Модели для оценки и управления рисками дефолтов крупных компаний в кредитном портфеле коммерческого банка тема диссертации и автореферата по ВАК РФ 08.00.13, кандидат экономических наук Гусятников, Павел Викторович

• Гусятников, Павел Викторович
• кандидат экономических наук
• 2013

Оглавление диссертации кандидат экономических наук Гусятников, Павел Викторович

Содержание

Введение

Глава 1. Теоретические аспекты управления рисками в кредитных портфелях

1.1 Сущность и методы управления рисками в кредитном портфеле

1.2 Компоненты кредитного риска и модели для их описания

1.3 Скоринговые модели кредитного риска

1.4 Подходы к моделированию ставки восстановления (КК) в кредитном портфеле

Глава 2. Модели для оценки вероятности дефолта крупных компаний в кредитном портфеле коммерческого банка

2.1 Классический структурный подход

2.2 Моделирование пост-дефолтного процесса

2.3 Моделирование множественных дефолтов

2.4 Сокращенный подход

2.5 Смешанный подход

2.6 Моделирование экстремально редких дефолтов

Глава 3. Моделирование ставки восстановления

3.1 Факторы, влияющие на уровень возврата (Ш

3.2 Функция распределения

3.3 Оптимизация модели функции распределения с помощью ЕМ алгоритма

3.4 Предложения по максимизации ставки восстановления

Заключение

Список литературы

Введение диссертации (часть автореферата) на тему «Модели для оценки и управления рисками дефолтов крупных компаний в кредитном портфеле коммерческого банка»

Введение

Актуальность темы исследования. Анализ и оценка рисков является одним из определяющих моментов в принятии экономических решений. Особое значение управление рисками имеет в деятельности кредитных организаций.

На современном этапе актуальной задачей банковской системы риск-менеджмента является внедрение в практику основных рекомендаций Базельского комитета по банковскому надзору («Базель-П» и «Базель-Ш»), направленных на стабилизацию финансовой системы и снижение банковских рисков. Для российских банков, которые в меньшей степени, по сравнению с зарубежными банками подвержены рыночным рискам, наиболее актуальным является управление кредитными рисками. Несмотря на то, что предложенная Базельским комитетом концепция оценки кредитных рисков позволяет избавиться от большого количества недостатков существующей системы риск-менеджмента, не все рекомендации Базеля можно сразу использовать в практической работе российских банков. Многие положения, касающиеся совершенствования методик оценки рисков, требуют теоретической проработки и адаптации к российским условиям. В частности, одной из важных рекомендаций является внедрение принципа управления кредитным риском на основе внутренних кредитных рейтингов заемщиков, который, как показывает международный опыт, позволяет достаточно точно оценить кредитный риск и необходимую величину капитала для его покрытия. Согласно рекомендуемому подходу, основными параметрами при оценке кредитного риска конкретного заемщика должны быть следующие показатели: вероятность наступления дефолта (probability of default — PD); ожидаемая величина требований в момент дефолта (exposure at default — EAD); уровень потерь при наступлении дефолта (loss given default — LGD); эффективный срок до погашения (effective maturity — M).

Следует отметить, что если величины ЕАЭ и М определяются в большей степени условиями кредитного договора и их оценка сложности не представляет, то для определения вероятности дефолта предприятия заемщика и уровня возможных потерь при наступлении дефолта требуется построение математической модели и разработка внутренней методики количественной оценки, основанной на локальном опыте и особенностях функционирования кредитной организации. Указанное обстоятельство делает некорректным использование методик, разработанных для применения за рубежом и основанных на опыте западных кредитных организаций, в деятельности банков на российском рынке в силу его правовых и экономических особенностей.

Особое значение имеет построение моделей для оценки уровней возврата и вероятности дефолтов крупных компаний, так как именно такие компании определяют макроэкономические тенденции экономики и ее состояние, вызывая не только цепочки дефолтов в смежных компаниях, но и влияя на всю экономическую ситуацию.

Следует также отметить, что введение в структуру оценки кредитного риска показателя, характеризующего уровень потерь при наступлении дефолта, методологически изменяет сущность указанного события. Если ранее дефолт концептуально рассматривался как некий финал взаимоотношений банка с заемщиком, близкий к понятию банкротства, то данная характеристика не только позволяет взглянуть на дефолт как на событие, ведущее к уменьшению поступлений банка по кредитной сделке, но и оценивать, и контролировать ход мероприятий по возврату проблемной задолженности.

Острая необходимость в адаптации методик оценки кредитного риска к реалиям российского рынка, формировании большого спектра стандартных методов по увеличению суммы возврата по проблемной задолженности делают тему оценки и управления рисками дефолтов крупных компаний в

кредитном портфеле банка актуальной и значимой.

