Управление кредитным риском коммерческого банка с использованием VaR-модели на примере ОАО "Сбербанк России"

Анализ кредитных рисков в банковской системе России. Определение рейтинга кредитоспособности заемщика. Оценка кредитного риска банка с использованием VaR-модели и процедур имитационного моделирования на примере кредитного портфеля ОАО "Сбербанк России".

Рубрика Банковское, биржевое дело и страхование
Вид дипломная работа
Язык русский
Дата добавления 18.01.2015
Размер файла 2,1 M

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Среди различных видов банковской деятельности выдача кредитов - основная операция, которая обеспечивает доходность и стабильность существования банка. Посредством предоставления кредитов физическим и юридическим лицам, банк проводит формирование своего кредитного портфеля.

Последствием этого риска может являться уменьшение стоимости кредитной части в банковском портфеле активов. Так как кредит является одним из основных составляющих банковских активов, то даже небольшое снижение стоимости кредитной части портфеля приведет к серьезным потерям капитала.

Кредитный риск формируется из факторов, лежащих как на стороне заемщика, так и на стороне банка. К таким факторам, которые лежат на стороне клиента, относят например кредитоспособность клинта-заемщика и характер кредитной сделки. К факторам, находящимся на стороне банка, можно отнести организацию кредитного процесса.

На основе анализа политик управления рисками таких банков как ОАО «Сбербанк Росси» и ОАО «ПромСвязьБанк» можно сделать вывод, что степень кредитного риска в большей степени зависит от организации банком кредитного процесса. Важными составляющими этого процесса, которые помогут в значительной мере снизить риск кредитных сделок, являются: наличие инструментов и методологических документов, которые бы регулировали кредитные операции; разработка четкой процедуры рассмотрения заявки и разрешения на выдачу ссуды, определение обязательных требований к кредитной документации; создание эффективного контроля над обоснованностью выдаваемой ссуды и наличие реальных источников погасить её; хорошая разработка аналитической работы банка и высокий уровень информированности о клиентах.

В связи с мировым кризисом, который произошел в 2008 году, большинство российских банков оперативно отреагировали на ухудшающуюся экономическую ситуацию в стране и разработали ряд антикризисных мер. Это позволило сохранить приемлемый уровень риска и минимизировать возможные банковские потери. Кроме того, российские банки продолжили политику по практическому внедрению культуры и принципов управления рисками, основанную на лучшей мировой практике и рекомендациях, которые предлагает Базельский комитет по банковскому надзору.

Каждый банк определяет политику управления рисками, которая устанавливает основных участников и распределяет основные функции в системе управления рисками. Так, правление банка согласно своим полномочиям утверждает как общую политику управления рисками, так и политики управления каждым из видов риска, оказывающим существенное влияние. В большинстве банков лимитирование операций, подверженных риску, проводится Комитетом Банка по управлению активами и пассивами (KУAП) и Комитетом Банка по предоставлению кредитов и инвестиций (KПKИ). Предложения по установлению лимитов готовятся подразделениями, осуществляющими мониторинг и контроль за рисками, затем направляются на рассмотрение указанных выше комитетов.

В условиях продолжительности кризиса 2008 года, одной из ключевых мер, направленных на повышении эффективности управления кредитными рисками, стал анализ клиентов и принятие решений о их кредитовании и последующий мониторинг работы с проблемными задолженностями.

Так же банки стали не только оценивать кредитоспособность непосредственных участников, участвующих в кредитной сделки, но и комплексный анализ платежеспособности и устойчивости бизнеса всей группы компаний, в которую входят данные участники сделки. Кроме того, коммерческие банки стали вводить принцип единого лимита кредитования. Это позволило не только ограничить все риски клиента, но и отразить условия, на которых банк готов взять на себя эти риски.

Так же следует рассмотреть такое понятие как кредитный портфель. Кредитный портфель можно представит как совокупность остатков задолженности по основному долгу, связанному с активными кредитными операциям на какую-то конкретную дату. Выделяют следующие виды кредитных портфелей:

· Pиск-нейтральный кредитный портфель обычно характеризуют не только сравнительно низкими показателями риска, но и доходности, а рискованному кредитному портфелю свойственен значительный уровень риска и повышенный уровнем доходности.

· Оптимальный кредитный портфель по своему составу и структуре обладает наиболее точным соответствием плану выбранного стратегического развития, а также его кредитной и маркетинговой политике коммерческого банка.

· Сбалансированным кредитным портфелем является портфель банковских кредитов, лежащий и по своей структуре и по финансовым характеристикам в точке эффективного решения проблемы «риск-доходность». Оптимальный портфель может не всегда совпадать со сбалансированным: банк на установленных этапах своей деятельности способен в ущерб сбалансированности кредитного портфеля выдать кредиты с меньшей доходностью, но с большим риском. Это обычно делается с целью закрепить конкурентные позиции, завладеть новыми сегментами рынка, привлечь новых клиентов и т.д.

