Оценка финансовых рисков банка на базе системы Интерфакс-ЭФИР кредитных рисков эмитентов
advertisement
Оценка финансовых рисков банка на базе системы Интерфакс-ЭФИР Построения скоринговой модели для оценки кредитных рисков эмитентов долговых ценных бумаг Алексей Владимирович Буздалин Заместитель генерального директора «Интерфакс – Центр Экономического Анализа», к.э.н. Москва, 30.7.2015г. 2 План семинара • лучший мировой опыт построения кредитных скорингов; • отбор финансовых показателей для построение кредитных скорингов; • преобразования финансовых показателей для кредитных скорингов; • учет отраслевой специфики эмитентов; • учет влияния фаз экономических циклов; • верификация скоринговых моделей; • имплементация скоринга в рамках Инструкции 254-П. Определения Кредитный риск - это возможность изменения кредитоспособности контрагента, которая ведет к неожиданному изменению в рыночной стоимости кредитной экспозиции (credit exposure) Определение кредитного риска основывается на трех деталях: 1) Риск дефолта и риск изменения рейтинга Не только дефолт, но и изменение кредитного рейтинга приводит к изменению стоимости кредита (рост ставки дисконтирования) 2) Неожиданность события 3) Кредитная экспозиция (не только кредиты, но и гарантии, деривативы, операции с ценными бумагами и т.д.) 3 Ожидаемые и неожидаемые потери • дефолтапотери Expected loss (EL)Вероятность – ожидаемые loss given default EAD – exposure at default • Unexpected loss (UL) – неожидаемые потери, описываются вариацией портфеля o Ожидаемые потери покрываются резервами o Неожидаемые потери покрываются капиталом o Ожидаемые потери не снижаются за диверсификации, а ожидаемые снижаются счет эффекта 4 Типы кредитного риска • • • • • • Риск дефолта – невозврат кредита Риск миграции – изменение кредитного рейтинга Риск спрэда – при снижении кредитного рейтинга эмитента растер спрэд между доходностями облигаций и безрисковой процентной ставкой Риск возмещение (recovery risk) – в случае дефолта кредитор получает меньшую долю активов, чем изначально ожидал Риск замещения – относится к внебиржевым деривативам, когда до наступления исполнения дериватива контрагент объявляет о дефолте и банк вынужден заключить новый дериватив на новых условиях (менее выгодных) Страновой риск 5 Введение • • • • 1. 2. 3. 4. Используются статистические методы Финансовые показатели компании учитываются с различными весами для прогноза дефолта Вычисляется индекс кредитоспособности, связанный с вероятностью дефолта Скоринговые модели: Линейный дискриминантный анализ Регрессионные модели (линейные, логит и пробит) Нейронные сети Классификация деревьями 6 Линейный дискриминантный анализ • • • • Модель предложена Фишером в 1936 году Основана на анализе некоторого набора финансовых показателей компании Модель призвана отделить хорошие компании от плохих Под плохими обычно понимают дефолтные компании (реже компании, чьи долги оцениваются как долги сомнительного качества) 7 Дискриминантная функция Хорошие компании Компании банкроты • • • Банкротство может прогнозироваться на рагных временных горизонтах Показатели не обязательно должны быть независимы Задача сводится к построениюфункции z, которая наилучшим образом разделяет две 8 группы компаний Показатели Весовые коэффициенты Дискриминантная функция Интегральный показатель надежности • • Центроидный метод оценки коэффициентов основан на максимизации расстояния между средними значениями zA и zB Недостатком подхода является то, то дискриминантная функция может принимать близкие значения для хороших и плохих компаний Матрица ковариаций Разность между средними значениями показателей для двух групп 9 Wilks’ Lambda • • • Индекс призван оценить дискриминирующую способность метода Индекс лежит в пределах от 0 до 1 Чем меньше значение индекса тем качественнее модель 10 Модель Альтмана • • • • • • • x1 = working capital/total assets x2 = retained profits/total assets x3 = earnings before interest and tax/total assets x4 = market value of equity/book value of total liabilities x5 = turnover/total assets Модель предложена Edward Altman в 1968 для американских компаний Точка отсечения достаточно надежных компаний от чересчур опасных 1.81 11 Оценка вероятности дефолта См. слайд 12 Априорная вероятность дефолта Условная вероятность Условие «отсечения» неблагополучных компаний Надбавка