Материал: Эконометрические методы оценки банковских рисков

Во-вторых, стандартные модели не учитывают макроэкономическую конъюнктуру, а также имеют ограниченные возможности для прогнозирования ситуации в будущем. Предполагается, что показатели функционирования каждого банка по отдельности и так способны отразить происходящие в экономике изменения, а сам анализ рисков выполняется во многом по принципу «здесь и сейчас». Данное положение вещей значительно уменьшает степень предсказуемости банковской системы даже в ближайшем будущем, что ослабляет её возможности в плане адаптации к меняющимся условиям и потрясениям.

Альтернативой применению моделей Базель - II могут служить эконометрические модели, позволяющие на основании статистических данных получить косвенную или прямую оценку тех или иных видов рисков, а также выполнить прогноз этих рисков на будущее. Данные модели могут служить некоторым дополнением к применяемым моделям из числа рекомендуемых регулятором банковского сектора и служить источником информации при принятии тех или иных управленческих решений.

Разбору некоторых теоретических аспектов применения эконометрических моделей для оценки рисков в банковском секторе посвящена следующая глава данной работы.

Глава 2. Эконометрические модели оценки риска

.1 Модели кредитного риска

С развитием и доработкой своей методологии Базельский комитет по банковскому надзору значительное внимание уделяет процессу совершенствования моделей оценки рисков в банковском секторе. Существенным элементом данного процесса является переход при оценке основных видов риска от стандартизированных подходов к моделям, разработанным самими банками. Применение таких моделей способно принести пользу, как банковскому регулятору, так и непосредственно самим банкам. Так, например, благодаря использованию более совершенных моделей, увеличивается качество принятия управленческих решений и растет степень адекватности определения величины резервируемого капитала, что находится в интересах всех субъектов, заинтересованных в стабильном развитии банковского сектора.

Значительную часть моделей, разрабатываемых в рамках конкретного банка, можно отнести к классу эконометрических моделей. Такие модели могут разрабатываться для каждого банка или вида деятельности в отдельности, что позволяет в той или иной мере учитывать специфику конкретной организации и ситуации. При этом эконометрические модели способны при необходимости учитывать влияние макроэкономической конъюнктуры, а также, в зависимости от специфики конкретной модели, строить прогнозы.

На данный момент в контексте банковского сектора отсутствуют какие-либо эконометрические модели, которые можно было бы считать каноническими и общепринятыми. Это, вероятно, связано с отсутствием значительного накопленного опыта применения эконометрических моделей в финансах, а также спецификой банковской отрасли. Тем не менее, некоторые подходы, в частности в области оценки кредитного и рыночного рисков, успели получить некоторое признание у специалистов по банковскому сектору, им и будет уделено внимание в данной главе.

В общем и целом все рассматриваемые в рамках данной главы подходы к оценке кредитного риска можно разделить на две группы: модели, основанные на данных банковской отчетности и модели на основании макроэкономических показателей.

2.1.1 Модели по данным отчетности

Наиболее используемым типом моделей из первой группы можно считать так называемые скоринговые модели. Данные модели строятся на основании накопленной банком кредитной истории и призваны определить, исходя из показателей и характеристик заёмщика, которые составители модели посчитали важными, вероятность его дефолта. С технической точки зрения реализуются данные модели либо в рамках логистической регрессии:

(3)

либо пробит-регрессии:

 (4)

где  подразумевает наступление некоторого события Y, , Ф - интегральная функция нормального стандартного распределения, x - вектор независимых переменных,  - оцениваемые коэффициенты модели.

Предпосылкой применения данных видов регрессий является их удобная интерпретация в рамках задачи определения вероятности дефолта (-вероятность дефолта заемщика). Кроме того, при необходимости могут использоваться порядковые разновидности (рассматривается более 2-х состояний) подобных моделей, которые позволяют различить конкретный тип неисполнения обязательств, например, дефолт от технического дефолта.

