消费者信贷风险

消费信贷风险(也被称为零售信贷风险)是指因客户拖欠(不还款)消费信贷产品而造成损失的风险。这些产品可以下载188bet金宝搏包括抵押贷款、无抵押个人贷款、信用卡或透支。预测信用风险的一种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，用于将评分归因于客户，该评分表明客户将违约的预测概率。用于计算分数的数据可以来自申请表格、信用参考机构或客户已经在贷方持有的产品。下载188bet金宝搏金融工具箱™提供了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一个用于自动或手动分箱的分箱Explorer应用程序，以简化信用记分卡开发的分箱阶段。有关更多信息，请参见宾宁资源管理器概述．

企业信用风险

企业信用风险(也被称为批发信贷风险)是交易对手违约的风险。

在单个交易对手层面，一个主要的信用风险参数是违约概率(PD)。风险管理工具箱允许您使用以下方法估计违约概率:

在一个信贷资产组合另一方面，要评估信用风险，要评估这种风险，主要要问的问题是，给定一个当前的信贷组合，在给定的时间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投资组合损失分布的估计:你可能损失的不同金额是多少，以及你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失去价值的风险。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量是不同的。金宝app挑战在于校准信贷损失的分布，因为样本量很小。对于信用风险，即使是没有违约的单个债券，你也无法收集到违约发生时的直接数据，因为它没有违约。一旦发行人真的违约，除非你能从类似的公司收集违约信息，否则这是你唯一的数据点。

对于企业信贷投资组合分析来说，估计信贷相关性以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违约一次，所以你无法收集他们一起违约的频率。为了收集更多的数据，您可以从类似的公司和类似的经济条件下收集数据。

风险管理工具箱为信用组合提供了一个信用违约模拟框架creditDefaultCopula对象，其中单个工具的信用风险的三个主要要素是:

假设这三个量是固定的，并且对信贷组合中的所有公司都是已知的。在这个假设下，唯一的不确定性是每个公司是否违约，违约的概率为PD我．

然而，在信贷投资组合层面，主要问题是，“发行方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，如果你预计这两家公司一起违约，风险就不同了。在这种情况下，你可能会失去20MM减去恢复，一次。或者，如果默认值是独立的，如果一个公司违约，您可能会损失10MM减去恢复，但另一个公司可能仍然存在。因此，违约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特性也很重要。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，然后将模拟值映射到违约或非违约状态，以保留单个违约概率。这种方法被称为a连系动词．当使用正常变量时，这种方法称为a高斯相关．风险管理工具箱还为信用组合提供了信用迁移模拟框架creditMigrationCopula对象。有关更多信息，请参见信用评级转移风险．

与creditDefaultCopula而且creditMigrationCopula对象，风险管理工具箱提供了一个分析模型，称为渐近单风险因素(ASRF)模型。ASRF模型很有用，因为巴塞尔协议II文件将该模型作为某些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需求。您可以使用ASRF模型来执行快速的灵敏度分析，并比重新运行大型模拟更容易地探索“假设”场景。有关更多信息，请参见asrf．

风险管理工具箱还提供了投资组合集中分析的工具，请参见浓度指数．

市场风险

市场风险是指市场价格变动所引起的仓位损失风险。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衡量的是在特定的置信水平下，在特定的时间范围内的最大损失。例如，如果一个投资组合的一天95% VaR是10MM，那么第二天投资组合损失小于10MM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10MM。

VaR val另一方面，它衡量的是VaR计算的准确性。对于许多投资组合，特别是交易投资组合，VaR每天都要计算。在第二天收盘时，投资组合的实际利润和损失就知道了，并可以与前一天估计的VaR进行比较。您可以使用这些日常数据来评估VaR模型的性能，这是VaR回测的目标。因此，回溯测试是一种回顾性地查看数据并改进VaR模型的方法。许多VaR回溯测试方法已经被提出。作为最佳实践，使用多个标准来回测VaR模型的性能，因为所有测试都有优点和缺点。

风险管理工具箱提供以下VaR回测单独测试:

有关不同测试的信息，请参见VaR回测概述．

预期不足(ES)回测给出了在违反VaR的那些非常糟糕的日子里的损失估计。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，如果碰巧是非常糟糕的一天，比VaR高20%

风险管理工具箱提供了以下基于表的测试，用于基于esbacktest对象:

以下工具支持基于预期缺口模拟的测试金宝appesbacktestbysim对象:

有关不同测试的信息，请参见预期缺陷回溯测试概述．

保险风险

准确估计未支付索赔的能力对保险公司来说很重要。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间的确切收益。保险公司定期收取保险费，并在事故发生时赔付。为了使利润最大化，保险公司必须准确估计未来现有索赔的赔付金额。如果未付索赔金额估计过低，保险公司就会破产。相反，如果估计过高，保险公司的索赔储备资本可能已经投资于其他地方或再投资于业务

风险管理工具箱支持四种索赔估计方法，以供精算师使金宝app用developmentTriangle估算未付索赔金额:

有关估计方法的信息，请参见非寿险索赔估计方法综述．

违约概率的寿命模型

国际财务报告准则第9号和CECL等监管框架要求机构根据以宏观经济情景为条件的生命周期分析估算损失准备金。早期的模型通常是为预测未来一个时期而设计的，通常对宏观经济情景没有明确的敏感性。根据IFRS 9和CECL规定，模型必须预测未来多个时期，并且模型必须明确依赖于宏观经济变量。

终身信用分析的主要输出是预期信用损失(ECL)。终身ECL由银行需要为贷款整个生命周期内的预期损失拨备的准备金组成。有不同的方法来估计寿命ECL。一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模型来预测损失，并依赖于宏观变量。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生命周期PD模型:

有关不同型号的信息，请参见默认模型的生命周期概率概述．

给定默认模型的损失

给定违约损失(LGD)是指在违约事件中信用损失的比例。LGD是信用风险分析的主要参数之一。尽管有不同的方法来估计信贷损失准备金和信贷资本，但常用的方法都需要估计违约概率(PD)、给定违约损失(LGD)和违约风险(EAD)。准备金和资本要求是通过使用这些参数的公式或模拟来计算的。例如，损失准备金通常被估计为预期损失(EL)，其公式如下:

埃尔＝PD＊乐金显示器＊含铅

风险管理工具箱提供以下LGD模型:

有关不同型号的信息，请参见给定默认模型的损失概述．

默认模型下的曝光

EAD被视为在交易对手违约的情况下，银行可能对该交易对手的风险敞口的估计程度。在定期贷款等固定风险的情况下，EAD等于当前的未偿金额。例如，损失准备金通常被估计为预期损失(EL)，其公式如下:

埃尔＝PD＊乐金显示器＊含铅

风险管理工具箱提供以下EAD模型:

有关不同型号的信息，请参见默认模型的公开概述．