Как оценить кредитный риск при DeFi- кредитовании
Математические модели кредитного скоринга в ведущих мировых DeFi-платформах кредитования
среда, 3 декабря 2025 года, 19:00 МСК
(мастеркласс на русском языке)
среда, 3 декабря 2025 года, 19:00 МСК
(мастеркласс на русском языке)
Содержание
- 1. Отсутствие стандартизованных систем оценки рисков - критическая проблема в DeFi-кредитовании
- 2. Каковы различия в профилях рисков между ведущими DeFi-платформами кредитования, такими как Aave, Compound, MakerDAO, Uniswap, YouHodler и GearBox
- 3. Как работает математическая модель кредитного скоринга с одним залоговым активом, и как она меняется для нескольких типов залога
- 4. Какие ограничения математических моделей оправдывают переход к кредитному скорингу на основе машинного обучения (МО)
- 5. Как модель МО с использованием CatBoost включает историю кошелька, предыдущее кредитное поведение и характеристики цен токенов в оценку риска
- 6. Какие риски и стрессовые сценарии улавливаются моделью «Стоимость под риском» (Value at Risk, VaR) в децентрализованном кредитовании
- 7. Как эти три подхода к моделированию - математический, на основе МО и VaR — дополняют друг друга при оценке риска
- 8. Каковы ключевые выводы и практические рекомендации для инвестиционных аналитиков и кандидатов CFA, работающих с DeFi, цифровыми активами или в сферах оценки рисков
О событии
- Вы узнаете, как математические модели DeFi-кредитования отличаются от традиционной количественной оценки рисков долговых инструментов. Получите необходимую техническую глубину для оценки специфических рисков DeFi — от уязвимостей смарт-контрактов до динамических коэффициентов коллатерализации, которые отсутствуют в классической оценке инструментов с фиксированной доходностью. Мастеркласс продемонстрирует инвестиционным менеджерам, как проводить более строгий due diligence цифровых активов и отличать устойчивую доходность от спекулятивных рисков.
Выступающие
Иван Манвелов
Эксперт по DeFi в Templar Protocol (Лиссабон)
Занимается привлечением ликвидности и ростом TVL (Total Value Locked - объема заблокированных активов) в DeFi-лендинг протоколе Templar. Его специализация — управлять «депозитной базой» протокола: привлекать источники финансирования, подбирать для них оптимальные условия, вести партнерские интеграции. Помогает протоколу поддерживать сбалансированную ликвидность, снижать риски и давать пользователям предсказуемую доходность.
Занимается привлечением ликвидности и ростом TVL (Total Value Locked - объема заблокированных активов) в DeFi-лендинг протоколе Templar. Его специализация — управлять «депозитной базой» протокола: привлекать источники финансирования, подбирать для них оптимальные условия, вести партнерские интеграции. Помогает протоколу поддерживать сбалансированную ликвидность, снижать риски и давать пользователям предсказуемую доходность.
Начало в 19:00 (МСК)
Формат: Онлайн
Презентация, интервью и обсуждение на русском языке
Формат: Онлайн
Презентация, интервью и обсуждение на русском языке
Игнат Мельников
Data Scientist и Quant Researcher в Т-Банке (Москва)
Специализируется на применении методов машинного обучения (ML) для разработки инвестиционных стратегий и конструирования портфелей. Его профессиональный опыт включает оценку рисков в сфере DeFi в Сбере, а также многолетнюю работу в R&D-подразделении ИППИ РАН, где он занимался вопросами теории кодирования, задачами оптимизации и алгоритмическим дизайном. Выпускник МФТИ с отличием (бакалавриат по направлению «Прикладная математика и физика») и магистерской программы по Data Science в Сколтехе. Является автором рецензируемых научных работ, посвященных анализу рисков кредитных портфелей в DeFi и передовым методам декодирования (LDPC-коды).
Специализируется на применении методов машинного обучения (ML) для разработки инвестиционных стратегий и конструирования портфелей. Его профессиональный опыт включает оценку рисков в сфере DeFi в Сбере, а также многолетнюю работу в R&D-подразделении ИППИ РАН, где он занимался вопросами теории кодирования, задачами оптимизации и алгоритмическим дизайном. Выпускник МФТИ с отличием (бакалавриат по направлению «Прикладная математика и физика») и магистерской программы по Data Science в Сколтехе. Является автором рецензируемых научных работ, посвященных анализу рисков кредитных портфелей в DeFi и передовым методам декодирования (LDPC-коды).
Contacts
Should you have further questions / comments, feel free to contact us at office@cfarussia.ru or phone +7 985 764 3582