Банки используют PD-модели для прогнозирования вероятности дефолта заемщиков. Существуют Application-PD модели, оценивающие риск при подаче заявки на кредит, и Behavioral-PD модели, отслеживающие поведение текущих заемщиков. Дефолтом считается просрочка платежа на 90 дней и более.
Application-PD модели анализируют данные, указанные в заявке, включая демографические данные, уровень дохода, кредитную историю. Эти модели помогают банку принимать решение о выдаче кредита. Behavioral-PD модели анализируют поведение заемщика после выдачи кредита. Они учитывают регулярность платежей и изменение долговой нагрузки для прогнозирования риска дефолта.
Для построения PD-модели требуется разделение кредитов на два класса: дефолтные и не дефолтные в течение заданного периода, обычно 12 месяцев. Основной задачей является как качественное ранжирование заемщиков по уровню риска, так и калибровка вероятностей, чтобы прогноз соответствовал реальной частоте дефолтов.
Для улучшения точности применяют подход с использованием двух моделей: «стационарной», обеспечивающей общее ранжирование на основе исторических данных, и «калибровочной», корректирующей вероятности с учетом свежих данных о дефолтах. Банки также сегментируют кредитные портфели для создания более точных моделей, учитывающих специфику различных типов кредитов и клиентов.
Изображение носит иллюстративный характер
Application-PD модели анализируют данные, указанные в заявке, включая демографические данные, уровень дохода, кредитную историю. Эти модели помогают банку принимать решение о выдаче кредита. Behavioral-PD модели анализируют поведение заемщика после выдачи кредита. Они учитывают регулярность платежей и изменение долговой нагрузки для прогнозирования риска дефолта.
Для построения PD-модели требуется разделение кредитов на два класса: дефолтные и не дефолтные в течение заданного периода, обычно 12 месяцев. Основной задачей является как качественное ранжирование заемщиков по уровню риска, так и калибровка вероятностей, чтобы прогноз соответствовал реальной частоте дефолтов.
Для улучшения точности применяют подход с использованием двух моделей: «стационарной», обеспечивающей общее ранжирование на основе исторических данных, и «калибровочной», корректирующей вероятности с учетом свежих данных о дефолтах. Банки также сегментируют кредитные портфели для создания более точных моделей, учитывающих специфику различных типов кредитов и клиентов.
