Мастяева И.Н.кандидат технических наук, доцент кафедры математических методов в экономике, Российский экономический университет им. Г.В. Плеханова, Москва, Российская Федерация imastyaeva@mail.ru ORCID id: отсутствует SPIN-код: 6126-5614
Предмет. Формализованные средства моделирования и анализа бизнес-линии «Банковское обслуживание физических лиц» в экспресс-кредитовании. Одним из основных объектов моделирования бизнес-линии является оценка операционного риска. Цели. Разработка агрегированной модели оценки рисков в экспресс-кредитовании, соответствующих двум из семи стандартизованных Базельским комитетом по банковскому надзору категорий операционного риска, связанного с невозвратами. Методология. Применялись методы имитационного моделирования. Результаты. Построена агрегированная экономико-математическая модель оценки рисков в экспресс-кредитовании. На основе построенной модели разработаны методика и алгоритм соответствующей оценки. Проведена классификация торговых точек с учетом возможности оппортунистического поведения агента. Область применения. Результаты исследования могут быть применены в банках и микрофинансовых организациях. Выводы. Результаты моделирования позволяют получить агрегированную оценку внешнего и внутреннего операционных рисков в текущем периоде.
Ключевые слова: имитационная модель, экспресс-кредит, операционный риск, агрегированная модель оценки, непредвиденные потери
Список литературы:
Макаров В.Л., Бахтизин А.Р., Сушко Е.Д., Бурилина М.А. Разработка математической модели для количественной оценки последствий незаконных финансовых операций // Управленческое консультирование. 2016. № 3. С. 85—95. URL: Link
Хрусталёв Е.Ю. Когнитивная модель развития банковской системы Российской Федерации // Экономика и математические методы. 2011. Т. 47. № 2. С. 117—127.
Goldberg M., Palladini E. Managing Risk and Creating Value with Microfinance. Washington, World Bank Publications, 2010, 136 p. URL: Link
Мастяева И.Н., Воловатова Е.Г. Особенности управления рисками в розничном экспресс-кредитовании: современные тенденции // Фундаментальные исследования. 2017. № 12-2. С. 374—378. URL: Link
Киселев А.А., Чурилов А.С. Оппортунистическое поведение заемщика в банковском секторе: сущность, формы, факторы возникновения // Экономика и предпринимательство. 2017. № 5-1. С. 686—689.
Люфт М.С., Пещанская И.В. Риск-менеджмент банка в части работы с риском недобросовестного поведения: современный этап // Вестник Воронежского государственного университета инженерных технологий. 2014. № 3. С. 182—186. URL: Link
Власов Д.А. Применение математических методов для измерения неравенства распределения доходов населения // Системные технологии. 2018. № 1. С. 26—28. URL: Link
Гладких Е.Г. Оппортунизм в банковском секторе России // Ученые записки Петрозаводского государственного университета. 2015. № 5. С. 92—98. URL: Link
Синчуков А.В. К вопросу об использовании дифференциальных моделей в экономических исследованиях // Системные технологии. 2018. № 1. С. 78—81. URL: Link
Тихомиров Н.П., Тихомирова Т.М., Хамитов Э.М. Имитационные методы оценки эффективности участия во взаимном страховании // Экономика природопользования. 2016. № 6. С. 4—17.
Дорохина Е.Ю., Качурин Д.А. Жизненный цикл строительного проекта: моделирование затрат // Фундаментальные исследования. 2017. № 8-1. С. 159—163.
Емельянов А.А., Власова Е.А., Емельянова Н.З., Прокимнов Н.Н. Имитационное моделирование инвестиционных процессов // Прикладная информатика. 2012. № 2. С. 93—99. URL: Link
Тихомиров Н.П., Тихомирова Т.М. Риск-анализ в экономике. М.: Экономика, 2010. 317 с.
McDonald J.B., Yexiao J.X. A Generalization of the Beta Distribution with Applications. Journal of Econometrics, 1995, vol. 66, iss. 1-2, pp. 133–152.
Panjer H. Operational Risk: Modeling Analytics. Hoboken, John Wiley & Sons, 2006, 448 p.
Rippel M., Teplý P. Operational Risk – Scenario Analysis. Prague Economic Papers, 2011, vol. 1, pp. 23–39. URL: Link
Chalupka R., Teplý P. Operational Risk Management and Implications for Bank's Economic Capital – A Case Study. IES Working Paper, 2008, no. 17, 37 p.
Кох Л.В., Булацкий С.М. Проблемы моделирования величины потерь от операционного риска в коммерческом банке // Научно-технические ведомости СПбГПУ. Экономические науки. 2016. № 3. С. 169—181. URL: Link
Pearson K. On the Criterion That a Given System of Deviations from the Probable in the Case of a Correlated System of Variables Is Such That It Can Be Reasonably Supposed to Have Arisen from Random Sampling. In: Kotz S., Johnson N.L. (Eds) Breakthroughs in Statistics. Springer Series in Statistics / Perspectives in Statistics. New York, NY, Springer, 1991, 680 p.
Hartigan I.A., Wong M.A. Algorithm AS 136: A K-Means Clustering Algorithm. Journal of the Royal Statistical Society Series C (Applied Statistic), 1979, vol. 28, no. 1, pp. 100–108.
Петров Л.Ф., Долгополов А.А. Формализация оценки благонадежности клиентов кредитных организаций в рамках противодействия легализации денежных доходов // Фундаментальные исследования. 2015. № 2-3. С. 563—567. URL: Link
