Общая характеристика моделей оценки кредитного риска [c.338]
В целом, модели оценки кредитного риска призваны дать ответ на вопрос, какова вероятность того, что заемщик окажется неплатежеспособным, и какой должна быть стоимость предлагаемого ему кредитного продукта с учетом прошлого опыта и прогнозов относительно будущего. [c.339]
Все существующие модели оценки кредитного риска можно классифицировать [c.339]
Развитие кредитного риск-менеджмента в последние годы было обусловлено применением современных математических методов, таких как анализ выживаемости, вероятностное и статистическое моделирование, математическое программирование, теория игр, нейронные сети и др. По применяемому математическому аппарату модели оценки кредитного риска можно классифицировать следующим образом [17] [c.339]
Модели оценки кредитного риска могут применяться в различных сферах деятельности, в том числе [c.340]
Модели оценки кредитного риска портфеля [c.389]
Для достижения этих целей в 1990-х годах были разработаны и получили широкое практическое применение различные модели оценки кредитного риска портфелей, состоящих из разных финансовых инструментов и сделок, заключенных с различными контрагентами в рамках разнообразных направлений деятельности. Данный подход рассматривает риск портфеля не как арифметическую сумму изолированных позиций, а как единое целое, в анализе которого следует учитывать эффекты диверсификации и взаимного хеджирования его составляющих. [c.389]
СРАВНИТЕЛЬНЫЕ ХАРАКТЕРИСТИКИ МОДЕЛЕЙ ОЦЕНКИ КРЕДИТНОГО РИСКА ПОРТФЕЛЯ [c.393]
Резерв под ожидаемые потери по ссуде 1,25 Внутренняя модель оценки кредитного риска [c.570]
Для оценки кредитного риска разработаны и используются в зарубежной и в отечественной практике разные модели. Все они созданы для анализа потенциального кредитора с точки зрения предсказания вероятности снижения его кредитного рейтинга или неплатежеспособности, а также вероятности восстановления стоимости активов после выхода из кризиса. Однако пока ни одна из этих методик не признана совершенной и пригодной к использованию в качестве основы для разработки законодательных требований к деятельности кредитных и инвестиционных институтов. Признано, что чрезвычайно сложно создать унифицированную методику управления рисками. Прежде всего это относится к ситуациям, когда хозяйственная деятельность ведется в условиях кризиса. Отсюда кризис-менеджер при планировании деятельности должен рассчитывать риски с учетом особенностей как текущей экономической и политической ситуации, так и возможного развития событий в ходе осуществления проекта, [c.155]
Методы и инструменты управления кредитными рисками прошли длительный процесс развития. Так, первоначально оценка кредитного риска сводилась к определению только номинальной стоимости ссуды. Впоследствии были разработаны способы определения стоимости кредитного продукта с учетом риска, широкое распространение получили системы рейтинговой оценки кредитоспособности заемщиков. Современный этап развития кредитного риск-менеджмента ознаменован все более широким внедрением внутренних банковских моделей количественной оценки рисков портфелей ссуд. Основываясь на передовых технологиях оценки и управления рыночными рисками, банки стремятся применять портфельный подход к управлению также и кредитным риском. [c.326]
Методы оценки кредитного риска на основе цен акций опираются на те->рию структуры капитала фирмы, разработанную Модильяни и Миллером, и модель ценообразования опционов Блэка, Шоулза и Мертона. [c.361]
Коль скоро кредитный риск определяется и качественными, и количественными факторами, в модели оценки риска следует учесть и те, и другие. При этом в отношении качественных показателей возникает вопрос об их объективности и о возможности их измерения. Из-за того, что обычно используемые в таких задачах статистические модели (MDA, логистическая регрессия) не приспособлены для работы с данными качественного характера, последние вынужденно выпадают из формальной процедуры метода. Таким образом, почти все модели анализа кредитов строятся на количественном подходе, хотя какие-то элементы качественного анализа также могут присутствовать. Модели, дающие точное решение, получаются довольно невразумительными, дилетантскими и не способными определить, в какой степени качественные составляющие действительно влияют на результат. Поэтому с их помощью очень трудно оценить решения, принимаемые специалистами в этой области. [c.168]
