Модели рейтингов финансовой устойчивости

В статье построены эконометрические модели рейтингов финансовой устойчивости банков агентства Moody’s Investors Service, а также проведена оценка прогнозной силы моделей как инструмента риск-менеджмента. Качество модельных рейтингов проанализировано на примере крупнейших российских банков.

ВВЕДЕНИЕ

Одним из преимуществ рыночной экономики является использование мнений независимых экспертов. Эту роль берут на себя, в частности, рейтинговые агентства, которые формируют систему рейтингов экономических субъектов. В основу методологии проведения рейтингового исследования положены классификация существенных факторов и определение количественных оценок факторов риска, свойственных рассматриваемому эмитенту или конкретному выпуску долговых обязательств.

{module 297}

Практическое использование рейтингов существенно ограничивается сравнительно малым количеством экономических субъектов, имеющих рейтинги(особенно в странах с развивающейся экономикой, в том числе и в России). Кроме того, рейтинги имеют слишком длительные интервалы актуализации, что не всегда приемлемо из-за высокого уровня изменчивости условий хозяйственной деятельности.

В этих случаях могут применяться прогнозные модели, основанные на дистанционном анализе субъектов хозяйственной деятельности. Модели рейтингов представляют интерес как для органов банковского надзора (в целях текущего мониторинга состояния банковской системы), так и для коммерческих банков (в связи с возможностью использования подхода определения рисков на базе внутренних рейтингов контрагентов (IRB Approach), в том числе в рамках соглашения Базель-II [8].

В России рынок рейтинговых услуг все еще находится в стадии формирования. Не многие национальные компании имеют международные рейтинги. В то же время развитие фондового рынка создает спрос на рейтинговую продукцию. В связи с активизацией международных агентств за последние годы снизилась роль российских рейтинговых агентств.

О темпах развития рейтинговых услуг международных агентств можно судить по количеству субъектов, получивших рейтинги, которое, начиная с 2003 г., выросло более чем в два с половиной раза и превысило цифру 250. Динамика изменения количества рейтингов по основным рейтинговым агентствам также значительна (рис. 1).
Рост числа рейтингов международных рейтинговых агентств
Наиболее динамичным является рост числа рейтингов агентства Moody’s (за рассматриваемый период увеличилось в три раза). Основную часть российских клиентов данного агентства составляют именно финансовые компании, на долю которых приходится 84 из 137 присвоенных агентством на октябрь 2007 г. рейтингов. Кроме того, из 120 российских банков и финансовых компаний, имеющих рейтинги, 70% являются клиентами этого агентства (для сравнения: 28% — у Standard & Poor’s, и 44% — у Fitch Ratings).

Рейтинги агентства Moody’s Investor Service
Для агентства Moody’s характерен быстрый рост именно в банковском секторе (за четыре года почти в четыре с половиной раза). Структура рейтингового портфеля этого агентства показана на рис. 2. В частности, рейтинги агентства Moody’s на конец 2007 г. имели около 80 российских банков. Этим фактом, представительным и доступным набором данных, а также фокусировкой агентства на банковском секторе объясняется особое внимание в настоящей статье к рейтингам Moody’s.
Динамика рейтинга для российских компаний
Динамика рейтингов долгосрочных банковских депозитов в иностранной валюте как наиболее используемого на практике типа рейтингов за последние четыре года представлена на рис. 3. Анализ указывает на наличие положительного тренда, вызванного, прежде всего, повышением «странового потолка» России. Также необходимо отметить наличие существенного роста рейтингов с конца 2005 г. до середины 2007 г., что связано с введением в действие методологии анализа совместных дефолтов (JDA Approach) и, как следствие, существенным ростом рейтингов банков, поддерживаемых либо государством, либо зарубежными банками [7].

В данной работе рассматриваются рейтинги финансовой устойчивости, динамика которых не столь впечатляющая. Рейтинг финансовой устойчивости банков (РФУБ) определяет базовую кредитную оценку для проведения анализа вероятности совместного дефолта. Основные изменения связаны с пересмотром методологии, объявленной в конце 2005 г. и реализованной в мае 2007 г. На начало 2007 г. в мире опубликованные РФУБ имели около 1000 банковских организаций, в то время как рейтинги долгосрочных депозитов — более 1100 банков.

