RU2469401C2 - System and method for managing credit portfolios - Google Patents
System and method for managing credit portfolios Download PDFInfo
- Publication number
- RU2469401C2 RU2469401C2 RU2010108923/08A RU2010108923A RU2469401C2 RU 2469401 C2 RU2469401 C2 RU 2469401C2 RU 2010108923/08 A RU2010108923/08 A RU 2010108923/08A RU 2010108923 A RU2010108923 A RU 2010108923A RU 2469401 C2 RU2469401 C2 RU 2469401C2
- Authority
- RU
- Russia
- Prior art keywords
- portfolio
- loans
- data
- loan
- macroeconomic
- Prior art date
Links
Images
Abstract
Description
Изобретение относится к способу и устройству обработки цифровых данных, предназначенных для контроля показателей кредитных портфелей и принятия решений о качестве и эффективности скоринговых моделей, оценки воздействий на портфель, связанных с экономической ситуацией. Технический результат заключается в повышении точности оценок качества кредитного портфеля, надежности прогноза, возможности моделирования макроэкономической ситуации и прогнозирования поведения портфеля в условиях как стабильности, так и кризиса.The invention relates to a method and apparatus for processing digital data intended for monitoring indicators of loan portfolios and making decisions about the quality and effectiveness of scoring models, assessing the impact on the portfolio associated with the economic situation. The technical result consists in increasing the accuracy of assessments of the quality of the loan portfolio, the reliability of the forecast, the possibility of modeling the macroeconomic situation and forecasting the behavior of the portfolio in conditions of both stability and crisis.
На фиг.1 представлена блок-схема системы управления кредитными портфелями; на фиг.2 представлены возможные состояния кредитной единицы по основному долгу, а также переходы между этими состояниями для потребительских кредитов; на фиг.3 представлены возможные состояния кредитной единицы по основному долгу и переходы между этими состояниями для кредитных карт.Figure 1 presents a block diagram of a system for managing loan portfolios; figure 2 presents the possible state of the credit unit for the principal debt, as well as the transitions between these conditions for consumer loans; figure 3 presents the possible state of the credit unit for the principal debt and the transitions between these conditions for credit cards.
Как показано на фиг.1, система содержит устройство ввода и хранения данных (1), состоящее из средства ввода данных о распределении кредитного портфеля по степени просрочки для каждого поколения (2) по выданным кредитам (3), и о запланированных объемах выдач (4), из средства ввода характеристик винтажа для каждого поколения (5) по выданным кредитам (6) и по запланированным кредитам (7), из средства ввода характеристик каждого месяца (8) для прошлых (исторических) месяцев (9) и ввода сценарных (оценочных) характеристик для будущих месяцев (10). Также система содержит устройство расчета и хранения базисной матрицы, называемой "Базисным массивом" (11), устройство "Блок расчетов" (12) для расчета показателей кредитного портфеля посредством перемножения матриц перехода, устройство "Блок последовательных приближений" (13) для достижения наилучшей оценки качественных характеристик портфеля в условиях изменчивой экономической ситуации и для расчета матриц корректировки по качеству и по макроэкономике, и содержащее средство ввода параметров (14) и средство хранения результатов расчета блока последовательных приближений (15). Система содержит также устройство вывода данных посредством отчетов, таблиц, графиков (16).As shown in figure 1, the system contains a data input and storage device (1), consisting of data input means on the distribution of the loan portfolio by the degree of delay for each generation (2) on loans issued (3), and the planned volumes of disbursements (4 ), from the means of entering the characteristics of the vintage for each generation (5) on loans issued (6) and on planned loans (7), from the means of entering the characteristics of each month (8) for the past (historical) months (9) and the input of scenario (estimated) ) characteristics for future months (10). The system also contains a device for calculating and storing the basis matrix, called the “Basis array” (11), a device “Settlement block” (12) for calculating loan portfolio indicators by multiplying the transition matrices, a device “Block of successive approximations” (13) to achieve the best estimate qualitative characteristics of the portfolio in a changing economic situation and for calculating matrices of adjustments for quality and macroeconomics, and containing a means for entering parameters (14) and a means for storing the results of calculating bl eye of successive approximations (15). The system also contains a data output device by means of reports, tables, graphs (16).
Изобретение относится к способам и устройствам обработки цифровых данных и методам цифровых вычислений, предназначенных для контроля и принятия решений при управлении кредитными портфелями. Изобретение может быть использовано в управлении следующими кредитными портфелями: потребительскими кредитами, кредитными картами, ипотечными кредитами. Также изобретение может быть использовано в качестве специальной процедуры известных программных пакетов по обработке статистической информации.The invention relates to methods and devices for processing digital data and digital computing methods for monitoring and decision making in managing loan portfolios. The invention can be used in the management of the following loan portfolios: consumer loans, credit cards, mortgages. Also, the invention can be used as a special procedure of known software packages for processing statistical information.
Известны различные способы формирования кредитных портфелей и управления этими портфелями. Применение этих способов на практике требует не только специальных знаний, но почти всегда является искусством, поэтому важной задачей является оценка качества существующего портфеля - контроль за совершенными управляющим действиями. Как правило, за итоговый результат оценки качества кредитного портфеля принимают простую оценку, основанную на статистике попаданий отдельных кредитов в составе кредитного портфеля в просрочки за определенный период. Однако оценка качества кредитного портфеля только по наблюдению за статистикой попаданий в просрочки не может считаться состоятельной, поскольку не учитывает внешних факторов, воздействующих на кредитный портфель, и не может служить гарантией получения такого же результата в будущем. Оценка эффективности кредитного портфеля должна быть комплексной и опираться не только на абсолютные цифры потерь, полученных в конкретный отрезок времени, а также и на макроэкономические данные, на оценку силы воздействия экономической конъюнктуры на кредитный портфель.There are various ways of forming loan portfolios and managing these portfolios. The application of these methods in practice requires not only special knowledge, but almost always is an art, therefore, an important task is to assess the quality of the existing portfolio - control over the perfect managerial actions. As a rule, the final result of assessing the quality of the loan portfolio is taken as a simple assessment based on statistics on the occurrence of individual loans in the loan portfolio in arrears for a certain period. However, assessing the quality of the loan portfolio only by observing statistics on delinquency cannot be considered consistent, since it does not take into account external factors affecting the loan portfolio and cannot guarantee the same result in the future. Assessment of the effectiveness of the loan portfolio should be comprehensive and based not only on the absolute figures of losses received in a particular period of time, but also on macroeconomic data, on the assessment of the strength of the impact of the economic situation on the loan portfolio.
