Professional Documents
Culture Documents
Brno 2011
Na tomto místě bych ráda poděkovala panu Mgr. Martinovi Řezáčovi, Phd. za ochotu a
vstřícný přístup při psaní mé práce a výběru tématu.
Prohlašuji, že jsem bakalářskou práci na téma „Řízení rizika společností poskytujících
spotřebitelské úvěry“ pod vedením pana Mgr. Martina Řezáče, Phd., vypracovala zcela
samostatně s použitím literatury, která je uvedena v seznamu použité literatury.
Keywords
risk, risk management, methodology of risk management, consumer lending, financial
risk, credit risk
Abstrakt
Kučerová, K. Řízení rizika společností poskytujících spotřebitelské úvěry. Bakalářská práce. Br-
no: Mendelova univerzita v Brně, 2011.
Tato bakalářská práce popisuje metodologii řízení rizika společností poskytujících spo-
třebitelské úvěry se zaměřením na bankovní instituce. Ve své práci se zabývám proble-
matikou rizika, popisuji s jakými riziky se může finanční instituce setkat. Také se snažím
objasnit pojem „risk management“. Stručně charakterizuji společnosti, které poskytují
spotřebitelské úvěry v České republice a jejich nabídku. Dále se ve své práci zaměřuji na
vybrané metody řízení rizika, a to především na metody pro výpočet rizika tržního, úvě-
rového a operačního (Value-at-Risk, stresové testování , analýzy scénáře…). Z větší části
se ve své práci zabývám problematikou úvěrového rizika a metodu úvěrového
skórování. Popisuji vybrané statistické metody, které se používají pro výpočet úvěrové-
ho skórování (regresní analýzy, diskriminační analýzu…). Danou problematiku následně
diskutuji a vyhodnocuji.
Klíčová slova
riziko, řízení rizika, metodologie řízení rizika, spotřebitelský úvěr, finanční rizi-
ko,úvěrové riziko
Obsah 5
Obsah
1 Úvod a cíl práce 9
1.1 Úvod do problematiky...................................................................................................... 9
1.2 Cíl práce .............................................................................................................................. 9
2 Literární přehled 11
2.1 Riziko ................................................................................................................................11
2.2 Finanční riziko .................................................................................................................12
2.2.1 Tržní riziko .............................................................................................................13
2.2.2 Operační riziko.......................................................................................................13
2.2.3 Riziko likvidity........................................................................................................14
2.2.4 Úvěrové riziko........................................................................................................14
2.2.5 Modelové riziko .....................................................................................................15
2.2.6 Obchodní riziko .....................................................................................................15
2.3 Řízení rizika, Risk management.....................................................................................16
2.3.1 Stručná historie řízení rizika .................................................................................17
2.3.2 Regulační rámec .....................................................................................................17
3 Vlastní práce 21
3.1 Úvěr, spotřebitelský úvěr, spotřebitel...........................................................................21
3.1.1 Obecný popis společností poskytujících spotřebitelský úvěr v ČR................23
3.1.2 Nabídka produktů společností poskytujících spotřebitelský úvěr v ČR ........24
3.2 Identifikace rizik ..............................................................................................................26
3.2.1 Rizikové faktory a ztrátové rozdělení .................................................................27
3.3 Základní koncepce k měření rizika ...............................................................................27
3.3.1 Metodologie Value-at-Risk, stresové testování, analýzy scénáře ....................28
3.4 Standardní metody pro měření tržního rizika .............................................................30
3.4.1 Metoda variance a kovariance ..............................................................................30
3.4.2 Historická simulace................................................................................................31
3.4.3 Monte Carlo simulace............................................................................................32
3.4.4 Zpětné testování – backtesting ............................................................................32
Obsah 6
4 Diskuze 53
5 Závěr 55
6 Seznam zkratek 56
Seznam obrázků
Obr. 1 Rozdělení rizik 12
Seznam tabulek
Tab. 1 Příklad jednoduché skórovací tabulky 44
1 Risk management
Úvod a cíl práce 10
práce je potom popsání metodologie řízení rizika společností, které poskytují spotřebi-
telské úvěry se zaměřením na bankovní instituce.
V první části nazvané literární přehled se budu zabývat právě problematikou rizika.
Seznámím vás s teorií a autory, kteří se danou problematikou zabývají. Z toho důvodu,
že charakteristika a klasifikace jednotlivých rizik se v publikacích liší, je nutné jednotlivá
rizika definovat a systematizovat. Ve své práci se zaměřím především na popis finanč-
ních rizik. Popíši s jakými riziky se finanční instituce běžně setkávají a jakým způsobem
tyto rizika řídí, přičemž se zaměřím nejvíce na rizika, kterým musí čelit banky.
Část třetí kapitoly se věnuje metodám řízení rizik bankovních institucí a dalších
společností poskytujících spotřební úvěry (metoda statistického odhadu VaR, metoda
Monte Carlo, backtesting apod.). V bakalářské práci se zaměřím na hlavní typy fi-
nančních rizik, tj. riziko tržní, operační a úvěrové. Úvěrové riziko je rozebíráno z větší
části. Protože problematika řízení rizika je velice rozsáhlá a existuje mnoho metod, které
slouží právě k tomuto řízení rizika, popsala jsem ve své práci metody, které považuji za
nejdůležitější. Systematizace, jak tyto rizika měřit není jednotně ucelená, zvolila jsem
rozdělení dle svého uvážení.
Vzhledem k tomu, že má bakalářská práce se týká řízení rizika společností poskytu-
jících spotřebitelské úvěry, je nutné si vysvětlit, co vlastně spotřebitelský úvěr je a také
kdo tento úvěr poskytuje. Proto se na začátku hlavní části mé bakalářské práce budu
věnovat i obecnému popisu společností, které poskytují spotřebitelské úvěry v ČR a
jejich nabídce.
Literární přehled 11
2 Literární přehled
2.1 Riziko
Původ slova „riziko“ můžeme hledat v arabském slově risq, které má význam náhodné-
ho a příznivého výsledku nebo v latinském slově riscum, které se používá pro náhodnou,
ale nepříznivou událost. Do anglického jazyka vstoupilo slovo risk v 17. století a popi-
suje jakýkoliv nezamýšlený nebo neočekávaný výsledek, rozhodnutí nebo postup.[12]
Pro pojem „riziko“ neexistuje jedna obecně uznávaná definice. Různí autoři defi-
nují riziko různě a různí posluchači často riziku přiřazují různý význam. Jak uvádí Mc-
Neil, Frey a Embrechts (2005) v knize Quantitative risk management: concepts, techniques, and
tools, tak například Oxfordský slovník definuje riziko jako „nebezpečí, ohrožení, mož-
nost špatného výsledku, ztrátu nebo vystavení se nešťastné náhodě“. Riziko může být
případně definováno jako „kvantifikovatelná pravděpodobnost ztráty nebo pravděpo-
dobnost méně než očekávaných výsledků2“. [10]
Existuje několik charakteristik, které jsou společné pro všechny definice, a to:
• musí existovat potenciální možnost ztráty,
• musí být přítomna nejistota3 v souvislosti s konečným výsledkem,
• k vypořádání se s nejistotou a s potenciální možností ztráty je potřebný nějaký vý-
běr nebo rozhodnutí, [16]
Jsou tři měřítka, která jsou spojena s rizikem:
• pravděpodobnost – měřítko pravděpodobnosti, že ztráta nastane,
• účinek – měřítko ztráty, která nastane pokud hrozba4 bude zrealizována,
• vystavení se riziku – měřítko důležitosti rozsahu rizika, které je založeno na sou-
časných hodnotách pravděpodobnosti a jeho působení, [16]
Pojem „riziko“ je často chápán v negativním smyslu, můžeme ho proto vyjádřit jako
ztrátovou funkci, kdy v bližší či vzdálené budoucnosti dojde k ohrožení subjektu, jeho
existence, hospodářského výsledku, postavení na trhu apod.
