Устойчивость банков: меры риска и их моделирование

Карминский А.М.

ГУ-ВШЭ, РЭШ, г. Москва

Пересецкий А.А.

ЦЭМИ РАН, РЭШ, г. Москва

Устойчивость банков: меры риска и их моделирование

1. Введение.

Анализ устойчивости российской банковской системы (РБС) показывает, что пруденциальный надзор претерпел качественные изменения, хотя и оставил много нерешенных проблем. Этап ускоренного развития между двумя системными кризисами 1998 и 2008 годов позволил существенно сократить количественное отставание от банковских систем других стран, но не устранил качественные различия, прежде всего в вопросах управления. К тому же проблемы рисков резко усилились в связи с глобальным кризисом не только в России, но и во всем мире.

На протяжении 2001–2007 годов вопрос рисков не был определяющим. Кризис вернул проблему устойчивости в число приоритетных. Доля проблемных и безнадежных ссуд за первую половину 2009 года выросла в два раза до 7,6% даже по российской отчетности. Это создает дополнительную нагрузку на банковский капитал и является потенциальной угрозой возврата банковского кризиса.

Поэтому представляется, что следующий этап будет ориентирован, прежде всего, на устойчивое развитие РБС. Устойчивое развитие, понимаемое как стремление обеспечить успешное функционирование организационной системы (в том числе и банка) в долгосрочной перспективе, является узловой компонентой управления на среднесрочную перспективу (Карминский и др., 2009). Одним из основных вопросов является устойчивость как отдельных банков, так и системы в целом.

2. Рейтинги как мера финансового риска.

Базель II (2004) ориентирован на формализацию принципов для построения мер риска различных видов компаний и финансовых инструментов. Несмотря на возникшие вопросы, требующие дополнительного рассмотрения (Базель, 2009), а также имеющиеся трудности во внедрении Нового базельского соглашения, это соглашение выдвинуло единые подходы к риск-менеджменту. Во многом они базируются на рейтингах и их моделях. Поэтому этот вопрос будет узловым для данного доклада.

В современной рыночной экономике количество информации настолько велико, что даже крупные фирмы не имеют достаточного количества ресурсов для ее обработки. В этой ситуации особую роль играют независимые оценки риска компаний и ценных бумаг. Основным инструментом регулярной экспертизы являются рейтинги, предоставляемые рейтинговыми агентствами (Карминский и др., 2005).

Рейтинг выполняет функцию преобразования большого объема информации в публичное мнение относительно классификационной группы, к которой относится субъект. Рейтинги играют важную роль при подготовке бизнес-решений как доступная независимая комплексная оценка риска. Они могут выступать также как инструмент прогнозирования, и как своеобразное лицензирование при допуске компаний к определенным услугам и проектам (Patroy, 2004). Эволюция, назначение и применение рейтингов, в том числе в российских условиях, систематизированы в (Карминский, Пересецкий, 2009).

В России рынок рейтинговых услуг все еще находится в стадии формирования. В то же время, развитие фондового рынка, выход на него все большего числа банков, промышленных предприятий, страховых компаний, пенсионных и инвестиционных фондов создает спрос на рейтинговую продукцию. Рост за последние 6 лет количества субъектов, имеющих международные рейтинги, в 3 раза увеличил их общее количество, хотя более 300 рейтингов для России явно недостаточно. В этой связи актуальным становится проблема моделирования рейтингов, причем ее комплексное решение.

3. Дистанционные рейтинги в системе риск-менеджмента.

Ограниченное число экономически активных субъектов, имеющих рейтинги (особенно в странах с развивающейся экономикой, в том числе и в России), большие интервалы актуализации рейтингов, активизируют применение их эконометрических моделей, использующих дистанционный анализ субъектов хозяйственной деятельности (Altman, 1968; Sahajwala and Van den Bergh, 2000; White, 2002).

Модели рейтингов могут представлять интерес как для органов банковского надзора (в целях текущего мониторинга состояния банковской системы), так и для банков (в связи с возможностью использования подхода определения рисков на базе внутренних рейтингов контрагентов (IRB Approach) в рамках соглашения Базель-II (Basel, 2004)). В этих случаях применяются прогнозные модели, использующие дистанционный анализ субъектов хозяйственной деятельности. Причем такие модели представляют потенциальный интерес и для самих рейтинговых агентств как в связи с проведением мониторинга, так и в связи с развитием систем риск-менеджмента.

Представляют интерес выделение наиболее значимых с позиций присвоения рейтингов показателей деятельности компаний, а также оценка прогнозной силы моделей. Такие модели имеют особое значение для развивающихся рынков, где все еще лишь небольшое количество компаний имеет рейтинги, присвоенные рейтинговыми агентствами. Модели рейтингов будут использовать только открытую информацию.

4. Модели рейтингов банков.

Рейтинги банков рассматриваются на примере международного агентства Moody’s, именно рейтингов депозитов и финансовой устойчивости. На построенных моделях анализируется проблема поддержки банков, которая стала методически более прозрачной в связи с введением новой методологии (Moody’s, 2007) этим агентством.