Наиболее близкими к заявляемому изобретению является способ управления ипотечным портфелем и портфелем потребительских кредитов METHOD FOR MORTGAGE AND CLOSED END PORTFOLIO MANAGEMENT (Патенты № US 6249775 В1, 2001 г.; №1: 87020631 В2, 2009 г.; G06F 17/30, U.S. 705/36). Способ управления ипотечным портфелем и портфелем потребительских кредитов разработан в форме аналитического инструмента для улучшения анализа поведения портфеля в прошлом и прогнозирования его поведения в будущем. Способ рассматривает портфели на уровне винтажей по времени выдачи кредитов. Благодаря такой группировке реализуется возможность сравнивать отдельные винтажи. Компонента раннего оповещения системы позволяет предсказать ожидаемый уровень просрочки по портфелю на определенный временной интервал. Матричная компонента объединяет винтажный анализ с компонентой раннего оповещения и предсказывает уровень просрочки кредитного портфеля на определенный момент в будущем. Результаты анализа графически отображаются и автоматически дают ответ на вопрос о целесообразности инвестирования в различные кредитные портфели.Closest to the claimed invention is a method of managing a mortgage portfolio and a portfolio of consumer loans METHOD FOR MORTGAGE AND CLOSED END PORTFOLIO MANAGEMENT (Patents No. US 6249775 B1, 2001; No. 1: 87020631 B2, 2009;
Основной целью рассматриваемых как аналоги системы и способа является обеспечение содействия в понимании поведения кредитного портфеля, создание автоматизированной и динамической системы, способной по поведению портфеля в прошлом предсказать его поведение в будущем и способной также помогать в решении на стадии заявки по кредиту. Рассматриваемые как аналоги системы и способа включаются в общий бизнес-процесс по управлению кредитным портфелем.The main goal of being considered as analogues of the system and method is to provide assistance in understanding the behavior of the loan portfolio, the creation of an automated and dynamic system that is able to predict its future behavior by the behavior of the portfolio and can also help in the decision at the stage of the loan application. Considered as analogues of the system and method are included in the overall business process of managing a loan portfolio.
Тем не менее, рассматриваемые как аналоги системы и способа не дают ответа на вопрос о том, как влияют на кредитный портфель внешние факторы: макроэкономика, сезонность, изменение в процессе взыскания задолженности; не учитываются и факторы, связанные с характерным изменением отдельного винтажа во времени.Nevertheless, considered as analogues of the system and method, they do not answer the question of how external factors affect the loan portfolio: macroeconomics, seasonality, change in the process of debt collection; factors related to the characteristic change in a single vintage over time are not taken into account.
Таким образом, имеется потребность в системе, повышающей точность и надежность прогноза поведения кредитного портфеля, оценку показателей качества кредитного портфеля.Thus, there is a need for a system that improves the accuracy and reliability of forecasting the behavior of the loan portfolio, and evaluates the quality indicators of the loan portfolio.
Задачей изобретения является расширение арсенала технических средств и способов управления кредитными портфелями.The objective of the invention is to expand the arsenal of technical means and methods of managing loan portfolios.
Задачей, на решение которой также направлено заявляемое изобретение, является упрощение одновременной оценки качества кредитного портфеля и оценки внешних воздействий (то есть чувствительности кредитного портфеля к экономической ситуации, изменению в бизнес процессах).The task to which the claimed invention is also directed is to simplify the simultaneous assessment of the quality of the loan portfolio and the assessment of external influences (that is, the sensitivity of the loan portfolio to the economic situation, changes in business processes).
Еще одной задачей изобретения является создание удобного интерфейса для моделирования различных сценариев внешних воздействий (макроэкономических сценариев), качества и объема планируемых новых выдач, изменений в процессе взыскания задолженности.Another objective of the invention is the creation of a convenient interface for modeling various scenarios of external influences (macroeconomic scenarios), the quality and volume of planned new issues, changes in the process of debt collection.
Для реализации поставленных задач разработана система управления кредитными портфелями потребительских кредитов. Заявленная система содержит устройство приема данных о распределении (основного долга) портфеля потребительских кредитов по степени просрочки, по поколениям выдачи кредитов, содержащее средство ввода данных характеристик месяца и сценариев (макроэкономические параметры, сезонность), средство ввода характеристик качества для каждого поколения по выданным кредитам и по запланированным кредитам. Заявленная система также содержит устройство "Базисный массив" расчета и хранения базисной матрицы; устройство "Блок расчетов", являющееся средством расчета матриц перехода для каждого поколения и для заданного сценария (макроэкономического прогноза) и средством прогнозирования поведения кредитного портфеля на основании входных данных и рассчитанных матрицах перехода; и устройство "Блок последовательных приближений", являющееся автоматизированным средством последовательного подбора корректирующих матриц, характеристик качества поколений, характеристик месяцев в целях повышения точности прогнозирования поведения портфеля, содержащее средство ввода параметров и средство хранения результатов расчета. В состав заявленной системы также входит устройство вывода расчетных характеристик, причем данные выводятся в форме графиков, таблиц, специализированных отчетов.To achieve these goals, a system for managing loan portfolios of consumer loans has been developed. The claimed system contains a device for receiving data on the distribution (main debt) of a portfolio of consumer loans by the degree of delay, for generations of loans, containing a means for entering data on the characteristics of the month and scenarios (macroeconomic parameters, seasonality), a means for entering quality characteristics for each generation on loans issued and on planned loans. The claimed system also includes a device "Basis array" calculation and storage of the basis matrix; device “Settlement block”, which is a means of calculating transition matrices for each generation and for a given scenario (macroeconomic forecast) and a means of predicting the behavior of the loan portfolio based on input data and calculated transition matrices; and the “Block of consecutive approximations” device, which is an automated tool for sequential selection of corrective matrices, generation quality characteristics, month characteristics in order to improve the accuracy of forecasting portfolio behavior, containing a parameter input tool and a storage tool for calculation results. The composition of the claimed system also includes a device for deriving design characteristics, the data being displayed in the form of graphs, tables, specialized reports.
В частном случае выполнения в системе управления кредитными портфелями потребительских кредитов оператор системы имеет возможность посредством механизма визуальной коррекции, являющегося составной частью устройства "Базисный массив", самостоятельно устанавливать элементы усредненной матрицы перехода, сравнивая фактические и расчетные показатели поведения винтажа самостоятельно устанавливать характеристики качества поколений по уже выданным кредитам, и самостоятельно устанавливать характеристики месяцев для прошедших месяцев рассчитанных исходя из макроэкономических исторических данных, задавать характеристики для будущих месяцев, исходя из макроэкономических прогнозов, а также самостоятельно устанавливать параметры системы.In the particular case of executing consumer loans in the loan portfolio management system, the system operator is able to independently install elements of the averaged transition matrix using the visual correction mechanism, which is part of the Basic Array device, by comparing the actual and estimated indicators of the vintage behavior to independently establish the quality characteristics of generations already loans granted, and independently establish the characteristics of the months for the past months asschitannyh based on macroeconomic historical data set characteristics for the coming months, on the basis of macroeconomic forecasts, as well as to set their own parameters of the system.
