WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы исследования Для коммерческих банков и международной финансовой системы все более актуальной становится задача построения системы оценки портфельного кредитного риска. Актуальность этой проблемы связана с увеличением объема кредитных портфелей банков, снижением рентабельности банковских операций и известными случаями потерь по ссудам. Большое значение имеет задача моделирования кредитного риска по портфелю корпоративных заемщиков, во-первых, из-за больших размеров кредитов, и, во-вторых, в связи с намного более трудоемкой и комплексной процедурой оценки кредитного риска по данному классу заемщиков. Для проведения эффективной кредитной политики коммерческому банку недостаточно простой процедуры скоринга. Необходимо использовать целостную систему управления кредитным риском портфеля, так как только она позволяет принимать решения по кредитам, учитывая возможности оперативного изменения параметров портфеля, использования синдицированного кредитования и кредитных деривативов, возрастающую ликвидность вторичного кредитного рынка.

Задача построения экономико-математической модели оценки кредитного риска портфеля наиболее остро поставлена внедренным в европейских банках в 2007 году Соглашением “Международная конвергенция измерения капитала и стандартов капитала: уточненные рамочные подходы” Базельского комитета по банковскому надзору (BCBS), в котором наиболее надежным банкам предлагается в рамках подхода, основанного на внутренних рейтингах заемщиков, строить собственные модели оценки кредитных рисков, обращая внимание на достаточность капитала банка и необходимые общие резервы на покрытие убытков по кредитным портфелям. По существу, соглашение представляет собой общие принципы управления рисками (в том числе, кредитными рисками) банка по различным видам инструментов, при использовании которых, даже в случае наступления дефолта банк не обанкротится, так как сможет покрыть потери. Определенные тенденции по приведению российского банковского законодательства к международным стандартам также подтверждают актуальность темы исследования.

Цель и задачи исследования Целью диссертационной работы является постановка экономикоматематической модели оценки кредитного риска банка по портфелю его корпоратив ных заемщиков. Для достижения этой цели в рамках данной работы были поставлены и решены следующие задачи:

1) разработка модели оценки кредитного риска портфеля заемщиков юридических лиц в соответствии с принципами соглашения Базель 2 и российского банковского законодательства, 2) решение проблем учета коррелированности данных заемщиков и изменения кумулятивной вероятности дефолта со временем, 3) сравнительный анализ модели оценки кредитного риска портфеля, построенной в соответствии с соглашением Базель 2, и требованиями ЦБ РФ, 4) обоснование модели вероятности дефолта, учитывающей не только количественные, но и качественные факторы, 5) обоснование системы рейтингования корпоративных заемщиков, основывающейся на модели вероятности дефолта, 6) сопоставление объема капитала банка, необходимого в соответствии с российским законодательством и требованиям Базельского соглашения, 7) разработка предложений по обоснованию условий кредитов.

Объектом исследования являются корпоративные кредиты коммерческого банка.

Предметом исследования является постановка и анализ экономико-математических моделей, методов и алгоритмов оценки кредитного риска.

Информационную базу исследования составили законодательные и нормативные акты РФ и Европы по вопросам, связанным с оценкой и кредитным риском, материалы официальной статистики, результаты исследований российских и зарубежных ученых, Интернет-ресурсы и сведения по проблематике диссертации, опубликованные в СМИ.

Теоретическую и методологическую основу исследования составляют методологические принципы, изложенные в трудах российских и зарубежных ученых, а также отраженные в законодательстве РФ. В работе автор опирался на труды российских ученых А.П. Альгина, И.Т. Балабанова, И.А. Бланка, А.В. Воронцовского, В.А. Гамза, А.А. Емельянова, О.И. Лаврушина, А.А. Лобанова, А.М. Карминского, В.С. Кромонова, В.И. Малыхина, А.А. Пересецкого, М.В.Помазанова, М.А. Рогова, В.Т. Севрука, Л.Н. Тэпмана, Н.В. Хохлова, Е.Ю. Хрусталева, А.В. Чугунова, А.С. Шапкина, А.Н. Ширяева и многих других. Из зарубежных авторов использованы труды таких исследователей, как Г. Александер, Э. Альтман, Ф. Блэк, Дж. Бэйли, Д. Галаи, Д. Даффи, Дж. Кейнс, М. Кроуи, Г. Марковиц, Р. Мертон, М. Миллер, Ф. Модильяни, Ф. Найт, П. Нараянан, Д. Рикардо, К. Рэдхэд, К. Синглтон, Дж. Синки, Д. Тобин, С. Хьюис, У. Шарп, М. Шоулз, Й. Шумпетер, К. Эрроу.