В Российской Федерации в начале 2007 г. 64 банка имели рейтинги Moody’s, а на конец октября 2007 г. их количество выросло до 78. Причем все эти банки имеют оба рейтинга. Это объясняется тем, что для развивающихся стран проведенная методологическая новация играет более существенную роль. Распределение объектов рейтингования по регионам на начало 2007 г. приведено на рис. 4, а их распределение по категориям рейтингов — на рис. 5. Рейтинговая шкала РФУБ имеет несколько категорий — от А (наивысшая) до Е (наинизшая). Для выделения банков внутри категории используются модификаторы «+» и «-».
Динамика рейтинга Moody's
Распределение РФУБ
ПЕРЕСМОТР МЕТОДОЛОГИИ ПРИСВОЕНИЯ РЕЙТИНГОВ АГЕНТСТВОМ MOODYS
В процессе присвоения рейтинга важную роль играют количественные инструменты: финансовые индикаторы, модели рынка, прогнозные рейтинговые модели и модели вероятности дефолта.

В то же время имеющиеся различия во многом определяются путем учета качественных факторов. Повышая транспарентность рейтингового процесса, агентство на постоянной основе публикует детальную финансовую статистику, результаты использования моделей, описание динамики развития и особенностей рейтинговой методологии.

Кредитный риск банка зависит от его собственной финансовой устойчивости, вероятности поддержки извне в случае необходимости и риска неосуществления платежей в силу действий государственных властей. Агентство Moody’s придает большое значение возможности поддержки эмитента со стороны материнской компании или государства. Это агентство в дополнение к традиционным методикам разработало специальный подход, получивший название JDA Approach (Joint Default Analysis — анализ совместных дефолтов), позволяющий оценить рейтинги с позиций возможности одновременного дефолта нескольких субъектов, поддерживающих рейтингуемую компанию или инструмент [7].

Новый подход более явно учитывает в анализе показатель внутренней финансовой устойчивости банка наравне с мерой поддержки банка
государством или другой компанией. При этом для достижения последовательности в методологии, а также роста ее транспарентности для всех участников рынка используемые показатели в большей мере формализуются.
Основные положения методологии анализа совместного дефолта следующие:

  1. базовым показателем риска банка (standalone — без поддержки) является рейтинг финансовой устойчивости (РФУБ, Bank Financial Strength Rating, BFRS);
  2. определение меры поддержки другим субъектом (например, суверенным правительством);
  3. оценка вероятности того, что поддержка будет оказана в случае необходимости (вероятности совместного события);
  4. оценка вероятности того, что на обязательства банка не будет распространяться отсрочка по платежам.

Методология предусматривает возможность осуществления поддержки материнской компанией, группами взаимовыгодного сотрудничества, местными органами власти, национальным правительством или центральным банком. В качестве меры способности поддержки со стороны государства выступает потолок депозитов в национальной валюте. Методология присвоения рейтингов банкам агентством Moody’s отражена на рис. 6 [7].
Схема присвоения рейтингов Moodys
Процесс построения рейтинга депозитов включает два этапа. Во-первых, определяется автономный рейтинг финансовой устойчивости с использованием объективных финансовых показателей банка и данных внешней среды (рынок, макроэкономическая ситуация и т. п.). Во-вторых, определяется рейтинг депозитов на основе рейтинга финансовой устойчивости с учетом факторов внешней поддержки банка (например, со стороны государства, промышленной группы и т. д.), а также валютного риска для рейтинга депозитов в иностранной валюте.

