Имитационное моделирование кредитного риска эмитента корпоративных облигаций тема диссертации и автореферата по ВАК РФ 08.00.13, кандидат экономических наук Шкляев, Леонид Олегович

• Шкляев, Леонид Олегович
• кандидат экономических наук
• 2012

Оглавление диссертации кандидат экономических наук Шкляев, Леонид Олегович

ВВЕДЕНИЕ.

ГЛАВА 1. ТЕОРЕТИКО-МЕТОДИЧЕСКИЕ ОСНОВЫ ОЦЕНКИ КРЕДИТНОГО РИСКА ЭМИТЕНТА КОРПОРАТИВНЫХ ОБЛИГАЦИЙ.

1.1. Основные понятия и определения.

1.2. Требования Базельского комитета к оценке кредитного риска эмитента корпоративных облигаций.

1.3. Обзор и критический анализ моделей оценки кредитного риска эмитента корпоративных облигаций.

1.3.1. Классификация моделей оценки кредитного риска эмитента корпоративных облигаций.

1.3.2. Существующие проблемы моделирования кредитного риска эмитента корпоративных облигаций.

1.3.3. Процедуры сравнения прогнозного качества моделей кредитного риска эмитента корпоративных облигаций.

1.4. Применение имитационного моделирования для оценки кредитного риска эмитента корпоративных облигаций.

1.5. Выводы по первой главе.

ГЛАВА 2. РАЗРАБОТКА АЛГОРИТМА ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ ОЦЕНКИ КРЕДИТНОГО РИСКА ЭМИТЕНТА КОРПОРАТИВНЫХ ОБЛИГАЦИЙ.

2.1. Разработка универсального алгоритма имитационного моделирования для оценки кредитного риска эмитента корпоративных облигаций.

2.2. Построение имитационной модели оценки кредитного риска эмитента корпоративных облигаций.

2.3. Разработка рекомендаций по применению моделей оценки кредитного риска эмитента в зависимости от принадлежности организации к определенной отрасли российской экономики.

2.4. Выводы по второй главе.

ГЛАВА 3. РАЗРАБОТКА ИМИТАЦИОННОЙ МОДЕЛИ ОЦЕНКИ КРЕДИТНОГО РИСКА ЭМИТЕНТА СТРОИТЕЛЬНОЙ ОТРАСЛИ.

3.1. Описание деятельности эмитента строительной отрасли.

3.1.1. Характеристика бизнес - процессов строительной отрасли.

3.1.2. Характеристика эмитента ОАО «Галс-Девелопмент».

3.2. Построение имитационной модели оценки кредитного риска эмитента строительной отрасли.

3.2.1. Построение эконометрической модели оценки вероятности дефолта эмитента строительной отрасли.

3.2.2. Сравнение прогнозного качества моделей оценки кредитного риска эмитента строительной отрасли.

3.2.3. Разработка вероятностных моделей оценки экзогенных переменных.

3.2.4. Построение имитационной модели оценки кредитного риска эмитента строительной отрасли.

3.2.5. Проверка адекватности, валидация и верификация имитационной модели оценки риска ОАО «Галс-Девелопмент».

3.2.6. Проведение направленного вычислительного эксперимента.

3.3. Анализ результатов моделирования.

3.4. Выводы по третьей главе.

Введение диссертации (часть автореферата) на тему «Имитационное моделирование кредитного риска эмитента корпоративных облигаций»

С началом внедрения в банковскую практику стандартов соглашения Базель II коммерческие банки стали активно использовать подход к оценке рисков на основе внутренних рейтингов (IRB approach). Данный подход предполагает, что банки могут сами разрабатывать методики оценки рисков. При этом национальные регуляторы (Центральный банк Российской Федерации) должны определять «рамочные» требования к разработке методик оценки рисков. В связи с этим коммерческие банки сегодня заинтересованы в построении наиболее совершенных методик оценки кредитных рисков (в том числе кредитных рисков эмитентов корпоративных облигаций), которые будут являться основой их конкурентных преимуществ в отрасли.

Развитие финансового сектора экономики России сопровождается увеличением объема операций, совершаемых кредитными организациями на российском рынке облигаций. Это, в свою очередь, приводит к увеличению аналитической работы, связанной с оценкой кредитного риска эмитентов корпоративных облигаций. В связи с этим на практике возрастает роль математических и инструментальных средств при оценке уровня кредитного риска эмитентов, применение которых ускоряет процесс принятия инвестиционных решений.

В силу того, что российский рынок облигаций достаточно молод (начал развиваться с начала XXI века), многие инвесторы применяют модели, разработанные иностранными специалистами и учитывающие специфику иностранных рынков. В связи с этим важной проблемой при построении банками собственных методик оценки кредитного риска является адаптация научных результатов, полученных иностранными учеными, к условиям функционирования современного российского рынка долговых обязательств.

Признавая тот факт, что бизнес-процессы организаций разных отраслей отличаются друг от друга, для эмитентов отдельных отраслей экономики должны строиться свои модели оценки кредитного риска. В качестве исследуемой отрасли была выбрана деятельность компаний в области строительства. Этот выбор был обусловлен тем, что данная отрасль является 4 одной из важнейших для экономики страны, при этом деятельность компаний данной отрасли связана с повышенными экономическими рисками.

Перечисленные аспекты определяют актуальность темы исследования, состоящую в необходимости построения имитационной модели оценки кредитного риска эмитента корпоративных облигаций в современных условиях российского рынка.

Степень разработанности проблемы исследования. Проблемы оценки кредитного риска организаций исследованы в работах И.Т. Балабанова,

A.B. Грачева, О.В. Ефимовой, В.В. Ковалева, С.Е. Кована, С.Н. Кошеленко, О.И. Лаврушина, A.A. Лобанова, М.В. Мельник, В.В. Мерзловой,

B.М. Родионовой, Г.В. Савицкой, И.М. Сыроежина, М.А. Федотовой, A.B. Чугунова, А.Д. Шеремета и др.

В числе зарубежных авторов следует указать Э. Альтмана, У. Бивера, Д. Даффи, Д. Ландо, Р. Мертона, П. Нарайанана, А. Сарето, К. Синглентона, Дж. Синки, Д. Собехрта, Р. Таффлера, Р. Хальдемана и др.

