Управление кредитными рисками в коммерческом банке

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

2.  Процесс управление кредитными рисками

 

Цель управления кредитными рисками заключается в максимизации доходности банка с поправкой на риск путем сохранения кредитного риска в приемлемых рамках. Банки должны управлять как риском по всему кредитному портфелю, так и риском по отдельным кредитам и сделкам. Эффективное управление кредитными рисками является условием успешной деятельности любой банковской организации в долгосрочной перспективе. [5]

В общем виде, управление кредитными рисками можно представить как процесс, последовательно проходящий следующие этапы:

• идентификация риска;

• оценка последствий наступления рисков;

• принятие решений об управляющем воздействии;

• контроллинг.

Каждый из перечисленных выше этапов выполняет определенные задачи и функции, в своей совокупности формируя методологию управления рисками, стратегический уровень анализа. Решение стратегических задач возможно при правильно выработанной тактике, которая представляет собой систему методов управления рисками — аналитический аппарат исследования. Управление банковскими  рисками в этом аспекте выступает как совокупность научно - обоснованной методологии, успешно апробированных методов и инструментов минимизации рисков (табл. 2) [6].

 

Таблица 2 – Методология управления кредитными рисками

Название этапа		Методы		Инструменты
Идентификация		Методы идентификации		Карта рисков
Оценка последствий наступления рисков		Методы оценки		Оценки, прогнозы
Выбор стратегии управления		Методы управления рисковой позицией		Лимиты, резервы, нормативы
Контроллинг		Методы контроллинга		Штрафы, санкции, санации, коррекция

 

Примечание – Источник [6].

 

Наличие первого и последнего этапов отнюдь не означает, что процесс управления банковскими рисками заканчивается на этапе контроллинга. Скорее, наоборот, главным принципом осуществления управления банковскими рисками является цикличность данного процесса (рис. 2), где каждый из вышеуказанных этапов неразрывно связан с остальными как функционально, так и организационно [7].

Рисунок 2 –Динамика количества участников биржи

Примечание – Источник: [8].

Согласно выбранной методологии управление кредитным риском начинается с процесса его идентификации. Как показывает практика, главным инструментом на этом этапе выступает экспертный метод: именно эксперт, используя апробированные банком методы идентификации риска, основываясь на системном анализе доступной информации и собственном опыте, должен выявить источники и носители наступления кредитного риска. Для реализации данных целей создается карта кредитного риска, в которой формируется целостная картина возможных его проявлений.

 Данный метод широко  используется в научной и практической  деятельности, положив начало развитию  ряда неформализованных методов  получения и обработки экспертных  мнений, в числе которых выделяются  дельфийский метод, метод «дерева  решений», морфологический анализ, метод аналогий, метод «мозговых атак». [8]

Особый  интерес  для  банковского  менеджмента  представляет проблема  количественной  оценки (расчета)  кредитного  риска.  За последние 30 лет  были  сделаны  существенные шаги  в  области методологии  оценки  различных  аспектов  кредитного  риска.  [9]

Итак, существующие методы оценки риска было бы удобно рассмотреть с двух сторон: методы для оценки кредитоспособности кредитополучателя и методы оценки риска кредитного портфеля.

На этапе оценки кредитоспособности кредитополучателя важной задачей является определение вероятности дефолта по отдельным сделкам или вероятности дефолта конкретного контрагента. Для этого, как правило, применяются несколько методов, образующих модели, в которых, с одной стороны, метод финансовых коэффициентов регламентирует порядок подбора и расчета финансовых коэффициентов, а с другой стороны — методы, использующие  математический аппарат, определяют механизм действия.

Проведя анализ западной практики определения вероятности дефолта (компании, кредитополучателя, контрагента), мы пришли к выводу о параллельном существовании нескольких видов моделей:

— модели, основанные исключительно на данных финансовой отчетности;

— модели, использующие как финансовую отчетность, так и другие данные;

— актуарные модели;

— модели, основанные на определении рыночной стоимости. [8]

Рассмотрим приведенные модели более подробно.

