Sensibilitate: ce se întâmplă când PD/LGD/EAD se schimbă
Secțiunea 3 · Lecția 3 — Sensibilitate: ce se întâmplă când PD/LGD/EAD se schimbă
Dacă EL ar fi un “buton”, Lecția asta îți arată ce se întâmplă când îl întorci în stânga/dreapta.
În practică, aproape toate discuțiile serioase de risc, pricing și provizionare ajung aici: “Ok, dar dacă PD crește cu 20%? Dacă LGD se înrăutățește? Dacă EAD sare pe revolving?”
Vei învăța să faci sensibilități rapid, să explici “driver-ul” și să te folosești de AI ca să comunici clar impactul (fără dramă, dar cu autoritate).
0) Hook: “Nu mă interesează formula. Spune-mi ce se întâmplă dacă…”
În viața reală, întrebările de risc nu vin sub formă de ecuație. Vin sub formă de scenarii:
“Economia încetinește”, “Dobânzile cresc”, “Colateralele scad”, “Clientul își trage linia”.
Lecția asta îți dă abilitatea de a răspunde în 2 minute, apoi de a demonstra în 20.
Sensibilitatea nu este despre a ghici viitorul. Este despre a înțelege elasticitatea pierderii:
ce parametru “îți rupe filmul” primul și unde merită să pui control (pricing, limite, colateral, covenants, monitorizare).
🎬 Mini scenă: “De ce provizionul a crescut cu 30% într-o lună?”
Răspunsul profesionist nu e “s-a schimbat modelul”. Este:
“Driver-ul principal a fost X, amplificat de Y.”
Ex.: “Mix Stage 2 a crescut” (orizont lifetime) + “PD-urile au urcat pe segment” + “EAD pe revolving a crescut”.
Morala: caută driver-ul dominant, apoi amplificatorii. Exact asta facem în lecție.
1) Reamintire scurtă: EL ca produs (și ce înseamnă asta pentru sensibilitate)
Formula simplă rămâne baza:
Pentru sensibilitate, acest lucru e aur: înseamnă că, în aproximare, dacă crești un factor cu X%,
EL crește cu aproximativ X% dacă ceilalți rămân constanți.
Dar în practică apar două “twist”-uri:
- Non-liniarități: PD nu crește uniform, LGD sare la stres, EAD se schimbă prin comportament.
- Interacțiuni: stresul macro poate crește PD și LGD simultan, iar pe revolving crește și EAD.
EL e ca un volum: dacă ridici trei butoane în același timp (PD, LGD, EAD), impactul nu se adună, se multiplică.
De asta “crizele” se simt disproporționat în pierderi.
2) Tipuri de sensibilitate: “one-at-a-time” vs scenarii (și când le folosești)
În practică ai două moduri mari:
Schimbi un parametru (PD sau LGD sau EAD) și vezi impactul. Bun pentru “care e driver-ul?” și pentru control intern.
Schimbi mai mulți parametri coerent (ex: downturn: PD↑, LGD↑, EAD↑). Bun pentru management, stres testing, strategie.
Rupi schimbarea totală în contribuții (waterfall): cât e din PD, cât din LGD, cât din EAD, cât din mix/staging.
📌 Regulă simplă: când OAT e prea “optimist”
OAT te poate păcăli în perioade de stres, pentru că în stres nu se schimbă un singur buton.
În downturn, PD și LGD tind să urce împreună, iar pe revolving crește utilizarea (EAD).
De aceea, pentru decizii strategice, folosește scenarii coerente.
OAT = “diagnostic”. Scenarii = “decizie”.
3) Sensibilitatea pe PD: de ce e “cel mai nervos” parametru
PD-ul este sensibil la:
schimbări macro (șomaj, dobânzi, PIB), schimbări de comportament (DPD, utilization, overdraft),
și schimbări de portofoliu (intrări noi, mix de industrie, vintage).
În plus, PD are două fețe:
- Ranking: cine e mai riscant decât cine (stabilitate și separare);
- Calibration: ce probabilitate numerică atașezi (nivelul absolut).
Pentru impact financiar (EL/ECL), calibrarea contează direct.
Poți avea un model cu ranking bun, dar dacă îl calibrezi prost, provizioanele/pricing-ul pot fi greșite.
