CC BY
109
УДК 336.71.078.3
Адаптация методики оценки кредитоспособности контрагента на рынке межбанковского кредитования в условиях нестабильности
Канд экон. наук Марковская Е.И. [email protected] НИУ «Высшая школа экономики» Санкт-Петербург, ул. Союза Печатников, 16
Васильева А.С. [email protected] ОАО «Балтийский Инвестиционный Банк» Санкт-Петербург, уд. Дивинская, 1
Современный рынок межбанковского кредитования подвержен сильным изменениям из-за нестабильной внутренней экономической и внешней политической ситуации в стране. Количество сделок по межбанковским кредитам и количество участников данного рынка уменьшается из-за внутренней политики Центрального Банка по сокращению неэффективных кредитных организаций. Происходит сужение рынка межбанковского кредитования, так как контрагенты не уверены в друг друге и возникает кризис недоверия. Трудности перехода российской банковской системы на международные стандарты Базель III негативно сказываются на рынке МБК, так как не все кредитные организации могут выдержать жесткие требования международного стандарта, что увеличивает количество сделок по слиянию и поглощению кредитных организаций. Такая тенденция может привести к возрастанию кредитного риска для банка кредитора. Нестабильная экономическая ситуация, которая проявляется в постоянном колебании российской валюты, удорожает стоимость межбанковского кредита, что в свою очередь ограничивает количество участников рынка МБК, а это ведет к застою рассматриваемого рынка. Внешние политические факторы, связанные с вводом санкций против крупных российских корпораций, актуализируют рынок МБК посредством невозможности дешевого кредитования за рубежом. Из-за санкций корпорации вынуждены обращать внимание на банковский сектор России, а межбанковский кредит — легкий способ получения ликвидных денег. Учитывая все выше перечисленные факторы, вытекает необходимость создания экспресс — методики по оцениванию контрагента на рынке МБК.
В статье представлен результат проводимого автором исследования - разработанная методика оценки кредитоспособности заемщика, которая адаптирована с учетом условий нестабильности и изменений, происходящих на банковском рынке России. Главным преимуществом методики является возможность проведения оценки кредитного риска на рынке МБК, что в свою очередь поможет частным банкам избежать риска невозврата денежных средств от контрагентов.
Ключевые слова: организационно-экономический механизм оценки кредитоспособности заемщика на рынке межбанковского кредитования, рынок межбанковского кредитовании, кредитный риск
Adaptation of the method of the assessment of the creditworthiness of counterparties
in the interbank market in the uncertainty
Ph.D. Markovskaia E.I. [email protected] National Research University Higher School of Economics 190008 St.-Petersburg, Suoyza Pechatnikov, 16 Vasilieva A.S. [email protected]
JSC Baltinvestbank St. Petersburg, street Divinskaya, 1
The modern market of interbank lending is subjected to strong variations because of an unstable internal economic and external political situation in the country. The number of transactions of interbank
125
loans and the number of participants of the market decreases because of Central Bank internal policy of the inefficient credit organizations reduction. There is a narrowing of the interbank lending market, because the counterparties are not sure in each other and there is a mistrust crisis. The transition's difficulties of the Russian banking system to the international standards Basel III have a negative impact on the interbank market, as not all credit organizations can sustain strict requirements of the international standard, which increases the number of mergers and acquisitions of credit institutions. Such a trend can lead to increase of credit risk for the bank lender. The unstable economic situation which is observed in the permanent fluctuation of the Russian currency, increases the interbank lending's cost, that in turn restricts the number of participants of the interbank related with the introduction of sanctions against the large Russian corporations actualize the interbank lending market by the impossibility of cheap credit abroad. Because of sanctions, corporations are forced to pay attention to the Russian banking sector, and the interbank loan is an easy way to obtain liquid money. Considering all above listed factors, it implies the need to create express — techniques to estimate of the contractor in the interbank lending market.
The primary goal of this article is to present the results of our research which is aiming to the development of the the algorithm of making decision on issuance of credit. The organizational and economic mechanism for assessing the creditworthiness of the counterparty in the interbank lending market is developed basis on algorithm. This mechanism includes a way of interaction of divisions which participate in delivery's organization of the interbank credit, the necessary document for effective activity in the interbank market, segments of the market, types of the interbank credit, estimation's technique of a borrower's financial condition. As a result, commercial banks can avoid risk of money's non-return from contractors in the interbank market.
Keywords: the organizational and economic mechanism for assessing the creditworthiness of the counterparty in the interbank lending market, the interbank lending market, credit risk
Актуальность проблемы
Банковская деятельность периодически сталкивается с излишком или недостатком кредитных ресурсов. Перераспределение денежных средств, где субъектами кредита выступают сами банки, является одной из приоритетных задач межбанковского кредитного рынка (МБК) в России. Прежде всего, рынок МБК это часть финансового рынка, где происходит купля-продажа межбанковских кредитов и депозитов. Благодаря таким кредитам банки могут удовлетворять свою потребность в покрытии дефицита денежных средств, которые вызваны естественным расхождением между активами и пассивами баланса. При помощи кредитов банки также могут оперативно регулировать текущий уровень ликвидности, который вызван непредвиденными обстоятельствами. В российской практике рынок межбанковского кредитования это рынок, где покупаются и продаются краткосрочные кредитные ресурсы.