За последние годы были подготовлены диссертационные работы, посвященные оценке кредитного риска организаций строительной отрасли, следующими авторами: И.В. Воликовой, Е.В. Кучеровой, А.И. Узенбергом.

Применение математических методов при изучении деятельности экономического субъекта основано на использовании эконометрического инструментария, представленного в трудах как российских ученых: С.А. Айвазяна, В.А. Бывшева, Л.О. Бабешко, О.В. Голосова, Ю.И. Мхитаряна и др., так и иностранных ученых: Д. Дикки, Доугерти, С. Йохансена, П. Перрона, У. Фуллера и др.

Вопросам применения имитационного моделирования посвящены труды отечественных авторов, среди которых следует отметить К.А. Багриновского, М.В. Грачеву, A.A. Емельянова, Н.Б. Кобелева, H.H. Лычкину, Ю.Н. Павловского, И.М. Соболя, Ю.С. Харина и др. и иностранных авторов: П. Джэкел, Дж. Клейнен, Т.Х. Нейлор, К. Роберт, Дж. Хеммерсли, Д. Хэндскомб, Р. Шеннон.

Анализ работ указанных авторов показал, что, наряду с достаточно глубокой проработанностью проблематики оценки кредитного риска эмитента корпоративных облигаций и возможностей применения эконометрического и имитационного моделирования в экономике, имеют место дискуссионность, а в отдельных случаях и противоречивость подходов к оценке кредитных рисков и применению имитационного моделирования в области риск-менеджмента.

Несмотря на многочисленные исследования различных аспектов оценки кредитного риска эмитента корпоративных облигаций и методов имитационного моделирования в данной области, недостаточно проработанными остаются вопросы учета «рамочных» требований регуляторов при построении банками методик оценки рисков контрагентов на основе внутренних рейтингов, а также адаптации моделей оценки кредитного риска к современным условиям функционирования российского рынка облигаций.

Необходимость применения математических и инструментальных методов при оценке кредитного риска эмитента корпоративных облигаций, наличие ряда нерешенных и дискуссионных вопросов определили цель, задачи и содержание диссертационного исследования.

Цель исследования - разработка методики оценки кредитного риска российского эмитента корпоративных облигаций на основе имитационного моделирования.

Достижение поставленной цели делает необходимым решение следующих задач:

1. Выполнить сравнительный анализ моделей оценки кредитного риска для определения возможности их применения в современных условиях российской экономики.

2. Разработать методику оценки степени ликвидности рынка корпоративных облигаций на основе рассчитанных репрезентативных показателей глубины и вязкости рынка для построения ценовых моделей оценки кредитного риска эмитента корпоративных облигаций.

3. Разработать алгоритм имитационного моделирования оценки кредитного риска эмитента корпоративных облигаций для построения на его основе имитационной модели оценки кредитного риска эмитента корпоративных облигаций.

4. Построить эконометрические модели для оценки вероятности дефолта эмитента строительной отрасли для их использования при оценке уровня кредитного риска эмитента строительной отрасли.

5. Построить имитационную модель, позволяющую определить распределение кредитных потерь, связанных с инвестированием в облигации эмитента строительной отрасли.

6. Осуществить на основе разработанных моделей оценку уровня кредитного риска, связанного с инвестированием в облигации эмитента строительной отрасли, что позволит менеджерам банка принять взвешенное и эффективное инвестиционное решение.

Объект исследования - рынок долговых обязательств российских корпоративных эмитентов.

Предмет исследования - процесс оценки кредитного риска эмитента корпоративных облигаций с позиций эконометрического и имитационного моделирования.

Область исследования. Диссертационная работа выполнена в соответствии с Паспортом специальности 08.00.13 - Математические и инструментальные методы экономики (экономические науки).

Теоретической и методологической основой исследования послужили разработки, содержащиеся в трудах российских и зарубежных авторов в области оценки кредитного риска организаций. Оценка экономико-математических моделей осуществлялась с использованием приложений Microsoft Excel, Statistica 9.О., EasyFit 5.4 и Eviews 6.

Информационной базой исследования являются законодательные и нормативные акты, справочно-статистические и аналитические материалы Банка международных расчетов, Центрального банка Российской Федерации, Федеральной службы по финансовым рынкам, Федеральной службы государственной статистики, данные финансовой отчетности организаций, отчеты эмитентов ценных бумаг, исследования научных учреждений, данные 7 информационно-аналитических и консалтинговых агентств: «Прайм-Тасс», РБК, «Индикаторы рынка недвижимости» и другие, публикации в научных изданиях, периодической печати, ресурсы сети Интернет, материалы научно-практических конференций.

Научная новизна диссертации заключается в разработке комплекса вероятностных, эконометрических и имитационных моделей для оценки кредитного риска эмитента корпоративных облигаций в соответствии с требованиями соглашения Базель II и построении методики применения разработанных моделей при принятии решения об инвестировании в облигации данного эмитента.

В ходе выполнения работы получены следующие теоретические и практические результаты:

1. На основе проведенного исследования возможности применения «классических» моделей оценки кредитного риска эмитента корпоративных облигаций в разрезе отраслей российской экономики разработаны рекомендации по применению конкретных моделей прогнозирования дефолта компании в зависимости от принадлежности организации к определенной отрасли российской экономики.

2. Разработана методика оценки степени ликвидности рынка корпоративных облигаций на основе рассчитанных репрезентативных показателей глубины и вязкости рынка, к числу которых относятся среднее число дней с ненулевым объемом торгов и средний ценовой спред. Определение степени ликвидности рынка облигаций позволило выделить те отрасли российской экономики, для эмитентов которых целесообразно применять ценовые модели оценки кредитного риска эмитента корпоративных облигаций.

3. Разработан универсальный алгоритм имитационного моделирования для оценки кредитного риска эмитента корпоративных облигаций в соответствии с фундаментальным 1КВ подходом соглашения Базель И. На основе данного алгоритма в дальнейшем построена имитационная модель оценки кредитного риска эмитента строительной отрасли.

4. Построена эконометрическая модель, позволяющая оценить вероятность дефолта эмитента строительной отрасли как функции от показателей текущего финансово-экономического состояния эмитента (показатель финансового рычага компании) и влияния динамики мезо- и макроэкономических показателей, к числу которых относятся реальные инвестиции в основной капитал (с учетом индекса цен производителей) и уровень фактической процентной ставки на межбанковском рынке (М1АС11). Разработан комплекс вероятностных моделей ключевых факторов для построения модели оценки вероятности дефолта эмитента строительной отрасли.

