Вероятность дефолта (PD) — финансовый термин, описывающий вероятность дефолта по сравнению с определенным временной горизонт. Он дает оценку вероятности того, что заемщик не сможет выполнить свои долговые обязательства.
PD используется в различных кредитных анализах и системах управления рисками. Согласно Базель II, это ключевой параметр, используемый при расчете экономического капитала или нормативного капитала для банковского учреждения.
PD тесно связан с ожидаемым убытком, который определяется как произведение PD, убытка при заданном по умолчанию (LGD) и подверженности. по умолчанию (EAD).
Обзор
PD — это риск того, что заемщик не сможет или нежелание полностью или своевременно выплатить долг. Риск дефолта определяется путем анализа способности заемщика выплатить долг в соответствии с условиями контракта. PD обычно ассоциируется с финансовыми характеристиками, такими как недостаточный денежный поток для обслуживания долга, снижение доходов или операционной маржи, высокий левередж, снижающаяся или предельная ликвидность, а также неспособность успешно реализовать бизнес-план. В дополнение к этим поддающимся количественной оценке факторам также должна быть оценена готовность заемщика погасить задолженность.
Игорь Бархатов: «как построить PD модель?»
— [Управление финансового контролера]
Вероятность дефолта — это оценка вероятности того, что событие дефолта произойдет. Он применяется к определенному горизонту оценки, обычно к одному году.
, например FICO для потребителей или рейтинги облигаций от SP, Fitch или Moodys для корпораций или правительств, как правило, подразумевают определенную вероятность дефолта.
Для группы заемщиков, разделяющих схожие характеристики кредитного риска, таких как RMBS или пул ссуд, PD может быть получен для группы активов, которая является репрезентативной для типичного (среднего) должника группы. Для сравнения, PD для облигации или коммерческого кредита обычно определяется для одного предприятия.
Согласно Базель II событие дефолта по долговому обязательству считается произошедшим, если
- маловероятно, что должник сможет погасить свой долг банку, не предоставив внести залог
- у должника просрочено более чем на 90 дней по существенному кредитному обязательству
Подчеркнутое и ненадежное PD
PD должника не только зависит от характеристик риска данного конкретного должника, но также и от экономической среды и степени, в которой они влияют на должника. Таким образом, информацию, доступную для оценки PD, можно разделить на две большие категории —
- Макроэкономическая информация, такая как индексы цен на жилье, безработица, темпы роста ВВП и т. Д. — эта информация остается неизменной для нескольких должников.
- Должник конкретная информация, такая как рост выручки (оптовая торговля), количество просроченных платежей за последние шесть месяцев (розничная торговля) и т. д. — эта информация характерна для одного должника и может быть статической или динамической по своему характеру. Примерами статических характеристик являются отрасль для оптовых ссуд и «отношение ссуды к стоимости» для розничных ссуд.
Нестрессированная PD — это оценка того, что должник не выполнит дефолт в течение определенного временного горизонта с учетом текущей макроэкономической ситуации а также информацию о должнике. Это означает, что в случае ухудшения макроэкономических условий PD должника будет иметь тенденцию к увеличению, тогда как при улучшении экономических условий он будет иметь тенденцию к снижению.
В ПОТОКЕ | РАЗРЕШАЮ тебе чувствовать ПОТОК
стрессовая ВД — это оценка того, что должник совершит дефолт в течение определенного периода времени с учетом конкретной информации о текущем должнике, но с учетом «стрессовых» макроэкономических факторов независимо от текущее состояние экономики. Напряженная ВД должника изменяется с течением времени в зависимости от характеристик риска должника, но не сильно зависит от изменений экономического цикла, поскольку неблагоприятные экономические условия уже учтены в оценить.
Для более подробного концептуального объяснения напряженных и ненадежных частичных разрядов см.
