Zaverecna Prace

Mendelova univerzita v Brně
Provozně ekonomická fakulta
Řízení rizika společností

poskytujících spotřebitelské úvěry
Bakalářská práce
Vedoucí práce: Vypracovala:

Mgr. Martin Řezáč, Ph.D. Kamila Kučerová
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.
V Brně dne 3. ledna 2011 ______________________

Abstract
Kučerová, K.. Risk management of Companies Offering Consumer Lending. Bachelor thesis.
Brno: Mendel university in Brno, 2011.
The bachelor thesis is describing the methodology of risk management of companies
offering consumer lending with the focus on banking institutions. I am dealing there
with the problems of risk management and which of these risks can be faced by finan-
cial institutions. I am also trying to explain the term „risk management“. I am also brie-
fly describing companies that are offering consumer lending in The Czech Republic and
their offers. Furthermore I am focusing on some selected methods of risk management,
especially the methods of calculation of market risk, credit risk and operational risk (Va-
lue-at-Risk, stress testing, analysis of scenarios etc.). For the most part I am dealing with
the problems of credit risks and the method of credit scoring. I am describing selected
statistic methods which are used for calculation of credit scoring (regression analysis,
discriminant analysis …). In the end I am discussing and evaluating these problems.
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
3.4.5 Metody používané při řízení úrokového rizika..................................................33

3.5 Řízení operačního rizika .................................................................................................34
3.6 Řízení úvěrového rizika ..................................................................................................35
3.6.1 Modely úvěrového rizika ......................................................................................36
3.6.2 Strukturní modely – Mertonův model, KMV model, Credit Metrics ............36
3.6.3 Další modely používané pro řízení úvěrového rizika .......................................39
3.7 Úvěrové skórování – skóringové a ratingové modely................................................41
3.7.1 Stručná historie úvěrového skórování ................................................................41
3.7.2 Credit scoring .........................................................................................................41
3.7.3 Účinnost modelů skórování .................................................................................47
3.7.4 Ratingové modely ..................................................................................................50
3.8 Úvěrový registr.................................................................................................................51
3.9 Monitorování a omezování rizika .................................................................................52
4 Diskuze 53
5 Závěr 55
6 Seznam zkratek 56
7 Seznam literatury a elektronické zdroje 57
A Skórovací tabulky a ratingové hodnocení 62
B Společnosti poskytující spotřebitelské úvěry v ČR a s nimi související přílohy 64

Seznam obrázků 7
Seznam obrázků
Obr. 1 Rozdělení rizik 12
Obr. 2 Srovnání přístupů Basel I a Basel II 19
Obr. 3 Podíl jednotlivých skupin bank na celkové bilanční sumě (v %, banky

s licencí k danému datu). 24
Obr. 4 Stresové kategorie a stresové šoky 30
Obr. 5 Rozdělení „dobrých“ a „špatných“ klientů 43
Obr. 6 Lorenzova křivka a Ginino index 49
Obr. 7 Počet bank v ČR (banky s licencí k danému datu) 65
Obr. 8 Struktura úvěrů podle ekonomických sektorů (k 31. 12. 2009) 65
Obr. 9 Co vnímají banky jako hlavní problémy 66

Seznam tabulek 8
Seznam tabulek
Tab. 1 Příklad jednoduché skórovací tabulky 44
Tab. 2 Ukázka aplikační skórovací tabulky 62
Tab. 3 Ratingové kategorie agentury Standard & Poor´s a agentury Moody´s 62
Tab. 4 Rozdělení bank v ČR do skupin (k 31. 12. 2009) 64
Tab. 5 Úvěry obyvatelstvu podle časového a druhového hlediska 66
Tab. 6 Kapitálové požadavky a kapitálová přiměřenost bankovního sektoru (v

mld. Kč) 67
Úvod a cíl práce 9
1 Úvod a cíl práce

1.1 Úvod do problematiky
Tématem mé bakalářské práce je řízení rizika společností poskytujících spotřebitelské
úvěry. Riziko je součástí každodenního života a ovlivňuje všechny lidské činnosti. Dříve
bylo opomíjeno, ale postupně se vyvinula potřeba se proti rizikům chránit a efektivně je
řídit, protože jsou spojena s každou obchodní činností.
Řízení rizika1 se v dnešní době stále vyvíjí, je velmi uznávané na světových finanč-
ních trzích, a proto je velmi důležité rizikům a jejich řízení věnovat patřičnou pozornost
a nepodceňovat je. Dříve byla snahou řízení rizika jeho minimalizace, v dnešní době se
společnosti zaměřují na jeho snižování, ale také se snaží o optimalizaci vztahu mezi rizi-
kem a výnosem. Problematika celého rizikového managementu je velmi obsáhlá a pro
každý obor velmi specifická.
V posledních letech byl zpozorován značný pokrok v oblasti řízení a měření fi-
nančních rizik. Dnešní moderní přístupy jsou uskutečňovány napříč mnoha průmyslo-
vými odvětvími. V současnosti existuje mnoho nových přístupů k tomu, jak vůbec riziko
identifikovat, měřit jej, uvědomovat si jeho následky a potom na tyto následky přiměře-
ně reagovat například tak, že riziko budeme omezovat. Pro instituce je důležité, aby vě-
novaly pozornost i novým regulačním opatřením a změnám v řízení rizik. Modely měře-
ní rizik jsou reprezentovány matematickými a výpočetními mechanismy. Tyto mecha-
nismy jsou potřebné pro správnou činnost bankovních i nebankovních institucí.
Banky, bankovní produkty a bankovnictví se staly součástí každodenního života
většiny lidí v moderní společnosti. Bankovnictví se dynamicky vyvíjí a prochází značný-
mi změnami. Efektivní fungování bank, jejich odpovídající regulace, výběr vhodného
bankovního produktu a zhodnocení rizik s ním spojených, to jsou jen některé problémy,
jejichž řešení vyžaduje stále rozsáhlejší znalosti.
Mezi základní činnosti bank patří poskytování úvěrů. V dnešní době je spousta
bankovních i nebankovních institucí, které poskytují úvěry klientům. Úvěry tvoří hlavní
položku bankovních aktiv, která zajišťuje bance příjem. Zásadní otázkou je potom pro
finanční společnosti právě problematika úvěrového rizika. Snahou bank je proto co nej-
přesnější kvantifikace pravděpodobnosti, že dlužník nesplatí úvěr včas a tím způsobí
bance ztrátu. Nejpoužívanějšími statistickými modely, které tuto pravděpodobnost se-
lhání dlužníka vyčíslují, jsou skóringové modely.
1.2 Cíl práce

Při provádění všech obchodních aktivit jsou banky i nebankovní instituce vystaveny
řadě různých rizik. Správná identifikace rizika, řízení rizika a jeho měření patří k jedné ze
základních podmínek efektivní činnosti banky a dalších finančních institucí. Cílem mé
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]
2.2 Finanční riziko

Existuje mnoho oblastí, kde je nutné rizika řídit. V ekonomii a financích je pojem riziko
používán v souvislosti s nejednoznačností průběhu určitých ekonomických či finančních
procesů a jejich výsledků a ve finančním řízení je mu věnován mimořádný význam. Je to
hlavně díky tomu, že stupeň podstupovaného rizika má přímý vliv na významné faktory
existence firmy, jako je schopnost řádně a včas splácet závazky, ziskovost, ochota věřite-
lů (případně investorů) podílet se na rozvoji firmy a také zhodnocení vložených pro-
středků. Protože se moje práce zabývá řízením rizik společností, které poskytují spotře-
bitelské úvěry, budu se ve své práci zabývat především bankovními riziky, kterými jsou
hlavně rizika finanční. Instituce jsou vystaveny značnému množství rizik. V odborné
literatuře pak neexistuje jednotná kategorizace finančních rizik. Je to hlavně z toho dů-
vodu, že autoři mají své subjektivní názory na povahu rizik.
Waterhouse (1994) dělí finanční riziko na riziko provozní, likviditní a transakční.
Transakční riziko dále rozděluje na riziko úvěrové a cenové. [15]
Jílek (2000) finanční rizika rozděluje na riziko úvěrové, tržní, likviditní, operační a
riziko obchodní. Toto rozdělení nejvíc koresponduje s českou bankovní praxí. [7]
Crouhy, Galai, Mark (2006) uvádí, že rizika můžeme seskupit do následujících ka-
tegorií, jak je vidět na Obr. 1. [4]
Obr. 1 Rozdělení rizik
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.
2.2.1 Tržní riziko

Tržní riziko je riziko ztrát vyvstávajících ze změn tržních faktorů na finančních trzích.
Tržní riziko může vzniknout díky změnám úrokových sazeb, měnových kurzů, cen akcií.
Vznik rizika může být zapříčiněn i změnami ve struktuře vlastního kapitálu společnosti,
případně změnou cen produktů. Význam tohoto rizika roste s větší diversifikací činností
bank a jejich rostoucí angažovaností na finančních trzích. Tržní riziko v sobě spojuje
riziko úrokové, riziko akciové, měnové a komoditní. [4]
• Úrokové riziko5 – Riziko, které je zapříčiněné změnou úrokového výnosu nebo
změnou tržní hodnoty kapitálu banky v souvislosti se změnou tržních úrokových
sazeb. Vzniká vlivem nepříznivého vývoje úrokových měr.
Kašparovská (2006) rozlišuje 4 zdroje úrokového rizika, a to riziko gapu (změny
čistého úrokového výnosu6 změnou referenční úrokové sazby), riziko výnosové křivky
(změny čistého úrokového výnosu změnou tvaru nebo sklonu výnosové křivky7), riziko
báze (riziko změny čistého úrokového výnosu dané navázáním aktiv a pasiv na rozdílné
úrokové sazby) a riziko opce (riziko změny čistého úrokového výnosu vlivem předčasné-
ho splácení úvěrů nebo výběru vkladů a jejich opětovného čerpání resp. vložení). [9]
• Akciové riziko8 – Riziko, které je spojené s nestabilitou cen akcií. Jílek (2000)
uvádí, že akciové riziko je „riziko změny ceny akcií, riziko změny cenových indexů
mezi různými akciemi nebo akciovými trhy, riziko změny dividend, případně riziko
volatility cen akcií “. [7]
Crouhy, Galai, Mark, (2006) říkají, že akciové riziko je „riziko spojené s volatilitou
cen akcií“. [4]
• Měnové riziko9 – Riziko, které vzniká změnou kurzu jedné měny vůči jiné měně.
Měnové riziko je způsobeno změnou hodnoty majetku a závazků podniku pod vli-
vem změny měnového kurzu. Ovlivňuje hodnotu všech budoucích toků peněz vy-
jádřených v cizí měně.[4]
• Komoditní riziko10 – Riziko spojené s pohybem cen komodit. Rizikovou okolnos-
tí je zde změna tržních cen komodit. Komoditní riziko se výrazně odlišuje od mě-
nového a úrokového rizika [4]
2.2.2 Operační riziko

I ve finančních institucích, stejně jako v každé jiné oblasti podnikání, sehrávají klíčovou
roli faktory, jakými jsou lidský faktor, vnitřní procesy, technologické systémy a vnější
skutečnosti. K těmto faktorům však neoddělitelně patří také různorodá rizika, plynoucí
5 Interest rate risk.