Гуковская А.А. Кредитный риск. - М. ГУУ, 2002.-60 с., Вишняков И.В. Методы и модели оценки [c.34]
Далее в этом разделе рассматриваются основные понятия и общие прин ципы работы моделей оценки риска кредитных портфелей, а также дан срав нительный анализ наиболее известных из этих моделей, уже ставших отрас левым стандартом. [c.390]
Полученные рейтинговые оценки могут использоваться для составлени) отчетности о качестве кредитного портфеля, определения необходимого уров ня собственного капитала и резервов, анализа рентабельности кредитногс портфеля и кредитующих подразделений, определения стоимости кредитныз продуктов и принятия прочих управленческих решений. Кроме того, приме нение современных статистических моделей оценки кредитного риска порт феля требует наличия рейтинговой системы и исторических данных о вели чине потерь по ссудам и вероятностях изменений рейтинговых оценок. [c.338]
Все известные на сегодня модели оценки кредитного риска портфеля можнс классифицировать по следующим признакам [35] [c.390]
В гл. 5 на примере Европейской биржи опционов (ЕОЕ, Амстердам) исследуется вопрос о том, дают ли нейронные сети существенные возможности для получения прибыли в течение одного торгового дня. Гл. 6 посвящена результатам определения макроэкономических показателей (так называемых глобальных (pervasive) факторов), влияющих на доходы от общего индекса акций на Нью-Йоркской и Амстердамской фондовых биржах. В гл. 7 показано, что нейронные сети являются вполне жизнеспособным инструментом отбора в международном распределении активов, поскольку они позволяют выбрать среди всех портфелей тот, который имеет наивысший доход и наименьший риск. Гл. 8 посвящена оценке кредитного риска посредством данных нефинансового характера. До сих пор очень мало было сделано для того, чтобы в моделях предсказания банкротств учитывать качественные показатели. В то же время, нейронные сети могут работать как с числовыми, так и с нечисловыми данными. В гл. 9, напротив, чисто экономические числовые показатели используются для оценки возможности банкротства корпорации на примере английских производителей комплектующих для автомобилей. В последней, десятой, главе построена нейронная сеть для обнаружения критических точек при изменении показателей доходов по акциям. Результаты показывают, что простое техническое правило торговли, реализованное нейронно-сетевой системой с прямой свя- [c.17]
Вторая прикладная задача, которая рассматривается в этой главе, связана с ex post оценкой кредитного риска по фрагменту портфеля займов, выданных корпоративным клиентам Голландского Инвестиционного банка (NIB). Этот частный торговый банк с преобладающей долей государственной собственности специализируется на предоставлении средне- и долгосрочных займов корпорациям. Для описания компаний-заемщиков банка в модели использовалось 44 каче- [c.169]
При нарушении предположений о независимости модель оценки кре ного риска необходимо скорректировать таким образом, чтобы учесть кор ляцию между вероятностью дефолта и размером подверженности риск случае наступления дефолта. Фактически это означает разработку интег рованной модели оценки кредитного и рыночного риска для сделок с прс водными инструментами. [c.375]
Достоинства и недостатки этой меры кредитного риска были рассмотрены выше (см. п. 5.8.1). Модель оценки странового риска на основе спредов еврооблигаций предложена в [40]. [c.407]
A. А. Лобанов и С. В. Замковой подробно излагают различные нормативн подходы к расчету достаточности банковского капитала. Основное внимаь в ней уделяется действующим ныне подходам Базельского комитета по б ковскому надзору к оценке кредитного и рыночного рисков активов Ti дартному подходу и подходу на основе внутренних моделей банков. Ближ, шее и отдаленное будущее государственного регулирования банковских р ков представлено в главе обзором основных положений модифицирование стандартного подхода и подхода на основе внутренних рейтингов к оцеь кредитного риска, содержащихся в Новом Базельском соглашении по ка] талу, а также преимуществ и недостатков подхода на основе предварите ных обязательств, предложенного ФРС США. [c.790]
