Оценка контрагентного риска на рынке межбанковских кредитов
 Скачать 2.15 Mb.
|
|
СБ Банк (ООО) 2999 42 807 1 027,82 475.95 7,68% 24.03.2015 ООО «Дагэнергобанк» 3286 3 622 1 269,70 420.35 6,97% 02.04.2015 ЗАО «Промсбербанк» 1043 8 163 1 234,69 346.78 5,94% 13.04.2015 ОАО «Тихоокеанский Внешторгбанк» 1378 3 769 1 242,76 347.42 8,18% 13.04.2015 КБ «Транснациональный банк» (ООО) 2108 21 149 1 164,58 347.42 5,78% 20.05.2015 ООО КБ «Транспортный» 3174 49 415 1 143,08 360.32 5,38% 01.06.2015 ООО КБ «ОПМ-Банк» 2734 10 177 1 216,29 291.91 5,45% 01.06.2015 АО «Метробанк» 2548 11 051 1 187,42 291.91 6,15% Источник: составлено автором Приведенные выше результаты показывают, что полученные в исследовании модели способны указать на наличие у банка существенных финансовых проблем, а, следовательно, и увеличившихся контрагентных рисков, связанных с ним. Отметим, что у всех вышеприведенных банков вероятность дефолта составила больше 4,5%, что соответствует попаданию в 4 и выше группу риска. Таким образом, можно говорить о том, что результаты проведенного исследования позволяют с достаточно высокой точностью предсказать возможность возникновения у банка серьезных проблем. Отметим, что у нескольких банков значение вероятности дефолта превышает 6,5% (выделены жирным шрифтом), что говорит о том, что на данных контрагентов предпочтительнее совсем не устанавливать лимиты. Отметим также и высокое значение теоретических спредов CDS, что особенно заметно в сопоставлении с CDS на российский суверенный долг. Результаты проведенного исследования позволяют оценить вероятность дефолта контрагента с учетом включенных в модель полученных теоретических спредов CDS, что позволяет решить сразу две задачи: 1) добиться пересмотра вероятности дефолта на каждодневной основе и 2) учесть прежде не учитываемую рыночную составляющую (в виде реакции внешних инвесторов), которая позволяет дать более точную оценку контрагентного риска. Применение построенных в исследовании моделей позволяет учесть факторы, наиболее точно отражающие действительность, однако не стоит забывать, что представленный алгоритм является способом финансовой оценки контрагента, а любой анализ предполагает наличие двух составляющих, второй из которых является экспертная оценка контрагента. Учет экспертного фактора в модели, а также имплементация в модель дополнительных объясняющих переменных, наиболее точно характеризующих анализируемые банки, являются перспективными возможностями для усовершенствования полученных моделей. 170 Выводы третьей главы: 1. Разработана модель оценки справедливой стоимости спреда CDS для коммерческого банка на развивающихся рынках на основе финансовых показателей (на примере банков из группы стран БРИКС – Бразилия, Россия, Индия, Китай и ЮАР). В выборку вошли банки из развивающихся стран группы БРИКС, CDS на долг которых торгуются на рынке. Страны БРИКС имеют много общего в экономическом развитии и позициях на международных рынках. Общее количество банков в выборке составило 25 банков, 8 из которых представлены российскими банками. Для проведения анализа использовался временной период с начала 2011 года по июль 2016 года. Данные о фактических значениях спредов CDS получены из базы данных Reuters. В качестве зависимой переменной выступает Оцениваемое значение спреда CDS по банкам из группы стран БРИКС. Проанализированы наиболее популярные виды CDS: на трехлетний, пятилетний и десятилетний сроки. Из большого множества объясняющих переменных (финансовые показатели, фиктивные переменные) были отобраны не коррелирующие между собой. Были построены четыре вида моделей: • линейная регрессионная модель; • модель панельных данных «between»-регрессии; • модель с фиксированными эффектами; • модель со случайными эффектами. Для построения теоретических спредов CDS по итогам проведенного тестирования моделей было получено, что наиболее качественная модель – регрессия со случайными эффектами. Тестирование модели показало, что величина спреда CDS зависит от спреда CDS на государственный долг, вероятности дефолта страны происхождения банка и роста величины его активов. У спреда CDS существуют особенности, зависящие от срока производного финансового инструмента: • спреды трехлетних CDS также объясняются рентабельностью активов, долей кредитов в активах банка, долей оставшейся операционной прибыли и изменением гудвилла; • спреды пятилетних CDS также объясняются долей оставшейся операционной прибыли; • спреды десятилетних CDS также объясняются долей обесцененных кредитов в совокупном кредитном портфеле. 171 Отметим, что первостепенное значение придается значению пятилетнего спреда CDS, так как именно этот инструмент является наиболее ликвидным и самым востребованным на рынке. 