Моделирование банкротств и оценка риска при кредитовании предприятий тема диссертации и автореферата по ВАК РФ 08.00.13, кандидат экономических наук Колоколова, Ольга Владимировна

• Колоколова, Ольга Владимировна
• кандидат экономических наук
• 2007

Оглавление диссертации кандидат экономических наук Колоколова, Ольга Владимировна

Введение.3v

Глава 1. Теоретико-методологические основы оценки кредитного риска

1.1 Понятие кредитного риска, анализ факторов риска.

1.2 Методы оценки кредитных рисков.

1.3 Особенности российского рынка и их влияние на возможность применения существующих моделей оценки кредитного риска.

Выводы по первой главе.

Глава 2. Двухшаговый метод оценки кредитного риска на основе анализа панельных данных.

2.1 Оценка вероятности банкротства предприятий-заемщиков на основе анализа панельных данных.

2.2 Оценка потерь в случае дефолта на основе анализа панельных данных.

Выводы по второй главе.

Глава 3. Имитационное моделирование кредитного портфеля и анализ качества методов оценки вероятности банкротства и величины ожидаемых потерь в случае дефолта.

3.1 Моделирование индивидуальных характеристик предприятий-заемщиков

3.2 Результаты использования разработанных моделей и методов.

3.3 Контроль качества разработанных моделей и методов.

Выводы по третьей главе.

Введение диссертации (часть автореферата) на тему «Моделирование банкротств и оценка риска при кредитовании предприятий»

Актуальность темы исследования. Кредитно-инвестиционная политика является важнейшим инструментом управления хозяйствованием во всем мире. В последние годы объемы кредитования резко возросли и в России, и соответственно увеличилась потребность в методах оценки кредитных рисков, учитывающих, с одной стороны, специфику банковской системы России, а с другой стороны, сопоставимых с международными требованиями и стандартами.

На кредитную политику, проводимую современным российским коммерческим банком, влияет большое число факторов, многие из которых определяются особенностями экономической и политической ситуации в V нашей стране. Под влиянием этих же факторов складывается и сам механизм кредитования, выстраиваются кредитные отношения банков и заемщиков. Однако все эти принципы работы непостоянны. Они развиваются,, приобретают новые черты, приспосабливаясь тем самым к меняющимся экономическим условиям.

Важной задачей каждого коммерческого банка является формирование собственной клиентуры. От обоснованного подбора клиентов и правильно выстроенных взаимоотношений с ними во многом зависит рентабельность работы банка в целом и прибыльность его кредитных операций в частности, а также поддержание допустимого уровня риска невозврата предоставленных в кредит денежных средств. Поэтому совершенствование методов оценки кредитного риска на этапе предварительного рассмотрения кредитной заявки заемщика является одним из приоритетных направлений развития банковской аналитики и риск - менеджмента.

Необходимость решения этой задачи возрастает тем больше, чем более жесткие ограничения накладываются на деятельность кредитной организации. Существующие на данный момент ограничения обусловлены необходимостью соблюдения нормативов достаточности собственного капитала1 и предельного размера риска в отношении отдельных заемщиков (что сдерживает в целом возможности увеличения кредитных вложений). Кроме того, растущая конкуренция на рынке банковских услуг сдерживает темпы расширения клиентуры.

В результате усиливающейся конкурентной борьбы количество кредитных организаций, работающих на территории России, сокращается. В начале 2001 года в Российской Федерации было зарегистрировано 2128 л кредитных организаций . К началу 2006 года их количество сократилось до

1409, а на первое марта 2006 года составило уже 1399. С другой стороны, количество кредитных организаций со 100-процентным участием иностранного капитала возрастает3. На начало 2006 года количество таких кредитных организаций увеличилось почти вдвое по сравнению с 2001 годом и составило 41 кредитную организацию в 2006 году против 22 в 2001. Таким образом, банки и кредитные организации России конкурируют не только с российскими кредитными организациями, но и с международными организациями, имеющими многолетний опыт работы в сфере кредитования. Оптимизация состава и структуры кредитных портфелей становится необходимым условием выживания коммерческих банков. В связи с этим, разработка методик определения кредитного качества каждого заемщика в отдельности выходит на первый план.

Перспективы развития ныне действующего в нашей стране механизма кредитования целесообразно рассмотреть с точки зрения мирового опыта на основе анализа теоретических основ его функционирования и сопоставления зарубежной и отечественной практики применения этого механизма коммерческими банками.

Однако экономика России имеет ряд существенных особенностей, которые не позволяют применять общепринятые в мировой практике модели оценки кредитного риска, разработанные западными учеными, в

1 Инструкция ЦБ РФ от 16 января 2004 г. N 110-И «Об обязательных нормативах банков» (с изменениями от 13 августа 2004 г.)

2 По данным журнала «Профиль», № 30/21,21 августа 2006, с. 10.

3 Там же. * 4 чистом виде. Одной из таких особенностей является ограниченность информации о предприятиях-заемщиках. С одной стороны, многие предприятия существуют не более десяти-пятнадцати лет и не имеют длинной кредитной истории. С другой стороны, большинство предприятий не имеют котируемых на бирже ценных бумаг, чтс делает модели оценки кредитного риска с использованием рыночной информации о заемщике неприемлемыми в условиях России. Кроме того, количество малых предприятий, работающих на территории Российской федерации, постоянно растет. Так, по данным официального портала системы поддержки малого предпринимательства Москвы4 на конец первого полугодия 2006 года число малых предприятий Москвы более чем на 10 тысяч единиц превысило уровень, прогнозировавшийся в постановлении Правительства Москвы от 22.06.04 №425-ПП «О прогнозе социально-экономического развития города Москвы и перспективном финансовом плане на 2005-2007 годы». Создание благоприятных условий для развития малого и среднего бизнеса в России является одной из приоритетных задач государства. Один из важнейших I этапов при этом - обеспечение малых и средних предприятий доступными заемными средствами. В то же время, при расширении банковского кредитования малого и среднего бизнеса возрастают риски, с которыми сталкиваются коммерческие банки. Важно не только стимулировать кредитование малого бизнеса, но и обеспечивать устойчивость банковской системы в целом. Для достижения этой цели, в первую очередь, необходимо разработать методологический подход к оценке кредитных рисков малых и средних предприятий, который был бы не только адаптирован к использованию в условиях России, но и соответствовал бы достижениям зарубежной научной и практической мысли. Этот подход должен с успехом применяться для оценки кредитных рисков как в России, так и за ее пределами.

