Диссертация (Моделирование вероятности дефолта корпоративных заемщиков банков), страница 11

до 23% в 2013г. (см. рис. 2.3).Рис. 2.3 Валютная структура корпоративного портфеля российскихбанков (в млн. руб.)4Одной из характеристик, которую стоит учитывать при оценкекредитного риска корпоративного заемщика является его отраслеваяпринадлежность.По данным экспертов, в наибольших объемахроссийские банки предоставляют кредитыкомпаниям такойотраслевой принадлежности как: строительство, промышленноепроизводство, оптовая торговля, металлургическая промышленность,энергетика.

Предпочтения российских банков в части отраслевой4Составлено по данным ЦБ РФ с доступом на сайте: http://www.cbr.ru/statistics/?PrtId=pdko72принадлежности корпоративного кредитования подтверждаются наданных Банка России по российскому банковскому сектору.Рис. 2.4 Отраслевая структура рублевого корпоративного портфеляроссийских банков (в %)5Наосновероссийских банковотраслевойразбивкикредитногопортфелявидно, что в тройку наиболее кредитуемыхотраслей входят такие отрасли как: оптовая и розничная торговля,обрабатывающее производство и строительство (см. рис. 2.4).Кризис2007-2009гг.показалвысокуюподверженностькомпаний строительной отрасли системным рискам.

Данный фактподтверждается также на основе наблюдаемой статистики. ДоляNPL90+ для компаний из строительного сектора показываластабильную тенденцию к росту в период с 2009-2010 гг. и до сих поростается достаточно высокой – порядка 7%. Более того, относительнодругихотраслейстроительнаяотрасльявляетсядостаточновысокорисковой, т.к. доля просроченной задолженности строительной5Составлено по данным ЦБ РФ с доступом на сайте: http://www.cbr.ru/statistics/?PrtId=pdko73отрасли относительно других отраслей возрастает. При этом доляпросроченной задолженности компаний строительной отрасли ксовокупной просроченной задолженности также остается стабильновысокой – порядка 10-12% (см. рис.

2.5).Данный факт обуславливает больший научный интерес кразработке подходов к оценке вероятности дефолта для компанийименно строительной отрасли.Рис. 2.5 Динамика качества обслуживания ссудной задолженностикомпаниями из строительной отрасли6Стоит отметить, что тенденции и свойства, сложившиеся впоследнее время на рынке кредитования корпоративных заемщиков,объясняются множеством факторов, например, такими как: тенденцииэкономического развития и политического курса,особенностиинституциональной среды, инструменты монетарной и фискальнойполитики и т.д. Анализ данных факторов выходит за периметр даннойработы.

Между тем, краткий анализ актуальных тенденций ихарактеристик, свойственных российскому банковскому сектору6Составлено по данным ЦБ РФ с доступом на сайте: http://www.cbr.ru/statistics/?PrtId=pdko74корпоративного кредитования, проведенный в данном параграфе,будетхорошейосновойдляформированиянаиболеерепрезентативной выборки в рамках эмпирического исследования.2.3 Структурирование выборки для целей эмпирическогоисследования на базе данных по российским компаниямВ работах посвященных вопросам кластеризации (P.Alam, А.М.Карминский,А.А.Пересецкийидр.),показаназначимостькластерного анализа как одного из этапов построения моделей оценкифинансовойустойчивости.Таккаккластерныйанализвсейсовокупности корпоративных заемщиков российского банковскогосектора выходит за рамки данной работы, принято решение построитьмодель на примере одной отрасли.

Как было показано в предыдущемпараграфе,значительную долю корпоративного кредитованияпредставляют компании строительной отрасли. Более того, примеркризиса 2007-2009гг. показал, что данные компании в значительнойстепениподверженымакроэкономическихсистемнымшоков,чторискамобуславливаетивлияниюещебольшийпрактический интерес к построению модели именно для предприятийстроительной отрасли.Для целей выбора наиболее риск-доминирующих финансовыхпоказателей были сформированы следующие выборки компанийстроительной отрасли:1) Выборка дефолтных компаний.2) Выборка недефолтных компаний - аналогов.Для построения выборки дефолтных предприятийбылоотобрано 159 компаний строительной отрасли, которые допустилидефолт в период с 2005 -2013 гг.

и являлись эмитентами на рынкеценных бумаг. Согласно рекомендациям БКБН для построениямодели оценки вероятности дефолта на основе внутренних рейтингов75необходимоиспользоватьгоризонтнеменеепятилет.Сформированная выборка удовлетворяет данному условию [Базель 2,2004].Вкачествебанкротствекритерияпредприятия.дефолтавыступалообъявлениеоДанныйкритерийсоответствуюттребованиям БКБН согласно которым банкротство является одним изкритериев дефолтного события.По распределению числа дефолтов по годам (рис. 2.6), видно,что значительное число дефолтов приходится на 2007г., что можносвязать со снижением общей деловой активности и началоммеждународного финансового кризиса. Также значительное числодефолтов приходиться на 2010-2011гг., что является результатомэкономического кризиса 2007-2009 гг., общей стагнации отрасли ирезким снижением объемов капитального строительства.При этом, исходя из динамики среднего размера компаний,допустивших дефолт (рис.

