Управление кредитным риском. Базель 2.
-
Upload
timel1 -
Category
Economy & Finance
-
view
41 -
download
9
Transcript of Управление кредитным риском. Базель 2.
Март Март 20201111 г. г.
Управление кредитным риском - Количественная оценка в соответствии с требованиями регулирования Базель II
«Газпромбанк» (Открытое акционерное общество)
Петров Александр Владимирович, Управляющий Директор, Департамент Банковских Рисков, Газпромбанк, Модератор Межбанковской Постоянно Действующей Рабочей Группы по вопросам Компоненты 1, Базеля 2 при АРБ и ЦБ РФ
На пути к внедрению Базельского соглашения в РФ
3
Компонент 1 - Минимальные требования к капиталу
Расчет минимальных требований к капиталу для 3-х видов риска:[1] Кредитный риск:- Стандартизированный подход- Подходы на основе внутренних рейтингов, базовый (IRBF)- Подходы на основе внутренних рейтингов, усовершенствованный (IRBA)[2] Рыночный риск:- Стандартизированный подход- Подход на основе внутренних моделей (IMM)[3] Операционный риск:- Базовый индикативный подход (BIA)- Стандартизованный подход (TSA)- Усовершенствованный подход (AMA)
Компонент 2 - Надзорный процесс (требования регулятора)
Основные принципы надзорного процесса в части разработки внутренних процедур оценки капитала, соизмеримого с характером рисков, принимаемых на себя банками.Оцениваются все виды рисков, в т. ч. не рассматриваемые в Компоненте 1:- бизнес риск,- риск секьюритизации,- репутационный риск,- риск ликвидности,- стратегический риск и пр.Предполагается возможность увеличения капитала регулирующим органом по результатам процедур надзора.
Компонент 3 - Рыночная дисциплина
Требования к раскрытию информации (позволят участникам рынка оценить систему риск-менеджмента, подверженность риску и достаточность капитала).Качество раскрытия является критерием для применения методологий / признания инструментов и операций.
Развитие банковского регулирования в России в соответствии со Стратегией развития банковского сектора до 2015 г.
2011
Стратегия развития банковского сектора,
рекомендации, пилотные банки начали внедрение Базеля II, III
2012
Предварительные заявки банков на использование
IRB-подхода
2014-2015
Применение Компонента 2 Базеля II и IRB пилотными банками
2017
Применение Компонента 2 всеми кредитными
организациями
2019
Окончательное внедрение Базеля II,
III
Структура и временные планы внедрения регулирования Базеля II
• Банком России (с учетом предложений рабочих групп) подготовлен проект документа по IRB (далее – IRB документ). • Работа по подготовке консолидированных комментариев к документу ведется в рамках рабочей группы по вопросам Компонента
1• Ожидается выпуск Банком России для комментариев документа по вопросам классификации требований кредитного характера• В рамках рабочей группы по Компоненту 2 ведется работа по разработке рекомендаций по внедрению положений Письма Банка
России №96-Т
Летом 2011 года из числа 10 пилотных банков Банком России были сформированы 4 рабочих группы.Цель: выработка консолидированной позиции по вопросам внедрения базельского соглашения в РФ для предоставления в Банк России
• Группа 1: Определение дефолта. Классификация требований кредитного характера• Группа 2: ИТ-системы и их валидация• Группа 3: Методология построения рейтинговых систем. Параметры риска. Стресс-тестирование• Группа 4: Корпоративное управление и внутренний контроль. ICAAP (ВПОДК)К настоящему моменту работа данных групп закончена, рекомендации направлены в Банк России
В ноябре 2011 года пилотными банками организован Комитет по базельским стандартам и управлению рисками при АРБ. Цель создания Комитета – содействие внедрению базельских стандартов в РФ, построение диалога с Банком России. В рамках комитета сформированы две постоянно действующие рабочие группы:
• Группа по вопросам Компонента 1 (минимальные требования к капиталу)• Группа по вопросам Компонента 2 (ВПОДК)
4
Текущий статус внедрения и отдельные инициативы
Базель 2, Компонента 1: Преимущества подхода на Основе Внутренних Рейтингов (IRB)
5
Требования к капиталу
на покрытие КР
Вы
соки
еВ
ысо
кие
Ср
ед
ние
Ср
ед
ние
Сложность моделей и процессовСтоимость реализации
Сложность моделей и процессовСтоимость реализации
ВысокаяВысокая
НизкаяНизкая
Стандартизированный подход (CП)
1. Коэффициенты риска активов рассчитываются на основе предопределенных регулятором правил
2. Не требуется разрешения надзорного органа3. Расчет в целом похож на расчет показателя
Н1 для кредитного риска4. Обязательное применение надзорного
