Диссертация (1151147), страница 9

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

Текст из файла (страница 9)

Альтмана, Р.Лиса, Р. Таффлера Дж. Фулмера,Г. Спрингейта.Рассмотрим классическуюмодель МДА – модель Е. Альтмана (1968 г.). Метод множественногодискриминантного анализа,использованный Э. Альтманом был особеннопопулярен при определении банкротства предприятий в 1960-1970 г.г.Модель Э. Альтмана представляет собой определение дискриминанта, наосновании определенных финансовых показателей, позволяющего сделать выводо вероятности дефолта заемщика [111]. В целях построения модели Э.Альтман,проанализировав 22 аналитических показателя по финансовым данным 33-хобанкротившихся компаний и по финансовым данным аналогичного количествауспешно работающих компаний за период с 1946 по 1965 г.г., выделил 5 рискзначимых показателя и построил пятифакторную модель прогнозированиявероятности дефолта.48Модель Альтмана представляет собой линейную функцию:Z=,(6)гдеА=;С=;B=D=;; E=Согласно модели Альтмана, вероятность банкротства:- «очень высокая» в случае, если Z принимает значение до 1,8;- «высокая» в случае, если Z принимает значение от 1,81 до 2,70;- «возможна» в случае, если Z принимает значение от 2,71 до 2,99;- «очень низкая» в случае, если Z принимает значение от 3,00 и выше.Применение зарубежных моделей в российской банковской практикезатрудняется в связи с тем, что структура финансовой отчетности отечественныхкомпаний во многом не совпадает со структурой финансовой отчетности,составляемойзарубежнымикомпаниями.Возникающеенесоответствиеинформационных данных приводит к трудоемкой процедуре преобразованияданных в целях проведения анализа деятельности заемщиков.Всилу затруднительногоиспользованиязарубежныхмоделейдляроссийских предприятий, отечественные ученые разработали собственныемодели.

К подобным моделям относятся модели А.Д. Беликова и Г.В. Давыдовой,О.П.Зайцевой,В.В.Ковалева иО. Н. Волковой, Р. С. Сайфуллина и Г. Г.Кадыкова.Помимо моделей МДА, в целях прогнозирования вероятности дефолтакредиторамииспользуются модели бинарного выбора, в которых значениерезультативной переменной (вероятности дефолта) будет лежать в диапазоне от 0до 1.49В научной литературе чаще всего при определении вероятности дефолтарассматриваются logit- и probit – модели бинарного выбора.

Основная идеяданных моделей заключается в выявлении факторов, влияющих на финансовоесостояние заемщика на первоначальном этапе анализа, а затем на основанииполученных результатов оценивается вероятность дефолта корпоративногозаемщика.Согласноlogit- модели, вероятность дефолта(PD) определяетсяследующим образом:PD =,(7)где:PD – вероятность наступления дефолта в долях единицы, принимающаязначения от 0 до 1;–Zинтегральныйпоказатель,вычисляемыйвзависимостиотразработанной модели;е – константа, являющаяся основанием натурального логарифма (числоЭйлера, равное 2, 71828);b- коэффициент чувствительности заемщика к k-му фактору, u –случайное возмущение.Probit –модель определяет вероятность дефолта (PD) следующим образом:PD =ds,(8)гдеz=- коэффициент чувствительности заемщика к k-му факторуслучайное возмущение., u –50Преимущество бинарных моделей заключается в том, что они позволяютотслеживать изменение вероятности дефолта при изменении финансовыхинефинансовых показателей.

Так же среди достоинств данных моделей следуетотметить доступность информации, однако, в данном случае мырассчитаемвероятность дефолта на основании фактов уже свершившихся без учета будущихперспектив компании, т.е. использование данных финансовой отчетности вбинарных моделях отражает изменения в деятельности заемщика с задержкой вовремени.В научных исследованиях и на практике среди бинарных моделей отдаетсяпредпочтение logit- модели. По мнению К.М. Тотьмяниной, это связано с тем, чтопри построении probit-моделитребуется большее количество вычислений иделается допущение о нормальности распределения величин, что возможно приусловии большого объема выборки.Впервые в целях определения вероятностидефолта логистическаярегрессия применена Дж.