за качество портфеля • • • • • Формула верна в предположении нормальности распределения переменных Априорная вероятность оценивается по текущему портфелю кредитов Снижение априорной вероятности ведет к снижению вероятности дефолта компании Оценка вероятности дефолта учитывает не только фин показатели компании, но и ситуацию на 12 рынке При ухудшении качества портфеля увеличивается порог «отсечения» плохих компаний Линейная регрессия • • • Формируем обучающую выборку компаний. Делим ее на две части (хорошие и плохие). Определяется бинарная переменная y=0 для хороших компаний и y=1 для плохих компаний Выбираются m объясняющих переменных: xi1, xi2, . . . xij,. . . xim Оцениваются коэффициенты регрессии • Оценка вероятности дефолта Проблемы: • Оценка вероятности дефолта может оказаться отрицательной или больше 100% • Обычно дисперсия остатков модели непостоянна для различных групп компаний, что приводит к ошибкам в оценке коэффициентов линейной регрессии 13 Логит и пробит модели Логит модель • • Если в качестве f (wi ) взять функцию нормального распределения, то получим пробит модель Логит модель обычно имеет более толстые хвосты 14 Классификационная модель CART (Classification and Regression Trees) Достоинства: - непараметрическая модель - возможность широкого использования - легкость для понимания - легкость вычисления - повышенная точность по сравнению с линейными моделями Поток наличности/общая задолженность <=0,1309 >0,1309 Нераспределенная прибыль/ общая задолженность/ Совокупные активы совокупные активы <=0,1453 >0,1453 <=0,6975 >0,6975 Банкрот наличность/ NB1 банкрот сумма продаж <=0,025 >0,025 Банкрот NB2 Точность 90%. 15 Модель CART для классификации ссуд 1. Обычный кредит. Погашается строго по графику, уровень риска минимален. 2. Кредит, заслуживающий особого внимания. Небольшие проблемы (например, неполная документация), но не столь существенные, чтобы оценивать кредит как неблагополучный. 3. Кредит невысокого качества. Существуют определенные опасения. Вероятность дефолта примерно 20%. Однако ситуация может быть исправлена. 4. Сомнительный кредит. Вероятность дефолта примерно 50%. 5. Убыточный кредит. Кредит обречен на непогашение. 16 Нейронные сети • • • Индуктивные модели являются «черными ящиками» Полезны если не удается придумать «дедуктивные» алгоритмы оценки вероятности дефота Дедуктивные (структурные) модели быстро устаревают во времени, а 17 индуктивные могут перенастраиваться 18 Зачем нужны нейронные сети плохие хорошие 19 Верификация (Receiver Operating Characteristic curve или ROC curve) Выбор показателей – ключевая проблема в построении скоринга Компонент Описание Активность Показывают операционную эффективность фирмы. Обычно рассчитываются на основе таких статей оборотного капитала, как запасы, дебиторская задолженность или кредиторская задолженность. Высокий коэффициент запасы/продажи может свидетельствовать об операционных трудностях и высокой вероятности дефолта; между прочими коэффициентами активности и вероятностью дефолта может существовать иная зависимость. Покрытие задолженности Коэффициент денежный поток/процентные платежи или какой-либо иной показатель обязательств. Высокое покрытие задолженности уменьшает вероятность дефолта Обычно к ним относится рост продаж. Эти переменные показывают стабильность работы фирмы. Вероятность дефолта фирмы увеличивается и в случае быстрого роста, и в случае быстрого падения (отрицательного роста). Включают в себя коэффициент пассивы/активы или коэффициент задолженность/активы. Высокий леверидж увеличивает вероятность дефолта Включают в себя коэффициент деньги и ликвидные ценные бумаги/активы или коэффициент деньги и ликвидные ценные бумаги/пассивы, коэффициент текущей ликвидности, а также коэффициент срочной ликвидности. Они показывают, сопоставимы ли ликвидные активы фирмы с ее активами или обязательствами. Высокая ликвидность уменьшает вероятность дефолта К ним относится коэффициенты, имеющие в числителе чистую прибыль, чистую прибыль за вычетом чрезвычайных статей, прибыль до налогообложения, или операционную прибыль, а в знаменателе — общую стоимость активов, материальные активы, основные средства или продажи. Высокая рентабельность снижает риск дефолта фирмы Рост Левиридж Ликвидность Рентабельность 20 21 Показатели № Группа Показатель Экономический смысл Формула расчета 