процесса Компоненты 2, нивелирует возможные выгоды от Стандартизированного подхода для банков с "плохими портфелями". Подход на основе внутренних Рейтингов (IRB-F)
1. Более точная оценка кредитных рисков2. Коэффициенты риска активов рассчитываются на основе
внутренних кредитных рейтингов3. Особенно выгоден для банков с высококачественными кредитными
портфелями4. Требуется разрешение надзорного органа5. Высокие требования к качеству данных и процессам риск-
менеджмента6. Возможность сохранения Cтандартизированного подхода для части
портфеля
Ни
зки
еН
изк
ие
Возможность снижения требований к капиталу
по сравнению с СП
Позитивное влияние на внешний рейтинг банка и репутационные выгоды
В соответствии с западным опытом внедрения Базеля 2, регуляторы обычно “требуют” обязательного применения IRB подхода для крупных системообразующих банков
Базель 2, Компонента 1: Преимущества подхода на Основе Внутренних Рейтингов (IRB)
Бизнес-процессы
Отчетность
Управление рисками
Области внедрения
IRB Оценка концентраций Оценка эффективности Ценообразование Стресс-тестирование
Кредитные решения Мониторинг Система полномочий Взыскания
Ожидаемые потери Резервы Алокация капитала
Наиболее важные аспекты количественной оценки кредитного риска в соответствии с требованиями регулирования Базель II
8
PD (%)
Профиль риска клиента, т.е. вероятность того, что клиент не выплатит долг на временном горизонте 1 год– оценка осуществляется на основе характеристик
клиента, статистики дефолтов и рыночной информации
Качество обеспечения, т.е. какую часть неуплаченной суммы мы ожидаем потерять?– определяется качеством обеспечения, а также
временем и особенностями процедуры его взыскания
Характеристики продукта, т.е. какова будет общая сумма задолженности в случае дефолта клиента?
Определяется уровнем использования средств в момент дефолта и эффективностью систем мониторинга
Вероятность дефолта (Probability of default)
Доля потерь при дефолте
(Loss given default) *
Величина риска при дефолте
(Exposure at default) *EAD (abs)
LGD (%)
=
=
=
×
×
Ожидаемые потери EL (abs)=
=
1
2
3
1
2
3
Базель 2, Компонента 1: Риск факторы регулирования Базель 2
Предопределен регулятором в IRB-F подходе
Определяется Банком
* - для розничных требований Банк проводит собственный расчет LGD, EAD в IRB-F подходе
9
Базель 2, Компонента 1: Расчет минимального требуемого капитала для кредитного риска в IRB-F подходе
8%8%
X
X Риск веса определяются как функции от PD, LGD, M
Риск веса определяются как функции от PD, LGD, M
Предопределен регулятором в IRB-F подходе
Определяется Банком в IRB-F подходе
Вероятность дефолта, PD (Probability of default)
Доля потерь при дефолте, LGD
(Loss given default) *
Величина риска при
дефолте, EAD*(Exposure at default)
=
Потери
Редкиеслучаи потерь катастрофи-
ческого масштаба
Ожидаемые потери
Непредвиденные потери
Горизонт прогноза в 1 год
Время погашения кредита, M(Maturity)
X
* - для розничных требований Банк проводит собственный расчет LGD, EAD в IRB-F подходе
1010
Базель 2, Компонента 1: Процесс построения модели оценки вероятности дефолта
6.Калибровка5.Многофакторная регрессия
4.Корреляционный анализ
3.Однофакторный анализ
2.Формирование факторов риска
1.Исторические данные о дефолтах
• Сбор исторических данных о дефолтах и недефолтных клиентах
• Выбор репрезентативной выборки клиентов
• Определение взаимосвязи между отдельным фактором и дефолтом
• В качестве результата – «короткий список» факторов, а также любые трансформации между факторами
• Определение оптимальный весовых коэффициентов для факторов на основе выборки
• В качестве результата – набор «подмоделей», которые подлежат обсуждению
• Определение потенциального набора факторов, которые могут быть использованы для прогнозирования дефолта
• В качестве результата – «длинный список» факторов, который необходимо проверить
• Определение взаимосвязей между факторами и выделение независимых наборов факторов
• Калибровка модели на вероятность дефолта (PD)
Многофакторный анализ
Процесс может быть итерационным
Процесс построения статистической модели
7.Тестирование и валидация
• Подтверждение точности модели с использованием тестов или ранжирования
1111
Базель 2, Компонента 1: Процесс построения модели оценки вероятности дефолта
Однофакторный анализ – AR (Accuracy Ratio)- анализ дискриминационной способности отдельного фактора
Цель – Отбор статистически значимых предикторов дефолта из “длинного” списка факторов
Дискриминационная способность отдельного фактора - это оценка насколько хорошо фактор разделяет плохих и хороших клиентов.
