IHEB MBARKI

– Revue des modèles de PD et LGD pour le périmètre Limited Recouses Finance dans le cadre du programme REPAIR de l'EBA – Vérification de la qualité des données (solidité financière, mécanisme de garanties, caractéristiques de transaction, environnement politique et juridique), la définition du scope, impact de la NDOD – S'assurer que la modélisation respecte les exigences de la BCE concernant le choix de la méthode de différentiation des risques, le traitement des Risk drivers, l'analyse de performance et le calcul des MOCS – Traitement des Risk drivers (Présélection, études des valeurs manquantes et aberrantes, discrétisation et regroupement des modalités, tests de corrélation) – Application de modèles de classification (régression logistique, arbre de décision, algorithme de Jenks) – Analyse de performance (GINI, Somers'D, tests d'homogénéité et d'hétérogénéité, tests de concentration et de monotonie de risque) et analyse de représentativité (test PSI) – Calcul des MOCs A, B et C – Environnement technique : R, Python, Dataiku, Excel

– Analyse de la norme IFRS9 et des approches de modélisation de la PD Forward Looking (tests SPPI & BM, segmentation par stage de risque, projection des PD cumulées, calcul de PD en fonction des variables macro économiques avec le modèle de Merton). – Implémentation des méthodes de Moody's d'extraction des PD PIT à partir des spreads CDS (supposer que la date de défaut suit une loi exponentielle et exprimer le Fair value des CDS à différents horizons en fonction des probabilités de survie pour estimer les paramètres de la distribution) – Réplication des méthodes de Moody's de régression de la PD à partir des ratings (Régression log linéaire/ logistique) – Environnement technique: Python