Modelowanie ryzyka kredytowego

Przedmiot ma charakter wykładu oraz laboratorium komputerowego podczas którego studenci zapoznają się narzędziami ilościowymi analizy ryzyka kredytowego ale również z wykorzystywanym do celów modelowania językiem programowania R i Python. Tematyka przedmiotu koncentruje się na modelach stosowanych w bankach komercyjnych w ramach podejścia AIRB (Advanced Internal Rating-Based). Sylabus przedmiotu został opracowany we współpracy z ING Tech, tak aby odpowiadał aktualnym potrzebom rynku pracy. Wykład poprowadzony w taki sposób, aby student mógł zrozumieć sens modelowania ryzyka kredytowego w kontekście ekonomiki banku komercyjnego oraz w kontekście otoczenia makroekonomicznego.

Głównym celem przedmiotu jest zaznajomienie z podstawowym spektrum metod i narzędzi ekonometrycznych służących modelowaniu ryzyka kredytowego, ze szczególnym uwzględnieniem metod wykorzystywanych w bankach komercyjnych. Przedmiot przygotowany we współpracy z ING Tech Poland. Akcentuje zagadnienia potrzebne do pracy w działach modelowania w banku komercyjnym. Dodatkowym celem przedmiotu jest nauczenie studentów aplikacji wymienionych metod w środowisku R oraz Python na empirycznych przykładach.

Literatura podstawowa:

1. Loeffler G., Posch P.N. (2011), Credit risk modeling using Excel and VBA, Wiley Finance.

2. Hong Kong Institute of Bankers (2012), Credit risk management, Wiley, Singapore.

3. Lando D. (2004), Credit risk modeling. Theory and applications, Princeton University Press, Princeton and Oxford.

4. Vasicek O.A. (2002), The distribution of loan portfolio value, Computer science.

5. BCBS (2005), An Explanatory Note on the Basel II IRB Risk Weight Functions, BIS.

6. Matuszyk A. (2012), Zastosowanie analizy przetrwania w ocenie ryzyka kredytowego klientów indywidualnych, Cedewu, Warszawa.

7. Matuszyk A., Mues C., Thomas LC. (2010), Modelling LGD for unsecured personal loans: Decision tree approach,

Journal of the Operational Research Society 61 (3), 393-398.

8. Krysiak A., Staniszewska A., Wiatr M.S. (2012), Zarządzanie portfelem kredytowym banku, Oficyna Wydawnicza SGH, Warszawa

Literatura uzupełniająca:

1. Hull J.C. (2011), Zarządzanie ryzykiem instytucji finansowych, PWN, Warszawa

2. Gwizdała J. (2011), Ryzyko kredytowe w działalności banku komercyjnego, Wydawnictwo Uniwersytetu Gdańskiego, Gdańsk.

Kryteria oceniania:

egzamin tradycyjny-pisemny: 0.00%

egzamin testowy: 50.00%

egzamin ustny: 0.00%

kolokwium: 0.00%

referaty/eseje: 0.00%

inne: 0.00%

projekty: 50.00%

Przedmiot ma charakter wykładu oraz laboratorium komputerowego podczas którego studenci zapoznają się narzędziami ilościowymi analizy ryzyka kredytowego ale również z wykorzystywanym do celów modelowania językiem programowania R i Python. Tematyka przedmiotu koncentruje się na modelach stosowanych w bankach komercyjnych w ramach podejścia AIRB (Advanced Internal Rating-Based). Sylabus przedmiotu został opracowany we współpracy z ING Tech, tak aby odpowiadał aktualnym potrzebom rynku pracy. Wykład poprowadzony w taki sposób, aby student mógł zrozumieć sens modelowania ryzyka kredytowego w kontekście ekonomiki banku komercyjnego oraz w kontekście otoczenia makroekonomicznego.