Научная новизна диссертационного исследования и его наиболее существенные результаты заключаются в следующем.

• Обоснованы основные этапы процесса управления кредитным риском коммерческого банка.

• Проанализированы достоинства и недостатки наиболее известных моделей оценки кредитного риска (Z-Score, Basel 2, Credit Metrics, Moody’s KMV Portfolio Manager, CreditRisk+, CreditPortfolioView) и сформулированы требования для использования в российской практике.

• Построена система рейтингования заемщиков, основанная на качественных и количественных факторах.

• Разработан алгоритм моделирования на основе метода Монте-Карло эмпирической функции распределения убытков портфеля с учетом коррелированности вероятности дефолтов заемщиков.

• Разработана экономико-математическая модель определения кумулятивной вероятности дефолта на основе моделей авторегрессии с добавлением дополнительных объясняющих переменных.

Теоретическая значимость работы Теоретическое значение заключается в обосновании фундаментальных основ определения кредитного риска коммерческих банков по портфелю корпоративных кредитов.

Практическая значимость и реализация результатов работы Практическая значимость данной работы обусловлена возможностью использования предлагаемой модели в практике работы коммерческого банка. Результаты диссертационного исследования могут быть использованы в качестве методической основы при разработке системы управления кредитными рисками и кредитной политики коммерческого банка. Рекомендована методика расчета минимальной допустимой процентной ставки по кредиту с учетом риска заемщика.

Апробация работы Основные результаты диссертационной работы докладывались автором на научной конференции «Конкуренция как фактор экономического роста» (Санкт-Петербург, апрель 2011), «Экономическая безопасность: современные проблемы» (Санкт-Петербург, апрель 2010), научных конференциях «Предпринимательство и реформы в России» (Санкт-Петербург, апрель и ноябрь 2009, ноябрь 2008, ноябрь 2007).

Полученные результаты могут также применяться в учебном процессе в рамках курса «Банковское дело» и «Математические методы в экономике».

Публикации Результаты диссертационной работы опубликованы в 9 печатных работах общим объемом 1,95 п.л., в том числе в статьях и материалах научных конференций. 2 статьи опубликованы в журналах, входящих в список печатных изданий, рекомендованных ВАК Российской Федерации.

Структура и объем диссертационной работы Диссертация состоит из введения, трех глав, основных выводов и рекомендаций, списка литературы и семи приложений. Общий объем работы составляет 195 страниц, из них 122 страниц основного текста, 40 рисунков и 32 таблицы и 7 приложений -73 страницы.

Список литературы содержит 103 наименования.

ОСНОВНОЕ СОДЕРЖАНИЕ ДИССЕРТАЦИИ Во введении обоснована актуальность темы диссертации, указаны цель и задачи исследования, обсуждены научная новизна и практическая значимость работы.

В первой главе приведено определение кредитного риска.

Под кредитным риском обычно понимают риск неисполнения заемщиком первоначальных условий кредитного договора, т. е. невозврат (полностью или частично) основной суммы долга и процентов по нему в установленные договором сроки.

Система управления кредитным риском включает:

1) определение метода оценки кредитного риска;

2) анализ сложившейся структуры кредитного портфеля банка, исходя из принятых банком методов его оценки;

3) использование различных методов регулирования кредитного риска.

Основными методами управления рисками, связанными с кредитованием, являются следующие: диверсификация портфеля кредитов; предварительный анализ платежеспособности заемщика; создание резервов на покрытие кредитного риска; анализ и поддержание оптимальной (для банка) структуры кредитного портфеля; требование обеспеченности ссуд и их целевого использования.

