Соложенцев Е.Д. Исследование рисков. Методические указания по курсу: Логико-вероятностная теория кредитных рисков - файл n1.doc

Соложенцев Е.Д. Исследование рисков. Методические указания по курсу: Логико-вероятностная теория кредитных рисков
скачать (287 kb.)
Доступные файлы (1):
n1.doc287kb.02.11.2012 14:29скачать

n1.doc

ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ОБРАЗОВАНИЮ
Государственное образовательное учреждение высшего профессионального образования
Санкт-Петербургский Государственный университет

аэрокосмического приборостроения

Кафедра прикладных информационных технологий в экономике и менеджменте



ИССЛЕДОВАНИЕ РИСКОВ
Раздел 2: Логико-вероятностная теория кредитных рисков
Методические указания к выполнению лабораторных работ

Санкт-Петербург, 2007

Составители: Медведева Н.С., Соложенцев Е.Д., Строков Д. С.,

Рецензент:

Методические указания содержат описание и порядок выполнения лабораторных работ по разделу 2. Логико-вероятностная теория кредитных рисков. Дисциплина - "Исследование рисков". Предназначены для студентов, обучающихся по специальности 351400 "Прикладная информатика (в экономике)". Методические указания могут быть использованы в курсовом и дипломном проектировании.

Подготовлены кафедрой прикладных информационных технологий в экономике и менеджменте и рекомендованы к изданию редакционно-издательским советом Санкт-Петербургского государственного университета аэрокосмического приборостроения.


  1. ГУАП


Подготовлено к печати…………… …………………..Формат 60х84 1/16. Бумаги тип.
Печать офсетная. Усл.печ.л………………………Уч. изд. л……………………

ТИРАЖ 100 экз. Заказ №

Редакционно-издательский отдел


Отдел оперативной полиграфии

ГУАП, ул. Б. Морская, 67
Содержание

Назначение ПК «ЛВ-оценка и анализ кредитных рисков» 4

Демо-версия ПК «ЛВ-оценка и анализ кредитных рисков» 5

Лабораторная работа № 1 Оценка и анализ риска кредита 8

Лабораторная работа № 2 Идентификация ЛВ-модели кредитного риска 11

Лабораторная работа № 3 Выбор асимметрии в распознавании плохих и хороших кредитов 14

Лабораторная работа № 4 Анализ ЛВ-модели кредитного риска 15

Лабораторная работа № 5 Анализ кредитной деятельности банка 16

Общие требования к оформлению отчетов 19

Литература 20

Приложение 1. Пример титульного листа отчета о выполнении лабораторной работы. 21

Назначение ПК «ЛВ-оценка и анализ кредитных рисков»



На Российском рынке появилась Интернет услуга по оценке и анализу кредитных рисков физических и юридических лиц (www.inorisklab.com), использующая логико- вероятностную (ЛВ) теорию риска с группами несовместных событий (ГНС), которая отвечает требованиям соглашения «Базель II» к методам количественной оценки кредитных рисков и резервирования.

Оказываются следующие Интернет услуги банку [2]:

1) Построение модели кредитного риска по статистике банка, вычисление атрибутов риска множества кредитов банка и анализ кредитной деятельности банка модели риска;

2) Оценка риска кредита, вычисление атрибутов риска и анализ риска кредита.

ЛВ-теория оценки и анализа кредитных рисков и специальные логические Software создавались и исследовались в течение около 10 лет. Апробация выполнялась на данных западного банка (1000 кредитов) и двух российских банков (по 500 кредитов физических и юридических лиц). Для западного банка кредитный риск в среднем уменьшался с 28% до 17%. Для российских банков кредитный риск в среднем уменьшался с 10% до 5%.
1. Коммерческая версия Software. В настоящее время на рынке имеются скоринговые методики и программные продукты для оценки кредитного риска на основе линейного и квадратичного дискриминантного анализа, нейронных сетей и data mining. ЛВ-теория кредитного риска с ГНС разительно отличается от распространенных скоринговых методик и имеет следующие особенности [1]:

Использование логического сложения событий вместо арифметического сложения баллов или других показателей;

Адекватная логическая формулировка сценария кредитного риска;

Применение базы знаний (БЗ) по кредитам в виде системы логических уравнений вместо традиционной базы данных (БД);

Построение логической и вероятностных моделей кредитного риска;

Определение вероятностей событий с учетом ГНС и формулы Байеса;

Корректная формулировка целевой функции для идентификации модели риска по статистическим данным;

Использование специальных логических Software.

Именно эти особенности логико-вероятностной модель кредитного риска приводят к следующим их достоинствам [3-6]:

В два раза большая точность в распознавании хороших и плохих кредитов;

В семь раз большая робастность (устойчивость классификации кредитов);

Абсолютная прозрачность в оценке и анализе риска кредита, множества кредитов банка и самой модели риска;

Возможность управлять кредитным риском, изменяя асимметрию распознавания хороших и плохих кредитов, число параметров и градаций, описывающих кредит. Снижение риска почти вдвое позволяет уменьшить потери банка и существенно снизить процент за кредит, привлечь больше клиентов и повысить конкурентоспособность банка.
2. Демо-версия Software. Настоящая Демо-версия разработана для учебных и демонстрационных целей как дополнение и разъяснение к коммерческой версии, изложенной на www.inorisklab.com. В демонстрационной и коммерческой версиях программных средств (Software) используется логико-вероятностная (ЛВ) теория риска с группами несовместных событий (ГНС). Демоверсия Software состоит из ряда модулей, созданных в среде программирования Visual С++. Программное ядро Software имеет примерно 3000 операторов. ДемоВерсия приведена на WebSite: http://www.inorisklab.com/risk.zip . Демоверсия может быть скачена, распакована и использоваться для учебно-демонстрационных целей. Учебно- демонстрационное Software имеет следующие файлы:

CREDIT.dat – статистические данные о кредитах банка;

Order – папка для файлов с названием каждого признака и описанием его градаций;.

Original_P1.txt – файл с начальными значениями вероятностей событий-градаций

P1jr, j=1,2,…,n; r=1,2,…,Nj;

Proby_P1.txt - файл с оптимальными значениями вероятностей событий-градаций

P1jr, j=1,2,…,n; r=1,2,…,Nj;

Proby_P.txt - файл с оптимальными значениями вероятностей событий-градаций

Pjr, j=1,2,…,n; r=1,2,…,Nj;

fMaxLast_risk.txt - файл с результатами идентификации (обучения) ЛВ-модели риска и анализом риска по вкладам признаков и градаций для оптимального шага идентификации;

FmaxA.txt – файл с результатами анализа вкладов признаков в точность модели (распознавания хороших и плохих кредитов);

Instruction.pdf – файл настоящей инструкции по учебно- демонстрационной версии

Демо-версия ПК «ЛВ-оценка и анализ кредитных рисков»



В соответствии со стандартом работы в учебном классе все Лабораторные работы на Демо-версии ПК «ЛВ-оценка и анализ кредитных рисков» начинаются с копирования папки “credit_risk” с диска M:\Teach\Solojencev\credit_risk на диск «Мой компьютер». После окончания лабораторной работы, студент переписывает файлы с результатами из папки “credit_risk” в свою папку на своем студенческом рабочем диске.
1. Характеристика учебно-демонстрационного Software. Для каждого банка с помощью настоящего Software строится (обучается, идентифицируется) ЛВ-модель риска решением задачи оптимизации методом случайного поиска или методом градиентов по статистическим данным. При отсутствии статистики использовать статистику по родственному банку. Для Демо-версии используются следующие фиксированные данные:

Западный пакет из 1000 кредитов физических лиц, среди которых 700 хороших и 300 плохих

Кредит описывается 20 признаками (параметрами).

