https://www.reglament.net/bank/r/
В управлении кредитным риском с применением статистических моделей важным предварительным шагом является нарезка портфеля на группы, достаточно однородные по профилю кредитного риска рассматриваемых объектов (заемщиков, ссуд). Состав и правила формирования таких групп могут существенно различаться
исходя из цели и типа модели. Для моделей поддержки принятия решений
[1]
(ППР) такие группы обычно основаны на продуктовом принципе, чаще всего требуемом для бизнеса: потребительские кредиты, ипотечные кредиты, кредитные карты и т.д.
Если на вход в такую модель попадает особый
объект (например, с нетипичным профилем кредитного риска), то есть возможность вмешаться и направить его в обход модели (например, на рассмотрение андеррайтера) либо скорректировать полученное по ней решение.
Значительно сложнее, когда нужно не просто получить бинарный ответ, а получить максимально точную количественную оценку непрерывной целевой переменной, причем по всем оцениваемым объектам. В разрезе кредитного риска такими моделями оценки могут быть модели
МСФО [2],
модели ПВР [3],
модели ПДН [4],
модели LTV [5]
и другие. Для них задание эффективных критериев группировки особенно важно. Подходы к ее выполнению в настоящее время наиболее востребованы в отношении моделей ПВР, постепенно распространяясь на прочие модели. Поэтому необходима их универсализация и систематизация.
Эти общие подходы описаны в документе
EBA [6]
«Guidelines on PD estimation, LGD estimation and the treatment of defaulted exposures,
EBA/GL/2017/16», а позже детально пояснены в рабочем документе
ECB [7]
«Instructions for reporting the validation results of internal models.
IRB Pillar I models for credit risk, February 2019». К сожалению, в основополагающих документах БКБН и в нормативных актах Банка
России эти вопросы раскрыты крайне слабо, скорее лишь слегка обозначены. В частности,
в Положении № 845-П [8]
в довольно общей форме говорится про классы, подклассы, сегменты КТ. Понятие «сегмент КТ» регулятор нормативно определил как «совокупность
КТ, охватываемых рейтинговой системой, объединенных по принципу применения к ним только одной уникальной (единственной)
комбинации моделей оценки каждого параметра кредитного риска». Этого явно недостаточно для верного и точного понимания нюансов
всех тех групп, которые необходимы для применения ПВР.
Общая логика сегментации
В целом понятие «сегмент» имеет слишком общий смысл. Так обычно обозначают группу объектов, сформированную по принципу их однородности (т.е. близости их характеристик, важных для конкретного исследования), а также достаточной межгрупповой различности (в смысле тех же характеристик). В науке такие группы обычно
называют кластерами. Классификация и кластеризация значительно отличаются по своей сути (табл. 1).
Особенно важно то, что классы
организуются в заранее заданном количестве по заранее заданным строгим критериям, тогда как кластеры формируются в произвольном количестве на базе указанных выше принципов близости и различности, реализуемых специальными методами и инструментами машинного обучения
«без учителя» [9].
| Характеристика |
Классификация |
Кластеризация (сегментация) |
|
Контролируемость обучения
|
Контролируемое
|
Неконтролируемое
|
|
Тип обучения
|
С учителем
|
Без учителя
|
|
Состав групп
|
Заранее задан
|
Заранее не задан
|
|
Наличие пересечений
|
Не допускаются
|
Допускаются
|
Строго говоря, классы и подклассы довольно слабо связаны с ПВР-моделированием, а регуляторно заданы для иных целей — определения коэффициента корреляции R (для расчета кредитного риска по формуле О. Васичека) и единообразной «нарезки» портфелей разных банков (для их начального изучения и взаимного сравнения). Классы напоминают
своеобразную стандартную трафаретную сетку, ориентируясь по «клеткам» которой можно «нарисовать» конкретные группы портфеля банка, нужные для решаемой задачи.
В отличие от жестко заданных регулятором классов (подклассов) нарезка кредитного портфеля на сегменты выполняется в тех количествах и в тех разрезах, которые,
по экспертному мнению моделистов, оптимальны для разработки конкретных моделей конкретного портфеля конкретного банка. Такая «нарезка» в общем случае выполняется
без жесткой привязки к классам (подклассам) КТ, что не мешает в частных случаях совпадению выделенных банком сегментов КТ с установленными регулятором классами
(подклассами) КТ (рис. 1). Например, ориентируясь на подкласс «Проектное финансирование» класса «КТ к корпоративным заемщикам», банк может выделить полностью
совпадающий с ним сегмент КТ, а может сформировать объединенный сегмент на базе этого и других аналогичных
подклассов либо раздробить его на несколько сегментов.
