BUDOWA MODELI RYZYKA - metody statystyczne oraz techniki estymacyjne
CEL WARSZTATÓW
Szkolenie koncentruje się na przekazaniu, że skuteczne modelowanie ryzyka wymaga nie tylko znajomości zaawansowanych technik statystycznych, ale przede wszystkim głębokiego zrozumienia natury modelowanego zjawiska oraz świadomości ograniczeń każdej metody. Kluczowym przesłaniem jest rozróżnienie między ryzykami oczekiwanymi a nieoczekiwanymi oraz wybór odpowiedniej metodologii w zależności od celu biznesowego modelu - czy ma on służyć estymacji oczekiwanych strat, czy też kalkulacji kapitału regulacyjnego lub ekonomicznego. Bardzo ważnym elementem warsztatów będzie analiza praktycznych wyzwań związanych z modelowaniem ryzyka w sektorze finansowym.
Uczestnicy nabędą praktyczne umiejętności projektowania i budowy modeli ryzyka zgodnie z wymaganiami regulacyjnymi, poznają kluczowe metody statystyczne stosowane w modelowaniu ryzyk kredytowych, rynkowych i operacyjnych, oraz nauczą się właściwego doboru technik estymacyjnych do konkretnych problemów biznesowych. Warsztat wyposaży ich również w kompetencje walidacyjne pozwalające na krytyczną ocenę jakości modeli ryzyka oraz identyfikację najczęstszych błędów metodologicznych.
Broszura szkolenia
Przykładowe moduły szkolenia
PROGRAM
PO CO BUDUJEMY MODEL RYZYKA
- Do czego bank potrzebuje modeli ryzyka
- Jakie mierzalne korzyści przynoszą modele ryzyka
- Czy bank może funkcjonować bez modeli ryzyka
- Jaka jest rola regulatora w budowie modeli ryzyka
- Różne modele w różnych obszarach banku: modele scoringowe, ryzyko kredytowe, ryzyka rynkowe, ryzyko operacyjne
- System modeli ryzyka w banku – próba zdefiniowania łącznego ryzyka banku
MODEL RYZYKA – UPROSZCZONY MODEL NIEWIDOCZNEJ RZECZYWISTOŚCI
- Ryzyko jako niewidoczna, ale istniejąca, część rzeczywistości
- Co de facto modelujemy
- Powszechne błędy w podejściu do budowy modelu
- Dlaczego modele tak często rozchodzą się z rzeczywistością
BUDOWA MODELU RYZYKA - ETAPY
- Jakie są odpowiednie proporcje poszczególnych elementów procesu budowy modelu
- Wymagania rekomendacji W dotyczące procesu budowy modelu
- Podstawowe pytanie: do czego potrzebujemy modelu?
- Wybór koncepcji (statystycznej, ekonomicznej), na której oparty będzie model
- Kolejne etapy budowy modelu
- Minimalizacja ryzyka modelu jako stały element kalibrujący proces budowy modelu
DWIE KLASY PROBLEMÓW -> DWIE KLASY MODELI
- Kluczowe rozróżnienie: modelowanie ryzyk oczekiwanych vs. modelowanie ryzyk nieoczekiwanych
- Jak ryzyka oczekiwane i nieoczekiwane przejawiają się w różnych obszarach ryzyka: kredytowym, rynkowym, operacyjnym
- Koncepcje modelowania ryzyk oczekiwanych
- Koncepcje modelowania ryzyk nieoczekiwanych
- Ryzyka nieoczekiwane: kapitał regulacyjny vs. kapitał ekonomiczny
MODELOWANIE ROZKŁĄDEM PRAWDOPODOBIEŃSTWA
- Ujęcie zjawiska ryzyka w postaci rozkładu prawdopodobieństwa
- Zjawiska ciągłe i dyskretne
- Klasy rozkładów prawdopodobieństwa
- Techniki estymacyjne
- Okiem walidatora – najczęstsze wyzwania
METODY OPARTE NA ANALIZIE PRZEŻYCIA
- Analiza przeżycia – osobna klasa problemów
- Jakie ryzyka modelujemy za pomocą analizy przeżycia
- Podejście oparte na rozkładach empirycznych vs. teoretycznych
- Stosowane w metodzie rozkłady teoretyczne
- Techniki estymacyjne
- Okiem walidatora – najczęstsze wyzwania
MODELOWANIE STANÓW
- Jakie ryzyka modelujemy za pomocą modelu stanów
- Adekwatna definicja zjawiska
- Konstrukcja macierzy przejść
- Prawdopodobieństwa warunkowe – istota metody
- Techniki estymacyjne
- Okiem walidatora – najczęstsze wyzwania
METODY NUMERYCZNE
- Kiedy stosować metody numeryczne
- Metody symulacyjne Monte Carlo
- Metody bootstrap
- Techniki estymacyjne
- Okiem walidatora – najczęstsze wyzwania
METODY WARTOŚCI ZAGROŻONEJ (VaR)
- Jaka klasa problemów podlega modelowaniu metodami VaR
- Kwantyle rozkładu – kluczowy element koncepcji
- Prawidłowa interpretacja modeli VaR
- A co jeśli VaR to za mało – Expected Shortfall
- Techniki estymacyjne
- Okiem walidatora – najczęstsze wyzwania
METODY PROBABILISTYCZNO-SCENARIUSZOWE
- Kiedy wiedza ekspertów jest cenniejsza niż model statystyczny?
- Odpowiednie profilowanie modelu scenariuszowego
- Definicja kluczowych wartości prawdopodobieństwa i ich komunikacja do ekspertów
- Integracja wiedzy ekspertów z metodami probabilistycznymi
- Okiem walidatora – najczęstsze wyzwania