Система оценки контрагентского риска методом Монте-Карло

Создать систему количественной оценки контрагентского кредитного риска для биржевых и внебиржевых деривативов группы ВТБ, включая расчет риск-метрик «Потенциальная положительная переоценка» (PFE) и «Сумма под риском» (EAD) для соблюдения регуляторных требований и повышения эффективности управления кредитными лимитами.

Задачи проекта:

1. Разработать и реализовать методологию расчета риск-метрик (PFE и EAD) на уровне контрагента и аллокацию риск-метрик на сделки.

2. Разработать и реализовать модели симуляции значений риск-факторов.

3. Реализовать оценку стоимости портфелей сделок на сценариях изменения риск-факторов.

4. Реализовать модуль для загрузки данных из внешних источников и проверки их консистентности.

5. Реализовать пользовательский интерфейс для:

• визуализации рассчитанных риск-метрик на уровне контрагента;

• расчета минимального уровня дисконтов для сделок РЕПО;

• упрощенного расчета метрик PFE и EAD по потенциальным сделкам через коэффициенты.

Система предоставляет возможность глубокого анализа подверженности контрагентскому кредитному риску по разным типам сделок (биржевым, внебиржевым, включая операции РЕПО).

В рамках системы разработан механизм расчета дисконтов для сделок РЕПО, который служит дополнительной "подушкой безопасности". Внедрено решение для мониторинга корректности работы реализованных моделей генерации риск-факторов. Согласован механизм рекалибровки моделей, и разработан инструмент для снижения модельного риска (модельный резерв).

Пользователи системы могут просматривать результаты расчетов различных риск-метрик, анализировать качество данных, загружаемых из внешних источников, что обеспечивает высокие стандарты качества и надежности информации. Кроме того, пользователи системы могут через реализованные инструменты аналитики понять, какие именно значения риск-факторов приводят к полученным результатам, какие именно сделки приводят к повышению значений риск-метрик или хеджируют риск на уровне портфеля.

Arenadata Hadoop, ClickHouse, PostgreSQL, кластер Kubernetes (бэкенд — Java 17 + Spring Boot 3, фронтэнд — ReactJS, оркестрация – Camunda), интеграция — Artemis MQ, продвинутая система мониторинга (Prometheus + Grafana)

Для обеспечения надежности развернута DR-среда и система резервного копирования данных.

Требовалось проанализировать и оптимизировать устаревшие бизнес-процессы без остановки операционной деятельности, а также согласовать единую методологию оценки контрагентского кредитного риска для Группы ВТБ.

Требовалось обеспечить обработку больших объемов данных в рамках жесткого SLA, в том числе для расчетов внутри дня.

Требовалось реализовать комплексную математическую модель, обеспечивающей максимальную точность расчетов, производительность и надежность.

Для реализации проекта такого масштаба и сложности требовалась команда с уникальным набором компетенций.

Дополнительной задачей было полное импортозамещение технологического стека с сохранением и превосходством функциональности.

Проект охватывает полный цикл управления контрагентским кредитным риском: построение стохастических моделей значений риск-факторов, расчет стоимости портфелей деривативных сделок на сценариях симуляции риск-факторов, разработку расчетного ядра риск-метрик, создание механизмов валидации данных и аналитических дашбордов. Разработанная в рамках проекта система позволяет рассчитывать PFE при помощи метода Монте-Карло и предиктивной аналитики, генерируя тысячи случайных сценариев развития рынка, на основании которых строится полное распределение возможных будущих стоимостей портфеля. Результаты расчетов используются для контроля контрагентских лимитов и экономического капитала под контрагентский риск, что особенно важно для торговых операций, где на PFE оказывает существенное влияние изменение рыночных показателей. В данный момент все доступные решения по оценке метрик контрагентского риска предоставляются зарубежными вендорами, что делает проект уникальным для российского рынка.

Проект реализован для всей Группы ВТБ, охватывая все ее юридические лица и дочерние структуры на территории Российской Федерации. Разработанная система является централизованной, и используется головным офисом Банка и его ключевыми подразделениями в Москве для управления рисками по всей стране.