Диссертация (Методы оценки кредитных рисков инвестиционных проектов)

Федеральное государственное автономное образовательное учреждениевысшего образования «Национальный исследовательский университет«Высшая школа экономики»На правах рукописиМоргунов Алексей ВладимировичМетоды оценки кредитных рисков инвестиционных проектовСпециальность: 08.00.10 – финансы, денежное обращение и кредитДиссертация на соискание ученой степеникандидата экономических наукНаучный руководитель:доктор экономических наук,доктор технических наук,профессорКарминский Александр МарковичМосква – 20172ОГЛАВЛЕНИЕВВЕДЕНИЕ ..............................................................................................................

4Глава 1 СИСТЕМАТИЗАЦИЯ МЕТОДОВ И МОДЕЛЕЙ ОЦЕНКИКРЕДИТНОГО РИСКА ИНВЕСТИЦИОННЫХ ПРОЕКТОВ ......................... 141.1Структурирование рисков проектного финансирования .................. 141.2Классификация методов оценки кредитного риска инвестиционныхпроектов ...........................................................................................................

231.3Практические особенности использования моделей оценкикредитного риска по инвестиционным проектам в российской изарубежной практике ...................................................................................... 37Глава 2 РАЗВИТИЕ МЕТОДОВ И РЕЙТИНГОВЫХ МОДЕЛЕЙ ДЛЯОЦЕНКИ ИНВЕСТИЦИОННЫХ ПРОЕКТОВ ................................................. 422.1Оценка вероятности дефолта с использованием модели бинарноговыбора .............................................................................................................. 422.2Оценка вероятности дефолта с использованием моделимножественного выбора .................................................................................

722.3Формирование рейтингов кредитоспособности инвестиционныхпроектов ........................................................................................................... 89Глава 3 ВАЛИДАЦИЯ И ПОВЫШЕНИЕ ПРОГНОЗНЫХ СПОСОБНОСТЕЙМОДЕЛЕЙ ........................................................................................................... 1013.1Практическая валидация разработанных рейтинговых моделей ... 1013.2Повышение прогнозных способностей моделей за счетмакроэкономических риск-факторов .......................................................... 1093.3Дополнительные возможности повышения качества и проверкирейтинговых моделей инвестиционных проектов ....................................

131ЗАКЛЮЧЕНИЕ ................................................................................................... 1413СПИСОК ЛИТЕРАТУРЫ................................................................................... 143ПРИЛОЖЕНИЕ А. Алгоритмы расчета риск-факторов на основании данныхроссийской финансовой отчетности ................................................................. 157ПРИЛОЖЕНИЕ Б. Дополнительная информация по моделям бинарноговыбора................................................................................................................... 162ПРИЛОЖЕНИЕ В.

Дополнительная информация по моделяммножественного выбора ..................................................................................... 172ПРИЛОЖЕНИЕ Г. Корреляции риск-факторов при валидации моделей ..... 181ПРИЛОЖЕНИЕ Д. Список основных терминов и определений ................... 1824ВВЕДЕНИЕМодели оценки вероятности дефолта играют важную роль в системахриск-менеджмента коммерческих банков [Севрук, 2001; Петров, Помазанов,2008], так как позволяют осуществить оценку кредитоспособности дляразличных контрагентов и сделок. Внедрение в практику первого компонентаБазель II [Симановский, 2007; Бондарчук, 2012] предполагает использованиепродвинутого подхода оценки кредитоспособности кредитного портфеля сиспользованием внутренних рейтинговых моделей (IRB Approach) дляоценки кредитного риска.

Это требует разработки отдельных моделей дляразличающихся по экономической сущности и уровню принимаемогокредитного риска групп активов [Анализ математических моделей Базель II,2010].В частности, многие российские банки испытывают сложности,связанные с разработкой моделей для сделок проектного финансирования.Проектноефинансированиепредставляетсобойфинансированиеинвестиционных проектов, при котором источником обслуживания долговыхобязательств являются денежные потоки, генерируемые самими проектами.Специфика этого вида инвестирования состоит в том, что оценка затрат идоходов осуществляется с учётом распределения риска между участникамипроекта [Лаврушин, 2013].

Сложности при разработке рейтинговых моделейоценкикредитоспособностиинвестиционныхпроектовсвязанысограниченным объемом данных и отсутствием достаточной дефолтнойстатистики по инвестиционным проектам. Помимо этого экономическая сутьразличных групп инвестиционных проектов может различаться, в результатечего для каждой такой группы на кредитоспособность проектов могут влиятьразличные объясняющие переменные, что требует разработки отдельноймодели для каждой группы проектов.Достоинствами проектного финансирования являются [Стратегиямодернизации российской экономики, 2010]:5 отсутствие прямых финансовых обязательств организаторов, что невлияетнадостаточностькапиталаирейтингиихосновнойдеятельности; возможность разделить риски, включая политические, и долг,исключить ограничения по другим транзакциям инициатора проекта; формирование заинтересованности банков во вхождении в проектныйсиндикат на стадии его формирования [Kleimeier, 2000]; участие кредиторов в экспертизе проекта [Coleshaw, 1989] в ходе егореализации для оперативного предотвращения возможных убытков.Проведенныеисследованияпоказали,чтосделкипроектногофинансирования имеют большую длительность и рассчитаны на болеерискованных заемщиков, чем обычные сделки.