4

Степень разработанности проблемы. Проблема управления рисками стала предметом научного исследования более ста лет назад. Теоретическая база для решения данной проблемы заложена в работах таких зарубежных исследователей, как Ф. Блэк, Т. Бочкаи, А. Винакор, Г. Марковиц, О. Моргенштерн, Ф. Найт, Дж. Нейман, П. Самуэльсон, Р. Смит, JI. Дж. Сэвидж, А. Фридмен, П. Фитцпатрик, М. Шоулз, и др.

Значительный вклад в построение моделей для оценки рисков банкротств и дефолтов в конце прошлого века внесли зарубежные исследователи Э. Альтман, Дж. Аргенти, Дж. Кокс, Р. Мертон, Д. Олсон, Г. Спрингейт, Р. Таффлер, Д. Фулмер и др.

Большой вклад в разработку вопросов, связанных с содержанием рисков банковского кредитования и организацией управления рисками в коммерческом банке, внес ряд видных отечественных ученых: А.П. Альгин, В.Н. Афанасьев, М.И. Баканов, А.Т. Гиляровская, Л.П. Гончаренко, В.В. Давние, О.П. Зайцева, Г.Г. Кадыков, В.В. Ковалев, A.B. Колышкин, В.Ю. Королев, Б.А. Лагоша, С.Н. Паневин, Г.В. Савицкая, Ю.Ю. Русанов, P.C. Сайфулин, В.И. Тинякова, А.Д. Шеремет и др.

Череда кризисов, а также рекомендации Базеля стимулировали в 2000-е годы разработку нового поколения моделей как для оценки рисков дефолтов, так и для прогнозирования уровня потерь при дефолтах. Известность получили работы Э. Альтмана, Д. Галаи, К. Гесеке, Г. Гуптона, Д. Дуффи, Ф. Морауха, Р. Стейна, Д. Фрая, Ф. Ю и др.

Не смотря на значительное число работ видных российских и зарубежных ученых по теме диссертации, необходимо отметить, что если для расчета вероятности наступления банкротства разработано достаточно большое количество моделей, адаптированных к российским условиям, то вопрос о вероятности дефолтов российских предприятий исследован в гораздо меньшей степени. Особенно это относится к дефолтам крупных компаний с чрезвычайно малой оценочной вероятностью дефолта, которую

далеко не всегда можно спрогнозировать на основе существующих методик.

5

Это своего рода экстремально редкие события («Черные лебеди» в терминологии одноименной и популярной в последние годы книги H.H. Талеба), оценка вероятности которых имеет ряд особенностей. Говоря о моделях для оценки уровня потерь при наступлении дефолта, применимых к российским предприятиям-заемщикам, можно констатировать, что исследования по их разработке практически отсутствуют. Указанные обстоятельства и определили цель диссертационного исследования.

Цель и задачи диссертационной работы. Целью исследования является построение моделей для анализа, оценки и управления кредитными рисками, обусловленными дефолтами крупных компаний, в кредитном портфеле коммерческого банка с учетом уровня возможных потерь.

Для достижения намеченной цели в работе потребовалось поставить и решить следующие задачи:

уточнить понятие дефолта как процесса во времени со своим специфичным механизмом взаимодействия кредитора и должника, разграничив его с понятием банкротства;

на основе анализа моделей, используемых для прогнозирования дефолтов предприятий-заемщиков, предложить методику оценки вероятности дефолтов крупных компаний, базирующуюся на моделировании неоднородных потоков экстремальных событий;

построить классификацию компаний-заемщиков, позволяющую учесть различия в механизмах взаимодействия кредитора и должника;

разработать модель для оценки уровня возможных потерь при дефолтах крупных российских компаний, основанную на построенной классификации;

предложить механизм урегулирования проблемных долгов при управлении риском дефолтов крупных компаний кредитного портфеля, позволяющий повысить уровень возврата.

Объектом исследования являются системы оценки и управления кредитными рисками в коммерческом банке.

Предметом исследования выступают процессы оценки и управления кредитными рисками, а также модели и методы количественной оценки рисков дефолта корпоративных заемщиков и уровня потерь при наступлении дефолта.

Область исследования. Содержание диссертации соответствует п. 1.6 «Математический анализ и моделирование процессов в финансовом секторе экономики, развитие метода финансовой математики и актуарных расчетов» специальности 08.00.13 Математические и инструментальные методы экономики Паспорта специальностей ВАК РФ.

Теоретическую и методологическую базу исследования составили работы российских и зарубежных авторов в области теории и практики банковского кредитования. Кроме того, использовались законодательные и нормативные акты, регламентирующие кредитную деятельность коммерческих банков в России, а также методические рекомендации международных наблюдательных органов в сфере банковской деятельности.

Информационную базу исследования составили данные состояния кредитного портфеля крупного коммерческого Российского банка, котировки зарубежных композитных индексов, а также данные статистики по вопросам банковской деятельности и аналитические материалы, публикуемые в периодической печати.

Основные положения диссертации, выносимые на защиту.