В еще одном частном случае выполнения система управления кредитными портфелями потребительских кредитов содержит устройство приема данных о распределении портфеля по количеству кредитов, базисный массив является матрицей перехода из риск-класса в риск-класс по количеству кредитов, а за основу наблюдений берется не основной долг, а количество кредитов.In another particular case of execution, the consumer loan portfolio management system contains a device for receiving data on the distribution of the portfolio by the number of loans, the base array is the matrix of the transition from risk class to risk class in terms of the number of loans, and not the main debt is taken as the basis of observations, but Amount of credits.
За счет использования устройства "Базисный массив", благодаря которому учитывается фактор "созревания" поколений кредитов, и использования средств ввода данных качественных характеристик портфеля (бизнес сценарий) и ввода данных характеристик месяца (макроэкономический сценарий) достигаются технические результаты, заключающиеся в повышении надежности прогнозов поведения кредитных портфелей и повышении точности оценок при стресс-тестировании кредитных портфелей для различных сценариев развития экономики.By using the “Basis array” device, which takes into account the factor of “maturing” of generations of loans, and using the means of entering data of qualitative characteristics of the portfolio (business scenario) and entering data of the characteristics of the month (macroeconomic scenario), technical results are achieved that increase the reliability of behavior forecasts loan portfolios and improving the accuracy of assessments during stress testing of loan portfolios for various scenarios of economic development.
За счет использования устройств "Блок расчетов" и "Блок последовательных приближений", посредством которых пользователю предоставляется возможность одновременной оценки качества каждого поколения кредитов и оценки силы внешних воздействий в каждый дискретный временной интервал, достигается технический результат, заключающийся в упрощении одновременной оценки качества кредитного портфеля и оценки внешних воздействий.Due to the use of the devices “Block of calculations” and “Block of successive approximations”, through which the user is given the opportunity to simultaneously assess the quality of each generation of loans and assess the strength of external influences in each discrete time interval, a technical result is achieved that simplifies the simultaneous assessment of the quality of the loan portfolio and assessment of external influences.
За счет систематизации и формализации процедур оценки портфеля, а также за счет того, что портфель исследуется на уровне матриц переходов и тем самым предоставляется возможность получения наиболее полной информации о поведении портфеля и возможность составления различного типа аналитических отчетов, достигается технический результат, заключающийся в сокращении аппаратных ресурсов системы для расчетов и анализа кредитного портфеля.Due to the systematization and formalization of portfolio assessment procedures, as well as due to the fact that the portfolio is examined at the level of transition matrices, this provides the opportunity to obtain the most complete information about portfolio behavior and the ability to compile various types of analytical reports, and the technical result is achieved by reducing hardware system resources for calculations and analysis of the loan portfolio.
За счет использования средств ввода характеристик месяца и ввода данных качественных характеристик портфеля реализуется удобный интерфейс для моделирования различных сценариев внешних воздействий, моделирования качества и объема планируемых новых выдач и моделирования изменений в процессе взыскания задолженности.Through the use of tools for entering the characteristics of the month and entering data of the qualitative characteristics of the portfolio, a convenient interface is implemented for modeling various scenarios of external influences, modeling the quality and volume of planned new issues and modeling changes in the process of debt collection.
За счет использования устройства вывода расчетных характеристик, которое выводит данные в форме графиков, таблиц, специализированных отчетов, реализуется удобный интерфейс для прогнозирования изменений резервов и прогнозирования дюраций и возврата денежных средств. Моделирование и прогнозирование осуществимо в разрезах по портфелю в целом и по поколениям, по типам портфелей, по географии, что позволяет существенно расширить спектр методов исследования портфеля и построения необходимых отчетов в целях эффективного управления рисками.Due to the use of a device for deriving calculated characteristics, which displays data in the form of graphs, tables, specialized reports, a convenient interface is implemented for predicting changes in reserves and forecasting durations and refunds. Modeling and forecasting is feasible in sections for the portfolio as a whole and for generations, by type of portfolio, by geography, which can significantly expand the range of methods for researching the portfolio and building the necessary reports in order to effectively manage risks.
Главным ядром системы является блок расчетов (12). Идея расчетов основана на взаимоувязке основных параметров кредитных портфелей с вероятностями перехода из одного риск-класса в другой риск-класс. Как правило, рассматриваются вероятности перехода за период, равный одному месяцу. Под основными параметрами кредитных портфелей понимаются показатели, такие как распределение по риск-классам, уровни просрочки 30+, 60+, …, списания, …The main core of the system is the block of calculations (12). The idea of calculations is based on the interconnection of the main parameters of loan portfolios with the probabilities of transition from one risk class to another risk class. As a rule, transition probabilities for a period equal to one month are considered. Under the main parameters of loan portfolios are understood indicators, such as distribution by risk classes, delay levels of 30+, 60+, ..., write-offs, ...
Для осуществления расчетов, используя исторические данные поведения портфеля, на первом этапе рассчитывается базисный трехмерный массив элементов Aijk (каждый элемент матрицы есть оценка вероятности перехода из i-го риск-класса в j-ый риск-класс, k-количество месяцев в книге), характеризующий некий усредненный винтаж и некоторое усредненное (стабильное) макроэкономическое состояние. Далее по тексту будем называть это «Базисным массивом» (11). Далее вводятся поправочные коэффициенты для характеристики отдельного винтажа (6), (7), а также макроэкономического состояния (9), (10).To carry out calculations using historical data on portfolio behavior, at the first stage, a basic three-dimensional array of elements A ijk is calculated (each matrix element is an estimate of the probability of transition from the i-th risk class to the j-th risk class, k-number of months in the book) , characterizing a certain averaged vintage and some averaged (stable) macroeconomic state. Further in the text we will call this the “Base array” (11). Next, correction factors are introduced to characterize a single vintage (6), (7), as well as the macroeconomic state (9), (10).
В простейшем случае кредитный портфель (речь идет о потребительских кредитах, выданных на срок) описывается однородной цепью Маркова с двумя поглощающими состояниями. Как показано на фиг.2, кредитная единица может в течение месяца переходить из состояния в состояние, при этом возможность повысить риск-класс более чем на единицу отсутствует.In the simplest case, the loan portfolio (we are talking about consumer loans issued for a term) is described by a homogeneous Markov chain with two absorbing states. As shown in figure 2, the credit unit can move from state to state within a month, while there is no possibility to increase the risk class by more than one.
Матрица перехода в этом случае задается следующей матрицей:The transition matrix in this case is defined by the following matrix:
См. фиг.2See FIG. 2
(17) - нулевой риск-класс, нет просрочки;(17) - zero risk class, no delay;
(18) - первый риск-класс, просрочка 1-30 дней;(18) - first risk class, delay 1-30 days;
(19) - второй риск-класс, просрочка 31-60 дней;(19) - the second risk class, delay of 31-60 days;
(20) -третий риск-класс, просрочка 61-90 дней;(20) Third risk class, delay of 61-90 days;
(21) - четвертый риск-класс (дефолт), просрочка 91-120 дней;(21) - the fourth risk class (default), delay of 91-120 days;
(22) - пятый риск-класс (списание), просрочка более 120 дней;(22) - fifth risk class (write-off), delay of more than 120 days;
(23) - платежи в банк по основному долгу (Pay Down).(23) - payments to the bank on the principal debt (Pay Down).