В работе показано, что для построения статистической модели оценки кредитного риска портфеля, удовлетворяющей требованиям ЦБ России, необходимо производить сравнение с методологией Базель II. При построении модели вероятности дефолта в настоящее время в соответствии с Положением ЦБ РФ необходимо учесть показатели, характеризующие: 1) финансовое положение заемщика, 2) обслуживание долга заемщиком.

В работе показано, что при построении модели оценки кредитного риска требуется ввести ряд поправок, например, для учета концентрации риска, взаимосвязи заемщиков и т.п.

В модели оценки кредитного риска портфеля будет использоваться базовый подход к оценке потерь в случае дефолта, пока банки не наберут достаточно статистики для проведения внутренней оценки этого показателя.

В диссертации показано, что проверка надежности и точности такой модели представляет проблему, вследствие отсутствия критериев проверки надежности модели, построенной в рамках требований соглашения Базель II, и недостаточной статистики для проверки известных в мире моделей кредитного риска, а также недостаточного раскрытия механизмов использования моделей.

Во второй главе предложена система рейтингования заемщиков, основанная на модели вероятности дефолта, блок-схема которой представлена на Рис.1.

Система рейтингования учитывает 6 групп показателей:

1.Оценка финансового положения компании.

2.Оценка отраслевых и политических рисков компании.

3.Наличие истории взаимоотношения Банка и заемщика.

4.Риски, связанные с акционерами.

5.Оценка конкурентного положения компании в отрасли (секторе, сегменте рынка).

6.Экспертиза благонадежности компании.

Комплексная оценка кредитного риска компании Качественная Количественная оценка оценка -Экспертиза благонадежноОценка финансти компании, сового состоя-Отраслевые риски, ния предприятия -Риски, связанные с акционерами, -Оценка конкурентного положения в отрасли и т.д.

Рис.1. Схема оценки кредитного риска заемщика.

Отличительной особенностью данной рейтинговой системы является то, что в ней учитываются как количественные, так и качественные характеристики заемщика.

Значения диапазонов баллов для факторов определены на основании экспертной оценки.В работе предложены два алгоритма моделирования кредитного риска методом Монте-Карло, учитывающие коррелированность данных компаний-заемщиков. В первом алгоритме для этого применяется ковариационная матрица убытков, во втором алгоритме - ковариационная матрица вероятностей дефолтов.

Пусть портфель состоит из N кредитов. Для каждого кредита с номером j, при j = 1,..., N, заданы S – остаток ссудной задолженности по j -му кредиту, pj – j вероятность дефолта за год по j -му кредиту. Обозначим Lj – убыток по кредиту j вследствие дефолта. Пусть также задана ковариационная матрица убытков по портфелю = ij = E[(Li - piSi ) (Lj - pjS )].

(1) j Необходимо смоделировать убыток Lp по всему портфелю:

N Lp =.

(2) Lj j =Убыток по кредитному портфелю как сумма дискретных случайных величин также представляет собой дискретную случайную величину, распределение которой не задается известными классом распределений.

Основные характеристики случайной величины, характеризующей убыток банков по кредитному портфелю, определяются так:

1) математическое ожидание убытков портфеля банка:

N N E(Lp ) = ) = pjS.

(3) E(Lj j j =1 j =2) дисперсия убытков портфеля банка NN N D(Lp ) = D( ) = p 1 - p S2 + 2 Lij.

( ) L jj j j (4) j=1 j=1 i, j=i j 3) стандартное отклонение убытков портфеля банка 1/ N N = pj(1- pj)S2 + 2 (5) L Lp j ij j =1 i, j = i j где pj – вероятность дефолта за период анализа по j -му кредиту.

Величина E(Lp) характеризует ожидаемые убытки или ожидаемый уровень потерь в соответствии с рекомендациями соглашения Базель II. Тогда ее можно рассматривать как необходимый размер резервов на случай возможных потерь. Для построения количественной оценки кредитного риска предложены 2 алгоритма эмпирической функции распределения случайной величины Lp методом Монте-Карло.