V souvislosti s rizikem musíme určitým způsobem předvídat budoucí vývoj, tj. mu-
síme předjímat skutečnost, že k jeho naplnění dojde. Uvažujeme proto
s pravděpodobností naplnění hrozby. Pokud jsou rizika řízena správným způsobem,
mohou mít na druhou stranu i pozitivní dopad. Proto je nutné riziko chápat nejen jako
hrozbu, tzn. možné ztráty, ale můžeme ho chápat i v pozitivním smyslu jako příležitosti,
tzn. možné zisky.
2 Less-then-expected-returns.
3 Termín „nejistota“ je chápán jako variabilita, která nemůže být jakkoliv vyčíslena na rozdíl od rizika,
které vyčíslit lze. [4]
4 Termín „hrozba“ je definován jako situace s potenciální možností způsobit ztrátu. [4]
Literární přehled 12
Zdroj: vlastní nákres podle CROUHY, M. -- GALAI, D. -- MARK, R. The essentials of risk management. New
York: McGraw-Hill, 2006. 414 s. ISBN 978-0-07-142966-5, str. 26. [4]
McNeil, Frey, Emrechts, (2005) rozlišují riziko tržní, operační, riziko likvidity a uvádí
navíc riziko modelové. [10]
Porozumění různým typům rizik je velmi důležité. Každá kategorie rizika totiž vy-
žaduje techniky řízení, které jsou sice rozdílné, ale ve své podstatě spolu souvisí.
Literární přehled 13
8 Equity risk.
z jejich možného selhání, která mohou ovlivnit výstupy a výsledky dané finanční institu-
ce. [26]
Operační riziko se vztahuje k eventuálním ztrátám vyplývajícím z nedostatků v sys-
témech, z neúspěchu vedení podniku, chybných kontrol řízení, podvodů a lidských
omylů. V porovnání s hlavními finančními riziky se primárně nejedná o riziko spjaté
s portfolii dané finanční instituce, ale jde o riziko, které je spjaté s jejími procesy, tj.
s operacemi a jejich hlavními prvky.
11 Likvidita banky vyplývá ze schopnosti banky dostát v každém okamžiku svých splatných závazků.
12 Také se označuje jako spotřební riziko, kreditní riziko, v angickém jazyce credit risk.
13 „Úpadek“ dlužníka je vymezen jako bankrot, selhání, platební neschopnost, platební moratorium, apod.
Literární přehled 15
• Přímé úvěrové riziko14 – Klasické riziko ztráty v důsledku selhání klienta u pří-
slušných položek (úvěry, půjčky, dluhopisy, směnky…).
• Riziko úvěrových ekvivalentů15 – Riziko ztráty ze selhání klienta u položek16, kte-
ré v rozvaze nejsou (poskytnuté záruky, akreditivy, deriváty).
• Vypořádací riziko17 – Riziko vyplývá ze selhání transakcí v procesu vypořádání
nebo dodávky. Hodnota byla obchodnímu partnerovi již dodána, ale smluvní pro-
tihodnota ze strany partnera ještě není k dispozici. Rozlišujeme měnové vypořádací
riziko a vypořádací riziko cenných papírů.
• Riziko úvěrové angažovanosti18 – Riziko ztráty v důsledku nadměrné úvěrové
angažovanosti vůči jednotlivým klientům, partnerům, ale také vůči odvětvím a ze-
mím. [7]
17 Settlement risk.
18 Large credit exposure risk. Další možný název je riziko koncentrace portfolia.
20 Převzato z knihy MERNA, Tony; AL-THANI, Faisal F. Risk management : Řízení rizika ve firmě. 1.vydání.
Praha : Computer Press, 2007. 208 s. ISBN 978-80-251-1547-3., str. 1. [12].
21 Co vnímají banky jako hlavní problémy je znázorněno v příloze B, obrázek č. 9.
Literární přehled 17
22Skupina G10 je tvořena 11 průmyslovými státy, které spolu spolupracují a konzultují záležitosti ekono-
mické, měnové, finanční.
Literární přehled 18
Postupem času se však systém Basel I stává nedostačujícím. Proto je v roce 200423
představen nový systém Basel II (the new Basel Capital Accord). Basel II byl
v Evropské unii a v USA zaveden až v roce 2008. Tento systém vychází z původního
Basel I, ale kvůli tomu, aby tento systém lépe odpovídal současným požadavkům na
přístup k řízení rizik, zde dochází k rozšíření o implementaci dalších rizik. Basel II je
tvořen třemi pilíři:
• 1. pilíř – Minimální kapitálové požadavky. Tento pilíř se soustřeďuje na nové
metody měření rizik a stanovení kapitálového požadavku pro operační, tržní a úvě-
rové riziko. Úvěrové riziko je možné kvantifikovat třemi metodami. Nejjednodušší
z metod je tzv. „Standardizovaná metoda“ (Standardized Approach), dále je to „Zá-
kladní IRB přístup“ (Foundation Internal Ratings-Based Approach), tj. přístup zalo-
žený na interním ratingu. Jako poslední metodu je třeba zmínit „Pokročilý IRB pří-
stup“ (Advanced Internal Ratings-Based Approach). Operační riziko může být mě-
řeno přístupem „Základního ukazatele“ (Basic Indicator Approach), „Standardizova-
nou metodou“ (Standardized Approach) a „Pokročilým AMA přístupem“ (Advanced
Measurement Approach). Díky přístupu AMA si mohou banky vybírat svou vlastní
metodologii pro řízení operačního rizika. Tržní riziko je měřeno „Standardizovaným
přístupem“ a nebo jsou používány „modely vnitřních přístupů“.
Minimální kapitálový požadavek24 je vyjádřen v následující rovnici:
23 Systém Basel II vznikl již v roce 2003, byl však implementován až v roce 2004. Rok 2004 je také uváděn
ve většině literárních zdrojů.
24 Minimum capital requirements. Jde o podíl kapitálu banky k rizikově váženým aktivům (úvěrům). Kapi-
tálové požadavky a kapitálová přiměřenost bankovního sektoru v ČR (v mld. Kč) jsou vyobrazeny v
příloze B, tabulka č. 6.
Literární přehled 19
Zdroj: ANDERSON, R. The Credit Scoring Toolkit : Theory and Practice for Retail Credit Risk Management and
Decision Automation. New York : Oxford University Press, 2007. 731 s. ISBN 978-0-19-922640-5., str. 639.
[2]
správy. ČNB dohlíží na banky, pobočky zahraničních bank, spořitelní a úvěrová druž-
stva a dozírá na bezpečné fungování celého bankovního systému. [27]
Vlastní práce 21
3 Vlastní práce
Ve vyspělých zemích působí značný počet finančních subjektů nebo společností, které
nabízejí půjčky a úvěry. Ve své bakalářské práci se budu nadále zabývat pouze společ-
nostmi v České republice, které poskytují spotřebitelské úvěry.
30 Například jde o nákup automobilu, elektroniky, nábytku, náklady na vzdělání, na dovolenou a jiné
osobní potřeby.
31 Úvěry obyvatelstvu podle časového a druhového hlediska jsou uvedeny v příloze B, tabulka č. 5.
nocení výhodnosti nebo nevýhodnost poskytovaného úvěru. RPSN vyjadřuje procentuální podíl z dlužné
částky, ten musí spotřebitel zaplatit za období jednoho roku v souvislosti se splátkami, správou a dalšími
výdaji spojenými s čerpáním úvěru.
Vlastní práce 24
rovnou k dlužníkovi domů. Pokud klient neplatí, je vystaven tomu, že bude mít stano-
veny sankce a bude muset navíc platit i velké úroky z prodlení. [36]
Lichváři jsou společnosti nebo osoby, které jsou ochotny nabídnout úvěr i člově-
ku, který je předlužený. Tyto společnosti nabízí úvěr za extrémně nevýhodných podmí-
nek. Smlouva často obsahuje obrovské sankce za nesplácení úvěru, a proto může dojít
k tomu, že se původní dlužná částka několikanásobně navýší. Úrok je zde podobný jako
u krátkodobých půjček. Podepsání bianko směnky37 je podmínkou poskytnutí úvěru.
