К сегодняшнему дню Вы уже стали работать по заветам Хранителя, жить поживать, да добра наживать: документы создали, схемы согласовали, подходы подписали (о них читайте в предыдущей записи летописей). Однако теория-то хорошо: есть схемы, подходы, но нужно ж к практике переходить! И здесь требуется погружение в мир данных – веселых зверушек, которые любят хорошее отношение, помогают строить модели и делать выводы. Датамастер изучил научные труды и предложил Вашему вниманию экскурс в мир информации.
Какие данные нужны?
Как принято в науке о животных, нужно произвести классификацию изучаемого объекта. Вот и наших зверюшек можно, например, разделить по тому, к каким классам рисков они относятся: пусть это будут финансовые и страховые риски
Поскольку финансовые риски связаны с портфелем инструментов (облигации, акции, депозиты и т.д.), то основные изучаемые объекты - это активы (те самые инструменты, которые приняты к учету Домом в рамках бухгалтерии), и контрагенты (которые связаны с упомянутыми активами, например, выпустили эти ценные бумаги). Для страховых рисков важна оценка обязательств компании и их чувствительности к изменению выплат по страховым договорам. По этому вопросу Вам помогут с деталями Актуарии, а с точки зрения накопления информации это означает, что нужно знать клиентов (как в части платежной дисциплины, так и в части страховых параметров - , например, возраст человека или его машины) и активы, связанные с контрактом (это из области инвестиционного страхования жизни, где клиенту подбирают портфель финансовых инструментов и обещают долю дохода от него).
Для первичного знакомства можно выделить такие основные признаки наших существ-данных, которые помогают узнать о них больше полезной информации.
Активы:
• идентификатор (если речь идет о ценной бумаге, то часто это ISIN или торговый код биржи, для остальных активов используется учетный код, например, счет в банке),
• справочная информация (например, частота выплат, ставка купона),
• связь с контрагентом: эмитент (кто обязуется произвести выплаты по ценной бумаге), гарант/поручитель (кто обязуется вместо эмитента осуществить платежи, если с эмитентом случится что-то нехорошее),
• оценка кредитного качества (оценка от кредитного рейтингового агентства схожая со средним баллом в университете, где учитывается успеваемость студента по разным предметам),
• ценовая информация (оценка по математическим моделям или котировки по торгам с биржи).
Методики выставления рейтинговой оценки раскрыты на сайтах рейтинговых агентств. Например, для агентств основные понятия, описание процесса оценки и подходов можно найти по ссылкам АКРА, Эксперт РА, НКР , НРА.
Контрагенты:
• идентификатор (для организаций и индивидуальных предпринимателей лучше использовать ОГРН и ОГРНИП, а для физ. лиц – СНИЛС),
• справочная информация (например, наименование, адрес),
• оценка кредитного качества (оценка от кредитного рейтингового агентства, например, учитывающая платежную дисциплину, зрелость системы управления),
• банкротства и обременения (данные от судов о наличии судебных исков о банкротстве или принятых решений, например, об аресте на счета),
• информация о дефолтах по ценным бумагам (замечены ли для инструмента нарушения в выплатах купона или тела).
Клиенты:
• идентификатор (аналогично контрагенту),
• справочная информация или поло-возрастная (всё, что поможет больше узнать клиента - его адрес, возраст человека или компании, род деятельности, средний доход),
• платежная дисциплина (своевременно ли оплачивается, например, страховая премия),
• страховые случаи (ранее зафиксированные по различным видам страхования с максимальной возможной детализацией),
• банкротства и обременения (аналогично контрагентам).
Конечно, есть случаи «со звездочкой» для каждого вида данных, когда отдельно обговаривается, что имеется лучший идентификатор, например, для случая иностранного юридического лица. Такие вопросы рекомендуем отдельно проговаривать с Хранителем и заинтересованными сторонами в Вашем Доме.
Что можно делать с этими данными?
Для размышления крупными мазками зафиксируем, какие в перспективе направления по приручению данных и получению выгоды от них. Развивать ли тему – решать Вам с учетом текущих и будущих задач Ваших и Дома.
Активы:
• классификация на основе справочной информации (чтобы строить математические модели для оценки рисков, оценки дохода и т.д.),
• пример рисковой модели - прогноз цены по сценариям (драйвер - спред, процентная ставка, бета, макро-параметры) и оценка устойчивости прогноза.
Контрагенты:
• классификация на основе справочной информации (также можно строить различные модели; обычно, наиболее важно знать, останется ли платежеспособным контрагент, не наступит ли у него дефолт или банкротство в ближайшее время),
• кластеризация для дальнейших оценок (разделяем на кучки),
• оценка вероятности дефолта (используем данные рейтинговых агентств и свои скоринговые оценки).
Клиенты:
• классификация на основе справочной информации,
• кластеризация для дальнейших оценок,
• оценка вероятности расторжения договора,
• оценка вероятности просрочки платежа,
• оценка вероятности наступления страхового случая
Оценки могут быть как регуляторные (установленные законодательством), так и разработанные компанией. Подход по регуляторным оценкам можно найти в 781-П и Solvency II (QIS5).
Обратите внимание: чтобы не возникало проблем с данными, нужно хорошо с ними обращаться. Рекомендуем максимальную автоматизацию с применением современных технологий и минимизацией рисков такой автоматизации.
Текущая миссия - минимизировать риски данных и автоматизации
Дадим подсказки и направления, которые помогут Вам.
• Framework (свод подходов и практик) по управлению данными (DAMA DMBOK):
o контроль качества (чтобы потом не искать ошибки в конечных моделях, нужно удостовериться в корректности, актуальности, адекватности данных),
o риск-менеджмент (оценка и управление рисками также необходимы: стоит заранее продумать сценарий действий на случай, если у Вас упадет база данных или какой-то поставщик перестанет работать с Вашим Королевством),
o удобство использования (помним, что делаем для пользователя, а не для себя, поэтому учитываем потребности всех заинтересованных лиц Дома).
• создание внутренних методик в машиночитаемом формате (здесь в настоящее время сколько практиков, столько и подходов, один из них есть здесь и рассказать о нем детально еще наступит время),
• структуризация данных под законодательные требования или внутренние методики (рекомендуем выделять метаданные в Вашей базе, чтобы потом можно было легко найти, для какой цели эти данные собирались и аккумулировать по ним внутреннюю или регуляторную отчетность),
• разнесение этапов классификации и расчетов в разные сервисы (горький опыт прежних поколений показал, что микросервисная архитектура "рулит" и здесь).
#поделисьзнанием #fmkingdom