Управление кредитным портфелем в процессе осуществления процесса кредитования заключается в организации деятельности банка, направленной на предотвращение и минимизацию кредитного риска. Управляя кредитным портфелем, конечными целями кредитной организации являются, во-первых, получение высокой прибыли от активных операций, во-вторых - это поддержание надежности и безопасности деятельности банка.

В основе структуры управления кредитным портфелем лежат принципы разграничения компетенции, то есть существует четкое распределение полномочий руководителей банка различного ранга по предоставлению кредитов, изменения условий кредитной сделки согласно размерам кредита, степени риска и иных характеристик.

Важную роль в разработке мер по управлению кредитным портфелем играет разработка и проведение кредитной политики. Стратегии и тактика будущей кредитной политики чаще всего разрабатываются в центральном офисе или головном банке специальными кредитным департаментом или управлением совместно с банковским Кредитным комитетом. Кредитный комитет формируется в каждом банке и возглавляется заместителем Председателя Правления, который курирует кредитную деятельность банка. Полномочия и состав комитета утверждаются Правлением и Председателем Правления банка. Затем, в кредитной политике создается общая главная цель и определяются основные пути ее достижения: наиболее приоритетные направления для осуществления кредитных вложений, как приемлемые, так и неприемлемые виды активных операций для банка, а также предпочтительный круг заемщиков и т.д.

Под качеством кредитного портфеля понимают свойство его структуры, которое определяет способность обеспечивать при установленном уровне кредитного риска и имеющейся ликвидности баланса максимальный уровень доходности.

Качество кредитного портфеля чаще всего оценивается по системе показателей, которая включает абсолютные показатели, такие как объем выданных ссуд, объем просроченных кредитов и относительные показатели, которые характеризуют долю отдельных взятых кредитов в структуре кредитной задолженности.

Коэффициент качества кредитного портфеля можно представить отношением между просроченной ссудной задолженностью и суммой ссудной задолженности, то есть основному долгу без процентов:

Кккп =, (2.1)

где ПCЗ - просроченная ссудная задолженность,

CЗ - ссудная задолженность

Согласно методике Центрального Банка Российской Федерации определять Кккп следует в виде отношения расчётного резерва на возможные убытки и потери по ссудам и суммой кредитной задолженности по основному долгу. Коэффициент качества кредитного портфеля превышающий 10 %, свидетельствует о его высоком кредитном риске.

В большинстве российских банков методика оценки резервов под возможное обесценение кредитного портфеля, включает следующие этапы:

· Выявление отдельно существенных кредитов.

· Выявление наличия объективных признаков обесценения отдельно существенных кредитов. Кредит будет считаться обесцененным, при условии, что его текущая рыночная стоимость значительно превышает возмещаемую банку стоимость.

· Расчет размера убытка от обесценения для каждого отдельно обесцененного кредита.

· Оценка всех прочих кредитов, не являющихся на коллективной основе индивидуально существенными.

Для целей оценки и анализа просроченных кредитов и авансов проводиться анализ длительности пребывания кредитов на счетах с просроченной задолженностью.

Займы, предоставленные физическим лицам, с целью расчета резерва группируются по различным типам кредитных продуктов в отдельные субпортфели, которые имеют одинаковые характеристиками риска. Банк анализирует каждый субпортфель но основе сроков пребывания кредитов на счетах просроченной задолженности. Полностью обесцененным также считается розничный кредит, когда выплата основной суммы долга и процентов по нему или и того и другого просрочена более чем на 180 дней.

2.2 Определение рейтинга кредитоспособности заемщика

Банк, для оценки кредитоспособности клиента, должен иметь инструменты получения информации, которых будет достаточно для того, чтобы проанализировать ежемесячные потоки денежных средств, то есть доходов и расходов заемщика, с целью оценки его способностей осуществлять платежи по кредиту в будущем. Однако следует отметить, что несмотря положительный результат данного анализа, заемщик может не выполнить договорные обязательства, которые согласованны с банком, и использовать денежные средства в других целях, что повысит риски банка.

Существует несколько способов, с помощью которых банк может оценить готовность заемщика выполнить свои обязательства. Здесь может помочь знакомство с клиентом. Например, письменные сведения о выполнении заемщиком предыдущих своих обязательств или об откладывании сбережений на черный день также могут служить полезной информацией сотрудникам кредитного отдела банка. Золотое правило гласит: если банк сомневается в кредитоспособности клиента-заемщика или его готовности выполнить свои обязательства, кредит не следует предоставлять даже в случаях обеспечения залогом.