По мере необходимости в сегменты могут группироваться объекты различной природы: клиенты, финансовые инструменты, КТ, наблюдения (клиент-на-дату, КТ-на-дату) и др.
В частности, в рамках ПВР могут рассматриваться следующие сегменты:
-
• клиентские сегменты, объединяющие клиентов для упорядочивания и стандартизации общих подходов к их кредитованию и обслуживанию (на пример, «зарплатные клиенты», «клиенты-военнослужащие», «уличные клиенты», «VIP-клиенты» и др.);
-
• продуктовые сегменты
[10],
объединяющие финансовые инструменты для упорядочивания и стандартизации детальных условий их кредитования (например, «ипотека», «потребительский кредит», «автокредит» и др.);
-
• технологические сегменты, объединяющие финансовые инструменты на базе особенностей процессов и систем конкретного банка:
например, кредиты с конвейерным (упрощенным) андеррайтингом, выполняемым скоринговой программой, либо с индивидуальным (углубленным) андеррайтингом, выполняемым кредитным специалистом;
-
• иные сегменты для специфических целей (например, сегменты рынка, профессиональные сегменты, отраслевые сегменты и др.).
Разнообразие типов и одинаковость названий сегментов, несомненно, вызывают путаницу. Предлагается систематизировать и уточнить суть и названия сегментов, применяемых в рамках ПВР.
В жизненном цикле моделей ПВР выделяют два существенно разных этапа — их разработка и их применение. Причем не обязательно совпадают критерии (условия) тех множеств, на которых модель строилась и на которых она будет применяться (рис. 2).
Пусть модель была построена на наборе КТ, выданных некоторой группе клиентов банка (клиентский сегмент) в рамках некоторых
продуктовых программ (продуктовый сегмент) с применением некоторых технологических решений (технологический сегмент). При этом помимо выданных самим банком («своих») КТ в его текущем кредитном портфеле могут быть и выданные другой кредитной организацией («чужие») КТ. В начальный период нахождения чужих КТ в портфеле банка их кредитный риск затруднительно оценить иначе, чем по тем ПВР-моделям, которые ранее были построены на «своей» статистике, несмотря на возможные различия в профилях
кредитного риска. Таким образом, критерии использованных при моделировании наблюдений (условно назовем их «модельный сегмент») могут отличаться от критериев тех наблюдений, к которым построенная модель будет затем применяться (условно назовём их «портфель применения модели»
[11]
). Поэтому модельные сегменты и портфели применения моделей далее будут рассмотрены отдельно.
Внутренние сегменты
Так как регулятор недостаточно полно и недостаточно конкретно определил понятие и название термина «сегмент КТ» в целях формирования рейтинговых систем, условимся называть те сегменты, которые упоминаются в Положении № 845-П, «внутренними сегментами КТ »
[12].
Представим их как некую предварительную обобщенную
группировку КТ по важному принципу, установленному в Положении № 845-П, — применение одной уникальной (единственной) комбинации моделей оценки каждого параметра кредитного риска.
Рейтинговая система применяется в отношении каждого такого уникального внутреннего сегмента КТ. Её границы определяются портфелем применения ее ключевого элемента —
ПВР-модели оценки компоненты PD (модели PD). Как будет показано далее, границы портфелей применения других ПВР-моделей (например, моделей LGD) могут существенно отличаться от границ своей рейтинговой системы (рис. 3).
Состав внутренних сегментов конкретного банка формируется с учётом текущих потребностей моделирования исходя из размера,
состояния и структуры его кредитного портфеля на основе указанных выше клиентских сегментов, продуктовых сегментов и (при необходимости) технологических сегментов. Например, на пересечении клиентского сегмента «типовой розничный клиент» (код [13]
RET) и продуктового сегмента «кредитные карты» (код CC)
банк может выделить внутренний сегмент КТ «розничные кредитные карты» (код RET_СС), сформировав для него соответствующую
рейтинговую систему RET_CC, базовым элементом которой является комплекс ПВР-моделей
[14]
PD-RET_CC_NDEF и PD-RET_CC_DEF
[15]
(соответственно для КТ, не находящихся и находящихся в дефолте на дату оценки).
