默认模型的暴露概述
违约风险敞口(EAD)是指当债务人拖欠贷款时,银行的损失风险敞口(违约时的余额)。
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
随着数据可用性的增加,有几种不同类型的EAD模型。风险管理工具箱™支持:
模型开发与验证
风险管理工具箱通过一系列类支持EAD模型的建模和验证:
模型拟合
fitEADModel
预测EAD
预测
函数的鉴别度量模型
modelDiscrimination
函数和可视化modelDiscriminationPlot
函数模型精度度量
modelAccuracy
函数和可视化modelAccuracyPlot
函数
EAD分析的典型建模工作流包括:
数据准备
在实践中,EAD建模的数据准备工作需要大量的工作。数据准备需要整合账户信息、从多个数据源提取数据、考虑回收、直接和间接成本、确定贴现率以确定观察到的EAD值。也有关于预测器转换和筛选的工作。有很多工具可用于处理丢失的数据(使用
fillmissing
),处理异常值(使用filloutliers
),并执行其他数据准备任务。数据准备的输出是一个训练数据集,其中包含预测器列和包含EAD值的响应列。模型拟合
使用
fitEADModel
函数来拟合EAD模型。您必须使用前面准备的数据并选择模型类型。可选输入允许您指明限制(LimitVar
)和绘制(DrawnVar
)的值回归
,托比特书
,或β
模型。限额取决于贷款数额。如果是信用卡,限额就是信用限额,如果是抵押贷款限额就是初始贷款金额。一般来说,LimitVar
是可以借到的最大金额。DrawnVar
为违约前观察时账户上的余额,EAD为违约时的余额。此外,您可以指定模型描述,还可以指定模型ID或标记,以便在模型验证期间进行报告。模型验证
模型验证涉及多个任务,包括
在训练数据或测试数据上测量模型识别率
modelDiscrimination
函数。控件生成可视化modelDiscriminationPlot
函数。可以对数据进行分割,以衡量不同部门之间的差别。在训练或测试数据上测量模型的准确性
modelAccuracy
函数。控件生成可视化modelAccuracyPlot
函数。你也可以将残差形象化。
一旦您开发并验证了EAD模型,您就可以将它用于生命周期ECL分析。的预期信用损失计算的例子,
portfolioECL
演示计算ECL的基本工作流程。
参考文献
[1]贝森斯,巴特,丹尼尔·罗施,哈拉尔德·舒勒。信用风险分析:SAS中的测量技术、应用和实例。威利,2016年。
[2]贝里尼,Tiziano。国际财务报告准则9和CECL信用风险建模和验证:R和SAS实例的实用指南。加州圣地亚哥:爱思唯尔,2019年。
[3]布朗,伊恩。利用SAS企业Miner和SAS/STAT建立信用风险模型:理论与应用。SAS研究所,2014年。
[4] Roesch, Daniel和Harald Scheule。深的信用风险。独立出版,2020年。
另请参阅
fitEADModel
|预测
|modelDiscrimination
|modelDiscriminationPlot
|modelAccuracy
|modelAccuracyPlot
|回归
|托比特书
|β
|portfolioECL