Документация

Потребительский кредитный риск

Потребительский кредитный риск (также называемый розничным кредитным риском) - риск потери из-за дефолта клиента (невозврата) по потребительскому кредитному продукту. Эти продукты могут включать ипотеку, необеспеченный личный кредит, кредитную карту или овердрафт. Обычным методом прогнозирования кредитного риска является использование кредитной карты показателей. Карта показателей является статистически обоснованной моделью для присвоения оценки клиенту, которая указывает прогнозируемую вероятность того, что клиент будет по умолчанию. Данные, используемые для расчета балла, могут быть получены из таких источников, как формуляры заявок, кредитные агентства или продукты, которые клиент уже имеет у кредитора. Финансовая Toolbox™ предоставляет инструменты для создания кредитных карт показателей и выполнения анализа кредитного портфеля с использованием карт показателей. Инструментарий управления рисками включает приложение Binning Explorer для автоматического или ручного binning для оптимизации фазы binning разработки кредитной карты оценки. Дополнительные сведения см. в разделе Обзор Binning Explorer.

Корпоративный кредитный риск

Корпоративный кредитный риск (также называемый оптовым кредитным риском) - это риск неисполнения контрагентами своих финансовых обязательств.

На уровне отдельного контрагента одним из основных параметров кредитного риска является вероятность дефолта (PD). Инструментарий управления рисками позволяет оценить вероятности дефолта с помощью следующих методологий:

На уровне кредитного портфеля, с другой стороны, для оценки кредитного риска, для оценки этого риска, главный вопрос, который нужно задать, учитывая текущий кредитный портфель, сколько может быть потеряно в данный период времени из-за дефолтов? В различных обстоятельствах ответ на этот вопрос может означать:

Математически все эти вопросы зависят от оценки распределения убытков по кредитному портфелю: каковы различные суммы, которые вы можете потерять, и насколько вероятно, что вы потеряете каждую отдельную сумму.

Корпоративный кредитный риск принципиально отличается от рыночного риска, который заключается в том, что активы теряют стоимость из-за рыночных движений. Самое важное отличие заключается в том, что рынки постоянно перемещаются, но дефолты происходят нечасто. Поэтому размеры выборки для поддержки любых усилий по моделированию различны. Задача состоит в том, чтобы откалибровать распределение кредитных потерь, потому что размеры выборки невелики. Для кредитного риска, даже для отдельной облигации, которая не была объявлена по умолчанию, невозможно собрать прямые данные о том, что происходит в случае дефолта, потому что она не была объявлена по умолчанию. И как только эмитент по умолчанию, если вы не можете объединить информацию по умолчанию от аналогичных компаний, это единственная точка данных, которая у вас есть.

Для анализа корпоративного кредитного портфеля оценка кредитных корреляций для понимания преимуществ диверсификации также является сложной задачей. Две компании могут использовать по умолчанию только один раз в одном временном окне, поэтому невозможно собрать данные о том, как часто они используют по умолчанию вместе. Для сбора большего количества данных можно объединить данные из аналогичных компаний и в аналогичных экономических условиях.

Инструментарий управления рисками предоставляет структуру моделирования кредитного дефолта для кредитных портфелей с использованием creditDefaultCopula объект, где три основных элемента кредитного риска для одного инструмента:

Предполагается, что эти три количества являются фиксированными и известны для всех компаний в кредитном портфеле. С учетом этого предположения единственная неопределенность заключается в том, будет ли каждая компания по умолчанию, что происходит с вероятностью PDi.

На уровне кредитного портфеля, однако, главный вопрос: «Каковы корреляции по умолчанию между эмитентами?» Например, для двух облигаций с 10MM принципалом каждый риск различен, если ожидается, что компании объявят дефолт вместе. В этом сценарии можно потерять 20MM за вычетом восстановления, все сразу. Кроме того, если значения по умолчанию независимы, можно потерять 10MM минус восстановление, если одно значение по умолчанию, но другая компания, вероятно, все еще жива. Поэтому корреляции по умолчанию являются важными параметрами для понимания риска на уровне портфеля. Эти параметры также важны для понимания особенностей диверсификации и концентрации портфеля. Подход в инструментарии управления рисками заключается в моделировании коррелированных переменных, которые могут быть эффективно смоделированы и параметризованы, а затем в сопоставлении смоделированных значений с состояниями по умолчанию или состояниями по умолчанию для сохранения индивидуальных вероятностей по умолчанию. Этот подход называется копула. При использовании нормальных переменных этот подход называется гауссовой копулой. Инструментарий управления рисками также предоставляет структуру моделирования миграции кредитов для кредитных портфелей с использованием creditMigrationCopula объект. Дополнительные сведения см. в разделе Риск миграции кредитного рейтинга.

Связанные с creditDefaultCopula и creditMigrationCopula объекты, инструментарий управления рисками предоставляет аналитическую модель, известную как асимптотическая модель одного фактора риска (ASRF). Модель ASRF полезна, поскольку в документах Базель II эта модель предлагается в качестве стандарта для определенных видов требований к капиталу. ASRF не является моделью Монте-Карло, поэтому можно быстро вычислить требования к капиталу для крупных кредитных портфелей. Модель ASRF можно использовать для быстрого анализа чувствительности и изучения сценариев «что если» проще, чем повторное выполнение больших моделирований. Дополнительные сведения см. в разделе asrf.

