Модели для оценки и управления рисками дефолтов крупных компаний в кредитном портфеле коммерческого банка

• Автор: Гусятников, Павел Викторович
• Шифр специальности: 08.00.13
• Научная степень: Кандидатская
• Год защиты: 2013
• Место защиты: Волгоград
• Количество страниц: 135 с. : ил.

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 (ЯК) 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
3.2 Функция распределения йй
3.3 Оптимизация модели функции распределения с помощью ЕМ алгоритма
3.4 Предложения по максимизации ставки восстановления
Заключение
Список литературы

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-Н» 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 сущёствующей 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 — М).

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.

Статистические модели (рыночные модели)
Другой не менее представительной группой методов прогнозирования риска дефолта являются статистические модели. Основным их отличием от скоринговых (вообще говоря скоринговые модели тоже носят вероятностный характер) является то, что данные модели принимают во внимание не только и не столько поведение большой исторической выборки других компаний, но фокусируют свое внимание на историю поведения самого заемщика (в особенности на стоимость акций заемщика).
При этом совершенно отдельную группу методов формируют модели основанные на изучении единственного, но наиболее значимого фактора -достаточности активов компании для покрытия всех ее обязательств. Наибольшую известность среди подходов такого типа получили модели следующих авторов: Р. Мертона ( 1974)[ 102], Ф. Блэка и Дж. Кокса (1976)[80], Ф. Морауха (2004)[103], П. Фрэнкоиса и Е. Мореллеса (2004)[88], Д. Галаи, А. Равива, 3. Виенера (2007) [90].
Следует отметить, что за последние годы крупные зарубежные финансовые оганизации реализовали имеющиеся статистические модели оценки кредитных рисков и, в частности, рисков дефолтов в готовые методологии с соответствующим методическим и программным обеспечением, ставшие по сути отраслевыми стандартами финансового сектора экономики. Наиболее известны и популярны сегодня следующие методологии: CreditMetrics (J.P. Morgan), CreditRisk+ (Credit Suisse Financial Products), Moody’s KMV Portfolio Manager (Moody’s KMV) и Credit Portfolio View (McKinsey & Co., Inc.) [68].
Более подробное описание статистических моделей, лежащих в основе этих методологий, а также путей по их совершенствованию будет дано в главе 2 настоящей работы.