Případné spory rozhodují často pochybní rozhodci. [29]
Spořitelní a úvěrové družstvo38 – je „družstvo, které pro podporu hospodaření
svých členů provozuje finanční činnosti, kterými se rozumí zejména přijímání vkladů a
poskytování úvěrů, ručení a peněžních služeb v různých formách“. Jsou upraveny zák-
onem č. 87/1995 Sb., o spořitelních a úvěrních družstvech. [40]
Obr. 3 Podíl jednotlivých skupin bank na celkové bilanční sumě (v %, banky s licencí k danému
datu).
100%
90%
80%
70% stavební spořitelny
60% pobočky zahraničních bank
50% malé banky
40% střední banky
30% velké banky
20%
10%
0%
2007 2008 2009
Zdroj: vlastní konstrukce dle ČNB: Zpráva o výkonu dohledu nad finančním trhem, 2009, str. 67. [27]
37 Také můžeme mluvit o blankosměnce. Je to směnka, která je při vydání záměrně neúplná.
38 Družstevní záložna.
39 Na serveru Měšec.cz: www.mesec.cz je přehledná nabídka produktů společností poskytujících spotřebi-
telské úvěr. Je zde možnost porovnání výhodnosti různých půjček apod. [36]
40 Konsolidace půjček je dnes velmi oblíbený produkt. Jedná se o specifickou formou spotřebitelského
úvěru. Představuje spojení více úvěrů do jednoho za výhodnějších podmínek. Do jednoho úvěru tak
Vlastní práce 25
mohou být shrnuty nesplacené úvěry, přečerpané kontokorenty, dluhy na kreditních kartách, splátkové
prodeje.
41 ČSOB kreditní karta Standard, ČSOB kreditní karta GOLD, ČSOB kreditní karta Unembosse, Lišácká
karta.
Vlastní práce 26
lónech a v bazarech.
46 Měsíční, kvartální intervaly…
Vlastní práce 27
přístup a znalost prostředí47, ve kterých instituce působí. Existuje mnoho nástrojů, které
se při této činnosti používají (kontrolní seznamy48, týmové diskuze, pohovory s experty,
kauzální analýzy49) a měl by se na ni podílet co nejširší okruh pracovníků firmy a také je
účelné využít externích specialistů.
L[s, s + ∆ ] := − (V (s + ∆ ) − V (s )) . (3.1)
51 Risk factor.
Vlastní práce 28
V tomto vyjádření levá strana rovnice vyjadřuje výše uvedenou definici VAR. Rovnice
na pravé straně vyjadřuje předpoklad pravděpodobnostního rozložení možných ztrát,
kdy FL (l ) vyjadřuje právě toto rozložení. Typické hodnoty pro α jsou α = 0,95 nebo
α = 0,99 . [31]
Obecně je VaR „kvantil rozdělení“. To znamená, že VaR popisuje kvantil předpoklá-
daného rozdělení zisku nebo ztráty napříč časovým úsekem. Kvantil je jednostranný
nebo oboustranný a vymezuje obecně interval hodnot, ve kterém se může nacházet ná-
hodná veličina s pravděpodobností P. Mimo tento interval se nachází měřená veličina
s pravděpodobností 1−P. Rozdělení může být normální – N (µ,σ2), kde µ je střední
hodnota a σ2 je rozptyl. Potom se křivka, která znázorňuje hustotu pravděpodobnsoti,
nazývá Gaussova křivka. Při výpočtu se také často setkáváme se Studentovým rozděle-
ním54. [8]
Hustota pravděpodobnosti f ( x ) se rovná derivaci distribuční funkce, tj.
f ( x ) = F ′( x ) . Tato podmínka platí pro čísla, u nichž derivace F ′( x ) existuje. [8]
V souvislosti s metodologií VaR rozlišujeme:
• Tržní VaR – zahrnuje metodu variance a kovariance, historickou simulaci, simula-
ci Monte Carlo.
• Kreditní VaR – CVaR zahrnuje nejznámější metody kreditního VaR, jako je me-
toda CreditMetrics, Credit Risk+, KMV model.
• Operační VaR – OpVaR..
Jak vidíme, koncept VaR se od počátku devadesátých let rozšířil z tržního rizika i
na ostatní rizika, jako je riziko operační a úvěrové.
VaR55 má mnohostranné využití. Poskytuje nám všeobecné, důsledné a integrované
měřítko rizika napříč rizikovými faktory, nástroji, aktivy. Nevýhodou VaR je skutečnost,
že tato metoda nám neříká nic o tom, jakého rozsahu jsou případné ztráty za příslušným
pravděpodobnostním kvantilem. [4]
Stresové testování a analýzy scénáře
V praxi se při RM používají zejména analýzy scénářů a stresové testování. Scénáře před-
stavují určité popisy či obrazy budoucnosti, které jsou tvořené vzájemně konzistentními
prvky a jejich vazbami v rámci souboru specifikovaných předpokladů. Umožňují nám
lépe pochopit existující a případně potenciální trendy vývoje významných faktorů a je-
jich vzájemných vazeb. Obvykle nepředstavují prognózy. Cílem je poskytnutí určitého
strukturovaného pohledu na vývoj okolí.
Analýzy scénáře nám pomáhají identifikovat, analyzovat a řídit riziko spojené s ob-
chodováním. Tyto analýzy předpokládají změny v hlavních klíčových hodnotách portfo-
lia, jako jsou úrokové sazby, měnové kurzy, ceny akcií, ceny komodit. Typický postup je
takový, že se nejdříve musí definovat scénáře očekávaného vývoje a následně se definují
rizikoví činitelé, kteří jsou v rámci scénáře relevantní, identifikuje se jejich velikost a
rozsah působení. Potom výsledky analýzy scénářů umožňují definovat činnosti a aktivi-
ty, které mají příslušného nositele a obsah. Tento krok znamená definování připravenos-
ti na budoucnost, což může vést ke konkurenční výhodě. Dalším krokem je sledování
scénářů a nakonec se výsledky modelu porovnávají s výsledky z minulosti.
Metoda stresového testování začíná být stále víc a víc propracovanější. Je založena
na přístupu kvantifikace finančních důsledků událostí, jejichž pravděpodobnost vzniku
neumíme vyjádřit, ale jejichž výskyt je možný nebo se v minulosti už uskutečnil. Meto-
dologie může určovat 7 stresových kategorií, které korespondují s nejrůznějšími riziko-
vými skupinami, jako jsou úrokové, měnové, komoditní riziko, úvěrové rozpětí, swapo-
vé rozpětí56 nestabilita. Scénáře můžou korespondovat s mimořádnými historickými
54 Studentovo rozdělení
56 Swapové spready.
Vlastní práce 30
Zdroj: CROUHY, M. -- GALAI, D. -- MARK, R. The essentials of risk management. New York: McGraw-
Hill, 2006. 414 s. ISBN 978-0-07-142966-5, str. 175. [4]
odhadnout VaR, musíme znát kovarianční matici výnosů a váhy jednotlivých pozic
v portfoliu. Z nich určíme směrodatnou odchylku, kterou vynásobíme počáteční hodno-
tou portfolia a kvantilem normálního rozdělení, který byl určen za pomoci hladiny spo-
lehlivosti. Je nutné říci, že kovariance57 vyjadřuje souvislost mezi jednotlivými veličinami
a tedy i mezi jejich směrodatnými odchylkami. [4]
Rizikové faktory změn Xt+1 předpokládají vícerozměrné58 normální rozdělení, které
je vyjádřeného jako X t +1 ~ N d (µ , ∑ ) , kde µ je vektor a Σ je kovarianční matice59 rozdě-
lení (nebo také variance60–kovariance matice rozdělení ). [10]
61 Například 2 roky.
Vlastní práce 32
{L~( )i
t +1 ( ~
) }
= l[t ] X t(+i )1 : i = 1, K , m . (3.4)
( )
P Lt + h > VaRαt ,h = 1 − α . (3.5)
V dané rovnici vyjadřuje P pravděpodobnost takzvaného nedodržení (violation) VaR,
které je rovno hodnotě 1 − α . [4]
Pokud jsou při zpětném testování zjištěny nějaké nepřesnosti, je model upravován
tak, aby odpovídal aktuálnímu vývoji na finančních trzích.