Олсоном в 1980 –м году. Дж. Олсон проанализировал105 дефолтных компаний и 2058 недефолтных за период с 1970 по 1976 г.г. Послечего Дж. Олсоном отобрано 9 риск-значимых показателей и построена logitмодель следующего вида [123]:PD, гдеZ=-1,3 – 0,4Х1+0,6X2-1,4X3+0,1X4-2,4X5-1,8X6+0,3X7-1,7X8-0,5X9….(9)Где:PD – вероятность наступления дефолта в долях единицы, принимающаязначения от 0 до 1;Z – интегральный показатель, вычисляемый по модели Дж. Олсона;е – константа, являющаяся основанием натурального логарифма (числоЭйлера, равное 2, 71828);51Х1 - показатель, характеризующий размер компании (log (Совокупныеактивы/индекс-дефлятор валового национального продукта));показатель отношения обязательств кX2 -активам (совокупныеобязательства/совокупные активы);X3 – показатель доли рабочего капитала вактивах (рабочийкапитал/совокупные активы);X4 – показатель отношения текущих обязательств к текущим активам(краткосрочные обязательства/совокупные активы)X5 – фиктивная переменная, принимающая значение единицы в случае,если совокупные обязательства превышают совокупные активы, в противномслучае - нуль;X6 –показатель рентабельности активов (чистая прибыль/совокупныеактивы);X7–показательдолговойнагрузки(выручкаотосновнойдеятельности/совокупные обязательства);X8 – фиктивная переменная, принимающая значение единицы в случае,если значение чистой прибыли было отрицательным за последние два года, , впротивном случае - нуль;X9 – показатель, характеризующий изменение прибыли (отношениеразницы между чистой прибылью в последнем отчетном периоде и чистойприбылью в предшествующем отчетном периоде к сумме чистой прибыли впоследнем отчетном периоде, взятой по модулю, и чистой прибыли впредшествующем отчетном периоде, взятом по модулю).Полученное значение PD, в зависимости от «близости» расчетного значенияк единице или нулю, позволяет делать вывод о вероятности дефолта.

Диапазоныотнесения компаний к категории «высокого риска наступления кредитногособытия» или «низкого риска наступления события», определяются на основесубъективного мнения эксперта оценивающего компании.Впервые аппарат логистической регрессии применен к банковской практикеД. Чессером [115].

Модель Д. Чессера позволяет оценить вероятность дефолта с52использованием логистической регрессии на основе показателей рентабельности,ликвидности, финансовой устойчивости. Так, Д. Чессер в целях построениямодели анализировал данные по37 ссудам, имеющим удовлетворительноеобслуживание и 37 ссудам с несвоевременным обслуживанием долга. Для расчетанезависимых переменных были взяты данные отчетности заемщиков: Х1 –отношениеденежныхсредствибыстрореализиуемыхценныхбумагксовокупным активам, Х2- отношение нетто-продаж к денежным средствам ибыстрореализуемым ценным бумагам, X3 – отношение брутто-доходов ксовокупным активам, Х4 – отношение совокупной задолженности к совокупнымактивам, Х5 – отношение основного капитала к чистым активам, Х6 – отношениеоборотного капитала к нетто-продажам.

Модель Д.Чессера имеет следующий вид:PD, гдеZ= -2,0434-5,24 X1+0,0053X2 – 6,6507X3 + 4,4009X4 – 0,0791X5 –0,1220X6…..(10)Среди отечественных ученых-экономистов, использовавших логистическуюрегрессию в целях оценки способности заемщиков исполнять свои обязательства,следует отметить Е.В. Евстропова, А.Г. Савицкую, Г.А. Хайдаршину. Отметим,что logit-модели, предложенные отечественными учеными имеют отраслевуюспецифику, например, модель Е.В.

