Ryzyko kredytowe i modele EAD PD LGD

Szczegółowy przewodnik po ryzyku kredytowym i kluczowych modelach EAD, PD, LGD - definicje, metodologie kalkulacji, zastosowania w zarządzaniu ryzykiem, wymogi regulacyjne Bazylei III oraz praktyczne implementacje w instytucjach finansowych.

1. Wprowadzenie do ryzyka kredytowego

Ryzyko kredytowe stanowi fundamentalny element działalności bankowej, reprezentując prawdopodobieństwo poniesienia strat w wyniku niezdolności kredytobiorcy do wywiązania się z zobowiązań finansowych. Proper management tego ryzyka wymaga zaawansowanych modeli kwantyfikujących trzy kluczowe komponenty: PD (Probability of Default), EAD (Exposure at Default) oraz LGD (Loss Given Default).

1.1. Definicja ryzyka kredytowego

Podstawowe charakterystyki ryzyka kredytowego:

1.2. Znaczenie ekonomiczne

Funkcje ryzyka kredytowego w systemie finansowym:

1.3. Cykl życia ryzyka kredytowego

Etapy zarządzania ryzykiem:

2. Model PD - Probability of Default

2.1. Definicja i znaczenie PD

Prawdopodobieństwo defaultu (PD) w zarządzaniu ryzykiem:

2.2. Metodologie estymacji PD

Podejścia do modelowania prawdopodobieństwa defaultu:

2.3. Czynniki determinujące PD

Zmienne wpływające na prawdopodobieństwo defaultu:

3. Model LGD - Loss Given Default

3.1. Definicja i komponenty LGD

Strata w przypadku defaultu (LGD):

3.2. Czynniki wpływające na LGD

Determinanty wysokości straty:

3.3. Metodologie estymacji LGD

Podejścia do modelowania strat:

4. Model EAD - Exposure at Default

4.1. Definicja ekspozycji w momencie defaultu

Charakterystyka EAD w zarządzaniu ryzykiem:

4.2. Komponenty EAD

Elementy składowe ekspozycji:

4.3. Modelowanie EAD

Podejścia do prognozowania ekspozycji:

5. Integracja modeli EAD PD LGD

5.1. Expected Loss calculation

Kalkulacja oczekiwanej straty:

5.2. Unexpected Loss modeling

Modelowanie nieoczekiwanej straty:

5.3. Model validation

Walidacja modeli ryzyka kredytowego:

6. Regulacje bazylejskie

6.1. Basel III framework

Wymogi regulacyjne Bazylei III:

6.2. IFRS 9 requirements

Wymogi księgowe IFRS 9:

6.3. Regulatory reporting

Raportowanie regulacyjne:

7. Implementacja w praktyce bankowej

7.1. Model development lifecycle

Cykl życia rozwoju modeli:

7.2. Governance framework

Ramy zarządzania modelami:

7.3. Data requirements

Wymogi dotyczące danych:

8. Zaawansowane techniki modelowania

8.1. Machine learning approaches

Zastosowanie uczenia maszynowego:

8.2. Time series modeling

Modelowanie szeregów czasowych:

8.3. Portfolio models

Modele portfelowe:

9. Stress testing i scenariusze

9.1. Stress testing methodology

Metodologia testów warunków skrajnych:

9.2. Scenario design

Projektowanie scenariuszy stresowych:

9.3. Model calibration under stress

Kalibracja modeli w warunkach stresu:

10. Pricing i alokacja kapitału

10.1. Risk-adjusted pricing

Cenowanie uwzględniające ryzyko:

10.2. Capital allocation

Alokacja kapitału ekonomicznego:

10.3. Performance measurement

Pomiar efektywności skorygowanej o ryzyko:

11. Technologie i infrastruktura

11.1. Computing infrastructure

Infrastruktura obliczeniowa:

11.2. Software platforms

Platformy oprogramowania:

11.3. Data management

Zarządzanie danymi:

12. Przyszłość modelowania ryzyka kredytowego

12.1. Emerging technologies

Powstające technologie:

12.2. Regulatory evolution

Ewolucja regulacji:

12.3. Market trends

Trendy rynkowe:

Metadane

Źródła