4 http://www.mbm.ruУstuff.asp?ID=29

Каждый конкретный коммерческий банк, работающий на рынке более пяти лет, имеет в своем распоряжении большой объем панельных данных о предприятиях-заемщиках, их доходности, просроченных платежах и невозвращенных кредитах. На базе этой информации может быть построена надежная модель оценки кредитного риска и прогнозирования банкротств. Для создания эффективной системы оценки и анализа кредитного риска предприятий-заемщиков, необходим комплексный подход, включающий как важнейшие достижения мировой научной мысли, так и специфические разработки, позволяющие моделировать процессы, учитывая особенности экономики нашей страны.

Степень разработанности проблемы. В научной литературе существует достаточно большое количество работ (как зарубежных, так и российских авторов), в которых рассматриваются различные аспекты прогнозирования банкротств и оценки кредитных рисков. Вопросам оценки кредитных рисков посвящены работы С. Волкова, А. Лобанова, М. Рогова, М. Помазаного, Ю. Соловьева, С. Филина, А. Чугунова, Э. Альтмана (Е. Altman), М. Аммана (М. Ammann), Д. Даффи (D. Duffie), Р. Мертона (R. Merton), П. Нарайанана (P. Narayanan), М. Пека (М. Peck), С. Приотта (С. Pirotte), А. Саундерса (A. Saunders), К. Синглтона (К. Singleton) Р. Соммервиля (R. Sommerville), Р. Дж. Таффлера (R. J. Taffler), Р. Хальдемана (R. Haldeman), Дж. Хартцелла, (J. Hartzell) и других.

Одними из первых методов, использующихся для оценки кредитного риска, были экспертные методы. Оценка кредитного риска формировалась на основе суждений банкиров, непосредственно работавших с данным V клиентом. Подробную характеристику этих методов дали Р. А. Соммервиль и Р. Дж. Таффлер. Этими же учеными было показано, что экспертные методы по сути своей неточны: в большинстве случаев в ходе их применения кредитный риск оказывается переоцененным.

Более структурированные модели оценки кредитного риска - кредит-скоринговые модели - были разработаны, в частности, Е. И. Альтманом, Р.

Хальдеманом, П. Нарайаном, Дж. Хартцеллем, М. Пеком. Кредит-скоринговые модели используют балансовые данные заемщика, а также данные о котирующихся на рынке ценных бумагах заемщика для формирования оценки вероятности банкротства. При этом заемщики могут быть разделены на несколько групп в зависимости от степени риска. В основе данного подхода лежит дискриминантный анализ и использование лигит-моделей.

Особый вклад в развитие методов оценки кредитного риска внесли Д. Даффи и К. Синглтон. Они заложили основу развития моделей сокращенной формы для оценки кредитного риска. Основным положением этих моделей^ является существование некого экзогенного стохастического процесса, отвечающего за банкротство и устойчивость предприятия. Различные эконометрические методы в сочетании с большим объемом статистической информации дают возможность оценить параметры данного случайного процесса. Полученные оценки используются в дальнейшем для расчета вероятности банкротства предприятий в течение определенного временного интервала.

Другой подход к оценке кредитного риска был предложен нобелевским лауреатом Р. Мертоном. Этот ученый основал целое направление в моделировании кредитного риска - структурное моделирование. При работе со структурными моделями предполагается, что V предприятие объявляет дефолт, если стоимость его активов оказывается ниже стоимости его обязательств. Данная модель легла в основу таких моделей, как КМУ и СгесПН-. Последняя допускает наступление дефолта компании, если стоимость активов компании, описываемая стохастическим процессом, оказывается ниже некого уровня устойчивости, который, в свою очередь, также может быть задан стохастическим процессом.

Основным требованием данного подхода является наличие котируемых на рынке ценных бумаг заемщика. Это требование ограничивает возможности применения данных моделей и их модификаций в условиях российского рынка, когда лишь небольшое число крупных компаний имеют котируемые рыночные инструменты, а большинство заемщиков относятся к группе предприятий среднего и мелкого бизнеса с короткой историей, не имеющих котируемых на рынке ценных бумаг. Поэтому возникает необходимость создания новых методов прогнозирования банкротств предприятий малого и среднего бизнеса и оценки кредитного риска. При этом новые модели должны учитывать специфику российских компаний, их V параметры должны быть оценены на основе российской статистической информации, что позволит банкам и кредитным организациям, работающим на территории Российской Федерации, применять результаты данного исследования в практической деятельности.

Целью данного исследования является разработка методологических подходов и методов моделирования банкротств предприятий малого и среднего бизнеса, не обладающих длинной кредитной историей и не имеющих котируемых на бирже ценных бумаг, и оценки кредитных рисков банков, возникающих при кредитовании таких предприятий.

Для достижения поставленной цели и создания комплексной модели оценки кредитного риска в работе были сформулированы и решены V следующие задачи:

• систематизированы подходы к анализу и оценке кредитного риска, предложенные ведущими учеными, рейтинговыми агентствами и корпорациями мира, выделены их сильные и слабые стороны и оценены возможности их использования в Российской Федерации;

• разработан метод оценки риска при кредитовании предприятий, не имеющих котируемых ценных бумаг, позволяющий оценить как вероятность банкротства предприятия-заемщика, так и соответствующую величину ожидаемых потерь в случае дефолта;

• разработана модификация бинарной пробит-модели, позволяющая оценить потенциальную близость банкротства предприятия-заемщика;

• разработана модификация метода кернел-сопоставления для оценки величины ожидаемых потерь в случае дефолта;

• разработана процедура верификации методов оценки кредитного риска на основе имитационного моделирования;

• оценено качество предложенного подхода на основе собранной автором базы данных по более чем пятидесяти предприятиям, работающим на территории России в двенадцати различных отраслях экономики;

• выработаны рекомендации по применению предлагаемого метода оценки вероятности банкротства и величины ожидаемых потерь кредитных организаций в случае дефолта, направленные на повышение эффективности их деятельности.