2.7), видно что, несмотря на то, что на 2009г. приходится относительно небольшое число дефолтов, дефолты,произошедшиевуказанномгоду,относятсяккрупнейшимкомпаниям, средний размер которых значительно превышает среднийразмер компаний в целом по выборке. Это может говорить о том, чтоесли в самом начале кризиса дефолту подверглось значительное числомелких компаний, то ближе к концу кризиса дефолт были вынужденыобъявить даже самые крупные игроки на рынке.В пару к каждой компании, допустившей дефолт, были выбранытри – компании-аналога, которые относятся также к строительнойотрасли, между тем не объявляли дефолт и являются действующимина аналогичный период.

Такой подход используется по аналогии сработой [Lanine, Vennet, 2006].76Рис. 2.6 Динамика числа дефолтов компаний строительной отрасли впериод с 2005-2013 гг. (кол-во шт.)Рис. 2.7 Динамика средней величины активов компаний строительнойотрасли в период с 2005-2013 гг. (тыс. руб.)Таким образом, итоговая выборка состояла из 159 компанийдефолтов и477 аналогичных компаний не дефолтов (итого 636компаний).Дляформированиявыборкифинансовыхпоказателейиспользовалась информационно-аналитическая система FIRA PRO,77где доступна информация о статусе компании с точки зренияпризнания ее банкротом и данные финансовой отчетности компаний.Для целей расчета финансовых показателей использовались данныегодовой бухгалтерской отчетности согласно российским стандартамбухгалтерской отчетности (РСБУ; формы 1-3 и отчет о прибылях иубытках).Согласно требованиям БКБН вероятность дефолтаанализируется с горизонтом в 1 год.

Поэтому данные отчетностибрались за один год до объявления дефолта (аналогичный периодиспользовался для компаний аналогов). По причине отсутствия всехнеобходимых данных на требуемый горизонт времени, из длинногоспискапотенциальнориск-значимыхфинансовыхпоказателей,представленных в табл. 2.1. для данной выборки предприятий быларассчитана только часть финансовых показателей. Данные сосреднимизначениямирассчитанныхдляподвыборокрассматриваемых компаний (дефолтов и не дефолтных) представленыв табл. 2.4.С точки зрения наблюдаемых знаков зависимости с частотойдефолтов, исходя из средних значений по под выборкам, видно, чтопервоначальные гипотезы о характере зависимости подтвердились длявсех показателейКак мы уже показали ранее, одной из существенных проблемприиспользованииподходовнаосноведанныхфинансовойотчетности российских компаний для оценки вероятности дефолта,является проблема достоверности отчетности.78Таблица 2.4Средние значения финансовых показателей по под выборкам дефолтных и не дефолтных предприятий№НаименованиепоказателяЕд.измер.Среднее недефолтыСреднеедефолтыСреднееитогоПредполагаемыйзнакНаблюдаемыйзнак1Капиталтыс.руб.508 528156 781420 592--2Совокупнаявеличина чистыхактивовтыс.руб.175 16111 063134 330--3Чистая прибыль101 531- 29 89469 091--4Валюта баланса714 949336 721620 392--5Рентабельностьзатрат%%25819201--6Рентабельностьпродаж%%-2-261-65--7Рентабельностьактивов%%3-19-2--8Рентабельностьсобственногокапитала%%143-1108--9Оборачиваемостьактивовраз30124-234--тыс.руб.тыс.руб.79№101112НаименованиепоказателяОборачиваемостьсобственногокапиталаСредний срокоборотадебиторскойзадолженностиКоэффициентавтономииЕд.измер.Среднее недефолтыСреднеедефолтыСреднееитогоПредполагаемыйзнакНаблюдаемыйзнакраз43634--дней433736589++%%36-1623--13Удельный весзапасов воборотных активах%%253528++14Обеспеченностьсобственнымиоборотнымисредствами%%7-225-52--80Отчётность,публикуемойдоступнаяиоднимвизсистемеFIRAисточниковФедеральная налоговая служба РФ.PRO,являетсяотчетностиявляетсяБоле того, рассматриваемыекомпании являлись эмитентами на рынке ценных бумаг.

Такимобразом, на момент выпуска проспекта эмиссии их отчетностьподвергаласьаудиту.Данныйфактуменьшаетвероятностьиспользования в моделировании недостоверной отчетности, но, ксожалению, не исключает её полностью. В рамках данной работы мыпринимаем данное допущение и имеем его в виду, как одно изограничений рассматриваемого подхода.С точки зрения доступности институциональных показателей порассматриваемой выборке, на основе данных аналитической системыFIRAPROкомпанийиизданныхдлинногоофициальныхспискасайтоврассматриваемыхпотенциальнориск-значимыхинституциональных показателей, представленных в табл. 2.3., дляданной выборки предприятий были проанализированы только два:региональныйпризнакрассматриваемыхиорганизационнопоказателей.Распределениеправоваяформарассматриваемыхкомпаний с точки зрения регионального признака и организационноправовой формыпредставлены на табл.