2. Разработана модель оценки вероятности дефолта российских коммерческих банков на основе общедоступных данных финансовой отчетности и полученных в первой модели теоретических значений спредов CDS. Базой для анализа стали ежемесячные отчетности РСБУ и ежеквартальные МСФО по тем российским банкам, которым присвоены рейтинги международных агентств. Итоговая выборка составила 141 российский банк. Для проведения анализа, также как и в первой модели, использовался временной период с начала 2011 года по июль 2016 года. Для формирования выборки использовались база данных Bankscope и официальная отчетность с сайта ЦБ РФ. В качестве экзаменующей выборки выступили российские банки, лицензии которых были отозваны в период с июня 2013 по июнь 2015 годов. Поскольку критериями определения вероятности дефолта коммерческого банка являются присвоенные данному контрагенту кредитные рейтинги, в качестве зависимой переменной была выбрана Вероятность дефолта банка, определенная с помощью соотнесения рейтингов и вероятностей дефолта, публикуемых рейтинговыми агентствами. Для анализа использовались временные периоды продолжительности наступления дефолта, соотносящиеся с первой моделью: один год, три года, пять лет и десять лет. Объясняющие переменные были разбиты на группы в соответствии с рекомендациями Банка России и принятой методикой оценки банков CAMELS. Важной объясняющей переменной стали полученные с помощью первой модели спреды CDS. Далее из объясняющих переменных (спреды CDS, финансовые показатели, фиктивные переменные) были оставлены не коррелирующие между собой. Так же, как и в первой модели, были использованы четыре вида подходов к оценке регрессии. Тестирование моделей показало, что для оценки вероятности дефолта контрагента лучшим образом подходит регрессия со случайными эффектами. Оценка модели показала, что вероятность дефолта российского коммерческого банка зависит от величины спреда CDS, наличия или отсутствия у банка поддержки со стороны государства или иностранного акционера, а также набора финансовых параметров, соответствующего принятой рейтинговой системе оценки банков CAMELS. В зависимости от горизонта оценивания изменяется и конкретный перечень переменных, которые оказывают влияние на вероятность дефолта банка. Тестирование моделей показало: 172 На однолетнем горизонте к таким переменным относятся: • «Показатель качества капитала», • «Показатель доли доходных активов», • «Контур срочных активов», • «Показатель рентабельности активов (ROA)», • «Показатель оборачиваемости краткосрочных МБК», • «Показатель доли эмитированных (выпущенных) обязательств». На трехлетнем горизонте к вышеперечисленным переменным добавляются следующие переменные: • «Показатель общей достаточности капитала», • «Показатель доли прочих активов в балансе банка», • «Показатель кредитной активности». На пятилетнем горизонте к переменным, которые оказывают влияние на вероятность дефолта банка, относятся все вышеперечисленные переменные, кроме: • «Показателя доли доходных активов». На десятилетнем горизонте ко всем вышеперечисленным переменным добавляется: • « Показатель доли неустойчивых обязательств». При прочих равных обстоятельствах, учитывая, что речь идет о российской экономике, в настоящий период общей экономической нестабильности представляется разумным уделить наибольшее внимание однолетнему горизонту оценивания вероятности дефолта банка- контрагента с применением значения наиболее ликвидного и востребованного пятилетнего спреда CDS. 3. Построен трехэтапный алгоритм оценки контрагентного риска. Первый этап предполагает анализ характеристик контрагента и его ежеквартальной отчетности по МСФО. На первом этапе строится модель оценки теоретических значений спредов CDS банка-контрагента – модель оценки спредов CDS. На втором этапе производится анализ отчетности по РСБУ российского коммерческого банка, рассчитывается его вероятность дефолта. На втором этапе строится включающая в себя полученные на первом этапе теоретические значения спредов CDS модель оценки вероятности дефолта банков-контрагентов – модель оценки вероятности дефолта. Третий этап представляет собой механизм установления предельных лимитов контрагентного риска по итогам анализа полученных на предыдущих двух этапах результатов. Полученные теоретические спреды CDS и вероятности дефолта коммерческих банков используются для установления на банки-контрагенты лимитов максимально допустимого контрагентного риска. 