Объектом исследования являются параметры и характеристики предприятий-заемщиков, определяющие устойчивость предприятия и потенциально влияющие на вероятность его банкротства.

Предмет исследования - методы прогнозирования банкротства предприятий-заемщиков, не обладающих длинной кредитной историей и не имеющих котируемых на рынке ценных бумаг, и методы оценки кредитного риска банков, возникающего при работе с такими заемщиками.

Теоретическую и методологическую основу исследования составляют научные разработки современных российских и зарубежных ученых в области микроэкономики, финансов, статистического анализа временных рядов, экономико-математических методов и моделей прогнозирования, а также риск-менеджмента. В ходе работы над диссертацией использовались методические разработки ведущих рейтинговых агентств мира, таких как Moody's и S&P. Особое внимание уделялось законодательным и правовым актам Российской Федерации, регулирующим деятельность банков и других кредитных организаций.

В процессе исследования в качестве инструментария использовались методы системного и сравнительного анализа, методы жесткого и нечеткого кластерного анализа, эконометрические методы оценки нелинейных регрессионных моделей, методы теории вероятности и математической* статистики в части проверки статистических гипотез, а также метод экспертных оценок. ~

Фактографическая база исследования основывается на данных бухгалтерской отчетности предприятий, работающих на территории Российской Федерации. В диссертационной работе также использована информация, предоставленная рейтинговым агентством Moody's, включающая данные о вероятностях банкротства и потерях в случае дефолта американских компаний и данные ФСГС РФ.

Научная новизна исследования состоит в разработке адаптированных к условиям российского рынка методологических подходов и методов оценки кредитных рисков, базирующихся на выделении1 однородных групп предприятий-заемщиков на основе алгоритмов нечеткой классификации и моделей бинарного выбора, учитывающих ограниченность исходной информации, а также в разработке процедур верификации этих методов на основе имитационного моделирования с использованием реальных данных российской экономики.

Следующие результаты исследования, полученные лично автором и выносимые на защиту, являются наиболее существенными:

• предложена классификация существующих подходов к оценке кредитного риска, в основу которой положены особенности исходной информации о предприятиях-заемщиках и методов ее обработки, рассмотрены возможности применения их модификаций в условиях1 России;

• предложен методологический подход к оценке кредитного риска на основе последовательной (двухшаговой) процедуры расчета его основных характеристик с учетом особенностей экономического состояния, определяемого такими параметрами, как сфера деятельности, величина активов и собственного капитала, структура капитала, выручка и ее динамика, операционная маржа и другие параметры предприятий-заемщиков;

• предложен метод оценки функции распределения времени наступления банкротства предприятий-заемщиков различных групп, формируемых по принципу максимума энтропии с использованием информации, характеризующей интенсивность банкротств по группам в прошлом и отражающей текущее состояние рассматриваемых предприятий;

• разработан метод оценки потерь банка по выданным ссудам в случае дефолта предприятия-заемщика на основе кернел-сопоставления с I учетом его потенциальной близости к банкротству, оцениваемой по бинарной пробит-модели;

• разработаны критерии качества двухшагового метода оценки кредитного риска, отражающие его способность идентифицировать 4 устойчивые предприятия и предприятия-банкроты и достоверно оценивать величину потерь в случае дефолта;

• предложена процедура имитационного моделирования кредитного портфеля коммерческого банка, позволяющая верифицировать модели банкротств и методы оценки кредитного риска;

• разработаны рекомендации по практическому использованию предложенной методологии оценки кредитного риска в условиях неполной информации, связанные с использованием информации о заемщиках-банкротах для прогнозирования состояния устойчивых предприятий-заемщиков.

Теоретическая и практическая значимость исследования состоит в том, что предложенные модели и полученные результаты вносят существенный вклад в совершенствование и развитие подходов и методов моделирования банкротства предприятий-заемщиков, не имеющих кредитной истории и котируемых ценных бумаг и оценки кредитных рисков. Разработанный метод универсален, что позволяет использовать его как на российском рынке, так и на мировом.

Использование предложенных в диссертационной работе моделей позволит получать более достоверные и аккуратные оценки вероятности банкротства и ожидаемых потерь в случае дефолта, на базе которых может быть улучшено качество управления кредитным портфелем и оптимизирован процесс формирования резервов на возможные потери по ссудам, что повысит надежность и эффективность работы кредитных организаций, а также обеспечит устойчивое развитие банковской системы России в целом.

Апробация и внедрение результатов исследования. Основные результаты, полученные в диссертационной работе, обсуждены и одобрены на заседаниях кафедры математических методов в экономике РЭА им. Г. В. Плеханова, докладывались на тринадцатых Международных Плехановских чтениях (Москва, 2000), на внутреннем коллоквиуме экономического факультета университета города Констанц (Konstanz, Германия), на межкафедральном докторантском семинаре «Эмпирические финансы» в университете города Констанц (Германия), на исследовательском семинаре, проводимом совместно университетами городов Констанц (Германия) и Санкт-Галлен (St.-Gallen, Швейцария), в рамках международной летней' школы «Empirical Asset Pricing» г. Эльтвилле (Eltville, Германия), организованной центром финансовых исследований (Center for Financial Studies) при поддержке Центрального Банка Германии (Deutsche Bundesbank), представлялись на II международной научной конференции «Современные наукоемкие технологии» (Доминиканская Республика). Предложенный в диссертации двухшаговый метод оценки вероятности банкротства и величины ожидаемых потерь в случае дефолта был внедрен в рамках системы управления рисками (СУР) «ПРОГНОЗ. Управление риском» (разработчик - компания «ПРОГНОЗ»). Процедура имитационного моделирования кредитного портфеля коммерческого банка, разработанная автором, позволяющая верифицировать модели банкротств и методы оценки' кредитного риска, и методика оценки вероятности банкротства предприятий-заемщиков, включающая концепцию нечеткого кластерного анализа с последующей оценкой частоты банкротств, используются в аналитической работе с клиентами ЗАО «Банк КРЕДИТ СВИСС» (МОСКВА).