аij - вероятность перехода из i-го риск-класса в j-й риск-класс в течение одного месяца. Последний столбец матрицы Аij: (α06,…,α46, 0,1)T вероятности переходов в состояние Pay Down (возврат основного долга) (23).and ij is the probability of a transition from the ith risk class to the jth risk class within one month. The last column of matrix A ij : (α 06 , ..., α 46 , 0,1) T is the probability of transitions to the Pay Down state (return of the main debt) (23).
С течением времени вероятности переходов изменяются, поэтому вероятности перехода являются функциями от k (k - количество месяцев в книге). В этом случае матрицу перехода можно представить как трехмерный массив Аijk, в котором элементами являются вероятности перехода из i-го риск-класса j-й риск-класс в течение одного месяца, k - количество месяцев в книге:The transition probabilities change over time, so the transition probabilities are functions of k (k is the number of months in the book). In this case, the transition matrix can be represented as a three-dimensional array A ijk , in which the elements are the probabilities of the transition from the ith risk class to the jth risk class within one month, k is the number of months in the book:
АBUT
Для построения "Базисного массива" (11) и учета зависимости вероятностей перехода от MOB рассматривается некий усредненный за весь период наблюдений винтаж, выявляется характер зависимостей. Эти зависимости (наборы) вероятностей от MOB формируют трехмерный массив Аijk, элементы которого являются оценками вероятностей перехода из i-го риск-класса j-й риск-класс в момент k-месяцев в книге (MOB). Этот массив и определяет поведение усредненного винтажа при отсутствии внешних воздействий на портфель. Под внешними воздействиями понимается изменение макроэкономической конъюнктуры, изменений в процессе взыскания задолженности, сезонность, другие возможные воздействия.In order to construct the “Basis array” (11) and take into account the dependence of the transition probabilities on the MOB, a vintage averaged over the entire observation period is considered, and the nature of the dependencies is revealed. These dependencies (sets) of probabilities on the MOB form a three-dimensional array A ijk , the elements of which are estimates of the probabilities of the transition from the ith risk class to the jth risk class at the time of k months in the book (MOB). This array determines the behavior of the average vintage in the absence of external influences on the portfolio. External influences are understood as changes in macroeconomic conditions, changes in the process of debt collection, seasonality, and other possible impacts.
Для удобства и сокращения записей будем использовать индексы i, j, k, g и m, которые обозначают:For convenience and reduction of records, we will use the indices i, j, k, g and m, which denote:
i - исходный риск-класс;i - initial risk class;
j - новый риск-класс;j is the new risk class;
k - количество месяцев в книге;k is the number of months in the book;
g - порядковый номер винтажа;g - serial number of the vintage;
m - порядковый номер месяца.m is the serial number of the month.
Наблюдая за поведением всего кредитного портфеля и за поведением отдельно взятых винтажей, удалось выяснить, что изменение скорингового балла или изменение макроэкономической ситуации приводит к изменению матриц перехода. Важно, что изменения вероятностей взаимосвязаны, так при увеличении вероятности перехода из 0-го риск-класса в 1-ый риск-класс, увеличивается и вероятность перехода из 1-го риск-класса во 2-ой риск-класс, а вероятность перехода из 1-го риск-класса в нулевой риск-класс уменьшается.Observing the behavior of the entire loan portfolio and the behavior of individual vintages, it was possible to find out that a change in the scoring score or a change in the macroeconomic situation leads to a change in the transition matrices. It is important that the probability changes are interconnected, so with an increase in the probability of a transition from the 0th risk class to the 1st risk class, the probability of a transition from the 1st risk class to the 2nd risk class also increases, and the probability of a transition from 1st risk class to zero risk class is reduced.
В силу сказанного выше предлагается для расчета матриц перехода использовать корректирующие матрицы:In view of the foregoing, it is proposed to use correction matrices for calculating transition matrices:
Сijk (внутренние факторы);With ijk (internal factors);
Мij (внешние факторы).M ij (external factors).
Для описания поведения конкретного винтажа (с порядковым номером g) осуществляется преобразование массива Аijk, в результате которого получаем массив Aijkg:To describe the behavior of a particular vintage (with serial number g), the array A ijk is converted , as a result of which we obtain the array A ijkg :
Aijkg=Aijk(λg)=Aijk+λgCijk(Aijk),A ijkg = A ijk (λ g ) = A ijk + λ g C ijk (A ijk ),
где λg - параметр, определяющий качество винтажа (является характеристикой винтажа (6), (7)), и соответственно для "новых" винтажей справедливо:where λ g is a parameter that determines the quality of the vintage (it is a characteristic of vintage (6), (7)), and accordingly for the "new" vintages it is true:
λg=f(scoreg),λ g = f (score g ),
где f(scoreg) - некоторая функция от скорингового балла для g-го винтажа. Для "старых" же винтажей параметр λg подбирается таким образом, чтобы достигнуть максимума соответствия модели и фактического поведения винтажа. Система позволяет подбирать коэффициент λg самостоятельно для каждого винтажа - для этого визуализируются теоретические и фактические кривые списаний, такая возможность реализована в устройстве вывода данных (16). Также предусмотрен вариант автоматического расчета коэффициентов λg, посредством метода последовательных приближений, соответствующий алгоритм реализован в "Блоке последовательных приближений" (13). Параметр λg, выражает абсолютное изменение вероятности перехода из 0-го риск-класса в 1-й риск-класс относительно некоторого усредненного винтажа.where f (score g ) is a function of the scoring score for the gth vintage. For the “old” vintages, the parameter λ g is selected in such a way as to achieve maximum compliance with the model and the actual behavior of the vintage. The system allows you to select the coefficient λ g yourself for each vintage - for this, theoretical and actual write-off curves are visualized, this feature is implemented in the data output device (16). A variant is also provided for the automatic calculation of the coefficients λ g , using the method of successive approximations, the corresponding algorithm is implemented in the "Block of successive approximations" (13). The parameter λ g expresses the absolute change in the probability of the transition from the 0th risk class to the 1st risk class relative to some average vintage.
Элементы матрицы Сijk удовлетворяют следующим условиям:Elements of the matrix C ijk satisfy the following conditions:
сумма элементов каждой строки равна 0;the sum of the elements of each row is 0;
вероятности переходов между риск-классами взаимоувязаны с платежами по основному долгу;the probabilities of transitions between risk classes are interconnected with payments on the principal debt;
корректировка применяется только к нулевому и первому риск-классам, так как вероятности переходов из риск-классов 2+ стабильны.the adjustment applies only to the zero and first risk classes, since the probabilities of transitions from risk classes 2+ are stable.