Однако у клиентов этого портфеля могут выявиться принципиально разные клиентские профили, существенно разные технологии обслуживания и (или) значительно различные средние уровни кредитного риска (центральные тенденции, ЦТ). В таких случаях можно выделить не один, а два (или даже более) внутренних сегмента КТ, в рамках
которых сформировать собственные рейтинговые системы (условно обозначим их RET_CC1, RET_СС2, ...), каждая — с собственной моделью PD (рис. 4). Эти модели PD могут иметь различные структуры, наборы факторов, весовые коэффициенты и даже методы построения.
Принцип разделения логично основывать на особенностях конкретного кредитного портфеля конкретного банка, которых можно выявить немало. Эти особенности можно учесть как путём формирования нескольких внутренних сегментов КТ с соответствующими наборами своих моделей, так и в рамках единой модели путем использования в ней соответствующих бинарных факторов (так часто делается в классической эконометрике). Во многом это определяется достаточностью количества доступных наблюдений (прежде всего дефолтных) для получения надёжного результата.
Формировать внутренние сегменты КТ необходимо так, чтобы не допускать частые и бесконтрольные переходы КТ между ними. Такие переходы допускаются регулятором лишь по серьезным, объективным и обоснованным причинам при осуществлении их контроля, предотвращающего манипуляции (например, целенаправленное распределение КТ по «нужным» внутренним сегментам).
Особенно недопустимы бесконтрольные и частые переходы КТ между внутренними сегментами, отнесенными и не отнесенными к периметру ПВР.
Промежуточные итоги:
-
Внутренние сегменты КТ формируются банком на основе выделенных им клиентских, продуктовых и технологических сегментов.
-
Внутренний сегмент КТ формируется банком в целях применения к нему единственной рейтинговой системы.
-
Границы внутреннего сегмента КТ (и соответствующей рейтинговой системы) определяются границами портфеля применения соответствующей модели PD как ключевого элемента указанной
рейтинговой системы.
-
Рейтинговая система включает уникальный (единственный) набор моделей оценки каждой компоненты кредитного риска.
Модельные сегменты
В ходе ПВР-моделирования на его разных стадиях возникает необходимость использовать различные наборы наблюдений за необходимые
исторические периоды, взятые с необходимой периодичностью. Будем понимать под генеральной совокупностью (полным составом) наблюдений все потенциальные наблюдения, соответствующие таким заданным критериям. Из этого полного состава могут различными способами (случайными, неслучайными и т.д.) формироваться их требуемые части — выборочные совокупности наблюдений, то есть выборки.
Для обеспечения репрезентативности выборок они отбираются случайным способом в необходимой доле и в необходимом количестве в разрезе ключевых характеристик кредитного риска.
Например,широко известна практика выделения из генеральной совокупности наблюдений выборок следующих типов:
-
• обучающие выборки — для построения ядра (модулей ядра) модели;
-
• калибровочные выборки — для получения параметров калибровочной функции (применительно к моделям оценки);
-
• тестовые выборки — для тестирования построенной модели (предварительной оценки характеристик ее качества, полагаемых ключевыми для конкретной модели и для конкретной цели);
-
• валидационные выборки — для выполнения процедур валида ции построенной модели.
Могут выделяться также дополнительные выборки для других целей (например, для оценки стабильности модели, для выполнения процедур внутреннего аудита). При нехватке количества наблюдений могут применяться специальные методы и процедуры, позволяющие преодолеть проблемы нарушения репрезентативности (например, бутстрепирование).
Важно определить точные условия применяемых генеральных совокупностей, то есть составы сущностей и (или) наблюдений, потенциально подходящих для конкретного шага моделирования, в том числе возможные исключения клиентов, КТ или наблюдений, необходимые периоды наблюдений, правила обработки особенных значений и прочие нюансы. Такие условия фактически представляют собой общие «верхнеуровневые фильтры», точно определяющие генеральную совокупность для последующего отбора из нее различных выборок.
Например, в целях обучения ядра (модуля ядра) модели могут использоваться такие потенциально возможные наблюдения, которые соответствуют не всему доступному историческому периоду рассматриваемого портфеля, а лишь его последним 1–2 годам («свежие» наблюдения). Назовем полный состав такого модельного сегмента «ранжирующим сегментом». Так целесообразно поступать для обеспечения наилучшей релевантности используемых исторических наблюдений текущему состоянию рассматриваемого портфеля. Это
объясняется также практическими соображениями, так как зачастую именно в такие «свежие» исторические периоды банку доступен наиболее широкий и наиболее корректный состав значимых факторов, что может способствовать повышению дискриминационной силы ядра модели.