Скоринговые модели успели себя зарекомендовать в банковской отрасли, и, к настоящему моменту, разработан ряд достаточно сложных и универсальных моделей, позволяющих достаточно точно при определенных условиях оценивать степень надёжности заёмщика. Недостатки данной группы моделей соответствуют недостаткам большинства эконометрических моделей: необходимость наличия у банка достаточно обширной кредитной истории и периодической корректировки имеющихся моделей.

Альтернативой применения скоринговых моделей могут служить модели дискриминантного анализа, которые предназначены, прежде всего, для определения финансового состояния оцениваемой организации, основываясь на котором можно косвенно оценить и вероятность ее дефолта. Суть данного подхода заключается в расчете на основании отобранных показателей отчётности значения некоторого показателя (дискриминанта). Величина дискриминанта соотносится со значениями, характерными тому или иному типу организаций по степени финансовой устойчивости, которые находятся в результате анализа истории дефолтов на том или ином рынке. Определение же характеристики конкретной организации исходит из предпосылки, что схожесть величин дискриминанта означает и идентичность финансового положения.

Простейшим классом моделей такого рода являются модели однопеременного дискриминантного анализа, основоположником которых считается Бивер. На основании анализа финансовых показателей дефолтных фирм с показателями компаний, сумевших сохранить платёжеспособность, он пришёл к выводу, что помимо классических показателей вроде рентабельности активов и коэффициентов ликвидности наибольшей предсказательной силой обладает отношение чистого денежного потока компании к заёмным средствам, получивший впоследствии его имя:

 (5)

Полученные значения показателя сравниваются с нормативами для трёх состояний фирмы: благополучных компаний, компаний, обанкротившихся в течение года и фирм, ставших дефолтами в течение 5 лет. Преимуществами данной модели является относительная простота и возможность оценки будущего состояния, в то время как недостатками можно считать чрезмерное упрощение реального положения вещей, а также возможность наличия значительных ошибок, вследствие ориентации на специфические нормативы.

Более сложным типом моделей из группы моделей на основе показателей отчётности можно считать модели множественного дискриминантного анализа. Одной из наиболее популярных моделей в данной группе можно считать модель Альтмана. В соответствии с ней требуется рассчитать значение так называемого z-дискриминанта, позволяющего разделить заёмщиков на потенциальных банкротов и небанкротов. Для построения модели нахождения этого z-дискриминанта Альтман, также как и Бивер, проанализировал финансовое состояние компаний объявленных банкротами. «Для анализа финансового состояния заёмщика была исследована бухгалтерская отчётность предприятия за год, предшествующий банкротству. На основе этих данных для каждого предприятия были рассчитаны 22 финансовых коэффициента, характеризующих их ликвидность, рентабельность, устойчивость, платёжеспособность и деловую активность»[17, с. 18]. Существует значительное число модификаций первоначальной модели, полученной Альтманом, применяемых в тех или иных условиях. В данном случае рассмотрим модель Альтмана для непроизводственных предприятий в условии развивающихся рынков:

 (6)

где Z - значение дискриминанта, - доля чистого оборотного капитала в сумме активов,  - отношение нераспределённой прибыли к активам,  - отношение прибыли до уплаты процентов и налогов к величине активов,  - отношение собственного капитала к объёму заёмных средств.

При  - вероятность дефолта высока,  - нестабильная ситуаций, вероятность дефолта невелика, но существует,  - низкая вероятность дефолта.

Считается, что модель Альтмана обладают большой предсказательной силой: позволяет предвидеть дефолт на период до пяти лет с точностью до 70%, однако для получения адекватных результатов необходима её адаптация для условий конкретной деятельности и страны.

Другой популярной моделью данного типа является модель Чессера. В отличие от модели Альтмана, данная модель позволяет предсказать не только дефолт как таковой, но и любое невыполнение клиентом условий договора, то есть отклонение от величин платежей, указанных в кредитном соглашении. На основании анализа отчётностей заёмщиков за год до предоставления ссуды была получена зависимость:

 (7)

где Y - линейная комбинация независимых переменных:

Если значение дискриминанта  , то заёмщика следует отнести к группе ненадёжных клиентов, которые могут нарушить условия соглашения. Данная модель более чувствительна по сравнению с моделью Альтмана и позволяет дать более подробную характеристику потенциального заёмщика, что является её существенным преимуществом.

