Управление кредитными рисками в коммерческом банке

7.  Осуществить  калибровку  рейтингового балла, установить соответствия между рейтинговым баллом и вероятностью дефолта.

 

Выделение основных отраслево-целевых секторов. 

Очевидно,  что  характеристики  и  финансовые  показатели  корпоративных  клиентов значительно  отличаются  от    показателей  финансовых  компаний. Поэтому  в  первую  очередь  требуется  выделить  основные  типы клиентов,  которые  находятся  в  портфеле  и  с  которыми  работает  банк  в  соответствии  с реализуемой  кредитной  политикой.  В  общем  случае  можно  предложить  следующее разделение  на  сектора:  корпоративные  заемщики  (стандартные  формы  кредитования), банки,  федеральные  и  муниципальные  органы  власти,  малый  и  средний  бизнес, инвестиционные проекты, прочие  (депозитарии, страховые компании и т.д.). Каждый из выделенных  секторов  требует  отдельного  рассмотрения  и  специальной  настройки рейтинговой системы.

Выделение основных риск-доминирующих факторов.

 Факторы  могут  быть  как  количественными,  например,  финансовые  показатели,  так  и качественными,  отражающими,  в  том  числе,  и  экспертное  мнение.  При выборе факторов, кроме их значимости и экономического смысла, следует учитывать, что по некоторым из них потребуется собрать достаточную для анализа историю. Кроме этого,  не  стоит  выбирать  слишком  большое  число  показателей, так  как,  скорее  всего,  многие из них окажутся взаимозависимыми, что приведет к сложностям с определением их весов (этап 5).

Накопление данных по оценке показателей. 

Для  сбора  данных  необходимо  выбрать  не  менее  50  клиентов,  относящихся  к рассматриваемой  отраслево-целевой  группе  и  собрать для  них  определенные  ранее показатели  за несколько последних лет. При этом данные можно получать из различных источников,  в  том  числе  и  общедоступных.  В  частности,  с  серверов  раскрытия информации  (данные  по  отчетности),  данные  статистических комитетов т.д. 

Формирование границ принятия решения. 

На основе собранных данных можно определить, какие значения каждого из  показателей являются хорошими для рассматриваемой группы клиентов, а  какие – плохими. В первую очередь,  необходимо  выделить  критические  значения  для  показателей.  То  есть,  такие значения,  появление  которых  у  кредитополучателя,  свидетельствует  о    его  неблагоприятном финансовом  положении.  Определение  таких  значений  практически  представляет  собой систему стоп факторов, при наличии которых работа с клиентом не прекращается, однако, ему  сразу  назначается  вмененный  рейтинг  или  отграничение  на  рейтинговую  группу. Оставшийся  диапазон  значений  показателя  разделяется  на несколько  групп,  каждой  из которых  ставится  в  соответствие  определенный  балл.  Границы  выделяются  таким образом,  чтобы  в  образованные  интервалы  попадало  примерно  одинаковое  количество компаний  из  собранной  базы.    При  выделении  границ  каждой  группы  необходимо  учитывать  не  только  накопленные  данные,  но  экономическую непротиворечивость. 

Определение весов показателей. 

На  этом  шаге  необходимо  определить  значимость  показателей.  Одним  из  возможных подходов является экспертное проставление весов. Для этого необходимо собрать группу опытных  сотрудников-экспертов,  которые  независимо  друг  от  друга  определят значимость предложенных факторов. После этого, полученные веса усредняют.  Кроме этого, возможен и другой, более технический, подход. Сначала составляют схему,  содержащую несколько уровней, включающую определенные ранее риск-доминирующие факторы.  На  каждом  уровне  необходимо  определиться,  какие  факторы  являются  более значимыми,  какие  равнозначными,  а  какие  менее  значимыми.  После  этого, воспользовавшись,  например,  схемой  Фишберна,  можно определить  веса  показателей.  Однако  в  обоих  подходах  необходима  дополнительная  корректировка  весов  для  учета следующих  элементов:  взаимозависимость факторов  (в  случае  значительной  корреляции между  показателями  может  произойти  двойной  учет  аналогичных  факторов,  что искусственно увеличит значимость этого фактора), влияние весов на качество получаемой модели  (можно  в  качестве  настройки  произвести  вариацию  полученных  весов,  чтобы достичь  лучшего  результата  на  этапе  верификации). Технологическая  схема  расчета рейтинга представлена на рисунке 5.

Рисунок 5 - Технологическая схема расчет рейтинга

Примечание – Источник: [16].

Верификация рейтингового балла. 

