Communitygithub.com

MikeCheng1208/BattleTree

Détecter et expliquer la dérive du risque dans les portefeuilles de prêts au fil du temps via l'analyse des millésimes, les matrices de migration et les métriques de concentration. À utiliser lors du suivi des tendances de qualité de crédit d'un portefeuille, de la préparation des rapports de risque pour le conseil, de la réalisation de tests de résistance ou lorsque les indicateurs de risque s'écartent des seuils d'appétence.

Qu'est-ce que BattleTree ?

Cette compétence (skill) est conçue pour surveiller et quantifier les évolutions des profils de risque des portefeuilles de prêts au fil du temps. Elle utilise une méthodologie en sept étapes, incluant l'analyse des courbes de pertes par millésime, la construction de matrices de migration de crédit (transition entre notations), le suivi des concentrations (géographique, sectorielle, taille d'emprunteur) via l'indice Herfindahl-Hirschman (IHH), et un tableau de bord d'indicateurs avancés (taux de délinquance à 30 jours, analyses de flux, PD, LGD, ECL). La compétence décompose la dérive observée en causes racines (qualité d'origination, effet de saisonnalité, environnement économique, changements de politique) et superpose des scénarios de stress réglementaires (CCAR/DFAST) pour évaluer la résilience du portefeuille. Elle produit un rapport structuré avec un tableau de bord, des graphiques de tendance, une attribution de la dérive, et des recommandations actionnables. Destinée aux équipes de gestion des risques de crédit, elle est applicable avec n'importe quel outil de science des données (Python, R, SQL) et est idéale pour les analystes de portefeuille, les gestionnaires de risques et les membres du comité de crédit.

Compatible avec~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/MikeCheng1208/BattleTree/tree/HEAD/.agents/skills/portfolio-risk-drift-detection

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

Détection de la Dérive du Risque de Portefeuille

Aperçu

Surveiller et quantifier les changements des profils de risque des portefeuilles de prêts au fil du temps. Cette compétence applique l'analyse des millésimes, les matrices de migration de crédit, le suivi des concentrations et les indicateurs d'alerte précoce pour détecter la dérive par rapport à l'appétence au risque de l'institution avant la matérialisation des pertes. Les résultats incluent la décomposition des tendances, l'attribution des facteurs de dérive et des recommandations actionnables pour les comités de gestion de portefeuille.

Quand l'utiliser

  • Rapports trimestriels de risque de portefeuille au conseil et aux comités de risque
  • Détection de la détérioration de la qualité d'origination entre les millésimes
  • Surveillance des dépassements de limites de concentration (géographie, secteur, emprunteur)
  • Tests de résistance de la résilience du portefeuille sous des scénarios défavorables
  • Évaluation de l'impact des changements de politique de crédit sur la composition du portefeuille
  • Réponse aux signaux d'alerte précoce provenant des tendances de délinquance ou de migration

Entrées requises

EntréeDescriptionFormat
Fichier des prêtsPortefeuille complet avec données d'origination et de performanceExtraction au niveau du prêt
Étiquettes de millésimeTrimestre/année d'origination pour chaque prêtChamp de date
Notations de risqueNotes de risque internes ou fourchettes PDÉchelle de notation
Données de performanceStatut de délinquance, pertes, modificationsInstantanés mensuels
Appétence au risqueLimites et seuils approuvés par le conseilDocument de politique
Indicateurs macroChômage, HPI, PIB, prévisions de taux d'intérêtFlux de données économiques

Méthodologie

Étape 1 — Analyse des Courbes de Millésime

Construire les courbes de défaut et de pertes cumulées par millésime d'origination :

  • Tracer le taux de pertes nettes cumulées (NCO) par mois de vie pour chaque millésime
  • Comparer les millésimes récents aux références historiques à des points d'âge équivalents
  • Calculer l'indice de déviation du millésime : rapport entre le NCO du millésime actuel et le NCO de référence au même mois de vie
  • Signaler les millésimes où l'indice de déviation dépasse 1,2 (20% pire que la référence)
  • Décomposer les déviations en effet de volume (changement de mix) vs. effet de taux (changement de qualité)

