Стресс-тестирование компаний реального сектора для России

Стресс-тестирование компаний реального сектора для
России: методологические аспекты и первые результаты1
Докладчики:
В.А. Сальников2,
А.Н. Могилат,
сотрудники
Института
народнохозяйственного прогнозирования (ИНП) РАН, Центра макроэкономического анализа
и краткосрочного прогнозирования (ЦМАКП), Москва
Модели и подходы к стресс-тестированию широко распространены в анализе
состояния кредитных организаций и финансового сектора в целом (обзор методик – Sorge,
2004; Quagliariello, 2009 и др.). В то же время работ, посвященных стресс-тестированию
объектов реального сектора, заметно меньше, хотя первые исследования по оценке
вероятности наступления «неблагоприятного события» для фирм (дефолт, установление
банкротства через суд или по соглашению с кредиторами), датируются началом 60-х годов.
Подробный обзор ранних работ представлен в (Ooghe, Claus, Sierens, Camerlynck, 1999).
В России, как и в мире, наиболее проработана проблематика стресс-тестированию
банков и финансового сектора в целом (например, (Пересецкий А.А. и др., 2004),
(Карминский А.М. и др., 2007), (Пересецкий А.А., 2007), (Мамонов М.Е., Солнцев О.Г.,
Пестова А.А., 2012) и т.д.), однако в настоящей работе внимание было сосредоточено именно
на исследованиях по оценке устойчивости компаний реального сектора.3
Российских исследований, посвященных проблемам как стресс-тестирования, так и
скоринга, и находящихся в открытом доступе, крайне мало. Оценке моделей вероятности
банкротства российского корпоративного сектора посвящены работы О.В. Колоколовой,
М.В. Помазанова (2004), а также Коссовой Т.В., Коссовой Е.В. (2011). Обширное
исследование факторов дефолта российских компаний проводилось в рамках
исследовательской группы Moody’s Analytics с применением модели Moody’s Analytics
RiscCalc4, протестированной на обширной базе данных о более чем 290 000 компаниях в
2002-2009 гг. К сожалению, результаты исследования для России отсутствуют в открытом
доступе.
Учитывая существующий опыт по стресс-тестированию компаний реального сектора,
нами была реализована методика, основные особенности которой состоят в следующем.
В качестве базового моделируемого «неблагоприятного события» выступало начало
процедуры банкротства компании (юрлица).
В качестве основной рассматривалась смешанная модель банкротства, использующая
как данные бухотчетности компаний, так и отраслевые показатели.
Оценка модели проведена как по пространственным выборкам для каждого года, так
и по панельным данным за период 2006-2011 гг.
Авторы выражают глубокую признательность своим коллегам Д.Галимову, М.Мамонову и А.Пестовой
за помощь и ценные замечания, полученные в ходе работы.
2
Контактная информация: Владимир Сальников, vs@forecast.ru
3
Модели для банков принципиально не отличаются от моделей для предприятий лишь по общему
подходу, в то же время, это виды бизнесов достаточно разные, чтобы воздержаться от прямого перенесения
опыта по оценке банковских моделей на реальный сектор.
4
В основе модели лежит статистический подход к определению расстояния до «точки дефолта»
компании и ожидаемой частоты банкротства на основе анализа исторических данных о дефолтах (Колоколова,
Помазанов, 2004).
1
1
С учетом опыта предшествующих исследований, в базовую спецификацию модели
вошли (и подтвердили свою значимость) показатели рентабельности, платежеспособности,
оборачиваемости активов, ликвидности (взятые с лагом в один период по отношению к году
банкротства).
Была предпринята попытка максимально возможного расширения состава
объясняющих переменных, включая ряд уникальных. В частности, в модели оценивалась
значимость показателей, характеризующих: а) устойчивость изменения доли юрлица на
отраслевом рынке, б) тип собственности; в) юридическую форму; г) долю юрлица на
локальном рынке; д) финансовое положение материнских компаний; е) уровень
концентрации структуры собственности; ж) возраст юрлица.
Для основных показателей рассматривались не только их абсолютные значения, но и
их изменение в период, предшествующий оцениваемому, а также отклонение показателя для
юрлица от среднеотраслевого показателя. Кроме того, была проведена проверка на
целесообразность использования для переменных пороговых уровней.
Для оценки качества моделей банкротства применялись показатели, используемые в
рамках сигнального подхода: шум-сигнал, доля верно предсказанных исходов и др. С точки
зрения ошибок первого и второго родов наши результаты находятся на уровне худшего
квартиля аналогичных скоринговых моделей для других стран.
Результаты скоринговой модели и, особенно, стресс-тестирования пока далеки от
совершенства. Основной проблемой является не слишком высокое (хотя в первом
приближении, вполне приемлемое) качество работы модельного фильтра, выделяющего
юрлица-банкроты. В зависимости от спецификации, уровень шума не удается опустить
существенно ниже 7-8%-ного порога при удовлетворительном предсказании факта
банкротства (условная вероятность не менее 2/3). Улучшение отношения шум/сигнал
возможно лишь за счет уменьшения условной вероятности.
Ниже представлены результаты сравнительной оценки доли юрлиц с повышенной
вероятностью банкротства для инерционного сценария, с одной стороны, и сценария
«Большого мирового кризиса» (далее в разделе – «кризисный сценарий»), с другой. Как
следует из расчетов, наибольший рост доли юрлиц «группы риска»5 ожидается в
обрабатывающей промышленности (см. табл.).
