4.2 Data requirements

Da bi institucije izpolnile zahtevo iz člena 76 RTS o metodologiji ocenjevanja IRB, ki od institucij zahteva, da imajo preudarne politike, procese in metode za ocenjevanje in izboljšanje kakovosti podatkov, uporabljenih v okviru procesov merjenja in upravljanja kreditnega tveganja, bi morale zagotoviti, da se te politike izvajajo v zvezi z vsemi podatki, uporabljenimi pri razvoju in umeritvi modelov, ter podatki, uporabljenimi pri apliciranju parametrov tveganja.

Da bi podatki, ki so bili pri razvoju modela in apliciranju parametrov tveganja uporabljeni kot vhodni podatki v model, izpolnjevali zahteve glede točnosti, popolnosti in primernosti iz člena 174(b) Uredbe (EU) št. 575/2013, bi morali biti dovolj natančni, da pri rezultatu razvršč anja izpostavljenosti v bonitetne razrede ali skupine dolžnikov ali izpostavljenosti ne bi prihajalo do pomembnih izkrivljanj, in bi morali biti ne pristranski, saj bi bili drugače neprimerni za ta namen . 4.2.2 Upravljanje z namenom zagotavljanja reprezentativnosti podatkov

Da bi institucije izpolnile zahtevo po reprezentativnosti podatkov, uporabljenih v modelih PD in LGD, iz člena 174(c), člena 179(1)(d) in člena 179(2)(b) Uredbe (EU) št. 575/2013 ter členov 40 in 45 RTS o metodologiji ocenjevanja IRB, bi morale imeti preudarne politike, procese in metode za ocenjevanje reprezentativnosti podatkov, uporabljenih za ocenjevanje parametrov tveganja. Institucije bi morale v svojih notranjih politikah ločeno določiti statistične teste in mere , ki jih bodo uporabljale za ocenjevanje reprezentativnosti podatkov, uporabljenih za razlikovanje tveganja, in ki jih bodo uporabljale za podatk e , na katerih temelji količinska opredelitev tveganja. Institucije bi morale tudi določiti metode za kvalitativno ocenjevanje podatkov v primerih (ki jih opredelijo v politiki), ko uporaba statističnih testov ni mogoča.

Institucije bi morale za ocenjevanje reprezentativnosti podatkov, ki izhajajo iz različnih virov, vključno z notranjimi, zunanjimi in skupnimi podatki ali njihovo kombinacijo, uporabljati iste standarde in metode, razen če je uporaba drugih metod utemeljena zaradi posebnosti vira podatkov ali razpoložljivosti informacij.

Kadar institucije uporabljajo zunanje ali skupne podatke, bi morale zagotoviti, da od ponudnikov podatkov dobijo dovolj informacij, da lahko ocenijo reprezentativnost teh podatkov za svoje portfelje in procese.

4.2.3 Reprezentativnost podatkov za razvoj modelov

Institucije bi morale analizirati reprezentativnost podatkov, kadar s statističnimi modeli in drugimi mehanskimi metodami razvrščajo izpostavljenosti v bonitetne razrede ali skupine ter kadar s statističnimi modeli za napovedovanje neplačil generirajo ocene verjetnosti neplačila za posamezne dolžnike ali izpostavljenosti. Institucije bi morale za razvoj modela izbrati primeren podatkovni niz, da bi zagotovile, da učinkovitost modela pri aplikativnem portfelju, predvsem njegova diskriminacijska moč, ni pomembno zmanjšana zaradi nezadostne reprezentativnosti podatkov.

Da bi institucije zagotovile, da so podatki, uporabljeni pri razvoju modela za razvrščanje dolžnikov ali izpostavljenosti v bonitetne razrede ali skupine, reprezentativni za aplikativen portfelj, pokrit s tem model om , kot zahtevata člen 174(c) Uredbe (EU) št. 575/2013 in člen 40(2) RTS o metodologiji ocenjevanja IRB, bi morale med razvojem modela analizirati reprezentativnost podatkov z vseh naslednjih vidik ov :

• (a) področja uporabe;
• (b) opredelitve neplačila;
• (c) porazdelitve pomembnih značilnosti tveganja;
• (d) kreditnih standardov in politike upravljanja neplačanih izpostavljenosti .

