Оправданные Риски


Гео и язык канала: Россия, Русский
Категория: Экономика


Открыто рассказываем о теории и практике управления рисками в финансовой сфере, обсуждаем новости, делимся полезными исследованиями.
Контакты: @ilyxatheking

Связанные каналы  |  Похожие каналы

Гео и язык канала
Россия, Русский
Категория
Экономика
Статистика
Фильтр публикаций


Спасибо всем, кто поучаствовал в опросе.
Если совсем коротко, то у меня сложилось три впечатления.

🔸 Во-первых, ИИ уже вошел в повседневную работу. Практически все, кто ответил, либо уже используют его в работе, либо как минимум проводят эксперименты. История про "говорить что нужно внедрить ИИ" уже неактуальна для нашей аудитории.

🔸 Во-вторых, измеримый денежный эффект пока скорее исключение, чем правило. Большинство видит качественные улучшения, положительную динамику или просто ощущение, что работать стало удобнее. Но случаев, когда эффект можно уверенно посчитать в деньгах, пока немного.

🟠 Исходя из этого - интересно было бы разобрать что-нибудь про оценку эффектов, посмотрим какую-нибудь статью в ближайшее время.

Кстати - мы уже как-то разбирали статью о том, как перевести метрику качества Gini в деньги вот тут.

🔸 И, наконец, несмотря на огромный поток новостей про ИИ, усталость от темы пока не выглядит массовой. Большинство участников относятся к ИИ позитивно и активно используют его, хотя первые признаки «перегрева» уже начинают появляться.

Конечно, это небольшая выборка и она не претендует на репрезентативность. Но результаты показались мне вполне созвучными тому, что сейчас наблюдается во многих компаниях: ИИ уже активно используют, пользу постепенно начинают ощущать, а вот до системного и измеримого экономического эффекта многим еще предстоит дойти.


Какое у вас сейчас отношение к ИИ?
Опрос
  •   Очень увлечен, активно использую
  •   Скорее нравится, чем нет, стараюсь использовать
  •   Нейтрально, нет эмоций
  •   Немного устал от темы
  •   Скорее раздражает, чем интересует
  •   (неприменимо - я не работаю / еще учусь)
32 голосов


Насколько ИИ уже приносит пользу в вашей организации / работе?
Опрос
  •   Есть большой результат, который можно измерить в деньгах
  •   Есть положительная динамика, но реального денежного эффекта пока нет
  •   Есть качественные улушения, ощущение результата
  •   Сложно оценить результат от использования
  •   Разговоров больше, чем пользы
  •   Бесполезно
  •   (неприменимо - я не использую ИИ / не работаю / еще учусь)
27 голосов


Используется ли ИИ в вашей организации / работе?
Опрос
  •   Используется и внедряется во все процессы
  •   Используется, но только для отдельных задач
  •   Проводятся эксперименты
  •   Обсуждают необходимость, планируют использование
  •   Не обсуждают и не планируют
  •   (неприменимо - я не работаю / еще учусь)
26 голосов


В последнее время про ИИ — буквально из всех утюгов

На работе, да и за ее пределами, уже все как будто пропитано идеей, что нужно начинать использовать artificial intelligence

При этом, когда дело доходит до обсуждения реальных результатов, конкретики зачастую становится заметно меньше (если это, конечно, не профильная конференция :) ).

И, если честно, складывается ощущение, что многие уже начинают немного уставать от этой темы.

🟠 В связи с этим хочется задать нашей аудитории три простых (и, конечно, анонимных) вопроса:
- про использование;
- про результаты;
- про отношение.

Понимаю, что выборка у нас не репрезентативная и результаты могут оказаться смещенными. Но тем интереснее посмотреть, какие настроения сейчас у нас в канале.


