EAD: expunerea “la momentul adevărului” (inclusiv revolving și linii)
Secțiunea 2 · Lecția 3 — EAD: expunerea “la momentul adevărului” (inclusiv revolving și linii)
PD spune “cât de probabil e să se strice”. LGD spune “cât pierzi dacă se strică”.
EAD (Exposure at Default) spune: “cât ești expus exact în clipa în care se strică”.
Și aici apare magia (și riscul): uneori expunerea crește fix înainte de default — mai ales la linii, revolving, overdraft, carduri, factoring, sau când clientul “trage” tot ce poate din limite.
În lecția asta înveți să gândești EAD ca instrument practic, să o estimezi corect și să o legi de decizie, limitare și AI-driven monitoring.
0) Hook: EAD e “surpriza” pe care nu vrei s-o descoperi în ziua default-ului
Dacă ai doar credite amortizate (term loans), EAD pare banală: soldul la momentul default-ului.
Dar dacă ai produse cu limită (linii, revolving), EAD devine un joc de comportament:
clientul poate utiliza sau poate crește utilizarea fix înainte să intre în default.
EAD nu e “ce ai astăzi”, ci “ce ai în ziua în care ai problema”. La revolving, “ziua problemei” poate veni după un sprint de utilizare.
🎬 Scenă rapidă: “Era ok pe hârtie, dar a tras toată linia”
Analist: “Clientul are utilizare 35% pe linie. E ok.”
2 luni mai târziu: default. Utilizare: 99%.
Analist: “Cum?”
Realitatea: când firma intră în stres, primul reflex e să tragă lichiditate din limite ca să supraviețuiască. EAD sare.
Morala: EAD trebuie gândită împreună cu comportamentul de drawdown, nu doar ca sold curent.
1) EAD — definiție practică (și de ce contează în bani)
EAD (Exposure at Default) este expunerea totală relevantă la momentul default-ului.
În multe contexte, include:
- soldul utilizat (principal + dobânzi acumulate, în funcție de definiție);
- partea neutilizată care are probabilitate să fie trasă înainte de default (la linii/revolving);
- expuneri contingente (garanții, scrisori de garanție) cu conversie în expunere;
- accruals / fees dacă politica le include în expunere “economică”.
EAD ≈ Utilizat curent + CCF × Neutilizat curent
unde CCF (Credit Conversion Factor) ≈ proporția din partea neutilizată care se trage până la default.
Aici e ideea-cheie: CCF nu e o constantă universală. Depinde de produs, segment, comportament și “stres”.
Dacă estimezi CCF greșit, îți subestimezi EAD și implicit EL.
2) Tipuri de produse și cum “se comportă” EAD
EAD nu se modelează la fel pentru toate produsele. Gândește în “familii”:
EAD ≈ sold la default (destul de direct). Riscul vine mai mult din PD/LGD.
EAD include drawdown. CCF și “utilization sprint” devin critice.
EAD vine din conversie: “cât din contingent devine expunere” în stres.
📌 Ce e “utilization sprint” (și de ce e gold pentru early warning)
“Utilization sprint” = creșterea accelerată a utilizării limitelor într-un interval scurt (ex. 30–90 zile).
Nu e doar un număr mare, ci o schimbare de ritm.
- poate indica stres de cash (firma trage lichiditate);
- poate indica “finanțare de supraviețuire”;
- poate preceda default-ul (în multe portofolii).
Un utilization mare, dar stabil, poate fi normal. Un utilization care sare brusc e semnal.
3) CCF: inima EAD pentru revolving
CCF (Credit Conversion Factor) reprezintă cât din partea neutilizată se transformă în utilizat până la default.
În termeni simpli:
- CCF ~ 0%: clienții nu trag înainte de default (rar, dar posibil pe produse foarte controlate);
- CCF ~ 50%: jumătate din neutilizat se trage;
- CCF ~ 100%: aproape tot neutilizatul se trage (în stress, destul de des pe anumite produse).
🔎 Cum estimezi CCF (conceptual, fără matematică grea)
Ai nevoie de istoricul clienților care au intrat în default și de poziția lor pe linie înainte de default.
Construiești o fereastră (ex. cu 12 luni înainte de default) și compari:
- Utilizat la începutul ferestrei (sau cu X luni înainte),
- Utilizat la default,
- Neutilizat la începutul ferestrei.
Intuiția pentru CCF:
CCF ≈ (Utilizat@default − Utilizat@start) / Neutilizat@start (cu cap la 0…1).
În practică există nuanțe (cap/floor, excluderi, tratament pentru linii crescute/reduse), dar ideea rămâne: măsori cât s-a tras.
CCF e despre comportament în stres. Dacă îți schimbi policy (limit management), CCF se poate schimba în timp.
4) Segmente de CCF/EAD: “un CCF pentru toți” e o capcană
CCF diferă puternic după:
- tip produs (overdraft vs committed line vs uncommitted);
- covenants & control (blocare trageri, revizuiri, triggers);
- industria (sezonalitate, cicluri);
- rating / comportament (utilization, volatility, delinquency);
- maturitate (aproape de scadență vs nou);
- stres macro (în criză, drawdown poate crește).