173 Приведены сравнительные характеристики авторской модели с принятыми моделями оценки контрагентного риска. Преимущества авторского подхода с включением в модель спредов CDS заключаются в следующем: 1) авторский алгоритм позволяет проводить пересмотр вероятности дефолта контрагента на ежедневной основе; 2) авторский алгоритм учитывает рыночную составляющую, которая позволяет дать более точную оценку контрагентного риска; 3) использование в качестве базы для анализа банков из группы стран БРИКС позволяет в лучшей мере учитывать специфические особенности банков из стран с развивающимися экономиками, к которым в том числе относится и Россия; 4) алгоритм применим для всех банков, на постоянной основе раскрывающих результаты финансовой деятельности. 4. Для проверки полученных результатов были проведены три вида исследований: 1) Применение алгоритма оценки вероятности дефолта для российских коммерческих банков. 2) Сравнение теоретических спредов CDS с их фактическими значениями для российских банков. 3) Оценка теоретических спредов CDS и модели вероятности дефолта для российских банков, у которых Банк России отозвал лицензию на осуществление банковских операций. По итогам применения алгоритма и проведенных апробаций автором исследования были получены рейтинговая шкала оценки вероятности дефолта российских коммерческих банков и лимиты максимально допустимого контрагентного риска, а также сделаны следующие выводы: 1) При прочих равных условиях, при наличии государственного или иностранного участия в акционерном капитале вероятность дефолта таких банков меньше. 2) Отрицательное влияние на вероятность дефолта оказывает величина активов банка, то есть, чем больше банк, тем меньше вероятность его дефолта. 3) Низкие позиции в рейтинге имеют банки, которые специализируются на кредитовании частных лиц. 4) Находящиеся на последних местах рейтинга банки относятся многими экспертами к группе банков с наличием финансовых проблем. 5) Результаты проведенного сравнения теоретических спредов CDS с их фактическими значениями для российских коммерческих банков соотвествуют реальным данным и повторяют изменения этих данных во времени. Графический анализ показал, что лучшие результаы продемонстрировали теоретические спреды на ПАО Сбербанк и Банк ВТБ (ПАО). 174 6) Результаты оценки для банков, у которых Банк России отозвал лицензию на осуществление банковских операций, показывают, что применение авторского алгоритма установления лимитов контрагентного риска способно заранее указывать на наличие у коммерческого банка финансовых проблем, а, следовательно, и увеличившегося контрагентного риска, связанного с ним. У всех проанализированных проблемных банков вероятность дефолта соответствовала попаданию в одну из наиболее высоких групп риска. 175 Заключение Диссертационная работа посвящена оценке контрагентного риска на рынке межбанковского кредитования в российском коммерческом банке и способам его совершенствования. В работе проведена оценка теоретических и прикладных аспектов оценки контрагентного риска в коммерческом банке. Автором поставлена цель по приращению научного знания в области совершенствования оценки кредитных рисков в российских коммерческих банках. По итогам проведенного исследования получены следующие результаты: 1. На основе оценки ситуации, сложившейся на российском рынке межбанковских кредитов в 2012-2016 годах, были выявлены главные тенденции рынка: • постепенное снижение доли межбанковских кредитов в структуре открытых позиций; • уменьшение структурного дефицита ликвидности; • зависимость от ликвидности, предоставляемой Банком России; • высокая концентрация рынка; • нестабильная ситуация со спросом банков на иностранную валюту; • появление на российском финансовом рынке Центральных Контрагента, Депозитария и Репозитария; • развитие технологий для рационализации принятия решений. 2. С учетом существующих определений контрагентного риска сформулировано определение контрагентного риска для российского коммерческого банка: «Контрагентный риск – это риск возникновения у кредитной организации убытков, вызванный неисполнением финансовым институтом-контрагентом своих обязательств своевременно и в полном объеме в соответствии с условиями заключенных межбанковских соглашений». Рассматриваемые в рамках настоящего исследования основные финансовые риски являются в той или иной степени производными от кредитного риска. При этом, поскольку контрагентный риск – это частный случай кредитного риска, следовательно, все основные финансовые риски сильно взаимосвязаны с контрагентным риском. 