Основные результаты исследования использованы в учебном процессе РЭА им. Г.В. Плеханова, отдельные результаты диссертации - при проведении семинарских занятий по дисциплине «Инвестиции и Финансы» («Investments and Finance») на экономическом факультете университета города Констанц (Германия).

Публикации. Основные положения диссертационной работы отражены в 10-и авторских публикациях общим объемом 7,2 п.л., в том числе в 2 работах опубликованных в изданиях, рекомендованных ВАК.

Заключение диссертации по теме «Математические и инструментальные методы экономики», Колоколова, Ольга Владимировна

Выводы по третьей главе

Возможность практического использования кредитными организациями разработанного автором двухшагового метода оценки вероятности банкротства и величины ожидаемых потерь в случае дефолта предприятий-заемщиков зависит от того, насколько точные оценки вероятности банкротства и ЬСЭ дает данный метод. Точность оценок может быть определена, только если истинные значения параметров известны. Однако, при работе с реальными заемщиками, истинные значения вероятности банкротства неизвестны. Для решения этой проблемы моделируется возможный кредитный портфель коммерческого банка на основе собранной автором базы данных балансовых отчетов предприятий, работающих ка территории России. Автором генерируются как балансовые показатели, так и условия кредитования предприятий, а также определяется, какие из моделируемых предприятий-заемщиков объявили дефолт. Для предприятий-банкротов также генерируются значения ожидаемой величины потерь в случае дефолта. На основе модельного кредитного портфеля, автором оцениваются вероятности банкротства предприятий и ЬвО. Полученные оценки используются далее для определения качества разработанного метода.

Для оценки качества разработанного метода автором предложены восемь критериев:

1) условные характеристики распределения оценок вероятности банкротства для предприятий, объявивших банкротство и предприятий, сохранивших устойчивость;

2) количество верных предсказаний банкротства и устойчивости;

3) ошибка прогноза первого рода;

4) ошибки прогноза второго рода;

5) характеристики распределения истиной величины потерь в случае дефолта и ее оценки; ,

6) средние абсолютная и относительная ошибки прогноза ожидаемой величины потерь в случае дефолта;

7) средняя переоценка величины потерь в случае дефолта и частота переоценки более чем на 25% от истинного значения;

8) средняя недооценка величины потерь в случае дефолта и частота недооценки более чем на 25% от истинного значения.

Основное достоинство предложенных критериев заключается в том, что они могут быть использованы не только для оценки качества разработанного автором метода, но и для оценки качества любого другого механизма определения вероятности банкротства и величины ожидаемых потерь в случае дефолта. ,

В ходе анализа качества полученных оценок вероятности банкротства и ЬвИ, автором сделаны следующие выводы:

1. Разработанный метод позволяет с высокой степенью точности отличать устойчивые предприятия от предприятий-потенциальным банкротов.

2. Большая часть возникающих ошибок прогноза обусловлена переоценкой вероятности банкротства устойчивых предприятий.

3. Разработанный метод дает точные оценки величины потерь в случае дефолта в среднем, и коэффициент корреляции оценок и истинных значений составляет более восьмидесяти процентов.

4. Большая часть возникающих ошибок обусловлена переоценкой величины потерь, а средняя недооценка составляет всего один^ процент от истинного значения.

Итак, разработанный автором двухшаговый метод позволяет получить достоверные оценки вероятности банкротства и величины ожидаемых потерь в случае дефолта. Он наиболее приемлем для использования в кредитных организациях, стремящихся к долговременной устойчивости и обеспечению надежности и сохранности средств вкладчиков. Возможные ошибки прогноза обусловлены скорее переоценкой вероятности банкротства и величины ожидаемых потерь в случае дефолта, а не их недооценкой, которая могла бы стать причиной потери устойчивости самой кредитной организации.

Заключение

В диссертационной работе получены следующие результаты.

1. На основе анализа динамики банковской системы современной России выявлена необходимость разработки и развития новых методов оценки кредитного риска предприятий-заемщиков: методов, как базирующихся на основных достижениях мировой экономической мысли, ' так и учитывающих специфику российского рынка.

2. На основе детального изучения основных подходов к оценке кредитного риска, предложенных ведущими учеными, рейтинговыми

V, агентствами и корпорациями мира, составлена подробная классификация этих моделей и методов, рассмотрены их преимущества и недостатки и выявлена необходимость их видоизменения для применения кредитными организациями, работающими на территории России.

3. Определены ограничения, которым должен соответствовать применяемый в России механизм оценки кредитного риска, а именно: независимость получаемых оценок кредитного риска от наличия котируемых ценных бумаг предприятий-заемщиков и безрискового актива, возможность применения метода в условиях отсутствия кредитного рейтинга и длинной кредитной истории предприятия-заемщика, а также возможность учитывать мнения экспертов при оценке кредитного риска.

4. Для оценки кредитного риска при работе с заемщиками, в том ' числе предприятиями, не имеющими длинной кредитной истории и не эмитирующими ценных бумаг, а также физическими лицами, разработан двухшаговый метод, который позволяет оценить два основополагающих показателя кредитного качества заемщика: вероятность банкротства и величину ожидаемых потерь в случае дефолта.

5. Обосновано использование панельных данных о предприятиях-заемщиках как исходной информации для калибровки модели и получения оценок вероятности банкротства и ожидаемых потерь в случае дефолта.

6. Предложена модель наступления банкротства, в которой время до дефолта моделируется как экспоненциально распределенная случайная величина, где параметр лямбда представляет собой интенсивность .банкротств и является важнейшей характеристикой устойчивости предприятия-заемщика.

7. Выдвинута гипотеза о том, что предприятия-заемщики, схожие , по своим характеристикам, имеют одно и то же (или очень близкое) ( значение интенсивности банкротств.

8. Разработан метод оценки интенсивности банкротств, базирующийся на выдвинутой гипотезе и использующий кластерный анализ предприятий-заемщиков для выделения подгрупп схожих предприятий.

9. На основе проведенной классификации различных алгоритмов кластерного анализа доказано, что при анализе предприятий-заемщиков наиболее предпочтителен нечеткий кластерный анализ, в результате .использования которого каждому из исследуемых предприятий ставится в соответствие степень принадлежности к той или иной подгруппе, что позволяет повысить степень свободы разработанного метода.