Репост из: Банк России
♟️ Решения по макропруденциальной политике
 
Банк России устанавливает более строгие ограничения на предоставление кредитов заемщикам с повышенной долговой нагрузкой в следующих сегментах:

⏺️ Необеспеченные кредиты наличными
⏺️ Нецелевые потребительские кредиты под залог автомобиля или недвижимости
⏺️ Кредиты на покупку автомобиля

Мера затронет тех заемщиков, которые направляют на обслуживание кредитов и займов более половины своих доходов. Доступность кредитов на покупку автомобиля не изменится, потому что банки уже сейчас соблюдают новые ограничения с запасом.
 
Подробнее читайте на сайте ➡️


Четвертый квартал подряд Банк России прикручивает МПЛ, на этот раз необеспеченные кредиты и снова залоговые кредиты (недвижимость и авто)


🟠 Заметки и наблюдения по статье "Модель управления кредитным портфелем с учетом влияния макроэкономических факторов"

Идея объединить структурные модели кредитного риска с макроэкономическим прогнозированием выглядит очень естественной: фактически авторы предлагают построить мост между PD-моделями и задачами динамического управления портфелем.

При этом при переходе от академического примера к практическому применению возникает несколько интересных вопросов.

- Во-первых, модель Мертона опирается на достаточно сильное предположение о распределении стоимости активов: изменения стоимости активов моделируются через логнормальное распределение (или, что эквивалентно, нормальность логдоходностей). Это предположение далеко не всегда очевидно для реальных компаний и требует отдельной проверки на исторических данных

🔸Подготовили небольшое исследование по компаниям с Московской биржи, где тестировали нормальность распределения логдоходностей активов. В одном из следующих постов хотим поделиться результатами (угадайте, что там получлось))))

- Во-вторых, было бы интересно сравнить PD, рассчитанные через структурную модель Мертона, с оценками рейтинговых агентств для тех же компаний. Насколько хорошо рыночная модель согласуется с внешними кредитными оценками? Есть ли систематические отклонения — например, в периоды роста ставок или рыночного стресса?

Такое сравнение могло бы дать более практическое понимание того, насколько структурные модели могут использоваться не только для мониторинга динамики риска, но и как полноценный источник оценки вероятности дефолта.

🔸 Тоже бы хотели сделать такое сравнение, возможно в будущем, или оставим кому-нибудь тему для курсовой работы :)


Макрофакторы и кредитный риск: разбор свежей статьи

Потихоньку становимся амбассадором "РегламентаБанка", поосмотрим еще на одну интересную статью: «Модель управления кредитным портфелем с учетом влияния макроэкономических факторов».

Авторы — Дмитрий Куренной (T-Data, МГУ) и Максим Кирякин (МГУ) — предлагают систему непрерывного мониторинга кредитного риска, которая объединяет структурную модель Мертона, прогнозирование макроэкономических факторов и оптимизацию структуры портфеля.

🔸 О чем статья

Авторы исходят из довольно понятной проблемы: большинство моделей кредитного риска опираются на финансовую отчетность заемщика, которая обновляется относительно редко. При этом кредитное качество компании может существенно меняться под влиянием ключевой ставки, инфляции или состояния экономики задолго до публикации новой отчетности.

Для решения этой задачи предлагается система из трех блоков:
1) структурная оценка вероятности дефолта на основе рыночных данных;
2) модель зависимости кредитного качества от макроэкономических факторов;
3) оптимизационная модель управления портфелем.

🔸 Блок 1: модель Мертона в режиме реального времени
В качестве основы используется структурная модель Мертона, лежащая в основе методологии Moody’s KMV.

Ключевой показатель — дистанция до дефолта (Distance to Default, DD), которая показывает, насколько стоимость активов компании превышает порог обязательств. На основе DD рассчитывается вероятность дефолта (PD), причем благодаря использованию рыночных котировок оценка обновляется ежедневно.

