What is Credit Default Probability?
▾
प्रॉबॅबिलिटी ऑफ डिफॉल्ट (PD) ही क्रेडिट जोखीम मापनातील एक मुख्य संकल्पना आहे, जो कर्जदार - कॉर्पोरेशन, वित्तीय संस्था, सार्वभौम किंवा वैयक्तिक - ठराविक कालावधीत करारानुसार आवश्यक पेमेंट करण्यात अयशस्वी होण्याची शक्यता दर्शवते. लॉस गिव्हन डीफॉल्ट (एलजीडी) आणि एक्सपोजर ॲट डीफॉल्ट (ईएडी) सोबत पीडी हे बेसल क्रेडिट रिस्क फ्रेमवर्कमधील तीन मूलभूत पॅरामीटर्सपैकी एक आहे आणि ते अपेक्षित नुकसान आणि नियामक भांडवल गणना दोन्ही चालवते. पीडीचा अंदाज घेण्यासाठी तीन प्राथमिक पद्धती आहेत. रॉबर्ट मेर्टन यांनी 1974 मध्ये प्रवर्तित केलेला स्ट्रक्चरल दृष्टीकोन, कंपनीच्या इक्विटीला तिच्या मालमत्तेवर कॉल पर्याय म्हणून मॉडेल करते: जेव्हा मालमत्ता मूल्य परिपक्वतेच्या वेळी डेट फेस व्हॅल्यू ('डिफॉल्ट अडथळा') च्या खाली येते तेव्हा डीफॉल्ट उद्भवते. डीफॉल्ट (डीडी) पर्यंतचे अंतर — डीफॉल्ट अडथळ्यापासून मालमत्तेच्या मूल्याच्या मानक विचलनांमध्ये मोजले जाते — हे मुख्य आउटपुट आहे आणि या अंतराच्या सामान्य वितरणावरून पीडीचा अंदाज लावला जातो. Moody's KMV मॉडेल हे मर्टन स्ट्रक्चरल पध्दतीचे अग्रगण्य व्यावसायिक अंमलबजावणी आहे, अपेक्षित डीफॉल्ट फ्रिक्वेन्सी (EDF) ची गणना करण्यासाठी अंदाजे मालमत्ता मूल्य आणि अस्थिरता वापरून. कमी-स्वरूप (तीव्रता) दृष्टीकोन डीफॉल्टला धोका दर λ (डिफॉल्टची तात्काळ सशर्त संभाव्यता) द्वारे शासित केलेली आश्चर्यकारक घटना म्हणून मानतो, ज्याला क्रेडिट डीफॉल्ट स्वॅप (CDS) किंवा बॉण्ड क्रेडिट स्प्रेडच्या बाजारभावानुसार कॅलिब्रेट केले जाऊ शकते. क्षितिजावरील PD T = 1 − e^(−λT). हा दृष्टीकोन स्ट्रक्चरल मॉडेलपेक्षा अधिक लवचिक आहे आणि वेळेनुसार बदलणारी डीफॉल्ट तीव्रता समाविष्ट करू शकतो. क्रेडिट स्कोअर-आधारित पध्दती (लॉजिस्टिक रीग्रेशन मॉडेल्स, रेटिंग एजन्सी मॉडेल्स आणि मशीन लर्निंग मॉडेल्ससह) कर्जदाराच्या आर्थिक वैशिष्ट्यांवरून पीडीचा अंदाज लावतात: लाभ प्रमाण, नफा, कव्हरेज गुणोत्तर, तरलता, आकार आणि उद्योग. रेटिंग एजन्सी ऐतिहासिक डीफॉल्ट दर विविध क्षितिजांवर क्रेडिट रेटिंगपासून ऐतिहासिक PD पर्यंत एक अनुभवजन्य मॅपिंग प्रदान करतात. कर्जाच्या किंमतीसाठी अचूक PD अंदाज आवश्यक आहे (क्रेडिट स्प्रेडने अपेक्षित नुकसान = PD × LGD) ची भरपाई करणे आवश्यक आहे, नियामक भांडवल गणना (Basel IRB दृष्टिकोन बँकांना अंतर्गत PD मॉडेल्स वापरण्याची परवानगी देतो), पोर्टफोलिओ क्रेडिट जोखीम व्यवस्थापन आणि डेरिव्हेटिव्ह व्यवहारांमध्ये प्रतिपक्ष क्रेडिट जोखीम मूल्यांकन.