Среди исследований вобласти проектного финансирования выделяются работы [Kayser, 2013],[Laishram,Kalidini,2009],[Gatti,2013],[Hait,2011]. Приоценкекредитоспособности инвестиционных проектов на различных временныхинтервалах используются модели выживаемости, представленные в работах[Кокс, Льюис, 1969], [Кокс, Оукс, 1988]. Преемственность методологииисследования связана с использованием подходов к оценке вероятностидефолта (применение моделей бинарного и множественного выбора в логити пробит-спецификациях, калибровка рейтинговых моделей, использованиеKS-статистики при принятии решения об участии в проекте и прочие),применяемых в предшествующих работах [Битюцкий, 2013; Энциклопедияфинансового риск-менеджмента, 2009; Рогов, 2001; Peresetsky, 2011;Карминский, 2013; Тотьмянина, 2014].Целью исследования является развитие методов оценки вероятностидефолта инвестиционных проектов.

Для достижения цели были поставленыследующие задачи: Систематизировать существующие подходы к построению моделейоценки вероятности дефолта по инвестиционным проектам;6 Выявитьпереченьфакторов,влияющихнакредитныерискиинвестиционных проектов, и сформировать выборку данных поинвестиционным проектам для эмпирического исследования; Разработать эконометрические модели для оценки вероятности дефолтаинвестиционных проектов; Оценить устойчивость и прогнозную силу (дискриминационнуюспособность) разработанных моделей; Построить подходящую для российских банков рейтинговую мастершкалу, позволяющую на основании годовых вероятностей дефолтаактивов различных классов заимствований получать внутренниерейтинги; Провести оценку применимости предлагаемых моделей для управлениярисками инвестиционных проектов на наиболее актуальных данных(осуществить валидацию разработанных рейтинговых моделей).Объектомисследованияявляютсяроссийскиеинвестиционныепроекты, по которым доступна публичная информация, а предметомисследования – методы оценки вероятности дефолта инвестиционныхпроектов и их рейтингование.Методами проведения исследования являются методы финансовогоанализа, экономико-статистического моделирования и эконометрическиеметоды.Методологическая база исследования включает в себя рекомендацииБазельских соглашений [Basel, 2006] по реализации подхода кредитногориска на основе внутренних рейтингов (IRB Approach).В качестве информационной базы использовалась база данных Bureauvan Dijk (База данных Руслана).

В данных источниках присутствовала полнаяинформация по 85 отечественным инвестиционным проектам за 2007-2014годы по ряду относительных показателей. Экспертные рейтинги (для моделимножественного выбора) по инвестиционным проектам были определены с7учетом негативной информации, имеющейся за время жизни проектов,полученной из различных источников.

Использование абсолютных факторовриска (таких, как NPV – чистая текущая стоимость инвестиционногопроекта) при моделировании было принято нецелесообразным в связи с ихпривязкой к определенным этапам экономического цикла и сильнымвлиянием на такие риск-факторы показателя инфляции. ЭмпирическиерезультатыполученысиспользованиемпрограммногообеспеченияMATLAB R2010b [Цисарь, 2008; Иглин, 2006].Научная новизна исследования состоит в: развитии подходов и методов моделирования основных компоненткредитного риска; разработке новых рейтинговых подходов для оценки кредитных рисковинвестиционных проектов на основе российской статистики; формированиирейтинговогопроцессаоценкиинвестиционныхпроектов в российских банках; развитии методов калибровки моделей ранжирования с учетомэкономического цикла.К основным полученным результатам исследования, характеризующимнаучную новизну, относятся следующие группы проблем:1.

Систематизация и развитие подходов и методов моделированияосновныхкомпоненткредитногориска(PD,LGD,EAD)поинвестиционным проектам, формирование собственной классификацииметодовпостроениямоделейоценкивероятностидефолтаинвестиционных проектов (PD) с использованием портфельных (методбинарного выбора, метод линейной регрессии, метод множественноговыбора,методпропорциональныхинтенсивностейКокса)ииндивидуальных подходов (симуляционные модели) и необходимыхусловий для их применения в кредитных организациях, а такжеформированиесобственнойклассификацииметодовоценкии8прогнозирование других компонент кредитного риска (LGD и EAD),что соответствует паспорту научной специальности 08.00.10 –Финансы, денежное обращение и кредит в части раздела 10. «Банки ииные кредитные организации» пункта 10.16.

«Система мониторинга ипрогнозирования банковских рисков».2. Разработка совокупности подходов к оценке вероятности дефолтаотечественных инвестиционных проектов с использованием методовбинарногоимножественноговыбора,ранееограниченноиспользовавшихся при разработке таких моделей только в зарубежнойпрактике, на основании сформированной эмпирической выборки поотечественным инвестиционным проектам, что соответствует паспортунаучной специальности 08.00.10 – Финансы, денежное обращение икредит в части раздела 10. «Банки и иные кредитные организации»пункта 10.12. «Совершенствование системы управления рискамироссийских банков» и пункта 10.16. «Система мониторинга ипрогнозирования банковских рисков».3. Формирование рейтингового процесса для инвестиционных проектов,учитывающего применение разработанной рейтинговой мастер-шкалы,которая может быть применена российскими банками в процессерейтингования и учитывает основные недостатки, связанные сиспользованием рейтинговых шкал зарубежных и отечественныхрейтинговыхагентств,чтосоответствуетпаспортунаучнойспециальности 08.00.10 – Финансы, денежное обращение и кредит вчасти раздела 10.

«Банки и иные кредитные организации» пункта 10.12.«Совершенствованиесистемыуправлениярискамироссийскихбанков».4. Развитие методов калибровки моделей оценки вероятности дефолта поинвестиционнымпрогнозныхпроектамспособностей)(разработказасчеталгоритмаучетаповышениямакроэкономических9показателей, характеризующих экономический цикл, выраженныхчерез сводный макроэкономический индикатор, что соответствуетпаспорту научной специальности 08.00.10 – Финансы, денежноеобращение и кредит в части раздела 10. «Банки и иные кредитныеорганизации» пункта 10.12.