Каждый признак имеет градации. Общее число градаций в признаках - 96.
2. Новые задачи кредитного риска. Software позволяют решать следующие группы новых задач:

1. Определение атрибутов риска кредита на построенной (обученной) по статистике ЛВ-модели кредитного риска:

  1. Оценка риска кредита;

  2. Классификация кредита на хороший или плохой;

  3. Определение цены за риск;

  4. Анализ риска кредита.

2.. Обучение (идентификация) и оценка качества ЛВ-модели риска по статистическим

данным банка (множеству хороших и плохих кредитов):

  1. Определение вероятностей событий-градаций;

  2. Определение допустимого риска;

  3. Определение среднего риска;

  4. Оценка точности ЛВ-модели риска;

  5. Оценка робастности ЛВ-модели риска.

3. Анализ кредитной деятельности банка на ЛВ-модели кредитного риска, построенной (обученной) по статистике (множеству кредитов банка):

  1. Определение вкладов признаков (параметров), описывающих кредит, в средний кредитный риск банка;

  2. Определение вкладов градаций признаков кредитов в средний кредитный риск банка;

  3. Определение вкладов признаков (параметров), описывающих кредит, в точность распознавания хороших и плохих кредитов;

  4. Определение вкладов градаций признаков кредитов в точность распознавания хороших и плохих кредитов;

  5. Определение энтропии плохих кредитов.

4.Управление кредитным риском банка:

  1. Определение оптимального числа признаков, описывающих кредит и клиента;

  2. Определение оптимального числа градаций для каждого признака;

  3. Определение оптимального коэффициента асимметрии распознавания хороших и плохих кредитов;

  4. Определение оптимальной ширины интервалов при выделении градаций для таких признаков как сумма кредита, его срок, возраст клиента и др.

  5. Определение оптимального числа классов для классификации кредитов;

  6. Использование модели риска неуспеха кредита с ограниченным множеством возможных случаев неуспеха кредитов.


3. Главное меню. На рис.1 приведена главная экранная форма (главное меню) Software. Из строки управления можно запустить названные выше группы задач 1, 2 и 3. Из группы задач 4 с помощью Демо-версии можно определить оптимальный коэффициент асимметрии распознавания хороших и плохих кредитов. Остальные задачи управления решаются только на рабочей версии ПК.



Рис. 1. Главное меню учебно-демонстрационного Software

Лабораторная работа № 1 Оценка и анализ риска кредита



Цель работы: оценить риск невозврата кредитов, выдаваемых банком физическим лицам.

Задачи, решаемые в работе:

1. Определение атрибутов риска кредита на построенной (обученной) по статистике ЛВ-модели кредитного риска:

1) Оценка риска кредита;

2) Классификация кредита на хороший или плохой;

3) Определение цены за риск;

4) Анализ риска кредита.

Технология работы

  1. Cкопируйте папку “credit_risk” с диска M:\Teach\Solojencev\credit_risk в папку «Мои документы».

  2. Запустите исполняемый файл Credit_risk.exe. Перед вами откроется главное окно системы. Под заголовком окна расположена строка главного меню или пиктографическое меню (панель кнопок), каждый пункт которого позволяет решить определенную задачу. Оно введено для быстрого вызова наиболее часто используемых функций. После установки курсора мыши на кнопке пиктографического меню возникает краткое описание выполняемого с ее помощью действия. Просмотрите функции кнопок пиктографическое меню.