5. Разработана имитационная модель для оценки величины кредитных потерь при инвестировании в облигации эмитента строительной отрасли в рамках фундаментального ШВ подхода соглашения Базель II. Модель позволяет: а) определить уровень ожидаемых, непредвиденных и стрессовых потерь при инвестировании в корпоративные облигации эмитента строительной отрасли; б) определить ключевые микро-, мезо- и макроэкономические факторы, которые оказывают наибольшее влияние на уровень кредитного риска эмитента строительной отрасли.

Теоретическая и практическая значимость результатов исследования.

Теоретическая значимость научных результатов заключается в том, что полученные в диссертации положения и выводы развивают теоретико-методологическую базу оценки уровня кредитного риска, связанного с инвестированием в облигации эмитента корпоративных облигаций, а также способствуют решению прикладных задач на основе имитационного моделирования.

Практическая значимость исследования состоит в возможности применения построенных в диссертации эконометрических, вероятностных и имитационных моделей оценки кредитного риска эмитента корпоративных 9 облигаций как кредитными организациями, так и другими институциональными и частными инвесторами. Разработанная в диссертации методика оценки кредитного риска эмитента строительной отрасли учитывает специфику функционирования российского рынка корпоративных облигаций.

Самостоятельное практическое значение имеют следующие положения диссертационного исследования:

• Алгоритм расчета интегрального показателя степени ликвидности рынка корпоративных облигаций, позволяющего оценивать степень ликвидности рынка корпоративных облигаций в разрезе отраслей российской экономики;

• Обобщенный алгоритм имитационного моделирования для оценки кредитного риска эмитента корпоративных облигаций в соответствии с фундаментальным 111В подходом соглашения Базель II для любой отрасли российской экономики;

• Модели множественной регрессии для прогнозирования вероятности дефолта эмитента строительной отрасли с горизонтом прогнозирования, равным одному году;

• Вероятностные модели прогнозирования месячных темпов прироста реальных инвестиций в основной капитал и месячных приростов процентной ставки на межбанковском рынке на срок от двух до семи дней;

• Имитационная модель оценки распределения кредитных потерь при инвестировании в облигации эмитента строительной отрасли в рамках фундаментального ГОВ подхода соглашения Базель II.

Предложенные в диссертации методики и рекомендации позволят практикам принимать эффективные решения при инвестировании в облигации российских корпоративных эмитентов, что приведет к сбалансированному и устойчивому росту кредитной организации.

Апробация и внедрение результатов исследования.

Научное исследование выполнено в рамках комплексной темы Финансового университета «Пути развития финансово-экономического сектора

России» по кафедральной подтеме «Развитие математических инструментов исследования финансово-экономических процессов».

Основные положения и результаты исследования обсуждались и получили одобрение на трех международных и двух Всероссийских конференциях, прошедших в 2010 - 2012 годах. В их числе:

• XVII Международная конференция студентов, аспирантов и молодых ученых «Ломоносов» (Москва, МГУ, апрель 2010 г.);

• II Всероссийская научно-практическая конференция «Проблемы анализа и моделирования региональных социально - экономических процессов» (Казань, КГФЭИ, апрель 2011 г.);

• XII Всероссийская научно-практическая конференция молодых ученых, студентов и аспирантов. «Молодежь. Образование. Экономика» (Ярославль, Ярославский филиал МЭСИ, апрель 2011 г.);

• «Международный молодежный форум финансистов» (Москва, Финансовый университет при Правительстве Российской Федерации, декабрь

2011 г.);

• XIII Международная научно-практическая конференция «Современные тенденции в экономике и управлении: новый взгляд» (Новосибирск, март

2012 г.).

Разработанные в диссертации концептуальные, математические и имитационные модели оценки кредитного риска эмитента корпоративных облигаций используются в компании ООО «Управляющая компания «КапиталЪ» при формировании профессионального суждения об уровне кредитного риска, связанного с инвестированием в облигации российских корпоративных эмитентов.

Материалы исследования используются кафедрой «Математическое моделирование экономических процессов» ФГОБУВПО «Финансовый университет при Правительстве Российской Федерации» при преподавании учебной дисциплины «Имитационное моделирование».

Внедрение результатов диссертации в указанных организациях подтверждено соответствующими справками.

11

Публикации. По теме диссертации опубликовано 8 печатных работ общим объемом 5,1 п.л. (весь объем авторский), в том числе три работы авторским объемом 4,1 п.л. в журналах, определенных ВАК Минобрнауки России.

Структура и объем работы. Структура диссертации обусловлена целью, задачами и логикой исследования и включает в себя введение, три главы, заключение; список литературы включает 159 источников и 8 приложений; 17 рисунков и 24 таблицы. Общий объем диссертации составляет 191 страницу.

Заключение диссертации по теме «Математические и инструментальные методы экономики», Шкляев, Леонид Олегович

3.4. Выводы по третьей главе

В третьей главе диссертационной работы были получены следующие теоретические и практические результаты.

1. Показано, что в силу того, что бизнес-процессы организаций разных отраслей экономики отличаются друг от друга, для эмитентов отдельных отраслей экономики должны строиться свои модели оценки кредитного риска. В качестве исследуемой отрасли была выбрана строительная отрасль. Этот выбор был обусловлен тем, что данная отрасль является одной из важнейших для экономики страны, при этом деятельность компаний данной отрасли связана с повышенными экономическими рисками.

2. Построена блок-схема алгоритма выбора оптимальной классической модели для эмитентов строительной отрасли. Разработка алгоритма выбора модели оценки кредитного риска для эмитента строительной отрасли осуществлялась на основе анализа его характеристик.

3. Построена эконометрическая модель, позволяющая оценивать вероятность дефолта эмитента строительной отрасли как функции от: а) динамики годового темпа роста реальных инвестиций в основной капитал; б) динамики годового прироста процентной ставки на межбанковском рынке на срок от двух до семи дней; в) уровня финансового рычага на последнюю отчетную дату, определенного как отношение заемного капитала к собственным средствам эмитента.

