Развитие методов управления проблемными кредитами в коммерческом банке, страница 4
Описание файла
PDF-файл из архива "Развитие методов управления проблемными кредитами в коммерческом банке", который расположен в категории "". Всё это находится в предмете "экономика" из Аспирантура и докторантура, которые можно найти в файловом архиве Финуниверситет. Не смотря на прямую связь этого архива с Финуниверситет, его также можно найти и в других разделах. , а ещё этот архив представляет собой кандидатскую диссертацию, поэтому ещё представлен в разделе всех диссертаций на соискание учёной степени кандидата экономических наук.
Просмотр PDF-файла онлайн
Текст 4 страницы из PDF
Для этого были проанализированырезультаты применения моделей У. Бивера и Э. Альтмана (Z/Z'-модель) кфинансовой отчетности компанийв течение трех лет перед дефолтом покредитным обязательствам. Эффективность моделей рассматривалась для трехвыборок по 6 крупных компаний нефинансового сектора каждая. Две выборкисодержали компании, по которым был признан дефолт по долговымобязательствам. В первом случае это были компании из группы развитыхстран, по долговым обязательствам которых был признан дефолт в 2011 году,во втором – российские компании, по обязательствам которых был признандефолт в 2009 году в одном из российских банков. Третья выборкапредставляла собой контрольную группу финансово устойчивых российскихкомпаний,анализируемых за тот же период, что и компании российскойпроблемной выборки.Проанализированныемоделирассматривалиськакисточникипредупреждающих сигналов двух типов – сигнал по тренду и сигнал поабсолютному значению.
Результаты анализа приведены в таблицах 1-3.Таблица 1. Результаты анализа эффективности сигналов в российской проблемной выборкеТрендZ'R1R2R3R4R5R61 годАбсолютное значение83%50%83%83%83%100%50%83%83%67%83%83%67%100%Тренд3 годаАбсолютное значение33%0%33%67%17%50%33%50%50%33%33%50%50%83%20Таблица 2. Результаты анализа эффективности сигналов в российской устойчивой выборкеТренд17%17%17%50%50%17%17%Z'R1R2R3R4R5R61 годАбсолютное значение0%0%0%50%17%17%67%3 годаТрендАбсолютное значение17%0%0%0%17%0%50%50%50%17%17%17%17%50%Таблица 3.
Результаты анализа эффективности сигналов в зарубежной выборке 5Вся выборкаАбсолютноезначениеТрендАбсолютноезначениеТрендАбсолютноезначениеТрендАбсолютноезначение3 годаТренд1 годАбсолютноезначение3 годаТренд1 годАбсолютноезначениеZ/Z’R1R2R3R4R5R63 годаКомпании, акции которыхне котируются на биржеТренд1 годКомпании, акции которыхкотируются на бирже83%50%83%67%33%50%50%50%83%100%67%83%33%33%83%33%33%33%33%33%33%50%83%83%50%67%0%33%100%33%67%100%33%33%33%100%67%100%67%100%33%33%100%33%33%33%33%33%33%100%67%100%33%67%0%33%67%67%100%33%33%67%67%0%67%100%67%67%33%33%67%33%33%33%33%33%33%0%67%67%67%67%0%33%Полученныерезультатыпозволилисделатьвыводотом,чтопроанализированные инструменты в чистом виде не могут выполнять функциюмеханизмов оперативного6 выявления проблемности кредита, так как ни одинизпоказателейнепоказалдостаточновысокойпрогнознойсилы(своевременный сигнал в более чем 80% случаев) в обеих выборкахпроблемных компаний, а по ряду сигналов (коэффициенты R3, R4, R6 моделиБивера) также достаточно высока доля ошибочных сигналов о вероятномдефолте в выборке стабильно функционирующих компаний.
Следует, кроме5Обозначения в таблицах: Z/Z’ – результирующее значении функции модели Альтмана;Компоненты модели Бивера: R1 - Денежный поток/Общая задолженность; R2 - Чистая прибыль/Суммаактивов; R3 - Общие долговые обязательства/ Суммарные активы; R4 - Оборотный капитал/Суммаактивов; R5 - Коэффициент текущей ликвидности; R6 - Период деятельности без кредита.6Без полной переоценки финансового положения21того, принять во внимание, что рассмотренные методы основаны нафинансовой отчетности компании, а, следовательно, получаемые результатыносят дискретный характер и могут обновляться не чаще чем один раз вквартал.