62 Analýza GAP se používá i při řízení rizika likvidity. V dnešní době je nutné rozlišovat mezi likviditními
gapy a úrokovými gapy.
63 Pro měření rizika likvidity se nejčastěji používá metoda likvidního GAPu, která je založená na rozdělení
hodnotou příslušného cash flow. Problémem durace GAP může být to, že durace před-
pokládá stejný pohyb úrokových měr, tzn. že výnosová křivka nemění svůj tvar ani
sklon a díky tomu durace neuvažuje úrokové riziko výnosové křivky. [4]
68 Probability of default.
69 Pro splatnosti, které jsou delší než 1 rok u (na velkoobchodních trzích).
70 Očekávaná ztráta je počítána v dolarech $.
Vlastní práce 36
Vt = St + Bt , 0 ≤ t ≤ T . (3.8)
V tomto modelu předpokládáme, že firma nemůže vyplácet dividendy nebo vydávat
nové závazky. Selhání nastává pokud firma nemá jak splatit dluhy, které v Mertonově
modelu existují pouze v době do splatnosti dluhopisu T. Potom můžeme rozlišovat
mezi dvěma případy splatnosti, kdy:
• VT > B , potom hodnota firemních aktiv převyšuje závazky firmy. V tomto případě
dlužníci obdrží hodnotu B a držitelé akcií obdrží zbytkovou hodnotu S T = VT − B
a nedochází zde k selhání.
• VT ≤ B , potom hodnota firemních aktiv je menší než závazky firmy. V tomto pří-
padě držitelé akcií nemají zájem v poskytování vlastního kapitálu. Držitelé akcií ne-
platí a neobdržují nic, potom BT = VT a S T = 0 . [10]
KMV model
Princip tohoto modelu je založen na Mertonově modelu. Je to model typu „default mo-
de“ a dlužník se tak na konci úvěrového vztahu může nacházet buď ve stavu selhání
nebo ve stavu neselhání. Tento model může být ovšem rozšířen na model typu „mark-
to-market-mode“. Selhání dlužníka nastane v případě, kdy se hodnota aktiv dlužníka
dostane pod kritickou úroveň, která odpovídá selhání dlužníka. Očekávaná četnost se-
lhání nám na základě získaných historických dat o vzdálenosti dlužníka od hodnoty se-
lhání představuje pravděpodobnost, že dlužník selže.
S modelem KMV je spojen klíčový pojem „očekávaná frekvence selhání“72, (dále
jen „EDF“). EDF je odhadnutá pravděpodobnost, že daná firma selže do jednoho roku.
EDF je funkce nynější hodnoty aktiva V0, kdy hodnota aktiva je anualizována a
~
značí se µV , proměnlivost aktiva se označuje σV a hraniční hodnota je B . (viz. vzorec
3.9)[10]
DD :=
(V −B
0
~
)
. (3.9)
σ V V0
~
Ve vzorci 3.9 B reprezentuje hranici selhání, V0 je aktivum, σV označuje proměnlivost
aktiva. Odhad DD znamená rozdíl mezi očekávanou hodnotou aktiva na konci riziko-
vého horizontu a hodnotou, při které by došlo k selhání, tzn. bod selhání. Čím větší je
vzdálenost od selhání, tím bezpečnější aktivum je. Funkční vztah mezi DD a EDF je
dán empiricky. [10]
Modely založené na úvěrové migraci
U těchto modelů jsou dlužníci ohodnoceni v rámci diskrétních ratingových kategorií.
Tyto kategorie odpovídají odhadované pravděpodobnosti, že dlužník nebude schopen
dál dostát svým závazkům. V těchto modelech jsou konečné počty ratingů, které určují
úvěrovou kvalitu dlužníka s jiným úvěrovým hodnocením napříč specifikovanému rizi-
kovému horizontu (typicky jde o jeden rok).
Pokud migrace, tj. přechod mezi úvěrovým hodnocením, není umožněna, potom je
model nazýván jako jednoduchý úvěrový ratingový model. Na druhé straně mluvíme o
mnohonásobném úvěrovém ratingovém modelu. Předpokládáme, že úvěrová kvalita
podnikového dluhu je vyčíslena a kategorizována do konečného čísla disjunktních úvě-
rových ratingových tříd (úvěrových kvalit). Úvěrová kvalita migruje mezi rozdílnými
úvěrovými třídami. Tato migrace je běžně modelována Markovovým řetězcem
(Markov chain), kdy předpokládáme, že model úvěrové migrace následuje v čase.
Markovský model je založený na teorii Markovských řetězců. Definice Mark-
ovských řetězců říká, že „Markovský řetězec je řada událostí, kdy pravděpodobnost kaž-
dé události je závislá na událostech bezprostředně předcházejících“. [38]
Markovský model se skládá z komplexního zastoupení možného řetězce událostí,
jako je změna stavu uvnitř systémů, které v případě spolehlivých a dostupných analýz
korespondují s posloupnostmi selhání a oprav. Markovský model zkoumá pravděpo-
dobnost bytí v daném stavu a na daném místě v čase. [38]
• Model CreditMetrics
Model Credit Metrics (dále jen „CM“) byl vyvinut předními investičními bankami v čele
s J. P. Morganem (1997). CM představuje model „mark-to-market mode“. To znamená,
že úvěrové riziko je spojeno jak se selháním dlužníka, tak se snížením ratingového
ohodnocení. Stav protistrany nerozdělujeme pouze na stav selhal-neselhal, ale zjišťuje-
me za určité období v jaké ratingové kategorii se dlužník nachází. Tento model zahrnuje
Vlastní práce 39
odhaduje rozdělení ztrát během určitého časového horizontu a ekonomický kapitál po-
mocí VaR.
Základními vstupy modelu jsou expozice banky vůči jednotlivým dlužníkům a je-
jich pravděpodobnosti selhání. Výpočet rizika jednotlivého aktiva spočívá v odhadu
očekávané ztráty. K odhadu rizika na úrovni portfolia lze rozčlenit množiny dlužníků do
různých pásem (bands) tak, že každé pásmo obsahuje dlužníky se stejným uvěrovým
rizikem. Očekávaná ztráta určitého pásma je sumou očekávaných ztrát každého dlužníka
této skupiny. CreditRisk+ používá rekurzivní vztah75k odhadu pravděpodobností ztrá-
tových událostí na úrovni portfolia. Model Credit Risk+ je vhodné používat, když máme
stejnorodá portfolia, která obsahují velký počet dlužníků a každý z dlužníků vykazuje
nízkou pravděpodobnost, že selže. Model Credit Risk+ má samozřejmě taky své nevý-
hody. Tento model nebere v úvahu ekonomické podmínky, selhání nemusí nastat jenom
jednou, ale může nastat víckrát. [10]
Redukované modely
Tyto modely řídí úvěrová rozpětí, tzv. úvěrové spready. Redukované modely lze apliko-
vat na dlužníky s libovolnou kapitálovou přiměřeností, jsou multiperiodické a lze je vý-
hodně použít k aktivnímu řízení úvěrového rizika. [4]
Od strukturních modelů se odlišují tím, že jsou nezávislé na kapitálové struktuře
firmy. Úpadek firmy vnímají jako jev, který přichází z vnějšího prostředí firmy. Úpadek
dlužníka nastává nečekaně a je pro investory překvapující. Jeden z prvních modelů byl
model Jarrow a Turnbullův model. Hlavním významem toho modelu je oceňování
úvěrových derivátů. Model je založen na analýze úvěrových spreadů dluhopisů.Tento
model předpokládá konstantní ztráty v případě úpadku dlužníka a úpadek je sledován
prostřednictvím Poissonova76 rozdělení pravděpodobnosti. Poissonovo rozdělení vyjadřu-
je pravděpodobnost, že se vyskytuje množství událostí ve stanoveném čase, jestliže tyto
události se stanou se známou průměrnou rychlostí. Také vyjadřuje pravděpodobnost
nezávislého bytí v čase od poslední události. [4]
Duffie a Singelton model je model, ve kterém autoři zdokonalili model předpo-
kladem procesu stochastické bezrizikové úrokové sazby a ztráty jsou v případě úpadku
odvozené empiricky. Model popisuje chování hazardního procesu a procesu očekávané
ztráty z tržní ceny rizikového dluhopisu a je vhodný pro parametrizování na tržní data.
