消费信贷风险

消费信贷风险（也称为零售信贷风险)是由于客户对消费信贷产品违约（不还款）而造成损失的风险。这些产品包括抵押贷款、无担保个人贷款、信用卡或透支。预测信用风险的常用方法是通过信用记分卡。记分卡是一种基于统计的模型，用于将分数归因于客户，以指下载188bet金宝搏示客户违约的预测概率。用于计算分数的数据可以来自申请表、信贷参考机构或客户已向贷款人持有的产品等来源。金融工具箱™ 提供用于创建信用记分卡和使用记分卡执行信用组合分析的工具。风险管理工具箱包括用于自动或手动装箱的装箱Explorer应用程序，以简化信用记分卡开发的装箱阶段。有关详细信息，请参阅binningexplorer概述．

企业信用风险

企业信用风险（也称为批发信贷风险)是指交易对手不履行其金融义务的风险。

在单个交易对手层面，主要信用风险参数之一是违约概率（PD）。风险管理工具箱允许您使用以下方法评估违约概率：

至少信贷组合另一方面，为了评估信用风险，为了评估这种风险，需要问的主要问题是，给定一个当前的信用组合，在给定的时间段内，由于违约会损失多少？在不同的情况下，这个问题的答案可能意味着：

从数学上讲，这些问题都取决于对信贷组合损失分布的估计：您可能损失的不同金额是多少，以及您损失每个金额的可能性有多大。

企业信用风险与市场风险有本质区别，市场风险是指资产因市场波动而贬值的风险。最重要的区别在于，市场一直在变化，但违约很少发生。因此，支持任何建模工作的样本大小是不同的。金宝app挑战在于校准信贷损失的分布，因为样本量很小。就信用风险而言，即使是尚未违约的个别债券，你也无法收集有关违约情况的直接数据，因为该债券尚未违约。一旦发行人真的违约，除非你能汇集类似公司的违约信息，否则这就是你唯一的数据点。

对于公司信贷投资组合分析，估算信贷相关性以便您了解多元化的好处也是一项挑战。两家公司只能在同一时间窗口内违约一次，因此您无法收集关于它们一起违约频率的数据。要收集更多数据，您可以汇集来自类似公司和以下公司的数据类似的经济条件。

风险管理工具箱使用连词目标，其中单一工具的信用风险的三个主要因素是:

假设这三个数量是固定的，信贷组合中的所有公司都知道这三个数量。根据这一假设，唯一的不确定性是每家公司是否违约，违约概率为PD我．

然而，在信贷组合层面，主要问题是，“发行人之间的违约相关性是什么？”例如，对于两种本金分别为10毫米的债券，如果你预计两家公司同时违约，风险就不同了。在这种情况下，你可能一次损失20毫米减去回收。或者，如果违约是独立的，如果一家公司违约，你可能损失10毫米减去回收，但另一家公司可能还活着。违约因此，相关性是理解投资组合层面风险的重要参数。这些参数对于理解投资组合的多样化和集中度特征也很重要。风险管理工具箱中的方法是模拟可以有效模拟和参数化的相关变量d、 然后将模拟值映射到默认或非默认状态，以保留单个默认概率连接词．当使用常规变量时，这种方法称为a高斯相关．风险管理工具箱还提供了信贷组合的信贷迁移模拟框架迁移copula对象。有关更多信息，请参见信用评级迁移风险．

有关连词和迁移copula对象，风险管理工具箱提供了一个称为渐近单一风险因子（ASRF）的分析模型模型。ASRF模型非常有用，因为新巴塞尔协议文件将此模型作为特定类型资本要求的标准。ASRF不是蒙特卡罗模型，因此您可以快速计算大型信贷组合的资本要求。您可以使用ASRF模型进行快速敏感性分析，并探索“如果”的问题场景比重新运行大型模拟更容易。有关更多信息，请参阅asrf．

风险管理工具箱还提供了投资组合集中度分析工具，请参见浓度指数．

市场风险

市场风险是指因市场价格变动而产生的头寸损失风险。风险价值是一种统计方法，用于量化与投资组合相关的风险水平。VaR在给定的置信水平下测量指定时间范围内的最大损失金额。例如，如果投资组合的一天95%VaR为10毫米，则存在风险第二天投资组合损失小于10毫米的概率为95%。换句话说，只有5%的时间（或大约20天一次）投资组合损失超过10毫米。

