دسته‌بندی نشده

معرفی مقاله در زمینه ی ریسک و مدیریت ریسک در صنعت کارت اعتباری

بررسی اجمالی

فناوری یادگیری دستگاه برای معاملات مشتری ، دفاتر اعتباری و متغیرهای اقتصاد کلان برای پیش بینی تخلف با استفاده از اطلاعات کارت اعتباری در سطح حساب از شش بانک تجاری بزرگ از ژانویه 2009 تا دسامبر 2013 اعمال شده است علاوه بر ارائه معیارهای دقیق افت اعتبار و احتمال ریسک ، از مدل ما می توان برای تجزیه و تحلیل و مقایسه شیوه ها و مشوق های مدیریت ریسک بانکی استفاده کرد. در عوامل خطر پیش فرض ، حساسیت و قابل پیش بینی بودن بانک ، عدم یکنواختی زیادی وجود داشت. این نشان می دهد که یک مدل واحد برای هر شش نهاد اعمال نمی شود. ما کارایی فرآیند مدیریت ریسک بانک را با درصد حساب های پیش فرض که بانک به طور کارآمد مدیریت می کند اندازه گیری می کنیم و تأیید می کنیم که کارایی نیز از موسسه ای به موسسه دیگر بسیار متفاوت است. این نتایج نیاز به یک رویکرد سفارشی تر را برای NPART و موسسات مالی تنظیم شده ، با نسبت سرمایه ، ذخایر ضرر و سایر پارامترها برای هر واحد تجاری با توجه به مدل های خطر اعتباری و پیش بینی ها نشان می دهد. به صورت جداگانه ارائه خواهد شد. مشخص شده است

مقدمهبحران مالی 2009-2007 اهمیت مدیریت ریسک در بین موسسات مالی را برجسته می کند. در انتشارات عمومی و منابع علمی به اقدامات مدیریت ریسک و سیاستهای بانکهای غول پیکر در قلب بحران توجه ویژه ای می شود. اختلاف نظر کمی وجود دارد که مدیریت ریسک (یا فقدان آن) این موسسات نقشی اساسی در شکل گیری رکود بعدی داشته است. با این حال ، بر خلاف این تمرکز اخیر ، سیاست های مدیریت ریسک از اشخاص خاص تا حد زیادی در جعبه سیاه باقی مانده است. در این مقاله شیوه های مدیریت ریسک و پیامدهای شش موسسه مالی بزرگ ایالات متحده با استفاده از تکنیک های دقیق محاسبه. ما نمونه مورد استفاده را برای نمونه بی سابقه ای از داده های کارت اعتباری سطح حساب دستگاه یادگیری آزمایش خواهیم کرد. بازار اعتبار مشتری برای درک مدیریت ریسک در موسسات بزرگ به دو دلیل بسیار مهم است. اولاً ، اعتبار مشتری ایالات متحده طی سه دهه گذشته به طور قابل توجهی افزایش یافته و در پایان سال 2014 به یک تریلیون رسیده است. بدهی خانوارهای ایالات متحده از اوایل دهه 1980 به عنوان درصدی از درآمد شخصی دو برابر شده است ، اما نرخ بهره پایین به معنای رشد نرخ بازپرداخت بدهی با نرخ پایین است. انجام دادن. دوم ، ابزارهای تصمیم گیری الگوریتمی ، از جمله استفاده از کارت های امتیازی پایگاه داده سخت ، در وام های مشتری بسیار رایج شده است. با توجه به حجم گسترده داده ها و تعداد زیادی تصمیم گیری در مقایسه با وام های اعتباری تجاری ، این اتکا جدید به تصمیمات الگوریتمی جای تعجب ندارد. با این حال ، تأثیر این ابزارها در مدیریت ریسک ، موسسات مالی فردی و سرمایه گذاران آنها و کل اقتصاد هنوز مشخص نیست.

Risk and risk management in the credit card industry

a b s t r a c t

Using account-level credit card data from six major commercial banks from January 2009 to December  2013, we apply machine-learning techniques to combined consumer tradeline, credit bureau, and macroe- conomic variables to predict delinquency. In addition to providing accurate measures of loss probabilities and credit risk, our models can also be used to analyze and compare risk management practices and the drivers of delinquency across banks. We find substantial heterogeneity in risk factors, sensitivities, and predictability of delinquency across banks, implying that no single model applies to all six institutions.       We  measure the efficacy of a bank’s risk management process by the percentage of delinquent accounts that a bank manages effectively, and find that efficacy also varies widely across institutions. These results suggest the need for a more customized approached to the supervision and regulation of financial in- stitutions, in which capital ratios, loss reserves, and other parameters are specified individually for each institution according to its credit risk model exposures and forecasts.

Introduction

The financial crisis of 2007–2009 highlighted the importance of risk management within financial institutions. Particular attention has been given to the risk  management  practices  and  policies  at  the mega-sized banks at the center of  the  crisis  in  the  popular  press and the academic literature. Few dispute that risk manage- ment at these institutions—or the lack thereof—played  a  central  role in shaping the subsequent economic downturn. Despite this recent focus, however, the risk management policies of individual institutions largely remain black boxes

نوشته های مشابه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا