Пандемия COVID-19 затронула большинство стран мира, что привело к остановке экономической активности. МВФ уже предупредил, что эта пандемия приведет к худшей рецессии со времен Великой депрессии 1930-х годов, и ожидается, что в 2020 году мировой ВВП сократится на 3%. В настоящее время МВФ прогнозирует снижение темпов роста Индии в 21 финансовом году на 1,9%. с 5,8% по оценке в январе (источник: https://www.imf.org/en/Countries/IND).
Теперь, когда COVID-19 является разовым мероприятием, группы по управлению рисками банка, финтех или любого стартапа по кредитованию переживают тяжелые времена. Предпринимаются не только коллективные усилия по снижению риска и принятию соответствующих мер, но также существует потребность в разработке стратегий и решений, которые необходимо реализовать, когда экономическая деятельность вернется в норму и банки снова начнут кредитовать.
Исходя из опыта работы с рисками и проработав в течение долгого времени над несколькими оценочными картами рисков, я хотел бы поделиться своим пониманием того, как оценочные карты кредитного риска изменятся во время COVID-19 и после COVID-19.
В статье рассматриваются 5 важных аспектов оценочной карты поведения, которые образуют столпы, лежащие в основе калибровки и разработки или даже мониторинга модели оценочной карты.
- Анализ процентной ставки. Поскольку многие центральные банки пострадавших стран оказали помощь существующим клиентам в виде трехмесячного моратория или того, что мы называем «платежными каникулами», процентные ставки, скорее всего, вырастут, и там вероятно будет уменьшена скорость отката назад. Платежный отпуск продолжительностью от 3 до 6 месяцев, наряду с экономическим стрессом, который банк неизбежно переживет, означает, что банкам необходимо будет быть более консервативными во время и после COVID19. Они использовали бы сегмент с более низкой просрочкой в качестве порогового значения по умолчанию в своих обычных оценочных листах.
Как видно из приведенной ниже таблицы, в скоростях отката вперед может наблюдаться увеличивающийся сдвиг с большим влиянием на рискованные сегменты, в то время как у скоростей отката назад сдвиг может уменьшаться.
Более того, рискованные клиенты из сегментов 30–60 и 60–90 могут получить выгоду от платежных каникул / моратория. Кроме того, будет переоценка риска для клиентов группы высокого риска, поскольку может наблюдаться некоторый свежий и большой приток из других групп, что является вероятностью того, что клиенты не будут платить после того, как истечет платежный отпуск. Это действительно может привести к завышению оценки реальных клиентов, которые принадлежат к этим скобкам.
Поскольку ни одна из моделей не сталкивалась с таким сценарием, как COVID19, цепь Маркова и умножение матрицы можно было бы использовать для экстраполяции скользящих ставок и управления ожиданиями ставок по умолчанию. Итак, если вы возьмете числа Roll rate для сценария Post-COVID, матрица перехода для следующего урожая будет следующей:
2. Анализ винтажей. Анализ винтажей полезен для сравнения рисков между ссудами, выданными с разных годов выпуска (моментальные снимки). Это также помогает отслеживать риски портфеля и находить оптимальное окно производительности для разработки системы показателей. Обычно мы берем урожаи ежеквартально и устанавливаем ставки по умолчанию за месяц при бронировании (MOB).
Во время COVID-19 или Post COVID-19 будет целесообразно выполнить анализ Vintage для просроченных счетов 30+ и 60+ дней. Намерение будет заключаться в том, чтобы выявить тенденции к преждевременной просрочки платежа из-за повсеместного экономического кризиса. С этим изменением также стоит посмотреть и изменить окно производительности карт показателей.
Это можно использовать для мониторинга и калибровки оценочных карточек
3. Альтернативные данные. Дело в том, что когда возникает невидимый сценарий и ваша модель не была обучена на аналогичных данных, это может привести к большему количеству инноваций в отношении того, какие другие функции могут быть разработаны. чтобы получить такое влияние. Здесь могут быть полезны некоторые альтернативные данные, относящиеся к структуре расходов / поведению клиентов во время и после блокировки.
Некоторые из переменных, которые могут быть использованы:
· Информация, относящаяся к заработной плате, дающая нам показатель потери дохода
· Изменение покупательского поведения клиентов до и после блокировки (средние расходы на развлечения, покупки в Интернете, продукты питания и т. Д.)
