Методы оценки кредитного риска. 1.Основные подходы к оценке кредитного риска 2. Методы оценки кредитоспособности на основе бухгалтерских данных. - презентация

1 Методы оценки кредитного риска

2 1. Основные подходы к оценке кредитного риска 2. Методы оценки кредитоспособности на основе бухгалтерских данных

3 По предмету исследования выделяют два основных альтернативных подхода к оценке и управлению кредитными рисками: «внутренний» подход, в котором банк на основе собственных методик оценивает как ожидаемое значение, так и волатильность будущих потерь вследствие кредитного риска; «рыночный» подход, который нацелен на определение стоимости кредитного риска, устанавливаемой финансовым рынком. Обычно эта оценка выражается в виде разницы в доходности (кредитного спреда) по инструментам, связанным с кредитным риском, по сравнению с доходностью по безрисковым (государственным) облигациям или займам.

4 «Внутренний» подход предполагает, что ожидаемые потери являются функцией вероятности дефолта, стоимости продукта или инструмента, подверженного риску дефолта, и той части этой стоимости, которая будет безвозвратно потеряна в случае дефолта. В той мере, в какой ожидаемые (средние) потери являются прогнозируемыми, они должны рассматриваться как нормальные, регулярно повторяющиеся издержки данного вида деятельности и на прямую относиться на ее себестоимость, т. е. должны включаться в цену кредитного продукта. Иными словами, средний риск кредитных потерь «перекладывается» на контрагентов и клиентов банка через механизм ценообразования оказываемых услуг.

5 Особенностью «рыночного» подхода является то, что кредитный спред включает в себя указанные выше составляющие кредитного риска, т.е. в нем проблематично выделить ту часть, которая соответствует ожидаемым потерям, и оставшуюся часть, которая взимается как компенсация волатильности потерь. Столь же затруднительно выделить в величине кредитного спреда «вклады», вносимые в нее вероятностью дефолта и уровнем безвозвратных потерь в случае дефолта. Изменения рыночного спреда в рамках этого под хода прогнозируются на довольно короткие периоды времени (дни или недели). Учет портфельных эффектов осуществляется по аналогии с оценкой рыночного риска в виде показателя VaR – по наблюдаемым на рынке корреляциям между кредитными спредами. Размер капитала под покрытие потерь вследствие кредитного риска определяется аналогично рыночному риску.

6 Для оценки доходности портфеля с учетом кредитного риска можно использовать отношение ожидаемой доходности к непредвиденным потерям, которое по своей сути аналогично коэффициенту Шарпа (отношение доходности сверх без рисковой ставки к волатильности доходности), применяемому для оценки доходности портфелей акций с учетом совокупного риска. Чем выше соотношение ожидаемой доходности и непредвиденных потерь, тем более «эффективным» является данный портфель. рост объемов вторичного рынка банковских ссуд, следствием чего является большая регулярность и устойчивость рыночных котировок на покупку и продажу данных активов; рост рынка кредитных производных инструментов, позволяющих по купать или продавать кредитный риск, связанный со ссудами, если сами базисные активы не торгуются на рынке.

7 Классический кредитный анализ традиционно применяется банками для оценки кредитоспособности заемщика на основе таких показателей, как деловая репутация, размер капитала, уровень «финансового рычага», колебания рентабельности, предлагаемое обеспечение и т.д. Однако проведение такого рода анализа требует больших затрат времени и средств на оплату труда квалифицированных экспертов. Поэтому банки стали склоняться к формализации процесса принятия решений по кредитованию, а с появлением современных математических методов неплатежеспособность стала предметом серьезных статистических исследований. Большинство исследований в этой сфере были построены на использовании дискриминантного анализа. Одна из наиболее успешных работ в этой области принадлежит Альтману, который опубликовал в 1968 г. описание своей Z-модели, получившей широкую известность и применение на практике.

8 Z-модель Альтмана (Altman Z-score) представляет собой статистическую мо дель, которая на основе оценки показателей финансового положения и платежеспособности компании позволяет оценить уровень риска банкротства. Модель Альтмана была построена при помощи множественного линейного дискриминантного анализа (multipli discriminant analysis – MDA) – статистического метода, который позволяет подобрать такие классифицирующие переменные, дисперсия которых между рассматриваемыми группами была бы максимальной, а внутри этих групп – минимальной. В данном случае классификация производилась только по двум группам: компании, потерпевшие в последующем банкротство, и компании, сумевшие его избежать. Построение такой модели представляет собой пошаговый процесс, в ходе которого по следовательно включаются или исключаются переменные на основе определенных статистических критериев.