10. Проиллюстрирована эластичность метода и возможность^ коррекции результатов кластерного анализа с учетом экспертного мнения. Если, по мнению экспертов, при разбиении предприятий на подгруппы один из факторов доминирует по своей важности, этому фактору присваивается больший вес в алгоритме расчета расстояния между предприятиями.

11. Для оценки величины потерь в случае дефолта предложено использовать метод кернел-сопоставлений, в соответствии с которым для каждого предприятия-заемщика, сохранившего устойчивость, формируется профиль наиболее схожего «искусственного» заемщика с использованием информации о заемщиках-банкротах. Фактическая величина потерь в случае дефолта «искусственного» заемщика есть оценка величины ожидаемых . потерь соответствующего устойчивого предприятия.

12. Для реализации разработанного метода и получения количественной характеристики теоретической возможности банкротства введен новый термин «потенциальная близость к банкротству» (ПББ). -Весовые коэффициенты, с которыми предприятия банкроты входят в состав «искусственного» заемщика пропорциональны разности между ПББ данного предприятия-банкрота и ПББ предприятия, для которого проводится оценка ожидаемых потерь.

13. Выработаны восемь критериев для оценки качества разработанного метода:

1) различие условных характеристик распределений оценок вероятности банкротства для предприятий, объявивших банкротство и предприятий, сохранивших устойчивость;

2) доля верных предсказаний банкротства и устойчивости;

3) ошибка прогноза первого рода, то есть доля предприятий-банкротов -ложно отнесенных к группе устойчивых предприятий;

4) ошибка прогноза второго рода, то есть доля предприятий-заемщиков, сохранивших устойчивость, и ошибочно отнесенных к группе предприятий-банкротов;

5) схожесть характеристик распределения истиной величины потерь в случае дефолта и ее оценки для предприятий-банкротов;

6) средние абсолютная и относительная ошибки прогноза ожидаемой величины потерь в случае дефолта;

7) средняя переоценка величины потерь в случае дефолта и частота переоценки более чем на 25% от истинного значения;

8) средняя недооценка величины потерь в случае дефолта и частота -недооценки более чем на 25% от истинного значения.

14. Выявлена невозможность оценки качества разработанного метода при отсутствии данных о реальной интенсивности банкротств предприятий.

15. Для решения этой проблемы собрана уникальная база данных, включающая квартальные данные бухгалтерской отчетности за несколько лет более чем пятидесяти предприятий, работающих на территории Российской Федерации в двенадцати различных отраслях экономики. На основе этой базы данных проведено имитационное моделирование, в ходе которого смоделированы 100 возможных кредитных портфелей коммерческого банка, состоящие из 500 заемщиков каждый. Таким образом, истинные значения интенсивности банкротств, положенные в основу моделирования, известны и оценка качества разработанного метода становится возможной.

16. Результаты применения разработанного метода для модельных портфелей оценены с точки зрения выработанных критериев, и обосновано использование данного метода для повышения эффективности работы'" кредитных и других организаций, подверженных риску банкротства контрагента.

Из полученных в диссертации результатов вытекают следующие выводы:

1. Широко применяемые в мировой практике модели наступления банкротства и методы оценки кредитного риска предприятий-заемщиков не могут быть в чистом виде применены в условиях российского рынка.

2. Разработанный автором двухшаговый метод оценки вероятности банкротства и величины ожидаемых потерь в случае дефолта соответствует всем ограничениям и требованиям, налагаемым на применяемые в России*' механизмы оценки кредитного риска.

3. Главным достоинством разработанного автором метода является его адаптивность, позволяющая применять его: а. для оценки кредитного риска широкого спектра заемщиков (начиная с физических лиц и предприятий малого бизнеса, и кончая средними и крупными предприятиями); b. на разных уровнях (и на уровне отдельного банка, и на государственном уровне); c. как в условиях современной России, так и на западноевропейском и американском рынках.

Кроме того, метод позволяет учитывать мнения экспертов при расчете вероятности банкротства предприятия-заемщика, что особенно • важно при наличии дополнительных, неквантифицируемых рисков, таких как политические и операционные риски.

4. Предложенные автором критерии проверки качества разработанного метода позволяют проанализировать точность оценок,'-получаемых при использовании метода, возможность возникновения ошибок прогноза, а также степень влияния возможных ошибок на прибыльность и устойчивость самой кредитной организации. Основное достоинство предложенных критериев заключается в том, что они могут быть использованы не только для оценки качества разработанного автором метода, но и для оценки качества любого другого метода определения вероятности банкротства и величины ожидаемых потерь в случае дефолта.

5. В ходе анализа качества получаемых оценок вероятности банкротства и величины ожидаемых потерь в случае дефолта автором сделаны следующие выводы: a. Разработанный метод позволяет с высокой степенью точности*' отличать устойчивые предприятия от предприятий-потенциальных банкротов. b. Большая часть возникающих ошибок прогноза обусловлена переоценкой вероятности банкротства устойчивых предприятий. c. Разработанный метод дает точные оценки величины потерь в случае дефолта в среднем, и коэффициент корреляции оценок и истинных значений составляет более восьмидесяти процентов. с1. Большая часть возникающих ошибок обусловлена переоценкой величины потерь, при этом средняя недооценка составляет всего один процент от истинного значения.

6. Разработанный автором двухшаговый метод позволяет получить 5 достоверные оценки вероятности банкротства и величины ожидаемых потерь в случае дефолта. Он наиболее приемлем для использования в кредитных организациях, стремящихся к долговременной устойчивости и*-обеспечению надежности и сохранности средств вкладчиков. Возможные ошибки прогноза обусловлены скорее переоценкой вероятности банкротства и величины ожидаемых потерь в случае дефолта, а не их недооценкой, которая могла бы стать причиной потери устойчивости самой кредитной организацией.

7. Использование разработанного автором метода оценки кредитного риска позволит кредитным организациям получать более точные' оценки вероятности банкротства и величины ожидаемых потерь в случае дефолта заемщиков, в том числе малых предприятий, предприятий, не имеющих длинной кредитной истории и не эмитирующих ценных бумаг. Следовательно, объемы кредитования малого и среднего бизнеса в России1-могут быть увеличены без ущерба для устойчивости самой банковской системы. Финансовые средства станут более доступными малому и среднему бизнесу, что даст дополнительный толчок его развитию.

