методы банковского риск менеджмента на этапе идентификации
advertisement
УПРАВЛЕНИЕ РИСКАМИ МЕТОДЫ БАНКОВСКОГО РИСКМЕНЕДЖМЕНТА НА ЭТАПЕ ИДЕНТИФИКАЦИИ И ОЦЕНКИ ПОСЛЕДСТВИЙ ОТ НАСТУПЛЕНИЯ РИСКОВ П. КОВАЛЕВ АКБ «Интеркоопбанк», начальник управления рискменеджмента В данной статье проведен обзор и критический анализ существующих подходов к управлению кредитным риском на этапах идентификации и оценки последствий наступления рисков, охарактеризована возможность применения новейших технологий в сфере риск#менеджмента, рассмотрены возможности их адаптации к российским условиям и предложено авторское видение путей совершенствования управления кредитным риском. ВВЕДЕНИЕ Управление банковскими рисками можно представить как процесс, последовательно проходящий следующие этапы: • идентификация риска; • оценка последствий наступления ри сков; • принятие решений об управляющем воздействии; • контроллинг. Каждый из перечисленных выше этапов выполняет определенные задачи и функ 90 ции, в своей совокупности формируя мето дологию управления рисками, стратегиче ский уровень анализа. Решение методоло гических (стратегических) задач возможно при правильно выработанной тактике, ко торая представляет собой систему методов управления рисками — аналитический ап парат исследования. Применение методов управления рисками создает объективные предпосылки для появления производных (инструментов), к числу которых можно причислить результаты от применения того или иного метода. Управление банковскими УПРАВЛЕНИЕ В КРЕДИТНОЙ ОРГАНИЗАЦИИ УПРАВЛЕНИЕ РИСКАМИ рисками в этом аспекте выступает как сово купность научнообоснованной методоло гии, успешно апробированных методов и инструментов минимизации рисков [22] (табл. 1). Наличие первого и последнего этапов от нюдь не означает, что процесс управления банковскими рисками заканчивается на эта пе контроллинга. Скорее, наоборот, главным принципом осуществления управления бан ковскими рисками является цикличность данного процесса (рис. 1), где каждый из вы шеуказанных этапов неразрывно связан с остальными как функционально, так и орга низационно [23]. ИДЕНТИФИКАЦИЯ КРЕДИТНОГО РИСКА Согласно выработанной методологии упра вление кредитным риском начинается с про цесса идентификации его возможных про явлений. Как показывает практика, главным инструментом на данном этапе выступает экспертный метод: именно эксперт, исполь зуя апробированные банком методы иденти фикации риска, основываясь на системном анализе доступной информации и собствен ном опыте, должен выявить источники, но сители и плоскость наступления кредитного риска. Таблица 1 МЕТОДОЛОГИЯ УПРАВЛЕНИЯ БАНКОВСКИМИ РИСКАМИ Название этапа Производные (инструменты) Методы Идентификация Методы идентификации Карта рисков Оценка последствий наступления рисков Методы оценки Оценки, прогнозы Выбор стратегии управления Методы управления рисковой позицией Лимиты, резервы, нормативы Контроллинг Методы контроллинга Штрафы, санкции, санации, коррекция Рис. 1. Процесс управления банковскими рисками 3/2006 (31) 91 УПРАВЛЕНИЕ РИСКАМИ Для реализации данных целей создается карта кредитного риска, в которой формиру ется целостная картина возможных его про явлений. Так как главной формой проявления лю бого риска, в том числе и кредитного, явля ется отклонение значений рисковой пози ции от запланированных (ожидаемых) ре зультатов, формируя карту рисков, эксперт должен четко представлять соотношение между основными факторами риска, учиты вая их взаимозависимость. Не умаляя значимости субъективного на чала в вопросе идентификации кредитных рисков, научная мысль всегда нацеливалась привнести в данный процесс больше объек тивизма и уменьшить значение субъектив ных факторов. Управление кредитными рис ками подразумевает определенность буду щей неопределенности и вероятность того, что прогнозы экспертов при идентификации рисков в некоторых случаях будут нереали стичны. И все же ученых никогда не устраи вала непредсказуемость актов человеческо го выбора. Теоретики и практики банковского дела на основе разрабатываемых методов настой чиво пытаются вычислять частоту, с которой происходит благоприятное прохождение об служиваемой банком рисковой позиции, стремятся четко фиксировать предельное значение частоты при бесконечно большом числе сценариев. Только оптимальное соот ношение объективного и субъективного на чала при идентификации кредитных рисков позволит банку плавно привести рисковую позицию к ожидаемому результату. Под плоскостью наступления кредитного риска понимается стадия реализации биз неспроцессов, предусматривающих движе ние ссуженной стоимости, где носителем 1 92 кредитного риска выступают стороны эко номических отношений (рис. 2). Под бизнеспроцессами нами понимается последовательность технологически связан ных операций по осуществлению конкрет ного вида деятельности банка1. Различаются процессы, связанные с: • управлением активов/пассивов (кре дитование, операции на валютном и межбанковском рынке, управление ликвидной позицией, торговые опера ции с ценными бумагами и др.); • осуществлением операционного обслу живания и предоставления услуг (опе рационнокассовое обслуживание, про цессинг платежных карт, розничное обслуживание физических лиц, инкас сация и т.д.); • внутрибанковской деятельностью (бух галтерский и управленческий учет, внутренний контроль и аудит, контроль рисков, управление персоналом, дру гие управленческие процессы и виды административнохозяйственной дея тельности). В понятие «процесс» включаются также конкретные технологии, порядки и докумен тооборот, связанные с осуществлением соот ветствующих операций. Кредитный риск присутствует во всех экономических отно шениях банка, где происходит движение ссуженной стоимости, но не везде данный риск является определяющим. Далее мы будем рассматривать только те экономические отношения банка, где кре дитный риск является превалирующим, тре бующим применения соответствующих ме тодологии и инструментария. Проявление данных отношений, на наш взгляд, находит выражение в следующих банковских про цессах: См.: Бухтин М.А. Методология управления операционными рисками //Оперативное управление и стратегический менеджмент в коммерческом банке, 2003, № 3, с. 86–94. УПРАВЛЕНИЕ В КРЕДИТНОЙ ОРГАНИЗАЦИИ Рис. 2. Бизнеспроцессы коммерческого банка УПРАВЛЕНИЕ РИСКАМИ 3/2006 (31) 93 УПРАВЛЕНИЕ РИСКАМИ • процесс проведения активных опера ций с юридическими лицами; • процесс проведения активных опера ций с физическими лицами; • процесс осуществления операций на межбанковском рынке. Бизнеспроцесс есть не что иное, как од на из форм производственных отношений банка, движущей силой которых выступают экономические интересы участников. Рас сматривая их с точки зрения интересов, биз неспроцессы можно представить как сред ство достижения обоюдной цели как банка, так и контрагента — получение дохода, при были. При этом следует иметь в виду, что экономические интересы первичны по отно шению к кредитному риску. Это в опреде ленной мере осложняет оценку и управле ние риском. Возможность получения дохода или при были — это безусловная мотивация, в то время как определение кредитного риска — контрмотивация. Поиск оптимального ба ланса между доходом и риском — важная за дача, требующая решения и учета взаимо действия факторов качественного и количе ственного характера. Мотивация банка находится в рамках извлечения максималь ной прибыли при минимально возможном риске, то есть максимум в соотношении «до ход — кредитный риск» и минимум в соот ношении «кредитный риск — доход», что в принципе равнозначно. В данном аспекте и раскрывается двойственная природа кредит ного риска. Рассматривая отношения между коммер ческим банком и его контрагентом, мы соз нательно абстрагируемся от детального изу чения вопросов, связанных с контрагентом, так как это не является темой нашего иссле дования. На рисунке 2 видно, что бизнеспроцессы коммерческого банка условно разделяются на шесть стадий: стадия изучения спроса, 94 разработки, тестирования, утверждения, внедрения и реализации. Каждой из указан ных стадий свойственен свой риск, кредит ному же риску наиболее подвержена стадия реализации, так как именно на этой стадии происходит передача денежных средств (движение ссуженной стоимости) между коммерческим банком и контрагентом. При чем на данном этапе банк является активной стороной, ибо исключительно от него зави сит решение о предоставлении своих денеж ных средств. Логическим завершением рассматривае мых нами бизнеспроцессов является удо влетворение потребностей контрагента, ко торый, в свою очередь, становится активной стороной, так как уже именно от него зави сит судьба конкретной сделки. Поэтому за ключение любой сделки, предполагающей движение ссудного капитала, отождествля ется нами с открытием рисковой позиции. Естественно, реализация любого бизнес процесса связана с заключением нескольких сделок, имеющих общие параметры и харак теристики, что приводит к формированию соответствующих портфелей сделок. Таким образом, двойственность кредит ного риска обусловлена характером эконо мических отношений между коммерческим банком и контрагентом, выражающимся при осуществлении бизнеспроцессов, напра вленных на взаимную реализацию интере сов всех участников. Графически типовая карта кредитных ри сков отображена