Структурные модели анализа кредитных рисков

Структурные модели анализа кредитных рисков

Продолжительность:2 дня,16 академических часов

1. Кредитный риск (история, современное определение, кредитные деривативы, кризис, рейтинговые агентства).

2. Традиционные подходы к моделированию кредитного риска (экспертные системы, рейтинговые системы, скоринговые модели, модель Альтмана).


3. Структурный подход к анализу кредитных рисков (структурные модели и модели сокращенной формы, модель Мертона, предпосылки подхода, расчет вероятности дефолта в модели Мертона, достоинства и недостатки структурного подхода).

Практика 1: Упрощенная модель Мертона. Чувствительность PD к волатильности активов.

4. Применение структурных моделей

4.1. Расчет PD и спрэда для непубличной компании. Нахождение спрэда. Модельные риски.
Практика 2: Нахождение risk-based spread для непубличной компании.

4.2. Проблема – ненаблюдаемость волатильности активов и способы ее решения
Практика 3: Нахождение implied волатильности активов. Калибровка модели. Недостатки подхода.
Практика 4: Нахождение волатильности решением системы уравнений.

4.3. Модель Блэка-Кокса.
Практика 5: Расчет PD в модели Блэка-Кокса.

4.4. Структурные модели и кредитные рейтинги. Согласованность оценок.

5. Обзор продвинутых моделей структурных моделей. Рекомендации по дальнейшему изучению продвинутых структурных моделей.

• Практические расчеты проводятся в Excel на данных российских компаний и на теоретических данных.
• О семинаре: Современные подходы к анализу кредитных рисков обычно делят на структурные и сокращенной формы (reduced form). Будут рассмотрены примеры применения моделей Мертона и Блэка-Кокса для оценивания PD и спрэдов нескольких российских эмитентов. Структурные модели позволяют получить оценку кредитного спрэда, что может быть полезно в risk-based pricing. Также в семинаре будут рассмотрены достоинства и недостатки применения моделей на развивающихся рынках.

 

Наши контакты

ул. Шевченко, 90, БЦ "Каратал",
11 этаж, офис 115.

Телефон:



Email:


Поделиться: