Az első minősítő rendszerek jellemzően szakértői inputokat felhasználva készültek, melyek sok esetben alacsonyabb magyarázó erővel bírtak. A közelmúlt tendenciái ugyanakkor azt mutatják, hogy az egyre nagyobb elérhető adatmennyiség, a banki kockázatkezelés fejlődése, illetve a szigorodó felügyeleti elvárások egyre inkább a statisztikai alapú modellek bevezetését szorgalmazzák. A statisztikai modellek jellemzően jobban teljesítenek és stabilabb, megbízhatóbb eredményeket nyújtanak.
A minősítő rendszerek eredményei az üzleti döntéshozatalon túl a tőkeszámításba is beépülhetnek, amennyiben az intézmény IRB módszert választ. A belső modell alapú ügyfél minősítések (IRB – Internal Rating Based Approach) a hitelkockázatok felmérésének a legfejlettebb módját jelentik. Az IRB modellek bevezetésének hatására jelentősen csökkenhet a hitelkockázati tőkekövetelmény, valamint az üzleti folyamatokba beépülve a modellek segíthetik a kockázati költségek optimalizációját is.
A legfrissebb iparági sztenderdek és szabályozások előírásait is figyelembe véve támogatjuk ügyfeleinket hitelkockázati scorecard modellek kialakításában, tőkekövetelmény számításhoz kapcsolódó hitelkockázati paraméterek (PD, LGD, EAD, CCF) becslésében és a hitelkockázatok árazás során történő figyelembe vételében.
A belső minősítési (IRB) modellek fejlesztése során egyre nagyobb hangsúlyt kap a felügyeleti és üzleti elvárások összehangolása, továbbá olyan automatizált rendszerek/folyamatok kialakítása, amik biztosítják a zavartalan és folytonos működést. Partnereink számára ebben is segítséget nyújtunk.
Tanácsadói szolgáltatások:
- Applikációs és viselkedési scorecardok, modellek fejlesztése
- IRB kockázati paraméterek becslése
- Adatigények specifikációja, adatbázis összeállítás, adatok tisztítása összhangban az iparági sztenderdekkel és a szabályozói elvárásokkal
- Minősítő rendszerek fejlesztése, szakértői modellek statisztikai visszamérése, és/vagy statisztikai alapra áthelyezése
- Statisztikai modellek fejlesztése, egy- és többváltozós elemzések készítése, tanuló algoritmusok
- Modellek felülvizsgálata, szabályozói elvárásoknak való megfelelés biztosítása
- Modellek kalibrációja és rekalibrációja
- Modellekhez kapcsolódó szabályozások prezentálása és értelmezése
