Редакционно-издательский отдел

Отдел оперативной полиграфии

ГУАП, ул. Б. Морская, 67

Содержание

Назначение ПК «ЛВ-оценка и анализ кредитных рисков». 4

Демо-версия ПК «ЛВ-оценка и анализ кредитных рисков». 5

Лабораторная работа № 1 Оценка и анализ риска кредита.. 8

Лабораторная работа № 2 Идентификация ЛВ-модели кредитного риска 11

Лабораторная работа № 3 Выбор асимметрии в распознавании плохих и хороших кредитов 14

Лабораторная работа № 4 Анализ ЛВ-модели кредитного риска.. 15

Лабораторная работа № 5 Анализ кредитной деятельности банка.. 16

Общие требования к оформлению отчетов.. 19

Литература.. 20

Приложение 1. Пример титульного листа отчета о выполнении лабораторной работы. 21

Назначение ПК «ЛВ-оценка и анализ кредитных рисков»

На Российском рынке появилась Интернет услуга по оценке и анализу кредитных рисков физических и юридических лиц (www.inorisklab.com), использующая логико- вероятностную (ЛВ) теорию риска с группами несовместных событий (ГНС), которая отвечает требованиям соглашения «Базель II» к методам количественной оценки кредитных рисков и резервирования.

Оказываются следующие Интернет услуги банку [2]:

1) Построение модели кредитного риска по статистике банка, вычисление атрибутов риска множества кредитов банка и анализ кредитной деятельности банка модели риска;

2) Оценка риска кредита, вычисление атрибутов риска и анализ риска кредита.

ЛВ-теория оценки и анализа кредитных рисков и специальные логические Software создавались и исследовались в течение около 10 лет. Апробация выполнялась на данных западного банка (1000 кредитов) и двух российских банков (по 500 кредитов физических и юридических лиц). Для западного банка кредитный риск в среднем уменьшался с 28% до 17%. Для российских банков кредитный риск в среднем уменьшался с 10% до 5%.

 

1. Коммерческая версия Software.В настоящее время на рынке имеются скоринговые методики и программные продукты для оценки кредитного риска на основе линейного и квадратичного дискриминантного анализа, нейронных сетей и data mining. ЛВ-теория кредитного риска с ГНС разительно отличается от распространенных скоринговых методик и имеет следующие особенности [1]:

· Использование логического сложения событий вместо арифметического сложения баллов или других показателей;

· Адекватная логическая формулировка сценария кредитного риска;

· Применение базы знаний (БЗ) по кредитам в виде системы логических уравнений вместо традиционной базы данных (БД);

· Построение логической и вероятностных моделей кредитного риска;

· Определение вероятностей событий с учетом ГНС и формулы Байеса;

· Корректная формулировка целевой функции для идентификации модели риска по статистическим данным;

· Использование специальных логических Software.

Именно эти особенности логико-вероятностной модель кредитного риска приводят к следующим их достоинствам [3-6]:

· В два раза большая точность в распознавании хороших и плохих кредитов;

· В семь раз большая робастность (устойчивость классификации кредитов);

· Абсолютная прозрачность в оценке и анализе риска кредита, множества кредитов банка и самой модели риска;

· Возможность управлять кредитным риском, изменяя асимметрию распознавания хороших и плохих кредитов, число параметров и градаций, описывающих кредит. Снижение риска почти вдвое позволяет уменьшить потери банка и существенно снизить процент за кредит, привлечь больше клиентов и повысить конкурентоспособность банка.

2. Демо-версия Software.Настоящая Демо-версия разработана для учебных и демонстрационных целей как дополнение и разъяснение к коммерческой версии, изложенной на www.inorisklab.com. В демонстрационной и коммерческой версиях программных средств (Software) используется логико-вероятностная (ЛВ) теория риска с группами несовместных событий (ГНС). Демоверсия Software состоит из ряда модулей, созданных в среде программирования Visual С++. Программное ядро Software имеет примерно 3000 операторов. ДемоВерсия приведена на WebSite: http://www.inorisklab.com/risk.zip . Демоверсия может быть скачена, распакована и использоваться для учебно-демонстрационных целей. Учебно- демонстрационное Software имеет следующие файлы:

CREDIT.dat – статистические данные о кредитах банка;

Order – папка для файлов с названием каждого признака и описанием его градаций;.

Original_P1.txt – файл с начальными значениями вероятностей событий-градаций

P1jr, j=1,2,…,n; r=1,2,…,Nj;

Proby_P1.txt - файл с оптимальными значениями вероятностей событий-градаций

P1jr, j=1,2,…,n; r=1,2,…,Nj;

Proby_P.txt - файл с оптимальными значениями вероятностей событий-градаций

Pjr, j=1,2,…,n; r=1,2,…,Nj;

fMaxLast_risk.txt - файл с результатами идентификации (обучения) ЛВ-модели риска и анализом риска по вкладам признаков и градаций для оптимального шага идентификации;

FmaxA.txt – файл с результатами анализа вкладов признаков в точность модели (распознавания хороших и плохих кредитов);

Instruction.pdf – файл настоящей инструкции по учебно- демонстрационной версии

 

Демо-версия ПК «ЛВ-оценка и анализ кредитных рисков»

В соответствии со стандартом работы в учебном классе все Лабораторные работы на Демо-версии ПК «ЛВ-оценка и анализ кредитных рисков» начинаются с копирования папки “credit_risk” с диска M:TeachSolojencevcredit_risk на диск «Мой компьютер». После окончания лабораторной работы, студент переписывает файлы с результатами из папки “credit_risk” в свою папку на своем студенческом рабочем диске.

1. Характеристика учебно-демонстрационного Software. Для каждого банка с помощью настоящего Software строится (обучается, идентифицируется) ЛВ-модель риска решением задачи оптимизации методом случайного поиска или методом градиентов по статистическим данным. При отсутствии статистики использовать статистику по родственному банку. Для Демо-версии используются следующие фиксированные данные:

· Западный пакет из 1000 кредитов физических лиц, среди которых 700 хороших и 300 плохих

· Кредит описывается 20 признаками (параметрами).

· Каждый признак имеет градации. Общее число градаций в признаках - 96.

 

2. Новые задачи кредитного риска. Software позволяют решать следующие группы новых задач:

1. Определение атрибутов риска кредита на построенной (обученной) по статистике ЛВ-модели кредитного риска:

1) Оценка риска кредита;

2) Классификация кредита на хороший или плохой;

3) Определение цены за риск;

4) Анализ риска кредита.

2.. Обучение (идентификация) и оценка качества ЛВ-модели риска по статистическим

данным банка (множеству хороших и плохих кредитов):

1) Определение вероятностей событий-градаций;

2) Определение допустимого риска;

3) Определение среднего риска;

4) Оценка точности ЛВ-модели риска;

5) Оценка робастности ЛВ-модели риска.

3. Анализ кредитной деятельности банка на ЛВ-модели кредитного риска, построенной (обученной) по статистике (множеству кредитов банка):

1) Определение вкладов признаков (параметров), описывающих кредит, в средний кредитный риск банка;

2) Определение вкладов градаций признаков кредитов в средний кредитный риск банка;

3) Определение вкладов признаков (параметров), описывающих кредит, в точность распознавания хороших и плохих кредитов;

4) Определение вкладов градаций признаков кредитов в точность распознавания хороших и плохих кредитов;

5) Определение энтропии плохих кредитов.

4.Управление кредитным риском банка:

1. Определение оптимального числа признаков, описывающих кредит и клиента;

2. Определение оптимального числа градаций для каждого признака;

3. Определение оптимального коэффициента асимметрии распознавания хороших и плохих кредитов;

4. Определение оптимальной ширины интервалов при выделении градаций для таких признаков как сумма кредита, его срок, возраст клиента и др.

5. Определение оптимального числа классов для классификации кредитов;

6. Использование модели риска неуспеха кредита с ограниченным множеством возможных случаев неуспеха кредитов.

 

3. Главное меню.На рис.1 приведена главная экранная форма (главное меню) Software. Из строки управления можно запустить названные выше группы задач 1, 2 и 3. Из группы задач 4 с помощью Демо-версии можно определить оптимальный коэффициент асимметрии распознавания хороших и плохих кредитов. Остальные задачи управления решаются только на рабочей версии ПК.

Рис. 1. Главное меню учебно-демонстрационного Software