С той же целью из состава ранжирующего сегмента могут быть исключены особенные наблюдения, соответствующие:
-
• особенным клиентам (например, мошенникам, VIP и т.п.);
-
• особенным датам или периодам (например, с нетипичным входным потоком заявок или нестандартной работой службы взыскания);
-
• записям с плохим качеством данных о факторах ядра модели;
-
• и т.п.
В этой задаче исходим из главной цели выполняемого шага (обучение ядра модели) — необходимо получить максимально точный усредненный «цифровой портрет» оцениваемых объектов, позволяющий наиболее верно их дискриминировать (разделить их на две требуемые группы) в ходе последующей оценки. Для этой цели вполне допустимо (и даже полезно) исключить из ранжирующего сегмента те наблюдения, которые снижают дискриминационную силу ядра модели (как правило, измеряемую коэффициентом Gini).
Важно определить точные условия применяемых генеральных совокупностей, то есть составы наблюдений,
потенциально подходящих для конкретного шага моделирования, в том числе возможные исключения клиентов, КТ или наблюдений, необходимые периоды
наблюдений, правила обработки особенных значений и прочие нюансы.
Особо отметим, что выборки полагаются наиболее релевантными текущему портфелю банка и наиболее подходящими для применения тогда, когда на их основе достигается достаточное качество модели ПВР. Представляется, что использованный в документе BCBS “Basel III. Finalising post-crisis reforms” (par. 216, 218) для данного случая термин «релевантность»
[16]
наиболее корректен в отличие от использованного в европейском и российском (Положение № 845-П) регулировании термина «репрезентативность»
[17], который
несколько искажает необходимый смысл. Выборка (как часть полного целого множества) репрезентативна генеральной совокупности тогда, когда ее ключевые (для целей конкретного исследования) характеристики формально статистически соответствуют таким же характеристикам этой генеральной совокупности (как полного целого
множества), что позволяет на основе этой части делать выводы об этом целом множестве. Однако для целей моделирования требуется несколько иное: если состав использованной выборки позволяет достичь необходимого качества модели, то выборка релевантна тому портфелю, к которому модель будет применяться. Если при
этом (даже на основе экспертного суждения) из выборки удалены (либо в нее включены, скорректированы или сгруппированы) некоторые наблюдения, что способствовало повышению качества модели, то такая «измененная» выборка релевантна тому портфелю, к которому модель будет применяться
[18].
В ходе калибровки модели для расчета опорной точки (на основе ЦТ — простого среднего значения исторических уровней дефолтов DR, полученных для 1-годичного горизонта вызревания дефолтов) действуют несколько иные правила. В частности, недопустимо исключение любых дефолтных наблюдений (соответствующих оцениваемому объекту в состоянии дефолта) на даты оценки за долгосрочный период, охватывающий полный цикл деловой активности. Таким образом, расчет ЦТ необходимо осуществлять исключительно на полной генеральной совокупности дефолтов
[19].
В особых случаях, когда у банка нет практической возможности полно и достоверно определить дефолты в некоторые исторические периоды или даты оценки, могут применяться исправляющие такой недостаток приближенные аналитические методы, а также консервативный подход.
На этапе получения параметров калибровки (для модели PD ими обычно являются коэффициенты калибровочной функции) также важно правильно определить потенциально пригодный для этого
состав наблюдений. Назовём полный состав такого модельного сегмента «калибровочным сегментом». Как и при построении ядра, здесь следует исходить из цели операции: получить наиболее точный и наиболее стабильный «цифровой портрет» оцениваемых объектов.
А поэтому аналогично ранжирующему сегменту из калибровочного сегмента могут быть исключены нетипичные наблюдения, когда это способствует повышению качества модели (в разрезе её
точности).
