Documente Academic
Documente Profesional
Documente Cultură
nerambursare
Funcție Sigmoidă
− xi,
1+ e
Noțiuni statistice fundamentale:
https://www.youtube.com/watch?v=zAULhNrnuL4&list=PLIeGtxpvyG-JmBQ9XoFD4rs-b3hkcX7Uu
https://www.youtube.com/watch?v=ckkiG-SDuV8&list=PLIeGtxpvyG-JmBQ9XoFD4rs-b3hkcX7Uu&index=2
https://www.youtube.com/watch?v=NmjT1_nClzg&list=PLIeGtxpvyG-JmBQ9XoFD4rs-b3hkcX7Uu&index=3
https://www.youtube.com/watch?v=gcr3qy0SdGQ&list=PLIeGtxpvyG-JmBQ9XoFD4rs-b3hkcX7Uu&index=4
https://www.youtube.com/watch?v=Rj3pVkjAwY0&list=PLIeGtxpvyG-JmBQ9XoFD4rs-b3hkcX7Uu&index=5
https://www.youtube.com/watch?v=scVUuaLmb9o&list=PLIeGtxpvyG-JmBQ9XoFD4rs-b3hkcX7Uu&index=6
Avantaje:
o Permite analiza setului de date şi în condiţiile unor mulţimi
inegale între situaţiile de default şi situaţiile de rambursare
o Facilitează includerea unor variabile calitative în analiză (precum
tipul creditului şi situaţia juridică), însă numai după codificarea
prealabilă a acestora
Modelul Merton
Estimează riscul de nerambursare pe baza probabilității ca valoarea
economicǎ a activului să scadă sub cea a datoriilor → riscul de credit este
o funcţie de structura financiară a firmei, valorificând informațiile de
piață privind nivelul și volatilitatea prețului bursier al acțiunilor firmei
o Capitalul propriu (S) este considerat echivalent cu o opţiune call pe activul firmei
(V), cu preţul de exerciţiu egal cu valoarea nominală a datoriei (F)
https://www.youtube.com/watch?v=pZtRU-t9194
Bilanț val. piață: 𝑆𝑡 + 𝑉𝐴𝑡 𝐹 = 𝑉𝑡
Merton (1974) 𝑆 = 𝑉 × 𝑁 𝑑1 − 𝐹 × 𝑒 −𝑟×𝑇 × 𝑁(𝑑2 )
Predictie:
Predictie:
6 Rambursare
NERAMBURSARE
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Eroarea de tip I: Cazurile în care am Eroarea de tip II: Cazurile în care am prezis
prezis incorect „RAMBURSARE” incorect „NERAMBURSARE” (debitor bunplatnic
(Nerambursare neindicată de model → clasificat incorect de model ca răuplatnic →
prob./scor ≤ 0,4, dar default) prob./scor ≥ 0,4, dar rambursare)
Ramb. Neramb
R Corect Incorect False Positive (FP): Cazurile în care am prezis
(True negative) → er. tip I
(False negative)
incorect „NERAMBURSARE”
Ramb. Neramb
(debitor bun-platnic clasificat incorect de
D Incorect→ Corect model ca rău-platnic → eroare de tip II)
(er. tip II) (True positive)
False Negative (FN): Cazurile în care am prezis
(False positive)
incorect „RAMBURSARE”
D Default (nerambursare) (Nerambursare neindicată de model → eroare
de tip I)
Analiza univariată
Criterii •Dezvoltarea catalogului de indicatori Criterii •Elaborarea setului de variabile
cantitative •Analiza respectării ipotezelor modelului calitative •Codificarea variabilelor calitative
•Analiza univariată a puterii de •Verificarea respectării ipotezelor
discriminare economice privind influenţa asupra
•Transformarea indicatorilor nerambursării
•Identificarea corelaţiilor • Tratamentul valorilor lipsă
Analiza multivariată
Dezvoltarea funcţiei scoring cu informaţii Dezvoltarea score-cardului cu informaţii
cantitative calitative
Sursa: adaptare după „Guidelines on Credit Risk Management – Rating Models and Validation”
Indicatori de avertizare timpurie a
evenimentelor de nerambursare a creditelor
Criterii de evaluare a capacității de rambursare în cazul firmelor
o Micro
❑Financiare (indicatori de profitabilitate, lichiditate, solvabilitate)
❑Nefinanciare (structura juridică, vechimea afacerii, guvernanța
corporativă)
❑Comportament în raport cu creditorii (istoricul rambursării
creditelor anterioare, mixul de facilități utilizate)
❑Amprenta digitală (calitate feedback – review-uri, comportament
online etc.)
