Диссертация (1138130), страница 6

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

Текст из файла (страница 6)

Вчастности, по вопросам оценивания рассмотрены меры рисков как в разрезеиндивидуальных проектов, так и с позиций портфельной оценки. Описаныподходы для оценивания спрэдов сделок в части как политическихкомпонент, так и дополнительных нефинансовых спонсорских контрактов.В [Laishram, Kalidindi, 2009] показано, как использовать рейтинги дляоценивания проектных сделок при использовании механизма частногосударственного партнерства, развивая аналитические методы оцениванияцелесообразности проектов (Desirability Rating Analytical Tool, DRAT).Рассмотрены также возможности использования рекомендаций Базель II вчасти проектного финансирования, в том числе для облигаций на кредитыпроектногофинансированиямногокритериальныхмоделейиособенностипринятияиспользованиярешенийвусловияхнеопределенности, и соответствующие модели.В книге [Gatti, 2013] имеется восьмая глава, посвященная вопросамкредитного риска в проектном финансировании.

Представлены общиевопросы рисков, возникающие при проектном финансировании какспециализированномкредитованиивсоответствиисБазельскимисоглашениями. Рассмотрен выбор критериев оценивания и особенностирейтингования этого класса заимствований, в том числе ведущимизарубежнымиагентствамиMoody’sиS&P,приведеныфакторы,определяющие рейтинги и сравнение рискованности сделок проектногофинансирования и корпоративного кредитования. На основе историческихданных за 1990-2008 годы показано, что проектное финансирование не болеерискованное, чем корпоративное кредитование.

Оценены также дефолтныестатистики для данного класса сделок на данных банков и рейтинговыхагентств.Дефолтныестатистикисделокпроектногофинансированияприведены в разбивке по регионам и отраслям по данным конца прошлого39века, а также более релевантные оценки по данным рейтинговых агентствMoody’s (1990-2008) и Standard&Poor’s (1992-2009).В книге [Катасонов, 2001] описываются сущность, формы, методыпроектного финансирования, а также основные проблемы инвестиционнойдеятельности в России, анализируются различные инструменты менеджментапроектнымирискамиинвесторовикредиторовприпоставкеинвестиционных товаров и осуществлении подрядных работ, а также припривлечении инвестиций проектной компанией.

В одном из разделов книгирассматриваются индустриальные особенности проектного финансирования.Четырнадцатаяглавакниги[Брег,2009]посвященавопросампривлечения долгового финансирования. Подробно описывается каждый видфинансирования и условия, при которых данный вид применяется, такжерассматривается управление финансовыми проблемами и отношениями сбанком. Автором делается вывод, что основным способом привлечениякапитальногофинансированияявляетсячастноеразмещениесиспользованием меморандума предложения, так как данный вариантдоступен значительно большему количеству компаний, чем публичноеразмещение.Вработе[Bouzguenda,2010]рассматриваетсяэмпирическоеисследование стратегии кредитора при финансировании инвестиционныхпроектов. Основное внимание в работе уделяется банковским кредитам,потомучтоонипредставляютсобойосновнуючастьисточниковфинансирования.

Главная цель работы – определение факторов, имеющихвлияние на стоимость банковского кредита (спред). Результаты показали, чтостоимость банковского кредита (спред) в рамках проектного финансированияво многом определяется наличием гарантии, а также уровнем страновогориска. Дополнительно на спред инвестиционного проекта также оказаливлияние такие факторы, как задолженность по проекту, срочность проекта, атакже валютные риски.40Врассмотренныхфинансированиямогутмоделяхиспользоватьсядефолтовсделокмоделипотоковпроектногоплатежейиобслуживания долга, понимая, что дефолт вероятен при отсутствиивозможности обслуживания долга. Соответствующие имитационные моделипредставляют значительный интерес, как и классификация рисков для такогорода моделей и включают выбор подходящей модели оценивания,определение переменных, характеризующих инвестиционный проект, атакже входных переменных и статистических зависимостей между ними,моделирование проектных денежных потоков и оценивание результатов.Классификация включает такие параметры проекта как коммерческие,страновые, оборудования и технологий реализации проекта, средствпроизводства, доходности с последующей их детализацией на более низкихуровняхклассификации.Соответствующиепеременные,атакжеклассификация и структурирование рисков проектного финансированиямогут быть использованы в специализированных моделях при наличииинформации по ним.В документе по валидации внутренних моделей Комитета постандартам Базель II и управлению рисками Ассоциации Российских Банков[Битюцкий, 2013] приводятся основные критерии оптимальности моделей,используемые как при разработке моделей оценки вероятности дефолта, таки при их валидации, а также алгоритмы их вычисления.

