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 2/2021
  ТРАНСФОРМАЦИЯ СИСТЕМЫ УПРАВЛЕНИЯ ОПЕРАЦИОННЫМ РИСКОМ  
Максим КОНДРАТЕНКО, Банк ВТБ (ПАО), член правления, к.э.н.
Дмитрий ЖАБИН, Банк ВТБ (ПАО), Департамент интегрированного управления рисками, руководитель департамента — старший вице-президент, к.ф.-м.н.
Елена МОРОЗОВА, Банк ВТБ (ПАО), Управление операционных рисков, начальник управления — вице-президент
Переход на Базель III в управлении операционным риском: опыт ВТБ
ВТБ стал первым банком в РФ, прошедшим проверку системы управления операционным риском (СУОР) на соответствие Положению № 716-П и получившим разрешение перейти на расчет требований к капиталу под операционный риск в соответствии с Положением № 744-П. Расскажем о том опыте, который приобрел банк, вопросах, с которыми пришлось столкнуться, и возможных путях их решения.
Epic fails в управлении операционным риском: как их избежать
В 2020 году Ситибанк потерял больше $900 млн из-за ошибки менеджера, который не проставил галочки в нужных полях при отправке перевода, притом транзакция контролировалась по принципу «шесть глаз». Что поможет предотвратить такие случаи? Что нужно для выполнения требований Положения № 716-П, кроме автоматизации и сбора базы данных? Как сделать бизнес-подразделения своими союзниками и мотивировать сообщать об инцидентах? Какие внешние данные учитывать при моделировании?
  МОДЕЛИ ОЦЕНКИ РИСКА  
Анна ШИРШОВА, Банк ВТБ (ПАО), управление моделирования розничного бизнеса, управляющий директор
Как добиться интерпретируемости ML-моделей
Отличительными чертами топовых команд Data Science являются не только развитые технические навыки и знание предметной области, но и умение общаться с бизнесом на одном языке. Один из инструментов, позволяющих выстроить такой диалог, — придание моделям интерпретируемости. Какие принципы позволяют обеспечить интерпретируемость? Какие модели хорошо поддаются интерпретации? Какие сложности возникают при интерпретации, казалось бы, понятных и простых моделей?
Максим СОБОЛЕВСКИЙ, Jet Brains, product owner
R Data.Table vs Python Pandas: кто быстрее на данных WorldBank?
Что-то на R, что-то на Python — вот обычная реальность разработки моделей в банках. Однако приходящие молодые сотрудники почти не знают R. Да и продакшн, а также в целом «боевое» окружение модели все больше склоняют к выбору Python в качестве основного языка разработки моделей. Но так ли он безальтернативно хорош в прикладных банковских задачах? Чтобы разобраться, сравним быстродействие наиболее известных табличных интерфейсов в двух средах.
Дмитрий КУРЕННОЙ, ПАО «Промсвязьбанк », главный специалист отдела моделирования
Применение MATLAB Simulink для построения моделей оценки кредитного риска корпоративных заемщиков
В большинстве случаев методы моделирования, применяемые для оценки кредитного риска, не выходят за рамки классических методов машинного обучения. Однако спектр перспективных математических подходов и вычислительных инструментов может быть шире. В статье рассмотрены возможности пакета прикладных программ MATLAB для построения системно-динамических моделей, которые учитывают структуру компаний и могут применяться при обратном стресс-тестировании, а также при оценке вероятности дефолта.
  АНАЛИЗ ЗАЕМЩИКА: ИНСТРУМЕНТЫ  
От СПАРК до Creditnet: глубинный обзор систем анализа контрагентов. «БИР-Аналитик»
В этом номере рассмотрим систему «БИР-Аналитик» агентства ПРАЙМ, занявшую третье место в рейтинге RAEX. Это единственный игрок, который предоставляет возможность прямых запросов к своей базе. Основной интерес для нас представляет безлимитная выгрузка из базы. Несколько скриптов позволили нам быстро выгрузить финансовую и нефинансовую информацию, на получение которой из других систем уходят недели.
Михаил КОРНЕЕВ, АО АКБ «ЕВРОФИНАНС МОСНАРБАНК», заместитель руководителя службы внутреннего аудита, к.э.н.
Риск-ориентированная оценка потоков денежных средств корпоративных заемщиков
Возмещаемая стоимость кредита корпоративного заемщика прямо пропорциональна будущим потокам денежных средств. Лучший вариант — использовать денежные средства от операционной деятельности. Менее приемлемый — использовать денежные средства от инвестиционной деятельности. Совсем неинтересный — использовать средства от деятельности финансовой. В связи с этим необходимо тестировать прогнозные отчеты о движении денежных средств на предмет их реальности.
  БЛИЦ ОТ ЭКСПЕРТА  
Александр ДЬЯКОНОВ, профессор ВМК МГУ, д.ф.-м.н.
Как набрать звездную команду Data Scientists: десять рекомендаций
Как руководителю отдела рисков подбирать специалистов, которые могут применять современные методы машинного обучения для решения «боевых» задач? Что делать, если бюджет на Data Science ограничен и банк предлагает зарплату немного ниже рынка? Откуда брать новичков: из студентов, экономистов или ИТ-специалистов, которые не связаны с ML, но имеют большой опыт в Python? Предлагаем рекомендации одного из лучших специалистов в прикладном анализе данных.
 
 
Другие проекты группы «Регламент-Медиа»