  3. Заполните заявку на кредит. Для этого выберите пункт меню Task 1/ Definition of the credit risk либо нажмите кнопку ‘1’. На рис. 2 приведена экранная форма для заполнения заявки на кредит. На одном из полей приведено значение допустимого риска Pad. Нужно заполнить значение 20 признаков кредита (Sign). По каждому из 20 признаков кредита предусмотрен список градаций (Grades), появляющийся при нажатии . Название появляющихся признаков и перечисление номеров градаций и их определений приведено в файлах order01.txt order 20.txt. Нужно курсором только указать значение градации для признака из списка. Таким образом, название признаков и градаций появляются на экране, что делают процесс заполнения информации вполне контролируемым. После заполнения информации по последнему (двадцатому признаку) автоматически подсчитываются: риск-вероятность невозврата кредита Probability of non-return и признак Indication классификации кредита на хороший или плохой (0 или 1) и цена за риск Price for risk в %. Значения коэффициентов C1 (нормализующий фактор) и Cad (допустимая цена за риск) для линейной функции цены за риск можно изменять в соответствующих окнах.

  4. Используя информацию п.2, заполните данные о 10 произвольных разных кредитах. Составьте таблицу данных обо всех кредитах, используя шаблон (см. табл.1).

  5. После автоматического расчета риска-вероятности невозврата кредита Probability of non-return и признака Indication классификации кредита на хороший или плохой (0 или 1), а также цены за риск Price for risk , данные параметры заносятся в результирующую табл. 2.




Рис. 2. Оценка риска кредита


  1. Запишите, сколько получено хороших и плохих кредитов, указывая значения наименьшего и наибольшего риска, значения наименьшей и наибольшей цены за риск.

  2. После оценки риска кредита выполняется анализ риска кредита нажатием кнопки-команды Analysis (рис. 2). Результаты анализа приведены на экранной форме (рис. 3), где для каждого признака указывается, какая была выбрана градация, и какую она имеет вероятность. Для вычисления риска кредита эти вероятности складываются логически в соответствии с ЛВ-моделью риска. Вклад градаций в риск кредита пропорционален этой вероятности.

  3. Внесите данные о вероятностях градаций признаков в отчет, определите наименьшее и наибольшее значения вероятностей для событий-градаций для каждого из кредитов. Сделайте вывод о величине вклада каждой градации в риск кредита.



Таблица 1.

Исходные данные о кредитах



Кредит №

Признак

1

2

3

4

5

6

7

8

9

10

1

Сумма счета в банке































2

Срок кредита































3

Кредитная история































4

Назначение кредита































5

Сумма займа































6

Сумма по ценным бумагам































7

Продолжит. Работы































8

Взнос в частные погашения































9

Семейное положение и пол































10

Поручитель































11

Время проживания в

данной местности































12

Вид гарантии































13

Возраст































14

Наличие других займов































15

Наличие жилплощади































16

Количество займов у банка































17

Профессия































18

Число родственников

на иждивении































19

Наличие телефона































20

Иностранный или

местный служащий
































Таблица 2.

Результаты расчетов


Кредит №

Параметры

1

2

3

4

5

6

7

8

9

10

Риск невозврата кредита































Признак классификации кредита































Цена за риск































Допустимый риск


































  1. После окончания лабораторной работы перепишите файлы с результатами из папки “Мои документы” в свою папку на студенческом рабочем диске v.




Рис. 3. Анализ риска кредита

Лабораторная работа № 2 Идентификация ЛВ-модели кредитного риска



Цель работы: Идентификация ЛВ-модели кредитного риска по статистическим данным (множеству хороших и плохих кредитов) банка и определение допустимого риска.

Задачи, решаемые в работе:

  1. Определение вероятностей для событий-градаций;

  2. Определение допустимого риска;

  3. Определение среднего риска;

  4. Оценка точности ЛВ-модели риска;

  5. Оценка робастности ЛВ-модели риска.

Идентификация ЛВ-модели кредитного риска проводится по западным статистическим данным, состоящим из 1000 кредитов, из которых 300 были «плохие» (файл CREDIT.dat).
Технология работы

В соответствии со стандартом работы в учебном классе все Лабораторные работы на Демо-версии ПК «ЛВ-оценка и анализ кредитных рисков» начинаются с копирования папки “credit_risk” с диска M:\Teach\Solojencev\credit_risk на диск «Мой компьютер». После окончания лабораторной работы, студент переписывает файлы с результатами из папки “credit_risk” в свою папку на своем студенческом рабочем диске.

