Risk Management Toolbox
Risikomodelle entwickeln und Risikosimulationen durchführen
Die Risk Management Toolbox™ bietet Funktionen für die mathematische Modellierung und Simulation von Kredit- und Marktrisiken. Sie können damit Ausfallwahrscheinlichkeiten modellieren, Creditscore-Karten erstellen, Kreditportfolios analysieren und Modelle in Backtests prüfen, um das Potenzial für finanzielle Verluste einzuschätzen. Mit der Toolbox lassen sich Kreditrisiken für Unternehmen und Verbraucher sowie Marktrisiken bewerten. Sie enthält eine App für das automatische und manuelle Binning von Variablen für Creditscore-Karten. Zusätzlich finden Sie darin Simulationstools zur Analyse des Risikos von Kreditportfolios und Backtesting-Tools zur Bewertung des Value-at-Risk (VaR) und des Expected Shortfall (ES). Für Restlaufzeit-Kreditanalysen können Sie die Ausfallwahrscheinlichkeit während der Restlaufzeit (PD) modellieren und so Verlustrücklagen schätzen.
Jetzt beginnen:
Stresstests
Durchführen von Stresstests und Sensitivitätsanalysen für Finanzportfolios.
Modellierung über die Restlaufzeit zu erwartender Kreditverluste
Schätzung der über die gesamte Laufzeit erwarteten Kreditverluste in Übereinstimmung mit Risikovorschriften wie CECL und IFRS 9.
Während eines Stresstests ermittelte Ausfallwahrscheinlichkeit über die Restlaufzeit.
Berechnung der regulatorischen Eigenmittel
Berechnung von Kapitalanforderungen und Value-at-Risk mit dem asymptotischen Single Risk Factor-Modell (ASRF).
Regulatorische Eigenmittel nach Anlageklassen.
Modellierung von Creditscore-Karten
Mit Tools für das Prädiktor-Screening identifizieren Sie in Ihren Datensätzen die Variablen mit der besten Vorhersagekraft. Nachdem diese wichtigen Variablen identifiziert sind, können Sie mit der Binning Explorer App Creditscore-Karten entwickeln, indem Sie entweder automatische Binning-Algorithmen anwenden oder interaktiv Edges anpassen, Bins zusammenführen und Bins aufteilen. Zusätzlich können Sie logistische Modelle anpassen, Points und Scores ermitteln sowie Ausfallwahrscheinlichkeiten berechnen. Fertig entwickelte Modelle können Sie als weniger aufwändige Versionen in Form kompakter Kredit-Scorekarten einsetzen.
Binning Explorer App für die Modellierung von Creditscore-Karten.
Simulation von Kreditrisiken
Zur Analyse von Risiken für Kreditportfolios stehen Copula-Simulationen auf der Grundlage von Ausfallwahrscheinlichkeiten oder Bonitätsmigrationen zur Verfügung. Den Durchsatz solcher Simulationen können Sie durch Parallelverarbeitung mit der Parallel Computing Toolbox erhöhen.
Durch Copula-Simulationen ermittelte Verluste eines Portfolios.
Schätzung von Risikoparametern
Die Ausfallwahrscheinlichkeit können Sie mithilfe verschiedener Methoden wie Strukturmodellen, Reduced-Form-Modellen, historischer Bonitätsmigration und weiteren statistischen Ansätzen schätzen. Modelle zur Ausfallwahrscheinlichkeit über die Restlaufzeit (PD) erlauben die Schätzung von Verlustrücklagen durch Restlaufzeit-Analysen, die sich an makroökonomischen Szenarien orientieren. Zusätzlich gestattet die Risk Management Toolbox die Berechnung von Indizes für Konzentrationsrisiken.
Lorenzkurve zur Darstellung der Verteilung der Risikoexposition.
Value-at-Risk-Backtesting
Die VaR-Backtesting-Modelle der Risk Management Toolbox umfassen Ampel-, Binomial-, Kupiec-, Christoffersen- und Haas-Tests.
Ergebnisse aus mehreren VaR-Backtesting-Modellen.
Backtesting des Expected Shortfall
Zu den Backtesting Modellen für den Expected Shortfall gehören bedingte und unbedingte Tests, Quantil-Tests und Minimally Biased-Tests nach Acerbi und Szekely sowie bedingte und unbedingte Tests nach Du und Escanciano.
Darstellung des historischen VaR und ES.
Schadensabschätzung
Schätzen Sie unbezahlte Schäden mit dem Entwicklungsdreieck und anderen Schätzmethoden wie dem Chain-Ladder-Verfahren, erwarteten Schäden und dem Bornhuetter-Ferguson-Verfahren.
Entwicklung gemeldeter Schäden
Produktressourcen:
Computational Finance Suite
Die MATLAB Computational Finance Suite umfasst zwölf wesentliche Bestandteile für die Entwicklung quantitativer Anwendungen im Risikomanagement, Investment-Management, in der Ökonometrie, zur Preisbestimmung und Bewertung, bei Versicherungen und im Algorithmischen Trading.
