МОДЕЛЬ ОЦЕНКИ РИСКА ДЕФОЛТА НА ВСЕМ ПРОТЯЖЕНИИ ЖИЗНИ КРЕДИТА

  • Маргарита Александровна Широбокова
    • ФГБОУ ВО «Удмуртский государственный университет»
Ключевые слова: кредитный риск, соглашение Базель II, МСФО 9, поведенческий скоринг, вероятность дефолта, логистическая регрессия с регуляризацией

Аннотация

Вопрос управления кредитным риском в банковской сфере рассматривается на основе построения скоринговой модели, оценивающей индивидуальный риск заемщика и выступающей базой для оценки совокупного риска кредитного портфеля. При этом чаще всего под индивидуальным риском заемщика понимается просрочка по основному долгу или процентам в течение 90 дней и более в течение первого года жизни кредита. Основным недостатком данного подхода является неучтенный факт того, что с течением жизни кредита происходит изменение индивидуальной вероятности выхода в дефолт. Исследуется актуальная для коммерческих банков проблема оценки кредита не только на первый год жизни кредита, но и на весь срок его жизни. Согласно стандарту МСФО (IFRS) 9, объем формируемых резервов должен зависеть от динамики уровня риска, которая определяется с помощью оценки риска дефолта кредита на всем протяжении жизни кредита (lifetime PD). Предложена модель получения динамической оценки вероятности выхода в дефолт по кредиту на основе его данных о качестве исполнения обязательств по кредитному договору (future engineering) и фазе макроэкономического цикла. Модель строится на основе метода логистической регрессии с регуляризацией, качество которой определяется через расчет коэффициента Джини. Построение модели оценки вероятности выхода в дефолт производится на примере регионального розничного банка.

Литература

1. О требованиях к системе управления рисками и капиталом кредитной организации и банковской группы: указание Банка России от 15.04.2015 г. № 3624-У // Вестн. Банка России. 2015. № 1. С. 15-35. URL: https://www.cbr.ru/publ/Vestnik/ves150615051.pdf (дата обращения: 20.08.2017).
2. Энциклопедия финансового риск-менеджмента / под ред. канд. экон. наук А.А. Лобанова и А.В. Чугунова. М.: Альпина Паблишер, 2009. 932 с.
3. Алескеров Ф.Т., Андриевская И.К., Пеникас Г.И., Солодков В.М. Анализ математических моделей Базель II / 2-е изд., испр. М.: Физматлит, 2013. 296 с.
4. Международная конвергенция измерения капитала и стандартов капитала: Уточненные рамочные подходы / Базельский комитет по банковскому надзору. Банк международных расчетов. 2004. 266 с.
5. Флах П. Машинное обучение. Наука и искусство построения алгоритмов, которые извлекают знания из данных / пер. с англ. А.А. Слинкина. М.: ДМК Пресс. 2015. 400 с.
6. Банных А.А., Летчиков А.В. Методика оценки кредитного риска заемщика с применением скоринга бюро кредитных историй // Вестн. Удм. ун-та. Сер. Экономика и право. 2013. Вып. 4. С. 5-9.
7. Банных А.А., Летчиков А.В. Методика расчета экономического капитала на покрытие непредвиденных потерь по портфелю потребительских кредитов // Вестн. Удм. ун-та. Сер. Экономика и право. 2015. Т. 25, вып. 1. С. 18-24.
8. Гущин К., Козлов А. Новый подход к оценке поведенческой вероятности дефолта // Методический журнал «Риск-менеджмент в кредитной организации». 2017. №.3(27). С. 35-42.
9. Лётчиков А.В. Расчет индивидуальной рисковой маржи при выдаче потребительского кредита // Математические методы и интеллектуальные системы в экономике и образовании: материалы Всерос. заоч. науч.-практ. конф. Ижевск: Изд-во ИЭиУ УдГУ, 2016. С. 7-9.
10. Лётчиков А.В., Маркова А.А. Прогнозная оценка убытков по кредитному портфелю на основе миграционной модели // Математические методы и интеллектуальные системы в экономике и образовании: материалы Всерос. заоч. науч.-практ. конф. Ижевск: Изд-во ИЭиУ УдГУ, 2015. С. 10-12.
11. Широбокова М.А. Обработка данных для построения модели оценки поведенческой вероятности дефолта // Математические методы и интеллектуальные системы в экономике и образовании: материалы Всерос. заоч. науч.-практ. конф. / под ред. А. В. Лётчикова. Ижевск: Изд-во ИЭиУ УдГУ, 2017. С. 26-30.
12. Широбокова М.А., Летчиков А.В. Сравнение методов калибровки скоринговой модели при прогнозировании логистической регрессией // Вестн. Удм. ун-та. Сер. Экономика и право. 2017. Т. 27, вып. 2. С. 74-79.
Поступила в редакцию 2018-01-21
Опубликована 2018-03-30
Раздел
Экономика
Страницы
228-233