Автореферат (1138129), страница 4

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

Текст из файла (страница 4)

Распределения инвестиционныхпроектов на рейтинговой мастер-шкале приведены на рисунках 1 и 2.Рисунок 1 – Инвестиционные проекты на мастер-шкале (гистограмма)(модель бинарного выбора)Рисунок 2 – Инвестиционные проекты на мастер-шкале (гистограмма)(модель множественного выбора)Структура рейтингового процесса с использованием разработанноймастер-шкалы представлена на рисунке 3.19Рисунок 3 – Рейтинговый процессПервоначальный рейтинг получается на основании моделей оценкигодовой вероятности дефолта. При наличии формализованных риск-факторов(Дополнительных факторов риска) Первоначальный рейтинг корректируется доРейтингасучетомдополнительныхфактороврискаснижениемнаопределенное число позиций.

При наличии специфических индивидуальныхфакторов у инвестиционного проекта к нему применяются экспертныекорректировки, которые могут как понизить, так и повысить Рейтинг с учетомдополнительныхфактороврискадоИндивидуальногорейтинга.Индивидуальный рейтинг с учетом влияния групповой логики (взаимосвязипроектной компании, реализующей инвестиционный проект, с другимипроектными компаниями) называется Итоговым рейтингом. На основанииИтоговогорейтингаосуществляетсяОценкариска,адаптированнаякрегуляторным требованиям. Исследование последних двух шагов рейтинговогопроцесса не входило в круг задач проводимого исследования.20Четвертаягруппапроблемсвязанасповышениемпрогнознойспособности рейтинговых моделей за счет учета макроэкономическихпоказателей по результатам рекомендаций по итогам валидации. Для решенияданной задачи был разработан сводный макроэкономический индикатор наосновании статистических данных Росстата и Банка России за 2004-2014 годы.Весовые коэффициенты и лаг (4 квартала) прогнозирования сводногомакроэкономического индикатора получены на основании определенияоптимальной зависимости между значениями линейной функции от сводногомакроэкономического индикатора и изменениями линейной и логистическойфункций годовых частот просрочки по юридическим и физическим лицам.

Воптимальныйсводныймакроэкономическийиндикаторвошлитакиепоказатели, как «Промышленное производство», «Инвестиции в основнойкапитал», «Выпуск товаров и услуг по базовым видам экономическойдеятельности» с весами соответственно 40%, 5%, 55%. Полученный сводныймакроэкономический индикатор был нормализован (приведен к шкале встандартных отклонениях) для определения прогнозной вероятности дефолтапо инвестиционным проектам на 2015 год по формуле (3): N 1 TTC PD     Z t ,PIT PD2015  N 1где PIT PD2015– прогнознаявероятностьдефолта(3)попортфелюинвестиционных проектов на 2015 год;N–функциявероятностистандартногонормальногораспределения;N-1– обратная функция к функции вероятности стандартногонормального распределения;TTC PD–центральнаятенденцияпопроектов (составляет 8,52%);21портфелюинвестиционныхZt–значение сводного нормализованного макроэкономическогоиндикатора за 2014 год, которое c учетом принятыхдопущений4 составило-0,4541 (соответствует значениюсводного нормализованного индикатора за 3-тий квартал 2014года);– коэффициенткорреляции активов портфеля проектногофинансированияснормализованнымсводныммакроэкономическим индикатором Z, рассчитанный согласнотребованиямБазельскихсоглашений 1  exp  50 0,0852  1  exp  50 0,0852   0,24 1 0,12 1  exp  501  exp  50исоставивший= 0,1217 (с учетомравенства параметра PD значению Центральной тенденции –8,52%).Прогнозная вероятность дефолта (PIT PD) по портфелю инвестиционныхпроектов на 2015 год, согласно формуле (1), составила 9,79%, что болееконсервативно по сравнению с вероятностью дефолта, определенной наосновании Центральной тенденции – 8,52%.

Таким образом, полученныемодели бинарного и множественного выбора были перекалиброваны нанаиболее актуальных данных по недефолтным инвестиционным проектам (посостоянию на 01.01.2015) с учетом равенства средней вероятности дефолтазначению 9,79% и минимально возможном значении вероятности дефолта поинвестиционному проекту – 0,33%, которое соответствует годовой вероятностидефолта рейтинга S&P Российской Федерации по состоянию на 01.01.2015(рейтинг – «BBB-»). По результатам перекалибровки были скорректированыкалибровочные коэффициенты в формулах для оценки годовых вероятностей4С учетом принципа консервативности при прогнозировании кредитного риска по портфелю инвестиционныхпроектов в качестве нормализованного значения сводного макроэкономического индикатора беретсяминимальное нормализованное квартальное значение индикатора за 2014 год (за 3-тий квартал 2014 года).22дефолта в моделях бинарного и множественного выбора.

Для модели бинарноговыбора формула (1) после актуализации приняла следующий вид (4):PD1год 1 - 0,7759 Дол я соб. участ. бен. Norm  1,7885 IRRNorm   0,56411  exp 0,499   1,1577 Инд. факторNorm  0,5485 Рег. факторNorm  3,8430. (4)Для модели множественного выбора формула (2) после актуализации быласкорректирована следующим образом (5):PD1год 1 - 1,3742 Дол я соб. участ. бен.

