Методология управления кредитным риском и оптимальное формирование кредитного портфеля д э. н. Мищенко А. В



Скачать 388.8 Kb.
страница1/2
Дата09.05.2016
Размер388.8 Kb.
  1   2
Методология управления кредитным риском и оптимальное формирование кредитного портфеля
д.э.н. Мищенко А.В.

Чижова А.С.


Процесс управления кредитным риском является неотъемлемой частью банковской деятельности и включает такие последовательные этапы реализации как оценка кредитоспособности и вероятности дефолта заемщика, присвоение заемщику внутреннего кредитного рейтинга и определение величины потерь по ссуде в случае дефолта; определение цены кредита и выявление аффилированности заемщика и корреляции его активов с другими заемщиками кредитного портфеля; и наконец, принятие решения о кредитовании заемщика с учетом влияния на показатели риска и доходности совокупного портфеля в соответствии с оптимальной кредитной стратегией банка.

В данной статье рассматриваются теоретические основы и математические модели и методы последовательной реализации каждого из указанных этапов процесса управления кредитным риском, при этом особое внимание уделено этапу оптимального формирования кредитного портфеля. Для этого в статье разработана модифицированная двухкритериальная модель Марковица оптимизации кредитного портфеля с учетом бинарности переменной, характеризующей принятие решения о выдаче кредита. Разработанная модель позволяет оценить совокупный риск и доходность кредитного портфеля с учетом возможной коррелированности активов заемщиков, а также принимать решения о предоставлении кредита с точки зрения его влияния на совокупные показатели риска и доходности кредитного портфеля. В статье приведен пример реализации модели на основе реальных вероятностей дефолта корпоративных клиентов рейтингового агентства Standard&Poor’s.
Кредитный риск составляет наибольшую долю совокупного риска операций банка и поэтому во многом определяет такие показатели банковской деятельности как размер активов, взвешенных по уровню риска, резервы на возможные потери по ссудам, достаточность собственного капитала и, в конечном итоге, доходность капитала банка. Именно поэтому выбор надежной модели управления кредитным риском является ключевым стратегическим решением руководства банка.

Процесс управления банковским кредитным риском должен осуществляться на двух уровнях – индивидуальном и портфельном. Управление кредитным риском на индивидуальном уровне подразумевает оценку кредитоспособности отдельных заемщиков, а также определение минимальной требуемой доходности по каждой конкретной ссуде. В то же время портфельный уровень управления кредитным риском включает процесс оценки совокупного кредитного риска портфеля банковских ссуд, а также определение оптимальной структуры кредитного портфеля с учетом ограниченности кредитных ресурсов банка.


Управление кредитныи риском на индивидуальном уровне

Разработка методики оценки кредитоспособности отдельных заемщиков является базовым элементом в системе управления банковским кредитным риском. При этом индекс кредитоспособности отдельного заемщика часто определяется как линейная комбинация показателей его экономической деятельности:



,

где – индекс кредитоспособности заемщика i;



– вектор показателей экономической деятельности заемщика i;

– вектор весовых коэффициентов.

На практике выделяются несколько подходов к отбору значимых показателей экономической деятельности заемщиков. Например, подход «пять С» подразумевает оценку таких характеристик заемщика, как характер (Character), доходы (Capacity), капитал (Capital), обеспечение (Collateral) и условия (Conditions). Подход Альтмана («Z-анализ») предлагает увеличить количество финансовых показателей деятельности заемщика, получаемых из его финансовой отчетности. К таким показателям относятся, доходность активов, стабильность доходов, обслуживание долга, накопленная прибыль, ликвидность, капитализация и размер активов заемщика.

Важно отметить, что набор характеристик заемщика , используемых для оценки его кредитоспосбности отличается для различных групп заемщиков (т.е. кредитных субпортфелей), так если для корпоративных клиентов основными показателями деятельности являются агрегированные показатели финансовой отчетности, такие как коэффициенты ликвидности, финансовой устойчивости, платежеспособности, деловой активности (оборачиваемости) и прибыльности (рентабельности), то для заемщиков – суверенных клиентов (государств и субъектов федерации), основными показателями при оценке их кредитоспосбности являются темп роста и тренд ВВП, уровень безработицы и инфляции, объем внешнего государственного долга и др.

Оценка кредитоспособности отдельных заемщиков является необходимым элементом для проведения дальнейшего анализа кредитного риска, состоящего в оценке вероятности дефолта, а также кредитных рейтингов отдельных заемщиков. Дефолт является ключевой характеристикой кредитного риска и наиболее ярким его проявлением. В энциклопедии финансовго риск-менеджмента дефолт определяется как «неисполнение контрагентом в силу неспособности или нежелания условий кредитного соглашения или рыночной сделки» ([2], стр. 362).

