авторефераты диссертаций БЕСПЛАТНАЯ РОССИЙСКАЯ БИБЛИОТЕКА - WWW.DISLIB.RU

АВТОРЕФЕРАТЫ, ДИССЕРТАЦИИ, МОНОГРАФИИ, НАУЧНЫЕ СТАТЬИ, КНИГИ

 
<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ


Pages:     | 1 ||

Динамическое моделирование кредитного риска банка в межбанковских отношениях

-- [ Страница 2 ] --

Между тем, ряд распределений обладает особенностями. Так в банковских системах Германии и Швейцарии были выделены кластеры банков, которые сами по себе описываются такими распределениями, но с другими параметрами. В распределениях банков Швейцарии, США и Японии в «тяжелом хвосте» наблюдается излом, индекс Парето меняет свое значение.

Полученные результаты подтверждают общие свойства развития крупнейших банковских систем и свидетельствуют о процессе успешной интеграции российской банковской системы в мировую. Они позволяют, во-первых, естественным образом разделить российские банки на две группы: крупные (активы с распределением Парето) и все остальные (активы с логнормальным распределением). Это, в свою очередь, дает возможность проводить дальнейший сравнительный количественный и качественный анализ факторов, определяющих кредитный риск банка, отдельно внутри каждой из двух групп банков по размеру активов, что делает их оценку более точной. Во-вторых, полученная аппроксимирующая функция распределения (3) позволяет получить относительную оценку активов отдельного банка-контрагента на определенную дату как значение функции распределения для соответствующей величины активов. В-третьих, использование комбинированного распределения дает возможность построения текущей прогнозной оценки активов банка-контрагента при отсутствии информации о текущем реальном распределении всех банков по активам: по текущим прогнозным оценкам параметров распределения, полученным посредством экстраполяции их предыдущих оценок, строится текущее прогнозное комбинированное распределение и определяется текущая прогнозная относительная оценка активов отдельного банка-контрагента.

В качестве относительных количественных показателей для исследования были выбраны достаточность капитала H1, текущая ликвидность H3, доходность активов ROA и уровень просроченной задолженности по кредитному портфелю NPL. Эти показатели представляются наиболее существенными в каждой из соответствующих групп показателей1, слабо коррелированы друг с другом, информация об их значениях наиболее часто встречается в открытых источниках. Анализировались ежемесячные данные за период с 01.01.2008 по 01.01.2009 (13 отчетных дат) по финансовой отчетности примерно 300 российских банков, включая более 100 крупных. Распределения относительных показателей, выбранных для анализа, строились отдельно для каждой из двух групп банков по размеру активов – для крупных и всех остальных.

Полученные распределения (см. рис.3) аппроксимировались гамма-распределением с параметром сдвига, параметром формы m и параметром масштаба.

Обоснованность аппроксимации для всех показателей проверялась с помощью критерия 2 – так, например, для распределения показателя Н3 (рис.3 слева внизу) значение критерия 2 составило 15,47, что меньше критического значения 27,59 для 17 степеней свободы (20 – 1 – 2 параметра) на уровне достоверности 0,05. Для других показателей также было получено, что гипотеза о достоверности аппроксимации гамма-распределением не отвергается.

Аппроксимации выбранных показателей имеют ряд особенностей: для показателей Н1, Н3 и NPL параметр сдвига брался фиксированным и совпадающим с минимальным допустимым значением самих показателей (границей), а для показателя ROA он был параметром аппроксимации и оказался отрицательным.

Для распределений показателей Н1, Н3 и ROA параметр m>1, распределения имеют максимум правее границы в точке (m-1), для распределения показателя NPL параметр формы m<1 и максимум расположен на границе (в нуле).

 Распределения банков (слева – крупных, справа – остальных) по-12

Рис.3. Распределения банков (слева – крупных, справа – остальных) по показателю Н1 (вверху) и Н3 (внизу) по состоянию на 01.01.2008 и их аппроксимация гамма-распределением (оценки параметров показаны в рамке).

Для распределения показателя Н1 оценка параметра формы m в пределах ошибки аппроксимации одинакова для обеих групп банков, в то время как оценки параметра масштаба заметно отличаются – то есть распределения показателя Н1 для крупных и остальных банков после соответствующей нормировки на размер являются примерно одинаковыми. Распределения показателя Н3, ROA и NPL имеют сходные оценки параметров формы и масштаба для обеих групп банков.

Был проведен анализ динамики оценок параметров предлагаемых аппроксимаций. Пример – оценки параметров формы m и масштаба показателей Н1 в зависимости от времени для периода 01.01.2008 – 01.01.2009 – приведен на рис.4.

Погрешность в определении оценок параметров гамма-распределения была установлена посредством моделирования методом Монте-Карло, она зависит от заданного числа банков и составляет от 15% до 25%. В пределах ошибок оценки параметров гамма-распределений соответствующих показателей для двух групп банков можно считать одинаковыми, за исключением параметра масштаба показателя Н1, среднегодовые значения которого отличаются примерно в три раза. Тем не менее, даже с учетом ошибок обращает на себя внимание корреляция (коэффициент корреляции равен 0,7) временнго хода параметров формы m и масштаба показателя Н1 для двух групп банков в течение года (рис.4). Сходство динамики изменения оценок параметров формы и масштаба показателя Н1 для двух непересекающихся групп банков свидетельствует о наличии общих факторов, воздействующих на этот показатель.

 Оценки параметров формы m и масштаба показателя Н1 в зависимости от-13

Рис.4. Оценки параметров формы m и масштаба показателя Н1 в зависимости от времени для периода 01.01.2008 – 01.01.2009.

Анализ распределений основных относительных количественных показателей банков позволил сделать вывод о возможности аппроксимации этих распределений гамма-распределением, параметры которого – параметр формы, масштаба и сдвига – описывают форму и характер распределения и могут быть использованы для построения относительной оценки данных финансовых показателей. Оценки параметров аппроксимации распределений определяются независимо для двух групп банков по размеру активов – крупных и остальных, что позволяет получать более точные аппроксимации распределений финансовых показателей для каждой группы банков, делает относительные оценки финансовых показателей банков более точными. Изучение динамики оценок параметров аппроксимации распределений финансовых показателей дает возможность выявить корреляции между двумя группами банков, строить прогнозные оценки параметров и получать текущие прогнозные относительные оценки для финансовых показателей отдельных банков-контрагентов при отсутствии информации о текущих распределениях соответствующих показателей по всем банкам. Предложенная методика позволяет осуществлять эффективный мониторинг финансового состояния банков-контрагентов, динамически оценивать кредитный риск банка, возникающий при взаимодействии с банками-контрагентами.

В третьей главе «Моделирование кредитного риска банка на основе оценки финансового состояния банков-контрагентов с использованием коэффициентного анализа» на основе предложенных методик проведено разбиение банков по активам на две группы, построены относительные оценки активов банков-контрагентов, проведено моделирование динамики оценок параметров аппроксимации распределения российских банков по активам и показаны возможности прогноза оценок параметров. Разработана методика получения динамической синтетической оценки финансового состояния банка-контрагента с использованием немонотонных функций относительных оценок его основных количественных финансовых показателей, проведено тестирование данной методики, выявлены ее возможные преимущества в сравнении с традиционными методиками с использованием монотонных функций оценок.

Первым шагом в оценке финансового состояния банка-контрагента стало построение относительной оценки его активов. На каждую отчетную дату для реального распределения банков по активам строилась его аппроксимация комбинированным четырехпараметрическим распределением (4). Относительной оценкой W(Ai) активов A­i банка-контрагента служило значение W(Ai) = 100·Фкомб(Ai), где Фкомб(Ai) определяется формулой (3). Полученные оценки параметров аппроксимаций распределений были использованы для разбиения банков по размеру активов на две группы, дальнейшая оценка финансовых показателей банка-контрагента проводилась относительно банков соответствующей группы.

Приближение и экстраполяция временного хода оценок параметров аппроксимирующих четырехпараметрических распределений, полученных в процессе моделирования распределения банков по активам, проводились с использованием полиномов различной степени. В пределах ошибок 210% для разных параметров удалось получить их прогнозные оценки, с приемлемой точностью построить прогнозные распределения банков по активам и, следовательно, получить прогнозные относительные оценки активов отдельных банков-контрагентов.

Следующим шагом в построении итоговой синтетической оценки финансового состояния банка-контрагента стало исследование и оценка выбранных основных финансовых показателей. Были рассмотрены различные функции относительных оценок финансовых показателей. В классе монотонных функций относительных оценок естественным образом выделяется функция оценок, совпадающая с функцией распределения данного показателя или близкая к ней. Выделенность такой функции объясняется тем, что в этом случае относительная оценка финансового показателя имеет равномерное распределение.

Итоговая синтетическая оценка представляет собой сумму взятых с весами wi относительных оценок отдельных показателей: , где bi(zi) - монотонные функции относительных оценок соответствующих показателей zi. Если в качестве функций оценок показателей используются функции распределения этих показателей, то значения получаемых относительных оценок для каждого показателя распределены равномерно. Даже для небольшого числа независимых показателей, если их относительные оценки распределены равномерно, распределение итоговой синтетической оценки B(z1,..zN) по всем банкам становится достаточно узким, поскольку на практике веса, с которыми относительные оценки показателей входят в итоговую синтетическую оценку, примерно равны. А значит, большинство рассматриваемых банков получит близкие итоговые синтетические оценки. Этот недостаток был устранен путем преобразования итоговой синтетической оценки B в оценку B' = Ф(B), где Ф(x) – функция распределения оценки B. Тогда распределение итоговой синтетической оценки B' будет равномерным независимо от выбора функций относительных оценок отдельных показателей, входящих в сумму. Применение данного подхода позволило избежать эмпирического подбора интервалов итоговой синтетической оценки. Функцию распределения суммы можно либо аппроксимировать, либо рассчитывать аналитически, аппроксимируя распределения отдельных показателей и задавая соответствующие функции их относительных оценок. Такое преобразование позволяет использовать произвольные, в частности, немонотонные функции относительных оценок финансовых показателей.

