详细内容或原文请订阅后点击阅览
如何定义内部信用风险模型的建模范围
基于内部评级 (IRB) 违约概率 (PD) 模型的数据集构建如何定义内部信用风险模型的建模范围一文首先出现在走向数据科学上。
来源:走向数据科学正在经历技术进步驱动的深刻变革。这些变化影响到所有行业，尤其是银行业。数据专业人员必须快速适应，以提高效率、生产力和竞争力。
对于在数学、统计学和操作实践方面拥有坚实基础的经验丰富的专业人士来说，这种转变是很自然的。然而，对于尚未完全掌握这些基本技能的初学者来说可能更具挑战性。
在信用风险领域，培养这些技能需要清楚地了解银行风险敞口以及用于管理相关风险的机制。
我的下一篇文章将主要关注监管框架内的信用风险管理。欧洲中央银行（ECB）允许银行使用内部模型来评估其不同风险敞口的信用风险。这些风险可能包括为长期项目融资而向公司发放的贷款，或为房地产项目融资而向家庭发放的贷款。
这些模型旨在估计几个关键参数：
因此我们可以区分 PD 模型、EAD 模型和 LGD 模型。在本系列中，我将主要关注 PD 模型。这些模型用于对借款人进行评级，并有助于计算监管资本要求，从而保护银行免受意外损失。
在第一篇文章中，我将重点关注定义和构建建模范围。
默认定义
2008年金融危机后，违约的定义得到了统一并受到监管监督。目标是建立适用于所有银行机构的标准化定义。
此定义基于多个标准，包括：