В последние два года Центральный Банк России ведет активную политику по сокращению количества не эффективных коммерческих банков путем отзыва лицензий. Из-за того, что кредитные организации не уверены в стабильной и успешной деятельности друг друга, рынок межбанковского кредитования сужается по причине возникшего кризиса недоверия. С другой стороны на такую тенденцию сужения рынка влияет нестабильность российской экономической системы. Как например, ситуация с резким падением курса рубля в декабре 2014 года, которая привела к практически полному застою рынка межбанковских кредитов [12,16]. Еще
одним актуальным фактором, влияющим на рынок МБК, являются жесткие стандарты Базеля III [1,9,19,20,21,22,23]. Трудности перехода российской банковской системы на международные стандарты Базель III могут спровоцировать волну банкротства кредитных организаций и увеличение количества сделок по слиянию и поглощению банков. Внешним положительным фактором на рынок МБК стал ввод санкций против крупных российских компаний, для которых был перекрыт доступ к дешевым кредитам, что в свою очередь привело заемщиков первого эшелона в российские кредитные организации. В такой ситуации рынок межбанковского кредитования является наиболее быстрым способом привлечения денежных средств для последующего кредитования. Из-за нестабильной экономической и политической системы страны наблюдается наличие высоких рисков невозврата денежных средств от контрагентов, что вынуждает банки проводить оценку
кредитоспособности потенциального заемщика. Именно этим и обуславливается актуальность выбранной проблематики исследования.
Цель статьи -описать разработанный в ходе проведенного исследования организационно-экономический механизм оценки кредитоспособности контрагента в коммерческом банке на основе определенной экспресс - методики оценивания финансового состояния потенциального заемщика.
Описание методики исследования
Целью исследования было разработать организационно - экономический механизм оценки
кредитоспособности контрагента на рынке межбанковского кредитования. Под организационно-экономическим механизмом понимается совокупность элементов, взаимодействие которых обеспечивает оценку кредитоспособности потенциального заемщика при межбанковском кредитовании, что уменьшает вероятность невозврата денежных средств от контрагента. В механизме планируется описать сам алгоритм оценки финансового состояния контрагента, способы взаимодействия подразделений при использовании экспресс оценки, документацию необходимую для организации процесса кредитования и оценки финансового состояния потенциального заемщика, сегменты рынка, охватываемые данным механизмом.
В первую очередь для достижения поставленной цели были проанализированы иностранные и зарубежные методики оценивания финансового состояния контрагента. В результате методологического исследования оказалось, что ни одна из имеющихся методик не подходит под экспресс-оценку на рынке МБК [4,11,24,26,28,29,30,31]. Наиболее приемлемой оказалась методика Ковалева П.П., алгоритм которой предполагает сбор данных по успешным банкам и банкам-банкротам и дальнейшее сравнение данных потенциального заемщика с двумя группами банков [13,14]. Однако методика не лишена недостатков. Отсутствует механизм формирования итогового мнения о кредитоспособности контрагента. Также среди минусов методики стоит отметить, что автором исследование было проведено 10 лет назад. Именно поэтому, дальше планируется провести анализ значимости всех коэффициентов, которые выделил автор. С помощью эконометрического анализа далее будут определены те коэффициенты, которые необходимы при определении финансового состояния заемщика. Эконометрическую модель планируется проверить на правильность спецификации, на наличие мультиколлинеарности и на наличие гетороске-дастичности, путем проведения тестов в программе EViews 6.
Опираясь на результаты эконометрического исследования, необходимо будет определить алгоритм формирования вывода о финансовом состоянии заемщика. Например: если динамика всех значимых коэффициентов по потенциальному заемщику совпадет с динамикой коэффициентов по группе успешных банков, то тогда контрагент признается кредитоспособным. После определения алгоритма необходимо будет разбить его на этапы оценки (предварительный или подготовительный, описательный и заключительный), для каждого из которых должен быть определен план действий. Алгоритм формирования решения о выдаче кредита МБК это и есть экспресс -методика оценки финансового состояния контрагента.
Учитывая разработанную экспресс - методику оценивания, далее необходимо будет разработать организационно-экономический механизм оценки кредитоспособности контрагента. В механизме
необходимо указать подразделения, отвечающие за проведение анализа. Дилер казначейства должен заключать сделку на рынке МБК, но сначала необходимо провести ряд запросов в отдел ликвидности на наличие лимита ликвидности и в отдел финансовых рисков на наличие лимита риска. В случае положительных решений от данных отделов, дилер казначейства должен проводить экспресс - оценку. Взаимодействие подразделений, документооборот, механизм формирования о выдачи кредита подробно должны быть описаны в организационно-экономическом механизме.
