Автореферат (Оценка кредитного риска при ипотечном жилищном кредитовании), страница 3

Представляется, что с точки зрения банковского рискменджемента величина бухгалтерского LGD имеет более явное практическоеприложение,посколькупо портфелюидляиспользуетсяформированиядлярасчетарезервовнаожидаемыхпотерьвозможныепотерипо ипотечным ссудам.Кроме того, анализ эмпирических наработок в данной области,в основном по американскому ипотечному рынку, позволил прийти к выводуо возможном существовании отличительных характеристик распределениядоли потерь при дефолте3, таких как несимметричность, цензурированностьи бимодальность, причем с более высокой долей потерь в периодыэкономическихрецессий.Приэтомвыявленосущественноевлияниепараметров ипотечного кредита, в особенности соотношения Кредит/Залоги характеристик залогового обеспечения, и макроэкономических условийна величину данной компоненты кредитного риска.Третья группа проблем диссертационного исследования связанас развитием методов оценки компонентов кредитного риска (вероятностидефолта, доли потерь при ипотечном дефолте и суммарных активов,подверженных риску дефолта) при ИЖК российских заемщиков, в том числес использованием эконометрического моделирования.Предоставлениюандеррайтинга,котораяИЖКпредшествуетсодержитвсебепроцедуракредитногокомплексныйанализплатежеспособности заемщика, ликвидности предмета ипотеки, параметровипотечного кредита и оценки кредитного риска, включая оценку вероятности2И ставки восстановления (Recovery Rate — RR), которая рассчитывается как: RR=1–LGD.В моделях оценки кредитного риска на портфельном уровне CreditRisk+ и CreditMetrics предполагается,что RR фиксирована либо имеет бета-распределение, соответственно.313дефолта и величины ожидаемых убытков, с целью выработки решенияо принятии кредитного риска по ипотечному кредиту.Врезультатерассмотренияальтернативныхподходовкоценкевероятности ипотечного дефолта PD показано, что целесообразно использоватьинструменты эконометрического моделирования4.

Для отбора потенциальнозначимыхриск-доминирующихфакторовиспользуютсярейтинговаяметодология агентства Moody’s (MILAN-анализ), результаты мониторингафинансового поведения в России, представленные в работе Радаева и Кузиной(2011), обзор практик ипотечного андеррайтинга, подготовленный АИЖК,и академическая литература по данной теме.Вработеисследуютсятакиепотенциальнозначимыериск-доминирующие факторы как социально-демографические характеристикизаемщиков,параметрыипотечногокредитаимакропеременные,таки показатели, учитывающие особенности ипотечных жилищных кредитов,выданных в рамках государственных программ ИЖК (ипотечных программАИЖК).

В частности, рассматриваются тип кредитора (первичный кредиторили региональный оператор АИЖК) и ряд особенностей выданных кредитов(классическая или социальная ипотека, кредиты, выданные на основаниисамостоятельного подтверждения заемщиками сведений о доходах).Включение дополнительной группы переменных связано с рядомобстоятельств. Во-первых, несмотря на существование единых стандартоввыдачи и рефинансирования кредитов (займов), выданных по программамАИЖК, оценка кредитного риска осуществляется первичными кредиторамии региональными операторами самостоятельно. По этой причине надежностьоценки уровня кредитного риска потенциальных заемщиков может существенноварьироваться, а, как следствие, варьируется и фактическая частота ипотечныхдефолтов.Модели бинарного выбора без и с учетом коррекции выборочной селективности  одномерная и двумернаяпробит-модели.414Во-вторых, предлагаемые АИЖК ипотечные программы, как правило,привлекательнее среднерыночных, поскольку представляют собой кредиты,гарантированныегосударственнымиструктурамииориентированныена обеспечение равной доступности для населения на всей территории России.Они включают в себя как классическую ипотеку, так и социальную ипотеку,направленную на отдельные категории граждан.

Соответственно, уровенькредитногорискатакихзаемщиковможетсущественноотличатьсяот заемщиков коммерческих банков.В-третьих,заемщикможетнеиметьподтвержденногодохода5,что предусмотрено стандартами АИЖК, и воспользоваться специальнымпредложением «Альтернативный документ», которое дает возможность взятьипотечный кредит при дополнительном подтверждении дохода.В работе предложен метод для аппроксимации исторической доли потерьпо ипотечным жилищным кредитам (Expected Loss Given DefaultELGD)в условиях судебного урегулирования просроченной ипотечной задолженности(реализации залога). Его основными компонентами являются:1.

