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 requis pour la modélisation du risque de crédit. Prépare les étudiants à évaluer la qualité des données avant le développement du modèle.

Leçon 4 • Cadre réglementaire du risque de crédit

Examine les normes d'adéquation des fonds propres et les attentes de contrôle en matière de 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 des méthodes pour sélectionner les variables prédictives et transformer les données brutes. Soutient directement le développement de tableaux de bord et de modèles de PD.

Leçon 2 • Mesures de performance des modèles

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

Leçon 3 • Échantillonnage, biais et préparation des données

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

Leçon 4 • Probabilité 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 • Calibration de la PD et taux de défaut moyen à long terme

Enseigne des 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 par rapport à la PD instantanée

Distingue les estimations de PD cycliques et actuelles et leurs utilisations. Relie la philosophie de la PD au calcul des fonds propres et à la provision.

Leçon 4 • Systèmes de notation interne pour les emprunteurs entreprises

Couvre les modèles de notation statistiques et basés sur le jugement d'expert pour le crédit aux entreprises. 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 entre zéro et un.

Leçon 2 • Concepts et déterminants de la LGD

Définit la LGD et identifie les déterminants 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 de recouvrement

Calcule la LGD à partir des flux de trésorerie de recouvrement historiques en utilisant l'actualisation. Relie les données de recouvrement aux intrants du modèle pour les approches de notation interne.

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 les fonds propres et la provision.

Leçon 1 • Estimation du facteur de conversion du crédit

Modélise la proportion des engagements non tirés qui sont 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 backtesting et analyse de scénarios. Relie la précision de l'EAD à des calculs fiables de perte attendue et de fonds propres.

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 monofactoriel de Vasicek et ses extensions pour le risque de crédit de portefeuille. Relie les modèles structurels aux formules de fonds propres réglementaires.

Leçon 2 • Risque de concentration et optimisation de portefeuille

Mesure la concentration sur un seul nom et par secteur ainsi que 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 l'estimation de la distribution des pertes basée sur la simulation pour les portefeuilles complexes. Permet le calcul du capital lorsque les solutions de forme fermée ne sont pas disponibles.

Leçon 4 • Capital économique et contribution au risque

Calcule le capital économique aux niveaux 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 inverses

Identifie les scénarios qui entraîneraient une faillite bancaire ou un dépassement des seuils de fonds propres. Renforce l'identification des risques en travaillant à rebours 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 déterminants du risque de crédit par le biais de modèles satellites.

Leçon 4 • Cadre et gouvernance des tests de résistance

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

Leçon 1 • Information prospective et ajustements macroéconomiques

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

Leçon 2 • Construction de la courbe de PD à vie

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

Leçon 3 • Cadre ECL et logique de déclassement

Explique le modèle de dépréciation en trois étapes 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 leur exactitude, leur exhaustivité et leur auditabilité. Prépare les étudiants à soutenir les processus d'audit interne et d'examen externe.