Alternativní přístup k řízení rizik v bankovnictví za použití analýzy obalu dat

Zavedení pravidel kapitálové přiměřenosti, v podobě druhé z Basilejských dohod, umožnilo bankám odhadovat míru vlastních rizik, a spolu s tím podpořilo tvorbu vlastních interních modelů rizikových parametrů. Nedávná krize ukázala na mezery této druhé dohody: banky potýkající se s nedostatkem likvidity a vyšším podílem nesplacených pohledávek. Minimální výše regulatorního kapitálu banky se ukázala být nedostatečná a banky začaly hledat jiné techniky pro lepší kvantifikaci rizik, kterým jsou vystaveny. Právě přesnost těchto modelů je základem pro správný odhad úrovně kapitálu a zároveň čelí vážným ekonomickým podmínkám. Cílem této práce je navrhnout nový přístup k modelování úvěrového rizika a to pomocí metody analýzy obalu dat (z angl.. Data Envelopment Analysis, dále jen DEA), která nabízí nové možnosti, jak se vyrovnat s problémy bank při odhadování svých rizik. Zásadní předností používání DEA a jejích modifikací spočívá v tom, že tato metoda nevyžaduje předchozí informace o rozdělení portfolia na dobré a špatné jednotky a vyžaduje pouze finanční a jiné údaje o dotyčném žadateli o úvěr. Tato práce analyzuje výsledky použití metody DEA na konkrétním portfoliu podnikových úvěrů a srovnává je s dvěma obecně používanými metodami v bankovním sektoru. Logistická regrese je nejvíce populární metodou s jen malým počtem omezení a poskytuje výstup ve formě pravděpodobnost selhání. Druhou metodou je diskriminační analýza, která se svými výsledky podobá logistické regresi, ale je založena na více předpokladech a podmínkách. Schopnost modelu předpovídat rizika je vždy ověřeno nejen statisticky, ale i porovnáním výstupů modelu se skutečným stavem. Klíčová slova:The implementation of the Basel II capital adequacy framework promoted internally modelled risk parameters and allowed banks to build their own models. The recent crisis pointed at the gaps in the Basel II Accord, seeing banks having trouble to deal with lack of liquidity and higher default rates. The minimum regulatory capital held by the banks turned out to be insufficient and banks started looking for other techniques to better quantify the risks they are exposed to. Model accuracy is a key objective to meet the capital adequacy requirements while facing severe economic conditions. The purpose of this thesis is to suggest a new approach to credit modelling. Data envelopment analysis (DEA) can overcome some the difficulties that the banks deal with. The key opportunity in using DEA and its modifications is in the fact that this method does not require prior information about the classification between good and bad units and only requires financial and other data about the client in question. This thesis analyses the performance of DEA applied on a real world portfolio of corporate loans compared to the two standard methods used in the banking sector. Logistic regression is the most popular method, having few restrictions and providing output in the form of a probability of default. The second method is the discriminant analysis giving similar results to the logistic regression but being based on more assumptions. The model is validated by comparing the model output with the actual status and its predictive power evaluated