Оценка вероятности ипотечного дефолта PD в течение произвольногогоризонта времени6 с использованием результатов эконометрическогомоделирования.2. Оценка текущей стоимости реализации залогового обеспечения R (с учетомразмера дисконта), величины общих издержек C, связанных с процессомвзыскания залогового имущества, и текущей остаточной суммы долга75Доля таких заемщиков в общем числе дефолтных заемщиков в исследуемой выборке составляла 11,5 %. Такиекредиты, в основном в зарубежной литературе, классифицируются как «self-certified» (выданные на основаниисамостоятельного подтверждения заемщиками сведений о доходах) и «low doc» (неполный набор документов).В эмпирических расчетах используется не абсолютная величина дохода заемщика, а набор дамми-переменныхдля учета заемщиков разных категорий дохода, включая заемщиков с неуказанным доходом.

За использованиеданной опцией заемщик, как правило, платит повышенную ставку на протяжении всего срока кредита.6Прогнозное значение PD, полученное по модели, представляет собой кумулятивную вероятность дефолта. Вотсутствии информации о дате дефолта, полученные результаты модели PD используются далее для полученияоценок PD it на каждую временную точку t в течение срока кредитования M .7Используется для расчета EAD.15с учетом изменения стоимости обеспечения во времени при наступлении8ипотечного дефолта в момент времени t.3. Расчет ожидаемой доли потерь при дефолте:MELGDi  E ( LGDi )   PD it LGDit , t  1,, M , ,(1)t 1где ELGDi—математическое ожидание доли убытков по ипотечномужилищному кредиту i на протяжении всего срока кредитования M; PD it—оценка вероятности дефолта ипотечного заемщика i9 в каждый момент времениt в течение срока кредитования M; LGDit—доля потерь по ипотечномужилищному кредиту i при наступлении дефолта в момент времени t,рассчитанная на основе бухгалтерского подхода:LGD  1 RC,EAD(2)4.

Оценка ожидаемых убытков по портфелю на основе итеративнойпроцедуры:NNi 1i 1EL p   ELi   PDi  EAD i  LGDi , i  1,, N ,где ELp—ожидаемые потери по кредитному портфелю; N—(3)количествоипотечных жилищных кредитов в портфеле ОПИК; i — порядковый номерипотечного кредита в кредитном портфеле.Четвертая группа проблем диссертационного исследования посвященаэмпирической оценке кредитного риска российских ипотечных заемщиков.

Дляцелей эмпирического исследования используются данные региональногооператора АИЖК по ипотечным заемщикам и макроэкономические показателиза период с августа 2008 г. по август 2012 г.8В предположении, что отсутствует информация о дате дефолта.В предположении, что количество ипотечных заемщиков и выданных ипотечных жилищных кредитов равны иотсутствуют взаимосвязанные заемщики, а, как следствие, корреляция между дефолтами взаимосвязанныхипотечных заемщиков отсутствует.916На базе построенных эконометрических моделей вероятности ипотечногодефолта выявлено влияние таких социально-демографических характеристикзаемщика как доход, пол и семейное положение. Показано, что для заемщиковс неуказанным доходом PD не увеличивается и растет с увеличениемпроцентной ставки, которая определяет степень финансовой нагрузкизаемщика.

При этом статистически значимого эффекта показателя Кредит/Залогна вероятность ипотечного дефолта обнаружено не было. Следует отметитьстатистически значимый вклад в объяснение вероятности дефолта стоимостижилья в регионе, что согласуется с описанной в академической литературетеорией опционов.Полученные результаты указывают на статистически значимое влияниегруппы дополнительных переменных для предложенных в работе одномерныхи двумерных пробит-моделей PD, что позволяет, кроме того, повыситьпрогнозное качество одномерных моделей. Отметим, что более высокийуровень PD наблюдается для ипотечных заявок регионального оператораАИЖК, при этом основная часть из дефолтных ипотечных заявок выданав период кризиса 2008-2009 гг.Устойчивость полученных результатов, включая величины среднихпредельных эффектов, прогнозное качество моделей и величины смещения,подтверждает представленный в работе сравнительный анализ различныхспецификаций эконометрических моделей вероятности ипотечного дефолта.Оценка потерь при ипотечном дефолте в соответствии с предложеннымв работе подходом, включая использование двумерной пробит-модель PD,представленной в таблице 1, которая обладает наибольшей прогнозной силойсреди совокупности исследованных эконометрических моделей.В условиях ограниченности информации о моменте наступленияипотечного дефолта и фактических убытках, с учетом ряда допущенийпараметров в формулах (2) и (3), построено эмпирическое распределениеаппроксимированной исторической доли потерь при ипотечном дефолте(рис.