где v, p - эмпирические коэффициенты. Допускаются приближенные оценки корректирующей матрицы Сijk, когда ν=1 и ρ=1, в общем же случае принимается, что ν, ρ∈[0; 1].. В простейшем случае Сijk - инвариант, в этом случае коэффициенты матрицы могут также автоматически подбираться посредством "Блока последовательных приближений" (13).where v, p are empirical coefficients. Approximate estimates of the correction matrix C ijk are allowed when ν = 1 and ρ = 1; in the general case, it is assumed that ν, ρ∈ [0; 1] .. In the simplest case, C ijk is an invariant, in this case the matrix coefficients can also be automatically selected using the "Block of successive approximations" (13).
Изменение в макроэкономике или в бизнес процессе (иными словами внешние воздействия) вносят коррективы, и для учета таковых воздействий на портфель осуществляется еще одно преобразование массива:A change in the macroeconomics or in the business process (in other words, external influences) makes adjustments, and another array conversion is carried out to take into account such effects on the portfolio:
AAijkgm=Aijkg+ΔmMij AA ijkgm = A ijkg + Δ m M ij
Параметр Δm имеет явный физический смысл, по сути, это среднее по портфелю изменение вероятности перехода из 0-го риск-класса в 1-й риск-класс и является характеристикой месяца (9), (10). С другой стороны, параметр Δm можно интерпретировать как силу воздействия внешних сил на кредитный портфель. На практике Δm≅ΔU/E, где ΔU/E - абсолютное изменение безработицы относительно некоторого равновесного уровня, выраженное в процентах к экономически активному населению.The parameter Δ m has a clear physical meaning, in fact, this is the average portfolio change in the probability of transition from the 0th risk class to the 1st risk class and is a characteristic of the month (9), (10). On the other hand, the parameter Δ m can be interpreted as the strength of the impact of external forces on the loan portfolio. In practice, Δ m ≅ΔU / E, where ΔU / E is the absolute change in unemployment relative to a certain equilibrium level, expressed as a percentage of the economically active population.
Оценка матрицы Мij осуществляется методом последовательных приближений (метод последовательных приближений описан далее по тексту), реализованный в устройстве "Блок последовательных приближений" (13).The matrix M ij is estimated by the method of successive approximations (the method of successive approximations is described later in the text) implemented in the "Block of successive approximations" device (13).
Предполагается, что Mij является инвариантом для конкретного кредитного портфеля и результатами ее оценки можно пользоваться для моделирования различных макроэкономических сценариев. Кроме того, у матрицы Mij указаны только индексы i, j, так как сила воздействия внешних факторов на вероятности перехода из одного риск-класса в другой не зависит ни от качества винтажа, ни от количества месяцев в книге, что и подтверждается на практике.It is assumed that M ij is an invariant for a specific loan portfolio and the results of its assessment can be used to model various macroeconomic scenarios. In addition, only the indices i, j are indicated for the matrix M ij , since the strength of the influence of external factors on the probability of transition from one risk class to another does not depend on the quality of the vintage or on the number of months in the book, which is confirmed in practice.
Итак, при расчете матрицы перехода учитываются возраст кредита, скоринговый балл (качественная характеристика винтажа) (6), (7), влияние макроэкономики (9), (10), сезонность и изменение в процессе сбора задолженности (учитываются совместно с макроэкономикой) и используется следующая формула:So, when calculating the transition matrix, the credit age, scoring score (qualitative characteristics of vintage) (6), (7), macroeconomic impact (9), (10), seasonality and change in the debt collection process (taken into account together with macroeconomics) are taken into account and used following formula:
AAijkgm=Aijk+λgCijk+ΔmMij AA ijkgm = A ijk + λ g C ijk + Δ m M ij
Распределение кредитного портфеля по риск-классам, в условиях внешних воздействий, рассчитывается с помощью следующей формулы:The distribution of the loan portfolio by risk classes under external influences is calculated using the following formula:
гдеWhere
N - номер последнего отчетного месяца;N is the number of the last reporting month;
N+f - номер месяца для составления прогноза;N + f - month number for making a forecast;
g - месяц начала жизни поколения (g).g - month of the beginning of the life of the generation (g).
Аналогичная методика исследования (моделирования) применима и для портфелей кредитных карт. Вероятные переходы между состояниями для кредитных карт представлены на фиг.3:A similar research (modeling) technique is applicable to credit card portfolios. The likely transitions between the states for credit cards are presented in figure 3:
(24) - новый объем (револвинг);(24) - new volume (revolving);
(25) - нулевой риск-класс, нет просрочки;(25) - zero risk class, no delay;
(26) - первый риск-класс, просрочка 1-30 дней;(26) - first risk class, delay 1-30 days;
(27) - второй риск-класс, просрочка 31-60 дней;(27) - second risk class, delay of 31-60 days;
(28) -третий риск-класс, просрочка 61-90 дней;(28) third risk class, delay of 61-90 days;
(29) - четвертый риск-класс (дефолт), просрочка 91-120 дней;(29) - the fourth risk class (default), delay of 91-120 days;
(30) - пятый риск-класс, просрочка 121-150 дней;(30) - fifth risk class, delay of 121-150 days;
(31) - шестой риск-класс, просрочка 151-180 дней;(31) - sixth risk class, delay of 151-180 days;
(32) - седьмой риск-класс (списание), просрочка более 180 дней;(32) - seventh risk class (write-off), delay of more than 180 days;
(33) - платежи в банк по основному долгу (Pay Down).(33) - payments to the bank on the principal debt (Pay Down).
В случае кредитных карт дополнительно учитывается револвинг (увеличение основного долга в течение жизни кредита в пределах установленных лимитов) (24), а также учитывается, что списания соответствуют уже не пятому (как для потребительских кредитов), а седьмому риск-классу (32).In the case of credit cards, revolving is additionally taken into account (an increase in the main debt during the life of the loan within the established limits) (24), and it is also taken into account that the write-offs correspond not to the fifth (as for consumer loans), but to the seventh risk class (32).
В результате расчетов прогнозируются распределение портфеля по риск-классам, оценка потерь и списаний на заданный период (3 и более лет) и с заданной дискретностью (как правило, задан шаг в один месяц). Осуществляется оценка резервов. Прогнозируется временной ряд возврата денежных средств (Cash Flow) от портфеля, что позволяет построить срочный баланс по структуре активов, что в свою очередь необходимо для минимизации процентного риска и риска ликвидности. С помощью такой системы появляется возможность оценки влияния внешней среды, макроэкономических шоков в разрезе любой структуры портфеля, например, оценить влияние кризиса на регионы. Появляется возможность моделирования портфеля, используя различные макроэкономические сценарии и управленческие решения (по поводу качественных характеристик портфеля и его объема). Немаловажно, что при помощи такой системы появляется возможность определить функциональные зависимости различных параметров кредитного портфеля друг от друга. Устройство вывода данных (16) предназначено для формирования соответствующих таблиц, отчетов, графиков отображающих расчетную и историческую информацию о распределении портфеля по риск-классам, оценке резервов, движении денежных средств для различных сценариев развития макроэкономики и стратегии выдачи новых кредитов.As a result of the calculations, the distribution of the portfolio by risk classes, the assessment of losses and write-offs for a given period (3 years or more) and with a given discreteness (as a rule, a step of one month) are predicted. Reserves are being estimated. The time series of the Cash Flow return from the portfolio is forecasted, which allows you to build an urgent balance on the structure of assets, which in turn is necessary to minimize interest rate risk and liquidity risk. With the help of such a system, it becomes possible to assess the impact of the external environment, macroeconomic shocks in the context of any portfolio structure, for example, to assess the impact of the crisis on the regions. It becomes possible to model the portfolio using various macroeconomic scenarios and management decisions (regarding the qualitative characteristics of the portfolio and its volume). It is important that with the help of such a system it becomes possible to determine the functional dependencies of various parameters of the loan portfolio from each other. The data output device (16) is designed to generate the appropriate tables, reports, graphs showing the calculated and historical information on the distribution of the portfolio by risk classes, the assessment of reserves, cash flows for various macroeconomic development scenarios and the strategy for issuing new loans.
