Автореферат (1137679), страница 4

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 4)

Это экономическинецелесообразно из-за того, что БР диверсифицирует свой портфель,устанавливая кредитный лимит на каждый банк-партнер. Поэтому решаемаязадача максимизации модифицированного индекса Лернера в форме (6) с18применением методов безусловной оптимизации в виде множителейЛагранжа выглядит какN N wi MC0iwi2 MCi max   Vj   ,wiPP(wV)i1i1iii j при ограничении(7)w  1.iNwi MC0iwi2 MCiФункция Лагранжа: L(wi , )   P  Vj  P  (wV )  (wi 1) .i 1i 1 iii jNТаким образом, индекс Лернера (с учетом модельного и операционногорисков БР) может быть представлен какNLIe   LIi wi* ,i 1(8)где wi* – вес банка-партнера i, полученный в результате оптимизации (7).В случае индикатора Буна в форме (4) был доступен как вариантминимизации, так и максимизации.

Поскольку изначально неизвестно, какойиз них привел бы к интересующему нас результату, в работе рассматривалисьоба варианта. Решаемая задача оптимизации индикатора Буна на примереминимума выглядит следующим образом: Nk(lnMS)(lnMC)wiiij ,min 2  min  i1 Nkwi 2 (lnMCi ) wiji 1(9)wij  0Nwij  1при ограничениях ,i1Si  RKi ln(PD)где Si – объем фондирования коммерческого банка i, который он можетполучить от БР; R – граница риска; Ki – капитал банка-партнера; PDi –вероятность его дефолта.19Граница риска БР характеризует его риск-аппетит:Si0R  max ,i ln(PDi )Ki (10)где Si0 – объем фондирования, полученный i-м коммерческим банком от БР.Первое ограничение в оптимизации означает, что доли банковпартнеров в портфеле БР не могут быть отрицательными; второе – БР долженраспределить весь портфель среди своих банков-партнеров; третье учитываеткредитные лимиты, устанавливаемые отдельным БР в отношении каждогобанка-партнера, и гарантирует, что при оптимизации не возникнет ситуация,когда все средства БР будут выданы одному банку-партнеру.Таким образом, формула для расчета индикатора Буна (с учетоммодельного и операционного рисков БР) выглядит так:BIe  2 (wi* ) ,(11)где wi* – вес банка-партнера i, полученный в результате оптимизации (9).В результате оптимизаций (7) и (9) был сделан следующий вывод:отношения между оценками моделей конкуренции для различных БРхарактеризуются частичным порядком.

Однако в случае с индексом Лернераего значения имеют больший размах по сравнению с результатами,полученнымибезпримененияаппаратаоптимизации.Чтокасаетсяиндикатора Буна, наибольшее значение данного показателя достигается убанков-партнеров ЧБТР – это связано с высоким потенциалом наращиваниярыночной доли у программ поддержки МСБ этих банков-партнеров.Для того чтобы определить, позволяет ли предложенная методикаоценки получить корректные параметры конкуренции с учетом рисков, вработе была оценена эффективность деятельности БР, под которойподразумевается способность БР эффективнее закрывать «провалы рынка».Таким образом, идея дальнейших расчетов заключалась в оценке среднейрыночной доли банков-партнеров на рынке кредитования МСБ в России, ккоторой имеется доступ у БР с применением двух методик учета рисков (то20есть с различными весами банков-партнеров в портфелях БР).

Для полученияраспределения рыночных долей портфелей МСБ коммерческих банков впрогнозном периоде в работе была построена скоринговая модель.Расчет суммы фактически выданного кредита отдельно взятымкоммерческим банком по заемщику (компании МСБ) с учетом скоринговоймодели был проведен по смоделированному пулу заемщиков. Для этого сиспользованием макроэкономической статистики, доступной на веб-сайтахБанка России и Федеральной службы государственной статистики, оцененыпоказатели вероятности дефолта (кредитный риск) и товарооборота (размер)компаний МСБ по регионам России. Предполагая, что используемаястатистика должным образом отражает структуру спроса на рынке МСБ,были построены распределения вероятности дефолта и товарооборотакомпаний МСБ, а также двумерная непараметрическая копула-функция.Особенностью компаний МСБ является их гетерогенность, что иобъясняетрискованностьданногосегментакредитногорынка.Этовыражается в нелинейности связи между вероятностью дефолта заемщика иего размером: у мелких компаний (с высоким кредитным риском) связимежду этими показателями не наблюдается, в то время как у более крупныхэти показатели являются зависимыми.

Таким образом, из-за описываемойнелинейностинецелесообразноиспользоватьлинейныйкоэффициентПирсона. Наиболее подходящим методом оценки показателей являютсяядерные функции.Далее в работе на основе ядерных оценок бета методом Монте-Карлобыло сгенерировано 10 000 заемщиков, после чего (с использованиемполученных спецификаций маргинальных распределений через обратныефункцииэтихраспределений)полученыискомыехарактеристикизаемщиков.

