4.2 Data requirements

Tekintve, hogy az IRB értékelési módszerről szóló szabályozástechnikai standardok 76. cikke az intézményeket megbízható szabályzatok, valamint a hitelkockázat-kezelési és irányítási folyamatokban használt adatok minőségének értékelésére és javítására vonatkozó folyamatok és módszerek fenntartására kötelezi, a követelményeknek való megfelelés érdekében az intézmények gondoskodjanak arról, hogy e szabályzatok hatálya terjedjen ki a modellfejlesztésben és a kalibráció során használt összes adatra és a kockázati paraméterek alkalmazása során használt adatokra is.

Annak érdekében, hogy a modellfejlesztés és a kockázati paraméterek alkalmazása során bemeneti adatként használt adatok megfeleljenek az 575/2013/EU rendelet 174. cikk b) pontjában az adatok pontosságára, teljességére és megfelelőségére vonatkozóan rögzített követelményeknek, azoknak megfelelően pontosnak kell lennie, nehogy a kitettségeknek az ügyfél- vagy keretkategóriákhoz illetve halmazokhoz való hozzárendelése során a kapott eredmény lényegesen torzuljon, és az adatok ne tartalmazzanak olyan torzításokat, amelyek miatt rendeltetésükre alkalmatlanná válnak.

4.2.2 Az adatok reprezentatív jellegének biztosítása

Az 575/2013/EU rendelet 174. cikk c), 179. cikk (1)d) és 179. cikk (2)b), valamint az IRB értékelési módszerről szóló szabályozástechnikai standardok 40. és 45. cikkében az adatok reprezentatív jellegére vonatkozóan rögzített követelmény betartása érdekében az intézménynek legyenek a kockázati paraméterek becslésére használt adatok reprezentatív jellegének értékelésére vonatkozóan megbízható szabályzatai, folyamatai és módszerei. Az intézmény belső szabályzataiban határozza meg a kockázatok differenciálásához használt, illetve külön a kockázatok számszerűsítését alátámasztó adatok reprezentatív jellegének értékelésére igénybe veendő statisztikai teszteket és mérési módszereket. Az intézmény határozza meg továbbá a szabályzataiban rögzített olyan esetek adatainak minőségi elemzésének módszereit, ahol a statisztikai tesztek alkalmazása nem lehetséges.

Az intézmény használjon azonos standardokat és módszereket a különböző forrásokból származó adatok reprezentatív jellegének értékelésére függetlenül attól, hogy azok belső, külső vagy közös adatok, vagy ezek kombinációja, kivéve azokat az eseteket, amikor az adatforrás különleges volta vagy az információ rendelkezésre állása más módszerek alkalmazását igazolja.

Külső és közös adatok használata esetén az intézmény szerezzen be az adatszolgáltatóktól elegendő információt annak értékeléséhez, hogy az ilyen külső vagy közös adatok az intézmény saját állományaira és folyamataira nézve reprezentatívnak tekinthetőek-e.

4.2.3 A modellfejlesztéshez használt adatok reprezentatív jellege

Ha a kitettségeket statisztikai modellek vagy egyéb mechanikus módszerek segítségével sorolja kategóriákba vagy halmazokba, illetve ha egyedi ügyfelekre vagy ügyletekre vonatkozóan a nemteljesítés valószínűségének becslésére a nemteljesítést statisztikai alapon előrejelző modellt alkalmaz, az intézmény elemezze az adatok reprezentatív jellegét. Az intézmény a modellfejlesztéshez válasszon megfelelő adathalmazt, nehogy az adatok reprezentatív jellegének elégtelen volta miatt a modell teljesítménye és különösen annak megkülönböztető képessége jelentősen csökkenjen.

Az intézmény a model fejlesztési szakaszában az összes alább felsorolt szempont szerint elemezze az adatok reprezentatív jellegét annak érdekében, hogy az ügyfeleket és a kitettségeket kategóriákba vagy halmazokba besoroló modell fejlesztéséhez használt adatok a modell által lefedett alkalmazási portfólió szempontjából reprezentatívak legyenek, és feleljenek meg az 575/2013/EU rendelet 174. cikk c) pontjában és az IRB értékelési módszerről szóló szabályozástechnikai standardok 40. cikke (2) bekezdésében rögzített követelményeknek:

• (a) az alkalmazás köre;
• (b) a nemteljesítés fogalma;
• (c) a releváns kockázati karakterisztika eloszlása;
• (d) hitelezési standardok és megtérülési politikák.