1. Для построения моделей количественной оценки уровня потерь при дефолтах необходимо разграничить понятия дефолт и банкротство, рассматривая дефолт как протяженный во времени процесс, структура которого, зависящая от объективных и субъективных факторов, определяет уровень возможных потерь при дефолте.

2. При построении методик оценки вероятности дефолта крупных компаний с высокими значениями кредитных рейтингов, для устранения эффекта недооценки рисков экстремально редких событий необходимо

учитывать неоднородный характер процесса возникновения указанных дефолтов как по времени, так и по масштабам последствий.

3. Распределение компаний-заемщиков, допустивших дефолт, по значениям уровня возврата задолженности имеет бимодальную структуру. Предложенная в работе классификация компаний-заемщиков, включающая группы: «банкротство», «реструктуризация», «списание», «принудительное взыскание» - позволяет описать указанную комплексную структуру с помощью композиции стандартных нормальных законов.

4. Из множества факторов, влияющих на механизм взаимодействия кредитора и должника в модели оценки уровня ожидаемых потерь при дефолте, наиболее значимым является стремление клиента к урегулированию. Данный фактор является определяющим при выборе стратегии поведения банка в отношении заемщика.

5. Замещение части процентной ставки по кредиту опционом на обратный выкуп долей в собственности заемщика, позволяет достигнуть приемлемых значений показателя «риск/доходность» для компаний, осуществивших успешное восстановление после дефолта.

Научная новизна исследования:

уточнено понятие дефолта, отличающееся от известных определений тем, что дефолт рассматривается не как одномоментное событие, а как процесс во времени, структура и параметры которого зависят от механизма взаимодействия кредитора и должника, а также ряда объективных (степень обеспеченности кредита, финансовое состояние должника, отраслевая принадлежность, макроэкономические факторы) и субъективных («Добрая воля» должника на урегулирование, взаимоотношения с прочими кредиторами) факторов, оказывающих существенное влияние на уровень потерь;

предложен метод оценки вероятности дефолта крупных компаний с

высокими значениями кредитных рейтингов, базирующийся в отличие от

известных подходов, на моделировании изменения стоимости активов

8

указанных компаний дважды стохастическим пуассоновским случайным процессом и использовании модели дефолта, как скачка стоимости активов, превышающего некоторое пороговое значение, позволяющий уменьшить эффект недооценки рисков экстремально редких событий;

построена классификация проблемных компаний, входящих в кредитный портфель банка, отличительной особенностью которой является введение классификационного признака «планируемая банком стратегия урегулирования», включающая следующие группы: «банкротство», «реструктуризация», «списание», «принудительное взыскание», математическое обоснование которой проведено методом максимизации функции правдоподобия с использованием итерационных процедур ЕМ-алгоритма;

разработана модель для оценки уровня ожидаемых потерь при дефолте,

отличием которой является включение в ее состав механизма взаимодействия

кредитора и должника, определяющего разбиение исходной выборки

компаний-заемщиков на группы в соответствии с построенной

классификацией, а также представление агрегированной функции

распределения оцениваемого показателя в виде композиции нескольких

нормальных распределений, позволяющее оценить параметры функций

распределения для каждой из групп;

предложен механизм урегулирования проблемной задолженности,

отличающийся применением опционной стратегии, включающей замещение

части процентной ставки по кредиту опционом на обратный выкуп долей в

собственности заемщика, позволяющий увеличить показатели возврата

проблемного актива.

Теоретическая значимость исследования состоит в том, что

предложенные в диссертации подходы к оценке вероятности дефолтов

крупных компаний, основанные на дважды стохастическом пуассоновском

случайном процессе, и разработанные модели для прогнозирования уровня

возврата при наступлении дефолтов, учитывающие мультимодальный

9

характер функции распределения потерь при дефолтах, вносят определенный вклад в теорию моделирования кредитных рисков.

Практическая значимость иследования заключается в том, что его результаты, положения и рекомедации могут использоваться российскими коммерческими банками в системах управления кредитным риском для увеличения уровня возврата проблемных кредитов.

Апробация и внедрение результатов исследования. Основные результаты диссертационной работы докладывались и обсуждались на научно-практических конференциях и семинарах различного уровня, в том числе: X Международная конференция «Информатика: проблемы, методологии, технологии» (г. Воронеж, ВГУ, 2010), Международная научно-практическая конференция «Экономика и общество в условиях глобализации: вызовы XXI века» (г. Саратов, СГСЭУ, 2011), международная научно-практическая конференция «Модернизация экономики России в контексте глобализации» (г. Саратов, СГСЭУ, 2012), конференция «Модернизация экономики и общества: новое качество посткризисного развития» (г. Саратов, СГСЭУ, 2010), Международная научно-практическая конференция «Подготовка кадров для инновационной экономики» (г. Саратов, ПАГС, 2011), Международная научно-практическая конференция «Математическое моделирование в управлении рисками» (г. Саратов, СГУ, 2012).