Табл. 1 характеризует соответствие в мире между РФУБ и РД (по состоянию на январь 2007 г.). В клетках таблицы указано число наблюдений банков в выборке, которые имеют соответствующие столбцу и строке значения рейтингов депозитов и финансовой устойчивости.
Таблица рейтингов
Анализ табл. 1 показывает, что, несмотря на наличие корреляции, данные рейтинги содержат разную информацию. Поскольку большинство банков сконцентрировано вдоль главной диагонали полученной матрицы, то можно сделать вывод — класс РФУБ в значительной степени определяет РД. Однако часть банков сконцентрирована над главной диагональю таблицы, что говорит о получении поддержки извне многими банками с невысоким рейтингом финансовой устойчивости, а значит, о их более высоком РД. В то же время банков, которые имели бы низкий РД при высокой финансовой устойчивости, почти не наблюдается. В целом это согласуется с методологией агентства.

ОСОБЕННОСТИ МЕТОДОЛОГИИ БАНКОВСКИХ РЕЙТИНГОВ ФИНАНСОВОЙ УСТОЙЧИВОСТИ
Методология РФУБ изложена в [7] с некоторыми изменениями, внесенными в начале 2007 г. При присвоении РФУБ принимаются во внимание такие факторы собственной финансовой устойчивости банка, как финансовые показатели банка, его рыночные позиции и перспективы, диверсификация деятельности и активов, а также факторы риска, связанные с операционной средой банка (устойчивость и перспективы развития экономики, структура и степень уязвимости финансовой системы, качество банковского регулирования и пруденциального надзора).
Отличительной особенностью обновленной методологии является более высокий уровень формализации. В частности, для этих целей агентством разработана скоринговая карта в двух вариантах — для развитых и развивающихся рынков, задающая направленность и составляющие рейтинговой оценки, которые могут уточняться рейтинговым комитетом с использованием не- формализуемых соображений.

Согласно данной карте для определения РФУБ используются качественные и количественные показатели с разными весами для развитых и развивающихся рынков. Для банков развивающихся стран больший вес (50%) имеют качественные (экспертные) показатели, а для банков развитых стран — количественные (качественные показатели берутся с весом 30%). Это объясняется более высокой степенью экономической волатильности на развивающихся рынках и более слабым пруденциальным надзором.

Также предусмотрено разделение рисков на общие и специфические. Общие риски характеризуют банковскую систему в целом. Наличие значительных угроз для национальной банковской системы может исключить присвоение высоких категорий РФУБ всем банкам этой страны.

Рейтинги финансовой устойчивости банков складываются из пяти ключевых факторов:

  1. рыночные позиции и перспективы;
  2. позиционирование по риску;
  3. регулятивная среда;
  4. операционная среда;
  5. финансовые показатели.

По каждому из названных факторов имеются описания соответствия уровню РФУБ в пределах от А до Е. Для смягчения цикличности, как правило, используются данные, усредненные за три года.

Методология предусматривает интегральную оценку по каждому из пяти ключевых факторов на основе субфакторов. В частности, для оценки рыночной позиции и перспектив применяются такие показатели, как доля рынка и устойчивость положения, географическая диверсификация, стабильность доходов, диверсификация доходов и уязвимость перед лицом неблагоприятных событий.

Финансовые факторы включают прибыльность, ликвидность, достаточность капитала, эффективность и качество активов. По каждому из этих направлений выделено один-два индикатора. Для оценки позиционирования по риску внимание обращается на качество корпоративного управления, механизмы контроля, прозрачность финансовой отчетности, концентрацию кредитных рисков, управление ликвидностью и готовность принимать рыночные риски.

Как регуляторная, так и операционная среда мало зависит от конкретного банка и определяется банковской системой страны и бизнес-окружением. Для России эти показатели находятся на уровне Е+, что сразу накладывает ограничение на уровень РФУБ российских банков, хотя вес каждой категории не столь высок.

Категория рыночных позиций и перспектив предусматривает контроль диверсификации доходов. Важно также контролировать степень уязвимости перед лицом неблагоприятных событий. Наибольший интерес представляют категории позиций по риску и финансовых показателей. Критичными факторами являются концентрация рисков (по заемщикам, по отраслям), управление риском ликвидности, а также готовность принимать на себя рыночные риски.
Методология отрабатывалась агентством в течение длительного времени, в том числе и экспериментально с учетом психологического компонента при пересмотре рейтингов. Отметим, что и другие агентства стали придавать фактору поддержки большее внимание, разрабатывая соответствующие модификации.