Model nám umožňuje zachytit závislosti na firemně specifických a makroekonomických
proměnných. [3]
Můžeme říci, že tyto modely jsou vhodné pouze pro emitenty, jejichž dluhopisy se
obchodují. Proces selhání dlužníka je zde charakterizován jako binomický nebo expo-
nenciální.
Hybridní strukturní modely
Zatímco přístup strukturálních modelů je teoreticky přitažlivý, předpovězené pravděpo-
dobnosti selhání a úvěrového rozpětí vypočítané z Mertonova modelu jsou méně srov-
natelné prostřednictvím empricikého sledování. Firmy, které jsou solventní podle Mer-
tonova modelu, avšak mohou kdykoliv selhat. Zastánci hybridního přístupu se pokouší
přinést společně nejrůznější účetní a tržní proměnné k popsání hodnot firemních aktiv a
jejich kapacitě půjčování. Proměnnými jsou například firemní tržní hodnota jmění, ne-
stálost akcií, návratnost akcií, hodnota celkových aktiv, dlouhodobé závazky, čistý pří-
jem. [4]
77 Těmito bankami byly např. : Bank America, Wells Fargo, Nations Bank, Fleet, Bank One, Citicorp,
Hibernia Corporation.
78 Někdy je lepší tento pojem z anglického jazyka nepřekládat, v anglickém jazyce jde o pojem „Cre-
ditworthiness“ či „Credit-worthiness“.
Vlastní práce 42
79 Díky tomu, že CS se používá jak k hodnocení žadatelů o úvěr, tak k hodnocení samotného dlužníka, je
potřeba rozumět pod pojmem „klient“ žadatele o úvěr i samotného dlužníka.
80 „Dobrým“ klientem se rozumí klient, který splácí úvěr řádně a včas včetně úroků.
81 „Špatným“ klientem se rozumí klient, který úvěr nesplácí v řádných termínech nebo dokonce nesplní
Zdroj: CROUHY, M. -- GALAI, D. -- MARK, R. The essentials of risk management. New York: McGraw-
Hill, 2006. 414 s. ISBN 978-0-07-142966-5, str. 218. [4]
Vlastnický Soudní
Věk Záměr úvěru
status výdaje
Ve skórovací tabulce můžou být kromě vlastnického statusu, věku, záměru úvěru, soud-
ních výdajů ještě další proměnné84. Většina proměnných, které jsou používány ve „skóre
tabulce“, má jasnou spojitost s rizikem nesplacení úvěru. Některé proměnné udávají
představu o stabilitě klienta. Jedná se například o dobu bydlení na současné adrese, do-
bu zaměstnání u stávajícího zaměstnavatele. Další proměnné značí finanční sofistikova-
nost zákazníka, například jestli má daný klient běžný účet nebo spořící účet, zda-li má
kreditní karty a také jak dlouho je klientem u dané banky. Ostatní proměnné dávají ná-
hled na zdroje spotřebitele. Mezi tyto proměnné patří vlastnický status, zaměstnání, po-
čet dětí … [6]
Zajímavou položkou je region, jsou totiž oblasti, ve kterých je zadlužení podstatně
vyšší a kde mají klienti často tendenci úvěr nesplácet. Někdo by se mohl ohradit, že je
nespravedlivé, pokud vám díky tomu, že bydlíte v potenciálně problémovém regionu
84 Proměnné, které jsou uváděny ve skórovacích tabulkách má každý stát jiné. Například v USA je
z etického hlediska zakázáno uvádět v tabulce proměnné jako je pohlaví, rasa, náboženství.
Vlastní práce 45
banka skóre o něco sníží, ale celkový výpočet hodnoty skóre tato informace ovlivní jen
málo, protože skóre vychází především z finančních údajů.
• Úvěrové skórování dnes pro své výpočty používá množství statistických metod.
Statistické metody lze dělit na parametrické a neparametrické metody.
• Do parametrických metod řadíme: lineární pravděpodobnostní modelování (LPM85), dis-
kriminační analýzu (DA86) a logistickou regresi87.
• Mezi neparametrické metody patří: rozhodovací stromy, lineární programování, neuronové
sítě 88(NNs), genetické algoritmy.
V rámci skórování existuje více metod, které se používají. Metody, které jsem uvedla
výše jsou však nejpoužívanější. [2]
U každé metody je potřeba posoudit zda námi zvolená metoda je vhodná pro daný
typ dat a jestli je časově náročná. Také je potřeba posoudit, jak je adaptabiliní a jak
snadno je interpretovatelný její výstup.
Protože téma skórování je velice rozsáhlé, v rámci své bakalářské práce se zaměřím
na základní výstavbu modelů klíčových parametrických metod.
Parametrické metody:
• Logistická regrese
Logistická regrese je základním kamenem pro výstavbu skóringových modelů. Logis-
tická regrese patří mezi nejčastěji používané přístupy k analýze dat. Při této metodě je
nutné specifikovat výstupní proměnnou, která může nabývat pouze dvou hodnot
(například 0 = neúspěch, 1 = úspěch). Také musíme určit způsob odhadu pravděpo-
dobnosti p i úspěchu. Pravděpodobnost úspěchu je měřena pomocí šance (odds)
úspěchu. Pokud p i vyjadřuje, že pravděpodobnost úspěchu nastane, potom (1 − pi ) je
pravděpodobnost, že úspěch nenastane. Šance je poměr pravděpodobnosti úspěchu ku
pravděpodobnosti neúspěchu: [1]
pi
odds = . (3.10)
1 − pi
Pokud funkci odds zlogaritmujeme, dostaneme funkci logit, která je vyjádřena:
p(Good )
ln = b0 + b1 x1 + b2 x 2 + K + bk x k + e . (3.11)
1 − p (Good )
Logistická regrese je použita pro každé pozorování. Hodnota na levé straně rov-
nice představuje přirozený logaritmus šance – Odds. [2]
88 Neural networks.
Vlastní práce 46
• Diskriminační analýza
Nechť X = (X 1 , X 2 , K , X p ) je soubor p náhodných proměnných, které charakterizují
dostupné informace o klientovi. V souvislosti s diskriminační analýzou používáme dva
výrazy, a to proměnná89 a atribut90 (podstatný znak), abychom mohli popsat specifické
charakteristiky X i . Aktuální hodnota proměnných pro jednotlivé žadatele je vyjádřena
vektorem x = (x1 , x 2 , K , x p ) , kde X i označuje jednotlivé charakteristiky a xi označuje
jednotlivé atributy. [6]
Můžeme uvést jednoduchý příklad, kdy typická charakteristika je povolání (profe-
se), potom jednotlivé atributy mohou být kvalifikovaný pracovník, důchodce, adminis-
trativní úředník, prodavač a další. Je nutno zmínit, že skupiny atributů se mohou lišit, ale
charakteristiky zůstávají stejné. To, že skupiny atributů se mohou lišit, záleží na každém
subjektu či osobě půjčující peníze. Předpokládejme, že skupina všech možných hodnot
je A, a že uplatnění proměnných X = (X 1 , X 2 , K , X p ) může trvat. Záměrem této ana-
lýzy je potom zjistit předpis, který by věřiteli umožnil rozdělení souboru A na dvě pod-
množiny, kdy podmnožina AG zahrnuje dobré žadatele91 a podmnožina AB zahrnuje
špatné žadatele92.