Основные результаты диссертационного исследования используются в деятельности коммерческого банка ОАО «Сбербанк России» в процессе принятия решения о выдаче кредита, а также при выработке стратегии реструктуризации проблемных кредитов. Разработанные методы и модели нашли применение в учебном процессе Саратовского государственного социально-экономического университета, направление подготовки «Экономика» (дисциплина «Теория рисков и рисковых ситуаций»).

Публикации. Основные результаты диссертационного исследования

изложены в 10 научных работах, в том числе: 4 публикации в изданиях,

10

входящих в систему научного цитирования РИНЦ, из которых 3 публикации - в научных изданиях, рекомендованных ВАК РФ для публикации основных результатов диссертационных исследований, общим объёмом в 3,4 печатных листа.

Структура и объем работы. Диссертационная работа состоит из введения, трёх глав, заключения, списка литературы и приложения. Текст диссертации изложен на 134 страницах, включает 15 таблиц, 16 рисунков. Список использованной литературы содержит 107 источников.

Заключение диссертации по теме «Математические и инструментальные методы экономики», Гусятников, Павел Викторович

Основные результаты диссертационного исследования используются в деятельности коммерческого банка ОАО «Сбербанк России» в процессе выработки стратегии реструктуризации проблемных кредитов. Разработанные методы и модели нашли также применение в учебном процессе Саратовского государственного социально-экономического университета.

Заключение

В результате выполнения работы проведен анализ современных проблем, стоящих перед банками и связанных с задачами управления кредитными рисками. Выявлено, что на современном этапе актуальной является задача управления рисками дефолтов крупных компаний, входящих в кредитный портфель коммерческого банка.

В работе построена модель для анализа, оценки и управления рисками дефолтов крупных компаний. Показано, что рассматриваемый кредитный риск определяется двумя величинами, имеющими вероятностный характер распределения: вероятностью дефолта заемщика и уровнем возможных потерь в случае дефолта.

Для оценки рисков дефолтов крупных компаний, обладающих высокими кредитными рейтингами, в работе предложено использовать неоднородную модель потоков экстремальных событий, основанную на рассмотрении дважды стохастического процесса Кокса. Разработана методика, реализующая данный подход и включающая выбор критериев, определяющих само экстремальное событие. Показано, что применение разработанной методики позволяет уменьшить эффект недооценки рисков экстремально редких событий

В работе проведено также исследование второй важной составляющей кредитного риска - уровня возможных потерь банка при возникновении дефолта. Анализ существующих моделей для оценки уровня возможных потерь, показал, что они построены на предположениях, не выполняющихся в реальных российских условиях.

Показано, что для разработки количественных моделей оценки уровня возможных потерь при дефолте необходимо рассматривать дефолт не как событие, а как процесс со сложным механизмом взаимодействия кредитора и должника, на который оказывают влияние как объективные (макроэкономическая ситуация, обеспеченность кредита, характер залога, финансово-экономическое состояние должника), так и субъективные («добрая воля» к урегулированию долга, взаимоотношения с другими кредиторами) факторы.

Выявлена бимодальная структура распределения компаний, допустивших дефолт, по уровням возврата. В работе предложена и обоснована классификация проблемных компаний входящих в кредитный портфель в зависимости от планируемой банком стратегии урегулирования, включающая следующие группы: «банкротство», «реструктуризация», «списание», «принудительное взыскание». Показано, что группировка компаний в соответствии с предложенной классификацией позволяет избавиться от бимодального распределения уровней возврата и описать распределение уровней возврата в каждой группе нормальным законом распределения. Такая группировка позволяет строить количественные модели оценки уровня возврата, исходя из оценок математического ожидания и дисперсии нормальных распределений для каждой группы.

Разработана методика оптимизации параметров модели оценки уровня возможных потерь при дефолте, основанная на методе максимизации функции правдоподобия с использованием итерационных процедур ЕМ-алгоритма. Показано, что оптимальным является разбиение исходной выборки на 4 кластера, разделенных по интегральному критерию, учитывающему максимально возможное количество факторов влияющих на уровень возврата задолженности.

В работе установлено для российской банковской системы, что из множества факторов, влияющих на уровень возврата задолженности, наиболее значимым, является стремление клиента к урегулированию. Данный фактор является определяющим при выборе стратегии поведения банка в отношении заемщика.

Предложен механизм урегулирования проблемной задолженности, основанный на применении опционной стратегии, включающей замещение части процентной ставки опционом на обратный выкуп долей в

123 собственности заемщика, позволяющий увеличить показатели возврата проблемного актива. При этом показано, что замещение части процентной ставки опционом на обратный выкуп долей в собственности заемщика, позволяет достигнуть приемлемых значений показателя «риск/доходность» для компаний, осуществивших успешное восстановление после дефолта.

Список литературы диссертационного исследования кандидат экономических наук Гусятников, Павел Викторович, 2013 год

Список литературы

1. Альгин А.П. Риск и его роль в общественной жизни. М.: Мысль, 1989. 187 с.

