Оценка контрагентного риска на рынке межбанковских кредитов
 Скачать 2.15 Mb.
|
|
Глава 3. Разработка алгоритма оценки контрагентного риска российского коммерческого банка Работа на рынке межбанковского кредитования предполагает установление максимально приемлемого совокупного лимита риска на каждого контрагента, а также установления лимитов на каждый вид операций с контрагентом. Для установления лимитов необходимо провести оценку вероятности дефолта контрагента. Лимит выражает максимально предельный размер риска, который может быть установлен на контрагента. После того, как в предыдущих Главах были рассмотрены теоретические аспекты оценки контрагентного риска (в том числе с помощью применения кредитных дефолтных свопов), в настоящей Главе будет построен усовершенствованный алгоритм установления лимитов на контрагентов, учитывающий современные аспекты оценки рисков. Настоящая Глава состоит из следующих частей: вначале будет проведено практическое исследование по оценке теоретических спредов CDS и вероятности дефолта российских коммерческих банков, затем по итогам практического исследования будет построен усовершенствованный алгоритм установления лимитов на российские банки-контрагенты и далее будет проведена апробация полученных в моделях результатов на реальных данных. 3.1. Выбор банков и показателей для проведения эмпирического исследования Практическое исследование по оценке контрагентного риска состоит из трех этапов. 1) На первом этапе будет построена модель, предсказывающая теоретическое значение спредов кредитных дефолтных свопов для анализируемых банков, – модель оценки CDS. 2) На втором этапе будет построена включающая в себя полученные теоретические значения CDS модель оценки вероятности дефолта банков-контрагентов – модель оценки вероятности дефолта. 3) Третий этап представляет собой установление предельных лимитов риска по итогам анализа полученных на предыдущих этапах результатов. Далее рассмотрим более подробно, как происходит формирование выборки и отбор показателей для поэтапного проведения практического исследования по оценке контрагентного риска. Модель оценки CDS В состав оцениваемых банков вошли банки из развивающихся стран группы БРИКС (Бразилия, Россия, Индия, Китай и ЮАР), CDS на долг которых торгуются на рынке. В России нет достаточного для проведения исследования количества банков, и поэтому появилась необходимость прибегнуть к банкам в некоторых других относительно сопоставимых странах. 97 Отметим, что большинство исследований по данной тематике рассматривают сделки, проходившие на рынке США. Существует также группа работ, уделяющая внимание рынку Великобритании и других стран Западной Европы. Все эти страны, безусловно, можно отнести к развитым странам. Однако практически нет работ, рассматривающих рынки развивающихся стран, что придает настоящему исследованию дополнительную значимость. В качестве таких развивающихся стран было выбрано устоявшееся и часто анализируемое во многих работах объединение наиболее перспективных растущих экономик стран БРИКС. Данные страны имеют много общего в экономическом развитии и позициях на международных рынках. Вследствие различного уровня развития экономик сравнивать российский рынок с рынками США и Европы нецелесообразно, корректнее сопоставить его с рынками Бразилии, Индии, Китая, ЮАР 130 Для проведения анализа использовался временной период с начала 2011 года по июль 2016 года. Выбор 2011 года в качестве начальной временной точки для анализа объясняется несколькими причинами. Во-первых, необходимостью максимально избежать влияния кризисных явлений на проводимое исследование, во-вторых, появлением качественных заслуживающих доверия данных по котировкам спредов CDS только в 2011 году и, наконец, в- третьих, использованием для анализа долгосрочного периода минимально допустимого промежутка времени в четыре года. И, следовательно, начало 2011 год является первой доступной датой для анализа. При формировании выборки использовались следующие базы данных: Bankscope, Bloomberg и Reuters 131 Итоговая выборка банков представлена в Таблице 13 (Полный список банков представлен в Приложении 1) Таблица 13 Выборка банков из стран БРИКС для эмпирического исследования Страна Число банков Бразилия 4 Россия 8 Индия 5 Китай 8 ЮАР 132 0 Всего 25 Источник: составлено автором 130 Агеев В.И. Оценка кредитного дефолтного свопа для российских коммерческих банков // Глобальные рынки и финансовый инжиниринг. – 2015. – Том 2. – № 3. – с. 177–202. 