Методы оценки кредитных рисков инвестиционных проектов тема диссертации и автореферата по ВАК РФ 08.00.10, кандидат наук Моргунов, Алексей Владимирович

• Моргунов, Алексей Владимирович
• кандидат наук
• 2017

Оглавление диссертации кандидат наук Моргунов, Алексей Владимирович

ОГЛАВЛЕНИЕ

ВВЕДЕНИЕ

Глава 1 СИСТЕМАТИЗАЦИЯ МЕТОДОВ И МОДЕЛЕЙ ОЦЕНКИ КРЕДИТНОГО РИСКА ИНВЕСТИЦИОННЫХ ПРОЕКТОВ

1.1 Структурирование рисков проектного финансирования

1.2 Классификация методов оценки кредитного риска инвестиционных проектов

1.3 Практические особенности использования моделей оценки кредитного риска по инвестиционным проектам в российской и зарубежной практике

Глава 2 РАЗВИТИЕ МЕТОДОВ И РЕЙТИНГОВЫХ МОДЕЛЕЙ ДЛЯ ОЦЕНКИ ИНВЕСТИЦИОННЫХ ПРОЕКТОВ

2.1 Оценка вероятности дефолта с использованием модели бинарного выбора

2.2 Оценка вероятности дефолта с использованием модели множественного выбора

2.3 Формирование рейтингов кредитоспособности инвестиционных проектов

Глава 3 ВАЛИДАЦИЯ И ПОВЫШЕНИЕ ПРОГНОЗНЫХ СПОСОБНОСТЕЙ МОДЕЛЕЙ

3.1 Практическая валидация разработанных рейтинговых моделей

3.2 Повышение прогнозных способностей моделей за счет макроэкономических риск-факторов

3.3 Дополнительные возможности повышения качества и проверки рейтинговых моделей инвестиционных проектов

ЗАКЛЮЧЕНИЕ

СПИСОК ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЕ А. Алгоритмы расчета риск-факторов на основании данных российской финансовой отчетности

ПРИЛОЖЕНИЕ Б. Дополнительная информация по моделям бинарного выбора

ПРИЛОЖЕНИЕ В. Дополнительная информация по моделям множественного выбора

ПРИЛОЖЕНИЕ Г. Корреляции риск-факторов при валидации моделей

ПРИЛОЖЕНИЕ Д. Список основных терминов и определений

Введение диссертации (часть автореферата) на тему «Методы оценки кредитных рисков инвестиционных проектов»

ВВЕДЕНИЕ

Модели оценки вероятности дефолта играют важную роль в системах риск-менеджмента коммерческих банков [Севрук, 2001; Петров, Помазанов, 2008], так как позволяют осуществить оценку кредитоспособности для различных контрагентов и сделок. Внедрение в практику первого компонента Базель II [Симановский, 2007; Бондарчук, 2012] предполагает использование продвинутого подхода оценки кредитоспособности кредитного портфеля с использованием внутренних рейтинговых моделей (IRB Approach) для оценки кредитного риска. Это требует разработки отдельных моделей для различающихся по экономической сущности и уровню принимаемого кредитного риска групп активов [Анализ математических моделей Базель II, 2010]. В частности, многие российские банки испытывают сложности, связанные с разработкой моделей для сделок проектного финансирования. Проектное финансирование представляет собой финансирование инвестиционных проектов, при котором источником обслуживания долговых обязательств являются денежные потоки, генерируемые самими проектами. Специфика этого вида инвестирования состоит в том, что оценка затрат и доходов осуществляется с учётом распределения риска между участниками проекта [Лаврушин, 2013]. Сложности при разработке рейтинговых моделей оценки кредитоспособности инвестиционных проектов связаны с ограниченным объемом данных и отсутствием достаточной дефолтной статистики по инвестиционным проектам. Помимо этого экономическая суть различных групп инвестиционных проектов может различаться, в результате чего для каждой такой группы на кредитоспособность проектов могут влиять различные объясняющие переменные, что требует разработки отдельной модели для каждой группы проектов.

Достоинствами проектного финансирования являются [Стратегия модернизации российской экономики, 2010]:

• отсутствие прямых финансовых обязательств организаторов, что не влияет на достаточность капитала и рейтинги их основной деятельности;

• возможность разделить риски, включая политические, и долг, исключить ограничения по другим транзакциям инициатора проекта;

• формирование заинтересованности банков во вхождении в проектный синдикат на стадии его формирования [Kleimeier, 2000];

• участие кредиторов в экспертизе проекта [Coleshaw, 1989] в ходе его реализации для оперативного предотвращения возможных убытков. Проведенные исследования показали, что сделки проектного

финансирования имеют большую длительность и рассчитаны на более рискованных заемщиков, чем обычные сделки. Среди исследований в области проектного финансирования выделяются работы [Kayser, 2013], [Laishram, Kalidini, 2009], [Gatti, 2013], [Hait, 2011]. При оценке кредитоспособности инвестиционных проектов на различных временных интервалах используются модели выживаемости, представленные в работах [Кокс, Льюис, 1969], [Кокс, Оукс, 1988]. Преемственность методологии исследования связана с использованием подходов к оценке вероятности дефолта (применение моделей бинарного и множественного выбора в логит-и пробит-спецификациях, калибровка рейтинговых моделей, использование KS-статистики при принятии решения об участии в проекте и прочие), применяемых в предшествующих работах [Битюцкий, 2013; Энциклопедия финансового риск-менеджмента, 2009; Рогов, 2001; Peresetsky, 2011; Карминский, 2013; Тотьмянина, 2014].

Целью исследования является развитие методов оценки вероятности дефолта инвестиционных проектов. Для достижения цели были поставлены следующие задачи:

• Систематизировать существующие подходы к построению моделей оценки вероятности дефолта по инвестиционным проектам;

• Выявить перечень факторов, влияющих на кредитные риски инвестиционных проектов, и сформировать выборку данных по инвестиционным проектам для эмпирического исследования;

• Разработать эконометрические модели для оценки вероятности дефолта инвестиционных проектов;

• Оценить устойчивость и прогнозную силу (дискриминационную способность) разработанных моделей;

• Построить подходящую для российских банков рейтинговую мастер-шкалу, позволяющую на основании годовых вероятностей дефолта активов различных классов заимствований получать внутренние рейтинги;

• Провести оценку применимости предлагаемых моделей для управления рисками инвестиционных проектов на наиболее актуальных данных (осуществить валидацию разработанных рейтинговых моделей). Объектом исследования являются российские инвестиционные

проекты, по которым доступна публичная информация, а предметом исследования - методы оценки вероятности дефолта инвестиционных проектов и их рейтингование.

Методами проведения исследования являются методы финансового анализа, экономико-статистического моделирования и эконометрические методы.

Методологическая база исследования включает в себя рекомендации Базельских соглашений [Basel, 2006] по реализации подхода кредитного риска на основе внутренних рейтингов (IRB Approach).

В качестве информационной базы использовалась база данных Bureau van Dijk (База данных Руслана). В данных источниках присутствовала полная информация по 85 отечественным инвестиционным проектам за 2007-2014 годы по ряду относительных показателей. Экспертные рейтинги (для модели множественного выбора) по инвестиционным проектам были определены с

учетом негативной информации, имеющейся за время жизни проектов, полученной из различных источников. Использование абсолютных факторов риска (таких, как КРУ - чистая текущая стоимость инвестиционного проекта) при моделировании было принято нецелесообразным в связи с их привязкой к определенным этапам экономического цикла и сильным влиянием на такие риск-факторы показателя инфляции. Эмпирические результаты получены с использованием программного обеспечения МЛТЬЛБ Я2010Ь [Цисарь, 2008; Иглин, 2006]. Научная новизна исследования состоит в:

• развитии подходов и методов моделирования основных компонент кредитного риска;

• разработке новых рейтинговых подходов для оценки кредитных рисков инвестиционных проектов на основе российской статистики;

• формировании рейтингового процесса оценки инвестиционных проектов в российских банках;

• развитии методов калибровки моделей ранжирования с учетом экономического цикла.

К основным полученным результатам исследования, характеризующим научную новизну, относятся следующие группы проблем:

1. Систематизация и развитие подходов и методов моделирования основных компонент кредитного риска (РЭ, ЬОЭ, БЛО) по инвестиционным проектам, формирование собственной классификации методов построения моделей оценки вероятности дефолта инвестиционных проектов (РЭ) с использованием портфельных (метод бинарного выбора, метод линейной регрессии, метод множественного выбора, метод пропорциональных интенсивностей Кокса) и индивидуальных подходов (симуляционные модели) и необходимых условий для их применения в кредитных организациях, а также формирование собственной классификации методов оценки и

прогнозирование других компонент кредитного риска (LGD и EAD), что соответствует паспорту научной специальности 08.00.10 -Финансы, денежное обращение и кредит в части раздела 10. «Банки и иные кредитные организации» пункта 10.16. «Система мониторинга и прогнозирования банковских рисков».

2. Разработка совокупности подходов к оценке вероятности дефолта отечественных инвестиционных проектов с использованием методов бинарного и множественного выбора, ранее ограниченно использовавшихся при разработке таких моделей только в зарубежной практике, на основании сформированной эмпирической выборки по отечественным инвестиционным проектам, что соответствует паспорту научной специальности 08.00.10 - Финансы, денежное обращение и кредит в части раздела 10. «Банки и иные кредитные организации» пункта 10.12. «Совершенствование системы управления рисками российских банков» и пункта 10.16. «Система мониторинга и прогнозирования банковских рисков».

3. Формирование рейтингового процесса для инвестиционных проектов, учитывающего применение разработанной рейтинговой мастер-шкалы, которая может быть применена российскими банками в процессе рейтингования и учитывает основные недостатки, связанные с использованием рейтинговых шкал зарубежных и отечественных рейтинговых агентств, что соответствует паспорту научной специальности 08.00.10 - Финансы, денежное обращение и кредит в части раздела 10. «Банки и иные кредитные организации» пункта 10.12. «Совершенствование системы управления рисками российских банков».

