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 4/2020
  ЭФФЕКТИВНОСТЬ МОДЕЛЕЙ  
Сергей АФАНАСЬЕВ, КБ «Ренессанс Кредит», исполнительный директор, начальник управления статистического анализа
Диана КОТЕРЕВА, КБ «Ренессанс Кредит», руководитель направления моделирования и оперативного анализа
Константин СТАРОДУБ, КБ «Ренессанс Кредит», ведущий аналитик направления моделирования и оперативного анализа
MPP-challenge: моделирование прогноза качества модели
На весенней конференции Scoring Day команда из ВТБ рассказала про MPP-подход, с помощью которого можно строить модели предсказания качества других моделей. В своем докладе Денис Суржко, возглавляющий Data Science подразделение ВТБ, предложил банкам начать использовать МРР-подход и исследовать ряд важных вопросов о его применимости. Мы в «Ренессанс Кредите» принимаем этот челлендж и в этой статье расскажем о нашем опыте внедрения MPP-подхода, а также постараемся ответить на озвученные командой ВТБ вопросы.
Павел НИКОЛАЕВ, Банк «Открытие», управляющий директор департамента интегрированных рисков
Владислав КОНОПАЦКИЙ, Банк «Открытие», начальник отдела моделей кредитного риска управления моделирования и автоматизации департамента интегрированных рисков
Александр БОРОДИН, GlowByte Consulting, ведущий эксперт по моделированию финансовых рисков
Алиса ПУГАЧЁВА, GlowByte Consulting, бизнес-аналитик, эксперт по моделированию кредитных рисков
Эмилия ВОЛЫНЕЦ, GlowByte Consulting, ведущий бизнес-аналитик
Рейтинговое моделирование в контексте SCF
Данные о цепочке взаимодействия контрагентов (Supply Chain Finance, SCF) позволяют повысить точность прогноза рейтинга кредитоспособности клиента. Однако доля взаимного пересечения данных SCF (hit-rate) с данными из других источников, таких как БКИ, может стать узким местом для их совместного использования. Рассмотренные в статье подходы обеспечивают полноценное использование всех доступных источников данных о клиентах.
Алексей БУЗДАЛИН, директор Центра экономического анализа Группы «Интерфакс», к.э.н.
Вадим СЛИВИНСКИЙ, аналитик Центра экономического анализа Группы «Интерфакс»
Как оценить риски контрагентов на основе динамики фондового рынка
Для оценки и мониторинга кредитного риска публичных компаний целесообразно использовать структурные модели, являющиеся развитием KMV-модели. Такие модели позволяют быстро реагировать на шоковые события, связанные с состоянием как отдельной компании, так и рынка в целом. На основе структурных моделей также может основываться получение корректировки вероятности дефолта Point-in-Time при подготовке отчетности по МСФО (IFRS) 9. Значение коэффициента корректировки можно интерпретировать как индекс среднего кредитного риска в экономике, который вследствие пандемии COVID-19 вырос примерно в 10 раз.
Владимир КОЗЛОВ, FRM, консультант по риск-менеджменту, raisk.ru
Динамические факторные модели для создания макроэкономических прогнозов: практический подход
Частного финансового бизнеса в России все меньше. Экономика рискует превратиться в советскую, пыльную, неповоротливую и обреченную, а господдержка населения и бизнеса — стать необходимым фактором существования и драйвером хоть какой-то стабильности. Что же делать независимо мыслящему рисковику в таких условиях? Померяем температуру самого государства современным высокотехнологичным способом. Живо оно или нет и что с ним будет в 2021 г. — проверим с помощью популярнейшего метода европейских центробанков.
Артем ГРУЗДЕВ, ИЦ «ГЕВИССТА», директор
Калибровка прогнозных моделей в Python
При выполнении классификации часто требуется не только предсказать класс, но и получить вероятность класса. Эта вероятность дает определенную уверенность в прогнозе. Некоторые модели могут давать плохие оценки вероятностей классов, а некоторые даже не позволяют вычислить вероятности (например, линейный классификатор опорных векторов, реализованный в классе LinearSVC). Разберем классы и функции питоновской библиотеки машинного обучения scikit-learn. Модуль калибровки в scikit-learn позволяет лучше калибровать вероятности используемой модели.
  КЛИМАТИЧЕСКИЕ РИСКИ  
Владимир СКОБАРЕВ, ФБК Грант Торнтон, партнер, директор департамента корпоративного управления и устойчивого развития, к.т.н.
Елена ПЕРЦЕВА, ФБК Грант Торнтон, заместитель директора департамента корпоративного управления и устойчивого развития, к.э.н.
Майя САВИЦКАЯ, ФБК Грант Торнтон, менеджер департамента аудиторских и консультационных услуг финансовым институтам
Раскрытие климатических рисков в отчетности банков: вызовы и решения
Банк России предложил обсудить перспективы учета и мониторинга климатических рисков и выпустил доклад «Влияние климатических рисков и устойчивое развитие финансового сектора Российской Федерации». Растет и интерес стейкхолдеров к влиянию климатических рисков на финансовое положение бизнес-структур. Статья поможет определиться с тем, как раскрывать в финансовой отчетности климатические риски и возможности, какие регуляторные документы при этом использовать и какие шаги наметить для постепенного перехода к раскрытию климатических рисков.
  ХЕДЖИРОВАНИЕ ФИНАНСОВЫХ РИСКОВ  
Татьяна САФОНОВА, О2 Consulting, партнер, руководитель налоговой практики, к.э.н., доцент, советник налоговой службы I ранга
Деривативы — способ управления рисками или их источник?
Как использовать ПФИ для хеджирования рисков, банки в идеале знают. Но они продают эти инструменты компаниям, а те уже не всегда понимают, как их использовать для хеджирования. При этом банки не всегда могут верно объяснить, как оптимально квалифицировать инструменты для целей учета и налогообложения, как подобрать подходящий инструмент для хеджа. Статья поможет разобраться в этих вопросах.
  МОДЕЛЬНЫЙ РИСК  
Любовь БОЧКА, ООО «САС Институт», консультант практики управления рисками SAS Россия/СНГ
Продвинутое управление модельным риском: ключевые элементы и лучшие практики
Сейчас требования по управлению модельным риском идут вместе с требованиями по управлению операционным риском. Но зная, что Банк России зачастую ориентируется на практики европейского регулятора, можно предположить, что в скором времени могут появиться формализованные отдельные требования по управлению модельным риском. Какие компоненты должна включать в себя инфраструктура управления модельным риском в банке? Как выстроить единый жизненный цикл для всех моделей? Какой выбрать подход для оценки уровня модельного риска? Как распределить роли и зоны ответственности в рамках модели трех линий защиты?
 
 
Другие проекты группы «Регламент-Медиа»