VaR回溯测试另一方面，衡量VaR计算的准确性。对于许多投资组合，尤其是交易投资组合，VaR是每天计算的。在第二天收盘时，已知投资组合的实际损益，并可与前一天估计的VaR进行比较。您可以使用这些每日数据来评估VaR模型的性能，这是VaR回溯测试的目标。因此，回溯测试是一种回顾性地查看数据并完善VaR模型的方法。已经提出了许多VaR回溯测试方法。作为一种最佳实践，使用多个标准来回溯测试VaR模型的性能，因为所有测试都有优缺点。

风险管理工具箱提供以下VaR回溯测试的个别测试:

有关不同测试的信息，请参阅VaR回溯测试综述．

预期短缺（ES）回溯测试给出了在违反VaR的非常糟糕的日子里损失的估计值。ES是VaR失效日的预期损失。如果VaR是1000万，ES是1200万，你知道明天的预期损失，如果是非常糟糕的一天，大约比VaR高20%。

风险管理工具箱提供了以下基于表格的测试，用于根据回溯试验对象：

以下工具支持预期的基于不足模拟的测试金宝appesbacktestbysim对象：

有关不同测试的信息，请参阅预期短缺回溯测试概述．

保险风险

准确估计未付索赔的能力对保险公司很重要。与其他行业的公司不同，保险公司可能直到多年后才知道财务报告期内的确切收益。保险公司定期收取保险费，并在事件发生时支付索赔。为了实现利润最大化，保险公司必须准确估计未来现有索赔的赔付金额。如果对未付索赔的估计过低，保险公司将破产。相反，如果估计过高，则保险公司的索赔准备金资本可能已投资于其他地方或再投资于该业务

风险管理工具箱支持四种索赔估计方法，精算师使用金宝app发展三角估算未付索赔：

有关估算方法的信息，请参阅非寿险索赔估算方法综述．

违约概率的寿命模型

IFRS 9和CECL等监管框架要求机构根据有条件的宏观经济情景的终身分析来估计损失准备金。早期的模型通常是为了预测未来一段时期而设计的，往往对宏观经济形势没有明确的敏感性。在IFRS 9和CECL规定下，模型必须提前预测多个时期，并且模型必须对宏观经济变量具有明确的依赖性。

寿命期信用分析的主要输出是寿命期预期信用损失(ECL)。终身ECL包括银行需要为贷款整个生命周期内的预期损失留出的准备金。对ECL寿命的估算有不同的方法。有些方法对损失数据使用相对简单的技术，并进行定性调整。其他方法使用更先进的时间序列技术或计量经济学模型来预测损失，依赖于宏观变量。另一种方法使用违约概率(PD)模型、给定违约损失(LGD)模型和违约暴露(EAD)模型，并结合它们的输出来估计ECL。风险管理工具箱中的生命周期PD模型属于PD- lgd - ead类别

风险管理工具箱提供以下终身PD模型：

有关不同型号的信息，请参阅违约模型的寿命概率综述．

给定默认模型的损失

违约损失(LGD)是在违约情况下损失的信贷的比例。LGD是信用风险分析的主要参数之一。虽然有不同的方法来估计信贷损失准备金和信贷资本，但常用的方法需要估计违约概率(PD)、给定违约损失(LGD)和违约风险敞口(EAD)。准备金和资本要求是通过使用这些参数的公式或模拟计算出来的。例如，损失准备金通常估计为预期损失(EL)，公式如下:

埃尔=PD*LGD*放电涂覆处理

风险管理工具箱提供以下LGD模型：

有关不同型号的信息，请参阅给定默认模型的损失概述．

默认模型下的风险敞口

EAD被视为在交易对手违约的情况下，以及在该交易对手违约时，银行可能向该交易对手暴露的程度的估计。在固定风险敞口(如定期贷款)的情况下，EAD等于当前未偿还的金额。例如，损失准备金通常估计为预期损失(EL)，公式如下:

埃尔=PD*LGD*放电涂覆处理

风险管理工具箱提供以下EAD模型：

有关不同型号的信息，请参阅默认模型下的风险敞口概述．