4. Развитие методов калибровки моделей оценки вероятности дефолта по инвестиционным проектам (разработка алгоритма повышения прогнозных способностей) за счет учета макроэкономических

показателей, характеризующих экономический цикл, выраженных через сводный макроэкономический индикатор, что соответствует паспорту научной специальности 08.00.10 - Финансы, денежное обращение и кредит в части раздела 10. «Банки и иные кредитные организации» пункта 10.12. «Совершенствование системы управления рисками российских банков».

Теоретическая значимость исследования заключается в систематизации существующих подходов к оценке компонент кредитного риска по инвестиционным проектам и формировании собственной классификации методов построения моделей оценки вероятности дефолта (компонента РЭ) инвестиционных проектов с использованием портфельных и индивидуальных подходов, а также в формировании собственной классификации методов оценки и прогнозирования компонент кредитного риска ЬОЭ и БЛО. Теоретическая основа исследования включает в себя работы как российских, так и зарубежных авторов, посвященные структурированию рисков проектного финансирования, разработке, калибровке и валидации моделей оценки вероятности дефолта. Обоснованность научных положений и рекомендаций диссертационного исследования подтверждается их соответствием основным положениям микроэкономики и макроэкономики [Макконел, 1999; Макроэкономика, 2013], теории финансов и кредита, финансового риск-менеджмента и вероятностного моделирования.

Практическая значимость исследования заключается в том, что основные положения и подходы, изложенные в диссертации, использовались при разработке рейтинговой модели по корпоративным клиентам в ОАО «Белгазпромбанк» (Республика Беларусь) и при разработке скоринговой модели по потребительскому кредитованию в «Кредит Урал Банке» АО (Россия, г. Магнитогорск), что подтверждено соответствующими справками о внедрении.

Материалы диссертационного исследования также использовались автором при проведении практических занятий (компьютерных классов) по дисциплине «Управление рисками в финансовых учреждениях» в 2015/2016 учебном году при подготовке магистров второго курса в рамках магистерской программы «Финансовые институты и финансовые рынки» по направлению 080300.68 «Финансы и кредит» департамента финансов факультета экономических наук Национального исследовательского университета «Высшая школа экономики» и в рамках дисциплины «Моделирование кредитного риска» (на английском языке) в 2014/2015 учебном году при подготовке магистров по направлению «Управление рисками» в Санкт-Петербургской школе экономики и менеджмента Национального исследовательского университета «Высшая школа экономики» в Санкт-Петербурге, что подтверждается справками о внедрении.

Основные положения диссертации были презентованы автором на российских и зарубежных научно-исследовательских мероприятиях: Втором Российском экономическом конгрессе (г. Суздаль, 18-22 февраля 2013), III Конгрессе по контроллингу (г. Санкт-Петербург, 17-18 мая 2013), на научно-исследовательском семинаре «Эмпирические исследования банковской деятельности» (НИУ ВШЭ, 21 мая 2014 и 18 февраля 2015), на XVI Апрельской международной научной конференции «Модернизация экономики и общества» (НИУ ВШЭ, 7-10 апреля 2015) и на международной конференции International Scientific Symposium «Economics, Business&Finance» (г. Юрмала, 7-11 июля 2015).

По результатам исследования автором опубликовано 8 научных работ общим объемом 5,6 п.л. Личный вклад автора составил 3,4 п.л., из них 5 статей с общим вкладом автора 2,3 п.л. опубликованы в журналах, рекомендованных ВАК Министерства образования и науки Российской Федерации.

Диссертационная работа изложена на 182 страницах печатного текста, включает 56 таблиц, 36 рисунков. Библиографический список включает 120 наименований источников. Работа состоит из введения, трех глав, заключения и 5 приложений.

В первой главе диссертационной работы рассмотрены особенности сделок проектного финансирования, их структурирование, описаны основные риски, связанные с данным направлением кредитования. Приведено и обосновано определение дефолта инвестиционного проекта. Представлены основные подходы к оценке компонент кредитного риска (PD LGD и EAD) по инвестиционным проектам. Проанализирован международный опыт использования рейтинговых моделей при оценке кредитных рисков для сделок проектного финансирования.

Во второй главе диссертационной работы рассмотрена реализация подходов к построению моделей оценки вероятности дефолта по инвестиционным проектам (на основании статистики за 2007-2014 годы), основанных как на исторической статистике дефолтов (регрессионная модель бинарного выбора), так и на основании экспертного ранжирования инвестиционных проектов (регрессионная модель множественного выбора). В качестве источников данных использовалась база данных Bureau van Dijk (База данных Руслана). Определен алгоритм принятия кредитного решения по инвестиционному проекту на основании KS-статистики. Представлен рейтинговый процесс, который может быть использован при рейтинговании инвестиционных проектов. Получена гранулированная рейтинговая мастер-шкала для возможности рейтингования на ней заемщиков (резидентов и нерезидентов РФ), а также российских и зарубежных инвестиционных проектов в российских банках на основании их годовых вероятностей дефолта согласно стандартам Базеля [Basel, 2006]. На основании разработанной мастер-шкалы произведено ранжирование инвестиционных проектов по рейтинговым категориям. Приведены дополнительные факторы

риска (формализованный перечень риск-факторов, влияющих на дефолт по инвестиционному проекту, но не вошедших в рейтинговые модели) и примеры экспертных корректировок (неформализованный перечень позитивных или негативных факторов, характерный для конкретных индивидуальных проектов), которые могут быть применены к первоначальным рейтинговым категориям (понижая или повышая их) с целью уточнения оценки кредитоспособности инвестиционного проекта.

В третьей главе проводится сопоставление качества рейтинговых моделей бинарного и множественного выбора по результатам валидации на основании дефолтной статистики по инвестиционным проектам за 2014 год. Приводятся основные рекомендации по применению и улучшению качества полученных рейтинговых моделей:

> при актуализации моделей повысить прогнозные (предсказательные) способности моделей, используя влияние макроэкономических факторов риска на дефолтность инвестиционных проектов;

> при появлении необходимой информации дополнить перечень объясняющих переменных риск-факторами, включающими в себя период окупаемости и срок инвестиционного проекта;

> при появлении необходимой информации определить балл отсечения на основании максимизации средней валовой прибыли на инвестиционный проект;

> при появлении необходимой информации разработать качественную модель оценки кредитоспособности инвестиционных проектов, на основании количественной и качественной моделей [Письмо Банка России 14-Т, 2012] получить комбинированную модель оценки кредитоспособности инвестиционных проектов;

> при появлении необходимой информации (Приложение 2 раздела 1 Положения 483-П [Положение Банка России 483-П, 2015]) целесообразно показать, какие преимущества дает использование подходов диссертационного исследования перед упрощенным подходом из 483-П.

Дополнительно в третьей главе приводится реализация первой из рекомендаций, связанной с повышением прогнозных (предсказательных) способностей моделей с учетом влияния на дефолтность инвестиционных проектов макроэкономических факторов риска, характеризующих экономический цикл. Для осуществления этой цели был разработан сводный макроэкономический индикатор и приведены алгоритмы калибровки моделей оценки вероятности дефолта с учетом данного индикатора. В результате на основании наиболее актуальных имевшихся данных по инвестиционным проектам (по состоянию на начало 2015 года) была произведена перекалибровка разработанных моделей оценки вероятности дефолта на экономический цикл с использованием сводного макроэкономического индикатора с целью оценки вероятности (прогноза) дефолта по данным инвестиционным проектам в течение 2015 года. В последней части третьей главы описаны возможные шаги по реализации второй, третьей, четвертой и пятой рекомендаций по результатам валидации предложенных моделей, в частности, приведены возможные экспертные критерии оценки инвестиционных проектов, ответы кредитных экспертов на которые могли бы позволить разработать качественную (экспертную) модель. Выполнение данных рекомендаций позволит повысить дискриминационную и прогнозную (предсказательную) способности моделей.

В заключении работы приводятся основные результаты и выводы из проведенного исследования.

Глава 1 СИСТЕМАТИЗАЦИЯ МЕТОДОВ И МОДЕЛЕЙ ОЦЕНКИ КРЕДИТНОГО РИСКА ИНВЕСТИЦИОННЫХ ПРОЕКТОВ

1.1 Структурирование рисков проектного финансирования

Проектное финансирование представляет собой один из наиболее сложных и эффективных финансовых инструментов, применяемых в кредитных организациях.

Под проектным финансированием понимается такой инструмент финансирования, при котором источником обслуживания долговых обязательств по инвестиционному проекту служат денежные потоки, генерируемые самим проектом [Горелая, 2013; Мишкин, 2006]. Определение проектного финансирования приводится с использованием понятия «инвестиционный проект», поэтому сначала целесообразно разобраться в экономической сути и особенностях инвестиционных проектов, а затем рассмотреть структуру, особенности (преимущества и недостатки) и риски сделок проектного финансирования, напрямую связанного с инвестиционными проектами.

1.1.1 Экономическая суть и особенности инвестиционных проектов

Инвестиционный проект - это обоснование экономической целесообразности, объемов и сроков осуществления инвестиций в рамках разработанной проектно-сметной документации [Теплова, 2016]. Однако при использовании денежных оттоков не всегда необходимо проектное обоснование, так как имеют место обязательные инвестиции, не вызывающие сомнения, для которых нет необходимости в индивидуальном рассмотрении и согласовании со всеми заинтересованными сторонами. Обращают на себя внимание некоторые возникающие вопросы инвестиционного характера, для

решения которых необходимо проектное обоснование [Бб1у, 2003; Етдейу, 2013]:

• объемы инвестиционных оттоков (проектное обоснование в виде бизнес-плана разрабатывается при привлечении стороннего финансирования для реализации инвестиционных концепций (при отсутствии достаточного количества собственных средств) и определении оптимального соотношения заемных и собственных источников финансирования);

• уникальность и конфликтность, возникающие при формировании полноценной последовательности действий для осуществления инвестиционной концепции, необходимость учета интересов всех заинтересованных сторон;

• альтернативность инвестиций (связана с различными алгоритмами реализации инвестиционной концепции или при наличии прочих, конкурирующих, направлений инвестиций).