9 Первоначально в модели использовалось 22 различных финансовых показателя, на основе которых был осуществлен пошаговый дискриминантный анализ 66 компаний, 33 из которых успешно функционировали и 33 потерпели банкротство. В ходе анализа коэффициенты, имеющие наименьшую статистическую значимость, отсеивались, после чего анализ статистической значимости коэффициентов повторялся. В результате в модели осталось только пять основных финансовых показателей. Когда число коэффициентов уменьшили с пяти до четырех, статистическая точность модели рез ко понизилась, и был сделан вывод о том, что дискриминантная функция с пятью переменными является наиболее предпочтительной: Z=1,2X1+1,4X2+3,3X3+0,6X4+0,999X5 По результатам анализа было определено, что 1,81 и 2,99 – это критические значения для индекса кредитоспособности Z. Для компаний, у которых Z 2,99 финансовое положение достаточно устойчиво. При попадании значения индекса в интервал между 1,81 и 2,99 прогноз финансового состояния затруднителен.

10 Суть подхода Альтмана заключается в выборе двух групп предприятий (со ответственно обанкротившихся и продолжавших функционировать) и проведении дискриминантного анализа на основе финансовых показателей этих предприятий, взятых по состоянию за один год до объявления дефолта (см. табл. 2.). В результате по группе предприятий, которые объявили о своем банкротстве, модель правильно предсказала это событие в 31 случае из 33 (94%) и ошиблась в 2 случаях (6%). По второй группе компаний, которые избе жали банкротства, модель ошибочно спрогнозировала дефолт только в 1 случае (3 %), а в оставшихся 32 случаях (97 %) была предсказана незначительная вероятность банкротства, что и подтвердилось в действительности.

11 Финансовый коэффициент Х 1 =Собственный оборотный капитал Всего активов Х 2 =Нераспределённая прибыль Всего активов Х 3 =Прибыль до выплаты процентов и налогов Всего активов Х 4 =Рыночная стоимость капитала Балансовая стоимость обязательств Х 5 =Выручка от реализации Всего активов Таблица 1 – Средние значения по группам для переменных Z-модели Альтмна

12 Для оценки прогнозной точности модели используют два критерия: точность определения компаний, которые в последующем действительно потерпели банкротство, как потенциально некредитоспособных (при неверной идентификации допускается ошибка I рода); точность определения компаний, которые избежали банкротства, как потенциально кредитоспособных (при неверной идентификации допускается ошибка II рода). Наиболее важным является первый критерий, т. е. точное определение предприятий, которым грозит банкротство, так как ошибки I рода непосредственно ведут к убыткам для кредитора. Что касается второго критерия, то неточность модели ведет к отказу в предоставлении кредита, и если пред сказанное банкротство не происходит в реальности, то потери выражаются лишь в виде недополученной прибыли (процентов по кредиту). Таким образом, модель Альтмана дает достаточно точный прогноз вероятности банкротства с горизонтом в один-два года. Практическая значимость Z-модели заключается в ее сравнительной простоте и возможности использования для оценки кредитоспособности компании и определения кредитного рейтинга заемщика.

13 Модель Альтмана применяется также для присвоения кредитного рейтинга корпоративным облигациям, что позволяет оценить на основе статистических данных по дефолтам среднюю вероятность дефолта заемщиков с данным рей тингом. Впоследствии модель Альтмана (1) неоднократно видоизменялась и со совершенствовалась. Так, Альтман, Хартцель и Пек в 1993 г. модифицировали исходную модель, предназначенную для анализа корпораций, заменив рыночную стоимость на балансовую при расчете коэффициента Х5. При этом они получили следующую модель для прогнозирования банкротства частных пред приятий, не имеющих акций в обращении: Z' = 0,717Х1 + 0,847Х2 + 3,Ю7Х3 + 0,420ХД + 0,998Х5. (2) Заметим, что значение К-статистики при расчете коэффициента X4 балансовой стоимости компании стало ниже, чем показатель при рас чете по рыночной стоимости.