в таблице 2. Определяя ту или иную вероятность на ступления рискового события, экспертный анализ должен охватывать полный объем факторов, влияющих на материализацию кре дитного риска, причем уровень детализации диктуется объективной реальностью функци онирования банка. В данном примере карта рисков предстает на верхнем уровне детали зации, то есть если эксперт утверждает, что УПРАВЛЕНИЕ В КРЕДИТНОЙ ОРГАНИЗАЦИИ УПРАВЛЕНИЕ РИСКАМИ Таблица 2 Источники Бизнеспроцесс 1 Бизнеспроцесс 2 … Бизнеспроцесс n Носители при реализации рискового процесса вероят ность наступления рискового события соот ветствует какомулибо значению, то в этом значении учитывается воздействие всех ри скообразующих факторов, воздействующих на носителя риска. Для удобства рекоменду ется инвентаризировать возможных носите лей риска. Количество ячеек в каждом ряду зависит от количества носителей. Следова тельно, по горизонтали карта рисков опреде ляется максимальным количеством носите лей риска в nм бизнеспроцессе, а по верти кали — количеством бизнеспроцессов. Учитывая специфику конструкции экс пертного метода и взаимозависимость ос новных факторов кредитного риска, целесо образно выделить согласованную шкалу этих критериев. Так, предлагаются десять ва риантов значения вероятности наступления рискового события (от 0,1 до 1) и десять уровней неопределенности, которым для простоты понимания можно дать качествен ные характеристики — первый, второй, тре тий и т.д. уровень (по возрастанию). Очевид но, значению вероятности наступления ри скового события 0,1 соответствует первый уровень неопределенности. Для большей информативности карты рисков рекоменду ется каждому уровню неопределенности присвоить собственный цвет. Критерии ра спределения неопределенности по уровням каждый банк определяет исходя из своих реалий. Несмотря на это, главным критери ем для любого банка является наличие ин 3/2006 (31) формации, пригодной для анализа рисковой позиции. Таким образом, на начальном этапе упра вления риском превалирующую роль играют профессиональный опыт, эрудиция, интел лект, интуиция рискменеджера, с одной сто роны, и база организации (информационная, нормативная) — с другой, структурирован ные в метод экспертного анализа. В общем виде метод экспертного анализа можно представить как регламентированную систему получения и обработки экспертных оценок, где главным вопросом являются удачное формирование группы экспертов и организация их опроса. Данный метод широ ко используется в научной и практической деятельности, положив начало развитию ря да неформализованных методов получения и обработки экспертных мнений, в числе кото рых выделяются дельфийский метод, метод «дерева решений», морфологический анализ, метод аналогий, метод «мозговых атак». Сце нарный анализ, рассматриваемый далее, ис пользует тот же аппарат, на котором базиру ется метод экспертного анализа. МЕТОДЫ ОЦЕНКИ РИСКА СЦЕНАРНЫЙ АНАЛИЗ Важнейшим элементом управления кредит ным риском на этапе идентификации и оцен ки последствий наступления риска является 95 УПРАВЛЕНИЕ РИСКАМИ сценарный анализ. Основные составляющие сценарного анализа: стресстестирование, бэктестирование, Whatif сценарии, деком позиция рисков, анализ чувствительности. Сценарный анализ — методика измере ния риска, при которой переоцениваются позиция или портфель в отношении не скольких различных значений базовых ак тивов внутри заданного интервала [43]. В отличие от финансового и математическо го анализа, используя тот же аппарат, сце нарный анализ позволяет ответить на во прос «что если?» и обусловливает возмож ность применять данный подход к анализу риска на начальных этапах управления бан ковскими рисками. Наиболее популярным элементом сценарного анализа является стресстестирование. Стресстестирование представляет собой анализ влияния экстраординарных (экстре мальных) событий на риски субъекта хозяй ствования, в том числе и на кредитный. В процессе управления кредитным риском посредством стресссценариев изучается воздействие маловероятных событий на кре дитный портфель банка. Традиционно к та ким событиям относят кризисы, дефолты компаний с высоким кредитным рейтингом, скачки в волатильности и корреляции на рынке. Количество стресссценариев в идеа ле должно приближаться к максимально воз можному, отражая полную картину стрес соустойчивости организации. Естественно, создавая такие сценарии, в первую очередь необходимо обеспечить их логическую не противоречивость. Так, в качестве стресс сценария может быть принят кризис, про изошедший в прошлом, с обязательной адап тацией его к сегодняшним условиям. Применение стресстестирования, несмо тря на относительную субъективность сце нариев, позволяет с минимальными затрата ми оценить стрессоустойчивость компании, определить наихудшие сценарии развития 96 ситуации, выделить наиболее значимые для ликвидности компании факторы, выработать ряд превентивных мер. Суть такой формы сценарного анализа, как бэктестирование, заключается в апро бации принимаемой внутренней методоло гической базы на свежих данных, вследствие чего появляется возможность сравнить ре зультаты применения методологии с дей ствительностью. Бэктестирование остается главным и, пожалуй, самым надежным сред ством определения эффективности методо логии управления рисками. При составлении Whatif сценариев ис пользуются те же принципы, что и для стресссценариев, но с иной логикой — ис следуются не маловероятные события, а про рабатывается максимально глубокий ряд альтернативных событий, вероятность на ступления которых соизмерима с уже насту пившими. Применение такого подхода по зволяет аргументировать будущие упра вленческие решения и оценить прошлые. Относительно управления кредитным ри ском суть подхода декомпозиции рисков за ключается в разложении кредитного риска (одной сделки или портфеля) на составляю щие и выявлении наиболее весомых факто ров. Так, кредитный риск одной сделки мож но декомпонировать на следующие соста вляющие: • вероятность возврата кредитных средств (синтетический коэффициент); • база расчета кредитного риска; • коэффициент восстановления стоимости. За базу расчета кредитного риска, на наш взгляд, наиболее уместно принять стоимость активов при наступлении оптимальной дей ствительности, на которую банк, безусловно, рассчитывает. Коэффициент восстановления стоимости представляет собой часть стоимости акти вов, которую банк может вернуть посред ством реализации залогового имущества, УПРАВЛЕНИЕ В КРЕДИТНОЙ ОРГАНИЗАЦИИ УПРАВЛЕНИЕ РИСКАМИ получения страховки, процедуры банкрот ства заемщика и т.п. В итоге кредитный портфель интерпре тируется как совокупность портфелей его составляющих, что позволяет более точно воздействовать на кредитный риск. Применение подходов сценарного анали за при управлении банковскими рисками для большинства западных банков является обычной практикой, а для таких методоло гий, как VaR, речь о которых пойдет ниже, обязательной. Для российских банков сце нарный анализ имеет особую ценность, так как в большинстве случаев не требует боль шого количества статистических данных. ОЦЕНКА КРЕДИТОСПОСОБНОСТИ ЗАЕМЩИКА Одним из важнейших вопросов управления кредитным риском конкретной рисковой по зиции является определение вероятности дефолта или вероятности дефолта конкрет ного контрагента. Под термином «дефолт»1 как в западной, так и в отечественной науч ной литературе понимается неисполнение контрагентом в силу неспособности или не желания условий кредитного соглашения или рыночной сделки [14, с. 324]. При определении вероятности дефолта контрагента, как правило, применяются не сколько методов, образующих модели, в ко торых, с одной стороны, метод финансовых коэффициентов регламентирует порядок подбора и расчета финансовых коэффициен тов, а с другой стороны — методы, исполь зующие математический аппарат, определя ют механизм действия. В силу того что современные реалии рос сийских и западных банков существенно от личаются по таким важнейшим параметрам, как правовое поле и исторически сформиро 1 вавшиеся экономические отношения, по на шему мнению, справедливо разделить суще ствующую практику определения вероятно сти дефолта на российскую и западную. Проведя анализ западной практики опре деления вероятности дефолта (компании, за емщика, контрагента), мы пришли к выводу о параллельном существовании нескольких видов моделей: — модели, основанные исключительно на данных финансовой отчетности; — модели, использующие как финансо вую отчетность, так и другие данные; — актуарные модели; — модели, основанные на определении рыночной стоимости. Рассмотрим приведенные модели более подробно. В течение прошлого века в финансовом мире прослеживались следующие тенден ции: волнообразное действие глобальных и национальных финансовых кризисов, увели чение волатильности финансовых рынков, стремительно растущая конкуренция, глоба лизация финансовых рынков. Одновременно с этим характер экономических отношений в развитом капиталистическом мире ХХ века позволял ученым проводить свои исследова ния, опираясь на достоверные статистиче ские данные и финансовую отчетность. Все это сформировало необходимые предпосы лки для создания модели, использующей сравнительно небольшое количество пока зателей и направленной на определение ве роятности банкротства предприятия. Такую модель впервые в 1968 году разработал про фессор финансов НьюЙоркского универси тета Э. Альтман. Для создания модели первоначально Альтманом использовались 22 финансовых показателя и финансовая отчетность 66 ком паний, половина которых успешно функцио От анг. default — неплатеж, невыполнение. 