Revenir à la liste des catégories de formation



Formation : Risque de crédit : mise en oeuvre du process de notation interne


(Réf. 13533)

Evaluation :
Détails de la fiche formation
Options disponibles pour la fiche formation


Détails de la fiche formation


Compétence(s)

Risk management

Prérequis

Les connaissances de base des statistiques permettront une meilleure assimilation du séminaire

Public

Cette formation intéressera aussi bien les néophytes que les collaborateurs désirant une remise à niveau ”accélérée” sur la modélisation de la probabilité de défaut Direction des risques Data miners Audit, contrôle interne Inspection Générale : collaborateurs intervenant sur le risque de crédit Commission bancaire : collaborateurs intervenant sur le risque de crédit Consultants en mission dans des banques, et devant intervenir sur le risque de crédit Autres organismes : Chambres de compensation, ...

Objectifs

Connaître les modèles de probabilité de défaut

Comprendre les enjeux du data mining

Appréhender les principales techniques de scoring

Connaître les techniques d’appréciation de la qualité d’un modèle

Maîtriser les étapes clés du process de modélisation : de la constitution d’un datawarehouse au backtest d’un modèle, en passant par la formation aux utilisateurs

Connaître le contexte réglementaire en date du séminaire et savoir analyser les concepts clés

Type de formation

Courte

Programme

Statistiques et lois de probabilité : rappel sur les notions de bases

Contexte réglementaire et concepts clés


Bâle II - le risque de crédit : RWA, capital réglementaire, capital économique

Un indicateur : la probabilité de défaut

Définition du défaut : CDL versus Bâlois
Modélisation de la probabilité de défaut


Périmètre de modélisation, horizon de la probabilité de défaut

Data mining :

Choix, collecte, historique, analyse et préparation des données
Base de construction du modèle : historique, échantillonnage (construction / validation)


Pré-sélection des variables potentiellement explicatives : statistiques descriptives
Modèle
Analyse discriminante de Fisher, régression logistique (Modèle de type Logit) : théorie et application pratique

Redressement du score

Indicateurs de performance du modèle (qualité d’ajustement, intervalles de confiance)

Choix du seuil de cut-off

Comparaison de modèles concurrents
Du score à la notation


Probabilité de défaut, ratings, échelles de notation internes / externes (S&P, Moody’s, KMV, …)

Matrices de transition
Suivi de la dynamique du modèle


Contrôle de la robustesse

Use-test, backtest, stress test

Préconisations

Recalibrage, refonte du modèle

Exemple d’application

Exemple de mise en œuvre sous le logiciel SAS : comprendre le programme et savoir interpréter les fichiers en sortie

Pédagogie

Non renseigné

Point(s) fort(s)

Non renseigné
Revenir en haut


Options disponibles pour la fiche formation


Langue(s)

Français

Moyen(s)

Inter-Entreprise

Durée

Non renseigné

Zone géographique

Non renseigné
Revenir en haut





Revenir à la liste des catégories de formation