Диссертация (1138316), страница 7

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

Текст из файла (страница 7)

Кроме того, на понятии вероятностидефолта базируются модели ценообразования и процесс определения10Также Законом РФ от 29.05.1992 N 2872-1 «О залоге», который утратил силу с 01.07.2014 г.38скорректированного на риск уровня доходности, известного какконцепция Risk-Adjusted Return on Capital (RAROC), котораяв конечном итоге позволяет оценить эффективность размещениякапитала (доходность – риск).

Для оценки вероятности дефолтавозможно использование матриц вероятностей миграций кредитногорейтинга. Однако точность данного подхода ограничена точностьюметодики, используемой для присвоения рейтингов.Сумма, подверженная риску дефолта EAD, представляет собойсумму кредитных обязательств заемщика, в случае его банкротствав результате реализации кредитного события (дефолта или миграции)и зависит от вида обязательства [Фантаццини, 2008].

Вопросымоделирования EAD обсуждаются в работе [Yang, Tkachenko, 2012].Доля убытка при дефолте LGD дает реальное представлениео возможных потерях при создании банковского актива. В случаевозникновения дефолта при условии наличия залогового обеспеченияили каких-либо гарантий теряется не вся сумма кредита [Фантаццини,2008]. Доля 11 всех кредитных обязательств, которая возвращаетсякредитору (величина обеспечения или гарантии) или эмитентуоблигации в случае дефолта, представляет собой уровень возмещенияпотерь(либоставкивосстановления,RecoveryRate,RR)и рассчитывается как RR  1  LGD, где RR— уровень возмещенияпотерь, LGD — доля убытка при дефолте.Базельский комитет по банковскому надзору предлагает банкамфундаментальный (foundation) и продвинутый (advanced) подходыпри расчете величины LGD (табл.

1.1.).11Вместо доли также используется процентное отношение.39Таблица 1.1Подходы к оценке LGDФундаментальный (foundation) подходLGD=45% для необеспеченных залогомтребований к корпорациям, банкам игосударственным облигациямLGD=75% длясубординированныхтребований (поскольку вероятностьвозмещениятребованийнеплатежеспособным заемщиком ниже).Продвинутый (advanced) подходДляоценкикредитногорискарозничных ссуд допускается толькопродвинутый подход.Банк имеет право использоватьсобственные оценки LGD, но толькоесли они соответствуют требованиям,изложенным в ст.468–473 Базель II.Источник: BISДлямногихклассовактивовБазельIIпредлагаетфундаментальный и продвинутый подход. В рамках базового подходабанкипредоставляютсобственныеоценкиPDиполагаютсяна надзорные оценки для остальных компонентов риска.

Продвинутыйподход предлагает больше собственных оценок PD, EAD, LGDи эффективных сроков погашения при условии соблюдения положенийБазель II [BIS, 2006].Измерение дефолтной и/или миграционной зависимости весьмасложная задача.

Для этого, как правило, используются матрицаперехода/миграции. Однако моделирование одновременных дефолтовнескольких контрагентов по-прежнему остается областью, котораятребует тщательного изучения.Российские исследования в области ИЖК в основной своейчасти базируются на агрегированных данных о российском рынкеипотечного кредитования. Они включают работы, посвященныеисследованию причин российского ипотечного кризиса 2008–2009 гг.[Столбов, 2012; Stolbov, 2013], а также анализу уровня развитияипотечного рынка в России [Лукьянов, 2010; Козловская, Савруков,2013] и стратегии его формирования [Полтерович, Старков, 2007a;Косарева и др., 2010; Ильинский и др., 2014; Куликов, 2014].40Системапоказателейдляинтегральнойоценкиуровняразвития ИЖК в регионах РФ предложена в работе [Козловская,Савруков, 2013].

Наряду с показателями, характеризующими уровеньпроникновения ИЖК в регионе (объем выданных ипотечныхжилищныхкредитовиструктураипотечнойзадолженности)и уровень государственной поддержки ИЖК в регионе (долярефинансированныхипотечныхжилищныхкредитов),авторыоценивают качество ипотечного портфеля и уровень кредитного риска(параметры ипотечных жилищных кредитов и доля просроченнойзадолженности). Важная роль в последней группе критериев отведенапоказателям Платеж/Доход и Кредит/Залог.1.4.2. Вероятность ипотечного дефолтаЦентральное место в риск-менеджменте ОПИК занимаетпроблема оценки вероятности дефолта, как наиболее неблагоприятнойреализации кредитного риска.

Без адекватной оценки уровнякредитного риска ипотечного заемщика не обходится процедуракредитного андеррайтинга, предполагающая комплексный анализплатежеспособности потенциального заемщика.В банковской практике используются различные подходыи методы к оценке кредитного риска [Фантаццини, 2008; Bluhm et al.,2010; Алескеров и др., 2013], также как и их классификации.Так в работе [Тотьмянина, 2011] выделяются модели вероятностидефолта корпоративных заемщиков банков, основанные на рыночныхпоказателях, модели на основе фундаментальных показателей и моделина основе продвинутых подходов.

Активное развитие находитпоследний класс моделей в вопросах оценки вероятности дефолтаипотечных заемщиков, некоторый обзор которых может быть найденв [Порошина, 2012a].41Принципы построения оценочных моделей PD ипотечныхзаемщиков базируются на классических теориях объяснения причинипотечного дефолта, которые выделяются в академической литературе: Теория платежеспособности (The Ability-to-Pay Theory). Теория опционов (The Put-Option Theory).Появление этих теорий сопряжено со становлением такихразделов экономической науки, как теория потребления (конец70-х гг. XX в.), институциональная экономика (конец 70-х – начало80-х гг.