📌 Exemplu de “CCF grid” (practic, ușor de operat)
| Segment | Regulă | CCF (exemplu) | De ce |
|---|---|---|---|
| Committed line + util > 70% | high utilization | 0.70–0.95 | în stres, trag aproape tot |
| Committed line + util 30–70% | mid utilization | 0.40–0.70 | spațiu de tragere moderat |
| Committed line + util < 30% | low utilization | 0.15–0.40 | nu toți trag, dar unii “sprint” |
| Uncommitted / cancelable | bank can cut | 0.05–0.25 | control mai mare din partea băncii |
5) Definiții și “sanity checks” pentru EAD: unde se greșește cel mai des
EAD pare simplă până începi să definești:
- ce intră în expunere (principal, dobânzi, comisioane?);
- cum tratezi restructurările și renegocierile;
- cum tratezi limite crescute/reduse înainte de default;
- ce fereastră folosești pentru CCF (3 luni? 12 luni? 24?);
- cum definești “default date” (eveniment vs recunoaștere vs 90 DPD).
EAD e extrem de sensibilă la “timestamping”. Dacă amesteci momente, îți iese un CCF care arată bine, dar e fals.
✅ Checklist rapid de validare (sanity)
- Cap/floor: CCF între 0 și 1 (sau 0 și 1.2 dacă ai definiție specială, dar justificată).
- Trend: CCF pe vintages nu “sare” fără motiv (policy change / macro / data issue).
- Utilization bins: CCF crește, de obicei, cu utilization (nu mereu, dar verifică).
- Outliers: cazuri cu CCF > 1 sau < 0 — investighează (date, limite, restructurări).
- Stability: suficient volum pe segment (altfel combină segmente).
6) AI în EAD: detectare timpurie + explainability pentru “de ce a crescut expunerea”
EAD are un avantaj enorm pentru AI: are semnale comportamentale (utilization, drawdowns, volatility) care sunt bogate și “high-frequency”.
Aici AI poate ajuta în mod foarte concret:
- identifică “sprinturi” anormale de utilizare;
- grupează clienți cu pattern similar (clustering) pentru segmentări mai bune;
- generează explicații standardizate pentru creșterea expunerii;
- prioritizează portofoliul pentru review (early warning list).
🤖 Prompt AI: “EAD early warning” (fără inventat date)
„Ești analist de risc. Îți dau un tabel cu clienți și:
– limită, utilizat curent, utilizat acum 30/60/90 zile, variații, număr trageri, industrie, rating, days past due.
Vreau:
1) o listă de reguli simple (5–10) pentru a semnala ‘utilization sprint’ și risc de creștere EAD,
2) un scor de prioritate (low/med/high) explicat în 1 frază per client,
3) ce verificări faci ca să eviți false positives (sezonalitate, plăți mari, restructurări).
Regulă: nu inventa câmpuri și nu presupune valori; folosește doar coloanele pe care ți le dau.”
7) Mini-caz (25–40 min): EAD subestimată pe linii IMM
Portofoliul IMM are multe linii committed. Modelul actual folosește CCF = 30% pentru toți.
În ultimele 2 trimestre, pierderile sunt mai mari decât așteptat, deși PD și LGD par “ok”.
Analiza post-mortem arată că mulți clienți au tras masiv în ultimele 60–90 zile înainte de default.
drawdown spike
CCF bias
early warning
Vezi răspuns-ghid
- Re-estimează CCF pe cohorta default: 12 luni înainte, cu segmentare pe utilization bins (0–30/30–70/70–100).
- Separă committed vs uncommitted și verifică policy changes (când poți tăia limita).
- Build CCF grid + backtest: cât ar fi EL dacă aplicai grid-ul în trecut?
- Introduce “utilization sprint” trigger: review / freeze / limit reduction / pricing adjustment.
- Comunică business: nu e “anti-growth”, e prevenirea situațiilor în care EAD explodează când riscul crește.
Dacă PD/LGD sunt ok dar pierderile cresc, verifică EAD. E componenta “tăcută” care poate rupe EL.
8) Mini-quiz (6–9 min)
1) Adevărat/Fals: La term loan, EAD este aproape întotdeauna soldul la default.
Vezi răspuns
2) Completează: EAD la revolving poate fi aproximată ca Utilizat + ______ × Neutilizat.
Vezi răspuns
3) Alege 1: Ce e mai “dangerous” ca semnal?
Vezi răspuns
4) Adevărat/Fals: CCF poate rămâne neschimbat chiar dacă politica de limit management se schimbă.
Vezi răspuns
9) Output-ul lecției: EAD Playbook + CCF Grid + Monitoring
📦 EAD Playbook (gata de implementat)
EAD PLAYBOOK — minimul sănătos
1) Definiții:
– ce intră în expunere (principal / dobânzi / comisioane)
– default date (eveniment vs 90 DPD)
– fereastră pentru CCF (ex. 12 luni)
2) Produse:
– term loans: EAD = sold@t
– revolving: EAD = util + CCF*neutil
– contingent: conversie (factor) + reguli
3) Segmente CCF:
– committed vs uncommitted
– utilization bins
– rating bands / industrie (dacă are volum)
– policy regime (before/after schimbare)
4) Sanity checks:
– cap/floor CCF
– stability pe vintages
– outliers & data issues
5) Monitoring:
– utilization sprint dashboard
– CCF drift vs istoric
– top segments with EAD surprises
– actions: review/freeze/limit/pricing
Recap rapid
🧲 CCF = drawdown factor
⚡ Sprint = semnal
- EAD e “cât ai pe masă” exact când apare default-ul.
- La revolving, EAD = util + CCF×neutilizat.
- CCF trebuie segmentat și monitorizat (drift/policy).
- AI ajută excelent la early warning pe utilizare și explicații standard.
📝 Obiectivele lecției (bifează)
- Pot explica EAD și diferența față de sold curent
- Înțeleg CCF și cum îl estimez/segmentez
- Pot construi un CCF grid operabil în policy
- Pot defini un dashboard de “utilization sprint” și acțiuni