Методический журнал
Риск-менеджмент в кредитной организации

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?

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?

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.

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.

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?

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?

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.

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».