Étape 2 — Construction de la Matrice de Migration de Crédit

Construire des matrices de transition montrant les mouvements de notation entre périodes :

  • Construire une matrice de migration NxN pour chaque période de reporting (trimestriel recommandé)
  • Calculer le taux d'amélioration, le taux de dégradation et le taux de stabilité pour chaque note
  • Calculer le score de migration moyen pondéré (WAMS) : positif = amélioration du portefeuille, négatif = détérioration
  • Comparer les schémas de migration actuels aux normes historiques (moyennes sur 3 ans, 5 ans)
  • Identifier les notes avec une vélocité de dégradation anormale (>1,5 fois le taux historique)

Étape 3 — Suivi de la Dérive de Concentration

Surveiller la concentration du portefeuille sur les dimensions clés :

  • Géographique : Exposition par état/zone métropolitaine vs. limites
  • Secteur/industrie : Concentration NAICS vs. objectifs de diversification
  • Taille d'emprunteur : Concentration sur un seul nom et exposition top-10/top-25
  • Mix de produits : Fixe vs. variable, garanti vs. non garanti, à terme vs. revolving
  • Distribution des notes de risque : Pourcentage en catégorie pass, watch, substandard, doubtful

Calculer l'indice Herfindahl-Hirschman (HHI) pour chaque dimension et suivre la tendance. Signaler toute dimension où le HHI augmente de >10% d'un trimestre à l'autre ou dépasse la limite de la politique.

Étape 4 — Tableau de Bord des Indicateurs d'Alerte Précoce

Calculer et suivre les indicateurs avancés suivants :

  • Taux de délinquance à 30 jours par millésime et produit (signal le plus précoce)
  • Analyse des flux (roll rate) : Probabilité de transition de en cours → 30 DPD → 60 DPD → 90 DPD → perte
  • Migration de la Probabilité de Défaut (PD) : PD moyenne pondérée du portefeuille vs. périodes précédentes
  • Tendance de la Perte en Cas de Défaut (LGD) : Taux de recouvrement sur les défauts réalisés
  • Perte de Crédit Attendue (ECL) selon CECL/IFRS 9 : Évolution de l'estimation de perte à vie
  • Ratio d'actifs critiqués : Classified + special mention en pourcentage du total des prêts

Étape 5 — Analyse d'Attribution

Décomposer la dérive observée en causes racines :

  • Qualité d'origination : Les nouveaux engagements sont-ils plus risqués que les moyennes historiques ?
  • Effet de saisonnalité : Les prêts plus anciens se comportent-ils comme attendu à leur âge ?
  • Environnement économique : Les variations des facteurs macro peuvent-elles expliquer la migration observée ?
  • Changements de politique : Les modifications récentes de la politique de crédit ont-elles modifié le profil de risque ?
  • Runoff du portefeuille : Les remboursements sont-ils concentrés dans les segments à faible risque, laissant un pool résiduel plus risqué ?

Utiliser un cadre de décomposition : Dérive totale = Effet d'origination + Effet de saisonnalité + Effet économique + Effet de mix + Résidu

Étape 6 — Superposition de Scénarios de Stress

Projeter la performance du portefeuille sous stress :

  • Appliquer les scénarios de stress réglementaires (CCAR sévèrement défavorable) au portefeuille actuel
  • Calculer la PD, la LGD et l'ECL stressées sous chaque scénario
  • Comparer les pertes stressées aux coussins de capital et aux provisions pour pertes sur prêts
  • Évaluer si la dérive observée a augmenté la vulnérabilité au stress
  • Quantifier le capital supplémentaire nécessaire si la dérive se poursuit à la trajectoire actuelle

Étape 7 — Génération de Rapport et Recommandations

Produire un rapport complet sur la dérive avec :

