МЕТОДЫ КОЛИЧЕСТВЕННОЙ ОЦЕНКИ КРЕДИТНОГО РИСКА
Keywords:
кредитный риск, вероятность дефолта, LGD, EAD, скоринговые модели, регрессионный анализ, машинное обучение, банковские риски.Abstract
Исследование посвящено систематизации и углублённому анализу методов количественной оценки кредитного риска, применяемых в банковской практике и финансовом регулировании. Цель работы заключается в выявлении наиболее эффективных моделей измерения вероятности дефолта и оценки потенциальных потерь по кредитным портфелям. Использованы методы экономико-математического моделирования, статистического анализа и сравнительной оценки моделей на основе эмпирических данных банковского сектора. Полученные результаты демонстрируют различия в точности прогнозирования между классическими скоринговыми подходами и современными алгоритмами машинного обучения. Установлена зависимость качества оценки риска от структуры данных и уровня макроэкономической нестабильности. Практическая значимость исследования заключается в разработке рекомендаций по выбору моделей оценки кредитного риска в условиях волатильной экономики.
References
Altman E.I. Predicting Financial Distress of Companies: Revisiting the Z-Score Model. — 2000. — 25 p.
Basel Committee on Banking Supervision. International Convergence of Capital Measurement and Capital Standards. — 2017. — 347 p.
Thomas L.C., Edelman D.B., Crook J.N. Credit Scoring and Its Applications. — Oxford University Press, 2017. — 412 p.
Anderson R. The Credit Scoring Toolkit: Theory and Practice for Retail Credit Risk Management. — Oxford, 2007. — 224 p.
Siddiqi N. Credit Risk Scorecards: Developing and Implementing Intelligent Credit Scoring. — Wiley, 2012. — 208 p.
Crook J., Edelman D., Thomas L. Recent Developments in Consumer Credit Risk Assessment. — European Journal of Operational Research, 2018. — pp. 144–157.
Lessmann S., Baesens B. Benchmarking Classification Algorithms for Credit Scoring. — Decision Support Systems, 2015. — pp. 124–136.
McNeil A., Frey R., Embrechts P. Quantitative Risk Management: Concepts, Techniques and Tools. — Princeton University Press, 2015. — 698 p.
International Monetary Fund. Global Financial Stability Report. — 2024. — 142 p.
BCBS. Principles for Credit Risk Management. — 2020. — 85 p.
Baesens B. Analytics in a Big Data World: The Essential Guide to Data Science and its Applications. — Wiley, 2014. — 256 p.
Khandani A.E., Kim A.J., Lo A.W. Consumer Credit-Risk Models via Machine Learning Algorithms. — Journal of Banking & Finance, 2018. — pp. 1–19.





