Szerzői információk:
Szabó András Viktor: Magyar Nemzeti Bank, osztályvezető. E-mail: szaboand@mnb.hu
Absztrakt:
Jelen kutatás célja egy olyan modell kialakítása, mely képes megbecsülni a potenciális hitelkockázati veszteségeket a háztartásoknak nyújtott lakáscélú és szabad felhasználású jelzáloghitelekre vonatkozóan makro- és mikroszemléletű adatok egyidejű használata mellett, és minden bankra egységesen alkalmazható, továbbá figyelembe veszi az új számviteli sztenderdeket (IFRS 9) is. A modell egy teljes gazdasági ciklust (2004–2018) lefedő, több hazai hitelintézet ügyletszintű adatbázisán alapul. A kockázatérzékenységet erősítő gazdasági mutatók felhasználása mellett bevonja a prociklikusságot enyhítő ügylettulajdonságokat is. A modellezés kétlépcsőssé tétele lehetővé teszi az előrejelzésnél kockázati csoportok kialakítását a különböző hiteltulajdonságok mentén. Az eredmények azt mutatják, hogy a foglalkoztatottság alakulása erőteljesebben érinti a kockázatosabb, potenciálisan csak alkalmi munkából élő csoportokat, míg a nettó vagyon be sem került a – vélhetően jobban a stabil munkajövedelmükre támaszkodó – legjobb adósokat magába foglaló csoport magyarázó változói közé.
Hivatkozás (APA):
Szabó, A. V. (2022). Jelzáloghitelek hitelkockázati modellezése a Magyar Nemzeti Bank felügyeleti stressztesztjében. Hitelintézeti Szemle, 21(1), 56–94. https://doi.org/10.25201/HSZ.21.1.56
Rovat:
Tanulmány
Journal of Economic Literature (JEL) kódok:
C320, C530, G210, G280, G510
Kulcsszavak:
idősoros modellezés, ökonometriai előrejelzés, bank, stresszteszt, PD, háztartási hitelezés, IFRS 9
Felhasznált irodalom:
Acuña, E. – Rodriguez, C. (2004): The Treatment of Missing Values and its Effect on Classifier Accuracy. Megjelent: Banks, D. – McMorris, F.R. – Arabie P. – Gaul W. (eds.): Classification, Clustering, and Data Mining Applications, pp. 639–647. https://doi.org/10.1007/978-3-642-17103-1_60
Agarwal, V. – Taffler, R. (2008): Comparing the performance of market-based and accounting- based bankruptcy prediction models. Journal of Banking and Finance, 32(8): 1541–1551. https://doi.org/10.1016/j.jbankfin.2007.07.014
Altman, E.I. (1968): Financial ratios discriminant analysis and the prediction of corporate bankruptcy. Journal of Finance, 23(4): 589–609. https://doi.org/10.1111/j.1540-6261.1968.tb00843.x
Balás Tamás – Banai Ádám – Hosszú Zsuzsanna (2015): A nemteljesítési valószínűség és az optimális PTI-szint modellezése egy háztartási kérdőíves felmérés felhasználásával. MNB-tanulmányok 117, Magyar Nemzeti Bank. https://www.mnb.hu/letoltes/117-mnb-tanulmany-hun.pdf
Banai Ádám – Hosszú Zsuzsanna – Körmendi Gyöngyi – Sóvágó Sándor – Szegedi Róbert (2013): Stressztesztek a Magyar Nemzeti Bank gyakorlatában. MNB-tanulmányok 109, Magyar Nemzeti Bank. https://www.mnb.hu/letoltes/mt109-vegleges.pdf
Bielecki, T.R. – Rutkowski, M. (2004): Credit Risk: Modeling, Valuation, and Hedging. Springer, New York. https://doi.org/10.1007/978-3-662-04821-4
Bodnár Katalin – Kovalszky Zsolt – Kreiszné Hudák Emese (2014): A válságokból történő kilábalás és a hitelezés kapcsolata. Hitelintézeti Szemle, 13(4): 57–85. https://hitelintezetiszemle.mnb.hu/letoltes/3-bodnar-et-al-2.pdf
Chae, S. – Sarama, R. F. – Vojtech, C. M. – Wang, J. Z. (2019): The Effect of the Current Expected Credit Loss Standard (CECL) on the Timing and Comparability of Reserves. Finance and Economics Discussion Series 2018-020, Board of Governors of the Federal Reserve System (U.S.). https://doi.org/10.17016/FEDS.2018.020r1
Crouhy, M. – Galai, D. – Mark, R. (2000): A comparative analysis of current credit risk models. Journal of Banking and Finance, 24(1–2): 59–117. https://doi.org/10.1016/S0378-4266(99)00053-9
Daniels, T. – Duijm, P. – Liedorp, F. – Mokas, D. (2017): A top-down stress testing framework for the Dutch banking sector. Occasional Studies, 15-3, De Nederlandsche Bank. https://www.dnb.nl/media/ss1h5zks/201707_nr_3_-2017-_a_top-down_stress_testing_framework_for_the_dutch_banking_sector.pdf
Das, S.R. – Hanouna, P. – Sarin, A. (2009): Accounting-based versus market-based cross- sectional models of CDS spreads. Journal of Banking and Finance, 33(4): 719–730. https://doi.org/10.1016/j.jbankfin.2008.11.003
EBA (2021): 2021 EU-Wide Stress Test – Methodological note. European Banking Authority. https://www.eba.europa.eu/sites/default/documents/files/document_library/Risk Analysis and Data/EU-wide Stress Testing/2021/Launch of the ST/962559/2021 EU-wide stress test - Methodological Note.pdf. Letöltés ideje: 2021. február 5.
