Оценка контрагентного риска на рынке межбанковских кредитов

• Название: Оценка контрагентного риска на рынке межбанковских кредитов
• Дата: 05.09.2022
• Размер: 2.15 Mb.
• Имя файла: Polnyij_tekst_dissertatsii_Ageev_V.I..pdf
• Тип: Диссертация; #663489
• страница: 7 из 19

Мировой рынок CDS
По оценкам Банка международных расчетов (Bank for International Settlements – BIS) за последние двадцать лет открытые на глобальном рынке производных финансовых инструментов позиции выросли более чем в семь раз. Объем всего рынка деривативов по итогам 6 месяцев 2016 года составил 544 трлн. долларов США (см. Таблица 7)
103
. При этом процентные деривативы (производные инструменты на процентную ставку) занимают 76,9% на этом рынке, что составляет 418 трлн. долларов США, в то время как валютные деривативы –
13,6
% рынка, что эквивалентно 74 трлн. долларов США. Доля сделок с CDS составляет
2,2% рынка – 11,8 трлн. долларов США. Для сравнения величина ВВП США, крупнейшего в мире, по итогам 2015 года составила, по расчетам Международного валютного фонда
(International Monetary Fund), 17,97 трлн. долларов США
104
Таблица 7
Мировой рынок производных финансовых инструментов
Виды деривативов
2012
2013
2014
2015
6 месяцев 2016
трлн.
долл.
США
%
трлн.
долл.
США
%
трлн.
долл.
США
%
трлн.
долл.
США
%
трлн.
долл.
США
%
Валютные
67,36 10,6%
70,55 9,9%
75,04 11,9%
70,45 14,3%
74,04 13,6%
Процентные
492,61 77,5%
584,80 82,3%
505,44 80,5%
384,03 77,9%
418,08 76,9%
Привязанные к активам
6,25 1,0%
6,56 0,9%
6,97 1,1%
7,14 1,4%
6,63 1,2%
Товарные
2,59 0,4%
2,20 0,3%
1,87 0,3%
1,32 0,3%
1,39 0,3%
CDS
25,07
3,9%
21,02
3,0%
16,40
2,6%
12,29
2,5%
11,78
2,2%
Остальные
41,82 6,6%
25,50 3,6%
22,28 3,5%
17,48 3,5%
31,94 5,9%
Итого
635,68
100%
710,34
100%
628,00
100%
492,71
100%
543,85
100%
Источник: составлен автором на основе данных BIS
Наибольшее количество сделок на рынке CDS происходило с CDS со следующими параметрами: простые CDS нефинансовых компаний из развитых стран ЕС на срок от года до пяти лет (см. Таблицы 8-11).
102
Acharya V., Johnson T. Insider trading in credit derivatives // Journal of Financial Economics. – 2007.
103
http://www.bis.org/statistics/derstats.htm.
104
http://www.imf.org/external/pubs/ft/weo/2015/01/weodata.

74
Таблица 8
Мировой рынок кредитных дефолтных свопов (по видам: простые/сложные)
Виды CDS
2007
2008
2009
2010
2011
2012
2013
2014
2015
6 месяцев 2016
трлн.
долл.
США
трлн.
долл.
США
трлн.
долл.
США
трлн.
долл.
США
трлн.
долл.
США
трлн.
долл.
США
трлн.
долл.
США
трлн.
долл.
США
трлн.
долл.
США
трлн.
долл.
США
%
Простые
32,49 25,74 21,92 18,15 16,87 14,31 11,32 9,04 7,18 6,62 56,2%
Сложные
25,76 16,14 10,78 11,75 11,76 10,76 9,70 7,36 5,11 5,16 43,8% из них структури- рованные
-
-
-
7,48 10,51 9,66 8,75 6,75 4,74 4,74 41,1%
Итого
58,24
41,88
32,69
29,90
28,63
25,07
21,02
16,40
12,29
11,78
100%
Источник: составлен автором на основе данных BIS
Таблица 9
Мировой рынок кредитных дефолтных свопов (по срокам)
Виды CDS
2007
2008
2009
2010
2011
2012
2013
2014
2015
6 месяцев 2016
трлн.
долл.
США
трлн.
долл.
США
трлн.
долл.
США
трлн.
долл.
США
трлн.
долл.
США
трлн.
долл.
США
трлн.
долл.
США
трлн.
долл.
США
трлн.
долл.
США
трлн.
долл.
США
%
До года
3,38 2,98 3,43 3,18 5,42 5,08 3,66 3,01 2,69 2,81 23,9%
От года до пяти
36,04 26,73 21,31 21,48 19,54 18,06 16,16 12,37 8,78 8,20 69,6%
Больше пяти лет
18,83 12,18 7,95 5,24 3,67 1,94 1,20 1,02 0,83 0,77 6,5%
Итого
58,24
41,88
32,69
29,90
28,63
25,07
21,02
16,40
12,29
11,78
100%
Источник: составлен автором на основе данных BIS
Таблица 10
Мировой рынок кредитных дефолтных свопов (по видам эмитентов)
Виды CDS
2007
2008
2009
2010
2011
2012
2013
2014
2015
6 месяцев 2016
трлн.
долл.
США
трлн.
долл.
США
трлн.
долл.
США
трлн.
долл.
США
трлн.
долл.
США
трлн.
долл.
США
трлн.
долл.
США
трлн.
долл.
США
трлн.
долл.
США
трлн.
долл.
США
%
Суверенные
1,98 1,66 1,95 2,60 3,04 2,94 2,63 2,47 2,00 1,86 15,8%
Финансовые компании
4,60 4,50 4,01 3,84 7,00 6,42 5,71 3,96 2,63 2,24 19,0%
Нефинансо- вые компании
5,65 4,38 3,40 4,01 11,31 9,30 7,23 5,62 4,29 4,01 34,0%
Секьюрити- зированные продукты
-
-
-
0,29 1,04 0,90 0,57 0,23 0,23 0,22 1,9%
Многоотра- слевые
-
-
-
-
6,22 5,50 4,88 4,12 3,15 3,44 29,2%
Не определено
46,02 31,34 23,34 19,16 0,02 0,01
-
-
-
-
-
Итого
58,24
41,88
32,69
29,90
28,63
25,07
21,02
16,40
12,29
11,78
100%
Источник: составлен автором на основе данных BIS