Сценарии (4), (7), (10), как входные параметры системы, могут быть заданы в виде распределений, посредством генерации сценариев в силу заданных распределений методом Monte Carlo получаем выходные характеристики также в виде распределений.Scenarios (4), (7), (10), as the input parameters of the system, can be specified in the form of distributions; by generating scripts by virtue of the given distributions by the Monte Carlo method, we obtain output characteristics also in the form of distributions.
Система управления кредитными портфелями в соответствии с настоящим изобретением может быть выполнена на базе известных статистических программных пакетов, средств обработки баз данных и электронных таблиц.The loan portfolio management system in accordance with the present invention can be implemented on the basis of known statistical software packages, database processing tools and spreadsheets.
Методом последовательных приближений (13) оцениваются корректирующие матрицы и так называемые макропараметры, определяющие силу воздействия внешних факторов на портфель в каждый месяц в течение определенного периода. Корректирующая матрица представляется в виде набора строк - векторов. Далее по тексту под векторами понимаются строки корректирующей матрицы. Реализуется следующий процесс.Using the method of successive approximations (13), the corrective matrices and the so-called macro parameters are estimated, which determine the strength of the influence of external factors on the portfolio in each month for a certain period. The correction matrix is represented as a set of rows - vectors. Further in the text, vectors are understood as rows of the correction matrix. The following process is being implemented.
1. Устанавливаются правила и параметры.1. The rules and parameters are set.
1.1. Устанавливается интервал (s - месяцев). Поведение портфеля на этом интервале и позволяет оценить требуемые коэффициенты.1.1. The interval is set (s - months). The behavior of the portfolio at this interval allows you to evaluate the required ratios.
1.2. Устанавливаются начальные значения каждого макропараметра (всего s параметров). По умолчанию все макропараметры нулевые.1.2. Initial values of each macroparameter (total s parameters) are set. By default, all macroparameters are zero.
1.3. Устанавливаются начальные значения каждого элемента корректирующей матрицы. По умолчанию все элементы нулевые. Сумма элементов каждого вектора всегда равна нулю (вектор-строка корректирующей матрицы).1.3. The initial values of each element of the correction matrix are set. By default, all elements are zero. The sum of the elements of each vector is always zero (row vector of the correction matrix).
1.4. Устанавливаются элементы корректирующей матрицы, которые остаются неизменными.1.4. The elements of the correction matrix are established, which remain unchanged.
1.5. Определяется критерий оптимальности - минимум суммы квадратов разностей прогнозных значений и фактических значений объемов кредитов в каждом риск-классе и в каждом месяце на рассматриваемом интервале (s - месяцев).1.5. An optimality criterion is determined - a minimum of the sum of squared differences of forecast values and actual values of loan volumes in each risk class and in each month in the considered interval (s - months).
1.6. Устанавливается значение для максимального шага, n.1.6. The value for the maximum step, n, is set.
1.7. Устанавливается значение для минимального шага (предельная точность), n*10-m, m∈N.1.7. The value for the minimum step (maximum accuracy) is set, n * 10 -m , m∈N.
1.8. Устанавливается процедура смены шага, смена шага осуществляется посредством деления текущего шага на 10.1.8. The step change procedure is established, the step change is carried out by dividing the current step by 10.
2. Осуществляется подбор оптимального вектора (строки корректирующей матрицы).2. The optimal vector is selected (rows of the correction matrix).
2.1. Устанавливается максимальный шаг.2.1. The maximum step is set.
2.2. Подбирается очередной вектор, все другие вектора матрицы фиксированы, перебираются всевозможные варианты значений элементов вектора с заданным шагом. При расчете каждого вектора разница между пересчитанной величиной критерия оптимальности и его начальной величиной (выигрыш) сохраняется для всех отклонений значений каждого элемента вектора от первоначального значения на величину шага (+1, 0, -1).2.2. The next vector is selected, all other matrix vectors are fixed, all kinds of options for the values of the vector elements with a given step are selected. When calculating each vector, the difference between the recalculated value of the optimality criterion and its initial value (gain) is saved for all deviations of the values of each element of the vector from the initial value by the step size (+1, 0, -1).
2.2.1. Если имеется хотя бы один положительный выигрыш, то в таком случае за новое исходное состояние принимается то, при котором достигнут наибольший выигрыш. Переход к пункту 2.2.2.2.1. If there is at least one positive gain, then in this case, the one at which the largest gain is achieved is taken as the new initial state. Go to step 2.2.
2.2.2. Если нет положительных выигрышей, то проверяется порядок шага.2.2.2. If there are no positive wins, then the step order is checked.
2.2.2.1. Если текущий шаг отличен от минимального шага, то текущий шаг уменьшается. Переход к пункту 2.2., продолжается пересчет текущего вектора.2.2.2.1. If the current step is different from the minimum step, then the current step is reduced. Going to paragraph 2.2., Recalculation of the current vector continues.
2.2.2.2. Если предельная точность достигнута, то текущий вектор фиксируется. Переход к пункту 2.1., осуществляется пересчет следующего вектора.2.2.2.2. If the limit accuracy is reached, then the current vector is fixed. Go to paragraph 2.1., The next vector is recalculated.
2.3. Поскольку вектора подстраиваются последовательно, то, после того как оптимизирован последний вектор, для первого потенциально доступен новый оптимум. Процедура (пункты 2.1, 2.2) повторяется несколько раз (до схождения), то есть до момента, когда очередное применение процедуры не приводит к положительному выигрышу.2.3. Since the vectors are adjusted sequentially, then after the last vector is optimized, a new optimum is potentially available for the first. The procedure (paragraphs 2.1, 2.2) is repeated several times (until convergence), that is, until the moment when the next application of the procedure does not lead to a positive gain.
3. Осуществляется подбор макропараметров, определяющих силу воздействия внешних факторов на портфель в каждый месяц. Набор макропараметров представляет собой некоторый временной ряд из s элементов.3. The selection of macro parameters that determine the strength of the impact of external factors on the portfolio in each month is carried out. A set of macroparameters represents a certain time series of s elements.