Моделирование рейтингов
Разработка Нового базельского соглашения [8] стимулировала создание систем определения вероятности дефолта для большого числа заемщиков. Базель II предоставляет некоторую свободу банкам в выборе методов оценки вероятности дефолта заемщиков.

Обзор подходов к построению моделей рейтингов и вероятности дефолта, в том числе как составных частей систем раннего предупреждения и внутренних рейтингов банков, представлен в [6, 5, 3]. Выбор эконометрических моделей упорядоченного выбора (ordered probit models), используемых в данной работе, естественен, поскольку публикуемые рейтинги являются категори- рованными переменными, т. е. переменными, принимающими несколько упорядоченных значений. Особенности таких моделей применительно к рейтингам более подробно обсуждались в работах [1, 4], которые совместно с данной публикацией могут рассматриваться как единый цикл. Основной целью моделей рейтингов и дефолта является выработка первичных рекомендаций по отбору подозрительных субъектов, требующих более тщательного анализа.

Ни Базельские соглашения, ни работы по вероятностям дефолта пока еще не содержат указаний на возможность применения РФУБ для моделирования риска потерь при дефолте заемщика. Однако усложнение моделей дефолта в настоящее время ведется в направлении учета корреляций дефолтов различных заемщиков и возможности совместного дефолта заемщика и поддерживающей его группы (Joint Default Analysis, JDA). В этом случае моделирование РФУБ может оказаться решающим для оценивания рисков. Кроме того, будучи более близким к формализуемым показателям, РФУБ должен более легко поддаваться моделированию эконометрическими методами по сравнению с РД.

{module 297} 

Ниже будут проанализированы данные, используемые для эконометрического моделирования, рассмотрены и прокомментированы полученные модели рейтинга финансовой устойчивости банка по дистанционно доступным финансовым показателям, а также проведена оценка прогнозных качеств моделей рейтингов. Кроме того, будут описаны результаты прогнозирования значений рейтингов крупнейших российских банков.

Описание выборки данных

Для построения моделей используются рейтинги Moody’s банков как развитых европейских, так и развивающихся стран за период 2003-2006 гг. (всего 42 страны), а также данные финансовой отчетности соответствующих банков за четырехлетний интервал (2002-2005 гг.) [2], предусматривающие наличие временного лага. В [1] отмечается, что рейтинг лучше объясняется не текущими значениями финансовых показателей, а их значениями по итогам предшествующего периода. Это соответствует также методике формирования рейтингов [9], которая подразумевает сравнительно продолжительный период подготовки рейтинговых отчетов к публикации.
Настоящее исследование проводилось на основе набора данных, содержащего более 1200 наблюдений почти по 400 банкам, т. к. по большинству банков имелись наблюдения за четырехлетний период. Использовалась классификация стран на развитые (DEV = 0) и развивающиеся (DEV = 1). В исследуемой выборке не представлены банки США и Канады (рис. 7). На рис. 8 приведено распределение банков в выборке по рейтинговым категориям.
Распределение по регионам
Банки развитых стран, как правило, имеют преимущественно высокие рейтинги, т. к. на развитом рынке выгода от публикации очень низкого рейтинга сомнительна. Для банков развивающихся стран сам факт попадания в рейтинг международного агентства имеет большое значение, и кроме того, величина рейтинга не может быть высокой из-за институциональных проблем экономик (рейтинги банков из развивающихся стран, как правило, не выше категории D). Сложение двух распределений ведет к бимодальному распределению рейтингов в мире (см. рис. 5), которое повторяется в описываемой выборке (рис. 8).
Распределение банков по рейтинговым категориям
Для оценивания моделей используется порядковая шкала (от 0 до 12 — для рейтинга финансовой устойчивости и от 0 до 15 — для рейтинга депозитов), при этом более высоким рейтингам соответствуют меньшие значения рейтинговой переменной.

