Диссертация (1138729), страница 18

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

Текст из файла (страница 18)

Рисунок 2. Динамика распределения банков по специализации

Можно также отметить, что 107 банков из исследуемой выборки не меняли профиль своей деятельности. Профиль деятельности 116 банков на разных этапах исследуемого периода соответствовал двум типам специализации, у 109 банков отмечалась принадлежность к трем типам, 19 банков – попали во все возможные кластеры. Перемена банком специализации свидетельствует либо о том, что значение показателей (см. Табл. 7 Глава 2), лежит на границе кластеров, либо о том, что банк в данных экономических условиях пытается занять наиболее привлекательную нишу. Можно сказать, что эти банки находятся в поиске своего «типа». «Лидер» среди них – ТрастКомБанк (лиц. 2499), сменивший принадлежность к кластеру 23 раза (из 32 возможных), следом идут Гранд Инвест (лиц. 3053), Экспобанк (лиц. 2998) и КонверсБанк (лиц. 122) (14, 13 и 12 переходов соответственно). Меньше всех остальных в этой группе менял профиль деятельности банк Держава (лиц. 2738), совершивший 5 переходов.

Таким образом, исследование специализации кредитных организаций необходимо учитывать при оценке устойчивости их функционирования, так как позволяет выявлять характерных тенденций смены банками профиля, и выделять банки, находящихся в поиске своего «типа» (нестабильных с точки зрение распределения операций).

Поскольку на практике изменение структуры баланса кредитной организации в короткие сроки не реализуемо и требует значительных затрат, связанных с переориентацией бизнеса (подбор персонала, разработка продуктов, методик, программного обеспечения), это не может не отразиться на эффективности их функционирования, и оценка таких организаций требует особо пристального подхода.

1. Оценка качества российских банков

Банковский сектор России развивается быстрыми темпами, и удерживать свои позиции на рынке способны только динамично растущие организации. Для того чтобы оценить возможности и перспективы банков, не представленных в рейтинг-листах международных рейтинговых агентств, а также определить качественный состав рассматриваемой выборки российских банков, использованы модели, представленные нами в Главе 2 настоящей работы.

Поскольку наличие международного рейтинга предполагает достаточно высокий уровень информационной открытости организации, а проводимый в ходе его присвоения анализ затрагивает широкий спектр как финансовой, так и нефинансовой информации, то представляется логичным дополнить модели двумя индикативными переменными:

• Принадлежность к ССВ (DIA) ⁵¹;

• Наличие международного рейтинга (IR) ⁵².

Банк, входящий в систему страхования вкладов, получает возможность привлекать депозиты физических лиц и тем самым диверсифицировать свою ресурсную базу. Поскольку целью Центрального банка РФ было отбирать в систему страхования вкладов только «здоровые» банки, то принадлежность к ССВ можно рассматривать, как своего рода «знак качества» (отметим, что в США именно принадлежность к системе страхования вкладов⁵³ является одним из основных критериев для определения финансовой организации как банка [29]).

Наличие международного рейтинга, являясь объективной и признанной на международном уровне оценкой, позволяет облегчить процесс мониторинга кредитных организаций. Однако лишь незначительное число российских банков имеет рейтинг международных агентств. Полученный в ходе данного исследования инструмент финансового анализа, позволяющий формировать на основе финансовой отчетности банка рейтинг его кредитоспособности, является крайне востребованным для целей оперативного дистанционного анализа банков-контрагентов.

Полученный инструмент дает возможность оценить качественных состав исследуемой выборки из 339 банков, не имеющих рейтинга международных агентств.

В Главе 2 нами были представлены регрессионные модели формирования рейтинга, обнаружившие высокую степень сопоставимости рассчитанных рейтингов с рейтингами международных агентств. Полученные результаты свидетельствуют о том, что наилучшей сопоставимостью с существующими рейтингами отличаются две модели: линейная модель, учитывающая информацию о специализации, и кубическая модель. Эти две модели и будут использованы для определения качественного состава исследуемой выборки российских банков:

1. Кубическая модель с отклонением от среднего (регрессия вида (4) см. Главу 2):

(4’)

1. Линейная модель по показателям с учетом информации о специализации с отклонением от среднего (регрессия вида (7) см. Главу 2):

(7’)

Простая линейная модель вида (2) также дополнена индикативными переменными IR и DIA и будет использована для анализа состава российских банков:

(2’)

Соответствие рассчитанного интегрального показателя буквенному выражению рейтинга приведено в Таблице 26.