Банку необходимо располагать своевременной и достоверной информацией о кредитных рисках, которым он подвергается. Отсутствие или нехватка данных могут затруднить оценку качества активов, а следовательно, и потребности в резервах, которые должны пойти на покрытие ожидаемых убытков. Следует отметить, что дефицит резервов, выделенных на покрытие ожидаемых потерь, может привести к дополнительной напряженности в трудный период, когда прибыль обычно снижается. Не следует забывать и о том, что капитал представляет собой защиту от непредвиденных и неожидаемых убытков, и не предназначается для покрытия ожидаемых потерь.

Кроме этого, при отсутствии точной, своевременно полученной информации о возможном кредитном риске банк не сможет практически оценить, следует ли ему предоставлять какому-либо заемщику дополнительный кредит, и если да, то при каких условиях договора (маржа, срок погашения и т.д.). Однако банк не может ограничиваться только знанием собственных рисков на кредитора. Для того чтобы была возможность правильно и точно оценить кредитоспособность заемщика банку важно владеть достоверной информацией об общем объеме рисков заемных средств каждого заемщика, например, о ссудах, которые предоставляются заемщику другими банками. Это требует непрерывного мониторинга всех контрагентов при оценке конечной потребности в резервах на возможные убытки по ссудам. Такой мониторинг должен включать также оценку совокупного влияния развитости экономики на кредитоспособность отдельно рассматриваемого клиента, а также группы заемщиков, частью которой клиент является (например, влияние роста безработицы и замедления экономического развития на способность и возможность населения выполнять свои долговые обязательства).

Обычно в коммерческом банке существует внутренняя рейтинговая система оценки, которая позволяет комплексно проанализировать кредитоспособность заемщика. Данная методика основывается как на количественных, так и на качественных характеристиках клиентов. Это показатели кредитной истории заемщика, финансовой отчетности, оборотов по расчетным счетам, тенденций отрасли, позиции на рынке, качества менеджмента и другие показатели. Полный перечень характеристик рейтинговой оценки, а также их весовые коэффициенты публичному разглашению не подлежат. В результате анализа заемщику присваивается кредитный рейтинг, который относит его к соответствующей группе риска. В общей сложности коммерческие банки обычно выделяют 5 групп кредитного риска: A, B, C, D и E, где А -- группа, в которой находятся наиболее надежные заемщики, а Е -- группа самых рисковых заемщиков.

Выделяют несколько групп факторов в российской практике. Это зависит от того к какому отраслево-целевому сектору принадлежит заемщик. Например, для корпоративных заемщиков обычно можно выделить следующие показатели:

· Финансовые показатели и отношения (операционная маржа, выручка, ликвидность, доходность активов и т.д.)

· Качественные факторы (диверсификация бизнеса, отраслевые факторы, зависимость от квот, регуляторов и т.д.)

· Характеристика взаимоотношений с кредитором (кредитная история как в банке, так и кредитная история в других банках, проведение оценки качества оборотов)

· Индивидуальные факторы риска и защиты от него (политические, юридические риски, недостаточность информации, защита от риска в виде поручительств, залогов, гарантий)

В процессе выбора факторов, помимо их существенности и экономического смысла, стоит учитывать, что на основе некоторым из них необходимо будет собрать достаточную историю для анализа. Кроме этого, не следует выбирать много показателей, потому что, скорее всего, большинство из них могут оказаться взаимозависимыми, что может привести к сложностям определения их весов.

На следующем этапе, который заключается в сборе и накоплении данных по оценке показателей, требуется выбрать не менее 50-55 клиентов, которые относятся к анализируемой отраслево-целевой группе и собрать определенные для них ранее показатели за последние годы. При этом данные можно получить из разнообразных источников, в том числе и тех, которые являются общедоступными. Например, с серверов с раскрытой информацией (это данные по отчетности), данные Федеральной службы Государственной Статистики и т.д. Подходящим является и применение относительных показателей, например финансовые отношения. Кроме этого, финансовые показатели требуется приводить к одному и тому же временному горизонту (месяц, квартал, год), и при расчете необходимо фиксировать продолжительность производственных циклов.

На базе собранных данных можно установить, какие значения показателей являются приемлемыми для анализируемой группы клиентов, а какие - плохими. Сначала следует выделить предельные значения для всех показателей. Таким образом, те значения, появление которых у кредитора будет свидетельствовать о его неблагоприятном и неустойчивом финансовом положении. Установление таких значений состоит из системы стоп факторов, наличие которых не прекращает работу с клиентом, однако, ему сразу присваивается либо вмененный рейтинг, либо отграничение на рейтинговую группу.

Остальной диапазон значений показателей делиться на некоторое количество групп, каждой из которых устанавливается в соответствии определенный балл. Выделяются границы так, чтобы в получившиеся интервалы попадало приблизительно одинаковое количество заемщиков из собранной базы. В процессе определения границ каждой из групп требуется учитывать как накопленные данные, так и экономическую непротиворечивость.