Сквозной цикл (TTC) и момент времени (PIT)
Точно В отношении концепции стрессовых и безударных PD, термины на протяжении цикла (TTC) или на определенный момент времени (PIT) могут использоваться как в контексте PD, так и в контексте рейтинговой системы. В контексте PD, стрессовый PD, определенный выше, обычно обозначает TTC PD должника, тогда как стрессовый PD обозначает PIT PD.
В контексте рейтинговых систем рейтинговая система PIT присваивает каждому должнику сегмент таким образом, чтобы все должники в сегменте имели одинаковые безударные ВД, в то время как все должники в сегменте риска, присвоенном рейтинговой системой TTC, имели аналогичные стрессовые ВД. 71>Вероятность дефолта, подразумеваемая свопами по кредитному дефолту (подразумеваемая CDS), основана на рыночных ценах свопов на дефолт по кредиту. Как и цены на акции, их цены содержат всю информацию, доступную для рынка в целом. Таким образом, вероятность дефолта можно определить по цене.
CDS обеспечивают нейтральные к риску вероятности дефолта, которые могут переоценить реальную вероятность дефолта, если премии за риск каким-либо образом не будут приняты во внимание. Один из вариантов — использовать подразумеваемые PD CDS в сочетании с показателями кредита EDF (ожидаемая частота дефолтов).
Получение PD на момент времени и в течение всего цикла
Существуют альтернативные подходы для получение и оценка PD PIT и TTC. Одна из таких рамок включает различение PD PIT и TTC посредством систематических предсказуемых колебаний условий кредитования, то есть посредством «кредитного цикла». Эта структура, предполагающая выборочное использование PD PIT или TTC для различных целей, была успешно внедрена в крупных британских банках со статусом BASEL II AIRB.
В качестве первого шага эта структура использует подход Мертона, в котором кредитное плечо и волатильность (или их прокси) используются для создания модели PD.
В качестве второго Эта схема предполагает наличие систематических факторов, подобных модели асимптотических факторов риска (ASRF).
На третьем этапе эта структура использует предсказуемость кредитных циклов. Это означает, что если уровень дефолта в секторе близок к историческому максимуму, можно предположить, что он снижается, а если уровень дефолта в секторе близок к историческому минимуму, можно предположить, что он будет расти. В отличие от других подходов, которые предполагают, что систематический фактор является полностью случайным, эта структура количественно определяет предсказуемый компонент систематического фактора, что приводит к более точному прогнозированию уровней дефолта.
В соответствии с этой структурой термин PIT применяется к PD, которые перемещаются во времени вместе с реализованными ставками дефолта (DR), увеличиваясь по мере ухудшения общих условий кредитования и уменьшаясь по мере улучшения условий. Термин TTC применяется к PD, которые не демонстрируют таких колебаний, и остаются фиксированными в целом, даже если общие условия кредитования растут и ослабевают. PD TTC различных организаций изменится, но общее среднее значение по всем организациям не изменится. Более высокая точность PIT PD делает их предпочтительным выбором в таких текущих приложениях с учетом рисков, как ценообразование или управление портфелем. Общая стабильность TTC PD делает их привлекательными для таких приложений, как определение Basel II / II RWA.
Вышеупомянутая структура обеспечивает метод количественной оценки кредитных циклов, их систематических и случайных компонентов и результирующих PD PIT и TTC. Для оптового кредита это достигается путем суммирования для каждой из нескольких отраслей или регионов EDF MKMV, вероятностей дефолта Kamakura (KDP) или некоторого другого полного набора PD или DR PIT.
После этого эти факторы преобразуются в удобные единицы и выражаются как отклонения от их соответствующих долгосрочных средних значений. Преобразование единиц обычно включает в себя применение функции обратного нормального распределения, тем самым преобразуя меры медианы или среднего PD в меры медианы или среднего «расстояния по умолчанию» (DD). На данный момент у каждого есть набор индексов, измеряющих расстояние между текущим и долгосрочным средним DD в каждом из выбранных наборов секторов. В зависимости от доступности данных и требований к портфелю такие индексы могут быть созданы для различных отраслей и регионов с периодом более 20 лет, охватывающим несколько спадов.
