Специфіка моделювання в Україні

Джерелом ризику є невизначеність величини того чи іншого показника в майбутньому. Однак, не знаючи якими в точності будуть ці величини у майбутньому, часто вдається оцінити границі їх коливань, спостерігаючи певні закономірності або висуваючи гіпотези щодо них.

  • Фаза 1. З одного боку ці знання мають включати перевірку гіпотези про фактичні особливості ринку в цілому. Скажімо, того, що фінансовий ринок в певний час знаходиться в стані, близькому до якоїсь із форм інформаційної ефективності (Ю. Фама, ПОСИЛАННЯ). З іншого боку, є дані про історичні значення щодо його розвитку.
  • Фаза 2. Далі висуваються та перевіряються гіпотези про наявність взаємозв'язку (кореляції) між випадковими величинами. Це означає, що вони можуть змінюватися під впливом загального для них чинника. Побудова моделі, як правило, починається з розпізнавання таких факторів. Наприклад, для впровадження вимог МСФЗ 9 «Фінансові інструменти» в якості подібного загального чинника вибирається ВВП відповідної країни в різноманітних одиницях вимірювання.
  • Фаза 3. Надалі визначають закономірності, за якими змінюються фактори впливу – закони динаміки, і фактичні ринкові реалізації, які спостерігаються.
  • Фаза 4. Закони динаміки факторів, завжди мають певний набір «вільних» параметрів. Їх необхідно підібрати так, щоб модель найбільш точно відповідала б історичним ринковими даним (калібрувати модель). Така процедура виконується відомими статистичними методами.

Побудована модель зі статистично значущими оцінками її параметрів дає можливість оцінювати фінансові інструменти, що залежать від випадкових факторів, як передбачено, наприклад, в МСФЗ 9. Модель також може використовуватися для прогнозування збитків, як наслідків ринкових коливань для фінансової інституції в цілому, що передбачено Basel II. Вибір типу моделі має відповідати поставленому завданню. Часто буває, що найпростіша модель може виявитися придатною для адекватного вирішення деякого обмеженого кола практичних задач.

Описаний вище модельний підхід, що планується для запровадження на українському ринку, буде вкрай складно практично започаткувати.

Всі фази, за виключенням третьої, потребують статистичних часових рядів даних за досить великий період спостереження, що є достатнім для виконання відповідних оцінок. На жаль Держстат України часто змінював формат представлення даних, їх структуру, а також цінові бази розрахунків деяких показників; періоди фіксації даних (рік, квартал, місяць) для предикторів моделі часто виявляються різними, що унеможливлює їх використання в одній моделі; кількість періодів збирання даних часто не відповідає мінімальним вимогам щодо потужності статистичних тестів; дані збираються за різними системами кодування КВЕД, що унеможливлює співставлення різних періодів; данні за ті самі періоди або на ту саму дату, що були оприлюднені в різні періоди, часто суттєво різняться; наявні значні технічні складнощі отримання історичних статистичних даних у зв'язку з тим, що вони оприлюднюються у форматах, непридатних для автоматизованої обробки.

В процесі практичного впровадження Фази 3 слід враховувати, що стохастичні закони, які відомі та використовуються для моделювання в умовах розвинутих ринків, ґрунтуються на припущеннях щодо не можливості арбітражу та, як правило, використовують ризик-нейтральну міру. Прийнятність цих гіпотез для українського ринку, наскільки відомо, не перевірена. Більш того, наявних ознак про невідповідність вказаних гіпотез українським реаліям більш ніж достатньо. Проте все це не зупиняє деякі українські банки використовувати «західні» моделі своїх європейських материнських структур, незважаючи на сумнівність первинних гіпотез для українських ринків. Так само чинять і певні міжнародні аудиторські компанії, що консультують в Україні щодо впровадження, наприклад, МСФЗ 9 в українських банках.

Огляд моделей за типами та сферами застосування, що використовують фінансові інституції.

Класифікація математичних моделей

що використовуються учасниками фінансовому ринку, за типами та сферами застосування.

Структурований перелік моделей, які знаходяться у вільному доступі, представлені на нашому сайті або можуть бути розроблені та впроваджені нами за замовленням

Моделі під регуляторним впливом

 

Сфера застосування

 

Моделі

 

Ринковий ризик

 

 

  • VaR та TVar;
  • CVaR;
  • Solvency II

Кредитний ризик

 

 

 

 

 

  • Статистичні моделі оцінювання PD, LGD та EAD
  • Моделювання дефолту
  • Зовнішні та внутрішні рейтинги, ланцюжки Маркова
  • Моделі збитковості портфелів, ланцюжки Маркова
  • Моделі ринкової вартості кредитного ризику (CVA)
  • МСФЗ 9 Фінансові інструменти (модель очікуваних кредитних збитків)
  • Модель очікуваного дефіциту (умовна величина під ризиком CVaR)

Операційний ризик

 

  • Стандартна модель розподілу втрат (LDA)
  • Моделі розширеного підходу (AMA)

Ризик ліквідності та процентний ризик

 

  • Моделі ALM та ризику ліквідності
  • Моделі процентного ризику

Страхові моделі

 

 

  • Solvency II та капітал під ризиком
  • Страховий андерайтинг
  • Актуарні моделі ціноутворення
  • Моделі резервування

Комплаенс ризики

 

  • Боротьба з відмиванням грошей (AML)
  • Анті шахрайство;

 


Моделі з незначним регуляторним впливом

 

Сфера застосування

 

              Моделі

 

Управління інвестиціями та корпоративні фінанси

 

 

 

 

  • M&A
  • Моделі DCF (NPV)
  • Моделі ринкових мультиплікаторів
  • САРМ
  • Арбітражні моделі ціноутворення капітальних активів
  • Моделі теорії портфельного інвестування
  • Метод реальних опціонів

Підтримка рішень

 

 

  • Кредитний андерайтинг
  • Страховий андерайтинг
  • Комплексні моделі (нейронні мережі, експертні системи тощо)

Ціноутворення складних фінансових інструментів

 

 

  • Моделі ціноутворення похідних інструментів
  • Моделі процентних ставок
  • Ціноутворення інструментів, чутливих до процентної ставки
  • Моделі хеджування

Економетричні моделі

 

 

  • Динамічні моделі загальної рівноваги
  • Агентські моделі
  • Емпіричні моделі прогнозування

Моделі трейдингу

 

 

 

 

  • Індикаторні моделі
  • Моделі високочастотного арбітражу
  • Алгоритмічні моделі «великих» ордерів купівлі-продажу
  • Моделі штучного інтелекту
  • Комплексні моделі з фундаментальними чинниками
  • Моделі управління ризиками трейдерних операцій

Маркетингові моделі

 

 

  • CRM
  • Моделювання LOB, сегментації та поведінки споживача
  • Моделі проникнення (Market Penetration Model)

Регуляторні аспекти