Диссертация (1138729), страница 15

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

Текст из файла (страница 15)

Показатель обшей достаточности капитала (ДК-3), превышающий средний для выборки уровень, положительно влияет на рейтинг организации, причем, как показывает коэффициент при квадрате величины отклонения показателя, среднее значение показателя не является оптимальным, и отклонение оценивается положительно. Показатель качества капитала (ДК-5), существенно превышающий средний для выборки уровень, отрицательно и значимо влияет на рейтинг, позволяя утверждать, что высокий уровень капитала и низкая доля дополнительного капитала в собственном капитале банка повышают устойчивость организации и ее рейтинг. Этот вывод полностью согласуется с положением Базельского соглашения о достаточности капитала [45,46].

В кубической модели высокая доля резервов (КА-1) положительно влияет на рейтинг. Резервирование, хотя и отвлекает средства организации от их более эффективного использования, позволяет создать дополнительный буфер на случай неблагоприятного стечения обстоятельств, повышая тем самым устойчивость организации. Причем, как показывает коэффициент при квадрате данного показателя, средний уровень является оптимальным для организаций: превышение среднего уровня означает, что организация отвлекает слишком много средств в резервы, и может свидетельствовать о низком качестве активов и значительной склонности к риску; низкое же значение показателя говорит о том, что организация не создает дополнительного буфера на случай неблагоприятного стечения обстоятельств.

Доля просроченных ссуд (КА-2) также положительно влияет на рейтинг, но отклонение от среднего уровня здесь нежелательно, о чем свидетельствует отрицательный коэффициент при квадрате показателя. Значительное превышение среднерыночного уровня доли прочих активов в активах (КА-3) отрицательно влияет на рейтинг, в то время как доля кредитов в активах (КА-4) влияет на рейтинг положительно. При этом, как показывает коэффициент при квадрате отклонения показателя кредитования от среднего, именно среднерыночный уровень является оптимальным для увеличения рейтинга. Превышение среднерыночного уровня показателем доли ценных бумаг в активах (КА-5) является положительным фактором, свидетельствуя о диверсификации активов банка, что, согласно теории, должно способствовать устойчивости организации. Высокая доля безнадежных ссуд (КА-7), также согласно теории, отрицательно влияет на рейтинг организации.

Привлечение средств на межбанковском рынке позволяет диверсифицировать ресурсную базу банка и, согласно кубической модели, положительно влияет на рейтинг (КР-1), причем превышение среднерыночного уровня здесь также является положительным фактором. Следует отметить, что многие российские банки не привлекают деньги на межбанковском рынке, что связано со слабым развитием самого рынка, проблемой доверия, а также спецификой функционирования большинства российский банков⁴⁶. Значительная доля расчетных счетов (КР-3) и высокая доля выпущенных ценных бумаг (КР-4) в обязательствах кредитной организации являются отрицательными факторами при оценке их устойчивости.

Значительное отклонение прибыльности банка от среднерыночного уровня, как показывает модель, отрицательно влияет на рейтинг организации: высокий уровень дохода достижим, в основном, при высоком уровне риска, а поскольку рейтинг организации отражает ее устойчивость, то значительный уровень риска является нежелательным.

Уровень ликвидных активов в активах банка (ПЛ-2), превышающий среднерыночный, отрицательно и значимо влияет на рейтинг, в то время как показатель доли высоколиквидных активов (ПЛ-4) положительно влияет на рейтинг, но его отклонение от среднерыночного уровня является нежелательным.

Как и в случае применения линейной модели, так и при оценке рейтинга на основе кубической модели размеры банка положительно влияют на уровень рейтинга.

Итак, как показал анализ моделей (линейной и кубической), влияние значений показателей на рейтинг согласуется с теоретическими положениями об экономическом содержании показателей, а это свидетельствует о правильном выборе и показателей, и основанного на вычислении интегрального показателя устойчивости подхода к оценке финансового состояния кредитной организации.

Очевидное преимущество кубической модели (в сравнении с линейной) состоит в более высокой точности предсказания рейтинга; существенный же ее недостаток – большие по модулю значения коэффициентов при показателях в регрессии. Последнее связано с тем, что большинство используемых в модели показателей отражают долю определенных статей в балансе банка, т.е. их значение меньше единицы. Возведение такого показателя в степень больше единицы уменьшает его величину, и, следовательно, может увеличивать значение коэффициента при этом показателе. Т.о. несущественное колебания значения показателя могут приводить к существенным изменениям итоговой интегральной оценки (рейтинга).

1. Модели, учитывающие специализацию кредитной организации

Содержанием следующего этапа нашей работы является вопрос: дает ли информация о специализации банков дополнительные преимущества при построении моделей оценки устойчивости кредитных организаций?

На основе кластерного анализа исследуемой выборки в Главе 2 нами выделены четыре типа специализации банков, условно обозначенные как: «корпоративные», «ссудные», «универсальные» и «банки для банков». Классификация банков по специализации позволяет применять индивидуальные модели, учитывающие специфику банков каждого типа, что, как показал анализ, дает возможность существенно улучшить совокупное качество прогноза, сократив при этом размерность используемых моделей.

Анализ результатов моделирования с использованием единого набора показателей и единого подхода к формированию рейтингов показал, что для банков различной специализации значимость и влияние показателей на интегральную оценку различны (Таблица 21). Это подтверждает тот факт, что применение стандартизированного подхода без учета характера деятельности организации может приводить к существенным искажениям результатов анализа.

Точность прогноза с использованием линейных моделей с учетом специализации (7), по сравнению с точностью прогноза линейной модели без учета специализации (2), возрастает на 8%, и составляет 68,87%, что несколько превышает и точность предсказания кубической модели (4). Совокупная точность прогноза «с отклонением не более, чем на один класс» при индивидуальном подходе (своя модель для каждого типа специализации, см. Табл. 21) составляет 98,42%, что несколько уступает результату, полученному с использованием кубической модели, но на 1,81% превышает результат применения простой линейной модели.

Таблица 21. Параметры модели вида (7) для банков различной специализации

Примечание: B – коэффициент в регрессии, Sig. – значимость связи

Характеристики

Список файлов диссертации