  1. Выберите пункт меню Task 2/ Training and estimation of quality , либо нажмите кнопку ‘2’. Появится экранная форма (рис. 4) для идентификации (обучения) ЛВ-модели кредитного риска по статистическим данным банка.

  2. Преподаватель задает индивидуально каждому студенту значения следующих параметров: Nopt – число оптимизаций, Nmc – число попыток Монте-Карло на шаге оптимизации, Ngc – расчетное число хороших кредитов, а также 3 варианта обучения ЛВ-модели риска с разными значениями этих параметров. Задание фиксируется в журнале преподавателя.

  3. Введите полученные значения параметров в окна экранной формы для (идентификации) обучения ЛВ-модели кредитного



Рис. 4. Идентификация ЛВ-модели кредитного риска


  1. С левой стороны экранной формы приведены параметры для формулы обучения методом Монте-Карло: число шагов в оптимизации Nopt, число попыток моделирования Монте-Карло на шаге оптимизации Nmc, средний риск по статистическим данным Pav, задаваемое расчетное число хороших кредитов для ЛВ-модели Ngc, коэффициент формулы оптимизации K1. Введите значения заданных параметров. Обратите внимание, что не следует изменять другие параметры в левой части экранной формы. Внесите в отчет данные об изменении параметров.

  2. Запустите процесс обучения с помощью кнопки Run training. С правой стороны экранной формы приведены текущие изменяющиеся значения параметров в динамике обучения ЛВ-модели риска: абсолютное достигнутое максимальное значение целевой функции Fabs, достигнутое максимальное значение целевой функции на шаге оптимизации Fmax (из-за операции отступления для выхода из тупиков Fabs и Fmax могут не совпадать), число некорректно распознанных плохих кредитов NL01, номер текущей попытки Монте-Карло на шаге оптимизации Nmc, текущее значение допустимого риска Pad, разность между максимальным и минимальным рисками кредитов dPc, номер текущей оптимизации Nt.. Выход – кнопкой Exit. Начальные значения вероятностей событий – градаций P1jr, j=1,2,…,n; r=1,2,…,Nj приведены в файле Original_P1.txt. Оптимальные значения вероятностей событий-градаций (их число в данной задаче равно 96) при очередном Fabs записываются в файл Proby_P1.txt и файл Proby_P.txt.

  3. Интегральные параметры обучения ЛВ-модели риска приведены в файле fMaxLast_risk.txt для последнего оптимального шага идентификации ЛВ-модели кредитного риска по статистическим данным банка:

    • Fmax = 820 <Максимальное значение целевой функции>

    • Nopt = 400 <Заданное число оптимизаций>

    • N1 = 700 <Число хороших кредитов в статистике>

    • N0 = 300 <Число плохих кредитов в статистике>

    • Pav = 0.300 <Средний риск по статистике>

    • N1c = 610 <Заданное число хороших кредитов по модели>

    • N0c = 390 <Заданное число плохих кредитов по модели>

    • Pmin = 0.22535 <Минимальный риск кредита в статистике>

    • Pmax = 0.37766 <Максимальный риск кредита в статистике>

    • dPc = 0.15230 <Размах рисков в распределении рисков кредитов>

    • Pm = 0.29981 <Средний риск по модели>

    • Pad = 0.30621 <Допустимый риск по модели>

    • N01 = 135 <Число некорректно распознанных хороших кредитов>

    • N10 = 45 <Число некорректно распознанных плохих кредитов>

    • K1 = 0.0020 <Коэффициент обучения>

  4. Запишите время обучения для каждого варианта значений заданных параметров и полученные значения целевой функции, числа некорректно распознанных плохих и хороших кредитов и значение допустимого риска в свой отчет.