Анализ значимости коэффициентов, используемых в процессе оценки финансового состояния заемщика
Методика оценки финансового состояния кредитной организации Ковалева П. П. описывает 10 коэффициентов необходимых при полном анализе заемщика на рынке межбанковского кредитования. Главным недостатком методики стоит выделить отсутствие описания алгоритма определения итоговой оценки (кредитоспособен контрагент или нет). Результаты проведенного исследования десять лет назад являются не актуальными на сегодняшний день. Именно поэтому возникла необходимость в определении значимости всех коэффициентов на 2015 год.
В настоящем исследовании были собраны помесячные данные по кредитным организациям за весь 2014 год и за январь, февраль 2015 года. Данные, необходимые для расчета, были взяты с информационного портала banki.ru, официального сайта Центрального Банка и официальных сайтов кредитных организаций. Стоит отметить, что среди анализируемых банков были рассмотрены 18 успешных банков (банки, входящие в топ 100 по рейтингу информационного портала banki.ru) и 17 банков-банкротов (кредитные организации, которые лишились лицензии в 2014-2015 гг.). Итого получилось, что количество наблюдений равно 35. Полный список успешных банков и банков-банкротов представлен в приложении 2,3 [25].
Способ расчета коэффициентов не отличался от способа расчета коэффициентов, выделенного автором методики. По каждой кредитной организации было рассчитано среднее аритмическое значение каждого коэффициента. Коэффициент Х7 - в дальнейшую эконометрическую модель зависимости не вошел, так как данный показатель не важен. Коэффициент характеризует объем государственных ценных бумаг в активах кредитной организации. Наличие бумаг данного типа не является обязательным условием функционирования кредитной организации. Это лишь один из способов диверсифицировать свой портфель. Все остальные коэффициенты - регрессоры в эконо-метрической модели зависимости вероятности банкротства. В качестве зависимой переменной была
выбрана бинарная переменная Р (где 1 -успешный банк, 0-банк-банкрот).
При помощи метода наименьших квадратов строится эконометрическая модель вероятности возникновения банкротства кредитной организации от
девяти коэффициентов. Исследования проводились в эконометрической программе EViews 6. Линейная модель зависимости переменных представлена в таблице 1.
Таблица 1
Модель зависимости вероятности банкротства кредитной организации (девять коэффициентов)
Variable Coefficient Std. Error t-Statistic Prob.
X1 -3.078711 1.516085 -2.030699 0.0500
X2 -0.049309 0.351017 -0.140474 0.8894
X3 -0.151732 0.189353 -0.801320 0.4305
X4 8.064229 2.107091 3.827187 0.0008
X5 -0.582009 0.410986 -1.416130 0.1691
X6 1.883166 0.623914 3.018308 0.0058
X8 0.287903 1.051186 0.273884 0.7864
X9 -0.318940 0.355150 -0.898042 0.3777
X10 0.165787 0.178511 0.928723 0.3619
C 0.697764 0.426752 1.635059 0.1146
Из таблицы 1 видно, что только три коэффициента являются значимыми в модели, так как вероятность теста на равенство нулю меньше 0,05. Следовательно, далее можно рассмотреть только коэффициенты Х1, Х4, Х6. Методом МНК строится
Модель зависимости вероятности банкр
зависимость вероятности банкротства кредитной организации от выделенных выше трех коэффициентов. Результаты новой регрессионной зависимости представлены в таблице 2.
Таблица 2
ства кредитной организации (три коэффициента)
Variable Coefficient Std. Error t-Statistic Prob.
X1 -4.876915 0.550767 -8.854778 0.0000
X4 10.58526 1.488971 7.109107 0.0000
X6 1.068560 0.249235 4.287351 0.0002
C 0.731362 0.122042 5.992714 0.0000
В результате построения линейной базовой модели, исследуемые переменные оказались значимыми (руа1ие < 0.05). Сама регрессия получилась значимой в целом, так как R-squared= 0,915, что свидетельствует о том, что модель объясняет 91,5% вариации банкротств кредитных организаций.
При помощи Ramsey RESET-test необходимо определить правильность спецификации модели. Коэффициент перед FITTEDA2 в Ramsey RESET-test имеет небольшое значение, то есть добавление предсказанных значений Y, возведённых в квадрат не улучшает регрессию, а значит, спецификация модели верна.
Таблица 3
Ramsey RESET-test для линейной базовой модели
Variable Coefficient Std.Error t-Statistic Prob.
X1 -7.382782 1.036635 -7.121869 0.0000
X4 16.28699 2.469084 6.596370 0.0000
X6 1.633868 0.305223 5.353031 0.0000
C 1.078557 0.167646 6.433557 0.0000
FITTEDA2 -0.495533 0.179573 -2.759513 0.0098
Важной составляющей при построении модели методом МНК является проверка на гетероскедастичность, при наличии которой оценка ковариационной матрицы становится смещенной и несостоятельной, а результаты оценки - неэффективными. И как следствие, статистические выводы являются неадекватными. Гетероскедастичность -понятие, означающие неоднородность наблюдений, где преобладает неодинаковая дисперсия случайной ошибки регрессионной модели [32,20]. В каждом из
Исходя из результатов проведенного анализа, следует сделать выводы, о том, что модель имеет правильную линейную спецификацию, в ней отсутствует мультиколлинеарность и гетероскедас-тичность. Базовая линейная модель имеет следующий вид:
Р = -4.88*Х1+10.58*Х4+1.07*Х6+0.73 (1)
где:
Р - вероятность банкротства кредитной организации; Х1 - ликвидные активы/валюта баланса; Х4 - фактическая прибыль/собственный капитал; Х6 -объем депозитов частных лиц/валюта баланса.