При этом сами авторы отмечают ограничения подхода:
- модель применима только к публичным компаниям с ликвидными акциями;
- в базовой постановке не учитывается корреляция дефолтов в периоды кризисов;
для полноценного мониторинга необходим отдельный учет макроэкономической среды.

🔸 Блок 2: макроэкономика как драйвер кредитного риска

На исторических данных авторы строят регрессию, связывающую дистанцию до дефолта с четырьмя макрофакторами:
- инфляцией;
- ключевой ставкой;
- уровнем безработицы;
- курсом рубля.

Интересно, что курс рубля в итоговой спецификации оказался статистически незначимым, а наиболее важными факторами стали инфляция, ставка и безработица.

Для прогнозирования макропоказателей сравниваются три подхода:
- VAR;
- SARIMAX;
- Prophet.

По результатам walk-forward-бэктеста лучшей оказалась модель SARIMAX, которая затем используется для прогнозирования будущих значений дистанции до дефолта.

🔸 Блок 3: оптимизация портфеля

Полученные оценки PD используются уже не только для мониторинга, но и для управления портфелем.

Авторы формируют многокритериальную задачу оптимизации, в которой одновременно учитываются доходность и риски.

В рамках тестирования на портфеле из 14 российских компаний лучший результат показал подход Risk Parity: он обеспечил минимальную волатильность и наибольший коэффициент Шарпа среди рассматриваемых стратегий.


🔸 Подход 2: надбавка за ухудшение дискриминационной способности

Авторы предлагают стресс-тест устойчивости модели к ухудшению ранжирующей способности. Идея следующая:
- случайному 1% наблюдений с наихудшими рейтингами принудительно присваивается наивысший рейтинг;
- после такой модификации модель повторно калибруется (в статье написано - после калибровки);
- рассчитывается средняя прогнозная вероятность дефолта по портфелю PDportfolio
- она сравнивается с фактическим уровнем дефолта DRportfolio

Размер надбавки определяется через отношение шансов Yrange (см. слайд), фактически это отношение шансов.

Интерпретируем так:
- Yrange >1 означает, что модель после ухудшения ранжирования начинает недооценивать риск;
- Yrange ≈ 1 говорит о том, что запас консервативности сохраняется;
- чем больше Yrange, тем больше потенциальная надбавка.

🟠 И здесь, признаюсь честно, логика остается не до конца понятной. Если модель действительно повторно калибруется, то почему Yrange вообще должен существенно отличаться от единицы?

Пока вижу два возможных объяснения:
1) Под калибровкой имеется в виду не полноценная перекалибровка модели, а лишь пересчет PD по новой структуре рейтингов.
2) Калибровка выполняется на обучающей выборке, а проверка проводится на независенной тестовой (out-of-time) выборке.
Склоняюсь скорее к первому.

В любом случае даже если так остаются вопросы, как и когда это должно применяться? Когда пробиваем КПК? Как меряем эффект на Gini?

🔸 Дисклеймер (прямо от авторов)
Единой формулы MoC нет — метод выбирается под доступную историю, структуру портфеля, концентрацию рейтингов и циклическую чувствительность заемщиков. У каждого банка свои данные и ограничения — методология адаптируется под практику, а не копируется из нормативки. 845-П осознанно не фиксирует формулу MoC, требуя от банка методологически обоснованного подхода.

🟠 Как вам идеи по методологическим подходам?


ПВР и консервативные надбавки (MoC): разбор свежей статьи

Предлагаем посмотреть на свежую статью из «РегламентБанка».

Коротко - что предлагают авторы и какие методологические вопросы остаются открытыми.

Авторы - Нвер Симонян (Банк России, НИУ ВШЭ) и Юрий Полянский - предлагают некоторый методологический каркас для построения консервативных надбавок (MoC) в рамках требований 845-П.