Целесообразность реализации инвестиционных проектов различными компаниями обусловлена особенностями их бизнеса. В современных компаниях проводится управление инвестиционными проектами и принятие инвестиционных решений осуществляется по результатам проводимого проектного анализа [Бригхэм, 2009].

При формировании бизнес-плана инвестиционного проекта проектные менеджеры уделяют внимание определенным особенностям, возникающим при реализации проекта:

• осуществление инвестиций и получаемый эффект от реализации инвестиционного проекта разделены во времени;

• необходимость выбора (из различных вариантов) соотношения инвестиционных затрат и выгод во взаимосвязи со временем на основании наибольшей инвестиционной привлекательности и с наименьшими рисками;

• необходимость разработки последовательности мероприятий для реализации инвестиционных решений;

• долгосрочные инвестиции часто включают в себя вложения в оборотные средства (запасы и дебиторскую задолженность) компаний, а также - в производство и приобретение ноу-хау;

• при реализации инвестиционных проектов необходимо учитывать риски, связанные с государственным регулированием (изменение законодательной и правовой базы), при этом выгоды инвестора нужно захеджировать [Катасонов, 2000];

• управление инвестициями должно учитывать изменения во внешней среде, которые могут быть как благоприятны для развития проекта (тогда целесообразно расширение заранее выбранных объемов инвестирования), так и неблагоприятны (в таком случае целесообразно сокращение заранее выбранных объемов инвестирования).

При крайне неблагоприятных внешних условиях может встать вопрос о необходимости досрочного завершения инвестиционного проекта, однако для этого полезно осуществлять мониторинг реализуемых по инвестиционному проекту задач за весь прошедший период его реализации, а также оценить уровни неопределенностей, возникающих при управлении проектом.

1.1.2 Структура сделок проектного финансирования

Разобравшись в экономической сути инвестиционных проектов, можно сделать вывод о том, что проектное финансирование является инструментом финансирования инвестиционных проектов, включающим в себя различные формы финансирования (от собственного капитала до инвестиционного кредитования), при этом риски реализации инвестиционного проекта

распределяются между его участниками [Йескомб, 2015; Стратегия модернизации российской экономики, 2010].

Целью проектного финансирования является привлечение долгосрочных заимствований для крупных проектов с использованием кредитования под залог финансовых потоков, генерируемых самим проектом [Горелая, 2013; Кох, 2008; Лаврушин, 2009]. Для данного направления особое значение приобретает детальное оценивание различных видов рисков (о которых речь пойдет в разделе 1.1.3), распределение рисков между инвесторами, кредиторами и прочими сторонами.

Важной особенностью сделок проектного финансирования является отсутствие значительных требований к обеспечению, однако при этом необходим высокий уровень доверия к инвестиционному проекту, формируемый на основании полноценной информации как относительно участников инвестиционного проекта, так и о самом проекте и неопределенностях, возникающих при его реализации. Дополнительно важную роль играет юридическая поддержка инвестиционного проекта.

Для реализации инвестиционных проектов часто создаются компании специального назначения (SPV), которые представляют собой объединения акционеров и ориентированы на реализацию и управление инвестиционным проектом [Wood, 2007]. Инвестиционные проекты могут быть реализованы как без ресурсов, так и с ограниченными ресурсами. При реализации инвестиционных проектов без ресурсов важна независимость денежных потоков от обязательств организаторов инвестиционного проекта. При реализации инвестиционных проектов с ограниченными ресурсами большую роль играет степень заинтересованности организаторов в его успешной реализации.

Особенности, связанные с реализацией инвестиционного проекта, его финансирования и рисками, определяются индивидуально по всем участникам инвестиционного проекта [Финансовый менеджмент, 2013].

Выделение этих особенностей включает в себя полноценную экспертизу инвестиционного проекта с учетом позитивных и негативных аспектов при его реализации.

Основными достоинствам проектного финансирования являются:

• концентрация значительных денежных ресурсов для реализации инвестиционных концепций, выделяемых значительным числом участников соглашения, что значительно снижает риски;

• отсутствие прямых финансовых обязательств организаторов, учет обязательств производится на внебалансовых счетах;

• участие кредитных организаций в реализации инвестиционных проектов с момента начала их реализации;

• низкие требования к обеспечению кредитов на реализацию инвестиционных проектов;

• участие кредиторов в экспертизе инвестиционного проекта в процессе его реализации с целью оперативного предотвращения собственных убытков.

Классическая схема взаимодействия участников инвестиционного проекта представлена на рисунке 1.1 [Горелая, 2013; Fight, 2006; Davis, 2003].

Рисунок 1.1 - Структурная схема проектного финансирования

Из рисунка 1.1 видно, что участниками инвестиционного проекта могут являться: проектная компания и ее владелец, поставщики, покупатели, подрядчики, государство и его представители, бенефициары (инвесторы, вкладывающие собственные средства в реализацию инвестиционного проекта с целью получения будущей прибыли), заемщики (физические или юридические лица, вкладывающие заемные средства, полученные от кредиторов, в реализацию инвестиционного проекта с целью получения будущей прибыли), кредиторы (банки-развития, государственные банки, коммерческие банки, инвестиционные банки и другие кредитные организации). В качестве заемщиков чаще всего выступают сами проектные компании. Привлечение ресурсов может быть произведено различными способами - от заимствований в виде кредитов до инвестиций в основной капитал.

Список литературы диссертационного исследования кандидат наук Моргунов, Алексей Владимирович, 2017 год

СПИСОК ЛИТЕРАТУРЫ

Монографии и учебники:

1. Айвазян, С.А. Эконометрика-2: продвинутый курс с приложениями в финансах [Текст]: учебник / С.А. Айвазян, Д. Фантаццини. - М.: Магистр: ИНФРА-М, 2014. - 944 с.

2. Анализ математических моделей Базель II [Текст] / Алескеров, Ф.Т. [и др.]. - М. ФИЗМАТЛИТ, 2010. - 286 с.

3. Брег, Стивен М. Настольная книга финансового директора [Текст]: [перевод с английского] / Стивен Брег. - 6-е изд. - М.: Альпина Паблишер, 2009. - 535 с.

4. Бригхэм, Ю. Финансовый менеджмент [Текст] / Ю. Бригхэм, М. Эрхардт; пер. с англ.; под ред. Е.А. Дорофеева. - Санкт-Петербург: Питер, 2009. - 960 с.

5. Волков, И.М. Проектный анализ: Продвинутый курс [Текст]: Учебное пособие / Волков И.М., Грачева М.В. - М.: ИНФРА-М. 2004. - 495 с.

6. Грачева, М.В. Анализ проектных рисков: учеб. пособие [Текст] / М.В. Грачева. - М.: Финстатинформ. 1999. - 216 с.

7. Горелая, Н.В. Основы банковского дела [Текст]: учебное пособие для студентов высших учебных заведений, обучающихся по направлению подготовки бакалавров и магистров для направления 080100 «Экономика» специализации «Банки и банковская деятельность» / Н.В. Горелая, А. М. Карминский / под ред. А.М. Карминского. - М.: ИД «ФОРУМ»: ИНФРА-М, 2013. - 272 с.

8. Иглин, С.П. Теория вероятностей и математическая статистика на базе MATLAB [Текст] / С.П. Иглин. - Харьков: Издательство НТУ «ХПИ», 2006. - 612 с.

9. Йескомб, Э.Р. Принципы проектного финансирования [Текст] / Э.Р. Йескомб. - М.: Альпина Паблишер, 2015. - 457 с.

10.Кабушкин, С.Н. Управление банковским кредитным риском [Текст]: учебное пособие С.Н. Кабушкин. - 4-е изд., стер. - Минск: Новое знание, 2007. - 336 с.

11.Карминский, А.М. Кредитные рейтинги и их моделирование [Текст] / А.М. Карминский. - М.: Изд. дом НИУ ВШЭ, 2015. - 304 с.

12.Карминский, А.М. Контроллинг в банке [Текст] / А.М. Карминский [и др.] / под. общей ред. А.М. Карминского, С.Г. Фалько. - М.: ИД «ФОРУМ»: ИНФРА-М, 2013. - 288 с.

13.Катасонов, В.Ю. Проектное финансирование: мировой опыт и перспективы для России [Текст] / В.Ю. Катасонов, Д.С. Морозов, М.В. Петров / под общей ред. Катасонова В.Ю. - М.: «Анкил», 2001. -312 с.

14.Катасонов, В.Ю. Проектное финансирование, управление риском, страхование [Текст] / В.Ю. Катасонов, Д.С. Морозов. - М.: «Анкил», 2000. - 272 с.

15.Кокс, Д. Статистический анализ последовательностей событий [Текст] /Д. Кокс, П. Льюис. - М.: Мир, 1969. - 312 с.

16.Кокс, Д. Анализ данных типа времени жизни [Текст] / Д. Кокс, Д. Оукс. - М.: Финансы и статистика, 1988. - 191 с.

17.Лаврушин, О.И. Банковское дело: современная система кредитования [Текст]: учебное пособие для студентов, обучающихся по специальности «Финансы и кредит» / О.И. Лаврушин, О.Н. Афанасьева. - 7-е изд., доп. и перераб. - Москва: КноРус, 2013. - 358 с.

18.Лаврушин, О.И. Деньги, кредит, банки [Текст]: учебник / О.И. Лаврушин. - М.: КНОРУС, 2009. - 560 с.

19.Магнус, Я.Р. Эконометрика. Начальный курс [Текст]: учеб. для студентов вузов, обучающихся по экон. специальностям / Я.Р. Магнус, П.К. Катышев, А.А. Пересецкий. - 6-е изд., перераб. и доп. - М.: Дело, 2004. - 576 с.

20.Макконел, К.Р. Экономикс: принципы, проблемы и политика [Текст] / К.Р. Макконел, С.Л. Брю. - М.: ИНФРА-М, 1999. - 974 с.

21.Макроэкономика [Текст]: учебник для бакалавров/ 2-е изд., испр. и доп./ коллектив авторов; под ред. С.Ф. Серегиной. - М.: Издательство Юрайт, 2013. - 521 с.

22.Мишкин, Ф.С. Экономическая теория денег, банковского дела и финансовых рынков [Текст]: учебник / Ф.С. Мишкин. 7-е издание: пер. с англ. - М.: ООО «И. Д. Вильямс», 2006. - 880 с.

