Диссертация (Моделирование вероятности дефолта корпоративных заемщиков банков), страница 12

2.5. и табл. 2.6.соответственно.Таблица 2.5Распределение компаний по региональному признаку№12РегиональнаяпринадлежностьМосква и МООстальные регионыЕд.измер.шт.шт.81ДефолтыНе дефолтыИтого14145547219617Таблица 2.6Распределение компаний по организационно-правовой форме№123ОрганизационноЕд.Дефолтыправовая форма измер.ОАОшт.153ЗАОшт.2ОООшт.4Не дефолтыИтого41333315663535Доступность данных по макроэкономическим показателямлучше, чем по финансовым и институциональным характеристикам. Врезультате нами были рассчитаны все потенциально риск-значимыемакроэкономические показатели, представленные в табл. 2.2.

Так какв рамках данной работы предметом исследования является оценкавероятности дефолта в рассматриваемый момент времени (point intime probability of default), по макроэкономическим характеристикамиспользовались данные за один год до объявления дефолта(аналогичный период использовался для компаний аналогов).Данныесостатистическимихарактеристикамирассматриваемых макроэкономических показателей представлены втабл.

2.7.Таким образом, в рамках второй главы были решены следующиезадачи исследования:1)На основе обзора отечественных и зарубежных работ,посвященных оценке вероятности дефолта и уровня кредитного риска,систематизированы и классифицированы финансовые показатели,макроэкономическиеиинституциональныехарактеристики,потенциально значимые с точки зрения оценки уровня кредитногориска компании, и наиболее часто используемые для моделированияуровня финансовой устойчивости корпоративных заемщиков.82Проведен анализ основных характеристик и тенденций в2)российском банковском секторе корпоративного кредитования, в томчислевотраслевойиспользовалисьприразбивке.Результатыформированииданноговыборкипоанализаданнымдляроссийских компаний и экономике.3)Структурированароссийскихкомпанийфинансовойсформированастроительнойотчетностиинституциональныхпеременныхиотрасливыборканарассматриваемыххарактеристикибазедляданныхкомпаний,макроэкономическихдля целей эмпирического моделирования в рамкахследующей главы.83Таблица 2.7Статистические характеристики для рассматриваемыхмакроэкономических показателей№Показатель123456Нефть марки ЮралсИмпорт товаров и услугЭкспорт товаров и услугПриток/Отток капиталаMosprimeДефлятор ВВПИнвестиции в основнойкапиталСтавка МБКСтоимость бивалютнойкорзиныПотреблениедомохозяйствСтавка кредитованияБезработицаКредиты нефинансовымпредприятиямНоминальный ВВПИндекс ценпроизводителей789101112131415Единицаизмерениядолл./барр.млрд.

долл.млрд. долл.млрд. долл.%%гг.Среднеезначение69,475,5103,9-14,56,513,7Стандартноеотклонение27,929,237,544,03,06,5%10,710,5%среднегодовая,руб.4,41,532,92,5%7,56,4%%11,17,02,01,0млрд.руб.7 836,45 571,8трлн. руб.9 660,84 031,6%гг.13,010,084ГЛАВА 3 ОЦЕНКА ВЕРОЯТНОСТИ ДЕФОЛТАКОРПОРАТИВНЫХ ЗАЕМЩИКОВ3.1 Моделирование вероятности дефолта: однофакторный имногофакторный анализВ рамках многофакторного моделирования вероятности дефолтакомпанийстроительнойотрасли,предлагаетсяосуществитьследующие основные этапы:1. Анализ выбросов и нормирование данных.2. Анализмультиколлинеарностизависимостиипарныхкорреляций.3.

Отборнаиболеериск-доминирующихфинансовыхпоказателей при помощи следующих методов:Метод1:проведениестатистическихтестовдлявыделения наиболее дескриптивных переменных.Метод 2: отбор оптимальной комбинации факторов сточки зрения качества модели на основе поэтапного включенияпоказателей из каждого класса.Метод 3: отбор факторов на основе однофакторныхкоэффициентов AR (Accuracy Ratio) и ROC-кривых.4. Проверка гипотезы означимостимакроэкономическихфакторов.5. Проверкагипотезыозначимостиинституциональныхфакторов.6.