Для  того  чтобы  определить  качество  созданной  рейтинговой  системы  необходимо произвести ее верификацию. Чтобы сделать это, желательно собрать статистику дефолтов и  рейтинговые  баллы  за  несколько  временных  периодов  (хотя  бы  за  несколько  лет  или экономических  циклов)  по  кредитополучателям  рассматриваемого  отраслево-целевого  сектора. Отметим,  что  в  соответствии  с  документами  Базель  2,  требуется  подтверждение верификации  модели  на  пятигодовом  интервале.  Один  из  наиболее  распространенных способов  верификации  рейтинговых  систем  –  построение  ROC  (receiver  operating characteristic)  кривых.  Качество  рейтинговой  системы  определяется    показателем  AR  – Accuracy  Ratio  (также  называемый  коэффициентом  Жини  (Gini)).  Этот  коэффициент определяется как отношение площадей   под идеальной ROC кривой () к площади под реальной, построенной на основе статистики ROC кривой  () (рис.6).

Рисунок 6 – Построение ROC кривой

Примечание – Источник: [16].

 

Таблица 4 - Распределение рейтинговых систем по качеству

Интервал	Качество модели
80% и выше	Отличное
60-80%	Очень хорошее
40-60%	Хорошее
20-40%	Среднее
20 %  и ниже	Неудовлетворительное, от модели следует отказаться

 

Примечание – Источник: [16]

Стоит отметить, что международным  рейтинговым  агентствам  (Moody’s Rating Global,  Fitch Global Corporate Finance Ratings,  S&P  Rating Global),  которые  проводят  глубокий  и  подробный  анализ  и аудит рейтингуемых компаний, удается получить качество моделей более 88%. 

Калибровка  рейтингового  балла,  соответствие между  рейтинговым  баллом  и вероятностью дефолта. 

Вероятность  дефолта  компании,  по  сути,  является абстрактной  величиной,  т.к. представляет собой отношение количества дефолтов за год, произошедших с совершенно аналогичными  компаниями,  к  общему  числу  таких  компаний  (среднегодовая  частот дефолтов),  при  устремлении  последнего  числа  к  бесконечности.  Таким  образом,  любая модель  позволяет  получить  лишь  некоторую  оценку  вероятности  дефолта.  Между вероятностью  дефолта  и  рейтингом  кредитополучателя  может  быть  установлено  взаимно-однозначное  соответствие.  В  этом  случае  PD  является оценкой  процента  заемщиков, имевших  дефолт  за  год,  из  общего  числа  заемщиков  данной  рейтинговой  группы. Ведущие мировые банки и рейтинговые агентства производят сбор статистики дефолтов в рейтинговых  группах.  Также общепризнанной является логитная форма зависимости между рейтингом и вероятностью дефолта:

 

Эта  зависимость  подтверждается  с  высоким  коэффициентом  детерминации.  Однако коэффициенты  фона  и  наклона  (A  и  B)  подлежат  определению  в  каждом  конкретном случае  (т.е.  при  настройке  модели  рейтингования  каждого  отраслево-целевого  сектора).

Определение параметров производится на основе 3-х типов данных: 

1)  частота дефолтов  по отраслево-целевой группе (данные  банка, по стране, в крайнем случае, при полном отсутствии данных - экспертно-ожидаемая частота дефолтов); 

2)  распределение баллов, полученное в результате рейтингования компаний на основе собранных исторических данных (этап 3); 

3)  качество модели (AR), реальное (полученное в результате построения ROC кривой на шаге 6) или предполагаемое.

 А также на основе 2-х постулатов:

1.  средняя  частота  дефолтов  по  компаниям,  включенным  в  собранную  базу, равняется статистически наблюдаемой с учетом экономической ситуации;

2.  рейтинговая система должна хорошо разделять заемщиков на «плохих» (с высокой вероятностью дефолта) и «хороших» (с низким PD) с учетом качества рейтинговой системы (AR).

В  результате  создания  и  правильной  настройки  рейтинговой  системы  банк  получает возможность  практически  в  автоматическом  режиме  производить  первоначальное  и мониторинговое  рейтингования  стандартных  компаний (средний  диапазон  на  рис.  7). Однако, для компаний, получивших высокий рейтинг, все-таки требуется дополнительное подтверждение  рейтинга,    а  при  получении  заемщиком  низкого  рейтинга  также необходимо  дополнительно  выявить  причины  и  отрицательные  факторы.  Последнее может  послужить  причиной  для  начала  работы  с  клиентом  по  диагностики  развития проблемной ситуации.

Рисунок 7 -  Соотношение рейтингового балла и вероятности дефолта

Примечание – Источник: [16].

Следующим параметром риска является экспозиция под риском (EAD) или объем средств под риском. Эта величина показывает, какая сумма подвержена риску потерь по данному активу портфеля либо какая сумма будет подвержена риску в случае выдачи кредита. При расчете  EAD  необходимо  учитывать  следующие  характеристики,  которые  получают  из банковской системы либо из условий заявки:

• вид кредитного продукта;
• срок кредитного договора;
• срок до окончания договора;
• сумма договора;
• позиция (задолженность);
• обеспечение.

