first finance - OVH.net

RISK MANAGEMENTRisque de crédit :modélisation de la probabilité de défautcode web : riskdefautNIVEAU MaîtriseANIMÉ PAR Mathilde JARDEL, Responsable en méthodologie des risques bancaires - BNP PARIBASOBJECTIFS DU SÉMINAIRE :• Connaître les modèles de probabilité de défaut• Comprendre les enjeux du data mining• Appréhender les principales techniques de scoring• Connaître les techniques d’appréciation de la qualitéd’un modèle• Maîtriser les étapes clés du process de modélisation :de la constitution d’un datawarehouse au backtestd’un modèle, en passant par la formation aux utilisateurs• Connaître le contexte réglementaire en date du séminaireet savoir analyser les concepts clésATOUTS DU SÉMINAIRE :• Pré-requis : les connaissances de base des statistiquespermettront une meilleure assimilation du séminaire• Acquisition des bases théoriques et pratiquesde la modélisation de la probabilité de défaut. en comprenant le contexte Bâle II et les enjeux inhérentsau risque de crédit. en comprenant au travers d’exemples et d’exercicessimples le mécanisme de modélisation de la probabilitéde défaut• À l’issue de ce séminaire, les participants disposerontdes outils leur permettant de modéliser la probabilitéde défaut ou d’auditer ces modèles. Ces outilspourront facilement se transposer à d’autresproblématiques de scoring (CRM, scores d’octroi,scores d’appétence, etc.)CONSEILLÉ AUX :• Cette formation intéressera aussi bien les néophytesque les collaborateurs désirant une remise à niveau«accélérée» sur la modélisation de la probabilité de défaut• Direction des risques• Data miners• Audit, contrôle interne• Inspection Générale : collaborateurs intervenantsur le risque de crédit• Commission bancaire : collaborateurs intervenantsur le risque de crédit• Consultants en mission dans des banques,et devant intervenir sur le risque de crédit• Autres organismes : Chambres de compensation, ...PROGRAMMEStatistiques et lois de probabilité : rappel sur les notions de basesContexte réglementaire et concepts clés• Bâle II - le risque de crédit : RWA, capital réglementaire, capital économique• Un indicateur : la probabilité de défaut• Définition du défaut : CDL versus BâloisModélisation de la probabilité de défaut• Périmètre de modélisation, horizon de la probabilité de défaut• Data mining :. Choix, collecte, historique, analyse et préparation des donnéesBase de construction du modèle : historique, échantillonnage(construction / validation)• Pré-sélection des variables potentiellement explicatives :statistiques descriptives. Modèle : analyse discriminante de Fisher, régression logistique(Modèle de type Logit) : théorie et application pratique. Redressement du score. Indicateurs de performance du modèle (qualité d’ajustement,intervalles de confiance), comparaison de modèles concurrents,choix du seuil de cut-offDu score à la notation• Probabilité de défaut, ratings, échelles de notation internes / externes(S&P, Moody’s, KMV, …)• Matrices de transitionSuivi de la dynamique du modèle• Contrôle de la robustesse• Use-test, backtest, stress test• Préconisations• Recalibrage, refonte du modèleExemple d’application. Exemple de mise en œuvre sous le logiciel SAS : comprendrele programme et savoir interpréter les fichiers en sortieDURÉE : 1 jourPRIX NET : 1 490 €Prestation de formation professionnelle continue exonérée de TVADATES :08/07/09BESOIN D’AIDE ?Consultants Formation . Tél. : +33 (0)1 44 53 75 75S’INSCRIRE :Service commercial . Tél. : +33 (0)1 44 53 60 60E-mail : sales@first-finance.frWeb : www.first-finance.fren saisissant le code web de ce séminaire132Copyright FIRST FINANCE©