Exponenta Banner
exponenta event banner

Расчет ожидаемого кредитного убытка (ECL)

Открыть сценарий в реальном времени

В этом примере показано, как выполнять вычисления ECL с использованием смоделированных данных ссуды, данных макроскрипта и существующей модели вероятности дефолта (PD).

Загрузить данные и модель

Загрузка данных ссуды, готовых для прогнозирования, данных макросклада и соответствующих вероятностей сценария. 

load DataPredictLifetime.mat
disp(LoanData)
     ID      ScoreGroup      YOB    Year
    ____    _____________    ___    ____

    1304    "Medium Risk"     4     2020
    1304    "Medium Risk"     5     2021
    1304    "Medium Risk"     6     2022
    1304    "Medium Risk"     7     2023
    1304    "Medium Risk"     8     2024
    1304    "Medium Risk"     9     2025
    1304    "Medium Risk"    10     2026
    2067    "Low Risk"        7     2020
    2067    "Low Risk"        8     2021
    2067    "Low Risk"        9     2022
    2067    "Low Risk"       10     2023

disp(head(MultipleScenarios,10))
    ScenarioID    Year    GDP     Market
    __________    ____    ____    ______

    "Severe"      2020    -0.9     -5.5 
    "Severe"      2021    -0.5     -6.5 
    "Severe"      2022     0.2       -1 
    "Severe"      2023     0.8      1.5 
    "Severe"      2024     1.4        4 
    "Severe"      2025     1.8      6.5 
    "Severe"      2026     1.8      6.5 
    "Severe"      2027     1.8      6.5 
    "Adverse"     2020     0.1     -0.5 
    "Adverse"     2021     0.2     -2.5 

disp(ScenarioProbabilities)
                 Probability
                 ___________

    Severe           0.1    
    Adverse          0.2    
    Baseline         0.3    
    Favorable        0.2    
    Excellent        0.2    

load LifetimeChampionModel.mat
disp(pdModel)
  Probit with properties:

        ModelID: "Champion"
    Description: "A sample model used as champion model for illustration purposes."
          Model: [1x1 classreg.regr.CompactGeneralizedLinearModel]
          IDVar: "ID"
         AgeVar: "YOB"
       LoanVars: "ScoreGroup"
      MacroVars: ["GDP"    "Market"]
    ResponseVar: "Default"

Визуализация ПД на срок службы

Для вычислений ECL требуются только предельные PD. Однако сначала можно визуализировать PD на время жизни.

CompanyIDChoice = "1304";
CompanyID = str2double(CompanyIDChoice);
IndCompany = LoanData.ID == CompanyID;
Years = LoanData.Year(IndCompany);
NumYears = length(Years);

ScenarioID = unique(MultipleScenarios.ScenarioID,'stable');
NumScenarios = length(ScenarioID);

LifetimePD = zeros(NumYears,NumScenarios);
for ii=1:NumScenarios
   IndScenario = MultipleScenarios.ScenarioID==ScenarioID(ii);
   data = join(LoanData(IndCompany,:),MultipleScenarios(IndScenario,:));
   LifetimePD(:,ii) = predictLifetime(pdModel,data);
end

plot(Years,LifetimePD)
xticks(Years)
grid on
xlabel('Year')
ylabel('Lifetime PD')
title('Lifetime PD By Scenario')
legend(ScenarioID,'Location','best')

Figure contains an axes. The axes with title Lifetime PD By Scenario contains 5 objects of type line. These objects represent Severe, Adverse, Baseline, Favorable, Excellent.

Вычислить ECL

Строго говоря, вычисление ECL требует пожизненной модели PD, пожизненной модели LGD и пожизненной модели EAD, а также сценариев, вероятностей сценариев и эффективной процентной ставки.

Для простоты этот пример предполагает константу LGD и EAD модели и заданная процентная ставка.

LGD = 0.55;
EAD = 100000;
EffRate = 0.045;

CompanyIDChoice = "1304";
CompanyID = str2double(CompanyIDChoice);
IndCompany = LoanData.ID == CompanyID;
Years = LoanData.Year(IndCompany);
NumYears = length(Years);

ScenarioID = unique(MultipleScenarios.ScenarioID,'stable');
NumScenarios = length(ScenarioID);

MarginalPD = zeros(NumYears,NumScenarios);
for ii=1:NumScenarios
   IndScenario = MultipleScenarios.ScenarioID==ScenarioID(ii);
   data = join(LoanData(IndCompany,:),MultipleScenarios(IndScenario,:));
   MarginalPD(:,ii) = predictLifetime(pdModel,data,'ProbabilityType','marginal');
end

DiscTimes = Years-Years(1)+1;
DiscFactors = 1./(1+EffRate).^DiscTimes;

ProbScenario = ScenarioProbabilities.Probability;
ECL_t_s = (MarginalPD*LGD*EAD).*DiscFactors; % ECL by year and scenario
ECL_s = sum(ECL_t_s); % ECL total by scenario
ECL = ECL_s*ProbScenario; % ECL weighted average over all scenarios

% Arrange ECL data for display in table format
% Append ECL total per scenario and scenario probabilities
ECL_Disp = array2table([ECL_t_s; ECL_s; ProbScenario']);
ECL_Disp.Properties.VariableNames = ScenarioID;
ECL_Disp.Properties.RowNames = [strcat("ECL ",string(Years)); "ECL total"; "Probability"];
disp(ECL_Disp)
                   Severe    Adverse    Baseline    Favorable    Excellent
                   ______    _______    ________    _________    _________

    ECL 2020       595.58    507.16      430.44      364.11       306.97  
    ECL 2021       394.24    349.95      310.02      274.11        241.9  
    ECL 2022       235.53     215.4      196.75       179.5       163.57  
    ECL 2023       143.05    135.23      127.75      120.59       113.77  
    ECL 2024       85.219    83.517      81.816      80.118       78.429  
    ECL 2025       51.346    51.514      51.665      51.798       51.917  
    ECL 2026       33.162    33.271      33.368      33.454       33.531  
    ECL total      1538.1      1376      1231.8      1103.7       990.08  
    Probability       0.1       0.2         0.3         0.2          0.2  

fprintf('Lifetime ECL for company %s is: %g\n',CompanyIDChoice,ECL)
Lifetime ECL for company 1304 is: 1217.32

См. также

| | | | | |

Связанные темы

Документация по инструментам управления рисками

Поддержка