Диссертация (1138130), страница 7

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

Текст из файла (страница 7)

Использованиеабсолютных факторов риска3 (таких, как NPV) при моделированиинецелесообразно,таккаконипривязаныкопределеннымэтапамэкономического цикла и значительно связаны с инфляцией. Абсолютныефакторы риска обычно имеют высокую дискриминационную способностьпри разработке моделей, значительно снижающуюся при валидации моделейна новых данных из-за изменения структуры этих показателей во времени.В качестве источников данных использовалась база данных Bureau vanDijk (База данных Руслана). В данных источниках присутствовала полнаяинформациядляопределениятолько7относительныхпоказателей(приведенных в таблице 2.1). При появлении необходимой для расчетовинформации целесообразно рассматривать такие факторы риска, как периодокупаемости (обычный и дисконтированный) и соотношение периодаокупаемости (обычного и дисконтированного) к сроку реализации проекта.2.1.2 Выборка данных для построения модели и временной горизонтданныхВыборка инвестиционных проектов, включает российские проекты,реализация которых началась в 2007-2013 гг.: при этом количествоинвестиционных проектов – 85; количество дефолтных проектов – 8;3Которые принимают абсолютные значения49эмпирическая частота дефолтных проектов составляет 9,4%.

Основныеописательные статистики выборки представлены в Приложении Б (таблицаБ.1).Структура выборки по отраслям представлена на рисунке 2.1, араспределение дефолтов по отраслям – на рисунке 2.2.Рисунок 2.1 – Структура выборки по отраслямРисунок 2.2 – Структура дефолтов по отраслямСтруктура выборки по регионам представлена на рисунке 2.3, араспределение дефолтов по регионам – на рисунке 2.4.50Рисунок 2.3 – Структура выборки по регионамРисунок 2.4 – Структура дефолтов по регионамРаспределение инвестиционных проектов погодам начала ихпредставлено в таблице 2.4.Таблица 2.4 – Распределение инвестиционных проектов по годам началареализацииГод началаинвестиционного проекта2007Доля проектов20080,2520090,0520100,1520110,1620120,2120130,11Итого1,00,0751Значения риск-факторов по инвестиционным проектам брались намомент начала периода наблюдений, то есть на дату начала реализациипроектов.

Временной горизонт данных – период наблюдения за проектом. Укаждого инвестиционного проекта разный временной горизонт, так как упроектов разные сроки реализации, поэтому данная модель (без проведенияее дополнительной калибровки) позволяет получить вероятность дефолта засредний срок реализации (жизни) проекта в выборке, который составлял 3,4года.

Разделение выборки на обучающую (для построения модели) ивалидационную (для проверки ее качества) осуществлено не было в связи сосравнительно малым объемом данных.2.1.3 Преобразования данныхДля снижения влияния выбросов и увеличения дискриминационнойспособности и устойчивости регрессионных коэффициентов модели вотношении непрерывных риск-факторов была произведена логистическаятрансформация [Rud, 2001; Siddiqi, 2006] их значений по следующемуалгоритму (14):Ratiotr 1,1  exp Slope  Ratio  Median (14)где Ratiotr – трансформированное значение риск-фактора;Ratio –значение риск-фактора;Slope – коэффициент трансформации для риск-фактора;Median – медиана риск-фактора.ЗначениякоэффициентовтрансформацииSlopeнаходятсяизследующего условия нормировки (15):1 0,95,1  exp Slope  Ratio95%  Median где Slope – коэффициент трансформации для риск-фактора;(15)52Ratio95% – значение 95%-ного процентиля риск-фактора;Median – медиана риск-фактора.Полученныезначениямедиан(Median)икоэффициентовтрансформации (Slope) по риск-факторам приведены в таблице 2.5.Таблица 2.5 – Параметры логистической трансформацииРиск-факторMedianSlope0,850,770,2810,68IRR0,198,52DSCR1,480,42LLCR1,320,30LTVДоля собств.