Az intézmény a 21(a) pont szempontjából elemezze a kitettségek szegmentálását, és gondolja végig, hogy az ügyfeleket és az ügyleteket kategóriákba vagy halmazokba besoroló modell fejlesztéséhez használt adatok által lefedett időszak alatt változott-e a vizsgált modell alkalmazási köre. Ha ilyen változás történt, az intézmény elemezze a modell alkalmazási körének változása szempontjából releváns kockázati tényezőket, ehhez vesse össze ezek változás előtti és utáni eloszlását a referenciaadat-halmazban és vesse össze ezeknek a kockázati tényezőknek az alkalmazási portfólión belüli eloszlásával is. Ehhez az intézmény vegyen igénybe statisztikai módszereket, például klaszterelemzést vagy hasonló technikát a reprezentatív jelleg igazolására. Összevont modell esetében az elemzést tanácsos a modell alkalmazási körének azon részére vonatkozóan elvégezni, amelyet az intézmény használ.

Az intézmény a 21(b) pont céljára gondoskodjon arról, hogy a nemteljesítésnek az a fogalma, amelyre a modell fejlesztéséhez használt adatok épülnek, az időben mindig ellentmondásmentes legyen, és különösen az alábbiakkal legyen összeegyeztethető:

• (a) korrekciók történtek a nemteljesítés aktuális fogalmával való egyezőség elérése érdekében abban az esetben, ha a nemteljesítés fogalma a megfigyelés időszaka alatt változott;
• (b) az intézmény megfelelő intézkedéseket vezetett be azokra az esetekre, ahol a modell több olyan joghatóságban fed le kitettségeket, ahol a nemteljesítés fogalma eltér vagy korábban eltérő volt;
• (c) a nemteljesítés fogalmának elemzése minden adatforráson belül külön-külön megtörtént;
• (d) a nemteljesítésnek a modell fejlesztéséhez használt fogalma sem a kockázatok megkülönböztetése, sem pedig az előrejelzőképesség szempontjából nem befolyásolja negatívan a minősítési modell szerkezetét illetve teljesítményét abban az esetben, ha ez a fogalom eltér attól, amelyet az intézmény az 575/2013/EU rendelet 178. cikkének megfelelően használ.

Az intézmény a 21(c) pont céljára az alkalmazási portfólióhoz képest elemezze a kockázatokat differenciáló modell feljesztéséhez használt adatok fontos kockázati jellemzőit mutató értékek eloszlását és tartományát. Az LGD-modelleket illetően az intézmény ezeket az elemzéseket a teljesítő és a nem teljesítő kitettségekre nézve külön-külön folytassa le.

Az intézmény a kockázatok releváns jellemzői szerint a szabályzataiban meghatározott statisztikai tesztek alapján elemezze az adatok reprezentatív jellegét, és gondoskodjon arról, hogy a kockázatok e jellemzői esetében megfigyelt értékek sorát a fejlesztési minta megfelelően tükrözze. Ahol statisztikai teszt alkalmazására nincs mód, az intézmény legalább minőségi elemzést folytasson le a portfólió szerkezetét leíró statisztika alapján figyelembe véve az 575/2013/EU rendelet 180(2) bekezdés f) pontjában hivatkozott lehetséges élettartamhatásokat. Amikor az intézmény ennek az elemzésnek az eredményeit vizsgálja, vegye figyelembe, hogy a kockázati jellemzők mennyire érzékenyek a gazdasági feltételekre. Az adatminta és az alkalmazási portfólió fontos kockázati jellemzőinek jelentős eltéréseit tanácsos például egy másik adatmintát vagy a megfigyelések egy részhalmazát felhasználva vagy azzal kezelni, hogy a modellben ezen kockázati jellemzőket kockázati tényezőkként jelenítjük meg.

Az intézmény a 21(d) pont céljára elemezze, hogy a vonatkozó múltbeli megfigyelési időszak alatt történt-e jelentős változás az intézmény hitelezési standardjaiban, megtérülési politikáiba vagy a vonatkozó jogi környezetben, ideértve a fizetésképtelenségi jogszabályok, a jelzálog érvényesítésére vonatkozó jogi eljárások valamint a biztosítékok realizálására vonatkozó jogszabályok olyan változását, amely képes a kockázat szintjét illetve a kockázati jellemzőknek a vizsgált modell által lefedett portfólióban való eloszlását vagy tartományait befolyásolni. Ha az intézmény ilyen változásokat figyel meg, hasonlítsa össze a szabályzat változása előtt és után a referenciaadat-halmazba bevont adatokat. Az intézmény gondoskodjon az aktuális kockázatvállalási vagy megtérülési standardok és azon standardok összehasonlíthatóságáról, amelyeket a referenciaadat-halmazba felvett megfigyeléseire és a modellfejlesztéshez használ.

A PD-modellen belül a kockázatokat differenciáló modell fejlesztéshez használt adatok reprezentativitásához nem szükséges az, hogy a fejlesztési adathalmazban a teljesítő és a nem teljesítő kitettségek aránya ugyanaz legyen, mint ez az arány az intézmény alkalmazási portfólióján belül. Az intézmény fejlesztési adathalmazának azonban elegendő számú teljesítő és nem teljesítő megfigyelést kell tartalmaznia, és az intézménynek tanácsos a különbséget nyilvántartania.