После разработки этих индексов можно рассчитать PD PIT и TTC для контрагентов в каждом из охваченных секторов. Чтобы получить PD PIT, нужно ввести соответствующие индексы в соответствующие модели по умолчанию, повторно откалибровать модели до значений по умолчанию и применить модели с текущими и прогнозируемыми изменениями индексов в качестве входных данных. Если модель PD не была бы иначе PIT, введение индексов сделает ее PIT. Конкретная формулировка модели зависит от характеристик, важных для каждого отдельного класса контрагентов, и ограничений данных. Некоторые распространенные подходы включают:
- Модель соотношения факторов: калибровка финансовых / нефинансовых факторов и индексов кредитного цикла до значений по умолчанию. Этот подход хорошо работает с большим количеством значений по умолчанию, например Портфели МСП или портфели крупных корпораций откалиброваны по внешним образцам по умолчанию.
- Модель оценочной карты: калибровка показателей оценки и кредитного цикла, откалиброванных по наблюдаемым внутренним или внешним значениям по умолчанию. Этот подход работает с меньшим количеством значений по умолчанию, когда недостаточно данных для разработки модели отношения. Например. Портфель фондов
- Модель Agency Direct: калибровка оценок ECAI (перечисленных как расстояние по умолчанию) и кредитных индексов для значений по умолчанию ECAI и применение ее к агентству и внутренним организациям, имеющим общий рейтинг. Этот подход хорошо работает там, где есть большой набор данных с общим рейтингом, но недостаточно внутренних значений по умолчанию, например Страховой портфель
- Модель репликации агентства: откалибруйте финансовые / нефинансовые факторы / оценку карты показателей по PD, оцененным с помощью модели Agency Direct. Этот подход хорошо работает там, где есть большой набор данных с одинаковым рейтингом, но небольшая выборка внутренних значений по умолчанию, например. Страховой портфель
- Модель внешнего поставщика: использование таких моделей, как модель MKMV EDF с индексами кредитного цикла.
На этом этапе, чтобы определить PD TTC, нужно выполнить три шага:
- Преобразование PD PIT в PIT DD
- Вычитание индекса кредитного цикла из PIT DD, тем самым получая TTC DD; и
- Преобразование TTC DD в TTC PD.
В дополнение к моделям PD эту структуру также можно использовать для разработки вариантов PIT и TTC моделей LGD, EAD и стресс-тестирования.
Большинство моделей PD выводят PD, которые имеют гибридную природу: они не являются ни точным моментом во времени (PIT), ни сквозным циклом (TTC). Долгосрочное среднее ODF наблюдаемой частоты по умолчанию часто рассматривается как PD TTC. Утверждается, что при длительном рассмотрении систематические эффекты в среднем близки к нулю.
Однако определение соответствующего ссылочного периода для расчета такого среднего значения часто бывает проблематичным, например множественные бизнес-циклы в исторических данных могут завышать или недооценивать средний PD, который считается смещенной оценкой. Более того, предположение о постоянной величине TTC PD для пула должников на практике нереально. Фактически, идиосинкразический риск портфеля может меняться со временем. Классическим примером являются изменения в распределении портфеля из-за притока и оттока заемщиков, а также из-за решений, принимаемых банком, таких как изменение условий или политики кредитования.
Оценка
Есть много альтернатив для оценки вероятности дефолта. Вероятность дефолта можно оценить на основе исторической базы данных фактических дефолтов с использованием современных методов, таких как логистическая регрессия. Вероятность дефолта также можно оценить по наблюдаемым ценам, облигаций и опционов на обыкновенные акции.
