29 января, суббота 01:52
Bankir.Ru

Объявление

Свернуть
Пока нет объявлений.

Строим распределение потерь розничного КП (не Монте-Карло)

Свернуть
X
  • Фильтр
  • Время
  • Показать
Очистить всё
новые сообщения

  • Строим распределение потерь розничного КП (не Монте-Карло)

    Коллеги, добрый день, столкнулись с проблемой. В банке уже внедрена модель построения распределения потерь КП - расчета экономического капитала под кредитный риск, которая базируется на методе Монте-Карло. Модель является моделья мертоновского типа - аналог CreditMetrics. Однако, предположения, используемый данной моделью, также как и ее результат для нашего КП сложно проверить или понять их аккуратность. Априори существует экспертное мнение, что Монте-Карло - это самый точный и аккуратный метод. Существует задумка - разработать другую модель построения распределения потерь, желательно не использующую Монте-Карло, но не уступающую ей в точности, либо уступающую ненамного. Проблема №1 заключается в том, что банк сильно ограничен в доступных данных по потерям. Имеются всего 54 точки по Expected losses (90+просрочка/общая сумма задолженности) по всему портфелю, с 2007 г. - квартальные данные. Проблема №2 это выбор модели. Сейчас существует миллион академических разработок, которые на бумаге выглядят красиво, но совершенно неприменимы на практике.
    Хотелось бы услашать ваши мнения, какие модели построения распределения потерь КП могли бы применяться взамен Монте-Карло без большой потери точности оценки и в условиях небольшого набора доступных данных для расчета.
    Также сталкивался ли кто-нибудь с importance sampling technique? Применимо ли это на практике?

    Спасибо,
    ejovi

  • #2
    Стоп-стоп-стоп-стоп.
    Монте-Карло - на розничном портфеле? Да ладно! По квартальным точкам??? И что выходит? Отношение просрочки к портфелю?
    А как же все эти красивые винтажные анализы, фрод-маркинги, рекавери рейты, портфельные анализы?
    Надеюсь, вы не розничный банк, иначе увольняйте нахрен всех своих рисковиков, ищите нормальных топов в риски, которые хоть немножко в этом понимают.
    Да и как вообще данные по состоянию портфеля на дату могут отвечать на вопросы что будет с новыми выдачами? Как управлять качеством? Да и такой момент: пусть период вызревания просрочки - 1 квартал, тогда имея на начало квартала портфель размером 10 и просрочку 90+ размером 5, мы отмечаем риск равный 0,5, за квартал увеличиваем портфель до 20, причём 10 - новые выдачи, просрочка по которым не созрела до 90+. Получаем портфель 20 и ту же просрочку 90+ размером 5, риск 0,25. Верно? По-моему нет.

    Какие показатели хоть анализируете?

    Комментарий


    • #3
      Добрый вечер!
      Действительно, чтобы корректно оценивать розницу необходимо рассматривать совсем другие индикаторы, чем 90+/ ОД на дату.
      54 точки это достаточный горизонт, чтобы строить большинство моделей. Скажите, вы можете получить данные для винтаж анализа?

      Комментарий


      • #4
        Сообщение от Joborabla Посмотреть сообщение
        54 точки это достаточный горизонт, чтобы строить большинство моделей.
        Откуда такая инфа?
        Насколько я помню курс тервера, если в каждой точеке величина распределена одинаково, то 56 - необходимое число точек, чтобы вычислить математическое ожидание и дисперсию по страндартным формулам со степенью уверенности не ниже 95% (их распределение приближается к нормальному и Хи-квадрат соответственно достаточно близко, чтобы сделать убедительный вывод без доп анализа).
        Ну а если модель факторная и каждая из точек имеет своё собственное распределение со своими мат ожиданием и дисперсией? Имхо, стандартный регрессионный анализ можно проводить исходя из правила: количество точек >= число факторов * 4. Я не прав?

        Комментарий


        • #5
          Здравствуйте, Meunier!
          Честно - не могу вспомнить, на какую теорему вы ссылаетесь, говоря, что 56 точек - необходимый минимум. Можете напомнить?

          Комментарий


          • #6
            Добрый день, всем зашедшим в тему!
            Поясню, что имею ввиду про 54 точки.
            Одним из базовых показателей (фактических и прогнозных) по розничному КП является показатель потерь по винтажу (просрочка по ОД/сумму выдач в поколении).
            Данный показатель хорошо прогнозируется регрессиями, причем, если посмотреть тип корреляционной зависимости часто мудрить особо не требуется, достаточно множенственной линейной регрессии.
            Для получения стабильного прогноза достаточно 3-5 выходов на 90+. Мы прогнозируем и по более молодым поколениям, в т.ч. по которым нет фактических выходов на 90+, но надо понимать, что чем меньше данных, тем больше отклонение.

            3-5 выходов на просрочку 90+ соответствует 6-8 фактическим данным. 54 фактических выходов - это очень много, там уже прогнозировать будет нечего : )

            Комментарий


            • #7
              Meunier,
              Joborabla, наверное, я не совсем понятно объяснила проблему. То, о чем вы говорите - винтажный анализ у нас применяется и очень интенсивно (и в рамках портфельного анализа и для прогнозирования просрочки). Фрод-маркинги, думаю, по винтажам тоже как-то ставят - хотя, честно я в этом не большой специалист. В моей ситуации речь идет о моделях расчета ЭКОНОМИЧЕСКОГО КАПИТАЛА в соответствие с Basel II IRB Advanced approach.
              В этом случае банку, во-первых, нужно рассчитать unexpected losses (UL) - объем потерь, который с высокой степенью вероятности не будет превышен в течение прогнозного периода (1 год). Этот уровень вероятности у российских банков - 99.81%. Вот здесь и нужно Монте-Карло, так как используя только исторический ряд значений потерь, Банк едва ли может оценить достаточно точно 95% квантиль своего распределения потерь. Монте-Карло же искусственно выбрасывает экстремальные потери - выше 95%, в соответствие с заранее определенной и оцененной портфельной моделью кредитного риска в моем случае, что дает UL.
              Во-вторых, Банку нужно также оценить свои expected losses (EL) = long-term PD*EAD*LGD - вот здесь мы и используем для расчета long-term PD отношение просрочки 90+/к общей задолженности. (LGD здесь как раз и учитывает recovery rate). В использовании такой величины без учета новых ссуд не вижу ничего плохого, так как 1. Экономический капитал (ЭК) рассчитывается всего лишь на 1 год вперед для текущего портфеля, 2. ЭК пересчитывается каждый квартал (вбирая в себя каждый раз новые ссуды). Дополнительно мы используем bucketing approach, который позволяет нам сегментировать портфель в основном по уровню long-term PD - и для каждого сегмента оценивать свою модель кредитного риска, это дает нам более точный результат ЭК по всему портфелю.
              Ну и вывод вкратце снова и снова мой вопрос - все это работает, но трудно проверить аккуратность и правомерность сделанных предположений - цифры иногда скачут из-за небольшой волатильности параметров модели кредитного риска, Монте-Карло не всегда выбрасывает сопоставимое значение экстремальных потерь и т.д. Есть ли замена этому варианту? Может кто использует что-то отличное от описанного аналога CreditMetrics? Параметрические модели, видимо, тоже не подойдут (не схватят 99,81% квантль)?

              Комментарий

              Обработка...
              X