  • Tableau de bord du risque du portefeuille avec indicateurs de type feu tricolore
  • Graphiques de tendance pour tous les indicateurs clés (horizon minimum de 12 trimestres)
  • Résultats spécifiques de la dérive avec attribution des causes racines
  • Comparaison aux seuils d'appétence au risque (dans les limites / approchant / dépassé)
  • Actions de gestion recommandées (resserrer l'origination, augmenter les provisions, couverture)

Spécification de sortie

## Rapport de Dérive du Risque de Portefeuille — [Période]

### Tableau de Bord du Risque
| Indicateur | Actuel | Trim. Précédent | Variation Annuelle | Limite d'Appétence | Statut |
|------------|--------|-----------------|-------------------|--------------------|--------|
| WA PD | X.XX% | X.XX% | +/- X pbs | X.XX% | [V/O/R] |
| WA LGD | XX.X% | XX.X% | +/- X pp | XX.X% | [V/O/R] |
| Taux NCO | X.XX% | X.XX% | +/- X pbs | X.XX% | [V/O/R] |
| 30+ DPD | X.XX% | X.XX% | +/- X pbs | X.XX% | [V/O/R] |
| IHH (Géo) | X,XXX | X,XXX | +/- XXX | X,XXX | [V/O/R] |
| Ratio Critiqué | X.XX% | X.XX% | +/- X pbs | X.XX% | [V/O/R] |

### Analyse des Millésimes
- Millésime le plus performant : [Trimestre] — [X]% au-dessus de la référence à [N] MOB
- Millésimes sous surveillance : [Liste]

### Résumé de la Migration
- Score de migration moyen pondéré : [X.XX] (négatif = détérioration)
- Notes avec vélocité de dégradation élevée : [Liste]

### Attribution de la Dérive
- Qualité d'origination : [X]% de la dérive totale
- Environnement économique : [X]% de la dérive totale
- Effet de mix/runoff : [X]% de la dérive totale
- Impact du changement de politique : [X]% de la dérive totale

### Impact du Test de Stress
- ECL de base : $[X]M
- ECL sévèrement défavorable : $[X]M (+[X]%)
- Adéquation du capital sous stress : [Adéquat / Marginal / Insuffisant]

### Recommandations
1. [Action — responsable — échéance]
2. [Action — responsable — échéance]
3. [Action — responsable — échéance]

Cadre d'Analyse

Appliquer le cadre VMIC :

  • Vintage — Comparer les courbes de performance des cohortes aux références
  • Migration — Suivre les transitions de notation de crédit pour la dérive directionnelle
  • Indicateurs — Surveiller les signaux avancés de délinquance et de pertes
  • Concentration — Mesurer les changements de diversification sur les dimensions

Exemples

Exemple 1 — Détérioration de la Qualité d'Origination

Constats : Les prêts automobiles du millésime T3 2025 montrent une délinquance à 30 jours de 4,2% à 6 MOB contre une référence de 2,8% (indice de déviation : 1,50). Attribution : 68% qualité d'origination (le FICO moyen a chuté de 22 points après le changement de politique), 32% économique (pic de chômage régional). Recommandation : Revenir au seuil de FICO minimum avant le changement, appliquer une superposition de risque géographique pour les zones métropolitaines concernées.

Exemple 2 — Dépassement de Limite de Concentration

Constats : L'exposition CRE (immobilier commercial) aux bureaux a atteint 342% du capital de catégorie 1 (limite : 300%). L'IHH pour la concentration sectorielle a augmenté de 18% d'un trimestre à l'autre. La matrice de migration montre que 12% des prêts CRE de bureaux ont été dégradés au cours du trimestre (norme historique : 4%). Recommandation : Suspendre les nouvelles originations CRE de bureaux, accélérer le traitement des crédits substandard, présenter un plan de remédiation au conseil dans les 30 jours.