Список литературы диссертационного исследования кандидат экономических наук Колоколова, Ольга Владимировна, 2007 год

1. Порядок оценки стоимости чистых активов акционерных обществ (утв. приказом Минфина РФ и Федеральной комиссии по рынку ценных бумаг от 29 января 2003 г. N Юн, 03-б/пз).

2. Федеральный закон от 26 декабря 1995 г. № 208-ФЗ Об акционерных обществах (с изменениями от 13 июня 1996 г., 24 мая 1999 г., 7 августа 2001 г., 21 марта, 31 октября 2002 г., 27 февраля 2003 г.)

3. Инструкция ЦБ РФ от 01.01.1997 г. № 1 О порядке регулирования деятельности кредитных организаций.

4. Инструкция ЦБ РФ от 16.01.2004 г. № 110-И Об обязательных нормативах банков (с изменениями от 13 августа 2004 г.)

5. Инструкции ЦБ РФ от 30.06.1997 № 62а О порядке формирования резерва на возможные потери по ссудам (с изменениями от 18.08.2003).

6. Положение Банка России от 5.12.2002 № 205-П О правилах веденияIбухгалтерского учета в кредитных организациях, расположенных на территории Российской Федерации.

7. Положение Банка России от 10.02.2003 № 215-П О методике определения собственных средств (капитала) кредитных организаций.

8. Положения ЦБ РФ от 09.07.2003 № 232-П О порядке формирования кредитными организациями резервов на возможные потери.

9. Постановление правительства Москвы от 22.06.04 № 425-ПП О прогнозе^ социально-экономического развития города Москвы и перспективном финансовом плане на 2005-2007 годы.

10. Акоф Р., Сасиени М., Основы исследования операций. М.: Мир, 1971.

11. Анынин В. М., Инвестиционный анализ. М.: Дело, 2000.

12. Балабанов И.Т. Риск-менеджмент. М.: Финансы и статистика, 1996.

13. Бернстайн Л. А. Анализ финансовой отчетности: теория, практика и интерпретация: Пер. с англ. / Науч. ред. перевода чл.- корр. РАН И.И. Елисеева. Гл. редактор серии проф. Я.В. Соколов. М.: Финансы и статистика, 2002.

14. Бернстайн П. Л., Против богов. Укрощение риска. М.: ЗАО Олимп-Бизнес, 2000.

15. Боди 3., Кейн А., Маркус А. Дж., Принципы инвестиций. Москва, Санкт-Петербург, Киев: Вильяме, 2002.

16. Борисов А. Б., Большой Экономический Словарь. М.: Книжный мир, 2002.

17. Волков С. Н., Оценивание кредитного риска: теоретико-вероятностныеIподходы, информация сайта www.buzdalin.ru.

18. Годин Д. Б., Математические методы управления в условиях неполной иформации.-М.: Советское радио, 1988.

19. Гэри М., Джонсон Д., Вычислительные машины и труднорешаемые задачи.-М.: Мир, 1982.

20. Дорохина Е. Ю., Халиков М. А., Моделирование микроэкономики. Учебное пособие. М.: Экзамен, 2003.

21. Доугерти К., Введение в эконометрику. М.: Инфра-М, 1999.

22. Ковалев В. В., Финансовый анализ. М.: Финансы и статистика, 2000.

23. Колоколова О. В. Двухшаговый метод оценки кредитного риска // Современные наукоемкие технологии. №5, 2007, с. 56 58.

24. Колоколова О. В. Оценка вероятности банкротства предприятий-заемщиков на основе кластерного анализа // Финансы и кредит. №18(258), 2007, с. 44-51.

25. Колоколова О. В. Оценка потерь в случае дефолта на основе кернел-сопоставления // Управление в кредитной организации. №6(34), 2006, с. 26-33.

26. Колоколова О. В. Транзакционные издержки и способы их моделирования // Экономика природопользования. №1,2006, с. 97 -103.

27. Колоколова О. В., Помазанов М. В. Разработка формулы вероятности банкротства компании на базе показателей бухгалтерской отчетности // Оперативное управление и стратегический менеджмент в коммерческом банке. №6(22), 2004, с. 65 84.

28. Колоколова О. В. Несимметричные меры риска, особенности их построения и возможности использования // Труды Инженерно-экономического института, выпуск 4. -М.: Изд-во Россельхозакадемии, 2004, с. 540 546.

29. Колоколова О. В. Погодные производные и возможности их применения в России // Международные банковские операции. №3, 2004, с. 115-122.

30. Колоколова О. В. Оптимизационное моделирование кредитного портфеля // Актуальные проблемы развития современной экономики России. Сборник статей. М.: Изд-во Рос. экон. акад., 2004, с. 46 - 50.

31. Колоколова О. В. Анализ кредитного риска на основе динамической (трехмерной) матрицы переходных вероятностей // Оперативное управление и стратегический менеджмент в коммерческом банке. №3(19), 2004, с. 95- 100.

32. Колоколова О.В., Купцов В. П. Из истории российского предпринимательства // Тринадцатые Международные Плехановские чтения. Тезисы докладов. М.: Изд-во Рос. экон. акад.,2000, с. 42.

33. Кононова Т., Кузнецов В., Управление рыночным риском. // Банковские технологии, №5, 1998, с. 11-17.

34. Косоруков О. А., Мищенко А. В., Исследование операций: Учебник для вузов. М.: Экзамен, 2003.

35. Лобанов А., Филин С., Чугунов А., Риск-менеджмент. Ч. 1 // РИСК, №4, 1999, с. 43-52.

36. Лушин С. И., Слепов В.А., Финансы, Москва, 2000.

37. Новоселов А. А., Математическое моделирование финансовых рисков. Теория измерений. Новосибирск, Наука, 2001.

38. Парфенов К.Г., Банковский План счетов и Правила ведения бухгалтерского учета. М.: Гелиос АРВ, Парфенов.ру, 2004 .

39. Помазанов М., Банки лицом к частному бизнесу. // Банковские технологии, №2,2004.