В качестве критериевоптимальности моделей в [Битюцкий, 2013] рекомендуется использоватькоэффициенты AR (Accuracy Ratio), характеризующие дискриминационнуюспособность моделей: в отношении моделей бинарного выбора в качестве AR(Accuracy Ratio) используются коэффициенты Gini или AUROC (площадьпод ROC-кривой), а в отношении моделей множественного выбора –коэффициент Somers’D.Существеннымнедостаткомметодологийрейтинговыхагентствявляется то, что для оценки кредитоспособности используются экспертные41методыранжированияинвестиционныхпроектовбезэмпирическогообоснования выбора риск-факторов и их весов.

В практической части работыбудет приведено эмпирическое обоснование выбора факторов риска и ихвесов, полученное как на основе дефолтной статистики, так и на основеэкспертных рейтингов.42Глава 2 РАЗВИТИЕ МЕТОДОВ И РЕЙТИНГОВЫХ МОДЕЛЕЙ ДЛЯОЦЕНКИ ИНВЕСТИЦИОННЫХ ПРОЕКТОВ2.1 Оценка вероятности дефолта с использованием модели бинарноговыбораОписываемый подход предназначен для развития методов оценкикредитоспособности заимствований по схеме «Проектное финансирование»корпоративными клиентами и разработан с использованием историческихданныхпоинвестиционнымпроектам,осуществляемымвРоссии.Предложенный подход и разработанные на этой основе модели могут бытьиспользованы как при принятии решения о целесообразности участиякредитной организации в реализации инвестиционного проекта, так и приоценке годовой вероятности дефолта [Basel, 2006] уже реализуемыхинвестиционных проектов, а также для кредитных портфелей проектногофинансирования [Стратегия модернизации российской экономики, 2010] сучетом особенностей структуры выборки по дефолтам и по отраслям.Промежуточные результаты приведены в статьях [Карминский, Моргунов,2015; Karminsky, Morgunov, 2016].2.1.1 Методология, используемая при разработке моделиОсновная преемственность и сопоставимость методов исследованиясвязана с использованием методов и подходов к моделированию вероятностидефолта (моделей бинарного выбора в логит- и пробит-спецификациях,калибровка рейтинговых моделей, использованиеKS-статистики припринятии решения об участии в проекте и прочие), применяемых в работах[Битюцкий, 2013; Siddiqi, 2006; Руководство по кредитному скорингу, 2008;Энциклопедия финансового риск-менеджмента, 2009; Peresetsky, 2011;43Карминский, 2011; Карминский, 2013; Тотьмянина, 2014; Магнус, 2004;Тотьмянина,2011;Порошина,2013;Лозинская,2014;Помазанов,Колоколова, 2004; Crouhy, 2000; Hsia, 1978; Altman, 1968; Chesser, 1974;Zmijewski, 1984].Под дефолтом инвестиционного проекта понимается наступление хотябы одного из следующих событий [Basel, 2006; Положение Банка России483-П, 2015]:1.

Дефолтхотябыоднойизпроектныхкомпаний(заемщиков),осуществляющих проект, то есть наличие хотя бы у одной участвующей впроекте компании одного из следующих признаков:Проектная компания признана несостоятельной (банкротом);Проектная компания является устойчиво неплатежеспособной, то есть невыполняет свои обязательства перед кредиторами в течение более 90календарных дней.2. Факт одновременной реализации двух следующих событий:Снижение коэффициента обслуживания долга (DSCR) ниже 1;Снижение коэффициента покрытия обязательств по погашению иобслуживанию основного долга (LLCR) ниже 1.Определения и алгоритмы расчета коэффициентов DSCR и LLCRприведены в таблице 2.1, а алгоритмы расчета на основании отчетных форм– в Приложении А.При построении модели использовалась аппроксимация вероятностидефолта инвестиционных проектов логистической зависимостью (10)[Айвазян, 2014; Фантаццини, 2009]:PD 1, T1  exp   a  x b  (10)где x T – вектор-столбец нормализованных значений риск-факторов,влияющих на появление события дефолта у инвестиционного44проекта;a –вектор-строкарегрессионныхкоэффициентовпринормализованных риск-факторах;регрессионный коэффициент – свободный член регрессии.b –Коэффициенты вектора a и свободный член регрессии b находятсяна основании максимизации логарифмической функции правдоподобия (11):LogL Nk 1Yi  ln PDi   1  Yi  ln 1  PDi , (11)бинарная переменная из множества {0;1}, фиксирующая фактгде Yi –отсутствия/наличия дефолта по инвестиционному проекту;вероятность дефолта по проекту с порядковым номером i ,PDi –полученная с помощью логистической функции.Дляполученияоценкивероятностидефолтанагоризонтепрогнозирования 1 год осуществляется калибровка модели по формуле (12):PD1год гдеaиb и 1, T1  exp      a  x  b      (12)– регрессионные коэффициенты модели из формулы (10);– коэффициенты, определяемые при калибровке рейтинговоймодели на основании центральной тенденции (концепцияThrough-the-Cycle)илисреднейпрогнознойвероятностидефолта на следующий год (концепция Point-in-Time) попортфелю проектного финансирования [Жевага, Моргунов,2015] с учетом ограничений на минимальное значениеполучаемых вероятностей дефолта.При формировании методологии и разработке модели использованыследующие исходные предположения и допущения:45 В связи со сравнительно небольшим объемом данных в выборку дляпостроения модели включены как реализованные, так и действующиепроекты. Введено понятие – период наблюдения (срок реализации (жизни)проекта), то есть временной период с момента начала реализацииинвестиционного проекта до даты его завершения (по реализованнымпроектам) или до 01.04.2014 (по действующим проектам), в течениекоторого отслеживался факт наличия дефолта.