Первый алгоритм включает следующие этапы:

1) Для каждого кредита j генерируются равномерно распределенные от 0 до случайные величины: Dk R 0,1, j = 1,..., N, где N – количество кредитов в портфеле.

[ ] j 2) Генерируются псевдослучайные дискретные векторы k = k, j = 1,..., N, { } j где k S, D 1 - p j j j k = (6) j k 0, D < 1 - p.

jj 3) Вектор убытков L = Lj, j = 1,..., N, распределенный с математическим ожи{ } данием M = pSi, i = 1,..., N и ковариационной матрицей (1), которую предлагается { } i определять так:

(7) L = Ak + M, где матрица преобразования A является треугольной матрицей следующего вида a11 0... a a22... 0 A =, (8) ............

a aN... aNN N1 элементы aij которой определяются рекуррентной формулой:

j -Lij - aik a jk k =aij =, 1 j i N (9) j -L - a jj jk k =Данный алгоритм работает только в случае, когда исходная ковариационная матрица положительно определенная. Расчеты показали, что чем менее диверсифицирован кредитный портфель, тем меньше величина неожидаемых потерь. Так, например, при изменении структуры ковариационной матрицы убытков с единичной матрицы на матрицу, в которой все элементы главной диагонали равны 1, остальные элемен ты равны 0.9, оказывается, что величина неожидаемых потерь по кредитам смещается влево.

При описании второго алгоритма предполагается: портфель, состоит из M кредитов: для каждого кредита с номером j при, j = 1,…, M задана X – случайная велиj чина, принимающая значения от 0 до 1, где E(X ) = pj ;

j Пусть = ij = E( Xi - pi X - pj ) – ковариационная матрица случайных ( ) ( ) j величин X.

j Второй алгоритм моделирования кредитного риска включает следующие этапы:

1) Генерируем M случайных величин Z со стандартным нормальным распределениj ем, тогда величина X = BZ + p имеет нормальное распределение с математическим ожиданием p = p1, p2,…, pN T и ковариационной матрицей , если B является нижней треугольной матрицей, элементы bij которой определяются рекуррентным соотношением j -ij - bjk bik k =bij =, 1 j i M.

(10) j - jj bjk k =k 2) Оцениваем компоненты вектора X каждой реализации с номером k вектора X.

k j j S, X 1- pj Lk = (11) j k 0, X < 1- pj.

j 3) Определяем окончательную сумму убытков N k Lk =.

(12) p Lj j =Предложенный алгоритм работает только в случае, когда исходная ковариационная матрица положительно определенная.

Расчеты по второму алгоритму показали обратный вывод: чем выше корреляция между дефолтами и менее диверсифицирован портфель, тем выше неожидаемые убытки по портфелю. То есть, при изменении структуры ковариационной матрицы вероятностей дефолтов с единичной матрицы на матрицу, в которой все элементы главной диагонали равны 1, остальные элементы равны 0.9, оказывается, что неожидаемые убытки портфеля кредитов смещается вправо. Использование второго алгоритма моделирования при возрастании степени коррелированности данных по портфелю кредитов и более высоких значениях элементов ковариационной матрицы вероятностей дефолтов показало более высокие значения неожидаемых убытков, поэтому второй алгоритм больше применим к моделированию коррелированности данных заемщиков портфеля.

В работе предложен метод прогнозирования кумулятивной вероятности дефолта на основе моделей авторегрессии.

Расчеты производились по данным о кумулятивных вероятностях дефолта Moody’s c 1970 по 2008 год.

Проведенные расчеты показали, что изменение кумулятивной вероятности дефолта по заемщикам со спекулятивным рейтингом за 1985-1997 описывается кубической регрессией, при этом остатки регрессии кумулятивной вероятности и кубического тренда являются либо авторегрессией порядка 1, либо стационарным рядом.

Обобщим этот вывод для других данных.

Было установлено, что за период с 1985-1997 год в общем виде процесс изменения кумулятивной вероятности дефолта может быть описан следующей моделью:

y = + t + t2 + t3 + t, t t = t-1 + ut, (13) ut N(0,t ).