В линейной базовой модели знаки перед коэффициентами оправданы. Наличие избыточной ликвидности свидетельствует о неэффективном использовании денежных средств. Успешные банки стараются балансировать на грани норматива ликвидности, введенного ЦБ РФ, при этом пуская в оборот лишнюю ликвидность. В тоже время кредитные организации, которые находятся в кризисном состоянии, не могут грамотно распределять денежные средства и, как следствие, обладают избыточной ликвидностью. Именно, поэтому, знак перед коэффициентом Х1 отрицательный. Коэффициент Х4 имеет положительный знак, что легко объяснимо: чем больше фактическая прибыль, тем больше вероятности не обанкротиться. И коэффициент Х6 отражает степень доверия населения к кредитной организации. Чем выше значения данного коэффициента, тем меньше вероятности в ликвидации кредитной организации.
Проведенное выше эконометрическое исследование показало, что из предложенных автором коэффициентов значимыми являются только три коэффициента. Следовательно при оценке финансового состояния банка особое внимание необходимо
тестов р-уа1ие больше 0,05, следовательно, в базовой линейной модели отсутствует гетероскедастичность и гипотеза о гомоскедастичности модели принимается.
Следующим пунктом в тестирование модели является проверка ее на наличие мульти-коллинеарности, которая характеризует существование линейной зависимости между независимыми коэффициентами [32]. Для определения наличия мультиколлинеарности был проведен корреляционный анализ, который представлен в таблице 4.
Таблица 4
уделять значимым коэффициентам (Х1, Х4, Х6). Модель вероятности банкротства кредитной организации от трех регрессоров оказалась правильно специфицирована, где отсутствует гетероскедас-тичность и мультиколлинеарность. Исходя из этого, результаты модели можно применять в дальнейшей практической части исследовательской работы.
Разработка экономического алгоритма оценки кредитоспособности контрагента
Методика Ковалева П. П. включает в себя десять коэффициентов, однако, проведенное выше эконометрическое исследование показало, что только три коэффициента являются значимыми в определении вероятности возникновения банкротства кредитной организации. Именно на эти коэффициенты - объем ликвидных активов, прибыль банка и объем депозитов частных лиц, стоит банку-кредитору обратить внимание при оценивании кредитоспособности банка-заемщика.
Исключение всех остальных не значимых коэффициентов из модели определения финансового состояния контрагента невозможно, так как тогда будет отсутствовать характеристика заемщика по остальным сферам деятельности. Например: если исключить коэффициент, характеризующий объем коммерческих кредитов, то не будет полной картины об активах и будущих доходах кредитной организации. Ведь кредиты юридическим лицам - мощный источник прибыли коммерческого банка. Или если исключить коэффициенты, которые характеризуют заемщика на рынке МБК, то тогда в анализе не будет учтена информация об объемах привлеченных и размещенных кредитов и депозитов, и не ясно будет отношение контрагентов к конкретному банку. Среди других важных сфер деятельности коммерческого банка является деятельность с ценными бумагами (около 1520% всей операционной деятельности). И исключение
Корреляционный анализ коэффициентов
Х1 Х4 Х6
Х1 1,000 -0,469 -0,383
Х4 -0,469 1,000 0,077
Х6 -0,383 0,077 1,000
коэффициента, отражающего данную деятельность, приведет к отсутствию полной картины финансового состояния заемщика.
В виду того, что исключение всех незначимых коэффициентов приведет к очень узкой оценке финансового состояния контрагента, то использование эконометрических данных возможно лишь только при итоговом определении оценки кредитоспособности контрагента. Рассматриваемая методика обладает рядом недостатков, среди которых явным минусом является отсутствие алгоритма по определению итогового вывода о финансовом состоянии заемщика. А среди плюсов методики стоит отметить отсутствие субъективизма в определении итогового вывода о состоянии заемщика. Сохраняя все плюсы методики и исключая ее недостатки, в данной исследовательской работе предлагается сначала определить коэффициенты, по которым будет происходить анализ
Перед тем как начинать проверку контрагента на способность платить по долгам, банку-кредитору необходимо собрать данные для дальнейшего анализа. Определяются две подвыборки, первая из которых представляет собой группу успешных банков из топ-100, вторая - группу обанкротившихся банков. Для этих двух подвыборок считаются значения восьми определенных выше коэффициентов за 24 последних месяца. И строятся графики тенденции роста каждой группы по каждому коэффициенту. Эти значения можно назвать интервальными. Одно значение коэффициента это оптимальное значение по отрасли, второе значение - критическое значение для банковской отрасли. Сбор данных по подвыборкам можно отнести к подготовительному этапу оценки финансового состояния контрагента.