Объясняющие переменные

В качестве объясняющих переменных были выбраны финансовые показатели из следующих групп: прибыльность, эффективность, качество активов, достаточность капитала, рост и ликвидность, на основе которых агентство формировало рейтинги. В связи с использованием только общедоступных показателей качественные (определяемые экспертно) характеристики банка в настоящей работе не учитывались. Объясняющей переменной также является и показатель размера банка, используемый в логарифмическом масштабе [1, 2]. Финансовые показатели берутся из международной отчетности.

Показатели рентабельности включают группы показателей, характеризующих прибыльность и эффективность. К прибыльности относятся, в частности, рентабельность активов до уплаты налогов, чистая процентная маржа, отношение процентного дохода к средним активам, приносящим процентный доход. В связи с неопределенностью во влиянии показателей этой группы далее осуществляется выбор наиболее информативного из них.

Показатели эффективности характеризуют эффективность распределения полученной прибыли, в том числе расходы на персонал. Влияние чистой процентной маржи неоднозначно: ее высокое значение может быть результатом увеличения кредитного риска и снижать ликвидность, что иногда оказывет отрицательное воздействие на рейтинг.

В качестве показателей, характеризующих величину принимаемых рисков, в список потенциальных объясняющих переменных включены показатели качества активов, достаточности капитала и ликвидности. Список использовавшихся финансовых объясняющих переменных, а также описательные статистики ряда из этих показателей приведены в приложении.

Кроме того, в число объясняющих переменных включены фиктивные переменные для обозначения принадлежности стран к развивающимся рынкам (переменная DEV = 1) и России (RUS = 1), а также фиктивные переменные по годам, индексы коррупции (по данным Transparency International) и стабильности роста стран (волатильность темпов роста ВВП за последние 20 лет). Последние два показателя предусмотрены методологией Moody’s.

МОДЕЛИ РЕЙТИНГОВ ФИНАНСОВОЙ УСТОЙЧИВОСТИ АГЕНТСТВА MOODYS
В данной работе моделирование рейтингов осуществляется с опорой исключительно на открытую, прежде всего финансовую, информацию. Далее формируется система эконометрических моделей рейтингов на основе объясняющих переменных, приведенных в приложении. Цель — показать, что даже данная часть факторов является вполне информативной для оценки РФУБ.

Для ответа на вопрос, каков должен быть лаг между финансовыми данными и рейтингами, были оценены четыре варианта, соответствующие временным интервалам в 6, 12, 18 и 24 месяца между наблюдаемым значением рейтинга и датой, к которой относятся значения объясняющих переменных. Исходя как из статистических критериев, так и из показателей прогнозной силы моделей выводы относительно лага практически одинаковые. Если считать, что главный критерий при выборе модели — это процент точных предсказаний, то лучшие результаты получаются для модели с лагом 12 месяцев. Если стремиться уменьшить вероятность грубых ошибок, то предпочтительнее модели с лагом 18 месяцев.

Объяснение данного факта, возможно, связано с технологией рейтингового процесса, когда значительные повышения или понижения значений рейтингов требуют более ответственных и взвешенных, а следовательно, более длительных решений. Представляется, что именно устойчивость результата (отсутствие грубых ошибок с расхождением более чем на одну-две градации) является важным фактором. В этой связи дальнейшие модели строятся с использованием 18-месячного лага.

При отборе объясняющих переменных из каждой группы параметров, характеризующих деятельность банка, учитывалась их значимость. В модель в качестве контролирующих переменных включались фиктивные переменные по годам и фиктивные переменные, характеризующие отнесение страны к группе регионов с развивающимися
рынками, фиктивная переменная для российских банков, а также индексы стабильности роста (VOLATILITY) и восприятия коррупции (TI CPI). Для повышения прогнозной силы в моделях учитывались и другие переменные.

В качестве переменной, характеризующей размер банка, использовался логарифм активов. Отношение привлеченных средств к собственным, а также отношение собственного капитала к активам характеризуют адекватность капитала. Доля просроченных кредитов выбрана как прокси для качества активов. Эта переменная практически не коррелирована с другими показателями, кроме доли резервирования под кредиты. Высокая корреляция между количеством просроченных кредитов и резервами свидетельствует о том, что при резервировании банки в целом правильно оценивают вероятность невозврата.