2. Антонова E.H. Обзор моделей оценки ставки восстановления по корпоративным облигациям // Журнал "Корпоративные финансы". 2011. №1. С. 103-122.

3. Афанасьев В.Н. Статистические методы в управлении кредитным риском. Оренбург: ООО ИПК «Университет», 2011. 169 с.

4. Афанасьев В.Н., Юзбашев М.М. Анализ временных рядов и прогнозирование: учебник. М.: Финансы и статистика, 2001. 228с.

5. Базельский комитет по банковскому надзору. Международная конвергенция измерения капитала и стандартов капитала: Уточненные рамочные подходы / Перевод ЦБ РФ «Базель II». Базель,. Швейцария: Банк международных расчетов, 2004. URL: http://www.cbr.ru/today/ms/bn/Basel.pdf (дата обращения 20.08.2012). : б.н.

6. Баканов М.И., Шеремет А.Д. Теория экономического анализа. М.: Финансы и статистика, 1979. 416 с.

7. Батракова Л.Г. Экономический анализ деятельности коммерческого банка. М.: Логос, 1998. 343 с.

8. Беляев М.К. Специфические риски потребительского кредитования // Банковское дело. 2006. №5. С. 54-56.

9. Бешелев С.Д., Гурвич Ф.Г. Математико-статистические методы экспертных оценок. М.: Статистика, 1980. 264 с.

10. Бобонец К.Ю. Аналитические методы оценки экономических рисков. СПб.: Специальная литература, 1998.

11. Боди 3., Мертон Р. Финансы / Пер. с англ. М.: Издательский дом «Вильяме», 2000.

12. Боровкова В.А. Управление рисками в торговле. СПб.: Питер, 2004.

13. Бочкаи Т., Месен Д., Мико Д. Хозяйственный риск и методы его измерения. М.: Экономика, 1990. 218с.

14. Васина Н.В. Моделирование финансового состояния сельскохозяйственных организаций. Омск: Изд-во НОУ ВПО ОмГА, 2012. 252 с.

15. Гарнатуров В.М. Экономический риск: Сущность, методы измерения пути снижения. М.: Дело и сервис, 1999. 160 с.

16. Гиляровская А.Т., Паневина С.Н. Комплексный анализ финансово-экономических результатов деятельности банка и его филиалов. СПБ.: Питер, 2003. 240 с.

17. Гиляровская Л.Т., Лысенко Д.В., Ендовицкий Д.А. Комплексный экономический анализ хозяйственной деятельности : учебник. М. : Велби, 2008. 360 с.

18. Гончаренко Л. П., Филин С. А. Риск-менеджмент. М.: КноРус, 2010. 216 с.

19. Горшенин А.К., Королёв В.Ю., Турсунбаев А.М. Медианные модификации ЕМ- и 8ЕМ-алгоритмов для разделения смесей вероятностных распределений и их применение к декомпозиции волатильности финансовых временных рядов. //Информатика и ее применения. 2008. Т.2, №4. С. 12—47.

20. Гусятников П.В. Модели для оценки уровня возможных потерь при дефолтах в кредитном портфеле // Современная экономика: проблемы и решения. 2011. №9(21). С. 119-124.

21. Гусятников П.В. Модели управления проблемными активами в посткризисный период // Модернизация экономики России в контексте глобализации. Материалы международной научно-практической конференции (январь 2012г.). Саратов: Изд-во «КУБиК», 2012. С. 268-270.

22. Гусятников П.В. Неоднородная модель прогнозирования кризисных ситуаций на финансовых рынках // Труды X Международной конференции «Информатика: проблемы, методология, технологии». Воронеж: Изд-во ВГУ, 2010. С.21-23.

23. Гусятников П.В. Оптимизация модели для оценки уровня возможных потерь при дефолте // Вестник СГСЭУ. 2012. №3. С.118-120.

24. Гусятников П.В. Особенности анализа рисков кредитного портфеля в посткризисный период развития экономики // Модернизация экономики и общества: новое качество посткризисного развития. Сборник научных трудов по итогам научно-исследовательской работы Саратовского государственного социально-экономического университета в 2010 году. Саратов: Издательство СГСЭУ, 2011. С. 121.

25. Гусятников П.В. Особенности управления кредитным риском экстремально редких событий // Наука и общество. 2011. № 1. С. 10-13.

26. Гусятников П.В. Оценка опционных стратегий повышения доходности портфеля проблемных активов // Экономика и общество в условиях глобализации: вызовы 21 века. Материалы международной научно-практической конференции (27-28 сентября 2011). Саратов: Издательство СГСЭУ, 2011. С. 119-121. : б.н.

27. Гусятников П.В. Применение структурного подхода для оценки распределения уровней потерь при дефолтах в кредитном портфеле // Подготовка кадров для инновационной экономики. Материалы международной научно-практической конференции (05 апреля 2011г.). Саратов: Издательство ПАГС, 2011. С. 65-67. : б.н.