При этом периоднаблюдения за проектами составлял не менее 9 месяцев. Поддефолтныминвестиционнымпроектомпонималсяинвестиционный проект, у которого в течение периода наблюдения заним проявился хотя бы один из фактов, соответствующих определениюдефолта инвестиционного проекта, перечисленных ранее. Поднедефолтныминвестиционнымпроектомпонималсяинвестиционный проект, отличный от дефолтного проекта.При разработке модели рассматривались риск-факторы, приведенные втаблице 2.1 (Алгоритмы расчета факторов риска приведены в ПриложенииА).46Таблица 2.1 – Перечень факторовНаименованиеОпределение риск-факторариск-фактораКоэффициентпокрытияДолясобственногоучастиябенефициаровВнутренняянормадоходностиОтношение суммы кредита крыночной (или оценочной)стоимости залогаДоля собственного участиябенефициаров в финансированиипроектаПроцентная ставка, придисконтировании по которойчистый денежный поток пооперационной деятельности сучетом доходов от участия вкапитал третьих лиц равенинвестиционным затратамКоэффициентСоотношение суммы чистогообслуживанияденежного потока на конецдолгареализации проекта и затрат пообслуживанию долга за периодреализации проекта к затратам пообслуживанию долга за периодреализации проектаПоказательСоотношение чистогопокрытиядисконтированного денежногообязательств по потока по операционнойпогашению идеятельности от проекта кобслуживаниюсуммарным обязательствамосновного долга проектных компаний, подлежащимпогашению в течение срокадействия кредитаИндустриальный По группам отраслей; в даннойфакторработе принимает только 2значения в соответствии с таблицей2.2РегиональныйПо группам регионов; в даннойфакторработе принимает только 2значения в соответствии с таблицей2.3ОбозначениеНепрерывныйриск-фактора/ дискретныйLTVнепрерывныйДоля собств.участиябенефициаровнепрерывныйIRRнепрерывныйDSCRнепрерывныйLLCRнепрерывныйИндустриальный фактордискретныйРегиональныйфактордискретная47Таблица 2.2 – Индустриальный факторГруппаиндустриального фактора12Группа отраслейСтроительство, леснаяЗначениеиндустриальногофактора (WOE)-1,6766Металлургия и металлообработка, нефтегазовая,пищевая и алкогольная, сельское хозяйство,торговля, транспорт и связь, энергетика, прочаяпромышленность, услуги и прочие отрасли0,8565Таблица 2.3 – Региональный факторГруппарегионального фактора12Группа регионовЗначениерегиональногофактора(WOE)Центральныйфедеральныйокруг,СевероЗападный федеральный округУральский федеральный округ, Приволжскийфедеральныйокруг,Дальневосточныйфедеральный округ, Сибирский федеральныйокруг, Южный федеральный округ-0,50650,5082Выделение групп индустриальных (таблица 2.2) и региональных(таблица 2.3) факторов было связано с ограниченностью имеющихся данныхи тем, что 62,5% всех дефолтных проектов (в выборке имелось всего 8дефолтных проектов) произошли в строительной (37,5%) и лесной (25%)отраслях, а в региональном разрезе – в Центральном (37,5%) и СевероЗападном (25%) федеральных округах; в других отраслях и регионахприсутствовало не более 1 дефолтного проекта, поэтому индустриальный ирегиональный факторы были разделены на две группы: с повышенным(группа 1) и стандартным (группа 2) уровнями кредитного риска.Для индустриальных и региональных факторов рассчитываются ииспользуются значения показателя WOE [Siddiqi, 2006] по следующейформуле (13): Ngood i / Ngood all   ,WOEi  ln Nbad/Nbadiall где WOEi –(13)значение показателя WOE для группы фактора с порядковымномером i;48Ngoodi – количество недефолтных проектов в группе фактора спорядковым номером i;Ngoodall – общее кол-во недефолтных проектов;Nbadi– количестводефолтныхпроектоввгруппефактораспорядковым номером i;Nbadall – общее количество дефолтных проектов.Все используемые риск-факторы (за исключением регионального ииндустриального факторов риска) являются относительными.

Характеристики

Список файлов диссертации