23.Найт, Ф. Риск, неопределенность и прибыль [Текст] / Ф. Найт ; Пер. с англ. М.Я. Каждана; Акад. нар. хоз-ва при Правительстве Рос. Федерации, Россия центр эволюц. экономики. - М.: Дело, 2003. - 359 с.

24. Прикладная статистика: Классификация и снижение размерности [Текст] / С.А. Айвазян [и др.]. - М.: Финансы и статистика, 1989. -607 с.

25. Пугачев, В.С. Теория вероятностей и математическая статистика [Текст]: Учеб. Пособие / В.С. Пугачев. - М.: ФИЗМАТЛИТ, 2002. - 496 с.

26.Рогов, М.А. Риск-менеджмент [Текст] / М.А. Рогов. - М.: Финансы и статистика, 2001. - 120 с.

27.Руководство по кредитному скорингу [Текст]: антология / под ред. Э. Мэйз. - Минск: Изд-во «Гревцов Паблишер», 2008. - 464 с.

28.Севрук, В.Т. Риски финансового сектора Российской Федерации [Текст] / В.Т. Севрук. - М.: Финстатинформ, 2001. - 175 с.

29. Стратегия модернизации российской экономики [Текст]: монография / В.М. Полтерович [и др.] / отв. редактор В.М. Полтерович. - СПб: Алетейя, 2010. - 424 с.

30.Теплова, Т.В. Инвестиции [Текст]: учебник для бакалавров / Т.В. Теплова. - М.: Издательство Юрайт, 2016. - 782 с.

31.Тотьмянина, К.М. Моделирование вероятности дефолта корпоративных заемщиков банков: дис. ... канд. экон. наук: 08.00.10 / Тотьямнина Ксения Михайловна - М., 2014. - 133 c.

32.Финансовый менеджмент [Текст]: учебник / коллектив авторов; под ред. Н.И. Берзона и Т.В. Тепловой. - М.: КНОРУС, 2013. - 656 с. -(Бакалавриат).

33.Цисарь, И.Ф. MATLAB Simulink. Компьютерное моделирование экономики [Текст] / И.Ф. Цисарь. - М.: Солон-Пресс, 2008. - 256 с.

34.Шеремет, А.Д. Теория экономического анализа [Текст] / А.Д. Шеремет. - М.: ИНФРА-М, 2011. - 352 с.

35. Энциклопедия финансового риск-менеджмента [Текст] / под ред. канд. экон. наук А. А. Лобанова и А. В. Чугунова. — 4-е изд., испр. и доп. — М.: Альпина Бизнес Букс, 2009. — 932 с.

36.Aasgard, A. Project Finance and Photovoltaic power plants [Text] / A. Aasgard. - Norges Handelsh0yskole, Bergen, 2010, - 118 p.

37.Allen, S. Financial risk management: A practioner's guide to managing market and credit risk [Text] / S. Allen. - Hoboken, N.J.: John Wiley & Sons, Inc., 2003. - 288 p.

38.Altman, E. Managing Credit Risk [Text] / E. Altman. - 2 ed. - New York: John Wiley and Sons, 2008. - 655 p.

39.Benninga, S. Financial Modelling. [Text] / S. Benninga. - 3 ed. - The MIT Press, 2008. - 1168 p.

40.Coleshaw, J. Credit analysis [Text] / J. Coleshaw. - Woodhead-Faulkner, 1989. - 240 p.

41.Davis, H.A. Project finance: Practical Case Studies [Text] / H.A. Davis. - 2 ed. - Published by Euromoney Books, Nestor House, Playhouse Yard, London, United Kingdom, 2003. - 237 p.

42.Esty, B. Modern Project Finance: A Casebook [Text] / B. Esty . - Wiley, 2003. - 544 p.

43.Fight, A. Introduction to project finance [Text] / A. Fight. - Elsevier, 2006.

- 205 p.

44.Finnerty, J. Project Financing: Asset-Based Financial Engineering [Text] / J. Finnerty. - 3 ed. - Wiley, 2013. - 560 p.

45.Jorion, P. Financial risk manager instruction manual [Text] / P. Jorion. - 4 ed.-N.Y.: John Wiley & Sons, Ltd., 2007. - 736 p.

46.Joseph, C. Advanced Credit Risk Analysis and Management [Text] / C. Joseph - Wiley, 2013. - 448 p.

47.Lynch, P. Financial Modelling for Project Finance [Text] / P. Lynch - 2 ed.

- Euromoney Trading Ltd., 2010. - 212 p.

48.McCullagh, P. Generalized Linear Models [Text] / P. McCullagh, J.A. Nelder. - New York: Chapman & Hall, 1990. - 511 p.

49.Mills, Terence C. Modelling Trends and Cycles in Economic Time Series [Text] / Terence C. Mills. - New York: Palgrave McMillan, 2003. - 180 p.

50.Rees, M. Financial Modelling in Practice: A Concise Guide for Intermediate and Advanced Level [Text] / M. Rees. - Wiley, 2008. - 295 p.

51.Rud, O. Data Mining Cookbook [Text] / O. Rud. - Hoboken. NJ: John Wiley and Sons, 2001. - 429 p.

52.Siddiqi, N. Credit Risk Scorecards Developing and Implementing Intelligent Credit Scoring [Text] / Siddiqi N. - Published by John Wiley & Sons, Inc., Hoboken, New Jersey, 2006. - 196 p.

53.Tinsley, R. Advanced Project Financing, Structuring Risks [Text] / R. Tinsley. - 2 ed. - Euromoney Institutional Investor, 2014. - 436 p.

54.Wood, P. Project finance, securitisations, subordinated debt [Text] / P. Wood. - 2 ed. - London: Sweet & Maxwell, 2007. - 262 p.

Статьи в периодических источниках:

55.Бондарчук, П.К. От Базеля II к Базелю III: шаг вперед? [Текст] / П.К. Бондарчук, К.М. Тотьямнина // Деньги и кредит. - 2012. - №5. - С. 317.

56.Жевага, А.А. Использование сводных макроэкономических индикаторов для калибровки внутренних рейтинговых моделей в банках [Текст] / А.А. Жевага, А.В. Моргунов // Деньги и Кредит. -2015. - №8. - С. 39-46.

57.Карминский, А.М. Модели корпоративных рейтингов для развивающихся рынков [Текст] / А.М. Карминский // Корпоративные финансы. - 2011. - № 3 (19). - С. 19-29.

58.Карминский, А.М. Моделирование вероятности дефолта российских банков: расширенные возможности [Текст] / А.М. Карминский, А.В. Костров // Журнал Новой экономической ассоциации. 2013. №1, т. 17. С. 64-86.

59.Карминский, А.М. Оценка вероятности дефолта сделок проектного финансирования [Текст] / А.М. Карминский, А.В. Моргунов, П.М. Богданов // Журнал Новой экономической ассоциации. - 2015. - №2. -Т. 26. - С. 99-122.

60.Карминский, А.М. Регулирование рейтинговой деятельности: контроллинг и статистика [Текст] / А.М. Карминский, П.К. Катышев, Е. Н. Павлова // Контроллинг. - 2015. -№2. - Т. 56. - С.40-49.

61.Карминский, А.М. Рейтинги как мера финансовых рисков: Эволюция, назначение, применение [Текст] / А. М. Карминский, А.А. Пересецкий // Журнал Новой экономической ассоциации. - 2009. - №1-2. -С. 86103.

62.Карминский, А.М. Рейтинги компаний и их моделирование [Текст] / А.М. Карминский // X Международная научная конференция по проблемам развития экономики и общества: сборник докладов, 7 - 9 апреля 2009 г., Москва, 2010. - Т. 1. - № 1. - С. 372-382.

63.Карминский, А.М. Сопоставление банковских рейтингов различных агентств [Текст] / А. М. Карминский, В.В. Сосюрко // Журнал Новой экономической ассоциации. - 2011. - №12. - С. 102-123.

64.Кох, И.А. Портфельное и проектное инвестирование [Текст] / И. А. Кох // Финансы и кредит - 2008. -№ 24. - С. 37.

65.Лозинская, А.М. Оценка кредитного риска при ипотечном жилищном кредитовании [Текст] / А.М. Лозинская, Е.М. Ожегов // Прикладная эконометрика. - 2014. - №3. -Т.35. - С. 3-17.

66.Моделирование вероятности дефолта корпоративных заемщиков [Текст] / А.А. Жевага [и др.] // Управление финансовыми рисками. -2016. - №1. - т. 45. - С. 12-26.

67.Моргунов, А.В. Контроллинг кредитных рисков в коммерческом банке [Текст] / А.В. Моргунов, А.А. Жевага // Контроллинг. - 2015. - №2. - Т. 56. - С. 70-78.

68.Петров, Д.А. Кредитный риск-менеджмент как инструмент борьбы с возникновением проблемной задолженности [Текст] / Д.А. Петров, М.В. Помазанов // Банковское кредитование. - 2008. - №6. - C. 25-28.

69.Помазанов, М.В. Модель блуждающих дефолтов для практического расчета кредитного риска портфеля [Текст] / М.В. Помазанов М.В., В.В. Гундарь // XII Международная конференция по вычислительной механике и современным программным системам: сборник тезисов докладов, 30 июня - 5 июля, г. Владимир. - Владимир, 2003. - С. 529531.

70.Помазанов, М.В. Разработка формулы вероятности банкротства компаний на базе показателей бухгалтерской отчетности [Текст] / М.В. Помазанов, О.В. Колоколова // Оперативное управление и стратегический менеджмент в коммерческом банке. - 2004. - №6. - С. 65-84.

71.Порошина, А.М. Обзор подходов к моделированию кредитного риска на портфельном уровне [Текст] / А. М. Порошина // Финансовая аналитика: проблемы и решения. - 2013. - №3. -Т.141. - С. 32-43.

72.Симановский, А.Ю. Базельские принципы эффективного банковского надзора, издание второе [Текст] / А. Ю. Симановский // Деньги и кредит. - 2007. - № 1. -С. 20-30.

