Диссертация (Формирование рейтингов для российских банков)

Государственный университет - Высшая школа экономики

На правах рукописи

КОШЕЛЮК ЮРИЙ МИРОСЛАВОВИЧ

ФОРМИРОВАНИЕ РЕЙТИНГОВ ДЛЯ РОССИЙСКИХ БАНКОВ

Специальность: 08.00.10 – Финансы денежное обращение и кредит

ДИССЕРТАЦИЯ

на соискание степени кандидата

экономических наук

Научный руководитель:

кандидат экономических наук,

Солодков В.М.

Москва – 2008

ОГЛАВЛЕНИЕ

ВВЕДЕНИЕ 3

ГЛАВА 1. Современные подходы к оценке устойчивости кредитных организаций 11

1.1. Банковская система России в период 2004-2006 гг. Отечественная практика оценки устойчивости банков 11

1.2. Международная практика присвоения рейтингов 26

1.3. Эмпирические исследования по оценке надежности банков 40

1.4. Основные показатели для анализа финансовой устойчивости российских банков 49

1.5. База эмпирических данных для исследования 61

Результаты первой главы 64

ГЛАВА 2. Модели для формирования рейтингов российских банков 65

2.1. Выявление характерных специализаций российских банков 65

2.2. Определение набора независимых показателей для построения моделей 75

2.3. Построение математических моделей формирования рейтингов 86

2.3.1. Модели, не учитывающие специализацию кредитной организации 92

2.3.2. Модели, учитывающие специализацию кредитной организации 100

2.4. Оценка устойчивости и качества моделей 107

2.4.1. Проверка результатов на данных out-of-sample 107

2.4.2. Проверка моделей на данных по кредитным организациям, у которых лицензии были отозваны 108

Результаты второй главы 111

ГЛАВА 3. Формирование рейтингов российских банков 112

3.1. Анализ динамики распределения банков по специализации 112

3.2. Оценка качества российских банков 114

3.3. Оценка согласованности результатов 119

3.4. Рейтинги банков по состоянию на начало 2008 года 123

Результаты третьей главы 129

ЗАКЛЮЧЕНИЕ 130

БИБЛИОГРАФИЧЕСКИЙ СПИСОК 142

Приложение 1. Расчет коэффициентов и формирование агрегированного баланса 152

Приложение 2. Определение специализации с помощью Самоорганизующихся Карт Кохонена 164

Приложение 3. Состав исследуемой группы банков, получивших рейтинг международных агентств 166

Приложение 4. Корреляция показателей 169

Приложение 5. Качественный состав исследуемой выборки в динамике 181

Приложение 6. Рейтинг-лист кредитных организаций (Результат применения модели, учитывающей специализацию банка) 183

Приложение 7. Исследуемая группа банков, лицензии у которых были отозваны Банком России 194

ВВЕДЕНИЕ

Актуальность темы исследования.

Сдерживающим фактором развития банковского бизнеса в целом и рынка межбанковского кредитования в частности является дефицит информации о качестве финансового состояния потенциальных контрагентов. На текущий момент в российской банковской системе международные рейтинги присвоены не более чем восьми процентам банков. Позволить себе услуги рейтинговых агентств (РА) могут лишь крупные, ориентированные на международные рынки капитала российские банки, остальным же для получения рейтинга нужно проводить кардинальную модернизацию деятельности, выстраивать управление организации с ориентацией на учет рисков, что связано с существенными, часто непосильными финансовыми затратами.

Из-за высокой скорости изменения ситуации на финансовых рынках, а также инертности «объективных» оценок со стороны РА¹, банкам необходимо создавать собственные методики дистанционного мониторинга банков-контрагентов для качественной и своевременной оценки их кредитоспособности.² Банк России также требует³, чтобы все кредитные организации ежемесячно, пользуясь собственными методиками, проводили мониторинг кредитоспособности своих контрагентов.

У большинства российских банков есть собственные методики оценки банков-контрагентов, состоящие преимущественно из двух составляющих – количественной и качественной оценок. Количественная оценка основывается на анализе финансовых показателей. Распространенным подходом к их оценке является выбор шкал и соответствующих градациям шкалы баллов, а итоговая оценка определяется как взвешенная сумма набранных баллов. Недостатком такого рода систем является тот факт, что градации шкалы, баллы и веса выбираются экспертно, что не способствует получению объективной оценки. Вторым компонентом методик является качественная оценка, которая основывается на анализе таких параметров как: структура собственности, качество управления рисками, территориальная принадлежность, кредитная история, деловая репутация и т.д. Подобного рода методика используется и на уровне Центрального банка РФ для анализа деятельности кредитных организаций, подавших заявку на вхождение в ССВ [5].

