное различие - то, что рынки перемещаются все время, но значения по умолчанию нечасто происходят. Поэтому объемы выборки, чтобы поддержать любые усилия по моделированию отличаются. Проблема состоит в том, чтобы калибровать распределение потерь кредита, потому что объемы выборки являются маленькими. Для кредитного риска, даже для отдельной связи, которая не приняла значение по умолчанию, вы не можете собрать прямые данные по тому, что происходит в случае значения по умолчанию, потому что это не приняло значение по умолчанию. И однажды выпускающий на самом деле значения по умолчанию, если вы не можете объединить информацию по умолчанию от подобных компаний, которая является единственной точкой данных, которую вы имеете.

Для корпоративного анализа кредитного портфеля оценивая корреляции кредита так, чтобы можно было понять, преимущества диверсификации также сложны. Две компании могут только принять значение по умолчанию в том же окне времени однажды, таким образом, вы не можете собрать данные по тому, как часто они принимают значение по умолчанию вместе. Чтобы собрать больше данных, можно объединить данные подобных компаний и при подобных экономических условиях.

Risk Management Toolbox служит основой симуляции значения по умолчанию кредита для кредитных портфелей с помощью объекта creditDefaultCopula, где три основных элемента кредитного риска для одного инструмента:

Предположение - то, что эти три количества фиксируются и известны всеми компаниями в кредитном портфеле. С этим предположением единственная неуверенность - принимает ли каждая компания значение по умолчанию, который происходит с вероятностью PDi.

На уровне кредитного портфеля, однако, основной вопрос, "Каковы корреляции по умолчанию между выпускающими?" Например, для двух связей с 10-миллиметровым принципалом каждый, риск отличается, если вы ожидаете, что компании примут значение по умолчанию вместе. В этом сценарии вы могли потерять 20 мм минус восстановление, целиком. Также, если значения по умолчанию независимы, вы могли бы потерять 10 мм минус восстановление, если значения по умолчанию, но другая компания вероятна все еще живая. Корреляции по умолчанию являются поэтому важными параметрами для понимания риска на уровне портфеля. Эти параметры также важны для понимания характеристик диверсификации и концентрации портфеля. Подход в Risk Management Toolbox должен моделировать коррелируемые переменные, которые могут быть эффективно моделированы и параметризованы, затем сопоставить моделируемые значения со значением по умолчанию или состояниями не по умолчанию, чтобы сохранить отдельные вероятности по умолчанию. Этот подход называется copula. Когда нормальные переменные используются, этот подход называется Gaussian copula. Risk Management Toolbox также служит основой симуляции миграции кредита для кредитных портфелей с помощью объекта creditMigrationCopula. Для получения дополнительной информации смотрите Риск Миграции Кредитного рейтинга.

Связанный с creditDefaultCopula и объектами creditMigrationCopula, Risk Management Toolbox предоставляет аналитическую модель, известную как модель Asymptotic Single Risk Factor (ASRF). Модель ASRF полезна, потому что Базель II документов предлагает эту модель как стандарт для определенных типов потребностей в капитале. ASRF не является моделью Monte-Carlo, таким образом, можно быстро вычислить потребности в капитале для больших кредитных портфелей. Можно использовать модель ASRF, чтобы выполнить быстрый анализ чувствительности и исследование "что - если" сценарии более легко, чем повторное выполнение больших симуляций. Для получения дополнительной информации смотрите asrf.

Risk Management Toolbox также обеспечивает инструменты для анализа концентрации портфеля, смотрите Индексы Концентрации.

Риск рынка

Market risk является риском потерь в положениях, являющихся результатом перемещений в рыночных ценах. Подверженный риску значения статистический метод, который определяет количество уровня риска, сопоставленного с портфелем. VaR измеряет максимальную сумму потери по горизонту требуемого времени на данном доверительном уровне. Например, если однодневные 95% VaR портфеля составляют 10 мм, то существует 95%-й шанс, что портфель теряет меньше чем 10 мм на следующий день. Другими словами, только 5% времени (или об однажды за 20 дней) потери портфеля превышают 10 мм.

VaR Backtesting, с другой стороны, измеряется, насколько точный вычисления VaR. Для многих портфелей, особенно торговых портфелей, VaR ежедневно вычисляется. При закрытии следующего дня фактическая прибыль и потери для портфеля известны и могут сравниться с VaR, оцененным накануне. Можно использовать эти ежедневные данные, чтобы оценить производительность моделей VaR, которая является целью VaR backtesting. По сути, backtesting является методом, который смотрит ретроспективно на данные и совершенствовал модели VaR. Были предложены много методологий VaR backtesting. Как лучшая практика, используйте больше чем один критерий для backtest производительность моделей VaR, потому что все тесты имеют достоинства и недостатки.

Risk Management Toolbox обеспечивает следующие тесты человека VaR backtesting:

Для получения информации о различных тестах см. Обзор VaR Backtesting.

Expected Shortfall (ES) Backtesting дает оценку потери в те очень плохие дни, когда VaR нарушен. ES является ожидаемой потерей в дни, когда существует отказ VaR. Если VaR является 10 миллионами, и ES является 12 миллионами, вы знаете, что ожидаемая потеря завтра, если это, оказывается, очень плохой день, приблизительно на 20% выше, чем VaR.

Risk Management Toolbox обеспечивает следующие основанные на таблице тесты для ожидаемого недостатка на основе объекта esbacktest:

Следующие инструменты поддерживают ожидаемый недостаток основанные на симуляции тесты для объекта esbacktestbysim:

Для получения информации о различных тестах см. Обзор Ожидаемого Недостатка Backtesting.