Пропорция дефолтов100%
0% 100%
1
2Рейтинговыеинструменты
Наихудшая оценка
Наилучшая оценкаСуммарная
совокупность
Идеальная избирательность
AR =
1 +
Случайная
модель
2
1
121212
Базель 2, Компонента 1: Процесс построения модели оценки вероятности дефолта
Многофакторный анализ
Пр
огн
озн
ая с
ил
а м
од
елиКапитал /
Совокупные активы
AR = 38%
Капитал / Обязательства
AR = 40%
Корреляция = 90%
Выбирается только 1 фактор
Необходимо выбрать из каждой категории лишь наиболее значимые факторы…
…и учесть также те, которые добавляют наибольшую прогнозную способность модели
Число факторов в модели
1 2 3 4 5
Теоретический максимум
Корреляционная структура факторов явным образом учитывается при многофакторном анализе
Промежуточным результатом многофакторного анализа является набор моделей ранжирования клиентов с разными факторами
131313
Базель 2, Компонента 1: Процесс построения модели оценки вероятности дефолта
Окончательная модель выбирается на основе ряда практических критериев, с учетом мнения бизнес подразделений
Выбранная модель
Возможный диапазон моделей
Модель должна иметь ограниченное количество учитываемых факторов, однако не упускать факторов, которые могут значительно повысить прогнозные способности модели
Модель должна включать факторы или комбинации факторов, которые с точки зрения бизнеса являются полезными
Не должны включаться факторы, которые крайне коллинеарны или мультиколлинеарны
Возможность отличать хороших заемщиков от плохих
Способности модели
Число переменных Правдоподобность факторов
Независимость факторов
Весовые коэффициенты для факторов должны быть правдоподобными и выбраны таким образом, чтобы повысить стабильность выходных данных модели
Количество основных величин, используемых в качестве входных данных модели должно быть как можно меньшим,
Правдоподобность весовых коэффициентов
Количество входных параметров модели
141414
Базель 2, Компонента 1: Процесс построения модели оценки вероятности дефолта
Принципы калибровки модели и Мастер Шкала вероятности дефолта
15151515
Базель 2, Компонента 1: Ежегодная валидация моделей PD в соответствии с требованиями Базельского комитета
161616
Базель 2, Компонента 1: Ежегодная валидация моделей PD в соответствии с требованиями Базельского комитета
Анализ дискриминационной способности модели
Модель AR
Отличная > 0,6
Хорошая > 0,4
Плохая < 0,4
По рекомендации Банка России*:
Дискриминационная способность - это оценка насколько хорошо модель разделяет плохих и хороших клиентов.
•Аналитический документ о степени соответствия внутрибанковских подходов к управлению кредитным риском банков – участников проекта «Банковское регулирование и надзор (Базель II)» Программы сотрудничества Евросистемы с Банком России минимальным требованиям IRB-подхода Базеля II
171717
Базель 2, Компонента 1: Ежегодная валидация моделей PD в соответствии с требованиями Базельского комитета
Анализ предсказательной способности модели
Полученные зависимости
Биномиальный тест* (выявление рейтинговых интервалов с слабой предсказательной способностью), пример: выполнен кроме рейтингов 9 и 10.
Тест xи-квадрат (анализ предсказательной способности модели в целом),пример: распределение дефолтной частоты совпадает с модельным распределением PD с вероятностью 88,5%.
* носит рекомендательный характер, является вспомогательным к хи-тесту, определяет проблемные интервалы в нем
Предсказательная способность - оценка вероятности корректного предсказания дефолта с использованием модели.
0%
10%
20%
30%
40%
50%
60%
2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Рейтинговый интервал
0
50
100
150
200
250
Кол-во контрагентов
Кол-во наблюденийСредняя модельная PD Частота ДефолтаСредняя PD мастер-шкалы
181818
Собственный расчет необходимого капитала для кредитного риска в Компоненте 2, Базеля 2
Макроэкономический риск
В последующих периодах требования к капиталу будут изменяться вместе с экономическим циклом– Рецессия: необходимо больше
капитала из-за снижения рейтингов, большей волатильности и др..
Расчет капиталав моментвремени Т
Расчет капиталав момент
времени Т+1
Тр
ебо
ван
ия
к к
апи
тал
у
Дополнительный необходимый
капитал
Рецессия
Риски не полностью покрытые в Компонентe 1
Недооценка кредитного риска в стандартном или продвинутом (IRB) методе
+
Риски не рассмотренные в Компонентe 1
Концентрационный Риск кредитного портфеля – single name concentration, sector concentration, geographical concentration
+
Дополнительные требования к капиталу (Capital Add-on) в Компоненте 2 для кредитного риска
=
Спасибо за внимание!
19