Для этой модели R2 превышает 0.9, а F -статистика и t -статистики имеют значения, соответствующие значимости всей регрессии и ее отдельных коэффициентов.

В диссертации выдвинута гипотеза о том, что зависимость кумулятивной вероятности дефолта от времени t описывается одной и той же моделью в течение длительного промежутка времени. Следовательно, модель можно использовать для прогнозирования значений вероятности дефолта на ближайший период, и метод моделей ARIMA применим для прогнозирования кумулятивной вероятности дефолта.

Проведенные расчеты показали, что кумулятивные вероятности дефолтов по усредненным (по количеству заемщиков со спекулятивным рейтингом) данным за 19982008 годы также описываются кубической регрессией.

В третьей главе на основании рейтинговой системы, предложенной в главе 2, была произведена оценка портфеля. Источником данных по портфелю были сайты www.msk.arbitr.ru и www.cbonds.ru. На сайте www.msk.arbitr.ru находится информация о предприятиях, в отношении которых возбуждалась процедура банкротства. Так для построения модели на сайте www.cbonds.ru были выбраны 50 корпораций с организационной формой «ОАО», о которых известно, что о них возбуждалось дело о банкротстве. Были учтены те корпорации, у которых объем активов превышает 5 млн. руб., объем годовой выручки превышает 50 млн. руб., при этом имеются данные хотя бы на 4 годовые отчетные даты. Таким образом, получим данные по 200 точкам предприятийбанкротов. Также были отобраны 50 корпораций с организационной формой «ОАО», о которых нет информации о возбуждении дела о банкротстве. Остальные параметры корпораций-небанкротов были аналогичны параметрам, приведенным выше. Таким образом, были получены еще 200 точек предприятий-небанкротов. Для указанного портфеля была построена модель вероятности дефолта.

Наилучшей оказалась logit- регрессия с коэффициентами:

PD = (14) 1+ e- z, где f1 – отношение выручки от продаж к z = 14.596 - 4.018 f1 -1.575 f2 - 7.522 f3 / fкраткосрочным обязательствам и процентным платежам, f2 – логарифм совокупных активов, f3 – денежные средства и краткосрочные финансовые вложения, f4 – совокупные активы.

Взаимозависимость рейтинга и вероятности дефолта представлена на Рис. 2.

В диссертационной работе построено распределение неожидаемых потерь для рассматриваемого портфеля. Был проанализирован вид функции распределения убытков при изменении структуры кредитного портфеля по срокам и по величине ссуд. Были сделаны следующие выводы: если ориентироваться по величине неожидаемых потерь, то безразлично иметь ли однородный портфель кредитов или выдать крупные кредиты заемщикам, у которых коэффициенты ковариации наиболее близки к 0; при выдаче более крупных кредитов заемщикам, у которых коэффициенты ковариации по модулю наибольшие, неожидаемые убытки возрастают.

100,00% 90,00% 80,00% 70,00% 60,00% 50,00% 40,00% 30,00% 20,00% 10,00% 0,00% 0 20 40 60 80 1Рейтинг Рис.2. Взаимосвязь рейтинга и вероятности дефолта.

Вероятность дефолта При формировании структуры кредитного портфеля по срокам вид ковариационной матрицы вероятностей дефолтов влияет на величину неожидаемых убытков. А именно, если выдавать более длительные кредиты заемщикам, вероятности дефолтов которых имеют высокие по модулю ковариации, то величина неожидаемых убытков возрастает, если же выдавать кредиты заемщикам, вероятности дефолтов которых имеют близкие к 0 ковариации, величина неожидаемых убытков снижается.

В диссертации предложено следующим образом определять категорию качества заемщика:

К первой категории качества принадлежит заемщик с вероятностью дефолта PD =0%.

Ко второй категории качества – заемщик с вероятностью дефолта 1%

К третьей категории качества – заемщик с вероятностью дефолта 21%

К четвертой категории качества – заемщик с вероятностью дефолта 51%

К пятой категории качества – заемщик с вероятностью дефолта PD=100%.