Самый простой подход, применяемый многими банками, заключается в использовании внешних рейтинговых агентств, таких как Standard and Poors, Fitch или Moody’s Investors Service для оценки PD на основе исторического дефолта. опыт. Для оценки вероятности дефолта малого бизнеса логистическая регрессия снова является наиболее распространенным методом оценки факторов дефолта для малого бизнеса на основе базы данных прошлых дефолтов. Эти модели как разрабатываются внутри компании, так и поставляются третьими сторонами. Аналогичный подход применяется к розничному дефолту с использованием термина «» в качестве эвфемизма для вероятности дефолта, которая является истинной целью кредитора.
Некоторые из популярных статистических методов, которые использовались для моделирования вероятности дефолта, перечислены ниже.
- Линейная регрессия
- Дискриминантный анализ
- Логит и пробит Модели
- Панельные модели
- Модель пропорциональных рисков Кокса
- Нейронные сети
- Деревья классификации
См. Также
- Модель Джарроу – Тернбулла
- Модель Мертона
Ссылки
Прочтение
- де Сервиньи, Арно и Оливье Рено (2004). Руководство Standard Poor’s по измерению и управлению кредитным риском. Макгроу-Хилл. ISBN 978-0-07-141755-6.
- Даффи, Даррелл и Кеннет Дж. Синглтон (2003). Кредитный риск: ценообразование, оценка и управление. Издательство Принстонского университета. ISBN 978-0-691-09046-7.
Внешние ссылки
- Предполагаемая вероятность дефолта из CDS — QuantCalc, онлайн-финансовый математический калькулятор
- https: // ssrn.com / abstract = 1921419 Документ о методологии сквозных кредитных показателей EDF
- http://www.bis.org/publ/bcbsca.htm Базель II: Пересмотренная международная структура капитала (BCBS)
- http://www.bis.org/publ/bcbs107.htm Базель II: Международная конвергенция измерения капитала и стандартов капитала: пересмотренная концепция (BCBS)
- http: //www.bis. org / publ / bcbs118.htm Базель II: Международная конвергенция измерения капитала и стандартов капитала: пересмотренная концепция (BCBS) (ноябрьская редакция 2005 г.)
- http://www.bis.org/publ/bcbs128. pdf Базель II: Международная конвергенция измерения капитала и стандартов капитала: пересмотренная концепция, всеобъемлющая версия (BCBS) (редакция от июня 2006 г.)
Источник: alphapedia.ru
Модель вероятности дефолта (PD) для оценки прогнозируемого кредитного риска
В данной работе мы попытались построить модель, которая оценивает вероятность дефолта заемщика, и на основе этих оценок проанализировали прогнозируемый кредитный риск. Настоящая мера прогнозируемого кредитного риска отражает связь между финансовым положением заемщиков и вероятностью дефолта. А для понимания финансового состояния заемщика можно, в свою очередь, использовать рассчитанные на данных финансовой отчетности различные коэффициенты. Мы обнаружили статистически значимые связи между некоторым набором финансовых коэффициентов и последующими событиями дефолта.
Чтобы оценить вероятность дефолта заемщика по его обязательствам, мы моделируем вероятность дефолта на горизонте один год. Для проверки устойчивости результатов и прогнозной силы нашей модели мы сравниваем построенную модель с альтернативными мерами оценки кредитного риска, которые широко используются в литературе, посвященной исследованию принятия банковских рисков. К этим мерами относятся: метка качества кредита и кредитный спред по процентной ставке. Мы сравнили полученные результаты из PD-модели с результатами альтернативных метрик. В итоге мы обнаружили, что PD-модель более точно прогнозирует событие дефолта на горизонте один год.
Разработанная нами мера прогнозируемого кредитного риска практически применима для оценки поведения банков по принятию рисков и анализа изменений компонент в кредитном портфеле на достаточном уровне детализации. С практической точки зрения данная модель может быть использована для оценки прогнозного кредитного риска на основе микроданных кредитного регистра.
Источник: cbr.ru
IFRS 9 — Как оценивать вероятность дефолта (PD)?