Евстропова ориентирована на предприятияобрабатывающей промышленности, А. Г. Савицкой на агропромышленныйкомплекс, Г.А. Хайдаршиной на сельскохозяйственные предприятия, предприятияторговли и промышленности.Логистическая регрессия в отличие от моделей МДА, не только позволяетсделать вывод об отнесения заемщиков к тому или иному классу банкротов, но иоценивает вероятность риска дефолта корпоративного заемщика. В исследованииЛеннокса доказано, что с помощью logit-моделей можно получить более53эффективные оценки риска возникновения дефолта по сравнению с моделямиМДА. При помощи эконометрических тестов возможна оценка logit-модели вцелом и ее отдельных переменных.Выделим преимущества logit-моделей по сравнению с моделями МДА:1)Определениевероятностинаступлениякредитногособытия–дефолта;2)Точность полученных результатов выше, чем в моделях МДА;3)Простота интерпретации результатов.К факторам ограничения в применении западных logit-моделей в целяхоценки кредитного качества корпоративного заемщикакредитованииотносятсяразличиявотчетныхданныхпри контрактномзарубежныхиотечественных предприятий и их применение в качестве универсальных моделей,без учета специфики деятельности предприятия.В научной литературе при определении вероятности дефолта раскрываютсярыночные модели, поясним, с чем связано затруднительное применение данныхмоделей при оценке банковских заемщиков.В основу рыночных моделей заложена информация, доступная участникамфондового рынка.К подобным моделям относят структурные моделивероятности дефолта и модели сокращенных форм [105].Структурные модели ассоциируются с Мертоном и Блэком, Шоулзом [113].В рамках данного подхода предполагается, что кредитные обязательства передбанком представляют собой возможные претензии в будущем на активыкомпании, равные стоимости кредита.

Вероятность дефолта в данном случаеравна вероятности того, что стоимость компании окажется ниже ее номинальнойстоимости в момент погашения кредитного обязательства перед банком.В упрощенной модели Мертона,компания имеет в своем кредитномпортфеле один единственный долг в сумме D в форме облигации с нулевымкупоном, подлежащая к уплате единовременно в момент погашения обязательстваT. Обозначим текущую стоимость активов в момент времени t через. Если54сумма кредита полностью обеспечена активами корпоративного заемщика, т.е.>D, тогда собственники после погашения кредита будут владеть активамистоимостью- D. В том случае, если стоимость кредита не покрываетсяактивами фирмы, т.е.< D, кредиторы получат то, что имеется в наличии, этовытекает исходя из приоритета требований кредиторов перед собственниками вслучае процедуры банкротства.

Таким образом,согласно модели Мертона,сумма, получаемая кредиторами в момент погашения обязательства, может бытьописана системой уравнений:Врамках..структурноймоделиМертонапредоставлениекредитасравнивается с покупкой активов корпоративного заемщика у его собственникови выдача им при этом опциона call c текущей стоимостьюи c ценойисполнения равной стоимости предоставляемого кредита D исо срокомисполнения, равному сроку погашения кредита T [124].Мертон при оценке собственного капитала использует формулу БлэкаШоулза:где=,Параметр N(==N(-.DN(в формуле – частная производнаяотражает вероятность того, что,(11)по, Параметр N ()>D, т.е. это и будет вероятностью того, чтодефолт не наступит. Соответственно, вероятностьнаступления дефолта (PD)определяется по следующей формуле:PD = 1 – N ()(12)В рамках структурной модели наблюдению подлежатследующиевеличины:стоимость акций компании на рынке (ее капитализация) E;55волатильность цены акций на рынкеВероятность дефолта можно найтипараметров V и.после оценки ненаблюдаемыхс помощью решения следующей системы:(13)Рассмотрим концептуальные достоинства и недостатки модели Мертона.К достоинствам модели Мертона, основанной на применении формулыБлэка-Шоулза, можно отнести ориентир на рыночные данные, являющиесяопережающейдоступностьхарактеристикойинформациивсемкредитногоучастникамкачестварынка.заемщика,Так,атакжемеждународноерейтинговое агентство Moody`s использует продукт CreditMonitor (корпорацияKMV), основанный на структурной модели оценки вероятности дефолта [104].К недостаткам следует отнести ограниченность применения модели, чтосвязана с наличием рыночных данных только по листинговым компаниям, а такжеосуществление оценки в условияхэффективного рынка и предпосылки онормальном распределении доходности активов компании.Модели сокращенных форм описаны в работах Джерроу и Тернбула, Даффии Синглетона.

Характеристики

Список файлов диссертации