Při rozhodování o přidělení úvěru existují dva druhy chyb. Může se stát, že úvěr
bude přidělen špatnému klientovi nebo může nastat situace, kdy úvěr nebude přidělen
dobrému žadateli. Jinak řečeno, na začátku úvěrového vztahu stojí zájemce o úvěr, který
je zcela bezproblémový a banka nemá důvod ho odmítnout. Avšak na konci úvěrového
vztahu stojí člověk, který je značně předlužený či dokonce žádá soud o oddlužení. [6]
Předpokládejme, že pG je podíl dobrých klientů a pB je naopak podíl špatných klien-
tů. Dále předpokládejme, že charakteristiky žádostí mají konečné množství vzájemně
nesouvisejících atributů tak, že soubor A je konečný a existuje jenom konečný počet
rozdílných atributů xi . Pokud p( X | G ) představuje pravděpodobnost, že dobrý klient
má atributy xi , potom je vyjádřena podmíněná pravděpodobnost, která je reprezen-
tována následujícím způsobem: [6]
Pr ob(P(G | x ))
p( x | G ) = . (3.12)
Prob(P(G ))
Taktéž lze vyjádřit, že špatný klient má atributy xi , potom:
89 Výraz „proměnná“ používáme, když chceme zdůraznit náhodnou povahu (charakter, podstatu) infor-
mací mezi úvěrovými žadateli.
90 Výraz „atribut“ aplikujeme, když si chceme vyjádřit o jaký druh informace se jedná.
Pr ob(P(B | x ))
p( x | B) =
Prob(P(B)) . (3.13)
Pokud q(G | x ) značí pravděpodobnost, že některý žadatel s atributy xi je dobrý, po-
tom:
Pr ob(P( x | G ))
q (G | x ) = . (3.14)
Pr ob(P( x ))
Dále s pomocí předchozích rovnic vyjádříme:
p(x | G ) pG
q (G | x ) = . (3.15)
p(x )
Taktéž vyjádříme pravděpodobnost, že někdo s atributy xi je špatný:
p( x | B) p B
q (B | x ) = . (3.16)
p(x )
Když dáme předchozí dvě rovnice do vztahu rovnosti, získáváme:
q(G | x ) p( x | G ) pG
= . (3.17)
p(B | x ) p( x | B) p B
Pokud přidělíme úvěr klientovi, který má atribut dobrého žadatele AG a zamítneme
úvěr klientovi, který má atribut špatného žadatele AB, potom se očekávané náklady na
jednoho žadatele budou rovnat:
L Σ P(x | G ) p
x∈ AB
G +D Σ P( x | B) p
x∈ AG
B =L Σ q(G | x ) p(x ) + D Σ q(B | x ) p(x ) .(3.18)
x∈ AB x∈AG
D p ( x | G ) pG
AG = {x | Dp( x | B ) p B ≤ Lp( x | G ) pG } = x | ≤ =
L p(x | B ) p B
D q (G | x )
= x | ≤ . (3.19)
L q (B | x )
statistické údaje, které nám vyjadřují právě predikční sílu modelů. Predikční sílu modelu
můžeme vyjádřit početně i graficky.
• Kolmogorov – Smirnov statistika (KS)
Jsou běžně používané v CS. Byly představeny matematiky A. N. Kolgomorovem a
N.V.Smirnovem. KS křivka je nástrojem vizualizace dat, která se používá pro prokázání
účinnosti CS. KS křivka vyjadřuje maximum z rozdílu absolutních hodnot dvou distri-
bučních funkcí, kde 0 < DKS < 1 . [2]
KS statistiku je možné vyjádřit následovně:
Zdroj: Giniho koeficient. In Wikipedia : the free encyclopedia [online]. St. Petersburg (Florida) : Wikipedia
Foundation, 2000, last modified on 11. 11. 2010 [cit. 2010-12-20]. Dostupné z WWW:
<http://cs.wikipedia.org/wiki/Giniho_koeficient>. [31]
A
Gini = = 2A (3.21)
A+ B
Daná rovnice nám ukazuje, že Gini vyjadřuje poměr plochy mezi LC a diagonálou jed-
notkového čtverce (oranžová plocha A) ku celkové ploše pod diagonálou (plocha A+B).
V obrázku F G (s ) označuje distribuční funkci dobrých klientů a F B (s ) vyjadřuje distri-
buční funkci špatných klientů. Giniho index nabývá hodnot z intervalu 0,1 . Čím více
se Gini blíží k hraniční hodnotě 1, tím je predikční síla modelu větší. [31]
• ROC křivka
Je křivka, která je často zaměňována s Lorenzovou křivkou. V úvěrovém skórování
představuje vztah mezi distribučními funkcemi vhodných a nevhodných klientů. V grafu
ROC křivky každý bod na křivce reprezentuje nějaké skóre s. ROC křivka má dvě zá-
kladní charakteristiky, a to sensitivitu, která vyjadřuje relativní četnost správné klasifikace
pozitivních případů (TPR, tj. true positive rate) a specificitu vyjadřující relativní úspěšnost
Vlastní práce 50
klasifikace u negativních případů (TNR, tj. true negative rate). ROC křivka vyjadřuje
vztah mezi specificitou a senzitivitou pro všechny možné prahové hodnoty. [2]
• Lift křivka
Je jedním z dalších způsobů, jak ohodnotit predikční sílu modelu. Hodnota Lift křivky
se počítá ze skóre, které jsou rozděleny do skupin. Procentuální zastoupení znaku
v dané skupině je dělené zastoupením znaku v celém vzorku.
tabulka č. 3.
Vlastní práce 51
99 Gap limits.
Diskuze 53
4 Diskuze
RM je tvořen soustavou opakujících se, navzájem provázaných činnosti, jejichž cílem je
řízení potenciálních rizik. Efektivní řízení rizik100 se musí stát nedílnou součástí firemní
kultury, interních procesů a myšlení lidí. Neexistuje jeden jediný způsob, jak vyřešit pro-
blém měření rizika. Nejen bankovní průmysl se stále snaží porozumět kladům a zápo-
rům různých předpokladů základních přístupů.
Ze všech společností, které poskytují spotřebitelský úvěr jsou to právě banky, které
se na poskytování úvěrů podílejí nejvíce. Banky pro řízení rizika používají řadu výpočet-
ních metod, statistických metod. Celý proces identifikace a řízení musí být dostatečně
flexibilní, aby byl schopen přizpůsobit se dostatečně rychle a adekvátně novým ekono-
mickým, odvětvovým a legislativním podmínkám. Samotný proces RM potom musí
zohledňovat vnitřní a vnější faktory, měřitelné a neměřitelné aspekty rizik, reálné mož-
nosti jejich řízení, náklady a výnosy z řízení rizik. Identifikace rizik musí být zajištěna u
všech činností a na všech organizačních úrovních banky.
