مدل‌سازی ریسک اعتباری سبد تسهیلات اعتباری بانک با استفاده از مدل‌سازی اکچوئری (مطالعه موردی: بانک رفاه)
محورهای موضوعی : دانش مالی تحلیل اوراق بهادارمحمدسعید حیدری 1 , سیدبابک ابراهیمی 2 , نگین محبی 3
1 - دانشجوی دکترای مدیریت مالی دانشگاه علامه طباطبایی، تهران، ایران
2 - عضو هیئت علمی دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران
3 - دانشجوی کارشناسی ارشد مهندسی مالی،دانشگاه صنعتی خواجه‌نصیرالدین طوسی، تهران، ایران
کلید واژه: ریسک اعتباری, اکچوئری, مشتقات اعتباری, مدلCreditRisk+, مطالبات مشکوک الوصول,
چکیده مقاله :
در این مقاله ریسک پرتفوی اعتباری تسهیلات اعطایی بانک رفاه، با هدف امکان‌سنجی استفاده از روش‌شناسی CreditRisk+ در حوزه ارزیابی ریسک اعتباری بانک‌ها و با استفاده از داده‌های موجود در مورد تعدد موارد بروز نکول (نکول در اینجا به معنی انتقال وضعیت تسهیلات اعطایی به سرفصل مطالبات مشکوک الوصول است) برآورد گردیده است. در این راستا ابتدا با استفاده از داده‌های مربوط به تعداد موارد نکول طی سال‌های مختلف و روش‌های آماری ابتدایی نظیر میانگین و انحراف معیار موارد نکول، ریسک نکول پرتفوی اعتباری بانک به صورت کلاسیک برآورد شده است. در مرحله بعد با استفاده از روش‌های پیشرفته‌تر بر پایه مدل‌سازی اکچوئری میانگین و انحراف معیار و همچنین نوع توزیع به صورت دقیق‌تری برآورد شده است. از این رو دستیابی به دیدگاهی روشن در مورد ارزیابی ریسک اعتباری پرتفوی تسهیلات اعطایی بانک رفاه میسر گردیده است.
In this paper, with the aim of examining the feasibility of CreditRisk+ methodologyon the evaluation of bank'scredit risk, we try to estimatethe risk of Refah Bank'scredit portfolio.For this purpose, we use existing data on the number of default (default here means the transfer of the facilities granted to the headlines of bad debts) and carry outsome statistical calculations.In this attempt to achieve a clear vision about credit risk assessment, we use data on the number of default in different years and also elementary statistical methods such as mean and standard deviation of default for classical estimation of default risk of bank's credit portfolio. Then by using advanced methods based on actuarial modeling, mean, standard deviation and also the type of distribution is estimated precisely
* اصغری، مجید؛ خوانساری، رسول؛ سیاهکار زاده، محمدسجاد، ۱۳۸۶، بررسی مدل های پرتفوی ریسک اعتباری و زیرساخت های لازم برای به کارگیری آن ها در صنعت بانکداری، نخستین کنگره بین المللی مدیریت ریسک، تهران.
* وکیلی, معصومه؛ فرهی کیا، مهران؛ محمدزاده منفرد، مهدی؛ وکیلی، محمود، ۱۳۹۱، بررسی بومی سازی مدل CreditRisk+ در برآورد توزیع زیان اعتباری و محاسبات سهم از ریسک، سومین کنفرانس ریاضیات مالی و کاربردها، سمنان، دانشگاه سمنان.
* Aldrich, J., 1997, "R. A. Fisher and the making of maximum likelihood 1912–1922". Statistical Science, 12 (3): 162–176.
* Andersen, E.B., 1970. "Asymptotic Properties of Conditional Maximum Likelihood Estimators", Journal of the Royal Statistical Society, B 32, 283–301.
* Boďa, M., 2014.”Value at risk model based on the Johnson transformation". Proceedings of 6th International Scientific Conference on Managing and Modelling of Financial Risks, Ostrava Czech Republic, 53-63.
* Elif Onmus-Baykal, 2010, "A Literature Review of Credit Risk Modeling", Georgetown University.
* Fitzpatrick, P., 1932. A Comparison of Ratios of Successful Industrial Enterprises with Those of Failed Firms. Certif. Public Accountant 1 (1), 598–605.
* Gordy, M.B., 2002, "Saddlepoint approximation of CreditRisk+", Journal of Banking& Finance 26 ,1335–1353.
* Gundlach, M., Lehrbass, F., 2004 , " CreditRisk+ in the Banking Industry", Springer-Verlag Berlin Heidelberg GmbH.
* Klieštik, T., Lyakin, A. N., & Valášková, K., 2014. "Stochastic Calculus and Modelling in Economics and Finance". 2nd International Conference on Economics and Social Science (ICESS), Shenzhen, Jul 29-30, 2014, Advances in Education Research, 61, 161-167.
* Kollára, B., Gondžárováb, B., 2015, “Comparison of Current Credit Risk Models", 2nd GLOBAL CONFERENCE on BUSINESS, ECONOMICS, MANAGEMENT and TOURISM, Prague, Czech Republic, 341 – 347.
* Mišanková, M., & Kočišová, K., 2014. "Theoretical Framework of Merton´s Model". 4th International Conference on Applied Social Science (ICASS 2014), Information Engineering Research Institute, Advances in Education Research, 51, 557-562.
* Rychlik, I., Rydén, J., 2006. "Probability and Risk Analysis", 1st Edition, Springer-Verlag Berlin Heidelberg
* Nelder, J.A., Wedderburn, R.W.M., 1972. "Generalized Linear Models", Journal of the Royal Statistical Society, Series a (General) 135 (3): 370–384.
* Philippe J., 2010, Financial Risk Manager Handbook + Test Bank: FRM Part I Part II (Wiley Finance), 6th Edition,GARP (Global Association of Risk Professionals).
* Saunders, A., Allen, L., 2002. "Credit Risk Measurement: New Approaches to Value at Risk and Other Paradigms". Wiley, New York (2nd edition).
* Vandendorpe, A., Ho, N.D., Vanduffel, S., Dooren, P.V., 2008, "On the parameterization of the CreditRisk+ model for estimating credit portfolio risk", insurance: Mathematics and Economics 42, 736–745.
* Wilson, T., 1997, "CreditRisk+: A credit risk management framework", Credit Suisse Financial Products.