|
||
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 дефолтностиПричина недооценки кредитного рискаПример количественной оценки недоучета кредитного риска | |
9 |
Таблица 1. Распределение RWA по соответствию прогнозной и фактической дефолтности для случаев реальнойТаблица 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 качествоКалибровка надбавкиТаблица 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 выводыЛитература | |
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) |
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.