Лабораторная работа № 3 Выбор асимметрии в распознавании плохих и хороших кредитов



Цель работы: решить одну из задач управления кредитным риском, а именно выбрать коэффициент асимметрии в распознавании плохих и хороших кредитов.

Технология работы

В соответствии со стандартом работы в учебном классе все Лабораторные работы на Демо-версии ПК «ЛВ-оценка и анализ кредитных рисков» начинаются с копирования папки “credit_risk” с диска M:\Teach\Solojencev\credit_risk на диск «Мой компьютер». После окончания лабораторной работы, студент переписывает файлы с результатами из папки “credit_risk” в свою папку на своем студенческом рабочем диске.

  1. Выполняется Лабораторная работа 2, но с разными значениями параметра Ngc, при фиксированных значениях остальных параметров.

  2. Преподаватель задает индивидуально каждому студенту значения параметров: Nopt – число оптимизаций, Nmc – число попыток Монте-Карло на шаге оптимизации, Ngc – расчетное число хороших кредитов. Задание фиксируется в журнале преподавателя.

  3. С левой стороны формы необходимо изменить не все параметры для обучения, а лишь расчетное число хороших кредитов Ngc. Введите по заданию преподавателя последовательно 5 разных значений числа хороших кредитов Ngc. При каждом значении Ngc необходимо провести обучение модели (кнопка Run Training). Составьте таблицу вида (см. табл.3):


Таблица 3.

Параметры обучения ЛВ-модели риска

Расчетное число хороших кредитов Ngc

Абсолютное максим.

значение целевой функции

Fabs

Число некорректно распознанных плохих кредитов

Nbg

Число некорректно распознанных хороших кредитов

Ngb

Коэфф.

аим-метрии

Ebg

Значение допусти-мого

риска

Pad

Разность максим.

и миним. рисков кредитов dPc











































































































3. Выберете оптимальное значение коэффициента асимметрии в распознавании плохих и хороших кредитов (Ebg=Nbg/Ngb).

Лабораторная работа № 4 Анализ ЛВ-модели кредитного риска



Цель работы: выполнить анализ ЛВ-модели риска по вкладам признаков, описывающих кредит, в точность ЛВ-модели классификации кредитов на хорошие и плохие.
Технология работы

В соответствии со стандартом работы в учебном классе все Лабораторные работы на Демо-версии ПК «ЛВ-оценка и анализ кредитных рисков» начинаются с копирования папки “credit_risk” с диска M:\Teach\Solojencev\credit_risk на диск «Мой компьютер». После окончания лабораторной работы, студент переписывает файлы с результатами из папки “credit_risk” в свою папку на своем студенческом рабочем диске.

  1. Лабораторная работа выполняется после однократного выполнения работы 2 с заданными (преподавателем) индивидуально каждому студенту значениями параметров: Nopt – число оптимизаций, Nmc – число попыток Монте-Карло на шаге оптимизации, Ngc – расчетное число хороших кредитов. Задание фиксируется в журнале преподавателя.

  2. После однократного выполнения работы 2 преподаватель задает каждому студенту новое значение параметра Nopt для переобучения ЛВ-модели кредитного риска при исключении параметра из описания кредита.

  3. Определите вклады признаков в целевую функцию. Для этого нажмите кнопку Analysis, находящуюся в левой нижней части экранной формы (рис.4). При этом последовательно автоматически исключается по одному признаку и модель переучивается.