73.Тотьмянина, К.М. Обзор моделей вероятности дефолта [Текст] / К.М. Тотьямнина // Управление финансовыми рисками. - 2011. - №01.

- Т.25. - С. 12-24.

74.Усоскин, В.М. Базельские стандарты адекватности банковского капитала: эволюция подходов [Текст] / В.М. Усоскин // Деньги и кредит. - 2000. - №3. - С. 43-50.

75.Фантаццини, Д. Эконометрический анализ финансовых данных в задачах управления риском [Текст] / Д. Фантаццини // Прикладная экономика. - 2009. - № 1. -С. 100-127.

76.Altman, E.I. Financial ratios, discriminant analysis and the prediction of corporate bankruptcy [Text] / E.I. Altman // Journal of Finance. -1968. -Vol. 23. - Iss. 4. -P. 589-609.

77.Armstrong, J.S. Making progress in forecasting [Text] /J. S. Armstrong, R. Fildes // International Journal of Forecasting, Elsevier. - 2006. -Vol. 22. -№ 3. - P. 433-441.

78.Chesser, D. Predicting loan non-compliance [Text] / D. Chesser // Journal of Commercial Bank Lending. - 1974. - №56. - P. 28-38.

79.Crouhy, Michel. A comparative analysis of current credit risk models [Text] / Michel Crouhy, Dan Galai, Robert Mark // Journal of Banking & Finance.

- 2000. № 24. -P. 59-117.

80.Gordy, M.B. A risk-factor foundation for rating-based bank capital rules [Text] / M.B. Gordy // Journal of Financial Intermediation. - 2003. - Vol.12.

- P. 199-232.

81.Hodrick, R. Business Cycles: An Empirical Investigation [Text] / R. Hodrick, E. Prescott, U.S. Postwar // Journal of Money, Credit, and Banking/ 1997. - №29 (1). - P. 1-16.

82.Hol, S. The Influence of the Business Cycle on Bankruptcy Probability [Text] / S. Hol // Discussion Papers. - 2006. - №466. -P. 3-27.

83.Hsia, D. Credit Scoring and the Equal Credit Opportunity Act [Text] / D. Hsia // Hastings Law Journal. - 1978. - №. 2. -P. 371-448.

84.Kayser, D. Recent research in project finance a commented bibliography [Text] / D. Kayser // Procedia Computer Science. - 2013. - №. 17. - P. 729736.

85.Karminsky, A. The assessment of the credit risk of investment projects [Text] / A. Karminsky, A. Morgunov // XVI Апрельская междунар. науч. конф. По проблемам развития экономики и общества: сб. ст.; отв. ред. Е.Г. Ясин. В 4 кн. - М: Изд. дом Высшей школы экономики, 2016. - Кн. 1. - С.721-731.

86.Kleimeier, S. Are Project Finance Loans Different from Other Syndicated Credits? [Text] / S. Kleimeier, W. Megginson // Journal of Applied Corporate Finance. - 2000. - № 13 (1). - P. 75-87.

87.Laishram, B. Desirability rating analysis for debt financing of public-privatepartnership road projects [Text] / B. Laishram, S. Kalidindi // Construction Management & Economics. - 2009. - Vol.9. -№. 27/ - P. 823837.

88.McElroy, Tucker. Exact Formulas for the Hodrick-Prescott Filter [Text] / Tucker McElroy// Econometrics Journal. - 2008. - № 11. - P. 209-217.

89.Peresetsky, A. Probability of default models of Russian banks[Text] / A. Peresetsky, A. Karminsky, S. Golovan // Economic Change and Restructuring. - 2011. - Vol. 4. - № 44. - P. 297-334.

90.Qi, M., Zhao X. Comparison of modeling methods for Loss Given Default [Text] / M. Qi, X. Zhao // Journal of Banking and Finance. - 2009. -Vol. 33(5). - P.788-799.

91.Qu, Y. Macro Economic Factors and Probability of Default [Text] / Y. Qu // European Journal of Economics, Finance and Administrative Sciences. -2008. - № 13. - P. 192-215.

92.Simons, D. Macroeconomic Default Modeling and Stress Testing [Text] / D. Simons D., F. Rolwes // International Journal of Central Banking. 2009. -Vol. 5(3). - P.177-204.

93.Zmijewski, M. Methodological issues related to the estimation of financial distress prediction models [Text] / M. Zmijewski // Journal of Accounting Research. - 1984. -№. 24. - P. 59-82.

94.Zou, H. Combining time series models for forecasting [Text] / H. Zou, Y. Yang // International Journal of Forecasting. - 2004. -Vol. 20. - P. 69-84.

Нормативные акты:

95.Банк России. Письмо от 06.02.2012 № 14-Т «О рекомендациях Базельского комитета по банковскому надзору «Принципы совершенствования корпоративного управления» [Электронный ресурс]: Справочно-правовая система «Консультант плюс». - Режим доступа: http://www.consultant.ru/document/cons doc LAW 126196 (дата обращения: 16.12.2016).

96.Банк России. Инструкция от 03.12.2012 № 139-И «Об обязательных нормативах банков» [Электронный ресурс]: Справочно-правовая система «Консультант плюс». - Режим доступа: http://www.consultant.ru/document/cons doc LAW 139494 (дата

http://www.consultant.ru/ обращения: 16.12.2016).

98.Банк России. Положение от 26.03.2004 № 254-П «О порядке формирования кредитными организациями резервов на возможные потери по ссудам» [Электронный ресурс]: Справочно-правовая система «Консультант плюс». - Режим доступа: http://www.consultant.ru/document/cons doc LAW 47597 (дата обращения: 16.12.2016).

99.Банк России. Положение 20.03.2006 г. № 283-П «О порядке формирования кредитными организациями резервов на возможные потери» [Электронный ресурс]: Справочно-правовая система «Консультант Плюс». - Режим доступа: http://www.consultant.ru/document/cons doc LAW 59828 (дата обращения: 16.12.2016).

100.Банк России. Указание от 15.04.2015 № 3624-У «О требованиях к системе управления рисками и капиталом кредитной организации и банковской группы» [Электронный ресурс]: Справочно-правовая система «Консультант Плюс». - Режим доступа: http://www.consultant.ru/document/cons doc LAW 180268 (дата обращения: 16.12.2016).

Электронные ресурсы:

101.База данных Руслана - база данных Bureau van Dijk [Электронный ресурс]. - Режим доступа: https://ruslana.bvdep.com/version-201623/home.serv?product=ruslana (дата

http://arb.ru/b2b/docs/validatsiva komitet arb po standartam pravleniyu_riskami-9752430/ (дата обращения: 16.12.2016).

103.Власов А. Калибровка национальных рейтинговых систем [Электронный ресурс] / А. Власов, М. Помазанов // Рынок ценных бумаг. - 2008. - № 12 (363). - С. 74 - 79. URL: http://www.rusipoteka.ru/files/articles/pomazanov.pdf. (дата обращения: 16.12.2016).

104.Информационный ресурс Банка России. Центральный банк Российской Федерации [Электронный ресурс]: официальный интернет-портал. - Режим доступа: www.cbr.ru (дата обращения: 16.12.2016).

105.Информационный ресурс Национального Рейтингового Агентства (НРА). [Электронный ресурс]: Официальный сайт Национального Рейтингового Агентства (НРА). - Режим доступа: www.ra-national.ru (дата обращения: 16.12.2016).

106.Информационный ресурс Эксперт РА [Электронный ресурс]: Официальный сайт рейтингового агентства Эксперт РА. - Режим доступа: www.raexpert.ru (дата обращения: 16.12.2016).

107.Информационный ресурс AK&M [Электронный ресурс]: Официальный сайт рейтингового агентства AK&M. - Режим доступа: www.akm.ru (дата обращения: 16.12.2016).

108.Информационный ресурс Fitch [Электронный ресурс]: Официальный сайт Fitch. - Режим доступа: www. fitchratings. com (дата обращения: 16.12.2016).

109.Информационный ресурс Moody's [Электронный ресурс]: Официальный сайт Moody's. - Режим доступа: www.moodys.com (дата обращения: 16.12.2016).

110.Информационный ресурс RusRating [Электронный ресурс]: Официальный сайт рейтингового агентства Рус-Рейтинг. - Режим доступа: www.rusrating.ru (дата обращения: 16.12.2016).

111.Информационный ресурс S&P [Электронный ресурс]: Официальный сайт S&P. - Режим доступа: www. standardandpoors. com (дата обращения: 16.12.2016).

112.Моргунов, А.В. Моделирование вероятности дефолта инвестиционных проектов [Электронный ресурс] / А. В. Моргунов // Корпоративные финансы. - 2016. - №1. - Т. 37. - С. 23-45. - Режим доступа: https://cfiournal.hse.ru/data/2016/04/04/1126520568/42.pdf (дата обращения: 16.12.2016).

113. Федеральная служба государственной статистики (Росстат) [Электронный ресурс]: Официальный интернет-портал. - Режим доступа: www.gks.ru (дата обращения: 16.12.2016).

114.Basel Committee on Banking Supervision. Basel II: International Convergence of Capital Measurement and Capital Standards. Bank for International Settlements. 2006. [Electronic resours]. URL: http://www.bis.org/publ/bcBS 128.PDF (usage date: 16.12.2016).

115.Beale, C. Credit Attributes of Project Finance. 2002. [Electronic resours] / C. Beale, M. Chatain, N. Fox, S. Bell, J. Berner, R. Preminger, J. Prins. -URL: https://ru.scribd.com/document/52241995/Credit-Attributes-of-Proiect-Finance (usage date: 16.12.2016).

116.Bouzguenda, N. Project Finance: Determinants of the Bank Loan Spread. 2010. [Electronic resource] / N. Bouzguenda // International Journal of Business and Social Science/ 2010. - Vol. 5. - № 5. - P. 144-155/ - URL: http://www.iibssnet.com/iournals/Vol 5 No 5 April 2014/17.pdf (usage

http://www.s 16.12.2016).

118.Kuang-Hua, H. An integrated risk assessment and analysis model for project financing [Electronic resource] / H. Kuang-Hua, 2014. - URL: http://www.psdas.gov.hk/content/doc/Paper Kuang-hua Hsu.pdf (usage

http://lup.lub.lu.se/luur/download?func=dowi &fileOId=1647104 (usage date: 16.12.2016).