4. Построены вероятностные модели для прогнозирования годового темпа роста реальных инвестиций в основной капитал и прогнозирования годового прироста процентной ставки на межбанковском рынке на срок от двух до семи дней. Показано, что месячные темпы прироста реальных инвестиций в основной капитал аппроксимируются законом Лапласа, а месячные приросты процентной ставки на межбанковском рынке на срок от двух до семи дней аппроксимируются логистическим законом распределения.

5. На основе построенной имитационной модели оценки кредитного риска эмитента строительной отрасли получено распределение кредитных потерь, связанных с инвестированием в облигации ОАО «Галс-Девелопмент». Полученные в результате направленного вычислительного эксперимента данные были аппроксимированы бета - распределением с параметрами ах =0,111, а2 =0,187, а-0,Ь = \. В результате проведенного анализа уровень ожидаемых потерь получился равным 227 руб. на одну облигацию номиналом 1 ООО руб. (22,7% от инвестированных средств), что соответствует эмпирическому среднему значению полученного распределения кредитных потерь. Уровень эмпирического квантиля при а = 0,01. равен 750 руб. Поэтому уровень непредвиденных потерь равен 523 руб. и они должны покрываться капиталом банка. Остальная часть кредитных потерь, равная 250 руб., являются стрессовыми потерями. Поэтому в соответствии с пунктом 1.4 Положения 283-П, вложения в облигации ОАО «Галс-Девелопмент» можно классифицировать в III категорию качества.

ЗАКЛЮЧЕНИЕ

Развитие финансового рынка в России и его интеграция в мировую финансовую систему обуславливают необходимость соблюдения кредитными организациями требований соглашения Базель II. В рамках П1В подхода соглашения Базель II банкам предлагается самим разрабатывать методики оценки рисков (в том числе кредитных рисков) при соблюдении определенных «рамочных» требований. Разработанные банком модели оценки рисков должны стать основой конкурентных преимуществ кредитной организации.

При работе с моделями оценки кредитного риска эмитента корпоративных облигаций существенной проблемой является отсутствие необходимой релевантной финансово-экономической информации, характеризующей деятельность эмитента. В этой ситуации оправданным является применение методов имитационного моделирования для оценки уровня кредитного риска, связанного с инвестированием в облигации российских корпоративных эмитентов.

В силу того, что российский фондовый рынок достаточно молод (начал развиваться с конца XIX - начала XX века), многие специалисты обычно используют иностранные модели и методы, учитывающие специфику функционирования иностранных рынков. В связи с этим важной проблемой является исследование возможности применения моделей оценки кредитного риска, разработанных иностранными специалистами, в современных условиях российского рынка.

В соглашении Базель II банкам рекомендуется осуществлять построение моделей оценки кредитного риска контрагента, учитывая специфику отрасли, в которой он функционирует. В диссертационной работе построена имитационная модель кредитного риска для эмитента строительной отрасли. Выбор строительной отрасли обусловлен ее высокой важностью для экономики страны в целом, а также высоким уровнем риска, связанным со строительной деятельностью.

Изложенные выше проблемы успешно решены в диссертационном исследовании, в ходе выполнения которого получены следующие теоретические и практические результаты:

1. На основе проведенного исследования возможности применения классических моделей оценки кредитного риска эмитента корпоративных облигаций в разрезе отраслей российской экономики разработаны рекомендации по применению конкретных моделей прогнозирования дефолта компании в зависимости от принадлежности организации к определенной отрасли российской экономики.

2. Разработана методика оценки степени ликвидности рынка корпоративных облигаций на основе рассчитанных репрезентативных показателей глубины и вязкости рынка, к числу которых относятся среднее число дней с ненулевым объемом торгов и средний ценовой спред. Определение степени ликвидности рынка облигаций является необходимым условием для применения ценовых моделей оценки кредитного риска эмитента корпоративных облигаций.

3. На основе проведенного критического анализа достаточности требований нормативных актов Российской Федерации, регламентирующих порядок раскрытия финансово-экономической информации эмитентом корпоративных облигаций, обоснована достаточность финансово-экономической информации, содержащейся в ежеквартальном отчете эмитента, и информации, содержащейся в открытых источниках, для проведения «качественной» процедуры оценки кредитного риска.

4. Разработан универсальный алгоритм построения имитационной модели для оценки кредитного риска эмитента корпоративных облигаций в соответствии с фундаментальным ШВ подходом соглашения Базель II для произвольной отрасли российской экономики.

5. Показано, что в силу того, что бизнес-процессы организаций разных отраслей отличаются друг от друга, автор диссертации делает вывод о том, что для эмитентов отдельных отраслей экономики должны строиться свои модели оценки кредитного риска. В качестве исследуемой отрасли была выбрана

161 строительная отрасль. Этот выбор был обусловлен тем, что данная отрасль является одной из важнейших для экономики страны, при этом деятельность компаний данной отрасли связана с повышенными экономическими рисками.

6. Построена эконометрическая модель, позволяющая оценивать вероятность дефолта эмитента строительной отрасли как функции от: а) прогноза годового темпа роста реальных инвестиций в основной капитал; б) прогноза годового прироста процентной ставки на межбанковском рынке на срок от двух до семи дней; в) уровня финансового рычага на последнюю отчетную дату, определенного как отношение заемного капитала к собственным средствам эмитента.

7. Построены вероятностные модели для прогноза динамики годового темпа роста реальных инвестиций в основной капитал и прогноза годового прироста процентной ставки на межбанковском рынке на срок от двух до семи дней. Показано, что месячные темпы прироста реальных инвестиций в основной капитал аппроксимируются законом Лапласа, а месячные приросты процентной ставки на межбанковском рынке на срок от двух до семи дней аппроксимируются логистическим законом распределения. Разработана имитационная модель для оценки величины кредитных потерь при инвестировании в облигации эмитента строительной отрасли в рамках фундаментального ЖВ подхода соглашения Базель II.

8. Построена имитационная модель оценки кредитного риска эмитента строительной отрасли. Построенная имитационная модель прошла тесты на проверку ее адекватности, верификации и валидации.

9. На основе построенной имитационной модели оценки кредитного риска эмитента строительной отрасли получено распределение кредитных потерь, связанных с инвестированием в облигации ОАО «Галс-Девелопмент». В результате проведенного направленного вычислительного эксперимента были оценены уровень ожидаемых потерь, непредвиденных потерь и стрессовых потерь, которые связаны с инвестированием в облигации ОАО «Галс-Девелопмент».