Za namen odstavka 21 (a) bi morale institucije analizirati segmentacijo izpostavljenosti in preveriti , ali je znotraj obdobja podatkov, uporabljenih pri razvoju modela za razvrščanje dolžnikov ali izpostavljenosti v bonitetne razrede ali skupine, prišlo do kakšnih sprememb znotraj področja uporabe obravnavanega modela. Kadar institucije ugotovijo take spremembe, bi morale analizirati dejavnike tveganja, pomembne za spremembo znotraj področja uporabe modela, in sicer tako, da primerjajo njihovo porazdelitev v RDS pred spremembo in po njej ter tudi s porazdelitvijo teh dejavnikov tveganja v aplikativnem portfelju. Za ta namen bi morale institucije s statističnimi metodami, kot je metoda razvrščanje v skupine, ali podobnimi tehnikami dokazati reprezentativnost. V primeru skupnih modelov bi morala biti analiza izvedena za tisti del področja modela, ki ga institucija dejansko uporablja.

Za namen odstavka 21(b) bi morale institucije zagotoviti, da je opredelitev neplačila, na kateri temeljijo podatki, uporabljeni za razvoj modela, vseskozi dosledna in predvsem skladna z vsem naslednjim:

• (a) kadar se je opredelitev neplačila v obdobju opazovanja spremenila, so bile opravljene ustrezne prilagoditve, da se je dosegla skladnost s trenutno opredelitvijo neplačila;
• (b) kadar model zajema izpostavljenosti iz območja različnih jurisdikcij, za katere veljajo ali so veljale različne opredelitve neplačila, je institucija sprejela ustrezne ukrepe;
• (c) opredelitev neplačila v vsakem posameznem viru podatkov je bila analizirana ločeno;
• (d) opredelitev neplačila, uporabljena za razvoj modela, ne vpliva negativno na strukturo in učinkovitost bonitetnega modela v smislu razlikovanja tveganja in napovedne moči, kadar se ta opredelitev razlikuje od opredelitve neplačila, ki jo uporablja institucija, v skladu s členom 178 Uredbe (EU) št. 575/2013.

Za namen odstavka 21 (c) bi morale institucije analizirati porazdelitev in razpon vrednosti ključnih značilnosti tveganja pri podatkih, uporabljenih pri razvoju modela za razlikovanje tveganja, v primerjavi z aplikativnem portfeljem. Pri modelih LGD bi morale institucije izvesti tako analizo posebej za neplačane izpostavljenosti in izpostavljenosti, ki niso neplačane.

Institucije bi morale analizirati reprezentativnost podatkov z vidika strukture portfelja z uporabo p omembni značilnosti tveganja na podlagi statističnih testov, določenih v njihovi politiki, da bi zagotovile, da se razpon opazovanih vrednosti teh značilnosti tveganja v aplikativnem portfelju ustrezno odraža v razvojnem vzorcu. Kadar uporaba statističnih testov ni mogoča, bi morale institucije izvesti vsaj kvalitativno analizo na podlagi opisnih statistik strukture portfelja, pri čemer upoštevajo možne učinke sezonskosti iz člena 180(2)(f) Uredbe (EU) št. 575/2013. Institucije bi morale pri proučevanju rezultatov te analize upoštevati občutljivost značilnosti tveganja na gospodarske razmere. Pomembne razlike med ključnimi značilnostmi tveganja pri vzorcu podatkov in tistimi pri aplikativnem portfelju bi bilo treba odpraviti, npr. tako, da se uporabi drug vzorec podatkov ali podniz opazovanj, ali pa tako, da se te značilnosti tveganja ustrezno odrazijo v modelu kot dejavniki tveganja.

Za namen odstavka 21(d) bi morale institucije analizirati, ali je v zadevnem preteklem obdobju opazovanja prišlo do pom embnih sprememb v njihovih kreditnih standardih ali politikah upravljanja neplačanih izpostavljenosti ali pa v zadevnem pravnem okolju, vključno s spremembami na področju insolvenčne zakonodaje, pravnih postopkih izvršbe in katerih koli pravnih predpisih v zvezi z unovčenjem zavarovanja s premoženjem, ki lahko vplivajo na stopnjo tveganja ali na porazdelitev ali razpon značilnosti tveganja znotraj portfelj a , pokritega z obravnavan im model om . Kadar institucije opazijo tak šn e spremembe, bi morale opraviti pr imerjavo podatkov, vključenih v RDS , pred spremembo politike in po njej. Institucije bi morale zagotoviti, da so trenutni standardi glede odobravanja in spremljanja kreditnih poslov ter glede upravljanja neplačanih izpostavljenosti primerljivi s tistimi iz obdobij opazovanj, vključenih v RDS, in razvoj a modela.

Pri modelu PD z vidika reprezentativnost i podatkov ni potrebno, da je razmerje med neplačanimi izpostavljenostmi in izpostavljenostmi, ki niso neplačane, v podatkovnem nizu, uporabljen em pri razvoju modela za razlikovanje tveganja, enako kot v aplikativnem portfelju institucije. Vendar pa bi morale imeti institucije v razvojnem podatkovnem nizu zadostno število dogodkov neplačila ter bi tudi morale dokumentirati zadevno razliko.