ПРИЛОЖЕНИЕ А. Алгоритмы расчета риск-факторов на основании данных российской финансовой отчетности

1) LTV

Коэффициент покрытия LTV (Loan to Value) - отношение суммы кредита к рыночной (или оценочной) стоимости залога. Чем ниже этот коэффициент, тем больше вероятность того, что при обращении взыскания выручка от продажи залога покроет расходы кредитора по предоставленной ссуде. Расчет показателя в общем виде осуществляется по формуле (A.1):

L кредитной орг. , . „ ч

-, (A.1)

А итого ^ итого ^ ^ субор ^ ^ кредитной орг.

где Аитого - текущая рыночная стоимость активов проектных

компаний (заемщиков);

Ьитого - суммарные обязательства проектных компаний; Ькредитной орг. - обязательства проектных компаний перед кредитной организацией или подконтрольными ей структурами;

Ьсубор - обязательства проектных компаний перед кредиторами (отличными от рассматриваемой кредитной организации и подконтрольных ей структур), субординированные по отношению к обязательствам перед кредитной организацией и подконтрольных ей структур. Периодичность расчета: коэффициент покрытия рассчитывается на момент принятия решения об участии в Проекте и актуализируется по состоянию на даты оценки состояния проекта. 2) Доля собств. участия бенефициаров

Доля собственного участия бенефициаров в финансировании проекта. На момент принятия решения об участии в проекте рассчитывается как отношение фактически внесенных бенефициарами собственных средств и

средств, внесение которых является отлагательным условием финансирования проекта кредитной организацией, к общей сумме фактических инвестиционных затрат по проекту. На даты актуализации оценки состояния проекта (с учетом результатов его фактической реализации) доля рассчитывается как отношение фактического объема внесенных бенефициарами собственных средств к общей фактической сумме инвестиционных затрат по проекту.

Внутренняя норма доходности (Internal Rate of Return). Данный показатель определяет максимальную стоимость привлекаемого капитала, при которой инвестиционный проект остается выгодным. При принятии инвестиционных решений IRR используется для расчёта ставки альтернативных вложений. При выборе из нескольких проектов с разными IRR, выбирается проект с максимальным значением IRR. Данный критерий не используется, если денежные потоки несколько раз за рассматриваемый период меняют знак. Расчет внутренней нормы доходности осуществляется в соответствии с приведенным ниже равенством (A.2):

где р - чистый денежный поток по операционной деятельности с учетом доходов от участия в капитале третьих лиц. Рассчитывается на основании Прогнозного расчета движения денежных потоков по следующей формуле: «Выручка от реализации (включая полученные авансы) всего» + «Прочие поступления» + «Выручка от продажи основных средств и иных внеоборотных активов» + «Выручка от продажи (погашения) ценных бумаг и иных финансовых вложений» + «Полученные проценты и дивиденды по финансовым вложениям и займам» - «Оплата товаров, работ, услуг (включая выданные авансы) всего» - «Оплата труда» - «Расчеты с

3) IRR

ж

IRR = r, при которой NPV =z

t=i

бюджетом» - «Расчет с внебюджетными фондами» - «Коммерческие расходы» - «Погашение процентов и комиссий по кредитам и займам (исключая кредиты кредитной организации)» - «Погашение процентов по кредитам кредитной организации» - «Погашение комиссий по кредитам кредитной организации» - «Прочие расходы»;

It - инвестиционные затраты. Рассчитывается на основании Прогнозного расчета движения денежных потоков по следующей формуле: «Приобретение основных средств и иных внеоборотных активов» + «Приобретение ценных бумаг и иных финансовых вложений» + «Предоставление займов третьим лицам»;

r - ставка дисконтирования, при которой NPV равен нулю;

N - количество лет реализации проекта. Периодичность расчета: внутренняя норма доходности рассчитывается на момент принятия решения об участии в проекте и актуализируется (в случае необходимости) по состоянию на даты оценки состояния проекта (с учетом результатов фактической реализации проекта). В целях данного исследования внутренняя норма доходности рассчитывается за период равный сроку кредита.

4) Коэффициент обслуживания долга DSCR (Debt Service Coverage Ratio)

Данный показатель применяется для контроля достаточности в рамках каждого отчетного прогнозного периода ожидаемых денежных поступлений (в том числе за счет привлечения новых кредитов, возврата займов, вкладов в уставный капитал и продажи основных фондов) для покрытия кредитных обязательств, погашаемых в соответствующем отчетном периоде. Показатель вычисляется по формуле (A.3):

NCF + DSt

DSCRt = £ t , (A.3)

где NCFt - чистый денежный поток на конец отчетного периода t;

DSt - затраты по обслуживанию долга в отчетном периоде t, рассчитанные по формуле: «Погашение процентов и комиссий по кредитам и займам (исключая кредиты кредитной организации)» + «Погашение процентов по кредитам кредитной организации» + «Погашение комиссий по кредитам кредитной организации» + «Погашение кредитов (за исключением кредитов кредитной организации)» + «Погашение займов» + «Погашение кредитов кредитной организации» + «Погашение долговых обязательств (кроме кредитов и займов)» + «Платежи по обслуживанию долговых обязательств (кроме кредитов и займов)» + значения иных операций, по сути означающих обслуживание долговых обязательств (например, исполнение в рамках срочных сделок обязательств по обратному выкупу собственных акций по цене, превышающей цену первоначальной продажи) на основании Прогнозного расчета движения денежных потоков; t - отчетный период, за который рассчитывается показатель. Периодичность расчета: коэффициент обслуживания долга рассчитывается на момент принятия решения об участии в проекте на весь срок участия кредитной организации в реализации проекта и актуализируется по состоянию на даты оценки состояния проекта.

5) Показатель покрытия обязательств по погашению и обслуживанию основного долга LLCR (Loan Life Coverage Ratio)

Данный показатель определяется через соотношение дисконтированных будущих поступлений от проекта к суммарным обязательствам проектных компаний, подлежащим погашению в течение срока действия кредита кредитной организации и рассчитывается по формуле (A.4):

LLCR = —, (A.4)

ND v '

где ЕУ - суммарный чистый дисконтированный денежный поток по операционной деятельности с учетом доходов от участия в

формуле (А.2);

ЫБ - суммарные обязательства проектных компаний, подлежащие погашению в течение срока действия кредита кредитной организации, рассчитываемые как Ьитого - Ьсубор. Периодичность расчета: Точно также как и ЭБСЯ, показатель ЬЬСЯ рассчитывается на момент принятия решения об участии в проекте и актуализируется по состоянию на даты оценки состояния проекта.

N

капитал третьих лиц: ЕУ = 2

I=1

, где К, ?! и г определены в

ПРИЛОЖЕНИЕ Б. Дополнительная информация по моделям бинарного

выбора

Таблица Б.1 - Описательные статистики

Риск-фактор Минимум Максимум Среднее значение Стандартное отклонение

LTV 0,00 27,14 1,58 3,57

Доля собств. участия бенефициаров 0,00% 66,00% 26,22% 15,67%

IRR 10,00% 94,00% 23,79% 14,97%

DSCR 1,00 221,21 4,89 23,95

LLCR 0,00 1546,04 25,73 174,97

Срок жизни проекта(лет) 0,75 7,01 3,45 1,88

Таблица Б.2 - Корреляционная матрица

Риск-фактор Доля собств. участия бенефициаров^^ IRRNorm DSCR*Norm LLCR*Norm Индустриаль ный фактор^пп Региональ ный фактор^™

Доля собств. участия бенефициаров^ rm 1 -0,1108 -0,1743 -0,0113 -0,0736 0,0005

IRRNorm -0,1108 1 0,1380 0,2863 0,0529 0,0360

DSCR*Norm -0,1743 0,1380 1 0,3155 0,1707 0,0223

LLCR*Norm -0,0113 0,2863 0,3155 1 0,1801 -0,0846

Индустриальны й фактор^™ -0,0736 0,0529 0,1707 0,1801 1 0,1554

Региональный фактор^™ 0,0005 0,0360 0,0223 -0,0846 0,1554 1

Таблица Б.3 - Перечень разработанных моделей (по убыванию дискриминационной способности)

Номер модели Риск-фактор 1 Риск-фактор 2 Риск-фактор 3 Риск-фактор 4 Риск-фактор 5 Риск-фактор 6 АЯ (вЫ)

Модель 1 Доля собств. участия бенефициаровКогт 1КЯкогт 08СЯ*КОГШ Индустриальн ый факторкогш Региональный факторМогш 0,7662

Модель 2 ГК^огт 08СК*Когт Индустриальный факторкогт Региональный факторМогш 0,7662

Модель 3 Доля собств. участия бенефициаровКогт 1КЯкогт Индустриальный факторкогт Региональный факторМогш 0,7630

Модель 4 Индустриальн ый факторкогт Региональный факторкогт 0,7581

Модель 5 Доля собств. участия бенефициаровКогт 1КЯкогт 08СЯ*КОГШ ЬЬСК*Когт Индустриальн ый факторкогт Региональный факторкогш 0,7565

Модель 6 Доля собств. участия бенефициаровКогт ШК^отш В8СЯ*МОГШ Индустриальн ый факторкогт 0,7403

Модель 7 ШК^отш ЬЬСЯ*Когт Индустриальный факторкогш Региональный факторкогш 0,7403

Модель 8 ШК^отш В8СЯ*могш ЬЬСЯ*Когт Индустриальн ый факторкогт Региональный факторкогш 0,7338

Модель 9 Доля собств. участия бенефициаровКогт ШК^отш ЬЬСЯ*Когт Индустриальн ый факторкопп Региональный факторкогш 0,7338

Модель 10 Доля собств. участия бенефициаровКогт ГКККогт Индустриальный факторкогш 0,7305

Модель 11 Доля собств. участия бенефициаровКогт ГКИкогт 08СЯ*когш ЬЬСК*когт Индустриальн ый факторкогш 0,7143