Głównym celem przedmiotu jest zaznajomienie z podstawowym spektrum metod i narzędzi ekonometrycznych służących modelowaniu ryzyka kredytowego, ze szczególnym uwzględnieniem metod wykorzystywanych w bankach komercyjnych. Przedmiot przygotowany we współpracy z ING Tech Poland. Akcentuje zagadnienia potrzebne do pracy w działach modelowania w banku komercyjnym. Dodatkowym celem przedmiotu jest nauczenie studentów aplikacji wymienionych metod w środowisku R oraz Python na empirycznych przykładach.

Literatura podstawowa:

1. Loeffler G., Posch P.N. (2011), Credit risk modeling using Excel and VBA, Wiley Finance.

2. Hong Kong Institute of Bankers (2012), Credit risk management, Wiley, Singapore.

3. Lando D. (2004), Credit risk modeling. Theory and applications, Princeton University Press, Princeton and Oxford.

4. Vasicek O.A. (2002), The distribution of loan portfolio value, Computer science.

5. BCBS (2005), An Explanatory Note on the Basel II IRB Risk Weight Functions, BIS.

6. Matuszyk A. (2012), Zastosowanie analizy przetrwania w ocenie ryzyka kredytowego klientów indywidualnych, Cedewu, Warszawa.

7. Matuszyk A., Mues C., Thomas LC. (2010), Modelling LGD for unsecured personal loans: Decision tree approach,

Journal of the Operational Research Society 61 (3), 393-398.

8. Krysiak A., Staniszewska A., Wiatr M.S. (2012), Zarządzanie portfelem kredytowym banku, Oficyna Wydawnicza SGH, Warszawa

Literatura uzupełniająca:

1. Hull J.C. (2011), Zarządzanie ryzykiem instytucji finansowych, PWN, Warszawa

2. Gwizdała J. (2011), Ryzyko kredytowe w działalności banku komercyjnego, Wydawnictwo Uniwersytetu Gdańskiego, Gdańsk.

Kryteria oceniania:

egzamin tradycyjny-pisemny: 0.00%

egzamin testowy: 50.00%

egzamin ustny: 0.00%

kolokwium: 0.00%

referaty/eseje: 0.00%

inne: 0.00%

projekty: 50.00%

Przedmiot ma charakter wykładu oraz laboratorium komputerowego podczas którego studenci zapoznają się narzędziami ilościowymi analizy ryzyka kredytowego ale również z wykorzystywanym do celów modelowania językiem programowania R i Python. Tematyka przedmiotu koncentruje się na modelach stosowanych w bankach komercyjnych w ramach podejścia AIRB (Advanced Internal Rating-Based). Sylabus przedmiotu został opracowany we współpracy z ING Tech, tak aby odpowiadał aktualnym potrzebom rynku pracy. Wykład poprowadzony w taki sposób, aby student mógł zrozumieć sens modelowania ryzyka kredytowego w kontekście ekonomiki banku komercyjnego oraz w kontekście otoczenia makroekonomicznego.

Głównym celem przedmiotu jest zaznajomienie z podstawowym spektrum metod i narzędzi ekonometrycznych służących modelowaniu ryzyka kredytowego, ze szczególnym uwzględnieniem metod wykorzystywanych w bankach komercyjnych. Przedmiot przygotowany we współpracy z ING Tech Poland. Akcentuje zagadnienia potrzebne do pracy w działach modelowania w banku komercyjnym. Dodatkowym celem przedmiotu jest nauczenie studentów aplikacji wymienionych metod w środowisku R oraz Python na empirycznych przykładach.

Literatura podstawowa:

1. Loeffler G., Posch P.N. (2011), Credit risk modeling using Excel and VBA, Wiley Finance.

2. Hong Kong Institute of Bankers (2012), Credit risk management, Wiley, Singapore.

3. Lando D. (2004), Credit risk modeling. Theory and applications, Princeton University Press, Princeton and Oxford.

4. Vasicek O.A. (2002), The distribution of loan portfolio value, Computer science.

5. BCBS (2005), An Explanatory Note on the Basel II IRB Risk Weight Functions, BIS.

6. Matuszyk A. (2012), Zastosowanie analizy przetrwania w ocenie ryzyka kredytowego klientów indywidualnych, Cedewu, Warszawa.

