Диссертация (1138130), страница 15

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

Текст из файла (страница 15)

Выполнение остальныхрекомендаций на текущий момент невозможно в связи с отсутствиемсоответствующей информации, возможные шаги по реализации данныхрекомендаций приведены в разделе 3.3 исследования.По результатам валидации моделей можно сделать выводы овозможности применения методов бинарного и множественного выбора приоценке кредитоспособности инвестиционных проектов и сильном влияниириск-фактора «IRR» на кредитоспособность инвестиционного проекта,однако оценить должным образом точность полученных моделей и гипотезна текущий момент не представляется возможным в связи с ограниченностьюданных.Приведенные алгоритмы и модели могут быть использованы банкамиприразработкекредитоспособностисобственныхсделокрейтинговыхпроектногомоделейфинансированиянаоценкиосновевнутренних рейтингов (IRB Approach). При этом каждой кредитнойорганизации необходимо учитывать специфику своего кредитного портфеля109инвестиционныхполученныхпроектов.результатовЦелесообразностьможетбытьиспользованияпроверенабанкамисамимибанкамиисключительно по итогам проведения валидации моделей на своихинвестиционных проектах.

Методы и подходы для проведения валидации,применяемые российскими банками, могут быть аналогичными приведеннымв настоящем исследовании.3.2 Повышение прогнозных способностей моделей за счетмакроэкономических риск-факторовДля повышения прогнозных способностей моделей было учтеновлияние макроэкономических факторов риска на годовую вероятностьдефолта инвестиционных проектов (PD) с помощью использования сводногомакроэкономического индикатора, характеризующего экономический цикл.Осуществленаперекалибровкаразработанныхрейтинговыхмоделейбинарного и множественного выбора на наиболее актуальных данных поинвестиционным проектам (на 01.01.2015).

Далее в исследовании будутпредставлены этапы разработки сводного макроэкономического индикатора,представлен подход к перекалибровке моделей бинарного и множественноговыбора с использованием разработанного сводного макроэкономическогоиндикатора.Промежуточныерезультатыданнойчастиисследованияприведены в статье [Жевага, Моргунов, 2015].3.2.1 Построение сводных макроэкономических индикаторов,характеризующих экономический цикл (основные этапы)Построениеосуществляетсямакроэкономическихсводныхсмакроэкономическихиспользованиеминдексов.индикаторовисторическихМакроэкономическиезначенийиндексымогутвключать следующие компоненты: трендовую (устойчивая долговременнаятенденция), сезонную (регулярные периодические колебания), нерегулярную110(непредвиденные события) и циклическую (повторяющиеся спады иподъемы).

При оценке экономических циклов [Hol, 2006; Laurin, 2009;Simons,2009;Энциклопедияфинансовогориск-менеджмента,2009]необходимо выделить циклическую компоненту, исключая трендовую,сезонную и нерегулярную компоненты.Построениелюбогосводногомакроэкономическогоиндикаторавключает в себя следующие этапы [Жевага, Моргунов, 2015]: Подготовка временных рядов по макроэкономическим индексам. Исключение трендовой компоненты. Исключение сезонной и нерегулярной компонент. Нормализация индексов. Определениевесовыхкоэффициентовсводногомакроэкономического индикатора.Для каждого из n макроэкономических индексов за счет избавления оттрендовых, сезонных и нерегулярных компонент выделяются циклическиекомпоненты C1t ,...,Cnt (i=1, .., n - номер индекса), в результате чегополучаются нормализованные циклические компоненты индексов.СводныймакроэкономическийиндикаторItопределяетсякаквзвешенная сумма частных нормализованных циклических компонентиндексов в момент времени t по формуле (29) [Жевага, Моргунов, 2015]:I t  1  C1tЗначенияNorm ...

 n  CntнеотрицательныхвесовыхNorm .(29)коэффициентов 1 ,..., n( 1  ...  n  1) сводного макроэкономического индикатора определяютсяэкспертным или аналитическим путем в зависимости от решаемой задачи.Таким образом, при определении оптимальных коэффициентов сводногомакроэкономического индикатора присутствует высокая вариативностьрасчета. Разработанный сводный макроэкономический индикатор является111одним из множества различных вариантов построения индикаторов,определяемых в зависимости от поставленных целей и областей применения.3.2.2 Подготовка временных рядов по макроэкономическим индексамДляпостроениясводногомакроэкономическогоиндикатораиспользовались статистические данные за 2004-2014 (включительно) гг.