Список литературы диссертационного исследования кандидат экономических наук Шкляев, Леонид Олегович, 2012 год

1. Международная конвергенция измерения капитала и стандартов капитала: новые подходы Базельский комитет по банковскому надзору, июнь 2004.

2. Гражданский кодекс Российской Федерации (часть вторая) № 14-ФЗ от 26.01.1996 в последней редакции от 25.12.2008 г. № 280-ФЗ.

3. Федеральный закон от 22 апреля 1996 г. № 39-Ф3 «О Рынке ценных бумаг».

4. Федеральный закон от 26 октября 2002 г. № 127-ФЗ «О несостоятельности (банкротстве)».

5. Постановление Правительства Российской Федерации от 25 июня 2003 г. № 367 «Об утверждении правил проведения арбитражными управляющими финансового анализа».

6. Положение Центрального банка Российской Федерации от 26 марта 2004 г. № 254-П «О порядке формирования кредитными организациями резервов на возможные потери по ссудам, по ссудной и приравненной к ней задолженности».

7. Положение Центрального банка Российской Федерации от 20 марта 2006 г. № 283 «О порядке формирования кредитными организациями резервов на возможные потери».

8. Приказ Федеральной службы по финансовым рынкам РФ от 10 октября 2006 г. № 06-117/пз-н. «Об утверждении положения о раскрытии информации эмитентами эмиссионных ценных бумаг».

9. Приказ ФСФР от 25.01.2007 № 07-4/пз-н «Об утверждении стандартов эмиссии и регистрации проспектов ценных бумаг».

10. Айвазян С.А., Мхитарян B.C. Прикладная статистика. Основы эконометрики -М: Юнити, 1998. -1022 с.

11. Анализ финансовой отчетности: учебное пособие для студентов/ под ред. О.В. Ефимовой и М.В. Мельник. 3-е изд., испр. и доп. - Москва: Омега-Л, 2007. -451с.

12. Аристов С.А. Имитационное моделирование экономических систем: Учебное пособие. Екатеринбург: Изд-во Урал. гос. ун-та, 2004. - 121 с.

13. Бабешко JI.O. Основы эконометрического моделирования: учебное пособие. Изд. 2-е, испр. М.: КомКнига, 2006. - 432 с.

14. Багриновский К.А., Егорова Н.Е., Радченко В.В. Имитационные модели в народно-хозяйственном планировании. М: Экономика, 1980. - 200 с.

15. Бывшев В.А. Эконометрика: учебное пособие. М.: Финансы и статистика, 2008. - 480 с.

16. Гимади И.Э., Добродей В.В. Имитационное моделирование оценки и прогнозирования финансово-экономического состояния предприятия // Известия Уральского государственного экономического университета, 2001. — № 4 -С. 101-110.

17. Горбунов А.Р., Лычкина H.H. Парадигмы имитационного моделирования: новое в решении задач стратегического управления (объединенная логика имитационного моделирования) // Бизнес-информатика, 2007 № 2 -С. 60- 70.

18. Горемыкин В.А. Экономика недвижимости: учебник / В.А. Горемыкин. 6-е изд., перераб. и доп. - М: Издательство Юрайт; ИД Юрайт, 2011. -883 с.

19. Грачев A.B. Финансовая устойчивость предприятия: критерии и Методы оценки в рыночной экономике. Учебное пособие. 3-е изд., перераб. -М: Издательство «Дело и Сервис», 2010. - 400 с.

20. Григорьева Т.И. Финансовый анализ для менеджеров: оценка, прогноз: учебник / Т.И. Григорьева. М.: Издательство Юрайт; ИД Юрайт, 2011. - 460 с.

21. Дамодаран Асват. Стратегический риск-менеджмент: принципы и методики. М.: ООО И.Д. Вильяме, 2010. - 496 с.

22. Дамодаран Асват. Инвестиционная оценка: Инструменты и методы оценки любых активов; Пер. с англ. 4-е изд. - М.: Алышна Бизнес Букс, 2007.1344 с.

23. Девелопмент в недвижимости: монография / М.А. Федотова, Т.В. Тазисихина, A.A. Бакунина. -М: КНОРУС, 2010. 264 с.165

24. Доугерти К. Введение в эконометрику М.: Инфра-М, 2009. - 465 с.

25. Дрогобыцкий И.Н. Системный анализ в экономике: учебное пособие. -М.: Финансы и статистика, 2007. 512 с.

26. Дубров А.М., Мхитрян B.C., Трошин Л.И . Многомерные статистические методы. М.: Финансы и статистика, 2003. - 352 с.

27. Дуброва Т.А. Статистические методы прогнозирования в экономике / Московский международный институт эконометрики, информатики, финансов и права. М., 2003. - 50 с.

28. Железнов И.М. Экономико-математическое моделирование платежеспособности предприятия // Известия Челябинского научного центра, серия: экономика и менеджмент, 2006 -вып. 4(34) С. 128-131.

29. Имитационное моделирование экономических процессов: учеб. пособие. 2-е изд., перераб. и доп. / A.A. Емельянов, Е.А. Власова, Р.В. Дума; под ред. A.A. Емельянова. - М.: ИНФРА-М, 2009. - 416 с.

30. Клейнен Дж. Статистические методы в имитационном моделировании. Вып. 2 М.: Статистика, 1978. - 335 с.

31. Кобелев Н.Б. Основы имитационного моделирования сложных систем -М.: Дело, 2003.-336 с.

32. Ковалев В.В. Курс финансового менеджмента: учебник. — 2-е изд., перераб. и доп. М.: Проспект, 2011. - 480 с.

33. Ковалев В.В., Волкова О.Н. Анализ хозяйственной деятельности предприятия. Учебник. М: ООО ТК Велби, 2002 - 424 с.

34. Кован С.Е., Мерзлова В.В. Практикум по финансовому оздоровлению неплатежеспособных предприятий / под редакцией М.А. Федотовой М.: Финансы и статистика, 2009 - 208 с.

35. Компьютерная имитация экономических процессов: учебник / под ред. A.A. Емельянова. М.: Маркет ДС, 2010. 464 с.

36. Коростелев С.П. Теория и практика для целей девелопмента и управления недвижимостью. М.: Маросейка, 2009. - 416 с.