Затраты банка характеризуются относительной стоимостью процентных обязательств. Переменные IE_II, NIM, YAEA, отражающие прибыльность банка, сильно коррелированы между собой, поэтому их нецелесообразно включать в модель одновременно. Рассмотрим три модели, каждая из которых учитывает одну из характеристик прибыльности. Данные модели оценивались с учетом финансовых показателей с лагом относительно рейтинга в 18 месяцев. Результаты оценки моделей приведены в табл. 2.
Коэффициенты модели
Сравнение трех моделей показывает, что они обладают примерно одинаковыми характеристиками качества. Все модели имеют близкие значения показателя Pseudo-R2, которые составляют порядка 0,38, и практически одинаковую прогнозную силу: доля точных прогнозов на уровне 43-44%, доля с ошибкой в пределах одной градации — 82% и доля с ошибкой в пределах двух градаций — 95%.

В отличие от моделей РД [1] рейтинги банков не объединялись в классы. В модели они представлены непосредственно градациями рейтингов (учитывался как буквенный индекс, так и знаковый модификатор «+» или «-»). Сравнивать можно долю предсказаний с ошибкой не более чем на одну градацию (в работе получена на уровне более 80%), тогда как в [1] соответствующий показатель (доля точных предсказаний класса), включающий в себя три уровня рейтингов депозитов, не превышает 78% для моделей с макропоказателями. На основе этого можно заключить, что качество прогноза РФУБ несколько лучше, чем качество прогноза РД банков.
Знаки и значения коэффициентов трех моделей в табл. 2 практически совпадают. При интерпретации знаков коэффициентов следует также иметь в виду, что в силу выбора числовой шкалы наилучшим рейтингам соответствуют наименьшие числовые значения: «-» при коэффициенте указывает на положительное влияние объясняющей переменной на рейтинг, а «+» — на негативное влияние. Из анализа знаков коэффициентов можно сделать следующие выводы.
■ При прочих равных условиях банки, находящиеся в развивающихся странах, имеют более низкий РФУБ, чем банки развитых стран. Банки, находящиеся в России, недооценены, даже по отношению к банкам развивающихся стран. В этом случае агентство, возможно, учитывает не только стабильность экономики и уровень коррупции, но и политические риски.

  1. Размер банка благоприятно сказывается на его РФУБ. В качестве характеристики размера банка был использован натуральный логарифм его активов, выраженных в миллионах долларов США.
  2. Индекс волатильности оказался незначимым. Это, возможно, объясняется тем, что влияние фактора уже учтено фиктивными переменными по типам экономик стран.
  3. Высокий показатель уровня коррупции в стране, как и предполагалось, снижает возможный РФУБ (его большие значения соответствуют меньшему уровню коррупции).
  4. Отношение средств клиентов к собственному капиталу D_EQ выше определенного уровня отрицательно сказывается на устойчивости и, следовательно, на оценке рейтинга банка.
  5. Отношение капитала к активам EQ_TA оказалось незначимым. Возможно, эффект этой переменной уже учтен включением в регрессию высоко с ней коррелированной переменной D_EQ.

Обе переменных входят в блок «адекватность капитала».

  1. Параметры, отражающие эффективность (отношение расходов на персонал к операционному доходу PE_OI) и качество активов (отношение просроченной задолженности ко всей задолженности PL_GL), оказались значимыми. При этом, как и ожидалось, чем больше уровень расходов на персонал и доля «плохих» долгов, тем хуже РФУБ.
  2. Коэффициент при переменной CIBL, отражающий стоимость привлеченных платных ресурсов, имеет положительное значение, что свидетельствует об отрицательном влиянии стоимости ресурсов на РФУБ. Именно стоимость ресурсов во многом определяет уровень устойчивости и эффективности деятельности банков.
  3. Показатели прибыльности — отношение процентных расходов к процентным доходам IE_II, рентабельность приносящих процентный доход активов YAEA, чистая процентная маржа NIM имеют ожидаемые знаки, показывающие, что банки с более высокими показателями прибыльности

более устойчивы. В частности, снижение доли процентных расходов в процентных доходах, характеризующих эффективность основной банковской деятельности (посредничества на денежном рынке), положительно влияет на оценку рейтингового агентства, так же как повышение рентабельности процентных активов и рост чистой процентной маржи.Высокий уровень корреляции между двумя последними показателями вполне ожидаем.