o Macro
❑Evoluția sectorului de activitate și dinamica relativă a operațiunilor
solicitantului față de competitori
❑Reziliența la șocuri macroeconomice, precum modificări ample ale
cursului de schimb sau ratei dobânzii
Indicatori financiari folosiţi în evaluarea
probabilităţii de nerambursare a creditelor firmelor
Influenta asupra
Nume Formula nerambursarii
Profitabilitate
Rata profitului net Profit net / Cifra de afaceri -
Rentabilitatea economică (EBIT-impozit) /Activ Total -
Solvabilitate
Rata de solvabilitate Datorii totale / Capital propriu +
Gradul de îndatorare financiară Datorii la bănci/Capital propriu +
Lichiditate
Lichiditatea generală Active circulante / Datorii pe termen scurt -
Lichiditatea curentă (Active circulante-Stocuri) / Datorii pe termen scurt -
Lichiditatea imediată Casa/ Datorii pe termen scurt -
Managementul bilanţului
Termenul mediu de încasare a creantelor Creanţe / Cifra de afaceri x 360 +
Rata stocurilor Stocuri / Activ total +/-
Indicatorul de acoperire a cheltuielilor cu -
EBIT / Cheltuieli cu dobânzile
dobânzile
Rate de creştere
Ritmul de creştere a profitului Profit net curent / Profit net precedent -
Ritmul de creştere a cifrei de afaceri Cifra de afaceri curentă / Cifra de afaceri +/-
precedentă
Ritmul de creştere a activului total Activ total curent / Activ total precedent -
Dezvoltări recente în contextul revoluției digitale
Extinderea gamei de date și informații prelucrate cu elemente
ale amprentei digitale → de la sute de variabile la mii de
criterii
variabile comportamentale pentru mediul online și indicatori de
rețea, care par mai puțin volatile decât informațiile din bilanț
(date de social-media + platforme tehnologice);
informații de piață și date despre tranzacții în timp real de pe
platformele comerț electronic, care aproximează bine situația
financiară curentă comparativ cu datele disponibile în raportările
financiare obișnuite
Valorificarea tehnologiilor de analiză automatizată, precum
machine learning, inteligență artificială etc.
metodele de învățare automatizată pot capta mai bine relațiile
neliniare dintre variabile candidate și manifestarea nerambursării
decât modelele tradiționale, care sunt, în general, liniare
Performanță așteptată superioară în identificarea debitorilor
cu risc, în condiții de alarme false reduse
Filtrarea univariată a variabilelor candidate
1) Gradul de suprapunere dintre funcţiile de densitate probabilistică
aferente celor două mulțimi de observaţii (rambursare, respectiv
nerambursare) → cât mai redus
2) Indicatorul de cuprins al curbei ROC → cât mai apropiat de
valoarea unitară; peste 0,6 este rezonabil
3) Probabilitatea de nerambursare pe centile/decile → formă
exponențială a scalei de risc (sau dublare a probabilității de la o
subclasă la alta)
4) Ponderile de evidență statistică (weights of evidence) → relație
monotonă pe subclase de risc, relativ liniară, cu pantă cât mai mare
%rambursare
𝑊𝑜𝐸𝑖 = ln %nerambursare𝑖 𝑖
Predictie:
Predictie:
6 Rambursare
NERAMBURSARE
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
AUROC = 76.52%
Expresia grafică a relaţiei dintre
0.8 procentul debitorilor răuplatnici
corect identificaţi de
Model
0.6
perfect
indicatorul/modelul considerat (eng.
Sistem „Hit Rate”) şi rata alarmei false (eng.