75
Таблица 11
Мировой рынок кредитных дефолтных свопов (по странам происхождения)
Виды CDS
2007
2008
2009
2010
2011
2012
2013
2014
2015
6 месяцев 2016
трлн.
долл.
США
трлн.
долл.
США
трлн.
долл.
США
трлн.
долл.
США
трлн.
долл.
США
трлн.
долл.
США
трлн.
долл.
США
трлн.
долл.
США
трлн.
долл.
США
трлн.
долл.
США
%
Страна происхожде- ния
-
-
-
-
5,54 6,11 4,09 3,42 2,89 2,89 24,6%
Зарубежные
58,24 41,88 32,69 29,90 23,09 18,96 16,93 12,98 9,40 8,89 75,4%
США
-
-
-
-
-
-
4,49 3,41 2,58 2,45 20,8%
Развитые страны
Европы
-
-
-
-
-
-
10,87 8,21 5,72 5,48 46,6%
Япония
-
-
-
-
-
-
0,16 0,12 0,14 0,13 1,1%
Другие азиатские страны
-
-
-
-
-
-
0,17 0,13 0,10 0,10 0,9%
Латинская
Америка
-
-
-
-
-
-
0,78 0,69 0,46 0,33 2,8%
Все другие страны (в том числе и
Россия)
105
-
-
-
-
-
-
0,46 0,43 0,41 0,39 3,3%
Итого
58,24
41,88
32,69
29,90
28,63
25,07
21,02
16,40
12,29
11,78
100%
Источник: составлен автором на основе данных BIS
На конец 2007 года рынок достиг своего пика перед кризисом и общий объем сделок с
CDS составлял 58,2 трлн. долларов США, в конце 2008 года он существенно сократился до
41,9 трлн. долларов США, а затем планомерно продолжил сокращаться до 11.8 трлн. по итогам
6 месяцев 2016 года. Бурный рост рынка CDS связан с ростом в 2003-2007 годы количества сделок секьюритизации, в которых CDS выступали в качестве защиты выпускаемых облигаций, а его сокращение – с кризисными событиями 2007-2008 годов и с различными регулятивными ограничениями. Однако объемы рынка по-прежнему остаются существенными, и есть основания предполагать, что влияние этого рынка продолжит оставаться значительным.
Рынок деривативов предоставляет большие возможности для банков. Согласно данным
Федеральной службы по контролю за денежным обращением США, пятерка ведущих американских банков (JPMorgan Chase, Bank of America, Citigroup, Goldman Sachs и Wells
Fargo) держит 96% всех выпущенных в США деривативов в номинальных позициях и 81% нетто-позиций, подверженных риску в случае дефолта
106
Если говорить о доли России на этом рынке, то стоит сказать, что на данный момент, в случае нормализации политической ситуации и при условии наличия доступа к внешним
105
Россия не выделяется в отдельные регион сбора статистической информации в силу небольшого объема рынка.
106
https://www.occ.gov/.

76 финансовым рынкам, возможности роста на этом рынке есть, в первую очередь, у крупных российских банков с большой и диверсифицированной клиентской базой, сильным инвестиционным блоком и развитой сетью продаж, позволяющей получить максимальный синергетический эффект от торговли сложными видами финансовых продуктов.
Российский рынок CDS
«
Рынок CDS на российские долговые инструменты компаний и банков существует, также существует рынок CDS и на российский суверенный долг и на долг отдельных субъектов
(на данный момент в этом классе представлена только Москва)»
107
. Однако рынок CDS представлен преимущественно иностранными инвесторами. На данный момент CDS существуют только на те российские компании, которые являются эмитентами еврооблигаций.
При этом из общего количества таких компаний и банков (около 150), на начало 2016 года CDS существуют только на 20 из них.
Выделяются CDS, торгуемые на долг следующих российских эмитентов: АК «АЛРОСА»
(
ПАО), АО «АЛЬФА-БАНК», Банк ВТБ (ПАО), ОАО «Банк Москвы», Внешэкономбанк,
ПАО «Газпром», «Газпромбанк» (АО), ПАО «НК «ЛУКОЙЛ», ОАО «РЖД»,
АО «Россельхозбанк», ПАО Сбербанк, ПАО «Северсталь» и ОАО «АК «Транснефть».
Необходимо отметить, что при значительном отставании российского рынка по практически всем показателям от глобального рынка производных инструментов, в мировом масштабе российский рынок демонстрирует одни из самых высоких темпов роста.
Однако, несмотря на свой рост, структурно рынок все еще остается неразвитым – значительную долю объема составляют простейшие инструменты. У рынка есть существенный потенциал роста, однако для его развития необходимо качественное изменение ситуации на фондовом рынке, для того чтобы торгуемые инструменты пользовались существенным спросом. Кроме того, из-за отсутствия доверия и совершенных методик по анализу контрагентов и оценке рисков между банками-контрагентами установлены не максимально возможные, с точки зрения принятия риска, лимиты.
Взаимосвязь спредов CDS с рейтинговыми изменениями в России и в мире
Далее рассмотрим «динамику изменения спредов CDS по нескольким финансовым институтам и странам и сравним ее с тем, как в это же время менялись рейтинговые оценки
107
Агеев В.И., Красильникова Е.В. Стимулирование инновационного роста экономики с позиций анализа подсистем: корпоративного сектора и устойчивости банков // Креативная экономика. – 2014. – № 3 (87). – с. 36-48.