* Norm 1,6121 IRR * Norm1  exp 0,429   1,6268 Инд. факторNorm  1,2319 Рег. факторNormАктуализированныенаоснованииновых.  2,5106значений(5)статистикиКолмогорова-Смирнова алгоритмы принятия решений по моделям бинарного имножественного выбора стали более консервативными: по модели бинарноговыбора рекомендуется отказываться от участия в инвестиционных проектахпри значениях годовых вероятностей дефолта, составляющих 10,30% и более, ав модели множественного выбора – при значениях годовых вероятностейдефолта, составляющих 9,50% и более.Взаключениипредставленыосновныевыводыирезультатыпроведенного исследования:1.

Сформирована собственная полноценная классификация методов оценкивероятностидефолтаинвестиционныхпроектов(PD)ипрочихкомпонент кредитного риска (LGD, EAD).2. Сформирована эмпирическая выборка, включающая в себя рискфакторы, влияющие на кредитные риски инвестиционных проектов, наосновании которой выдвинута гипотеза о сильном влиянии риск-фактораIRR на кредитоспособность инвестиционного проекта, однако проверитьдолжнымобразомданнуюгипотезунатекущиймоментнепредставляется возможным в связи с ограниченностью имеющихсястатистических данных.233.

Полученные модели бинарного и множественного выбора обладаютвысокой дискриминационной способностью, которая сохраняется и порезультатам проведенной на актуальных данных валидации, чтоподтверждаетвозможностьмножественноговыборапримененияприметодовоценкебинарногоикредитоспособностиинвестиционных проектов и дает возможность сделать вывод остабильности разработанных моделей на имеющихся данных, однако всвязи с ограниченностью данных необходима регулярная валидация (апри необходимости – актуализация) моделей.4. Полученная рейтинговая мастер-шкала может быть использована прирейтингованиироссийскихинвестиционныхпроектов,чтоподтверждается высокой концентрацией инвестиционных проектов длябольшинства рейтинговых разрядов, а предложенный в диссертациирейтинговый процесс позволяет учитывать как портфельные рискиинвестиционных проектов, так и индивидуальные риски, которыеоцениваются с использованием Дополнительных факторов риска,приведенных в исследовании, а также – Экспертных корректировок,которыенеявляютсяформализованнымиивключаютвсебяспецифические индивидуальные особенности инвестиционных проектов.5.

Прогнозные способности моделей были повышены за счет учетамакроэкономических показателей, характеризующих экономическийцикл, в виде сводного макроэкономического индикатора, а сами модели –актуализированы на последних имевшихся данных.6. Использованиекредитнымиорганизациямипредложенныхвдиссертационном исследовании методов при разработке собственныхметодологий рейтинговой оценки сделок проектного финансирования наоснове внутренних рейтингов (IRB Approach) должно учитыватьспецификусобственныхкредитныхпроектов.24портфелейинвестиционныхСПИСОК ПУБЛИКАЦИЙ ПО ТЕМЕ ДИССЕРТАЦИИРаботы, опубликованные в ведущих рецензируемых журналах,рекомендованных ВАК при Министерстве образования и наукиРоссийской Федерации:1.

Моргунов, А.В. Моделирование вероятности дефолта инвестиционныхпроектов [Электронный ресурс] / А.В. Моргунов // Корпоративныефинансы. – 2016. – Т. 37, №1.– С. 23-45. – Режим доступа:https://cfjournal.hse.ru/data/2016/04/04/1126520568/42.pdf (дата обращения:16.12.2016) – 0,8 п.л.2. Моргунов, А.В. Моделирование вероятности дефолта корпоративныхзаемщиков [Текст] / А.А. Жевага, А.М. Карминский, И.В. Кузнецов,А.В. Моргунов // Управление финансовыми рисками.

– 2016. – Т. 45, № 1.– С. 12–26.– 0,7 п.л. (личный вклад автора – 0,3 п.л.).3. Моргунов, А.В. Контроллинг кредитных рисков в коммерческом банке[Текст] / А.В. Моргунов, А.А. Жевага // Контроллинг. – 2015. – Т. 56, № 2.– С. 70-78. – 0,6 п.л. (личный вклад автора - 0,3 п.л.).4. Моргунов,А.В.Использованиесводныхмакроэкономическихиндикаторов для калибровки внутренних рейтинговых моделей в банках[Текст] / А.А. Жевага, А.В. Моргунов // Деньги и Кредит. – 2015. – № 8. –С. 39-46. – 0,5 п.л. (личный вклад автора - 0,4 п.л.).5.

Моргунов, А.В. Оценка вероятности дефолта сделок проектногофинансирования[Текст]/А.М.Карминский,А.В.Моргунов,П.М.Богданов // Журнал Новой экономической ассоциации. – 2015. – Т.26, №2. – С. 99-122. – 0,9 п.л. (личный вклад автора - 0,5 п.л.).Другие работы, опубликованные автором по теме диссертации:6.

Morgunov, A. The assessment of the credit risk of investment projects [Text] /A. Karminsky, А. Morgunov // XVI Апрельская междунар. науч. конф. попроблемам развития экономики и общества: сб. ст.; отв. ред. Е.Г. Ясин. В254 кн. – М: Изд. дом Высшей школы экономики, 2016 – Кн. 1. – С.721-731.– 0,4 п.л. (личный вклад автора – 0,2 п.л.).7.

Характеристики

Список файлов диссертации