Универсального алгоритма, который позволял бы объективно ранжировать банки в различных экономических условиях, не существует. Упорядочивание организаций на основе двух ведущих финансовых показателей (с отображением их значений на плоскости) – наиболее простой и легко интерпретируемый способ ранжирования организаций. Однако полноценный анализ финансового состояния кредитных организаций должен осуществляться при помощи большого набора показателей, а ранжирование организаций при большом количестве анализируемых показателей – задача непростая, не имеющая однозначного решения.

Существенные коррективы в деятельность большинства банков внесет и планируемый переход на принципы Базеля-2 [46,100], который повлечет за собой изменения в порядке расчета кредитного риска⁴, уровня достаточности капитала банков и потребует создания комплексных систем управления и оценки рисков. Как и в соглашении 1988 года в Новом Базельском соглашении, активы банка взвешиваются по степени риска, что влияет на определение достаточности капитала кредитной организации. Весовые коэффициенты риска активов основываются главным образом на внешних кредитных рейтингах. Такие значимые рейтинги должны соответствовать следующим основным критериям: объективность, независимость, прозрачность, достоверность.

В методиках международных РА⁵ оценка организации сводится к одному интегральному показателю надежности, а анализ включает значительный набор как финансовой, так и нефинансовой информации. Субъективные оценки экспертов агентства и опросы сотрудников (что никак не отражается в отчетности организаций) составляют, по данным РА, значительную долю в комплексной оценке рейтинга. В этой связи возникает ключевой вопрос: в какой степени рейтинг банка, присваиваемый международными РА, зависит от его финансовых показателей, и допускает ли данная зависимость возможность формирования собственной системы рейтингов?

Предлагаемая методика позволяет совершенствовать систему риск-менеджмента в российских банках, но не призвана определить все нюансы финансового положения оцениваемых кредитных организаций.

Предлагаемый нами инструмент, опираясь именно на финансовые показатели, может служить основой для дистанционной оценки функционирования банков и ранжирования их по уровню надежности. Таким образом, инструмент позволяет получить «экспресс-рейтинг», для полновесной же оценки (в целях практического применения) необходимо корректировать полученный рейтинг с учетом всей доступной информации, в том числе и нефинансового характера: состав акционеров, масштабы региональной диверсификации бизнеса банка, сведения об основных клиентах, о видах предоставляемых услуг, о качестве корпоративного управления и о наличии «независимой» службы внутреннего контроля, о репутации банка на рынке, об участии в судебных разбирательствах и т.д.

Цель исследования. Разработать собственную методику формирования долгосрочных аналитических рейтингов⁶ для ранжирования российских кредитных организаций путем оценки их функционирования на основе набора финансовых показателей.

Для реализации цели исследования ставятся и решаются следующие основные задачи:

• провести обзор развития методов оценки функционирования кредитных организаций и подходов к определению их надежности;

• систематизировать существующие подходы к оценке надежности банков;

• разработать собственный подход к определению долгосрочного рейтинга надежности российских кредитных организаций:

• проанализировать зависимость рейтингов международных РА от финансовых показателей;

• выявить специализации, характерные для российских банков;

• выявить набор независимых финансовых показателей для построения интегрального показателя надежности банков;

• провести настройку моделей на основе рейтингов международных РА на выбранном наборе финансовых показателей и верификацию моделей на данных за пределами выборки (out-of-sample) и данных по банкам, лицензии у которых отозваны Банком России;

• изучить качественный состав анализируемой выборки банков в период с 2004 по 2008 гг;

• выработать рекомендации по повышению эффективности управления кредитными рисками на межбанковском рынке.

Объект исследования: банки – резиденты Российской Федерации.

Предмет исследования: подходы к формированию рейтингов кредитных организаций и эконометрические методы оценки функционирования банков.

Теоретическую базу исследования составляют труды ведущих ученых-экономистов (Э.Альтман, Г.Байстром, А.Бергер, Т.Бэк, А.Демиргук-Кунт, К.Зоупонидис, А.Рести, М.Хатчинсон, А.Эстрелла и др.), специалистов в области изучения функционирования и банкротств кредитных организаций, а также работы по моделированию и формированию рейтинговых оценок, представленные в ведущих научных журналах по экономике и финансам: «Journal of Banking & Finance», «International Economic Review», «Decision Sciences Journal », «Journal of Money, Credit and Banking», «European Journal of Operational Research», «Journal of International Money and Finance». Использовались также ресурсы сети Интернет, в частности, Интернет-страницы рейтинговых агентств и представительства Банка России в Интернете.