6 Čistý úrokový výnos je možné vyjádřit jako rozdíl mezi úrokovými výnosy a úrokovými náklady.
7 Výnosová křivka nám ukazuje, jak se mění úrokový výnos s měnící se dobou splatnosti.
8 Equity risk.
9 Foreign exchange risk, případně Currency risk.
10 Commodity price 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.
2.2.3 Riziko likvidity

Riziko vyplývá z likvidity11, která spočívá v časovém nesouladu splatnosti jednotlivých
aktiv a pasiv bankovní rozvahy. Riziko likvidity představuje situaci, kdy banka nebude
mít dostatek volných finančních prostředků k pokrytí svých platných závazků. Riziko
likvidity také může představovat stav, kdy banka nebude schopná financovat svoje akti-
va. Celý princip bankovního podnikání je založen na riziku likvidity. Banka je totiž trvale
likvidní. Riziko likvidity spadá do oblasti regulace a bankovního dohledu vykonávaného
centrální bankou. [30]
2.2.4 Úvěrové riziko

Jak již bylo řečeno výše, finanční instituce se při své činnosti setkávají s různými druhy
rizik. Úvěrové riziko12 patří mezi nejstarší a nejvýznamnější z nich. Nejvíce bankovních
obchodů probíhá právě na bázi poskytování úvěrů, ze kterých toto riziko vychází. Úvě-
rové riziko vzniká také i při dalších obchodních operacích, které banka uskutečňuje.
Úvěrové riziko spočívá ve své podstatě v tom, že klient či obchodní partner banky
nedodrží sjednané podmínky finanční transakce a bance tím vznikne finanční ztráta.
Můžeme také říci, že úvěrové riziko je rizikem ztráty vzniklé z úpadku13 dlužníka tím, že
nedostojí svým závazkům podle podmínek kontraktu a tím způsobí věřiteli ztrátu.
Příčiny vzniku úvěrového rizika jsou buď externí nebo interní. Externí příčiny jsou
nezávislé na rozhodnutích banky a jsou dány celkovým vývojem ekonomiky, politickou
situací apod. Příčiny interní jsou závislé na vlastních rozhodnutích banky. Vyplývají na-
příklad ze špatných rozhodnutí banky o alokaci aktiv.
Úvěrové riziko je všudypřítomné zejména v portfoliu finančních institucí a banka
tomuto riziku čelí dennodenně. Úvěrové riziko vyplývá jak z poskytování úvěrů firmám,
tak z poskytování úvěrů fyzickým osobám. Každé z těchto rizik je řízeno odlišným způ-
sobem.
U úvěrového rizika fyzických osob rozlišujeme riziko nesplnění závazku druhou
stranou a inherentní riziko produktu. [15]
Jílek (2000) uvádí následující typizaci úvěrového rizika:
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.
• 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]
2.2.5 Modelové riziko

Modelové riziko patří mezi novější typy rizik. Modelové riziko je definováno jako riziko,
že finanční instituce utrpí ztráty díky tomu, že jejich modely při řízení rizika budou
chybně specifikovány nebo finanční instituce utrpí ztráty z toho důvodu, že klíčové
předpoklady těchto modelů nebudou v praxi splněny. [10]
Toto riziko souvisí s rostoucí mírou používání matematických a statistických mo-
delů při bankovní činnosti a je založené především na chybných předpokladech modelů,
kdy chyba může nastat v nějaké fázi používání modelu. Chyba může nastat už při sa-
motné volbě vhodného modelu, při specifikaci modelu a jeho parametrizaci a kalibraci.
Také je možné, že chyba vznikne v softwaru, který daný model používá.
2.2.6 Obchodní riziko

V tomto případě nejde o typické bankovní riziko. Někteří autoři toto riziko ani do ban-
kovních rizik nezařazují. Obchodní riziko je spojené s obchodní činností, tedy i s podni-
káním. Tomuto riziku jsou vystavení všichni podnikatelé, ale i bankovní sektor. Ob-
chodní riziko může mít několik kategorií (právní riziko, daňové, regulační, reputační
riziko, riziko pohromy, riziko změny úvěrového hodnocení, riziko měnové konvertibili-
ty19).[7]
14 Direct credit risk.

15 Credit equivalent exposure.
16 Jedná se o tzv. podrozvahové položky.
17 Settlement risk.
18 Large credit exposure risk. Další možný název je riziko koncentrace portfolia.
19 Konvertibilita znamená směnitelnost, převoditelnost, přepočitatelnost.

2.3 Řízení rizika, Risk management

„Jestliže nemůžete řídit riziko, nemůžete ho kontrolovat. Pokud ho nemůžete kontrolo-
vat, nemůžete ho řídit. To znamená, že hrajete hazardní hru a doufáte, že budete mít
štěstí.“ (J. Hooten, Managing Partner, Arthur Andersen & Co., 2000)20
Řízení rizika, nebo-li Risk management (dále jen „RM“) je postup, při kterém se
daný subjekt snaží zamezit působení již existujících i budoucích faktorů a navrhuje řeše-
ní, která pomáhají eliminovat účinek nežádoucích vlivů a naopak umožňují využít příle-
žitosti působení pozitivních vlivů. RM je proces, díky kterému manažeři uspokojují své
potřeby prostřednictvím identifikace klíčových rizik, uplatňováním důsledných, srozu-
mitelných a funkčních opatření, rozhodováním, které riziko zmírnit a které zvětšit a
stanovením procedur, které kontrolují výsledky stavu rizika. [14]
RM je oborem, který se v dnešní době velmi rychle rozvíjí, nabývá stále většího vý-
znamu a dynamického rozvoje a je jedním z nejdůležitějších problémů, kterým dnes
organizace čelí. Existuje mnoho různých pohledů a přístupů proč a jakým způsobem
rizika řídit. RM21 je nástrojem managementu banky k tomu, aby dodržela požadované
rizikové úrovně jednotlivých transakcí, ale i celkové rozvahy a podrozvahy banky. [11]
Finančí instituce zavádějí systémy komplexního řízení rizik. Základem těchto pro-
cesů je včasná identifikace a analyticky přesné měření rizik v každém pracovním dnu.
RM je proces díky kterému se organizace mohou metodicky věnovat rizikům, která
jsou spojena s činnostmi organizace. Organizace se díky RM snaží dosáhnout trvalého
prospěchu z jednotlivých činností, ale i ze všech činností organizace. RM by se měl me-
todicky zabývat všemi riziky, které se vztahují k minulosti, přítomnosti, ale i budoucnos-
ti organizace. [17]
Celý proces RM můžeme shrnout do následujících kroků:
• Identifikace rizik.
• Měření a vyhodnocování rizik, které v sobě obsahuje nejen sledování rizika, kdy
dochází k jeho pravidelnému měření, ale také se sleduje jeho vývoj. Rovněž zde
uvažujeme o omezení rizika, a to například návrhem limitů, prevencí apod. [9]
Jako součást celkového řízení rizika banka používá deriváty a další nástroje, kterými pak
řídí podstupovaná rizika, která vyplývají ze změn úrokových sazeb, měnových kurzů,
cen akcií, úrokových rizik a další.
Do monitorování rizik je zainteresováno především oddělení řízení rizik a dále jed-
notlivá obchodní oddělení, vnitřní a právní audit, finanční a operační skupiny. Tato od-
dělení se zajímají o rizika z různých pohledů a zajišťují, zda obchodování probíhá
v rámci stanovené politiky a limitů.
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.
2.3.1 Stručná historie řízení rizika

Koncem 17. století začaly vznikat první centrální banky ve Švédsku, Velké Británii, poz-
ději v Itálii. Mohutnější vznik a rozvoj centrálních bank byl až začátkem 20. století. His-
toricky je vývoj řízení rizika v bankovní sféře spojen se vznikem orgánů státní regulace a
dohledu. V dnešní době již můžeme hovořit o vzniku bankovní regulace a bankovním
dohledu.
• Řízení rizika v 70. letech 20. století – Do této doby bylo riziko málo diskutované. Bě-
hem 70. let se vyvinulo projektové řízení rizika, které bylo spjato s kvantitativním
ohodnocením a následně s metodologií a procesy. Projektové řízení bylo významné
především pro analýzu rizika a řízení rizika.
• Řízení rizika v 80. letech 20. století – Rozsah identifikace rizika, jeho odhad a odezva
na něj byly obecně známé. Řízení kladlo důraz na kvantitativní analýzy. Použití me-
tod založených na diagramech rizika a odezvy na riziko začaly v 80. letech
20. století. Konec 80. let byl také startovacím bodem pro použití influenčních dia-
gramů kombinovaných s teorií pravděpodobnosti a pro první aplikaci dynamických
systémů.
• Řízení rizika v 90. letech 20. století – V těchto letech došlo k posunu od soustředění
pozornosti na analýzu kvantitativního rizika k současnému důrazu na pochopení a
vylepšení procesů řízení rizik. Vznikaly různé návrhy na procesy řízení rizika. Za
prvé šlo o obecně použitelný proces řízení, tj. identifikace, ohodnocení, odezva a
dokumentace. Dále se jednalo o obecně použitelný pětifázový proces, tj. rozsah
procesu, tým, analýza a kvantifikace, úspěšná specifikace a kvantifikace, výsledky.
[12]
V první řadě se tendence RM do českého prostředí dostávala až počátkem 90. let
20. století. působením manažerů ze zahraničí, kteří pracují v České republice. Tito za-
hraniční manažeři s sebou přinesli standardizované systémy řízení a metody práce a při-
způsobili je českému prostředí a způsobu uvažování.
2.3.2 Regulační rámec

Mnoho regulací řídí Basilejský výbor pro bankovní dohled (the Basel Committee on Banking
Supervision), který je světovým regulačním orgánem. V roce 1974 byl tento regulační
výbor založen guvernéry centrálních bank skupiny zemí G1022. Basilejský výbor také
stanoví všeobecné kontrolní standardy a směrnice. [18]
Na počátku v roce 1988 byl sestaven systém Basel I (Basel Accord), který byl se-
strojen převážně za účelem krytí úvěrového rizika. Basel I byl původně stvořen pro
sjednocení regulace kapitálové přiměřenosti u států skupiny G10. Basel I se velmi rychle
rozšířil a koncem roku 1999 byl realizován téměř ve všech ekonomikách po celém světě.
[20]
22Skupina G10 je tvořena 11 průmyslovými státy, které spolu spolupracují a konzultují záležitosti ekono-
mické, měnové, finanční.
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:
= kapitálový podíl (min .8 % )

Celkový kapitál
(2.1)
KPúr + KPtr + KPor
V této rovnici:
KPúr označuje kapitálový požadavek k úvěrovému riziku,
KPtr označuje kapitálový požadavek k tržnímu riziku,
KPor označuje kapitálový požadavek k operačnímu riziku.

• 2.pilíř – Proces dohledu se zabývá výkonem bankovního dohledu a vymáháním
ustanovení a požadavků nového konceptu, stanovením rizikového profilu bank a
individuální kapitálové přiměřenosti.
• 3. pilíř – Tržní disciplína se týká zejména problematiky transparentnosti a zve-
řejňování informací bankami.25 [4]
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.
Obr. 2 Srovnání přístupů Basel I a Basel II
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]
Není pochyb o tom, že v porovnání s předchozí metodikou je Basel II komplexnější,

flexibilnější a sofistikovanější. Basel II také podněcuje myšlení nebankovních regulač-
ních institucí (například SEC26 v USA si osvojila Basel II).
Je nutné zmínit, že v roce 2007 implementovalo systém Basel II v České republice
pouze 6 bank. Od roku 2008 přešly na systém Basel II všechny regulované subjekty. [20]
Metody RM se do našeho bankovního prostředí dostávají díky iniciativě samotných
bank, kdy banka poskytuje nové postupy a metody, nové modely chování a případné
změny v organizační struktuře banky. Na druhé straně se metody RM do našeho ban-
kovního prostředí dostávají v důsledku regulatorních aktivit centrální banky.
Regulační orgány důkladně sledují bankovní aktivity, pečlivě monitorují řízení rizik
a dané standardy a ukládají bankám minimální regulační kapitálové požadavky. [32]
V dnešní době dochází k tomu, že představenstvo a nejvyšší management banky
ve větší míře podporují provádění vnitřních prověrek a zpracovávání analýz. Důraz
směřuje také na opatření, která se zaměřují na posílení vnitřních kontrol v oblasti řízení
rizik a taktéž na jejich dohled. [19]
Orgán regulace a dohledu v ČR
V rámci svých pravomocí se Česká národní banka (dále jen „ČNB“ ) stará o stabilitu
finančního systému a také se stará o bezpečný a plynulý vývoj finančního trhu. Je samo-
zřejmostí, že ČNB musí spolupracovat s orgány dohledu nad finančními trhy jiných
států a s mezinárodními finančními institucemi, které se starají o dohled nad finančním
trhem. Také musí spolupracovat s Ministerstvem financí ČR a s dalšími orgány státní
26 Securities and Exchange Commission.

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.
3.1 Úvěr, spotřebitelský úvěr, spotřebitel

Vzhledem k tomu, že se v mé bakalářské práci zaměřuji na řízení rizika při poskytování
spotřebitelských úvěrů, je nutné, abych objasnila pojmy úvěr, spotřebitelský úvěr, spo-
třebitel.
V České republice se pro účely zákona č. 21/1992 Sb., o bankách, rozumí pod po-
jmem úvěr27 „v jakékoli formě dočasně poskytnuté peněžní prostředky“. [42]
Poskytování úvěrů se zpravidla děje na základě Smlouvy o úvěru28, podle zákona č.
513/1991 Sb., obchodního zákoníku. [41]
Dle zákona č.145/2010 Sb.29, o spotřebitelském úvěru a o změně některých záko-
nů, se spotřebitelem rozumí „fyzická osoba, která nejedná v rámci své podnikatelské
činnosti nebo v rámci samostatného výkonu svého povolání“. [43]
Bankovní půjčky poskytované jednotlivcům (fyzickým osobám) a domácnostem
jsou známy jako spotřebitelské úvěry. Jednotlivcům jsou poskytovány k financování
nákupu spotřebních předmětů30.
Mezi nejdůležitější obchody bank patří poskytování úvěrů. Není jednoduché pro-
vést v obecné rovině systematizaci úvěrů, protože banky poskytují celou řadu různých
úvěrů. Existuje však množství relevantních hledisek, podle kterých lze úvěry31 třídit.
Jedním z mnoha možných přístupů k členění těchto bankovních úvěrových produktů je
členění na peněžní úvěry a závazkové úvěry a záruky32. [5]
Peněžní úvěry se dále dělí na:
• komerční úvěry – krátkodobé, střednědobé, dlouhodobé,
• spotřebitelské úvěry – revolvingové, splátkové, ostatní,
Členění spotřebitelských úvěrů:
Z hlediska subjektu, který úvěr poskytuje, lze členit spotřebitelské úvěry na:
• přímé spotřebitelské úvěry – poskytovány přímo bankou či jinou finanční institucí,
27 Struktura úvěrů podle ekonomických sektorů (k 31.12.2009) je uvedena v příloze B, obrázek č. 8.