Calkulon makes complex calculations simple — built for students and everyday problem-solvers.
सूत्र
▾
मर्टन PD: PD = N(−d2) जेथे d2 = [ln(V/D) + (μ− σ_V²/2)T] / (σ_V √T)
धोका दर PD: PD(T) = 1 − e^(−λT)
क्रेडिट त्रिकोण: λ ≈ क्रेडिट स्प्रेड / LGD | CS ≈ PD × LGD / (1−PD)Variable Legend
▾
| प्रतीक | नाव | एकक | वर्णन |
|---|---|---|---|
| PD | डिफॉल्टची संभाव्यता | % | निर्दिष्ट क्षितिजामध्ये डीफॉल्ट होण्याची शक्यता (1 वर्ष मानक आहे); प्राथमिक क्रेडिट जोखीम पॅरामीटर. |
| DD | डीफॉल्टचे अंतर | standard deviations | मेर्टन मॉडेलमध्ये: (मालमत्ता मूल्य − डीफॉल्ट पॉइंट) / (मालमत्ता खंड × मालमत्ता मूल्य); डीफॉल्टपेक्षा मानक विचलनांची संख्या. |
| λ | धोका दर | per year | तात्काळ सशर्त डीफॉल्ट संभाव्यता प्रति युनिट वेळ; कमी स्वरूपातील मॉडेल्समध्ये वापरले: PD = 1 − e^(−λT). |
| LGD | नुकसान दिलेले डीफॉल्ट | % | डीफॉल्ट आढळल्यास एक्सपोजरचा अपेक्षित अंश गमावला जातो; पुनर्प्राप्ती दर पूरक. EL = PD × LGD × EAD. |
| CS | क्रेडिट स्प्रेड | bps | जोखीममुक्त दरापेक्षा जास्तीची मागणी; लहान परिपक्वतेसाठी अंदाजे CS ≈ λ × LGD (क्रेडिट त्रिकोण). |
How to Credit Default Probability
▾
- 1अंदाजाचा दृष्टिकोन निवडा: इक्विटी डेटा असलेल्या सार्वजनिक कंपन्यांसाठी संरचनात्मक (मर्टन); सीडीएस-व्यापार केलेल्या नावांसाठी कमी केलेला फॉर्म; क्रेडिट रेटिंग असलेल्या कंपन्यांसाठी रेटिंग-आधारित.
- 2मेर्टन मॉडेलसाठी: इक्विटी-एज-कॉल-ऑप्शन प्रणाली पुनरावृत्तीने सोडवून मालमत्ता मूल्य (V) आणि मालमत्ता अस्थिरता (σ_V) अंदाज करा; डीफॉल्ट अडथळा ओळखा (सामान्यत: चालू दायित्वे + 50% दीर्घकालीन कर्ज).
- 3डिफॉल्टसाठी अंतर मोजा: DD = (V − D) / (σ_V × V), जेथे D हा डीफॉल्ट अडथळा आहे.
- 4सामान्य वितरण वापरून DD ला PD मध्ये रूपांतरित करा: PD = N(−DD) जोखीम-तटस्थ उपायासाठी, किंवा वास्तविक-जगातील PD साठी अनुभवजन्य मॅपिंग (मूडीज केएमव्ही करते) वापरा.
- 5सीडीएस/स्प्रेड-आधारित पीडीसाठी: मार्केट क्रेडिट स्प्रेड मिळवा, एलजीडी (सामान्यत: 40-60%) गृहीत धरा; धोका दर मोजा λ = CS / LGD; गणना PD(T) = 1 − e^(−λT).
- 6रेटिंग-आधारित पीडीसाठी: S&P किंवा मूडीच्या वार्षिक डीफॉल्ट अभ्यासांमधून जारीकर्त्याच्या क्रेडिट रेटिंगसाठी ऐतिहासिक सरासरी संचयी डीफॉल्ट दर पहा.
