Диссертация (1138316), страница 24

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

Текст из файла (страница 24)

Не обнаружено статистическизначимого влияния возраста заемщика, как и квадрата возраста, такжекак и места занятости на вероятность ипотечного дефолта.Вероятность дефолта PD заемщиков растет в среднем и припрочих равных на 2,6%-3,5% с увеличением процентной ставкина 1%, которая определяет степень финансовой нагрузки заемщика.Несмотря на то, что отмечается статистически значимое влияниена PDсрокакредитования,получениесоответствующихстатистических инференций является затруднительным. Во-первых,это связано с тем, что основная часть ипотечных кредитов выдана153на срок свыше 15 лет.

Принимая во внимание, что данныенаблюдаются за период времени менее 15 лет, не исключается, чтодефолт по таким кредитам еще не наступил. Это объясняет большеезначение вероятности дефолта для кредитов со сроком менее 15 лет.Во-вторых,этопредположениеподтверждаетсяналичиемстатистически значимого положительного влияния переменной,отвечающей за «выдержку» («возраст кредита»).

При этом, в отличиеот работы [Ross, 2000], квадратичной зависимости данного фактораи PD обнаружено не было.Среди макроэкономических переменных следует отметитьстоимость квадратногометра жильяна региональном рынкенедвижимости, которая вносит статистически значимый вкладв объяснение вероятности дефолта, что согласуется с описаннойв академической литературе теории опционов, рассматривающейсобытие дефолта как исполнение пут-опциона. При возникновениисложностей с обслуживанием ипотечного кредита заемщик можетприбегнуть к продаже жилья для покрытия ипотечного долга[Campbell, 2013].

В случае, когда непогашенный остаток долгасущественно превышает залоговую стоимость жилья, у заемщиканаблюдается просроченная задолженность, т.е. ситуация дефолта.Вместе с тем средний предельный эффект данной переменнойсравнительно невелик, а также отсутствует статистически значимоевлияние соотношения Кредит/Залог на PD.Дополнительные переменные, отвечающие за особенностиипотечногожилищногокредитованияоказываютстатистическизначимоепопрограммамвлияниенаАИЖК,вероятностьипотечного дефолта.

Отметим, что более высокий уровень PDнаблюдается для ипотечных заявок регионального оператора АИЖК.Среди них основная часть дефолтных кредитов выдана в периодкризиса 2008-2009 гг. Однако не исключается как неэффективностьдействующей системы ипотечного андеррайтинга, так и более154высокийуровенькредитногорискаклиентоврегиональногооператора. Кроме того, PD выше для ипотечных кредитов (займов),выданных в период 2008-2009 гг., 51,2% из которых выданорегиональнымоператоромАИЖК,а48,8%–первичнымикредиторами.

Несмотря на низкую PD, характерную для заемщиковпо специальным ипотечным программам, следует отметить низкуювариацию заемщиков в исследуемой выборке по типам ипотечныхпрограмм, что требует дополнительного изучения данного эффектана вероятность ипотечного дефолта.Используемые в работе модели и методы оценки вероятностиипотечногодефолтаиуровнякредитногорискароссийскихзаемщиков ипотечных жилищных кредитов имеют ряд схожиххарактеристик с применяемой агентством Moody’s методологииMILAN-анализадляоценкикредитногокачествадолговыхинструментов.

В частности, исследуемая в работе выборка имеетсхожиехарактеристикисэталоннымроссийскимипотечнымкредитом, применяемым в методологии MILAN-анализа: стоимостьприобретаемого объекта недвижимости средняя для данного региона,кредитывыданыподфиксированнуюпроцентнуюставкув российских рублях при соотношении Кредит/Залог 0,6-0,7, заемщикзанят в частном секторе и является частным лицом.