Для однородного портфеля из 10-и кредитов в 1 млн. руб. величина минимально необходимого капитала коммерческого банка по требованиям соглашения Базель 2 составляет 3,753 миллиона рублей. На основании разработанной модели эта величина составляет 5,250 миллионов рублей. Для неоднородного портфеля, например, заемщикам с номерами 1, 3, 10 выдано по 2 миллиона рублей, а остальным семи заемщикам по 0,571 миллиона рублей. Для этого случая величина капитала в соответствии с требованиями соглашения Базель 2 составляет 3,367 миллиона рублей, а по разработанной модели – 6,25 миллионов рублей.

В соответствии с требованиями российского законодательства аналогичная величина минимально необходимого капитала коммерческого банка равна 7,01 миллионов рублей.

Следует отметить, что разработанная модель оценки кредитного риска портфеля корпоративных кредитов коммерческого банка применима только в случае отсутствия экономического кризиса. Это связано с тем, что в случае кризиса невозможно вычислить ковариационную матрицу вероятности дефолтов.

В предложенном в работе методе расчета минимальной процентной ставки по кредиту новым является способ определения годового резерва под ожидаемые потери по ссудам. Так предложена следующая формула:

V = w % LGD S + (1- w) PD LGD S (15) где V – годовой резерва, % – минимальный размер резерва категории качества, соответствующей кредиту, S – сумма кредита, LGD – потери в случае дефолта, PD – ве роятность дефолта, w – доля кредита, в которой годовой резерв рассчитывается по минимальной ставке.

Использование такого метода вычисления годового резерва при определении процентной ставки в российских условиях, является более мягким по сравнению с основным методом «издержки плюс прибыль», поскольку позволяет оценивать годовой резерв по ставке, находящейся между значениями % и вероятности дефолта. Так как в своей текущей деятельности российские банки для определения годового резерва используют параметр %, а не вероятность дефолта, которая применяется в западных источниках, разумным представляется использование промежуточного подхода.

Пример расчета минимально допустимой годовой процентной ставки по кредиту:

Пусть срок кредита, лет – 1(г), вероятность дефолта, % – 5%, категория качества – 2, минимальный процент расчетного резерва, % – 1%, общая сумма кредита, руб.- 1000000 руб., соотношение “капитал/активы”, % – 10%, годовая стоимость привлеченных ресурсов, % – 14%, требуемый доход на капитал – 25%, налог на прибыль, % – 24%, убытки в случае дефолта – 35%, доля кредита, в которой годовой резерв рассчитывается по минимальной ставке, % – 50%.

Резервируемый капитал – произведение соотношение “капитал/активы” (10%) на общую сумму кредита (1000000 руб.) составляет 100000 руб.; годовой доход на капитал – произведение резервируемого капитала (100000 руб.) на требуемый доход на капитал (25%) в отношении к разности единицы и ставки налог на прибыль (24%) составляет 32895 руб.; годовая стоимость привлеченных ресурсов – произведение ставки годовой стоимости привлеченных ресурсов (14%) на разность общей суммы кредита, руб.

(1000000 руб.) и резервируемого капитала (100000 руб.) составляет 126000 руб.

Годовой резерв под ожидаемые потери по ссудам вычисляется по формуле (15) и составляет 10500 руб.

Годовой процентный доход в точке безубыточности равен сумме годовой стоимости привлеченных ресурсов и годового дохода на капитал, а также годового резерва под ожидаемые потери по ссудам и составляет 169395 руб.

Тогда минимальная процентная ставка по кредиту равна отношению годового процентного дохода в точке безубыточности к сумме кредита и составляет 16,9%.

ОСНОВНЫЕ ВЫВОДЫ И РЕКОМЕНДАЦИИ 1. Задача построения статистической модели оценки кредитного риска корпоративных заемщиков является актуальной для коммерческих банков. Автором была про ведена работа по анализу предпосылок, ограничений, исходных данных наиболее известных в мировой практике моделей оценки кредитного риска корпораций.