3/2006 (31) 97 УПРАВЛЕНИЕ РИСКАМИ нировала, а другая потерпела банкротство. С помощью метода множественного дискри минантного анализа производилась поша говая статистическая оценка значимости финансовых коэффициентов, где менее зна чимые отсеивались, и эксперимент повто рялся снова. В результате была получена модель, состоящая из пяти финансовых по казателей [16]: Z = 1,2X1 + 1,4X2 + 3,3Х3 + 0,6Х4 + 0,999Х5, где Х1 — отношение собственного оборотного ка питала к сумме активов; Х2 — отношение нераспределенной прибыли к сумме активов; Х3 — отношение прибыли до выплаты про центов и налогов к сумме активов; Х4 — отношение рыночной стоимости капита ла к балансовой стоимости обязательств; Х5 — отношение выручки от реализации к сумме активов. Когда количество показателей модели по пробовали понизить до четырех, статистиче ская точность резко снизилась. Был сделан вывод, что дискриминантная функция с пя тью переменными наиболее оптимально вы полняет возложенную на нее задачу. Экспе риментально был определен диапазон значе ний показателя Z — 1,81–2,99, который, в свою очередь, выступал как интегральный показатель кредитоспособности заемщика. Для компаний, у которых показатель Z был меньше 1,81, вероятность банкротства в бли жайшем году определялась как высокая. Для компаний, у которых показатель Z превышал 2,99, вероятность банкротства определялась как низкая. Для компаний, чей показатель Z попал в диапазон 1,81–2,99, прогноз фи нансового состояния оказался затрудни тельным. Для таких моделей характерны два вида ошибок: 1) модель предсказала банкротство, а компания успешно функционирует; 98 2) модель предсказала успешное функци онирование, а компания обанкротилась. Значимость этих двух ошибок неодноз начна, так как предсказать банкротство ком пании для банка гораздо важнее и сложнее. Модель Альтмана допустила ошибкипо грешности первого вида в двух случаях из 33, что составило 6%, и второго вида — в од ном случае из 33 (3%). Общая точность со ставила 95%, что является довольно точным прогнозом во временном диапазоне один год [16]. Еще одним примером применения метода финансовых коэффициентов и метода мно жественного дискриминантного анализа яв ляется модель надзора за ссудами по Чессеру, прогнозирующая вероятность невыполнения контрагентом договорных обязательств по ссуде: У = 2,0343 – 5,24Х1 + 0,0053Х2 – 6,6507Х3 + + 4,4009Х4 – 0,0791Х5 – 0,122Х6, где Х1 — отношение высоколиквидных активов к сумме активов; Х2 — отношение выручки от реализации к ликвидным активам; Х3 — отношение совокупного дохода к сумме активов; Х4 — отношение общей задолженность к об щим активам; Х4 — отношение основного капитала к обо ротным активам; Х5 — отношение оборотных активов к выруч ке от реализации [7, с. 166]. Переменная У, представляющая собой ли нейную комбинацию независимых перемен ных Хn, в свою очередь, используется в фор муле определения вероятности невыполне ния договорных обязательств: Р = 1 / 1 + e–У, где Р — вероятность невыполнения контраген том договорных обязательств; е — число Эйлера, равное 2,71828. УПРАВЛЕНИЕ В КРЕДИТНОЙ ОРГАНИЗАЦИИ УПРАВЛЕНИЕ РИСКАМИ Модель Чессера определяется следующи ми критериями: Р ³ 0,50 (контрагент не выполнит своих обязательств); Р £ 0,50 (контрагент выполнит свои обя зательства). Так же, как и Альтман, Чессер анализиро вал отчетность компаний, 37 из которых вы полнили условия кредитного договора, и та кое же количество компаний, не выполнив ших эти условия. Модель Чессера правильно определяла три из каждых четырех исследу емых случаев. Большой известностью пользуется ана логичная моделям Альтмана и Чессера мо дель оценки риска банкротства фирмы, раз работанная Банком Франции в 1982 году. Данная модель включает восемь показате лей, обладающих определенным знаком и корректирующим коэффициентом. Итого вый интегральный показатель имеет такие критерии: > 0,125 — компания финансово устойчива; < 0,25 — компания в преддверии финан сового кризиса; в диапазоне 0,125–0,25 находятся компа нии с неопределенным будущим. Применение таких моделей, особенно в российской действительности, сталкивается с определенными трудностями. Так, анализ исключительно финансовой отчетности не может нам дать полную характеристику за емщика, а в условиях, когда финансовая от четность, мягко говоря, не всегда отвечает действительности, и подавно. Необходимо учитывать отраслевую и межотраслевую специфику компаний, что делает такие моде ли довольно громоздкими. В российской практике наиболее при емлемой сферой применения дискрими нантных моделей представляется межбан ковский рынок в силу его отраслевой од нородности и более высокой отчетной дис циплины. 3/2006 (31) Несмотря на всю точность своих прогно зов, дискриминантные модели не могли пре доставить банкам полную картину о состоя нии контрагента. Поэтому для учета таких характеристик, как кредитная история, репу тация, качество менеджмента и т.п., коммер ческие банки пришли к необходимости соз дания качественно иной модели, получив шей обобщенное название «рейтинговая модель оценки заемщика». Анализ мировой практики показал, что практически в каждой развитой капитали стической стране в течение 70—90х годов были разработаны несколько таких моделей (табл. 2). Как видно из таблицы 2, названия рей тинговых моделей формируются из началь ных букв названий входящих в них компо нентов. Каждый из компонентов рейтинго вой модели представляет собой отдельное направление исследования одного или не скольких аспектов деятельности контраген та и оценивается по определенной шкале, как правило, пятибалльной. Оценка произво дится посредством метода финансовых ко эффициентов, метода экспертного анализа, статистических методов. Конечный показатель может быть и адди тивной, и интегральной величиной, предста вляющей определенное количество баллов. Контрагент получает кредитный рейтинг в зависимости от того, в какой диапазон попа ла набранная им сумма баллов, рейтинг, в свою очередь, соответствует определенной вероятности дефолта контрагента. Несомненно, рейтинговые модели в за падных странах являются одной из надеж нейших технологий управления кредитным риском. Однако сам факт существования в каждой стране национальных моделей свиде тельствует о том, что при создании подобных моделей страновая специфика играет важ нейшую роль. Поэтому создание модели рей тинговой оценки, учитывающей специфику 99 УПРАВЛЕНИЕ РИСКАМИ Таблица 2 НАИБОЛЕЕ РАСПРОСТРАНЕННЫЕ МОДЕЛИ РЕЙТИНГОВОЙ ОЦЕНКИ КОНТРАГЕНТА Название системы Страна Правило «шести си» США C — character (характер личности заемщика, репутация); C — capacity (финансовое состояние); C — capital (капитал, имущество); C — collateral (обеспечение); C — conditions (экономическая конъюнктура); C — control (контроль) CAMPARI Некоторые европейские банки С — character (репутация заемщика); A — ability (способность клиента вернуть кредит); M — margin (доходность кредитной операции); P — purpose (цель, для чего берется заем); A — amount (общая сумма кредита); R — return (условия возвращения кредита); I — insurance (обеспечение) COPF Германия C — competition (конкуренция в отрасли); O — organization (организация деятельности); P — personnel (персонал, кадры); F — finance (финансы, доходы) PARSER Англия P — person (репутация заемщика); A — amount (сумма кредита); R — repayment (возможности погашения); S — security (оценка обеспечения); E — expediency (целесообразность кредита); R — remuneration (вознаграждение банка (процентная ставка) за риск) CAMELS США C — capital (достаточность собственного капитала); A — assets (размер активов); M — management (качество менеджмента); E — earning (доходность); L — liquidity (ликвидность); S — sensibility (чувствительность к рыночным рискам) PARTS Англия P — purpose (назначение, цель кредита); A — amount (сумма, размер кредита); R — repayment (погашение кредита); T — term (срок кредита); S — security (обеспечение) российских экономических отношений, оста ется одной из актуальнейших задач управле ния кредитным риском в коммерческих бан ках России. В последнем десятилетии прошлого века ведущие рейтинговые агентства (Moody’s, Standard & Poor’s параллельно с Альтманом попытались применить для определения ве роятности дефолта компании методы акту арной математики, доселе применявшиеся в основном в страховании продолжительности жизни населения. Только если в страховании 100 Составляющие применялась статистика смертности населе ния, то в рискменеджменте актуарные моде ли используют статистику дефолтов, класси фицируя компании и их долговые обязатель ства по вероятности дефолта посредством присвоения им кредитных рейтингов. Глав ная цель исследования заключалась в акту арном доказательстве соответствия того или иного кредитного рейтинга конкретной ве роятности дефолта компании. В качестве объекта анализа рейтинговы ми агентствами Moody’s и Standard & Poor’s УПРАВЛЕНИЕ В КРЕДИТНОЙ ОРГАНИЗАЦИИ УПРАВЛЕНИЕ РИСКАМИ были выбраны компанииэмитенты, объя вившие себя банкротами в данном