Development and management of Credit Risk Models in the banking area

nieobowiązkowe

W ramach przedmiotu studenci mają możliwość poznać metody i proces budowy modeli regulacyjnych i nieregulacyjnych ryzyka kredytowego, jak również zapoznać się z metodami ich monitorowania i walidacji. Tematyka przedmiotu skupia się nie tylko na narzędziach statystycznych, ich zastosowaniach, ale również opisuje, jak operacyjnie odbywa się cały cykl życia modelu w banku. Jest to przedmiot akademicki, gdzie wiedza jest przekazywana przez praktyków i tym samym zawiera najnowsze i zaawansowane praktyki stosowane w bankach. Zajęcia odbywają się m.in. w środowisku R i Python.

1. Wstęp do modelowania ryzyka w banku.

a. Czym jest model?

b. Czym jest ryzyko, po co je modelować?

2. Wprowadzenie do ryzyka kredytowego

a. Na czym polega proces kredytowy w banku i czym jest ryzyko kredytowe?

b. Po co w ogóle mierzyć i modelować ryzyko kredytowe?

c. Czy jakość modeli ryzyka kredytowego ma wpływ na konkurencyjność banku?

d. Rodzaje modeli ryzyka kredytowego

3. Modele regulacyjne i nieregulacyjne w zarządzaniu ryzykiem kredytowym.

a. Bazylei (I,II, III)

b. Czym się różni AIRB, SA, FIRB itp. ?

c. Cel wyliczania kapitału, no i współczynniki (Tier1, Tier 2)

d. Zagadnienia związane z modelami IFRS9

e. Przykłady wykorzystania modeli nieregulacyjnych

4. Cykl życia modelu

a. Podstawowe elementy budowy modelu – inicjalizacja, zebranie danych, budowa i ocena modelu, walidacja oraz implementacja

b. Czy budowa modelu kończy się na dopasowaniu do danych?

c. Jakie technologie można wykorzystywać do budowy i implementacji modeli?

d. Jak poznać, że dany model jest dobry?

5. Źródła danych i przygotowanie danych do modelowania

a. Co to jest default?

b. Co to jest write off?

c. Łączenie danych

6. Analiza DQ danych

a. Jakie wymiary są sprawdzane

b. Typy braków danych

c. Sposoby imputacji braków danych

7. Budowa modelu PD

a. Zmienna celu,

b. Analiza univariate,

c. Analiza multivariate,

d. Kalibracja

8. Budowa modelu EAD

9. Budowa modelu LGD

10. Walidacja modelu

a. Co to jest?

b. Jaki jest cel i częstotliwość walidacji?

c. Walidacja, a wymogi regulacyjne

d. Walidacja modelu w kontekście standardów – stability, traceability itp.

11. Monitoring

a. Wymogi regulacyjne

b. Klasyfikacja modelu

c. Otoczenie modelu

d. Jakość działania modelu

12. Implementacja

a. Cechy dobrej implementacji

b. Praktyczne przykłady

1. Loeffler G., Posch P.N. (2011), Credit risk modeling using Excel and VBA, Wiley Finance. 2. Hong Kong Institute of

Bankers (2012), Credit risk management, Wiley, Singapore. 3. Lando D. (2004), Credit risk modeling. Theory and

applications, Princeton University Press, Princeton and Oxford. 4. Vasicek O.A. (2002), The distribution of loan portfolio value, Computer science. 5. BCBS (2005), An Explanatory Note on the Basel II IRB Risk Weight Functions, BIS. 6. Matuszyk A. (2012), Zastosowanie analizy przetrwania w ocenie ryzyka kredytowego klientów indywidualnych, Cedewu, Warszawa. 7. Matuszyk A., Mues C., Thomas LC. (2010), Modelling LGD for unsecured personal loans: Decision tree approach, Journal of the Operational Research Society 61 (3), 393-398.

Studenci poznają znaczenie modeli ryzyka kredytowego dla funkcjonowania banku komercyjnego. Dowiedzą się jak wygląda proces budowy modeli począwszy od przygotowania danych, poprzez estymację modelu, ocenę jakości modelu walidację, implementację i monitoring. Studenci dowiedzą się również jak przeprowadzić kompleksową ocenę ryzyka kredytowego portfela.

KW01, KW02, KW03, KU01, KU02, KU03, KK01, KK02, KK03

1. Loeffler G., Posch P.N. (2011), Credit risk modeling using Excel and VBA, Wiley Finance. 2. Hong Kong Institute of

Bankers (2012), Credit risk management, Wiley, Singapore. 3. Lando D. (2004), Credit risk modeling. Theory and

applications, Princeton University Press, Princeton and Oxford. 4. Vasicek O.A. (2002), The distribution of loan portfolio value, Computer science. 5. BCBS (2005), An Explanatory Note on the Basel II IRB Risk Weight Functions, BIS. 6. Matuszyk A. (2012), Zastosowanie analizy przetrwania w ocenie ryzyka kredytowego klientów indywidualnych, Cedewu, Warszawa. 7. Matuszyk A., Mues C., Thomas LC. (2010), Modelling LGD for unsecured personal loans: Decision tree approach, Journal of the Operational Research Society 61 (3), 393-398.