Диссертация (1138130), страница 17

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

Текст из файла (страница 17)

Перекалибровка моделей бинарного и множественного выбора былаосуществлена с учетом концепции Point-in-Time (на основании PIT PD =9,79%) с учетом принципа консервативности и прогнозируемых негативныхтенденций в экономике России вследствие введенных ЕС и СШАэкономических санкций (калибровка на основании Центральной тенденции(концепция Through-the-Cycle) давала бы более позитивный результат –8,52%).Перекалибровка моделей бинарного и множественного выбора былаосуществлена на данных по недефолтным инвестиционным проектам посостоянию на 01.01.2015.

Выборка включала в себя инвестиционныепроекты, сопоставимые по структуре с выборкой, на которой осуществляласьразработкамоделейбинарногоимножественноговыбора.Приосуществлении перекалибровки моделей учитывались следующие основныедопущения: Равенство средней вероятности дефолта по портфелю инвестиционныхпроектов (по состоянию на 01.01.2015) значению 9,79% (согласноконцепции Point-in-Time); Оценки вероятностей дефолта инвестиционных проектов не меньшезначения 0,33% [Власов, Помазанов, 2008], которое соответствуетгодовой вероятности дефолта рейтинга S&P Российской Федерациина 01.01.2015 (рейтинг - «BBB-»).126Технически калибровка моделей бинарного и множественного выборазаключалась в поиске новых калибровочных коэффициентов  и  с учетомпредставленных допущений.По результатам перекалибровки модели бинарного выбора на 2015 годc учетом сводного макроэкономического индикатора формула (21) дляоценки годовой вероятности дефолта, полученная по результатам разработкимодели, была актуализирована и принимает следующий вид (43):PD1год 1 - 0,7759 Доля соб.

участ. бен. Norm  1,7885 IRRNorm   0,56411  exp 0,499   1,1577 Инд. факторNorm  0,5485 Рег. факторNorm  3,8430. (43)Новые значения калибровочных коэффициентов для модели бинарноговыбора:  = 0,499;  = 0,5641.По результатам перекалибровки модели множественного выбора на2015 год формула (28) для оценки годовой вероятности дефолта, полученнаяпо результатам разработки модели, также была актуализирована и принимаетследующий вид (44):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.  2,5106(44)Новые значения калибровочных коэффициентов для модели бинарноговыбора:  = 0,429;  = 2,5106.РаспределенияПервоначальныхрейтинговнедефолтныхинвестиционных проектов (по состоянию на 01.01.2015) на разработанной висследовании мастер-шкале приведены на рисунках 3.11 и 3.12.127Рисунок 3.11 – Инвестиционные проекты на мастер-шкале (гистограмма)(перекалиброванная модель бинарного выбора)Рисунок 3.12 – Инвестиционные проекты на мастер-шкале (гистограмма)(перекалиброванная модель множественного выбора)128В отношении распределения инвестиционных проектов на мастершкале на основании модели бинарного выбора индекс Херфиндаля[Битюцкий, 2013] составил 11,05%, а на основании модели множественноговыбора – 9,94%, то есть менее 20%, что свидетельствует об отсутствииизбыточных концентраций в интервалах мастер-шкалы.3.2.8 Корректировка алгоритмов принятия решения по оптимальноймоделиПо результатам произведенной калибровки на данных валидационнойвыборки (ее параметры приведены в п.

3.1.1)с учетом оценки годовойвероятности дефолта по формулам (43) и (44) были скорректированыалгоритмы принятия решения по моделям бинарного и множественноговыбора на основании корректировки KS-статистик.Графическая интерпретация обновленной KS-статистики для моделибинарного выбора приведена на рисунке 3.13.Рисунок 3.13 – Графическая интерпретация скорректированной KSстатистики129Новое максимальное значение KS-статистики для модели (как видноиз рисунка 3.13) составило 63,38% (при значении PD1год = 10,30%).Скорректированный алгоритм принятия решения о целесообразностиучастия кредитной организации в инвестиционном проекте с использованиеммодели бинарного выбора приведен в таблице 3.9.Таблица 3.9 – Алгоритм принятия решения об участии в инвестиционномпроекте с использованием модели бинарного выбораPD1годпоинвестиционному проектуPD1год  10,30%PD1год < 10,30%Решение об участии в инвестиционном проектеРекомендуется отказаться от участия в инвестиционномпроектеРекомендуется принять участие в инвестиционном проектеПо сравнению с алгоритмом принятия решения по модели бинарноговыбора,приведенномвтаблице2.15,новыйалгоритмсталболееконсервативным (в старом алгоритме отказываться от участия в проектерекомендовалось при PD1год  17,88%).