77 международных рейтинговых агентств»
108
. Надо отметить, что, поскольку CDS обращаются на внебиржевом рынке, существует несколько специализированных агентств, предоставляющих информацию по динамике изменения спредов CDS. В нашем случае мы будем использовать данные, предоставленные компанией Thompson Reuters.
Рассмотрим изменения спредов CDS на российский долг сроком 5 и 10 лет. Период для оценки – 5 лет с октября 2010 года по октябрь 2015 года (см. Рисунок 1).
Источник: Thompson Reuters
Рисунок 1. Динамика изменения 5 и 10-летних спредов CDS на долг России
Оговоримся, что важную роль в оценке риска на Россию играет политический фактор, однако он также оказывает влияние и на макроэкономические перспективы страны, и в целом динамика изменения спредов CDS отражает то, как инвесторы оценивают риск на Россию с учетом политического фактора. Из графика видно, что максимального значения спреды CDS, а, следовательно, оценка риска, достигли в конце 2014 – начале 2015 годов. Именно тот временной период характеризовался самой сильной «турбулентностью» в российской экономике, что нашло неминуемое отражение в отношении внешних инвесторов. После непродолжительного промежутка времени, когда значение спредов CDS сокращалось, наблюдается возрастающий тренд. Максимальное значение спредов CDS пришлось на
108
Агеев В.И. О применимости CDS для оценки кредитоспособности финансовых институтов РФ // Глобальные рынки и финансовый инжиниринг. – 2015. – Том 2. – № 1. – с. 61-76.

78 30 января 2015 года, когда спред 5-летнего CDS составил 628 базисных пунктов, а 10-летнего
CDS на 16 декабря 2014 года – 630,87 базисных пункта.
Показательным будет следующее сопоставление. В то время как рейтинговые оценки от международных рейтинговых агентств на 21 марта 2014 года оставались без изменений – агентство S&P 20 марта, а Fitch 21 марта даже подтвердили свои рейтинговые оценки – «BBB» от S&P, «Baa1» от Moody’s и «BBB» от Fitch, на рынке CDS наблюдалась существенная переоценка рисков инвесторами.
С другой стороны, когда изменение рейтинга все-таки произошло – агентство S&P понизило рейтинг России 25 апреля 2014 года до «BBB-» – спреды CDS отреагировали на это событие следующим образом: значение 5-летнего CDS изменилось на 17,45 базисных пункта
(рост +6,6%), а 10-летнего – на 15,91 базисных пункта (рост +5,1%). Отметим, около этой даты спреды так существенно не изменялись, но при этом тенденция к существенному росту спредов
CDS началась за некоторое время до того, как агентство S&P приняло решение о понижении рейтинга.
Итак, как мы видим, несмотря на то, что за указанный период (с октября 2010 года по октябрь 2015 года) рейтинговые оценки существенно не изменились (поменялся только один рейтинг), общая оценка рисков на Россию внешними инвесторами существенно поменялась: рост 5-летнего спреда CDS за год на 66,17 базисных пункта (36,6%), 10-летнего спреда CDS – на 159,5 базисных пункта (86,2%). Обратим внимание на то, что 10-летний спред поменялся более существенно.
Посмотрим для сравнения на динамику 10-летнего спреда на долг еще одной страны, входящей в группу стран БРИКС, – Бразилии, экономическое положение которой часто сравнивают с Россией (см. Рисунок 2)
109 109
Агеев В.И. О применимости CDS для оценки кредитоспособности финансовых институтов РФ // Глобальные рынки и финансовый инжиниринг. – 2015. – Том 2. – № 1. – с. 61-76.

79
Источник: Thompson Reuters
Рисунок 2. Динамика изменения 10-летнего спреда CDS на долг Бразилии
Отметим, во-первых, что в целом стоимость спреда CDS на долг Бразилии по итогам III квартала 2015 года находится на более высоком уровне по сравнению с Россией, в то время как незадолго до этого Бразилия долго оценивалась лучше России. Так, значение 10-летнего спреда на 19 октября 2015 года составляет 485,42 базисных пункта (293 базисных пункта у России), в то время как на 31 июля 2014 года 214,91 базисных пункта (344,5 базисных пункта у России), а за год до этого – 2 августа 2013 года – оно было выше аналогичного показателя России:
220,93 базисных пункта у Бразилии против 185 базисных пунктов у России.
В течение рассматриваемого периода в случае с Бразилией произошло одно существенное рейтинговое изменение. Агентство S&P понизило рейтинг Бразилии на одну ступень до «BBB-» 24 марта 2014 года. Реакция спреда CDS при этом была противоположной – он как уменьшался до этого, так и продолжил свое снижение: -5,92 базисных пункта (2,5%).
Напомним, что после изменения рейтинга России спред CDS существенно повысился.
Таким образом, если за 2014 год значение спреда CDS на бразильский долг существенно не изменилось: +14,29 базисных пункта (5,9%); а в определенные периоды (II-III кварталы) наблюдалось сокращение вероятности дефолта, особенно заметное на фоне ее роста относительно российского долга, что может быть в том числе объяснено успешным проведением в Бразилии футбольного Чемпионата мира ФИФА, то затем, начиная с IV квартала

80 2014 года наблюдается планомерный рост вероятности дефолта, чему мог поспособствовать объявленный в соседней с Бразилией Аргентине дефолт по суверенным долгам, что не могло остаться без внимания инвесторов. И уже в 2015 году спреды CDS показали существенный рост
(в 2 раза), увеличение связано с возрастанием рисков на суверенный долг Бразилии и в целом с некоторым финансовым ослаблением всего региона.
Нашло это отражение и в решениях международных рейтинговых агентств: агентство
Moody's понизило суверенный рейтинг Бразилии с «Baa2» до низшего инвестиционного «Baa3»
12 августа 2015 года; агентство S&P – с «BBB-» до «BB+» 10 сентября 2015 года; агентство
Fitch Ratings – с «BBB» до «BBB-» 16 октября 2015 года.
Но надо отметить, что если значение спредов CDS понижается, начиная с IV квартала
2014 года и на протяжении всего 2015 года, то рейтинговые изменения произошли только в конце II – начале III квартала 2015 года.
«
Обратимся теперь к сравнению динамики изменения спредов CDS на российские и европейские финансовые институты в зависимости от пересмотра их рейтингов международными рейтинговыми агентствами»
110
. Но прежде отметим высокий уровень корреляции, который существует между динамкой цен CDS на Россию и на российские финансовые институты, значения коэффициентов которой для крупнейших российских банков
(
АО «АЛЬФА-БАНК», Банк ВТБ (ПАО), ОАО «Банк Москвы», АО «Банк Русский Стандарт»,
Внешэкономбанк, «Газпромбанк» (АО), АО «Россельхозбанк» и ПАО Сбербанк) приведены в
Таблице 12.
Таблица 12
Коэффициенты корреляции между спредами 5-летних CDS на российский суверенный
долг и спредами на крупнейшие российские банки
Пары CDS
Коэффициент корреляции, %
Россия – Банк ВТБ
98,76%
Россия – Сбербанк
98,72%
Россия – Россельхозбанк
97,12%
Россия - Внешэкономбанк
97,03%
Россия – Банк Москвы
95,66%
Россия – Газпромбанк
86,43%
Россия – Альфа-Банк
83,37%
Россия – Банк Русский Стандарт
75,81%
Россия – совокупность банков
55,75%
Источник: составлено автором на основе данных Thompson Reuters
110
Агеев В.И. О применимости CDS для оценки кредитоспособности финансовых институтов РФ // Глобальные рынки и финансовый инжиниринг. – 2015. – Том 2. – № 1. – с. 61-76.