28. Гусятников П.В. Проблемы информационной безопасности кредитного процесса в российской банковской системе // Информационная безопасность регионов. 2012. №1. С. 27-29.

29. Гусятников П.В. Прогнозирование кризисных ситуаций на рынке акций с использованием неоднородной модели // Актуальные задачи управления социально-экономическими и техническими системами. Саратов: Издательство «Научная книга», 2010. С.47-49.

30. Гусятников П.В. Расчет ожидаемых потерь при оценке кредитного риска // Математическое моделирование в управлении рисками. Материалы

международной научно-практической конференции. Саратов: Издательство СГУ, 2012. С. 67-70.

31. Давние В.В., Величко Ю.А. Моделирование прогнозной составляющей рейтинговых оценок. Вестник Тамбовского университета. Серия: Гуманитарные науки. 2011. № 4. С. 84-87.

32. Давыдова Г.В., Беликов А.Ю. Методика количественной оценки риска банкротства предприятий // Управление риском. 1999. N 3. С. 13-20.

33. Дубров А. М., Лагоша Б. А., Хрустал ев Е. Ю. Моделирование рисковых ситуаций в экономике и бизнесе: Учеб. пособие. М.: Финансы и статистика, 1999. 176 с.

34. Зайцева О.П. Антикризисный менеджмент в российской фирме // Аваль (Сибирская финансовая школа). 1998. № 11-12. С. 66-73.

35. Кадыков Г.Г., Сайфуллин P.C. Антикризисное управление. Учебное пособие для технических вузов. М.: Приор, 2003. 421 с.

36. Карминский A.M., Пересецкий A.A., Петров А.Е. Рейтинги в экономике: методология и практика. /Под ред. A.M. Карминского./ М.: Финансы и статистика, 2005. 235с.

37. Карминский A.M., Трофимова Е.В. Роль рейтингов в развитии бизнес-процессов российских банков // Вестник МГИМО Университета. 2012. № 1. С. 260-266.

38. Кизим A.A. Определение риска финансовой устойчивости с помощью рейтинговой оценки на примере предприятий сахарной промышленности // Финансы и кредит. 2006. № 32. С. 72.

39. Киселева И.А. Коммерческие банки: модели и информационные технологии в процедурах принятия решений. М.: Едиториал УРСС, 2002. 400 с.

40. Ковалёв В.В. Введение в финансовый менеджмент. М.: Финансы и статистика, 2006. 768с.

41. Ковалев В.В. Финансовый анализ: методы и процедуры. М.: Финансы и статистика, 2006. 560 с.

42. Ковалев B.B. Финансовый менеджмент: теория и практика : науч. издание. М. : Проспект, 2009. 1024 с.

43. Колышкин A.B. Прогнозирование развития банкротства в современной России: Дис. канд. эк. наук. СПб., 2003.

44. Королев В.Ю., Соколов И.А. Математические модели неоднородных потоков экстремальных событий. М.: ТОРУС ПРЕСС, 2008.

45. Мельникова А., Шевчук Ю. Эффективное управление рисками // Банковское обозрение. 2007. №1.

46. Милль Дж., Сениор Н.У. Антология экономической классики // Пер. с англ. М.: Эконов-Ключ, 1994.

47. Найт Ф. Риск, неопределенность и прибыль. М.: Дело, 2003.

48. Нейман Дж., Моргенштерн О. Теория игр и экономическое поведение. М.: Наука, 1970. 707 с.

49. О противодействии неправомерному использованию инсайдерской информации и манипулированию рынком и о внесении изменений в отдельные законодательные акты Российской Федерации : Федеральный закон от 27.07.2010 г. №224-ФЗ // Российская газета. 30.07.2010 г.

50. О типичных банковских рисках: Письмо ЦБ РФ №70-Т от 23 июня 2004г. // Вестник Банка России. №38(762). 30.06.2004.

51. Пеникас Г.И. Модели «копула» в задачах хеджирования ценового риска // Прикладная эконометрика. 2011. № 2. С. 3-21.

52. Пеникас Г.И. Модели «копула» в приложении к задачам финансов // Журнал новой экономической ассоциации. 2010. № 7. С. 24-44.

53. Перфильев А.Б. Основные методики оценки финансового состояния российских предприятий и прогнозирование возможного банкротства по данным бухгалтерской отчетности. Ярославль: МУБ и НТ, 2008. 125 с.

54. Плотникова И.В. Предоставление заведомо ложной информации как способ незаконного получения кредита // Информационная безопасность регионов. 2011. №1(8), С. 18-20.

55. Пустовалова Т.А. Расчет ожидаемых потерь как элемент оценки риска кредитного портфеля коммерческого банка // Экономика и управление. 2010. № 3. С. 69-73.

56. Русанов Ю. Ю. Параметры качества менеджмента в системах управления банковскими рисками // Финансы и кредит. 2007. № 27(267). С. 2 -6.