2. Проведенный критический анализ практики использования и методологии построения статистической модели оценки кредитного риска корпоративного заемщика показывает, что в настоящее время не существует единых общепризнанных методов построения моделей оценки кредитного риска. Задача построения модели оценки кредитного риска корпоративных заемщиков осложняется тем, что отечественные банки не накопили достаточно данных для построения таких моделей. Ряд параметров требует периодического пересмотра.

3. Для построения эффективной кредитной политики коммерческому банку недостаточно просто построения статистических моделей оценки кредитного риска корпоративных заемщиков, необходимо внедрять целостную систему управления кредитным риском портфеля, так как только она позволяет принимать решения по портфелю, учитывая возможность оперативного изменения параметров портфеля, использования синдицированного кредитования и кредитных деривативов, возрастающую ликвидность вторичного кредитного рынка.

4. Проверка надежности и точности модели оценки кредитного риска портфеля представляет существенную проблему, вследствие отсутствия критериев проверки надежности подобных моделей, недостаточного раскрытия механизмов использования известных моделей, а также недоступности статистики для проверки известных в мире моделей кредитного риска.

5. Обоснованы основные этапы процесса управления кредитным риском коммерческого банка. Разбиение процесса управления кредитным риском построено на принципах последовательного, активного подхода к кредитному риску, требующему постоянного контроля и корректировки результатов. Разбиение зависит от содержания и специфики процедуры кредитования коммерческого банка.

6. Представлена система рейтингования заемщиков, основанная на модели вероятности дефолта, учитывающая как количественные, так и качественные характеристики заемщика. Значения диапазонов баллов для факторов определены на основании экспертной оценки. В диссертации данная система рекомендуется для применения на практике в качестве базовой, от которой, при накоплении достаточного объема статистических данных, можно перейти к более сложной модели.

7. В работе предложены два алгоритма моделирования кредитного риска методом Монте-Карло, учитывающие коррелированность данных компаний-заемщиков. В первом алгоритме для этого применяется ковариационная матрица убытков, во втором алгоритме - ковариационная матрица вероятностей дефолтов. Первый алгоритм показал, что чем менее диверсифицирован кредитный портфель, тем меньше величина неожидаемых убытков. В целом, можно сделать вывод, что второй алгоритм моделирования при возрастании степени коррелированности данных по портфелю кредитов и более высоких значениях элементов ковариационной матрицы вероятностей дефолтов демонстрирует более высокие значения неожидаемых убытков, поэтому второй алгоритм больше применим к моделированию коррелированности данных заемщиков портфеля.

8. В работе также рекомендован метод прогнозирования кумулятивной вероятности дефолта на основе моделей авторегрессии. Были произведены расчеты по кумулятивным вероятностям с 1985-96 год и с 1998-2008 на основании данных Moody’s.

Расчетами подтверждается, что общий вид модели авторегрессии зависимости кумулятивной вероятности от времени сохраняется на длительные промежутки времени. В частности, данные с 1998- 2008 год хорошо аппроксимируются кубической регрессией. В целом, можно выдвинуть гипотезу о том, что зависимость кумулятивной вероятности дефолта от времени t описывается одной и той же моделью в течение длительного промежутка времени. Следовательно, модель можно использовать для прогнозирования значений вероятности дефолта на ближайший период, и метод моделей авторегрессии применим для прогнозирования кумулятивной вероятности дефолта.

9. Изучены особенности применения предлагаемого подхода к определению внутреннего рейтинга заемщика и расчета кумулятивной вероятности дефолта, а также моделирования ожидаемых и неожидаемых потерь по портфелю с учетом коррелированности вероятности дефолтов корпоративных заемщиков. В работе рекомендуется при практическом построении системы управлением кредитным риском использовать разработанные методы расчета показателей, как наиболее эффективные. В диссертации была показана связь построенной рейтинговой системы с российским законодательством. Автором также предложен метод расчета минимальной процентной ставки по кредиту корпоративного заемщика.

