Исследование влияния модельного риска на точность оценок величины риск-взвешенных активов, полученных с помощью подхода на основе внутренних рейтингов
Ермолова М.Д., Пеникас Г.И., Полянский Ю.Н.

Аннотация

В статье обосновывается методология учета влияния фактического качества моделей для оценки компонентов кредитного риска на величину взвешенных по риску активов (RWA) банка, рассчитываемых при реализации подхода на основе внутренних рейтингов (ПВР). Авторы предлагают учитывать в RWA фактически достигнутые банком текущие ключевые характеристики качества его моделей ПВР путем введения специальных корректирующих надбавок, компенсирующих возможную недооценку RWA вследствие реализации модельного риска.

Содержание

1
Общая постановка задачи

3
Обзор литературы

4
Описание методологии исследования

5
Рис. 1. Кривая Джини кумулятивного профиля точности, характеризующая дискриминационную способность модели PD

6
Рис. 2. Кривая распределения КТ по скоринговым баллам, применяемая для измерения точности модели PD

7
Рис. 3. Разложение потерь на ожидаемые и неожидаемые

8
Рис. 4. Матрица сопряженности бинарной классификации КТ по признаку дефолтности
Причина недооценки кредитного риска
Пример количественной оценки недоучета кредитного риска

9
Таблица 1. Распределение RWA по соответствию прогнозной и фактической дефолтности для случаев реальной
Таблица 2. Итоговые оценки RWA для различных сочетаний дискриминационной способности и точности модели PD, у. е.

10
Таблица 3. Необходимая величина капитала на покрытие кредитного риска, учитывающая недостаточное качество
Калибровка надбавки
Таблица 4. Необходимая величина надбавки к капиталу на покрытие кредитного риска, учитывающая недостаточное

12
Рис. 5. Калибровка величины надбавки к RWA для фиксированного количества наблюдений

13
Основные выводы
Литература

15
ПРИЛОЖЕНИЕ 1. Значения теста Брайера для таблицы надбавок для случая DR = 10% (N = 1000, D = 100)

16
ПРИЛОЖЕНИЕ 2. Вывод значения отклонения от порога биномиального теста для таблицы надбавок для примера при DR = 10%, N = 1000, D = 100

17
ПРИЛОЖЕНИЕ 3. Размер надбавки Н (в процентах от RWA) за неточность модели в зависимости от параметров выборки

18
ПРИЛОЖЕНИЕ 3. Размер надбавки Н (в процентах от RWA) за неточность модели в зависимости от параметров выборки (продолжение)

19
ПРИЛОЖЕНИЕ 3. Размер надбавки Н (в процентах от RWA) за неточность модели в зависимости от параметров выборки (продолжение)

20
ПРИЛОЖЕНИЕ 3. Размер надбавки Н (в процентах от RWA) за неточность модели в зависимости от параметров выборки (продолжение)

Ключевые слова: «Базель II», RWA, модель Васичека, кредитный риск, ПВР
Журнал: «Управление финансовыми рисками» — №1, 2019 (© Издательский дом Гребенников)
Объем в страницах: 20.
Кол-во знаков: около 28,749.

1. Ермолова М.Д., Пеникас Г.И. Биномиальный тест для коррелированных бинарных случайных величин для проверки точности рейтинговой модели // Управление финансовыми рисками. — 2018. — №55(3). — С. 174–190.

2. Ермолова М.Д., Пеникас Г.И. Исследование взаимосвязи параметров моделей внутренних рейтингов оценки кредитного риска — вероятности дефолта и доли убытка при дефолте (часть 1) // Управление финансовыми рисками. — 2015. — №41(1). — С. 22–45.

3. Положение Банка России от 6 августа 2015 г. №483-П «О порядке расчета величины кредитного риска на основе внутренних рейтингов». — Подробнее .

4. Помазанов М.В. Управление кредитным риском в банке: подход внутренних рейтингов (ПВР). — М.: Юрайт, 2016.

5. An Explanatory Note on the Basel II IRB Risk Weight Functions. — Подробнее .

6. Basel III: Finalising Post-Crisis Reforms. — Подробнее .

7. Benjamin N., Cathcart A., Ryan K. (2006). Low Default Portfolios: a Proposal for Conservative Estimation of Default Probabilities. — Подробнее .

8. Ermolova M., Penikas H. (2019). «The impact of PD-LGD correlation on bank capital adequacy in nongranular loan portfolio». Model Assisted Statistics and Applications, Vol. 14, pp. 1–18.

9. International Convergence of Capital Measurement and Capital Standards. A Revised Framework. Comprehensive Version. — Подробнее

10. New Rules Revolutionize Banking Sector. — Подробнее .

11. Regulatory Consistency Assessment Programme (RCAP) — Analysis of Risk-Weighted Assets for Credit Risk in the Banking Book. — Подробнее .

12. Studies on the Validation on Internal Rating Systems. — Подробнее .

13. Vasicek O. (1987). Probability of Loss on Loan Portfolio. — Подробнее .

14. Witzany J. (2013). «A note on the Vasicek’s model with the logistic distribution». Ekonomický časopis, Vol. 10, pp. 1053–1066.

Полянский Юрий Николаевич

Полянский Юрий Николаевич
кандидат технических наук
доцент

Доцент, начальник отдела методологии моделирования рисков Департамента банковского регулирования Банка России.

Москва

Специализация — риск-менеджмент, математическое моделирование и автоматизация бизнес-процессов.

Другие статьи автора 5

Пеникас Генрих Иозович

Пеникас Генрих Иозович

Член правления российского отделения Международной ассоциации профессиональных риск-менеджеров (PRMIA), руководитель Комиссии по управлению финансовыми рисками Гильдии финансовых аналитиков и риск-менеджеров (ГИФА).

г. Москва

Другие статьи автора 8

Ермолова Мария Дмитриевна

Ермолова Мария Дмитриевна

Риск-менеджер управления по внедрению стандартов Базельского комитета дирекции по управлению рисками ОАО «Альфа-Банк», бакалавр экономики, НИУ ВШЭ.

г. Москва

Другие статьи автора 4