28 §497–507 Smlouva o úvěru
29 Tento zákon nabývá účinnosti 1. ledna 2011.
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.
32 Akceptační úvěr, avalový úvěr, bankovní záruky.

Vlastní práce 22
• nepřímé spotřebitelské úvěry – poskytovány prostřednictvím společností, které

prodávají zboží nebo služby na spotřebitelský úvěr,
Z hlediska způsobu poskytování úvěru je možné spotřební úvěry členit na:
• jednorázové – úvěry poskytované naráz ve sjednané výši, úvěrový vztah končí po
splacení úvěru ve sjednané době splatnosti,
• revolvingové – obvykle spláceny průběžně,
Z hlediska účelu, na který je úvěr poskytován, se rozlišují úvěry:
• účelové – poskytované na nákup spotřebitelských předmětů či služeb, je zde nižší
úroková sazba než jaká je u neúčelových úvěrů,
• neúčelové – úvěry jsou poskytovány jako jednorázové úvěry, nesleduje se účel je-
jich použití, úroková sazba je vyšší než u účelových úvěrů,
Z hlediska způsobu zajištění:
• zajištěné – splacení úvěru je zde zajištěno některým z nástrojů zajištění úvěru, vět-
šinou se v praxi setkáme s ručením jiné osoby, ale také je možné zajištění zástav-
ním právem k nemovitosti či movité věci,
• nezajištěné – splacení úvěru není zajištěno, jde většinou o menší úvěry či úvěry po-
skytované bonitním osobám,
Z hlediska typu výplaty, se rozlišují úvěry:
• hotovostní – peníze dostane klient vyplaceny v hotovosti,
• bezhotovostní – peníze jsou zaslány na běžný účet klienta jednorázově nebo po-
stupně, nebo jsou peníze zaslány na účet prodejce, od kterého klient zboží koupil,
Podle doby výplaty rozlišujeme33:
• krátkodobé – splatnost maximálně 1 roku,
• střednědobé – splatnost maximálně 5 let,
• dlouhodobé – doba splatnosti je delší než 5 let, [5]
K základnímu zdroji financování spotřebitelské poptávky domácností bankovním
sektorem patří spotřebitelský úvěr.
Jednoznačnou a největší výhodou spotřebitelského úvěru je okamžité uspokojení
současných potřeb člověka bez nutnosti dlouhodobě spořit. Jde tedy o rozdělení jedno-
rázové platby na několik menších částí. Spotřebitelský úvěr má i své nevýhody, kterými
je například to, že zaplatíte víc peněz, než jste si původně půjčili. Zprostředkování trvá
delší dobu a někdy si musíte sehnat ručitele nebo se musíte zaručit svým majetkem. Spo-
třební úvěry jsou poskytovány do stanovené výše a na předem stanovenou dobu.
33 Splatnost spotřebitelských úvěrů zpravidla nepřesahuje dobu 10 let.

Vlastní práce 23
3.1.1 Obecný popis společností poskytujících spotřebitelský úvěr v ČR

V České republice poskytují spotřebitelské úvěry nejen komerční banky, tj. právnické
osoby s licencí u České národní banky, ale i nebankovní subjekty, tj. splátkové a leasin-
gové společnosti. Úvěry fyzickým osobám představují u některých bank, zejména spoři-
telen, úvěrových družstev, ale i řady univerzálních bank, významnou složku aktivních
obchodů. Jak již bylo zmíněno, dluhové financování spotřebitelské poptávky je realizo-
váno prostřednictvím bankovních a nebankovních finančních institucí a jednotlivých
obchodníků.
Tyto společnosti vedou neustálý vnitřní boj mezi snahou získat co největší počet
klientů a bezpečnou variantou přidělování úvěrů jen stoprocentně spolehlivým klientům.
Banky34 jsou akciové společnosti poskytující mnoho typů úvěrů a dalších finanč-
ních produktů. V bankách se roční náklady na úvěr pohybují v rozmezí 10–20 %. Část-
ky, které banky půjčují sahají až k 200 000 Kč bez ručení a jejich splatnost je až 6 let.
Pokud člověk úvěr nesplácí, banky nejdříve rozesílají upomínky a teprve až potom při-
kročí k dalšímu vymáhání dlužné částky.
Banky35 v České republice dělíme na velké banky, střední banky, malé banky, po-
bočky zahraničních bank a stavební spořitelny. Velké banky obhospodařují bilanční su-
mu větší než 200 mld. Kč. Středně velké banky disponují bilanční sumou 50–200 mld.
Kč, malé banky potom mají bilanční sumu menší než 50 mld. Kč. Mezi tři největší ban-
ky u nás patří Česká spořitelna, a.s., Československá obchodní banka, a.s. a Komerční
banka, a.s. V roce 2009 bylo na našem území evidováno 39 bank [27]
Úvěrové firmy typu Home Credit, Ge Money Multiservis, Cetelem jsou dalšími
poskytovateli úvěrů v ČR. Tyto firmy půjčují menší částky peněz, ale na kratší dobu než
banky. RPSN 36se pohybuje v rozmezí 20–40 %. Pokud klient neplatí, firmy se jej snaží
kontaktovat a některé dokonce najímají externí agentury na případné další upomínky či
vymáhání. Výhodné se může jevit to, že úvěr u těchto firem může člověk dostat i s horší
platební historií nebo nižší mzdou. Proto jsou klienty u těchto firem především ti klienti,
kteří nedosáhnou na přísnější podmínky, které vyžadují banky.
Revolvingové úvěry jsou úvěry, kdy úvěrové firmy nabízí lidem s více úvěry jednorázo-
vé doplacení jejich půjčky. Revolving nabízí i některé banky, jako je například GE Mo-
ney Bank. Pokud mluvíme o nebankovních společnostech, zde revolving poskytuje na-
příklad úvěrová společnost Profi Credit. Úroky se u nebankovního revolvingu pohybují
nad padesáti procenty. Krátkodobé půjčky nabízí úvěrové společnosti z nichž můžeme
uvést například firmu Provident Financial či Smart Capital. Tyto firmy nabízí krátkodo-
bé úvěry na nízké částky, ale s velmi vysokým úrokem. Tento úrok je v řádu stovek pro-
cent. Firmy splátky inkasují ve většině případů v hotovosti tím způsobem, že přijdou
34 Počet bank (banky s licencí k danému datu) je uveden v příloze B, obrázek č. 7.

35 Rozdělení bank do skupin k 31.12. 2009 je uveden v příloze B, tabulka č. 4.
36 Roční procentní sazba nákladů. RPSN je jednoduše číslo, které slouží spotřebitelům k lepšímu vyhod-
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]
3.1.2 Nabídka produktů společností poskytujících spotřebitelský úvěr v ČR39

Nabídka produktů společností poskytujících spotřebitelské úvěry v ČR zahrnuje různé
druhy prodejů na splátky, spotřebních a obchodních úvěrů, konsolidace půjček40, spo-
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
třebitelského leasingu, úvěrových karet a dalších modifikovaných produktů. Protože

produktů, které banky nabízí je mnoho, ve své práci uvedu pouze základní nabídku pro-
duktů, kterou společnosti poskytují.
• Revolvinogové úvěry jsou veškeré spotřební úvěry, které jsou poskytovány for-
mou úvěrového rámce na běžném účtu klienta. Do tohoto rámce klient může čer-
pat úvěr automaticky a platí úrok za skutečně čerpaný úvěr. Tento typ úvěru je
velmi často spojen s kreditními kartami, ale může být spojen i s šeky případně ji-
nými platebními instrumenty.
• Splátkové úvěry mají zpravidla účelový charakter a slouží k nákupu zboží dlouho-
dobé spotřeby. Úvěr je splácen pravidelně včetně úroků.
• Hypoteční úvěry jsou dlouhodobé účelové úvěry, které slouží k financování kou-
pě či vybudování bytu nebo rodinného domku. Rozsah a způsob poskytnutí těchto
úvěrů může být velmi různorodý.
• Jiné druhy spotřebních úvěrů jsou především úvěry, které jsou označovány jako
nesplátkové. Charakteristickým znakem je to, že tyto úvěry nejsou spláceny v pra-
videlných splátkách. Většinou jsou splaceny jednorázově. [5]
Česká spořitelna, a.s je největší bankou na českém trhu. Nabízí hypotéky, debetní
a kreditní karty, přímé bankovnictví, investice do podílových fondů a další. Nabízí také
řadu hotovostních úvěrů u kterých je použití bez omezení a spotřebitelských úvěrů, kte-
ré lze využít na spotřební zboží, služby, modernizace bytu či domu atd. Zajímavý je spo-
třebitelský úvěr pro studenty vysokých škol, který je poskytován pro studenty druhého a
vyššího ročníku VŠ nebo VOŠ, kteří vlastní účet a spotřebitelský úvěr bez zajištění
„Půjčka“. Banka poskytuje speciální kreditní karty pro podnikatele, „chytré“ kreditní
karty pro občany, osobní účty pro mladé a mnoho dalších. [25]
Československá obchodní banka, a.s. je druhou největší bankou na našem trhu.
Nabízí značné množství debetních a kreditních karet41 pro občany, množství hypoték,
podnikatelské a osobní účty, spořící účty, účty pro mladé a termínované vklady. Ze spo-
třebitelských úvěrů je to „Půjčka na lepší bydlení“, která se využívá na nákup, výstavbu
nebo modernizaci bydlení a „Půjčka na cokoliv“, kterou lze poskytnout opravdu na co-
koliv. [28]
Komerční banka, a.s. nabízí debetní karty k osobním i podnikatelským účtům,
kreditní karty pro občany a pro podnikatele, hypotéky, osobní a podnikatelské účty, spo-
řící účty, účty pro mladé a další. Spotřebitelských úvěrů je nabízena celá řada.
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
K financování osobních nepodnikatelských potřeb můžeme uvést například „Perfektní

půjčku“, „Modrou půjčku“, „Osobní úvěr“ a „Úvěr Garant“. Dále můžeme uvést „Op-
timální půjčku“ na splacení stávajících dluhů klienta, „Úvěr na notebook42“, „Úvěr
Gaudeamus“ na vše spojené se studiem na VŠ či VOŠ, na jazykové kurzy. [35]
UniCredit Bank Czech Republic, a.s. nabízí mnoho debetních karet, kreditních
karet, hypoték, osobních a podnikatelských účtů a další. Pokud mluvíme o spotřebitel-
ských úvěrech, můžeme jmenovat například „Osobní úvěr účelový43“, „Osobní úvěr
neúčelový44“, „Osobní úvěr individual“ na méně standardní záměry klientů a „Student-
skou půjčku“ na financování studijních plánů. [39]
Z úvěrových společností můžeme uvést firmu Cetelem ČR, a.s., která nabízí kre-
ditní karty pro občany, přímé bankovnictví, spotřebitelské úvěry „Osobní půjčka“ na
rekonstrukce, vybavení domácnosti, koupě nemovitosti, automobilu, cestování, rodinné
záležitosti, bez udání účelu. Dále „ON-LINE půjčka“, „Klasický spotřebitelský úvěr“,
„Spotřebitelský Autoúvěr/Motoúvěr45“. [22]
Firma Home Credit, a.s. kromě kreditních karet pro občany nabízí spotřebitelský
úvěr „Telefonní půjčka“. [33]
Provident Financnial, s.r.o. nabízí „Krátkodobou půjčku“, která je bez omezení.
[37]
COFIDIS, s.r.o. nabízí spotřebitelský úvěr „Půjčka Cofidis“. [23]
Lichváři většinou půjčují peníze za úrok mnohonásobně vyšší než si účtují banky.
Poskytují půjčky bez ručitele a bez nahlížení do registru dlužníků. Někteří dokonce vybí-
rají peníze předem a nakonec nikomu nic nepůjčí. Lichvářům jde však především o ma-
jetek dlužníků, kdy oslovují hlavně lidi, kteří jsou neschopní splácet. Lichváři nabízí
půjčky pro problémové klienty, důchodce, matky samoživitelky. Denně v bulvárním
tisku a na internetu vychází mnoho nabídek na rychlé půjčky bez ručitele. [29]
3.2 Identifikace rizik

Všechny události, ať už náhodné nebo nenáhodné, mají značný vliv na provoz a všech-
ny činnosti, které jsou spojené s danou institucí. Proto je nutné identifikovat a rozebrat
jejich dopad (ať už pozitivní nebo negativní). Základem pro celý RM je právě správné
určení těchto rizik. Důležitý je metodický přístup, protože ten může zabezpečit, že bu-
dou určeny všechny podstatné činnosti instituce a v souvislosti s nimi budou stanovena
případná rizika, která z těchto činností vyplývají.
Identifikace je jednou z nejdůležitějších fází analýzy rizika, znamená odlišení ne-
bezpečí od ostatních nebezpečí a je nutné zjistit kde a jak vzniká. Je to aktivita, která je
částečně periodická46 a částečně průběžná. Vyžaduje zkušenosti, systematičnost, tvůrčí
42 Na nákup notebooku DELL Inspiron 1545 s příslušenstvím.

