Описание издания | Свежий номер | Архив | Приобрести/Подписаться |
Содержание номера 2/2018 ПЕРЕДОВЫЕ МЕТОДЫ УПРАВЛЕНИЯ РИСКАМИ В этом номере журнала мы публикуем статью управляющего директора компании Algostox Trading Якова Саркиссяна, посвященную применению квантовых моделей для моделирования цен на активы и оценки рисков на финансовых рынках. Мы задали Якову Саркиссяну несколько вопросов, в частности о том, почему классические методы ценообразования больше не работают и не будет ли слишком сложно финансистам разобраться в тонкостях квантового подхода. В статье демонстрируется применение модели связанных волн для описания статистических свойств дисбаланса спроса и предложения на финансовые активы. Модель способна адекватно описывать наблюдаемые статистические закономерности при наличии динамической связи между уровнями и позволяет смоделировать цены на неликвидные активы, опционы на такие активы, измерить риски, связанные с ликвидностью, и связать воедино рыночные величины, казавшиеся независимыми. При этом влияние дисбаланса на цену и процесс установления баланса носят неклассический (квантовый) характер. В связи с дефицитом научных исследований и отставанием антифрод-моделирования от отрасли в целом антифрод-специалистам необходимо научиться применять подход transfer learning, то есть использовать в антифрод-задачах уже известные архитектуры нейронных сетей, разработанные для других задач. В этой статье мы рассмотрим несколько таких идей и разберем, как можно использовать в антифроде популярные нейросетевые архитектуры. В прошлом номере мы познакомились с вычислением условных распределений в рамках многомерного нормального распределения для прогнозирования доходности акций. Здесь мы расширим сферу приложения этого метода и применим его к вычислению условных распределений в рамках нормальной копулы, а также многомерного распределения с нормальной копулой и маргинальными распределениями Стьюдента. МЕТОДЫ СПАСЕНИЯ ПРОБЛЕМНЫХ БАНКОВ В этом номере мы продолжаем анализировать преимущества и риски облигаций, конвертируемых в капитал эмитента (CoCos). Насколько адекватными и эффективными оказываются триггеры — роковые события, запускающие механизм конвертации облигаций CoCos в акции или списания облигаций? Насколько выгодно для инвесторов, вкладывающих средства в эти облигации, превратиться в акционеров и на основе каких показателей определяется коэффициент конвертации облигаций? Какова практика выпуска таких облигаций на сегодняшний день? К сожалению, трансформация систем корпоративного управления не всегда приводит к положительным изменениям банковских систем управления рисками. Груз накопленных ошибок «проштрафившихся» команд топ-менеджеров вызывает у совета директоров желание взять на себя оперативное управление банком. Результатом такого управления становится вал нерешенных задач и, как следствие, реализация рисков, которые, подобно вирусам, мутируют в различные формы. Как выстроить эффективную систему принятия решений и иерархию органов управления рисками? РЕГУЛЯТОРНЫЙ РИСК: МЕТОДЫ СНИЖЕНИЯ В статье представлен авторский структурный подход к организации системы ВПОДК в банках. Он включает в себя обзор основных компонентов системы, необходимых методик и процедур с учетом требований Банка России, а также на основании лучших практик в соответствии с требованиями западных регуляторов (преимущественно учитывались немецкие стандарты). СТРЕСС-ТЕСТИРОВАНИЕ Какова степень влияния шокового изменения ключевой ставки на такие показатели банков, как объем кредитного портфеля, уровень резервирования и чистый процентный доход по портфелю? Сколько времени занимает процесс восстановления банковских показателей после шокового изменения ключевой ставки? Полученные в статье результаты могут быть использованы для стресс-тестирования отдельных показателей банка в качестве результатов реализации сценария шокового изменения процентных ставок. УПРАВЛЕНИЕ РИСКОМ ЛОЯЛЬНОСТИ: BEST PRACTICES Использование в рамках МСФО (IFRS) 9 модели ожидаемых потерь может привести к росту волатильности резервов и осложнить процесс управления ими. В статье рассматривается возможность внедрения в банковскую практику источников прогнозной информации, предусмотренных стандартом, из цифровых экосистем на примере экосистемы рейтингования и улучшения качества медицинских услуг.
|
|