Тема: Выбор эффективной модели в задаче прогнозирования макро-поправки для оценки резервов неоднородного корпоративного риск-сегмента банка на примере данных "Сбера"

Управленческая проблема и предполагаемые направления ее разрешения
Стратегический аппарат банка нуждается в продвинутом инструменте для прогнозирования резервов и оценки волатильности кредитного риска при различных макро-сценариях. Для этого одними из ключевых показателей являются вероятности выхода в дефолт компаний и количество дефолтов за период. Данные результаты можно получать из кредитных матриц миграций. Однако поскольку матрицы сами по себе преобразуют реальность в модель, они нуждаются в калибровке и переработке при необычных для эконометрики ситуациях. При этом сами матрицы миграций имеют ряд недостатков, как например, ненаполненность рейтингов – когда в риск-сегменте не так много переходов между рейтингами, отличающихся от среднего по портфелю. Данная история не вносит проблем с оценкой средних вероятностей дефолта по портфелю, однако влияет на прогнозирование неагрегеривонных показателей. В данной проблеме – это конкретно корректное прогнозирование перехода компании из одного рейтинга в другой через временной горизонт (как правило 1 год). Для этих целей матрицы миграций оказываются неэффективной моделью прогнозирования. Поэтому есть смысл исследовать интегрированные модели и их предиктивную способность в исходной задаче попадания результатов как в среднем по портфелю, так и отдельно по каждому рейтингу.
Цель ВКР
Создать эффективную модель для прогнозирования кредитных переходов корпоративных клиентов (на уровне портфеля) в зависимости от изменения макроэкономических показателей для риск-сегмента с малыми (концентрированными) и неоднородными (не зависящими от времени) кредитными переходами.
Задачи ВКР
1 Собрать данные из нужных витрин данных;
2 Оценить качество данных;
3 Разработать бизнес-метрики для оценки качества кредитных матриц миграций;
4 Провести исследование среди текущих методологий банка для нахождения подхода, максимизирующего близость фактических значений бизнес-метрик и наблюдаемых, получаемых с помощью кредитных матриц миграций для «проблемных» риск-сегментов;
5 Собрать признаки для модели – макропоказатели;
6 Оценить эффективность текущей модели;
7 При неудовлетворительном качестве сделать исследование в пользу поиска новой методологии;
8 Разработать эффективную модель для прогнозирования кредитных переходов в зависимости от изменения макросреды.
Объект исследования
Волатильность кредитного риска портфеля корпоративных клиентов от изменения макросреды.
Предмет исследования
Рейтинговые миграции компаний при разных макроэкономических показателях.

Купить

Исходя из сравнения двух моделей можно однозначно сказать, что для неоднородного сегмента, когда у портфеля присутствует мало миграций между рейтингами и все они обусловлены большей частью квартальной отчетность, лучше всего риск-факторы прогнозирует интегрированная модель. Как было замечено, что изначальная ошибка возникает от того, что матрица миграций получается изначально очень смещенной к реальной оценке рейтинговых миграций, и поэтому модель обучается на смещенной независимой величине.
ОБЩИЕ ВЫВОДЫ
После рассмотрения всех методологий для решений поставленной задачи и исследования сильных и слабых сторон удалось понять зоны для исследования в пользу улучшения прогнозируемой силы модели. В результате мною была придумана интегральная модель, подробное описание которой явно отражает ее преимущества для работы с неоднородными риск-сегментами. По результатам моделирования с точки зрения учета всех основных эконометрических и банковских постулатов или эвристик было обосновано использование новой методологии вместо методологии Шао и др., по которой сейчас оценивается макро-поправка для всех риск-сегментов. В итоговой главе результаты моделирования подтвердили эти выводы.
Таким образом, удалось достигнуть цели и задач, поставленных в работы, а также удовлетворить требования заказчика данной задачи, предоставив математические обоснования и доказав их после моделирования риск-показателей.

Купить