Risk Management Toolbox

Développer des modèles de risque et réaliser des simulations

Risk Management Toolbox™ offre des fonctions et des workflows interactifs de modélisation mathématique et de simulation des risques de crédit, d'assurance et de marché. Pour les crédits à échéance, vous pouvez effectuer une modélisation des probabilités de défaut (PD), de l'exposition au défaut (EAD) et de la perte en cas de défaut (LGD), ainsi que le calcul des pertes de crédit attendues (ECL). Vous pouvez évaluer les risques de crédit client et entreprises, créer des scorecards de crédit, estimer les probabilités de défaut, analyser les portefeuilles de crédits et backtester les modèles afin d'estimer les pertes financières attendues. La toolbox vous permet d'identifier les variables de scorecard importantes grâce à des outils de sélection de prédicteurs et vous permet également d'utiliser l'application Binning Explorer pour regrouper automatiquement ou manuellement les variables pour les scorecards de crédit. Elle comprend également des modèles de mortalité et de sinistres non payés pour quantifier et analyser les risques d'assurance. Les risques de marché peuvent être évalués avec des outils de backtest et de simulation pour estimer la Value-at-Risk (VaR) et la Conditional Value-at-Risk (CVaR).

Introduction à Risk Management Toolbox

Regroupez les données de manière interactive et exportez les résultats dans une scorecard de crédit.

Modélisation des risques de crédit client

Créez et analysez des scorecards de crédit, sélectionnez des prédicteurs, explorez les métriques d'équité, effectuez des stress tests et modélisez les probabilités de défaut (PD).

Modélisation de scorecard de crédit avec l'application Binning Explorer (6:17)

Documentation | Exemples

Graphique indiquant les scénarios de stress test pour le modèle asymptotique à un seul facteur de risque (ASRF) et la Value-at-Risk (VaR).

Modélisation des risques de crédit entreprises

Analysez les probabilités de défaut de l'entreprise, simulez les changements de valeur des portefeuilles de crédit en raison des migrations de notation de crédit et des défauts, identifiez les risques de concentration et calculez les exigences de fonds propres réglementaires.

Calcul des exigences en fonds propres de Bâle avec le modèle ASRF – Live Script

Documentation | Exemples

Graphique indiquant les violations de la Value-at-Risk dans le temps pour plusieurs modèles.

Backtest des modèles pour les risques de marché

Évaluez la précision des modèles de VaR et CVaR.

Estimation et backtest de la Value-at-Risk – LiveScript

Documentation | Exemples

Diagramme indiquant les étapes de calcul des provisions pour pertes attendues.

Modèles à échéance pour la probabilité de défaut (PD)

Estimez la probabilité de défaut en fonction de l'analyse à échéance avec des scénarios macroéconomiques en utilisant MATLAB^®. Les modèles PD incluent les modèles Logit, Probit et de Cox.

Scénarios économiques et calcul des pertes de crédit attendues – LiveScript

Documentation | Exemples

Courbe ROC comparant le modèle Tobit au modèle des moyennes de groupe.

Modèles de perte en cas de défaut (LGD)

Estimez les réserves pour pertes avec des modèles de régression et Tobit.

Comparer le modèle LGD Tobit au modèle de référence – LiveScript

Documentation | Exemples

Histogramme comparant les facteurs de conversion de limite (LCF) observés et prédits avec un modèle de régression EAD.

Modèles d'exposition au défaut (EAD)

Prédisez le montant de l'exposition aux pertes pour un créancier lorsqu'un débiteur est en défaut sur un prêt avec les modèles de régression et Tobit.

Documentation | Exemples

Graphique indiquant l'estimation du coût ultime des sinistres à partir d'un modèle de triangle de développement.

Modélisation des risques d'assurance

Calculez le risque de perte résultant de la mortalité et des sinistres non payés. Estimez le coût ultime des sinistres avec la méthode de Boostrap Chain Ladder.

Documentation | Exemples

Ressources produits :

Documentation Exemples Vidéos Configuration requise Notes de version

Capgemini aide les clients à obtenir la conformité aux normes Bâle II et à délivrer des modèles de risque, de valorisation et de capital économique

« Certains outils statistiques peuvent gérer des modèles de notation de crédit basés sur des statistiques multivariées ou sur une régression logistique, mais ne sont pas bien adaptés aux modèles de capital économique avancés, nécessaires dans le cadre du dispositif Bâle II. Grâce à sa puissance de calcul, son infrastructure matricielle et sa capacité à effectuer des simulations de Monte Carlo, MATLAB nous offre un avantage concurrentiel pour effectuer des analyses de risques complexes. »
Dr Marco Folpmers, Capgemini

Voir d'autres témoignages de clients