43 Poskytuje se na zboží, služby, družstevní podíl, rekonstrukci bydlení, refinancování úvěrů apod.
44 Tento úvěr je poskytován bez omezení.
45 Je poskytován na financování nových i ojetých motorových vozidel. Automobily a motocykly v autosa-
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.
3.2.1 Rizikové faktory a ztrátové rozdělení

Hodnotu portfolia v čase s značíme V (s ) a předpokládáme, že V (s ) je pozorovatelná
v čase s. V daném časovém horizontu ∆ (1 nebo 10 dní) je ztráta portfolia napříč čas-
ovým horizontem [s, s + ∆ ] dána následovně:
L[s, s + ∆ ] := − (V (s + ∆ ) − V (s )) . (3.1)
V této rovnici je distribuce50 L[s, s + ∆ ] nazývána ztrátovou distribucí. Rozlišujeme me-

zi podmíněnou a nepodmíněnou ztrátovou distribucí. [10]
Riziko představuje míru možné odchylky od očekávaného stavu, kdy příčinou od-
chylky je nějaký náhodný jev – rizikový faktor51 . Rizikový faktor je veličina u které je
změna nejistá a která ovlivňuje hodnotu daného podniku. Také je potřeba říci, že má
určité statisticky definované vlastnosti. Rizikových činitelů existuje velké množství. Mů-
žeme uvést například změny techniky a technologie, prodejních cen produktů, cen vstu-
pů, změny hospodářské politiky a další. Množství riskantních činitelů, o kterých se uva-
žuje při analýze a které jsou zahrnuty v nějakém modelu, se výrazně odlišují v závislosti
na problematice a sofistikovanosti daného přístupu. Složitou reálnou strukturu riziko-
vých činitelů můžeme demonstrovat například v případě bankovního úvěru. Zde je zá-
kladním rizikovým prvkem budoucí schopnost klienta splatit úvěr řádně a včas. [5]
3.3 Základní koncepce k měření rizika

Hlavní problematikou v moderním RM je míra rizika. Každá instituce má míru rizika, do
které je ještě ochotna jít. Potřeba kvantifikovat riziko vyvstává v mnoha různých kon-
textech. V této kapitole nastíním existující přístupy finančních institucí, především bank
a úvěrových společností. Pozornost bude věnována metodologii Value-at-Risk.
Rizika jsou vyměřována za použití metod, které odráží jak očekávané ztráty (oče-
kávané náklady), tak ztráty neočekávané (neočekávané náklady). Očekávané ztráty vzni-
kají za normálních okolností, ale neočekávané ztráty jsou pouze odhadem, který je zalo-
žený na statistických modelech, které využívají pravděpodobností odvozených
z historických zkušeností, ale používají se i scénáře, které zachycují dopad případných
extrémních událostí pro případ, že by nastaly.
47 Prostředí tržní, právní, kulturní, sociální, politické.

48 Check listy, resp. katalogy, registry rizik.
49 Je to specifická metoda ekonomického výzkumu. Tato analýza nám ukazuje, že existují mezi jednotli-
vými částmi určitého jevu vztahy a snaží se je kvantifikovat.

50 Také můžeme mluvit o rozdělení. Potom je ztrátová distribuce rovna ztrátovému rozdělení.
51 Risk factor.
Vlastní práce 28
Měřením se rozumí číselné stanovení velikosti rizika vzhledem k určitému ukazateli

kvantitativní povahy.
3.3.1 Metodologie Value-at-Risk, stresové testování, analýzy scénáře

Metodologie Value-at-Risk52 (dále jen „VaR“) byla představena J. P. Morganem v první
verzi jeho systému RiskMetrics a byla rychle přijata rizikovými manažery a regulačními
orgány. VaR představuje jednu z nejznámějších metod, která nachází své uplatnění při
řízení rizika. Pro své výpočty používá standardní statistické techniky, které se běžně po-
užívají například i v jiných technických oborech.
Postup výpočtu je takový, že nejprve stanovíme časový interval, na kterém chceme
určit potenciální ztrátu, následně určíme hladinu spolehlivosti. Dále analyzujeme distri-
buční funkci sledovaného jevu a na závěr vypočteme VaR.
Jorion (2007) definuje VAR jako„ nejhorší možnou ztrátu, která může nastat v ča-
sovém období na dané hladině spolehlivosti“. [8]
O VaR můžeme také říci, že se jedná o maximální očekávanou ztrátu z rizikové
pozice, která je v určitém časovém horizontu způsobena nepříznivým vývojem riziko-
vých faktorů a jde o maximální očekávanou ztrátu na zvolené hladině spolehlivosti od-
hadu.
Dle Crouhy, Galai, Mark (2006) může být VaR daného portfolia definovaná jako
maximální ztráta, kterou může vlastník daného portfolia vzhledem k jeho současné
hodnotě utrpět ve stanoveném časovém horizontu (1 den, 10 dní) a s předem určenou
pravděpodobností, tj. hladinou spolehlivosti. VaR nám jednoduchým způsobem vyja-
dřuje, jak pravděpodobné nebo nepravděpodobné je, že očekávané hodnoty měření
budou překonány. [4]
VaR nám dává nějakou hladinu spolehlivosti53 α ∈ (0,1) . VaR našeho portfoila
nám představuje hladinu spolehlivosti α, která je dána nejmenší hodnotou l, jako prav-
děpodobnost P, že ztráta L přesáhne l a není větší než (1 − α ) . [10] Potom,
VaR = inf {l ∈ R : P(L > l ) ≤ 1 − α } = inf {l ∈ R : FL (l ) ≥ α } . (3.2)
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,
52 VaR není doporučeno překládat, protože by mohlo dojít k desinpretaci.

53 Někteří autoři ji interpretují jako hladinu významnosti.
Vlastní práce 29
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
událostmi. K poznání rizik možných strukturních změn na trhu, které pravděpodobně

poškozují portfolio, můžeme tvořit hypotetické mimořádné scénáře. [4]
Stresové testování je ve své podstatě totožný nástroj jako modelování scénářů. Ně-
které publikace je nerozlišují nebo stresové testování považují za zjednodušenou formu
modelování scénářů. Banka stresové testování provádí tím způsobem, že aplikuje histo-
rické scénáře významných pohybů na finančních trzích a na interně definovaných ne-
pravděpodobných scénářích a modeluje dopad na hospodářský výsledek banky.
Hlavní výhodou stresového testování a analýz scénáře je, že nám ukazují, jak citlivé
portfolio může být. Scénáře jsou založeny na náhodných kombinacích stresových šoků.
Množství kombinací základních stresových šoků je ohromné. Ve skutečnosti může být
pravidelně analyzováno pouze relativně malé množství scénářů. Metodologie stresového
testování a analýzy scénáře může být kombinována s přístupem VaR k vytvoření struč-
ného přehledu významných rizik. [4]
Obr. 4 Stresové kategorie a stresové šoky
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]
Obrázek č. 4 nám ukazuje metodologii stresového testování, která určuje 7 stresových

kategorií s příslušnými počty stresových šoků.
3.4 Standardní metody pro měření tržního rizika

Je potřeba říci, že volba metody, která bude pro výpočty vhodná determinuje kvalitu
odhadu. Avšak v praxi je výběr metody často omezen objektivními skutečnostmi, tj.
množstvím a kvalitou vhodných dat.
3.4.1 Metoda variance a kovariance

Tato metoda předpokládá, že zisky a ztráty mají sdružené normální rozdělení a portfolio
je možné rozdělit na jednotlivé finanční toky, kdy tento rozklad je lineární. Řekněme, že
současná hodnota oceňující portfolio je lineární funkce současných hodnot jednotlivých
finančních toků a tato lineární funkce má sdružené normální rozdělení. Abychom mohli
Vlastní práce 31
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]
3.4.2 Historická simulace

Tento přístup je svou koncepčností jednoduchý. Vyznačuje se tím způsobem, že při
jejím využití není nutné, abychom vycházeli z některých běžných teoretických předpo-
kladů. Pro vyhotovení smysluplných výsledků jsou nezbytná přinejmenším 2 nebo
3 roky stará historická data. Historická simulace je založena na předpokladu, že máme
k dispozici dostatečně velký objem dat. Pokud máme dostatečně velký objem dat, mů-
žeme dle této simulace odhadovat VaR.
Nejprve se shromáždí data z minulého období. Záleží na instituci, jestli se shro-
máždí data z nedávného období případně z více období minulých. Banky například od-
hadují VaR denně. Do vzniklé časové řady se započítává i současný stav portfolia. Po-
tom se ze shromážděných dat odhadne VaR jako kvantil hustoty rozdělení. Každodenní
simulovaná změna hodnoty portfolia je posuzována na základě pozorování rozdělení.
Nejprve se vybere vzorek aktuálních denních rizikových faktorů měnících se v dané
časové periodě61 s použitím stejné časové periody pro všechny faktory. Potom se aplikují
tyto denní změny do současné hodnoty rizikových faktorů a tím valorizujeme současné
portfolio. Dále se sečtou změny napříč všem pozicím a nakonec se sestaví histogram
hodnot portfolia a určí se VaR, jestliže VaR je odvozený na 99% intervalu spolehlivosti.
[4]
Místo odhadování rozdělení L = l[t ] ( X t +1 ) podle nějakého explicitního paramet-
rického modelu pro změny X t +1 (kde X t +1 je vektorem změn rizikových faktorů od doby
t do doby t + 1 , l[t ] představuje ztrátový operátor založený na portfoliu v čase t .),
může historická simulace odhadovat rozdělení ztráty podle empirických rozdělení dat
X t −n+1 ,…, X t .
Historická simulace může být stručně popsána za použití ztrátových matematic-
kých operátorů. Kdy s pomocí matematických operátorů vytváříme pro každé historické
pozorování změn rizikových faktorů soubor dat funkcí o jedné proměnné, abychom
získaly historicky simulované ztráty.
57 „Kovariance“ je míra vzájemné vazby mezi dvěma náhodnými veličinami. [10]

58 Výraz v sobě zahrnuje mnoho náhodných proměnných.
59 Kovarianční matice M je čtvercová a je symetrická podle diagonály. Na diagonále jsou variance
(kvadráty směrodatných odchylek, v = σ2) a mimo diagonálu jsou kovariance C.