году, из общего количества компанийэмитентов с таким же кредитным рейтингом; при этом объемные характеристики рынка облигаций не учитывались. В отличие от рейтинговых компаний, ис пользуя те же актуарные методы, Альтман учитывал возраст облигаций (облигации, выпущенные в текущем году), анализиро вал статистику только по «прямым» облига циям с высокой доходностью, использовал объемные характеристики рынка облига ций, то есть отношение объема высокодо ходных прямых облигаций, по которым произошел дефолт, к общему объему таких облигаций. Методология исследования состояла из расчета следующих показателей [16, 32, 15]: 1) предельная вероятность дефолта (marginal mortality rate — MMR) в течение tго года с момента выпуска облигаций в об ращение: MMRt = Стоимость облигаций, по которым объявлен дефолт в год t / / Суммарный объем облигаций на нача$ ло года t. Предельная вероятность дефолта отража ет статистическую оценку вероятности де фолта по облигациям с определенным кре дитным рейтингом в течение tго года с мо мента ее выпуска в обращение. Этот показатель рассчитывается как среднее по выборке за n лет. Так, агентства Moody’s и Standard & Poor’s публикуют данные за по следние 20 лет и более [16, c. 353]; 2) вероятность «выживаемости» (survival rate) в течение tго года: SRt = 1 – MMRt; 3) вероятность «выживаемости» на про тяжении T лет: T SRT = Õ SRt ; t =1 3/2006 (31) 4) вероятность дефолта в год t при условии «выживаемости» в предшествующие годы: MRt = VVRt ´ SRt–1; 5) кумулятивная вероятность дефолта (cumulative mortality rate — CMR) за период времени в T лет: T T t =1 t =1 CMRT = å MRt = 1 -Õ SRt . Кумулятивная вероятность дефолта — это вероятность того, что эмитент с данным кредитным рейтингом объявит дефолт в лю бой момент времени между датой выпуска облигаций в обращение (t = 0) и концом года с порядковым номером T [16, с. 353]; 6) средняя вероятность дефолта (average mortality rate — AMR): AMR = 1 - T 1 - CMRT . В результате проведенные исследования позволили определить, с какой вероятно стью обанкротится та или иная компания с определенным кредитным рейтингом. Рас четы Альтмана в силу обозначенных отли чий в методе обработки данных дают гораз до более низкие значения вероятностей де фолта, чем у агентств Moody’s и Standard & Poor’s, что особенно сильно проявляется для первых 4–5 лет обращения облигаций на рынке [16, с. 354]. Опыт применения методов актуарной ма тематики с успехом может использоваться в России как отдельными коммерческими бан ками, так и другими субъектами, подвержен ными действию кредитного риска, при усло вии наличия адекватной методологии при своения кредитного рейтинга и статистики ее применения. Применение рыночных методов оценки вероятности дефолта основывается на тезисе о теснейшей связи динамики цен долговых обязательств компании, ее кредитного рей тинга и финансового состояния. Доступная 101 УПРАВЛЕНИЕ РИСКАМИ информация о перспективах компании уже учтена участниками рынка и отражена в те кущей цене акции этой компании, поэтому рыночная цена долгового обязательства, в особенности его динамика, может служить надежным индикатором доверия рынка эми тенту. В случае если доверие рынка к кон кретной компании в силу действия какихли бо факторов падает, начинают обесценивать ся ее долговые обязательства. Использование рыночных методов оцен ки вероятности дефолта полностью объек тивно при условии существования развитого рынка ценных бумаг. Так, развитый рынок облигаций, где применение рыночных мето дов можно признать целесообразным, на данный момент существует только в США. Самыми известными в данной области явля ются модели Мертона и Блэка—Шоулса. С учетом развития фондового рынка в России применение рыночных методов пока представляется затруднительным. Однако, если потенциальный заемщик является ак ционерной компанией, чьи акции характери зуются относительной ликвидностью, дина мика их цен, безусловно, должна учитывать ся при оценке кредитного риска. В отечественной практике аналогом про цесса определения вероятности дефолта од ной сделки выступает процесс определения кредитоспособности заемщика, предусма тривающий анализ финансовой отчетности, залогового имущества, юридических доку ментов, бизнесплана. ТРЕБОВАНИЯ БАНКА РОССИИ К УПРАВЛЕНИЮ КРЕДИТНЫМ РИСКОМ Создавая нормативную базу по управлению кредитным риском, Банк России не принуж дает коммерческие банки к скрупулезному следованию своим методикам определения кредитоспособности заемщика, а наоборот, 102 поощряет развитие собственной норматив ной базы. Методические рекомендации ЦБ РФ служат ориентиром для развития методо логической базы коммерческих банков, представляя им широкий диапазон для дей ствия, тем самым стимулируя создание но вых технологий по управлению рисками. Ос новными документами, формирующими нор мативную базу ЦБ РФ по управлению кредитным рисками, являются: • Указание от 16.01.2004 №1379У «Об оценке финансовой устойчивости бан ка в целях признания ее достаточной для участия в системе страхования вкладов»; • Указание от 31.01.2000 № 766У «О кри териях определения финансового со стояния кредитных организаций»; • Положение от 09.07.2003 № 232П «О порядке формирования кредитными организациями резервов на возможные потери». Два первых нормативных документа от носятся к оценке финансового состояния банков, третий — содержит рекомендации относительно анализа финансового состоя ния заемщика — некредитной организации. Согласно Указанию № 766У банки разде ляются на две категории и четыре группы. Отнесение кредитных организаций к той или иной категории и классификационной груп пе производится территориальными учреж дениями Банка России на основании мотиви рованного суждения, базирующегося на кри териях и подходах, определенных данным Указанием, и основанного на данных [3]: — финансовой отчетности (формы 101, 134, 115, 634, 351, 304); — другой информации, характеризую щей текущее или перспективное финансо вое состояние кредитной организации либо уровень управления кредитной организаци ей, включая результаты инспекционных и аудиторских проверок. УПРАВЛЕНИЕ В КРЕДИТНОЙ ОРГАНИЗАЦИИ УПРАВЛЕНИЕ РИСКАМИ Несмотря на то что данная методика, бе зусловно, дает высокие результаты, восполь зоваться ею банки не могут в связи с тем, что данная информация не подлежит разглаше нию и применяется исключительно в целях банковского надзора. Принятие Федерального закона «О стра ховании вкладов физических лиц в банках Российской Федерации» [1] послужило при чиной создания системы обязательного страхования вкладов физических лиц в бан ках Российской Федерации. В соответствии со статьей 6 (п. 1) участие в системе страхо вания вкладов в соответствии с настоящим Федеральным законом обязательно для всех банков. Банк России в соответствии со статьей 44 данного Закона Указанием № 1379У установил состав показателей, ме тодики их расчета и определения обобщаю щего результата по ним в целях признания финансовой устойчивости банка достаточ ной для участия в системе страхования вкладов. Для оценки финансовой устойчивости банка применяются следующие группы по казателей [2]: • группа показателей оценки капитала; • группа показателей оценки активов; • группа показателей оценки качества управления банком, его операциями и рисками; • группа показателей оценки доходности; • группа показателей оценки ликвидности. Методика содержит 27 показателей, 24 из которых рассчитываются на основе финан совой отчетности, а три — на основании экс пертной оценки качества управления и уровня открытости банка. Первые 24 показа теля рассчитываются на основании формул, приведенных в Указании [2]. В зависимости от того, насколько полученные значения от 1 2 вечают оптимальным1, показателю присваи вается балл от одного до четырех, а затем умножается на соответствующий каждому показателю вес2. Далее рассчитывается об щий показатель для группы: n n i =1 i=1 P = åV ´B / åV , где Р — общий показатель группы; V — вес показателя, входящего в группу; В — балл показателя; n — количество показателей в группе. Согласно методике Банка России значе ния общих показателей четырех групп дол жны быть меньше или равны 2,3. Показатели качества управления рассчи тываются несколько иначе. По двум из них предлагается отдельная анкета, состоящая из десяти вопросов, оцен ка по которым производится экспертным пу тем посредством присвоения баллов (от од ного до четырех). Третий показатель (прозрачности струк туры собственности) состоит из трех показа телей, расчеты по которым производятся аналогично первым двум показателям. В ме тодике довольно четко прописывается, чему соответствует тот или иной балл и какой у каждого вопроса вес. Каждый из пяти пока зателей рассчитывается аналогично приве денной выше формуле. В результате мы получаем семь итоговых значений, каждое из которых не должно пре вышать значения 2,3. В противном случае финансовая устойчивость банка признается недостаточной для признания его соответ ствующим требованиям к участию в системе страхования вкладов. Не вызывает сомнений, что данная мето дика способна достаточно глубоко оценить состояние кредитной организации, однако для ее практического применения, по нашему Имеется в виду то оптимальное значение, которое указывается в приложениях данной методики. Веса показателей указываются там