🔸 О чем статья
845-П обязывает ПВР-банки формализовать методику расчета консервативных надбавок к компонентам кредитного риска. Авторы выделяют три категории причин потенциальной недооценки риска:

- Категория А - дефекты данных: неполнота информации, смена определения дефолта, проблемы с данными по залогам и т. д.
- Категория Б - изменения внешней среды и регулирования: внесудебное банкротство, субсидирование ипотеки, новые правила расчета PTI и другие структурные изменения.
- Категория В - модельная погрешность: снижение дискриминационной способности, нестабильность модели, концентрация рейтингов.

Через всю статью проходит важная мысль: единой правильной формулы для MoC не существует. Методология должна учитывать особенности конкретного портфеля, данных и рейтинговой системы. Ниже - два наиболее интересных подхода.

🔸 Подход 1: взвешенная центральная тенденция

В отношении MoC с учетом изменений рыночной среды и нормативно-правового регулирования авторы предлагают следующую конструкцию:
- для каждого (i)-го события дефолта из (n) возможных рассчитать собственную центральную тенденцию (ЦТi) — долгосрочный средний уровень дефолта;
- агрегировать их в показатель ЦТmodelling (на слайде).

На практике здесь остаются открытые вопросы:
- как именно определять веса (Wi) — по доле дефолтов, экспертно или по покрытию истории;
- нужно ли пересчитывать их во времени;
- считать ли события дефолта взаимно исключающими;
- используется ли ЦТmodelling только для расчета MoC или также для калибровки PD;

🟠 Признаюсь честно: общую идею расчета ЦТmodelling я, кажется, понял — например, можно пытаться агрегировать влияние различных событий дефолта через взвешенную центральную тенденцию. Но вот как именно использовать полученную величину на следующем шаге и каким образом она должна превращаться в конкретную надбавку MoC, для меня из статьи осталось не вполне очевидным.

Буду рад, если коллеги, которые уже сталкивались с подобной методологией, поделятся своим взглядом в комментариях.


Мой опыт сдачи FRM (2/2)

🔸 День экзамена и организационные моменты
Один из плюсов — экзамен по-прежнему можно сдавать в России (хотя оплатить его российской картой нельзя). Насколько я знаю, площадка для сдачи всего одна и находится в Москве.

Обе части проходили примерно одинаково: небольшой кабинет со старыми компьютерами в здании Института почвоведения. О впечатлениях от места сдачи уже подробно писали здесь.

Сам экзамен устроен ровно так, как его описывают: 4 часа без перерывов, 100 вопросов для Part I и 80 — для Part II, а также довольно простая программа для ответов.

🔸 Результаты и впечатления
Одна из особенностей GARP заключается в том, что организация не публикует точную дату выхода результатов, ограничиваясь загадочным «конец июня — начало июля». Поэтому со второй половины июня начинаешь время от времени проверять сайт и форумы.

Еще одна особенность — формат публикации результатов. Вместо конкретных баллов GARP показывает лишь квартиль по каждому блоку экзамена.

Мой результат на бумаге: обе части сданы с результатом в верхнем квартиле.

Мой результат для меня: экзаменом и самим процессом подготовки я остался доволен. Есть приятное чувство завершенной долгосрочной цели.

Закрывает ли FRM те задачи, о которых я писал в предыдущем посте, — покажет время. Но уже сейчас я рад тому, что смог посмотреть на риск-менеджмент с других сторон, пусть далеко не все из изученного напрямую применимо к тем задачам, которыми я занимаюсь сегодня.

🔸 Что нужно учесть, если хочешь сдавать FRM
Если отвечать на незаданные вопросы о том, что я бы сделал иначе и что посоветовал другим, мой список будет таким.

1. Честно ответьте себе на вопрос: «Зачем мне нужен FRM?»
Во-первых, именно этот ответ будет поддерживать вас в моменты, когда захочется отвлечься или отложить подготовку.
Во-вторых, этот вопрос вам зададут еще много раз — коллеги, друзья и вы сами. Лучше заранее понимать, зачем вы ввязались в эту историю.