60 „Variance“ – rozptyl.
61 Například 2 roky.
Vlastní práce 32
{L~S = l[t ] ( X S ) : s = t − n + 1, K , t . } (3.3)

~
Hodnoty ztrátového rozdělení LS ukazují, co by se stalo se současným portfoliem, po-
kud by se změny rizikových faktorů v den s opakovaly. X S je vektorem změn simulo-
vaných rizikových faktorů, l[t ] je ztrátový operátor, který je založený na portfoliu v čase
t . [10]
3.4.3 Monte Carlo simulace

Určitou alternativou k výše zmíněným přístupům jsou Monte Carlo simulace (dále jen
„MC“). Tyto simulace jsou nejnáročnějšími metodami pro výpočet VaR. Simulace vyža-
duje hlubší teoretickou přípravu a také značné požadavky na výpočetní kapacitu.
MC jsou zároveň nejpřesnějšími metodami a vychází z jakéhokoliv pravděpodob-
nostního modelu. Jsou vlivným a flexibilním přístupem k VaR, jsou založeny na vytvá-
ření náhodných scénářů budoucího vývoje tržních rizikových faktorů. MC je simulace
vývoje hodnoty portfolia, která pro odhad parametrů tržních faktorů a jejich následné
simulace využívá historická data. Tato metoda je přizpůsobitelná, a proto může být pou-
žita na další možná rizika, jako je například riziko úvěrové.
Metoda má jednoduchou strukturu výpočtového algoritmu. Umožňuje nám mode-
lovat libovolný proces. Na průběh tohoto procesu mají vliv náhodné faktory. Touto
simulací lze modelovat i úlohy, které nenesou statistický charakter. [4]
Jak již bylo řečeno MC jsou podobným typem jako je historická simulace. MC se
týká ztrátového operátora l[t ] k simulovaným vektorům změn rizikových faktorů, tj.
~
X t(+i )1 a používá se k získání simulovaných realizací získaných ze ztrátového rozdělení
~
Lt(+i )1 :
{L~( )i
t +1 ( ~
) }
= l[t ] X t(+i )1 : i = 1, K , m . (3.4)
V tomto vyjádření m označuje počet replikací. [10]
3.4.4 Zpětné testování – backtesting

Proces monitorování a sledování je znám jako „zpětné testování“. Zpětné testování se
používá u metody VaR a znamená, že výsledky modelu VaR jsou denně zpětně testová-
ny a porovnávají se s výsledky, které odpovídají skutečné změně. [10]
V předchozí sekci jsem se zaměřila na standardní metody používané pro odhado-
vání tržního rizika měřeného v čase t. Pokud je daná metoda v čase neustále uskutečňo-
vána, máme příležitost se zpětně podívat na výkon této metody a díky tomu můžeme
porovnávat její relativní výkonnost.
Zpětné testování je realizováno statistickým „testem dobré shody“. Shoda je testo-
vána statisticky na základě většího množství testovacích dní. Počet testovacích dní je
označován jako rozsah zpětného testování. Délka zpětného testování je doba, po kterou
je testování daného modelu prováděno. Vstupní data testování tvoří historické řady.
Vlastní práce 33
Předpokládáme, že v čase t můžeme vytvářet odhady VaR (případně i odhady

očekávané ztráty – Expected Shortfall, tj.ES) v jedné periodě a u h period. V čase
t + 1 máme možnost porovnat hodnotu v jedné periodě VaRαt ku aktuální hodnotě v
h periodě VaRαt ,h , která nastala. V čase t + h máme možnost udělat to samé pro odhad-
nutí h periody. Prostřednictvím definice VaR dostáváme, že:
( )
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.
3.4.5 Metody používané při řízení úrokového rizika

Pro měření úrokového rizika62 banky nejčastěji používají GAP63 analýzu, analýzu durace
GAP, simulaci a metodu VaR. Jako zajišťovací instrumenty se při řízení úvěrového rizi-
ka používají kontrakty typu forward a futures, swapy, opce a další64, které nazýváme
derivátové instrumenty.
• Gapové analýzy: Přístup Gapové analýzy je používán mnoha bankami k měření
úrokového rizika. Dá se říct, že se jedná o nejčastěji používanou metodu.
„GAP“ lze vyjádřit jako rozdíl mezi úrokově citlivými aktivy (RSA) a úrokově citlivými
pasivy (RSL). GAP lze tedy vyjádřit:
GAP = ΣRSA − ΣRSL . (3.6)

Pokud RSA > RSL , potom jde o pozitivní GAP. Naopak pokud RSA < RSL , potom
mluvíme o negativním GAP. Pokud je GAP nulový, potom se RSA = RSL .
Pokud má banka pozitivní GAP, potom růst (pokles) úrokových sazeb bude zna-
menat zvýšení (snížení) čistého úrokového výnosu banky. Pokud má banka negativní
GAP, potom růst (pokles) úrokových sazeb bude znamenat snížení (zvýšení) čistého
úrokového výnosu. Pokud bude GAP nulový, potom se změny v tržních úrokových
sazbách na čistém úrokovém výnosu neprojeví. [4]
• Analýza durace GAP: Tato metoda pomáhá měřit úrokové riziko jednodušším
způsobem než analýza GAP.
Durace je popisována jako střední doba životnosti obligace, tj. průměrná doba splatnos-
ti. Matematicky ji lze vyjádřit jako vážený aritmetický průměr jednotlivých období, ve
kterých plyne z daného prostředku určité cash flow a každé období je váženo současnou
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
aktiv a pasiv do časových intervalů podle jejich doby splatnosti. [4]

64 Těmito instrumenty se v mé práci nebudu zabývat.
Vlastní práce 34
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]
3.5 Řízení operačního rizika

Řízením operačního rizika se rozumí stanovení celkového přístupu finanční instituce
k riziku a fungování odpovídajících vnitřních systémů a procesů instituce.
Modely operačního rizika zahrnují identifikaci rizika, která je založená na dohodnu-
té terminologii, na vytváření obchodních procesních plánů, sestavování nejlepší metodo-
logie a na provádění analýzy rizika. Je velmi dobře známo, že operační riziko je obtížně
měřitelné. Rozdělení ztráty je analogické k metodě VaR, která se používá při řízení trž-
ního rizika, proto ji při řízení operačního rizika budeme nazývat OpVaR. [4]
V praxi se běžně uplatňují a jsou běžně používány nástroje a postupy, které jsou
zaměřeny na předcházení výskytu nebo dopadu výskytu. Operační riziko lze zmírnit
například oddělováním a limitováním rozhodovacích a výkonných procesů a kompeten-
cí, prověřováním způsobilosti pro výkon vybraných profesí, různými kontrolami, zabez-
pečením a řízením přístupů k informacím a dalším hodnotám, povinným testováním a
zálohováním. Důležité jsou také plány pro mimořádné či krizové (extrémní, zátěžové,
stresové) situace a nezbytné je i vytváření různých rozpočtových a dalších vnitřních re-
zerv ke krytí operačních ztrát a různé druhy pojištění. Z pohledu prevence je také vý-
znamný sběr dat a vyhodnocování dat o nekorektním chování klientů banky a riziku
selhání lidského faktoru (nekorektní jednání zaměstnanců).
Finanční instituce postupně zavádějí ucelené systémy řízení, které těmto institucím
napomáhají k dosažení souladu s nedávno zavedenou povinnou regulací operačního
rizika. K omezení banka přijímá preventivní opatření a nápravná opatření. [26]
Jak bylo zmíněno v literárním přehledu, je toto riziko řízeno v souladu s požadavky
regulatorního konceptu dohody Basel II, kdy se pro výpočet kapitálového požadavku
používá nejpokročilejší metoda AMA, která umožňuje optimální alokaci kapitálu na krytí
možných ztrát z titulu operačních rizik v rozsahu definovaných nástrojů a instrumentů,
jako je sběr ztrátových dat65, samohodnocení rizik66, analýzy scénářů a klíčové ukazatele
rizik. Aktivní řízení je zajištěno prostřednictvím výboru pro operační rizika67.
Celý proces řízení by měl zahrnovat ověření pravděpodobnosti a frekvence tohoto
rizika. Specializovaní manažeři na tuto problematiku by měli publikovat grafy, které zob-
razují potenciální vážnost operačního nebezpečí. Diagramy umožňují manažerům vizua-
lizovat vyvážení mezi vážností a pravděpodobností operačního rizika. [4]
65 Loss data collection.

66 Risk control self assessment.
67 Operational risk committee.
Vlastní práce 35
3.6 Řízení úvěrového rizika

Bez správného určení pravděpodobnosti úpadku potenciálního dlužníka se neobejde
žádná z významných oblastí řízení úvěrového rizika. Kvantifikace rizika začíná jeho de-
kompozicí na složky. Výchozí složkou úvěrového RM je riziko úpadku, tj. pravděpo-
dobnost úpadku68 dlužníka.
Ke stanovení této pravděpodobnosti můžeme například využít metody, které jsou
založeny na úsudku. Tyto metody kombinují subjektivní zkušenost hodnotícího subjek-
tu s teorií a úsudkem. Dále se mohou používat metody, které jsou založené na statistické
analýze, jako je například úvěrové skórování. Tyto metody nám poskytují zobecňující
závěry. Poslední přístup tkví v určení pravděpodobnosti úpadku u tržních dat, která mají
požadavek na vyšší přesnost měření úvěrového rizika Mezi klasické metody měření úvě-
rového rizika zařazujeme metody fundamentální analýzy. Ty jsou založeny na analýze
údajů o hospodaření firmy a jsou získávány zejména z účetních knih. Klasické přístupy
jsou charakteristické pro ratingové společnosti. Tyto agentury přiřazují dlužníkům ratin-
govou známku. Specifickou kategorií jsou modely, které jsou založeny na statistické
analýze. Jedná se o modely, které pracují s migracemi ratingů nebo skóringové modely,
které se snaží odlišit dobrou firmu či dobrého jednotlivce od špatné firmy či špatného
jednotlivce prostřednictvím určeného skóre. V oblasti modelů úvěrového rizika využíva-
jících tržních indikátorů úvěrové kvality existují dvě hlavní skupiny modelů a to modely
strukturní a modely redukované. [3]
V souvislosti s pokročilým přístupem IRB rozlišujeme následující rizikové charak-
teristiky, se kterými metody IRB pracují:
1. pravděpodobnost selhání (Probability of default, PD) – znamená pravděpodob-
nost, že dlužník nedostojí svým závazkům během sledovaného období, udavá se v
%,
2. expozice při selhání (Exposure at Default, EAD) – je celkové množství aktiv,
která mohou být vystavena nebezpečí v případě, že dlužník nesplní svůj závazek,
3. míra ztráty při selhání (Loss Given Default, LGD) – znamená podíl aktiv, která
budou ztracena, pokud dojde k selhání dlužníka, udává se v %,
4. doba splatnosti (Maturity, f(M)) – zpravidla nominální doba splatnosti, která se
udává v letech, f (M ) je funkcí vyjadřující dobu, která zbývá do splatnosti69,[2]
Obecně platí, že očekávanou ztrátu70 (Expected Loss, tj. EL) můžeme vyjádřit:
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
$EL = PD% × $EAD × LGD% × f (M ) . (3.7)
3.6.1 Modely úvěrového rizika

Vysvětlení podstaty modelů úvěrového rizika je někdy komplikované v tom, že dostup-
né materiály nejsou dostatečně podrobné. Modely kreditního rizika jsou obecně použí-
vány pro odhad ekonomického kapitálu, který je potřebný k pokrytí rizik, která jsou
spojena s úvěrovými aktivitami bank. Existují dva základní přístupy k definování úvěro-
vých ztrát a pro vyčíslení úvěrového rizika:
• „Default mode“ – U tohoto přístupu se dlužník na konci rizikového horizontu
nachází pouze ve dvou stavech, a to selhání nebo neselhání. Potom můžeme říci, že
úvěrové riziko vyplývá ze selhání, „defaultu“ dlužníka.
• „Mark-to-market-mode“ – U tohoto přístupu se dlužník může nacházet
v jakémkoliv z n definovaných ratingových stupňů, mezi něž patří i selhání. Úvěro-
vé riziko pak vychází z přechodu dlužníka k nižšímu ratingovému stupni. Způsob
změny ratingu se ohodnocuje podle toho, v jaké ratingové kategorii se protistrana
nachází, tudíž tento model zachycuje i „default mode“. [34]
Existuje celá řada přístupů k modelování úvěrového rizika. Je mnoho variant, které si
můžeme vybrat. Rozlišujeme například modely, které jsou založeny na tržních datech, a
to strukturní a redukované modely. Dále rozlišujeme modely, které jsou založeny na portfolio-
vém přístupu, a to model Credit Metrics a úvěrové skórování. Na účetních datech je
založen například ratingový přístup.
3.6.2 Strukturní modely – Mertonův model, KMV model, Credit Metrics

Strukturní modely se zabývají modelováním a oceňováním úvěrového rizika, které je
specifické pro konkrétního firemního dlužníka. Úvěrové události jsou aktivovány pohy-
by firemní hodnoty, která se vztahuje k nějaké náhodné nebo nenáhodné úvěrové udá-
losti. Hlavní záležitostí v rámci této struktury je modelování vývoje hodnoty firmy a
firemní kapitálové struktury.
Ideologie strukturních modelů úvěrového rizika se v prvotní podobě opírá o tři zá-
kladní komponenty – akcie, aktiva firmy a rizikový bezkupónový dluhopis. Tyto modely
využívají ceny akcií emitenta k tomu, aby se mohla určit pravděpodobnost úpadku, ke
které může dojít v souvislosti s poklesem hodnoty aktiv společnosti pod hodnotu jejích
závazků.
Mertonův model
Základem všech strukturních modelů je Mertonův model (1974), který byl představen
nositelem Nobelovy ceny Robertem Mertonem.
Mertonův model je založen na základě limitovaného pravděpodobnostního pravi-
dla, které umožňuje selhat v závazku majitelům akcií tím, že se vzdají firemních aktiv. [4]
Model předpokládá, že k úpadku dlužníka může dojít pouze v okamžiku splatnosti
dluhu. Tento předpoklad platil spíše dříve. V současnosti novější varianty strukturních
modelů tento předpoklad opouštějí a předpokládají, že k úpadku dlužníka může dojít
Vlastní práce 37
v libovolném okamžiku trvání dluhu. Merton vychází z rovnocennosti postavení akcio-

náře jako majitele aktiv a zároveň držitele dlouhé pozice v prodejní opci na tato aktiva,
která vypsali věřitelé. Uplatnění této opce závisí na tržní hodnotě aktiv v okamžiku
splatnosti dluhu. Pokud je hodnota aktiv větší než hodnota dluhu, který je splácen, po-
tom opce není uplatněna a dluh je tak splacen. Jestliže však hodnota aktiv je nižší než
hodnota spláceného dluhu, potom je opce uplatněna a akcionáři se vzdají aktiv firmy.
Uvažujeme firmu, jejíž hodnota aktiv zobrazuje nějaký náhodný proces označo-
vaný Vt. Firma je samofinancovaná prostřednictvím vlastního kapitálu a závazků.
V Mertonově modelu má dluh velmi jednoduchou strukturu. Dluh je složen
z jednoduchého dluhopisu nebo bezkupónového dluhopisu s nominální hodnotou B a
splatností T. Hodnota vlastního jmění a závazků v čase t je označena St a Bt . Pokud
předpokládáme, že trhy jsou dokonalé71, potom lze vyjádřit hodnotu firemních aktiv:
[10]
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]
71 Tzn. žádné daně a transakční náklady.