81
Наибольший интерес из российских финансовых институтов для нашего анализа представляет Банк ВТБ. Так как, во-первых, CDS на его долг являются одними из немногих ликвидных среди российских компаний, а во-вторых, за последний год рейтинги Банка ВТБ понижались всеми тремя международными агентствами. Рассмотрим динамику изменения 5- летнего спреда CDS за период с октября 2010 года по октябрь 2015 года (см. Рисунок 3).
Источник: Thompson Reuters
Рисунок 3. Динамика изменения 5-летнего спреда CDS на долг Банка ВТБ (ПАО)
Не считая скачка в сентябре 2015 года, когда значение спреда CDS на Банк ВТБ быстро вернулось назад, максимального значения спред достиг 14 марта 2014 года – 430,46 базисных пункта. Посмотрим теперь на то, как он менялся после пересмотра рейтингов банка.
10 января 2014 года агентство Fitch понизило рейтинг Банка ВТБ до «BBB-» – незначительный рост спредов (меньше одного базисного пункта); 28 апреля 2014 года то же самое сделало агентство S&P – рост спредов на 21,36 базисных пункта (5,3%); наконец, 5 июля 2014 года агентство Moody’s понизило рейтинг Банка ВТБ до «Baa2» – незначительное сокращение спредов (меньше одного базисного пункта).
При этом за некоторое время до объявления о решении поменять рейтинги спреды существенно росли, что может, с одной стороны, свидетельствовать о несколько запоздалой реакции рейтинговых агентств, а с другой – что в оценке CDS инвесторами уже присутствовало ожидание понижения рейтинга, так как такое развитие событий было предсказуемым.

82
Отметим, что примеры самого резкого роста происходили в начале марта
(63,61 базисных пункта за неделю, 21,6%), середине апреля (51,96 базисных пункта, 14,1%) и в конце июля 2014 года (73,8 базисных пункта, 21,7%), и они не были напрямую связаны по времени с пересмотром рейтингов. То есть получается, что скорость реакции рейтинговых агентств на изменение ситуации была существенно медленнее изменения спредов CDS.
Посмотрим, как изменения рейтингов взаимосвязаны со спредами CDS в странах со стабильной экономикой
111
. Ниже представлена динамика спредов CDS на крупные европейские банки BNP Paribas S.A. и UniCredit S.p.A. (см. Рисунки 4, 5).
Источник: Thompson Reuters
Рисунок 4. Динамика изменения 5-летнего спреда CDS на долг BNP Paribas
111
Агеев В.И. О применимости CDS для оценки кредитоспособности финансовых институтов РФ // Глобальные рынки и финансовый инжиниринг. – 2015. – Том 2. – № 1. – с. 61-76.

83
Источник: Thompson Reuters
Рисунок 5. Динамика изменения 5-летнего спреда CDS на долг UniCredit
Динамка изменения спредов CDS двух представленных финансовых институтов схожа.
Рейтинги BNP Paribas были пересмотрены 17 июля 2013 года, когда агентство Fitch понизило рейтинг банка до «A+». Отметим, что к тому времени спреды CDS уже понижались некоторое время, а непосредственно в день понижения рейтинга спреды немного выросли: на
2,31 базисных пункта (1,8%), после чего продолжили свое падение. То есть с точки зрения инвесторов вероятность наступления дефолта сокращалась.
В случае с UniCredit рейтинговое изменение произошло 21 марта 2014 года, его рейтинг был понижен агентством Moody’s до «Baa1». Ситуация абсолютно аналогична приведенной выше с BNP Paribas: в день объявления решения о понижения рейтинга спреды CDS незначительно подросли: 4,96 базисных пункта (3,3%), а потом продолжили свое сокращение.
Таким образом, можно сказать, что, во-первых, влияние рейтингов на российские финансовые институты и российский суверенный долг более значительно, чем на европейские финансовые институты. Во-вторых, рейтинги не отражают всей картины оценки рисков, и динамика изменения стоимости спредов CDS позволяет более оперативно следить за оценкой инвесторами рисков того или иного финансового института, той или иной страны. Можно утверждать, что рейтинговые агентства реагируют на изменение ситуации с некоторой задержкой.

84
Таким образом, при оценке рисков контрагентов использование информации о динамике торговли CDS на них представляется целесообразным. Эта информация может помочь оперативно отреагировать на ситуацию возникновения у контрагентов проблем. Конечно же, не стоит отказываться и от традиционных методов оценки рисков, в том числе и от рейтингов, присвоенных международными рейтинговыми агентствами, но, как показывает практика, использование информации о динамике торговли CDS является более эффективным инструментом отслеживания изменения финансового положения контрагентов.
После того, как были рассмотрены основные характеристики и свойства кредитного дефолтного свопа, его преимущества и недостатки, взаимосвязь с другими финансовыми инструментами и рейтинговыми изменениями в России и в мире, перейдем к анализу моделей построения прогнозных значений спредов CDS, которые можно использовать для оценки контрагентного риска.