Тем не менее, отдельные элементы проанализированных моделейпоказали достаточно высокую эффективность прогнозирования дефолта принебольшом количестве ложных сигналов. К этим элементам относятся:Динамика изменений Z’ –модели АльтманаАбсолютные значения и динамика изменений коэффициента Чистаяприбыль/Сумма активов из модели БивераАбсолютныезначениякоэффициентаДенежныйпоток/Общаязадолженность из модели Бивера.Эти элементы, кроме всего прочего, могут быть использованы в составеспециально разрабатываемых методик для раннего обнаружения проблемностикредита.Таккакрезультатыпроведенногоэмпирическогоисследованияподтвердили отсутствие универсального эффективного инструмента дляраннего обнаружения проблемных кредитов, в рамках диссертационногоисследованиябыларазработанаспециализированнаямодельраннегообнаружения проблемных кредитов. Разработанная модель содержит наборпоказателей различной природы, отражающих уровень платежеспособностиклиента (сигналов). Результатом применения модели является агрегированныйпоказатель, критический уровень которого может стать сигналом к пересмотрукласса кредитоспособности заёмщика и определению степени проблемностиактива.В состав модели вошли 32 показателя (сигнала), отражающихинформацию по следующим группам показателей:1) характер операций по счетам клиента, открытым в банке-кредиторе,2) ход исполнения условий кредитного договора,3) происходящие изменения в компании,4) изменения в отрасли,5) информация о клиенте в СМИ,226) информация судебных органов,7) индикаторы финансового состояния компании8) Финансовые коэффициенты связанные с обслуживание долга9) Признаки мошеннических действийВ выборе показателей для включения в модель в качестве сигналов мыруководствовались следующими принципами:Показатель отражает изменение уровня кредитного риска по ссуднойзадолженности заёмщикаБанк имеет доступ к этой информации на регулярной основе безпрямого вмешательства в деятельность заёмщикаТак рак разработанная система должна функционировать на текущейоснове, при выборе сигналов также учитывалась трудоемкость их обработки ивозможности автоматизации.Приопределенииперечнясигналов7-ойгруппы(индикаторыфинансового состояния) использовались приведенные выше результаты оценкиприменимости моделей прогнозирования банкротства компании для целейраннего обнаружения проблемности кредита.Для формирования агрегированного показателя модели каждому сигналув ее составе на основании анализа содержания, проведенного выше, былаприсвоена оценка от 1 до 5 по двум шкалам – отсутствие субъективности иуровень существенности.
За базовую шкалу сигнала было принято присвоение0 баллов за нормальный уровень сигнала, 1 балл зауровень сигнала«сомнительно» и 2 балла за уровень сигнала «тревога».Значениеагрегированного показателя может изменяться в целых значениях в диапазонеот 0 до 423.Для определения порогового значения агрегированного показателя, придостижении которого запускается процесс работы с потенциально проблемнымкредитом, был использован принцип минимизации ошибок, использованный23при разработке большинства моделей прогнозирования банкротства 7 . Дляэтого агрегированный показатель модели был рассчитан для двух выборок по 6крупныхроссийскихкомпанийнефинансовогосекторакаждая.Пообязательствам компании первой выборки был признан дефолт в одном изроссийских банков в 2009 году, компании второй выборки, являясьзаемщикамитогожебанка,стабильнофункционироваливтечениеанализируемого периода. Расчет производился на 2 отчетные даты до датыпризнания дефолта для проблемной выборки и за тот же период дляустойчивой выборки.
Результаты применения модели к данным о компанияхприведены на рис. 4.Рисунок 4. Эмпирические результаты применения модели раннего обнаружения 8На основании полученных результатов было определено пороговоезначение агрегированного показателя, равное 100 баллам. При таком уровне впроанализированной выборке процент ошибки минимален и составляет 6%,причем речь идет об ошибке типа «ложная тревога». Доля ошибки типа7См., например, AltmanE.I., HotchkissE. (2006).
Corporate Financial Distress and Bankruptcy. 3dEdition. US, New Jersey: John Wiley & Sons, Inc.; BeaverW.H.. (1966). Financial Ratios as Predictors ofFailure.JournalofAccountingResearch.4 (3), 71-111.8Расположение по горизонтальной оси носит технический характер и отражает порядковый номеррезультата24«невыявленный дефолт» при таком уровне порогового значения равна 0.Учитываятотфакт,чтоцельюфункционированиямоделиявляетсяформирование сигнала к углубленному анализу деятельности заемщика, и самопо себе достижение моделью порогового значения не влечет за собойизменение категории качества актива, с нашей точки зрения, незначительныйпроцент ошибки типа «ложная тревога» является допустимым.С целью валидации полученных результатов модель была применена кдругой выборке из 12 крупных российских компаний нефинансового сектора, 6из которых были проблемными (дефолт признан в 2009-2010гг), а 6 –устойчивофункционироваливтотжепериод.Результатырасчетаагрегированного показателя модели за на 2 отчетные даты до признаниядефолта для проблемной выборки и за все три анализируемых периода дляустойчивой выборки приведены на рис.5.Рисунок 5.
Результаты валидации модели раннего обнаружения проблемных кредитовРезультаты«невыявленныйвалидациидефолт»подтвердилиприотсутствиеиспользованииошибокпороговоготипазначенияагрегированного показателя модели, равного 100. Процент ошибок типа«ложная тревога» в валидационной выборке составил 12%. В связи с25отсутствием прямого влияния результатов применения модели на категориюкачества кредита такая доля ошибочных сигналов видится нам приемлемой.Внедрение разработанной модели предполагается в рамках созданиясистемы раннего обнаружения проблемных кредитов, включающей созданиепрограммной среды, предназначенной для обработки получаемых сигналов ирасчета итогового показателя в автоматическом режиме.