Следующим описательным этапом является сбор данных по анализируемому контрагенту, который происходит по аналогии с банками из подвыборок. Для банка-заемщика также рассчитываются значения восьми коэффициентов за последние 24 месяца и
банка-заемщика, далее на основе эконометрических выводов определить алгоритм формирования итоговой оценки о качестве межбанковского кредита.
Среди десяти коэффициентов, выделенных автором методики Ковалевым П.П., в данном исследовании предлагается оставить восемь коэффициентов, которые представлены в таблице 5. Коэффициенты Х5 и Х6 по своей природе схожи и оба показывают отношение физических лиц к кредитной организации. А, соответственно, эти коэффициенты могут служить индикаторами имиджа и доверия населения к коммерческому банку. Учитывая тот факт, что коэффициент Х6 оказался значимым, то коэффициент Х5 можно опустить при оценке финансового состояния контрагента. Также коэффициент Х7 в дальнейшей методике не используется. Ранее описывались причины незначимости данного коэффициента.
Таблица 5
строятся графики тенденций роста значений коэффициентов.
Третьим этапом является заключительный этап, в котором принимается решение о выдаче межбанковского кредита. Здесь сравниваются графики роста значений коэффициентов банка-заемщика со значениями подвыборок. Таким образом, происходит сравнение с общеотраслевыми значениями. На рисунке 1 графически представлены определенные выше этапы анализа оценки кредитоспособности контрагента.
Коэффициенты, используемые в дальнейшей методике
Обозначение Расшифровка Дальнейшее
коэффициента использование
Х1 Ликвидные активы/Валюта баланса +
Х2 Коммерческие кредиты/Валюта баланса +
Х3 Уставный капитал/Собственный капитал +
Х4 Фактическая прибыль/Собственный капитал +
Х5 Средства физ.лиц/Обязательства до востребования -
Х6 Объем депозитов частных лиц/Валюта баланса +
Х7 Вложения в государственные ценные бумаги/Валюта баланса -
Х8 Привлеченный объем МБК/Валюта баланса +
Х9 Вложения в ценные бумаги/Валюта баланса +
Х10 Привлеченный объем МБК/(Собственный капитал + Размещенный объем МБК) +
Рис. 1. Этапы анализа финансового состояния заемщика по восьми коэффициентам
Таблица 6
Алгоритм определения кредитоспособности контрагента
Коэффициенты Успешные банки Банк-заемщик Оценка финансового состояния
Х1 Значения коэффициента совпадают Контрагент кредитоспособен при одновременном совпадении значений всех трех коэффициентов.
Х4 Значения коэффициента совпадают
Х6 Значения коэффициента совпадают
Х1-Х8 Значения коэффициентов совпадают Контрагент кредитоспособен при одновременном совпадении значений всех коэффициентов.
Автором методики не определен алгоритм принятия решения о выдаче кредита МБК, поэтому важным моментом в данном исследовании является определение способа оценки финансового состояния контрагента. Алгоритм основывается на сравнении значений банка-заемщика со значениями подвыборок. Если тенденции роста всех восьми коэффициентов банка-заемщика совпадают с тенденциями роста коэффициентов из успешной подвыборки, то тогда данного контрагента можно признать кредитоспособным. Если же происходит совпадение всех коэффициентов с группой банков-банкротов, то банк находится на грани отзыва лицензий, и является некредитоспособным коммерческим банком. В тех случаях, когда не происходит полного совпадения значений, тогда банк-кредитор в первую очередь должен обратить внимание на значимые показатели, которые были выделены в ходе эконометрического исследования. Это коэффициенты: Х1, Х4, Х6. Для того, чтобы банк-заемщик был оценен как
кредитоспособный клиент необходимо совпадение значимых коэффициентов с группой успешных банков. Если хотя бы один из них не совпадает с тенденцией успешных банков, то у данной кредитной организации высокая вероятность не возврата денежных средств и кредитная организация может признаваться не кредитоспособной.
Анализируя методику предложенную Ковалевым П.П., были выделены ее преимущества и недостатки. Наличие сравнения с общеотраслевыми значениями, простота использования, полное описание финансового состояния контрагента и отсутствие субъективных моментов были отмечены в качестве преимуществ методики. В данной исследовательской работе был доработан алгоритм оценивания финансового состояния коэффициентной методики с учетом сохранения всех преимуществ. Также был исключен главный минус - отсутствие алгоритма по формированию мнения о выдаче кредита. С помощью эконометрических выводов о значимости коэф-
фициентов был сформирован алгоритм определения кредитоспособности контрагента, что позволило усовершенствовать методику Ковалева П.П., и стало возможным её использование в качестве экспресс -методики оценки финансового состояния банка-заемщика.
Выводы
Рынок межбанковского кредитования это важный элемент в повседневной деятельности любого коммерческого банка. Общей целью межбанковского кредитования, как и любого другого вида кредитования, является получение прибыли путем возврата денежных средств с процентами за их пользование. Однако на практике только самые успешные банки размещают и привлекают денежные средства с целью извлечения дополнительной прибыли. В настоящее время рынок межбанковского кредитования все больше используется контрагентами для поддержания допустимого уровня ликвидности на конец операционного дня. Именно, поэтому важно полное и беспрерывное функционирование рынка межбанковских кредитов.