Это экономически обоснованно сучетом прогнозируемых негативных тенденций в экономике России в 2015году.Графическая интерпретация обновленной KS-статистики для моделимножественного выбора приведена на рисунке 3.14.Рисунок 3.14 – Графическая интерпретация скорректированной KSстатистики130Максимальное значение KS-статистики для модели множественноговыбора (как видно из рисунка 3.14) составило 55,40% (при значении PD1год =20,33%), однако с учетом принципа консервативности (прогнозируемыхнегативных тенденций в экономике России в 2015 году) алгоритмцелесообразно сделать более консервативным: пороговое значение годовойвероятности дефолта сделать равным PD1год = 9,50%, которое соответствуетзначениюравномуKS-статистики,49,53%(незначительноменьшеоптимального значения) и сопоставимо с пороговым значением по моделибинарного выбора (PD1год = 10,30%).Таким образом, скорректированный алгоритм принятия решения оцелесообразности участия кредитной организации в инвестиционном проектеприведен в таблице 3.10.Таблица 3.10 – Алгоритм принятия решения об участии в инвестиционномпроекте с использованием модели множественного выбораPD1годпоинвестиционному проектуPD1год  9,50%PD1год < 9,50%ПоРешение об участии в инвестиционном проектеРекомендуется отказаться от участия в инвестиционномпроектеРекомендуется принять участие в инвестиционномпроектесравнениюсалгоритмомпринятиярешенияпомоделимножественного выбора, приведенном в таблице 2.24, новый алгоритм такжестал более консервативным (в старом алгоритме отказываться от участия впроекте рекомендовалось при PD1год  11,78%).

Обоснование данного фактааналогично обоснованию, приведенному по результатам корректировкиалгоритма принятия решения с использованием модели бинарного выбора, –наличие прогнозируемых негативных тенденций в экономике России в 2015году.1313.3 Дополнительные возможности повышения качества и проверкирейтинговых моделей инвестиционных проектовРекомендации для развития разработанных моделей были приведены вразделе про валидацию моделей (раздел 3.1). Повышение предсказательныхспособностей моделей за счет макроэкономических факторов риска былоосуществлено в разделе 3.2 исследования. В данном разделе будутприведены возможные шаги относительно реализации прочих рекомендаций,реализация которых на текущий момент невозможна.Втораярекомендациявразделе3.1.4(послерекомендацииотносительно повышения прогнозных (предсказательных) способностеймоделей) связана с рассмотрением таких факторов риска, как периодокупаемости (обычный и дисконтированный) и соотношение периодаокупаемости (обычного и дисконтированного) к сроку реализации проекта.Использование данных факторов риска при оценке кредитоспособностиинвестиционных проектов и проектных компаний целесообразно с учетом:наличия очевидной прямой зависимости между периодом окупаемости(обычнымидисконтированным)инвестиционногопроектаивероятностью его дефолта (то есть, чем больше период окупаемостиинвестиционного проекта (обычный и дисконтированный), тем выше еговероятность дефолта);наличия очевидной прямой зависимости между соотношением периодаокупаемости (обычного и дисконтированного) к сроку реализациипроекта и вероятностью дефолта инвестиционного проекта (то есть, чембольшеданноесоотношение,темвышевероятностьдефолтаинвестиционного проекта);привязкой оценки кредитоспособности инвестиционного проекта к срокуего реализации через предлагаемые для использования показатели.132При появлении в будущем целостной информации по предложенным дляиспользования риск-факторам в базе данных Bureau van Dijk (База данныхРуслана), на сайтах российских проектных компаний или в прочихисточниках целесообразно будет актуализировать разработанные модели сучетом данных факторов риска.Третья рекомендация в разделе 3.1.4 относилась к использованиюинформации о валовой прибыли с недефолтных проектов и потерях сдефолтныхпроектовприрасчетебаллаотсечениянаоснованиимаксимизации средней валовой прибыли на инвестиционный проект икорректировке алгоритма принятия решения о целесообразности участия винвестиционном проекте с учетом данной информации.

Расчет среднейваловой прибыли на заемщика для каждого балла отсечения (пороговогозначения годовой вероятности дефолта28) осуществляется по формуле (45):AVP ( S ) N good (S )  P  Nbad (S )  L ,(45)N всегогде AVP(S) – средняя валовая прибыль на инвестиционный проект ввыборке, зависимая от балла отсечения S;Ngood (S) – кол-во одобренных инвестиционных проектов в выборке,оказавшихся успешно реализованными (недефолтными) ипринесшими кредитной организации прибыль, при баллеотсечения S;Nbad (S) –кол-во одобренных инвестиционных проектов в выборке,оказавшихсядефолтнымиипринесшимикредитнойорганизации потери, при балле отсечения S;Nвсего –общее кол-во инвестиционных проектов в выборке;P – средняя валовая прибыль с успешно реализованного проекта(определяетсяпоисторическойстатистикеуспешнореализованных проектов);28По всем инвестиционным проектам выборки с годовой вероятностью дефолта не менее пороговогозначения следует отказ при принятии решения об участии в инвестиционном проекте133L – средние потери с дефолтного проекта (определяются поисторической статистике дефолтных проектов).Выборка инвестиционных проектов, на основании которой рассчитываетсясредняя валовая прибыль на заемщика, должна включать в себя признакдефолт/недефолт инвестиционного проекта по результатам его реализации(наиболее целесообразно использовать инвестиционные проекты из выборки,использовавшейся при разработке моделей).

Характеристики

Список файлов диссертации