1 Активность 2 Активность Оборачиваемость запасов Оборачиваемость кредиторской задолженности по выручке Отражает оборачиваемость запасов (по себестоимости) Отражает оборачиваемость кредиторской задолженности (по выручке) Себестоимость / (Средние за период Запасы) Выручка / (Средняя за период кредиторская задолженность) 3 Покрытие задолженности Выручка/ Краткосрочные обязательства Показывает насколько компания способно выплачивать долг по краткосрочным обязательствам за счет собственной выручки Выручка/ Краткосрочные обязательства 4 Рост Изменение объема продаж Изменение объема продаж 5 Леверидж Коэффициент соотношения заемных и собственных средств Показывает сколько заемных средств привлечено на 1 единицу собственного капитала по балансовой стоимости Изменение в процентном выражении позакателя за 12 предыущих месяца Заемные средства / Собственные средства 6 Ликвидность Денежные средства и эквиваленты / Итога активов Показывает какую долю денежные средства и эквиваленты занимают в активах Компании Денежные средства и эквиваленты / Итога активов 7 Рентабельность Рентабельность затрат Отражает долю от суммы себестоимости, управленческих и коммерческих расходов, которая осталась на предприятии в качестве прибыли от продаж Чистая прибыль / (Себестоимость + Коммерческие расходы + Управлеческие расходы) 22 Зависимость PD от финансового показателя может быть нелинейной и немонотонной 𝑌𝑖 = 𝑇𝑖 𝑋𝑖 . При этом преобразование 𝑇𝑖 подбирается таким образом, чтобы величина 𝑌𝑖 являлась условной (маргинальной) вероятностью дефолта Компании на временном горизонте 1 год при условии значения коэффициента 𝑋𝑖 23 Нейросеть (трехслойный персептрон) Y1 . . . . . S1 S2 S3 Y7 Z 24 Рейтинговая шкала Оценка значения показателя Aaa Aa1 Aa2 Aa3 A1 A2 A3 Baa1 Baa2 Baa3 Ba1 Ba2 Ba3 B1 B2 B3 Caa1 Caa2 Caa3 D1 D2 D3 Нижняя граница 0,00000% 0,00106% 0,00176% 0,00294% 0,00490% 0,00816% 0,01360% 0,02266% 0,03776% 0,06293% 0,10492% 0,17500% 0,29208% 0,48807% 1,00000% 1,37297% 2,32035% 3,96289% 6,90281% 21,00000% 51,00000% 99,00000% Верхняя граница 0,00106% 0,00176% 0,00294% 0,00490% 0,00816% 0,01360% 0,02266% 0,03776% 0,06293% 0,10492% 0,17500% 0,29208% 0,48807% 1,00000% 1,37297% 2,32035% 3,96289% 6,90281% 21,00000% 51,00000% 99,00000% 100,00000% 25 Оценка финансового положения Компании 𝑍квартал = 𝑍 4 Хорошее Среднее Плохое Нижняя граница 0% 1% 20% Верхняя граница 1% 20% 100% 26 Оценка качества долга № 1 2 3 4 5 6 7 8 Число дней просроченных платежей Категории качества обслуживания долга =0 =1 =2 > 2 и <= 5 > 5 и <= 15 > 15 и <= 30 > 30 и <= 60 > 60 Хорошее (= 0) Хорошее (= 1) Хорошее (= 2) Хорошее (> 2 и <= 5) Среднее (> 5 и <= 15) Среднее (> 15 и <= 30) Неудовлетворительное (> 30 и <= 60) Неудовлетворительное (> 60) Коэффициент риска 𝑫 0.00% 0.01% 0.05% 0.50% 1.00% 15.00% 20.00% 50.00% 27 Оценка качества ссуды Финансовое положение Категория качества ссуды Обслуживание долга Хорошее Среднее Неудовлетворительное Хорошее Стандартные (I категория качества) Нестандартные (II категория качества) Сомнительные (III категория качества) Среднее Нестандартные (II категория качества) Сомнительные (III категория качества) Проблемные (IV категория качества) Плохое Сомнительные (III категория качества) Проблемные (IV категория качества) Безнадежные (V категория качества) 28 Расчетный резерв Оценка величины расчетного резерва 𝑅 основывается на использовании инструментария пробит-регрессии скорректированная 𝑃 = Φ 𝛼 𝑙𝑛 𝑍.квартал + 𝑙𝑛 𝐷 + 𝛽 , Где 𝛼 = 0.280940069645962, 𝛽 =1.74593243199309, Φ − функция стандартного нормального распределения: 𝑢 1 2 Φ 𝑢 = 𝑒 −𝑡 /2 𝑑𝑡 . 2𝜋 0 Величина 𝑅 определяется по величине 𝑃 следующим образом: 𝑅 = 𝑚𝑖𝑛 𝑚𝑎𝑥 𝑃; 𝑅𝑚𝑖𝑛 ; 𝑅𝑚𝑎𝑥 , 29 Оценка резерва с учетом качества обеспечения Итоговая величина резерва с учетом качества обеспечения ссудной задолженности рассчитывается по формуле 1 𝑅итог = 𝑅 1 − 𝐾1 − 2 𝐾2 , где 𝐾1 − коэффициент покрытия ссуды обеспечением I категории качества, 𝐾2 − коэффициент покрытия ссуды обеспечением II категории качества. 30 Дополнительные факторы • Отрасль • Фаза экономического цикла 31 Алексей БУЗДАЛИН Заместитель генерального директора | Интерфакс ЦЭА| Россия, 127006, Москва, 1-я Тверская-Ямская, д. 2 | Тел.: (+7 495) 647 88 50, (+7 499) 250 38 69, 250 92 81 (доб. 4064) Моб.: (+7 985) 991 22 38 Факс: (+7 499) 256 25 20 E-mail: Buzdalin@interfax.ru
