Assessing and measuring data quality in credit risk modelling

Abstract

Due to increasing regulatory demands, banking institutions are adopting better data quality management practices. The aim of this thesis was to present an overview of the methods to assess and measure data quality in credit risk modelling. The thesis presents the regulatory requirements that need to be complied with. Then, data quality assessment and measuring methods were discovered by conducting a literature review. The final analysis consisted of 44 items. The results of the literature review are analyzed and applied to a case data obtained from a case company. The findings of this thesis could be used to improve the data quality management practices and processes.

The regulation requires banks’ to have consistent criteria and metrics with clearly set tolerance levels. Banks should apply the presented assessment practices based on their own internal data and models. The results of this thesis show that the implementation of data quality assessment methods require collaboration of experts from different fields. It is necessary to understand the use case of data and what the data represents when assessing data quality. The acceptable quality thresholds should be defined so that the undetected errors do not have significant effect on the ratings and the metrics should be chosen so that the results are efficiently obtained. Further study is required to obtain the quality thresholds and best applications of methods in the credit risk modelling context.

Lisääntyneen säätelyn vuoksi pankit kehittävät datan laadunhallintakäytäntöjään. Tämän diplomityön tavoitteena oli antaa yleiskuva menetelmistä, joilla datan laatua voidaan arvioida ja mitata luottoriskimallinnuksessa. Ensimmäiseksi diplomityössä esitetään sääntelyvaatimukset, joita on datan laadun osalta noudatettava. Seuraavaksi datan laadun arviointi- ja mittausmenetelmiä kartoitettiin toteuttamalla kirjallisuuskatsaus. Lopulliseen analyysiin sisältyi 44 julkaisua. Lopuksi kirjallisuuskatsauksen tulokset analysoidaan ja niitä sovelletaan case-yritykseltä saatuun dataan. Diplomityön tuloksia voidaan käyttää tiedon laadunhallintakäytäntöjen ja -prosessien kehittämiseen.

Sääntely edellyttää pankeilta johdonmukaisia kriteereitä ja mittareita ennalta määrätyillä kynnysarvoilla. Pankkien tulisi soveltaa työssä esitettyjä arviointimenetelmiä sisäiseen dataansa ja malleihinsa. Diplomityön tulokset osoittavat, että datan laadun arviointimenetelmien toimeenpano edellyttää eri alojen asiantuntijoiden yhteistyötä. Datan laatua arvioitaessa on ymmärrettävä datan käyttötarkoitus ja tiedon sisältö. Hyväksyttävä laatutaso tulisi määritellä siten, että havaitsemattomilla virheillä ei ole merkittävää vaikutusta luottoriskimallinnuksen tuloksiin. Sovellettavat arviointimenetelmät tulisi valita siten, että tulokset saadaan tehokkaasti. Lisätutkimusta tarvitaan laatutasojen ja parhaimpien käytäntöjen määrittämiseksi luottoriskimallinnuksessa.