Таблица 26. Характеристика рейтинговых оценок уровня надежности банков

Рейтинг	Интегральная оценка	Характеристика
ВВВ	5	Низкий уровень риска: достаточная способность своевременно и полностью выполнять свои долговые обязательства.
ВВ	4	Уровень риска низкий: слабая чувствительность к воздействию неблагоприятных перемен в коммерческих, финансовых и экономических условиях.
В	3	Уровень риска приемлемый: уязвимость при наличии неблагоприятных коммерческих, финансовых и экономических условий.
ССС	2	Уровень риска повышенный: существует потенциальная возможность невыполнения банком своих долговых обязательств; значительная зависимость от коммерческих, финансовых и экономических условий.
СС	1	Уровень риска высокий: высокая вероятность невыполнения банком обязательств.
С	0	Уровень риска крайне высокий: существует вероятность банкротства.
DDD	-1	Уровень риска недопустимо высокий: существует высокая вероятность дефолта по обязательствам.
DD	≤-2	Уровень риска недопустимо высокий: прогнозируется дефолт по обязательствам.

Итак, применив наши модели к организациям, имеющим международный рейтинг, и убедившись в адекватности полученных результатов, имеем основания применить те же модели для определения уровня надежности российских кредитных организаций, не имеющих международного рейтинга, и оценить адекватность полученных результатов.

Кубическая модель с отклонением от среднего для исследуемых 339 банков, не имеющих рейтинга международного рейтингового агентства, позволяет ранжировать их по уровню риска. Анализ показал, что по состоянию на 01.10.2006 всего один банк из 339 имеет прогнозируемый рейтинг уровня «ВВ», 16 банков имеют рейтинг «В», 76 банков – рейтинг уровня «ССС», 167 банков – рейтинг уровня «СС». 69 банков исследуемой выборки имеют рейтинг уровня «С», 6 банков – рейтинг «DDD», еще 4 банка имеют рейтинг «DD».

Согласно полученным результатам моделирования, качественный состав исследуемой выборки в период с июля 2004г. по октябрь 2006г. изменился незначительно (Рис. 10). В группы с достаточно низким риском дефолта в долгосрочной перспективе, согласно модели, в среднем попадает немногим более 12% всех банков («ВВВ» – 4 банка, «ВВ» – 10 банков, «В» – 35 банков). В среднем 85% всех банков имеют прогнозируемый рейтинг уровня «ССС», «СС» или «С» (95, 164 и 80 банков соответственно). В группы банков с крайне высокой вероятностью неисполнения обязательств попадают в среднем 3% банков (с рейтингом «DDD» – 8 банков, с рейтингом «DD» – 4 банка).

Таблица 27. Кубическая модель с отклонением от среднего (4’)

Рейтинг	Среднее количество	Минимальное количество	Максимальное количество
BBB	4	2	7
BB	10	7	14
B	35	27	42
CCC	95	77	106
CC	164	150	180
C	80	68	106
DDD	8	3	16
DD	4	1	6

Рисунок 3. Качественный состав исследуемой выборки на основе

результатов кубической модели без учета специализации

Использование линейных моделей с учетом выявленной специализации для исследуемых 339 банков, не имеющих рейтинга международного рейтингового агентства, показывает, что по состоянию на 01.10.2006 прогнозируемый рейтинг уровня «ВВ» имеют 2 банка, рейтинг уровня «В» – 11 банков, рейтинг уровня «ССС» – 72 банка, рейтинг уровня «СС» – 177 банков. 69 банков имеют рейтинг уровня «С», 5 банков – рейтинг «DDD», еще 3 банка имеют рейтинг «DD».

Качественный состав исследуемой выборки за период с июля 2004г. по октябрь 2006г изменился незначительно (Рис.11). В группы с достаточно низким риском дефолта в долгосрочной перспективе, согласно модели, в среднем попадает немногим более 11% всех банков («ВВВ» – 3 банка, «ВВ» – 10 банков, «В» – 35 банков). В среднем 85% всех банков имеют прогнозируемый рейтинг уровня «ССС», «СС» или «С» (86, 185 и 80 банков соответственно). В группу банков с высокой вероятностью неисполнения своих обязательств попадают в среднем 3% банков (с рейтингом «DDD» – 9 банков, «DD» – 3 банка).

Таблица 28 Линейная модель по показателям с учетом специализации (7’)

Рейтинг	Среднее количество	Минимальное количество	Максимальное количество
BBB	3	0	5
BB	10	7	15
B	35	28	40
CCC	86	76	100
CC	175	157	189
C	80	67	97
DDD	9	5	20
DD	3	1	6

Характеристики

Список файлов диссертации