Проверкафункциональнойформызависимостиобъясняющих факторов модели.7. Проверка качества итоговых моделей и сравнительныйанализ полученных результатов.В данной работе многофакторная модель оценки вероятностидефолтапостроенанаоснове85моделейбинарноговыбора.Функциональная зависимость бинарной модели задается logitмоделью, которая имеет вид:P( yi  1) 11 e( b0 b1 X i1 b2  X i2 bn  X in ),(3.1)где1, если заемщик признается дефолтом;yi  0, в противном случае.,X ij - значение j-й объясняющей переменной для i-го заемщика;b j - коэффициент регрессии для j-й переменной.В качестве вектора объясняющих переменных использовалисьнаблюдения финансовых, макроэкономических и институциональныхпоказателей, рассмотренных в предыдущей главе.Расчеты производились при помощи программ EViews иMedCalc.

Далее мы более подробно опишем каждый из этапов ипредставим полученные результаты.3.1.1. Анализ выбросов и нормирование данныхРядпоказателейможетхарактеризоватьсяслишкомвысокими/низкими значениями по под выборкам относительносовокупного среднего значения показателя по выборке в целом, чтоможет быть обусловлено значительным числом выбросов в выборке.Для снижения влияния выбросов для каждой из под выборокпредлагается применить неравенство Чебышева, и полагать, чтовыбросом считается значение показателя, которое удовлетворяетследующему условию:( xi  M ( xi ))  3   xi для верхней границы,( xi  M ( xi ))  3   xi для нижней границы значения показателягдеM ( xi ) - среднее математическое i-й объясняющей переменной;86(3.2)среднее ( xi ) -квадратичноеотклонениеi-йобъясняющейпеременной.При этом идентифицированныевыбросы заменяются наверхнее/нижнее значение интервала соответственно.Для целей стандартизации и сглаживания выборки, всясовокупностьнаблюденийбыланормированаотносительностандартного отклонения следующим образом:xijnorm  ( xij  M ( x j )) /  ( x j ),(3.3)гдеxijnorm - нормированное значение j-й объясняющей переменной i-го наблюдения;xij - значение j-й объясняющей переменной i-го наблюдения;M ( x j ) - среднее математическое j-й объясняющей переменной; ( x j ) - среднее квадратичное отклонение j-й объясняющейпеременной.3.1.2.

Анализ мультиколлинеарной зависимости и парныхкорреляцийОдним из важных этапов проведения многофакторного анализаявляетсяанализмультиколлинеарности.Выявитьмультиколлинеарность переменных можно при помощи анализапарных корреляций, который поможет исключить возможностьвключения в модель показателей с сильной взаимозависимостью. Врамах данной работы анализ корреляций проводился при помощианализакоэффициентовкорреляцииСпирмена,которыерассчитывался как:(3.4)где87,- ранги соответствующих n наблюдений.Коэффициент Спирменапринимает значения от -1 до 1.Коэффициент, принимающий значение равное единице, говорит отом, что существует строгая прямая линейная зависимость междупоказателями и наоборот, коэффициент равный -1 говорит о наличиистрогой обратной зависимости.Результаты анализа корреляций Спирмена для рассматриваемыхфинансовых показателей представлены в табл.

3.1. Согласнополученным результатам видно, что наиболее тесная взаимосвязьхарактерна для показателей рентабельности активов и чистойприбыли: корреляция показателей составляет 79% ипоказателейвалюты баланса и капитала, корреляция которых составляет 72%.Также необходимо проанализировать уровень корреляционнойзависимости для отобранных макропоказателей. Данный анализнеобходимо провести для того чтобы проверить гипотезу о высокойвзаимозависимостимакропоказателейиисключитьмультиколлинеарность данных.

