CC BY
298
Обобщение теоретических взглядов ученых позволяют нам констатировать, что в экономической литературе существуют различные позиции в определении категории «ресурсный потенциал». При этом одни считают, что данная категория представляет собой конгломерат ресурсов без учета их качественной стороны. Другие полагают, что ресурсный потенциал представляет собой материальную основу производства, но в статике, т.е. до момента вовлечения его в производственный процесс. Третьи вообще не учитывают целевое назначение ресурсного потенциала. Таким образом, по-прежнему вопрос о сущности ресурсного потенциала остается дискуссионным.
Проведенный анализ публикаций по проблеме формирования и оценки ресурсного потенциала вскрывает низкую степень ее проработки, как на уровне отрасли, так и на уровне предприятия. Лишь в некоторых работах [15, с.9; 16, с.66] делается акцент на тот факт, что вопросы оценки ресурсного потенциала промышленных предприятий остались в стороне от внимания исследователей.
По результатам исследования можно сделать ниже следующие выводы.
1. Необходимы дальнейшие теоретические исследования в области изучения потенциала независимо от того, что включается в это понятие. Результаты таких исследований будут иметь большой научный интерес
и практическое значение.
2. Каждый элемент потенциала должен быть измерен и оценен как количественно, так и качественно, а на этой основе может быть измерена и совокупная величина потенциала.
3. Необходимо применение экономико-математических методов как инструмента оценки величины и степени использования потенциала, при построении прогнозов развития промышленного предприятия на рынке.
Список использованных источников
1. Большая советская энциклопедия: ВЗОТ. — М., 1997. -Т.20. -С.487.
2. Большая советская энциклопедия. — Т. 20. — М., 1977.С.428.
3. Экономический потенциал развитого социализма / Под ред. Б.М. Мочалова. М., 1982.
4. Основы экономического и социального прогнозирования / Под ред. В.Н. Мосина, Д.М. Крука. М.,1985.
5. Лопатников Л.И. Популярный экономико-математический словарь. М.: 1990.
6. Большой коммерческий словарь / под ред. Т.Ф. Рябовой. — М.: Война и мир, 1996.-399 с.
7. Самоукин А.И. Потенциал нематериального производства. М.: Знание, 1991.
8. Храмцова Т. Г Методология исследования социально-экономического потенциала потребительской кооперации: дис... д-ра экон. наук. / Т. Г Храмцова Центросоюз РФ; СибУПК. — Новосибирск, 2002. — 374 с.
9. Плышевский Б. Потенциал инвестирования // Экономист. 1996. № 3.
10. Тодосийчук А. Научно-технический потенциал социально-трудовой сферы // Экономист. 1997. № 12.
11. Шлычков В.В., Арзамасцев А.Д., Фадеева Е.П. Теоретико-методологические аспекты управления ресурсным потенциалом региона. Йошкар-Ола: Марийский государственный технический университет, 2007. 390 с.
12. Нгуен Т.Т. Ханг. Производственный потенциал полиграфических предприятий и эффективность его использования в условиях рынка: Дисс. на соискание ученой степени к.э.н. М., 2001.
13. Ревуцкий Л.Д. Потенциал и стоимость предприятия. М.: Перспектива, 1997. 124 с.
14. Катькало В.С. Ресурсная концепция стратегического управления: генезис основных идей и понятий // Вестн. С.-Петерб. ун-та. Сер. Менеджмент. 2002. № 4. С. 20-42.
15. Авдеенко В.Н., Котлом В.А. Производственный потенциал промышленного предприятия. М.: Экономика, 1989. 239 с.
16. Клоцвог Ф.Н., Кушникова И.А. Макроэкономическая оценка ресурсного потенциала российских регионов // Проблемы прогнозирования. 1998. № 2.
Базель II: Особенности моделирования кредитного риска
Урсуленко А.В.