На следующем этапе определяется значимость показателей. Экспертная простановка весов является одним из применимых подходов. Для этого требуется собрать группу квалифицированных сотрудников или экспертов, которые определят независимо друг от друга значимость выявленных факторов. Затем, полученные веса усредняют.

Помимо этого, существует и другой, более технический, подход. Для начала составляют схему, которая содержит несколько уровней, включающих определенные до этого риск-доминирующие факторы. На всех уровнях требуется определить, какие факторы наиболее значимы, какие равнозначны, а какие менее значимы. После этого можно рассчитать веса показателей.

Рейтинговые группы позволяют объединить схожих по финансовому состоянию кредиторов. Пример такого разделения представлен в Таблице 2.1. Можно ввести и большее количество рейтинговых групп или добавить промежуточные группы.

Таблица 2.1. Рейтинговые группы

А

Высокая и исключительная способность исполнять финансовые обязательства.

B

Наличие достаточной способности исполнять финансовые обязательства, но присутствует высокая чувствительность по отношению к неблагоприятным деловым, финансовым и экономическим условиям на достаточно длительном интервале времени.

C

Не грозит опасность в краткосрочной перспективе, но присутствует существенная неопределенность, которая связанна с чувствительностью относительно неблагоприятных деловых, финансовых и экономических условий.

D

В настоящий момент имеется значительный риск неисполнения обязательств. Выполнение обязательств полностью зависит от благоприятных деловых, финансовых и экономических условий.

E

В текущий момент заемщик находится в очень серьезной опасности. Погашение всех обязательств признается мало возможным.

2.3 Модели анализа кредитоспособности заемщиков

Современные практические методы анализа кредитоспособности заемщиков коммерческого банка основываются на комплексном применении как финансовых так и нефинансовых критериев.

На Рисунке 2.1. рассмотрена классификация методов и моделей оценки кредитоспособности заемщиков в коммерческих банках.

Рисунок 2.1. Модели оценки кредитоспособности заемщика

Классификационные модели делятся на модели бальной оценки кредита, то есть рейтинговые методики, а также модели прогнозирования банкротств, которые включают в себя статистическую оценку, основанной на МDА - Мultiple Discriminate Analysis - множественный дискриминaнтный анализ.

Модели комплексного анализа, основанные на «полуэмпирических» методологиях применяются для оценки потребительских кредитов. Среди них выделяют такие модели как: «правило 6C», PARTS, CAMPARY, Judgmental Analysis (оценочная система анализа).

Классификационные модели дают возможность разбить на различные группы (классы) и служат вспомогательным инструментом, позволяющим определить возможности удовлетворения кредитной заявки.

Чаще всего на практике применяются две основные модели оценки заемщика: бальная (рейтинговая) оценка и прогнозирование банкротств. Рейтинговые модели позволяют поделить заемщиков на исполнительных и неисполнительных, а модели прогнозирования стараются дифференцировать устойчивые компании и фирмы-банкроты.

Рейтинговая оценка компании производится на основании рассчитанных значений различных финансовых коэффициентов и выражается в большинстве случаев в баллах. Баллы высчитываются путем перемножения значения любого из показателей на вес его в рейтинге.

В итоге, общий вид формулы рейтинговой оценки:

где, - интегральный рейтинг (показатель);

- показатель удельного веса i - го показателя;

- числовое значение i-го параметра;

n - количество параметров.

Коммерческие банки часто используют систему скоринга. Кредитный скоринг (kredit scoring) представляет собой технический прием, который был предложен известным американским ученым экономистом Д.Дюраном ещё в начале 40-ых годов для разделения заемщиков на основании потребительского кредита. Отличием кредитного скоринга и рейтинговой оценки является то, что в формуле рейтинговой оценки стоит вместо (значения i-ого показателя) - частная бальная оценка i - ого показателя. На основе этого, для каждого параметра определяют несколько интервалов возможных значений, а затем каждому интервалу устанавливают определенное количество рейтинговых баллов или определяется его класс.

Достоинство рейтинговой модели заключается в ее простоте: достаточно рассчитать необходимые финансовые коэффициенты и их взвесить, чтобы определить класс, к которому принадлежит заемщик. Следует, однако, понимать, что в расчете рейтинга вполне могут участвовать только те характеристики, которые будут отвечать установленным нормативам.

Модели прогнозирования чаще всего используются при оценке качества потенциальных клиентов-заемщиков и основываются на статистических методах, из которых наиболее распространенным является множественный дискриминaнтный анализ (MДA), также известный в практике как «кластерный анализ».