2. Подготовьтесь к периоду подготовки
Скорее всего, в ближайшие месяцы придется пожертвовать какими-то выходными, приятными вечерами и иногда даже сном.

Мне кажется, что самое важное здесь — морально принять этот период как временный проект с понятной целью. Ответ на предыдущий вопрос должен помочь сохранить мотивацию.

3. Практика, практика, практика
Во многих материалах рекомендуют оставить хотя бы две недели на пробные экзамены и решение задач. На мой взгляд, этого недостаточно.
Я бы закладывал на практику примерно полтора месяца. То есть за шесть недель до экзамена весь основной материал уже должен быть прочитан, а вы — начать активно решать задачи и mock-экзамены.

Обязательно отслеживайте результаты: заведите таблицу, фиксируйте баллы, отмечайте слабые темы и возвращайтесь к ним позже - разбирайте, почему правильные - правильные, а неправильные - неправильные, ChatGPT очень помогает в этой теме (см. предыдущий пост).
Для меня именно этот этап оказался самым эффективным способом повторения материала. Когда я начал решать пробные экзамены, по некоторым темам было ощущение, что я вижу их впервые.

Официальные mock'и я бы советовал оставить на последний месяц подготовки: например, один написать за месяц до экзамена, а второй — примерно за две недели.
И обязательно симулируйте реальные условия: ограничение по времени, отсутствие формул, телефона и любых подсказок.

🔸 Итого
В сухом остатке FRM для меня оказался не столько проверкой знаний, сколько проверкой способности долго и последовательно двигаться к цели. Сам сертификат вряд ли можно назвать волшебной таблеткой для карьеры, но это хороший способ структурировать знания, посмотреть на риск-менеджмент под другим углом и, пожалуй, самое главное, проверить собственную готовность на протяжении долгого времени инвестировать силы в достижение одной конкретной цели.

(2/2)


Мой опыт сдачи FRM (1/2)

Хотел начать с какого-нибудь предисловия о том, что такое FRM, но обнаружил, что все умное и важное уже написали раньше: пост 1, пост 2, пост 3, пост 4, пост 5, пост 6.

🔸 Зачем я вообще решил сдавать FRM
Я думаю, что в долгосрочной перспективе FRM поможет и с профессиональным развитием, и с карьерой в целом. Не только за счет новых знаний и более широкого взгляда на индустрию, но и как подтверждение того, что ты способен поставить перед собой сложную цель и довести дело до конца.

🔸 Таймлайн подготовки и распределение времени
Экзамен я сдавал в два этапа: первую часть — в мае 2025 года, вторую — в мае 2026-го. На мой взгляд, майская сессия — самая удобная из трех (май, август и ноябрь). Главный плюс — не приходится тратить лето на подготовку.

К первой части я начал готовиться в декабре 2024 года, ко второй — в ноябре 2025-го.

Часто пишут, что на каждый уровень требуется около 250–300 часов подготовки, что звучит в целом правдиво, но по моим ощущениям, у меня получилось заметно больше. Хотелось закрыть оба уровня с первой попытки и потом не жалеть, что где-то недоработал.

Главным принципом подготовки для меня стали discipline and consistency — регулярность и последовательность. По 1,5–2 часа каждый день, практически без исключений.
Последние пару месяцев перед второй частью такой режим удавалось поддерживать только за счет ранних подъемов и занятий до начала рабочего дня, так и голова более свежая. God save remote work.

🔸Материалы для подготовки

Первая часть
- Официальные книги GARP — для первой части они хорошо структурированы, а объем вполне позволяет пройти материал без ощущения, что читаешь энциклопедию.
- Практика: официальные mock-экзамены разных лет, mock'и AnalystPrep и банк вопросов Schweser Kaplan.

