Проект плана работ постоянно действующей группы № 1 (ПГ 1

Проект плана работ постоянно действующей группы № 1 (ПГ 1) при
Комитете по стандартам Базель II и управлению рисками при АРБ
Направление работы: Требования Базель 2 Компонента 1
Темы для обсуждения и разработки рекомендаций для банков-участников
№
пп
Общая тематика
Основные тезисы / Рассматриваемые вопросы
1. Общие вопросы
1.1
Общие вопросы
 Область применения Базель II
 Классификация требований кредитного характера (включая Параметры
выделения портфеля SME)
 Процедура согласования внутрибанковской методологии
классификации кредитных требований
 Выделение подклассов «специализированного кредитования»
корпоративного портфеля
 Пороговое значение оборотов и другие признаки отнесения
заемщика к портфелю SME (также в рамках риск-весовой
функции)
 IT архитектура
1.2
Стресс тестирование
 Подлежит рассмотрению в рамках ПГ 2
1.3
Секьюритизация
 Лучшие практики при оценке рисков по секьюритизированным
финансовым инструментам
1.4
2.1

Вопросы и лучшие
практики
стандартизированного
подхода
2. Банковская книга: модели оценки кредитного риска
PD модели,
Рейтинговые системы
(Разработка,
валидация,
использование)
Разработка PD моделей










Требования к сегментации для разработки PD моделей
Определение дефолта
 Формализация критериев вероятности непогашения
заемщиком задолженности (при отсутствии просрочки)
 Следует ли считать дефолтом перед конкретным банком
дефолт перед другими кредиторами (при отсутствии
просрочки перед данным банком)
Допустимые отступления от определения дефолта при разработке
PD моделей
Временные горизонты данных (Time Horizon)
Выборка: Размер выборки, количество дефолтов в выборке, Out-ofTime/Out-of-Sample и т.д.
Философия рейтингования "Момент Времени" или "По Циклу"
(PIT/TTC PD модели)
Данные, Формирование факторов риска: Источники данных,
Определение периода сбора данных, Структура рейтинговой
модели, Информация в данных, факторы риска (количественные,
качественные, поведенческие)
Требования к качеству данных и методы очистки данных
Однофакторный анализ: Трансформация переменных, разбиение на
интервалы (variable transformation, binning), Анализ однофакторной
дискриминационной способности
Многофакторный анализ: Критерии выбора переменных для







модели, Критерии выбора конечной модели
Логика учета факторов поддержки государства, Логика учета
факторов поддержки материнских компаний (групп)
 Принципы определения рейтинга группы (заполнение
качественных факторов и предупреждающих сигналов по
группе)
 Определение дефолта группы: Должен ли дефолтный
рейтинг одного из участников группы оказывать влияние
на других участников группы? Должен ли присваиваться
дефолтный рейтинг всем участникам данной группы
автоматически?
 Учет масштаба заемщика в рамках группы
 Механизм учета рейтинга группы при определении
рейтинга заемщика
 Механизм учета рейтинга органа государственной власти
при определении рейтинга заемщика
Калибровка
Перекалибровка на состояние экономического
цикла (PIT-TTC adjustment), Требования минимальной длины
исторических данных для расчета LRDF, Требование включения
кризисных периодов в расчет LRDF, Принципы консерватизма в
калибровке моделей - запасы надежности (Safety Margin),
Источники данных о долгосрочной средней частоте дефолтов,
Определение текущей фазы экономического цикла
Включение экспертных факторов в модель
PD модели для низкодефолтных портфелей и проектного
финасирования
Экспертные модели
РD модели разработанные внешними вендорами
Использование внешних рейтингов для разработки PD моделей
Валидация рейтинговых моделей







Данные для валидации -последний период/ вся историческая
совокупность, внешние/внутренние данные
Дискриминирующая способность (Discriminative Power):
Процедуры применяемые в зависимости от фактического уровня
AR модели.
Предсказательная способность (Predictive Ability): Учет
рейтинговой философии (PIT или TTC)
Сравнительный анализ (Benchmarking)
Стабильность модели по отношению к изменениям экономического
цикла и бизнес-практики (Stability)
Валидация принципа консерватизма в оценке PD (Conservatism of
PD estimates)
Качественная валидация (Qualitative Validation): Общие положения,
Качество данных, Методология разработки модели и структура
модели, Практика рейтинговых оценок и использование
рейтинговой модели в бизнес подразделениях (use test), Замечания
от бизнесс подразделений по функционированию рейтинговой
системы, Kачественные оценки в рейтинговом процессе, Анализ
отмен рейтинговых решений (Override Analysis)
Использование рейтинговых моделей



