Formation modélisation du risque de crédit bancaire

Leçon 1 • Nature et sources du risque de crédit

Définit le risque de crédit et le distingue du risque de marché et du risque opérationnel. Relie la taxonomie des risques à la structure du bilan bancaire.

Leçon 2 • Indicateurs clés du risque de crédit et terminologie

Présente la probabilité de défaut, la perte en cas de défaut et l'exposition en cas de défaut. Fournit le vocabulaire quantitatif utilisé tout au long du cours.

Leçon 3 • Infrastructure de données pour le risque de crédit

Identifie les types et sources de données nécessaires à la modélisation du risque de crédit. Prépare les étudiants à évaluer la qualité des données avant le développement du modèle.

Leçon 4 • Cadre réglementaire pour le risque de crédit

Passe en revue les normes d'adéquation des fonds propres et les attentes prudentielles concernant le risque de crédit. Ancre le travail de modélisation dans les exigences de conformité et de gouvernance.

Leçon 1 • Sélection de variables et ingénierie des caractéristiques

Enseigne les méthodes de sélection des variables prédictives et de transformation des données brutes. Soutient directement le développement de tableaux de bord et de modèles de PD.

Leçon 2 • Indicateurs de performance des modèles

Présente les mesures de discrimination et de calibrage pour les modèles de crédit. Fournit des outils pour évaluer la qualité du modèle avant le déploiement.

Leçon 3 • Échantillonnage, biais et préparation des données

Aborde la conception de l'échantillonnage et les biais courants dans les données de crédit. Garantit que les modèles sont entraînés sur des données représentatives et non biaisées.

Leçon 4 • Probabilités et distributions dans le contexte du crédit

Passe en revue la théorie des probabilités et les distributions clés pertinentes pour la modélisation du défaut. Ancre le raisonnement statistique dans les applications du risque de crédit.

Leçon 1 • Calibrage de la PD et taux de défaut moyen à long terme

Enseigne les techniques pour aligner la sortie du modèle sur les taux de défaut observés. Garantit que les estimations de PD sont non biaisées et conformes à la réglementation.

Leçon 2 • Validation des modèles de PD

Applique des tests de validation quantitatifs et qualitatifs aux modèles de PD. Prépare les étudiants à mener ou à répondre aux examens de validation de modèles.

Leçon 3 • PD à travers le cycle vs. PD instantanée

Distingue les estimations de PD cycliques et actuelles et leurs utilisations. Relie la philosophie de la PD au calcul du capital et aux provisions.

Leçon 4 • Systèmes de notation internes pour les emprunteurs d'entreprise

Couvre les modèles de notation statistiques et fondés sur le jugement d'expert pour le crédit d'entreprise. Relie les niveaux de notation aux fourchettes de PD et aux exigences réglementaires.

Leçon 1 • Modèles statistiques pour la LGD

Applique des modèles de régression et de réponse fractionnaire pour prédire la LGD. Aborde la nature bornée de la LGD en tant que proportion comprise entre zéro et un.

Leçon 2 • Concepts et facteurs de la LGD

Définit la LGD et identifie les facteurs liés à la garantie, à l'ancienneté et au processus de recouvrement. Développe l'intuition des raisons pour lesquelles la LGD varie selon les produits et les emprunteurs.

Leçon 3 • Estimation de la LGD en recouvrement

Calcule la LGD à partir des flux de trésorerie de recouvrement historiques en utilisant l'actualisation. Relie les données de recouvrement aux entrées du modèle pour les approches basées sur les notations internes.

Leçon 4 • Validation et benchmarking des modèles de LGD

Teste la précision du modèle de LGD à l'aide de méthodes de backtesting et de benchmarking. Garantit que les estimations de LGD sont fiables pour une utilisation dans le capital et les provisions.

Leçon 1 • Estimation du facteur de conversion de crédit

Modélise la proportion des engagements non utilisés tirés avant le défaut. Relie l'estimation du CCF aux calculs réglementaires et internes de l'EAD.

Leçon 2 • Validation de l'EAD et tests de résistance

Valide les modèles d'EAD par le backtesting et l'analyse de scénarios. Relie la précision de l'EAD à des calculs fiables de perte attendue et de capital.

Leçon 3 • Approches statistiques de la modélisation de l'EAD

Applique des méthodes de régression et d'apprentissage automatique pour prédire l'EAD. Aborde les défis distributionnels spécifiques aux données de taux d'utilisation.

Leçon 1 • Modèles de portefeuille structurels et de forme réduite

Couvre le modèle à un seul facteur de Vasicek et ses extensions pour le risque de crédit de portefeuille. Relie les modèles structurels aux formules de capital réglementaire.

Leçon 2 • Risque de concentration et optimisation de portefeuille

Mesure la concentration sur un seul nom et sur un secteur et son effet sur le capital. Applique l'optimisation pour améliorer l'efficacité risque-rendement du portefeuille.

Leçon 3 • Simulation de Monte Carlo pour les portefeuilles de crédit

Met en œuvre une estimation de la distribution des pertes par simulation pour les portefeuilles complexes. Permet le calcul du capital lorsque les solutions analytiques ne sont pas disponibles.

Leçon 4 • Capital économique et contribution au risque

Calcule le capital économique au niveau du portefeuille et de l'obligataire en utilisant la VaR et la CVaR. Soutient la mesure de la performance ajustée au risque et la tarification.

Leçon 1 • Projection des pertes et impact sur le capital

Projette les pertes de crédit dans des scénarios de stress et évalue l'adéquation des fonds propres. Produit des résultats utilisés dans les soumissions réglementaires et les rapports au conseil d'administration.

Leçon 2 • Tests de résistance inversés

Identifie les scénarios qui entraîneraient la faillite de la banque ou le dépassement des seuils de capital. Renforce l'identification des risques en raisonnant à partir de résultats défavorables.

Leçon 3 • Conception de scénarios macroéconomiques

Construit des scénarios macroéconomiques de référence, défavorables et gravement défavorables. Relie les variables macro aux facteurs de risque de crédit par le biais de modèles satellites.

Leçon 4 • Cadre de test de résistance et gouvernance

Établit l'objectif, la gouvernance et les principes de conception des tests de résistance de crédit. Relie les tests de résistance à la planification du capital et à l'appétit pour le risque.

Leçon 1 • Informations prospectives et ajustements macroéconomiques

Incorpore les prévisions économiques dans les estimations d'ECL en utilisant la pondération des scénarios. Aborde le jugement requis dans les ajustements prospectifs.

Leçon 2 • Construction de la courbe de PD à vie

Construit des modèles de PD à structure par terme pour l'estimation des pertes sur plusieurs périodes. Relie l'analyse de survie et les méthodes de cohorte au calcul de l'ECL à vie.

Leçon 3 • Cadre ECL et logique de classement par stade

Explique le modèle de dépréciation en trois stades et les critères d'augmentation significative du risque de crédit. Ancre la modélisation ECL dans les exigences des normes comptables.

Leçon 4 • Validation du modèle ECL et préparation à l'audit

Valide les modèles ECL pour la précision, l'exhaustivité et l'auditabilité. Prépare les étudiants à soutenir les processus d'audit interne et de révision externe.