Ведущие два мировых рейтинговых агентства Standard & Poor’s и Moody’s используют несколько различные определения дефолта. Так «Standard & Poor’s определяет дефолт как первый пропущенный платеж основной суммы долга либо процентных отчислений»1. Рейтинговое агентство Moody’s использует существенно более жесткое определение дефолта «как любой пропущенный либо отсроченный платеж, или реструктуризация долга, направленная на уменьшение объема обязательств заемщика или иное упрощение условий первоначального договора займа»2.

Так как вероятность дефолта – величина непрерывная, в целях ее дискретизации банк самостоятельно определяет шкалу внутренних кредитных рейтингов, где каждый заемщик получает определенный кредитный рейтинг, в соответствии с уровнем его кредитоспособности, и вероятность дефолта (PD), соответствующую полученному кредитному рейтингу. Количество категорий по шкале внутренних кредитных рейтингов выбирается банком произвольно, но как показывают опросы Базельского комитета по банковскому надзору3, среднее количество категорий внутренних кредитных рейтингов в европейских банках равно 10 ([3], стр. 9).

После определения шкалы внутренних кредитных рейтингов, например R1,…R10, банку необходимо выбрать метод оценки вероятностей дефолта (PD), при этом на практике наибольшее распространение получили эконометрические модели пробит и логит. Выбор этих моделей продиктован бинарным (двоичным) характером зависимой переменной, принимающей только два возможных значения: дефолт или отсутствие дефолта. В основе указанных эконометрических моделей лежит преобразование индекса кредитоспособности () в вероятность дефолта заемщика (). При этом модель, базирующаяся на функции нормального распределения, получила название пробит (probit), а модель, базирующаяся на функции логистического распределения – логит (logit). Тогда преобразование индекса кредитоспособности () в вероятность дефолта заемщика () имеет следующий вид:

– в модели пробит (probit);

– в модели логит (logit),

где – функция нормального распределения веротяностей.

В Табл. 1. представлено сравнение вероятностей дефолта каждой категории кредитного рейтинга на основании данных ведущих мировых рейтинговых агентств Standard & Poor’s и Moody’s. Анализ данных Табл. 1 позволяет определить главное свойство кредитных рейтингов: увеличение вероятности дефолта при ухудшении категории кредитного рейтинга. Так по методологии Standard & Poor’s вероятность дефолта возрастает с 0% для компаний, имеющих кредитный рейтинг ААА, до 21.94% для компаний, имеющих кредитный рейтинг ССС.

Более строгим требованием, предъявляемым к системе кредитных рейтингов, является свойство монотонности вероятностей дефолта. Однако, как следует из Табл. 1, это свойство нарушается для категории АА- методологии Standard & Poor’s, так как вероятность дефолта в этой категории (0.3) превышает вероятность дефолта категории кредитного рейтинга А+ (0.2). Ряд дополнительных нарушений свойства монотонности наблюдаются для категорий Aa3-Baa2 методологии Moody’s. Для удаления указанных недостатков можно воспользоваться методами сглаживания и агрегирования кредитных рейтингов. Последние два столбца Табл. 1 содержат пример агрегирования кредитных рейтингов Standard & Poor’s по шкале R1,…R10, что позволяет восстановить свойство монотонности вероятностей дефолта. Вероятности дефолта, соответствующие агрегированным категориям кредитных рейтингов, получены как среднее арифметическое значение двух смежных веротяностей.



Таблица 1. Сопоставление вероятностей дефолта рейтинговых агентств Standard & Poor's и Moody's, 2001г.


Standard & Poor's, %

Moody's, %

Агрегированные рейтинги Standard & Poor's, %

Обозначение

Вероятность дефолта

Обозначение

Вероятность дефолта

Обозначение

Вероятность дефолта

AAA

0

Aaa

0

R1

0

AA+

0

Aa1

0

AA

0

Aa2

0

R2

0.015

AA-

0.03

Aa3

0.06

A+

0.02

A1

0

R3

0.035

A

0.05

A2

0

A-

0.05

A3

0

R4

0.085

BBB+

0.12

Baa1

0.07

BBB

0.22

Baa2

0.06

R5

0.285

BBB-

0.35

Baa3

0.39

BB+

0.44

Ba1

0.64

R6

0.690

BB

0.94

Ba2

0.54

BB-

1.33

Ba3

2.47

R7

2.12

B+

2.91

B1

3.48

B

8.38

B2

6.23

R8

9.35

B-

10.32

B3

11.88

CCC

21.94

Caa

18.85

R9

21.94

D

100

D

100

R10

100

Источник: Gunter Loffler “Avoiding rating bounce: Why rating agencies are slow to react to new information”, 2002.