Имплементация в ИТ системах: Требования к документации ИТ
систем и процессу внесения изменений (change management),
Использование систем, разработанных сторонними
разработчиками/вендорами. Уровни SLA
Описание для пользователя: Необходимый перечень
(номенклатура), Уровень раскрытия информации о рейтинговой
модели/системы пользователю.
Включение контроля качества данных в процесс мониторинга









2.2
LGD модели
(разработка и
валидация)
модели.
Порядок и процедуры исправления обнаруженных ошибок.
Распределение ответственности по разработке, валидации и
использовании рейтинговых моделей
Использование отчетности клиента при расчете рейтинга
 Какой вид отчетности должен использоваться
(официальная, управленческая, скорректированная
сотрудниками банка)
 Уровень доверия к предоставляемой отчетности
 Учет обязательств заемщика перед другими участниками
группы (вычитание внутригрупповых займов)
Периодичность пересмотра присвоенных значений рейтингов
Корпоративные клиенты. Контроль за поступлением новой
информации и актуализация присвоенных значений рейтингов.
Определение максимального срока действия рейтинга,
максимального срока действия рейтинга в зависимости от
использованной для его построения отчетности. Порядок
ухудшения рейтинга при превышении максимального срока
действия.
Единственность рейтинга: может ли клиент иметь одновременно
два рейтинга – по оборотному финансированию и по проектному
финансированию (относящемуся к субпортфелю
«Специализированное кредитование»)
Процедуры агрегации рейтингов при наличии у заемщика
нескольких рейтингов
Использование PIT PD для вычисления EL и ценообразования (usetest). Критерии определения PIT PD. Минимальная необходимая
историческая глубина статистики.
Использование рейтинговой системы при принятии решения о
выдачи нового кредита (use-test), формирование процесса принятия
решения в зависимости от результатов рейтинговой модели:
Критерии подтверждения использование результатов рейтинговой
модели при принятии решения о выдаче нового кредита.
Необходимость документирования и хранения информации о
рейтинге в кредитной документации.
Использование рейтинговой системы во внутренних отчетах по
ожидаемым потерям. Встроенные процедуры контроля качества
конечных данных по рейтингу. Возможность применения значений
по умолчанию для расчета ожидаемых потерь по клиентам без
рейтинга.
Разработка










Требования к сегментации для разработки LGD моделей
Допустимые отступления от определения дефолта при разработке
LGD моделей
Временные горизонты данных (Time Horizon)
Выборка: Размер выборки, количество дефолтов в выборке, Out-ofTime/Out-of-Sample и т.д.
Данные, Формирование факторов риска: Источники данных,
Определение периода сбора данных, Структура модели,
Информация в данных, факторы риска
 Учет комплексного обеспечения по кредиту при расчете
LGD
 Учет неденежного погашения как результата возврата
задолженности
Требования к качеству данных и методы очистки данных
Включение экспертных факторов в модель
LGD модели для низкодефолтных портфелей и проектного
финасирования
Экспертные модели
LGD модели разработанные внешними вендорами

Надзорные значения LGD и их соответствие российской практике
(FIRB)
Валидация






Данные для валидации -последний период/ вся историческая
совокупность, внешние/внутренние данные
Дискриминирующая способность (Discriminative Power),
Предсказательная способность (Predictive Ability)
Сравнительный анализ (Benchmarking)
Стабильность модели по отношению к изменениям экономического
цикла и бизнес-практики (Stability)
Валидация принципа консерватизма в оценке
Качественная валидация (Qualitative Validation): Общие положения,
Качество данных, Методология разработки модели и структура
модели,
Использование рейтинговых моделей