участиябенефициаровДля обеспечения сопоставимости значений факторов риска на однойшкале (в стандартных отклонениях) в отношении трансформированныхзначений непрерывных риск-факторов, приведенных в таблице 2.5, идискретных риск-факторов «Индустриальный фактор» и «Региональныйфактор»4 была произведена нормализация их значений [Siddiqi, 2006;Карминский, Костров, 2013] по следующему алгоритму (16):Ratio Norm Ratio tr  Mean,StdDev(16)где RatioNorm – нормализованное значение риск-фактора;Mean– среднее значение трансформированного риск-фактора;StdDev– стандартноеотклонениетрансформированногориск-фактора.Полученные средние значения (Mean) и стандартные отклонения(StdDev) по риск-факторам приведены в таблице 2.6.4В отношении «Индустриального фактора» и «Регионального фактора» при нормализации в качестве Ratiotr(трансформированных значений риск-фактора) берутся значения WOE данных риск-факторов.53Таблица 2.6 – Параметры нормализацииРиск-факторMeanStdDevLTV0,530,140,470,28IRR0,550,18DSCR0,550,14LLCR0,530,13Индустриальный фактор0,440,95Региональный фактор0,100,50Доля собств.

участиябенефициаров2.1.4 Анализ выборки и построение моделейВ отношении всех нормализованных риск-факторов был проведеноднофакторный анализ [Siddiqi, 2006; Карминский, Костров, 2013]. Цельоднофакторного анализа – оценка влияния нормализованных значений рискфакторовнадефолтыинвестиционныхпроектовнаоснованииоднофакторного показателя AR (Gini) [Битюцкий, 2013; Allen, 2003; Jorion,2007; Найт, 2003; Kuang-Hua, 2014; Карминский, 2013; Энциклопедияфинансового риск-менеджмента, 2009].Коэффициент AR (Gini) рассчитывается по формуле (17):GA,A B(17)где G – значение коэффициента AR (Gini);A –площадь под кривой Лоренца за вычетом площади под прямой,характеризующеймодельснулевойдискриминационнойспособностью, то есть площадь под кривой Лоренца минус 0,5;B –площадь под кривой для модели с максимально возможнойдискриминационной способностью за вычетом площади под54кривой Лоренца.На рисунке 2.5 приведена графическая интерпретация расчета.Рисунок 2.5 – Кривая Лоренца и расчет показателя AR (Gini)Кумулятивные увеличения по осям «Доля проектов среди всехпроектов» и «Доля дефолтных проектов среди всех дефолтных проектов»происходят по мере улучшения проектов согласно рассматриваемомуфактору риска.Риск-фактор(модель)будетобладатьмаксимальновозможнойдискриминационной способностью в том случае, если все дефолтныепроектыбудутиспользованиемиметьсамыеданногонизкиериск-факторабаллыпри(модели).ранжированииВнашемсслучаемаксимально возможное значение для площади под кривой Лоренца:11 00% -  9,41%  95,29% .2Результаты и графическая интерпретация однофакторного анализаприведены на рисунке 2.6.55Рисунок 2.6 – Результаты и графическая интерпретация однофакторногоанализаВ отношении нормализованных риск-факторов был проведен тест насоответствие знаков регрессионных коэффициентов, заключавшийся впроверке соответствия модельной логики ранжирования инвестиционныхпроектов с использованием отдельных риск-факторов экономической логике.В условиях ограниченного объема статистических данных невозможнооднозначно полагаться на логику ранжирования инвестиционных проектовотдельными факторами риска, получаемую по результатам эмпирическогоанализа (модельную логику), так как она может поменяться с увеличениемобъема выборки (то есть, не является стабильной).

