| Описание издания | Свежий номер | Архив | Приобрести/Подписаться |
|
Содержание номера 3/2025 КРЕДИТНЫЙ РИСК 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. 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 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 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. 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 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 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 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?
|
|