The 4 references with contexts in paper Irina Mastyaeva N., Ruzan Mirzahanyan E., Ирина Мастяева Николаевна, Рузан Мирзаханян Эдуардовна (2016) “МОДЕЛИРОВАНИЕ ПРОЦЕССОВ УПРАВЛЕНИЯ РИСКАМИ В БАНКОВСКОМ СЕКТОРЕ // MODELING OF RISK MANAGEMENT IN BANKING SECTOR” / spz:neicon:statecon:y:2014:i:2:p:105-108

1
Андреев А.Ю. Кредитные риски в межбанковских отношениях // Труд и социальные отношения, No9 (63) / 2009, с. 144–149.
Total in-text references: 2
  1. In-text reference with the coordinate start=8176
    Prefix
    Поэтому разработка внутренних методик и моделей оценки финансового состояния банка-контрагента актуальна. В настоящее время разработано множество методик и моделей оценки рисков, включающих различные параметры, а также учитывающих влияние внешних факторов. Так, в работе
    Exact
    [1]
    Suffix
    автором разработана методика оценки кредитного риска, основного для российских коммерческих банков, как оценка финансового состояния банков-контрагентов на основе моделирования распределения их абсолютных и относительных финансовых показателей.

  2. In-text reference with the coordinate start=10710
    Prefix
    В такой постановке центральным элементом в моделировании и оценке кредитного риска банка, возникающего в межбанковских отношениях, становится динамическая оценка финансового состояния банков-контрагентов
    Exact
    [1]
    Suffix
    . При этом для моделирования реального распределения по активам использовано четырехпараметрическое комбинированное распределение, на основе которого разработана методика относительной оценки активов банка-контрагента.

2
Киселева И.А. Модели банковских рисков. – М.: МЭСИ, 2001.
Total in-text references: 1
  1. In-text reference with the coordinate start=5532
    Prefix
    Однако, имеющиеся методики и модели оценки финансового состояния банков не всегда отвечают современным требованиям и нуждаются в совершенствовании. Важно разработать целостный подход к оптимизации системы банковской деятельности, что невозможно без применения экономико-математического моделирования
    Exact
    [2]
    Suffix
    . Важность управления рисками осознается надзорными банковскими органами, как на национальном, так и наднациональном уровне. Главными документами в сфере управления рисками, принятыми наднациональными органами, являются Базельские соглашения.

3
Снегова Е.Г. Применение метода логистической регрессии для прогнозирования вероятности дефолта при экспресс-кредитовании // Национальные интересы: приоритеты и безопасность, No5/ 2010.
Total in-text references: 1
  1. In-text reference with the coordinate start=14229
    Prefix
    Скоринг представляет собой математическую или статистическую модель, с помощью которой на основе кредитной истории «прошлых клиентов» выясняется не только, в состоянии ли потенциальный земщик выплатить кредит в срок или нет, но и степень надежности и обязательности клиента. Однако, настоящее время имеющиеся скоЭкономика ринговые модели непроработаны, вызывают опасения. В работе
    Exact
    [3]
    Suffix
    предлагается новый подход к построению скоринговых моделей, основанный на методе логистической регрессии, который учитывает не только предполагаемые риски со стороны потенциального заемщика, но и операционные риски.

4
Стрелков С.В. Стохастическое моделирование операционных рисков кредитных организаций // Аудит и финансовый анализ. – М.: ДСМ Пресс, No2/ 2010.
Total in-text references: 1
  1. In-text reference with the coordinate start=12438
    Prefix
    Новый масштаб бизнеса и качественный уровень бизнес-процессов – источник операционных рисков. Актуальность построения эффективной системы измерения, прогнозирования и минимизации операционных рисков отмечена в работе
    Exact
    [4]
    Suffix
    . В исследовании разработан экономико-математический аппарат и программный инструментарий, реализующий разработанные модели и методы анализа и управления ОР кредитных организаций. Создана комплексная модель управления ОР кредитных организаций на основе синтеза следующих задач экономико-математического моделирования: анализ процессов возникновения убытков, оценка агрегированной величины у