3. Традиционные методы оценки контрагентного риска на рынке межбанковского кредитования заключаются в построении различных кредитных, а также рейтинговых моделей, использовании рейтингов, присвоенных международными рейтинговыми агентствами. Альтернативным стандартизированным подходом к оценке контрагентного риска является подход на основе внутренних рейтингов, разработанный Базельским комитетом по банковскому надзору, но он также не всегда способен соответствовать всем возникающим рискам. Основой взаимодействия банков друг с другом выступают устанавливаемые на контрагентов предельные лимиты кредитного риска. Установление таких лимитов подразумевает ограничение максимального риска на каждого контрагента. Прежде чем 176 проводить те или иные операции с другими банками необходимо оценить риски возможных потерь. Таким образом, устанавливая предельные лимиты риска для контрагентов, банк определяет максимальный уровень потерь при взаимодействии с каждым контрагентом в соответствии с вероятностью его дефолта. 4. Применяемые модели оценки контрагентного риска не соответствуют всем актуальным ситуациям и требуют постоянных усовершенствований. Внешние рейтинговые оценки, присвоенные международными рейтинговыми агентствами, не способны оперативно реагировать на изменяющееся финансовое положение эмитента. Разрабатываемые коммерческими банками внутренние рейтинговые модели, как правило, базируются на данных из финансовой отчетности, которая обновляется не чаще одного раза в месяц. Для того чтобы полученные оценки формировались на ежедневной основе, в моделях оценки контрагентного риска необходимо использовать рыночные инструменты. Одним из финансовых инструментов, который применим для оценки контрагентного риска на ежедневной основе, является кредитный дефолтный своп (Credit Default Swap – CDS). Предложенная в настоящем исследовании модель учитываете не только фундаментальные показатели, но и рыночную составляющую, основанную на данных о торговле CDS. Использование информации о динамике торговли CDS и построение моделей оценки справедливой стоимости CDS контрагентов позволяет добиться пересмотра оценок на ежедневной основе. 5. Систематизированы свойства CDS, которые позволяют использовать данный инструмент для оценки контрагентного риска коммерческого банка: • Регулярная оценка CDS большим количеством инвесторов, которые принимают во внимание всю поступающую информацию фактически в режиме реального времени. • Обратная зависимость спредов CDS и доходностей облигаций; при этом изменения в оценке контрагентного риска, как правило, первыми отражаются на рынке CDS. • Обратная взаимосвязь спредов CDS и изменения кредитных рейтингов; при этом кредитные рейтинги реагируют на изменение контрагентных рисков с некоторым запозданием, динамика изменения спредов CDS позволяет более оперативно следить за оценкой инвесторами рисков того или иного финансового института. Рассмотрены мировой и российский рынки CDS. Рынок деривативов предоставляет большие возможности для банков. Таким образом, использование информации о динамике торговли CDS может помочь эффективно отслеживать рост связанных с контрагентами рисков. Эта информация может оперативно указывать на проблемы контрагентов, что в дальнейшем позволяет минимизировать риски от проведения операций с ними. 177 6. Рассмотрены два основных класса моделей оценки CDS: структурные и редуцированные. Редуцированные модели используют показатели стоимости и доходности уже обращающихся на рынке долговых инструментов (как правило, облигации и еврооблигации). Структурные модели опираются на использование фундаментальных показателей банков. 7. Разработана модель оценки справедливой стоимости спреда CDS для коммерческого банка на развивающихся рынках на основе финансовых показателей (на примере банков из группы стран БРИКС – Бразилия, Россия, Индия, Китай и ЮАР). В выборку вошли банки из развивающихся стран группы БРИКС, CDS на долг которых торгуются на рынке. Страны БРИКС имеют много общего в экономическом развитии и позициях на международных рынках. Тестирование модели показало, что величина спреда CDS зависит от спреда CDS на государственный долг, вероятности дефолта страны происхождения банка и роста величины его активов. У спреда CDS существуют особенности, зависящие от срока производного финансового инструмента: • спреды трехлетних CDS также объясняются рентабельностью активов, долей кредитов в активах банка, долей оставшейся операционной прибыли и изменением гудвилла; • спреды пятилетних CDS также объясняются долей оставшейся операционной прибыли; • спреды десятилетних CDS также объясняются долей обесцененных кредитов в совокупном кредитном портфеле. Первостепенное значение придается значению пятилетнего спреда CDS, так как именно этот инструмент является наиболее ликвидным и самым востребованным на рынке. 