85
2.3.
Модели построения теоретических значений спредов кредитных дефолтных свопов
После того как были рассмотрены основные модели оценки контрагентного риска, проанализированы основные особенности такого финансового инструмента как CDS, обратимся к моделям построения прогнозных значений спредов CDS, которые в дальнейшем можно использовать для оценки контрагентного риска. Использование в моделях прогнозных значений спредов CDS позволит учитывать в них рыночный фактор и более оперативно реагировать на происходящие изменения финансового положения контрагентов. В первую очередь, необходимо отметить, что существуют следующие основные «модели оценки CDS:
•
Модели оценки CDS на основе хеджирования;
•
Модели оценки CDS, основанные на интенсивности дефолтов, упрощенные или редуцированные модели;
•
Модели оценки кредитных инструментов на основе кредитного рейтинга;
•
Структурные модели оценки CDS или модели, основанные на стоимости фирмы
(подход Мертона)»
112
Для первых двух классов моделей характерно использование не фундаментальных показателей компании или банка, а показателей стоимости и доходности уже обращающихся на рынке их долговых инструментов (как правило, речь идет об облигациях и еврооблигациях).
Полученный благодаря этим моделям теоретический спред CDS является производным от оценок других долговых финансовых инструментов.
Модели на основе кредитного рейтинга и структурные модели, наоборот, опираются на использование фундаментальных показателей анализируемой компании или банка. Таким образом, редуцированные модели предполагают использование рыночной оценки других обращающихся на рынке долговых инструментов банка, а структурные – финансовое положение и основные показатели его отчетности. Рассмотрим эти два основных класса моделей более подробно.
Структурные модели
В 1973 году известные американские экономисты Фишер Блэк и Майрон Шоулз построили модель оценки опционов, которая подразумевала, «что если базовый актив торгуется на рынке, то цена опциона на него неявным образом уже устанавливается самим рынком»
113
Затем, в 1974 году другой знаменитый американский экономист Роберт Мертон на базе
112
Мезенцев В.В. Оценка кредитного дефолтного свопа на российские компании при помощи редуцированной модели и модели Мертона // Корпоративные финансы. – М.: НИУ ВШЭ. – 2012. – № 1(21). – с. 44-57.
113
Black F., Scholes M. The Pricing of Options and Corporate Liabilities // Journal of Political Economy. – 1973. – p. 637-
654.

86 предложенной Блэком-Шоулзом модели оценил обязательства компании в случае наступления события дефолта, связав кредитный риск со структурой капитала компании
114
. Данная модель используется для оценки всех производных финансовых инструментов, включая варранты, конвертируемые ценные бумаги и также кредитные дефолтные свопы.
Структурные модели исходят из предпосылки о том, что стоимость акций компании представляет собой опцион-колл на ее активы, а цена сделки равна стоимости обязательств фирмы
115
Важно отметить, что в структурных моделях дефолт эндогенен. «Дефолт происходит тогда, когда активы компании-заемщика снижаются до определенного порогового уровня по отношению к обязательствам»
116
В структурных моделях вначале определяются условия наступления дефолта, а затем вычисляются вероятности того, что этот сценарий будет реализован. В данном классе моделей происходит не только расчет того, с какой вероятностью может наступить дефолт, но и также рассчитывается, почему дефолт должен произойти именно в данный момент времени. Таким образом, оценка кредитного дефолтного свопа, а именно кредитного спреда, представляет собой стоимость опциона-пут на стоимость акционерного капитала компании
117
При этом стоимость опциона-пут рассчитывается по модели Блэка-
Шоулза.
Модель Блэка-Шоулза. «Согласно Модели Блэка-Шоулза, ключевым элементом определения стоимости опциона является ожидаемая волатильность базового актива»
118
По мере изменения стоимости актива прямо пропорционально изменяется и стоимость опциона.
Таким образом, если известна стоимость опциона, то можно определить уровень волатильности актива, ожидаемый рынком.
114
Merton R. On the Pricing of Corporate Debt: The Risk Structure of Interest Rates // Journal of Finance. – 1974. – 29. – p. 449-470.
115
Опцион-колл – опцион на покупку, в соответствии с которым покупатель приобрел право (но не обязательство) купить определенное количество базового актива у продавца опциона по фиксированной цене в течение срока действия опциона. Шарп У.Ф. Инвестиции. // У.Ф. Шарп, Г.Д. Александер, Дж.В. Бэйли: Пер. с англ. – М.: Инфра-
М. – 2004. – 1035с.
116
Агеев В.И., Чернышов П.В. Эволюция подходов к управлению кредитными рисками в коммерческих банках //
Российское предпринимательство. – 2013. – № 19 (241). – с. 59-68.
117
Опцион-пут – опцион на продажу. В биржевой торговле представляет собой стандартный биржевой контракт, в соответствии с которым покупатель приобрел право (но не обязательство) продать определенное количество базового актива продавцу опциона по фиксированной цене (цена страйк или цена исполнения) в течение срока действия опциона. Шарп У.Ф. Инвестиции. // У.Ф. Шарп, Г.Д. Александер, Дж.В. Бэйли: Пер. с англ. – М.: Инфра-
М. – 2004. – 1035с.
118
Black F., Scholes M. The Pricing of Options and Corporate Liabilities // Journal of Political Economy. – 1973. – p. 637-
654.