Влияние фиктивных переменных по годам, оказавшееся положительным в ходе исследования, указывает на наличие отрицательного тренда рейтинга во времени. Однако интерпретация этого факта требует отдельного рассмотрения, в том числе с использованием моделей в порядковых шкалах. Анализ полученных моделей в порядковых шкалах подтверждает наличие зависимости рейтингов от времени. Гипотеза о существовании временного тренда также может быть принята, хотя и с учетом некоторого снижения уровня достоверности в 2005 г. Можно полагать, что временной тренд рейтингов прежде всего сосредоточен в части, связанной с рейтингами финансовой устойчивости и несколько сглаживается фактором поддержки относительно РД.

Следует также обратить внимание на значимость объясняющей фиктивной переменной принадлежности к развивающимся рынкам, что вполне логично, а также на наличие отличий в оценках российских банков по сравнению с банками развивающихся рынков. Это указывает на потенциал роста рейтингов российских банков как за счет повышения уровня оценки бизнеса в России в целом, так и за счет повышения качества операционной и регуляторной среды, являющихся существенным сдерживающим фактором повышения оценок российских банков и промышленных компаний.

На рис. 9 приведена диаграмма распределения ошибок для модели 2 по величине отклонения фактического рейтинга от прогнозного. Распределение практически симметричное. Следует отметить, что для трех моделей (см. табл. 2) уровень точности прогноза приблизительно одинаков. Как отмечалось выше, данный уровень не ниже, чем полученный ранее для моделей РД с учетом макропеременных [1].
Распределение ошибок в модели рейтинга

ПРОГНОЗИРОВАНИЕ ЗНАЧЕНИЙ РЕЙТИНГОВ КРУПНЕЙШИХ РОССИЙСКИХ БАНКОВ

Для того чтобы проиллюстрировать возможности прогноза рейтингов на основе построенных моделей, рассмотрим результаты прогноза с использованием моделей РФУБ для крупнейших российских банков (табл. 3). Для прогноза использованы финансовые результаты российских банков за 2005 г., которые в исходной выборке при построении модели 2 (см. табл. 2) не учитывались, а также соответствующие рейтинги на конец апреля 2007 г. (вплоть до изменений РФУБ согласно новой методологии), что практически соответствует лагу в 18 месяцев.
Рейтинги банков
Анализ результатов прогноза показывает, что если сравнивать прогнозные значения с фактической реализацией рейтингов, то для большинства банков (56%) рейтинг предсказан правильно. В четырех случаях (12%) ошибка составила более одной категории. Отклонение среднего фактического значения от среднего прогнозного составило 0,3 рейтинговой категории; при этом прогноз дает в среднем заниженные значения рейтинга.

Наиболее недооцененными моделью являются рейтинги финансовой устойчивости следующих банков: Альфа-банк, ОАО «МДМ-банк», ЗАО «Райффайзенбанк Австрия» и ЗАО «Банк Русский Стандарт», поскольку, по-видимому, модель не учитывает такие факторы, как высокий уровень диверсификации активов и корпоративного управления, высокие и устойчивые финансовые результаты деятельности банков, а также высокие рыночные позиции (все банки входят или находятся в непосредственной близости от первой десятки крупнейших российских банков).
Для банков с модельным рейтингом на две градации ниже фактического рейтинга характерен акцент на розничный бизнес, что, по мнению рейтинговых агентств, повышает финансовую устойчивость в силу диверсификации бизнеса.