- 7बाजार किमती, रेटिंग एजन्सी रेटिंग आणि समवयस्क कंपन्यांच्या तुलनेत PD अंदाज प्रमाणित करा. पोर्टफोलिओमध्ये अपेक्षित नुकसान: EL = Σ PD_i × LGD_i × EAD_i.
Worked Examples
▾
कंपनी डीफॉल्टपेक्षा 1.41 मानक विचलन आहे — मध्यम क्रेडिट जोखीम
d2 = [ln(100/70) + (0.05 − 0.25²/2)×1] / (0.25×√1) = [0.357 + 0.019] / 0.25 = 1.505. PD = N(−1.505) ≈ 6.6%. डीफॉल्ट DD = (100 − 70) / (0.25 × 100) = 1.20 मानक विचलन. Moody's KMV ने हे त्यांच्या ऐतिहासिक डेटाबेसमधून अनुभवजन्य EDF वर मॅप केले आहे. 1.2 DD अंदाजे 8-12% अनुभवजन्य 1-वर्ष डीफॉल्ट संभाव्यतेशी संबंधित आहे. जर इक्विटी मार्केट्सची विक्री झाली आणि मालमत्तेची अस्थिरता 35% पर्यंत वाढली, तर DD 0.86 वर घसरला आणि PD 19% वर गेला — इक्विटी मार्केट परिस्थिती थेट क्रेडिट जोखमीवर कसा परिणाम करते हे दाखवून देते.
सीडीएस मार्केट 5 वर्षांमध्ये डीफॉल्ट होण्याची 22% शक्यता दर्शवते
धोका दर λ = CS / LGD = 300 bps / 60% = 500 bps = 5.0% प्रति वर्ष. 1-वर्ष PD = 1 − e^(−0.05×1) = 4.88%. 5-वर्ष PD = 1 − e^(−0.05×5) = 1 − e^(−0.25) = 22.1%. हा CDS-निहित PD एक जोखीम-तटस्थ संभाव्यता आहे (जोखीम प्रीमियमचा समावेश आहे), त्यामुळे वास्तविक-जागतिक PD किंचित कमी असेल. 300 bps CDS स्प्रेड BB क्रेडिट रेटिंगशी सुसंगत आहे, जेथे ऐतिहासिक 5-वर्षांचे संचयी डीफॉल्ट दर सरासरी अंदाजे 10-15% आहेत — CDS मार्केट काहीसे जास्त दर सूचित करते, जो बाजार जोखीम प्रीमियम आणि तरलता प्रीमियम दर्शवते.
रेटिंगनुसार 40+ वर्षांच्या S&P ऐतिहासिक डीफॉल्ट डेटावर आधारित
S&P च्या 2023 वार्षिक जागतिक कॉर्पोरेट डीफॉल्ट आणि रेटिंग संक्रमण अभ्यासानुसार, 1981-2022 पासून BB-रेट केलेल्या जारीकर्त्यांसाठी सरासरी 3-वर्षांचा संचयी डीफॉल्ट दर अंदाजे 8.2% आहे. वार्षिक डीफॉल्ट दर: BB वर्ष 1≈0.84%, वर्ष 2≈1.65% किरकोळ, वर्ष 3≈1.72% किरकोळ. गुंतवणूक-श्रेणी संचयी 3-वर्षांचे डीफॉल्ट दर खूपच कमी आहेत: AAA≈0.01%, AA≈0.05%, A≈0.13%, BBB≈0.55%. हे प्रायोगिक दर वास्तविक-जागतिक पीडी आहेत (जोखीम-तटस्थ नाही) आणि कर्ज पोर्टफोलिओसाठी थेट बासेल IRB अपेक्षित तोटा गणनेमध्ये वापरले जातात.