Общий вид дискриминaнтной функции:

где и - некоторые параметры (коэффициенты регрессии);

ѓi - факторы, которые характеризуют финансовое состояние заемщика (например, ими могут служить финансовые коэффициенты). Коэффициенты регрессии определяются на основе статистической обработки данных по выборке предприятий или фирм, которые либо банкроты, либо смогли выжить в течение выбранного периода. Все компании можно разбить на две основные группы: на тех, кому финансовые трудности в ближайшее время не грозят вплоть до банкротства, и на тех, кому грозит это. Если Z - оценка компании располагается ближе к показателю обычной компании - банкрота, то она обанкротится при условии продолжения ухудшения ее положения. Если риск-менеджеры компаний и банк, осознав все финансовые трудности, пытаются предотвратить усугубляющуюся ситуацию, то банкротства может не произойти, следовательно, Z - оценка является неким сигналом раннего предупреждения.

Чтобы применить МДА необходимо иметь достаточно репрезентативную выборку предприятий, которые дифференцированы по отраслям и размерам. Трудность состоит в том, что не всегда внутри отрасли возможно найти достаточное количество фирм-банкротов, чтобы произвести расчет коэффициентов регрессии.

Наиболее используемыми моделями MДA являются модели Альтмана и Чeccepa.

Альтман, Хoльдepман и Нарайана ввели «Z - анализ» на основе уравнения: следующего вида:

Отнесение компании к определенной группе надежности осуществляется на основе расчетных значений индекса Z:

Z ? 1,8 - очень высока вероятность обанкротиться;

1,8 < Z ? 2,7 - высокая вероятность обанкротиться;

2,7 < Z ? 3,0 - низкая вероятность обанкротиться;

3,0 < Z - очень низка вероятность обанкротиться. Пятифакторная известная модель Альтмана, созданная на основе анализа финансового положения 66 фирм, дает достаточно точный прогноз наступления банкротства вперед на три-четыре года. При этом факт банкротства на ближайший год можно определить почти с 95% точностью.

Поздние его работы основывались на более глубоком исследовании, при этом более тщательно были рассмотрены капитализируемые обязательства по аренде, где применялся прием сглаживания данных, с целью выровнять случайные колебания. Новые модели обладают способностью предсказывать банкротства с очень высокой степенью точности на пару лет вперед и с меньшей, и все же допустимой точностью в 70% на пять лет.

Z = 1,2*X1 + 1,4*X2 + 3,3*Х3 + 0,6* X4 + 0,9*Х5 - 2,675, (2.5)

Если Z < 0, то предприятие обладает «рискованным» финансовым положением, если Z > 0 -компания считается «статистически здоровым».

Построить модель для российских заемщиков, наподобие уравнения Альтмана, пока проблематично и ненадежно, во-первых, в связи с отсутствием некой истории банкротств заемщиков; во-вторых, из-за существенного влияния на признание компании банкротом различных неучтенных факторов, не подлежащих учету; в-третьих, в результате изменчивости нормативной базы банкротств отечественных предприятий.

Основной проблемой практического применения моделей скopинга служит обеспечение связанности, а также отсутствие противоречивости всевозможных показателей. Большинство банков, стремящиеся добиться наиболее точных оценок, стараются комбинировать по своему усмотрению разные параметры и коэффициенты.

Модель Чeccepa, модель наблюдения за ссудами, позволяет прогнозировать случаи неисполнения клиентом условий договора по кредиту. Под «невыполнением условий» понимают не только непогашение ссуды, но и всевозможные другие отклонения, способные сделать ссуду менее выгодной для кредитора-заемщика, чем было первоначально предусмотрено.

Оценочные показатели модели следующие:

Y = - 2,0434 - 5,24 * X1 + 0,0053 *X2 - 6,6507 *X3 + +4,4009 * X4 - 0,0791 *X5 - 0,1220 *X6 (2.6)

Переменная Y - линейная комбинация независимых переменных, используемая в следующей формуле при оценке вероятности неисполнения условий договора, Z:

где, e равное 2,71828 - число Эйлера, основание натурального логарифма.

Расчетная оценка Y рассматривается как присутствие факторов, способствующих выполнению условий договора. Чем больше это значение оценки Y, тем выше вероятность того, что данный заемщик не выполнит условия заключенного договора. В модели Чессера применяется такие следующая расшифровка для оценки вероятности неисполнения договора:

· если Z ? 0,50, то заемщика необходимо определить в группу, которая вероятней всего не исполнит условия договора;

· если Z < 0,50, то заемщика следует определить в группу надежных клиентов.

Чессер применял данные нескольких банков по 37 «удовлетворительным» и 37 «неудовлетворительным» ссудам, при этом для расчета он взял показатели балансов компаний-заемщиков за год до выдачи кредита. Подставив формулу «вероятности нарушения условий договора» и расчетные показатели модели, Чессер точно определил дефолт три из четырех анализируемых случаев. Российскими дискриминантными моделями прогнозирования банкротств являются двухфакторная модель Федотовой М.А. и пятифакторная модель Сайфулина P.C., Kадыкова Г.Г..

Модель оценки вероятности банкротств Федотовой M.A. основывается на коэффициенте текущей ликвидности (X1) и доле заемных средств в валюте баланса (X2):

Z = -0,3877 - 1,0736 * X1 + 0,0579 * Х2 (2.8)

Если значение индекса Z отрицательное, то вероятно, что заемщик так и останется платежеспособным.

Сайфулина P.С. и Kадыкова Г.Г. представили уравнение определения кредитоспособности заемщика в виде:

Z = 2 * Х1 + 0,1 *X2 + 0,08 *X3 + 0,45 * X4 + Х5, (2.9)

Если значения финансовых коэффициентов полностью соответствуют минимальному нормативному уровню, то индекс Z равен 1. Финансовое состояние компании, имеющее рейтинговое число менее 1 расценивается как неудовлетворительное.

Совместно с множественным дискриминантным анализом прогнозирования банкротств заемщиков могут использоваться также упрощенные модели, которые основаны на системе определенных показателей. Пример такого подхода - это система показателей Бивepa, которая включает:

коэффициент Бивepa;

коэффициент покрытия имеющихся активов собственным оборотным капиталом;

рентабельность активов;

уровень финансового левepиджа;

коэффициент покрытия текущих краткосрочных обязательств оборотными активами.

Для классификации кредитов на практике может быть использована модель САRT. Модель САRT расшифровывается как «классификационные и регрессионные деревья» (Сlassification аnd regrеssion trees). Главными достоинствами этой непараметрической модели являются возможность широкого применения, её легкость вычислений и доступность для понимания, однако построение таких моделей требует применения сложных статистических методов. Эту модель называют ещё «рекурсивным разбиением». Осознать «классификационные и регрессионные деревья» можно путем разбивки на «ветви» согласно значениям выбранных финансовых коэффициентов. При этом, каждая «ветвь» дерева, делится на «ветви» в соответствии с другим коэффициентом. Точность классификации составляет приблизительно 90. На Рисунке 2.2. представлено «классификационное дерево» для выявления компаний-банкротов.

Рисунок 2.2. «Классификационное дерево» для выявления компаний-банкротов

При использовании математических методов при управлении кредитами, банку необходимо учитывать, что предоставление кредитов не является чисто механическим актом. Это трудоемкий процесс, в котором важны не только человеческие взаимоотношения между сторонами, но и понимание технического обеспечения. В математических моделях не учитываются межличностные отношения. А на практике кредитного анализа и кредитования необходимо учитывать этот фактор.

Альтман предполагал использовать свою «количественную модель» с целью дополнить к качественным и интуитивным подходам инспекторов кредитных отделов коммерческих банков, делая акцент, что его модель не способна дать балльной оценки ссуды и заменить оценки, предлагаемые служащими банка. Модель и получаемые через нее Z - оценки могут служить ценным инструментом для определения общей кредитоспособности клиентов банка и сигналом предупреждения о возможности в будущем плохого финансового состояния.

Недостатки классификационных моделей можно выделить следующие: произвольность расчета основных количественных показателей («эмпиризм»), достаточно высокая чувствительность к неточности и достоверности исходных данных (например, финансовой отчетности, что более характерно для отечественных предприятий), сравнительная громоздкость.

Детально рассмотреть количественные и качественные параметры кредитора позволяют модели комплексного анализа, такие как правило «шести СИ», PARTS, CAMPARI, оценочная система анализа.

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 следующие 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;

-- случайная величина, -- 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].

Для того чтобы произвести оценку уровня неожиданных потерь по портфелю, требуется вычислить VaR. Воспользуемся алгоритмом оценки кредитного риска портфеля с помощью методологии Монте-Карло. Алгоритм моделирования содержит в себе следующие шаги:

Для начала, рассмотрим всех заемщиков, обладающих рейтингом А:

1) Для каждого заемщика i класса A генерируются равномерно распределенные на интервале случайные величины от 0 до 1: , i. = 1,..., , где -- количество заемщиков с рейтингом A в кредитном портфеле банка, k -- количество повторений шагов алгоритма, k = 1, ….,10000.

2) На основе полученных результатов зависимости дефолтности заемщика от присвоенного ему рейтинга, рассчитывается уровень убытков по каждому i-ому заемщику, принадлежащему группе A. Наступлением дефолта в модели является превышение сгенерированной случайной величиной вероятности, дополняющей до 1 вероятность дефолта соответствующей группы рейтинга:

где-- уровень убытков по i-му заемщику,

-- сумма задолженности i-го заемщика из группы А,

Р (D)A -- оценка вероятности дефолта заемщиков с рейтингом А.

3) Рассчитываются совокупные убытки по заемщикам группы А путем суммирования потерь по каждому клиенту из данной группы:

4) Подобная процедура проводится для заемщиков с присвоенными остальными рейтингами В, C, D и Е, и вычисляется совокупный уровень потерь по кредитному портфелю:

5) Первые четыре шага алгоритма 1-4 повторяются большое количество раз r (k = 10 000), и по выборке строится эмпирическая функция распределения потерь по кредитному портфелю.

Эмпирическая функция распределения позволяет наиболее точно оценить кредитный риск портфеля на основе методологии Vаlue-аt-Risk.

Ожидаемые потери, как правило, оказывают прямое влияние на прибыль и рентабельность банка от предоставляемого им кредитного продукта, поскольку по каждому кредиту требуется отчислять резервную сумму в размере не менее в специальный предусмотренный резервный фонд. Оцененное значение величины ожидаемых потерь () показывает, в каких масштабах и объемах банку необходимо формировать резервы на возможные потери по выданным ссудам.

Величина неожиданных потерь или Сredit VаR находит собственный уровень надежности как кредитного портфеля, так и банка в целом. Собственный уровень надежности определяют соответствием капитала банка возможным неожидаемым потерям. Главная функция банковского капитала выражается в защите банка от банкротства, он выступает своеобразной «подушкой безопасности», которая предоставляет вкладчикам и кредиторам возможность возместить свои средства даже в случаях возникновения крупных непредвиденных потерь убытков.

Глава 3. Управление кредитным риском коммерческого банка ОАО «Сбербанк России»

кредитный риск банк портфель

3.1 Характеристика деятельности коммерческого банка ОАО «Сбербанк России»

«Сбербанк России», основанный в 1841 году - универсальный российский банк, который удовлетворяет потребности разных групп клиентов в огромном спектре различных банковских услуг. Сбербанку принадлежит огромная доля на рынке вкладов и он является главным кредитором российской экономики.

Банк в сотрудничестве с более чем 35 000 юридических лиц и специализируется, как на обслуживании предприятий малого и среднего бизнеса, так и бюджетных организаций. Это предприятия различных отраслей промышленности: нефтегазовых, химических, металлургических, транспортных, сельскохозяйственных, агропромышленного комплекса, пищевой, деревоперерабатывающей промышленности, оптовой и розничной торговли, строительных организаций, страховых компаний, представительств и филиалов иностранных фирм (см. Рисунок 3).

В структуре обязательств Сбербанка преобладают средства физических лиц и корпоративных клиентов, общая сумма которых в конце 2012 года составила 10,2 трлн руб., или 75,5% обязательств (см. Приложение)

Сбербанк значительно увеличил заимствования в банковских организациях -- на 920 млрд руб. (прирост на 172,8% относительно уровня 2011 года), причем 66,7% этой суммы приходится на операции РЕПО, в основном с ЦБ РФ.

Объем средств клиентов в 2012 году увеличился на 44,9%. С поправкой на приобретения прирост составил 27,1%. Как отмечалось выше, объем депозитов корпоративных клиентов за год почти удвоился и достиг 2,0 трлн руб. (без учета приобретений), а их доля в структуре совокупных средств корпоративных клиентов выросла с 37,8 до 61,5%. Увеличение доли именно этого, сравнительно дорогого источника фондирования в основном привело к росту стоимости платных пассивов.

Объем депозитов физических лиц в 2012 году вырос на 21,9%, без учета приобретений - на 14,0%. Сумма средств на текущих счетах физических лиц увеличилась на 30,1%, без учета приобретений -- на 12,1%. Доля текущих счетов в совокупных средствах физических лиц к концу 2012 года достигла 20,1%.

Объем выпущенных долговых обязательств в 2012 году увеличился на 423 млрд руб. Более половины прироста обеспечило увеличение сберегательных сертификатов (на 217,4 млрд руб.). Кроме того, в рамках программ среднесрочных нот (MTN) и программы еврокоммерческих бумаг (ECP) «Сбербанк Росии» выпустил ноты участия на сумму 138,1 млрд руб. Объем выпущенных облигаций, номинированных в долларах США, евро, турецких лирах, белорусских рублях и украинских гривнах, составил 34,4 млрд руб.

Собственные средства «Сбербанка России» увеличились за 2012 год на 28,1% -- до 1,6 трлн руб. Прирост обусловлен эффектом консолидации и капитализацией прибыли, полученной в 2011 году.

Не менее важным показателем является коэффициент достаточности капитала. На основе итогов 2012 года коэффициент достаточности основного банковского капитала вырос до 10,4%. В тоже время коэффициент достаточности общего капитала упал до 13,7% (см. Приложение). Снижение вызвано главным образом повышением объема активов, которые взвешены с учетом риска (на 39%), а также присвоением дополнительных дочерних структур.

Коэффициент достаточности капитала «Сбербанка России» значительно превышает минимальный уровень, установленный Базельским комитетом (8%). Коэффициент достаточности общего капитала с использованием PCБУ (H1) в конце 2012 года составил 12,6%.

Как можно видеть на Рисунке 3, отраслевая структура кредитного портфеля банка достаточно диверсифицирована: доля самой крупной отрасли составляет примерно 17,7% от совокупного кредитного портфеля банка.

Таблица 3.1 Структура кредитного портфеля 2012 года, млн. рублей

млн. рублей

Сумма

млн. рублей

Сумма

Физические лица

1 805 527

Телекоммуникации

331 954

Услуги

1 658 527

Металлургия

299 424

Торговля

1 134 763

Транспорт, авиационная и космическая промышленность

285 364

Пищевая промышленность и сельское хозяйство

703 863

Государственные и муниципальные учреждения

268 087

Строительство

451 261

Нефтегазовая промышленность

164 663

Энергетика

379 891

Деревообрабатывающая промышленность

50 388

Машиностроение

355 574

Прочее

152 610

Химическая промышленность

340 211

Итого кредитов и авансов клиентам

8 382 107

Наглядно структуру кредитного портфеля нагляднее всего представить в виде диаграммы (см. Рисунок 3.1.)

Рисунок 3.1. Структура кредитного портфеля 2012 года

В 2009 году Сбербанк внедрил новую систему кредитования клиентов. «Кредитная фабрика» -- централизованная автоматизированная технология кредитования, которая охватывает полностью весь процесс, от прихода клиента за кредитом в офис банка до его выдачи. «Кредитная фабрика» -- это условное обозначение для целой совокупности понятий: и нового банковского процесса, и комплекса IT - систем, и сотрудников банка, осуществляющих сложные процедуры предкредитной обработки полученной информации и принятия решений.

Данная технология является автоматизированной процедурой проверки и анализа заемщиков по данным, взятых как из внутренних, так и из внешних источников, и централизованного принятия решений о предоставлении кредита. Вердикт осуществляет либо автоматизированная система, либо специальный сотрудник экспертным методом в лице централизованного кредитного аналитика, обладающего соответствующим уровнем компетенции. Проект «Кредитная фабрика», одобренный Правлением банка и Наблюдательным Советом 1 августа 2008 года, стартовал 23 октября. Переход на новый механизм обработки данных банк осуществил в 701 точке города Москвы.

Этот проект является достаточно сложным и масштабным, что обусловлено территориальной разветвленностью Сбербанка, большим числом вовлеченных специалистов высокого уровня, а также выстроенной IT-архитектурой. Также в Москве был образован единый центр предкредитной обработки заявок. В рамках новейшей технологии прошли обучение 1 тысяча 112 кредитных инспекторов.

Ранее для получения положительного решения по кредиту клиенту требовалось посетить Сбербанк не менее пяти раз, а если в качестве обеспечения были предоставлены поручительства физических лиц, то до семи -- восьми раз. Сегодня количество визитов заёмщиков снизилось до двух. В первый раз предоставляются документы, такие как заявка, справки о доходе и так далее, во второй -- подписываются кредитные документы, если было принято положительное решение о выдаче ссуды. Срок рассмотрения заявки существенно сократился. Теперь он составляет от семи до двух дней - это время, за которое банк способен полностью оформить кредитные документы. Более того, заемщик обращается лишь в одно окно по сравнению с четырьмя ранее.

При использовании новой технологии в частности изменился расчет такого показателя как платежеспособность заемщика. Раньше банк только на основании справки клиента об официальном доходе, которую выдает работодатель, устанавливал среднемесячный доход и допустимый размер ежемесячных выплат по кредиту. Теперь же, чтобы оценить допустимый размер ежемесячного платежа рассматривается вся совокупность данных о клиенте: сколько у него иждивенцев, какие расходы он несет, брал ли клиент кредиты в прошлом и как он по ним платил, имеются ли текущие обязательства в других банках. «Кредитная фабрика» учитывает полностью эту информацию и предусматривает множество алгоритмов ее обработки. В дальнейшем список источников информации о клиенте планируется расширять. Например, для оценки показателя платежеспособности клиента можно использовать информацию об уплате клиентами услуг ЖКХ (жилищно-коммунального хозяйства). Эта информация позволит дополнить их характеристику, поскольку регулярная оплата жилищно-коммунальных счетов косвенно свидетельствует о платежеспособности заемщика, его отношениях к обязательствам по погашению долгов.


Подобные документы

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.