87
Базовая формула модели Блэка-Шоулза может быть представлена в следующем виде.
Цена европейского опциона-колл
119
:
)
(
)
(
t)
C(S,
2
)
(
1
d
N
Ke
d
SN
t
T
r
−
−
−
=
,
t
T
t
T
r
K
S
In
d
−
−
+
+
=
σ
σ
)
)(
2
/
(
)
/
(
2 1
,
t
T
d
d
−
−
=
σ
1 2
Цена европейского опциона-пут:
)
(
)
(
t)
P(S,
1 2
)
(
d
SN
d
N
Ke
t
T
r
−
−
−
=
−
−
, где
C(s, t) – текущая стоимость опциона-колл в момент t до истечения срока опциона;
P(s, t) – текущая стоимость опциона-пут в момент t до истечения срока опциона;
S – текущая цена базового актива;
N (x) – вероятность того, что отклонение будет меньше в условиях стандартного нормального распределения;
K –
цена исполнения опциона; r – безрисковая процентная ставка;
T – t – время до истечения срока опциона (период опциона);
σ – волатильность базового актива.
И Блэк-Шоулз, и Мертон предлагают использовать простую модель фирмы, которая основывается на соотношении кредитного риска и структуры капитала фирмы. В данной модели предполагается, что стоимость активов фирмы подчиняется логнормальному диффузионному процессу с постоянной волатильностью. Предполагается, что фирма выпускает два класса ценных бумаг: долевые и долговые. При этом, согласно предпосылкам модели, никакие дивиденды не выплачиваются. Долг представляет собой чистую дисконтную облигацию, где обещанная выплата D предполагается в определенный момент времени t. Если в момент времени t суммарная стоимость активов фирмы превышает обещанный платеж D, кредиторы получают обещанную сумму, а акционеры – остаточную стоимость активов. В том случае, если стоимость активов оказывается меньше обещанного платежа, у фирмы наступает дефолт, кредиторы получают плату, эквивалентную стоимости активов, а акционерам, следовательно, ничего не достается.
119
Европейский опцион может быть погашен только в одну указанную дату (дата истечения срока, дата исполнения, дата погашения).

88
Модель Мертона была затем усовершенствована в работах Ф. Блэка и Дж. Кокса и
Ф. Лонгстаффа и И. Шварца, которые определили, что дефолт наступает тогда, когда стоимость активов фирмы опускается ниже заданного уровня
120
В работе Ц. Жу приведены аналитические результаты корреляции дефолтов между двумя фирмами в моделях данного типа
121
. Таким образом, учитывая все вышесказанное, модель Мертона выглядит следующим образом:
)
)
(
,
0
max(
t)
S(V,
D
t
V
−
=
, где
S(V, t) – стоимость акционерного капитала в момент времени t;
V(t) – стоимость фирмы в момент времени t;
D – номинальная стоимость долга.
Большую роль при построении оценок с помощью модели Мертона играет правильный выбор детерминант модели. К ключевым факторам, которые может и должна учитывать модель, относятся следующие три: отношение долга к стоимости фирмы, показатель волатильности и выбор безрисковой ставки. Существуют и другие факторы, которые могут также учитываться в модели: например, отрасль, к которой относится компания (в случае с банками можно вести речь о разделении банков на коммерческие и инвестиционные); внешние рейтинги, присвоенные международными рейтинговыми агентствами (инвестиционного или спекулятивного класса); показатели ликвидности; возраст банка (сколько лет он уже действует в отрасли), и некоторые другие. Остановимся на каждой их них подробней.
Доля долга
Доля долга в стоимости компании определяется как отношение балансовой стоимости обязательств компании к ее стоимости (капитализация + чистый долг). Как уже отмечалось, структурные модели подразумевают, что дефолт наступает тогда, когда акционерная стоимость компании снижается ниже стоимости ее долга. Из чего логически следует, что чем больше доля долга, тем выше вероятность того, что случится дефолт. Следовательно, чем больше доля долга, тем дороже должна быть страховка от дефолта. Таким образом, по мере роста долга должен увеличиваться и спред.
120
Black F., Cox J.C. Valuing corporate securities: Some effects of bond indenture provisions // Journal of Finance. – 1976.
– 31(2). – p. 351-367; Longstaff F.A., Schwartz E.S. A simple approach to valuing risky fixed and floating rate debt //
Journal of Finance. – 1995. – 50 (3). – p. 789-819.
121
Zhou C. A Jump-Diffusion approach to modeling credit risk and valuing defaultable securities // Working paper. –
Federal Reserve Board. – 1997.

89
Волатильность актива
Во всех структурных моделях наступление дефолта зависит от изменения стоимости фирмы. Таким образом, волатильность активов используется в качестве основного драйвера кредитного риска. В качестве прокси-переменной волатильности активов фирмы чаще всего используется стандартное отклонение доходности акций.
Применяя расчетную волатильность, основанную на рыночной стоимости акций компании или банка, вместо фактической, при прочих равных условиях, можно получить более точные результаты, поскольку такая предполагаемая расчетная волатильность оценивается участниками рынка в каждый момент времени.
Безрисковая ставка
В соответствии с предпосылками модели кредитный риск не может быть оценен независимо от рыночных рисков, в особенности от риска изменения процентных ставок.
Д. Коссин и Х. Пиротте в своей работе показали, что кредитный риск существует из-за характерных особенностей конкретного обязательства, представленного основной суммой долга и процентами, отличающих его от безрисковых инструментов
122
В качестве безрисковой ставки могут быть использованы различные ставки: чаще всего, это либо значение доходности бескупонных казначейских облигаций США, либо ставка LIBOR, либо для России ставка по ОФЗ или межбанковскому рынку РЕПО.
Рейтинги
Кредитный рейтинг представляет собой мнение об общей кредитоспособности должника и его способности своевременно осуществлять платежи по конкретной ценной бумаге с фиксированным доходом в будущем. Рейтинг должен отражать финансовое положение и результаты деятельности конкретной компании. Процесс присвоения рейтинга включает в себя анализ финансового состояния фирмы, учитывает качество менеджмента, конкурентоспособность, анализ финансовой отчетности. Причем эти рейтинги могут быть как внешними, присвоенными международными рейтинговыми агентствами, так и внутренними, построенными по собственным методикам с учетом специфических для конкретного аналитика факторов. В дальнейшем все компании могут быть разделены на несколько классов в зависимости от присвоенных рейтингов. Причем количество этих классов может варьироваться от двух (рейтинги инвестиционного или спекулятивного уровня) до нескольких десятков.
122
Cossin D., Pirotte H. Advanced credit risk analysis // John Wiley & Sons, Ltd. – Wiley Series in Financial Engineering.
– 2001.

