Автореферат (1138315), страница 4
Текст из файла (страница 4)
1).17Таблица 1Результаты оценивания двумерной пробит-модели вероятности ипотечногодефолта с учетом «возраста ипотечного кредита»10Объясняющие переменныеВозраст заемщикаОценкипараметров0,063Объясняющие переменныеПлатеж/Доход [0,4-0,6)(0,065)Квадрат возраста заемщика-0,001(0,138)Платеж/Доход [0,6-0,8)(0,001)Мужской пол0,382***0,2310,4130,360Кредит/Залог >0,7Семейное положение не указано0,782Процентная ставка0,343**Срок кредита<10 лет0,275Срок кредита 10-14,9 лет0,200-0,127Срок кредита 20-24,9 лет0,143(0,277)0,701Уровень безработицы в регионе-0,378**(0,173)Платеж/Доход [0;0,2)0,1610,000(0,000)0,033**(0,017)Оценка вероятности одобренияипотечной сделкиКонстанта(0,334)Количество наблюденийПсевдо R2AICBICЛог-правдоподобие% Правильных прогнозовAUCкоэффициент Джини0,032(0,136)Средняя стоимость 1 м2 жилья врегионе«Возраст кредита»(0,460)Платеж/Доход не указан0,343(0,293)(0,313)ИндивидуальныйпредпринимательГосударственный служащий0,381(0,276)(0,164)Место работы не указано0,483*(0,293)Срок кредита 15-19,9 лет(0,580)В разводе0,557(0,348)(0,133)Вдовец/вдова0,382***(0,042)(0,253)Не замужем/холостяк-0,035(0,137)(0,317)***0,168(0,134)(0,317)Высшее образование0,169(0,303)Кредит/Залог <0,5(0,363)Среднее образование0,304*(0,181)Платеж/Доход [0,8-1](0,117)Образование не указаноОценкипараметров0,004-0,236(0,168)-10,685***(2,171)27990,438768,5946,6-354,294,750,94170,8834Примечание: Робастные стандартные ошибки приведены в скобках.
Базисные категории — незаконченноевысшее образование, замужем/женат, наемный работник, ежемесячный доход заемщика 0-9999 руб., сроккредита>=25 лет, Кредит/Залог - 0,5-0,7, Платеж/Доход - [0,2-0,4), ***, **, * — значимость на уровне 1, 5 и 10%соответственно.10Данная спецификация модели PD ориентирована на прогнозную функцию и содержит коррелированные с«возрастом кредита» (продолжительность времени наблюдения кредита с даты его выдачи до даты, на которуюдоступна информация по кредитному портфелю) объясняющие переменные.
Для экономической интерпретациимогут быть использованы альтернативные модели, предложенные в работе.1821.51.50.2.4.6Ожидаемый бухгалтерский LGDELGD1 (C=0%)ELGD3 (C=10%).8ELGD2 (C=5%)ELGD4 (C=15%)Рис. 1. Функции распределения плотности вероятностей11ожидаемого бухгалтерского LGDПолученные результаты свидетельствуют о неоднородности потерь,связанной с разным уровнем их возмещения в случае ипотечного дефолтапосредством реализации залогового обеспечения. Это может быть обусловленовлиянием соотношения Кредит/Залог, которое демонстрирует положительнуювзаимосвязь с величиной ELGD.
Ожидаемая доля потерь с более высокойвероятностью принимает значения в окрестности 0,1 и 0,5, т.е. концентрируетсяневцентречто подтверждаетраспределения,гипотезуоапокраямобластинесимметричностиираспределения,бимодальностираспределения LGD. Как следствие, использование средней величины долипотерь, с учетом его высокой волатильности, приводит к неточнымрезультатам. Полученные результаты согласуются с результатами предыдущихисследований и устойчивы к варьированию величины общих издержек,связанныхспроцессомсудебногоурегулированияпросроченнойзадолженности.11Построены методом непараметрического сглаживания (kdensity) — ядерное сглаживание с ядромЕпанечникова. Общие издержки С рассчитаны как % от стоимости реализации залогового обеспечения.19Величина потерь на портфельном уровне варьируется от 116,8 млн руб.до 140,4 млн руб., и полученные оценки могут использоваться в качествеориентира для создания резервов на возможные потери по ссудам.
В работеобсуждаютсявопросыэмпирическойоценкипотерьпридефолтедля ипотечных кредитов с неуказанным доходом заемщика, с высокимпоказателем Кредит/Залог, а также для кредитов, выданных региональнымоператором АИЖК. Показана целесообразность ипотечного страхованиякредитовсвысокимпоказателемКредит/Залог.Установлено,чтона портфельном уровне ожидаемый абсолютный процентный доход покрываетожидаемые абсолютные убытки при ипотечном дефолте.В заключении сформулированы основные результаты приведенногоисследования:1.
Проведен сравнительный анализ подходов и моделей для оценки кредитногориска при ИЖК. Показано, что для целей ипотечного андеррайтингацелесообразноиспользоватьинструментыэконометрическогомоделирования таких базовых рисковых параметров, как вероятностьдефолта и доля потерь в случае дефолта. Выявлено, что для моделированиякредитного риска целесообразно учитывать природу исследуемой случайнойвеличины в целях повышения надежности полученных результатов.2. С использованием проведенного обзора российской и зарубежной практикиоценки кредитного риска предложена совокупность эконометрическихмоделей вероятности дефолта, учитывающих особенности ипотечныхжилищныхкредитов.эмпирическуюПрименениезависимостьмоделейвероятностипозволилодефолтаотустановитьсоциально-демографических характеристик индивида.