Создание моделей оценки и управления кредитным риском портфеля былс обусловлено следующими факторами [c.390]
Существенный недостаток модели reditMetri s заключается в том, что при оценке подверженности риску по всем инструментам убытки могут возникать только при наступлении кредитных событий, при этом совершенно игнорируются факторы рыночного риска, такие как случайные изменения процентных ставок и валютных курсов. Как отмечалось выше, в случае процентных и валютных свопов подверженность будет меняться со временем под влиянием факторов рыночного риска, тогда как в системе reditMetri s используется только среднее значение подверженности риску для всех периодов времени. [c.395]
Система KMV Portfolio Manager была разработана компанией KMV и, как и модель reditMetri s, предназначена для оценки и управления кредитным риском портфелей активов. Ее описание было опубликовано в 1998 г. [37]. Кредитный риск не отождествляется только с дефолтом, а определяется как измене- [c.395]
Преимуществами модели reditRisk+ является аналитический метод расчета кредитного VoR, для реализации которого требуется сравнительно немного входных данных, а также учет макроэкономических факторов при оценке вероятности дефолта. В то же время данная модель является достаточно упрощенной и, как и модель reditMetri s, не позволяет интегрировать кредитный риск с рыночным. [c.397]
С другой стороны, наличие сверхнормативного капитала может свидетельствовать (по крайней мере, в некоторых случаях) и о более консервативной оценке банком рисков своей деятельности, т. е. о превышении экономического капитала над регулятивным. В отличие от регулятивного капитала, относительный уровень которого, как правило, является постоянным и при этом общим для всех банков (например, 8% от суммы взвешенных по риску активов), размер экономического капитала зависит от склонности банка к риску, состава и структуры портфелей, параметров и методов оценки рисков. Поскольку все эти факторы изменяются со временем, экономический капитал в разные периоды для разных видов деятельности может оказаться меньше или больше регулятивного капитала. Так, в [52] на примере портфеля корпоративных ссуд с варьирующимся уровнем риска были рассчитаны уровни регулятивного и экономического капитала на основе модифицированного стандартного подхода Базельского комитета [82] и модели reditMetri s соответственно. Результаты исследования свидетельствуют, что по крайней мере для краткосрочных (со сроком погашения до 2 лет) и среднесрочных (до 10 лет) ссуд инвестиционного качества (с рейтингом от ААА до ВВВ) базельские требования к капиталу в размере 8% от взвешенной по риску номинальной стоимости активов оказываются завышенными по сравнению с кредитным VaR. Обратная картина наблюдается в случае ссуд с высоким риском (с рейтингом ниже ВВВ-), для которых рассчитанные по модели требования к капиталу превосходят 8%-ный уровень при этом разрыв возрастает с понижением рейтинга. Для 10-летних ссуд с самым высоким риском (с рейтингом ССС) рассчитанный экономический капитал превосходит регулятивный более чем в 4,6 раза ( ) несмотря на то, что Новое Базельское соглашение по капиталу устанавливает для таких активов коэффициент риска в 150%. [c.548]
Наибольшие трудности, как правило, связаны с оценкой непредвиденны потерь вследствие операционного риска. До недавнего времени они нерел ко вообще исключались из рассмотрения в силу отсутствия общепринятой математического подхода к оценке этого риска по аналогии с рыночным i кредитным рисками. Заметим, что капитал, резервируемый против операци онного риска, не обязательно должен рассчитываться с помощью вероятное но-статистических моделей. Он может быть размещен по различным напран лениям бизнеса и иными способами, в частности [c.566]