Издания и мероприятия для банковских специалистов:
 

Методический журнал
Риск-менеджмент в кредитной организации

Описание изданияСвежий номер Архив Приобрести/Подписаться
Выходит один раз в квартал
Объем 112 с
Издается с 2011 года
 
 
Содержание номера 2/2017
  ТЕМА НОМЕРА  
Денис СУРЖКО, ВТБ Банк (ПАО), начальник отдела разработки риск-моделей, к.э.н., PRM
Байесовский подход к определению центральной тенденции для низкодефолтных портфелей
Определение уровня риска по низкодефолтному портфелю зачастую является в большей степени искусством, нежели технической процедурой. В большинстве случаев одного индикатора (подхода) для получения финальной оценки бывает недостаточно, поэтому чем шире математический инструментарий и набор данных для оценки рисков в низкодефолтных портфелях, тем проще разработчику корпоративных моделей построить достоверную оценку и защитить ее перед подразделением по валидации и внешними аудиторами. Как использовать для этих целей модель, основанную на байесовских методах?
Вячеслав БИТЮЦКИЙ, ООО «ПрайсвотерхаусКуперс Консультирование», руководитель практики управления рисками для компаний финансового сектора
Вера ПЕРЕВИЦКАЯ, АО «Альфа-Банк», начальник отдела валидации
Андрей ЛИПАТОВ, Citi (Нью-Йорк)
Валидация моделей экономического капитала
Хотя регулятор предоставляет возможность рассчитывать достаточность капитала на основе внутренних моделей, к их валидации предъявляются серьезные требования. Какие методы и подходы помогли бы эффективно обеспечить валидацию моделей экономического капитала и найти «болевые точки» моделей? Какие компоненты включить в проверку?
  ОПЕРАЦИОННЫЙ РИСК  
Сергей АФАНАСЬЕВ, КБ «Ренессанс Кредит» (ООО), начальник управления расследования мошенничества
Анастасия СМИРНОВА, КБ «Ренессанс Кредит» (ООО), главный эксперт по работе с системами противодействия мошенничеству
Предиктивная фрод-аналитика: Б-тесты
В банковской сфере методы математического моделирования применяются в самых разных направлениях бизнеса: при оценке кредитоспособности клиента (application & behavior scoring), для формирования таргетированных предложений (x-sell, up-sell), при выборе стратегии взыскания (collection scoring) и т.д. Не стало исключением и противодействие мошенничеству. В этой статье разбираются методы, с помощью которых можно на ранних этапах выявлять внутреннее мошенничество среди сотрудников и партнеров банка.
  РИСК ЛИКВИДНОСТИ  
Константин ЛОСЕВ, Банк СОЮЗ (АО), заместитель начальника управления контроля и мониторинга рисков
Модель оптимизации банковского баланса на основе управления показателями ликвидности
Какие факторы риска являются основными катализаторами реализации риска ликвидности? Как определить объем ликвидных активов, необходимый для обеспечения исполнения обязательств банка перед кредиторами? Какие подходы использовать для определения оптимального состава ликвидных активов с учетом риск-аппетита и стратегии развития банка? Ответить на эти вопросы поможет предложенный в статье подход к созданию модели оптимизации банковского баланса с учетом внешнего и внутреннего регуляторного окружения.
  КРЕДИТНАЯ АНАЛИТИКА  
Николай БАБЕНКО, ПАО РОСБАНК, ведущий кредитный аналитик
Оценка риск-профиля лизинговых компаний
В силу специфики бизнеса к лизинговым компаниям неприменим стандартный блок показателей, которые используются для оценки финансового состояния обычных предприятий. При этом нужно учесть, что с 2017 года Банк России начинает глобальную реформу лизинговой отрасли. Несмотря на признаки восстановления рынка лизинговых услуг в 2016 году, сложившаяся на этом рынке ситуация требует повышенной осторожности при оценке кредитоспособности лизинговых компаний. По какой методике можно оценить их риск-профиль?
  РИСК-МОДЕЛИРОВАНИЕ  
Юрий СОКОЛОВ, Skyline Risk Solutions, генеральный директор
Внедрение МСФО (IFRS) 9: вызовы и преимущества для российских банков
Модель ожидаемых кредитных убытков, предусмотренная в МСФО (IFRS) 9 «Финансовые инструменты», требует от банков учитывать события будущих периодов, не ограничиваясь событиями прошлого и текущего периодов. Основной вопрос: как банк может выполнить требования МСФО (IFRS) 9, наилучшим образом используя данные, которые у него уже имеются?
  DATA SCIENCE  
Артем ГРУЗДЕВ, ИЦ «Гевисста», генеральный директор
Предварительная подготовка данных в R и Python
Этой статьей мы открываем серию публикаций о предварительной подготовке данных в программных пакетах R и Python. Мы рассмотрим вопросы импутации пропущенных значений, обнаружения аномальных значений, нормализации переменных и конструирования новых признаков. Данная статья посвящена импутации пропусков в программном пакете R.
  МАТЕМАТИЧЕСКИЕ МЕТОДЫ ОЦЕНКИ РИСКА  
Аркадий НОВОСЕЛОВ, Сибирский федеральный университет, доцент, к.ф.-м.н.
Какой метод применять для оценки риска сложного портфеля опционов?
Для оценки риска сложного портфеля, содержащего опционы с разными параметрами, линейное приближение дает совершенно неприемлемые результаты, и необходимо использовать либо историческое моделирование, либо метод Монте-Карло или же строить специфические аналитические приближенные методы для фиксированных классов портфелей. Какой метод целесо­образнее применять? В этой статье мы проведем сравнение дельта-метода, исторического метода и метода Монте-Карло для портфеля опционов типа «бабочка».
 
 
Другие проекты группы «Регламент-Медиа»