90
Время до погашения
Срок погашения конкретного контракта или лимита, установленного на контрагента, также может являться дополнительным фактором модели. Так как часть сделок происходит на внебиржевом рынке, сроки сделок могут существенно различаться. Учет сроков погашения всех контрактов или лимитов является достаточно важной характеристикой.
Наклон кривой доходности
Как было показано в работе Ф. Лонгстаффа и И. Шварца, краткосрочная процентная ставка регулируется процессом Орнштейна-Уленбека и в среднем постоянно приближается к долгосрочной
123
. Так, увеличение наклона кривой доходности должно приводить к увеличению ожидаемой краткосрочной процентной ставки и, как результат, сокращению кредитного спреда.
Наклон кривой доходности может быть проинтерпретирован как показатель общего экономического благосостояния. Наклон кривой доходности, как правило, рассчитывается как разница между долгосрочной и краткосрочной процентными ставками.
Таким образом, основными детерминантами структурных моделей являются следующие.
Во-первых, уровень долговой нагрузки – главное во всех структурных моделях: при прочих равных условиях, чем выше у фирмы уровень долговой нагрузки, тем выше вероятность ее дефолта. Во-вторых, волатильность базовых активов является важнейшим фактором, определяющим значение чувствительности фирмы к дефолту. В-третьих, большое влияние на оценку вероятности дефолта оказывает уровень безрисковой ставки. И хотя изначальная модель
Мортона, исходящая из постоянства процентной ставки, не подразумевает корреляции между безрисковой ставкой и спредом облигаций, предпосылки модели предполагают отрицательную связь между этими двумя переменными. Это объясняется тем, что безрисковая ставка определяется с учетом риска изменения стоимости фирмы и, следовательно, увеличение этой переменной повлечет за собой снижение вероятности дефолта, а, следовательно, величины кредитного спреда. Такой же результат был показан в моделях, где динамика безрисковой ставки была смоделирована в явном виде
124 123
Longstaff F.A., Schwartz E.S. A simple approach to valuing risky fixed and floating rate debt // Journal of Finance. –
1995. – 50 (3). – p. 789-819.
124
Там же; Collin-Dufresne P., Goldstein R.S., Martin J.S. The determinants of credit spread changes // Journal of Finance.
– 2001. – 56 (6). – p. 2177-2207.

91
Редуцированные модели
Редуцированные модели фокусируются на нейтральной к риску ставке. Рассчитывается вероятность наступления дефолта между определенными периодами времени при условии отсутствия дефолтов ранее
125
. Эти модели могут включать в себя корреляции между дефолтами, позволяя уровням риска быть стохастическими и коррелированными с макроэкономическими переменными. Редуцированные модели являются математически привлекательными и соответствуют предпосылке, в соответствии с которой циклы экономического развития оказывают непосредственное влияние на возникновение дефолтов.
Они могут быть рассчитаны в соответствии с риск-нейтральной вероятностью наступления дефолта, зависящей от изменения стоимости корпоративных облигаций. Их главным недостатком является то, что диапазон корреляции дефолтов, который может быть рассчитан, достаточно ограничен. Даже когда происходит идеальная корреляция между двумя уровнями риска, соответствующая корреляция между дефолтами в любой выбранный период времени обычно очень низка. Это может являться существенной проблемой в некоторых обстоятельствах. Например, когда две компании работают в одной и той же отрасли и стране или когда «финансовое здоровье» одной компании по каким-то причинам сильно зависит от
«финансового здоровья» другой компании, относительно высокая корреляция дефолтов таких компаний может быть гарантирована.
Р. Яаррой и Ф. Ю в своей работе представили интересный способ преодолеть этот недостаток редуцированных моделей
126
Разработанная авторами модель допускает существенный рост вероятности наступления дефолта компании B в том случае, если уже состоялся дефолт компании A, а компании А и В являются двумя связанными компаниями.
Основная идея данных моделей заключается в том, что «справедливая» стоимость инструмента рассчитывается в случае равенства ожидаемых денежных потоков, как для продавца, так и для покупателя данного инструмента. «Поскольку с помощью цен дисконтной рисковой и безрисковой облигации можно определить вероятность дефолта базового актива, то можно оценить вероятный денежный поток покупателя и продавца защиты. Все полученные стоимости потоков приводятся к одному моменту времени с помощью безрисковой ставки. При
125
Duffie D. Credit swap valuation // Financial Analysts Journal. – 1999. – Vol. 55. – p. 73-85; Hull J., White A. Valuing credit default swaps I: no counterparty default risk // Journal of Derivatives. – 2000. – Vol. 8; Hull J., Predescu M., White
A. The relationship between credit default swap spreads, bond yields, and credit rating announcements // Journal of
Banking and Finance. – 2004. –
№ 11.
126
Jarrow R.A., Yu F. Counterparty Risk and the Pricing of Defaultable Securities // Working paper. – Cornell University.
– 1999.