В течение прошлого века в финансовом мире прослеживались следующие тенденции: волнообразное действие глобальных и национальных финансовых кризисов, увеличение волатильности финансовых рынков, стремительно растущая конкуренция, глобализация финансовых рынков. Все это сформировало необходимые предпосылки для создания модели, использующей сравнительно небольшое количество показателей и направленной на определение вероятности банкротства предприятия. Такую модель впервые в 1968 году разработал профессор финансов Нью-Йоркского университета Э. Альтман. [8]

Первоначально для создания модели Альтманом использовались 22 финансовых показателя и финансовая отчетность 66 компаний, половина которых успешно функционировала, а другая потерпела банкротство. С помощью метода множественного дискриминантного анализа производилась пошаговая статистическая оценка значимости финансовых коэффициентов, где менее значимые отсеивались, и эксперимент повторялся снова. В результате была получена модель, состоящая из пяти финансовых показателей [11]

Z = 1,2X1 + 1,4X2 + 3,3Х3 + 0,6Х4 + 0,999Х5, где Х1 — отношение собственного оборотного капитала к сумме активов;

Х2 — отношение нераспределенной прибыли к сумме активов;

Х3 — отношение прибыли до выплаты процентов и налогов к сумме активов;

Х4 — отношение рыночной стоимости капитала к балансовой стоимости обязательств;

Х5 — отношение выручки от реализации к сумме активов.

Экспериментально был определен диапазон значений показателя  Z — 1,81–2,99, который, в свою очередь, выступал как интегральный показатель кредитоспособности кредитополучателя.

Для компаний, у которых показатель  Z был меньше 1,81, вероятность банкротства в ближайшем году определялась как высокая. Для компаний, у которых показатель Z превышал 2,99, вероятность банкротства определялась как низкая. Для компаний, чей показатель Z попал в диапазон 1,81–2,99, прогноз финансового состояния оказался затруднительным.

Для такой модели характерны два вида ошибок:

1) модель предсказала  банкротство, а компания успешно  функционирует;

2)модель предсказала успешное  функционирование, а компания обанкротилась.

Значимость этих двух ошибок неоднозначна, так как предсказать банкротство компании для банка гораздо важнее и сложнее. Модель Альтмана допустила ошибки-погрешности первого вида в двух случаях из 33, что составило 6%, и второго вида — в одном случае из 33 (3%). Общая точность составила 95%, что является довольно точным прогнозом во временном диапазоне один год [10]

Несмотря на всю точность своих прогнозов, дискриминантные модели не могли предоставить банкам полную картину о состоянии контрагента. Поэтому для учета таких характеристик, как кредитная история, репутация, качество менеджмента и т.п., коммерческие банки пришли к необходимости создания качественно иной модели, получившей обобщенное название «рейтинговая модель оценки кредитополучателя».

Анализ мировой практики показал, что практически в каждой развитой капиталистической стране в течение 70—90-х годов были разработаны несколько таких моделей (табл. 3) [8]

Таблица 3 – Наиболее распространенные модели рейтинговой оценки контрагента

Название системы	Страна	Составляющие
1	2	3
Правило «шести си»	США	С-character (характер личности кредитополучателя, репутация) C – capacity (финансовой состояние) C – capital (капитал) C – collateral (обеспечение) C – conditions(экономическая конъюнктура) C – control (контроль)
CAMPARI	Некоторые европейские банки	C- character (репутация кредитополучателя) A- ability(способность клиента вернуть кредит) M- margin(доходность кредитной операции) P- purpose(цель, для чего берется заем) A- amount(общая сумма кредита) R- return(условия возвращения кредита) I- insurance (обеспечение)
COPF	Германия	C- competition (конкуренция в отрасли) O- organization (организация деятельности) P-personnel (персонал, кадры) F- finance (финансы, доходы)
PARSER	Англия	P- person (репутация кредитополучателя) A- amount(сумма кредита) R- repayment(возможности погашения) S- security(оценка обеспечения) E- expediency (целесообразность кредита) R- remuneration (вознаграждение банка (процентная ставка) за риск)
CAMELS	США	C – capital (достаточность собственного капитала) A- assets (размер активов) M- management (качество менеджмента) E – earning (доходность) L- liquidity (ликвидность) S- sensibility(чувствительность к рыночным рискам)
Продолжение таблицы
1	2	3
PARTS	Англия	P- purpose (назначение, цель кредита) A- amount (сумма, размер кредита) R- repayment (погашение кредита) T- term (срок кредита) S-security (обеспечение)

 

Примечание – Источник [8].

 

Как видно из таблицы 3, названия рейтинговых моделей формируются из начальных букв названий входящих в них компонентов. Каждый из компонентов рейтинговой модели представляет собой отдельное направление исследования одного или нескольких аспектов деятельности контрагента и оценивается по определенной шкале, как правило, пятибалльной. Оценка производится посредством метода финансовых коэффициентов, метода экспертного анализа, статистических методов. [8]

 Конечный показатель  представляет собой определенное  количество баллов. Контрагент получает  кредитный рейтинг в зависимости  от того, в какой диапазон попала  набранная им сумма баллов, рейтинг, в свою очередь, соответствует  определенной вероятности дефолта  контрагента. Несомненно, рейтинговые  модели в западных странах  являются одной из надежнейших  технологий управления кредитным  риском. Однако сам факт существования  в каждой стране национальных  моделей свидетельствует о том, что при создании подобных  моделей страновая специфика играет важнейшую роль [8].