57. Русанов Ю. Ю. Теория и практика риск-менеджмента кредитных организаций России. М.: Экономистъ, 2004.

58. Савицкая Г. В. Экономический анализ. 11-е, испр. и доп. изд. М.: Новое знание, 2005. 651 с.

59. Савицкая Г.В. Методика комплексного анализа хозяйственной деятельности : краткий курс для вузов. 3-е изд., испр. М. : ИНФРА-М, 2006. 319 с.

60. Соколинская Н.Э. Модели прогноза рисков розничных портфелей // Государственный университет Минфина России. Финансовый журнал. 2011. №2. С. 95-104.

61. Стоянова, Е.С. Финансовый менеджмент: теория и практика. М.: Перспектива, 2006. 656с.

62. Тинякова В.И., Яркина A.B. Модели оценки надежности кредитных решений коммерческих банков // Вестник Тамбовского университета. Серия: Гуманитарные науки. 2009. Т. 72. № 4. С. 422-425.

63. Тотьмянина K.M. Обзор моделей вероятности дефолта, управление финансовыми рисками. 2011. №1. С. 12-24.

64. Ульянов Д.П. Разработка имитационных моделей и программных средств для анализа кредитных и валютных рисков многофилиального банка // дисс. канд. экон. наук. Волгоград. 2008.

65. Фридмен М., Сэвидж Л.Дж. Анализ полезности при выборе среди

альтернатив, предполагающих риск / Вехи экономической мысли. Вып. 1.

Теория потребительского поведения и спроса / Под ред. В.М. Гальперина.

СПб.: Экономическая школа, 1993. С. 208-249.

130

66. Шапкин А.С. Экономические и финансовые риски. Оценка, управление, портфель инвестиций: Монография. М.: Издательско-торговая корпорация «Дашков и Ко», 2003. 544 с.

67. Шапкин А.С., Шапкин В.А. Теория риска и моделирование рисковых ситуаций. М.: Дашков и К, 2005. 880 с.

68. Энциклопедия финансового риск-менеджмента / Под ред. А.А. Лобанова, А.В. Чугунова. 4-е издание, исправленное и дополненное. М.: Альпина Бизнес Букс, 2009. 932 с.

69. Altman Е. I., Brady В., Resti A., Sironi A. The Link between Default and Recovery Rates: Theory, Empirical Evidence, and Implications //The Journal of Business. 2005. Vol. 78, N 6. p.2203-2228.

70. Altman E.I. Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy // Journal of Finance. 1968. September. P. 589-609.

71. Altman E.I. Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy // The Journal of Finance. September 1968. p.1067-1089.

72. Altman E.I. Further Empirical Investigation of the Bankruptcy Cost Question//Journal of Finance. 1984. September. P. 1067-1089.

73. Altman E.I., Kalotay E. A Flexible Approach to Modeling Ultimate Recoveries on Defaulted Loans and Bonds. New York University Salomon Center. May 10, 2010. URL: http://pages.stern.nyu.edu/~ealtman/FlexibleRecovery_v 1.1 .pdf (дата обращения 20.08.2012)

74. Altman E.I., Kuehne B.J. Special Report On Defaults and Returns in the High-Yield Bond and Distressed Debt Market: The Year 2011 in Review and Outlook. New York University Salomon Center, Leonard N. Stern School of Business. February 03, 2012. URL: http://people.stern.nyu.edu/ealtman/2011Review.pdf (дата обращения 20.08.2012).

75. Appasasamy В., Dorr U., Ebel H., Stutzle E.A. LGD-Schatzung im Retailgeschafit am Beispiel Automobilfinanzierung // Zeitschrift fur das gesamte Kreditwesen. 2008. No 5. P. 206-209.

76. Argenti J. Corporate Collapse: The Causes and Symptoms. London: McGraw- Hill, 1976. 302p.

77. Beaver W. H. Financial Ratios as Predictors of Failure // Journal of Accounting Research. 1966. Vol.3, p.71—111.

78. Beaver W. H. Market prices, financial ratios, and the prediction of failure // Journal of Accounting Research. 1968. Vol. 6, №2. p. 179-192.

79. Bielecki T.R., Rutkowski M. Credit risk: Modeling, valuation and hedging. Berlin: Springer, 2002. 540 p.

80. Black F., Cox J.C. Valuing Corporate Securities: Some Effects of Bond Indenture Provisions // Journal of Finance. 1976. Vol. 31. P. 351-367. .

81. Black F., Scholes M. The pricing of option and corporate liabilities // The Journal of Political Economy. 1973. Vol.81, p.637-654.

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

83. Chesser D.L. Predicting Loan Noncompliance // The Journal of Commercial Bank Lending. 1974. № 56(12). p.28-38.

84. Davis M., Lo V. Infectious default // Quantitative Finance. 2001. Vol. 1. P. 382-387.

85. Duffie D., Lando D. Term Structure of Credit Spreads With Incomplete Accounting Information // Econometrica. 2001. Vol. 69, N. 3. P. 633-664.