Оценка финансового состояния контрагента на рынке межбанковского кредитования становится необходимым условием при выдаче кредита. Данная необходимость обуславливается трудностями перехода на международные банковские стандарты Базель III, внутренней политикой ЦБ по сокращению количества кредитных организаций, внезапными кризисами на рынке межбанковского кредитования, что ведет к сужению рассматриваемого рынка. С другой стороны санкции, которые повисли над крупными российскими корпорациями, перекрыли доступ к дешевым иностранным кредитам, а это в свою очередь актуализирует рынок межбанковского кредитования. Именно, поэтому и возникла необходимость в грамотном оценивании финансового состояния потенциального заемщика. Этим и объяснялась актуальность проведенного исследования.
В ходе исследования были проанализированы иностранные методики оценки финансового состояния банка. Каждая из зарубежных методик обладает недостатками. Из всех рассмотренных в ходе исследования методик модель Ковалева П.П. наиболее применима в качестве экспресс - методики оценивания кредитоспособности контрагентов на рынке межбанковского кредитования. Именно, поэтому дальнейшей целью работы стала доработка методики путем исключения ее недостатков и сохранения ее преимуществ. С помощью эконометрического анализа были определены степени значимости коэффициентов. Три коэффициента - объем ликвидных активов, уровень фактической прибыли, объем депозитов физических лиц - оказались значимыми в регрессионной модели. Опираясь на эти выводы, был
определен алгоритм формирования суждения о кредитоспособности потенциального заемщика.
Алгоритм формирования оценки предполагает сбор данных и определение значений коэффициентов по группам успешных банков и банков - банкротов, что в дальнейшем позволит кредитору сравнивать показатели потенциального заемщика с общеотраслевыми показателями. Это подготовительный этап оценивания, который сохраняет одно из преимуществ методики Ковалева П.П. - сравнение с рыночными значениями. Следующим этапом является описательный этап, целью которого является сбор данных и дальнейшее определение значений коэффициентов потенциального заемщика. Принципы определения значений коэффициентов в подготовительном и описательном этапе не должны отличаться. Последний заключительный этап включает себя формирование вывода о финансовом состоянии контрагента. Для этого проводится сравнительный анализ значений коэффициентов потенциального заемщика с двумя группами банков. Если тенденция всех восьми показателей совпадает с тенденцией группы успешных банков, то такой заемщик является кредитоспособным. В других случаях потенциальный заемщик признается кредитоспособным при совпадении тенденций по трем значимым коэффициентам. Данный алгоритм исключил важные недостатки методики Ковалева П.П., сохранил все ее преимущества и, следовательно, может использоваться в качестве экспресс - методики оценки финансового состояния контрагента на рынке МБК.
Список литературы
1. Аккерман К. Базель III и российская действительность// bankir.ru.: информационный портал. 03.08.14. URL:http://bankir.ru/pubHkacn/s/bazel-iii-i-rossiiskaya-deistvitelnost-10005314/ (дата обращения 09.04.2014)
2. Березина М.П., Крупнов Ю.С. Межбанковские расчеты: анализ практики.-М.: Деньги и кредит, 2006
3. Воловник А.Д., Зиядуллаев Н.С., Кибардина Ю.С. Базель III: испытание надежности банковской системы России в условиях глобальной конкуренции// Экономика мегаполисов и регионов. 06.2011. № 3(39). С. 40-49.
4. Герасимова Е.Б. Экономический анализ менеджмента качества кредитной организации/ Е. Б. Герасимова, А. Ю. Сивикин. Тамбов: ТГТУ, 2005. С. 77
5. Гинзбург А.И. Экономический анализ— СПб.: Питер. 2011. 448 с.
6. Городецкий П.В. Управление кредитными рисками на рынке межбанковского кредитования: диссертация ... канд. экон. наук.: 08.00.10 - Финансы, денежное обращение и кредит / М.: ВНА, 2007.
7. Гугнин 5.К.Межбанковский кредитный рынок России. - М.: Финансы и статистика, 2010. - 354 с.
8. Дадашева Д. Знай своего клиента// Реальный бизнес. Стратегия и тактика успеха: интернет-журнал. 02.2014. URL: http://www.real-business.ru/magazines/02-2014/znay-svoego-klienta (дата обращения 06.04.2014)
9. Еремена Н. Базель III как «санитар леса»// Бизнес. Финансы.: электронная газета. 20.09.2013. URL: [http: // www.gazeta.ru/business/ 2013/09/20/5661653.shtml] (дата обращения 30.10.2014)
10. Инструкция Банка России об обязательных нормативах банков № 139-И от 03.12.2012: утв. Министерством Юстиции РФ №261014 от 13.12.12 // Вестник Банка России от 21.12.2012 № 74(1392)
11. Казакова О. Н. Механизм оценки качества межбанковских кредитов// Внутренний контроль в кредитной организации. 2010. №2.