4.2.4 Az adatok reprezentatív jellege a kockázati paraméterek kalibrációja szempontjából

Annak érdekében, hogy az intézmény által a kockázatok számszerűsítése során használt adatok a vonatkozó modell által lefedett alkalmazási portfólió szempontjából az 575/2013/EU rendelet harmadik részében a 3. fejezet 6. szakasza 2. alszakaszának és az IRB értékelési módszerről szóló szabályozástechnikai standardok 45(2) bekezdésének megfelelően reprezentatívak legyenek, az intézmény elemezze az 575/2013/EU rendelet 179(1) bekezdés d) pontjában hivatkozott hosszú távú átlagos nemteljesítési arányok vagy a hosszú távú átlagos LGD értékek kiszámításához használt adatok összehasonlíthatóságát valamint, adott esetben, ugyanennek a rendeletnek a 179(2) bekezdés b) pontja szerinti halmaz (pool) reprezentatív jellegét az alábbiak szempontjából:

• (a) az alkalmazás köre;
• (b) a nemteljesítés fogalma;
• (c) a releváns kockázati karakterisztika eloszlása;
• (d) az aktuális és az előrelátható gazdasági vagy piaci feltételek;
• (e) hitelezési standardok és megtérülési politikák.

Az intézmény a 28(a) pont céljára folytassa le a 22. bekezdésben meghatározott elemzést.

Az intézmény a 28(b) pont céljára és annak biztosítása érdekében, hogy a nemteljesítésnek az a fogalma, amely az egyes adatforrásokból a kockázatok számszerűsítésére szolgáló adatok összhangját biztosítja az 575/2013/EU rendelet 178. cikkében rögzített követelményekkel, az intézmény vesse össze a nemteljesítésnek az általa aktuálisan használt fogalmát azokkal a fogalmakkal, amelyeket a kockázatok számszerűsítésére használt adathalmazban lévő megfigyelések azonosításához alkalmaz. Ahol a múltbeli megfigyelési időszak alatt a nemteljesítés fogalma változott, az intézmény ugyanolyan módon értékelje, hogy a referenciaadat-halmazba tartozó és a kockázatok számszerűsítéséhez használt múltbeli adatok reprezentatívak-e, ahogy azt az 575/2013/EU rendelet 178. cikkének megfelelően a nemteljesítés fogalmának alkalmazásáról szóló EBH iránymutatások 6. fejezete alapján a külső adatokra vonatkozóan teszi. Ahol a nemteljesítés meghatározása a múltbeli megfigyelési időszak alatt többször is változott, az intézmény a nemteljesítés minden egyes korábbi meghatározását külön-külön elemezze.

Az intézmény a 28(c) pont céljára folytasson le megfelelő elemzést arra vonatkozóan, hogy a kalibrációs szegmens szintjén az alkalmazási portfólióban található fontos kockázati jellemzők értéktartományai a szükséges mértékben összehasonlíthatóak-e a kockázatok számszerűsítését szolgáló referenciaadat-halmazt alkotó portfólió értékeivel annak érdekében, hogy a kockázatok számszerűsítése ne torzuljon.

Az intézmény a 28(d) pont céljára az alábbiak szerint elemezze az adatokat megalapozó piaci és gazdasági feltételeket:

• (a) a PD-becslésre vonatkozóan az 5.3.4. szakasz szerint;
• (b) az LGD-becslésre vonatkozóan a 6.3.2. szakasz szerint, továbbá a gazdasági dekonjunktúrára (downturn) tekintettel az 575/2013/EU rendelet 181(1) bekezdés b) pontjában rögzített követelményre.

Az intézmény a 28(e) pont céljára elemezze, hogy a vonatkozó múltbeli megfigyelési időszak alatt a hitelezési standardokban illetve a megtérülési politikákban történtek-e olyan jelentős változások, amelyek képesek a vizsgált modell által lefedett portfólióhoz tartozó kockázat szintjét illetve a vonatkozó kockázati tényezők jellemzőinek eloszlását vagy tartományait befolyásolni. Ahol az intézmény ilyen változásokat figyel meg, az alábbi módon elemezze, hogy a változások a kockázati paraméterek becslésében milyen torzulásokat okozhatnak:

• (a) a PD-becslésre vonatkozóan a nemteljesítési arányok szintje és ezek változásának valószínűsíthető tartománya szempontjából;
• (b) az LGD-becslésre vonatkozóan a veszteségrátát, a megtérülési folyamatok átlagos időtartama, bizonyos megtérülési forgatókönyvek alkalmazásának gyakorisága és a veszteség súlyosságának eloszlásai szempontjából.

Ahol a 28 – 33 pontok szerinti értékelése alapján az adatok nem bizonyulnak eléggé reprezentatívnak, és emiatt a kockázatok számszerűsítése torzul vagy bizonytalanabbá válik, az intézmény a torzulás kezelése érdekében állítson be megfelelő korrekciót, és a 4.4. szakasznak megfelelően alkalmazzon konzervatív pótlékot.