131 Базы данных: bloomberg.com, capitaliq.com, reuters.com и bankscope.com. 132 CDS на банки из ЮАР в исследуемый в работе период не были представлены. 98 Перейдем теперь к определению показателей, которые могут быть полезны с точки зрения объяснения спреда CDS. В рамках настоящего исследования, спред CDS на конкретный банк представляет собой спред CDS на долг страны происхождения банка плюс дельта, которая выражает особенности функционирования банка. Таким образом, основная задача разрабатываемой модели заключается в объяснении данной дельты 133 Представляется целесообразным построить модель оценки CDS, базирующуюся на фундаментальных показателях из финансовой отчетности банка, которые могут объяснить особенности каждого конкретного банка, и таким образом получить оценку теоретическую спреда CDS на данный банк. Поскольку речь идет о странах БРИКС, а не только о России, то за основу для данных были использованы ежеквартальные отчетности по МСФО, к которым были применены схожие корректировки. Здесь важно пояснить, что не все банки на регулярной основе публикуют ежеквартальные отчетности, но, так как банки, на долг которых торгуются CDS, являются, как правило, достаточно крупными и публичными, то практически по всем банкам из выборки были представлены все необходимые отчетности. Однако по тем показателям из отчетностей, по которым данные были пропущены, выборка была восполнена при помощи вычисления средневзвешенного изменения пропущенного показателя по всем банкам из одной страны из представленной выборки за данный период. Это позволило добиться высококачественной по наполняемости выборки. Таким образом, основной задачей на данном этапе исследования является отбор показателей и построение регрессионной модели, которая смогла бы с достаточно высокой точностью объяснить спреды представленных на рынке CDS, что позволит в дальнейшем предсказать теоретические спреды CDS на те банки, чьи CDS на рынке не торгуются. В качестве зависимой переменной будет выступать оцениваемое значение спреда CDS по банкам из группы стран БРИКС. Для анализа нами были выбраны наиболее популярные виды CDS: на трехлетний, пятилетний и десятилетний периоды. В качестве объясняющих переменных первоначально были отобраны следующие показатели: суверенный спред CDS; показатели из отчетности, основной характеристикой которых является то, что они представлены в отчетностях банков всех стран БРИКС; показатель, характеризующий вероятность дефолта страны; и несколько фиктивных, или как их 133 Агеев В.И. Оценка кредитного дефолтного свопа для российских коммерческих банков // Глобальные рынки и финансовый инжиниринг. – 2015. – Том 2. – № 3. – с. 177–202. 99 еще называют бинарных переменных, характеризующих особенности представленных в выборке банков 134 «Суверенный спред CDS». Логично, что также как для CDS банков, для суверенных CDS были взяты те же три временных периода: трехлетний, пятилетний и десятилетний. Важно отметить, что для Бразилии, России и Китая в качестве такого суверенного CDS был взят CDS на государственный долг, а для Индии, так как такой CDS на рынке не представлен, был использован CDS на долг Export-Import Bank of India, так как именно этот банк соответствует суверенному CDS в наибольшей степени (в первую очередь об этом свидетельствует то, что CDS на этот банк имеет самую низкую оценку среди индийских эмитентов) 135 В качестве объясняющих переменных для модели предлагаются следующие переменные, разделенные на две группы – абсолютные и относительные показатели: « Итого активы». Абсолютный показатель. « Депозиты и краткосрочное привлечение». Сумма всех вкладов, краткосрочных долговых инструментов и краткосрочного привлечения. Абсолютный показатель. « Собственный капитал». Состоит из совокупного собственного капитала и привилегированных акций, а также гибридного капитала (бессрочные или долгосрочные субординированные кредиты). Абсолютный показатель. « Чистая прибыль». Чистая прибыль или убыток. Абсолютный показатель. « Резервы по ссудам / Сумма выданных кредитов». Соотношение резервов для возмещения потерь по ссудам и суммы выданных кредитов, состоящей из всех кредитов и резервов по ним. Относительный показатель. « Коэффициент совокупного капитала». Соотношение собственных средств банка к активам-нетто. Относительный показатель. « Собственный капитал / Итого активы». Соотношение собственного капитала и совокупных активов. Относительный показатель. « Основные фонды / Итого обязательства». Соотношение собственного капитала плюс гибридного капитала плюс всех субординированных кредитов и совокупных обязательств. Относительный показатель. « Чистая процентная маржа». Соотношение процентного дохода и суммы приносящих доход активов. Относительный показатель. « Средняя рентабельность активов». Соотношение чистой прибыли и совокупных активов. Относительный показатель. 