|
||
1 |
Введение | |
2 |
Система kpi и оперативного контроллинга | |
4 |
Рис. 1. Основные этапы построения ССП | |
5 |
Рис. 2. Основные этапы оперативного контроллинга для модели процессов | |
6 |
Рис. 3. Взаимодействие ССП, систем оперативного контроллинга и KPIРис. 4. Элементы системы управления результатом и качеством | |
7 |
Таблица 1. Цикл PDCAМодель efqm | |
8 |
Рис. 5. Модель EFQM | |
10 |
ЗаключениеТаблица 2. Синергический эффект объединения систем KPI и бюджетирования | |
11 |
Банковские риски: теория, практика, методологияВведение | |
13 |
Метод фильтрации | |
14 |
Валидация моделиРис.1. Данные о ЧРД | |
15 |
Результаты расчетов по отраслямРис. 2. Кривые настоящей ЧРД за скользящий год и PD, рассчитанной по модели (1, 2), по сегменту кредитов физических лиц без ипотеки | |
16 |
Рис. 3. Кривые настоящей ЧРД за скользящий год и PD, рассчитанной по модели (1, 2), по сегменту ипотечных кредитов | |
17 |
Рис. 4. Результат расчетов квази-PD по отраслям при условии выбора параметров, обеспечивающих среднюю PD по всем отраслям, равную 3,49%Построение ряда вероятности дефолта для конкретного банка и макромодель | |
18 |
Таблица 1. Результаты расчетов средних PD по отраслям за период с апреля 2009 г. по октябрь 2019 г., а также | |
19 |
Рис. 5. Базовый сегмент: квази-ЧРД, построенная на модели фильтрации данных Банка России, и результат по регрессионной макромодели, максимально приближенной к фильтрованной кривой PD | |
20 |
Рис. 6. Подрядный сегмент: квази-ЧРД, построенная на модели фильтрации данных Банка России, и результат по регрессионной макромодели, максимально приближенной к фильтрованной кривой PDТаблица 2. Характеристики макромоделей, построенных на основе ряда PD, фильтрованного моделью (1, 2), на базе данных Банка России с учетом отраслевой специфики субпортфелей | |
21 |
ЗаключениеЛитература |
1. Задолженность по жилищным кредитам, предоставленным физическим лицам-резидентам в рублях, млн руб. — Подробнее .
2. Корпоративным клиентам. — Подробнее .
3. Кузнецов К.Б., Малахова Т.А., Шимановский К.В. Методы оценки вероятности дефолта отраслей экономики для целей банковского надзора // Вестник пермского университета. — 2011. — №1(8). — С.71–78.
4. Лапшин В.А., Смирнов С.Н. Консолидация и агрегация оценок вероятности дефолта // Управление риском. — 2012. —Т. 61–63. — №1–3. — С. 14–44.
5. Международный стандарт финансовой отчетности (IFRS) 9 «Финансовые инструменты». — Подробнее .
6. ОКВЭД2 — Общероссийский классификатор видов экономической деятельности. — Подробнее .
7. Просроченная задолженность по кредитам, предоставленным юридическим лицам — резидентам и индивидуальным предпринимателям в рублях, по видам экономической деятельности и отдельным направлениям использования средств. — Подробнее .
8. Раскрытие информации. — Подробнее .
9. Breusch T.S.; Pagan A.R. (1979). «A simple test for heteroskedasticity and random coefficient variation». Econometrica, Vol. 47(5), pp. 1287–1294. — DOI: 10.2307/1911963.
10. Default & Ratings Analytics. — Подробнее .
11. Default, Transition, and Recovery: 2019 Annual Global Corporate Default And Rating Transition Study. — Подробнее .
12. Hodrick R., Prescott E.C. (1997). «Postwar U.S. business cycles: an empirical investigation». Journal of Money, Credit, and Banking, Vol. 29(1), pp. 1–16. — DOI:10.2307/2953682.
13. McQuown J.A. (1993). A Comment on Market vs. Accounting Based Measures of Default Risk. San Francisco: KMV Corporation.
14. Merton R.C. (1974). «On the pricing of corporate debt: the risk structure of interest rates». Journal of Finance, Vol. 29, pp. 449–470.
15. Sobehart J.R., Stein R.M., Mikityanskaya V., Li L. (2000). Moody’s Public Firm Risk Model: a Hybrid Approach to Modeling Short-Term Default Risk. — Подробнее .