Автореферат (1138177), страница 2
Текст из файла (страница 2)
По результатам исследования автором опубликованы 4 научные статьи, в том числе 3 научные статьи в журналах из списка ВАК. Структура работы. Диссертационная работа включает в себя введение, три главы, заключение, список библиографии и одно приложение. Диссертационная работа состоит из 133 страниц текста, включает в себя библиографию из 108 наименований, 21 таблицу и 15 рисунков. ОСНОВНОЕ СОДЕРЖАНИЕ ДИССЕРТАЦИОННОЙ РАБОТЫ Во введении представлено обоснование актуальности темы исследования, определены основная направленность и специализация диссертационной работы.
Определены цель и основные задачи работы, предмет и объект исследования. Представлен сравнительный анализ вклада отечественных и зарубежных исследований, посвященных схожей тематике, и дано краткое описание основных методов, используемых в рамках данной работы. Представлено описание структуры и содержания работы, дана оценка полученных результатов и степени их апробации. Согласно рекомендациям Базельского комитета по банковскому надзору (далее — БКБН) по внедрению подходов на основе внутренних рейтингов (далее — 1КВ-подход), вероятность дефолта заемщика является одним из основных компонентов, определяющих уровень кредитного риска.
Именно поэтому высокую значимость имеют вопросы систематизации и структурирования основных методологических аспектов оценки вероятности дефолта. Решению данных задач посвящена первая глава диссертационного исследования. В данной главе рассмотрены основные критерии и определения события «дефолт», используемые в международной (соглашение Базель 11, требования 1Я)А и др.) и российской (Закон о банкротстве, Стандарты эмиссии ценных бумаг, Письмо Банка России Мо192-Т и др.) практике.
В рамках международной банковской практики наиболее распространенный подход к определению дефолтного события представлен в соглашении Базель 11, согласно которому дефолт заемщика считается произошедшим, в случае если имело место одно (или несколько одновременно) из следующих событий ~Базель 11, 2004]: 1. Банк считает, что заемщик не в состоянии полностью погасить свои кредитные обязательства без принятия банком решения о реализации обеспечения. 2.
Заемщик имеет просрочку более чем на 90 дней по погашению любых существенных обязательств перед банком. В части определения дефолта в российской банковской практике, термин «дефолт» определен в письме Банка России №192-Т. Критерии признания банкротства в данном документе аналогичны требованиям Базельского соглашения, при этом согласно письму Банка России №192-Т банк также может использовать более строгое определение дефолта, вводя дополнительные уточнения для различных классов кредитных требований ~Письмо Банка России №192-Т, 2012].
Критерии дефолтного события определяются не только в банковской практике. Как правило, для рынка ценных бумаг выделяются свои критерии дефолтного события. Так в российском законодательстве термин «дефолт» также закреплен в ст. 7.2.16 «Стандартов эмиссии ценных бумаг и регистрации проспектов ценных бумаг» 1Стандарты эмиссии, 2013~. Согласно данному документу одним из критериев дефолта, является неисполнение эмитентом обязательств по облигациям на срок более 10 рабочих дней. Таким образом, на основе проведенного обзора существующих критериев дефолтного события можно заключить, что в зарубежной и отечественной практике существуют различные подходы к определению события «дефолт», но в общем случае вероятность дефолта характеризует риск неисполнения заемщиком обязательств по своему кредитному договору.
Детальный анализ критериев и определений дефолтного события позволил сформировать более полное представление о природе и первопричинах данного события, результаты данного анализа использовались в рамках эмпирического исследования в последующих главах. В первой главе также был проведен обзор, систематизация, классификация, анализ достоинств и недостатков существующих подходов к моделированию кредитного риска и вероятности дефолта, оценена возможность использования данных подходов в российской практике.
Существует несколько основных методов оценки вероятности дефолта. В общем виде можно выделить следующие основополагающие классы моделей: структурные модели [Мегтоп, 1974], модели сокращенных форм [3агго~ч, ТигпЬи11,1995], скоринговые модели [Потап, 1941], модели дискриминантного анализа [Айтап, 1968), модели на основе внешних рейтингов [Мозез, Ь|ао, 1987], модели на основе макроэкономических факторов [%~1зоп, 1997]. В зависимости от применяемого инструмента моделирования можно выделить модели бинарного выбора, методы нечеткой логики и нейронные сети.
Классификация основных моделей и подходов к оценке вероятности дефолта представлена на рис.1. Проведенный обзор и систематизация существующих моделей оценки вероятности дефолта позволили оценить достоинства и недостатки каждого метода и определить степень приемлемости того или иного метода для российской практики. Результаты данного анализа использовались при выборе методов моделирования вероятности дефолта в рамках эмпирического исследования в последующих главах.