апирант кафедры экономической кибернетики Киевского национального университета имени Тараса Шевченко, r. Киев
Аннотация. Моделирование кредитного риска и выбор оптимальной модели — это чрезвычайно важные вопросы управления рисками. В статье рассматриваются основные подходы к моделированию риска, анализируется соглашение Базель II с позиций применения внутренних моделей для оценки и управления кредитным риском, определяются достоинства, недостатки и возможность применения каждого метода в современных условиях.
Ключевые слова: моделирование кредитного риска, Базель II, методика VaR, внутренние модели оценки кредитного риска.
Постановка проблемы. Необходимым условием успешного развития любой финансовой организации является разработка внутренних (собственных) моделей оценки финансовых (в том числе кредитных) рисков. Такие модели используются для расчета минимально-необходимого регуляторного капитала и включены к Поправке о кредитном риске Нового Базельского соглашения по капиталу (Market Risk Amendment — MRA) [1, c. 2]. Важнейшим вопросом является применение адекватных моделей для прогнозирования убытков от кредитного риска в долгосрочном периоде.
Простейшим определением кредитного риска есть определение его как возможности неисполнения заемщиком или противоположной стороной взятых на себя обязательств в соответствии с установленными условиями [2, с. 2]. Украинское законодательство определяет кредитный риск как явный или потенциальный риск для поступлений и капитала, который возникает из-за неспособности стороной, которая взяла на себя обязательства, исполнить условия финансового соглашения с банком или любым другим способом исполнить возложенные на себя обязательства [3]. Также кредитный риск — это риск неуплаты заемщиком основного долга и процентов, причитающихся кредитору. По аналогии с рыночным риском, кредитный риск можно также определить как максимально ожидаемый убыток, который может произойти с заданной вероятностью в течении определенного периода времени в результате падения стоимости активов (портфеля кредитов) из-за неспособности контрагентов (заемщиков) своевременно погашать кредиты. Как правило, для оценки кредитного риска доверительный интервал выбирается на уровне 99%, а временной горизонт может охватывать от 1 до 5 лет.
Анализ последних исследований и публикаций. Проблему моделирования, оценки и управления кредитным риском исследовали такие ученые, как Б.Ю.Кишакевич, В.М.Горбачук, Г.И.Береговая, А.Б.Каминский, А.А.Лобанов, А.В.Чугунов, Р.Галлати и многие другие.
Нерешенные раньше части общей проблемы. Моделирование кредитного риска — важная и актуальная проблема, поскольку применение эффективной модели оценки кредитного риска позволяет финансовой
Всероссийский журнал научных публикаций, ноябрь 2010
организации сэкономить время и деньги, уберечься от нежелательных убытков или дефолта, а также помогает при принятии управленческих решений об избежании или минимизации отрицательного влияния, вызванного подверженностью риску. Поэтому в современной изменчивой среде нерешенной проблемой остается выбор оптимальной модели для оценки кредитного риска.
Целью статьи является раскрытие основных подходов к моделированию и оценке кредитного риска на современном этапе, учитывая рекомендации Базельского комитета по банковскому надзору. Поставленная цель требует решения таких заданий:
♦ раскрытие сущности и смысла каждого из подходов к моделированию кредитного риска;
♦ определение преимуществ и недостатков, а также ограничений при использовании методов моделирования в современных условиях;
♦ анализ соглашения Базель II с позиций применения внутренних моделей для оценки и управления кредитным риском;
♦ предоставление рекомендаций относительно возможности применения различных методов моделирования риска в странах, которые внедряют эти рекомендации (в том числе в Украине).