Заключение
Дистанционные вероятностные оценки на базе эконометрических моделей должны стать неотъемлемой частью системы внутренних рейтингов, что определяет потенциальную практическую значимость таких моделей, в том числе для развивающихся стран (включая Россию).

В статье на базе модели множественного выбора (в продолжение исследований работы [1]) построены модели рейтингов финансовой устойчивости банков (РФУБ), методология определения которых была подвергнута агентством Moody’s существенной модификации в 2007 г. Базовая модель в качестве объясняющих переменных использует финансовые индикаторы банков, фиктивные переменные по регионам принадлежности банков и годам. В работе показано, что:

  1. набор объясняющих финансовых индикаторов для моделей рейтингов включает в себя объем активов (как показатель размера банка), а также финансовые индикаторы, характеризующие стоимость привлечения ресурсов, качество активов в виде доли просроченной задолженности, отношение объема депозитов к капиталу банка и эффективности деятельности, характеризуемой относительной стоимостью персонала;
  2. при прочих равных условиях банки развивающихся стран получают более низкий рейтинг по сравнению с банками развитых стран, а российские банки получают более низкий рейтинг по сравнению с банками развивающихся стран;
  3. исследование временного лага между финансовыми данными и опубликованным рейтингом подтверждает наличие такого лага, причем для РФУБ он составляет порядка полутора лет;
  4. прогнозная сила моделей РФУБ находится на уровне прогнозной силы моделей рейтингов депозитов с использованием макропеременных, в том числе «странового потолка»;
  5. прогнозные значения рейтингов РФУБ для российских банков близки к их фактическим рейтингам; имеющиеся отклонения прогнозных рейтингов от фактических рейтингов российских банков связаны с неучтенными в моделях качественными параметрами (например, уровнем корпоративного управления).

Таким образом, модели подобного типа могут быть использованы как для мониторинга банковской системы, так и для внутрибанковских методик оценки рисков.

Авторы: Карминский Александр Маркович — академик Российской академии естественных наук, профессор Российской экономической школы и Московского государственного технического университета им. Н. Э. Баумана, д. т. н. Около 15 лет работает в одном из крупнейших российских банков (г. Москва)

Мяконьких Андрей Валерьевич — выпускник Российской экономической школы, аспирант Московского физико-технического института (г. Москва)

Пересецкий Анатолий Абрамович — ведущий научный сотрудник Центрального экономико-математического института Российской академии наук, профессор Российской экономической школы, к. ф.-м. н. (г. Москва)

Статья из журнала “Управление финансовыми рисками”, 01(13)2008

Литература

  1. Карминский А. М., Малахова И. В., Миненкова Е. С., Пересецкий А. А. Модели рейтингов банков агентства Moody’s //Управление финансовыми рисками. — 2007. — №2.
  2. Карминский А. М., Мяконьких А. В., Пересецкий А. А. Модели банковских рейтингов агентства Moody’s. Банковские рейтинги финансовой устойчивости. — М., Российская экономическая школа, 2007.
  3. Карминский А. М., Пересецкий А. А., Петров А. Е. Рейтинги в экономике. — М., Финансы и статистика, 2005.
  4. Карминский А. М., Пересецкий А. А., Рыжов А. В. Модели рейтингов банков для риск-менеджмента //Управление финансовыми рисками. — 2006. — №4.
  5. Пересецкий А. А., Карминский А. М., Ван Суст А. Г. О. Моделирование рейтингов надежности российских банков // Экономика и математические методы. — Т. 40. — 2004. — №4.
  6. Altman E., Saunders A. (1998). Credit risk measurement: Developments over the last 20 years. Journal of Banking & Finance, №21.
  7. Bank Financial Strength Ratings: Update to Revised Global Methodology. Special report. (2006). Moody’s Investors Service.
  8. International convergence of capital measurement and capital standards. Basel Committee on Banking Supervision. (2003). Basel, Bank for International Settlements.
  9. Moody’s ratings symbols & definitions. Special report. (2004). Moody’s Investors Service.

 

 

 

 

 

 

Оцените статью
Adblock
detector