92 этом должна быть учтена вероятность совершения платежа – или фактически вероятность дефолта в каждом отдельном периоде»
127
При оценке вероятности дефолта в данных моделях наличие спреда между ставками по рисковой и безрисковой облигациям объясняется исключительно присутствием кредитного риска. «Таким образом, временная структура спредов рисковой облигации относительно безрисковой является временной структурой вероятностей дефолта рисковой облигации»
128
Важно отметить, что при расчете таких моделей стоимость актива, в нашем случае кредитного дефолтного свопа, определяют два основных фактора. Первый фактор – это интенсивность наступления кредитных событий (дефолтов), второй – процентная ставка.
Интенсивность наступления дефолта представляет собой вероятность дефолта в каждый момент времени t. Согласно предпосылкам модели вероятность дефолта должна быть рассчитана на основе временной структуры процентных ставок, что требует правильно сконструировать кривую процентных ставок. Поскольку на основе рыночных данных это сделать практически невозможно, кривую процентных ставок необходимо смоделировать.
Для оценивания срочной структуры процентных ставок можно использовать либо метод бустрэппинга, либо сплаин-метод, либо можно воспользоваться параметрическими методами построения кривой кредитного спреда, к основным из которых относятся следующие: константные, линейные квадратичные кривые или моделируемые кривые
129
Еще один оценочный параметр в данной модели – коэффициент обеспечения – та часть номинала облигации, которую будет передана ее держателю после дефолте эмитента. Данный параметр напрямую влияет на стоимость кредитного дефолтного свопа: если обеспечение в случае наступления дефолта будет недооценено, то стоимость кредитного дефолтного свопа будет завышенной, и наоборот. Коэффициент обеспечения может быть оценен одним из следующих методов оценки: модель Альтмана, метод Монте-Карло или на основе статистических данных об изменении стоимости долговых активов после банкротства.
Важно понимать, что в редуцированных моделях точность оценки зависит от точности построения кривой кредитного спреда и оценки коэффициента покрытия. При этом в условиях
127
Мезенцев В.В. Оценка кредитного дефолтного свопа на российские компании при помощи редуцированной модели и модели Мертона // Корпоративные Финансы. – М.: НИУ ВШЭ. – 2012. – № 1(21). – с. 44-57.
128
Мезенцев В.В. Оценка кредитного дефолтного свопа на российские компании при помощи редуцированной модели и модели Мертона // Корпоративные Финансы. – М.: НИУ ВШЭ. – 2012. – № 1(21). – с. 44-57.
129
Бустрэппинг – предложенный в 1979 году Брэдли Эфроном практический компьютерный метод определения статистик вероятностных распределений, основанный на многократной генерации выборок методом Монте-Карло на базе имеющейся выборки. Позволяет оценивать разные статистики (доверительные интервалы, дисперсию, корреляцию и так далее) для сложных моделей. Составляет класс методов генерации повторной выборки; Efron B. Bootstrap methods: Another look at the jackknife // Ann. Statist. – 1979. – p. 26-71.
В 1975 МакКалох опубликовал работу, посвященную исследованию кривых доходностей ценных бумаг
Казначейства США. Он использовал полиномиальную функцию для подгонки кривой доходностей; McCulloch J.H.
Measuring the Term structure of interest Rates // Journal of Business. – 1971. – 44. – p. 19-31.

93 кризиса для оценки, как правило, наиболее часто применяются именно редуцированные модели, так как их оценки в первую очередь определяются стоимостью других обращающихся на рынках долговых инструментов анализируемого эмитента.
Выводы второй главы:
1.
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).
Использование банком информации о динамике торговли CDS, а также построение теоретических CDS, является важным аспектом в современном процессе оценки контрагентного риска.
Основное преимущество применения CDS как индикатора финансового состояния контрагента заключается в том, что этот производный финансовый инструмент постоянно оценивают участники рынка, которые учитывают не только данные отчетности банков, кредитные рейтинги и другие фундаментальные оценки, но и всю доступную информацию фактически в режиме реального времени, существенно расширяя возможности оценки контрагентного риска.
Модели оценки контрагентного риска на базе CDS основываются на использовании информации не только о тех CDS, которые торгуются на рынке, но и на построении теоретических значений CDS, если такие инструменты на настоящий момент на рынке не представлены. Использование информации о динамике торговли CDS и построение моделей оценки справедливой стоимости CDS контрагентов оказывают положительное влияние на качество оценки контрагентного риска.
Рассмотренные четыре основных вида моделей оценки контрагентного риска:
• на основе данных финансовой и бухгалтерской отчетности;
• на основе макроэкономических факторов;
• математические;
• на основе кредитных рейтингов.

94
Каждый из видов моделей обладает достоинствами: модели на основе фундаментальных данных учитывают только показатели из отчетностей, имеющих непосредственное отношение к анализируемым банкам; модели на основе макроэкономических факторов учитывают специфику экономик стран происхождения банков; математические модели хорошо применимы для анализа большого массива однотипных требований; модели на основе кредитных рейтингов зависят от внешних оценок, присваиваемых международными агентствами после получения доступа ко всей информации, касающейся анализируемого банка. Но также у рассмотренных видов моделей есть и существенные недостатки: финансовые отчетности не учитывают рыночную составляющую и обновляются, как правило, не чаще, чем раз в квартал; макроэкономические факторы не учитывают специфику рассматриваемых банков; математические модели хуже подходят для анализа требований кредитных организаций, а кредитные рейтинги пересматриваются не чаще одного раза в год.
Предложенная в настоящем исследовании модель сочетает в себе многие достоинства перечисленных моделей, в первую очередь, учитывая 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. Таким образом, построение моделей с учетом информации о производных финансовых инструментах является важной задачей, результаты которой способны положительно повлиять на эффективность современных моделей оценки контрагентного риска.
2.
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. По оценкам Банка международных расчетов открытые на глобальном рынке производных финансовых инструментов позиции выросли более чем в семь раз, начиная с 1990-х годов. Рынок деривативов предоставляет большие возможности для банков.

95
Рынок CDS на российские долговые инструменты компаний, банков и суверенный долг, и долг отдельных субъектов представлен преимущественно иностранными инвесторами. На данный момент CDS существуют только на те российские компании, которые являются эмитентами еврооблигаций. При этом из общего количества таких компаний и банков (около
150), на начало 2017 года CDS существуют только на 20 из них.
Проанализирована динамика изменения спредов CDS на российские и европейские финансовые институты в зависимости от пересмотра их рейтингов международными рейтинговыми агентствами. Было получено, что, во-первых, влияние рейтингов на российские финансовые институты и российский суверенный долг более значительно, чем на европейские финансовые институты. Во-вторых, рейтинги не отражают всей картины оценки рисков, и динамика изменения спредов CDS позволяет более оперативно следить за оценкой инвесторами рисков того или иного финансового института, той или иной страны.
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.
3.
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).
Полученный благодаря этим моделям теоретический спред CDS является производным от оценок других долговых финансовых инструментов. Структурные модели опираются на использование фундаментальных показателей банков.
Однако оба класса моделей имеют существенные недостатки. В рамках настоящего исследования предполагается, что спред CDS на конкретный банк состоит из спреда CDS на долг страны происхождения рассматриваемого банка, вероятности дефолта страны, а также набора финансовых показателей банка. Состав данных показателей определяется срочность
CDS. Модель оценки спреда CDS базируется на фундаментальных показателях отчетности, которые объясняют особенности каждого банка. Полученные оценки затем будут имплементированы в модель оценки вероятности дефолта банков-контрагентов на рынке межбанковских кредитов.

96