2.3
EAD модели
(разработка и
валидация)
Имплементация в ИТ системах: Требования к документации ИТ
систем и процессу внесения изменений (change management),
Использование систем, разработанных сторонними
разработчиками/вендорами. Уровни SLA
Использование LGD для вычисления EL и ценообразования (usetest).
Разработка
 Требования к сегментации для разработки EAD моделей
 Допустимые отступления от определения дефолта при разработке EAD
моделей
 Временные горизонты данных (Time Horizon)
 Выборка: Размер выборки, количество дефолтов в выборке, Out-ofTime/Out-of-Sample и т.д.
 Данные, Формирование факторов риска: Источники данных,
Определение периода сбора данных, Структура модели, Информация в
данных, факторы риска
 Требования к качеству данных и методы очистки данных
 Включение экспертных факторов в модель
 EAD модели для низкодефолтных портфелей и проектного
финасирования
 Экспертные модели
 EAD модели разработанные внешними вендорами
Валидация
 Данные для валидации -последний период/ вся историческая
совокупность, внешние/внутренние данные
 Дискриминирующая способность (Discriminative Power),
Предсказательная способность (Predictive Ability)
 Сравнительный анализ (Benchmarking)
 Стабильность модели по отношению к изменениям экономического
цикла и бизнес-практики (Stability)
 Валидация принципа консерватизма в оценке
 Качественная валидация (Qualitative Validation): Общие положения,
Качество данных, Методология разработки модели и структура модели,
Использование рейтинговых моделей
 Имплементация в ИТ системах: Требования к документации ИТ систем и
процессу внесения изменений (change management), Использование
систем, разработанных сторонними разработчиками/вендорами. Уровни
SLA
 Использование EAD для вычисления EL и ценообразования (use-test).
2.4
Инвестиции
exposures)
(Equity
 Лучшая практика построения и применения SPEI моделей
 Методы консолидации и моделирование риска по вложениям в капитал
ассоциированных компаний
 VaR и PD, LGD модели для оценки кредитного риска по некотируемым
вложениям в ценные бумаги и вложениям в капитал
 Хеджирование кредитных рисков
Способы снижения
кредитного риска
(credit risk mitigation
tools)
2.6
Вопросы
оценки  Лучшая практика
кредитного риска по
правам требований
3. Торговая книга: рыночный и кредитный риски
2.5
3.1
Общие вопросы
внедрения Базель для
Торговой книги

 Определение области действия (scope) проекта в части рисков Торговой
книги: вопросы внедрения т.н. Базель 2.5 (stressed VaR, IRC и т.д.), а
также Базель 3 (CVA)
3.2
Моделирование
рыночного риска
 Вопросы управления рыночным риском
 Лучшая практика разработки моделей VaR рыночного риска (Компонент
1)
 Вопросы выбора риск-факторов для моделей, в т.ч. с учетом специфики
российского рынка ценных бумаг
 Требования и рекомендации регулятора к моделям расчета Specific Risk,
в т.ч. параметры проверки "goodness-of-fit". Лучшие практики. Вопросы
double counting с моделями IRC.
 Вопросы расчета рисков по малоликвидным, концентрированным
позициям. Вопросы определения параметров существенности позиций
для включения их в расчет капитала.
3.3
Оценка стоимости
позиций (prudent
valuation),
моделирование
кредитных рисков
позиций, а также
рисков контрагентов
по операциям с
ценными бумагами
 Лучшая практика оценки IRC под риск дефолта и миграции эмитентов
торговых позиций
 Лучшая практика оценки CVA
 Лучшая практика управления кредитным риском контрагента / эмитента
(EPE, PFPE-модели)
 Особенности моделирования рисков по деривативам:
 взаимозачет встречных операций,
 хеджирование,
 credit risk mitigation,
 эффект двойного дефолта.
4. Операционный риск
4.1
Операционный риск
 Разработка моделей продвинутого подхода (АМА):
 Relevant External data: методы масштабирования внешних данных
по операционным рискам на основе зарубежных баз данных (ORX,
GOLD, SAS и т.п); необходимость создания подобных баз данных в
России, например на базе АРБ
 Scenario analyses
 Business environment and internal control factors (BEICFs) :
методология формирования ключевых индикаторов риска (KRI) ;
ИТ-источники для расчета и контроля KRI
 Internal event : способы мотивации в процессе сбора внутренних
данных о потерях
 Вопросы управления операционным риском
 Разделение зон ответственности в части управления операционным
риском между Службами риск-менеджмента, комплаенс , СВК,
внутреннего аудита и т.п.
 Границы управления риском мошенничества в составе
операционного риска
 Границы управления правовым риском в составе операционного
риска
 Разработка методологии Стандартизированного подхода в части
управления операционным риском
 Рекомендации внедрения Продвинутого подхода в части управления
операционным риском
 Основные методы реализации АМА в России
Дополнительные темы, которые войдут в план работ по одной из постоянно
действующих групп Комитета по мере уточнения правил со стороны Базельского
комитета и формирования позиции Банка России по данным вопросам:
№
пп
1
Общая тематика
Основные тезисы / Рассматриваемые вопросы
Вопросы управления риском
ликвидности (Компонент 1, Базель 3)
 LCR: definitions of high quality assets, cash inflows and
outflows
 NSFR: definitions of available and required stable funding
 LSFR measures
2
Базель II и МСФО
 Ожидаемые потери в соответствии с Базель II и IFRS 9
 Раскрытие информации в отчетности – соотношение
требований Базель II и IFRS 9
3
Риск концентрации

4

5