लॉजिस्टिक रिग्रेशनमध्ये एकत्रित केलेले अनेक आर्थिक गुणोत्तर पीडीचा अंदाज लावतात
लॉजिस्टिक रिग्रेशन मॉडेलमध्ये, प्रत्येक आर्थिक गुणोत्तराचा ऐतिहासिक डीफॉल्ट डेटावरून अंदाजित गुणांक असतो: कर्ज/EBITDA (5.0x - उच्च लाभ जोखीम वाढवते), व्याज कव्हरेज (1.8x - कमी कव्हरेज लक्षणीयपणे PD वाढवते), वर्तमान गुणोत्तर (0.9 — 1.0 च्या खाली = नकारात्मक कार्यरत भांडवल जोखीम वाढवते), आणि नफा 4% कमी मार्जिन ऑफर. एकत्रित लॉग-ऑड्स अंदाजे 12.5% ची PD तयार करतात — उन्नत सट्टा-श्रेणीचा प्रदेश. या कर्जदाराला B किंवा B− अंतर्गत रेटिंग प्राप्त होईल, ज्यासाठी अंदाजे LIBOR/SOFR + 400–500 bps ची किंमत आणि कडक करार संरक्षण आवश्यक आहे.
Real-World Applications
▾
बँक लोन ओरिजिनेशन क्रेडिट ॲप्रूव्हल अँड प्राइसिंग (RAROC), प्रमाणित संगणकीय पद्धती आणि उद्योग-मानक पध्दतींच्या आधारे सुप्रसिद्ध परिमाणवाचक निर्णय घेण्यास प्रॅक्टिशनर्सना सक्षम करते, ज्यासाठी पुरावा-आधारित निर्णय, धोरणात्मक संसाधन वाटप आणि व्यावसायिक संदर्भातील भिन्नता आणि कार्यप्रदर्शन संघटनांच्या विविध संदर्भांना समर्थन देण्यासाठी अचूक परिमाणात्मक विश्लेषण आवश्यक आहे.
क्रेडिट पोर्टफोलिओसाठी बेसल II/III IRB भांडवली गणना, विश्लेषकांना धोरणात्मक नियोजन, संसाधन वाटप आणि कार्यप्रदर्शन बेंचमार्किंगला समर्थन देणारे अचूक परिणाम तयार करण्यात मदत करते, जेथे नियोजन, मूल्यमापन, आणि सतत सुधारणा प्रक्रिया आणि वैयक्तिक सेटिंग दोन्हीमध्ये माहिती देणारे विश्वसनीय आउटपुट तयार करण्यासाठी अचूक संख्यात्मक गणना आवश्यक आहे.
IFRS 9 / CECL ला अपेक्षित क्रेडिट लॉस प्रोव्हिजनिंग, व्यावसायिकांना पद्धतशीरपणे परिणामांचे परिमाण मोजण्याची आणि विश्वसनीय गणितीय फ्रेमवर्क आणि स्थापित सूत्रे वापरून परिस्थितींची तुलना करण्याची परवानगी देते, पद्धतशीर गणना पद्धतींची मागणी करते जे त्यांच्या दैनंदिन व्यावसायिक क्रियाकलापांवर अवलंबून असलेल्या भागधारकांसाठी कच्च्या इनपुट डेटाचे कृतीयोग्य अंतर्दृष्टीमध्ये भाषांतर करतात.
क्रेडिट डीफॉल्ट स्वॅप किंमत आणि ट्रेडिंग, डेटा-चालित मूल्यमापन प्रक्रियेस समर्थन देते जेथे अनुपालन, अहवाल आणि ऑप्टिमायझेशन उद्दिष्टांसाठी संख्यात्मक अचूकता आवश्यक आहे, मजबूत संगणकीय पद्धती आवश्यक आहेत ज्या व्यावसायिक वातावरणात अहवाल, ऑडिटिंग आणि दीर्घकालीन ट्रेंड विश्लेषणासाठी योग्य सातत्यपूर्ण आणि सत्यापित परिणाम देतात.
बाँड पोर्टफोलिओ क्रेडिट रिस्क मॉनिटरिंग आणि रेटिंग पाळत ठेवणे, ज्यासाठी पुराव्यावर आधारित निर्णय, धोरणात्मक संसाधन वाटप आणि विविध संस्थात्मक संदर्भ आणि व्यावसायिक विषयांमध्ये कार्यप्रदर्शन ऑप्टिमायझेशनला समर्थन देण्यासाठी अचूक परिमाणात्मक विश्लेषण आवश्यक आहे.