Следующим этапом управления кредитным риском на индивидуальном уровне является оценка размера потерь по ссуде в случае дефолта заемщика. Даную величину принято обозначать LGD (Loss Given Default) и выражать в виде процентной доли от общей суммы предоставленной заемщику ссуды. В соответствии с рекомендациями Базельского комитета величина LGD должна определяться индивидуально для каждого заемщика в зависимости от рыночной стоимости залога и другого обеспечения по ссуде. Как указано в исследовании ([6], стр. 17) показатель LGD по обеспеченным ссудам за период времени 1970-2003гг. составил 45.74%, а по необеспеченным ссудам – 85.61%. Данное исследование проводилось среди заемщиков, имеющих кредитных рейтинг рейтингового агентства Moody’s.

Оценка вероятности дефолта (PD), а также величины потерь по ссуде в результате дефолта (LGD), позволяют определить цену ссуды и минимальную доходность по ссуде. Применительно к облигациям, являющимся долговыми ценными бумагами, данный показатель известен как доходность к погашению и находится по формуле:



где – цена облигации i;



– поток платежей по облигации i в момент времени t, включая основную сумму долга;

– доходность к погашению облигации i;

T – срок погашения облигации.

Наибольшую сложность при определении минимальной доходности ссуды составляет тот факт, что в отличие от рыночных долговых ценных бумаг (облигаций) специалистам банка не доступна реальная цена ссуды (). Тем не менее, стоимость ссуды может быть найдена на основе аналитического выражения как текущая дисконтированная стоимость потока платежей по ссуде с учетом вероятности дефолта (PD) и размера потерь в случае дефолта (LGD). Например, если объем платежа по ссуде i со сроком погашения 1 год составляет денежных единиц, то текущая дисконтированная стоимость по ссуде находится по формуле дисконтированного математического ожидания:



где – безрисковая процентная ставка.

Тогда минимальная доходность () по ссуде i находится из выражения:

Данное выражение гарантирует выполнение условия , означающего, что доходность рискового актива должна быть больше безрисковой процентной ставки. При этом доходность по ссуде совпадает с безрисковой процентной ставкой лишь в случае отсутствия риска дефолта (). В Табл. 2 приведены значения минимальных доходностей, рассчитанные для агрегированных кредитных рейтингов Standard&Poor’s (R1-R9) в предположении, что размер потерь в случае дефолта заемщика составляет 50% (т.е. LGD=0.5) и безрисковая процентная ставка равна 5% (=0.05). Полученные значения вероятностей дефолта и соответствующих им минимальных доходностей проиллюстрированы на Рис. 1.

Таблица 2. Минимальная доходность по ссуде


Кредитный рейтинг

Минимальная требуемая доходность по ссуде (y)

R1

0.0500

R2

0.0501

R3

0.0502

R4

0.0504

R5

0.0514

R6

0.0535

R7

0.0607

R8

0.0990

R9

0.1732

Как следует из Рис.1, увеличение риска дефолта заемщика сопровождается увеличением минимальной доходности по ссуде, требуемой банком. Тем не менее, полученные значения доходностей являются минимальными и учитывают лишь возможность дефолта заемщика, т.е. кредитный риск. На практике доходность ссуд превышает значения минимальной доходности, так как учитывает ряд дополнительных факторов, таких как создание обязательных резервов на потери по ссудам, длительность срока погашения ссуды и др. Создание обязательных резервов увеличивает требуемую доходность по ссуде, так как резерв не является прибыльным для банка, и служит для покрытия реализованных кредитных рисков. Ссуды, выданные на более длительный срок, также характеризуются более высокой требуемой доходностью.


Рисунок 1. Соотношение вероятности дефолта и доходности по ссуде


Управление кредитным риском на портфельном уровне

Анализ совокупного кредитного риска портфеля составляет второй уровень управления кредитным риском, где кредитный портфель рассматривается как совокупность ссуд взаимосвязанным заемщикам. Важными этапами данного уровня анализа являются оценка совокупного кредитного риска портфеля и оптимизация структуры кредитного портфеля с позиции выбранной стратегии банка.

Практическая значимость проблемы оценки совокупной величины кредитного риска определяется следующими обстоятельствами. С одной стороны, завышенная оценка величины кредитного риска портфеля является причиной увеличения объема резервов на возможные потери, что существенно снижает доходность операций банка. С другой стороны, заниженная оценка величины кредитного риска снижает финансовую устойчивость банка и повышает вероятность его банкротства.