37. Кремер Н.Ш. Теория вероятностей и математическая статистика: Учебник для вузов М.: Юнити - Дана, 2001. - 543 с.

38. Лемешко Б.Ю., Лемешко С.Б. Постовалов С.Н. Сравнительный анализ мощности критериев согласия при близких альтернативах. I. Проверка простых гипотез // Сиб. журн. индустр. математики, 2008 Т. 11, № 2 (34) - С. 96-111.

39. Лемешко Б.Ю., Лемешко С.Б. Постовалов С.Н. Сравнительный анализ мощности критериев согласия при близких альтернативах. П. Проверка простых гипотез // Сиб. журн. индустр. математики, 2008 Т. 11, № 4 (36) - С. 78-93.

40. Лопатников Л.И. Экономико-математический словарь: словарь современной науки 5-е изд., перераб. и доп. - М. : Дело, 2003. - 520 с.

41. Лукин М.И. Модель оценки кредитного риска потенциальных заемщиков// Воронежский государственный университет, 2004 С. 96-103.

42. ЛычкинаН.Н. Имитационное моделирование экономических процессов -М.: Академия АйТи, 2005. 164 с.

43. Магнус Я.Р., Катышев П.К., Пересецкий A.A. Эконометрика. Начальный курс. 8-е изд. - М.: Дело, 2007. - 504 с.

44. Математико-статистические методы в эмпирических социально-экономических исследованиях: учебное пособие / И.Н. Дубина. М. : Инфра-М.2010.-416 с.

45. Методы машинной имитации экономических процессов / отв. ред. К.А. Багриновский. -М.: Наука, 1982.-265 с.

46. Методы эконометрики и многомерного статистического анализа: Учебник / Н.П. Тихомиров, Т.М. Тихомирова, О.С. Ушмаев. Москва: Экономика,2011.-647 с.

47. Наливкин Д.В. Использование последовательных методов Монте-Карло для оценивания рисков на финансовых рынках / Управление большими системами. М.: ИПУ РАН, 2008 Выпуск 21 - С.71-83.167

48. Нейлор Т. Машинные имитационные эксперименты с моделями экономических систем. М.: Мир, 1975. - 392 с.

49. Облакова A.B. Имитационное моделирование инвестиционной деятельности в сфере услуг сотовой связи: диссертация на соискание ученой степени кандидата экономических наук. М.: 2009 - 203 с.

50. От спрэдов — к дефолтам // Рынок ценных бумаг, 2006 № 1 - С. 65-69.

51. Оценка недвижимости: учебник / под ред. Грязновой А.Г., Федотовой М.А. 2-е изд., перераб. и доп.- М.: Финансы и статистика, 2010. -560 с.

52. Петере Э. Фрактальный анализ финансовых рынков: применение теории хаоса в инвестициях и экономике. М.: Интернет-трейдинг, 2004 - 304 с.

53. Пушкина М. Коммерческая недвижимость как объект инвестирования. -М.: Алышна Паблишерз, 2009. 244 с.

54. Родионова В.М., Федотова М.А. Финансовая устойчивость предприятия в условиях инфляции. -М: Перспектива, 1995. 100 с.

55. Роуз Питер С. Банковский менеджмент. Москва, 1995г. - 768 с.

56. Савицкая Г.В. Анализ эффективности и рисков предпринимательской деятельности: методологические аспекты. М.: ИНФРА-М, 2008. - 230 с.

57. Сердюкова И.Д. Управление финансовыми рисками // Финансы. -М., 1995-№ 11.-С. 13-16

58. Серебряков Е.Ю. Теоретические аспекты возникновения кредитных рисков в современных условиях развития экономики // Вестник Оренбургского государственного университета, № 2,2010, с. 91-96.

59. Соболь И.М. Метод Монте-Карло. М.: Наука, 1968. - 64 с.

60. Соболь И.М. Численные методы Монте-Карло. М.: Наука, 1973.312 с.

61. Соколов Е.В., Попов И.В. Система оценки и управления кредитным риском // Наука и образование: электронное научно-техническое издание, 2010 -№ 2 С. 1-6.

62. Соложенцев Е.Д., Степанова Н.В. Требования к качеству методик оценки кредитных рисков // Инновации, 2005 № 4 (81) - С. 94-98.168

63. Сысоева Е.Ф., Говорова В.В. Механизм использования корпоративных облигаций в качестве инструмента финансирования // Вестник В ГУ, серия: Экономика и управление, 2005 № 1 - С. 114-124.

64. Трегуб И.В. Имитационное моделирование: учеб. пособие -М.: Финакадемия, 2007. 44 с.

65. Трегуб И.В. Математические модели динамики экономических систем: Монография. М.: Финакадемия, 2009 -120 с.

66. Уилсон Ричард С., Фабоцци Фрэнк Дж. Корпоративные облигации. Структура и анализ. М.: Альпина Букс, 2005 443с.

67. Финансово-кредитный энциклопедический словарь / Под общей редакцией А.Г. Грязновой М.: Финансы и статистика, 2004 - 845 с.

68. Халафян A.A. Statistica 6. Статистический анализ данных. 3-е изд. Учебник-М.: ООО «Бином-Пресс», 2008. 512 с.

69. Хольнова Е.Г. Проблемы и перспективы перехода российских банков на международные стандарты положения Базеля П // Экономические и социальные перемены: факты, тенденции, прогноз, 2008 № 3 - С. 67-74.

70. Черненко А.Ф. Финансовое положение и эффективность использования ресурсов предприятия: монография / А.Ф. Черненко, H.H. Илышева, A.B. Башарина - М.: ЮНИТИ-ДАНА, 2009. - 207 с.

71. Чураков Е.П. Прогнозирование эконометрических временных рядов: учеб. пособие / Е.П. Чураков. М.: Финансы и статистика, 2008. - 208 с.

72. Шарп У., Александер Г., Бэйли Дж. ИНВЕСТИЦИИ: Пер. с англ. -М: ИНФРА-М, 2001. ХП, 1028 с.

73. Шеннон Р. Имитационное моделирование систем искусство и наука. -М.: Мир, 1978.-425 с.

74. Шкляев Л.О. Моделирование кредитного риска эмитента корпоративных облигаций // Обозрение прикладной и промышленной математики. Том 17. М., 2010. Выпуск 5 - С. 791-792.