Special Cases
▾
प्रॅक्टिसमध्ये, या एज केससाठी काळजीपूर्वक विचार करणे आवश्यक आहे कारण मानक गृहीतके धरू शकत नाहीत. क्रेडिट डिफॉल्ट संभाव्यता कॅल्क्युलेटरच्या गणनेमध्ये या परिस्थितीचा सामना करताना, प्रॅक्टिशनर्सनी सीमा परिस्थितीची पडताळणी केली पाहिजे, विभागणी-शून्य जोखीम तपासली पाहिजेत आणि या अत्यंत परिस्थितींमध्ये मॉडेलचे गृहितक वैध आहेत की नाही याचा विचार केला पाहिजे.
क्रेडिट रिस्क पीडीसह काम करणाऱ्या व्यावसायिकांनी या परिस्थितीकडे विशेष लक्ष दिले पाहिजे कारण ते योग्यरित्या हाताळले नाही तर दिशाभूल करणारे परिणाम होऊ शकतात. जेव्हा ही केस व्यवहारात उद्भवते तेव्हा नेहमी सीमा परिस्थिती सत्यापित करा आणि स्वतंत्र पद्धतींनी क्रॉस-चेक करा.
प्रॅक्टिसमध्ये, या एज केससाठी काळजीपूर्वक विचार करणे आवश्यक आहे कारण मानक गृहीतके धरू शकत नाहीत. क्रेडिट डिफॉल्ट संभाव्यता कॅल्क्युलेटरच्या गणनेमध्ये या परिस्थितीचा सामना करताना, प्रॅक्टिशनर्सनी सीमा परिस्थितीची पडताळणी केली पाहिजे, विभागणी-शून्य जोखीम तपासली पाहिजेत आणि या अत्यंत परिस्थितींमध्ये मॉडेलचे गृहितक वैध आहेत की नाही याचा विचार केला पाहिजे.
रेटिंगनुसार S&P सरासरी 1-वर्ष डीफॉल्ट दर (1981-2022)
▾
| रेटिंग | 1-वर्ष PD | 3-वर्ष PD | 5-वर्ष PD | वर्णन |
|---|---|---|---|---|
| AAA | ०.००% | ०.०१% | ०.०४% | सर्वोच्च गुंतवणूक ग्रेड |
| AA | ०.०२% | ०.०६% | ०.१२% | खूप उच्च दर्जाचे |
| A | ०.०६% | ०.१८% | ०.३७% | उच्च दर्जाचे |
| BBB | 0.16% | ०.५५% | 1.10% | गुंतवणूक ग्रेड कटऑफ |
| BB | ०.८४% | 3.41% | ७.१८% | सर्वोच्च सट्टा ग्रेड |
| B | 3.44% | 10.50% | 18.90% | सट्टा |
| CCC/C | 26.78% | 42.60% | 52.20% | उच्च सट्टा / व्यथित |
Frequently Asked Questions
▾
रिस्क-न्यूट्रल पीडी आणि रिअल-वर्ल्ड पीडीमध्ये काय फरक आहे?
जोखीम-तटस्थ पीडी बाजारातील किमतींवरून (CDS स्प्रेड्स, बाँड उत्पन्न) मिळवला जातो आणि त्यात शुद्ध डीफॉल्ट संभाव्यतेच्या शीर्षस्थानी जोखीम प्रीमियम समाविष्ट असतो — गुंतवणूकदार डीफॉल्ट जोखीम ठेवण्यासाठी अतिरिक्त भरपाईची मागणी करतात. रिअल-वर्ल्ड (भौतिक) PD ही दिलेल्या जोखीम श्रेणीसाठी डीफॉल्टची वास्तविक ऐतिहासिक वारंवारता असते — सामान्यत: रेटिंग एजन्सी डेटा किंवा अंतर्गत बँक कर्ज कामगिरी डेटावरून अंदाज लावला जातो. रिस्क-न्यूट्रल पीडीचा वापर डेरिव्हेटिव्ह प्राइसिंगसाठी (CDS, क्रेडिट डेरिव्हेटिव्ह्ज) केला जातो आणि बाजारभावांशी जुळणे आवश्यक आहे. रिअल-वर्ल्ड पीडीचा वापर बेसल अपेक्षित नुकसान गणना, कर्ज तरतूद आणि जोखीम व्यवस्थापनासाठी केला जातो. जोखीम-तटस्थ PD सामान्यत: 1.5–3× रिअल-वर्ल्ड PD पेक्षा गुंतवणूक-ग्रेड जारीकर्त्यांसाठी जास्त आहे, क्रेडिट जोखीम प्रीमियम प्रतिबिंबित करते.