Вторая часть
- Книги Schweser Kaplan. Официальные материалы GARP для второй части показались мне значительно менее цельными: они собраны из глав разных авторов, поэтому местами даже определения и терминология не всегда согласованы между собой. В дополнение к этому они невероятно большие - книга по ликвидности содержит 420+ страниц текста A4 и занимает только 15% от экзамена
- Практика: банк вопросов AnalystPrep, mock'и Schweser и официальные mock-экзамены.

Как для первой, так и для второй части, на мой взгляд, специальной подготовки перед началом обучения не требуется. Материалы в целом рассчитаны на широкую аудиторию и не предполагают каких-то уникальных предварительных знаний.
Часто говорят, что самый сложный раздел — Quantitative Analysis. Действительно, именно там больше всего математики и вычислений, однако большинство концепций вполне можно освоить, если уделить им достаточно времени.

Отдельно отмечу, что важнейшим инструментом в подготовке для меня стал ChatGPT: с его помощью я разбирал концепции и формулы, искал связи между темами и разделами, суммировал текст, находил дополнительную информацию и анализировал правильные и неправильные ответы в тестах (последнее оказалось особенно полезным).
В какой-то момент ChatGPT фактически стал для меня преподавателем, которому можно задать любое количество вопросов и не переживать, что они покажутся глупыми.

(1/2)


Итак, почему не было постов эти 6 месяцев?

Две основные причины периода охлаждения в нашем канале:
1. Большой объем нагрузки на работе;
2. Подготовка к профессиональному экзамену FRM.

К счастью, нагрузки на работе меньше не стало, но зато этап подготовки и сдачи FRM успешно завершился, благодаря чему высвободился дополнительный когнитивный ресурс на подготовку мыслей для канала.

Думаю, что в ближайшем посте хочу поделиться своим опытом подготовки и сдачи экзамена, а дальше продолжим в нашем стандартном формате обозревать статьи, выступления и новости.

🟠 Есть темы, с которых хотелось бы начать?


Пора снова поговорить о рисках.


Мы не просто так задавали вопрос про 5 рублей

Все это связано с новым регулированием, которое вводит плату для коммерческих организаций за использование данных из Цифрового профиля граждан (например, при проверке паспорта или места работы).

Вступает в силу Постановление Правительства Российской Федерации от 30.10.2025 N1687.

Проще говоря, теперь банкам придется нести дополнительные расходы при подтверждении информации о заемщиках — и платить нужно будет уже на этапе подачи заявки, за сам факт проверки.

Что именно будет являться фактом проверки, судя по разговорам на рынке, еще уточняется (например, это один запрос или один документ / одно поле).

По оценкам, совокупные дополнительные затраты банковского сектора могут составить около 150 млрд рублей в год — сумма, мягко говоря, внушительная.

Особенно интересно это выглядит на фоне грядущего вступления в силу правил, разрешающих учитывать только официальные источники дохода.

🟠 Ну так что, 5 рублей дополнительного расхода для банков это много или мало? :)


Как думаете, дополнительный расход в 5 рублей для Банка это много?
Опрос
  •   Да, это очень много
  •   Нет, совсем не много
23 голосов




Регуляторный радар - октябрь 2025

В новом выпуске Регуляторного радара собраны основные значимые изменения законодательства в области управления рисками и капиталом за июнь – октябрь 2025 года.

🔸 Краткое содержание выпуска
- Изменения в части макропруденциального регулирование: корректировка МПН, МПЛ ужесточаются
- Концепция ЦБ по внедрению риск-чувствительных лимитов на вложения в непрофильные активы
- Изменения в части периметра консолидации банковской группы: проект изменения Положения 729-П
- Концепция изменений в области оценки системной значимости российских банков: потенциально СЗКО станет больше
- Изменения в области расчета норматива краткосрочной ликвидности для СЗКО
- Планы по внедрению обязательного подтверждения официального дохода при выдаче кредита

🟠 Что самое интересное отметили для себя?



Показано 20 последних публикаций.