Тем не менее, в погоне за точностью модели важно не упустить ещё одну важную характеристику ее качества — стабильность. Как правило, именно нехватка стабильности моделей ПВР создает наибольшие проблемы для моделистов, претензии валидаторов и регулятора. Часто вполне точные модели ПВР (находящиеся в так называемой «зеленой зоне») могут демонстрировать недостаточную стабильность. Часто такое происходит вследствие переобученности модели (ее излишней ориентированности на данные конкретной обучающей выборки). Есть примеры, когда достаточно быстро (уже через 1–2 квартала применения) точность модели ПВР по разным причинам резко снижается (уходит в «красную зону»). Поэтому для калибровочного сегмента целесообразно выбрать как можно более глубокий исторический период для учета возможных изменений во внешней и внутренней среде, для нивелирования случайных выбросов.
Практическая проблема состоит в том, что на удаленных исторических периодах зачастую бывают недоступны или некачественны многие значимые факторы ядра модели, что может не позволить получить надёжные скоринговые оценки. Вследствие этого моделист фактически вынужден «пройти по краю»: с одной стороны — желательно выбрать для калибровочного сегмента (и калибровочной выборки) самый глубокий доступный исторический период, но с другой стороны — на практике не всегда получается глубоко заглянуть в прошлое, так как значимые факторы там могут быть просто недоступны.
В этом одно из коренных отличий моделей ПВР от моделей МСФО, которые необходимо строить на 1-годичной исторической глубине (по методологии PIT). На такой «свежей» истории довольно несложно получить широкий состав полезных для модели факторов (например, ПДН, сведения кредитной истории, LTV и др.) и условий дефолта (включая наиболее проблемное — вынужденную реструктуризацию).
Промежуточные итоги:
-
Модельные сегменты (в т.ч. ранжирующие сегменты, калибровочные сегменты
[20]
) формируются как наборы данных, которые потенциально могут быть пригодны для выполнения соответствующего шага процесса ПВР-моделирования.
-
Из состава модельных сегментов по мере необходимости формируются репрезентативные выборки требуемого типа: обучающие, калибровочные и др.
-
Релевантной текущему портфелю применения полагается такая выборка, которая позволяет получить модель приемлемого качества в разрезе той его характеристики, которая наиболее важна для соответствующего этапа моделирования.
-
Модельные сегменты формируются для выполнения соответствующего шага процесса ПВР-моделирования, исходя из его локальной цели, доступных для этого возможностей и данных, а также
с учетом необходимости обеспечить приемлемую стабильность ключевых характеристик качества модели.
Портфель применения модели
Модели оценки каждой компоненты кредитного риска предназначены для применения в отношении своего портфеля (далее — портфель применения модели). При этом модель PD (как основа своей рейтинговой системы) всегда применяется в отношении соответствующего охватываемого ею внутреннего сегмента КТ. Соответственно, границы внутреннего сегмента и портфеля применения модели PD совпадают (см. рис. 3).
Этого нельзя сказать в отношении моделей оценки других компонент: LGD, включая LGDWD (для КТ не в дефолте) и LGDID (для КТ в дефолте); EAD (например, CCF); EL-best (ELBE). Границы портфелей применения этих моделей могут при необходимости охватывать несколько внутренних сегментов КТ или относиться к их частям. Рассмотрим это на примере моделей LGD.
В частном случае модели LGD могут применяться в отношении лишь своего внутреннего сегмента КТ. Однако в общем случае это не обязательно. Например, пусть банк выделил в своей карте применения моделей ПВР внутренний сегмент RET_CL (розничные ссуды заёмщикам — физическим лицам, предоставленные по типовым программам потребительского кредитования, Credit Loans). Границы этого внутреннего сегмента определены рамками его ключевого элемента — модели PD (код PD‑RET_CL). При этом модели LGD (в рамках ППВР) могут применяться в отношении как одного этого внутреннего сегмента RET_CL, так и совместно с внутренним сегментом RET_СС (розничные ссуды заемщикам — физическим лицам, предоставленные по типовым программам карточного кредитования, Credit Card), так как риск-профили этих внутренних сегментов достаточно близки, а методы, приёмы и результаты работы банка с такими проблемными активами — схожи.
Вопрос: когда целесообразны разработка и применение двух (для внутренних сегментов RET_CL и RET_CС) пар моделей LGD (LGDWD и LGDID), а когда логичнее разработать лишь одну такую пару для ее применения к объединенному внутреннему сегменту (условно назовём его RET_CL&CC)?
В первом случае потребуются разработка, валидация и последующее сопровождение четырёх моделей:
— моделей LGDWD‑RET_CL и LGDID‑RET_CL для портфеля применения, совпадающего с внутренним сегментом RET_CL (портфель потребительских кредитов);
— моделей LGDWD‑RET_CC и LGDID‑RET_CC для портфеля применения, совпадающего с внутренним сегментом RET_CC (портфель кредитных карт).