पीडी अंदाजासाठी बेसल II/III दृष्टिकोन काय आहेत?
बेसल II/III क्रेडिट जोखीम भांडवल फ्रेमवर्क अंतर्गत, बँका वापरू शकतात: (1) मानकीकृत दृष्टीकोन — अंतर्गत पीडी अंदाजाशिवाय, बाह्य क्रेडिट रेटिंगवर आधारित नियामकांद्वारे निर्धारित जोखीम वजन; (२) फाउंडेशन IRB (FIRB) — बँका पीडीचा अंतर्गत अंदाज लावतात परंतु पर्यवेक्षी LGD आणि EAD वापरतात; (३) Advanced IRB (AIRB) — किमान डेटा आवश्यकता आणि नियामक प्रमाणीकरणाच्या अधीन राहून बँका PD, LGD आणि EAD ची स्वतःची अंतर्गत मॉडेल्स वापरून अंदाज लावतात. AIRB उच्च-गुणवत्तेच्या कर्ज पोर्टफोलिओसाठी सर्वात कमी भांडवली शुल्कास अनुमती देते परंतु अनेक वर्षांचा डीफॉल्ट डेटा, कठोर मॉडेल प्रमाणीकरण आणि चालू मॉडेल कार्यप्रदर्शन निरीक्षण आवश्यक आहे. बहुतेक मोठ्या आंतरराष्ट्रीय स्तरावर सक्रिय बँका त्यांच्या प्रमुख पोर्टफोलिओसाठी AIRB चा वापर करतात.
कोणते आर्थिक गुणोत्तर कॉर्पोरेट डीफॉल्टचा सर्वोत्तम अंदाज लावतात?
ऑल्टमनच्या झेड-स्कोअर (1968) ने भेदभावपूर्ण विश्लेषणातून कॉर्पोरेट दिवाळखोरीचे पाच प्रमुख अंदाज ओळखले: कार्यरत भांडवल/एकूण मालमत्ता, राखून ठेवलेली कमाई/एकूण मालमत्ता, EBIT/एकूण मालमत्ता, इक्विटीचे बाजार मूल्य/एकूण दायित्वांचे पुस्तक मूल्य आणि विक्री/एकूण मालमत्ता. तेव्हापासूनच्या संशोधनाने पुष्टी केली आहे की सर्वात शक्तिशाली वैयक्तिक भविष्यसूचकांमध्ये पुढील गोष्टींचा समावेश आहे: लाभ (कर्ज/EBITDA, कर्ज/मालमत्ता), कव्हरेज (EBIT/व्याज, EBITDA/व्याज), तरलता (चालू प्रमाण, द्रुत गुणोत्तर), नफा (ROA, नफा मार्जिन), आणि आकार (मोठ्या कंपन्यांसाठी समान दर कमी आहेत). आधुनिक मशीन लर्निंग मॉडेल शेकडो आर्थिक आणि गैर-आर्थिक वैशिष्ट्ये वापरतात.
पुनर्प्राप्ती दर पीडीशी कसा संबंधित आहे?