12. Кашкарев А., Тофанюк Е. Алешкина Т. Старостина Н. На межбанковском рынке начался кризис из-за повышения ключевой ставки// Информационный портал banki.ru. 11.03.15 http://www.nwab.ru/news/index/46975 (дата обращения 30.10.2014)
13. Ковалев П.П. Оценка рисков кредитования банков-контрагентов на рынке МБК. // Банковские риски: теория, практика, методология. 2012 № 4
14. Ковалев П.П. Управление рисками на рынке межбанковского кредитования// Риск финансово-экономический. 2011 С.237-250
15. Коныгин С. Рынок Межбанковского кредитования в период кризисов 1998 и 2008 г.//материалы проектно-учебной лаборатории анализа финансовых рынков НИУ ВШЭ URL: http://www.hse.ru/data/ (дата обращения 25.03.2014)
16. Кравченко Е. Российские компании перестали брать международные кредиты в евро, долларах и франках// Ведомости. Финансы.: электронная газета 06.08.2014.
17. Кутуков С.Б. Динамика российского межбанковского рынка Деньги и кредит. 2010. № 4.
18. Лаврушин О.И. Афанасьева О.Н. Банковское дело: современная система кредитования. - М.: Кнорус, 2008. - 264с
19. Луговцов Р.Ю. Базель III в российской банковской действительности // Экономическая наука. 2012.5(90)С. 140-142.
20. Магнус Я.Р., Катышев П.К., Пересецкий А.А. Эконометрика. Начальный курс -М.: Дело,2004.-576 с.
21. Материалы Базельского комитета по банковскому надзору Банк международных расчетов // сайт Банка Международных Расчетов (BIS). 2010. URL: http://www.bis.org./list/basel3/page_1.html (дата обращения 28.10.2014)
22. Моисеенко И.И. Плюсы и минусы от внедрения нового банковского стандарта Базель III// Банки Северо-Запада России.:информационный портал. 13.10.14 URL: http://www.nwab.ru/news/index/46975 (дата обращения 30.10.2014)
23. Олюнин Д. Банки из топ-30 легко перейдут на «Базель III», но более 50 банков не удовлетворяют требованиям стандарта// Ведомости. Финансы.: электронная газета 07.04.2014. URL: http://www.vedomosti.ru/finance/news/25007331/banki-iz-top-30-legko-perejdut-na-bazel-iii-no-bolee-50 (дата обращения 30.10.2014)
24. Поморина М.А., Синева И.С., Шевченко Е.С. Использование рейтинговых моделей в системе оценки кредитного риска// Банковское кредитование. 2013 №5.
25. Прекратившие существование кредитные организации// Banki.ru; информационный портал. URL : http : //www .banki.ru/banks/memory (дата обращения 01.11.14)
26. Путиловский В.А. Методика подготовки заключения по анализу финансового состояния банка-контрагента// Банковское кредитование. 2014 №5-6.
27. Рогинко П.С. Развитие российского межбанковского кредитного рынка: диссертация ... канд. экон. наук.: 08.00.10 - Финансы, денежное обращение и кредит / М.: Московская финансово-промышленная академия, 2011.
28. Рудакова К.В. Создание эффективной системы управления кредитным риском банка. // Известия Тульского государственного университета, 2010. № 1-1
29. Саркисянц А.Анализ ликвидности и рейтингование банков// бухгалтерия и банки.№3,4 март-апрель 2011
30. Смирнов А.В. Анализ финансового состояния коммерческих банков.-М.: Международный банковский клуб «Аналитика без границ»,2007. -225 с.
31. Сорокина И.Н. Методические подходы к оценке надежности и устойчивости банка (электронный ресурс) - (http://www.bankir.ru) (дата обращения 09.12.2014)
32. Эконометрика: учебник и практикум для прикладного бакалавриата/ В. И. Костюнин. - М.: Юрайт, 2014 -285 с.
References
1. Akkerman K. Bazel of III and Russian reality // bankir.ru.: information portal. 03.08.14. URL:http://bankir.ru/publikacii/s/bazel-iii-i-rossiiskaya-deistvitelnost-10005314/(date of the address 09.04.2014)
2. Berezina M.P., Krupnov Yu.S. Interbank calculations: analysis of practice. - M.: Money and credit, 2006
3. Volovnik A.D., Ziyadullayev N. S., Kibardina Yu.S. Bazel of III: test of reliability of a banking system of
Russia in the conditions of the global competition//Economy of megalopolises and regions. 06.2011. No. 3(39). P.e 40-49.
4. Gerasimova E.B. Ekonomichesky analysis of quality management of the credit organization / E. B. Gerasimova, A. Yu. Sivikin. Tambov: TGTU, 2005. P. 77
5. Ginzburg A.I. Ekonomichesky the analysis — SPb.: St. Petersburg. 2011. 448 p.
6. Gorodetsky P. V. Management of credit risks in the market of interbank crediting: thesis ... edging. экон. sciences.: 08.00.10 - Finance, monetary circulation and the credit / M.: VNA, 2007.