ссайтов Федеральной службы государственной статистики и ЦентральногоБанка Российской Федерации. В связи с небольшим количеством годовыхзначенийиндексовприпостроениисводногомакроэкономическогоиндикатора использовались квартальные значения индексов в процентах ксоответствующему кварталу предыдущего года.Длинный список (так называемый Long List) включает следующиеиндексы, характеризующие экономический цикл [Жевага, Моргунов, 2015]: Промышленное производство; Инвестиции в основной капитал; Выпуск товаров и услуг по базовым видам экономическойдеятельности; Объем сельскохозяйственного производства; Объем работ, выполненный по виду деятельности «Строительство»; Потребительские цены; Кредиты нефинансовому сектору; Реальные располагаемые доходы населения; Оборот розничной торговли.При определении сводного макроэкономического индикатора былииспользованы также квартальные частоты просроченной задолженности покредитам юридическим и физическим лицам в Российской Федерации20,21 со2 квартала 2009 по конец 2014 гг.20По кредитам юридическим лицам - не учитывались кредиты банкам1123.2.3 Исключение трендовой компонентыИсключение трендовых компонент макроэкономических индексовосуществляетсячерез выделение долгосрочныхтрендов.

Построениедолгосрочных трендов выполнено с использованием фильтра ХодрикаПрескотта, который строится на основании решения следующей задачиминимизации (30) [Hodrick, Prescott, 1997; McElroy, 2008; Mills, 2003]:Tt 12 yt   t 2T 1 t 2 t 1   t    t   t 1  min ,(30)tгде T – количество временных интервалов;yt– макроэкономический индекс;t– трендоваякомпонента,последовательностьпредставляющаяточек,несобойзадаваемуюнекоторуюаналитическойформулой;– параметр фильтра, характеризующий чувствительность тренда ккраткосрочным колебаниям, принимаемый равным 1600 дляквартальных данных [Qu, 2008].Пример выделения тренда с использованием фильтра Ходрика-Прескотта отражен на рисунке 3.5 для индекса выпуска товаров и услуг побазовым видам экономической деятельности [Жевага, Моргунов, 2015].21По кредитам физическим лицам - учитывались только кредиты резидентам Российской Федерации113Рисунок 3.5 – Выделение тренда Ходрика-Прескотта для показателя«Выпуск товаров и услуг по базовым видам экономической деятельности»3.2.4 Исключение сезонной и нерегулярной компонентНаличиесезоннойкомпонентыврассматриваемыхиндексахотсутствует, поэтому задача сводилась к исключению нерегулярныхкомпонентвиндексахсисключеннойтрендовойкомпонентойсиспользованием сглаживания.

Сглаживание осуществлялось с помощьюARIMA моделей [Айвазян, 2014; Zou, 2004] с порядком интегрирования 1.Параметрымоделейопределялисьнаоснованиимаксимизациикоэффициентов детерминации получающихся сглаживаний.Параметры получившихся ARIMA моделей [Armstrong, 2006] икоэффициенты детерминации, полученные на основании произведенныхсглаживаний приведены в таблице 3.2 [Жевага, Моргунов, 2015].114Таблица 3.2 – Параметры ARIMA моделей и коэффициенты детерминацииИндексПромышленное производствоИнвестиции в основнойкапиталПараметры ARIMAКоэффициентмоделидетерминацииARIMA (4,1,8)0,85ARIMA (4,1,8)0,86ARIMA (4,1,7)0,85ARIMA (4,1,7)0,63ARIMA (4,1,8)0,70ARIMA (4,1,9)0,83ARIMA (4,1,9)0,92ARIMA (4,1,9)0,51ARIMA (3,1,9)0,84Выпуск товаров и услуг побазовым видам экономическойдеятельностиОбъем сельскохозяйственногопроизводстваОбъем работ, выполненный повиду деятельности«Строительство»Потребительские ценыКредиты нефинансовомусекторуРеальные располагаемыедоходы населенияОборот розничной торговлиИндексы «Объем сельскохозяйственного производства», «Объем работ,выполненныйповидудеятельности«Строительство»,«Реальныерасполагаемые доходы населения» (то есть, индикаторы с коэффициентамидетерминации < 0,8) были исключены из дальнейшего рассмотрения из-занизкого качества полученных сглаживаний.Примеры сглаживания индексов для индексов «Выпуск товаров и услугпо базовым видам экономической деятельности» и «Реальные располагаемыедоходы населения» приведены на рисунках 3.6 и 3.7 [Жевага, Моргунов,2015].115Рисунок 3.6 – Сглаживание данных по индексу «Выпуск товаров и услуг побазовым видам экономической деятельности»Рисунок 3.7 – Сглаживание данных по индексу «Реальные располагаемыедоходы населения»3.2.5 Нормализация индексовПослеисключениятрендовойинерегулярнойкомпонентизмакроэкономических индексов производится нормализация полученныхциклическихкомпонент,котораянеобходимадлясопоставимости116циклических компонент индексов между собой на шкале стандартныхотклонений.

Характеристики

Список файлов диссертации