Разработка методики оценки надзорным органом достаточности величины ожидаемых кредитных убытков, рассчитанных коммерческими банками

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

В статье исследуется разработка алгоритма методики оценки достаточности величины ожидаемых кредитных убытков (ОКУ), рассчитанных коммерческими банками, с точки зрения Центрального банка РФ как надзорного органа банковской системы России. Для этого осуществляется моделирование потенциальных потерь для кредитного портфеля физических лиц по ПОС Банка и их сравнение с реально создаваемыми банковскими резервами на возможные потери по ссудам (РВПС). При моделировании ожидаемых кредитных убытков выделяются отдельные независимые компоненты: PD, EAD, LGD-каждый из которых прогнозируется с учетом особенностей показателя и реестра данных, предоставляемых в Банк России от кредитных организаций. В заключении статьи приводятся рекомендации по составлению финального отчета о достаточности резервирования коммерческим банком анализируемого сегмента кредитного портфеля. Целью исследования является разработка алгоритма методики оценки достаточности величины ОКУ, рассчитанных коммерческими банками, с точки зрения Банка России как надзорного органа банковской системы РФ. Для достижения цели в работе решались следующие задачи: 1) Исследованы основные компоненты ОКУ; 2) Проведено математическое моделирование атрибутов кредитного риска с учетом специфики деятельности Банка России; 3) Интерпретированы результаты модели с точки зрения надзорного органа. Материалы и Методы. Для анализа ОКУ была рассмотрена учебная литература и научные публикации, в которых раскрывались теоретические подходы и практические аспекты к построению моделей PD, EAD, LGD, основанные на статистических алгоритмах и методах машинного обучения Выводы: проведено исследование основных компонент ОКУ и их влияния на итоговую величину кредитных потерь; построена модель расчета ОКУ с помощью различных алгоритмов машинного обучения; проведена интерпретация результатов модели ОКУ с точки зрения практического применения в Банке России.

Об авторах

Виталий Владимирович Богданов

Банк России

Email: vit190298@yandex.ru
главный экономист 2 отдела САР УАРКР Москва, Российская Федерация

Наталья Владимировна Гринева

Финансовый университет при Правительстве Российской Федерации

Email: ngrineva@fa.ru
кандидат экономических наук, доцент, доцент Департамента анализа данных и машинного обучения Москва, Российская Федерация

Список литературы

  1. Арис Е. Т. Модели оценки кредитных рисков / Управление кредитным риском-проблемы анализа риска / 2017. -№4. -с. 68-75. -URL: https://www.risk-journal.com/jour/article/viewFile/97/96.
  2. Афанасьев С. Разработка LGD-моделей для розничного кредитования. Часть 1: подготовка данных / Scoring day X-Риск-менеджмент в кредитной организации / 2021/ -№ 3(43). -с. 4-23. -URL: https://www.dvbi.ru/portals/0/DOCUMENTS_SHARE/RISK_MANAGEMENT/Scoring_Day_2021.pdf
  3. S. Landini, M. Uberti, S. Casselina Credit risk migration rates modelling as open systems II: A simulation model and IFRS9-baseline principles / 2019. -№50, c. 175-189. URL: https://ezpro.fa.ru:2603/science/article/pii/S0954349X19301092?via%3Dihub
  4. Рахаев В. А. Развитие методов оценки кредитного риска для формирования резервов на возможные потери по ссудам. Финансы: теория и практика/Finance: Theory and Practice. 2020; 24(6): 82-91. -URL: https://financetp.fa.ru/jour/article/view/1093/765
  5. Полянский Ю. Проблемы оценки качества моделей ПВР. Современные подходы к валидации моделей LGD / Scoring day X-Риск-менеджмент в кредитной организации / 2021/ -№3(43). -с. 4-23. -URL: https://www.dvbi.ru/portals/0/DOCUMENTS_SHARE/RISK_MANAGEMENT/Scoring_Day_2021.pdf
  6. «Методика определения параметров ожидаемых кредитных убытков» -http://bmcenter.ru/Files/R_OK_Svyaz_OK_FS_Metodika_opredeleniya_parametrov_OKU
  7. Положение Банка России от 6 августа 2015 г. N 483-П «О порядке расчета величины кредитного риска на основе внутренних рейтингов»
  8. Коэффициент Джини. Из экономики в машинное обучение. -URL: https://habr.com/ru/company/ods/blog/350440/
  9. CFA-Метод Монте-Карло -URL: https://fin-accounting.ru/cfa/l1/quantitative/cfa-monte-carlo-simulation

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML


Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».