Модель 12 Доля собств. участия бенефициаровКогт ГКККогт ЬЬСК*Когш Индустриальн ый факторкогш 0,7110

Модель 13 1КЯкогт 08сЯ*когш ЬЬСК*Когш Индустриальн ый факторкогш 0,7110

Модель 14 ШК^отш ЬЬСЯ*Когт Индустриальный факторкогш 0,7045

Номер модели Риск-фактор 1 Риск-фактор 2 Риск-фактор 3 Риск-фактор 4 Риск-фактор 5 Риск-фактор 6 AR (Gini)

Модель 15 IRRNorm DSCR*Nonn Индустриальный факторкогт 0,6981

Модель 16 IRRNorm Индустриальн ый фактор^™ 0,6916

Модель 17 LLCR*Norm Индустриальн ый фактор^™ 0,6688

Модель 18 DSCR*Norm LLCR*Norm Индустриальный факторкогт 0,6623

Модель 19 LLCR*Norm Индустриальн ый фактор^™ Региональный факторкогт 0,6558

Модель 20 Доля собств. участия бенефициаров№т DSCR*Norm Индустриальный факторкогт Региональный фактор^™ 0,6412

Модель 21 Доля собств. участия бенефициаров№т Индустриальн ый фаKTOрNorm Региональный факторкогт 0,6380

Модель 22 Доля собств. участия бенефициаров№т LLCR*Norm Индустриальный факторкогт 0,6299

Модель 23 DSCR*Norm LLCR*Norm Индустриальный факторкогт Региональный фактор^пп 0,6299

Модель 24 Доля собств. участия бенефициаров№т DSCR*Norm Индустриальн ый факторNorm 0,6234

Модель 25 Доля собств. участия бенефициаров№т LLCR*Norm Индустриальный факторкогт Региональный фактор^™ 0,6234

Модель 26 Доля собств. участия бенефициаров№т DSCR*Norm КЪСК*№гт Индустриальн ый факторNorm Региональный факторNorm 0,6234

Модель 27 Индустриальный фактор^™ Региональный фактор^™ 0,6153

Модель 28 DSCR*Nonn Индустриальн ый фаKTOрNorm Региональный факторкогт 0,5877

Модель 29 Доля собств. участия бенефициаров№т IRRNorm Региональный фактор^™ 0,5844

Модель 30 Доля собств. участия бенефициаров№т DSCR*Norm Индустриальный факторкогт 0,5795

Номер модели Риск-фактор 1 Риск-фактор 2 Риск-фактор 3 Риск-фактор 4 Риск-фактор 5 Риск-фактор 6 AR (Gini)

Модель 31 Доля собств. участия бенефициаров№т IRRNoim DSCR*Norm LLCR*Norm Региональный факторNorm 0,5779

Модель 32 Доля собств. участия бенефициаров№т Индустриальн ый факторNorm 0,5714

Модель 33 IRRNonm LLCR*Norm Региональный фаKTOрNorm 0,5584

Модель 34 IRRNorm DSCR*Norm LLCR*Norm Региональный факторNorm 0,5584

Модель 35 Доля собств. участия бенефициаров№т IRRNorm DSCR*Norm Региональный факторNorm 0,5584

Модель 36 Доля собств. участия бенефициаров№т IRRNorm Региональный фаKTOрNorm 0,5552

Модель 37 Доля собств. участия бенефициаров№т IRRNorm DSCR*Norm LLCR*Norm 0,5519

Модель 38 Доля собств. участия бенефициаров№т IRRNoim LLCR*Norm 0,5455

Модель 39 IRRNoim LLCR*Norm 0,5390

Модель 40 IRRNoim DSCR*Norm LLCR*Norm 0,5390

Модель 41 DSCR*Nonn LLCR*Norm 0,5195

Модель 42 DSCR*Nonn Индустриальн ый фактор№пп 0,5130

Модель 43 IRRNoim DSCR*Norm Региональный факторNorm 0,4968

Модель 44 LLCR*Norm Региональный факторNorm 0,4805

Модель 45 IRRNoim Региональный фактор^™ 0,4773

Модель 46 DSCR*Norm LLCR*Norm Региональный фактор^™ 0,4740

Модель 47 Доля собств. участия бенефициаров№т LLCR*Norm Региональный факторNorm 0,4675

Модель 48 Доля собств. участия бенефициаров№т LLCR*Norm 0,4675

Номер модели Риск-фактор 1 Риск-фактор 2 Риск-фактор 3 Риск-фактор 4 Риск-фактор 5 Риск-фактор 6 AR (Gini)

Модель 49 Доля собств. участия бенефициаров№т DSCR*Norm LLCR*Norm Региональный фактор^™ 0,4643

Модель 50 Доля собств. участия бенефициаров№т DSCR*Norm LLCR*Norm 0,4610

Модель 51 Доля собств. участия бенефициаров№т IRRNorm 0,4253

Модель 52 Доля собств. участия бенефициаров№т IRRNorm DSCR*Norm 0,4221

Модель 53 DSCR*Norm Региональный фактор^™ 0,3669

Модель 54 Доля собств. участия бенефициаров№т DSCR*Norm Региональный фаKTOрNorm 0,3523

Модель 55 Доля собств. участия бенефициаров№т Региональный фаKTOPNorm 0,3474

Модель 56 IRRNorm DSCR*Norm 0,3312

Модель 57 Доля собств. участия бенефициаров№т DSCR*Norm 0,2110

Риск-факторы Доля собств. участия бенефициаровЫотт IRRNorm DSCR*Norm Индустриальный фактор^™ Региональный фактор^™ Свободный член

Значение регр. коэфф. 0,8501 -1,8706 0,2703 -1,2116 -0,6116 -3,9294

P-value 10,88% 4,58% 52,86% 0,30% 18,96% 0,01%

Std. error 0,5301 0,9366 0,4289 0,4087 0,4663 0,9965

Кол-во наблюдений 85

AR (Gini) 0,7662

LogL -17,3500

Pseudo-R2 0,3457

Корреляция с целевой переменной (Недефолт/Дефолт) 0,5577

Таблица Б.5 - Характеристики модели 2

Риск-факторы IRRNorm DSCR*Norm Индустриальный фактор^™ Региональный фактор^™ Свободный член

Значение регр. коэфф. -1,2908 0,1017 -1,0307 -0,4993 -3,2972

P-value 7,12% 80,82% 0,29% 26,01% 0,00%

Std. error 0,7155 0,4190 0,3464 0,4434 0,7160

Кол-во наблюдений 85

AR (Gini) 0,7662

LogL -18,7756

Pseudo-R2 0,2919

Корреляция с целевой переменной (Недефолт/Дефолт) 0,4715

Риск-факторы Доля собств. участия бенефициаровЫотш IRRNorm Индустриальный фактор^пп Региональный факторШт Свободный член

Значение регр. коэфф. 0,7759 -1,7885 -1,1577 -0,5485 -3,8430

P-value 12,85% 4,79% 0,33% 22,09% 0,01%

Std. error 0,5104 0,9043 0,3943 0,4481 0,9570

Кол-во наблюдений 85

AR (Gini) 0,7630

LogL -17,5386

Pseudo-R2 0,3386

Корреляция с целевой переменной (Недефолт/Дефолт) 0,5518

Таблица Б.7 - Корреляционная матрица (макроэкономические и микроэкономические факторы риска)

Риск-фактор ИПП (норм) ИОК (норм) ИПЭД (норм) ОСП (норм) ОРСТРОИТ (норм) ИПЦ (норм) КРЕДНЕФ СЕК (норм) ИДН (норм) ОБРОЗНТОРГ (норм) Доля собств. уч. бен.(норм) ЖЛ(норм) Индустриальный фактор (норм) Региональный фактор (норм)

ИПП (норм) 1 0,9090 0,9812 0,4805 0,7879 0,5964 0,7166 0,6644 0,7374 -0,0413 0,1295 0,0283 0,1654

ИОК (норм) 0,9090 1 0,9684 0,5658 0,9469 0,6001 0,7373 0,7153 0,7860 -0,0419 0,0870 0,1345 0,1709

ИПЭД (норм) 0,9812 0,9684 1 0,5682 0,8751 0,6295 0,7616 0,7046 0,7899 -0,0501 0,1113 0,0650 0,1587

ОСП (норм) 0,4805 0,5658 0,5682 1 0,6261 0,7364 0,8083 0,6258 0,7627 -0,1334 0,0577 0,0896 -0,0787

ОРСТРОИТ (норм) 0,7879 0,9469 0,8751 0,6261 1 0,6817 0,7800 0,7845 0,8430 -0,0540 0,0594 0,2342 0,1539

ИПЦ (норм) 0,5964 0,6001 0,6295 0,7364 0,6817 1 0,9761 0,9537 0,9647 -0,1700 0,0100 0,1176 0,0139

КРЕДНЕФСЕК (норм) 0,7166 0,7373 0,7616 0,8083 0,7800 0,9761 1 0,9464 0,9905 -0,1573 0,0354 0,1085 0,0323

ИДН (норм) 0,6644 0,7153 0,7046 0,6258 0,7845 0,9537 0,9464 1 0,9639 -0,1400 0,0204 0,1823 0,0851

ОБРОЗНТОРГ (норм) 0,7374 0,7860 0,7899 0,7627 0,8430 0,9647 0,9905 0,9639 1 -0,1451 0,0300 0,1429 0,0628

Доля собств. уч. бен.(норм) -0,0413 -0,0419 -0,0501 -0,1334 -0,0540 -0,1700 -0,1573 -0,1400 -0,1451 1 -0,1108 -0,0736 0,0005

тЪ(норм) 0,1295 0,0870 0,1113 0,0577 0,0594 0,0100 0,0354 0,0204 0,0300 -0,1108 1 0,0529 0,0360

Индустриальный фактор (норм) 0,0283 0,1345 0,0650 0,0896 0,2342 0,1176 0,1085 0,1823 0,1429 -0,0736 0,0529 1 0,1554

Региональный фактор (норм) 0,1654 0,1709 0,1587 -0,0787 0,1539 0,0139 0,0323 0,0851 0,0628 0,0005 0,0360 0,1554 1