3.1. Задается максимальный шаг.3.1. The maximum step is set.
3.2. Очередной макропараметр увеличивается и уменьшается на величину шага, в каждом случае измеряется выигрыш в значении критерия оптимальности.3.2. The next macroparameter increases and decreases by the size of the step; in each case, the gain is measured in the value of the optimality criterion.
3.2.1. Если, по крайней мере, один из выигрышей положительный, то новым значением очередного макропараметра становится значение параметра, соответствующее наибольшему выигрышу. Переход к пункту 3.2.3.2.1. If at least one of the winnings is positive, then the value of the parameter corresponding to the largest gain becomes the new value of the next macroparameter. Go to step 3.2.
3.2.2. Если все выигрыши не положительны, то проверяется порядок шага.3.2.2. If all winnings are not positive, then the step order is checked.
3.2.2.1. Если текущий шаг отличен от предельного значения, то шаг уменьшается. Переход к пункту 3.2., продолжается пересчет текущего макропараметра.3.2.2.1. If the current step is different from the limit value, then the step is reduced. Going to paragraph 3.2., The recalculation of the current macroparameter continues.
3.2.2.2. Если текущий шаг равен предельному значению, то текущий макропараметр считается оптимизированным и алгоритм повторяется для следующего макро - параметра. Переход к пункту 3.1.3.2.2.2. If the current step is equal to the limit value, then the current macro parameter is considered optimized and the algorithm is repeated for the next macro parameter. Go to paragraph 3.1.
4. Переход к пункту 2.1. Процедура (пункты 2, 3) повторяется до схождения, то есть до момента, когда очередное применение процедуры не приводит к положительному выигрышу.4. The transition to paragraph 2.1. The procedure (paragraphs 2, 3) is repeated until convergence, that is, until the moment when the next application of the procedure does not lead to a positive gain.
Действие системы осуществляется следующим образом. Оператор посредством устройства ввода и хранения данных (1) вводитThe action of the system is as follows. The operator through the data input and storage device (1) introduces
сценарии о стратегии развития кредитного портфеля, запланированные объемы по поколениям (4); запланированное качество каждого поколения, средний скоринговый балл (7); сценарии развития экономики (прогнозные данные по безработице, заработной плате, инфляции, обменному курсу, …) (10).scenarios about the loan portfolio development strategy, planned volumes by generation (4); the planned quality of each generation, the average scoring score (7); economic development scenarios (forecast data on unemployment, wages, inflation, exchange rates, ...) (10).
Также по команде оператора или в автоматическом режиме производится прием данных о поведении (повинтажное распределение по риск-классам) кредитного портфеля за все время существования портфеля (3); данных о качестве каждого поколения (средний по поколению скоринговый балл) (б); данных о состоянии макроэкономики за все время существования кредитного портфеля (безработица, заработная плата, инфляция, обменный курс, …) (9);Also, at the operator’s command or in automatic mode, data are received on the behavior (screw-down distribution by risk classes) of the loan portfolio for the entire time the portfolio exists (3); data on the quality of each generation (generation average scoring score) (b); data on the state of macroeconomics for the entire time the loan portfolio exists (unemployment, wages, inflation, exchange rates, ...) (9);
На следующем этапе осуществляется расчет базисной матрицы. Данные об историческом поведении портфеля поступают из устройства ввода и хранения данных (1) в устройство расчета и хранения базисной матрицы (11), называемой "Базисным массивом".The next step is the calculation of the basis matrix. Data on the historical behavior of the portfolio comes from the data input and storage device (1) to the calculation and storage device of the base matrix (11), called the “Base array”.
Затем оператор выбирает временной отрезок для обучения системы при помощи средства ввода параметров (14). Временной отрезок выбирается, как правило, таким образом, чтобы период с высокой волатильностью макроэкономических показателей лежал внутри временного отрезка и крайняя правая точка временного отрезка совпадала с текущим месяцем.Then the operator selects the time interval for training the system using the parameter input tool (14). The time interval is usually chosen so that the period with high volatility of macroeconomic indicators lies inside the time interval and the rightmost point of the time interval coincides with the current month.
Далее по команде оператора посредством устройств "Блок расчетов" (12) и "Блок последовательных приближений" (13) осуществляются расчеты корректирующей матрицы, рассчитанная корректирующая матрица хранится в устройстве (13), осуществляется расчет силы воздействия макроэкономики Δm на портфель на временном отрезке, осуществляются оценки качества поколений λg, выданных в течение выбранного отрезка времени. В результате произведенных расчетов в устройство ввода и хранения данных (1) заносится расчетная (уточненная) информация о качестве поколений λg и о воздействии макроэкономики на портфель Δm. Расчетные данные хранятся в устройстве (1) и пересчитываются по усмотрению оператора от 1 раза в месяц до 2 раз в год.Then, at the operator’s command, using the “Calculation Block” devices (12) and the “Block of successive approximations” (13), the correction matrix is calculated, the calculated correction matrix is stored in the device (13), and the macroeconomic impact force Δ m on the portfolio is calculated over the time period, quality assessments of generations λ g issued during the selected time period are carried out. As a result of the calculations, the calculated (updated) information on the quality of generations λ g and the impact of macroeconomics on the portfolio Δ m is entered into the data input and storage device (1). The calculated data is stored in the device (1) and recalculated at the discretion of the operator from 1 time per month to 2 times a year.
Далее на основе данных, хранящихся в устройстве ввода и хранения данных (1), и посредством устройства "Блок расчетов" (12) по команде оператора рассчитываются различные показатели портфеля, функциональные связи, осуществляется расчет будущего распределения портфеля по риск-классам, списания, движение денег.Then, based on the data stored in the data input and storage device (1), and through the Settlement Unit device (12), various portfolio indicators, functional relationships are calculated at the operator’s command, the future portfolio distribution by risk classes, write-offs, movement are calculated money.
Посредством устройства вывода данных (16) оператор формирует требуемые отчеты, таблицы и графики.Using the data output device (16), the operator generates the required reports, tables and graphs.
Таким образом, система управления кредитными портфелями позволяет в соответствии с настоящим изобретением осуществлять проведение прогнозных оценок требуемых показателей кредитного портфеля и, тем самым, удовлетворить требования различных подразделений Банка. Система позволяет просчитать потери и другие показатели при различных сценариях развития экономики, стратегии развития кредитного портфеля. При этом все расчетные показатели находятся во взаимоувязке друг с другом, выявляется полная картина развития кредитного портфеля.Thus, the loan portfolio management system allows, in accordance with the present invention, to carry out predictive assessments of the required indicators of the loan portfolio and, thereby, satisfy the requirements of various departments of the Bank. The system allows you to calculate losses and other indicators under various scenarios of economic development, loan portfolio development strategies. Moreover, all the calculated indicators are interconnected with each other; a complete picture of the development of the loan portfolio is revealed.