Из всего многообразия немонотонных функций для получения относительных оценок отдельных показателей в исследовании предлагается использовать унимодальные функции. Как показал проведенный анализ, распределения большинства из выбранных финансовых показателей являются унимодальными с максимумом (модой), отстоящим от левой границы интервала распределения. Для получения относительных оценок таких показателей предлагается использовать унимодальные функции с положением максимума, совпадающим с положением максимума распределения показателей. Такой подход обладает несколькими несомненными преимуществами:

  • немонотонное поведение относительных оценок количественных финансовых показателей банка-контрагента, позволяющее не переоценивать его финансовую устойчивость;
  • возможность динамического оценивания и оперативного учета изменений оптимальных значений количественных показателей (отслеживание текущего значения моды распределения показателя), определяющих текущее финансовое состояние банка-контрагента;
  • «тонкая настройка» относительных оценок для различных групп банков по размеру активов.

Для сравнимых по размеру и специализации банков существенное отличие значения конкретного финансового показателя отдельного банка от моды распределения этого показателя может быть свидетельством неэффективности финансовой деятельности данного банка, а в отдельных случаях – свидетельством искажения банком финансовой отчетности. Использование немонотонных функций относительных оценок показателей позволило учесть эту особенность и избежать переоценки финансовой устойчивости банка-контрагента.

Наибольший интерес и практическую значимость представляло исследование основных количественных показателей для средних и мелких по размеру активов банков-контрагентов, поскольку, как правило, независимая оценка финансового состояния этих банков, например, рейтинги международных или национальных рейтинговых агентств, отсутствует.

Строились относительные оценки четырех рассмотренных выше относительных финансовых показателей, скорректированная сумма B которых с весами, равными 1/4, бралась в качестве итоговой синтетической оценки B'. Итоговые оценки строились для 13 отчетных дат за период с 01.01.2008 по 01.01.2009. Для демонстрации преимуществ предлагаемой методики итоговые оценки строились как с использованием немонотонных функций, так и с использованием монотонных функций относительных оценок. В качестве монотонных функций относительных оценок использовались функции вида , где xmin – граница интервала, на котором определены значения показателя, – масштабирующий коэффициент, а в качестве немонотонных – функции плотности вероятности гамма-распределений, непосредственно аппроксимирующих соответствующие распределения показателей. На рис.5 показаны распределения итоговых синтетических оценок для группы из 144 банков, в том числе 4 «проблемных», полученные с использованием монотонных и немонотонных функций относительных оценок отдельных финансовых показателей. Эти распределения близки к равномерным, поскольку итоговые синтетические оценки корректировались с учетом функций распределения суммы.

Наиболее известными методиками тестирования качества кредитных рейтингов являются методики CAP (cumulative accuracy profile) и ROC (receiver operating characteristic). Эти методики использовались для определения эффективности итоговых синтетических оценок, полученных с использованием методик на основе монотонных и немонотонных функций относительных оценок.

 Распределение банков по итоговой синтетической оценке для монотонных-16

Рис.5. Распределение банков по итоговой синтетической оценке для монотонных (слева) и немонотонных (справа) функций по данным финансовой отчетности на 01.01.2009

В рассматриваемой группе средних и мелких банков была выделена подгруппа – «проблемные» банки, испытавшие наиболее серьезные финансовые трудности или лишившиеся лицензии на осуществление банковской деятельности в течение IV квартала 2008 года. Расчет коэффициента ROC для методики на основе немонотонных функций относительных оценок показал, что в целом ее использование оправдано – для всех 13 отчетных дат коэффициент был больше 0,5. В ряде случаев коэффициент ROC для методики на основе немонотонных функций оценок выше соответствующего коэффициента для методики на основе монотонных функций оценок – например, 0,94 против 0,85 по состоянию на 01.01.2009. Соответственно, отношение точности AR, используемое в методике CAP, на эту отчетную дату для итоговой оценки методики на основе немонотонных функций оценок также было выше (0,92) соответствующего показателя для итоговой оценки методики на основе монотонных функций оценок (0,78).