Вопрос ранжирования российских банков и формирования эффективного подхода к оценке риска на межбанковском рынке исследовался в работах А.Буздалина, С.Голованя, В.Иванова, А.Карминского, А.Пересецкого, А.Петрова, Б.Сазыкина, И.Фаррахова, и др.

При работе над диссертацией учитывались также исследования (П.Алам, Д.Бус, С.Головань, В.Иванов, А.Мавлютов и др.), посвященные кластерному анализу применительно к банковскому сектору. Особый интерес вызывают работы Т.Кохонена, в которых разработан метод самоорганизующихся карт – относительно новый подход к кластеризации данных.

Несмотря на раскрытие в указанных трудах целого ряда ключевых теоретических и методологических вопросов оценки функционирования банков, сохраняется необходимость в дальнейшей проработке аспектов, связанных с разделением российских банков по уровню кредитного риска (надежности), с учетом особенностей национальной банковской системы.

Актуальность задачи ранжирования кредитных организаций по уровню надежности, а также большая заинтересованность банков в разработке эффективного инструмента дистанционного анализа контрагентов определили выбор темы нашего исследования.

Научные методы исследования – анализ и синтез, абстрагирование, сравнение, восхождение от абстрактного к конкретному, системный анализ, экономико-математическое моделирование. В практической части работы применены также современные эконометрические методы анализа данных, кластерного анализа и компьютерного моделирования.

Информационной базой исследования являются регулярно публикуемые на сайте Банка России формы отчетности российских банков (Форма 101 «Оборотная ведомость по счетам бухгалтерского учета», Форма 102 «Отчет о прибылях и убытках»). Информационная база включает в себя данные по 401 российскому банку в период с января 2004 года по январь 2008 года. Для автоматизации процесса анализа нами был разработан ряд программных модулей, реализованных в среде MS Excel. Для статистической обработки данных использовался пакет SPSS. Кластеризация произведена с использованием программного пакета Viscovery SOMine⁷, в котором реализована методология самоорганизующихся карт Кохонена (Self Organizing Maps (SOM)).

Научная новизна исследования: теоретически и практически разработаны собственные авторские модели формирования (на основе общедоступных данных финансовой отчетности) рейтингов для российских банков, не представленных в рейтинг-листах международных РА. Теоретически и эмпирически обоснована важность включения специализации в процесс анализа кредитных организаций, в целях повышения эффективности процесса дистанционной оценки функционирования банков.

Наиболее существенные научные результаты, полученные автором, и определившие научную новизну заключаются в следующем:

• разработана и протестирована авторская методика формирования долгосрочных рейтингов финансовой устойчивости российских банков на основе набора только финансовых показателей (без учета экспертного мнения);

• решена задача моделирования рейтингов трех ведущих международных РА на основе данных российской бухгалтерской отчетности⁸, что позволяет повысить эффективность дистанционного анализа финансового состояния кредитных организаций и получить актуальную оценку их надежности; моделируемые рейтинги демонстрируют высокий уровень сопоставимости с рейтингами ведущих международных РА (Standard&Poor’s, Moody’s Investors Service, Fitch Ratings);

• выявлена высокая значимая зависимость рейтингов, присвоенных международными РА, от финансовых показателей функционирования и размера кредитных организаций;

• эмпирически обоснована целесообразность включения в анализ данных о специализации банка, как важной дополнительной информации, позволяющей применить индивидуальный подход для оценки надежности банков, а также представляющей самостоятельный интерес для изучения;

• определены возможности и условия применения полученных результатов для прогнозирования рейтингов российских банков.

Область исследования соответствует пункту 3.6. «Проблемы управления финансовыми рисками» раздела 3 «Финансы предприятий и организаций»; пункту 9.17. «Совершенствование системы управления рисками российских банков», пункту 9.18. «Проблемы оценки и обеспечения надежности банка» раздела 9 «Кредит и банковская деятельность» специальности 08.00.10 «Финансы денежное обращение и кредит» паспорта номенклатуры специальностей ВАК Минобрнауки России.

Теоретическая значимость работы состоит в обосновании методологических подходов построения (на основе общедоступной информации, а также информации о рейтингах, присвоенных международными РА) собственной системы долгосрочных рейтингов российских банков.