XX в.), теория опционов (середина 80-х гг. XX в.) и теорияпортфельных инвестиций (начало 90-х гг. XX в.).Врамкахтеорииплатежеспособностипредполагается,что заемщик не объявляет ипотечный дефолт до тех пор, пока егодоход покрывает сумму периодического ежемесячного ипотечногоплатежа (соотношение величины ипотечного платежа к ежемесячномудоходу—показатель Платеж/Доход) и пока он не сталкиваетсяс излишней финансовой нагрузкой. Это означает, что увеличениефинансового бремени заемщика, которое может быть спровоцированолюбыми шоками его дохода, повышает вероятность дефолта.

Резкиеизменения дохода, в свою очередь, могут быть связаны с потерейзаемщиком работы, разводом, болезнью или смертью.Согласно теории опционов, ипотечный заемщик действует какрациональный агент и принимает решение о дефолте на основесравнения финансовых выгод и издержек в случае продолженияили прекращения уплаты периодических ежемесячных платежейпо ипотечному кредиту. В результате такого решения заемщикмаксимизирует свои финансовые выгоды или минимизирует потери.В этом случае ипотечный дефолт представляет собой исполнениеопциона put (опциона на продажу) [Deng et al., 2000]. Впервые42важность данной теории для объяснения причин ипотечного дефолтабыла продемонстрирована в работе Ванделла [Vandell, 1978].Опцион пут дает право покупателю, в данном случаеипотечному заемщику, продать определенное количество базового(залогового) актива по фиксированной цене в течение срока действияопциона, т.е.

срока ипотечного кредита. Это означает, что заемщикпогашает ипотечные обязательства до тех пор, пока залоговаястоимость жилья превышает непогашенный остаток ипотечногокредита. При возникновении сложностей с обслуживанием кредитазаемщик может прибегнуть к продаже жилья для покрытия ипотечнойзадолженности [Campbell, 2013]. Когда непогашенный остаток долгасущественно превышает залоговую стоимость жилья, у заемщиканаблюдается просроченная задолженность, т.е. возникает ситуацияипотечногодефолта.Согласноэмпирическимрезультатамисследования Бутты [Bhutta et al., 2010], основанного на данныхоб ипотечных кредитах Аризоны, Калифорнии, Флориды и Невады,пороговое медианное значение превышения непогашенного остаткадолга над залоговой стоимостью жилья составляет 62%.

Исполнениереального опциона заемщиком зависит как от финансовых издержек,так и финансовых выгод. Первые сопряжены не только с ухудшениемего кредитной истории в случае дефолта, но и с затратами на поиск,аренду/приобретение жилья и переезд. Кроме того, исполнениереального опциона также зависит от ожидаемого изменения ценна рынке жилья.Одна из первых попыток тестирования двух рассмотренныхподходов была предпринята Джексоном и Кассерманом [Jackson,Kaserman, 1980]. Авторы, используя данные по американскомуипотечному рынку, эмпирически показали, что вторая теория,основанная на идее максимизации собственного капитала заемщика,43лучшеобъясняетпричиныипотечногодефолта,чтобылоподтверждено результатами более поздних исследований [Ambrose etal., 2005; Foote et al., 2008; Bajari et al., 2008; Bhutta et al., 2010].Однакопревышениенепогашенногоостаткадолгазалоговойстоимости жилья является необходимым, но не достаточнымусловием наступления ипотечного дефолта [Vandell, 1995; Archer etal.,1996; Clapp et al., 2001; Pavlov, 2001; Deng et al., 2005].

Кроме того,в рамках теории опционов ипотечный заемщик рассматривается какигрок, действующий на финансовом рынке и ориентированныйна решениепроблемыдоходностиипотечнойсделки,нежелипроблемы приобретения жилья.Количественнаяоценкавероятностиипотечногодефолтав основном строится на использовании довольно широкого классастатистических (эконометрических) моделей. В зависимости от того,накладываетсялипредположениераспределенияслучайныхвеличин,отеоретическомзависящегоотзаконечисловыхпараметров, статистические модели вероятности ипотечного дефолтаделятся на: параметрические модели; полупараметрические модели; непараметрические модели.Параметрические модели требуют явного предположенияо спецификации модели. Традиционные модели оценки PD при ИЖКиспользуют параметрический подход к построению уравнениярегрессии.

В зависимости от характера зависимой переменнойдля оценки вероятности ипотечного дефолта используется довольноширокий класс эконометрических моделей в классе параметрических.Если PD представлена посредством дихотомической переменной,то используются классические модели бинарного выбора (пробит44и логит-).Они нашли широкое применение в оценке кредитного рискане только ипотечного [Bhutta et al., 2010], но и потребительского[Crook et al., 2007] и корпоративного кредитования [Помазанов,Колоколова, 2004], а также моделировании вероятности дефолтабанков [Lanine, Vennet, 2006; Peresetsky et al., 2011; Карминский,Костров, 2013].Одна из основных проблем, возникающих в таких моделях, проблема выборочной селективности, которая может привестик получению смещенных и/или несостоятельных оценок параметров.Поэтому особое место в классе моделей бинарного выбора занимаютмодели с коррекцией проблемы выборочной селективности (SampleSelection Bias), в частности, различные модификации классическоймодели Хекмана [Heckman, 1976; 1979].

Характеристики

Список файлов диссертации