40. Рогов М. А. Консалтинг как бизнес. Системный подход к проблеме управления экономическим риском. // РИСК, №1,1995, с. 36-39.

41. Рогов М. А. Проблема выявлений предпочтений в системе управления риском. // Portfolio, №1,1995. с. 11-21.

42. Рогов М. А. Риск-менеджмент. М.: Финансы и статистика, 2001.

43. Рогов М. А. Управление риском. Разбор зарубежных теорий с прицелом на их применение в условиях российского рынка. // РИСК, №4,1995, с. 54-56.

44. Рынок ценных бумаг: Учебник / Под ред. В. А. Галанова, А. И. Басова. -2-е издание, переработанное и дополненное М.: Финансы и статистика, 2001.

45. Савицкая Г.В., Анализ хозяйственной деятельности предприятий. -Минск: Новое знание, 2001.

46. Соколов Г.А., Гладких И.М., Математическая статистика: Учебник. М.: Экзамен, 2004.

47. Соколов Г.А., Чистякова H.A., Теория вероятностей: Учебник. М.: Экзамен, 2005.

48. Тенденции. //Профиль, № 30/21, 21 августа 2006, с. 10.

49. Типенко Н.Г., Соловьев Ю.П., Панин В.Б. Оценка лимитов риска при кредитовании корпоративных клиентов // Банковское дело, №10, 2000, с. 19-28.

50. Тихомиров Н. П., Попов В.А., Методы социально-экономического прогнозирования. М.: Издательство ВЗПИ, А/О Росвузнаука, 1993.

51. Тихомиров Н.П., Попов В.А. Методы социально-экономического прогнозирования. М.: Изд-во А/О Росвузнаука, 1993.

52. Тихомиров Н.П., Потравный И.М., Тихомирова Т.М. Методы анализа и управления эколого-экономическими рисками. М.: ЮНИТИ-ДАНА, 2003.

53. Ханк Д. Э., Уичерн Д. У., Райте А. Дж., Бизнес-прогнозирование. -Москва, Санкт-Петербург, Киев: Вильяме, 2003.

54. Четыркин Е. М., Финансовая математика: Учебник. М.: Дело, 2002.

55. Шишкин Е. В., Чхартишвили А. Г., Матеметические методы и модели в управлении. М.: Дело, 2000.

56. Энциклопедия финансового риск-менеджмента / Под ред. А.А. Лобанова и А. В. Чугунова 2-е издание, переработанное и дополненное - М.: » Альпина Бизнес Букс, 2005.

57. Altman, Е. I., Predicting financial distress of companies: revisiting the Z-score and Zeta-models, Working Paper, New York University, http://www.stern.nyu.edu/~ealtman/Zscores.pdf, 2000.

58. Altman, E. I., Revisiting Credit Scoring Models in a Basel 2 Environment, Working Paper, Stem School of Business, New York University, http://www.stern.nvu.edu/fin/workpapers/papers2002/pdf/wpa02041.pdf2002.

59. Altman, E. I., Default Risk, Mortality Rates, and the Performance of Corporate Bonds. Research Foundation, Institute of Chartered Financial Analysts, Charlottesville, VA, 1988.

60. Altman, E. I., Financial ratios discriminant analysis and the prediction of corporate bankruptcy. Journal of Finance, 1968, pp. 589-609.

61. Altman, E. I., Measuring corporate bond mortality and performance. Journal of Finance, 1989, pp. 909-922.

62. Altman, E. I., Haldeman, R., Narayanan, P., Zeta analysis: A new model to identify bankruptcy risk of corporations, Journal of Banking and Finance, 1977, pp. 29-54.

63. Altman, E. I., Hartzell, J., Peck, M., A scoring System for Emerging Market Corporate Debt. Salomon Brothers, 1995, 15 May.

64. Altman, E. I., Marco, G., Varetto, F., Corporate distress diagnosis: Comparisons using linear discriminant analysis and neural networks (The Italian Experience), Journal of Banking and Finance, 1994, pp. 505-529.

65. Altman, E. I., Saunders, A., Credit risk measurement: Development over the last 20 Years, Journal of Banking&Finance 21,1998, pp. 1721-1742.

66. Ammann, M., Credit Risk Valuation, Springer, 2001.

67. Anderson, R. and Sundaresan, S., Design and Valuation of debt Contracts, Review of Financial Studies, 9, 1996, pp. 37-68.

68. Bailey, K. D., Cluster Analysis, Sociological Methodology, 1975, Vol. 6, pp. 59-128.

69. Baptista, A., Alexander, G., Conditional Expected Loss as a Measure of Risk: Implications for Portfolio Selection, Working paper, SSRN, February 27, 2002, http://papers.ssrn.com/sol3/papers.cfm?abstractid=302239.

70. Beaver, William H., 1966, Financial ratios as predictors of failure, Journal of Accounting Research 4,71-111.

71. Black, F. and Cox, J., Valuing Corporate Securities. Some Effects of Bond Indenture Provisions, Journal of Finance, 31,1976, pp. 351-367.

72. Black, F., Scholes, M., The pricing of option and corporate liabilities, Journal of Political Economy, 8, 1973, pp. 637-659.

73. Branch, B., The Costs of Bankruptcy: A Review, International Review of1. V.

74. Financial Analysis, 11,2002, pp. 39-57.

75. Brealey, R. A., Myers, S. C., Principles of Corporate Finance, sixth edition, Irwin/Mc. Graw-Hill, Series in Finance, 2000, ISBN 0-07-117901-01.

76. Briys, E. and F. de Varenne, Valuing Risky Fixed Rate Debt: An Extension, Journal of Financial and Quantitative Analysis, 32, 1997, pp. 239-248.

77. Buehler, W. and T. Thabe , Credit Risk, Liquidity Risk, and Optimal Capital Structure under Incomplete Accounting Information, Working paper, 2006, University of Manheim.

78. Chen, N. and S. Kou, Credit Spreads, Optimal Capital Structure and Implied Volatility with Endogenous Default and Jump Risk, Working Paper, IEOR, Columbia University, 2005.

79. Coats, P., Fant, L., Recognizing Fnancial distress patterns using a neural network tool, Financial Management, 2005, pp. 142-155.