8. Разработана модель оценки вероятности дефолта российских коммерческих банков на основе общедоступных данных финансовой отчетности и полученных в первой модели теоретических значений спредов CDS. Базой для анализа стали ежемесячные отчетности российских банков по РСБУ и ежеквартальные – по МСФО. Оценка модели показала, что вероятность дефолта российского коммерческого банка зависит от величины спреда CDS, наличия или отсутствия у банка поддержки со стороны государства или иностранного акционера, а также набора финансовых параметров, соответствующего принятой рейтинговой системе оценки банков CAMELS. В зависимости от горизонта оценивания изменяется и конкретный перечень переменных, которые оказывают влияние на вероятность дефолта банка. Тестирование моделей показало: На однолетнем горизонте к таким переменным относятся: • «Показатель качества капитала», • «Показатель доли доходных активов», • «Контур срочных активов», 178 • «Показатель рентабельности активов (ROA)», • «Показатель оборачиваемости краткосрочных МБК», • «Показатель доли эмитированных (выпущенных) обязательств». На трехлетнем горизонте к вышеперечисленным переменным добавляются следующие переменные: • «Показатель общей достаточности капитала», • «Показатель доли прочих активов в балансе банка», • «Показатель кредитной активности». На пятилетнем горизонте к переменным, которые оказывают влияние на вероятность дефолта банка, относятся все вышеперечисленные переменные, кроме: • «Показателя доли доходных активов». На десятилетнем горизонте ко всем вышеперечисленным переменным добавляется: • « Показатель доли неустойчивых обязательств». Учитывая, что речь идет о российской экономике, в настоящий период общей экономической нестабильности представляется разумным уделить наибольшее внимание однолетнему горизонту оценивания вероятности дефолта банка-контрагента с применением значения наиболее ликвидного и востребованного пятилетнего спреда CDS. 9. Построен трехэтапный алгоритм оценки контрагентного риска. На первом этапе строится модель оценки теоретических значений спредов CDS банка- контрагента – модель оценки спредов CDS. На втором этапе строится включающая в себя полученные на первом этапе теоретические значения спредов CDS модель оценки вероятности дефолта банков-контрагентов – модель оценки вероятности дефолта. Третий этап представляет собой механизм установления предельных лимитов контрагентного риска по итогам анализа полученных на предыдущих двух этапах результатов. Преимущества авторского подхода с включением в модель спредов CDS: 1) авторский алгоритм позволяет проводить пересмотр вероятности дефолта контрагента на ежедневной основе; 2) авторский алгоритм учитывает рыночную составляющую, которая позволяет дать более точную оценку контрагентного риска; 3) использование в качестве базы для анализа банков из группы стран БРИКС позволяет в лучшей мере учитывать специфические особенности банков из стран с развивающимися экономиками, к которым в том числе относится и Россия; 4) алгоритм применим для всех банков, на постоянной основе раскрывающих результаты финансовой деятельности. 179 10. Для проверки полученных результатов были проведены три вида исследований: 1) Применение алгоритма оценки вероятности дефолта для российских банков. 2) Сравнение теоретических спредов CDS с их фактическими значениями. 3) Оценка теоретических спредов CDS и модели вероятности дефолта для российских банков, у которых Банк России отозвал лицензию на осуществление банковских операций. По итогам применения алгоритма и проведенных апробаций автором исследования были получены рейтинговая шкала оценки вероятности дефолта российских коммерческих банков и лимиты максимально допустимого контрагентного риска, а также сделаны следующие выводы: 1) При наличии государственного или иностранного участия в акционерном капитале вероятность дефолта таких банков меньше. 2) Величина активов банка оказывает отрицательное влияние на вероятность дефолта. 3) Для банков, специализирующиеся на кредитовании частных лиц, характерна более высокая вероятность дефолта. 4) Находящиеся на последних местах рейтинга банки относятся к группе банков с наличием финансовых проблем. 5) Лучшие результаты сравнения теоретических спредов CDS с их фактическими значениями показывают теоретические спреды на ПАО Сбербанк и Банк ВТБ (ПАО). 6) Результаты оценки для банков, у которых Банк России отозвал лицензию на осуществление банковских операций, показывают, что применение авторского алгоритма установления лимитов контрагентного риска способно заранее указывать на наличие у коммерческого банка финансовых проблем, а, следовательно, и увеличившегося контрагентного риска, связанного с ним. У всех проанализированных проблемных банков вероятность дефолта соответствовала попаданию в одну из наиболее высоких групп риска. Таким образом, все задачи, сформулированные во введении данной работы, были решены, а цель – достигнута. |