Наибольшее распространение в области оценки величины совокупного кредитного риска портфеля получили такие модели как CreditMetrics (J.P. Morgan), CreditRisk+ (Credit Suisse Financial Products), CreditPortfolioView (McKinsey) и PortfolioManager (KMV). Главным результатом применения данных моделей является построение распределения вероятностей потенциальных потерь по кредитному портфелю, что позволяет дать оценку таким показателям как математическое ожидание потерь и VaR (Value-at-Risk – Стоимость под риском). VaR это оценка максимально возможной величины потерь по заданному портфелю с известной степенью достоверности в течение определенного периода времени, т.е. квантиль распределения вероятностей потерь.

Важным этапом в оценке кредитного риска является оценка степени взаимосвязи (аффилированности) различных заемщиков кредитного портфеля. В большинстве моделей оценки совокупного кредитного риска, например, в вышеуказанных четырех моделях, оценка взаимосвязи заемщиков основана на матрице ковариаций доходностей активов заемщиков, составляющих кредитный портфель. При этом оценка ковариаций осуществляется на основе эконометрической модели регрессии, где в качестве зависимой переменной выступает доходность активов компании (), а в качестве независимых переменных – вектор макроэкономических факторов (F) ([4], стр.285):

где i – индекс компании, – индивидуальная составляющая доходности, – вектор параметров, соответствующий вектору факторов F и – независимая ошибка модели. В качестве макроэкономических факторов специалисты KMV выделяют географическую и индустриальную принадлежность компании.

Эта часть модели позволяет относительно легко оценить взаимосвязь или коэффициенты попарной корреляции доходности активов компаний, составляющих кредитный портфель:

где , i,j=1,…,N

где i,j – произвольные индексы компаний-заемщиков, N – общее число заемщиков банка, – ковариационная матрица факторов модели. Исследования Базельского комитета по банковскому надзору показывают, что коэффициенты корреляции субпортфеля корпоративных заемщиков должны находиться в промежутке [0.12; 0.24].

На данном этапе важно отметить, что оценка кредитного риска портфеля относится к области позитивного анализа, т.е. модели оценки кредитного риска дают представление руководству банка, а также органам банковского надзора, о размере кредитного риска и вероятностях потерь по ссудам различного объема. При этом оценка кредитного риска может быть произведена как для кредитных портфелей, сформированных случайным образом, так и для портфелей, формируемых целенаправленно в соответствии со стратегией банка. Вопрос о том, как целенаправленно сформировать кредитный портфель с учетом целевой доходности и диверсификации, а также ограничений на уровень кредитного риска относится к области нормативного анализа и является вторым важным этапом в управлении кредитным риском на портфельном уровне.

Теоретически можно выделить три вида кредитных стратегий банка: высокорисковая стратегия, умеренная и низкорисковая. Высокорисковая стратегия предполагает ориентацию на значительный удельный вес высокорисковых и одновременно высокоприбыльных кредитных операций; умеренная стратегия характеризуется рациональным сочетанием операций с различной степенью риска, а низкорисковая стратегия подразумевает ориентацию на ограничение масштабов высокорисковых операций.

Оптимизация структуры и целенаправленное формирование кредитного портфеля является относительно новым направлением в научной литературе, особенно в исследованиях отечественных авторов, и поэтому заслуживает особого внимания. В отличии от этого теория оптимизации портфеля ценных бумаг имеет более чем пятидесятилетнюю историю с момента опубликования в 1952г. статьи Г. Марковица, определившей фундамент теории портфельных инвестиций и эффекта диверсификации4.

Анализ свойств кредитного портфеля и сравнение с портфелем ценных бумаг позволяет выделить два наиболее важных фактора, определяющих отличие в их управлении. Во-первых, как уже упоминалось ранее в статье, банковские ссуды не имеют определенной рыночной цены, в отличие от ценных бума, свободно обращающихся на бирже, а во-вторых, инвестор, т.е. банк не может приобретать ссуды в заранее определенном объеме. Объем ссуды определеяется заемщиком в кредитной заявке, исходя из потребности в кредитных ресурсах, и поэтому решение руководства банка упрощается до определения ставки доходности по ссуде и носит бинарный характер: выдать ссуду в запрашиваемом объеме или нет.

Указанное свойство бинарности решения о выдаче ссуды позволяет сформулировать модифицированную модель Марковица оптимизации кредитного портфеля с учетом ограничения на целочисленность переменных.

  1   2


База данных защищена авторским правом ©bezogr.ru 2016
обратиться к администрации

    Главная страница