Результаты анализа корреляцийСпирменадлярассчитанныхвпредыдущейглавемакроэкономических показателей представлены ниже в табл. 3.2.Изполученныхрезультатованализакорреляционнойзависимости видно, что наибольшую корреляцию имеет показательстоимости нефти - корреляция с импортом 92%, экспортом 97%,номинальным ВВП 94%. Более того, данные показатели высококоррелированы между собой: экспорт и импорт 99%, импорт иноминальный ВВП 98%, экспорт и номинальный ВВП 98%. Данныерезультаты говорят о высокой значимости показателя стоимостинефти с точки зрения оказания влияния на значение другихмакропараметров и общих тенденций в российской экономике.

Такжевысокую корреляцию показывают показатели инфляции между собой:88индекс цен производителейи дефлятор ВВП имеют коэффициенткорреляции равный 73%. Индекс цен производителей также высококоррелирован с показателем притока/оттока капитала – коэффициенткорреляции 76%.Анализ корреляций Спирмена для наблюдений по отобранныминституциональным показателям (региональный признак и признакправовой-организационной формы)корреляционнуюзависимость,не выявил для них высокуют.к.значениекоэффициентакорреляции менее 30%.В результате для исключения эффекта мультиколлинеарности ивысокойкорреляциимеждурассматриваемымипоказателямипредлагается в рамках многофакторного регрессионного анализа наследующих этапах моделирования не использовать комбинациипоказателей, с коэффициентом корреляции более 70%.89Таблица 3.1Матрица корреляций Спирмена для финансовых показателейПоказательКапиталЧистые активыЧистая прибыльКапиталЧистые активыЧистая прибыльВалюта баланса1,000,590,460,721,000,420,501,000,40Рентабельность затрат0,040,190,300,200,420,24РентабельностьпродажРентабельностьактивовРентабельностькапиталаОборачиваемостьактивовОборачиваемостькапиталаСредний срок оборотадеб.задолж.КоэффициентавтономииУдельный вес запасовв оборотных активахОбеспеченностьсобственнымиоборотнымисредствамиРентабельно Рентабельностьсть затратпродажРентабель РентабелОборачиваемо Оборачиваемостьностььностьсть активовкапиталаактивов капитала1,000,590,110,581,000,350,790,130,380,691,000,100,030,380,120,090,340,481,000,080,170,350,000,030,320,410,201,000,090,250,270,070,030,230,280,160,460,210,110,010,30-0,200,130,230,06-0,60-0,190,43---0,16-0,000,09-0,040,37Средний срокоборотадеб.задолж.КоэффициентавтономииУдельный вес запасовв оборотных активахОбеспеченностьсобственнымиоборотнымисредствами1,000,130,04-Валюта баланса0,03-0,13-0,20-0,30-0,120,390,3790-0,28-0,160,30-0,070,100,030,360,04--0,631,00-0,301,000,070,12-0,170,050,01-0,210,190,08-0,071,00-0,180,601,00-0,221,00Таблица 3.2Матрица корреляций Спирмена для макропоказателейПоказательНефтьмаркиЮралсНефть марки Юралс1,00Импорт товаров и услуг0,92Экспорт товаров и услуг0,97Приток/Отток капитала-Mosprime0,04Импорт Экспорт Приток/Инвестиции вДефлятортоваров и товаров иОтток MosprimeосновнойВВПуслугуслугкапиталакапиталСтавкаМБКСтоимостьКредитыПотреблениеСтавкаНоминальныйбивалютнойБезработица нефинансовымИЦПдомохозяйств кредитованияВВПкорзиныпредприятиям1,000,99-0,090,371,00-0,200,260,161,00-0,261,00Дефлятор ВВП-0,30-0,40-0,350,25-0,61Инвестиции в основной капитал-0,10-0,22-0,170,43-0,791,000,531,00Ставка МБК0,270,340,32-0,180,95-0,65-0,74Стоимость бивалютной корзины0,540,480,50-0,040,24-0,37-0,57Потребление домохозяйств-0,35-0,38-0,36Ставка кредитования-0,56-0,46-0,52Безработица-0,82-0,79-0,820,16--0,770,010,680,060,160,70-0,870,29-0,540,16-0,271,000,35-0,841,00-0,54-0,03-0,741,000,05-0,471,000,03-0,050,760,02-0,121,00Кредиты нефинансовым предприятиям0,420,580,53-0,400,24-0,18-0,160,200,39-0,18Номинальный ВВП0,940,980,98-0,310,22-0,43-0,310,370,64-0,48-0,42-0,310,37-0,04-0,04Индекс цен производителей-0,12-0,37-0,280,76-0,370,73910,47-0,35-0,081,000,56-0,011,00-0,331,003.1.3.