134 Агеев В.И. Кредитный дефолтный своп как инструмент оценки вероятности дефолта российских коммерческих банков // Российское предпринимательство. – 2015. – Том 16. – № 20. – с. 3399-3424. 135 Здесь и далее мы не останавливаемся на особенностях CDS в ЮАР, так как CDS на банки из этой страны в исследуемый в работе период не были представлены. 100 « Средняя рентабельность собственного капитала». Соотношение чистой прибыли и собственного капитала. Относительный показатель. « Коэффициент Затраты / Расходы». Соотношение административных расходов и операционной прибыли. Относительный показатель. « Кредиты за вычетом резервов / Итого активы». Соотношение кредитов и совокупных активов. Относительный показатель. « Кредиты за вычетом резервов / Депозиты и краткосрочное привлечение». Соотношение кредитов и суммы всех вкладов, краткосрочных долговых инструментов и краткосрочного привлечения. Относительный показатель. « Ликвидные активы / Депозиты и краткосрочное привлечение». Соотношение ликвидных активов и суммы всех вкладов, краткосрочных долговых инструментов и краткосрочного привлечения. Относительный показатель. « Итого кредиты». Кредиты за вычетом резервов. Абсолютный показатель. « Резервы по ссудам». Резервы для возмещения потерь по проблемным и невозвратным ссудам. Абсолютный показатель. « Итого депозиты клиентов». Привлеченные средства клиентов. Абсолютный показатель. « Депозиты банков». Депозиты других кредитных учреждений, размещенные в данном банке, сделки РЕПО и обеспечение в виде наличных денег. Абсолютный показатель. « Обесцененные кредиты». Кредиты, выплаты по которым не осуществлялись 90 дней и более. Абсолютный показатель. « Ликвидные активы». К ликвидным активам относятся: ценные бумаги, предназначенные для продажи и оцениваемые по справедливой стоимости через прибыль или убыток; кредиты и авансы, выданные банкам; обратное РЕПО и обеспечение в виде наличных денег; денежные средства и средства в банках за вычетом обязательных резервов. Абсолютный показатель. « Субординированные долги». Сумма всех субординированных заимствований. Абсолютный показатель. « Чистый процентный доход». Процентный доход после вычета налогов и комиссий. Абсолютный показатель. « Оставшаяся операционная прибыль». В состав оставшейся операционной прибыли входят: чистая прибыль от остальных ценных бумаг (не относящихся к предназначенным для продажи и оцениваемым по справедливой стоимости через прибыль или убыток); чистый доход от страховой деятельности; прочие доходы от основной деятельности, а также операционная прибыль или убыток от участия в дочерних организациях. Абсолютный показатель. 101 « Прибыль до налогообложения». Чистая прибыль до вычета налогов. Абсолютный показатель. « Операционная прибыль». В состав операционной прибыли входят: суммарные доходы, не связанные с получением процентов; чистый процентный доход и операционная прибыль или убыток от участия в дочерних организациях. Абсолютный показатель. « Обесцененные кредиты / Сумма выданных кредитов». Соотношение суммарных обесцененных кредитов клиентам и суммы всех кредитов и резервов по ним. Относительный показатель. « Коэффициент достаточности капитала». Соотношение собственных средств банка к активам, взвешенным с учетом риска. Относительный показатель. « Межбанковский коэффициент». Соотношение остатков по счетам-ностро и счетам- лоро. Относительный показатель. « Гудвилл». Деловая репутация, денежная оценка неосязаемого капитала. Абсолютный показатель. « Вероятность дефолта страны». Также как и во второй модели, когда будет идти речь о вероятности дефолта конкретного банка, для оценки вероятности дефолта страны использовались присвоенные данной стране на конкретный промежуток времени рейтинги от трех международных рейтинговых агентств (Standard & Poor’s, Moody’s и Fitch). Для соотнесения рейтингов и вероятностей дефолта использовались данные из ежегодно публикуемых рейтинговыми агентствами отчетов о вероятностях дефолтов 136 . Здесь важно отметить, что в случае наличия у страны (также, как и у банка) более одного рейтинга