Рискните моделировать с Risk Management Toolbox

Risk Management Toolbox™ обеспечивает инструменты для моделирования пяти областей оценки степени риска:

  • Риск потребительского кредита

  • Корпоративный кредитный риск

  • Риск рынка

  • Страховой риск

  • Пожизненные модели для вероятности значения по умолчанию

  • Потеря, данная модели по умолчанию

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:

  • Структурные модели: mertonmodel и mertonByTimeSeries

  • Модели уменьшаемой формы: cdsbootstrap и bondDefaultBootstrap использование Financial Toolbox

  • Исторические миграции кредитных рейтингов: transprob использование Financial Toolbox

  • Статистические подходы: протоколы результатов кредита с помощью Binning Explorer и creditscorecard объект с помощью Financial Toolbox и широкого выбора прогнозных моделей в Statistics and Machine Learning Toolbox™

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:

  • Сколько вы ожидаете терять?

  • С какой вероятностью случается так, что вы потеряете больше, чем определенная сумма?

  • Каково большинство, которое можно потерять при относительно нормальных обстоятельствах?

  • Сколько можно потерять, если вещи становятся плохими?

Математически, эти вопросы все зависят от оценки распределения потерь для кредитного портфеля: Что является различными суммами, можно проиграть, и с какой вероятностью 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 малы. 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 creditDefaultCopula объект, где три основных элемента кредитного риска для одного инструмента:

  • Вероятность значения по умолчанию (PD), который является вероятностью что значения по умолчанию выпускающего в данном периоде времени.

  • Воздействие в значении по умолчанию (EAD), которое является суммой денег, которая является под угрозой. Для традиционной связи это - принципал связи.

  • Потеря, данная значение по умолчанию (LGD), которая является частью воздействия, которое было бы потеряно в значении по умолчанию. Когда значение по умолчанию происходит, обычно некоторые деньги возвращены в конечном счете.

Предположение - то, что эти три количества фиксируются и известны всеми компаниями в кредитном портфеле. С этим предположением единственная неопределенность - 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. В качестве альтернативы, 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 симулировать коррелируемые переменные, которые могут быть эффективно симулированы и параметрированы, затем сопоставить симулированные 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 creditMigrationCopula объект. Для получения дополнительной информации смотрите Риск Миграции Кредитного рейтинга.

Связанный с creditDefaultCopula и creditMigrationCopula объекты, 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 эффективность 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 эффективность моделей VaR, потому что все тесты имеют достоинства и недостатки.

Risk Management Toolbox обеспечивает следующие тесты индивидуума VaR backtesting:

  • Тест светофора (tl)

  • Биномиальный тест (bin)

  • Тесты Купика (pof, tuff)

  • Тесты Кристофферсена (cc, cci)

  • Тесты Хааса (tbf, tbfi)

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 esbacktest объект:

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

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

Страховой риск

Способность точно оценить неоплаченные требования важна для страховщиков. В отличие от компаний в других секторах, страховщики не могут знать точный доход в период финансовой отчетности до много лет спустя. Страховые компании берут в страховых взносах регулярно и выплачивают требования, когда события имеют место. Для того, чтобы максимизировать прибыль, страховая компания должна точно оценить, сколько будет выплачено на существующих требованиях в будущем. Если оценка для неоплаченных требований будет слишком низкой, страховая компания станет неплатежеспособной. С другой стороны, если оценка слишком высока, то требования резервируют капитал страховой компании, возможно, был инвестирован в другом месте или повторно инвестирован в бизнес

Risk Management Toolbox поддерживает четыре метода оценки требований для актуариев использовать с developmentTriangle для оценки неоплаченных требований:

Для получения информации о методах оценки см. Обзор Методов оценки Требований для Non-Life Insurance.

Пожизненные модели для вероятности значения по умолчанию

Нормативные базы, такие как IFRS 9 и CECL требуют, чтобы учреждения оценили резервы потерь на основе пожизненного анализа, который является условным выражением на макроэкономических сценариях. Более ранние модели часто проектировались, чтобы предсказывать один период вперед и часто без явной чувствительности к макроэкономическим сценариям. С IFRS 9 и инструкциями CECL, модели должны предсказать несколько периодов вперед, и модели должны иметь явную зависимость от макроэкономических переменных.

Основной выход пожизненного кредитного анализа является пожизненной ожидаемой потерей кредита (ECL). Пожизненный ECL состоит из резервов, которые банки должны отложить за ожидаемые потери в течение жизни ссуды. Существуют разные подходы к оценке пожизненного ECL. Некоторые подходы используют относительно простые методы на данных потерь с качественными корректировками. Другие подходы используют более усовершенствованные методы timeseries или эконометрические модели, чтобы предсказать потери с зависимостями от макро-переменных. Другая методология использует вероятность моделей (PD) по умолчанию, моделей потери, данной значение по умолчанию (LGD) и моделей воздействия в значении по умолчанию (EAD), и комбинирует их выходные параметры, чтобы оценить ECL. Пожизненные модели PD в Risk Management Toolbox находятся в категории PD-LGD-EAD

Risk Management Toolbox предоставляет следующие пожизненные модели PD:

Для получения информации о различных моделях см. Обзор Пожизненной Вероятности Моделей По умолчанию.

Потеря, данная модели по умолчанию

Потеря, данная значение по умолчанию (LGD) является пропорцией кредита, который потерян в случае значения по умолчанию. LGD является одним из основных параметров для анализа кредитного риска. Несмотря на то, что существуют разные подходы, чтобы оценить резервы кредита потерь и капитал кредита, общие методологии требуют оценки вероятностей значения по умолчанию (PD), потеря, данная значение по умолчанию (LGD) и воздействие в значении по умолчанию (EAD). Резервы и потребности в капитале вычисляются с помощью формул или симуляций, которые используют эти параметры. Например, резервы потерь обычно оцениваются как ожидаемая потеря (EL), данная следующей формулой:

EL = PD * LGD * EAD

Risk Management Toolbox предоставляет следующие модели LGD:

Для получения информации о различных моделях см. Обзор Потери, Данной Модели По умолчанию.

Смотрите также

| | | | | | | | | | | | | | | |

Связанные примеры

Больше о

Внешние веб-сайты

Для просмотра документации необходимо авторизоваться на сайте