86. Duffie D., Singleton K.J. Modeling the Term Structures of Defaultable Bonds // Review of Financial Studies. 1999. Vol.12. P. 687-720. .

87. FitzPatrick P. A comparison of ratios of successful industrial enterprises with those of failed companies. The Certified Public Accountant. 1932.

88. François P., Morellec E. Capital Structure and Asset Prices: Some Effects of

Bankruptcy Procedures // Journal of Business. 2004. Vol. 77, N 2. P. 387-411.

URL: http://www.jstor.org/stable/10.1086/381280 (дата обращения 20.08.2012).

132

89. Fulmer J.G.Jr., Moon J. E., Gavin T.A., Erwin M.J. A Bankruptcy Classification Model for small firms // Journal of Commercial Bank Lending. July 1984. p.25-37.

90. Galai D., Raviv A., Wiener Z. Liquidation Triggers and The Valuation of Equity and Debt // Journal of Banking & Finance. 2007. Vol. 31, No. 12. P. 36043620.

91. Geisecke K., Das S.R., Duffie D., Kapadia N., Saita L. Common Failings: How Corporate Defaults Are Correlated // Journal of Finance. 2007. Vol. 62, No 1. P. 93-117.

92. Gupton G. M., Stein R. M. LossCalc v2: Dynamic Prediction of LGD. New York: Moody's KMV, 2002. P. 1-44. URL: http://www.defaultrisk.com/_pdf6j4/LCv2_DynamicPredictionOfLGD_fixed.pdf (дата обращения 20.08.2012).

93. Gupton G. M., Stein R. M. LossCalc: Moody's Model for Predicting Loss Given Default (LGD). New York: Moody's KMV, 2002. P. 1-32. URL: http://www.defaultrisk.com/_pdf6j4/losscalc_methodology.pdf (дата обращения 20.08.2012).

94. Hamerle A., Knapp M., Wildenauer N. Modeling Loss Given Default: A «Point in Time» Approach. // B. Engelmann and R. Rauhmier, eds. «The Basel II Risk Parameters; Estimation, Validation, and Stress Testing». Berlin: Springerlink, 2006. P. 127-142.

95. Helwege J., Huang J. Structural Models of Corporate Bond Pricing: An empirical analysis // Review of Financial Studies. 2004. Vol. 17, N. 2. P. 499-544. URL: http://www.personal.psu.edu/jxh56/papers/EHH2004-RFS.pdf (дата обращения 20.08.2012).

96. Hlawatsch S., Ostrowski S. Simulation and Estimation of Loss Given Default // FEMM Working Paper. 2010. N 10. P. 1-15. .

97. Hu Y. Т., Perraudin W. The Dependence of Recovery Rates and Defaults. London: Risk Control Limited inc., 2006. 27 p. URL:

http ://www.riskcontrollimited.com/research_papers/Hu_Perraudin_ref6_ 1 .pdf (дата обращения 20.08.2012).

98. Jarrow R. A., Default Parameter Estimation Using Market Prices // Financial Analysts Journal. 2001. Vol. 57, No. 5. P. 75-92..

99. Jarrow R., Lando D., Yu F. Default risk and diversification: Theory and applications // Mathematical Finance. 2005. Vol. 15. P. 1-26.

100. Jarrow R., Yu F. Counterparty risk and the pricing of defaultable securities // Journal of Finance. 2001. Vol. 56. P. 1765-1800.

101. Markowitz H.M. Portfolio Selection // Journal of Finance. 1952. № 3. P. 7791.

102. Merton R. On the pricing of corporate debt: The risk structure of interest rates // Journal of Finance. 1974. v. 29. p.449-470.

103. Moraux F. Valuing Corporate Liabilities When the Default Threshold is not an Absorbing Barrier. Rennes, France: University of Rennes, 2004. P. 1-37. URL: http://perso.univ-

rennes 1 .fr/franck.moraux/research/Bankrupctyprocedureandpricing.pdf (дата обращения 20.08.2012).

104. Peter С. Estimating Loss Given Default - Experiences from Banking Practise // B. Engelmann and R. Rauhmeier, eds. «The Basel II Risk Parameters; Estimation, Validation, and stress Testing». Berlin: Springerlink, 2006. P. 143-175.

105. Smith R. F., Winakor A.H. A Test Analysis of Unsuccessful Companies. Urbana, Illinois: University of Illinois, 1930.

106. Springate G. L. V. Predicting the possibility of failure in a Canadian firm / G. L. V. Springate.— Simon Fraser University: Unpublished M.B.A. Research Project, 1978. URL: Inc. http://www.sands-trustee.com/insolart.htm (дата обращения 20.08.2012).

107. Taffler R.J. Going, going, gone - four factors which predict // Accountancy. March 1977. p.50-54.