Directives

  • Utiliser au moins 12 trimestres de données historiques pour l'analyse des tendances et la construction des références
  • Appliquer à la fois des seuils absolus et des déclencheurs de taux de changement pour l'alerte précoce
  • Séparer la dérive du portefeuille des schémas de saisonnalité attendus à l'aide de mesures ajustées à l'âge
  • Valider les courbes de millésime par rapport à l'émergence réelle des pertes avant de les utiliser comme références
  • Coordonner les résultats avec l'ALCO, le comité de risque de crédit et les finances (adéquation des provisions)
  • Présenter les matrices de migration au niveau de chaque note, pas de manière agrégée pass/échec
  • Documenter toutes les sources de données, les exclusions et les hypothèses méthodologiques

Liste de Vérification de Validation

  • Les courbes de millésime sont ajustées à l'âge pour une comparaison équitable entre cohortes
  • Les matrices de migration sont complètes (toutes les notes représentées, les lignes totalisent 100%)
  • Les métriques de concentration reflètent les encours actuels, pas seulement les engagements
  • Les indicateurs d'alerte précoce utilisent des définitions cohérentes sur toutes les périodes
  • L'analyse d'attribution tient compte de tous les facteurs matériels de dérive
  • Les scénarios de stress sont à jour (alignés sur les dernières directives CCAR/DFAST)
  • Les seuils d'appétence au risque reflètent les limites approuvées par le conseil, pas des objectifs informels
  • Le rapport comprend à la fois des indicateurs quantitatifs et un contexte narratif
  • Les problèmes de qualité des données sont divulgués et leur impact sur les conclusions est évalué
  • Les recommandations sont priorisées par urgence et impact attendu

Individual skills in this repo

This repo contains 12 individual skills — each has its own dedicated page.

MikeCheng1208/BattleTree

Index-based file discovery using ABOUTME headers. Use INSTEAD of grep or Explore agent when searching for files by purpose or feature. Faster and more accurate than scanning code. Invoke this skill when user asks "which files handle X", "where is Y implemented", or when you need to find files related to a feature or task.

MikeCheng1208/BattleTree

Factor modeling and portfolio construction (Markowitz, Black-Litterman, constraints, turnover).

MikeCheng1208/BattleTree

Skill for discovering and researching autonomous AI agents, tools, and ecosystems using the AgentFolio directory.

MikeCheng1208/BattleTree

Analyze the CustomGPT.ai Labs Innovation workbook and cost tracking data to surface portfolio-level insights, trends, and recommendations for where to focus Innovation efforts.

MikeCheng1208/BattleTree

Personal meta-skill for Arach. Use this as the entry point to understand arach's projects, conventions, and available skills. Activates on "arach's projects", "what does arach work on", or when working in any arach/* repo.

MikeCheng1208/BattleTree

High-converting landing pages. Copy + design + implementation. Triggers: landing page, conversion page.

MikeCheng1208/BattleTree

Expert in building portfolios that actually land jobs and clients - not just showing work, but creating memorable experiences. Covers developer portfolios, designer portfolios, creative portfolios,...

MikeCheng1208/BattleTree

Automate Klipfolio tasks via Rube MCP (Composio). Always search tools first for current schemas.

MikeCheng1208/BattleTree

Minimalist, typography-focused portfolio design system inspired by neo-brutalist and Swiss design principles. Emphasizes bold typography, generous whitespace, monochromatic color schemes, and elegant simplicity for developer/designer portfolios.

MikeCheng1208/BattleTree

Portfolio allocation and rebalancing optimizer. Manages asset allocation across stocks/cash/bonds, performs periodic rebalancing, and ensures diversification according to market regime and risk tolerance.

MikeCheng1208/BattleTree

Optimize project portfolio selection under constraints using mathematical optimization

MikeCheng1208/BattleTree

Build a GitHub portfolio that gets you hired — curate 3-5 polished projects, craft compelling READMEs, deploy live demos, tell a coherent story across your repos, and align everything to AI-native development roles. Use when preparing your GitHub for job searches, deciding what to pin, or auditing your public presence.

Skills associés