Оптимизация моделей оценки вероятности дефолта в кризисных условиях

Размещено на сайте 08.06.2020

Использование существующих подходов к моделированию ожидаемых кредитных убытков во время кризиса, вызванного пандемией COVID-19, может привести к менее точному расчету резервов ECL, что станет причиной чрезмерной или, наоборот, недостаточной аллокации капитала на покрытие кредитных потерь. По мнению авторов, в ближайшее время на первый план выйдут подходы, основанные на алгоритмах машинного обучения и использовании концепции Auto ML. В статье на реальных примерах из практики банков описаны модели, учитывающие специфику кризисного периода.

Алексей АНТОНОВ, компания «Неофлекс», директор практики «Технологии финансовых рынков и управления рисками», к.э.н.
Роман СОРОКИН, компания «Неофлекс», ведущий специалист практики Data Science

Приводятся извлечения из статьи. Полную версию материала читайте в журнале. Подписаться

Под действие регуляторных послаблений попадает и подход к оценке ожидаемых кредитных потерь, устанавливаемый МСФО (IFRS) 9.

Набор критериев «значительного ухудшения кредитного качества» должен быть дополнен рядом количественных, а также (что более важно) качественных факторов, указывающих на способность бизнеса выполнять свои обязательства в среднесрочной и долгосрочной перспективе.

При появлении новых наблюдений, характерных для кризисного периода, целесообразным становится применение моделей машинного обучения для более точной сегментации (которую может быть сложно получить на основании экспертных суждений).

Модель пропорционального риска Кокса, логистическая регрессия и обобщенное гамма-распределение оказались «финалистами», понятными аудиторам банка и устойчиво проходящими валидацию.

Выбрать	Риски	Бухучет и налоги	Кредитный департамент	Управление банком
направление:	Розница	Внутренний контроль	Операционный департамент	Юридическая работа

О компании	Контакты	Авторам		Для клиентов (Как скачать закрывающие документы)
Помощь	Реклама	Подписным агентствам