Co se týče standardních metod pro řízení tržních rizik, žádná z uvedených stan-
dardních metod, tj. metoda variance a kovariance, historická simulace a Monte Carlo
simulace, není perfektní a není dominantní před ostatními. Z tohoto důvodu je pro fi-
nanční odborníky a manažery, kteří se spoléhají na koncept hodnoty VaR v riziku důle-
žité dobře znát základní principy VaR výpočtů. Ze standardních metod je zřejmě nejjed-
nodušší metodou historická simulace, je totiž pro portfolia s dostupnými údaji o minulých
hodnotách tržních faktorů jednoduše implementovatelná, na druhou stranu musíme mít
při této metodě časové řady příslušných tržních faktorů. Výpočet této metody je jedno-
duchý a snadno pochopitelný nejen pro top manažery. Simulace Monte Carlo je zřejmě
teoreticky nejlepší metodou, díky které se dá vypočítat tržní VaR. Je velmi flexibilní, ale
je časově náročnější a vyžaduje od jejich tvůrců značné zkušenosti a profesionalitu. Vari-
ačně-kovarianční metoda je buď jednoduše nebo hůře implementovatelná, to záleží na
komplexnosti nástrojů a dostupnosti údajů. Výpočet této metody je rychlý, ale už není
tak dobře pochopitelný.
Analytikům rizik pomáhají techniky VaR k poskytování racionálního a srovnatel-
ného přehledu o rizicích jednotlivých pozic nebo portfolií. Použití a spolehlivost této
metodologie je často ovlivňována dostupností dat. Jistým problém může být to, že VaR
je obvykle vypočítaná bez statistického rámce. Stresové testování a analýzy scénáře jsou
nezbytnými doplňky k použití modelů VaR, protože metoda VaR je vhodná pouze pro
relativně krátká časová období.
Smyslem stresového testování a analýz scénáře je určování velikosti potenciální
ztráty související s konkrétním scénářem. Stresové testování je využitelné za stresových
podmínek (například finanční krize). Postihuje extrémní, ikdyž možné události nebo
pohyby v množině finančních proměnných. Nevýhodou stresových scénářů může být
ten fakt, že nastavení scénářů je subjektivní a testování může generovat falešné indikace
100Exponované případy jako jsou Barings a Railtrack ve Spojeném království, Enron a WorldCom v USA
náležitě demonstrují důsledky neřízení rizik.
Diskuze 54
101 Naopak třeba v USA je běžné, že klienti své úvěrové skóre znají.
Závěr 55
5 Závěr
Řízení rizika je nepřetržitý proces, který je uskutečňován interním rizikovým manažerem
nebo specializovanou firmou. Tento nepřetržitý proces pomáhá nejen bankovním insti-
tucím předejít překvapení v případě, že nastane událost, která povede ke škodě (ztrátě) a
ohrozí tím podnikatelskou činnost. Řízení rizika slouží také k tomu, aby tyto instituce
byly připraveny na událost, která může nastat a mohly na ni rychle a účinně reagovat.
Instituce která řídí rizika chrání svá aktiva a zvyšuje hodnotu svých aktiv například
tím, že umožňuje instituci provádět veškeré budoucí činnosti, zlepšuje rozhodovací pro-
ces, chrání a zhodnocuje aktiva, zvyšuje efektivitu činnosti organizace a další.
Cílem RM je zajistit, aby obchodování, zaujímání pozic a operační aktivity nevysta-
vily instituci ztrátám, která ohrožuje její životaschopnost. Schopnost instituce vydržet
ekonomické a tržní změny odpovídá stupni vývoje systému řízení rizik.Všechna rozho-
dující rizika je třeba konzistentně měřit a integrovat do širokého systému měření rizik.
Jako důležité součásti celého řízení rizika je nutno uvést stanovování a kontrolu li-
mitů, kvalitní databáze a statistické nástroje, nezbytné jsou také skóringové a ratingové
modely, modely VaR apod. Velmi důležitá je také alokace kapitálu a aktivní optimalizace
výnosů v poměru k riziku.
Cílem mé bakalářské práce bylo popsat metodologii řízení rizika společností posky-
tujících spotřebitelské úvěry, přičemž jsem se zaměřila na bankovní instituce, které po-
skytují nejvíce úvěrů. Banky jsou spojeny se značným počtem rizik, z nichž nejvýznam-
nější je riziko úvěrové. Banka totiž poskytuje mnoho úvěrů a vystavuje se tak právě úvě-
rovému riziku.
V práci bylo popsáno, s jakými riziky se mohou bankovní a úvěrové instituce se-
tkat. Převážná část práce se zaměřovala na hlavní proces řízení rizika – měření rizika. Ve
své práci jsem se snažila stručně shrnout základní koncepce k měření rizika. Převládající
část práce se týká úvěrového rizika a metodě úvěrového skórování, která se dnes již
běžně používá k vyhodnocování situace, zda klientovi úvěr přidělit či nepřidělit. Práce
shrnuje a popisuje různé přístupy právě k měření rizika. V diskuzi byly shrnuty některé
důležité poznatky, které se týkají daného tématu a byly srovnány některé metody.
Seznam zkratek 56
6 Seznam zkratek
BRKI Bankovní registr klientských informací
CBCB Czech Banking Credit Burelu, a.s.
CM CreditMetrics metoda
CS úvěrové skórování (credit scoring)
CVaR míra hodnoty v riziku – úvěrové riziko
ČNB Česká národní banka
ČR Česká republika
DA diskriminační analýza (discriminant analysis)
DD vzdálenost od selhání (distance to default)
DP bod selhání (default point)
EAD expozice při selhání (exposure at default)
EDF očekávaná frekvence selhání (expected default frequency)
EL očekávaná ztráta (expected loss)
Gini Giniho koeficient (Giniho index)
IRRS Vnitřní ratingový system (Internal risk rating system)
KS Kolmogorov–Smirnov statistika
LC Lorenzova křivka (Lorenz curve)
LGD míra ztráty při selhání (loss given default)
LPM lineární pravděpodobnostní model (linear probability modeling)
M doba splatnosti (maturity)
MC Monte Carlo (simulace Monte Carlo)
NNs neuronové sítě (neural networks)
NRKI Nebankovní registr klientských informací
OpVaR míra hodnoty v riziku – operační riziko
PD pravděpodobnost selhání (probability of default)
RM Řízení rizika (Risk management)
ROC ROC křivka (receiver operating characteristics)
RSA úrokově citlivá aktiva
RSL úrokově citlivá pasiva
USA Spojené státy americké (United States of America)
VaR Value-at-Risk
Seznam literatury a elektronické zdroje 57
Elektronické zdroje
[16] ALBERTS, CH. J.; DOROFEE, A. J. Research Showcase [online]. 2010 [cit. 2010-05-
30]. Risk Management Framework. Dostupné z WWW:
<http://repository.cmu.edu/sei/5/>.
[17] A Risk Management Standard. United Kingdom of Great Britain and Northern Ire-
land : The Institut of Risk Management, The Association of Insurance and Risk
Managers, The National Forum of Risk Management in the Public Sector, 2002. 27
s. Dostupné z WWW:
<http://www.theirm.org/publications/documents/RiskManagementStandard_07
0111_Czech.pdf>.
[18] Bank for international settlements [online]. 2006 [cit. 2010-08-05]. Banking services for
central banks. Dostupné z WWW: <http://www.bis.org/banking/index.htm>.
[19] Bankovnictví [online]. 2010 [cit. 2010-05-30]. Krize přiměla banky k efektivnějšímu
řízení rizik. Dostupné z WWW: <http://bankovnictvi.ihned.cz/c4-10004510-
43651750-900000_d-krize-primela-banky-k-efektivnejsimu-rizeni-rizik>.
[20] Basel Committee on Banking Supervision. [online]. 2006 [cit. 2010-08-06]. Basel II: Revi-
sed international capital framework. Dostupné z WWW:
<http://www.bis.org/publ/bcbsca.htm>.
[21] BUČKOVÁ, V. Finance.cz [online]. 25.2.2009 [cit. 2010-10-01]. K čemu slouží úvě-
rové registry?. Dostupné z WWW:
<http://www.finance.cz/zpravy/finance/210471-k-cemu-slouzi-uverove-registry-
/>.
[22] Cetelem : zelená pro vaše plány [online]. 2010 [cit. 2010-12-08]. Cetelem se představuje.