При моделировании вероятности дефолта и оценке уровня кредитного риска, все большую актуальность принимает вопрос учета эффекта процикличности. В работе проведен обзор природы эффекта процикличности, ! представлен анализ источников данного эффекта, а также проведена систематизация и классификация существующих инструментов снижения его влияния в рамках процесса оценки кредитного риска. Одно из первых определений эффекта процикличности дано в отчете Форума по финансовой стабильности, в котором эффект процикличности определяется как: «...динамические взаимодействия между финансовым и реальным секторами экономики, которые взаимно дополняют друг друга, вызывают усиления колебаний экономического цикла и ухудшение финансовый стабильности...» [Керог1 оГ 111е Епапс1а1 ЯаЬ1111у Роппп, 20091.
В общем случае к основным источникам эффекта процикличности можно отнести: пруденциальный контроль и характер регуляторных требований к достаточности капитала, поведение и ожидания экономических агентов, система вознаграждений и бонусов топ-менеджмента, ориентированная на краткосрочную перспективу, не учитывающая риски принимаемых решений. Существует несколько основных подходов к снижению эффекта процикличности, таких как: применение при моделировании оценок, усредненных за период экономического цикла, создание дополнительных буферов капитала, учет результатов стресс-тестирования или переход на динамическое резервирование.
Один из возможных методов заключается в использовании макроэкономических факторов при оценке компонент кредитного риска в качестве меры циклического поведения экономики. Классификация основных инструментов снижения эффекта процикличности представлена на рис. 2. Существенным этапом оценки вероятности дефолта, в значительной степени определяющим результаты моделирования, является этап формирования эмпирической выборки данных и отбора потенциально риск- значимых показателей.
Решению данной задачи была посвящена вторая глава диссертационного исследования. На основе обзора существующих моделей оценки вероятности дефолта, были структурированы и систематизированы показатели (финансовые, макроэкономические и институциональные), потенциально значимые с точки зрения оценки вероятности дефолта корпоративных заемщиков.
В ! 1 1 1 3 1 о о х Р' ж Ж ! 1 ! 1 3 1 1 1 о О й Я Я~ ж ж о о х Й ~ъ Р, о х ж Х Я Ж о о ° $ ' 1 4 В общем виде потенциально риск-значимые финансовые показатели можно сгруппировать по следующим классам: показатели, характеризующие размер компании, показатели ликвидности, показатели рентабельности, показатели финансовой устойчивости. показатели оборачиваемости, Существенное значение при оценке вероятности дефолта имеет оценка заемщика с точки зрения его институциональных характеристик. Обзор работ, посвященных оценке вероятности дефолта компаний, в том числе с учетом институциональных показателей, показал, что список, классификация и признаки, используемые в рамках институционального анализа корпоративного заемщика, могут быть различными.
Но в основной своей части данные признаки можно отнести к характеристикам одной из следующих категорий: географическая принадлежность, отраслевая принадлежность, форма собственности и структура капитала, уровень топ-менеджмента организации, репутация компании, конкурентное положение корпоративного заемщика, степень диверсификации бизнеса.
В первой главе мы показали, что формирование модели вероятности дефолта с учетом макроэкономических показателей, является одним из инструментов снижения уровня процикличности. Последние исследования, касающиеся оценки вероятности дефолта с учетом макроэкономических переменных, показали, что список значимых макроэкономических показателей может сильно отличаться в зависимости от рассматриваемой страны и периода наблюдений. На основе обзора последних работ в данной области был сформирован список макроэкономических показателей, которые сравнительно часто использовались для анализа дискриминантных возможностей при оценке уровня кредитного риска и цикличности экономики. В список потенциально значимых макроэкономических факторов, с точки зрения моделирования вероятности дефолта корпоративных заемщиков, вошло 15 макроэкономических показателей, которые в общем виде можно включить в одну из следующих категорий: показатели, которые характеризуют структуру ВВП, показатели темпов роста экономики, показатели инфляции, стоимостные и процентные показатели, структурные показатели и другие группы показателей.
При формировании выборки важно учесть основные тенденции и свойства, характерные для российского сектора корпоративного кредитования в целом. Понимание данных свойств и тенденций необходимо для формирования наиболее репрезентативной выборки, которая поможет учесть институциональные и структурные особенности российского рынка. В результате в рамках второй главы был проведен обзор основных характеристик российского банковского сектора кредитования корпоративных заемщиков. В рамках данного обзора было показано, что кредитование корпоративных заемщиков составляет значительную часть российского банковского сектора (см. рис.
3.). 35ВВ ЗО Обо г зев ,' гоозг 2 ' гзоот гоосо 5 000 ° О. огдзаооз озгд.гого оздыон азлг.гозг от.оз.гозз ог.омон оз оиоот ог.аывв Дата — -Кредиты а ртбляк физикескиса лицам -Кредитм а ртбляк кредитимм арта ли за циам -+-Кредиты а ргблак веете †Кредиты ртбляк ертаиизациям ' Составлено по данным ЦБ РФ с доступом на сайте: 1знр;Пцмкмтм.сЬптнрбгагтзйтсз/?Ртгы=рсйсо 15 Рис. 3. Структура кредитного портфеля российских банков (в млрд.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