Во втором случае потребуется всего две модели: LGDWD‑RET_CL&СС и LGDID‑RET_CL&CC — для объединённого портфеля RET_CL&CC.
Объединённый портфель RET_CL&CC более многочисленен за счёт слияния портфелей RET_CL и RET_CC. Это может повысить качество моделей (в разрезе таких важных и наиболее проблемных
характеристик, как точность и стабильность). Для моделей LGD, разрабатываемых на истории дефолтных КТ, это особенно ценно, так как для них обучающих наблюдений зачастую критически мало, недостаточно для получения надежных оценок. С практической точки зрения с учетом затрат на сопровождение моделей на всех этапах их жизненного цикла более выгодным представляется второй вариант.
Однако у этого вопроса есть и обратная сторона. Рассматриваемое объединение оправданно лишь для портфелей с достаточно близкими уровнями кредитного риска в разрезе его соответствующей компоненты, а также с существенно схожими внешними и внутренними условиями и процессами. То есть объединяемые в один портфель внутренние сегменты должны быть приемлемо однородными (в разрезе оцениваемой компоненты). Например, внутренние сегменты потребительских кредитов (RET_CL) и кредитных карт (RET_CС) достаточно схожи по методам и результатам работы с проблемными активами. Но такое не скажешь про потребительские кредиты (RET_CL) с ипотечными кредитами (RET_MORT), что несложно показать статистически. Их заведомо неэффективно объединять в один портфель для разработки единых моделей LGD. Такое решение наверняка не обеспечит их приемлемую точность.
Портфели применения моделей LGD не вполне правильно формировать, ориентируясь исключительно на формальный продуктовый разрез (и на вытекающий из него внутренний сегмент), так как
в условиях формально близких кредитных продуктов могут быть очень значимые различия. Например, некоторые потребительские кредиты могут быть обеспечены залогом, что делает их схожими с ипотекой с точки зрения работы с проблемными активами и получаемого LGD. Тогда в разрезе разных компонент такие кредиты правильнее относить к разным портфелям: к портфелю применения модели PD‑RET_CL (внутреннему сегменту RET_CL) и портфелям применения моделей LGD для КТ, обеспеченных залогом (см. рис. 4).
Такие портфели правильнее обозначать согласно их реальному смыслу:
— портфели LGDWD‑RET_SEC (LGDID‑RET_SEC) для обеспеченных залогом КТ;
— портфели LGDWD‑RET_NSEC (LGDID‑RET_NSEC) для не обеспеченных залогом КТ.
Портфели применения моделей LGD не вполне правильно формировать, ориентируясь исключительно на формальный продуктовый разрез (и на вытекающий из него внутренний
сегмент), так как в условиях формально близких кредитных продуктов могут быть очень значимые различия.
Аналогичный вывод можно сделать также в отношении других компонент, в том числе компоненты EAD (модели CCF). В частности, все невозобновляемые КТ можно собрать в единый портфель применения модели CCF-RET_NCC (пусть она даже и формальна с учетом точных правил расчета EAD без использования моделирования) независимо от продуктового сегмента и внутреннего сегмента соответствующих КТ (см. рис. 4). Варианты группировки возобновляемых КТ требуют отдельного изучения. Вполне может выясниться, что целесообразно объединить несколько таких внутренних сегментов в единый портфель применения CCF-RET_CC.
Промежуточные итоги:
-
Границы портфелей применения моделей PD совпадают с границами соответствующих внутренних сегментов, основой которых эти модели PD являются.
-
Границы портфелей применения моделей оценки других компонент кредитного риска (LGD, CCF, ...) могут как совпадать, так не совпадать с границами внутренних сегментов, покрывая одновременно их несколько или даже их части. Выбор варианта формирования таких портфелей определяется количественными характеристиками и другими особенностями конкретного кредитного портфеля конкретного банка, а также практическими соображениями.
-
Формирование и использование портфелей применения ПВР-моделей оценки разных компонент кредитного риска осуществляются независимо, то есть КТ в каждую конкретную дату относится для оценки компоненты PD к соответствующему портфелю применения модели PD, а для оценки других компонент — к портфелям применения соответствующих моделей (LGD, CCF, ...).