Во что обойдется банку ухудшение скоринговых моделей и как данные платежей использовать в прогнозах, можно узнать из второго в 2021 году номера научного журнала Банка России «Деньги и кредит».
Принимая решение о выдаче кредита тому или иному клиенту, банки полагаются на модели кредитного скоринга. Однако даже хорошие модели могут ошибаться, причем при изменении экономических условий доля некорректных решений может вырасти. Чтобы банк мог подготовиться к такому сценарию и минимизировать возможный ущерб, ему нужно заранее оценить эффект, который окажет на его финансовый результат возможное ухудшение модели. Инструмент такой оценки на основе сценарных прогнозов изменения качества моделей предложен в работе Романа Тихонова и его коллег из СберБанка.
Взаимосвязь качества модели и финансового результата заложена в матрице ошибок, где величина ошибки I рода свидетельствует об упущенной прибыли банка, а величина ошибки II рода эквивалентна потерям в случае дефолта. Роман Тихонов с коллегами предлагает оценивать модельный риск на основе сценарного прогноза качества моделей или ранжирующей способности Gini-модели на заданном временном интервале.
«Результатом проведенного анализа выступает оценка чистого приведенного дохода банка для текущей и измененной моделей в зависимости от уровня одобрения. Предложенный подход позволяет решить проблему оптимального выбора Gini-модели и ответить на вопрос, как влияет качество модели на финансовый результат», — говорится в статье.
Начиная с 1980-х годов многие страны с формирующимися рынками сталкиваются с повышенным спросом населения на активы в иностранной валюте, и последствия этого явления для экономики пока изучены не полностью. Константин Егоров (РЭШ) и Алексей Пономаренко (Банк России) в обзоре совместного семинара Банка России и РЭШ рассказывают о результатах исследований, посвященных финансовой долларизации, в том числе о причинах ее возникновения и величине издержек, которые несут домохозяйства, предпочитая долларовые депозиты депозитам в национальной валюте.
Инфляционные ожидания играют важную роль в формировании инфляции, источником данных о них обычно служат опросы профессиональных прогнозистов. Однако данные об ожиданиях, учтенные в экономической модели, обычно основаны на части информации и могут быстро меняться под влиянием новостей. Работа Сергея Слободяна (CERGE-EI) и Рафа Воутерса (Национальный банк Бельгии; Лувенский католический университет) показывает, как модели могут включать в себя в том числе моделирование механизма изменения инфляционных ожиданий под влиянием новых данных о фактической инфляции и тем самым обеспечивать реалистичное представление о состоянии этих ожиданий.
В периоды нестабильности события развиваются стремительно и возрастает необходимость в индикаторах, позволяющих максимально оперативно оценивать ситуацию в экономике, — с еженедельной, а то и ежедневной частотой. В начале пандемии Банк России разработал инструмент, который на основе анализа данных платежной системы позволяет каждый день, то есть практически в онлайн-режиме отслеживать ситуацию в отраслях (результат мониторинга отраслевых финансовых потоков по итогам каждого месяца публикуется на сайте Банка России). В своей статье Наталья Турдыева и ее коллеги из Банка России приводят методологию построения этого высокочастотного индикатора, анализируют на основе полученных данных влияние пандемии на группы отраслей и экономику в целом, а также обсуждают возможности использования данных финансовых платежей в краткосрочном прогнозировании динамики деловой активности.
Различия в темпах роста цен между регионами одной страны могут создавать сложности при проведении денежно-кредитной политики, поскольку при единой номинальной ставке, устанавливаемой Центральным банком, реальные ставки процента в регионах будут отличаться, и, соответственно, будет отличаться эффект мер денежно-кредитной политики. Алена Нелюбина (Банк России; МГУ им. М. В. Ломоносова) описывает региональную прогнозную модель, которая позволяет анализировать, каким образом ситуация в одном регионе может влиять на другие, как регионы реагируют на общие для них экономические изменения и какой должна быть оптимальная реакция денежно-кредитной политики с учетом региональной специфики.