Однакомаксимальный срок погашения в исследуемой выборке выше на 10лет и составляет 30 лет. Кроме того, в методологии MILAN-анализаотмечается,чтодоходыэталонногозаемщикаподтвержденыофициальной справкой, в то время как в анализируемой выборкев 59% выданных ипотечных кредитов доход не указан. Стоитотметить, что Moody’s предлагает использовать штрафные поправкидля таких кредитов в зависимости от типа занятости и соотношенияКредит/Залог при оценке кредитного качества при возможностиих понижения. Вместе с тем, эмпирические результаты настоящегоисследования не позволяют подтвердить гипотезу о более высокой155вероятности ипотечного дефолта таких заемщиков.

Вывод основанна результатах эконометрического моделирования PD, в то время какв методологии MILAN-анализа лежит скоринговая модель, котораяпозволяет получить скоринговые оценки каждого кредита в портфелеи всего портфеля путем сравнения с эталонным страновым ипотечнымкредитом и портфелем.

Это означает, что точность оценки кредитногокачества сокращается при наличии существенных отличий ипотечногокредита в выборке и эталонного. Другая особенность заключаетсяв том, что методология MILAN-анализа используется в целяхдальнейшейсекьюритизациипортфелейипотечныхкредитов,в то время как методология данного исследования ориентированана достижение целей эффективного андеррайтинга.3.4.Эмпирическая оценка доли потерь в случае ипотечногодефолтаДля получения эмпирической оценки LGD используется метод,описанный в параграфе 2.5.

Статистическая выборка за 4-х летнийпериод (авг.2008–авг. 2012 гг.) включает в себя информацию о 166случаямипотечныхдефолтовпоипотечнымкредитам42.Описательные статистики приведены в Приложении 2. Оценка LGDосуществляется для 165 случаев ипотечных дефолтов, поскольку для 1ипотечного дефолта отсутствует информация об общей площадиквартиры, что затрудняет расчет стоимости реализации залоговогообеспечения. Основные характеристики залогового обеспеченияна дату кредита по дефолтным ипотечным заявкам представленыв Приложении 5 (табл. П5.1 и рис. П5.1), из которых следует, что всерассматриваемые квартиры относятся к вторичному рынку жилья43.42С самой ранней и поздней датами выдачи 27.08.2008 г.

и 25.02.2011 г., соответственно.Процент первичного жилья среди одобренных ипотечных кредитов составил 24,31%, в то времякак среди выданных ипотечных жилищных кредитов таковые отсутствуют.43156В имеющихся данных содержится информации о статусепогашения ипотечного кредита (например, ипотечный дефолт),однакоотсутствует информация о дате ипотечного дефолта.В условиях ограниченности информации о дате ипотечного дефолтаи фактическихубытках,рассчитаемаппроксимированнуюисторическую долю потерь, условную на факт ипотечного дефолта,как ожидаемую долю потерь с учетом оценки PD на каждый месяц,начиная с месяца выдачи ипотечного кредита до августа 2012 г., методрасчета которой представлен в параграфе 2.3. Время предполагаетсядискретным (месяц44).На первом шаге на основе переменной «возраст кредита»,генерируется новая порядковая переменная (t), соответствующаяколичеству месяцев, прошедших со дня выдачи ипотечного кредитадо даты, на которую производится оценка, начиная с 4 мес.

(4 мес., 5мес., 6 мес. и т.д.). Это объясняется тем, что ипотечный дефолтрассматривается как наличие просроченной ипотечной задолженностисроком более 3 мес. После этого рассчитывается прогнозное значениеPD ипотечного заемщика в каждый период времени t по модели PDи оценки PD it по отдельно взятому заемщику. Пример расчетовпредставлен в табл. 3.8.441 месяц = 30 дней. Период времени месяц соответствует периодичности внесения очередногоаннуитетного платежа.157Таблица 3.8Оценка PD на каждый месяцп/п дефолтногоипотечногокредита111222…165165165t45…45……45…КуммулятивнаяPD, рассчитаннаяпо модели0,30,4…0,50,6……0,20,3….Оценка PDLGDPD it0,30,4  0,3  0,1…0,50,6  0,5  0,1……0,20,3  0,2  0,1…0,40,5…0,20,3……0,40,1…Примечание: Рассмотрим дефолтный ипотечный кредит №1.

