Методический журнал
Риск-менеджмент в кредитной организации

Требования Банка России к ВПОДК в банковской группе не определяют конкретные подходы, методики и инструменты: банковские группы должны разработать их самостоятельно. Как распределить обязанности в рамках ВПОДК в группе? Из каких элементов должны состоять ВПОДК группы? Как обеспечить согласованность подходов в рамках ВПОДК участников группы?

В статье анализируются требования к ВПОДК, касающиеся валидации моделей количественной оценки риска, и подходы к управлению модельным риском. Какую информацию включать во внутреннюю отчетность? Как управлять процессами производства моделей при помощи стандарта CRISP-DM? Что выбрать: аутсорсинг валидации или развитие функции in-house?

Значительная часть вопросов банков при внедрении (изменении) ВПОДК касается методологии определения и распределения капитала. По каким двум алгоритмам можно проводить процедуру планирования и распределения внутреннего капитала?

Математические методы в финансах позволили приблизиться к решению проблем оценки опционов, понимания микроструктуры рынков и портфельного инвестирования. Однако в современных финансах, и в частности в риск-менеджменте, до сих пор остаются проблемы, которые не в состоянии адекватно решить инструментарий финансовой науки. Одна из самых сложных и актуальных задач — оценка риска по финансовым инструментам с низкой ликвидностью. Решить ее возможно при помощи методов квантовой физики. Для освещения этой темы мы пригласили Якова Саркиссяна, управляющего директора компании Algostox Trading, статью которого публикуем далее.

Профессиональные участники рынка постоянно вынуждены иметь дело с низколиквидными ценными бумагами. Традиционные методы оценки риска для таких бумаг не работают. В результате уровень риска всего инвестиционного портфеля может быть искажен или недооценен, что неизбежно приводит к ошибочным решениям в управлении рисками. Представленная в статье концепция, основанная на модели связанных волн, позволяет моделировать ценные бумаги с ограниченной ликвидностью, оценивать риск, связанный с ликвидностью, а также вклад в него различных факторов.

При использовании ключевых индикаторов риска, особенно в самом начале, банк сталкивается с двумя серьезными проблемами. Одна из них — необходимость адресной идентификации потенциальных операционных рисков на основе КИР. Другая — необходимость охватить при помощи КИР все бизнес-процессы банка и происходящие в них изменения. В статье представлена методология, которая поможет решить эти проблемы. Особенно актуальной она может быть для банков, работающих на локальном рынке и планирующих вводить систему КИР.

Модели оценки риска существенно опираются на средства измерения зависимости между факторами риска. Как правило, в качестве последних выступают ковариационная или корреляционная матрица факторов риска. Часто оказываются доступными исторические наблюдения за динамикой факторов риска, которые позволяют получать качественные оценки параметров зависимости. Однако так бывает далеко не всегда, и приходится использовать различные разумные предположения о величине зависимости.

Мы открываем серию публикаций, в которых будет подробно освещаться этап подготовки данных, предшествующий построению прогнозной модели в программе SPSS. Как обрабатывать выбросы, выполнять импутацию пропущенных значений, конструировать новые переменные, проводить корреляционный анализ и ряд других операций, направленных на повышение качества модели логистической регрессии? Для примера используется конкурсная задача предсказания отклика клиентов ОТП Банка.

С начала года 37 банков лишены лицензий, а 30 официально находятся под санацией. На случай если банк столкнулся с проблемами, которые ставят под угрозу его дальнейшее существование, в статье представлена пошаговая методика разработки антикризисного плана.