В случае реализации кризисного сценария, число юрлиц «группы риска» возрастает
на треть: с 2148 до 2868 единиц (по доле – с 13,9% до 18,6% всех компаний обрабатывающих
производств выборки). По другим показателям прирост оказывается заметнее, что связано с
попаданием в «группу риска» относительно более крупных компаний: так, активы юрлиц6
«группы риска» возрастают в 1,7 раза – с 12,0% до 20,0% всех активов компаний. Наиболее
же существенно7 увеличивается доля «группы риска» в задолженности по кредитам и
займам: на 8,6 проц. пункта, до 25,1%.
Следует напомнить, что согласно методике и полученной наилучшей спецификации модели «группа
риска» – это компании (юрлица) с плохими показателями финансовой отчетности, частота банкротства которых
приблизительно на порядок превышает среднюю по исходной выборке компаний.
6
Строка 1600 формы 1 по РСБУ.
7
Как по абсолютному приросту (в процентных пунктах от активов), так и по достигаемому уровню.
5
2
Таблица 1 – Результаты стресс-теста для обрабатывающей промышленности
Сценарий «Большой мировой
кризис»
Всего
в том числе "группа риска"
в абс. выраженнии
в % от всего
базовый стресс прирост базовый
стресс
прирост
Количество юрлиц
15 432 2 148
2 868
720
13.9% 18.6%
4.7%
Размер активов юрлиц,
млрд.руб.
17 622 2 117
3 527
1 410
12.0% 20.0%
8.0%
Объем выпуска, млрд.руб.
18 574 1 201
2 154
953
6.5%
11.6%
5.1%
Объем задолженности по
кредитам банков, млрд.руб.
5 703
946
1 434
488
16.6% 25.1%
8.6%
Численность работников,
тыс.чел.
3 999
565
808
243
14.1% 20.2%
6.1%
На уровне основных обрабатывающих видов деятельности, можно говорить о
следующих результатах стресс-тестирования. Наиболее «проблемный» вид деятельности –
производство транспортных средств и оборудования, где в случае реализации кризисного
сценария следует ожидать наиболее сильного роста доли активов юрлиц группы риска: с
29% до 49%. Еще более высокий уровень рисковых активов (59%) в деревообработке, однако
данный вид деятельности проблемный «традиционно»: даже в случае базового сценария
проблемные активы составляют здесь около половины). С точки зрения масштабов прироста
проблемных активов выделяется еще три вида деятельности: металлургия (рост с 5% до
20%), производство прочих неметаллических минеральных продуктов (15% и 26%
соответственно), а также резиновых и пластмассовых изделий (4% и 14%). С точки зрения
сохранения высокого уровня рисков следует выделить также производство машин и
оборудования (26% и 27%), а также одежды и обуви (20-23% и 24%). В других видах
деятельности прирост проблемных активов не превышает 6 проц. пунктов, а уровень в
кризисном сценарии – 20%. Особенно же низкий уровень рисков в нефтепереработке и
химическом производстве (менее 5% активов).
Из проанализированных видов деятельности, не относящихся к обрабатывающим
производствам, заслуживает комментария ситуация в производстве и распределение
электроэнергии, газа и воды, а также сельском хозяйстве – здесь вне зависимости от
сценария наблюдается стабильно высокая доля рисковых активов (48-54% и 36-39%
соответственно).
Следует также отметить распределение рисковых активов по формам собственности
(согласно классификатору ОКФС), правовым формам (ОКОПФ), а также принадлежности
органам государственной власти и управления (ОКОГУ).
Наиболее низкий уровень риска, причем практически не возрастающий при
реализации кризисного сценария – у юрлиц, находящихся в иностранной собственности (7%
3
активов в базовом сценарии, 8-9% – в кризисных сценариях), а также частной собственности
(6% и 7-9% соответственно). Также, достаточно низкие риски у юрлиц в совместной частной
и иностранной собственности (7% и 8-11%), а также совместной собственности субъектов
Российской Федерации и иностранной собственности (4% – в базовом, 4-11% – в кризисных
сценариях).
На другом полюсе, с высокими рисками – прежде всего, юрлица в федеральной
собственности (91% вне зависимости от сценария), а также совместной федеральной и
иностранной собственности (45% и 92% соответственно), и, особенно, в смешанной
российской собственности с долями федеральной собственности и собственности субъектов
Российской Федерации (97-98% вне зависимости от сценария). Также, весьма высокие риски
у юрлиц в муниципальной собственности (39% и 50-61%), а также в собственности
субъектов Российской Федерации (31% и 64% соответственно).
В разбивке по правовым формам наиболее высокие риски – у унитарных предприятий
(на праве оперативного управления – 87% в любом сценарии, на праве хозяйственного ведения
– 38% и 60-65%). Наиболее низкий уровень рисков – у ООО (6% и 7-9%), и, особенно,
производственных кооперативов (2% и 3%).
В разбивке по ОКОГУ, среди крупных групп следует отметить высокий уровень
рисков у муниципальных организаций; обществ, образованных из государственных
предприятий; юрлиц, принадлежащих Федеральному космическому агентству, а также ОАО
РЖД. Пониженный – у организаций, учрежденных гражданами, фермерских хозяйств, а
также АО, товариществ, сельхозкооперативов, образованных при реорганизации колхозов и
совхозов и приватизации отдельных сельхозпредприятий.
Мы собираемся продолжить работу по улучшению модели стресс-тестирования по
двум основным направлениям. Во-первых, будут протестированы на целесообразность
включения в модель новые показатели8. Во-вторых, мы постараемся расширить состав
одновременно или в какой-либо комбинации моделируемых негативных событий (дефолт,
ликвидация юрлица, резкое сокращение рыночной доли и т.п.). Ко времени выступления на
конференции, по-видимому, будут готовы новые результаты.
Например, показатели технической эффективности (на основе Stochastic Frontier Approach), отраслевой
доли обязательств в валюте и проч.
8
4