же. 3/2006 (31) 103 УПРАВЛЕНИЕ РИСКАМИ мнению, существуют определенные препят ствия: — методика создавалась с учетом нали чия такого объема информации о банков ской системе и каждом ее участнике, на ко торый может рассчитывать только ЦБ РФ; — Банк России может подвергнуть сом нению достоверность любой получаемой от банков информации; — в методике отсутствует единый пока затель, что делает ее громоздкой; — используется довольно большое коли чество показателей, некоторые из которых дублируют друг друга. К преимуществам данной методики мож но отнести введение для каждого показателя не статического нормативного значения, а определенных диапазонов значений, каждо му из которых соответствует определенный балл. У каждого показателя есть свой вес в группе, что позволяет проводить более глу бокий анализ банка. Говоря о методических рекомендациях оценки финансового состояния заемщиков некредитных организаций, приводимых в Положении Банка России «О порядке фор мирования кредитными организациями ре зервов на возможные потери», можно кон статировать отсутствие болееменее четкой методики. Согласно данному документу вы деляются пять групп риска. Каждой группе соответствует определенная ставка резерви рования, однако четкие инструкции, как от нести заемщика в ту или иную группу риска, отсутствуют. Вместе с тем Банк России подчеркивает первостепенную важность размера чистых активов контрагента, коэффициентов лик видности и коэффициентов оборачиваемо сти активов, обязательств. Рекомендуется учитывать информацию об объеме его де нежных потоков, в частности об оборотах по счетам контрагента в кредитной организа циикредиторе и в других кредитных орга 104 низациях; о достаточности этих сумм для по крытия расходов контрагента; о наличии у кредитной организации права на списание средств в безакцептном порядке в случае не исполнения контрагентом своих обяза тельств; о возможности обращения взыска ния на имущество контрагента в бесспорном порядке и т.д. Рекомендуется также проводить анализ таких факторов, влияющих на уровень кре дитного риска, как страновой риск, общее со стояние отрасли, к которой относится кон трагент, конкурентное положение контр агента в своей отрасли, деловая репутация контрагента и руководства организации контрагента, качество управления организа цией; краткосрочные и долгосрочные планы и перспективы развития контрагента; сте пень зависимости от аффилированных лиц и самостоятельность в принятии решений, су щественная зависимость от одного или не скольких поставщиков или заказчиков, кре дитная история, меры, предпринимаемые контрагентом для улучшения своего финан сового положения, вовлеченность контраген та в судебные разбирательства, подробная информация о деятельности контрагента. В отечественной практике при управле нии кредитным риском сделок с юридиче ским лицами и банкамиконтрагентами, на которые приходится львиная доля кредитно го портфеля, коммерческие банки, как прави ло, используют неформализованные методы определения кредитоспособности заемщика. Российские реалии (отсутствие надежной статистической информации, масштабное искажение финансовой отчетности, закры тость большинства компаний для СМИ, отсут ствие кредитной культуры) выдвигают свои требования к формированию методов опре деления кредитоспособности заемщика. По этому применение западных технологий в чистом виде в России пока представляется весьма проблематичным. УПРАВЛЕНИЕ В КРЕДИТНОЙ ОРГАНИЗАЦИИ УПРАВЛЕНИЕ РИСКАМИ Несмотря на это, требования сегодняшнего дня вынуждают российских аналитиков бан ковского дела и непосредственно банкиров совершенно определенно проявлять непод дельный интерес к отшлифованным западной банковской практикой моделям оценки кре дитного риска, методам его управления. Оте чественные аналитики и практики все более настойчиво пытаются «примерить» на россий ские банковские реалии успешно апробиро ванные на Западе системы результативного управления кредитным риском. АНАЛИЗ ЗАЕМЩИКА НА ОСНОВЕ ИНТЕГРАЛЬНОГО ПОКАЗАТЕЛЯ Одним из ярких проявлений такой адапта ции служит кредитный скоринг, получив ший широкое распространение в российских банках и применяемый в потребительском кредитовании. В отечественных банках определение кредитоспособности заемщика условно мож но разделить на несколько блоков: • анализ финансовой отчетности; • анализ основных параметров деятель ности компании; • анализ залогового имущества и юриди ческих документов. Как показывает практика, при определе нии кредитоспособности заемщика исполь зуются метод финансовых коэффициентов и информация о выполнении заемщиком ран нее принятых на себя обязательств перед банком, проводящим анализ. Варианты ко эффициентного анализа формируются на ба зе инструкций ЦБ РФ и рекомендаций веду щих отечественных ученых в области фи нансов [5, 8, 12]. Результат таких методик зависит от того, насколько финансовые показатели заемщика отвечают оптимальным, в зависимости от этого заемщику присваивается класс и опре 3/2006 (31) деляется сумма резервирования под возмож ные потери. Однако присвоенный класс, ка чественно характеризуя сделку с заемщи ком, не определяет вероятность возможного дефолта. Учитывая нежелание многих ком мерческих банков, в особенности средних и мелких, замораживать средства, создавая ре зервы под возможные потери по кредитным сделкам, ценность таких результатов пред ставляется весьма спорной. Такие параметры деятельности заемщика, как кредитная история, деловая репутация, положение на рынке, качество менеджмента, оцениваются специалистом, основываясь на логических суждениях, профессиональном опыте и интуиции. Несмотря на то что в большинстве банков такая оценка регламен тируется положением о кредитовании, от сутствие единого интегрального показателя, включающего в себя результаты всеобъе млющего анализа заемщика, остается ос трейшей проблемой управления кредитным риском в российских банках. В теории решения о выдачи кредита дол жны базироваться на присвоенном классе и экспертном анализе заемщика, однако на практике даже успешно внедренные методи ки нередко сталкиваются с противодействи ем руководства или акционеров банка в свя зи с тем, что инсайдерское кредитование бы ло и остается областью, неподвластной банковскому рискменеджменту. Зачастую кредитные организации закры вают глаза на такие вопиющие факты, как убыточная деятельность или плохая деловая репутация заемщика, руководствуясь при выдаче кредита исключительно характери стиками залогового имущества. Интуитивно понимая слабость собственных методик, банки завышают требования к залоговому имуществу, тем самым дискриминируя поря дочных заемщиков. Исходя из ранее сделанного утверждения о первостепенности системного подхода при 105 УПРАВЛЕНИЕ РИСКАМИ управлении кредитным риском, необходимо использовать его как методологическое средство исследования интегрированных объектов и интегральных зависимостей и взаимодействий. В системном подходе выделяют следую щие наиболее типичные феномены интегра ции [9, с. 36–37]: • целое и нецелое — интеграция высту пает как коренной качественный приз нак целостных систем, отличающих их от суммативных множеств, не являю щихся системами; • закон соединения частей в целое — об щий закон образования и структуры целого; • «целое больше суммы входящих в него частей» — всякое целое обнаруживает некий прирост качеств и закономерно стей по сравнению с исходными эле ментами и дает некий синергетический эффект; • совокупные системы качества — инте гральные качества системы, характери зующие ее в целом, и общесистемные свойства «элементов», отличные от их индивидуальных свойств; • общесистемные законы — интеграль ные законы системы, раскрывающие ее основания, главные принципы, общеси стемную специфику. Таким образом, разработка методики рас чета интегрального показателя, количе ственно отражающего риск кредитной сдел ки, охватывающего анализ определяющих деятельность заемщика факторов и исполь зующего адаптированный к российским условиям математический аппарат, остается важнейшей задачей становления кредитного рискменеджмента в России. В качестве такого показателя целесооб разно принять синтетический коэффициент. В практике финансового анализа, сложив шейся за последние 5–10 лет, под синтетиче 106 ским коэффициентом принято понимать ве роятность возврата кредитных средств банка заемщиком. Методик вычисления синтетического ко эффициента на данный момент существует достаточно много, начиная с подхода ООО НВП ИНЭК [40], методики КАЛИПСО и закан чивая собственными методиками коммерче ских банков. Общей чертой вышеперечисленных мето дик является то, что определенный в ходе анализа синтетический коэффициент учи тывает в основном анализ ликвидности и финансовой устойчивости заемщика, при этом используется стандартный набор фи нансовых коэффициентов, таких, как мгно венная и текущая ликвидность, коэффициен ты финансовой независимости и маневрен ности собственных средств. Также для методик вычисления синтети ческого коэффициента свойственен недо статочно глубокий анализ рентабельности и деловой активности заемщика, что, безу словно, может очень негативно влиять на кредитный портфель банка, особенно в дол госрочной перспективе. Кроме этого, прак тически полностью отсутствует аналитиче ская оценка нефинансовых аспектов хозяй ственной деятельности