для определения конкретной вероятности дефолта использовались принципы, изложенные в рекомендациях «Базель II» 137 . Так, согласно пункту 97, в случае если у контрагента имеется рейтинг от двух рейтинговых агентств используется тот рейтинг, которому соответствует наибольшая вероятность дефолта (то есть худший рейтинг). Если же у контрагента имеются более двух рейтингов (в нашем случае это количество ограничивается тремя), то, согласно пункту 98, отбирается два рейтинга, соответствующих наименьшей вероятности дефолта, и уже из них выбирается тот, которому соответствует большая вероятность дефолта (то есть из трех рейтингов вначале выбираются два лучших, а затем из них выбирается худший) 138 . Подобная оценка позволила получить конкретное значение вероятности дефолта каждой страны (также как в дальнейшем и каждого банка) для каждого временного периода оценки. Вероятности 136 « Базель II» – Международная конвергенция измерения капитала и стандартов капитала: уточненные рамочные подходы: Пер. с англ. – 2004. – 266с. 137 Там же. 138 Агеев В.И. Кредитный дефолтный своп как инструмент оценки вероятности дефолта российских коммерческих банков // Российское предпринимательство. – 2015. – Том 16. – № 20. – с. 3399-3424. 102 дефолта, также как и спреда CDS, определяются на трехлетний, пятилетний и десятилетние периоды. Относительный показатель. « Наличие государственного участия в акционерном капитале банка». Фиктивная переменная, принимающая значение «1», если государство входит в какой-то части в акционерный капитал, и «0», если нет. « Принадлежность к стране». Несколько фиктивных переменных, принимающих значение «1», если данный банк относится к той стране, которую характеризует данная переменная. Количество переменных соответствует количеству стран (в регрессионную модель, естественно, включаются все, кроме одной). Таким образом, данная переменная позволяет объяснить различия, присущие той или иной стране. Важно отметить, что все данные из финансовой отчетности брались на фактическую дату, на которую приходилась данная отчетность. И таким образом полученные показатели сравнивались со значениями спредов CDS за этот день. Очевидно, что отчетности не публикуются в тот же день, когда они составляются, однако, мы исходим из предпосылки о том, что все инвесторы получают информацию в тот же день, на который формируются отчетности. Исследование модели с учетом даты публикации отчетности является хорошей возможностью для совершенствования модели в будущем. Таким образом, финальная регрессионная модель для оценки теоретического спреда CDS выглядит следующим образом: CDS f = α + β 1 *CDS suv + β 2 *FR 1 + … + β n *FR n-1 + β n+1 *PD c + β n+2 *gov+ β n+3 *country + υ it , (1) где i – номер объекта (i=1,…,N), t – время (t=1,…,T), CDS f – оцениваемое значение спреда CDS, α – свободный член, константа, β n – коэффициент при объясняющей переменной, CDS suv – значение переменной «Суверенный спред CDS», FR n – оцениваемый финансовый показатель, PD c – значение переменной «Вероятность дефолта страны» оцениваемого банка, gov – фиктивная переменная «Наличие государственного участия в акционерном капитале банка», country – фиктивная переменная «Принадлежность к стране», υ it – случайная ошибка. В качестве независимых переменных выступает большое количество параметров, полный перечень которых с их основными характеристиками приведен в Приложении 2. 103 Модель оценки вероятности дефолта После того как была представлена модель оценки теоретических спредов CDS, перейдем к построению модели оценки вероятности дефолта 139 В настоящем исследовании предпринимается попытка построить усовершенствованную рейтинговую модель оценки контрагентного риска, включающую полученные в первой модели теоретические спреды CDS. Как было отмечено во второй главе: построение рейтинговых моделей основывается на сопоставлении полученных теоретических рейтингов с фактически присвоенными рейтингами. Поскольку рейтинги являются ответом на вопрос «какова вероятность дефолта контрагента?», постараемся оценить эту вероятность дефолта, используя информацию о сопоставлении рейтингов и вероятности дефолта, предоставляемую рейтинговыми агентствами. Таким образом, полученная модель позволит оценить вероятность дефолта контрагента, а, имплементировав в эту модель полученные теоретические спреды CDS, можно решить сразу две задачи: 1) добиться пересмотра вероятности дефолта на ежедневной основе; 2) учесть прежде не учитываемую