  4. Внесите результаты исследований в отчет. Выделите наиболее и наименее значимые признаки. Результаты видны в окне экрана и находятся в файле FmaxA.txt. Файл имеет следующий вид :

Вклады признаков в целевую функцию идентификации (в точность модели):

dFmax 1 = -56

dFmax 2 = -18

dFmax 3 = -20

dFmax 4 = -22

dFmax 5 = -18

dFmax 6 = -14

dFmax 7 = -6

dFmax 8 = -8

dFmax 9 = -10

dFmax 10 = -10

dFmax 11 = 0

dFmax 12 = -4

dFmax 13 = -12

dFmax 14 = -4

dFmax 15 = -4

dFmax 16 = -2

dFmax 17 = +2

dFmax 18 = 0

dFmax 19 = 0

dFmax 20 = 0

5. Запишите время вычислений и характеристику используемого компьютера. Время вычислений может составить от 20 мин до 5 часов. Пример вывода: наиболее значимы для точности ЛВ-модели кредитного риска признаки 1,2,3,4,5; нулевой вклад в точность вносят признаки 11, 18, 19, 20.


Лабораторная работа № 5 Анализ кредитной деятельности банка



Цель работы: выполнить анализ кредитной деятельности банка на ЛВ-модели кредитного риска, построенной (обученной) по статистике (множеству кредитов банка):

Задачи, решаемые в работе: анализ кредитной деятельности банка:

  1. Определение вкладов признаков (параметров), описывающих кредит, в средний кредитный риск банка;

  2. Определение вкладов градаций признаков кредитов в средний кредитный риск банка;

  3. Определение вкладов признаков (параметров), описывающих кредит, в точность распознавания хороших и плохих кредитов;

  4. Определение вкладов градаций признаков кредитов в точность распознавания хороших и плохих кредитов.

Подзадачи 1, 2, 4 выполняются на рабочей версии программного продукта. В лабораторной работе с использованием Демо-версии решается подзадача 3.

Технология работы

В соответствии со стандартом работы в учебном классе все Лабораторные работы на Демо-версии ПК «ЛВ-оценка и анализ кредитных рисков» начинаются с копирования папки “credit_risk” с диска M:\Teach\Solojencev\credit_risk на диск «Мой компьютер». После окончания лабораторной работы, студент переписывает файлы с результатами из папки “credit_risk” в свою папку на своем студенческом рабочем диске.

  1. Лабораторная работа выполняется после однократного выполнения работы 2 с заданными (преподавателем) индивидуально каждому студенту значениями параметров: Nopt – число оптимизаций, Nmc – число попыток Монте-Карло на шаге оптимизации, Ngc – расчетное число хороших кредитов. Задание фиксируется в журнале преподавателя.

  2. Выполнить анализ результатов в файле fFmaxLast.tx , приведенном на рис. 6:

Средние значения вероятностей для признаков описания кредитов:

Pjm[1] = 0.020293 P1jm[1] = 0.274190

Pjm[2] = 0.012180 P1jm[2] = 0.061007

Pjm[3] = 0.009075 P1jm[3] = 0.103294

Pjm[4] = 0.021151 P1jm[4] = 0.090019

Pjm[5] = 0.017402 P1jm[5] = 0.080651

Pjm[6] = 0.022386 P1jm[6] = 0.276516

Pjm[7] = 0.018549 P1jm[7] = 0.208358

Pjm[8] = 0.017788 P1jm[8] = 0.267971

Pjm[9] = 0.014318 P1jm[9] = 0.184397

Pjm[10] = 0.018399 P1jm[10] = 0.321659

Pjm[11] = 0.018874 P1jm[11] = 0.254490

Pjm[12] = 0.017096 P1jm[12] = 0.246005

Pjm[13] = 0.018820 P1jm[13] = 0.205216

Pjm[14] = 0.014800 P1jm[14] = 0.228591

Pjm[15] = 0.017578 P1jm[15] = 0.262706

Pjm[16] = 0.022042 P1jm[16] = 0.339911

Pjm[17] = 0.018632 P1jm[17] = 0.228849

Pjm[18] = 0.017428 P1jm[18] = 0.479042

Pjm[19] = 0.018133 P1jm[19] = 0.507708

Pjm[20] = 0.018366 P1jm[20] = 0.774331

3. Выполнить анализ результатов, находящихся в файле fFmaxLast.tx и приведенных на рис.7:

На рис. 7 приведены вероятности P1r ( P[1], P[2], P[3], P[4] ) и P11r ( P1 [1], P11[2], P1 [3], P1 [4] ) в ГНС только для градаций первого признака (j=1). Идентификаторы имеют обозначения, совпадающие с написанием в Software. а также ошибки распознавания E1 градаций для хороших (g), плохих (b) кредитов и в среднем (m).

