Методический журнал
Риск-менеджмент в кредитной организации

Персонал является основным ресурсом банка и одновременно наименее предсказуемым и наиболее опасным фактором риска банковской деятельности. Последним примером попустительства действиям персонала является швейцарский банк UBS, чья система контроля операционных рисков считалась одной из надежнейших в мире. Как оказалось, такая система тоже может дать сбой — избыток доверия трейдеру Квеку Адоболи помог последнему «облегчить» казначейство банка на $2,3 млрд, что вызвало падение акций банка на девять пунктов.

В настоящее время кредитными организациями для анализа возможных потерь используются в основном однофакторные модели, что далеко не всегда является адекватным и оправданным. Предлагаемая в статье методология предполагает одновременное использование неограниченного числа факторов риска как для оценки совокупного банковского риска (риск-аппетита), так и для оценки отдельных его составляющих.

Одним из трех видов рисков, с которыми сталкивается в процессе своей деятельности коммерческий банк, наряду с валютным и операционным является кредитный риск. Для сферы потребительского кредитования (кредиты, предоставляемые физическим лицам для приобретения в рассрочку предметов личного потребления) за последние десятилетия были разработаны методы оценки риска данного вида. Речь идет о моделях оценки кредитного риска, называемых также моделями кредитного скоринга или скоринговыми картами.

В статье дается объяснение тому, что такое подразумеваемая вероятность дефолта, как извлечь информацию о ней из цен, торгуемых на рынке активов, как использовать данную информацию при решении прикладных задач. Рассматриваются понятия вероятности дефолта, условной вероятности выживания, подразумеваемой интенсивности дефолта, временной структуры интенсивности дефолта. Дается краткое описание сути моделей сокращенной формы.

Статистические методы, лежащие в основе скоринговых систем, весьма разнообразны. В настоящее время широко используются дискриминантный анализ, множественная регрессия, логистическая регрессия, деревья классификации, метод К-ближайших соседей, байесовские процедуры, метод опорных векторов, МАР-сплайны и нейронные сети. В настоящей статье речь пойдет об использовании дискриминантного анализа для оценки кредитоспособности заемщиков.

После кризиса 2008 года доверие к стандартным VaR-моделям несколько ослабло. В данной статье рассмотрены три модификации моделей VaR. Первая модель позволяет более точно и консервативно оценивать риск в «хвосте» распределения. Вторая и третья модели являются чем-то средним между стандартным VaR-подходом и стресс-тестированием. Вторая модель позволяет оценивать риск по низколиквидным акциям, используя субъективные оценки. Третья модель позволяет рассчитывать VaR, используя сразу несколько распределений для моделирования.

По мнению представителей бизнес-подразделений, служба риск-менеджмента мешает зарабатывать прибыль, а риск-менеджеры в свою очередь считают, что в бизнес-подразделениях не уделяется достаточного внимания управлению рисками. Тем не менее реализация бизнес-целей и управление риском неразрывно связаны, поэтому риск-менеджеры и бизнес обязаны услышать друг друга и объединить свои усилия для достижения целей банка, тем более что основа для совместных решений может иметь количественное выражение.