Изложение основного материала. В июле 2004 года Базельским комитетом был выпущен документ «Международная конвергенция измерения капитала и стандартов капитала: новые подходы», или — Базель II. Предложенные этим документом схемы являются основными для органов надзора и регуляторных органов многих европейских стран. Этим документом определяются основные тенденции в измерении и управлении кредитным риском. Особое внимание уделено внутренним моделям оценки кредитного риска, таким как CreditMetrics, KMV Portfolio Manager, CreditRisk+, Credit Portfolio View. Эти модели в своей основе содержат методологию VaR (Value at Risk). Банкам разрешается выбирать, каким образом и с помощью каких моделей они будут измерять кредитный риск, а также строить систему внутренних рейтингов. Два из трех предложенных соглашением Базель II методов измерения кредитного риска базируются на построении внутренних рейтингов: базовый IRB-подход (метод, основанный на внутренних рейтингах) позволяет банкам использовать собственные модели только для оценки вероятности дефолта заемщиков, который является основной причиной кредитного риска [4, с. 143]; усовершенствованный подход, основанный на внутренних рейтингах (A-IRB), позволяет разработать специальную математическую модель для каждого из показателей: вероятность дефолта (Probability of default — PD); подверженность кредитному риску (Credit exposure — CE; Exposure at default — EAD); потери в случае дефолта (Loss given default — LGD); горизонт риска (Maturity — M); групповая принадлежность компании-заемщика (Group — GRP) [5]).
Методология VaR — инструмент, который используется для моделирования и определения кредитного риска и уровня дефолта. Value at risk (VaR) являет собой максимально возможную величину убытков, которая не будет превышена определенный период времени с заданной вероятностью [6]. Расширенной версией этого показателя является кредитный VaR (CVaR). Преимущества методологии: полезность использования критерия при оценке риска,
особенно при наличии информации о корреляции инструментов; измерение риска сводится к одному числу, которым легко оперировать. Недостатки: игнорирование вероятности больших потерь, которые могут произойти с малой вероятностью; недооценка риска при наличии «тяжелых хвостов»; отсутствии субаддитивности.
Рассмотрим самые распространенные модели оценки кредитного риска, основанные на методологии VaR:
Актуарный подход к оценке кредитного риска. Данный подход основан на моделировании дефолта как Пуассоновского процесса. Примером использования такого подхода есть модель CreditRisk+, разработанная дочерней компанией банка Credit Suisse First Boston — Credit Suisse Financial Products. Модель CreditRisk+ предназначена только для оценки риска дефолта; она не рассматривает потери от наступления других кредитных событий. Особенность метода в том, что вероятность дефолта не есть постоянной величиной, а может изменяться во времени под действием ограниченного набора факторов. Преимущества модели: вероятность дефолта не есть постоянной величиной; аналитический метод расчета кредитного VaR; сравнительно небольшой объем входных данных; учет макроэкономических факторов при оценке вероятности дефолта. Недостатки: упрощенность; невозможность интегрировать кредитный риск с рыночным.
Определение дефолта как рационального решения владельца капитала не проверять свои позиции ради выживания фирмы. Примером этого подхода есть система KMV Portfolio Manager, разработанная компанией KMV и предназначенная для оценки и управления кредитным риском портфеля активов. Данная система позволяет анализировать риск больших портфельных инструментов, связанных с кредитным риском, включая обычные займы, револьверные кредиты, разные кредитные линии, облигации и производные инструменты.
Особенность системы KMV Portfolio Manager состоит в том, что она основана на использовании показателя эмпирической ожидаемой частоты дефолта (EDF). Корреляция между дефолтами различных заемщиков рассчитывается через корреляции в рыночных ценах их акций. Система KMV Portfolio Manager позволяет определить совокупные требования к капиталу и распределить экономический капитал по контрагентам и активам.
Преимущества модели: оценка вероятности дефолта и корреляции между дефолтами рассчитывается на основе доступной информации (рыночных цен на акции); точный и своевременный прогноз вероятности дефолта. Недостатки модели: зависимость от данных финансовой отчетности.
Применение современных моделей оценки кредитного риска, основанных на концепции рисковой стоимости как итоговой меры риска. Одной из наиболее известных моделей оценки кредитного риска и расчета величины капитала банка является система Creditmetrics, предложенная банком J.P.Morgan.
Расчеты в модели происходят поэтапно следующим образом: декомпозиция клиентского портфеля по основным факторам риска и оценка влияния этих факторов; построение распределения прибыли и убытков впоследствии кредитного риска для каждого инструмента портфеля (использования кредитных
рейтингов); определение корреляций в изменениях кредитных рейтингов по активам, которые входят в портфель, на основе корреляций в ценах акций контрагентов (построение факторной модели динамики цен); построение общего распределения прибыли и убытков по портфелю методом Монте-Карло: это позволяет найти максимальные убытки, которые могут быть превышены только в 1% случаев.
