توسعه و اعتبارسنجی مدل زیان اعتباری مورد انتظار IFRS9

آنچه یاد خواهید گرفت:

• مراحل زیان اعتباری مورد انتظار (ECL) در IFRS9
• درک علم و منطق پشت توسعه مدل
• ساخت مدل‌های پیش‌بینانه با استفاده از برنامه‌نویسی R
• اعتبارسنجی مدل
• مقدمه‌ای بر مدل‌سازی PD و LGD و EAD
• اصول برنامه‌نویسی R برای مدل‌سازی ریسک اعتباری

پیش‌نیازهای دوره

• دانش پایه از برنامه‌نویسی R
• کامپیوتر با اتصال به اینترنت
• اشتیاق و علاقه به یادگیری مهارت جدید
• RStudio
• دانش پایه از مولفه‌های ریسک اعتباری
• آشنایی با الگوریتم‌های آماری پایه مثل رگرسیون لجستیک، رگرسیون بتا و توبیت
• آشنایی با الگوریتم‌های یادگیری ماشین مثل جنگل تصادفی

توضیحات دوره

این دوره شما را با مفهوم provisioning، پس‌زمینه IFRS9 و چارچوب محاسبات کاهش زیان‌های پیش‌بینی شده آشنا می‌کند. فرآیند تخصیص مراحل به طور جامع مورد بررسی قرار می‌گیرد و سپس به معرفی مفاهیم مدل‌های ورودی (مدل‌های PD و LGD و EAD) پرداخته می‌شود.

با وجود ماهیت غیرالزامی اصل حسابداری، شیوه متداول نشان می‌دهد که باید به چارچوب احتمالی عدم بازپرداخت (PD)، زیان ناشی از عدم بازپرداخت (LGD) و مواجهه در زمان عدم بازپرداخت (EAD) تکیه کرد. بانک‌ها ECL را به عنوان ارزش فعلی محصول این سه پارامتر روی افق یک ساله یا یک عمر، بسته به این که آیا افزایش قابل توجهی در ریسک اعتباری از زمان ایجاد تجربه شده باشد، برآورد می‌کنند. سه باکت اصلی: مرحله 1(ECL یک ساله)، مرحله 2 (ECL مادام‌العمر) و مرحله 3 (اعتبارهای معیوب) در نظر گرفته می‌شود.

مفاهیم احتمال عدم بازپرداخت در 12 ماه آینده (PD)، احتمال عدم بازپرداخت مادام‌العمر، عدم بازپرداخت حاشیه‌ای و مفاهیم مدل‌سازی و اعتبارسنجی LGD و EAD برای IFRS9 به صورت گام‌به‌گام از ابتدا با استفاده از برنامه‌نویسی R توضیح داده شده است.

این دوره همچنین توضیح می‌دهد که چگونه زیان‌های اعتباری مورد انتظار (ECL) بر سرمایه و نسبت‌های نظارتی تأثیر می‌گذارد. مفاهیم مدل‌سازی برای پورتفولیوی‌های با عدم بازپرداخت پایین و مدل‌سازی داده‌ کمیاب نیز پوشش داده شده است. برای مدل‌سازی، روش‌های مدل‌سازی عمومی خطی (GLMs) و یادگیری ماشین (ML) به صورت گام‌به‌گام از ابتدا توضیح داده شده‌اند.

این دوره برای چه کسانی مناسب است؟

• دانشجویان
• متخصصان تحلیل ریسک
• آماردانان
• افراد باتجربه در مدل‌سازی ریسک
• افرادی که می‌خواهند حرفه خود را به سمت مدل‌سازی ریسک شروع کرده یا به آن سوئیچ کنند.