Адекватной мерой, снижающей кредитный риск банка и позволяющей оптимально решать задачу, служит кредитный скоринг, представляющий собой математическую или статистическую модель, с помощью которой банк определяет, насколько велика вероятность, что данный потенциальный заемщик вернет кредит в установленный срок. Скоринг – метод классификации всех заемщиков на различные группы для оценки кредитного риска [11].

Кредитный скоринг получил распространение в США более полувека назад в форме процедуры балльной оценки кредитоспособности соискателей кредита по скоринговым картам. Внешне все выглядело просто. Соискатель сообщал о себе сведения: возраст, доход, профессия, стаж работы, наличие имущества и т.д. А кредитный офицер банка определял по специальной таблице, скоринговой карте, баллы. Каждому значению показателя свой балл, например, возраст от 35 до 42 лет - 83 балла, доход от 30000 до 40000 рублей в месяц - еще 76 баллов и т.д. В зависимости от количества набранных баллов по таблице же рассчитывался максимальный размер ссуды, которую банк готов был предоставить заемщику. Современный же арсенал методов кредитного скоринга, не отвергая использование скоринговых карт, основан на использовании инструментов предиктивного анализа (от английского слова prediction - прогноз, предсказание), принадлежащих к широкому классу так называемых методов углубленного анализа данных (data mining) [12].

При наличии достаточного объема статистических данных для построения статистических моделей данный метод имеет ряд достоинств: скорость принятия решения, возможность расположить заемщиков по степени риска. По данным некоторых исследований, после внедрения скоринговых систем уровень безнадежного долга сократился на 50% . Несмотря на вес эти преимущества, стоит отметить ограничения, накладываемые на рассматриваемый подход. Во-первых, входящий поток заемщиков должен принадлежать одному лимитному диапазону. Во-вторых, такой подход неприменим для больших сумм кредитования, где скоринг традиционно показывает малую эффективность. [11] В 90-е  годы исследования кредитного риска переключились с анализа риска индивидуального кредитополучателя на анализ  кредитного  риска  по  всему  портфелю  финансового  института. [9]

Оценив кредитоспособность конкретного кредитополучателя, банк производит оценку кредитного риска своего портфеля. Рассмотрим наиболее распространенные в практике западных финансовых институтов модели оценки кредитного риска банковского портфеля. Модели оценки кредитного риска банковского портфеля можно классифицировать по применяемому математическому аппарату [10]

- Эконометрические модели, в основе которых лежит многомерный  статистический анализ (регрессионный  анализ, кластерный и дискриминантный  анализы).

- Нейронные сети— компьютерные алгоритмы, имитирующие работу человеческого мозга посредством взаимодействия взаимосвязанных «нейронов». В нейросетях используются те же входные данные, что и в

эконометрических моделях. Но модели оценки кредитного риска строятся с помощью определенных процедур обучения распознаванию образов (классов, ситуаций, процессов и т.д.).

- Оптимизационные модели, основанные на методах математического  прогнозирования, позволяющих минимизировать  ошибки кредитора и максимизировать  прибыль с учетом различных  ограничений. С помощью методов  математического программирования, в частности, определяют оптимальные  доли клиентов в портфеле ссуд  и (или) оптимальные параметры кредитных продуктов.

- Экспертные системы используются для имитации оценки риска опытным кредитным инспектором при принятии решения о предоставлении кредитов. Составляющими экспертной системы являются: набор логических правил вывода, база знаний, содержащая количественные и качественные данные об объекте принятия решений, а также модуль для ввода ответов пользователя на вопросы системы.

- Гибридные системы используют статистическое оценивание и имитационное моделирование и могут быть основаны на причинно-следственных соотношениях (модель EDF оценки вероятности дефолта кредитополучателя, разработанная компанией KMV).

Одним из самых распространенных в международной практике подходов к оценке рисков является методология определения показателя стоимости под риском (принятый международный термин VaR — value-at-risk). Главная задача данной методологии на основании статистических методов (метод Монте Карло, метод исторического моделирования, корреляционно - ковариационный метод и т.д.) спрогнозировать наибольший ожидаемый убыток, обусловленный волатильностью финансовых рынков в заданном промежутке времени с заданным доверительным интервалом. [8]

Согласно исследованию, проведенному компанией InteDelta, 18% банков используют именно метод Monte Carlo в качестве единственно применяемой методологии оценки кредитного риска, 35% используют его в совокупности с положениями add-on метода, 29% используют только add-ons , остальные - аналитическую методологию и историческое моделирование (рис 3).