Моделирование потерь в случае дефолта в концепции минимизации остаточного риска
Помазанов М.В.

1
Введение

3
Рис. 1. Типичное частотное распределение LGD

4
Рис. 2. График зависимости LGD для фиксированных значений R = 0,2,

5
Рис. 3. Зависимость уровня восстановления стран-дефолтеров от рейтингового грейда страны за один год до дефолта, измеренная ценовым методом

6
Рис. 4. Зависимость между уровнем дефолтности и уровнем восстановления за период 1983–2016 гг. по данным о рынке корпоративных облигаций США и EC
Практические драйверы для модели RR / LGD

7
Рис. 5. Схема базисных факторов модели RR / LGD
Таблица 1. Источники, меры и методы для оценки LGD

8
Таблица 2. Данные, анализируемые в работе Г. Лотермана и др.

9
Рис. 6. Плотность распределения LGD

10
Таблица 3. Результат измерения линейной корреляции Пирсона прогнозного и реализованного LGD
Таблица 4. Переменные, входящие в модель LGD (работа Т. Конечны и др.)

11
Таблица 4. Переменные, входящие в модель LGD (работа Т. Конечны и др.) (продолжение)
Таблица 5. Переменные, входящие в модель LGD (работа М. Кошака и Ю. Польшака)
Таблица 6. Модель RR

12
Таблица 6. Модель RR (продолжение)
Линейная калибровка модели LGD, оптимальная с точки зрения остаточного риска

14
Заключительные рекомендации по реализации подхода

15
Рис. 7. Зависимости решений (8) от корреляции рейтинга LGD с реальными измерениями для различных уровней разброса LGD относительно среднего значения

Таблица 7. Расчеты параметра

15
после применения модели (5), оптимальный параметр чувствительности

17
ПРИЛОЖЕНИЕ. Оценка среднеквадратической ошибки параметра «разброс LGD»

18
Литература

Ключевые слова: кредитный риск, остаточный риск, потери в случае дефолта, LGD, Recovery Rate, восстановление после дефолта

Аннотация

В статье представлен подход, предполагающий декомпозицию процесса разработки модели RR / LGD на два этапа: построение модели рейтинга RR / LGD и калибровка последнего с помощью линейной формы, минимизирующей остаточный риск. Автор предлагает использовать метрику остаточного риска, приводит расчеты его параметров для моделей RR / LGD для нескольких открытых источников, дает рекомендации о наиболее важных параметрах валидации произвольной модели RR / LGD.

Журнал: «Управление финансовыми рисками» — №3, 2021 (© Издательский дом Гребенников)

1. Анто нова Б.Н. Оценка ставки восстановления по российским корпоративным облигациям // Корпоративные финансы. — 2012. — №4(24). — С. 130–143.

2. Карминский А.М., Лозинская А.М., Ожегов Е.М. Методы оценки потерь кредитора при ипотечном жилищном кредитовании // Экономический журнал ВШЭ. — 2016. — Т.20. — №1. — С. 9–51.

3. Помазанов М.В. Формула компенсации остаточного риска потерь в случае дефолта // Управление финансовыми рисками. — 2020. — №4. — С. 260–270. — DOI: 10.36627/2221-7541-2020-4-4-260-270.

4. Указание Банка России от 15 апреля 2015 г. №3624-У «О требованиях к системе управления рисками и капиталом кредитной организации и банковской группы». — Подробнее .

5. Allen L., Saunders A. (2005). A Survey of Cyclical Effects in Credit Risk Measurement Models. — Подробнее .

6. Araten M., Jacobs M., Varshney P. (2004). «Measuring LGD on commercial loans: an 18-year internal study». RMA Journal, Vol. 86(8), pp. 96–103.

7. Bonini S., de Carvalho G. (2014). «Development of a LGD model Basel2 compliant: a case study». In: Mathematical and Statistical Methods for Actuarial Sciences and Finance. Springer, Switzerland. — Подробнее .

8. Bonini S., de Carvalho G. (2016). Econometric Approach for Basel II Loss Given Default Estimation: from Discount Rate to Final Multivariate Model. — Подробнее .

9. CreditMetrics. Technical Document. — Подробнее .

10. Dermine J., de Carvalho C.N. (2006). «Bank loan Losses-Given-Default: a case study». Journal of Banking and Finance, Vol. 30(4), pp. 1219–1243.

11. Ermolova M.D., Penikas H.I. (2017). «PD-LGD correlation study: еvidence from the Russian corporate bond market». Model Assisted Statistics and Applications, Vol. 12 (4), pp. 335–358.

12. Felsovalyi A., Hurt L. (1998). «Measuring loss on Latin American defaulted bank loans: a 27-year study of 27 countries». Journal of Lending and Credit Risk Management, Vol. 80, pp. 41–46.

13. Gordy B., Lutkebohmert E. (2013). «Granularity adjustment for regulatory capital assessment». International Journal of Central Banking, Vol. 9, pp. 33–71.

14. International Convergence of Capital Measurement and Capital Standards: a Revised Framework. — Подробнее .

15. Grunert J., Weber M. (2009). «Recovery rates of commercial lending: empirical evidence for German companies». Journal of Banking & Finance, Vol. 33(3), pp. 505–513. — Подробнее .

16. Jankowitsch R., Naglerb F., Subrahmanyam M.G. (2014). «The determinants of recovery rates in the US corporate bond market». Journal of Financial Economics, Vol. 114(1), pp. 155–177. — Подробнее .

17. Konečný T., Seidler J., Belyaeva A., Belyaev K. (2017). The Time Dimension of the Links Between Loss Given Default and the Macroeconomy. — Подробнее .

18. Košak M., Poljšak J. (2010). Loss Given Default Determinants in a Commercial Bank Lending: an Emerging Market Case Study. — Подробнее .

19. Loterman G., Brown I., Martens D., Mues C., Baesens B. (2012). «Benchmarking regression algorithms for loss given default modeling». International Journal of Forecasting, Vol. 28, pp. 161–170.

20. Miu P., Ozdemir B. (2006). «Basel requirement of downturn LGD: modeling and estimating PD & LGD correlations». Journal of Credit Risk, Vol. 2(2), pp. 43–68.

21. Qi M., Zhao X. (2011). «Comparison of modeling methods for Loss Given Default». Journal of Banking and Finance, Vol. 35 (11), pp. 2842–2855.

22. Schuermann T. (2004). What Do We Know About Loss Given Default? — Подробнее .

23. Sovereign Default Research. — Подробнее .

Помазанов Михаил Вячеславович

Помазанов Михаил Вячеславович
к. ф.-м. н.

Руководитель подразделения валидации блока «Риски» ПАО «Промсвязьбанк».

г. Москва

Автор более 25 научных работ, в том числе двух монографий.

Другие статьи автора 11