Экспозиция под риском состоит из трех компонент: позиции (текущей задолженности), учета неиспользованного остатка лимита и коррекции.

где  CCF  –  Credit  Conversion  Factor  (фактор  кредитной  конверсии),  отвечающий  за использование  неосвоенной  части  лимита,  который  определяется  первыми  четырьмя характеристиками сделки. CCF сильно  зависит от кредитной политики банка.

В  соответствии  с  рекомендациями  Базельского  комитета  коррекция  EAD  может производиться  только  на  высококачественное,  высоколиквидное  приемлемое обеспечение.  Такое  обеспечение  может  быть  легко  реализовано,  за  счет  чего  удается достаточно  быстро  вернуть  часть  суммы  кредита  (или  даже  весь  кредит,  если  он  был полностью  покрыт  таким  залогом).  Коррекция EAD возможна и на обеспечение более низкого качества (условно-приемлимое обеспечение), но  в  этом  случае повышается    величина LGD,  т.е.  та часть EAD, которую банк безвозвратно потеряет в случае дефолта кредитополучателя. Величина  Loss  Given  Default  также  является  случайной.  В  среднем,  по  результатам международных исследований LGD  в  зависимости  от  страны меняется  от  25% до  60% [18].

Таким  образом,  знание  параметров  риска  EAD  и  LGD  дает  нам  возможность  оценить возможные безвозвратные потери по ссуде:

     

Никогда  невозможно  точно  предсказать  тот  объем  потерь,  с  которым  столкнется  банк. Однако  можно  оценить  средний  уровень  потерь  банка,  или  так  называемые  ожидаемые потери  (EL  -  Expected  Loss).  EL  с  точки  зрения  банков  представляют  собой  элемент стоимости  бизнеса.  Оценить  объем  ожидаемых  потерь  возможно,  используя  основные параметры риска: PD дает среднегодовую вероятность дефолта  кредитополучателя, а EAD*LGD– уровень потерь. Таким образом, ожидаемые потери можно оценить следующим образом:   

Учитывать такие потери можно, например, за счет создания адекватных резервов. Однако, следует  учитывать,  что  процесс  возврата  низколиквидного  обеспечения  или  активов предприятия  может  значительно  затянуться,  поэтому  оценкой  необходимого  уровня резервирования является величина

где LGD не учитывается. 

Пиковые  потери  случаются  достаточно  редко,  однако,  их масштаб  потенциально может быть  очень  большим  (рис.  8).  Потери,  превосходящие уровень  средних  (ожидаемых) потерь называют неожидаемыми, непредвиденными или  стрессовыми  (Unexpected Loss). Процентные ставки включают премию за риск, поэтому могут «взять на себя» некоторую часть таких потерь. Однако в условиях рынка, ставки, которые позволили бы полностью учесть  неожидаемые  потери,  были  бы  не  конкурентными.  Поэтому  одной  из  функций собственного  капитала  банка  становится  создание  «буфера»  на  случай  таких  пиковых (неожидаемых) потерь.

Рисунок 8 - Временной ряд потерь банка

Примечание – Источник: [16].

 

Наихудшей  будет  ситуация,  когда банк  теряет  весь  свой  кредитный портфель  в  течение определенного периода  (например, года, если мы рассматриваем горизонт риска, равный  одному  году).  Это  событие  является  крайне  маловероятным,  поэтому  держать собственный капитал под такие потери является экономически нецелесообразным. Банки, наоборот, стремятся уменьшить собственный капитал, чтобы дополнительно высвободить экономические ресурсы для инвестирования и получения прибыли. С другой стороны, чем меньше  у  банка  капитал,  тем  выше  вероятность  того,  что  он  не  сможет  справиться  со своими  собственными  обязательствами,  то  есть,  вероятность  того,  что  потери  банка превысят  прибыль  плюс  доступный  капитал.  Это  может  привести  к  банкротству  банка.

Необходимо  поддерживать   баланс  между  риском  банкротства  и  желанием получить дополнительную прибыль. Требование  на  экономический  капитал  для  учета  стрессовых  потерь  является инструментом, чувствительным к индивидуальному риску заемщиков. [19]

Выделяют три основных причины возникновения непредвиденных потерь (UL):

1) Подверженность заемщиков общему состоянию экономики. Этот  тезис  непосредственно  следует  из  общемировой  ежегодной  статистики  дефолтов. Есть  года, когда наблюдаются  значительные непредсказуемые  скачки частоты дефолтов, следовательно,  значительно  возрастают  потери  банков.   Эти  скачки  происходят под  вилянием  стохастического  общего  фактора.  Методика  расчета  экономического капитала  (CaR-  Capital  Requirement)  под  непредвиденные  потери,  заложенная  в рекомендации  базельского  комитета,  основана  на  идеях  Мертона (Merton,  1974) [20]