4.2.4 Reprezentativnost podatkov za umeritev parametrov tveganja

Da bi institucije zagotovile, da so podatki, uporabljeni pri količinski opredelitvi tveganja, reprezentativni za aplikativen portfelj, pokrit z zadevnim model om , skladnim s pododdelkom 2 oddelka 6 poglavja 3 naslova II dela 3 Uredbe (EU) št. 575/2013 in členom 45(2) RTS o metodologiji ocenjevanja IRB, bi morale analizirati primerljivost podatkov, uporabljenih za izračun dolgoročnih povprečnih stopenj neplačil in dolgoročnih povprečnih LGD, kot je opredeljeno v člen u 179(1)(d) Uredbe (EU) št. 575/2013, ter po potrebi tudi reprezentativnost skupnih podatkov skladu s členom 179(2)(b) navedene uredbe, in sicer z vseh naslednjih vidikov:

• (a) področja uporabe;
• (b) opredelitve neplačila;
• (c) porazdelitve pomembnih značilnosti tveganja;
• (d) sedanjih in predvidenih gospodarskih in tržnih razmer;
• (e) kreditnih standardov in politike upravljanja neplačanih izpostavljenosti .

Za namen odstavka 28 (a) bi morale institucije izvesti analizo, kot je določena v odstavku 22 .

Za namen odstavka 28(b) in za zagotovitev, da je opredelitev neplačila, na kateri temeljijo podatki, uporabljeni za količinsko opredelitev tveganja, iz vsakega posameznega vira podatkov skladna z zahtevami iz člena 178 Uredbe (EU) št. 575/2013, bi morale institucije primerjati opredelitev neplačila, ki jo trenutno uporabljajo, z opredelitvami, uporabljenimi pri opazovanjih, vključenih v podatkovni niz, uporabljen za količinsko opredelitev tveganja. Kadar se je opredelitev neplačila v preteklem obdobju opazovanja spremenila, bi morale institucije oceniti reprezentativnost preteklih podatkov, vključenih v RDS in uporabljenih za količinsko opredelitev tveganja, na enak način, kot je določeno za zunanje podatke v poglavju 6 Smernic organa EBA o uporabi opredelitve neplačila v skladu s členom 178 Uredbe (EU) št. 575/2013. Kadar se je opredelitev neplačila v preteklem obdobju opazovanja spremenila večkrat, bi morale institucije izvesti analizo za vsako preteklo opredelitev neplačila posebej.

Za namen odstavka 28 (c) bi morale institucije izvesti primerno analizo, s katero bi zagotovile, da so na ravni umeritvenega segmenta razponi vrednosti ključnih značilnosti tveganja v aplikativnem portfelju dovolj primerljivi s tistimi v portfelju RDS za količinsko opredelitev tveganja, da se zagotovi nepristranskost količinske opredelitve tveganja.

Za namen odstavka 28(d) bi morale institucije izvesti analizo tržnih in gospodarskih razmer, na katerih temeljijo podatki, na naslednji način:

• (a) za ocenjevanje PD v skladu z oddelkom 5.3.4;
• (b) za ocenjevanje LGD v skladu z oddelkom 6.3.2 in z upoštevanjem ocen obdobj a gospodarske recesije, kot zahteva člen 181(1)(b) Uredbe (EU) št. 575/2013.

Za namen odstavka 28 (e) bi morale institucije analizirati, ali je v zadevnem preteklem obdobju opazovanja prišlo do pom embnih sprememb v kreditnih standardih ali politikah upravljanja neplačanih izpostavljenosti, ki lahko vplivajo na stopnjo tveganja ali porazdelitev ali razpon značilnosti pomembnih dejavnikov tveganja znotraj portfelj a , pokritega z obravnavan im model om . Kadar institucije opazijo take spremembe, bi morale analizirati možno pristranskost ocen parametrov tveganja, ki izhaja iz teh sprememb, in sicer na naslednji način:

• (a) pri ocenjevanju PD z vidika ravni stopenj neplačil in verjetnega variacijskega razmika stop enj neplačil;
• (b) pri ocenjevanju LGD z vidika stopenj izgub, povprečne dolžine procesov upravljanja z neplačanimi izpostavljenostmi, pogostosti uporabe nekaterih scenarijev upravljanja z neplačanimi izpostavljenostmi in trdnosti porazdelitve izgub.

Kadar je reprezentativnost podatkov, ocenjena v skladu z odstavki 28 – 33, nezado stna in je zaradi nje količinska opredelitev tveganja pristranska ali nadpovprečno negotova, bi morale institucije uvesti primerno prilagoditev za odpravo pristranskosti in uporabiti mero konservativnosti v skladu z oddelkom 4.4 .