 |
Развитие методов оценки кредитного риска в коммерческом банке. Разработка систем оценки кредитного риска.
|
|
|
|
Эволюция подходов к оценке кредитного риска происходила поэтапно, и ее можно представить в виде следующей последовательности показателей:
• номинальная стоимость;
• взвешенная по риску сумма актива;
• внешний/внутренний кредитный рейтинг;
• величина вероятных потерь, рассчитанная с помощью внутренней модели оценки кредитного риска для портфелей ссуд.
Первоначально кредитный риск оценивался путем умножения номинальной суммы задолженности на определенный (зачастую произвольно взятый в каждом случае) коэффициент, задающий необходимый уровень капитала на покрытие кредитного риска. Недостаток этого метода заключается в том, что он не учитывает различия в вероятности дефолта.
В 1988 г. Базельский комитет по банковскому надзору предложил классификацию активов по степени кредитного риска, руководствуясь которой банки должны были рассчитывать сумму активов с учетом риска путем умножения их номинальной стоимости на соответствующий коэффициент риска и формировать достаточный резерв капитала в размере не менее 8% от полученной суммы [36].
Базельская схема взвешивания активов по риску носила весьма упрощенный характер, что оказало превратное воздействие на состав банковских портфелей. Так, абсолютно стерлись различия (с точки зрения требований к размеру капитала) между кредитами с рейтингами, например, ААА и С, в результате чего последние стали более привлекательны для банков (с точки зрения требований к достаточности капитала), чем кредиты с более высоким рейтингом. С целью устранения данного недостатка Базельский комитет предложил в 1999 г. так называемую «Новую схему достаточности капитала» [10], на основе которой было разработано Новое базельское соглашение по капиталу [37]. Подходы, заложенные в Новом соглашении, допускают использование банками внешних кредитных рейтингов или собственной (внутренней) системы рейтингов активов и забалансовых статей для расчета требований к капиталу*.
|
|
|
Последние двадцать лет ознаменовались значительным прогрессом в развитии методов оценки кредитных рисков, предпосылками которого стали следующие тенденции:
• дерегулирование финансового сектора, означающее значительное сокращение вмешательства государства в деятельность финансовых учреждений. Отмена многих существовавших ранее ограничений открыла возможности для успешного продвижения на рынки новых видов финансовых услуг;
• расширение банковского кредитования как по объему операций, так и по количеству заемщиков;
• увеличение рисков по забалансовым операциям банков, в особенности по сделкам с производными финансовыми инструментами;
• секьюритизация активов — выпуск ценных бумаг, обеспеченных определенными активами. Секьюритизация повысила роль рынка капитала как механизма привлечения средств в ущерб традиционному кредитованию, что подтолкнуло банки к разработке более эффективных инструментов управления кредитными рисками;
• значительный прогресс финансовой теории, обозначивший новые направления моделирования кредитных рисков.
В целом, модели оценки кредитного риска призваны дать ответ на вопрос о том, какова вероятность, что заемщик окажется неплатежеспособным, и какой должна быть стоимость предлагаемого ему кредитного продукта с учетом прошлого опыта и прогнозов относительно будущего.
Все существующие модели оценки кредитного риска можно классифицировать:
• по лежащим в их основе математическим методам;
• по сфере применения;
• по предмету исследования.
Развитие кредитного риск-менеджмента в последние годы было обусловлено применением современных математических методов, таких как анализ выживаемости, вероятностное и статистическое моделирование, математическое программирование, теория игр, нейронные сети и др. По применяемому математическому аппарату модели оценки кредитного риска можно классифицировать следующим образом:
|
|
|
1. Эконометрические модели на основе линейного и многомерного дискриминантного анализа, регрессионного анализа (в частности, логит-
и пробит-модели, используемые для прогнозирования вероятности дефолта как функции от нескольких независимых переменных), анализа выживаемости, позволяющего получать оценки вероятности наступления события (например, смерти, дефолта), и др.
2. Нейронные сети — компьютерные алгоритмы, имитирующие работу человеческого мозга посредством взаимодействия взаимосвязанных «нейронов». В нейросетях используют те же входные данные, что и при эконометрическом подходе, выделяя взаимосвязи между ними посредством многократного повторения, методом проб и ошибок.
3. Оптимизационные модели, основанные на методах математического программирования, позволяют минимизировать ошибки кредитора и максимизировать прибыль с учетом различных ограничений. С помощью методов математического программирования, в частности, определяют оптимальные доли клиентов в портфеле ссуд и/или оптимальные параметры кредитных продуктов.
4. Экспертные системы, использующиеся для имитации процесса оценки риска, осуществляемого опытным и квалифицированным специалистом при принятии кредитного решения. Составляющими экспертной системы являются набор логических правил вывода, база знаний, содержащая количественные и качественные данные об объекте принятия решений, а также модуль для ввода ответов пользователя на вопросы системы.
5. Гибридные системы, которые используют статистическое оценивание и имитационное моделирование и могут быть основаны на причинно-следственных отношениях. Например, к ним относится модель EDF компании KMV, предназначенная для оценки вероятности дефолта, которая подробно рассматривается в п. 5.13.2.2.
Последовательность построения модели заключается в выявлении взаимосвязей между переменными, в выборе методов для оценки входных параметров и в оценке точности модели.
|
|
|
Модели оценки кредитного риска могут применяться в различных сферах деятельности, в том числе:
• при принятии решений о предоставлении кредита;
• при определении внутреннего или внешнего кредитного рейтинга;
• для расчета стоимости кредитных продуктов;
• как система «раннего предупреждения» (early warning system), своевременно указывающая на потенциальную вероятность потерь и способствующая принятию мер по сокращению кредитного риска;
• для выработки стратегии взаимоотношений с клиентами (например, если модель показывает, что заемщик испытывает временные трудности с ликвидностью, то, возможно, следует не отказывать ему в кредитовании, а определить соответствующие этому случаю условия)
|
|
|