Преимущества модели: использование моделирования методом Монте-Карло. Недостатки модели: игнорирование факторов рыночного риска, таких как случайные изменения процентных ставок и валютных курсов; распределение случайных величин не является нормальным.
Модель, основанная на учете влияния макроэкономических показателей на кредитный риск портфеля. Примером является модель Credit Portfolio View, в которой распределение убытков вследствии кредитного риска строится на основе количества и объема активов по субпортфелям. Вероятность миграции кредитных рейтингов зависит от переменных, отображающих уровень экономики страны (например, значение процентных ставок и валютных курсов, уровня безработицы и т.д. [7]).
Преимущества модели: учет влияния макроэкономической и отраслевой конъюнктуры на вероятность дефолта контрагента. Недостатки модели: отсутствие возможности детально анализировать кредитный риск по отдельным контрагентам.
Заключения и перспективы дальнейших разработок. Кредитный риск является важной составляющей любого портфеля банка и требует постоянного контроля и управления. Для уменьшения кредитного риска и нахождения основных его показателей (вероятности дефолта, подверженности риску и т.д.) удобно использовать внутренние модели оценки кредитного риска портфеля. Модели CreditMetrics, KMV Portfolio Manager, CreditRisk+, Credit Portfolio View используются во многих странах мира, которые в своей деятельности руководствуются соглашениями Базельского комитета по банковскому надзору. Так как банковская система Украины перейдет на международные стандарты работы с системой Базель II в ближайшее время (по разным источникам: 2012 или 2016 год), то банкам необходимо адаптировать и использовать модели оценки кредитного риска. Кредитным учреждениям с иностранным капиталом, которые хотят работать на международных рынках, приходится внедрять эти стандарты самостоятельно и намного раньше.
Выбор самого адекватного метода расчета зависит от полноты данных и специфики банковского портфеля. Если большая часть банковских активов состоит из корпоративных кредитов, то лучше использовать модели CreditMetrics та KMV. Модель CreditRisk+ подходит к портфелю с большим количеством заемщиков, а модель CreditPortfolioView уместно использовать для портфеля, который содержит больше спекулятивных займов, чувствительных к изменению в кредитном цикле.
Основной проблемой при создании моделей, основанных на методологии VaR является недостаточное количество или отсутствие исторических данных; отсутствие или несоответствие статистических данных в связи со спецификой деятельности банка или с особенностями кредитной политики.
Список использованных источников:
1. Credit Risk Modeling: Current Practices and Applications. — Basle Committee on Banking Supervision. — Basel. — April 1999. — 65 pages.
2. Принципы управления кредитными рисками. — Базельский комитет по банковскому надзору. — Базель. — Сентябрь 2000 г. — 25 с.
3. Постановление Правления Национального банка Украины № 361 «Методические рекомендации по организации
и функционированию систем риск-менеджмента в банках Украины» от 2 августа 2004 г
4. Basel II: International Convergence of Capital Measurement and Capital Standards: a Revised Framework. — Basel Committee on Banking Supervision. — Bank for International Settlements. — Basel. — June 2004. — 236 рages.
5. Д. Петров, М. Помазанов. Вожможности Базель II для построения банковской системы оценки и управления кредитными рисками [Електронный ресурс] / Украина финансовая. Информационно-аналитический портал Украинского агентства финансового развития. — Режим доступа: http://www.ufin.com.ua/analit_mat/gkr/048.html — Название
с экрана.
6. Altman E.I., Saunders A. Credit Risk Measurement: Developments over the Last Twenty Years // Journal of Banking and Finance. — April 2004. — pp. 1721-1742.
7. Cossin D., Pirotte H. Advanced credit risk
analisys. — Chichester: John Wiley and Sons, Ltd. — New York 2001. — 372 pages.
