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

«Кредитная фабрика» обладает «IT-мозгом», который «помнит» обо всем (обработанная база данных), и «быстрым мозгом», который включает в себя кредитных аналитиков, видящих и чувствующих события, не зафиксированные машиной. База знаний, занесенных в машину, и оценки кредитных аналитиков позволяют системе, во-первых, проанализировать все события, которые связаны с клиентом, а во-вторых, довольно быстро распространить по всей системе приобретенный новый опыт.

К сожалению, данную технологию невозможно распространить на максимум продуктов. Например, ипотека является исключением, поскольку здесь каждая сделка уникальна. Многое зависит от оцениваемого объекта недвижимости. Поэтому «фабричная» технологии для системы ипотечного кредитования будет существенно отличаться от остальных розничных кредитов. Так в течение ближайших годов все розничные кредитные продукты для физических лиц во всех территориальных банках планируется перевести на технологию «Кредитной фабрики».

3.2 Оценка кредитного риска коммерческого банка ОАО «Сбербанк России» с использованием VaR - модели

Для построения модели оценки кредитного риска с использованием модели VaR обработке подверглись данные по кредитам, выданным коммерческим банком юридическим лицам. Объем проанализированной выборки составил 570 ссуд. По каждому заемщику была известна следующая информация:

· сумма полученного кредита;

· внутренний кредитный рейтинг заемщика;

· сведения о наступлениях дефолтов по обязательствам.

Исходные данные представлены в Таблице 3.2.

Таблица 3.2. Кредитный портфель ОАО «Сбербанк России»

Кредитный рейтинг	Число заемщиков	Количество дефолтов	Сумма займа
А	106	3	307 848 583
В	154	7	271 596 445
С	195	12	280 753 862
D	94	8	100 981 424
E	21	2	6 541 565
Итого	570	32	967 721 879

Пусть банк обладает эффективной рейтинговой системой градации заемщиков, которая позволяет четко отделять надежных заемщиков от проблемных. Тогда может быть установлено наличие взаимосвязи между дефолтностью заемщика и рейтингом, который ему присвоен.

На основе этого, можно сопоставить каждой группе рейтинга оценку вероятности дефолта. Для этого возьмем частоту возникновения дефолтов заемщиков каждой из групп (см. Таблица). Предположим, что рассматриваются заемщики с рейтингом A. Пусть в этой группе имеется компаний-заемщиков, а из них оказались неспособными выполнить свои обязательства перед банком. Тогда оценка вероятности дефолта для заемщиков с рейтингом А будет проводиться по следующей формуле:

(3.1)

где -- оценка вероятности дефолта заемщиков с рейтингом A;

-- количество дефолтов заемщиков, входящих в группу A;

-- общее количество компаний, входящих в группу A.

В результате вычислений получаем оценки вероятности дефолта каждой компании, которой присвоен рейтинг A. Повторив описанную процедуру для остальных групп заемщиков, мы получили следующие результаты (см. Таблица 3.3):

Таблица 3.3. Соотношение уровня дефолтности и рейтинга заемщика

Рейтинг	Вероятность дефолта
А	0,0283
В	0,0455
С	0,0615
D	0,0851
E	0,0952

На следующем этапе, используя полученные данные, оцениваются ожидаемые потери анализируемого кредитного портфеля. При расчете ожидаемых потерь используется формула:

Рассмотрим подробнее каждый элемент этого равенства.

-- ожидаемые потери анализируемого кредитного портфеля;

-- оценка вероятности наступления дефолта i-того заемщика в портфеле. Каждому заемщику в соответствие ставится оценка вероятности дефолта в зависимости от рейтинга, который ему присвоен (см. Таблица 2.2);

-- стоимость активов, которые банк потеряет в случае дефолта контрагента. Фактически величина потерь представляет собой сумму задолженности по кредиту и процентам, начисленным на момент признания ссуды проблемной. Иногда также учитываются издержки банка на востребование кредита. Следует отметить, что в связи с отсутствием более подробных данных в данном исследовании под принимается только сумма текущей ссудной задолженности i-того заемщика; -- уровень возможного возмещения потерь в случае дефолта i-того контрагента. Как известно, все кредиты в банке разделяются на три категории обеспеченности: полностью обеспеченные, частично обеспеченные и необеспеченные (иногда их ещё называют бланковыми) кредиты. Путем экспертных оценок возможности реализации залога и взыскания проблемных ссуд каждой категории поставлен в соответствие определенный уровень возмещения потерь.

Проведем расчет ожидаемых потерь по каждому заемщику в анализируемом портфеле и в общем по кредитному портфелю.

Таблица 3.4. Сумма ожидаемых потерь по каждому заемщику

	5 694 978
	8 873 844
	12 414 238
	7 117 930
	595 291
	34 696 281

Значение ожидаемых потерь по портфелю составило 34 696 281 рублей или 3,59% от общего объема портфеля.

Для того чтобы оценить уровень неожиданных потерь по портфелю, необходимо вычислить VaR. Перейдем к алгоритму оценки кредитного риска портфеля с помощью метода Монте-Карло. Алгоритм моделирования был подробно описан в предыдущей главе:

Результаты 10000 экспериментов Монте-Карло позволили построить эмпирическую функцию распределения потерь:



Рисунок 3.2. Распределение потерь по кредитному портфелю

Эмпирическая функция распределения позволяет провести оценку кредитного риска портфеля с использованием методологии Value-at-Risk. При заданном доверительном уровне = 0,99 находим P {L < VaR} = 0,01. Полученное значение с горизонтом в один год для оцениваемого портфеля составило 50 539 534 рублей.

Так как VaR отражает максимальные убытки банка, которые делятся на ожидаемые и неожидаемые, то находим значение неожиданных потерь по портфелю с использованием следующей формулы:

UL = Credit VaR = -- EL = 50 539 534 - 34 696 281 = 15 843 253 руб.

В процентном выражении уровень кредитного VaR портфеля составляет 5,22% от суммы всех кредитов портфеля. Процесс оценки кредитного риска портфеля требуется регулярно повторять, если произойдет изменение структуры кредитного портфеля, например выдача новых кредитов или погашение текущей задолженности. Данные по дефолтности клиентов необходимо постоянно вносить и обновлять при использовании данного механизма оценки. Если в случае анализа новых данных логит-модель выдаст новые значимые факторы, то следует пересмотреть механизм оценки вероятности дефолта на основе частоты наступления дефолта по клиентам в соответствии со значением фактора. Со временем следует расширить количество факторов в логит-модели.

Следовательно, с применением частотного подхода к оценке вероятности, применением концепции VaR и метода Монте-Карло были получены следующие характеристики кредитного портфеля коммерческого банка:

* Размер ожидаемых потерь по каждому заемщику ;

* Количественная оценка ожидаемых потерь по кредитному портфелю = 34 696 281руб.;

* Размер неожиданных потерь по кредитному портфелю (Credit ) = 15 843 253 руб.

Ожидаемые потери оказывают важное и непосредственное влияние на прибыль банка от кредитного продукта, поскольку по каждому кредиту требуется отчислять страховую сумму в размере не менее в специальный резервный фонд. По рассчитанному значению величины ожидаемых потерь можно сделать вывод, в каких объемах банку следует формировать резервы на возможные потери по ссудам.

Величина неожиданных потерь или Credit VaR помогает определить собственный уровень надежности кредитного портфеля и банка в целом. Собственный уровень надежности определяет соответствие капитала банка возможным неожидаемым потерям. Главной функцией банковского капитала является защита банка от возможного банкротства, он выступает своеобразной «подушкой безопасности», которая позволяет вкладчикам и кредиторам возместить свои средства даже в случаях возникновения крупных непредвиденных обстоятельств, которые привели к убыткам. Сравним полученное значение величины потерь с нормативными значениями достаточности капитала, установленными Центральным банком. В соответствии с инструкцией №110-И ЦБ PФ, норматив достаточности банковского капитала H1 определяется как отношение размера собственных средств банка (капитала) к сумме его активов, взвешенных по уровню риска. Норматив достаточности H1 для анализируемого портфеля должен составлять не менее 10% от суммы кредитного портфеля. В свою очередь, требуемый уровень капитала на покрытие неожиданных потерь, рассчитанных с помощью построенной модели, составляет 5,22%. Согласно разработанной и примененной методике, уровень капитала, необходимый для покрытия принимаемых банком рисков (также называемый экономический капитал) ниже регулятивного капитала, установленного надзорными органами.

Таким образом, в данном случае банку не требуется активная деятельность по выдаче рискованных и необеспеченных кредитов, а также принятие на себя повышенных рисков. Превышение регулятивного значения размера капитала над его внутренней оценкой все-таки закономерно, так как методика расчета регулятивного капитала является унифицированной и используется банками вне зависимости от их организационных, отраслевых, конкурентных и других особенностей. Вычисление регулятивного капитала проводится с целью достижения соответствия нормативам регулирующих органов.

Экономический капитал в этом случае призван определить адекватность капитала фактически принимаемым рискам банка. Расчет экономического капитала является не только индивидуальным для каждого банка, но и методы, с помощью которых он производится, являются достаточно прогрессивными в банковском секторе. [28, c. 33 - 45] Одним из таких методов может служить разработанная в данной работе методика оценки на основе методологии Value-at-Risk.

Разработанная методика оценки и анализа кредитного риска дает возможность руководству кредитной организации проводить внутреннюю оценку риска на постоянной основе. При этом необходимо регулярное осуществление пересчет уровня кредитного риска в случае изменения структуры кредитного портфеля и при пересмотре кредитных рейтингов и класса обеспечения контрагентов. Обновление исторических данных по дефолтам позволит кредитной организации получать более точные динамические оценки кредитного риска. Рассмотренная методика может использоваться для установления лимитов кредитования и оценки влияния изменений в структуре кредитного портфеля на его рисковые характеристики.

Можно выделит следующие направления дальнейшего развития модели:

1. Учет корреляций между дефолтами взаимозависимых заемщиков или заемщиков, которые имеют одинаковую отраслевую принадлежность.

2. Учет экономических факторов в модели: цикличность в развитии экономики или ставка рефинансирования и т.д.

3. Переход от модели default-mode, учитывающей бинарное наступление дефолта, к модели mark-to-market, которая способна дифференцировать длительность просрочки и внедрить миграционные матрицы изменения отраслевой принадлежности заемщика.

3.3 Предложения по разработке кредитной политике банка

Без основательной модернизации системы управления рисками банка невозможно успешно реализовать его коммерческие задачи. Наиболее существенных изменений требует область управления кредитными рисками физических и юридических лиц. Однако следует учитывать, что развитие систем управления процентными, рыночными и операционными рисками, риском ликвидности, также является главной задачей банка.

Совершенствование систем управления рисками коммерческого банка должно быть нацелено на существенный рост привлекательности кредитных продуктов для каждой категории клиентов. Этого можно достичь путём упрощения процедур выдачи кредита: сокращение времени принятия решений и повышение их предсказуемости, снижение требований по залогам и прочему обеспечению, особенно в рознице, использование большей дифференциации ставок и условий согласно присвоенному уровню риска клиента.

На основе анализа полученных данных можно сделать вывод, что Сбербанку нужно создать условия для более агрессивной коммерческой политики. Для выполнения этой стратегии банку следует повысить прозрачность принимаемых решений в области кредитных рисков, принять меры, позволившие бы предотвратить внутреннее и внешнее мошенничество и коррупцию при выдаче кредитов.

Решение этих задач требует внедрения существенных изменений в системах и процессах, которые связанны с кредитным риском:

1. Создание систем формализованной оценки кредитного риска коммерческого банка. Для каждого клиента будь он физическим или юридическим лицом банк должен быть способен корректно и в явном виде оценивать ожидаемый уровень кредитного риска, который в свою очередь основывается на оценке риска клиента, то есть вероятности его дефолта, и риска транзакции - потери в случае дефолта. В Сбербанке уже существуют многие элементы данного подхода, в том числе и методика рейтингования клиентов -- юридических лиц, которые могут послужить хорошим основанием для дальнейшей работы.

2. Согласованность ценообразования и коммерческих приоритетов в сфере кредитования с оценкой уровня кредитного риска клиента и нормой возврата. Количественная оценка ожидаемых потерь должна представлять минимальную «цену риска», включаемую в стоимость кредитных ресурсов, предоставляемых заемщикам. Она также позволит согласовать понятие риска с коммерческими приоритетами банка и его направленностью. Например, выделение характеристик кредитного риска для отдельного элемента портфеля или определение размеров лимитов на выдачу кредитов и доли общей задолженности клиента, которую банк готов учетсь на своём балансе.

3. Увеличение роли функции, занимающейся управлением рисками при процессе подготовки и принятия решения по кредиту. Основными принципиальными изменениями следует выделить разделение независимой оценки кредитного риска и клиентской работы, то есть принцип «четырех глаз», когда вне зависимости от масштабов банка ключевые решения должны принимаются более чем одним человеком. Такое разделение можно осуществить, например, с помощью географической консолидации функции рисков, что повысит ее независимость и в большинстве случаев улучшит управляемость и качество анализа.

4. Оптимизация кредитной процедуры и применение электронного документооборота для всех типов кредитных заявок. Эти факторы необходимы не только для успешного и эффективного функционирования кредитного процесса внутри Сбербанка, но и с целью обеспечить прозрачность принятия кредитных решений и эффективного взаимодействия между функцией, занимающейся управлением рисками, и клиентскими подразделениями банка. Разделения функций клиентской работы, кредитного анализа, оформления и сопровождения кредитных договоров является одним из главных элементов изменения кредитного процесса банка.

5. Построение отдельной и консолидированной службы мониторинга, которая бы определяла качество кредитного портфеля банка и работала с просроченной задолженностью. Основная задача в данном случае заключается в максимально раннем выявлении потенциально проблемной задолженности и профессиональной работе с ней на тех стадиях, когда мероприятия по ее реструктуризации и взысканию будут наиболее эффективными. Формализация кредитной стратегии банка и формирование эффективных механизмов мониторинга и управления различными параметрами кредитного риска банка на уровне портфеля. Реализация указанных направлений будет учитывать особенности работы с различными клиентскими сегментами. Так, в кредитовании физических лиц можно предложить построить централизованную «Кредитную фабрику» на основе 1--3 кредитных центров, которые будут обслуживать все кредитующие подразделения Сбербанка. Также необходима значительная степень автоматизации аналитической обработки информации о клиентах не только на этапе принятия кредитного решения (скоринг), но и на более ранних этапах, которые призваны предотвратить мошенничество.

Процесс кредитования для наиболее массовых клиентов малого бизнеса, то есть выдача микрокредитов, должна быть построена по технологии, схожей с «Кредитной фабрикой» для физических лиц. Для наиболее крупных корпоративных клиентов кредитный анализ лучше всего проводить, сочетая элементы качественной оценки и статистического анализа. Также необходимо совершенствование оценки залогов и их сопровождение, за счет создания соответствующего отдельного подразделения и усовершенствования регламентов работы. И наконец, необходимо оптимизировать процедуру принятия решений для крупнейшей клиентуры и сложных нестандартных кредитных продуктов.

Совершенствование системы управления рыночными рисками, рисками ликвидности и процентными рисками, а также операционными рисками, является значимой задачей, которая необходима, чтобы обеспечить реализацию стратегии в области развития бизнеса.

Изменения в системе управления процентными рисками и риском ликвидности должны производиться в комплексе с общим развитием систем, занимающихся управлением активами и пассивами банка. Главными направлениями развития в этой области можно выделить выстраивание консолидированной системы управления пассивами и активами банка, в основе которой находятся экономически обоснованное трансфертное ценообразование, распределение и учет экономического капитала и активное моделирование и управление многообразными категориями риска. Главной задачей в области операционных рисков должна стать ликвидация недостатков, связанная с одновременным устранением избыточных механизмов контроля. В основе этой работы лежит:

· более глубокая инвентаризация возможных операционных рисков;

· оценка возможных экономических последствий операционных рисков;

· проведение анализа экономической эффективности систем предотвращения и контроля;

· повышение ответственности каждого «линейного» подразделения за управление операционными рисками в своей области. Этого можно добиться, используя методическую поддержку, координацию и контроль со стороны соответствующего подразделения в функции управления рисками.

В области рыночных рисков банку необходимо качественно модернизировать уже существующие системы и процессы, с целью резкого повышения оперативности и глубины контроля над рыночной позицией банка. Учитывая возросшую волатильность финансовых рынков, эта деятельность является особенно актуальной.



Заключение

Данная работа была посвящена управлению кредитными рисками на примере кредитного портфеля коммерческого банка ОАО «Сбербанк России», состоящего из кредитов. В данной работе были рассмотрены сущность и классификация финансовых рисков коммерческого банка, были даны понятия кредитного риска и кредитного портфеля, выявлены наиболее значимые факторы, которые оказывают наиболее существенное влияние. Кроме того в работе были проанализированы как зарубежные, так и отечественные модели анализа кредитоспособности заемщиков, а также была построена модель оценки кредитного риска и применена на кредитном портфеле коммерческого банка ОАО «Сбербанк России», состоящего из кредитов, выданных юридическим лицам.

В теоретической части было выявлено, что главный критерий при оценке кредитного портфеля - это оценка объективного состояния заемщика, способности данного конкретного заемщика выплатить предоставленную ему ссуду в указанный период времени. В этом случае большое значение имеют ряд следующих факторов - финансовое состояние заемщика, качество обслуживания им долга и обеспечение кредита. Существуют также и другие факторы, которые необходимо учитывать при оценке кредитного портфеля. В частности, это отраслевая принадлежность заемщика, общий уровень развития конкурентности, экономики, зависимость заемщика от поставщиков или от государственной поддержки. Все эти факторы являются почти субъективными, но они должны учитываться при оценке адекватности кредитного портфеля.

На основе теоретических материалов была произведена оценка кредитного риска кредитного портфеля коммерческого банка ОАО «Сбербанк России», состоящего из 570 ссуды, выданной юридическим лицам. В итоге кредитный риск составил 5,22% от стоимости кредитного портфеля.

Полученную в результате величину максимальных потерь следует использовать в качестве ориентира для создания резервов на возможные потери по ссудам и для поддержания уровня надежности банка.

Следующим этапом было сопоставлено рассчитанное значение величины максимальных потерь по портфелю с нормативными значениями достаточности капитала, установленными ЦБ РФ. В результате был сделан вывод, что уровень капитала, необходимый для покрытия фактически принимаемых банком рисков ниже регулятивного капитала, диктуемого требованиями надзорных органов. Следовательно, банк имеет возможность проводить более «агрессивную» стратегию деятельности путем расширения своих активных операций и принятия повышенных рисков. Использование разработанной модели оценки даст возможность руководству банка осуществлять постоянный мониторинг уровня риска кредитного портфеля, планировать возможные композиции и устанавливать лимиты на кредитный портфель.

Разработанная методика оценки кредитного риска портфеля может быть использована банком в качестве основы для развития собственной системы внутреннего кредитного анализа.

Для эффективного управления кредитными рисками и рисками вообще необходимо основываться на научные разработки, уметь комбинировать и совершенствовать известные методы и применять их в своей ежедневной работе. Важно, чтобы система управления кредитными рисками была прозрачной, практичной и соответствовала стратегическим целям коммерческой организации.



Список литературы

1. Инструкция ЦБ PФ от 16.01.2004 г. №110-И «Об обязательных нормативах банков».

2. Положение ЦБ РФ №387-П от 28.09.2012 г. «О порядке расчета кредитными организациями величины рыночного риска».

3. Положение ЦБ РФ №346-П от 03.11.2009 г. «О порядке расчета размера операционного риска».

4. Положение ЦБ PФ №283-П от 20.03.2006 г. «О порядке формирования кредитными организациями резервов на возможные потери».

5. «Политика Сбербанка России по управлению рыночным риском» от 01.11.2004 №1300-р

6. «Политика ОАО «Сбербанк России» по управлению операционными рисками (Редакция 2)» от 03.09.2010 №1302-2-р.

7. «Политика Сбербанка России по управлению кредитными рисками» от 01.11.2004 №1303-р.

8. Афaнасьев A.A., Коммерческие банки на рынке производных финансовых инструментов: методология, риски, регулирование. -Владивосток: Издательство ДВГAЭУ, 2002. - 308 с.

9. Беляев, М.К. Специфические риски потребительского кредитования. - М.: Элит, 2006. - 56 с.

10. Бeлякова A.B., Банковские риски: проблемы учета, управления и регулирования. - M.: Издательская группа «БДЦ-прecc», 2004. - 256с.

11. Василишин Э.Н., Механизм регулирования деятельности коммерческих банков в России на макро- и микроуровне. - M.: Экономика, 1999. - 271 с.

12. Вахрушев Д.C., Риск-менеджмент в коммерческом банке: теоретические основы и проблемы организации в России. - M.: Граница, 2004. - 317 с.

13. Гитман Л.Дж., Основы инвестирования. - M.: Дело, 1999. - 752с.

14. Грюнинг X. Bан, Братaнoвич C. Б. Анализ банковских рисков. Система оценки корпоративного управления и управления финансовым риском. - M.: ВЕСЬ МИP, 2003. - 134 с.

15. Дeмидов C.Р., Гoдин А.А. Банковские риски и методы управления ими: Монография. - M.: BГНА Минфина России, 2009. - 126 с.

16. Замковой C.В., Анализ динамики и рисков банковской системы России. M.: МАКC Пресс, 2004. - 124 с.

17. Звeрев О.A. Современные инновации в области организационно-экономического развития коммерческого банка. - M.: Палеотип, 2008. - 234с.

18. Игнатьева A.В., Исследование систем управления Текст. M.: ЮHИТИ-ДAНА, 2000. - 157 с.

19. Ларичев B.Д., Злоупотребления в сфере банковского кредитования. Методика их предупреждения. M.: ЮрИнфоP, 1997. - 224 с.

20. Никитинa Т.B. Банковский менеджмент. - CПб.: Питер, 2002. - 564с.

21. Никитина, Т.B. Страхование коммерческих финансовых рисков. CПб.: Питер, 2002. - 234 с.

22. Пановa Г.C. Кредитная политика коммeрческого банка. - M.: ИКЦ «ДИC», 2003. - 464с.

23. Pоуз П.C. Банковский менеджмент M: Дело - 1995 - 650с.

24. Pусанов Ю.Ю. Теория и прaктика банковского риcк-менeджмента.- M.: MБИ, 2004. - 145с.

25. Cеврук B.Т. Бaнковские риски. - M.: Дело Лтд, 2004. - 343с.

26. Cинки Д. Финансовый мeнеджмент в коммeрческом банке и в индустрии финансовых услуг. - M.: Альпина Бизнес Букс, 2007.-1018с.

27. Cоколов Ю. А., Aмосова H. А. Система страхования банковских рискoв. - M.: Элит, 2003. - 345с.

28. Ткачук M.И. Основы финансового менеджмента M: Интерпрeссервис: Экопeрспектива - 2002 - 326с.

29. Фетисов Г.Г. Устойчивость банковской системы M: Финансовая Академия при Правительстве PФ - 2002. - 678с.

30. Allеn, S. Financial risk management: A practitioner's guide to managing market and credit risk. Нoboken, т. J.: John Wiley & Sons, Inc., 2003.

31. Altmаn, E. Credit Risk Measurement: Developments over the Last 20 Years/ E. Altman, A. Saunders // Journal of Banking and Finance. -- 1998. -- №21. -- 1721-1742 р.

32. Аltman, Е. Default Recovery Rates in Credit Risk Modeling: A Re-Уview of the Literature and Empirical Evidence/ E. Altman, A. Resti, А. Sironi // Economic Notes by Banca Monte dei Paschi di Siena SpА. -- 2004. -- Vol. 33, №2. -- 183-208 р.

33. Cauoette J.В., Altman E. I., Narayanan P: Managing credit risk: The next great financial challenge. -- L.: John Wiley & Sons, Inc., 1998.

34. Drucker Р.F. Management Challenges for the 21st Century. - N.Y.: Harper Business. 1999.

35. Hanley М. Integrated Risk Management, London, LLP, 2000.

36. Ingersoll, J. Е. Theory of financial decision making. Studies in financial economics. --Rowmank & Littlefield, 1987.

37. Loffler, G. Credit Risk Modelling Using Excel and VBA [Text] / G. Loffler, Р. Posch. -- Chichester: John Wiley & Sons, 2007. -- 261 p.

38. Merton, R. On the Pricing of Corporate Debt: The Risk Structure of Interest Rate/ R. Merton // Journal of Finance. -- 1974. -- Vol. 25, №2. -- Р. 449-470.

39. Risk Management and Regulation in Banking/ D. Galai [et al.]. -- Boston: Kluwer Academic Publishers, 1999. -- 214 p.

40. Robson, М. Assessing and Managing Credit Risk in Retail Financial Services / М. Robson, V. Saporta // IMА Journal of Management Mathematics. -- 2001. -- № 12. -- 127-137 р.

41. Sandstrom, А. Solvency: Models, Assessment and Regulation / А. Sandstrom. -- New York, 2006. -- 400 p.

42. Saunders, А. Credit Risk Measurement: New Approaches to Value-at-Risk and other Paradigms / А. Saunders, L. Allen. -- 2nd ed. -- New York : Wiley Finance, 2002. -- 319 p.

43. Trinkle, В.S. Interpretable Credit Model Development via Atificial Neural Networks / В.S. Trinkle, A.А. Baldwin // Intelligent Systems in Accounting, Finance and Management. -- 2007. -- № 15. -- 123-147 р.

44. Wilson, T. Portfolio Credit Risk / T. Wilson // Economic Policy Review. -- 1998. -- Vol. 4, № 3. - 71-95 р.

45. Zazzara, C. Credit Risk in the Traditional Banking Book: a VaR Approach under Correlated Default / Zazyara Cristiano // Journal of Banking and Finance. -- 2000. -- №32. -- 331-361 р.



Приложения

Приложение 1. Факторы, способные вызвать кредитный риск



Приложение 2

Классификация кредитного портфеля на основе входящих в него кредитов

Классификатор	1 уровень	2 уровень
по контрагентам	клиентский кредитный портфель (кредиты физическим и юридическим лицам)	в разрезе видов валют: рублёвый портфель; валютный портфель.
		по признаку резидентства: портфель кредитов, выданных резидентам; портфель кредитов нерезидентам.
		по видам обеспечения: портфели, обеспеченные залогом, либо гарантиями и поручительствами; портфель ссуд, не имеющих обеспечения.
		по отраслям - портфель кредитов: промышленности; строительству; сельскому хозяйству; торговле т. д.
	межбанковский кредитный портфель
по срокам выдачи	портфель краткосрочных кредитов
	портфель инвестиционных кредитов
по своевременности погашения	портфель срочных кредитов
	портфель просроченных кредитов
	портфель пролонгированных кредитов
	портфель сомнительных кредитов



Приложение 3



Приложение 4



Приложение 5

Достаточность капитала ОАО «Сбербанк России»

млрд руб.	2012	2011
Основной капитал
Уставный капитал	87,7	87,7
Эмиссионный доход	232,6	232,6
Нераспределенная прибыль	1186,7	882,9
Собственные акции, выкупаемые у акционеров	(7,6)	(7,0)
За вычетом деловой репутации (goodwill)	(25,0)	(15,1)
Итого основной капитал	1474,4	1181,1
Дополнительный капитал
Фонд переоценки зданий	79,0	81,5
Фонд переоценки ценных бумаг, имеющихся в наличии для продажи	16,8	(3,4)
Фонд переоценки иностранной валюты	(4,7)	(5,7)
Субooдинированный капитал	382,7	303,5
За вычетом вложений в ассоциированные компании	(8,6)	(4,7)
Итого дополнительный капитал	465,2	371,2
Общий капитал	1 939,6	1 552,3
Активы, взвешaнные с учетом риска
Кредитные риски	13 693,1	9 867,8
Рыночный риск	425,5	349,0
Итого активы, взвешaнные с учетом риска	14 145,6	10 216,8
Коэффициент достаточности основного капитала	10,4	11,6
Коэффициент достаточности общего капитала	13,7	15,2

Размещено на Allbest.ru