Как нам «русифицировать» Data Mining для оценки банковских рисков

Размещено на сайте 16.12.2022

Казалось бы, в продвинутом инструментарии Data Mining/Data Science нет недостатка. Но все не так просто. Дело не только в том, что почти все программные продукты на рынке — иностранного производства. Есть и проблемы, связанные с несоответствием аналитических средств программирования банковским задачам. Кроме того, опыт регуляторных валидаций банковских моделей в рамках внедрения подхода на основе внутренних рейтингов (ПВР) показал необходимость более легитимного и проверенного аналитического инструментария.

Юрий ПОЛЯНСКИЙ, ПАО «Промсвязьбанк», начальник Управления разработки ПВР-моделей, DBA, канд. техн. наук, доцент

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

Применяемые на банковском рынке аналитические средства программирования по своей сути больше подходят для теоретических изысканий в студенческой аудитории или в НИИ, чем для промышленного («боевого») применения коммерческим банком в рыночных условиях с их многочисленными и срочными практическими задачами.

Многие ответственные аналитические задачи на практике зачастую решаются фактически «на коленке». Это может необоснованно завышать уровень операционного (в т.ч. модельного) риска, что неоднократно наблюдалось в ходе регуляторных валидаций в рамках внедрения ПВР.

Как показал опыт валидаций моделей ПВР, проведенных Банком России, помимо количественных (как правило, статистических) исследований есть также необходимость в проведении довольно специфического качественного анализа с применением визуальных средств.

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