Для экономическогообоснования стабильности логики ранжирования инвестиционных проектовотдельными факторами риска модельная логика, полученная по результатамэмпирического анализа, сопоставляется с экономической логикой, котораяпредставляетсобойгипотезу,выстраиваемуюсучетомкредитнойэкспертизы, основанной на опыте работы с инвестиционными проектами.Для интуитивного понимания модели ее непосредственными пользователями(кредитными экспертами) модельная логика каждого отдельного рискфактора должна совпадать с экономической логикой (гипотезой).56Сформированные гипотезы по экономической логике риск-факторов ирезультаты теста приведены в таблице 2.7.Таблица 2.7 – Соответствия модельной логики и экономической логики(гипотезы) риск-факторов№Рискфактор1LLCRNorm2ИндустриальныйфакторNorm3IRRNorm4DSCRNorm5РегиональныйфакторNorm6Долясобственного участиябенефициаровNorm7LTVNormГипотезаПо мере увеличения дисконтированных будущихпоступлений от проекта и уменьшения суммарныхобязательств проектных компаний, подлежащихпогашению в течение срока действия кредитаожидается снижение уровня принимаемых кредитныхрисков на инвестиционный проектДля отраслей промышленности «Строительство» и«Лесная» (наименьшее значение WOE) уровеньпринимаемого кредитного риска на проект ожидаетсявыше, чем для остальных отраслей в силу большейволатильности стоимости продукции в этих отраслях ибольшей их подверженности влиянию кризисовПо мере увеличения внутренней нормы доходностиинвестиционного проекта ожидается уменьшениеуровняпринимаемогокредитногорисканаинвестиционный проектМожно ожидать снижения уровня принимаемыхкредитных рисков по мере увеличения чистогоденежного потока на конец реализации проекта иснижения затрат по обслуживанию долга за периодреализации проектаДля Центрального и Северо-Западного федеральныхокругов, куда входят и две столицы России,ожидаемый уровень принимаемого кредитного рискана проект выше, чем для остальных регионов в силубольшей волатильности региональных условийПо мере уменьшения доли участия бенефициаров вфинансированиипроектаувеличиваетсядоляфинансирования проекта кредитной организацией.При этом усиливается контроль использования средствна реализацию проекта кредитной организацией, атакже планов и результатов реализации проекта.

Этиобстоятельства приводят к повышению вероятностиуспешной реализации проекта и соответственно кснижению кредитных рисков. Можно ожидать Uобразной зависимости, но в силу ограниченностивыборки эту гипотезу сложно проверитьМожно ожидать увеличения уровня принимаемыхкредитных рисков по мере увеличения суммы кредитаи снижения рыночной (или оценочной) стоимостизалогаМодельнаялогикасоответствуетэкономической(гипотезе)дадададададанет57Экономическая логика в отношении риск-факторов, перечисленных втаблице 2.7, характеризуется гипотезами, приведенными по отношению ккаждому из факторов.Повсемфактораминвестиционныхпроектоврискамодельнаясовпадаетслогикаранжированияэкономическойлогикой,заисключением риск-фактора «LTVNorm», поэтому оценка дискриминационнойспособности имеет смысл в отношении каждого из факторов риска, заисключением риск-фактора «LTVNorm».Оценка дискриминационной способности риск-факторов производится[Карминский, Костров, 2013] по уровню коэффициента Джини от уровня [0;0,2) как неудовлетворительная через хорошую [0,4; 0,6) до отличной длязначений от 0,8 и выше.Риск-факторыснеудовлетворительнойдискриминационнойспособностью исключаются из дальнейшего рассмотрения как статистическинезначимые – не влияющие на дефолт инвестиционного проекта.Результатом однофакторного анализа стало исключение фактора риска«LTVNorm» из-за несоответствия модельной и экономической логики поданномуриск-факторуииз-заегостатистическойнезначимости(неудовлетворительной дискриминационной способности).В отношении оставшихся после однофакторного анализа непрерывныхриск-факторов«Долясобств.участиябенефициаровNorm»,«IRRNorm»,«DSCRNorm», «LLCRNorm» был проведен анализ наличия нелинейныхзависимостейсиспользованиемсглаживающегологарифмическогопреобразования5 каждого из факторов риска от целевой переменной(фиксирующей факт наличия/отсутствия дефолта)6 (18):Риск фактор*  ln (1+ | Риск фактор |)  sign( Риск фактор) .5Символ * означает, что риск-фактор преобразован по формуле (18)6sign(x) = 1 при x > 0; sign(x) = 0 при x = 0; sign(x) = -1 при x < 0(18)58После проведения преобразования по формуле (18) в отношениипреобразованных факторов риска по аналогии с линейными факторами рискапроводятся трансформация и нормализация.Результаты сопоставления линейных и нелинейных зависимостей(сглаживающего логарифмического преобразования) приведены в таблице2.8.

Характеристики

Список файлов диссертации