7. Gugnin V. K. Mezhbankovsky credit market of Russia. - M.: Finance and statistics, 2010. - 354 pages.
8. Dadasheva D. Znay of the client//Real business. Strategy and tactics of success: Internet magazine. 02.2014. URL: http://www .real-business.ru/magazines/02-2014/znay-svoego-klienta (date of the address 06.04.2014)
9. Eremena N. Bazel of III as "hospital attendant of the wood"//Business. Finance.: electronic newspaper. 20.09.2013. URL: [http://www.gazeta.ru/business/2013/09/20/5661653.shtml
] (date of the address 30.10.2014)
10. The instruction of Bank of Russia about obligatory standards of banks No. 139-I of 03.12.2012: утв. Ministry of Justice of the Russian Federation No. 261014 of 13.12.12//Bulletin of Bank of Russia of 21.12.2012 No. 74(1392)
11. Kazakova O. N. Mekhanizm of an assessment of quality of the interbank credits//Internal control in the credit organization. 2010. No. 2.
12. Kashkarev A., Tofanyuk E. Aleshkina T. Starostina N. In the interbank market crisis because of increase of key interest rate//the Information banki.ru portal began. 11.03.15 http://www .nwab.ru/news/index/46975 (date of the address 30.10.2014)
13. Kovalyov of P.P. Otsenk of risks of crediting of banks contractors in the MBK market.//5ank risks: theory, practice, methodology. 2012 No. 4
14. Kovalyov P.P. Risk management in the market of interbank crediting//Risk the financial and economic. 2011 Pages 237-250
15. Konygin S. Rynok of Interbank crediting during crises 1998 and 2008//materials of design and educational laboratory of the analysis of the URL NIU HSE financial markets: http://www.hse.ru/data/(date of the address 25.03.2014)
16. Kravchenko E. The Russian companies ceased to take the international credits of euro, dollars and francs//to the Sheet. Finance.: electronic newspaper 06.08.2014.
17. Kutukov S.B. // Dinamik of the Russian interbank market Money and credit. 2010. No. 4.
18. Lavrushin O. I. Afanasyeva O. N. Banking: modern system of crediting. - M.: Knorus, 2008. - 264s
19. Lugovtsov R. Yu. Bazel of III in the Russian bank reality //Economic science. 2012. 5(90) P.s 140-142.
20. Magnus YA.R., Katyshev P. K., Peresetsky A.A. Ekonometrika. An initial course - M.: Business, 2004.-576 p.
ПРИЛОЖЕНИЕ 1
Таблица 1
Список успешных банков, используемых в регрессионной модели
№ Название банка Рейтинг банка по активам
1 ОАО "УРАЛСИБ" 25
2 ОАО "РОССЕЛЬХОЗБАНК" 5
3 ПАО БАНК "ФК ОТКРЫТИЕ" 6
4 ИНГ БАНК (ЕВРАЗИЯ) АО 26
5 ПАО БАНК ЗЕНИТ 31
6 ПАО "МДМ БАНК" 24
7 ПАО "ПРОМСВЯЗЬБАНК" 11
8 ПАО "БАНК "САНКТ-ПЕТЕРБУРГ" 16
9 БАНК "ВОЗРОЖДЕНИЕ" (ПАО) 39
10 ОАО "АБ "РОССИЯ" 17
11 ОАО АКБ "ПРОБИЗНЕСБАНК" 57
12 КБ "ЛОКО-БАНК" (ЗАО) 82
13 ОАО "БАЛТИИСКИИ БАНК" 66
14 ОАО БАНК ВТБ 2
15 ПАО БАЛТИНВЕСТБАНК 85
16 ООО "ЭКСПОБАНК" 99
17 ОАО "СБЕРБАНК РОССИИ" 1
18 ОАО "БАНК БФА" 74
Таблица 2
Список банков - банкротов, используемых в регрессионной модели
№ Название банка Город Номер лицензии Дата отзыва лицензии Причина отзыва
1 Идеалбанк Москва 3491 17.04.15 отозв
2 Тихоокеанский Внешторгбанк Южно-Сахалинск 1378 13.04.15 отозв
3 Дагэнергобанк Махачкала 3286 24.03.15 отозв
4 Сургутский Центральный Коммерческий Банк Сургут 684 11.02.15 отозв
5 Судостроительный Банк Москва 2999 16.02.15 отозв
6 Академический Русский Банк Москва 622 29.01.15 отозв
7 Интеркапитал Банк Саранск 2706 20.01.15 отозв
8 Волга-Кредит Самара 1153 30.12.14 отозв
9 ПрестижКредитБанк Дербент 2922 26.11.14 отозв
10 Новосибирский Муниципальный банк Новосибирск 2786 05.11.14 ликв
11 Донинвест Ростов-на-Дону 1617 09.10.14 отозв
12 Приоритет Самара 3135 30.09.14 отозв
13 Интрастбанк Москва 3144 16.09.14 отозв
14 Банк Фининвест Санкт-Петербург 671 07.07.14 отозв
15 Атлас банк Москва 3477 05.05.14 отозв
16 Кит ФинансИнвестБанк Санкт-Петербург 1911 18.04.14 ликв
17 Стройкредит Москва 18 18.03.14 отозв
Статья поступила в редакцию 02.11.2015 г.
