|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/ifrs9-expected-credit-loss-model-development-and-validation/
课程评论：没有评论
Coursera 课程《IFRS9 预期信用损失模型开发与验证》内容总结 本课程全面介绍了国际财务报告准则第九号（IFRS9）下的预期信用损失（ECL）模型开发与验证。课程首先讲解了拨备的概念、IFRS9 的背景及其向前瞻性减值计算框架演进的历程。 **核心内容包括：** * **阶段划分（Staging Allocation）：** 课程深入讲解了 ECL 模型中的阶段划分过程，将信用风险按照“自初始确认以来信用风险是否显著增加”进行分类。 * **Stage 1:** 适用于信用风险自初始确认以来未显著增加的金融工具，计算为期一年的 ECL。 * **Stage 2:** 适用于信用风险自初始确认以来已显著增加的金融工具，计算为期剩余期限的 ECL。 * **Stage 3:** 适用于信用风险已发生减值的金融工具（已减值贷款）。 * **前瞻性参数（Feeder Models）：** 课程详细介绍了构建 ECL 模型所需的三类前瞻性参数模型，即违约概率（PD）、违约损失率（LGD）和违约敞口（EAD）模型。尽管 IFRS9 并不强制规定具体方法，但业界普遍采用 PD、LGD、EAD 框架。 * **PD 模型：** 涵盖了未来12个月违约概率（Next 12 month PD）和剩余期限违约概率（Lifetime PD）的概念。 * **LGD 和 EAD 模型：** 详细讲解了 LGD 和 EAD 模型的建模与验证概念，从零开始，并使用 R 语言进行逐步演示。 * **建模方法：** 课程教授了常用的建模方法，包括广义线性模型（GLMs）和机器学习（ML）模型，并提供了从零开始的 R 语言实现步骤。 * **特殊组合建模：** 课程还涵盖了低违约组合（Low Default Portfolios）和稀缺数据建模（Scare Data Modeling）的建模概念。 * **ECL 的影响：** 课程解释了预期信用损失（ECL）如何影响银行的监管资本和资本充足率。 总而言之，本课程为学员系统性地学习和掌握 IFRS9 预期信用损失模型的设计、开发、实现和验证提供了完整的知识体系和实践指导。
This course will introduce you to the concept of provisioning, background of IFRS9 and the journey to forward looking impairment calculation framework. The staging allocation process is covered in depth before the introduction to the concepts of feeder models (PD, LGD and EAD models). Despite the non-prescriptive nature of the accounting principle, common practice suggest relying on the so-called probability of default (PD), loss given default (LGD) and exposure at default (EAD) framework. Banks estimate ECL as the present value of the above three parameters product over a one-year or lifetime horizon, depending upon experiencing a significant increase in credit risk since origination. Three main buckets are considered: stage1 (one-year ECL), stage 2( lifetime ECL), stage3 (impaired credits).The concepts of Next 12 month probability of default (PD), Lifetime Probability of Default, marginal default and modeling and validation concepts of LGD and EAD for IFRS9 has been explained step by step from scratch using R Programming.This course also explains how Expected Credit Losses (ECL) affects regulatory capital and ratios. Modeling concepts for low default portfolios and scare data modeling is also covered. For modeling, both Generalized Linear Models (GLMS) and Machine Learning (ML) modeling methodologies has been explained step by step from scratch.