Пусть кумулятивная PD(t=4)=p1,PD(t=5)=p2. Тогда для того, чтобы получить оценку PD в t=5 необходимо найти разницу p2  p1 .Полученная оценка принимает значение в интервале [0;1], что обеспечивается выполнениемследующих условий: p21, p1<1, p2-p10 (поскольку PD положительно зависит от «возрастакредита»).Для построения прогноза PD основная задача сводится к поискумодели, обладающей высокой прогнозной силой при включениив набор объясняющих переменных «возраста кредита».

Различныеспецификации моделей PD и их прогнозное качество обсуждалосьподробновпараграфеОтметим,3.3.чтоспецификация(3)одномерной пробит-модели PD (табл. 3.4) с «возрастом кредита»характеризовалась чуть более низким прогнозным качеством (процентправильных прогнозов 93,86%) в сравнении с альтернативнымиспецификациями без учета «возраста кредита».Включение«возрастакредита»внаборобъясняющихпеременных в одномерные и двумерные спецификации пробитмодели PD (в частности, (6)-(7), (10)-(11)) с учетом исключениясильно коррелированных с «возрастом кредита» объясняющихпеременных (уровня безработицы, времени выдачи ипотечной заявкии процентнойставкой)мультиколлинеарности,(табл.неП3.1)позволили158воизбежаниепроблемысущественноувеличитьпрогнозное качество моделей (процент правильных прогнозовне превысил 93,93%).

В эконометрической литературе отмечаетсявозможностьиспользованиямультиколлинеарностьювмоделейцеляхсчастичнойпостроенияпрогноза.Так, добавление в спецификацию (10) двумерной пробит-модели PDнаряду с «возрастом кредита»45коррелированных с ним двухобъясняющих переменных (процентной ставки и уровня безработицы)позволило достигнуть более высокого прогнозного качества моделиPD (спецификация (12) в табл. 3.7). При этом процент правильныхпрогнозов составил 94,75%, что сопоставимо с прогнозным качествоммоделей PD из параграфа 3.2, но без учета «возраста кредита».

Стоитотметить, что такая модель PD (спецификация (12) в табл. 3.6)не может быть использована в целях оценки эффекта воздействияобъясняющих переменных на PD. Это означает, что для решениязадачи построения наилучшего прогноза и поиска ключевыхдетерминант PD может требоваться разработка отдельных моделей.При этом не исключается возможность их принадлежность к разнымклассам.На втором этапе рассчитывается величина бухгалтерского LGDдля каждого ипотечного дефолта в каждый период t.

При реализацииметода LGD был принят ряд допущений.1. В отсутствии данных о мерах, предпринятых кредиторомдля урегулированияпросроченнойипотечнойзадолженности,оценка LGD осуществляется в предположении, что кредиториспользует механизм судебного урегулирования просроченнойипотечной задолженности.2. Для текущей стоимости реализации залогового обеспечения Rиспользуется соотношение оценочной стоимости 1 м2 жилья45При этом квадрат возраста статистически не значим на уровне значимости 1%.159на дату выдачи ипотечного кредита и рыночной стоимости 1 м2жилья в регионе в конце срока восстановления T, котороепредполагается постоянным, и общей площади жилья46. Величинадисконта принимается равной 20%. Стоит отметить, что задачапрогнозированиястоимостижильязаслуживаетотдельноговнимания47.3. Поскольку продажа квартир на вторичном рынке в среднемзатягивается на 3–6 мес., срок восстановления предполагаетсяравным среднему значению в 5 мес.

Характеристики

Список файлов диссертации