Полученные результаты позволили, во-первых, построить относительные оценки активов банков-контрагентов с использованием аппроксимирующего комбинированного распределения и провести анализ финансового состояния банков-контрагентов отдельно для двух групп банков по размеру активов. Во-вторых, моделирование динамики оценок параметров аппроксимирующего комбинированного распределения банков по активам дало возможность рассчитывать прогнозные оценки этих параметров, строить на их основе прогнозные распределения банков по активам и получать прогнозные относительные оценки активов отдельных банков-контрагентов. В-третьих, были построены итоговые синтетические оценки финансового состояния банков-контрагентов с использованием методик на основе как монотонных, так и немонотонных функций относительных оценок финансовых показателей. Проведенное тестирование показало, что применение разработанной методики на основе немонотонных функций оценок относительных финансовых показателей при построении итоговой синтетической оценки финансового состояния банка-контрагента оправдано. Оно позволяет, не ухудшая качества оценки банков-контрагентов с низкими, потенциально опасными значениями важнейших финансовых показателей, адекватно оценивать нехарактерно высокие значения этих показателей, которые для мелких и средних по размеру активов банков-контрагентов свидетельствуют об их финансовой неустойчивости. Полученные результаты могут эффективно применяться при оценке кредитного риска банка, возникающего в межбанковских отношениях.

ОСНОВНЫЕ ВЫВОДЫ И РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЯ

  1. Проведен сравнительный анализ наиболее известных методик оценки финансового состояния банка-контрагента, в основе которых лежит коэффициентный анализ финансовых показателей банка, выявлены недостатки подходов, используемых в этих методиках. Выбраны основные факторы кредитного риска банка, возникающего в межбанковских отношениях, – показатели, характеризующие финансовое состояние банков-контрагентов.
  2. Разработана методика относительной оценки активов банка-контрагента на основе аппроксимации реального распределения банков по активам четырехпараметрическим комбинированным распределением, позволяющая также разделить банки на две группы по активам (крупные и все остальные) и тем самым повышающая качество оценок финансового состояния банков-контрагентов.
  3. Проведено моделирование распределения банков по активам, исследована природа этого распределения. Проведен анализ динамики оценок параметров аппроксимации распределений по активам российских банков, сравнительный анализ оценок для российских банков и банков других стран мира, что позволило выявить качественные закономерности развития российского банковского сектора.
  4. Проведено моделирование распределений отдельных финансовых показателей для двух групп российских банков по размеру активов с использованием трехпараметрического гамма-распределения, проведен сравнительный анализ оценок параметров аппроксимации для двух групп банков, позволяющий определить оптимальные значения финансовых показателей для банков разных групп.
  5. Разработана методика относительной оценки отдельных финансовых показателей банка-контрагента с использованием немонотонных функций оценки, проведен анализ динамики оценок параметров аппроксимации.
  6. Разработана методика синтетической оценки финансового состояния банка-контрагента с использованием немонотонных функций оценки, проведено тестирование данной методики, показаны ее преимущества перед традиционными методиками с использованием монотонных функций оценки.

СПИСОК ПУБЛИКАЦИЙ

Основные положения и результаты диссертационного исследования содержатся в следующих опубликованных научных работах:

В изданиях, рекомендованных ВАК:

    1. Андреев А.Ю. Анализ распределения российских банков по активам // Прикладная эконометрика. 2008. № 2 (10). С. 3-10 (0,5 п.л.).
    2. Андреев А.Ю. Кредитные риски в межбанковских отношениях // Труд и социальные отношения. 2009. № 9 (63). С. 144-149 (0,5 п.л.).
    3. Андреев А.Ю. Коэффициентный анализ финансовых показателей в оценке кредитного риска банков // Вестник Самарского государственного экономического университета. 2009. № 6 (56). С. 5-9 (0,4 п.л.).

В других научных изданиях:

    1. Мастяева И.Н., Андреев А.Ю. Анализ моделей оценки кредитного риска банка / Современные проблемы управления. Материалы студенческой научно-практической конференции. М.: МЭСИ, 2007. С. 8-16 (авторские – 0,4 п.л.).
    2. Андреев А.Ю. Оценка и управление кредитными рисками российских банков / Применение математических и инструментальных методов в экономике: сборник научных трудов. М.: МЭСИ, 2008. С. 12-17 (0,2 п.л.).
    3. Андреев А.Ю. Оценка отдельных финансовых показателей, влияющих на кредитные риски российских банков / I международная научно-практическая конференция «Инновационное развитие российской экономики»: Сборник научных трудов. М.: МЭСИ, 2008. С. 26-35 (0,7 п.л.).

1 Достаточность капитала, ликвидность, качество активов, доходность – основные группы количественных показателей, традиционно используемые в подобном анализе (в частности, в методике CAMEL).



Pages:     | 1 ||
 





 
© 2013 www.dislib.ru - «Авторефераты диссертаций - бесплатно»

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.