Fáykiss Péter – Palicz Alexandr – Szakács János – Zsigó Márton (2018): Az adósságfék- szabályok tapasztalatai a magyarországi lakossági hitelezésben. Hitelintézeti Szemle, 17(1): 34–61. https://doi.org/10.25201/HSZ.17.1.3461
Gross, M. – Laliotis, D. – Leika, M. – Lukyantsau, P. (2020): Expected Credit Loss Modeling from a Top-Down Stress Testing Perspective. IMF Working Paper WP/20/111, International Monetary Fund. https://doi.org/10.5089/9781513549088.001
Gross, M. – Población, J. (2015): A false sense of security in applying handpicked equations for stress test purposes. ECB Working Paper 1845, European Central Bank. https://doi.org/10.2139/ssrn.2664133
Holló, D. (2009): Risk developments on the retail mortgage loan market. MNB Bulletin, 4(3): 14–19. https://www.mnb.hu/letoltes/hollo-2009-okt-en.pdf
Horváth, G. (2021): Vállalatok hitelkockázati modellezése a Magyar Nemzeti Bank felügyeleti stressztesztjében. Hitelintézeti Szemle, 20(1): 43–73. https://doi.org/10.25201/HSZ.20.1.4373
IASB (2013): Financial Instruments: Expected Credit Losses. Exposure Draft, ED/2013/3, International Accounting Standards Board. https://www.ifrs.org/content/dam/ifrs/project/fi-impairment/exposure-draft-2013/published-documents/ed-expected-credit-losses.pdf. Letöltés ideje: 2021. március 4.
Jagric, V. – Kracun, D. – Jagric, T. (2011): Does Non-linearity Matter in Retail Credit Risk Modeling. Czech Journal of Economics and Finance, 61(4): 384–402.
Kolenikov, S. – Angeles, G. (2004): The Use of Discrete Data in PCA: Theory, Simulations, and Applications to Socioeconomic Indices. https://www.measureevaluation.org/resources/publications/wp-04-85.html. Letöltés ideje: 2021. március 11.
Kovács Erzsébet (2014): Többváltozós adatelemzés. Typotex Kiadó, Budapest.
Landini, S. – Uberti, M. – Casellina, S. (2019): Credit risk migration rates modelling as open systems II: A simulation model and IFRS9-baseline principles. Structural Change and Economic Dynamics, 50(September): 175–189. https://doi.org/10.1016/j.strueco.2019.06.013
Lawrence, E.L. – Smith, S. – Rhoades, M. (1992): An analysis of default risk in mobile home credit. Journal of Banking and Finance, 16(2): 299–312. https://doi.org/10.1016/0378-4266(92)90016-S
Little, R.J.A. – Rubin, D.B. (2002): Statistical Analysis with Missing Data. Wiley, New Jersey. https://doi.org/10.1002/9781119013563
Martin, D. (1977): Early warning of bank failure: A logit regression approach. Journal of Banking and Finance, 1(3): 249–276. https://doi.org/10.1016/0378-4266(77)90022-X
McDonald, R.A. – Sturgess, M. – Smith, K. – Hawkins, M.S. – Xiao-Ming Huang, E. (2012): Non-linearity of scorecard log-odds. International Journal of Forecasting, 28(1): 239–247. https://doi.org/10.1016/j.ijforecast.2011.01.001
Matyasovszky István (2002): Statisztikus klimatológia (Idősorok elemzése). ELTE Eötvös Kiadó, Budapest.
Pederzoli, C. – Torricelli, C. (2005): Capital requirements and business cycle regimes: forward-looking modelling of default probabilities. Journal of Banking and Finance, 29(12): 3121– 3140. https://doi.org/10.1016/j.jbankfin.2005.01.004
Platt, H.D. – Platt, M.B. (1991): A note on the use of industry-relative ratios in bankruptcy prediction. Journal of Banking and Finance, 15(6): 1183–1194. https://doi.org/10.1016/0378-4266(91)90057-S
Sepsi Barbara (2014): Így változott a 90 napon túli késedelmes devizaalapú hitelek helyzete Magyarországon. Közgazdász Fórum, 17(119/120): 168–181.
Sommerville, R.A. – Taffler, R.J. (1995): Banker judgement versus formal forecasting models: The case of country risk assessment. Journal of Banking and Finance, 19(2): 281–297. https://doi.org/10.1016/0378-4266(94)00051-4