Важным допущением модели является то, что одна компанияможет получить только один кредит. Также предполагается, что одинзаемщик получает кредит в том коммерческом банке, в котором открыт егорасчетный счет. Это обусловлено, прежде всего, высокими «издержками21перехода» (switching costs) заемщиков от одного коммерческого банка кдругому, что связано с асимметрией информации на кредитном рынке(Stiglitz, 1994).

Таким образом, банк, наблюдая за динамикой расчетногосчета клиента, может качественнее оценить кредитные риски заемщика ипредложить ему более выгодную процентную ставку по кредиту. Поэтомувыборка, состоящая из сгенерированных случайным образом компаний,распределяется среди коммерческих банков с учетом их доли на рынкерасчетных счетов юридических лиц.Результатом исходного моделирования стала модель спроса накредиты МСБ, которая заключается в описании совместного распределениячетырехпараметров: порядковыйномер банка-кредиторавобщейсовокупности банков; кредитный риск заемщика; размер компаниизаемщика;отношениекредитнойзаявкиктоварообороту.Важнойособенностью данной модели является то, что она может быть применена иоценена на других сегментах кредитного рынка.На основе оценки параметров модели спроса выявлено, что среднийуровень вероятности дефолта заемщиков, подающих кредитные заявки, вРоссии в 1,5 раза выше среднего уровня вероятности дефолтов повыдаваемым кредитам.

Аллокируемый капитал оценен в 2 млн руб., чтозначительно выше среднего размера риск-капитала у банков-партнеров МСПБанка (0,5 млн руб.). Средний оцененный по модели размер кредита на рынке– 20 млн руб.; однако по данным МСП Банка он составил 10–11 млн руб.Вероятно, по какой-то причине коммерческие банки заинтересованы вдемонстрации роста кредитных портфелей МСБ (например, для акционеров),включая в данную категорию крупных заемщиков. Модель спроса позволилаоценить портфели банков-партнеров БР.В работе было предложено два индекса эффективности БР приподдержке компаний МСБ, что объясняется использованием двух моделейконкуренции.22Индекс, служащий базой для сопоставления (и не являющийсяиндикаторомэффективности),определенкаксредневзвешеннаясмоделированных рыночных долей группы банков-партнеров каждого БР:I1  i1 vi wi ,N(12)где vi – доли i-го банка-партнера БР на рынке кредитования МСБ, полученныев результате моделирования методом Монте-Карло; wi – доли фондированияi-го банка-партнера БР (по данным на 2013 г.).Индекс, отражающий средневзвешенную рыночную долю партнеровБР приперераспределении средствимисреди банков-партнеров снаименьшей наценкой в цене банковских продуктов МСБ и фактическиявляющийся первым показателем эффективности БР:SEI1  i1 vi wi L ,N(13)где wi L – доли фондирования i-го банка-партнера БР, полученные в результатеоптимизации индекса Лернера.Индекс, отражающий средневзвешенную рыночную долю программыподдержки МСБ при перераспределении средств БР среди наиболее крупныхих банков-партнеров и являющийся вторым показателем эффективностиБР:SEI2  i1 vi wiB ,N(14)где wiB – доли фондирования i-го банка-партнера БР, полученные в результатеоптимизации индикатора Буна.Результаты расчетов индексов представлены на рис.

1.23Рисунок 1 – Показатели эффективности БР при поддержке компаний МСБ в РоссииИсточник: расчеты автораНа основе сравнения индикаторов эффективности с бенчмарком можносделать вывод о том, что перераспределение ресурсов БР с помощью индексаЛернера приводит к наименее эффективному распределению кредитногопортфеля БР с точки зрения достижения целевых показателей, в то время какминимизацияиндикатораБунахарактеризуетрезультатнаиболееэффективного перераспределения ресурсов БР.

Таким образом, учет рисков вмоделях конкуренции привел к получению границ значений эффективностидеятельности БР в поддержке МСБ:SEI1  I1  SEI2 .(15)Средний спрос, охватываемый БР, составляет менее 3% от объемарынка, что свидетельствует о том, что эти финансовые институтыдействительно нацелены на мелкие и средние банки. Наиболее эффективнойявляется деятельность ЕБРР. Это означает, что ЕБРР технологическиправильно относится к выбору своих банков-партнеров. Значительнымпотенциаломростанеоптимальностьмодельногоиэффективностираспределенияоперационногообладаетресурсоврисков24вМСПбанкаегоБанк.вызванадеятельности,Текущаяналичиемочемсвидетельствует близость значения индекса-бенчмарка к нижней границеэффективности.Для интерпретации полученных параметров конкуренции далее вработе были выделены 12 наиболее важных индикаторов финансовогосостояния коммерческих банков, которые являлись базой для сравненияметодик отбора банков-партнеров различными БР, проводимого на основеоднофакторного дискриминантного анализа, деревьев классификации иметода главных компонент.Заключениесодержитключевыевыводыпорезультатамисследования, а также практические рекомендации для МСП Банка поповышению эффективности его методик отбора банков-партнеров.III.

Характеристики

Список файлов диссертации