Вероятности и ошибки распознавания событий-градаций (для признака j=1):

P[1] = 0.034313; P1 [1] = 0.463907

P[2] = 0.032726; P1 [2] = 0.442442

P[3] = 0.001937; P1 [3] = 0.026188

P[4] = 0.004990; P1 [4] = 0.067464

E[1]g=0.025000 E1[1]b=0.314433 E1[1]m=0.229927

E[2]g=0.077586 E1[2]b=0.372549 E1[2]m=0.245353

E[3]g=0.160714 E1[3]b=0.285714 E1[3]m=0.174603

E[4]g=0.069832 E1[4]b=0.416667 E1[4]m=0.101523

4. Сделайте выводы для всех признаков о том, вероятность какого события-градации максимальна/минимальна и каков ее вклад в точность модели. Сформулируйте рекомендации банку по изменению числа признаков и градаций в каждом признаке.

Общие требования к оформлению отчетов



Отчет о выполненной лабораторной работе должен содержать титульный лист, формулировку задания, исходные данные для работы, пояснения к выполняемым в работе процедурам, а также четко сформулированные и обоснованные выводы. Отчет может выполняться в печатной форме. Листы отчета должны иметь нумерацию (на титульном листе номер не ставится) и быть скреплены. Пример титульного листа - в Приложении 1. С актуальным на текущий учебный год вариантом титульного листа можно ознакомиться на http://standarts.guap.ru.

Литература





  1. Соложенцев Е. Д. Сценарное логико-вероятностное управление риском в бизнесе и технике. 2-е издание, СПб.: Бизнес-пресса, 2006, 560 с.

  2. htpp:// www.inorisklab.com

  3. Solojentsev E. D. Scenario Logic and Probabilistic Management of Risk in Business and Engineering. Springer: 2004.-391 p.

  4. Соложенцев Е.Д., Карасев В.В. Логико-вероятностные модели риска в бизнесе с группами несовместных событий. Экономика и математические методы, 2003. №1.

  5. Соложенцев Е. Д., Степанова Н. В., Карасев В. В. Прозрачность методик оценки кредитных рисков и рейтингов. СПб.: Изд-во С.-Петербургского ун-та, 2005, 196 с.

  6. Степанова Н. В., Соложенцев Е. Д., Рыбаков А. В. Логико-вероятностная модель оценки кредитного риска физических лиц в коммерческом банке. Управление финансовыми рисками, 2005, № 4.



Приложение 1. Пример титульного листа отчета о выполнении лабораторной работы.



ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ОБРАЗОВАНИЮ
Государственное образовательное учреждение высшего профессионального образования
Санкт-Петербургский Государственный университет

аэрокосмического приборостроения


Факультет 8 Специальность 351400 Кафедра 82

ОТЧЕТ

по лабораторной работе
Раздел 2: Логико-вероятностная теория кредитных рисков

Лабораторная работа 1.
Оценка и анализ риска кредита

Дисциплина

Исследование рисков


Работу выполнил(а)

студент(ка) группы №_____



_________________________

подпись, дата



_________________________

инициалы, фамилия


Работу принял

_________________________

должность, уч. степень, звание


_________________________

подпись, дата



_________________________

инициалы, фамилия



Санкт-Петербург,

2007

Учебный материал
© bib.convdocs.org
При копировании укажите ссылку.
обратиться к администрации