Claims (4)
устройство приема данных о распределении (основного долга) портфеля потребительских кредитов по степени просрочки, по поколениям выдачи кредитов, содержащее средство ввода данных характеристик месяца и сценариев (макроэкономические параметры, сезонность), средство ввода характеристик качества для каждого поколения по выданным кредитам и по запланированным кредитам,
устройство "Базисный массив" расчета и хранения базисной матрицы, устройство "Блок расчетов", являющееся средством расчета матриц перехода для каждого поколения и для заданного сценария (макроэкономического прогноза) и средством прогнозирования поведения кредитного портфеля на основании входных данных и рассчитанных матрицах перехода,
устройство "Блок последовательных приближений", являющееся автоматизированным средством последовательного подбора корректирующих матриц, характеристик качества поколений, характеристик месяцев, в целях повышения точности прогнозирования поведения портфеля, содержащее средство ввода параметров и средство хранения результатов расчета,
устройство вывода расчетных характеристик, причем данные выводятся в форме графиков, таблиц, специализированных отчетов.1. The system for managing loan portfolios of consumer loans, containing
a device for receiving data on the distribution (main debt) of a portfolio of consumer loans by the degree of delay, by generation of loans, containing a means for entering data on the characteristics of the month and scenarios (macroeconomic parameters, seasonality), a means for entering quality characteristics for each generation on loans issued and on planned loans ,
the Basis Array device for calculating and storing the base matrix, the Calculation Block device, which is a means of calculating transition matrices for each generation and for a given scenario (macroeconomic forecast) and a means of predicting the behavior of the loan portfolio based on input data and calculated transition matrices,
“Block of successive approximations” device, which is an automated tool for sequential selection of corrective matrices, generation quality characteristics, month characteristics, in order to improve the accuracy of forecasting portfolio behavior, containing a parameter input tool and a means for storing calculation results,
a device for deriving design characteristics, the data being output in the form of graphs, tables, specialized reports.
сравнивая фактические и расчетные показатели поведения винтажа, самостоятельно устанавливать характеристики качества поколений по уже выданным кредитам;
самостоятельно устанавливать характеристики месяцев для прошедших месяцев, рассчитанных исходя из макроэкономических исторических данных, задавать характеристики для будущих месяцев, исходя из макроэкономических прогнозов, а также самостоятельно устанавливать параметры системы.2. The system according to claim 1, characterized in that the system operator has the ability, through the visual correction mechanism, which is part of the Basic array device, to independently set the elements of the averaged transition matrix;
comparing the actual and estimated indicators of vintage behavior, independently establish the quality characteristics of generations on loans already issued;
independently set the characteristics of months for the past months, calculated on the basis of macroeconomic historical data, set the characteristics for future months, based on macroeconomic forecasts, as well as independently set the system parameters.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2010108923/08A RU2469401C2 (en) | 2010-03-11 | 2010-03-11 | System and method for managing credit portfolios |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2010108923/08A RU2469401C2 (en) | 2010-03-11 | 2010-03-11 | System and method for managing credit portfolios |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| RU2010108923A RU2010108923A (en) | 2011-09-20 |
| RU2469401C2 true RU2469401C2 (en) | 2012-12-10 |
Family
ID=44758360
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| RU2010108923/08A RU2469401C2 (en) | 2010-03-11 | 2010-03-11 | System and method for managing credit portfolios |
Country Status (1)
| Country | Link |
|---|---|
| RU (1) | RU2469401C2 (en) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150142638A1 (en) * | 2013-05-02 | 2015-05-21 | The Dun & Bradstreet Corporation | Calculating a probability of a business being delinquent |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2001086569A1 (en) * | 2000-05-10 | 2001-11-15 | Macro Securities Research, Llc. | Techniques for investing in proxy assets |
| RU2246134C2 (en) * | 2002-10-01 | 2005-02-10 | Закрытое акционерное общество "Инвестиционная компания АВК" | Automated information and analysis system for estimating financial risks |
| RU2281556C1 (en) * | 2005-02-03 | 2006-08-10 | Закрытое акционерное общество "Инвестиционная компания АВК" | System and method for monitoring controlling of portfolios of financial tools with fixed profitability |
-
2010
- 2010-03-11 RU RU2010108923/08A patent/RU2469401C2/en active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2001086569A1 (en) * | 2000-05-10 | 2001-11-15 | Macro Securities Research, Llc. | Techniques for investing in proxy assets |
| RU2246134C2 (en) * | 2002-10-01 | 2005-02-10 | Закрытое акционерное общество "Инвестиционная компания АВК" | Automated information and analysis system for estimating financial risks |
| RU2281556C1 (en) * | 2005-02-03 | 2006-08-10 | Закрытое акционерное общество "Инвестиционная компания АВК" | System and method for monitoring controlling of portfolios of financial tools with fixed profitability |
Also Published As
| Publication number | Publication date |
|---|---|
| RU2010108923A (en) | 2011-09-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Steinberg | Brexit and the macroeconomic impact of trade policy uncertainty | |
| Del Negro et al. | Dynamic prediction pools: An investigation of financial frictions and forecasting performance | |
| Banker et al. | The confounding effect of cost stickiness on conservatism estimates | |
| US7958048B2 (en) | Method and apparatus for predicting outcomes of a home equity line of credit | |
| Şener et al. | Ranking the predictive performances of value-at-risk estimation methods | |
| US8417615B2 (en) | Methods and systems for computing trading strategies for use in portfolio management and computing associated probability distributions for use in option pricing | |
| US20060195391A1 (en) | Modeling loss in a term structured financial portfolio | |
| Han et al. | Multicriteria financial portfolio risk management for international projects | |
| US20190244299A1 (en) | System and method for evaluating decision opportunities | |
| McAleer et al. | GFC-robust risk management strategies under the Basel Accord | |
| JP2001125962A (en) | Support system for management consulting and decision making in management | |
| Casarin et al. | Risk management of risk under the Basel Accord: A Bayesian approach to forecasting Value-at-Risk of VIX futures | |
| US7962396B1 (en) | System and method for managing risk | |
| Engelmann | A simple and consistent credit risk model for Basel II/III, IFRS 9 and stress testing when loan data history is short | |
| Knüppel et al. | Score-based calibration testing for multivariate forecast distributions | |
| RU2469401C2 (en) | System and method for managing credit portfolios | |
| RU2246134C2 (en) | Automated information and analysis system for estimating financial risks | |
| François et al. | A structural balance sheet model of sovereign credit risk | |
| Schlafmann et al. | Designing pension plans according to consumption-savings theory | |
| Dacorogna | Approaches and techniques to validate internal model results | |
| Hamidi et al. | A DARE for VaR | |
| Evans et al. | The application of Monte Carlo simulation in finance, economics and operations management | |
| Rezaie | Empirical analysis of value-at-risk models in the S&P 500's most and least volatile sectors during the COVID-19 pandemic | |
| JP2004139198A (en) | Limited sum calculating device and its method | |
| Shen | Product restructuring, exports, investment, and growth dynamics |