Инструментарий управления рисками также предоставляет инструменты для анализа концентрации портфеля, см. Индексы концентрации.

Рыночный риск

Рыночный риск - это риск потерь на позициях, возникающих в результате изменения рыночных цен. Стоимостной риск - это статистический метод, который количественно определяет уровень риска, связанного с портфелем. VaR измеряет максимальную величину потерь за указанный временной горизонт при заданном доверительном уровне. Например, если 10MM однодневный VaR 95% портфеля, то вероятность потери портфеля менее 10MM на следующий день составляет 95%. Другими словами, только 5% времени (или примерно один раз в 20 дней) потери портфеля превышают 10MM.

С другой стороны, VaR Backtesting измеряет точность вычислений VaR. Для многих портфелей, особенно торговых портфелей, VaR рассчитывается ежедневно. На закрытие следующего дня фактические прибыли и убытки по портфелю известны, и их можно сравнить с оцененной накануне VaR. Эти ежедневные данные можно использовать для оценки производительности моделей VaR, что является целью обратного тестирования VaR. Таким образом, обратное тестирование - это метод, который ретроспективно просматривает данные и уточняет модели VaR. Было предложено много методологий обратного тестирования VaR. В качестве наилучшей практики используйте более одного критерия для проверки производительности моделей VaR, поскольку все тесты имеют сильные и слабые стороны.

Инструментарий управления рисками предоставляет следующие тесты на обратную проверку VaR:

Для получения информации о различных тестах см. Обзор обратного тестирования VaR.

Тестирование ожидаемого дефицита (ES) дает оценку потерь в те очень плохие дни, когда нарушается VaR. ES - это ожидаемая потеря в дни, когда происходит сбой VaR. Если VaR составляет 10 миллионов, а ES - 12 миллионов, вы знаете, что ожидаемый убыток завтра, если это будет очень плохой день, примерно на 20% выше, чем VaR.

Инструментарий управления рисками предоставляет следующие табличные тесты ожидаемого дефицита на основе esbacktest объект:

Следующие инструменты поддерживают ожидаемые тесты на основе моделирования дефицита для esbacktestbysim объект:

Для получения информации о различных тестах см. Обзор ожидаемого обратного тестирования дефицита.

Страховой риск

Возможность точной оценки неоплаченных требований важна для страховщиков. В отличие от компаний в других секторах, страховщики могут не знать точную прибыль в течение периода финансовой отчетности до многих лет спустя. Страховые компании берут страховые взносы на регулярной основе и оплачивают требования при наступлении событий. Чтобы максимизировать прибыль, страховая компания должна точно оценить, сколько будет выплачено по существующим искам в будущем. Если оценка невыплаченных требований будет слишком низкой, страховая компания станет неплатежеспособной. И наоборот, если оценка слишком высока, то резервный капитал по требованиям страховой компании мог быть инвестирован в другом месте или реинвестирован в бизнес

Инструментарий управления рисками поддерживает четыре метода оценки требований для актуариев для использования с developmentTriangle для оценки неоплаченных требований:

Для получения информации о методах оценки см. Обзор методов оценки претензий для страхования, не связанного со страхованием жизни.

Модели срока службы для вероятности дефолта

Такие нормативные рамки, как МСФО (IFRS) 9 и CECL, требуют, чтобы учреждения оценивали потери резервов на основе пожизненного анализа, который зависит от макроэкономических сценариев. Более ранние модели часто разрабатывались для прогнозирования на один период вперед и зачастую без явной чувствительности к макроэкономическим сценариям. В соответствии с МСФО (IFRS) 9 и CECL модели должны прогнозировать несколько периодов вперед, и модели должны иметь явную зависимость от макроэкономических переменных.

Основным результатом анализа кредита на весь срок является ожидаемый кредитный убыток (ECL). Срок службы ECL состоит из резервов, которые банки должны резервировать для ожидаемых убытков в течение всего срока действия кредита. Существуют различные подходы к оценке ECL в течение всего срока службы. В некоторых подходах используются относительно простые методы обработки данных о потерях с качественными корректировками. Другие подходы используют более совершенные методы временных рядов или эконометрические модели для прогнозирования потерь с зависимостями от макро переменных. Другая методология использует модели вероятности дефолта (PD), модели потерь по умолчанию (LGD) и модели экспозиции по умолчанию (EAD) и объединяет их результаты для оценки ECL. Модели жизненного цикла PD в инструментарии управления рисками относятся к категории PD-LGD-EAD.

Инструментарий управления рисками предоставляет следующие модели PD на протяжении всего срока службы:

Сведения о различных моделях см. в разделе Обзор пожизненной вероятности моделей по умолчанию.

Потери, заданные моделями по умолчанию

Убыток при дефолте (LGD) - это доля кредита, которая теряется в случае дефолта. LGD является одним из основных параметров анализа кредитного риска. Хотя существуют различные подходы к оценке резервов кредитных потерь и кредитного капитала, общие методологии требуют оценки вероятностей дефолта (PD), убытков по данному дефолту (LGD) и подверженности риску дефолта (EAD). Резервы и потребности в капитале вычисляются с использованием формул или моделей, использующих эти параметры. Например, запасы потерь обычно оцениваются как ожидаемые потери (EL) по следующей формуле:

EL = PD * LGD * EAD

Инструментарий управления рисками предоставляет следующие модели LGD:

Сведения о различных моделях см. в разделе Обзор моделей потерь, заданных по умолчанию.