10. Учитывались данные по корпорациям, взятые с сайтов www.msk.arbitr.ru и www.cbonds.ru. Была построена модель вероятности дефолта и распределение неожидаемых потерь для рассматриваемого портфеля. Был проанализирован вид функции распределения убытков при изменении структуры кредитного портфеля по срокам и по величине ссуд. В результате получен ряд выводов по предпочтительной структуре кредитного портфеля, в части сроков, сумм и ковариаций вероятностей дефолтов заемщиков. Проведены расчеты ожидаемых и неожидаемых потерь для кредитных портфелей различной структуры в соответствии с предлагаемыми методами и в соответствии с российским законодательством. Было установлено, что величина минимально необходимого к созданию капитала коммерческого банка является максимальной по российскому законодательству, минимальной — в соответствии с соглашением Базель 2 и промежуточной по разработанной модели.

11. Проведенные расчеты свидетельствуют о работоспособности предложенных методов оценки кредитного риска корпоративных заемщиков, а также подтверждают возможность их дальнейшего усовершенствования и практического использования.

12. В диссертации была показана связь построенной рейтинговой системы с российским законодательством. Автором также предложен метод расчета минимальной процентной ставки по кредиту корпоративного заемщика.

РАБОТЫ АВТОРА ПО ТЕМЕ ДИССЕРТАЦИИ 1. Федорова А.А. Некоторые аспекты кредитного риска банка// Вестник С.Петерб. ун-та. Сер. 5. Экономика. 2009. Вып. 4.- С. 185-190.-0,3 п.л.

2. Федорова А.А. Использование моделей ARIMA для прогнозирования кумулятивной вероятности дефолта// Известия С.-Петерб. ун-та экономики и финансов, 2010, номер 5.- C.162-167.-0,45 п.л.

3. Федорова А.А. Выбор модели оценки кредитного риска корпоративного портфеля для российского банка//Конкуренция, как фактор экономического роста и развития: Материалы весенней конференции молодых ученых-экономистов. апреля 2011 г.- ОЦЭиМ, 2011. – 175-176 с.-0,1 п.л.

4. Федорова А.А. Проблемы построения экономико-математической модели оценки кредитного риска портфеля российских корпоративных заемщиков//Актуальные проблемы экономической наук

и. Вып. 7: Сб. статей/ под ред. О.Н. Мисько.- СПб: Изд-во ОЦЭиМ С.-Петерб., 2009. C. 125-133.- 0,6 п.л.

5. Федорова А.А. Математические методы обеспечения экономической стабильности коммерческого банка//Материалы весенней конференции молодых ученыхэкономистов «Экономическая безопасность: современные проблемы» 23 апреля 2010 г.- СПб.: ЭФ СПбГУ, 2010, С. 129-130.-0,1 п.л.

6. Федорова А.А. Методы вычисления кумулятивной вероятности дефолта.

//Материалы пятнадцатой международной конференции молодых ученыхэкономистов «Предпринимательство и реформы в России» 26-27 ноября 2009 г.- СПб.: ЭФ СПбГУ, 2009, С. 89-90.-0,1 п.л.

7. Федорова А.А. Открытые вопросы методологии управления кредитным риском Базель II//Материалы весенней конференции молодых ученых-экономистов «Предпринимательство и реформы в России» 24 апреля 2009 г.- СПб.: ОЦЭиМ, 2009, С. 133-134.-0,1 п.л.

8. Федорова А.А. Основные подходы к построению модели вероятности дефолта//Материалы четырнадцатой международной конференции молодых ученыхэкономистов «Предпринимательство и реформы в России» 27-28 ноября 2008г.- СПб.: ОЦЭиМ, 2008, С. 84-86.- 0,1 п.л.

9. Федорова А.А. Некоторые подходы к управлению кредитным риском//Материалы тринадцатой международной конференции молодых ученыхэкономистов «Предпринимательство и реформы в России» 25-26 октября 20г.- СПб.: ОЦЭиМ, 2007, С. 58-59.-0,1 п.л.

Подписано в печать: 24.04.Формат: 60х84 1/16 Печать цифровая Тираж: 100экз. Заказ: 287 Отпечатано:

Учреждение «Университетские телекоммуникации» 197101, Санкт-Петербург, Саблинская ул, д.+7(812)9151454, zakaz@tibir.ru, www.tibir.ru




© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.