Modelowanie ryzyka kredytowego w bankowości – ujęcie praktyczne 2400-ZEWW924

1. Wprowadzenie. Zasady zaliczenia.
2. Modele ekonometryczne w bankowości. Cykl życia modelu i sposoby zarządzania modelami – etap budowy, monitoringu, kalibracji, walidacji.
3. Wprowadzenie do zagadnienia rezerw kredytowych. Idea modelowania w horyzoncie Lifetime (całym okresie życia ekspozycji kredytowej).
4. Model oczekiwanych strat kredytowych (ECL) i jego komponenty.
5. Modelowanie prawdopodobieństwa defaultu w horyzoncie Lifetime. Modele macierzowe, modele bazujące na funkcji przeżycia.
6. Sposoby na uwzględnienie przyszłych oczekiwań makroekonomicznych w modelu Lifetime PD. Modele klasy AR, modele ARIMAX.
7. Sposoby identyfikacji istotnego wzrostu ryzyka kredytowego. Kryteria ilościowe (modelowe) i jakościowe. Wpływ identyfikacji podwyższonego ryzyka kredytowego na model ECL.
8. Modelowanie straty w przypadku wystąpienia zdarzenia niewykonania zobowiązania (LGD). Komponenty modelu LGD, modele parametryczne i nieparametryczne, strata dla ekspozycji w default. Uwzględnienie przyszłych oczekiwań makroekonomicznych.
9. Modelowanie ekspozycji na moment default (EAD). Kohortowe i okresowe metody doboru próby. Modele przedpłat, modele konwersji kredytowej.
10. Testy warunków skrajnych. Modele bazujące na klasycznych zmiennych makroekonomicznych. Nowe trendy w modelowaniu – klimatyczne testy warunków skrajnych.
11. Modele wyceny do wartości godziwej portfeli kredytowych Podejście teoretyczne vs możliwości praktyczne. Sposoby wyznaczenia ceny rynkowej dla różnych typów kredytów.
12. Wytyczne regulacyjne i standard zarządzania modelami ryzyka kredytowego w banku komercyjnym.
13. Wskazówki i wymagania dotyczące przygotowania projektu końcowego (rozwiązania case study związanego z tematyką zajęć).
14. Egzamin.

Rodzaj przedmiotu

nieobowiązkowe

Założenia (opisowo)

Studenci dobierani są do zajęć na podstawie ocen z wybranych przedmiotów:  studenci III roku studiów licencjackich: Ekonometria, Rachunek Prawdopodobieństwa, Statystyka Matematyczna  studenci I roku studiów magisterskich: ocena z dyplomu studiów licencjackich  studenci II roku studiów magisterskich: Ekonometria Zaawansowana I, Programowanie narzędzi analitycznych Zakładane jest, że uczestnicy kursu będą posiadali przynajmniej podstawową znajomość pakietu R.

Koordynatorzy przedmiotu

Natalia Nehrebecka

Efekty kształcenia

Wiedza:
 Student zna obszary zastosowania modeli ekonometrycznych w bankowości
 Student zna wytyczne dotyczące budowy i zarządzania modelami ryzyka kredytowego w banku komercyjnym
 Student zna podstawowe sposoby modelowania ryzyka kredytowego na potrzeby wyznaczania oczekiwanych strat kredytowych
 Student zna najnowsze trendy dotyczące technik ekonometrycznych stosowanych w praktycznym zarządzaniu ryzykiem kredytowym
 Student zna dobre praktyki dotyczące budowy, monitorowania i dokumentowania modeli ryzyka kredytowego
Umiejętności:
 Student umie zidentyfikować obszary zastosowania modeli ekonometrycznych w bankowości
 Student umie wymodelować podstawowe parametry ryzyka kredytowego za pomocą technik ekonometrycznych w środowisku R
 Student umie dokonać statystycznej interpretacji poszczególnych modeli ryzyka kredytowego i ocenić ich wpływ na oczekiwane straty kredytowe modelowanego portfela
 Student potrafi dokonać oceny jakości przygotowywanych modeli oraz zdefiniować i przeprowadzić procedurę monitoringu ich działania
 Student umie przygotowywać dokumentację modeli ryzyka kredytowego zgodną z wytycznymi regulacyjnymi i aktualną praktyką rynkową
Kompetencje społeczne:
 Student rozumie znaczenie modeli ekonometrycznych w zarządzaniu ryzykiem kredytowym
 Student potrafi uzupełniać i doskonalić nabytą wiedzę i umiejętności na podstawie źródeł zewnętrznych i wytycznych regulacyjnych związanych z tematyką kursu
 Student potrafi samodzielnie oprogramować i wytłumaczyć zasady działania podstawowych procedur obliczeniowych w języku R
 Student rozumie wybrane aspekty związane z modelowaniem ryzyka kredytowego w bankowości
 Student na podstawie analiz empirycznych potrafi przedstawić i uargumentować wnioski i implikacje istotne z perspektywy zarządzania ryzykiem kredytowym w banku komercyjnym

Kryteria oceniania

Ocena będzie wystawiona na podstawie następujących składowych:
 Godzinnego egzaminu na zakończenie kursu. Egzamin będzie przeprowadzony w formie testu wielokrotnego wyboru (na ocenę 3-4)
 Wcześniej przygotowanego rozwiązania praktycznego problemu w formie case study związanego z tematyką zajęć. Rozwiązanie będzie przedmiotem omówienia z prowadzącym (na ocenę 5)

Literatura

 KNF (2021), Rekomendacja R - dotycząca zasad klasyfikacji ekspozycji kredytowych, szacowania i ujmowania oczekiwanych strat kredytowych oraz zarządzania ryzykiem kredytowym
 KNF (2015), Rekomendacja W - dotycząca zarządzania ryzykiem modeli w bankach
 Międzynarodowy Standard Sprawozdawczości Finansowej (MSSF) 9 Instrumenty finansowe (IFRS 9 Financial instruments)
 Międzynarodowy Standard Sprawozdawczości Finansowej (MSSF) 13 Wycena wartości godziwej (IFRS 13 Fair Value Measurement)
 Bellini, T. (2019). IFRS 9 and CECL Credit Risk Modelling and Validation: A Practical Guide with Examples Worked in R and SAS. Academic Press.
 EBA (2018), EBA Report: First observations on the impact and implementation of IFRS 9 by EU institutions
 EBA (2021), IFRS 9 Implementation by EU institutions. Monitoring report. (EBA/REP/2021/35)
 EBA (2023), IFRS 9 Implementation by EU institutions. Monitoring report. (EBA/REP/2023/36)
 EBA (2018), Final report on Guidelines on institutions stress testing (EBA/GL/2018/04)
 ECB (2022), 2022 Climate risk stress test
 Engelmann, B. (2021). Calculating lifetime expected loss for IFRS 9: which formula is measuring what?. The Journal of Risk Finance, 22(3/4), 193-208.
 Chawla, G., Forest, L. R., & Aguais, S. D. (2016). Some options for evaluating significant deterioration under IFRS 9. The Journal of Risk Model Validation, 10(3), 69-89.
 Miu, P., & Ozdemir, B. (2017). Adapting the Basel II advanced internal-ratings-based models for International Financial Reporting Standard 9. Journal of Credit Risk, 13(2).
 Acharya, V. V., Berner, R., Engle, R., Jung, H., Stroebel, J., Zeng, X., & Zhao, Y. (2023). Climate stress testing. Annual Review of Financial Economics, 15, 291-326.

Więcej informacji

Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb:

Strona przedmiotu 2400-ZEWW924 w USOSweb