Важно отметить, что приведенные модели дискриминантного анализа Бивера, Альтмана и Чессера ориентированы, прежде всего, на определение финансовой устойчивости заемщиков банка. При этом, так как значения коэффициентов данных моделей были получены авторами в контексте тех или иных стран, то их применение в условиях экономической конъюнктуры РФ может вносить искажения в полученные результаты. Однако к настоящему времени разработаны также дискриминантные подходы и к оценке непосредственно финансового состояния самого банка, в том числе, учитывающие российскую специфику.

Одним из наиболее используемых в отечественной практике таких методов является подход Кромонова. В соответствии с данным подходом рассчитываются 6 показателей, характеризующих те или иные аспекты деятельности банка, которым соответствуют некоторые теоретические оптимальные значения и относительно которых представляется возможным определить степень надёжности банка. Общая характеристика данных показателей представлена в Таблице-7 Приложения. Исходя из рассчитанных значений, определяется общий коэффициент надёжности банка N (максимальное значение 100) путём их взвешивания на установленные коэффициенты:

 (8)

В рамках данного подхода отдельно стоит упомянуть так называемую систему отсечек, которая подразумевает, что только банки, соответствующие определенным условиям, могут использовать эту методику. Так, например, существует отсечка по минимальной величине собственного капитала (не менее 10 млрд. рублей) и возрасту банка (банки, работающие не менее 2-х лет). Такая система позволяет заведомо исключить некоторые случаи неадекватного применения модели, когда расчет рейтинга осуществляется для некрупных или нестабильных банков.

Подводя итог данному классу моделей, главными его преимуществами можно назвать относительную простоту реализации и сбора необходимых данных при наличии действующих подходов. Недостатком же можно считать авторскую субъективность при отборе анализируемых показателей и степени их влияния, а также чрезмерное упрощение некоторых аспектов оценки финансового состояния.

.1.2 Модели по макроэкономическим данным

Что касается второй группы эконометрических методов - методов на основе макроэкономических показателей - то среди них также можно выделить 2 наиболее значимых и популярных подхода.

Первая модель исходит из предположения, что макроэкономические показатели являются экзогенными, и носит имя Уилсона. В соответствии с данной моделью вероятность дефолта представляется следующим образом:

 (9)

где P -вероятность дефолта, - набор макроэкономических показателей,  - случайная ошибка.

На практике принято считать, что вероятность дефолта в момент времени t определяется логистической регрессией, при этом значение каждого фактора определяется по его предыдущим показателям согласно модели AR порядка q.

Вторая модель из данной группы методов предполагает, что существует обратная связь между вероятностью дефолта заёмщика и макроэкономическими показателями. То есть ухудшение финансового положения банка в свою очередь может сказаться на снижении макроэкономических показателей. Основоположниками данного подхода принято считать Хоггарта, Соренсена и Зикчино, а также Алвеса, Тройтлера и Вайнера, а в основе применения модели на практике лежит подход векторной авторегрессии:

 (10)

где C -вектор постоянных величин, Ф - матрица коэффициентов,  - вектор остатков, Z - вектор эндогенных переменных, который включает как вероятность дефолта, так и другие элементы, отражающие состояние экономики в данный период.

Важной составляющей данного подхода является получение функции откликов на импульсы (Impulse response function), которая позволяет оценить влияние шоков в периоде t на значение той или иной исследуемой переменной через промежуток времени s:

 (11)

Чаще всего данный подход применяется для осуществления стресс-тестирования банков на предмет вероятности его дефолта, так как он позволяет показать, как именно реагируют величины, характеризующие его финансовое состояние, на изменения тех или иных макроэкономических показателей.

Сильной стороной моделей на основе макроэкономических показателей является относительная простота нахождения необходимых данных, а также возможность получить долгосрочную оценку вероятности дефолта. Недостатком же является зависимость успешности их применения от периодичности бизнес-циклов в экономике.