75. Шкляев Л.О. Применение классических моделей оценки кредитного риска эмитента корпоративных облигаций на российском долговом рынке // Аудит и финансовый анализ. М., 2011 г. - №4. - С. 96-104.

76. Шкляев Л.О. Разработка алгоритма имитационного моделирования кредитного риска эмитента облигаций, работающего в строительной отрасли // Аудит и финансовый анализ. М., 2012 г. - №1. - С. 166-173.

77. Экономика строительства. 3-е изд. / Под ред. В.В. Бузырева. СПб.: Питер, 2009.-416 с.

78. Экономико-математическое моделирование: учебник/ под общ. редакцией И.Н. Дрогобыцкого . 2 - е изд., стереотип. М.: Издательство Экзамен, 2006.-798 с.

79. Энциклопедия финансового риск-менеджмента / под ред. канд. экон. наук Лобанова А.А., Чуіунова А.В. 4-е изд., испр. и доп. - М.: Альпина Бизнес Букс, 2009.-932 с.

80. Якимкин В., Фундаментальный анализ. М.: Омега - Л, 2008. - 640 с.

81. Alfred Hamerle, Thilo Liebig, Daniel Rôsch Credit Risk Factor Modeling mid the Basel II IRB Approach // Discussion Paper Series 2: Banking and Financial Supervision, 2003 -No 02/2003 p. 1-23.

82. Altaian E., Resti Andrea, Sironi Andrea Default Recovery Rates in Credit Risk Modelling: A Review of Literature and Empirical Evidence // Economic Notes by Banca dei Paschi di Siena SpA, 2004 -vol. 33 p. 183-208.

83. Altaian E.I. Financial ratios discriminant analysis and the prediction of corporate bankruptcy // Journal of Finance, 1968 p. 589-609

84. Andrew W. Lo Logit versus discriminant analysis: a specification test and application to corporate bankruptcy // Journal of Econometrics, 1986 vol. 31 -p. 151-178

85. Cauouette J.B., Altman E.I., Narayan P. Managing credit risk: The next great financial challenge L: John Wiley & Sons, Inc., 1998. - 464 p.

86. Christian P. Robert, G.Casella Monte Carlo statistical methods. Springer Science Business Media, 1999 528 p.

87. Credit Risk Modeling: current practices and applications. Basle Committee on Banking Supervision, April 1999 60 p.

88. Duffie D., Lando D. Term Structure of Credit Spreads with Incomplete Accounting Information // Econometrica, 2001 69 (3) - p. 633-664.

89. Duffie D., Singlenton K. Modeling Term Structures of Defaultable Bond / Review of Financial Studies, 1999 vol. 12, Issue 3 - p. 683-720.

90. Efron B. The efficiency of logistic regression compared to normal discriminant analysis // Journal of the American Statistical Association, 1975 vol. 70 - p. 892-898.

91. Erkii K. Laitinen Financial Variables in Payment Default Prediction: Test of Interaction Effects // International Review of Applied Financial Issues and Economics, 2010-Vol. 2, No. 1 p. 98-123.

92. Eviews 6 User's Guide П. Quantitative Micro Software, LLC, 2007 686 p.

93. George S. Fishman Monte Carlo: concepts, algorithms and applications. Springer Verlag New York Inc., 1996 - 698 p.

94. Georges Dionne, Genevieve Gauthier, Mathieu Maurice, and Jean-Guy Simonato Default Risk in Corporate Yield Spreads // Financial Management Summer, 2010-p. 707-731.

95. Greg M. Gupton, Roger M. Stein Dynamic prediction of LGD // Moody's Investors Service Global Credit Research, 2005 p. 1-34.

96. Greg M. Gupton, Roger M. Stein LossCalc™: Moody's Model for Predicting Loss Given Default (LGD) // Moody's Investors Service Global Credit Research, 2002 p. 1-34.

97. Grunert J., Norden L, Weber M. The Role of Non-Financial Factors in Internal Credit Ratings // Journal of Banking & Finance, 2005 -29(2) -p.509-531.

98. Ногпік K., Jankowitsch R., Lingo M.,Pichler S., Winkler G. Determinants of Heterogeneity in European Credit Ratings // Financial Markets and Portfolio Management, 2010-24(3)-p. 271-287.

99. Hosmer D., Lemeshow S. Applied Logistic Regression, 2nd ed. New York: John Wiley & Sons, Inc., 2000 - 376 p.

100. Jaffrey R Bohn, Peter J Crosbie. Modeling Default risk // Moody's KMV Company, 2001 p. 1-34.

101. James E Gentle Random Number Generation and Monte-Carlo Methods Springer Business Media, Inc., 2003 399 p.

102. Jan Ericsson, Joel Reneby An Empirical Study of Structural Credit Risk Models Using Stock and Bond Riceces // The Journal of Fixed Income, march 2004 -p. 38-49.

103. Jorion P. Financial risk manager Handbook. Second Edition. John Wiley & Sons Inc., Hoboken, New Jersey, 2003 708 p.

104. Jorion P. Value at risk: the new benchmark for managing financial risk -2nd ed. McGrow-Hill, 2001 - 602 p.

105. Kevin Keasy, Robert Watson Financial Distress Prediction Models: A Review of Their Usefulness // British Journal of Management, 1991 -vol. 2 p. 89-102.

106. Laitinen E.K. Financial ratios and different failure processes // Journal of Business Finance and Accounting, 1991 -Vol. 18 p. 649-674.

107. Lev V. Carty, Dana Lieberman Default Bank Loan Recoveries // Moody's Investors Service Global Credit Research, 1996 p. 1-9.

108. Malliaris A.G., Brock W.A. Stochastic methods in economics and finance -eight impression-Elsevier science, 1999 303 p.

109. Marijana Ljubic, Vrsac, Megatrend University Stress testing as an instrument of risk control in banks // Megatrend Review, 2011 Vol. 8 (1) - p. 295-314.

110. Max L, Heine. Predicting financial distress of companies: revising the Z -Score and Zeta Models // Stern School of Business, New York University, 2000 p. 1-54.

111. Nunweiler Chad, Watti Philip. Estimating implied corporate default probabilities from corporate prices // Simon Fraser University, Summer 2006 p. 1-57.

