Управление кредитным риском коммерческого банка ОАО «Сбербанк России»

Правило, известное как «шесть СИ» используют на практике банки США, применяющие для отбора клиентов критерии, начинающиеся с буквы «Си»: сharacter, сapital, сash, сollateral, сonditions, сontrol. В соответствии с русскими терминами:

• способность к заимствованию средств;
• репутация клиента-заемщика;
• способность получать доход;
• обладание обеспечением;
• состояние экономической конъюнктуры;
• чувствительность заемщика к различным факторам.

Согласно  основным принципам кредитования, которые содержатся в методике САМPARY, анализ кредитоспособности клиента состоит в последовательном выделении из кредитной заявки и прилагаемых к ней финансовых документов показателей, отражающих деятельность клиента-заемщика, в их оценке и уточнениях при личной встрече с клиентом.

Название САМPARY образовалось из начальных букв таких слов как:

C – Сharacter – репутация, характеристика клиента;

A – Аbiliti – способность возвратить кредит;

M – Мargin – маржа, доход;

P – Рurpose – целевое предназначение кредита;

A – Аmount – размер кредита;

R – Rеpayment –условия погашения кредита;

I – Insurаnce – обеспечение, страхование риска, связанного с непогашением кредита.

В Англии ключевым словом, которое сосредоточивает требования при предоставлении кредитов заемщикам, является термин «РАRTS», включающий в себя:

Purpose – цель назначение заемных средств;

Amount –размер запрашиваемого кредита;

Rеpayment – возврат долга и выплата процентов;

Term – срок выдаваемой ссуды;

Security – обеспечение под погашение кредита.

Для анализа индивидуальных заемщиков используется оценочная система, которая основывается на опыте и проницательности сотрудников банка. Оценке подвергается характер заемщика, целевая направленность использования средств и источники погашения кредита. 

Комплексные методики оценивания кредитоспособности заемщика широко применяются коммерческими банками, однако, следует обратить внимание на их «эмпирический» характер, недостаточную теоретико-методологическую проработанность, а также слабое использование математического аппарата.

Главный акцент при их реализации делается на относительно субъективное мнение экспертов.

Разработанная система отбора субъектов кредитования, которую используют сегодня большинство коммерческих банков, во многом далека от совершенства. Наиболее значимые следующиеее недостатки:

• Субъективизм экспертизы. Решение, которое принимает эксперт, основывается только на личном его опыте, интуиции и квалификации, то есть во многом является субъективным.
• Какое количество и каких показателей применять при анализе, и более того, нестабильность полученных результатов.
• Отсутствие процесса преемственности. Заключается в том, что стать экспертом можно только лишь в результате накопления достаточного опыта, передать который почти невозможно в результате отсутствия эффективных методик обучения.
• Проблема увеличения квалификации сотрудников. Это становиться возможным только посредством накопления положительного опыта, а также и отрицательного, в то же время отрицательный опыт – это новые проблемные кредиты.
• Достаточно высокая стоимость экспертной оценки из-за вовлеченности в это высшего руководящего персонала банка.
• Ограниченность минимальной величины кредитной заявки вследствие завышенной стоимости экспертизы.
• Ограниченность количества анализируемых заявок физическим потенциалом экспертов.
• Какие значения полученных коэффициентов принимать за «нормативные». а какие за «критические».
• Компании и предприятия существенно различаются по способу и характеру ведения своей производственной, а также финансовой деятельности. Поэтому создание единых для всех универсальных и исчерпывающих методических указаний и рекомендаций по изучению и анализу кредитоспособности и расчету надлежащих показателей возможным не предоставляется.

Анализ кредитоспособности состоит не просто в расчете пяти и более коэффициентов и сравнении результатов с нормативами, а это гораздо более трудоемкий и затратный процесс, занимающий много времени и предъявляющий достаточно высокие требования к квалификации сотрудников банка.

 

2.4. Построение метода оценки кредитного риска с помощью VaR модели

 

Целью данной выпускной квалификационной работы является построение модели оценки кредитного риска кредитного портфеля конкретного коммерческого банка с применением методологии Value-at-Risk (VaR).

Value-at-Risk — это выраженная в базовой валюте оценка величины убытков, которую с заданной вероятность (доверительной вероятностью) не превысят потери портфеля в течение заданного периода времени:

P{〖Loss〗_p<VaR}=p ,                                         (2.9)

где — величина убытков по портфелю,

 — заданный доверительный  уровень.

Основными элементами при вычислении значения VaR являются доверительный уровень и длина временного интервала, на который рассчитывается данный показатель. Доверительный уровень выбирается согласно отношению к риску или регламентируется регулирующими органами. В качестве временного горизонта очень часто используется период времени, в продолжение которого кредитный портфель не подвергался существенным изменениям.

Для того чтобы получить количественную оценку кредитного риска требуется построить эмпирическую функцию распределения потерь по рассматриваемому кредитному портфелю и рассчитать значение VaR как квантиль требуемого порядка. В настоящее время выделяют три наиболее распространенных и используемых на практике метода расчета VaR: аналитический метод, метод исторического моделирования и метод статистических испытаний Монте-Карло.

На основании методологии VaR понятие кредитного риска можно представить как максимально возможные убытки по анализируемому кредитному портфелю для заданного уровня доверительной вероятности. Максимальные убытки подразделяют на ожидаемые (Expected Loss, ) потери и неожиданные (Unexpected Loss, ) потери по портфелю (Рисунок 2.3.):

Рисунок 2.3. Распределение потерь по кредитному портфелю

 

Ожидаемые потери отражают средний уровень кредитных потерь, которые связанны с неисполнением заемщиков своих обязательств, установленных договором. Неожиданные потери можно представить в виде отклонения потерь от их среднего предсказанного значения. Вычисление уровня ожидаемых и неожиданных потерь является главной задачей при оценке кредитного риска портфеля.

