Электронная библиотека
Эмпирический анализ предельных уровней дефолта для признания подхода на основе внутренних рейтингов сомнительным при оценке кредитного риска
Помазанов М.В.
|
|
||
1 |
Обзор требований и подходов к оценке кредитного риска | |
3 |
Таблица 1. Требования к индексу Джини рейтинговой модели, %Рис. 1. Поведение измеренного индекса Джини для двух норвежских банков | |
4 |
ЭМПИРИЧЕСКИЕ ИССЛЕДОВАНИЯ ДИАПАЗОНА DELTAGINI НА ОСНОВЕ ДАННЫХ АГЕНТСТВ MOODY’S И S&PРис. 2. Зависимость между DR и индексом Джини по данным Moody’s в период 1983–2016 гг. | |
5 |
Рис. 3. Зависимость между DR и индексом Джини по данным S&P в период 1981–2020 гг.Рис. 4. Регрессия измерений индекса Джини к относительной DR по данным Moody’s | |
6 |
Рис. 5. Регрессия измерений индекса Джини к относительной DR по данным S&PЭмпирические исследования диапазона deltagini на данных рф | |
7 |
Рис. 6. Регрессия измерений индекса Джини к относительной DR: данные по Италии за период 1992–2008 гг., риск- калькулятор 3.1Оценка предельных уровней макропараметров | |
8 |
Рис. 7. Регрессия измерений индекса Джини к относительной DR: данные по Франции за период 1993–2012 гг., риск- калькулятор 4.0Заключение | |
9 |
Рис. 8. Регрессия измерений индекса Джини к относительной DR: данные по международным финансовым организациям за период 1993–2012 гг., модель ожидаемой частоты дефолтов (Expected Default Frequency, EDF) агентства Moody’sТаблица 2. Данные «СПАРК-Интерфакс» по отрасли «сельское хозяйство» | |
10 |
Таблица 2. Данные «СПАРК-Интерфакс» по отрасли «сельское хозяйство» (продолжение)Рис. 9. Зависимость между DR и индексом Джини (модель по отрасли «сельское хозяйство») в период 2007–2021 гг. | |
11 |
Рис. 10. Регрессия измерений deltaGini к относительной DR (модель по отрасли «сельское хозяйство»)Таблица 3. Характеристики модели логистической регрессии для оценки частоты дефолтов в сегменте юридическихТаблица 4. Характеристики регрессии | |
12 |
Таблица 5. Оценочные xарактеристики предельных значений макропараметров для ожидания увеличения частотыЛитература |
1. Помазанов М.В. Метод фильтрации временного ряда вероятности дефолта из статистики просрочки кредитов и займов // Управление финансовыми рисками. — 2020. — №3(63). — С. 166–177. — DOI: 10.36627/2221-7541-2020-3-3-166-177.
2. Сведения о размещенных и привлеченных средствах. — Подробнее .
3. Сергиенко В.И., Бондарева И.Б. Математическая статистика в клинических исследованиях. — М.: ГЭОТАР-Медиа, 2006. — 304 с.
4. Annual Default Study: Corporate Default and Recovery Rates, 1920–2016 (Excel Data). Moody’s Global Credit Research. — Подробнее .
5. Blümke O. (2014). «On the negative correlation between default rates and the discriminatory power of credit ratings». The Journal of Fixed Income, Vol. 24(2), pр. 19–27. — DOI: 10.3905/jfi.2014.24.2.019.
6. Default, Transition, and Recovery: 2020 Annual Global Corporate Default and Rating Transition Study. — Подробнее .
7. Hua E.G., Jacobsen J.T., de Lange P.E., Hjelkrem L.O. (2021). «Stability and accuracy of credit ratings. Examining credit assessments from two Norwegian banks». Beta, Vol. 35(1), pp. 1–32. — DOI: 10.18261/issn.1504-3134-2021-01-01.
8. Orlando G., Bufalo M., Penikas H., Zurlo C. (2021). Modern Financial Engineering: Counterparty, Credit, Portfolio and Systemic Risks. Singapore: World Scientific Publishing Company.
9. RiskCalc Banks 4.0. — Подробнее .
10. RiskCalc: New Research and Model Validation Results. — Подробнее .
11. Sobehart J., Keenan S., Stein R. (2000). Benchmarking Quantitative Default Risk Models: a Validation Methodology. — Подробнее .
12. Validating the Public EDF Model for Global Financial Firms. — Подробнее .
Помазанов Михаил Вячеславовичк. ф.-м. н.
доцент
Доцент факультета экономических наук Школы финансов Национального исследовательского университета «Высшая школа экономики». г. Москва