Вероятность дефолта (PD) является наиболее важным и сложным в определении компонентом расчета ожидаемого кредитного убытка (ECL) в соответствии с МСФО (IFRS) 9. Рассмотрим методы и особенности оценки вероятности дефолта.
Оценка ожидаемого кредитного убытка (ECL, ‘expected credit loss’) — это испытание для многих опытных бухгалтеров и финансистов, потому что ECL содержит элемент неопределенности и своего рода угадывание или оценку того, что может произойти в будущем.
В конце концов, именно поэтому его называют «ожидаемым».
См. также другие публикации об ECL:
- IFRS 9 — Методы коэффициента убытков и вероятности дефолта для оценки ожидаемого кредитного убытка (ECL).
- Как рассчитать резерв по сомнительным долгам в соответствии с МСФО (IFRS) 9?
- IFRS 9 — Как рассчитать резерв под кредитные убытки с использованием матрицы резервов?
- IFRS 9 — Ожидаемый кредитный убыток по межфирменным кредитам.
- IFRS 9 — Пример учета ожидаемого кредитного убытка по беспроцентному займу.
Здесь мы более подробно остановимся на «угадывании» кредитного убытка и методах оценки вероятности дефолта (PD, ‘probability of default’) — возможно, наиболее важного и сложного в определении компонента в расчете ECL.
Шаг 1. Определите, что является дефолтом.
Прежде чем разбираться с вероятностью дефолта, необходимо разобраться в том, что представляет собой сам дефолт, поскольку с этим понятием связано множество недоразумений и заблуждений.
Итак, что такое дефолт?
Удивительная вещь заключается в том, что IFRS 9 вообще не содержит определения дефолта, несмотря на то, что дефолт упоминается почти в каждом параграфе IFRS 9, связанном с ожидаемым кредитным убытком.
Словарь Кембриджа определяет дефолт как:
«неспособность сделать то, что вы юридически обязаны сделать, например, погасить долг».
Это очень широкое определение и оно не говорит вам о том, когда именно происходит дефолт.
К счастью, IFRS 9 дает нам руководство.
Параграф IFRS 9:B5.5.37 просит вас (т.е. отчитывающуюся организацию):
определять дефолт в соответствии с вашей политикой внутреннего управления кредитным риском, разработанной для отдельных групп финансовых инструментов.
Что это означает на практике?
Иллюстрация определения дефолта.
Допустим, что банк предоставляет потребительские кредиты и инвестирует свободные деньги в корпоративные облигации.
Таким образом, Банк имеет два типа финансовых инструментов: потребительские кредиты и корпоративные облигации.
Прошлый опыт этого банка показывает, что:
- Если потребители допускают просрочку погашения кредита более 120 дней, то вероятность того, что они погасят его в дальнейшем, близка к нулю.
- Корпоративные облигации, удерживаемые в инвестиционном портфеле банка, выпускаются корпорациями с высоким кредитным рейтингом, и банк несет убыток по этим облигациям, только если их эмитенты официально объявляют о банкротстве.
Исходя из этого прошлого опыта, банк не ожидает, что эти модели сильно изменятся и, следовательно, он определяет дефолт следующим образом:
- Для потребительских кредитов: дефолт возникает, когда просрочка оплаты по кредиту превышает 120 дней.
- Для удерживаемых корпоративных облигаций: дефолт возникает, когда эмитент (должник) официально объявляет о банкротстве.
Обратите внимание, что в этом примере банк применяет два разных определения дефолта для разных типов активов.
И вы можете придумать свое собственное определение в зависимости от вашей ситуации и прошлого опыта.
Почему так важно это понимать?
Причина, по которой мы делаем это упражнение, заключается в том, что оценка вероятности дефолта будет зависеть от того, что является дефолтом.
Итак, что вы оцениваете?
Вероятность банкротства должника? Или вероятность того, что должник не заплатит вам в течение 120 дней (что не обязательно означает банкротство должника)?