Выявлены также параметрыипотечного кредита, которые служат прокси-переменными для оценкикредитного риска и вносят статистически значимый вклад в объяснениевероятности дефолта наряду с макроэкономическими показателями.203. Продемонстрирована устойчивость полученных результатов с помощьюдвумерной модели оценки вероятности ипотечного дефолта, принимающейво внимание решение кредитора об одобрении/отклонении ипотечной заявкив целях коррекции проблемы выборочной селективности. Выявлено,что эффективное решение задач прогнозирования и поиска ключевыхдетерминантов вероятности дефолта требует разработки разных моделей.4. Предложен подход для количественной оценки доли потерь в случаеипотечного дефолта в условиях ограниченности информации о дефолтныхкредитах, с использованием которого получены эмпирические функциираспределения потерь в российских условиях. Среди основных элементовследуетвыделитьмоделированиевероятностиипотечногодефолтаи стоимости залогового обеспечения, которые во многом определяютнадежность полученных выводов.5.
Установлено, что для сделок с неуказанным уровнем дохода заемщиканаблюдаются низкие абсолютные потери в случае дефолта, связанные с ихневысокой долей среди всех ипотечных дефолтов, более низкой остаточнойсуммой долга и вероятностью дефолта. Показано, что для ипотечных сделокс высокой долей заемных средств в стоимости приобретения объектанедвижимости возрастает доля ожидаемых потерь в случае дефолтаи остаточная сумма долга, а, как следствие, абсолютные потери при дефолте.Источником компенсации потерь по таким сделкам выступает ожидаемыйпроцентный доход кредитора по портфелю и ипотечное страхование,целесообразностьэмпирическихкоторогорезультатах.находитВыявлено,подтверждениечтодлявполученныхипотечныхсделокрегионального оператора наблюдаются более высокие значения двухкомпонентов кредитного риска – вероятности ипотечного дефолта и суммы,подверженной риску дефолта.
Эмпирически показано, что результатыустойчивыкварьированиювеличиныобщихиздержек,связанныхс процессом судебного урегулирования просроченной задолженности.216. Полученные результаты представляют практическую ценность, и могутслужить основой как для настройки моделей действующих систем рискменеджмента ОПИК, так и как элемент внутренней системы оценкикредитного риска в рамках IRB-подхода.
Можно также использовать оценкипараметров кредитного риска для оценки взвешенных по риску активовв части корректировки показателя корреляции для кредитных требований,обеспеченных залогом жилой недвижимости.СПИСОК ПУБЛИКАЦИЙ ПО ТЕМЕ ДИССЕРТАЦИИРаботы, опубликованные в ведущих рецензируемых журналах,рекомендованных ВАК Министерства образования и науки РоссийскойФедерации:1. Лозинская, А.М. Оценка кредитного риска на рынке ипотечного жилищногокредитования [Текст] / А.М. Лозинская, Е.М. Ожегов // Прикладнаяэконометрика. – 2014. – № 35 (3).
– С. 3-17 (объем 1 п.л., авт. вклад 0,5 п.л.).2. Порошина (Лозинская), А.М. Обзор подходов к моделированию кредитногориска на портфельном уровне [Текст] / А.М. Порошина // Финансоваяаналитика: проблемы и решения: науч.-практич. и информ.-аналит. сб. –2013. – № 3(141). – С. 32-43 (объем 1,2 п.л.).3. Poroshina (Lozinskaia), A.M. The lagged structure of dynamic demand functionfor mortgage loans in Russia [Электронный ресурс] / E.M. Ozhegov,A.M.
Poroshina // Journal of Corporate Finance Research: academic journal;Национал. исслед. ун-т – Высшая школа экономики. – 2013. – № 3(27). –P. 34-44. – URL:http://cfjournal.hse.ru/data/2015/03/02/1091227861/Evgeniy.%20Ozhegov.pdf(дата обращения: 02.09.2015) (объем 1 п.л., авт.
вклад 0,5 п.л.).4. Порошина (Лозинская), А.М. Развитие моделей кредитного риска на рынкеипотечного кредитования [Электронный ресурс] / А.М. Порошина //Управлениеэкономическимисистемами:электрон.науч.журн.–Кисловодск: Кисловод. ин-т экономики и права, 2012. – № 12. – URL:22http://www.uecs.ru/uecs48-482012/item/1789-2012-12-12-06-14-08(датаобращения: 02.09.2015) (объем 0,7 п.л.).5. Порошина (Лозинская), А.М. Модели искусственных нейронных сетей вкредитном скоринге [Текст] / А.М. Порошина // Динамика сложныхсистем.
– 2012. – №4. – Т. 6. – С. 83-89 (объем 0,6 п.л.).6. Порошина (Лозинская), А.М. Нейросетевой подход в оценке банковскихкредитных рисков [Текст] / А.М. Порошина // Нейрокомпьютеры:разработка, применение. – 2012. – № 5. – С. 54-60 (объем 0,6 п.л.).Другие работы, опубликованные автором по теме диссертации:7. Лозинская, А.М. Оценка кредитного риска при ипотечном жилищномкредитовании [Текст] / А.М. Карминский, А.М. Лозинская // XV Апрельскаямеждунар. науч. конф. по проблемам развития экономики и общества: сб.ст.; отв.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