заемщика. Действительно, большинство банков, по ложительно оценив платежеспособность, ликвидность и финансовую устойчивость за емщика согласно собственным методикам, получат синтетический коэффициент, близ кий к единице, что, в свою очередь, приведет к неизменности базового лимита или его незначительной коррекции. Но при этом в современных рыночных условиях легко представить ситуацию, когда заемщик, явля ясь предприятием ликвидным и финансово устойчивым, может обладать невысокой де ловой репутацией или плохой кредитной ис торией, претерпевать кадровый кризис. В ре зультате складывается абсурдная ситуация, УПРАВЛЕНИЕ В КРЕДИТНОЙ ОРГАНИЗАЦИИ УПРАВЛЕНИЕ РИСКАМИ когда синтетический коэффициент, являясь вероятностной категорией, не выполняет своих функций, если заемщик является лик видным и финансово устойчивым предприя тием и в то же время с точки зрения анали тической оценки нефинансовых аспектов хозяйственной деятельности заемщика ха рактеризуется как предприятие, потен циально проблемное. Таким образом, при расчете синтетиче ского коэффициента необходимо учитывать аналитическую оценку нефинансовых ас пектов хозяйственной деятельности заем щика в равном или соизмеримом размере с качественным анализом, использующим весь комплекс финансовых коэффициентов, тра диционный для финансового анализа произ водственнохозяйственной деятельности за емщика. Рассмотрим один из методов нахождения синтетического коэффициента более де тально. Суть данного метода заключается в том, что синтетический коэффициент (С) на ходится как сумма финансовых коэффици ентов, умноженных на весовые коэффициен ты, которые определят уровень их значимо сти для синтетического коэффициента: где С — синтетический коэффициент; n C = å (K i ´ ai ), i =1 Кi — финансовые коэффициенты; ai — весовые коэффициенты. К сожалению, благодаря линейной связи между коэффициентами такая модель оста ется справедливой лишь для незначитель ных изменений финансовых коэффициентов относительно их характерных значений [18, с. 117]. Альтернативным можно назвать подход, когда весовые коэффициенты подбираются статистическими методами, например с по мощью линейного дискриминантного анали за [14]. Этот метод позволяет определить на бор коэффициентов, которые лучше всего 3/2006 (31) классифицируют заемщиков на две противо положные группы: потенциальные банкро ты и успешно работающие. Удачным приме ром такого подхода является рассмотренная выше Zмодель Альтмана. Однако примене ние этого метода возможно лишь при нали чии достаточно представительной базы эм пирических данных. По нашему мнению, синтетический коэф фициент должен отражать результаты ана литической оценки нефинансовых аспектов хозяйственной деятельности заемщика и ка чественного анализа финансовохозяй ственной деятельности заемщика. Поэтому данный показатель необходимо определять посредством объединения результатов ана литической оценки нефинансовых аспектов хозяйственной деятельности заемщика и ка чественного анализа финансовохозяй ственной деятельности заемщика. Учитывая отсутствие в действующей банковской прак тике сложившегося соотношения вышеука занных оценок, для поиска оного будут при меняться эвристические методы. Рассмотрим более детально основные мо менты аналитической оценки качественного анализа заемщика, используемые автором при определении синтетического коэффи циента. Аналитическая оценка нефинансовых ас пектов хозяйственной деятельности заем щика (далее — АОЗ) представляет собой ав тономную модель анализа кредитоспособно сти заемщика, ни в коей мере не являясь альтернативой качественному анализу. Необходимость АОЗ связана в значительной мере с тем, что в действующей банковской практике часто встречаются ситуации, кото рые не могут быть решены путем их форма лизации и точного количественного изме рения. Основной задачей АОЗ, по нашему мне нию, является анализ тех аспектов хозяй ственной деятельности заемщика, которые 107 УПРАВЛЕНИЕ РИСКАМИ количественными методами измерить трудно или невозможно. Зачастую прихо дится решать задачи, в которых объектом оценки является совокупность признаков, не поддающихся точному измерению. В этих случаях и используется АОЗ как неформа лизованный метод решения экономической задачи или, другими словами, как неформа лизованная оценка хозяйственной деятель ности заемщика. На наш взгляд, целесообразно исследо вать следующие аспекты хозяйственной дея тельности заемщика: 1. Общая информация о заемщике: 1.1. срок функционирования пред приятия; 1.2. денежные потоки клиента; 1.3. деловая репутация; 1.4. стабильность учредителей; 1.5. характеристика заемщика работ ником, рассматривающим (сопро вождающим) проект; 1.6. доля государства в акционерном капитале заемщика. 2. Оценка деятельности заемщика: 2.1. диверсификация деятельности; 2.2. уровень спроса на продукцию клиента; 2.3. позиция клиента на рынке; 2.4. взаимоотношения клиента с по ставщиками; 2.5. характер деятельности. 3. Кредитная история заемщика: 3.1. кредитная история в кредитующем банке; 3.2. кредитная история в других банках. АОЗ заключается в использовании инту итивнологических рассуждений банков ских специалистов. Основным методом АОЗ в данной методике, по нашему мнению, яв ляется метод экспертных оценок, то есть аналитик, основываясь на финансовой от четности, информации из внешних источни ков (СМИ и Интернет), а также на внутрен 108 них источниках (заключения службы безо пасности, управления маркетинга и клиент ской политики, юридического департамен та), делает определенные заключения о за емщике. Данная оценка основывается на субъективном рассмотрении действующих факторов и представляет собой предполо жения банковского специалиста (эксперта) о развитии объекта оценки — заемщика в будущем. Определение синтетического коэффици ента для заемщика — кредитной организа ции, хотя и подчиняется той же логике, име ет свою специфику. Как отмечает Г.С. Пано ва, «финансовое состояние банка — это комплексное понятие, которое характеризу ется системой показателей, отражающих на личие, размещение и использование финан совых ресурсов [10, с. 9]. Специфика опреде ления синтетического коэффициента для заемщика — кредитной организации опре деляется следующими факторами: • кредитование на рынке МБК, как пра вило, бланковое; • рынок МБК является моноотраслевым; • сильная подверженность рынка дей ствию внешних факторов; • высокая волатильность и динамика рынка. Пути решения данной проблемы отража ются в работах многих российских ученых и специалистов: И.Т. Балабановой, О.И. Лавру шина, О.В. Гончарук, Е.Г. Хольновой, Н.А. Са винской, В.И. Колесникова, Г.Н. Белоглазо вой, Г.С. Пановой и других авторов. Как по казал анализ публикаций, многие авторы изучают проблемы банковских кризисов 1995, 1998, 2004 годов, анализируют струк туру рынка МБК, разрабатывают подходы к подготовке методик определения кредитно го риска заемщика — кредитной организа ции [28, 29, 25, 24, 21, 20, 19, 27, 31, 26, 30]. Одной из известнейших и получивших широкое распространение в российских УПРАВЛЕНИЕ В КРЕДИТНОЙ ОРГАНИЗАЦИИ УПРАВЛЕНИЕ РИСКАМИ коммерческих банках методик оценки кре дитного риска является кредитный скоринг1. В конкурентной борьбе на рынке потре бительского кредитования банки ослабляют требования к обеспеченности кредитов, упрощают процедуру финансовой эксперти зы кредитоспособности соискателей креди та. Существенными, определяющими конку рентное преимущество на рынке факторами стали помимо снижения процентных ставок простота оформления, скорость предоста вления кредита и его массовость. Вместе с тем возникает проблема: чем меньше времени отводится на проверку кре дитной заявки, тем больше вероятность рос та проблемных кредитов. Возможным (и не избежным) потерям по неплатежам есть про тивовес, гарантированный законом больших чисел: массовый заемщик в целом кредитос пособен. КРЕДИТНЫЙ СКОРИНГ Адекватной мерой, снижающей кредитный риск банка и позволяющей оптимально ре шать задачу, служит кредитный скоринг, представляющий собой математическую или статистическую модель, с помощью которой банк определяет, насколько велика вероят ность, что данный потенциальный заемщик вернет кредит в установленный срок [17]. Техника кредитного скоринга была впер вые предложена американским экономистом Д. Дюраном в начале 40х годов ХХ века для решения проблемы отбора заемщиков по по требительскому кредиту [7, с. 180]. Механизм модели кредитного скоринга заключается в выделении главных факторов, обусловливающих кредитоспособность за емщика, определении удельных весов дан ных факторов, разработке шкалы оценки, 1 выведении формулы конечного интеграль ного показателя, конкретизации границ ди апазонов возможных значений интегрально го показателя, качественно характеризую щих заемщика. На первый взгляд все кажется элементар ным, однако проблема состоит в определе нии, какие характеристики следует вклю чать в модель и какие весовые коэффициен ты должны им соответствовать. Значимость (или «вес») финансовых, экономических и мотивационных характеристик, влияющих на возвратность кредитов, приобретает здесь особую важность. Каждая характери стика получает в баллах числовое значение, соответствующее уровню ее рискованности. По итогам такого ранжирования составляет ся балльная шкала в виде сгруппированной по характеристикам таблицы. Посредством сопоставления ее данных с характеристика ми заявителя на кредит производится анализ его кредитоспособности. При формировании скоринговой модели могут использоваться различные статисти ческие методы, основанные на дискрими нантном анализе (линейная регрессия, логи стическая регрессия), различные варианты линейного программирования, дерево клас сификации или рекурсионнопартиционный алгоритм (РПА), нейронные сети, генетиче ский алгоритм, метод ближайших соседей [17]. Эффективность скоринговой модели отражается в удельном весе проблемных кредитов в кредитном портфеле банка. Таким образом, скоринг оперирует таки ми характеристиками, которые наиболее точно соответствуют образу благополучного в финансовом отношении потенциального заемщика. Необходимо обеспечить пра вильный отбор таких характеристик и обоз начить соответствующие им весовые коэф фициенты. При этом, чем более однородна От англ. scoring — выставление очков. 