पुनर्प्राप्ती दर (R) = 1 − LGD (डिफॉल्ट दिलेला तोटा). रिकव्हरी रेट हा दिवाळखोरी कार्यवाही, मालमत्ता विक्री किंवा पुनर्रचना द्वारे डिफॉल्ट नंतर पुनर्प्राप्त झालेल्या एक्सपोजरचा अंश आहे. असुरक्षित कॉर्पोरेट बाँड्ससाठी ऐतिहासिक पुनर्प्राप्ती दर सरासरी अंदाजे 40% (LGD=60%), परंतु ज्येष्ठतेनुसार मोठ्या प्रमाणात बदलतात: वरिष्ठ सुरक्षित बाँड्स 60-80% वसूल करतात; ज्येष्ठ असुरक्षित 35-55%; अधीनस्थ बंध 10-30%; इक्विटी शून्य जवळ. पुनर्प्राप्ती दर पीडीशी नकारात्मकरित्या संबंधित आहेत — जेव्हा डीफॉल्ट दर वाढतात तेव्हा प्रणालीगत मंदीमध्ये, पुनर्प्राप्ती दर एकाच वेळी घसरतात (प्रोसायक्लीलिटी), स्वतंत्र PD आणि LGD अंदाज सुचवेल त्यापलीकडे क्रेडिट तोटा वाढवतात.
'थ्रू-द-सायकल' विरुद्ध 'पॉइंट-इन-टाइम' PD भेद काय आहे?
थ्रू-द-सायकल (TTC) PD संपूर्ण आर्थिक चक्रात सरासरी डीफॉल्ट संभाव्यतेचा अंदाज लावते, चक्रीय भिन्नता सुरळीत करते. रेटिंग एजन्सी टीटीसी रेटिंग वापरतात - बीबीबी रेटिंग संपूर्ण चक्रात समान डीफॉल्ट जोखीम दर्शवते. पॉइंट-इन-टाइम (पीआयटी) पीडी सध्याच्या आर्थिक परिस्थितीचे प्रतिबिंबित करते आणि व्यवसाय चक्रानुसार चालते: पीआयटी पीडी मंदीमध्ये वाढतात आणि तेजीच्या कालावधीत संकुचित होतात. बासेलला बँकांनी किमान भांडवली गणनेसाठी (प्रोसायक्लीकल कॅपिटल ॲम्प्लिफिकेशन टाळण्यासाठी) TTC PD वापरणे आवश्यक आहे, परंतु IFRS 9/CECL साठी PIT PD अपेक्षित क्रेडिट तोटा तरतूद (ज्यासाठी भविष्यातील, वर्तमान-स्थितीचे मूल्यांकन आवश्यक आहे). पीआयटी-टू-टीटीसी भेद हा क्रेडिट जोखीम व्यवस्थापनातील महत्त्वपूर्ण व्यावहारिक जटिलतेचा स्रोत आहे.
कर्जाच्या किंमतीमध्ये पीडीचा वापर कसा केला जातो?
कर्जाची किंमत भांडवलावर जोखीम-समायोजित परतावा (RAROC) फ्रेमवर्क वापरते: क्रेडिट स्प्रेड चार्ज अपेक्षित तोटा (EL = PD × LGD) वसूल करणे आवश्यक आहे तसेच नियामक भांडवलावर पुरेसा परतावा निर्माण करणे आवश्यक आहे. किमान क्रेडिट स्प्रेड = (EL + भांडवलाची किंमत × आवश्यक भांडवल) / कर्जाची रक्कम. 1 वर्षाच्या मुदतीच्या कर्जासाठी: PD = 2%, LGD = 50%, EL = 1.0%. आवश्यक भांडवल = कर्जाच्या 8%, 15% आवश्यक परताव्यावर: भांडवली खर्च = 8% × 15% = 1.2%. किमान प्रसार = 1.0% + 1.2% = 2.2% (220 bps). हे RAROC फ्रेमवर्क हे सुनिश्चित करते की जेव्हा स्प्रेड अपेक्षित तोटा कव्हर करते आणि पुरेसा इक्विटी परतावा प्रदान करते तेव्हाच कर्जाची उत्पत्ती होते.
मशीन लर्निंग पारंपारिक मॉडेल्सपेक्षा पीडी अंदाज सुधारू शकते?
