Моделирование вероятности дефолта корпоративных заемщиков банков

• Автор: Тотьмянина, Ксения Михайловна
• Шифр специальности: 08.00.10
• Научная степень: Кандидатская
• Год защиты: 2014
• Место защиты: Москва
• Количество страниц: 133 с. : ил.

СОДЕРЖАНИЕ РАБОТЫ
ВВЕДЕНИЕ
ГЛАВА 1. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ МОДЕЛИРОВАНИЯ ВЕРОЯТНОСТИ ДЕФОЛТА КОРПОРАТИВНЫХ ЗАЕМЩИКОВ
1.1 Понятие «дефолт» и критерии его идентификации
1.2 Классификация и сравнительный анализ моделей оценки вероятности дефолта
1.3 Учет эффекта процикличности при моделировании кредитного
риска
ГЛАВА 2 ФОРМИРОВАНИЕ СИСТЕМЫ РИСК ЗНАЧИМЫХ ПОКАЗАТЕЛЕЙ
2.1 Систематизация показателей деятельности потенциально
значимых с точки зрения оценки уровня кредитного риска
2.2 Структура и основные характеристики российского банковского сектора кредитования корпоративных заемщиков
2.3 Структурирование выборки для целей эмпирического
исследования на базе данных по российским компаниям
ГЛАВА 3 ОЦЕНКА ВЕРОЯТНОСТИ ДЕФОЛТА КОРПОРАТИВНЫХ ЗАЕМЩИКОВ
3.1 Моделирование вероятности дефолта: однофакторный и многофакторный анализ
3.2 Сравнительный анализ и оценка качества итоговых моделей
3.3 Экономический анализ и интерпретация итоговых моделей
ЗАКЛЮЧЕНИЕ
ПРИЛОЖЕНИЕ
БИБЛИОГРАФИЯ

ВВЕДЕНИЕ
Актуальность темы исследования. Кредитование корпоративного сектора представляет собой значительную часть деятельности российского банковского бизнеса. По состоянию на начало 2014 г. объем кредитования нефинансовых организаций составил порядка 56% величины кредитного портфеля и 39% величины активов российских банков [Обзор Банка России, 2013]. Между тем уровень просроченной задолженности корпоративного кредитного портфеля имеет тенденцию к росту. Дальнейший рост доли дефолтов в корпоративных портфелях банков может явиться причиной нестабильности банковского сектора и финансовой системы в целом.
В то же время, в результате ограниченности исторических статистических данных, закрытости рынков и наличия институциональных и законодательных барьеров, снижающих предсказательную силу рыночных сигналов, число исследований и моделей оценки вероятности дефолта для российского сектора корпоративного кредитования весьма ограничено. Использование инструментов, построенных на основе зарубежных данных и рынков, не всегда дает адекватные результаты, так как в этом случае не принимаются во внимание особенности российской институциональной и финансовой среды.
Значительная доля кредитования на российском рынке представлена кредитованием компаний строительной отрасли. В то же время, кризис 2007-2009 гг. показал, что компании строительной отрасли в значительной степени подвержены системным рискам и влиянию макроэкономических шоков, что обуславливает интерес к построению модели оценки вероятности дефолта именно для

предприятий данного сектора. В рамках данной диссертационной работы рассматривается один из подходов к моделированию вероятности дефолта компаний строительной отрасли -использование 1о§к-моделей бинарного выбора на основе данных финансовой отчетности, институциональных характеристик, а также макроэкономических показателей, как инструмента учета эффекта цикличности экономики.
Цель исследования. Цель данной работы - разработка модели оценки вероятности дефолта корпоративных заемщиков, на примере компаний строительной отрасли с использованием общедоступных данных на основе финансовой отчетности предприятий, данных о динамике макроэкономических показателей, а также нефинансовых институциональных показателей.
Основные задачи исследования. Для достижения поставленной цели, необходимо решить следующие задачи:
• систематизировать основные критерии события дефолт, существующие в отечественной и зарубежной практике;
• представить классификацию, оценить достоинства и недостатки существующих моделей оценки вероятности дефолта;
• систематизировать существующие подходы к определению эффекта процикличности, представить классификацию инструментов снижения данного эффекта при моделировании кредитного риска;
• собрать необходимую статистическую информацию и сформировать репрезентативную выборку для построения модели на основе данных по российской экономике;
• выделить наиболее риск-доминирующие показатели (финансовые, макроэкономические и институциональные показатели),

Ожидаемая вероятность дефолта по данным рейтингового
агентства S&P
Рейтинг / Год 1 2 3 4 5 6 7 8 9
AAA 0,00 0,00 0,03 0,07 0,11 0,20 0,30 0,47 0,54 0,
АА 0,01 0,03 0,08 0,17 0,28 0,24 0,61 0,77 0,90 1,
А 0,05 0,15 0,30 0,48 0,71 0,94 1,19 1,46 1,78 2,
ВВВ 0,36 0,96 1,61 2,58 3,53 4,49 5,33 6,10 6,77 7,
ВВ 1,47 4,49 8,18 11,69 14,77 17,99 20,43 22,63 24,85 26,
В 6,72 14,99 22,19 27,83 31,99 35,37 38,56 41,25 42,90 44,
ссс 30,95 40,35 46,43 51,25 56,77 58,76 59,46 58,59 61,57 62,
Недостатком данного подхода является то, что он говорит только о вероятности перехода рейтинга в категорию дефолта, иногда банкам необходимо оценить также вероятность переходов рейтингов по всем категориям. В рамках данной задачи можно использовать подход на основе межгрупповых переходов (cohort approach) и матрицы перехода (migration matrix), которые оценивают частоту изменения одного кредитного рейтинга на другой. Пример матрицы перехода, построенной на основе рейтингов Moody’s представлен в рис. 1.3. На основе данных проставленной выше матрицы миграции рейтингов можно, например, сказать, что 22,05% компаний с рейтингом Саа к концу года станут дефолтными, в то время как
67,79% останутся с тем же рейтингом.
Ааа Аа А Ваа Ва В Саа Default
Ana 91.S97% 7.385% 0.718% 0.000% 0.000% 0.000% 0.000% 0.000%
Аа 1.131% 91.264% 7.091% 0.308% 0.206%, 0.000% 0.000% 0.000%
А 0.102% 2.561% 91.1S9% 5.32S% 0.615%о 0.205% 0.000% 0.000%
Ваа 0.000% 0,206% 5.361% 87.938% 5.464%, 0.S25% 0.103% 0.103%
Ва 0.000% 0.106% 0.425% 4.995% S5.122% 7.333% 0.425% 1.594%
В 0.000% 0.109% 0.109»'о 0.543% 5.972% S2.193% 2.172% S.903%
Саа 0.000% 0.437% 0.437% 0.873% 2.511% 5.895% 67.795% 22.052%
Default 0.000% 0.000% 0.000% 0.000% 0.000% 0.000% 0.000% 100.000%
Рис. 1.3 Матрица миграции рейтингов по данным рейтингового агентства Moody’s.