Таблица Б.8 - Характеристики моделей с макроэкономическими факторами риска

Модель Показатель 1 Показатель 2 Показатель 3 Показатель 4 Показатель 5 AR (Gini) Pseudo-R2

Модель 1 Доля собств. уч. бен.(норм) ^(норм) Индустриальный фактор (норм) Региональный фактор (норм) ИПП (норм) 0,7597 0,4022

Модель 2 Доля собств. уч. бен.(норм) ^(норм) Индустриальный фактор (норм) Региональный фактор (норм) ИОК (норм) 0,7825 0,4584

Модель 3 Доля собств. уч. бен.(норм) ^(норм) Индустриальный фактор (норм) Региональный фактор (норм) ИПЭД (норм) 0,7825 0,4362

Модель 4 Доля собств. уч. бен.(норм) ^(норм) Индустриальный фактор (норм) Региональный фактор (норм) ОСП (норм) 0,9351 0,6199

Модель 5 Доля собств. уч. бен.(норм) ^(норм) Индустриальный фактор (норм) Региональный фактор (норм) ОРСТРОИТ (норм) 0,8409 0,5186

Модель 6 Доля собств. уч. бен.(норм) ^(норм) Индустриальный фактор (норм) Региональный фактор (норм) ИПЦ (норм) 0,9773 0,7044

Модель 7 Доля собств. уч. бен.(норм) ^(норм) Индустриальный фактор (норм) Региональный фактор (норм) КРЕДНЕФСЕК (норм) 0,9675 0,6703

Модель 8 Доля собств. уч. бен.(норм) ^(норм) Индустриальный фактор (норм) Региональный фактор (норм) ИДН (норм) 0,9383 0,6119

Модель 9 Доля собств. уч. бен.(норм) ^(норм) Индустриальный фактор (норм) Региональный фактор (норм) ОБРОЗНТОРГ (норм) 0,9643 0,6458

Таблица Б.8 - Характеристики моделей с макроэкономическими факторами риска (продолжение)

Модель Вес 12У Вес 2 Вес 3 Вес 4 Вес 5

Модель 1 12% 42% 24% 5% 16%

Модель 2 11% 42% 21% 6% 20%

Модель 3 11% 42% 23% 5% 19%

Модель 4 2% 30% 15% 8% 44%

Модель 5 12% 39% 18% 7% 24%

Модель 6 6% 31% 14% 12% 37%

Модель 7 7% 31% 14% 11% 38%

Модель 8 10% 34% 16% 11% 30%

Модель 9 8% 33% 15% 10% 34%

29 Имеется в виду вес «Показателя 1». В отношении других весов, регр. коэффициентов и р-уа1иеБ по аналогии.

Таблица Б.8 - Характеристики моделей с макроэкономическими факторами риска (продолжение)

Модель Свободный член Регр. коэф. 1 Регр. коэф. 2 Регр. коэф. 3 Регр. коэф. 4 Регр. коэф. 5

Модель 1 -4,3112 0,6161 -2,1650 -1,2585 -0,2764 -0,8470

Модель 2 -4,4063 0,5947 -2,2309 -1,1030 -0,3169 -1,0597

Модель 3 -4,4667 0,5735 -2,2772 -1,2287 -0,2642 -1,0499

Модель 4 -7,0404 0,2078 -2,6714 -1,3925 -0,7652 -3,9818

Модель 5 -4,4442 0,6683 -2,1043 -0,9453 -0,3880 -1,2846

Модель 6 -7,5043 0,6247 -3,0145 -1,3872 -1,1914 -3,6140

Модель 7 -6,3247 0,5665 -2,5089 -1,1333 -0,8921 -3,1234

Модель 8 -4,9708 0,6471 -2,1589 -0,9883 -0,6649 -1,8705

Модель 9 -5,5555 0,5624 -2,3178 -1,0502 -0,7189 -2,4430

Таблица Б.8 - Характеристики моделей с макроэкономическими факторами риска (продолжение)

Модель P value Свободный член p-value 1 p-value 2 p-value 3 p-value 4 p-value 5

Модель 1 0,03% 22,27% 6,67% 0,33% 57,51% 8,43%

Модель 2 0,02% 25,69% 6,92% 1,25% 53,68% 2,64%

Модель 3 0,03% 26,40% 6,78% 0,54% 60,00% 4,22%

Модель 4 0,59% 76,43% 8,10% 3,82% 22,56% 7,48%

Модель 5 0,02% 24,21% 7,22% 4,74% 48,38% 1,04%

Модель 6 1,34% 54,23% 10,05% 14,45% 25,53% 4,95%

Модель 7 0,32% 51,29% 8,12% 15,93% 29,74% 3,12%

Модель 8 0,04% 36,45% 6,90% 11,28% 34,41% 1,03%

Модель 9 0,09% 46,64% 7,41% 14,24% 34,07% 1,88%

1 0,9

Л 0,7 U

О 0r6

I0-5

Q. 0,4 CCi 0,3

0,2 0,1

0

-PD (срок жизни проекта) * П ризнак дефолта

Рисунок Б.1 Аппроксимация признака дефолта инвестиционного проекта с использованием выбранной модели бинарного выбора

Параметр Score на рисунке Б.1 представляет собой скоринговый балл по инвестиционному проекту и определяется согласно выбранной модели бинарного выбора как линейная комбинация нормализованных факторов риска, вошедших в модель, взвешенных с полученными значениями регрессионных коэффициентов:

Score = -0,7759хДоля собств участ бен.Norm +1,7885хIRR-Norm +1,1577хИнд. фактор^огт + 0,5485хРег. фактор^огт .

1

1

V

\

\

Vv

\

ГЧ >f О О Ш LJ-|LJ-|'-OmLJ-|'-Or-H.'-Or-w. О-тГг^-ОлО'тГ^Чп^-

L"j Г~1_ СП Ln CTl Г"-: >t l"N тН DO Ln D тН rn г--: D ГЧ ГП CTl -C [0 >i

LTl" rn' CN' cvp tH TH TH TH TH C> С С тН TH cvT evT rr" Tt ID ■ ■■■■ ■■■■■■■

Score

Таблица В.1

Номер модели Риск-фактор 1 Риск-фактор 2 Риск-фактор 3 Риск-фактор 4 Риск-фактор 5 AR (Somers'D)

Модель 1 Доля собств. участия бенефициаров^^ IRRNorm DSCR*Norm Индустриальн ый фактор^™ Региональный фактор^™ 0,7989

Модель 2 Доля собств. участия бенефициаров^^ IRRNorm Индустриальный фактор^™ Региональный факторNoпm 0,7982

Модель 3 IRRNorm DSCR*Norm Индустриальный фаKTOрNoпm Региональный факторNoпm 0,7355

Модель 4 Доля собств. участия бенефициаров^^ DSCR*Norm Индустриальный фаKTOрNoпm Региональный фактор^™ 0,7260

Модель 5 IRRNorm Индустриальны й фактор^™ Региональный фактор^™ 0,7223

Модель 6 Доля собств. участия бенефициаров^^ IRRNorm DSCR*Norm Индустриальн ый факторNoпm 0,7142

Модель 7 Доля собств. участия бенефициаров^^ IRRNorm Индустриальный фаKTOрNoпm 0,7127

Модель 8 Доля собств. участия бенефициаров^^ Индустриальны й фактор^пп Региональный факторшгш 0,7031

Модель 9 IRRNorm DSCR*Norm Индустриальный фаKTOрNoпm 0,6810

Модель 10 IRRNorm Индустриальны й фаKTOрNoпm 0,6737

Модель 11 Доля собств. участия бенефициаров^^ IRRNorm DSCR*Norm Региональный фактор^гш 0,6578

Модель 12 Доля собств. участия бенефициаров^^ IRRNonm Региональный фактор^™ 0,6438

Модель 13 DSCRNorm Индустриальны й факторNoпm Региональный факторNoпm 0,6007

Модель 14 Доля собств. участия бенефициаров^^ DSCR*Norm Индустриальный фактор^™ 0,5834

ПРИЛОЖЕНИЕ В. Дополнительная информация по моделям множественного выбора

- Перечень разработанных моделей (по убыванию дискриминационной способности)

Номер модели Риск-фактор 1 Риск-фактор 2 Риск-фактор 3 Риск-фактор 4 Риск-фактор 5 AR (Somers'D)

Модель 15 IRRNorm DSCR*Norm Региональный фаKTOрNoпm 0,5820

Модель 16 Доля собств. участия бенефициаров^^ Индустриальны й фактор^т 0,5580

Модель 17 Доля собств. участия бенефициаров^^ DSCR*Norm Региональный фаKTOPNoпm 0,5540

Модель 18 IRRNorm Региональный фаKTOрNoпm 0,5492

Модель 19 Доля собств. участия бенефициаров^^ Региональный фаKTOрNoпm 0,5322

Модель 20 Доля собств. участия бенефициаров^^ IRRNorm 0,5157

Модель 21 Доля собств. участия бенефициаров^^ IRRNorm DSCR*Norm 0,5134

Модель 22 Индустриальный фактор^™ Региональный фактор^™ 0,5064

Модель 23 IRRNorm DSCR*Norm 0,4589

Модель 24 DSCR*Norm Региональный фаKTOрNoпm 0,4438

Модель 25 DSCR*Norm Индустриальны й фактор^т 0,4357

Модель 26 Доля собств. участия бенефициаров^^ DSCR*Norm 0,3963

Риск-факторы Доля собств. участия бенефициаровNoгm IRRNorm DSCR*Norm Индустриальный фактор^™ Региональный фактор^™ Interceptj Intercept2 Intercept3 Intercept4

Значение регр. коэфф. 1,3173 -1,5226 -0,1599 -1,5856 -1,2154 -4,7828 -1,1963 2,0459 3,8960

P-value 0,00% 0,00% 49,28% 0,00% 0,00% 0,00% 0,09% 0,00% 0,00%

Std. error 0,2774 0,2994 0,2331 0,3142 0,2651 0,7026 0,3606 0,4055 0,5820

Кол-во наблюдений 85

AR (Somers'D) 0,7989

LogL -75,3470

Pseudo-R2 0,4052

Таблица В.3 - Характеристики модели 2