72 Expected default frequency.
Vlastní práce 38
Pro odhadnutí EDF je potřebný:

• Odhad bodu selhání – default point (dále jen „DP”), který je dán součtem hodnoty
krátkodobých dluhů a poloviny dlouhodobých dluhů. Jinými slovy, jestliže tržní
hodnota aktiv poklesne pod danou hranici, dojde k selhání.
• Odhad vzdálenosti od selhání – distance to default (dále jen „DD“), který je dán rovni-
cí:
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
odhad pravděpodobnostního rozdělení úvěrových ztrát simulováním změn úvěrových

ratingů pro každou protistranu. [10]
Jako výchozí ratingový systém může být v CM použit například ratingový systém
Moody´s či Standard & Poor´s. U CM je nutné, aby systém obsahoval úvěrový rating
pro každého z dlužníků a také aby obsahoval množinu pravděpodobností přechodu
z jednoho stupně na druhý. CM předpokládá, že čím více je rozptýlená hodnota aktiva,
tím je toto aktivum rizikovější. Současná hodnota aktiva v ratingovém stupni je součtem
diskontovaných hodnot budoucích peněžních toků, které očekáváme od současného
okamžiku až do okamžiku splatnosti dluhu. CM může sledovat změny úvěrového ratin-
gu během kratšího období. Metoda nám tak usnadňuje zpřesněný přehled o úvěrových
ztrátách, které mohou nastat za celý rok a poskytuje nám tak i lepší informovanost o
protistraně. [9]
CM je všestranný přístup k odhadování Credit at Risk (dále jen „CVaR” ).
• Model RiskMetrics
Tato metoda předpokládá, že vhodně zvolené rizikové faktory mají normální rozdělení.
Neznámými parametry jsou jejich střední hodnoty, vzájemné korelace a volatility. U této
metody pracujeme jen s velmi obecnými předpoklady jako jsou efektivita trhu, spojitost
pravděpodobnostního rozdělení apod. Z hlediska aplikace je tato metoda relativně jed-
noduchá.
• Model Credit Portfolio View
Jde o model, který je hlavně typem „default mode“, avšak může být rozšířen, stejně jako
KMV model, na „mark-to-market mode“. Pravděpodobnost selhání je zde definována
jako funkce makroekonomických veličin. Tento model totiž vychází
z makroekonomických údajů. Empirický odhad pravděpodobnosti selhání se stanovuje
na základě historických dat. Pravděpodobnost selhání se specifikuje na úrovni sektoru
anebo země, pravděpodobnost selhání není definovaná na úrovni jednotlivých emitentů.
[10]
3.6.3 Další modely používané pro řízení úvěrového rizika

Model CreditRisk+
Jedná se o model typu „default mode”, kdy jsou možné pouze dva stavy dlužníka73. U
tohoto modelu předpokládáme, že pravděpodobnost selhání dlužníka je v různých časo-
vých obdobích stejná. Předpokladem u tohoto modelu je, že banka zná pravděpodob-
nost selhání dlužníků. Model se nezabývá důvody selhání, jenom předpokládá, že každá
banka má představu o pravděpodobnostech selhání jednotlivých dlužníků.
Prostřednictvím Poissonova procesu74 můžeme modelovat selhání dlužníka. Dlužníci
jsou zde rozděleni do pásem a určuje se analytický odhad očekávané ztráty. Tento model
73 Selhání nebo neselhání dlužníka.

74 Poissonův smíšený model je více rozebrán v MCNEIL, A. J. -- FREY, R. -- EMBRECHTS, P. Quantita-
tive risk management : concepts, techniques, and tools. Princeton: Princeton University Press, 2005. 538 s. Prince-
ton series in finance. ISBN 978-0-691-12255-7), str. 353. [4]
Vlastní práce 40
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-
75 Vztah při kterém je využita část vlastní vnitřní struktury.

76 Vyjadřuje počet výskytů událostí za jednotku času, patří mezi diskrétní rozdělení.
Vlastní práce 41
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]
3.7 Úvěrové skórování – skóringové a ratingové modely
3.7.1 Stručná historie úvěrového skórování

Zatímco historie úvěru sahá 4000 let zpět do doby Babylonu, historie úvěrového skóro-
vání je stará pouze 50 až 70 let. V roce 1936 se Ronald Aylmer Fischer poprvé přiblížil
k vyřešení problému identifikace skupin v populaci. V roce 1941 David Duran poprvé
rozpoznal, že Fischerovi techniky by mohly být použity k rozlišování dobrých a špat-
ných půjček. Bill Fair a Earl Isaac vytvořili v 50. letech první poradenskou služ-
bu.Značný rozvoj úvěrového bodování byl s příchodem kreditních karet v 60. letech a
s růstem informačních technologií. V 80. letech byla představena spolehlivá metoda
logistické regrese a lineární programování. V nedávné době se začaly používat expertní
systémy a neuronové sítě. Rozvíjí se i další metody jako je aproximační funkce, Bayesian
metody, klasifikační stromy, genetické algoritmy a další. [2]
Úvěrové skórování bylo poprvé navrženo americkým finančním společnostem,
které se specializovaly především na malé krátkodobé půjčky, a emitentům kreditních
karet. Bylo pro ně těžké skórování přijmout, protože bylo obtížné uvěřit, že statistické
modely by mohly být lepší. Prvními bankami77, které začaly používat metody úvěrového
skórování, byly větší banky, které měly dostatek empirických úvěrových dat a mohly tak
sestavit spolehlivý model.
3.7.2 Credit scoring

Finanční instituce při každé žádosti o úvěr potřebuje úvěrové riziko co nejlépe vyčíslit.
Také musí rozhodnout jestli vůbec úvěr poskytne a za jakých podmínek úvěr žadateli
poskytne. Právě k tomuto rozhodování a vyčíslování rizika v praxi slouží skóringové
modely.
Úvěrové skórování – credit scoring (dále jen „CS“) je statistický přístup, který
používáme k předpovídání pravděpodobnosti, že žadatel o úvěr selže nebo se stane de-
likventem. Proto na odhadnutí úvěrového rizika a posouzení úvěruschopnosti78 žadatele
slouží v praxi tvorba skóringových modelů. Tato metoda CS, která byla zavedena v 50.
letech minulého století, se nyní používá především při poskytování spotřebitelských
úvěrů. Je důležité říci, že smyslem skórování je riziko předpovědět, nikoliv jej vysvětlit.
Podmínkou pro uplatnění skóringu je velké množství homogenních dat, to je jeden
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
z důvodů, proč se skóring zprvu používal u unifikovaných spotřebních úvěrů (splátkový

prodej, kreditní karty).
CS stanovuje statistickou pravděpodobnost situace, kdy půjčka, úvěr, případně jiný
závazek nebude splacen řádně a včas. CS předpokládá, že statistické metody dokáží
předpovídat budoucí chování dlužníka na základě údajů o chování tohoto či podobných
dlužníků v minulosti. Skóringová funkce je pak statistickou funkcí, která odlišuje dobré a
špatné dlužníky a je nástrojem pro kvantifikaci schopnosti dlužníka splatit úvěr řádně a
včas. Skóringová funkce se vyjadřuje ve formě reálného čísla a toto reálné číslo vyjadřuje
skóre. Můžeme také říci, že klientovo79 skóre znamená numerické vyjádření finanční
spolehlivosti klienta. Klientům s dobrou úvěruschopností model uděluje vyšší skóre,
zatímco klientům se špatnou úvěruschopností je poskytováno skóre nižší. Čím je skóre
vyšší, tím nižší je riziko nesplacení úvěru. Díky nedokonalostem se ovšem někdy může
stát, že některým dobrým klientům je přiděleno nižší skóre než špatným klientům. [6]
Hlavním záměrem úvěrového skórování je tedy předpovídat, kteří žadatelé o úvěr
budou v budoucnu dobří a kteří budou špatní. Schopnost diverzifikace vyjadřující míru
rozlišení „dobrých“ klientů80 a „špatných“ klientů81 je jednou z nejpodstatnějších zkou-
maných vlastností modelu CS, kdy úvěrové skórování jednoznačně neidentifikuje dobré
a špatné klienty, ale dává nám určitou pravděpodobnost, že žadatel o úvěr s daným
skóre bude dobrý nebo špatný.
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
svůj závazek vůči dané instituci vůbec, popřípadě se dopouští podvodů.

Vlastní práce 43
Obr. 5 Rozdělení „dobrých“ a „špatných“ klientů
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]
U Obr. 5 předpokládáme, že rozdělení do skupin je stanoveno minimálním akceptova-

telným skóre, tj. 300 body. Firma používá skórování, aby se vyhnula půjčování peněz
špatným zákazníkům, kteří jsou na obrázku na levé straně vertikální linie82 . Neměla by
upustit od malé skupiny dobrých klientů (Nesprávně „špatní“) na této levé straně.
S vertikální linií můžeme pohybovat. Pokud budeme pohybovat s linií minimálního
skóre doprava, zvýšíme tím úsek špatných klientů. Skóre, které se nachází na minimální
hranici skóre (cutoff score) je pro firmu důležitým ukazatelem při rozhodování o ob-
chodování v rámci její rentability a rizika, které je ochotna přijmout.
Při skórování můžeme vycházet z různých dat, potom je možné rozdělit modely
skórování následujícím způsobem:
• Aplikační (Application Scorecard)83 – tento skóringový model vychází z údajů,
které jsou získávány z akvizice nových klientů. Základními proměnnými jsou so-
ciodemografické proměnné, charakteristiky subjektu a také informace
z dostupných úvěrových rejstříků dlužnických databází. Tento model se využívá u
nových klientů. Používá se zejména při akceptaci, resp. zamítnutí případného
dlužníka, při stanovení úrokové sazby na základě metody risk-based pricing a při na-
stavování úvěrového limitu.
82 Vertikální linie je dána na úrovni cutoff score.

83 Ukázka aplikační skórovací tabulky (Application scorecard) je vyobrazena v příloze A, tabulka č. 2.
Vlastní práce 44
• Behaviorální (Behavioural scorecard) – vychází z údajů získaných z informací o

chování dlužníka, coby klienta, nebo zákazníka věřitele. Behaviorální model je ur-
čen pro stávající klientelu. Skóringový model využívá údaje z hlavních účetních či
transakčních systémů a dalších databází uvnitř finanční instituce. Používá se pro
monitorování a úpravu úvěrových limitů, opětovné schvalování některých úvěro-
vých produktů, ke stanovení úrokové sazby a pro potřeby řízení portfolia.
• Kreditní (Credit Bureau Scorecard) – vychází z údajů o chování klienta v rámci da-
tabáze historií o platebním chování z úvěrového registru. Je to jeden z nejlepších
modelů a předpovídá, kteří klienti budou úvěr splácet a naopak kteří klienti úvěr
splácet nebudou. Tento model mnohdy nahrazuje jakékoliv informace o dlužníko-
vi, které jsou dostupné pouze v databázi úvěrového registru. [24]
Tab. 1 Příklad jednoduché skórovací tabulky
Vlastnický Soudní
Věk Záměr úvěru
status výdaje
Vlastník 36 b 18-25 22 b Nové auto 41 b Žádné 32 b

Nájemce 10 b 26-35 25 b Ojeté auto 33 b ₤1–₤299 17 b
Rekonstrukce ₤300–
Bydlení s rodiči 14 b 36-43 34 b 36 b 9b
bydlení ₤599
₤600–
Ostatní 20 b 44-52 39 b Dovolená 19 b -2 b
₤1199
Bez odpovědi 16 b 53+ 49 b Ostatní 25 b ₤1200+ -17 b
Zdroj: vlastní konstrukce podle EDELMAN, D. -- THOMAS, L. -- CROOK, J. Credit scoring and its appli-
cations, str.12. [6]
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]
85 Linear probability modelling.

