Автор работы: Пользователь скрыл имя, 01 Ноября 2011 в 16:00, курсовая работа
Динамичное развитие финансового рынка, появление новых инструментов и институтов способствуют возникновению явных и скрытых угроз стабильности. Предупреждение кризисов непосредственно связано с выявлением рисков и управлением ими. Примером по внедрению в международную практику методов оценки рисков является Базельское соглашение о норме собственного капитала, в котором достаточность капитала определяется при помощи коэффициентов, учитывающих кредитный, рыночный и операционный риски.
Введение………………………………………………………………….3
1. Обзор моделей оценки кредитного риска…………………………...6
1.1 Подходы к оценке кредитного риска…………………………...6
1.2 Понятие качества и прозрачности методик…………………….7
1.3 Характеристики физического лица. Структура данных………10
2. Статистические и экономические методы оценки риска…………..11
2.1 Скоринговые методики………………………………………….11
2.2 Кластерный анализ………………………………………………12
2.3 Дискриминантный анализ……………………………………….15
2.4 Дерево классификаций…………………………………………..18
2.5 Нейронные сети…………………………………………………..19
2.6 Технология Data mining………………………………………….20
2.7 Линейная вероятностная регрессионная модель……………….20
2.8 Логистическая регрессия………………………………………...24
3. Признаки устойчивости банка……………………………………….27
Заключение………………………………………………………………33
Список литературы……………………………………………………...36
У
России есть свои особенности, связанные
с нестабильностью экономики страны
в целом, «перекосом» в развитии отраслей
и межотраслевых связей, большой долей
теневых доходов и др., что сказывается
на параметрах отдельных потенциальных
заемщиков. Например, одним из самых значимых
показателей западных скоринговых систем
является возраст потенциального заемщика
(для Великобритании, Франции и Германии):
чем старше человек, тем его оценка выше
(он трактуется как надежный заемщик).
Очевидна логика работы такой системы
на Западе — проработавший всю жизнь человек
успел накопить как средства, так и кредитную
историю. У нас с очевидностью эта логика
будет инвертированной: чем старше заемщик,
тем его оценка (кредитоспособность) ниже.
Поэтому нельзя просто перенести модель
из одной страны в другую, из одной кредитной
организации в другую. Не может быть создано
единого алгоритма, работающего для всех
стран одинаково хорошо. Более того, для
различных регионов РФ, в силу различия
наших регионов по условиям социально-экономического
развития, система оценки риска будет
различаться от региона к региону. Каждая
конкретная модель должна соответствовать
определенной стране, ее экономическим
и финансовым условиям, традициям и устоям
отдельных территорий, данной кредитной
организации.
Список литературы
1. Бююль А., Цефель П. SPSS: искусство обработки информации. Анализ статистических данных и восстановление скрытых закономерностей: Пер. с нем. – СПб.: ООО «ДиаСофтЮП», 2001. – 608 с.
2. Дубров А. М., Мхитарян В. С., Трошин Л. И. Многомерные статистические методы: Учебник. – М.: Финансы и статистика, 2000. – 352 с.
3. Рябинин И. А. Надежность и безопасность структурно-сложных систем. СПб.: Политехника, 2000.
4. Соложенцев Е. Д. Сценарное логико-вероятностное управление риском в бизнесе и технике. СПб.: «Бизнес-пресса», 2006.
5. Соложенцев Е. Д. , Степанова Н. В. , Карасев В. В. Прозрачность методик оценки кредитных рисков и рейтингов. СПб.: Изд-во С.-Петербургского ун-та, 2005.