🧠 Micro-intuiție: de ce un “mic” PD poate crea “mare” ECL în Stage 2
Chiar dacă PD 12m pare mic (ex: 1–2%), dacă Stage 2 te duce în lifetime, PD cumulată pe 3–5 ani
poate ajunge mult mai mare (mai ales în segment riscant). De aceea, staging amplifică sensibilitatea la PD.
4) Sensibilitatea pe LGD: “colateralul nu e magie”
LGD nu e doar “cât acoperă garanția”. LGD include:
timpi de recuperare, costuri, discounting, ranguri (senior/junior),
haircuts, volatilitate de preț, calitatea colateralului și comportament juridic.
În stres, LGD crește adesea din două motive simultan: valoarea colateralului scade și timpul de recuperare crește.
“Dublu șoc” = impact mare pe pierderi.
📌 Haircut vs LGD: cum explici diferența în 30 de secunde
Haircut este o ajustare prudentă a valorii colateralului (înainte de default), ca să nu te amăgești.
LGD este pierderea efectivă condiționată de default (include recuperare, timp, cost, discounting).
Haircut-ul poate influența LGD (prin valoarea netă recuperabilă), dar nu îl înlocuiește.
5) Sensibilitatea pe EAD: “momentul adevărului” (mai ales pe revolving)
EAD e expunerea la momentul default. Pe credite amortizate, e relativ previzibil.
Pe linii/revolving, EAD e “viu”: clientul poate trage linia exact înainte de default.
Asta se surprinde prin CCF (credit conversion factor) sau modele de drawdown.
În downturn, EAD pe revolving tinde să crească tocmai când PD crește. Adică exact combinația care multiplică pierderea.
🔍 Semnal practic: când te uiți la utilization ca predictor de EAD
Dacă utilization urcă rapid (ex: 30% → 70%), e un semnal că firma își consumă buffer-ul de lichiditate.
În multe portofolii, acest lucru precede deteriorarea (PD) și crește EAD la default.
De aceea, utilization e un KPI de monitorizare “AI-friendly” (se pretează la alerte și scoring).
6) Mini-lab (20–30 min): sensibilități rapide (OAT) pe un portofoliu “mic”
Mai jos ai un exercițiu simplificat, dar extrem de relevant. În practică, vei face același lucru în Excel/Python/BI.
- PD = 2.5%
- LGD = 45%
- EAD = 10,000,000
Vezi rezultate (calc rapid)
Base: 112,500
PD +20%: 0.03 × 0.45 × 10,000,000 = 135,000 (↑ 22,500 / +20%)
LGD +10pp: 0.025 × 0.55 × 10,000,000 = 137,500 (↑ 25,000 / +22.2%)
EAD +15%: 0.025 × 0.45 × 11,500,000 = 129,375 (↑ 16,875 / +15%)
În produs, schimbarea relativă se transmite aproape 1-la-1 (ceteris paribus).
Diferențele apar când folosești “pp” (puncte procentuale) la LGD, nu “% relativ”.
7) Scenarii coerente: “downturn” (PD↑, LGD↑, EAD↑) — efect de multiplicare
Acum facem scenariul real: se mișcă toate.
Folosim setul de bază de mai sus și aplicăm:
- PD: +30% relativ (2.5% → 3.25%)
- LGD: +10pp (45% → 55%)
- EAD: +20% (10m → 12m)
Vezi răspuns
Base: 112,500 → Downturn: 214,500
Diferență: +102,000 (≈ +90.7%)
Observă: PD +30%, LGD +10pp, EAD +20% nu “se adună”. Se multiplică.
De aceea, managementul riscului în downturn trebuie să fie proactiv (pricing, limite, colateral, monitoring).
8) Decompozare tip “waterfall”: cum explici schimbarea (fără să te pierzi)
Când ai o schimbare mare de EL/ECL, vrei să răspunzi la întrebarea:
“cât e din PD, cât e din LGD, cât e din EAD, cât e din mix/staging?”
🧩 Metodă simplă (practică): decompozare secvențială
Înlocuiești parametrii unul câte unul și măsori incrementul:
- EL_base
- Schimbi PD → EL_PD
- Schimbi LGD (păstrând PD nou) → EL_PD_LGD
- Schimbi EAD → EL_PD_LGD_EAD
Nu e “unică” (depinde de ordinea înlocuirii), dar e foarte utilă pentru explicații rapide.
