iT邦幫忙

2023 iThome 鐵人賽

DAY 19
0
AI & Data

量化交易與機器學習系列 第 19

信用風險評價模型(Credit Risk Measurement Model)

  • 分享至 

  • xImage
  •  

建立信用風險模型通常需要四個步驟:

  1. 資料預處理
  2. 違約機率(Probability of Default, PD)
    違約機率是指交易對手通常在未來 12 個月內違約的可能性。
    違約的可能性越高,信用風險就越高。
  3. 違約損失率(Loss Given Default, LGD)
    違約損失是由於違約造成的部分損失。
    回收率越低,違約損失率和信用風險就越高。
  4. 信用曝險(Credit Exposure, CE)
    信用風險是債權的市場價值。
  5. 違約曝險(Exposure at Default, EAD)
    曝險越大,銀行面臨的信用風險就越大。

2008 年金融危機之後,風險管理模型和流程得到了改進,以便能夠更好地應對新的危機。

金融機構應對困難的宏觀經濟狀況和脆弱的地緣政治局勢的方式產生影響。
評級機構暗示違約率不斷上升,違約概率不斷惡化。
不僅評級較低的工具具有較高的信用風險,投資級債務也存在高信用風險。

由於運作良好的信貸市場對於促進經濟增長至關重要。
因此高效和有效的信貸風險管成為政策制定者、監管機構和貸款公司議程的重要議題。
這也是監管機構繼續敦促金融機構積極推動其採取強有力的信用風險管理實踐的原因。

信用風險分析由風險加權,及納入內部和外部信用評級,發展為複雜的內部投資組合信用模型。

不僅需要對風險要素準確評價,還需要對不同決定因素進行準確評價,並在投資組合層面進行彙總。

擁有良好的信用風險模型對於經濟資本計算、貸款撥備和報告至關重要。
資本過剩和資本不足的成本都非常高,資本不足會增加銀行倒閉的風險。
減少風險加權資產(Risk-Weighted Assets, RWA)計算的變動就相對重要。
銀行還需要遵守巴塞爾協定(Basel)和 IFRS 9 等會計規定。

信用風險研究遍及會計、金融和銀行業到分析、機器學習、運籌學(OR)。

新的流動性要求似乎可以有效降低銀行的脆弱性。
加強資本要求的有效性似乎僅限於大型金融機構。
這支持了巴塞爾協定(Basel) III 中對大型銀行和系統性銀行的差別監管待遇。

模型框架

用於構建信用風險模型,還用於驗證、回測、基準測試和壓力測試。

  • 0 級 - 資料處理:

    這些資料來源需要充分組合和預處理(例如:缺失值、離群值、分類、轉換)。
    這些活動的影響不可低估,因為它們對性能有直接影響。

  • 1 級 - 建立模型:

    目的在對債務人或曝險進行排序或排名。
    違約(PD):邏輯回歸,用於建立行為評分模型,為新的和現有的債務人提供信用評分。
    曝險(LGD/EAD):線性回歸、回歸樹和混合模型,對意外和預期損失都有線性影響。

  • 2 級 - 評價驗證

    分類為更穩健的違約、損失和風險評價,精確量化概率(PD)或百分比(LGD/EAD)。
    這些驗證通常使用歷史資料以及對全球經濟和貸款人所在市場等的預期來完成。

    此外,根據巴塞爾協定(Basel),曝險(LGD/EAD)驗證應基於經濟衰退假設。

模型要求

  1. 統計性能:

    • 評價:
      • 違約(PD):
        • AUC
        • 基尼係數(AUCx2-1)
        • KS統計測試法(Kolmogorov-Smirnov, KS)(ROC曲線與對角線之間的最大垂直距離)
      • 曝險(LGD/EAD):
        • 平方誤(MSE)
        • 平方差(MAD)
        • Pearson 相關係數
        • R平方(R Squared)(調整後)。
    • 驗證
      • 違約(PD):
        • Brier 分數
        • 平均值(例如:二項式、Hosmer-Lemeshow、正態或 Vasicek 測試。
      • 曝險(LGD/EAD):
        • t 檢定
        • Wilcoxon符號等級(Signed-Rank)檢定/引導程式(Boot Loader)

可解釋性

複雜模型(例如:集成學習、深度學習)仍然不受監理歡迎。

因此,一些行業準則仍然是被推薦的,也被認為非常容易解釋。

  • 違約(PD):邏輯回歸,列線圖(Nomogram)
  • 曝險(LGD/EAD):線性回歸、回歸樹和混合模型。

研究發現,信用風險與盈利能力呈負相關。
更具體地說,良好的信用風險模型會減少不良貸款,提高財務償付能力,從而降低違約率。

但信用風險及其風險驅動因素與盈利能力之間的關係並不是一對一的,而是有條件的。
違約概率與盈利能力呈非線性關係,違約和第二次購買的生存概率傳達了重要信息。
與盈利能力最相關的不是注重 PD 的傳統信用評分方法,而是內部回報率(IRR)的盈利驅動評分模型。

評價偏差

過往認為信用風險管理方面存在性別差異,女性員工發放不良貸款的可能性較低。
雖然評分模型和專家系統等資訊的使用對削弱這種行為偏差至關重要。
進行審核信用評估需要以公正和獨立的方式進行。


上一篇
深度強化學習(Deep Reinforcement Learning, DRL)
下一篇
動量策略(Momentum Strategy)
系列文
量化交易與機器學習30
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言