3/2006 (31) 109 УПРАВЛЕНИЕ РИСКАМИ совокупность заявителей, по которой разра батывается модель, тем точнее прогнозиро вание хода возврата кредита [17]. Скоринг не может быть универсальным на все времена, он привязан к огромному ко личеству характеристик, причем эти харак теристики подвижны. Скоринг — многофак торный анализ. Из множества характери стик, влияющих на возвратность кредита, необходимо выбрать наиболее существен ные, привести их к количественному значе нию и затем наблюдать, как они меняются во времени в зависимости от изменения обще ственных и экономических условий. В силу того что потребительское креди тование в России становится сегодня массо вым явлением, в условиях роста межбанков ской конкуренции и с учетом значительной емкости неудовлетворенного спроса населе ния в кредитах созданы условия, подталки вающие банки к созданию собственных ско ринговых систем. Развитие данного метода является одним из важнейших факторов не только становления российской финансовой системы, но и снятия социального напряже ния, создания предпосылок для роста потре бления и, как следствие, уровня жизни. МОДЕЛИ ОЦЕНКИ КРЕДИТНОГО РИСКА БАНКОВСКОГО ПОРТФЕЛЯ Рассмотрим наиболее распространенные в практике западных финансовых институтов модели оценки кредитного риска банковско го портфеля. Наличие богатого статистического мате риала, доступность исторических данных, охватывающих большую часть участников экономических отношений, обусловливает широкое применение в западной практике моделей оценки риска в кредитном портфе ле, базирующихся на использовании серьез ного математического аппарата. 110 Модели оценки кредитного риска можно классифицировать по применяемому мате матическому аппарату [16]. Эконометрические модели, в основе ко торых лежит многомерный статистический анализ (регрессионный анализ, кластерный и дискриминантный анализы). Нейронные сети — компьютерные алго ритмы, имитирующие работу человеческого мозга посредством взаимодействия взаимо связанных «нейронов». В нейросетях ис пользуются те же входные данные, что и в эконометрических моделях. Но модели оценки кредитного риска строятся с помо щью определенных процедур обучения рас познаванию образов (классов, ситуаций, процессов и т.д.). Оптимизационные модели, основанные на методах математического прогнозирова ния, позволяющих минимизировать ошибки кредитора и максимизировать прибыль с уче том различных ограничений. С помощью ме тодов математического программирования, в частности, определяют оптимальные доли клиентов в портфеле ссуд и(или) оптималь ные параметры кредитных продуктов. Экспертные системы используются для имитации оценки риска опытным кредитным инспектором при принятии решения о пре доставлении кредитов. Составляющими экс пертной системы являются: набор логиче ских правил вывода, база знаний, содержа щая количественные и качественные данные об объекте принятия решений, а также мо дуль для ввода ответов пользователя на во просы системы. Гибридные системы используют стати стическое оценивание и имитационное мо делирование и могут быть основаны на причинноследственных соотношениях (мо дель EDF оценки вероятности дефолта заем щика, разработанная компанией KMV). Одним из самых распространенных в международной практике подходов к оценке УПРАВЛЕНИЕ В КРЕДИТНОЙ ОРГАНИЗАЦИИ УПРАВЛЕНИЕ РИСКАМИ рисков является методология определения показателя стоимости под риском (принятый международный термин VaR — valueatrisk). Внедрение VaR было инициировано Базель ским комитетом по банковскому надзору для оценки рисков потенциальных убытков в ре зультате неблагоприятных изменений конъ юнктуры финансовых рынков [4, с. 225]. Главная задача данной методологии на осно вании статистических методов (метод Монте Карло, метод исторического моделирова ния, корреляционноковариационный метод и т.д.) спрогнозировать наибольший ожида емый убыток, обусловленный волатильно стью финансовых рынков в заданном проме жутке времени с заданным доверительным интервалом. Михаил Рогов так определяет этот пока затель: «VaR — это выраженная в данных де нежных единицах (базовой валюте) оценка величины, которую не превысят ожидаемые в течение данного периода времени потери с заданной вероятностью» [16, с. 247]. Про ецируя данное определение из сферы ры ночных рисков в сферу кредитного риска и используя выработанную в данной работе терминологию, показатель VaR можно пред ставить как максимально возможное абсо лютное значение рискового события по кре дитному портфелю с заданной вероятностью (доверительный интервал) в заданном исто рическом интервале. Главными параметрами этого показателя являются исторический и доверительный интервалы, где первый определяется чаще всего сроком удержания рисковой позиции, а второй — отношением (толерантностью) банка к риску. С помощью данных параме тров значение показателя VaR можно интер претировать с помощью следующего утвер ждения: «Мы уверены на a% (доверитель ный интервал), что рисковое событие не превысит q рублей в течение следующих N дней», где значение q будет выступать в ка 3/2006 (31) честве показателя VaR. Математически это можно записать следующим образом: q = VaRa(X), где X — потери банка. В 1995 году Базельский комитет по надзо ру за банками предложил коммерческим банкам использовать величину VaR, рассчи танную по собственным (внутренним) моде лям, для расчета резервов капитала (капита ла под риском или экономического капита ла), при этом дав рекомендации по основным параметрам показателя. Так, доверительный интервал рекомендуется удерживать на уровне не менее 99%, хотя на практике бо лее популярен диапазон между 95 и 99%. Го воря о применении методологии VaR в упра влении кредитным риском, западными риск менеджерами этот показатель трактуется как вероятность дефолта заемщика. Разви тие данной методологии обусловило появле ние понятия СaR (capitalatrisk), капитала, резервируемого под ожидаемые потери (ex pected loss, EL) и неожидаемые потери (un expected loss, UL). СaR является важнейшей составляющей кредитного рейтинга любого западного финансового института (рис. 2). Данный показатель отражает рискованность политики руководства организации и опреде ляет так называемую премию за риск, тем са мым формируя ценообразование компании. На сегодняшний день для оценки и изме рения кредитного риска крупнейшими бан ками мира используется достаточное коли чество моделей, основанных в той или иной степени на методологии VaR: CreditMetrics, CreditRisk+, Portfolio Manager, CreditPortfolio View, JarrowTurnbull Model [16, 32, 7, 39, 38, 41, 34, 33], причем наступление кредитного риска в данных моделях трактуется как сни жение кредитного рейтинга или дефолт за емщика. Так, модель CreditMetrics основана на си муляции МонтеКарло случайных величин, 111 УПРАВЛЕНИЕ РИСКАМИ Рис. 2. Зависимость рейтинга банка от экономического капитала (CaR), необходимого для покрытия UL характеризующих активы компании и испы тывающих марковские взаимосвязанные пе реходы между кредитными рейтингами за емщиков, от которых зависит рыночная при веденная стоимость (PV, present value) кредитных продуктов. Кривая потерь стро ится по значениям возможных PV портфеля после значительного числа симуляций [37, 42]. Под наступлением кредитного рейтинга здесь понимаются понижение кредитного рейтинга заемщика и удешевление банков ских активов. Модель CreditMetrics была раз работана банком J.P. Morgan Chase в 1997 го ду, где впервые была применена VaRметодо логия. Проанализировав опыт ее применения, можно перечислить следующие недостатки данной модели: • игнорируется действие факторов ры ночного и валютного рисков [16, c. 395]; • необходимость наличия большого ко личества информации (152 националь ных и 19 мировых отраслевых индек сов, 20 страновых индексов и т.