Ожидаемые потери (Expected Loss) – это математическое ожидание потерь в случае невыполнения контрагентом установленных договором обязательств. Расчет ожидаемых потерь по каждому заемщику в кредитном портфеле осуществляется по следующей формуле:

где (probability of default) — вероятность наступления дефолта i-го заемщика, то есть вероятность того, что контрагент не исполнит все условия кредитного договора в оговоренные и установленные сроки.

 (credit exposure) — стоимость подверженных риску активов в момент наступления дефолта.

 (recovery rate) — уровень возмещения потерь, то есть доля задолженности, которую удается вернуть в случае дефолта заемщика путем исполнения гарантий, реализации залога и др.

Главной задачей в определении уровня ожидаемых потерь является оценка вероятности дефолта каждого заемщика. Эта проблема нашла свое отражение во множестве исследований, основанных на моделях дискриминантного анализа, логит- и пробит-моделях, нейронных сетях, рейтинговых системах и т.д. Можно выделить два этапа оценивания .

 На начальном этапе, основываясь на собранной статистической информации по различным кредитным операциям банка, производится анализ факторов, влияющих на вероятность того, что заемщик кредит не возвратит. В таком случае, инструментом исследования на данном этапе является регрессионный анализ. После этого строится логит-модель зависимости дефолтности каждого заемщика от имеющихся в наличии характеристик заемщика на базе данных по дефолтности заемщиков конкретного коммерческого банка. На втором этапе проводится выбор метода, при использовании которого будет проведена оцененка вероятности дефолта каждого заемщика.

Неожиданные потери (Unexpacted Loss) представляют собой отклонение от величины средних ожидаемых потерь и определяют уровень кредитного риска портфеля. Вычисление неожиданных потерь осуществляется по формуле:

Для расчета VaR в соответствии с рекомендациями Бaзельского комитета по банковскому надзору обычно выбирается уровень надежности, равный 99%. Временной горизонт вычисления VaR для кредитных портфелей, в основном, принимается равным одному году.

Распределение убытков по кредитному портфелю нельзя отнести к какому-то известному классу распределений. Потери по кредитному портфелю никак не могут превышать 100%, а их распределение может привести к более «тяжелым хвостам», чем дает нормальное распределение. (рис. 2.1) В данной исследовательской работе для построения кривой распределения кредитных потерь предлагается использовать метод статистического моделирования Монте-Карло, позволяющий смоделировать любые виды распределений. Основная идея метода заключается в генерации случайных чисел для имитации полученных данных по дефолтам отдельных заемщиков. Данные по дефолтам собираются в портфель, образуя совокупную оценку потерь по портфелю. После проведения большого числа имитаций уровня совокупных потерь выводится эмпирическое распределение потерь по портфелю.

Если требуется оценить вероятность наступления дефолта отдельного заемщика то необходимо, прежде всего, выделить основные характеристики заемщиков, оказывающие непосредственное влияние на неспособность клиента-заемщика выполнить свои обязательства. Специфика данных, влияющих на указанную переменную, требуют применения логит-модели. Логит-модель позволяет лучшим образом отразить связь различных факторов риска и дефолтов, принимающих бинарные значения 0 или 1.

где i — номер взятого заемщика (i = 1,…, n),

— неизвестные коэффициенты;

— случайнаявеличина,

 — логит-функция.

В качестве результирующего параметра y используется бинарная переменная, которая отражает факт наступления дефолта i-ого заемщика. Переменная y может принимать следующие значения:

Согласно опубликованным исследованиям, основными финансовыми показателями, используемыми при построении моделей предсказания дефолта, являются:

• — коэффициент финансового состояния и устойчивости компаний-заемщиков. Характеризует долю средств, которую предприятие-заемщик может использовать длительное время в своей деятельности.

Значение переменной рассчитывается в виде отношения суммы собственного капитала и всех долгосрочных пассивов к общей стоимости активов компании:

                                         (2.16)

• — коэффициент прибыльности продаж заемщиков. Отражает рентабельность компании-заемщика на единицу реализованной продукции.

Расчет данного коэффициента можно представить как соотношение прибыли от продаж к общему объему выручки компании:

• — коэффициент рентабельности активов заемщиков. Характеризует способность заемщика эффективно и целенаправленно использовать свои активы с целью получения прибыли.

Значение переменной рассчитывается по формуле:

• — коэффициент доходности собственного капитала компании-заемщика. Оценивает эффективность использования капитала и показывает, сколько чистой прибыли имеет компания с рубля, авансированного в капитал.

Формула для расчета имеет следующий вид:

• — натуральный логарифм годовой выручки заемщика.

Данный показатель отражает размер компании и рассчитывается по формуле

Качественные же характеристики заемщиков, например, отраслевая принадлежность и присвоенный банком кредитный рейтинг, лучше всего моделировать с помощью «фиктивных переменных» (dummy variables):

Переменные группы риска заемщиков:

•

 

•

 

•

 

•

 

•

 

Переменная, характеризующая кредитную историю заемщика:

•

 

Переменные, характеризующие отраслевую принадлежность:

•

 

•

 

•

 

•

 

•

 

•

 

•

 

•

 

•

 

•

 

•

•

 

•

 

•

 

В результате расчета получаем оценки вероятности дефолта каждой компании-заемщика. Аналогичный алгоритм использовался в работе С.В. Ивлиева «Исследование кредитного риска методом Монте-Карло» [18, с. 56-84] и книге G. Loffler, Р. Рosch «Сredit Risk Мodelling Using Еxcel and VВФ» [37, с. 178-189].