7. Matuszyk A., Mues C., Thomas LC. (2010), Modelling LGD for unsecured personal loans: Decision tree approach,

Journal of the Operational Research Society 61 (3), 393-398.

8. Krysiak A., Staniszewska A., Wiatr M.S. (2012), Zarządzanie portfelem kredytowym banku, Oficyna Wydawnicza SGH, Warszawa

Literatura uzupełniająca:

1. Hull J.C. (2011), Zarządzanie ryzykiem instytucji finansowych, PWN, Warszawa

2. Gwizdała J. (2011), Ryzyko kredytowe w działalności banku komercyjnego, Wydawnictwo Uniwersytetu Gdańskiego, Gdańsk.

Kryteria oceniania:

egzamin tradycyjny-pisemny: 0.00%

egzamin testowy: 50.00%

egzamin ustny: 0.00%

kolokwium: 0.00%

referaty/eseje: 0.00%

inne: 0.00%

projekty: 50.00%

Przedmiot ma charakter wykładu oraz laboratorium komputerowego podczas którego studenci zapoznają się narzędziami ilościowymi analizy ryzyka kredytowego ale również z wykorzystywanym do celów modelowania językiem programowania R i Python. Tematyka przedmiotu koncentruje się na modelach stosowanych w bankach komercyjnych w ramach podejścia AIRB (Advanced Internal Rating-Based). Sylabus przedmiotu został opracowany we współpracy z ING Tech, tak aby odpowiadał aktualnym potrzebom rynku pracy. Wykład poprowadzony w taki sposób, aby student mógł zrozumieć sens modelowania ryzyka kredytowego w kontekście ekonomiki banku komercyjnego oraz w kontekście otoczenia makroekonomicznego.

Głównym celem przedmiotu jest zaznajomienie z podstawowym spektrum metod i narzędzi ekonometrycznych służących modelowaniu ryzyka kredytowego, ze szczególnym uwzględnieniem metod wykorzystywanych w bankach komercyjnych. Przedmiot przygotowany we współpracy z ING Tech Poland. Akcentuje zagadnienia potrzebne do pracy w działach modelowania w banku komercyjnym. Dodatkowym celem przedmiotu jest nauczenie studentów aplikacji wymienionych metod w środowisku R oraz Python na empirycznych przykładach.

Literatura podstawowa:

1. Loeffler G., Posch P.N. (2011), Credit risk modeling using Excel and VBA, Wiley Finance.

2. Hong Kong Institute of Bankers (2012), Credit risk management, Wiley, Singapore.

3. Lando D. (2004), Credit risk modeling. Theory and applications, Princeton University Press, Princeton and Oxford.

4. Vasicek O.A. (2002), The distribution of loan portfolio value, Computer science.

5. BCBS (2005), An Explanatory Note on the Basel II IRB Risk Weight Functions, BIS.

6. Matuszyk A. (2012), Zastosowanie analizy przetrwania w ocenie ryzyka kredytowego klientów indywidualnych, Cedewu, Warszawa.

7. Matuszyk A., Mues C., Thomas LC. (2010), Modelling LGD for unsecured personal loans: Decision tree approach,

Journal of the Operational Research Society 61 (3), 393-398.

8. Krysiak A., Staniszewska A., Wiatr M.S. (2012), Zarządzanie portfelem kredytowym banku, Oficyna Wydawnicza SGH, Warszawa

Literatura uzupełniająca:

1. Hull J.C. (2011), Zarządzanie ryzykiem instytucji finansowych, PWN, Warszawa

2. Gwizdała J. (2011), Ryzyko kredytowe w działalności banku komercyjnego, Wydawnictwo Uniwersytetu Gdańskiego, Gdańsk.

Kryteria oceniania:

egzamin tradycyjny-pisemny: 0.00%

egzamin testowy: 50.00%

egzamin ustny: 0.00%

kolokwium: 0.00%

referaty/eseje: 0.00%

inne: 0.00%

projekty: 50.00%