В качестве объясняющих переменных используются как финансовые индикаторы, так и макропеременные (Карминский, Пересецкий, 2007). Выборка включает более 1000 эпизодов относительно более чем 300 банков 42 стран.

Построены модели обоих рейтингов. Показано влияние индекса коррупции на оба рейтинга, причем если для рейтингов финансовой устойчивости сохраняется дополнительный эффект влияния развивающихся стран, связанный с институциональными особенностями функционирования банков в этой среде, то для рейтинга депозитов отсутствует дополнительное влияние. Оно, быстрее всего, нивелируется поддержкой банков со стороны государства, а также материнских компаний, включая иностранные (Peresetsky, Karminsky, 2008, Пересецкий, 2009).

Оценивается точность прогноза и влияние факторов, ее определяющих. Показана возможность использования шкал градаций для построения рейтингов и повышение точности прогнозирования при переходе к этим шкалам.

5. Модели рейтингов промышленных компаний.

При моделировании рейтингов промышленных компаний в качестве объясняющих переменных используются не только финансовые, но и рыночные индикаторы и фиктивные переменные на принадлежность к отрасли. По-прежнему используются макроэкономические показатели и индикаторы принадлежности к региону мира (развивающимся рынкам).

Моделируются на основе эконометрических моделей множественного выбора и сравниваются рейтинги агентств Standard & Poor’s и Moody’s Investor Service. Для этого используется выборка, построенная по данным рейтинговых и информационно-аналитических агентств относительно 215 компаний 39 стран.

Построены модели рейтингов промышленных компаний агентств S&P и Moody’s. Оценена прогнозная сила полученных моделей и намечены пути ее повышения. Подтверждены гипотезы о влиянии на рейтинги принадлежности компании к конкретной отрасли, а также принадлежность к развивающимся рынкам. В качестве основных факторов, отличающих подходы двух агентств, выделены страновая принадлежность, рентабельность активов, мгновенная ликвидность, уровень инфляции и коррупции.

6. Заключение.

Дистанционные вероятностные оценки на базе эконометрических моделей могут стать неотъемлемой частью системы внутренних рейтингов, что определяет потенциальную практическую значимость таких моделей, прежде всего для развивающихся стран. В работе на базе модели множественного выбора построены модели рейтингов банков и промышленных компаний. В качестве объясняющих переменных используются финансовые индикаторы, фиктивные переменные по регионам принадлежности и отраслям, макроэкономические и рыночные индикаторы.

Показано, что наборы объясняющих переменных достаточны и хорошо интерпретируемы при сравнительно высокой прогнозной силе моделей. При прочих равных условиях промышленные компании и банки развивающихся стран получают более низкий рейтинг по сравнению с банками развитых стран, а рейтинги РФУБ российских банков и по сравнению с банками развивающихся стран.

Литература.

Altman E.I., (1968). Financial ratios, discriminant analysis and the prediction of corporate bankruptcy. Journal of Finance. 23, 589–609.

Altman E.I. and H. Rijken, (2004). How rating agencies achieve rating stability. The Journal of Banking and Finance. 28, 2679–2714.

Basel, (2004). International convergence of capital measurement and capital standards. A revised framework. Basel Committee on Banking Supervision, Basel: Bank for International Settlements. 2004.

Basel, (2009). Revisions to the Basel II market risk framework - final version. Basel, Bank for International Settlements, Basel Committee on Banking Supervision.

Moody’s, (2007). Incorporation of joint-default analysis approach into Moody’s bank ratings: a refined methodology. Moody’s Investors Service, www.moodys.com.

Partnoy F., (2004). The paradox of credit ratings. In Ratings, rating agencies and the global financial system. Editors R. Levich, G. Majononi and C. Reinhart. Boston, Kluwer Academic Publishers.

Peresetsky A., A. Karminsky, (2008). Models for Moody’s bank ratings. BOFIT Discussion Papers, 17/2008.

Sahajwala R., and P. Van den Bergh, (2000). Supervisory risk assessment and early warning systems. BIS Working Papers. № 4.

White L.J., (2002). An analysis of the credit rating industry. In Credit ratings. Methodologies, rationale and default risk. Editor M. Ong. London, Risk Books. 17-44.

Карминский А.М., А.А. Пересецкий, (2007). Модели рейтингов международных агентств. Прикладная эконометрика. №1 (5). – С. 1-17.

Карминский А.М., А.А. Пересецкий, (2009). Рейтинги как мера финансовых рисков: эволюция, назначение, применение. // Журнал новой экономической ассоциации. 1-2.

Карминский А.М., А.А. Пересецкий, А.Е. Петров, (2005). Рейтинги в экономике: методология и практика. М. Финансы и статистика.

Карминский А.М., С.Г. Фалько, А.А. Жевага, Н.Ю. Иванова, (2009). Контроллинг. 2-е изд. М. Финансы и статистика.

Пересецкий А.А. (2009). Измерение компоненты внешней поддержки рейтингов агентства Moody’s. Прикладная эконометрика, №2, 2009, стр. 3-23.

PAGE 1

Устойчивость банков: меры риска и их моделирование