मशीन लर्निंग मॉडेल — ग्रेडियंट बूस्टिंग (XGBoost), यादृच्छिक जंगले, न्यूरल नेटवर्क — PD प्रेडिक्शनसाठी लॉजिस्टिक रीग्रेशनपेक्षा जास्त अंदाज अचूकता (AUC/Gini गुणांकाद्वारे मोजल्याप्रमाणे) मिळवतात, विशेषत: वैशिष्ट्यांमधील अनेक नॉन-लाइनर परस्परसंवाद असलेल्या मोठ्या डेटासेटसह. तथापि, त्यांना क्रेडिट जोखमीमध्ये आव्हानांचा सामना करावा लागतो: नियामक स्पष्टीकरण आवश्यकता (SR 11-7 मार्गदर्शनानुसार बँकांना मॉडेल आउटपुट समजून घेणे आणि स्पष्ट करणे आवश्यक आहे), मॉडेल गव्हर्नन्स आणि ऐतिहासिक नमुन्यांशी ओव्हरफिटिंग होण्याचा धोका जो कायम राहू शकत नाही. हायब्रीड पध्दती — फीचर इंजिनिअरिंगसाठी एमएल वापरणे आणि व्हेरिएबल सिलेक्शन, अंतिम मॉडेलसाठी लॉजिस्टिक रिग्रेशनसह — नियमन केलेल्या बँकिंग वातावरणात सामान्य आहेत.
Common Mistakes to Avoid
▾
- !रिअल-वर्ल्ड पीडीसह गोंधळात टाकणारा धोका-तटस्थ PD (CDS कडून) - ते क्रेडिट जोखीम प्रीमियमनुसार भिन्न आहेत आणि गणनामध्ये मिसळले जाऊ नयेत.
- !बेसल कॅपिटल कॅलक्युलेशनसाठी पॉइंट-इन-टाइम PD वापरणे (थ्रू-द-सायकल वापरणे आवश्यक आहे) किंवा IFRS 9 तरतूदीसाठी TTC PD वापरणे (पीआयटी वापरणे आवश्यक आहे).
- !PD आणि LGD मधील परस्परसंबंधाकडे दुर्लक्ष केल्याने — मंदीमध्ये, दोन्ही एकाच वेळी खराब होतात, वास्तविक क्रेडिट तोटा EL = PD × LGD च्या पुढे वाढवतात.
- !मूलभूतपणे भिन्न जोखीम चालकांसाठी समायोजन न करता किरकोळ/ग्राहक कर्जांवर कॉर्पोरेट डीफॉल्ट दर लागू करणे.
- !कालांतराने रेटिंगच्या स्थलांतराचा लेखाजोखा न घेता शॉर्ट-हॉरिझन PD ला लांब क्षितिजापर्यंत एक्सट्रापोलेटिंग.
Pro Tip
तुमचे PD मॉडेल नेहमी Gini गुणांक/AUC (भेदभाव — सर्वोत्तम ते सर्वात वाईट जोखमीपर्यंत कर्जदारांची क्रमवारी लावणे) आणि कॅलिब्रेशन चाचण्या (परीक्षण केलेल्या डीफॉल्ट दरांच्या जवळपास PD चे अंदाज आहेत का?) या दोन्हींसह प्रमाणित करा. चांगले रँक असलेले परंतु खराब कॅलिब्रेट केलेले मॉडेल तरीही अपुरा राखीव उत्पन्न करू शकते.
Did you know?
मेर्टन मॉडेलचे मुख्य अंतर्दृष्टी — एखाद्या फर्मच्या इक्विटीला त्याच्या मालमत्तेवर कॉल पर्याय म्हणून हाताळणे — ब्लॅक-स्कोल्स पर्याय किंमत सूत्राच्या फक्त एक वर्षानंतर, 1974 मध्ये प्रकाशित झाले. रॉबर्ट मेर्टन यांना 1997 मध्ये अर्थशास्त्रातील नोबेल पारितोषिक (मायरॉन स्कोल्ससह) मोठ्या प्रमाणात या मुख्य कार्यासाठी मिळाले, ज्याने पर्याय किंमत सिद्धांत आणि क्रेडिट जोखीम एकाच मोहक फ्रेमवर्कमध्ये एकत्रित केली.
Regional Guides
▾
🇺🇸 US▾
🇬🇧 UK▾
🇪🇺 EU▾
References
साप्ताहिक गणित टिप्स मिळवा
दर आठवड्याला कॅल्क्युलेटर टिपा मिळवणाऱ्या १२,०००+ सदस्यांमध्ये सामील व्हा.