场景和目标
为了节省公司开支,增强公司在金融资产减值模型方面可解释性,需要自己开发一套符合IFRS9(国际财务会计准则第九号)的预期信用减值模式(简称ECL模型),用以替换目前使用由KPMG提供的基于SAS的ECL模型。
我在项目中的行动
从最初的模型理论调研阶段,主导选择使用迁徙率模型以及逻辑回归作为违约概率计算基础,使用多元回归模型作为宏观经济指标作为前瞻性调整;
在项目实施阶段选择公司自有的Jupiter AI作为模型实践平台;
在模型验证阶段与风控部门合作观测模型的鲁棒性、适用性、是否存在过拟合现象,与财务专家讨论模型的参数是否符合IFRS 9 的规定。
结果
1、为公司节省每个月四十万人民币的模型租赁费用
2、提升财务入账数据的及时性和可解释性,从每月十八号结账提速到每月十三号前结账;
3、提高公司的减值模型的可解释性,能够在审计报告的附注中展示该模型的各项参数,结果集中各类资产的分层;
4、提升公司资产管理水平,为公司及时调整财务会计政策以及风控政策提供数据支撑和模型支撑。