• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Найдено 16 публикаций
Сортировка:
по названию
по году
Статья
Лапшин В. А., Сохацкая С. Р. Риск-менеджмент в кредитной организации. 2017. Т. 28. № 4. С. 86-105.

При оценке кривой бескупонной доходности используют разные методы. Вне зависимости от выбранной модели, её параметры обычно находятся минимизацией суммы квадратов ошибок приближения цен отдельных облигаций. При этом часто ошибки в приближении разных облигаций учитывают с разными весами: пропорционально дюрации, обратно пропорционально bid-ask спреду и т.д. Мы проводим численный эксперимент, чтобы понять, имеют ли практический смысл подобные модификации. Оказывается, популярные модели оценки срочной структуры процентных ставок настолько неточны для российского рынка, что эффект от разных весов теряется на фоне погрешностей. Использование разумных весов не может навредить, но и помочь также не сможет.

Добавлено: 31 октября 2017
Статья
Соболев А. И. Риск-менеджмент в кредитной организации. 2015. № 3.

Статья посвящена описанию подхода к оценке эффективности портфельного управления кредитным риском на основе анализа динамики размера экономического капитала.

Добавлено: 20 ноября 2015
Статья
Лапшин В. А. Риск-менеджмент в кредитной организации. 2016. Т. 23. № 3. С. 48-60.

В отличие от традиционных мер качества данных, исследование взаимной согласованности требует математической модели. Как при помощи анализа взаимной согласованности можно оценить сегментацию рынка и происходящие на нем изменения? Статья основана на свежих данных о торгах государственными облигациями на Московской бирже в режиме Т+.

Добавлено: 17 июня 2016
Статья
Лапшин В. А., Марков А. А. Риск-менеджмент в кредитной организации. 2019. Т. 35. № 3. С. 42-51.

Рассчитывая модели вероятности дефолта (PD), банки сталки ваются с нехваткой данных. Чтобы решить проблему, они объединяют заемщиков из разных отраслей, укрупняют рейтинговые категории (например, объединяют «нотчи» AAA+, AAA и AAA– в единый рейтинг ААА) и т.д. Мы предлагаем методологию, которая позволит оптимально сегментировать кредитный портфель, используя данные банка. Чтобы этого достичь, нужно минимизировать ширину доверительного интервала для оценки ожидаемых кредитных убытков (ОКУ). Методологию можно обобщить для других элементов кредитного риска (например,моделей LGD, EAD).

Добавлено: 19 августа 2019
Статья
Пильник Н. П. Риск-менеджмент в кредитной организации. 2011. № 3. С. 41-51.
Добавлено: 10 июля 2015
Статья
Пильник Н. П. Риск-менеджмент в кредитной организации. 2011. № 2. С. 48-61.
Добавлено: 10 июля 2015
Статья
Пильник Н. П. Риск-менеджмент в кредитной организации. 2012. № 5. С. 21-34.

  

Добавлено: 10 июля 2015
Статья
Пильник Н. П. Риск-менеджмент в кредитной организации. 2013. № 9. С. 49-61.

  

Добавлено: 10 июля 2015
Статья
Пильник Н. П. Риск-менеджмент в кредитной организации. 2014.

  

Добавлено: 10 июля 2015
Статья
Пильник Н. П. Риск-менеджмент в кредитной организации. 2015.

  

Добавлено: 10 июля 2015
Статья
Соболев А. И. Риск-менеджмент в кредитной организации. 2015. № 4.

В статье рассмотрен ряд вопросов деятельности современного банка. Как метод рыночных процентных ставок позволяет банку укрепить свою конкурентную позицию на рынке? Каковы возможности моделирования структуры кратко- и долгосрочных продуктов при помощи данного метода? В чем состоит суть и каковы ограничения для применения метода?

Добавлено: 14 ноября 2016
Статья
Соболев А. И. Риск-менеджмент в кредитной организации. 2015. № 2.

Как управлять процентным риском в условиях резких изменений ключевой ставки? Как анализировать потоки платежей на основе поведенческой модели? Как рассчитать факторы дисконтирования в зависимости от рыночных ставок по валютам? Как определить чувствительность банка к изменению процентных ставок?

Добавлено: 20 ноября 2015
Статья
Малахов Д. И. Риск-менеджмент в кредитной организации. 2015. № 4(20). С. 72-88.

Структура банковской отрасли напрямую влияет на риски дефолтов (Acemoglu, Ozdaglar, Tahbaz-Salehi (2015)). В связи с этим резкое и неожиданное изменение распределения банков по активам, депозитам и кредитам является хорошим предиктором для кризисных явлений в банковской отрасли. В данной работе рассматривается банковская система России. В результате анализа получилось, что структура банковской системы России не сильно изменилась за последние 10 лет, несмотря на наличие трех кризисных периодов. При этом малые банки не попадают в "ловушку бедности" и потенциально могут перейти в класс средних банков. Однако концентрация банков по доле активов в общей сумме активов банковской системы росла в течение всего периода наблюдения, что при сохранении тенденции в дальнейшем может привести к риску повышения неустойчивости банковской сферы. 

Добавлено: 16 октября 2015
Статья
Родина В. А., Масютин А. А. Риск-менеджмент в кредитной организации. 2013. № 2(10). С. 48-64.

Может ли недостаточная ликвидность быть представлена как отдельная составляющая риска, не интегрируемая иными параметрами инвестиционного моделирования? Для ответа на этот вопрос авторами статьи было проведено исследование ликвидности акций публичных российских компаний в листинге Московской биржи.

Добавлено: 18 ноября 2013
Статья
Помазанов М. В., Левин В., Шикин В. Риск-менеджмент в кредитной организации. 2016. Т. 1. № (21). С. 20-33.

Очевидно, что потенциал повышения точности оценок кредитного риска на основе кредитной истории, в частности на основе скоринга кредитного бюро, сегодня исчерпан. Для дальнейшего роста розницы требуется дополнительный источник информации о клиенте, на основе которой можно улучшить качество оценок кредитного риска. Как использовать индикаторы долговой нагрузки для оценки риска дефолта заемщиков?

Добавлено: 2 октября 2017
Статья
Пильник Н. П., Аванян С. А. Риск-менеджмент в кредитной организации. 2015. № 2/18. С. 72-84.

    И в микро-, и в макромоделях для описания поведения экономических агентов используются ожидания как механизм формирования представлений о будущих значениях информационных переменных. Описание этих ожиданий, как правило, в силу ненаблюдаемости последних носит исключительно произвольный характер и зависит от целей и задач автора модели. В этом смысле представляется, что богатая статистика рекомендаций — уникальный пример прямого наблюдения ожиданий экономических агентов. А следовательно, их описание может быть проверено сопоставлением с имеющимися данными.

В статье проведена систематизация в рамках модели процесса формирования рекомендаций, которая в наибольшей степени отражает реальный процесс формирования рекомендаций. Иными словами, из огромного количества финансовых и нефинансовых показателей выбираются те, которые в большей степени влияют на рекомендации инвестиционных аналитиков.

Добавлено: 10 июля 2015