Издания и мероприятия для банковских специалистов:
 

Методический журнал
Риск-менеджмент в кредитной организации

Описание изданияСвежий номер Архив Приобрести/Подписаться
Выходит один раз в квартал
Объем 112 с
Издается с 2011 года
 
 
Содержание номера 3/2025
  КРЕДИТНЫЙ РИСК  
Александр ГРОМОВ, Банк ВТБ (ПАО), Управление моделирования РБ, управляющий директор; Максим ПАСЬКО, ГК «Иннотех», Центр моделирования розничного бизнеса, главный аналитик
Использование моделей для оценки дохода розничных клиентов банка: направления, метрики, методы обучения
Потребность в информации о доходе возникает на разных этапах оценки клиента. В статье описан опыт, накопленный при разработке комплекса моделей оценки дохода, применяемого в банке в различных задачах. Приводится информация о направлениях использования моделей дохода, метриках оценки результата, выборе целевого признака, источниках данных, методах обучения и способах снизить стоимость ошибки прогноза модели. Опыт может быть интересен в том числе для других задач, в которых требуется спрогнозировать непрерывный показатель.
Екатерина ДРАГАНЮК, Банк России, Департамент надзора за системно значимыми кредитными организациями, главный экономист
Ключевые направления внутреннего аудита в рамках реализации ПВР
Необходимость использовать оценки, полученные с применением ПВР, в процессах управления и принятия кредитных рисков может потребовать изменения процессов банка, в том числе в деятельности службы внутреннего аудита. Какие процессы применения моделей ПВР должна оценивать служба внутреннего аудита? Как выглядит общий алгоритм оценки? Каковы основные возможные ошибки в части качества данных при применении ПВР и как их можно избежать? Об этом — в статье Екатерины Драганюк (Банк России) с предисловием эксперта по ПВР Юрия Полянского.
  ОПЕРАЦИОННЫЙ РИСК  
Елена РОЗАНОВА, ООО «РИСКФИН», советник генерального директора; Игорь ФАРРАХОВ, ООО «РИСКФИН», заместитель генерального директора
Риск аутсорсинга: много проблем и один рецепт оценки
Ввод в действие новой главы Положения № 716-П, определяющей требования к управлению еще одним видом риска — риском аутсорсинга, поставил перед кредитными организациями дополнительные аналитические задачи. Их решение связано с необходимостью разработки новых методик, комбинированием разных подходов к оценке, применением элементов, используемых не только в операционных, но и в других видах риска (например — кредитном, для оценки финансового состоя­ния исполнителя).
  РЫНОЧНЫЙ РИСК  
Елена КОВЫЛЯНСКАЯ, Банк ВТБ (ПАО), Департамент анализа данных и моделирования, управляющий директор; Семен АГАПОВ, Банк ВТБ (ПАО), Департамент анализа данных и моделирования, эксперт
Модель обменного курса со стохастическими скачками волатильности для описания динамики валютной пары USD/RUB
В статье рассказывается о стохастической модели обменного курса рубля с валютами G7, например для обменного курса рубля с долларом. Модель показывает успешные результаты бэк-тестирования на длительных временных горизонтах. Применяться модель может как для расчета различных типов риска: рыночного, риска контрагентов, — так и для прайсинга сложных продуктов, требующих применения метода Монте-Карло, например сложноструктурированных продуктов, выплаты по которым зависят в той или иной степени от обменного курса рубля с валютой G7.
Антон ЯКОВЛЕВ, основатель Feel Momentum Group; Владимир КОЗЛОВ, основатель и управляющий директор компании Raisk, FRM
Российская инфляция — 2025: BERT против Минэкономразвития, Банк России против всех
В условиях роста макроэкономической неопределенности и усложнения глобальных финансовых связей традиционные методы прогнозирования инфляции сталкиваются с серьезными ограничениями. Российская экономика, находящаяся под воздействием множественных внешних и внутренних шоков, требует новых подходов к анализу ценовой динамики. В статье представлен инновационный метод прогнозирования инфляции на основе анализа коммуникаций центробанка с использованием модели BERT, позволяющий извлекать скрытые сигналы из текстовых данных.
  МОДЕЛЬНЫЙ РИСК  
Вера ПЕРЕВИЦКАЯ, Альфа-Банк, начальник управления валидации; Екатерина КУЗЬМИНА, «Технологии Доверия», старший менеджер
Как управлять модельным риском в условиях развития data-driven решений и генеративного ИИ
Финансовые потери из-за ошибок в алгоритмах, репутационный ущерб от некорректных прогнозов и ответов чат-ботов могут подорвать устойчивость даже крупного банка. В статье разберем, почему эффективное управление модельным риском — значимый элемент безопасности бизнеса в условиях растущей зависимости от data-driven решений, а также рассмотрим возможные инструменты управления модельным риском.
  АНАЛИЗ ДАННЫХ  
Наталья МАЛЬЦЕВА, Точка Банк, аналитик данных; Татьяна БОРОДИНА, Точка Банк, аналитик данных; Артур СОСНОВИКОВ, Точка Банк, тимлид нескольких ML-команд
Как повысить точность предсказания модели через снижение дрифта признаков: кейс Точка Банк
Какой бы хорошей ни была модель, необходим постоянный мониторинг ее предсказаний, так как поведение клиентов со временем меняется, и возможно снижение качества признаков (дрифт). В статье описан кейс анализа «странного» поведения модели, которая предсказывает отток клиентов. Разберемся, в чем причины дрифта и какие признаки включить в мониторинг, чтобы не упустить важные детали.
  ИНСТРУМЕНТЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА  
Аэлита ЗАЙНУЛЛИНА, АО «ТБанк», руководитель направления правового сопровождения обработки персональных данных, отдел правового сопровождения регуляторных процессов; Ольга РАЗИНА, независимый эксперт, член СРО «Содружество», к.э.н.; Дмитрий ГРИШИН, председатель Комитета АРБ по инновациям в банковской отрасли; Анна КОЗЫРЕВА, Институт ИИ и циф­ровых наук НИУ ВШЭ, руководитель направления продвижения и коммуникаций; Александр ДЬЯКОНОВ, «Центральный университет», АО «ТБанк», академический руководитель направления наук о данных, д.ф.-м.н.
Как повлияет на управление рисками Кодекс этики в сфере ИИ
Банк России 9 июля представил Кодекс этики в сфере разработки и применения ИИ на финансовом рынке. Может ли отказ от внедрения принципов Кодекса рассматриваться как нарушение требований к управлению рисками (в т.ч. по Положению № 716-П)? Кто отвечает за ошибки ИИ-систем и сбои в их работе? Следует ли банкам встраивать положения Кодекса в свои внутренние акты и процедуры? Нужно ли менять договоры и публичные оферты в связи с использованием ИИ?
 
 
Другие проекты ИД «Регламент»