Varun Nakra 的“低迷期违约损失率模型”旨在预测经济危机期间住宅抵押贷款组合的潜在损失。该模型现已被澳大利亚各大银行广泛采用，成为金融风险管理的基准。我们与 Nakra 讨论了该模型在银行业和房地产业的应用。
Varun Nakra 的职业生涯横跨美国、新加坡和澳大利亚等多个地区，是开发信用风险管理机器学习和统计模型的领先专家。
他的研究对维护全球银行体系稳定发挥了重要作用，重点研究机器学习和人工智能的众多其他应用—— 检测网络防御中的异常 系统， 人工智能在城市中的应用 规划等等。
Nakra 最引人注目的成就是他的“低迷期 LGD 模型”，该模型可以预测抵押贷款信用损失。
开发和技术挑战
开发“低迷期 LGD 模型”面临的主要挑战是缺乏低迷期数据。
在新冠疫情爆发之前，Varun 在澳大利亚工作，自 1990 年代的市场崩盘以来，澳大利亚的房地产市场一直表现强劲。由于缺乏足够的经济衰退事件历史数据，Varun 的团队面临着巨大的技术挑战。
纳克拉表示：“我们必须开发一种模型，即使没有过去经济衰退的直接数据，也能保持准确可靠。”
声誉和监管审查
随着悉尼、墨尔本房价快速上涨，监管机构发现抵押贷款市场存在系统性风险。
这需要一个预测模型来确保银行能够持有足够的资本并防范潜在损失。
审批过程非常严格，Nakra 的团队在两轮评估中收到并回答了来自监管机构的 100 多个问题。
纳克拉解释道：“必须进行广泛的审查才能证明该模型的稳健性和准确性。”
尽管面临挑战，Nakra 的模型还是得到了监管机构的批准，对需要保留的资本进行了精确的计算。
批准和影响
目前，澳大利亚一家大型银行采用 Nakra 模型进行监管资本规划。监管机构也使用该模型来确保住房贷款的资本要求足以抵御经济周期中的损失。
在该模型实施之前，银行必须使用固定的 违约损失率下限为 20%采用 Nakra 模型后，这一要求平均降低到 15% 左右，从而为银行平均节省 5% 的资本，这些资金可用于其他用途。
对于 Nakra 来说，此次获批是一个里程碑。该模式不仅为他赢得了出色的绩效评级和内部晋升，还赢得了监管机构的赞赏。
持续适应和未来挑战
低迷期违约损失率模型的成功表明，银行业需要不断创新。Nakra 强调了更新模型以应对新风险的重要性，例如疫情过后高通胀和高利率带来的压力。
“在利率较高的环境下，贷款到期时还款额会大幅增加，如果银行有大量此类贷款，则会带来重大风险，”纳克拉解释道。“必须重新设计和调整模型，以应对这些不断变化的风险，并纳入新的压力测试情景和定量分析。”
商业地产风险
Nakra 表示，银行特别关注的一个领域是商业房地产，尤其是纽约和洛杉矶等主要枢纽。
疫情导致办公空间空置率激增，增加了写字楼贷款违约的风险。监管机构一直热衷于监控这一风险，以防止其演变为系统性风险。
“曼哈顿等地仍有许多空置建筑，”纳克拉指出。“由于空置率高，业主难以履行财务义务，违约风险加大。”
由于美国银行业面临新兴风险，Nakra 正在研究可持续金融的新模式，将环境、社会和治理风险纳入其中。
“目前，还没有开发这些模型的标准方法或简单的指导方针，”他说。“但这就是未来。”
Nakra 认为，融入人工智能对于这些创新模式的开发和实施至关重要且不可避免。
特色图片来源： 自由图片