14 Для использования индекса кредитоспособности Z на развивьющихся рынках исходная модель была видоизменена и получила название скорингразви вьющихся рынков (emerging market - EMS). Процесс определения кредитного рейтинга с целью выдачи ссуд мексиканским предприятиям на основе использования Z-модели осуществлялся следующим образом. 1. Расчет значения индекса ЕМS для предприятия и определение «эта лонного» кредитного рейтинга на основе калибровки модели ЕМS по эквивалентным рейтингам корпоративных облигаций США. 2. Анализ облигаций компании на уязвимость с точки зрения способности обслуживать обязательства, выраженные в иностранной валюте. Уязвимость определяется как соотношение доходов в инвалюте за вычетом издержек к расходам в инвалюте. Рассчитанный денежный поток в инвалюте соотносится с валютными обязательствами на следующий год и осуществляется корректировка рейтинга в сторону понижения в зависимости от степени уязвимости.

15 3. Корректировка рейтинга в сторону понижения (повышения), если риск компании признается большим (меньшим) по сравнению с эквивалентным рейтингом облигаций. 4. Корректировка в сторону понижения (повышения) в зависимости от положения компании на рынке и в отрасли. 5. Корректировка рейтинга в сторону повышения при наличии особых условий, таких как дополнительное обеспечение или надежных гарантий. 6. Расчет показателя Х4 с заменой рыночной стоимости акции на балансовую и соотнесение полученного результата с эквивалентным рейтингом облигаций. Если наблюдаются существенные рас хождения в рейтинге, то окончательный рейтинг корректируется в сторону повышения или понижения.

16 Модель ZЕТА В 1977 г. Альтман, Холдмен и Нараянан представили модель оценки креди тоспособности второго поколения, более детализированную и точную по сра нению с исходной Z- моделью. Их целью было построение модели прогноза вероятности дефолта для больших компаний, стоимость активов которых в среднем составляла 100 млн. долл. за два года до банкротства. Модель ZЕТА прогнозирует банкротство компаний с точностью до 90% за один год и с точностью свыше 70 % вплоть до пяти лет до наступления банкротства. По результатам тестирования и применения модель ZЕТА пока зала большую точность, чем Z-модель, особенно при прогнозировании на продолжительные временные горизонты.

17 Первоначально в модели использовались 27 финансовых показателей, из которых впоследствии было отобрано только семь: Х1 – рентабельность активов: отношение прибыли до выплаты процентов и налогов (earnings before interest and taxes – ЕВ1Т) к совокупным активам; Х2 – стабильность прибыли, оцениваемая за последние 5-10 лет; Х3 – показатель процентного покрытия (interest coverage): отношение при были до выплаты процентов и налогов (ЕВ1Т) к общей сумме процентных платежей. Это один из основных показателей, обычно используемый при проведении фундаментального анализа ценных бумаг с фиксированными доходами и при определении их рейтинга;

18 Х4 – совокупная прибыльность: отношение нераспределенной прибыли к сумме активов. Этот показатель учитывает такие факторы, как возраст компании, дивидендная политика и общий уровень доходности за время существования; Х5 – коэффициент текущей ликвидности: отношение оборотного капитала к краткосрочной кредиторской задолженности компании; Х6 – отношение рыночной капитализации к балансовой стоимости капитала, при этом капитализация оценивается в среднем за последние пять лет; Х7 – размер компании, оцениваемый как логарифм совокупных активов компании.

19 Области применения Z-модели и модели ZЕТА Формирование кредитной политики банка. С помощью этих моделей можно накладывать определенные ограничения на кредитную политику финансового института, в частности путем задания лимитов кредитования. Осуществление кредитного контроля. Модели сигнализируют о нарастании или уменьшении вероятности дефолта заемщика, указывая тем самым на необходимость принятия экстренных мер. Определение стоимости кредита. Модели могут применяться для рас чета премии за риск, которая компенсирует ожидаемые потери в случае дефолта, а также суммы кредита с учетом прогноза непредвиденных потерь. Оценка кредитного риска, классификация и структуризация активов, подлежащих секъюритизации. Например, финансовый институт, обладающий большим портфелем ипотечных кредитов, выводит их за баланс и выпускает обеспеченные ими облигации, купонная ставка по которым пропорциональна выплатам в счет погашения ипотечных ссуд. Такие операции позволяют получить дополнительное финансирование за счет реализации части ссудного портфеля, что позволяет увеличивать оборот и получать бoльшую прибыль.

20 Недостатки Z-модели и модели ZЕТА Слабые стороны этих моделей заключаются в следующем: обе модели являются чисто эмпирическими, «подогнанными по выборке» и не основываются на какой-либо состоятельной теоретической концепции; в моделях используются данные финансовой отчетности, которые могут лишь частично отражать реальное состояние предприятия или отражать его с задержкой; обе модели являются линейными.