· Остатки на балансе заканчиваются
· Денежные переводы на другие счета
· Списание со счетов
· Ликвидация фиксированных или повторяющихся депозитов (FD / RD)
· Изменение местоположения до блокировки, чтобы помочь командам по сбору
Даже модель машинного обучения может быть запущена при использовании интеграции таких альтернативных данных для снижения риска не только во время COVID-19, но и после COVID-19. Вот некоторые из вариантов использования этих альтернативных данных:
· Если поведение клиента в отношении расходов остается прежним, пока его зарплата не начисляется, это может быть потенциальным риском для банка. Такие данные также могут помочь в стратегии сбора.
· Если баланс клиента заканчивается во время и после COVID-19, это снова потенциальный риск.
· Если клиент ликвидировал свои RD для оплаты в рассрочку, есть вероятность, что он / она продолжит платить в рассрочку
[Заявление об ограничении ответственности: данные такого рода могут быть предоставлены клиентам, позволяющим компаниям читать их данные SMS]
4. Кредитные баллы на основе вероятностей. В системе показателей мы получаем баллы риска банка на основе вероятности дефолта (PD), используя ключевые значения, как показано ниже.
Базовый балл: 600
Соотношение товаров к плохим: 50: 1
Очки на удвоение шансов (PDO): 20
После COVID-19 поведенческие оценки упадут у большинства клиентов (особенно для клиентов с высоким риском), и оценки также могут выровняться. Такое поведение наблюдается, поскольку плотность посередине может сместиться влево, что означает, что большее количество клиентов, имеющих средний балл, будет распределено между наименьшим баллом и средним баллом. Больший диапазон сделает его более разбросанным по левой стороне.
Это означает, что банкам необходимо будет быть более консервативными во всех своих стратегиях и решениях. На приведенном ниже графике я взял числа, чтобы продемонстрировать мое понимание распределения баллов в сообщениях COVID-19. Это ясно показывает, что баллы будут сдвигаться влево и сгладятся по мере того, как мы войдем в этот экономический кризис.
Кроме того, такие показатели, как базовый балл, соотношение товаров к плохим, pdo, должны быть перекалиброваны, чтобы карта показателей не предсказывала высокий балл для клиента с высоким риском. Как и очки для удвоения шансов (pdo), это то, что может быть увеличено для повторной калибровки оценок в соответствии с изменениями COVID-19. Кроме того, в качестве карты показателей будет наблюдаться уменьшение соотношения хороших и плохих результатов в разных сегментах, особенно в сегментах с высокими баллами.
5. Мониторинг. Мониторинг моделей будет важным упражнением и будет пользоваться большим спросом. Обычный цикл мониторинга, составляющий 60–90 дней, может быть изменен на 30 дней, чтобы снизить риск на ранней стадии. Это также поможет показать, как работает модель (новая или откалиброванная в соответствии с COVID-19) по сравнению с фактическими показателями по умолчанию.
· Верхние пределы показателей Red Amber Green (RAG) также могут быть изменены в соответствии с оценочной картой и могут быть сделаны более консервативными.
· Менеджер по рискам также может видеть, что ставки по умолчанию не ранжируются по всем диапазонам оценок и могут перекрываться.
· Могут быть добавлены сегменты, специфичные для анализа поведения COVID-19, для проверки вариабельности PSI и GINI.
Вывод. С учетом такого непредвиденного события и экономических потрясений, которые ждут вас впереди, калибровка, а также регулярный и тщательный мониторинг оценочных карточек будут иметь ключевое значение для снижения рисков кредитного риска. Таблицы показателей должны соответствовать реальности после COVID19, прогнозируя некоторые варианты использования. Кроме того, риск-менеджерам необходимо подумать о воздержании от агрессивных стратегических решений по кредитованию. Эти шаги становятся более актуальными, потому что мы все еще не знаем, когда все вернется в норму, когда экономическая активность снова нормализуется и когда люди начнут тратить, чтобы банки стали агрессивнее привлекать больше клиентов для получения кредитов.
Буду признателен за ваши мнения / комментарии / отзывы.
Вы также можете связаться со мной в моем профиле LinkedIn www.linkedin.com/in/akshayjhawar
Заявление об ограничении ответственности: Это мое личное мнение, которое не имеет ничего общего с каким-либо другим источником, и я не предлагаю никаких советов по конкретным решениям. Статья предназначена для информации и не может быть воспроизведена или распространена