Pentru reporting sofisticat, se folosesc metode standardizate (Shapley/Attribution), dar ideea rămâne: driveri.
1) ΔTotal = EL_new – EL_old
2) Driver PD: EL(PD_new, LGD_old, EAD_old) – EL_old
3) Driver LGD: EL(PD_new, LGD_new, EAD_old) – EL(PD_new, LGD_old, EAD_old)
4) Driver EAD: EL(PD_new, LGD_new, EAD_new) – EL(PD_new, LGD_new, EAD_old)
5) Rest (mix/staging/other): ΔTotal – (PD + LGD + EAD)
9) Unde intră AI: sensibilitate “la cerere” + explicație pe limbaj de business
În companii, nu ai timp să faci de fiecare dată prezentări de 30 de slide-uri.
Aici AI e aur pentru:
draft de scenarii, structură de memo, explicație pentru board,
întrebări bune și checklist-uri.
Important: tu validezi cifrele și logica.
🤖 Prompt AI (copiat ca atare): “Explain sensitivity like board”
Ești CRO advisor. Îți dau EL_old și EL_new + schimbările în PD/LGD/EAD (și dacă e cazul staging mix).
Vreau:
1) un rezumat în 5 bullet points, fără jargon,
2) driver-ul principal + 2 amplificatori,
3) ce decizie recomand (pricing / limits / collateral / monitoring) și de ce,
4) 3 întrebări pe care board-ul sigur le va pune + răspuns scurt.
Date:
– EL_old:
– EL_new:
– ΔPD:
– ΔLGD:
– ΔEAD:
– staging change (dacă există):
– segment/portofoliu:
Tip: dacă pui și “segment/portofoliu”, AI te ajută să personalizezi explicația (ex: SME vs corp vs retail).
🤖 Prompt AI: “Scenario writer” (coerent, nu random)
Ești expert în risc de credit. Construiește 3 scenarii coerente pentru portofoliu:
1) Base, 2) Mild Downturn, 3) Severe Downturn.
Pentru fiecare, propune direcția schimbării și o magnitudine rezonabilă (ordine de mărime, nu cifre precise) pentru:
– PD (relativ),
– LGD (pp),
– EAD pe revolving (relativ),
– staging mix (Stage 2 share) dacă e relevant.
Apoi spune:
– care e driverul dominant în fiecare scenariu,
– ce măsuri de control recomand (pricing, limite, colateral, monitorizare).
Context portofoliu:
– tip clienți:
– produse:
– colateral predominant:
– sensibilitate macro:
10) Mini-quiz (7–10 min)
Vezi răspuns
Vezi răspuns
Vezi răspuns
Vezi răspuns
11) Output-ul lecției: “Sensitivity Pack” (gata de folosit)
📦 Template (copy/paste): Sensitivity Pack (1 pagină)
– PD:
– LGD:
– EAD:
– EL/ECL:
– PD +x% => EL/ECL:
– LGD +y pp => EL/ECL:
– EAD +z% => EL/ECL:
– PD:
– LGD:
– EAD:
– EL/ECL:
– PD driver:
– LGD driver:
– EAD driver:
– mix/staging/other:
– pricing:
– limits:
– collateral:
– monitoring:
– assumptions:
– caveats:
– next checks:
Recap rapid (de ținut minte)
🔧 OAT = diagnostic
🌍 Scenarii = decizie
- Schimbările simultane se multiplică, nu se adună.
- PD e “nervos”, LGD sare în stres, EAD explodează pe revolving.
- Waterfall-ul te ajută să explici rapid “de ce” s-a mișcat EL/ECL.
- AI e excelent pentru explicații și memo-uri, tu validezi cifrele și ipotezele.
🎯 Obiectivele lecției (bifează)
- Pot face OAT pe PD/LGD/EAD și interpretez impactul
- Pot construi scenarii coerente (downturn) și explic multiplicarea
- Pot face o decompozare simplă tip waterfall pentru driveri
- Pot genera explicații “board-ready” folosind AI ca asistent