80. Cossin, D., Pirotte, H., Advanced Credit Risk Analysis. Financial Approaches and Mathematical Models to Assess, Price, and Manage Credit Risk, John WILEY & SONS, LTD, 2001.

81. Credit Metrics®, 1997, J.P. Morgan & Co., New York, April 3.

82. Dichev, I., Is the risk of bankrupt a systematic risk?, Journal of Finance 53, 1998, pp. 1131-1147.

83. DiNardo, J., Tobias, J., Nonparametric Density and Regression Estimation. Journal of Economic Perspectives, Vol. 15,4, 2001, pp. 11 -28.

84. Duffie, D. and D. Lando, Term Structures of Credit Spreads with Incomplete Accounting Information, Econometrica, 69(3), 2001, pp. 633-664.

85. Duffie, D. and K. Singleton, Credit Risk: Pricing, Measurement and Management, Princeton NJ, Princeton University Press, 2003.

86. Duffie, D., Singleton, K. J., Modeling Term Structures of Defaultable Bond, Review of Financial Studies, Vol. 12, Issue 3,1999, pp. 683-720.

87. Elton, E., M. Gruber, D. Agrawal, and C. Mann, Explaining the rate spread on^ corporate bonds, Journal of Finance, 56(1), 2001, pp. 247-278.

88. Greene, W. H., Econometric Analysis, Fifth Edition, Prentice Hall, Pearson Education International, 2003.

89. Hartigan, J. A., Wong M. A., Algorithm AS 136: A K-Means Clustering Algorithm, Applied Statistics, Vol. 28, No. 1,1979, pp. 100-108.

90. Hull, J., White, A., The impact of default risk on the prices of options and other derivative securities, Journal of Banking and Finance, 1995, pp. 299-322.

91. Kahl, M., Economic distress, financial distress, and dynamic liquidation, Journalof Finance 57,2002, pp. 69-77.

92. Kaufman L, Rousseeuw P.J., Finding groups in data, an introduction to cluster analysis. Brussels: John Wiley & Sons, 1990.

93. KMV Corporation, 1993. Credit Monitor Overview, San Francisco Ca, USA.

94. Leland, H. E., Predictions of Default Probabilities in Structural Models of Debt, Journal of Investment Management, 2,2004, pp. 5-20.

95. Leland, H. E., Gorporate Debt Value, Bond Covenants, and Optimal Capital Structure, Journal of Finance, 49,1994,1213-1252.

96. Leland, H. E. and K. Toft, Optimal Capital Structure, Endogenous Bankruptcy, and the Term Structure of Credit Spreads, Journal of Finance, 51, 1996, pp. 987-1019.

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

98. Longstaff, F.A. and E. Schwartz, A Simple Approach to Valuing Risky Fixed and Floating Rate Debt, Journal of Finance, 50, 1995, pp. 789-821.

99. Mason, S. and S. Bhattacharya Risky Debt, Jump Processes, and Safety Covenants, Journal of Financial Economics, 9,1981, pp. 281-307.

100. McFadden, D., A comment on discriminant analysis versus logit analysis, Annals of Economic and Social Measurement, 1976, pp. 511-523.

101. McKinsey, Special report on The new world of financial services The McKinsey Quarterly, Number 2,1993.

102. Merton, R. C., On the Pricing of Corporate Debt: The Risk Structure of Interest Rates, The Journal of Finance, New York, Vol. 29, No. 2,449-470.

103. Mittelhammer, R. C., Judge, G.G., and Miller, D. J., Econometric Foundations, Cambridge University Press, 2000.

104. Modigliani, F., Miller, M., The Cost of Capital, Corporation Finance and the Theory of Investment, The American Economic Review, Vol. 48, No. 3, 1958, pp. 261-297.

105. Rose K., Gurewitz, E., Fox, G.C., Statistical Mechanics and Phase Transitions in Clustering, Physical Review Letters, 65,1990, pp. 945-948

106. Saretto, A., Predicting and Pricing the Probability of Default, August 4, 2004/-Working Paper.

107. Sharpe, W., The Sharpe Ratio, Journal of Portfolio Management, 1994, pp. 149-158.

108. Shumway, Tyler, Forecasting bankruptcy more accurately: a simple hazard rate model, Journal of Business, 14,2001, pp. 101-124.

109. Smith, L.D., Lawrence, E., Forecasting losses on a liquidating long-term loan portfolio, Journal of Banking and Finance, 1995, 959-985.

110. Sobehart, Jorge R., and Roger M. Stein, 2000, Moody's public firm risk model: a hybrid approach to modeling short term default risk, KMV-Moody's Investors Service.

111. Sommerville, R.A., Ta£er, R.J., Banker judgment versus formal forecasting models: The case of country risk assessment, Journal of Banking and Finance, 1995, pp. 281-297.

112. Trippi, R., Turban, E., Neural Networks in Finance and Investing, revised ed. Irwin, Homewood, IL, 1996.

113. Van der Laan, M. J., Pollard, K.S., Bryan, J., A New Partitioning Around Medoids Algorithm, Journal of Statistical Computation and Simulation 2003, 73, No 8, pp. 575-584.

114. West, R.C., A factor-analytic approach to bank condition. Journal of Banking and Finance, 1985, pp. 253-266.

115. Информационное агентство Bloomberg www.archive.bloomberg.com

116. Информация сайта http://www.valnet.ru/m7-123.phtml

117. Информация сайта http://disclosure.fcsm.ru

118. Информация сайта http://www.statsoft.com/textbook/stcluan.html

119. Информация сайта http://www.creditguru.com/4Cs.shtml: What are the 4 Cs of Credit?"

120. Информация сайта www.creditmetrics.com.

121. Информация сайта http:/m-article.info/index.php?sunject=7&article=24, 4-Анализ кредитоспособности заемщика

122. Корпорация KMV www.kmv.com.

123. Рейтинговое агентство Moody's www.moodys.com

124. Рейтинговое агентство Standart&Poors www.standartandpoors.ru

125. Сайт masters.donntu.edu.ua/2005/kita/kapustina/library/cluster.htm

126. Фондовый портал Forexite www.forexite.com