www.reglament.net
Риск-менеджмент
в кредитной организации
Методический журнал
Издается с 2011 года.
Выходит один раз в квартал
Зарегистрирован Федеральной службой по надзору
в сфере связи, информационных технологий
и массовых коммуникаций (Роскомнадзор)
1 июля 2010 года.
Свидетельство о регистрации ПИ № ФС77-40479
Учредитель и издатель
ООО «Регламент»
www.reglament.net
Генеральный директор В.Г. Богданов
Главный редактор В.С. Козлов
kozlov@reglament.net
© ООО «Регламент», 2021
Индексы в каталогах
Роспечать: 36193
УП УРАЛ-ПРЕСС: 36193
«Книга-Сервис»: 26167
Подписка через Интернет
www.reglament.net
Редакционная подписка
возможна с любого месяца.
Телефон отдела прямых продаж
(495) 252-1217, доб. 215
E-mail: podpiska@reglament.net
По всем вопросам, связанным с доставкой изданий и отчетных документов, обращайтесь в отдел
распространения и логистики ООО «Регламент» по тел. (495) 252-1217, доб. 289.
Мнения, оценки и рекомендации в статьях, размещенных в журнале, отражают точку зрения их
авторов и не являются обязательными к исполнению. ООО «Регламент» и авторы материалов, опубликованных
в журнале, не несут ответственности за возможные убытки, которые могут быть причинены
лицам в результате использования или невозможности использования ими размещенных
материалов. Пользователь самостоятельно оценивает возможные риски совершения юридически
значимых действий на основе размещенной в журнале информации и несет ответственность за их
неблагоприятные последствия. Полное или частичное воспроизведение каким-либо способом материалов,
опубликованных в журнале, допускается только с письменного разрешения редакции. Редакция
не несет ответственности за достоверность информации в рекламных объявлениях.
Адрес учредителя, издателя и редакции: 125167, Ленинградский просп., 37, БЦ «Аэродом», 8 этаж, оф. 8.2
Телефон (495) 252-1217.
Отпечатано в ООО «КЛУБ ПЕЧАТИ». Адрес: 127018, Москва, 3-й проезд Марьиной Рощи, 40, стр. 1, оф. 32.
Тираж 1500 экз. Цена свободная. Подписано в печать 08.06.2021.
Экспертный совет журнала
Сергей АФАНАСЬЕВ, КБ «Ренессанс Кредит» (ООО), вице-президент, начальник управления
статистического анализа
Александр ДЬЯКОНОВ, профессор ВМК МГУ, д. ф.-м.н.
Сергей КАПУСТИН, Азиатско-Тихоокеанский Банк, заместитель председателя правления
Алексей ЛОБАНОВ, Банк России, Департамент банковского регулирования, директор
Игорь ФАРРАХОВ, ООО «РИСКФИН», заместитель генерального директора
1
№ 2 (42) \ 2021
Ответственный секретарь Департамента
финансовых и методических изданий
И.М. Ананьева
ananieva@reglament.net
Выпускающий редактор Е.В. Полякова
Отдел предпечатной подготовки
и производства
Начальник отдела А.Н. Тимченко
Верстка С.В. Шеришорин
Отдел маркетинга
Директор по маркетингу А.В. Гришунин
grishunin@reglament.net
Стр.3
Риск-менеджмент в кредитной организации
№ 2 (42) \ 2021
Содержание
ТРАНСФОРМАЦИЯ СИСТЕМЫ УПРАВЛЕНИЯ ОПЕРАЦИОННЫМ РИСКОМ
8 Максим КОНДРАТЕНКО, Дмитрий ЖАБИН, Елена МОРОЗОВА, Банк ВТБ (ПАО)
ПЕРЕХОД НА БАЗЕЛЬ III В УПРАВЛЕНИИ ОПЕРАЦИОННЫМ РИСКОМ:
ОПЫТ ВТБ
ВТБ стал первым банком в РФ, прошедшим проверку СУОР на соответствие
Положению № 716-П и получившим разрешение перейти на расчет требований
к капиталу под операционный риск в соответствии с Положением
№ 744-П. Расскажем об опыте, который приобрел банк, вопросах, с которыми
пришлось столкнуться, и путях их решения.
26 Редакция журнала
EPIC FAILS В УПРАВЛЕНИИ ОПЕРАЦИОННЫМ РИСКОМ: КАК ИХ ИЗБЕЖАТЬ
В 2020 г. Ситибанк потерял больше $900 млн из-за ошибки менеджера,
который не проставил галочки в нужных полях при отправке перевода.