112. Ohlson J. Financial ratios and probabilistic prediction of bankruptcy // Journal of Accounting Research 1980 vol. 18 - p. 109-131.

113. Pankaj Kumar Maskara, Rajesh Aggarwal Credit risk measurement models and their regulatory implications // Review of business research, 2009 Volume 9, Number 4-p. 58-66.

114. Peter Jackel Monte Carlo methods in finance. John Wiley & Sons Ltd., 2002222 p.

115. Pidd M. Computer Simulation in Management Science. John Wiley & Sons Ltd., 2004-311 p.

116. Psillaki M., Tsolas I. E., Margaritis D. Evaluation of Credit Risk Based on Firm Performance / European Journal of Operational Research, 2010 201 (3) -p. 873-881.

117. Radovan Chalupka, Juraj Kopecsni Modeling Bank Loan LGD of Corporate and SME Segments: A Case Study // Finance a úvér Czech Journal of Economics and Finance, 2009 - vol. 59, no. 4 -p.360-382.

118. Ricard Mileris Estimation of loan applicants default probability applying discriminant analysis and simple Bayesian classifier // Economics and management, Kaunas University of Technology, 2010 -No 15 p. 1078-1084.

119. Ricardas Mileris, Vytautas Boguslauskas Credit Risk Estimation Model Development Process: Main Steps and Model Improvement // Inzinerine Ekonomika-Engineering Economics, 2011 22 (2) - p. 126-133.

120. Robert A Jairow, David Lando, Stuart M. Turnbull A Markov Model for the term structure of Credit risk spread // The Review of Financial Studies, Summer 1997 -Vol. 10, No 2-p. 481-523.

121. Robert C. Merton On the Pricing of Corporate Debt: The Risk Structure of Interest Rates // The Journal of Finance, New York, 1974 -Vol. 29, No 2 p. 449-470.

122. Ryser M., Denzler S. Selecting Credit Rating Models: A Cross-Validation-Based Comparison of Discriminatoiy Power // Financial Markets and Portfolio Management, 2009 -23(2) p. 187-203.

123. Sanjiv R Das, Rong Fan, Gary Geng Bayesian Migration in Credit Ratings Based on Probabilities of Default // The Journal of Fixed Income, December 2002 -p.17-23.

124. Sobehart J., Keenan S., Stein R. Validation methodologies for default risk models // Credit: Moody's Investors Service, May 2000 p. 51-56.

125. Stefan Truck Forecasting credit migration matrices with business cycle effects a model comparison // The European Journal of Finance, July 2008 -Vol. 14, No. 5-p. 359-379.

126. Stewart Robinson Simulation: The practice of model development and use. John Willey & Sons Ltd, The Atrium, Southern Gate, Chichester, West Sussex, 2004 -316 p.

127. Susana Alvareza, J. Samuel Baixauli Coverage properties of beta estimated prediction intervals for multimodal recovery rates // Journal of Statistical Computation and Simulation, January 2010 Vol. 80, No. 1 - p. 111-117.

128. Taffler R.J. Forecasting Company Failure in the UK using Discriminant Analysis and Financial Ratio Data // Journal of Royal Statistical Society, 1982 -145, part 3-p. 342-358.

129. Veilla S., Hernandez A. On the consistency properties of linear and quadratic discriminant analysis // Journal of Multivariate Analysis, 2005 vol. 92 - p. 219-236.

130. William H. Beaver Financial ratios as predictors of failure // Journal of Accounting Research, 1966 vol. 4 -p. 71-111.

131. Williamson T. J. Predicting building performance: the ethics of computer simulation // Building research & information, 2010 -38(4) p. 401-410.

132. Wolfgang Hardle, Yuh-Jye Lee, Dorothea Schafer, Yi-Ren Teh Variable Selection and Oversampling in the Use of Smooth Support Vector Machines for Predicting the Default Risk of Companies // Journal of Forecasting, December 2008 -p. 512-534.

133. Xin Guo, Robert A. Jarrow, Yan Zeng Modeling the recovery rate in a reduced form model // Mathematical Finance, 2009 Vol. 19, No. 1 - p. 73-97.

134. Агентство экономической информации «Прайм» Электронный ресурс.: http://www.lprime.ru (дата обращения 10.11.2011).

135. Биржа ОАО ММВБ-РТС Электронный ресурс.: http://rts.micex.ru (дата обращения 20.01.2012).

136. Единый Федеральный реестр сведений о банкротстве Электронный ресурс.: http://www.fedresurs.ru. (дата обращения 20.12.2011).

137. Ежеквартальные отчеты ОАО «Галс-Девелопммент» Электронный ресурс.: http://hals-development.ru/#/1/35 (дата обращения -15.12.2011).

138. Инвестиционный холдинг «Финам» Электронный ресурс.: http://www.finam.ru (дата обращения -15.01.2012).

139. Индикаторы рынка недвижимости Электронный ресурс.: www.ini.ru (дата обращения -10.11.2011).

140. Информационное агентство Cbonds Электронный ресурс.: www.cbonds.ru (дата обращения -15.10.2011).

141. Информационное агентство Rusbonds Группа Интерфакс Электронный ресурс.: http://www.rusbonds.ru/ (дата обращения 15.10.2010).

142. Кредитное рейтинговое агентство Standard & Poor's Электронный ресурс.: http://www.standardandpoors.com (дата обращения -15.10.2010).

143. Кредитное рейтинговое агентство Fitch Электронный ресурс.: http://www.fitchratings.ru/ (дата обращения -15.10.2010).

144. ОАО «Галс-Девелопмент» сайт.: http://hals-development.ru (дата обращения -15.12.2011).

145. СПАРК система профессионального анализа рынков и компаний Электронный ресурс.: http://www.spark-interfax.ru/Front/About.aspx (дата обращения -15.10.2011).

146. Федеральная служба государственной статистики (Росстат) Электронный ресурс.: www.gks.ru (дата обращения -15.01.2011).

147. Центральный Банк Российской Федерации сайт.: http://www.cbr.ru (дата обращения -12.10.2011).

148. ISDA International Swaps and Derivatives Association, Inc. сайт.: http://www2.isda.org (дата обращения -12.01.2012).

149. U.S. Energy Information Administration (EIA) Электронный ресурс.: http://www.eia.gov (дата обращения 12.01.2012).