Dostupné z WWW: <http://www.cetelem.cz/o-nas/cetelem-se-
predstavuje.html>.
[23] Cofidis [online]. 2010 [cit. 2010-09-13]. Půjčka Cofidis. Dostupné z WWW:
<http://www.cofidis.cz/online-pujcka>.
[24] Creditinfo Solutions [online]. 2003 [cit. 2010-04-10]. Scoringové a konzultační služby.
Dostupné z WWW: <http://www.creditinfosolutions.com/?PageID=2278>.
[25] Česká spořitelna: Jsme Vám blíž. [online]. 2010[cit.2010-08-08]. Produkty a služby.
Dostupné z
WWW:<http://www.csas.cz/banka/menu/cs/lide/nav00001_osobni_fiance_grp
_10253>.
[26] ČNB. [online] 2008. [cit. 2010-10-09]. Zpráva o výkonu dohledu nad finančním
trhem, 2007 [online]. Dostupné z WWW:
<http://www.cnb.cz/miranda2/export/sites/www.cnb.cz/cs/dohled_financni_tr
h/souh-
ne_informace_fin_trhy/zpravy_o_vykonu_dohledu/download/dnft_2007_cz.pdf
>.
[27] ČNB. [online] 2010. [cit. 2010-10-11]. Zpráva o výkonu dohledu nad finančním
trhem, 2009 [online]. Dostupné z WWW: <
http://www.cnb.cz/miranda2/export/sites/www.cnb.cz/cs/dohled_financni_trh
Seznam literatury a elektronické zdroje 59
/souhrn-
ne_informace_fin_trhy/zpravy_o_vykonu_dohledu/download/dnft_2009_cz.pdf
>
[28] ČSOB [online]. 2010 [cit. 2010-08-08]. Půjčky a úvěry. Dostupné z WWW: <
http://www.csob.cz/cz/Lide/Pujcky-a-uvery/Stranky/default.aspx >.
[29] ČULÍK, J. Britské listy : deník o všem, o čem se v České republice příliš nemluví [online].
19.7.2007 [cit. 2010-09-13]. Lichváři v České republice. Dostupné z WWW:
<http://www.blisty.cz/2007/7/19/art35365.html>.
[30] Finance.cz : Poznejte hodnotu informace [online]. 17.9.2010 [cit. 2010-09-19]. Riziko
likvidity a jeho význam v bankovní sféře. Dostupné z WWW:
<http://www.finance.cz/zpravy/finance/280516-riziko-likvidity-a-jeho-vyznam-
v-bankovni-sfere/>.
[31] Giniho koeficient. In Wikipedia : the free encyclopedia [online]. St. Petersburg (Flori-
da) : Wikipedia Foundation, 2000, last modified on 11. 11. 2010 [cit. 2010-12-20].
Dostupné z WWW: <http://cs.wikipedia.org/wiki/Giniho_koeficient>.
[32] HOLMAN, R. Budoucnost kapitálové regulace bank. Bankovnictví [online]. 22.5.2009,
č.5, [cit. 2010-09-01]. Dostupné z WWW: < http://bankovnictvi.ihned.cz/c1-
37195110-budoucnost-kapitalove-regulace-bank >.
[33] Home Credit [online]. 2008 [cit. 2010-12-08]. Produkty. Dostupné z WWW:
<http://www.homecredit.cz/cs/produkty/index.shtml>.
[34] KADLÁČKOVÁ, N.; SŮVOVÁ, H. Přehled úvěrových modelů. Bankovnictví [onli-
ne]. 18.4.2002, č.4, [cit. 2010-09-08]. Dostupný z WWW:
<http://www.cnb.cz/cs/verejnost/pro_media/clanky_rozhovory/media_2002/cl
_02_020418b.html>.
[35] KB [online]. 2010 [cit.2010-08-10]. Půjčky. Dostupné z WWW:
<http://kb.cz/cs/lide/obcane/pujcky/index.shtml>.
[36] Měšec.cz [online]. 2010 [cit. 2010-12-08]. Spotřebitelské půjčky. Dostupné z WWW:
<http://www.mesec.cz/pujcky/spotrebitelske-uvery/pruvodce/>. ISSN 1213-
4414.
[37] Provident : Víc než jen půjčka [online]. 2010 [cit. 2010-09-13]. Proč právě půjčka od
Providentu. Dostupné z WWW: <http://www.provident.cz/pages/vyberte-si-
svou-pujcku>.
[38] Risk management basics [online]. 2006 [cit. 2010-12-01]. Risk Management - Markov
Chain. Dostupné z WWW: <http://www.risk-management-basics.com/risk-
management-markov-chain.shtml>.
[39] UniCredit Bank [online]. 2010 [cit. 2010-08-10]. Úvěry. Dostupné z WWW:
<http://www.unicreditbank.cz/cz/obcane/uvery.html>.
Prameny práva
[40] Zákon č. 87/1995 Sb., o spořitelních a úvěrních družstvech a některých opatřeních s
tím souvisejících a o doplnění zákona České národní rady č. 586/1992 Sb., o da-
ních z příjmů, ve znění pozdějších předpisů.
Seznam literatury a elektronické zdroje 60
Přílohy
Skórovací tabulky a ratingové hodnocení 62
6 let a 9
1 rok a 7
<6 6 měsíců až měsíců až 10 let a 6
Doba v práci měsíců až 6
měsíců 1 rok 10 let a 5 měsíců a víc
let a 8 měsíců
měsíců
5b 14b 20b 27b 39b
vlastní
nebo pronájem ostatní
Bydlení
kupují
40b 19b 26b
běžný běžný a
spořící účet žádný
Bankovnictví účet spořící účet
22b 17b 31b 0b
ano ne
Kreditní karta
27b 11b
důchodce kvalifikovaný administrativa prodej služby ostatní
Povolání/Profese
41b 36b 27b 18b 12b 27b
62 a
18 až 25 26 až 31 32 až 34 35 až 51 52 až 61
Věk víc
19b 14b 22b 26b 34b 40b
významný menší žádný vyhovující 2 nebo více
Úvěrová žádné
prohřešek prohřešek záznam záznam vyhovujících
reference
-15b -4b -2b 9b 18b 0b
Zdroj: vlastní konstrukce podle CROUHY, M. -- GALAI, D. -- MARK, R. The essentials of risk manage-
ment. New York: McGraw-Hill, 2006. 414 s. ISBN 978-0-07-142966-5, str. 215. [2]
Zdroj: ČNB, Zpráva o výkonu dohledu nad finančním trhem 2009, str. 123. [27]
Společnosti poskytující spotřebitelské úvěry v ČR a s nimi související přílohy 65
20
18
16
14
12 banky
10 pobočky zahraničních bank
8 stavební spořitelny
6
4
2
0
2007 2008 2009
Zdroj: vlastní konstrukce podle ČNB, Zpráva o výkonu dohledu nad finančním trhem 2009, str. 67. [27]
9%
37%
43%
6%
2% 3%
Zdroj: vlastní konstrukce podle ČNB, Zpráva o výkonu dohledu nad finančním trhem 2009, str. 72. [27]
Společnosti poskytující spotřebitelské úvěry v ČR a s nimi související přílohy 66
Zdroj: ČNB, Zpráva o výkonu dohledu nad finančním trhem 2009, str. 72. [27]
Zdroj: Bankovnictví [online]. 2010 [cit. 2010-05-30]. Krize přiměla banky k efektivnějšímu řízení rizik. Dostup-
né z WWW: <http://bankovnictvi.ihned.cz/c4-10004510-43651750-900000_d-krize-primela-banky-k-
efektivnejsimu-rizeni-rizik>. [19]
Společnosti poskytující spotřebitelské úvěry v ČR a s nimi související přílohy 67
Zdroj: ČNB, Zpráva o výkonu dohledu nad finančním trhem 2009, str. 84. [27]