Отбор наиболее риск-доминирующих финансовыхпоказателейСледующим этапом диссертационного исследования являетсяотбор из длинного списка показателей, рассчитанных на основесформированнойвыборки,усеченногоспискапоказателей,характеризующихся наибольшей дискриминирующей способностью.Таким образом, необходимо отобрать показатели с наибольшейспособностью разделять компании на «не дефолтные» и потенциально«дефолтные» компании, для решения данной задачи в рамках даннойработыпредлагаетсяиспользоватьтривозможныхметода,перечисленных в начале параграфа.Далее мы реализуем каждый из предложенных подходов ипредставим полученные результаты.Выбор финансовых показателей на основе статистическихтестов на выявление наиболее риск-доминирующих показателей(Метод 1)Для анализа и выявления наиболее риск-доминирующихпоказателей в рамках пакета Eviews v.7, проводилисьследующиетесты на проверку гипотезы о равенстве средних двух независимыхвыборок показателей дефолтных и не дефолтных компаний:t-критерий Стьюдента;Satterthwaite-Welch тест (аналог t-критерия Стьюдента дляслучая неравных дисперсий);ANOVA тест;Welch тест.Результаты проведения тестов на равенство средних длярассчитанных финансовых показателей представлены в табл.3.3.92Таблица 3.3Результаты тестирования на равенство средних по под выборкамдефолтных и не дефолтных финансовых показателей№Наименованиепоказателяt-testSatterthwaite- Anova WelchWelch t-testF-test F-test1Валюта баланса0,03470,00170,0347 0,00172Капитал0,12230,00030,1223 0,00033Совокупнаявеличина чистыхактивов00,065900,06594Чистая прибыль00,203900,20395Рентабельностьпродаж00,003900,00396Рентабельностьзатрат00007Рентабельностьсобственногокапитала0,41990,21880,4199 0,21888Оборачиваемость0,6108активов0,37850,6108 0,37859Оборачиваемостьсобственного0,7215капитала0,55070,7215 0,55070,01620,16660,0162 0,1666001011Средний срокоборотадебиторскойзадолженностиУдельный весзапасов в9300ВыводГипотеза оравенствесреднихотвергаетсяГипотеза оравенствесредних неотвергаетсяГипотеза оравенствесредних неотвергаетсяГипотеза оравенствесредних неотвергаетсяГипотеза оравенствесреднихотвергаетсяГипотеза оравенствсреднихотвергаетсяГипотеза оравенствесредних неотвергаетсяГипотеза оравенствесредних неотвергаетсяГипотеза оравенствесредних неотвергаетсяГипотеза оравенствесредних неотвергаетсяГипотеза оравенстве№Наименованиепоказателяоборотныхактивахt-testSatterthwaite- Anova WelchWelch t-testF-test F-testВыводсреднихотвергается12Обеспеченностьсобственнымиоборотнымисредствами00,010800,010813Коэффициентавтономии000014Рентабельностьактивов0000Гипотеза оравенствесреднихотвергаетсяГипотеза оравенствесреднихотвергаетсяГипотеза оравенствесреднихотвергаетсяРезультаты тестирования на равенство средних показали, чтодля таких показателей как:валюта баланса;рентабельность продаж;рентабельность затрат;обеспеченность собственными оборотными средствами;удельный вес запасов в оборотных активах;рентабельность активов;коэффициент автономиина 5% уровне значимости отвергается гипотеза о равенствесредних по под выборкам дефолтных и не дефолтных наблюдений,чтоможетговоритьовысокойдескриптивнойспособностипоказателей.