Что поможет предотвратить такие случаи? Что нужно для выполнения требований
Положения № 716-П, кроме автоматизации и сбора базы данных? Какие
внешние данные учитывать при моделировании?
МОДЕЛИ ОЦЕНКИ РИСКА
36 Анна ШИРШОВА, Банк ВТБ (ПАО)
КАК ДОБИТЬСЯ ИНТЕРПРЕТИРУЕМОСТИ ML-МОДЕЛЕЙ
Отличительная черта топовых команд Data Science — умение общаться с бизнесом
на одном языке. Один из инструментов, позволяющих выстроить такой
диалог, — придание моделям интерпретируемости. Какие модели хорошо
поддаются интерпретации? Какие сложности возникают при интерпретации,
казалось бы, понятных и простых моделей и как их преодолеть?
54 Максим СОБОЛЕВСКИЙ, Jet Brains
R DATA.TABLE VS PYTHON PANDAS: КТО БЫСТРЕЕ НА ДАННЫХ WORLDBANK?
Что-то на R, что-то на Python — обычная реальность разработки моделей
в банках. Но молодые сотрудники почти не знают R, а «боевое» окружение
модели все больше склоняет к выбору Python. Но так ли он безальтернативно
хорош в прикладных банковских задачах? Чтобы разобраться, сравним
быстродействие наиболее известных табличных интерфейсов в двух средах.
67 Дмитрий КУРЕННОЙ, ПАО «Промсвязьбанк»
ПРИМЕНЕНИЕ MATLAB SIMULINK ДЛЯ ПОСТРОЕНИЯ МОДЕЛЕЙ ОЦЕНКИ
КРЕДИТНОГО РИСКА КОРПОРАТИВНЫХ ЗАЕМЩИКОВ
Методы моделирования для оценки кредитного риска обычно не выходят
за рамки классических. Однако спектр инструментов может быть шире.
В статье описаны возможности MATLAB для построения системно-динамических
моделей, которые учитывают структуру компаний и могут применяться
при обратном стресс-тестировании, а также при оценке PD.
2
Стр.4
www.reglament.net
Риск-менеджмент
в кредитной организации
Методический журнал
№ 2 (42) \ 2021
АНАЛИЗ ЗАЕМЩИКА: ИНСТРУМЕНТЫ
76 Редакция журнала
ОТ СПАРК ДО CREDITNET: ГЛУБИННЫЙ ОБЗОР СИСТЕМ АНАЛИЗА
КОНТРАГЕНТОВ. «БИР-АНАЛИТИК»
В этом номере рассмотрим систему «БИР-Аналитик» агентства ПРАЙМ.
Основной интерес для нас представляет безлимитная выгрузка из базы.
Несколько скриптов позволили нам быстро выгрузить финансовую и нефинансовую
информацию, на получение которой из других систем уходят
недели.
94 Михаил КОРНЕЕВ, АО АКБ «ЕВРОФИНАНС МОСНАРБАНК»
РИСК-ОРИЕНТИРОВАННАЯ ОЦЕНКА ПОТОКОВ ДЕНЕЖНЫХ СРЕДСТВ
КОРПОРАТИВНЫХ ЗАЕМЩИКОВ
Лучший источник погашения кредита — денежные потоки от операционной
деятельности. Менее приемлемый — потоки от инвестиционной деятельности.
Совсем неинтересный — средства от деятельности финансовой. Статья
поможет понять, в каких случаях можно рассчитывать на первый вариант,
а когда можно с уверенностью говорить, что деятельность заемщика закончилась,
несмотря на оптимистичный ПДДС.
БЛИЦ ОТ ЭКСПЕРТА
112 Александр ДЬЯКОНОВ, ВМК МГУ
КАК НАБРАТЬ ЗВЕЗДНУЮ КОМАНДУ DATA SCIENTISTS: ДЕСЯТЬ
РЕКОМЕНДАЦИЙ
Как руководителю отдела рисков найти сотрудников, которые могут применять
современные методы ML для решения «боевых» задач? Что делать, если
бюджет на Data Science ограничен? Откуда брать новичков: из студентов, экономистов
или ИТ-специалистов, которые не связаны с ML, но имеют большой
опыт в Python? Предлагаем рекомендации одного из лучших специалистов
в прикладном анализе данных.
3
Стр.5