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