Еще одна особенность определения дефолта связана с «опровержимым допущением» в IFRS 9.
В параграфе IFRS 9:B5.5.37 сказано, что существует опровержимое допущение о том, что дефолт наступает не позже, чем когда финансовый актив просрочен на 90 дней.
Это просто руководство, которое поможет вам, а не строгое правило.
Обратите внимание на слово «опровержимое» — это означает, что если вы можете как-то продемонстрировать, что нормальным и обычным является более длительный период, чем 90 дней, то вы можете просто не использовать это допущение.
Шаг 2. Классифицируйте свои финансовые активы.
После того, как вы определили, что является дефолтом, вы должны проанализировать ваши финансовые активы, чтобы понять их характер и индивидуальные различия.
Здесь мы сосредоточимся на торговой дебиторской задолженности, но это в равной мере относится к любому другому финансовому активу.
Вы, безусловно, согласитесь, что «свежая» недавно образовавшаяся торговая дебиторская задолженность имеет иной, гораздо более низкий риск дефолта, чем «старая» задолженность, появившаяся более 90 дней назад.
Или, что дебиторская задолженность клиентов из страны A является более рискованной, чем дебиторская задолженность клиентов из страны B, если состояние экономики и покупательская способность граждан страны B лучше, чем у страны A.
Следовательно, вы не можете оценивать ECL по всей торговой дебиторской задолженности, используя общий критерий риска дефолта.
Вместо этого вы должны группировать свою дебиторскую задолженность по определенным категориям или корзинам риска (англ. ‘risk buckets’), которые имеют одни и те же характеристики, например:
- Возраст дебиторской задолженности — это обязательно, вы всегда должны делать это для любых подкатегорий финансовых активов;
- Географическое расположение — по странам или регионам, городам или селам и т.п.
- Отрасли — автомобильная, энергетика, путешествия .
Как вы уже поняли, выбор категорий риска — это ваш выбор. Не переусердствуйте и опирайтесь здравый смысл, когда будете определять эти категории.
Шаг 3. Оцените вероятность дефолта.
Существует множество методов, поэтому перечислим наиболее популярные:
- На основе прошлых операций;
- Сравнительный анализ с другими компаниями на основе:
- Кредитных рейтингов;
- Кредитных моделей;
- Кредитных дефолтных свопов (CDS).
3.1. Оценка PD на основе прошлых операций.
Этот метод оценивает PD, определяя по истории ваших операций вероятность того, что сумма не будет погашена в определенный срок.
Итак, в целом вы отслеживаете жизненный цикл вашей дебиторской задолженности, от ее появления по погашения, анализируя ее движение между отдельными категориями старения задолженности и рассчитывая средний уровень (коэффициент) дефолта для отдельных групп старения задолженности.
Этот метод отлично подходит, если у вас есть история прошлых операций. Вы должны проанализировать около 60 месяцев портфеля вашей торговой дебиторской задолженности, чтобы получить обоснованные и достаточно надежные результаты.
Тем не менее, вы должны понимать, что в итоге вы получите историческую PD.
Вам все еще нужно скорректировать эту PD, чтобы получить прогнозируемую информацию.
С другой стороны, если вы не ожидаете каких-либо существенных изменений в будущем на основе общих экономических прогнозов, то использование исторической PD может быть обоснованным в некоторых случаях.
3.2. Оценка PD на основе сравнительного анализа.
Если у вас нет истории операций и достаточных данных, то вам может потребоваться сравнить свой портфель с портфелями других компаний, чтобы оценить PD.
Самый простой способ сделать это — использовать какую-нибудь внешнюю модель.
3.2.1. Использование кредитных рейтингов.
Есть три крупных международных рейтинговых агентства: Moody’s Investor Services, Shttps://fin-accounting.ru/articles/2021/ifrs-9-how-measure-probability-of-default» target=»_blank»]fin-accounting.ru[/mask_link]