д.); • отсутствует анализ причин миграции рейтингов, только констатация, осно ванная на статистике прошлых лет. Другая известная методика, CreditRisk+, позволяет рассчитывать кривую потерь без 112 применения симуляций, а непосредственно строя распределение с помощью актуарно го численноаналитического подхода, по сле серии упрощающих предположений [44, 35]. Использование сравнительно не большого количества информации и анали тический метод расчета кредитного VaR формируют основные преимущества дан ной модели. В отечественной практике такие модели при управлении кредитным риском в силу понятных причин применяются в единич ных случаях. Все попытки использовать упо мянутые выше технологии предпринима лись, как правило, крупными системными банками совместно с ITкомпаниями (отече ственными или представителями западных крупных компаний). Так рискменеджмент АКБ «МДМ» совместно с компанией EGAR Technology в 2004 году [44] и сотрудники де партамента рискменеджмента АльфаБанка в 2005 году [45] провели успешную апроба цию методологии VaR. Однако адаптация та ких систем под российские условия сталки вается с принципиальным препятствием — главной предпосылкой успешного функцио нирования подобных моделей является на личие в стране развитой рыночной экономи ки. Кроме того, в силу большой значимости УПРАВЛЕНИЕ В КРЕДИТНОЙ ОРГАНИЗАЦИИ УПРАВЛЕНИЕ РИСКАМИ исторической составляющей не рекоменду ется использовать методологию VaR на кри зисных или неустойчивых рынках. Учитывая распространение данной мето дики, признание ее обоснованности и при менимости большинством финансовых ин ститутов развитых стран и международных регулирующих органов, можно констатиро вать становление показателя VaR в качестве промышленного стандарта для современно го рискменеджмента. Сопутствующей и дополняющей методоло гию VaR является методология Shortfall, кото рую можно выразить следующим образом: Shortfalla(Х) = E(X|X > q), где Shortfalla(X) — условное математическое ожидание X при условии, что X больше q [126]. Суть данной методологии заключается в более консервативном (осторожном) подхо де к анализу рисков, нежели при VaRоценке. Рассмотрим простой пример, иллюстрирую щий соотношение VaR и Shortfall. Предположим, что у нас есть облигация номиналом 100, которая завтра должна быть погашена. С вероятностью 0,99 она будет по гашена полностью, а с вероятностью 0,01 за емщик откажется от 100%ного исполнения своих обязательств, и мы получим только по ловину номинала. Тогда наши потери X со ставят 0 с вероятностью 0,99 и 50 с вероятно стью 0,01. Для a = 0,95: VaRa(X) = 0. То есть VaR советует нам не резервиро вать капитал вообще. Этот совет представля ется странным, поскольку и потери наши мо гут быть довольно значительны, и вероят ность понести эти потери не так уж мала — 0,01. В то же время: Shortfalla(Х) = E(X|X > 0)= 50. 3/2006 (31) Таким образом, Shortfall позволяет учиты вать большие потери, которые могут про изойти с небольшой (меньшей, чем 1 – a) ве роятностью. Он также более адекватно оце нивает риск в распространенном на практике случае, когда распределение по терь имеет тяжелый хвост [44]. В странах с развитой рыночной экономи кой непреходящую роль в процессе управле ния кредитным риском играет процесс мигра ции кредитных рейтингов, представляющий собой изменение кредитных рейтингов на определенном промежутке времени. На фи нансовом рынке кредитный рейтинг во мно гом определяет стоимость различных инстру ментов, особенно облигаций и акций, и даже незначительное его колебание может приве сти к серьезным последствиям, начиная от пе реоценки финансовых инструментов эмитен та в сторону удешевления вплоть до дефолта. Анализ этих изменений является неотъемле мой частью управления кредитным риском для западного банка. Главным инструментом такого анализа является так называемая ма трица переходов, где отражается, с какой ве роятностью к концу года субъект может сох ранить или поменять свой рейтинг. Вероятности переходов в большинстве случаев определяются на основе статистиче ских данных. Так, наиболее известными ис следованиями в данной области стали рабо ты Альтмана и Као (основанные на статисти ческих данных Standard & Poor’s за период с 1971 по 1989 г.) [16] и опубликованные от четы рейтинговых агентств Moody’s (по дан ным за 1920–1996 гг.) [16, 36] и Standard & Poor’s (по данным за 1981–1996 гг.). Характерные для страны с развивающей ся рыночной экономикой условия хозяй ствования обусловили тенденцию концен трации усилий отечественных банков по управлению кредитным риском портфеля на третьем и четвертом этапах процесса упра вления риском. 113 УПРАВЛЕНИЕ РИСКАМИ ЛИТЕРАТУРА 1. Федеральный закон РФ от 23.12.2003 № 177ФЗ «О страховании вкладов физиче ских лиц в банках Российской Федерации». 2. Указание Центрального банка Россий ской Федерации от 16.01.2004 № 1379У «Об оценке финансовой устойчивости банка в целях признания ее достаточной для уча стия в системе страхования вкладов». 3. Указание Центрального банка Россий ской Федерации от 31.01.2000 № 766У «О критериях определения финансового со стояния кредитных организаций». 4. Банковское дело: Справочное пособие /Под ред. Бабичевой Ю.А. — М.: Экономика, 1994. 5. Банковское дело. Учебник /Под ред. проф. Лаврушина О.И. — М.: Банковский и биржевой НКЦ, 1992. 6. Елиферов В.Г., Репин В.В. Бизнеспро цессы. Регламентация и управление: Учеб ник. — М.: ИНФРАМ, 2005. 7. Кабушкин С.Н. Управление банковским кредитным риском: Учебное пособие. — М.: Новое знание, 2004. 8. Ковалев В.В. Финансовый анализ: упра вление капиталом, выбор инвестиций, анализ отчетности. — М.: Финансы и статистика, 1996. 9. Гиляровская Л.Т., Паневина С.Н. Ком плексный анализ финансовоэкономических результатов деятельности банка и его фили алов. — СПб.: Питер, 2003. 10. Панова Г.С. Анализ финансового со стояния коммерческого банка. — М.: Финан сы и статистика, 1996. 11. Панова Г.С. Кредитная политика ком мерческого банка. — М.: — ДИС, 1997. 12. Селезнева Н.Н., Ионова А.Ф. Финансо вый анализ: Учебное пособие. — М.: ЮНИ ТИДАНА, 2002. 13. Семенова И.И. История менеджмента: Учебное пособие для вузов. — М.: ЮНИТИ ДАНА, 1999. 114 14. Синки Дж. Управление финансами в коммерческих банках. — М.: Catallaxy, 1994. 15. Управление риском. Практические методы минимизации случайного риска по тенциальных убытков. — СПб.: Русский Ллойд, 1993. 16. Энциклопедия финансового рискме неджмента /Под ред. Лобанова А.А., Чугуно ва А.В. — М.: Альпина Паблишер, 2003. 17. Андреева Г.В. Скоринг как метод оценки кредитного риска //Банковское дело, 2000, № 6. 18. Беляков А.В., Ломакина Е.В. Кредит ный риск: оценка, анализ, управление //Фи нансы и кредит, 2000, № 9(69). 19. Вербицкая П.В., Маллабаев Н.Т. Ана лиз финансового состояния банковконтр агентов //Банковское дело, 2000, № 7. 20. Зотов Ю.Ю. Проблема выбора базового значения лимита при оценке риска МБК //Оперативное управление и стратегиче ский менеджмент в коммерческом банке, 2002, № 5. 21. Иванов В.В. Новый подход к решению проблем, связанных с расчетом лимитов межбанковского кредитования //Бухгалте рия и банки, 2000, № 10. 22. Ковалев П.П. Концептуальные вопро сы управления кредитными рисками //Упра вление финансовыми рисками, 2005, № 4. 23. Ковалев П.П. Некоторые актуальные вопросы управления банковскими рисками //Деньги и кредит, 2006, № 1. 24. Крупнов Ю.С. О межбанковском кре дитном рынке //Финансы, 1997, № 2. 25. Марковская Е. Круговая порука //Экс перт, 1999, № 21. 26. Матвеев Д.В. Межбанковское креди тование и проблемы ликвидности //Расчеты и операционная работа в коммерческом бан ке, 2001, № 2. 27. Матовников М.Ю. Российские банки укрепляют связи с банками Европы //Бан ковское дело, 2001, № 6. УПРАВЛЕНИЕ В КРЕДИТНОЙ ОРГАНИЗАЦИИ УПРАВЛЕНИЕ РИСКАМИ 28. Смирнов А.В., Антохин А.В. Межбан ковский рынок: проблемы и перспективы //Банковское дело, 1999, № 8. 29. Терехов А.П., Поклонский А.А. Привле чение денежных ресурсов под вексель — альтернатива привлечению на рынке меж банковских кредитов //Банковское дело, 1996, № 5. 30. Фаррахов И.Т. Расчет лимитов меж банковского кредитования: новый подход //Оперативное управление и стратегиче ский менеджмент в коммерческом банке, 2001, № 4. 31. Чекмарев Е.Н. и др. Финансовый ры нок России: итоги и проблемы развития //Деньги и кредит, 2001, № 6. 32. Cauoette J.B., Altman E.I., Narayanan P. Managing credit risk: The next great finan cial challenge. — L.: John Wiley & Sons, Inc., 1998. 33. Jorion P. and Khoury S.J. Financial risk management: Domestic and international di mensions. — Basil Blackwell, Ltd., 1995. 34. Jorion P. How Informative are Valueat Risk Disclosures? /University of California at Irvine, 2002. 35. Mausser H., Rosen D. Beyond VaR: From measuring risk to managing risk // Algo Research Quarterly, 1998, vol.1, № 5 (December). 3/2006 (31) 36. Credit Suisse First Boston (CSFB) Credi tRisk+: A Credit Risk Management Framework. Technical document, 1997 (www.csfb.com). 37. Gupton G., Finger C. and Bhatia M. Cre ditMetrics — Technical Document, Morgan Guaranty Trust Co. — New York, 1997 (www.riskmetrics.com). 38. Волков С.Н. Оценивание кредитного риска: теоретиковероятностные подходы (www.hedging.ru). 39. Волков С.Н. Современный рискме неджмент с использованием методологии VaR (www.hedging.ru). 40. Официальный сайт группы ИНЭК (www.inec.ru). 41. Помазанов М. Количественный ана лиз кредитного риска портфеля российских заемщиков (www.egartech.ru). 42. Помазанов М.В., Гундарь В.В. Капитал под риском в совершенной модели банков ской системы (www.creditrisk.ru). 43. Служба тематических толковых сло варей (www.glossary.ru). 44. Центр статистических исследований (www.riskcontrol.ru). 45. Гальперин Ф., Бобышев А., Мищенко Я. Практика применения VaRметодологии для оценки и управления кредитным риском в АльфаБанке //Управление финансовыми рисками, 2005, № 2. 115