86 Discriminant analysis.
87 Logistic regression.
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.
91 Těmto osobám bude úvěr přidělen.
92 Těmto osobám bude úvěr zamítnut.

Vlastní práce 47
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
Rozhodující pravidlo, které minimalizuje očekávané náklady je dáno rovnicí:
 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 ) 
3.7.3 Účinnost modelů skórování

Statistické měření predikční síly modelu je velmi důležitým ukazatelem, který nám vyja-
dřuje schopnost skóringového modelu řadit jednotky do daných tříd. Existují různé
Vlastní práce 48
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:
DKS = max Fn( x ) − F ( x ) . (3.20)
V této rovnici je F ( x ) distribuční funkcí a Fn( x ) je empirickou distribuční funkcí.

• Korelační koeficienty:
Tahounem v moderních výpočetních analýzách je korelační koeficient, který měří míru
vzájemné souvislosti nebo kovarianci mezi dvěma proměnnými X a Y. Síla korelace je
obvykle reprezentována koeficientem v rozmezí − 1 ≤ r ≤ +1 .
Další nástroje související s korelací
Související nástroje s korelací jsou: Pearsonův produkční moment, který posuzuje vzájemný
vztah mezi proměnnými, Spearmanův koeficient pořadové korelace, Lorenzova křivka, která je
nástrojem pro vizualizaci dat, Giniho koeficient, který počítá prostor mezi Lorenzovou
křivkou a diagonálou v Lorenzově křivce, ROC93 křivka, která stejně jako Giniho koefi-
cient počítá celý prostor pod křivkou. [2]
• Lorenzova křivka
Lorenzova křivka (dále jen „LC“) se používá nejen pro grafická znázornění
skóringových modelů. Tato křivka nám demonstruje schopnost modelů odlišovat mezi
dobrými a špatnými klienty. Sestavení křivky je založeno na definování distribučních
funkcí dobrých a špatných klientů.
• Giniho koeficient (Giniho index)
Giniho koeficient (dale jen „Gini“) je číselnou charakteristikou diversifikační schopnosti
skóringového modelu. Při úvěrovém skórování je Gini měřítkem, jak dobře je skórovací
karta schopna rozlišovat mezi dobrými a špatnými klienty. Konečný výsledek je hodno-
tou, která reprezentuje oblast pod Lorenzovou křivkou. [31]
93 Receiver operating chracteristics.

Vlastní práce 49
Obr. 6 Lorenzova křivka a Ginino index
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]
Na Obr. 6 vidíme Giniho koeficient a Lorenzovu křivku. Giniho koeficient můžeme

vyjádřit následovně:
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.
3.7.4 Ratingové modely

Ratingové94 modely se používají pro měření, řízení a sledování úvěrového rizika.
Rozlišujeme dvě základní podoby tvorby ratingových hodnocení: interní rating a
externí rating.
Interním ratingem se rozumí hodnocení, které si banky vypracovávají samy. Na vy-
pracovávání interního ratingu se zpravidla podílejí úvěroví analytici, kteří spolupracují
s oddělením řízení rizik. IRRS (Vnitřní ratingové systémy95) jsou klíčovými prvky při
řízení úvěrového rizika finančních institucí. Tyto modely nastavují limity a přijímají či
zamítají nové transakce, kontrolují úvěrové kvality, přisuzují ekonomický kapitál, oce-
ňují úvěry apod. IRRS by měl nabízet důkladně navržené, strukturované a dokumento-
vané série kroků pro vyhodnocení každého ratingu. Cílem je vytvořit přesné a důsledné
rizikové ratingy pro rozdílné typy společností.
Externím rating je vypracováván specializovanou ratingovou agenturou. Mezi externí
ratingové agentury, jejichž hodnocení je v bankovní praxi používáno, patří agentura
Moody´s (1909), Fitch Ratings, Duff & Phelps a zřejmě nejznámější ratingová agentura
Standard & Poor´s (1916), která funguje ve více jak 50 zemích světa. Agentura Moody´s
funguje hlavně v USA, ale má mnoho mezinárodních poboček. Hodnocení těchto agen-
tur jsou veřejnosti přístupná (interní ratingové modely jsou veřejně nepřístupné).
V zájmu ratingové agentury je, aby poskytla co nejvěrnější obraz o úvěrové situaci klien-
ta, v zájmu klienta je, aby získal co nejlepší ratingové hodnocení. Na základě tohoto
hodnocení se banka rozhodne, zda úvěr přidělí, či nepřidělí. Ratingové agentury mohou
počítat různé ukazatele neplnění s dobrou statistickou kvalitou. Externí hodnocení se
používá výhradně jako důležitý doplněk interních systémů. [4]
Ratingy vychází ze statistických ratingových modelů, které berou v úvahu jak fi-
nanční, tak nefinanční údaje. 1. ratingový stupeň představuje nejlepší rating, poslední
stupeň vyjadřuje nejhorší rating.
U Standard & Poor´s hodnocení AAA představuje ohodnocení charakterizované
nejlepší kvalitou. Ratingy agentury Moody´s korespondují s ratingy Standard & Poor´s96,
kde nejlepší ohodnocení je charakterizováno jako Aaa. Agentury pro lepší ohodnocení
vytvořily podskupiny k těmto ratingům. Například Standard & Poor´s rozděluje A rating
na A + , A, A − . Moody´s podskupiny se značí A1, A2, A3.
94 „Rating“, tj. bodové hodnocení rizik.

95 Internal risk rating systems.
96 Ratingové kategorie agentury Standard & Poor´s a agentury Moody´s jsou vyobrazeny v příloze A,
tabulka č. 3.
Vlastní práce 51
U ratingu je důležité posoudit finanční situaci dlužníka (např. kvalitu finančních

výkazů), posoudit konkurenční postavení odvětví, kvalitu managementu, posoudit rizika
země a také posoudit transakce a kvality zajištění.
3.8 Úvěrový registr

Úvěrové registry fungují nejen v ČR, ale i po celém světě. Za vznikem úvěrových regist-
rů stojí jednoduchá myšlenka. Banky, které si jako první založily vlastní registr chtěly na
maximální možnou míru eliminovat úvěrová rizika, a tak začaly svá vlastní data
o klientech sdílet s konkurencí. Tím se vyhnuly situaci, kdy neúspěšný žadatel v jedné
bance (neúspěšný z důvodu dřívějšího nesplácení či splácení úvěru s výrazným prodle-
ním) jednoduše přešel ke konkurenci – a ta mu úvěr poskytla.
Po založení registrů tak mají nyní banky či úvěrové společnosti přehled o všech
úvěrech97, které mají případní žadatelé u konkurence. Tedy u té konkurence, která svá
data v registrech sdílí. Do registrů nejsou zapojeni drobní poskytovatelé úvěrů, kteří na
tom své podnikání často zakládají a v úvěrových registrech nenajdete ani většinu druž-
stevních záložen. Do registru úvěrů se však můžete dostat i pouhou žádostí o úvěr. [4]
V Česku fungují čtyři oficiálně uznávané registry: [13]
• Bankovní registr klientských informací (dále jen „BRKI“) – Provozovatelem
registru je společnost CBCB (Czech Banking Credit Bureau, a.s.). Registr obsahuje
databáze o úvěrové historii fyzických osob. V registru jsou vedeny fyzické osoby,
které u některé banky čerpají, čerpali úvěr nebo o něj teprve žádají. Uživateli BRKI
jsou Česká spořitelna, a.s., Československá obchodní banka, a.s., GE Money bank,
a.s., UniCredit bank Czech Republic, a.s., Komerční banka, a.s., Raiffeisen bank,
a.s., Hypoteční banka, a.s. apod.
• Nebankovní registr klientských informací (dále jen „NRKI“) – Provo-
zovatelem je společnost LLCB, z.s.p.o. Byla založená pěti98 vedoucími leas-
ingovými a splátkovými společnostmi. Sdružuje informace o klientech nebankov-
ních institucí. Uživateli NRKI jsou ČSOB Leasing, a.s., GE Money Auto, a.s., CAC
Leasing, a.s., UniCredit Leasing CZ, a.s., ŠkoFIN s.r.o., Credium, a.s., Cofidis s.r.o.,
Home Credit, a.s., a další.
• Registr SOLUS – V tomto registru si zde data navzájem předávají banky, finanční
společnosti a mobilní operátoři. Uživateli jsou Home Credit, a.s., CETELEM ČR,
a.s., COFIDIS s.r.o., MAKRO Cash & Carry s.r.o., Modrá pyramida stavební spo-
řitelna, a.s. apod.
• Centrální registr úvěrů – Tento registr shromažďuje informace o úvěrových
závazcích fyzických osob podnikatelů a právnických osob. Regist je spravován
ČNB a údaje sem zasílají povinně všechny banky působící v Česku. [21]
97Mají přehled i o nečerpaných úvěrech, jako je kontokorent, kreditní karta apod.

98 ČSOB Leasing, a.s., GE Money Auto, a.s., GE Money Multiservis, a.s., CAC Leasing, a.s., Santander
Consumer Finance, a.s., ŠKOFIN, a.s., Leasing České spořitelny, a.s., s Autoleasing, a.s. [21]
Vlastní práce 52
3.9 Monitorování a omezování rizika

Každý proces monitorování a přezkoumávání rizik by měl dané instituci určit, zda opat-
ření, která byla přijata splnila zamýšlený účel. Dále by mělo být stanoveno, zda přijaté
postupy a informace, které byly získány pro hodnocení rizik, byly správné.
Ve většině bank jsou zřízeny hlavní výbory dohledu, jako je audit, výbory pro řízení
rizika apod. Všechny banky by měly mít například výbor pro řízení úvěrového rizika pro
sledování úvěrového rizika a další výbory. Audit je zodpovědný nejen za správnost fi-
nančního a regulačního zpravodajství, ale musí také zajistit to, že banka bude splňovat
minimální požadované standardy. Výbory pro řízení rizika jsou zodpovědné za identifi-
kaci, měření, sledování a kontrolu rizika úvěrového, tržního, operačního, rizika likvidity
a dalších.
Limity
Systém limitů má chránit výnosy a kapitál banky před koncentrací rizika.Pro každý typ
rizika musí být zřízeny soubory mezních hodnot.
Limity musejí být přesně a srozumitelně definovány, musí být určeno, jaká událost
představuje jejich překročení apod. Také musejí být pokaždé spojeny s kvalitním kont-
rolním systémem a také je nutný kvalitní systém měření výkonnosti.
Určitá podstata každého limitu se velmi liší. To záleží na aktivitách, velikosti a so-
fistikaci každé banky. Pro finanční instituce je nejlepším postupem stanovit průběh pro-
střednictvím kterého lze tyto limity určit, prozkoumat projevy rizika, schválit případné
výjimky a vyvinout analytickou metodologii k vyčíslení rizik. Mnoho bank používá k
implementaci právě sofistikované metody (například VaR). Většina finančních institucí
uplatňuje dva typy limitů – typ A a typ B. Typ A (tier 1) může zahrnovat jeden
všeobecný limit pro každé aktivum. Typ B (tier 2) je úplnější a pokrývá pověřené ob-
chodní a koncentrační limity (úvěrová třída, doba splatnosti …). [4]
Pro tržní riziko slouží soubory mezních hodnot ke kontrole rizika, které vyvstává
ze změn tržních cen aktiv na finančních trzích (úrokových sazeb, měnových kurzů, cen
akcií, cen komodit, …). Účelem limitů tržního rizika je ochrana podniku před neočeká-
vanými ztrátami. U úrokového rizika jsou určitým východiskem Gapové limity99, které
vychází z techniky gapové analýzy. V praxi se používají často. Mezní hodnoty pro tržní
riziko se používají pro zohlednění citlivosti na úrokové sazby. Soustava tržních limitů
musí být v souladu s maximální mírou podstupovaných rizik schválenou před-
stavenstvem banky.
U úvěrového rizika jsou mezní hodnoty stanoveny na výši přijatelného rizika a
slouží ke kontrole a k omezování počtu selhání, tak jako k limitující a klesající migraci
v kvalitě úvěrového portfolia (například úvěrové knihy). Limitování úvěru znamená sta-
novení nejvyšší možné částky úvěru, kterou je banka ochotna poskytnout jednomu zá-
kazníkovi. Je to jeden z nástrojů, jak omezit úvěrová rizika a může nabývat různých fo-
rem.
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
podstupovaného rizika. Stresovým testováním by měly procházet všechny modely hlav-