0.4 de rating „false alarm rate”)
Model Concavitatea curbei ROC pune în
0.2 aleator evidenţă faptul că variabilele alese
au o putere de discriminare suficient
de mare, astfel încât
0
0 0.2 0.4 0.6 0.8 1 indicatorul/modelul să realizeze o
Rata alarmei false (FAR)
bună ordonare a debitorilor în
funcţie de probabilitatea acestora de
nerambursare
Probabilitatea de nerambursare pe centile/decile
Împărțirea pe subclase sau intervale valorice fixe a variabilei candidate
Calcularea ponderii numărului de debitori în stare de nerambursare la
nivelul fiecărei subclase → probabilitatea empirică de default la nivel de
subclasă
Gruparea subclaselor cu probabilități apropiate de default → dublare a
PD de la o subclasă la alta
0.4
0.35
37,7%
0.3
0.25
0.2
19,6%
0.15
0.1
7,6%
4,1%
0.05 1,9%
0,4% 0,9%
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Ponderile de evidență statistică (WoE)
Interval valoric Ramb Default Odds WoE Info PD
(zile) Value
1 2 3 4=2/3 5=LN(%2/%3) 7=3/(2+3)
<11.9 7636 40 190.9 0.94 0.12 0.5%
[11.9;41) 11422 92 124.2 0.51 0.06 0.8%
[41;53.8) 3798 40 95.0 0.24 0.01 1.0%
[53.8;71) 3787 51 74.3 0.00 0.00 1.3%
[71;98) 3777 61 61.9 -0.18 0.00 1.6%
[98,162) 3738 100 37.4 -0.69 0.07 2.6%
>162 3713 125 29.7 -0.92 0.14 3.3%
Total 37871 509 74.4 0.39 1.3%
Predictor puternic (IV:0,3-0,5)
Interval Ramb Default Odds WoE Info PD
valoric Value
(zile)
1 2 3 4=2/3 5=LN(%2/%3) 7=3/(2+3)
<0.44 3811 26 146.58 0.68 0.03 0.7%
[0.44;0.58) 3808 29 131.31 0.57 0.02 0.8%
[0.58;0.76) 7611 63 120.81 0.49 0.04 0.8%
[0.76;0.82) 3803 34 111.85 0.41 0.01 0.9%
[0.82;0.88) 3789 47 80.62 0.08 0.00 1.2%
[0.88;0.93) 3781 56 67.52 -0.10 0.00 1.5%
[0.93,0.97) 3777 60 62.95 -0.17 0.00 1.6%
[0.97,1.03) 3762 76 49.50 -0.41 0.02 2.0%
>1.03 3718 118 31.51 -0.86 0.11 3.1%
Totals 37860 509 74.38114 0.249361 1.3%
Predictor mediu (IV:0,2-0,3)
Puterea explicativă la nivel univariat
Estimare regresie logistică cu câte o variabilă explicativă
Variabilă Coeficient Std. Error z-Statistic Prob. R2 McFadden
(valorile efective
ale indicatorilor)
(valori transformate
pe subintervale în
baza PD relativ)
Max 50%
Nerambursare 20 10 5 1 1
Model logit 2
Testarea față de un sistem referențial
Benchmarking → metodă utilizată mai ales atunci când
eşantionul debitorilor evaluaţi prin modelul scoring este
caracterizat de seturi cu observaţii numeroase de entităţi, însă
reduse ca acoperire în timp
Gradul de similitudine în evaluarea riscului este exprimat de
indicele de discordanță
Etape ale procesului de benchmarking
o Maparea celor două scale de notare pe o scală comună generală
(masterscale)
o Identificarea eşantionului comun
o Construirea tabelului de corespondenţă
o Analizarea diferenţelor de clase de risc
Testarea față de un sistem referențial (2)
Etapa 1 Integrarea a două scale de notare
Logit 2
NN1
Etapa 2 Selectarea eșantionului comun
Etapa 3 Crearea tabelului de corespondență
C1 C2 C3 C4 C5 C6
(ABC 1) (ABC 2) (ABC 3) (ABC 4) (ABC 5) (ABC 6) Sub-total
C1 (R1) 686 775 95 12 20 11 1,599
100%
C2 (R2+R3) 1,334 8,714 3,982 1,275 319 95 15,719
C3 (R4) 136 1,715 1,868 1,751 484 85 6,039 80%