рыночную составляющую (в виде реакции внешних инвесторов), которая позволит дать более точную оценку контрагентного риска. Для проведения анализа, также как и в первой модели, использовался временной период с начала 2011 года по июль 2016 года. Для анализа использовалась отчетности и по РСБУ, и по МСФО. Периодичность отчетностей: по РСБУ – раз в месяц, по МСФО – раз в квартал. Для цели построения модели оценки контрагентного риска были отобраны те российские банки, которые соответствовали следующим критериям: • Наличие рейтингов на протяжении всего периода исследования. • Наличие отчетности по РСБУ на протяжении всего рассматриваемого периода. • Наличие отчетности по МСФО на протяжении всего рассматриваемого периода. При формировании выборки использовались следующие базы данных: Bankscope, Bloomberg, Reuters и официальная отчетность с сайта ЦБ РФ 140 . Итоговая выборка составила 141 банк и представлена полностью в Приложении 1. Перейдем теперь к определению показателей, которые будут включены в модель оценки вероятности дефолта 141 . Поскольку критерием определения вероятности дефолта являются присвоенные данному контрагенту кредитные рейтинги, в качестве зависимой переменной 139 Агеев В.И. Кредитный дефолтный своп как инструмент оценки вероятности дефолта российских коммерческих банков // Российское предпринимательство. – 2015. – Том 16. – № 20. – с. 3399-3424. 140 Базы данных: bloomberg.com, capitaliq.com, reuters.com и bankscope.com. 141 Агеев В.И. Кредитный дефолтный своп как инструмент оценки вероятности дефолта российских коммерческих банков // Российское предпринимательство. – 2015. – Том 16. – № 20. – с. 3399-3424. 104 будет выступать вероятность дефолта банка, определенная как уже было сказано, с помощью соотнесения рейтингов и вероятностей дефолта, публикуемых на ежегодной основе рейтинговыми агентствами. Для анализа нами были выбраны следующие временные периоды продолжительности наступления дефолта, соотносящиеся с первой моделью: один год, три года, пять лет и десять лет. Как уже отмечалось, на 01.01.2016 только у 122 российских банков есть минимум один рейтинг от международных рейтинговых агентств. 7 банкам присвоены рейтинги от трех рейтинговых агентств: АО «Альфа-Банк» (рег. №1326), Внешэкономбанк (рег. №964), « Газпромбанк» (АО) (рег. №354), ОАО «Московский Кредитный Банк» (рег. №1978), АКБ «РосЕвроБанк» (АО) (рег. №3137), ООО «Русфинанс Банк» (рег. №1792) и ПАО «Банк Уралсиб» (рег. №2275). Рейтинг от двух агентств есть у 50 банков (41% всех банков, которым присвоены рейтинги). Большинству банков (72 банка или 59% от всех банков, которым присвоены международные рейтинги) присвоен рейтинг от одного агентства. По состоянию на 1 января 2016 года только у 7 из 50 крупнейших и у 22 из 100 крупнейших российских банков не имелось ни одного международного рейтинга, что говорит о том, что уровень заинтересованности в получении рейтинга у крупнейших банков достаточно высок. Получается, что на первую сотню банков приходится 63,9% всех международных рейтингов российских банков (на первые 50 банков 35,2%). В исследовании были использованы самые часто упоминаемые на практике рейтинги: 1) «Долгосрочный кредитный рейтинг в иностранной валюте» (Long Term Foreign Currency Сorporate Credit Rating) агентства Standard & Poor’s (международная шкала); 2) «Долгосрочный рейтинг депозитов в иностранной валюте для банков» (Long Term Bank Deposits Rating) агентства Moody’s Investors Service (международная шкала); 3) «Долгосрочный рейтинг дефолта эмитента в иностранной валюте» (Long Term Issuer Default Rating) агентства Fitch Ratings (международная шкала). Далее по присвоенным рейтингам для каждого банка была определена вероятность дефолта в зависимости от его рейтинга в тот или иной период времени. Подобная оценка позволяет получить конкретное значение вероятности дефолта каждого банка для каждого временного периода оценки. В исследуемое число банков вошли следующие банки с распределением по рейтингам на 01.06.2014, 01.06.2015 и 01.01.2016 (см. Таблицу 14) 142 Приводится такого рода сравнение, так как ввиду произошедшего в конце 2014 года существенного снижения кредитных рейтингов Российской Федерации и российских банков в представленной разбивке банков по рейтингам в 142 Приводятся данные на три даты вследствие того, что в конце 2014 года – начале 2015 года произошли изменения суверенных рейтингов России, а затем были пересмотрены и кредитные рейтинги российских банков. |