ně kvůli tomu, aby byly banky dostatečně připraveny na dopady případné krize a také by
banky měly mít připravené kontrolní mechanismy pro včasné zastavení krizové situace.
Každý z přístupů k úvěrovému riziku má své výhody i nevýhody. Nejznámější me-
tody pro měření úvěrového rizika jsou metoda CreditMetircs, Credit Risk+ a model
KMV. CreditMetrics je pravděpodobně nejnáročnějším modelem na základě vstupních
kritérií. Vyžaduje totiž dlouhodobé časové řady dat o selhání a přechodu dlužníků
z jednoho stupně do druhého a také vyžaduje burzovní data, která jsou především pro
přechodové ekonomiky nedostupná. KMV model se zakládá na historických datech při
odhadování pravděpodobností selhání. Důraz je u tohoto modelu kladen na charakteris-
tiky podniků. Aby mohl být model KMV implementován, je pro banky potřeba, aby
měly informace o kapitálových strukturách svých klientů. Tento přístup odvozuje selhá-
ní dlužníka na základě korelací z návratnosti aktiv. Model CreditRisk+ požaduje znát
pouze jednotlivé úrovně bankovních expozic, pravděpodobnosti selhání pro jednotlivé
expozice a směrodatnou odchylku jednotlivých expozic. Tento model může být apliko-
ván na jakékoliv úvěrové produkty.
Úvěrové bodování, credit scoring, je metoda, na základě které může banka ohod-
nocovat klienty za použití vybrané statistické metody. Číselné skóre klienta potom v
rozhodovací fázi umožňuje stanovit, zda danému klientovi bude úvěr zamítnut či niko-
liv. Skóre je ukazatelem pravděpodobnosti budoucího chování klienta. Čím vyšší skóre
klient má, tím je pro banku či jinou nebankovní instituci méně rizikovější. Je nutné říci,
že skóre má v ČR vypovídací hodnotu pouze pro finanční instituce101. Úvěrové skóro-
vání pomáhá urychlovat institucím proces poskytování úvěrů a je v dnešní době velice
oblíbeným nástrojem. Díky skórování se bance v porovnání s nebankovními institucemi
tolik nezvyšuje objem nesplacených půjček. CS je oproti ratingu časově méně náročný a
jednodušší, ale v hodnocení je omezenější.
Nakonec je potřeba říci, že banky mají mnohem přísnější pravidla při poskytování
spotřebitelských úvěrů než různé úvěrové firmy. Úvěrové firmy v ČR typu Home Cre-
dit, Cetelem, Provident Financial poskytují úvěry za omezenějších, avšak přísných pod-
mínek. Tyto firmy od svých klientů požadují méně informací. Nejhorší je poskytování
úvěrů v případě lichvářů, kteří jsou ochotni poskytnout úvěr i vysoce rizikovým po-
chybným klientům, kteří jsou navíc často i předlužení.
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
7 Seznam literatury a elektronické zdroje

Literatura
[1] ALLISON, PAUL D. Logistic regression using the SAS system: theory and application. USA :
SAS Publishing, 1999. 288 s. ISBN 1-58025-352-0.
[2] 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.
[3] BILELECKI, T. R.; RUTKOWSKI, M. Credit Risk: Modeling, Valuation and Hedging.
Germany : Springer, 2002. 540 s. ISBN 3-540-67593-0.
[4] CROUHY, M. -- GALAI, D. -- MARK, R. The essentials of risk management. New York:
McGraw-Hill, 2006. 414 s. ISBN 978-0-07-142966-5.
[5] DVOŘÁK, P. Bankovnictví pro bankéře a klienty. 3.vydání. Praha : Linde, 2005. 688 s.
ISBN 80-7201-515-X.
[6] EDELMAN, D. -- THOMAS, L. -- CROOK, J. Credit scoring and its applications. Phila-
delphia: Society for Industrial and Applied Mathematics, 2002. 248 s. ISBN 0-
89871-483-4.
[7] JÍLEK, J. Finanční rizika. 1.vydání. Praha : Grada, 2000. 635 s. ISBN 80-7169-579-
3.
[8] JORION, P. Value at Risk : The New benchmark for managing financial risk. 3.vydání.
USA : McGraw-Hill Professional, 2007. 602 s. ISBN 0-07-146495-6.
[9] KAŠPAROVSKÁ, VLASTA, a kol. Řízení obchodních bank : vybrané kapitoly. 1.vydání.
Praha : C.H.Beck, 2006. 338 s. ISBN 80-7179-381-7.
[10] MCNEIL, A. J. -- FREY, R. -- EMBRECHTS, P. Quantitative risk management : con-
cepts, techniques, and tools. Princeton: Princeton University Press, 2005. 538 s. Prince-
ton series in finance. ISBN 978-0-691-12255-7.
[11] MERNA, T.; AL-THANI, FAISAL F. Corporate risk management : An Organisational
Perspective. England : Wiley, 2005. 270 s. ISBN 0-470-01472-5.
[12] 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.
[13] POLOUČEK, S. Bankovnictví. 1.vydání. Praha : C.H.Beck, 2006. 716 s. ISBN 80-
7179-462-7.
[14] RUTHENBERG, D. -- SARNAT, M. -- GALAI, D. Risk management and regulation in
banking. Norwell, USA: Kluwer Academic Publishers, 1999. 214 s. ISBN 0-7923-
8483-0.
[15] WATERHOUSE, P. Úvod do řízení úvěrového rizika. 1. vyd. Praha: Management Press,
1994. 315 s. ISBN 80-85603-49-7.
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
/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.
[41] Zákon č. 513/1991 Sb., obchodní zákoník.

[42] Zákon č. 21/1992 Sb., o bankách.
[43] Zákona č. 145/2010 Sb., o změně úvěru a o změně některých zákonů.
Přílohy 61
Přílohy
Skórovací tabulky a ratingové hodnocení 62
A Skórovací tabulky a ratingové hodnocení

Tab. 2 Ukázka aplikační skórovací tabulky
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]
Tab. 3 Ratingové kategorie agentury Standard & Poor´s a agentury Moody´s
Stupeň Standard & Poor´s Moody´s Charakteristika

Nejvyšší kvalita, vysoká
schopnost plnit závazky.
1. Výjimečný AAA Aaa
Úrokové platby kryté vysokou
marží.
Vysoká kvalita, dobrá
schopnost platit závazky.
2 Vynikající AA Aa
Úroková marže není tak vysoká
jako u 1.skupiny
Vyšší střední kvalita.
3. Dobrý A A Odpovídající předpoklady pro
splnění závazků.
Skórovací tabulky a ratingové hodnocení 63
Průměrná schopnost plnit

4. Postačující BBB Baa
závazky.
5. Diskutabilní Závazky obsahují spekulativní
BB Ba
(pochybný) prvky. Nejisté budoucí plnění.
Nejisté plnění závazků
6. Špatný B B
v dlouhém období.
Nízká kvalita. Hrozí nebezpečí
7. Velmi špatný CCC Caa při splácení. Podléhá
nesplácení.
8. Extrémně
CC Ca Vysoce spekulativní
špatný
9. Nejnižší Velmi malá pravděpodobnost
C C
možný splácení.
Odlišný od ostatních ratingů, je
potenciální. Používá se pouze
D -
když se selhání skutečně
vyskytlo .
Značí modifikace, rozšíření
+ nebo − 1, 2, 3…
ratingových skupin.
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. 238–240. [2]
Společnosti poskytující spotřebitelské úvěry v ČR a s nimi související přílohy 64
B Společnosti poskytující spotřebitelské úvěry

v ČR a s nimi související přílohy
Tab. 4 Rozdělení bank v ČR do skupin (k 31. 12. 2009)
Zdroj: ČNB, Zpráva o výkonu dohledu nad finančním trhem 2009, str. 123. [27]
Obr. 7 Počet bank v ČR (banky s licencí k danému datu)
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]
Obr. 8 Struktura úvěrů podle ekonomických sektorů (k 31. 12. 2009)
9%
37%
43%
6%
2% 3%
nefinanční sektor finanční sektor vládní sektor živnosti obyvatelstvo ostatní
Zdroj: vlastní konstrukce podle ČNB, Zpráva o výkonu dohledu nad finančním trhem 2009, str. 72. [27]
Tab. 5 Úvěry obyvatelstvu podle časového a druhového hlediska
Obr. 9 Co vnímají banky jako hlavní problémy
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]
Tab. 6 Kapitálové požadavky a kapitálová přiměřenost bankovního sektoru (v mld. Kč)

Zaverecna Prace

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Zaverecna Prace

Uploaded by

Copyright:

Available Formats

Mendelova univerzita v Brně

Provozně ekonomická fakulta

Řízení rizika společností

Vedoucí práce: Vypracovala:

V Brně dne 3. ledna 2011 ______________________

3.4.5 Metody používané při řízení úrokového rizika..................................................33

7 Seznam literatury a elektronické zdroje 57

A Skórovací tabulky a ratingové hodnocení 62

B Společnosti poskytující spotřebitelské úvěry v ČR a s nimi související přílohy 64

Obr. 2 Srovnání přístupů Basel I a Basel II 19

Obr. 3 Podíl jednotlivých skupin bank na celkové bilanční sumě (v %, banky

Obr. 4 Stresové kategorie a stresové šoky 30

Obr. 5 Rozdělení „dobrých“ a „špatných“ klientů 43

Obr. 6 Lorenzova křivka a Ginino index 49

Obr. 7 Počet bank v ČR (banky s licencí k danému datu) 65

Obr. 8 Struktura úvěrů podle ekonomických sektorů (k 31. 12. 2009) 65

Obr. 9 Co vnímají banky jako hlavní problémy 66

Tab. 2 Ukázka aplikační skórovací tabulky 62

Tab. 3 Ratingové kategorie agentury Standard & Poor´s a agentury Moody´s 62

Tab. 4 Rozdělení bank v ČR do skupin (k 31. 12. 2009) 64

Tab. 5 Úvěry obyvatelstvu podle časového a druhového hlediska 66

Tab. 6 Kapitálové požadavky a kapitálová přiměřenost bankovního sektoru (v

1 Úvod a cíl práce

1.2 Cíl práce

2.2 Finanční riziko

Obr. 1 Rozdělení rizik

2.2.1 Tržní riziko

2.2.2 Operační riziko

5 Interest rate risk.

9 Foreign exchange risk, případně Currency risk.

10 Commodity price risk.

2.2.3 Riziko likvidity

2.2.4 Úvěrové riziko

2.2.5 Modelové riziko

2.2.6 Obchodní riziko

14 Direct credit risk.

19 Konvertibilita znamená směnitelnost, převoditelnost, přepočitatelnost.

2.3 Řízení rizika, Risk management

2.3.1 Stručná historie řízení rizika

2.3.2 Regulační rámec

= kapitálový podíl (min .8 % )

KPtr označuje kapitálový požadavek k tržnímu riziku,

KPor označuje kapitálový požadavek k operačnímu riziku.

Obr. 2 Srovnání přístupů Basel I a Basel II

Není pochyb o tom, že v porovnání s předchozí metodikou je Basel II komplexnější,

26 Securities and Exchange Commission.

3.1 Úvěr, spotřebitelský úvěr, spotřebitel

27 Struktura úvěrů podle ekonomických sektorů (k 31.12.2009) je uvedena v příloze B, obrázek č. 8.

32 Akceptační úvěr, avalový úvěr, bankovní záruky.

• nepřímé spotřebitelské úvěry – poskytovány prostřednictvím společností, které

33 Splatnost spotřebitelských úvěrů zpravidla nepřesahuje dobu 10 let.

3.1.1 Obecný popis společností poskytujících spotřebitelský úvěr v ČR

34 Počet bank (banky s licencí k danému datu) je uveden v příloze B, obrázek č. 7.

3.1.2 Nabídka produktů společností poskytujících spotřebitelský úvěr v ČR39

třebitelského leasingu, úvěrových karet a dalších modifikovaných produktů. Protože

K financování osobních nepodnikatelských potřeb můžeme uvést například „Perfektní

3.2 Identifikace rizik

42 Na nákup notebooku DELL Inspiron 1545 s příslušenstvím.

45 Je poskytován na financování nových i ojetých motorových vozidel. Automobily a motocykly v autosa-

3.2.1 Rizikové faktory a ztrátové rozdělení

V této rovnici je distribuce50 L[s, s + ∆ ] nazývána ztrátovou distribucí. Rozlišujeme me-

3.3 Základní koncepce k měření rizika

47 Prostředí tržní, právní, kulturní, sociální, politické.