Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Tytuł pozycji:

Comparing reduced form vs. structural models in measuring and managing credit portfolio risks - a comprehensive meta – analysis

Tytuł:
Comparing reduced form vs. structural models in measuring and managing credit portfolio risks - a comprehensive meta – analysis
Porównanie model zredukowanych i strukturalnych w pomiarze i zarządzaniu ryzykiem portfolio kredytowego - metaanaliza wielokryterialna
Autorzy:
Reinwald, Raphael
Powiązania:
https://bibliotekanauki.pl/articles/1930393.pdf
Data publikacji:
2021-06-30
Wydawca:
Wyższa Szkoła Finansów i Zarządzania w Białymstoku
Tematy:
credit portfolio models
credit risk
CreditMetrics®
CreditRisk+®
portfolio model comparison
Źródło:
Przedsiębiorstwo & Finanse; 2021, 1; 65-81
2084-1361
Język:
angielski
Prawa:
CC BY-SA: Creative Commons Uznanie autorstwa - Na tych samych warunkach 4.0
Dostawca treści:
Biblioteka Nauki
Artykuł
  Przejdź do źródła  Link otwiera się w nowym oknie
This paper is comparing the main credit portfolio models used in the banking industry as well as in academic research for credit risk measuring and pricing purposes. These models can be classified as structural models, hazard rate models and macro-factor/econometric models (the last group is very similar to structural ones and hence not investigated in detail here). Proponents and famous implementations are CreditMetrics® by JP Morgan (1998) and KMV® (Kealhofer, McQuown and Vasicek, 1993) of Moody’s for the structural type and CreditRisk+® by Credit Suisse First Boston (CSFB, 1997) for the hazard rate model. As all of them are frequently used the null hypothesis is that they perform equally well. In the first part of this paper – as intermediate aim - qualitative properties are compared and in the second part the models are disassembled (using a methodology similar to Hickman) and quantitatively considered with the overall goal to prove which one is measuring Credit Portfolio Risk most precisely – in contrast to existing papers not only regarding specific portfolio(s) or settings but building on a meta-analysis research of papers published on that topic. As a result – rejecting the null hypothesis - CreditMetrics® is performing better in most circumstances, especially with exchange-listed, large companies and low-default portfolios whereas CreditRisk+® is easier to handle and often useful for granular, retail type portfolios.

Dokładny pomiar ryzyka kredytowego jest kluczowy z punktu widzenia instytucji finansowych. Są one zobowiązane nie tylko wypełniać wymagań prawne i zarządcze stawiane przez regulatorów takich jak EBA czy ECB w formie regulacji CRR II i CRD V w Unii Europejskiej, ale są także zobowiązane prowadzić działalność w sposób zabezpieczający interesy biznesowe właścicieli i interesariuszy, w szczególności odnośnie do zarządzania portfolio udzielonych kredytów i związanych z nimi ryzyk (upadłości i transferu). Sprawia to, że wykorzystanie zaawansowanych modeli oceny ryzyka jest branżowym standardem. Sytuacja w innych uwarunkowania jurysdykcyjnych (w Stanach Zjednoczonych czy Szwajcarii) jest podobna ze względu na uwarunkowania Basel III i wynikające z nich regulacji na poziomie krajowym. Niemniej jednak, wciąż w obszarze modelowania ryzyka kredytowego jest wiele obszarów, które nie są wystarczająco dobrze opisane. Między innymi, nie przeprowadzono metaanalizy dotychczas opublikowanych badań, która przesądzałaby nad wyższością jednych metod nad innymi. Jest to istotne, ponieważ wdrożenie skuteczniejszego modelu skutkuje przewagą konkurencyjną banku w zakresie modelowania ryzyka związanego z kredytem, a tym samym, długofalowo, zmniejsza wartość zaangażowania kapitałowego niezbędnego do pokrycia ewentualnych strat. Stąd, przeprowadzenie takiej pogłębionej metaanalizy stało się celem tego artykułu. Hipoteza zerowa stanowi, że modele CreditMetrics® i CreditRisk+® są jednakowo skuteczne - w szczególności w odniesieniu do kredytów korporacyjnych. Istotną część artykułu stanowi tym samym również dokładne porównanie i wyjaśnienie mocnych oraz słabych stron modeli, w szczególności w odniesieniu do konkretnych typów portfolio czy segmentów odbiorców.

Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies