CC BY
43
позволяющие развивать рынки, в т. ч. и рынок банковских услуг.
Формирование и развитие системы менеджмента качества банковских услуг позволяет привлекать клиентов и обеспечивать рентабельную финансовую деятельность.
1. Райзберг Б.А., Лозовский Л.Ш., Стародубцева Е.Б. Современный экономический словарь. М., 2005. С. 223.
2. Портер М. Конкуренция / пер. с англ. М.,
2000. С. 567.
Поступила в редакцию 6.03.2009 г.
Rakshnya A.Yu. Methodological bases of formation of the systems of management of quality of commercial bank. The methodology and algorithm of formation of system of quality of commercial bank on the basis of the offered principles, methods and marketing management are considered.
Key words: methodology, principles, methods, approaches, system of quality, commercial bank, competitors, marketing.
УДК 303.725.33:334.72; 336.72:336
МОДЕЛИ ОЦЕНКИ НАДЕЖНОСТИ КРЕДИТНЫХ РЕШЕНИЙ КОММЕРЧЕСКИХ БАНКОВ
© В.И. Тинякова, А.В. Яркина
Предлагаются модели для оценки надежности систем рационирования кредита, применяемых в настоящее время коммерческими банками. Отдельно рассматриваются ситуации кредитования физических лиц и корпоративных заемщиков.
Ключевые слова: кредитоспособность, рейтинговая оценка, банк, модель.
Банковский бизнес во всем мире сегодня является одним из самых важных секторов экономики. Коммерческие банки призваны регулировать движение всех денежных потоков, в первую очередь кредитных, способствовать обеспечению наиболее рационального использования финансовых ресурсов общества и перелива капитала в те отрасли хозяйства страны, где отдача от вложений будет максимальной. В этой связи неслучайно возникло и стало уже теперь традиционным отождествление банков с «кровеносной системой» экономики.
Основываясь на строгой дефиниции банка как финансового предприятия, которое сосредотачивает временно свободные денежные средства (вклады), предоставляет их во временное пользование в виде кредитов (займов, ссуд), посредничает во взаимных платежах и расчетах между предприятиями, учреждениями или отдельными лицами, регулирует денежное обращение в стране, включая эмиссию новых денег, можно говорить о том, что кредитная деятельность слу-
жит одним из важнейших, конституирующих само понятие банка признаков.
Принимая решение о возможности, целесообразности и условиях кредитования, банк должен главным образом выявить наличие потенциальной способности заемщика вернуть полученную ссуду в соответствии с оговоренными сроками. Другими словами, руководство банка должно безошибочно идентифицировать из всех заявленных кандидатур кредитоспособных заемщиков, т. е. заемщиков, способных выполнить все свои обязательства по кредиту перед банком. Сама возможность отбора таких кредитозаем-щиков связана с тем, что, как правило, спрос на кредит превышает предложение. В такой ситуации банк использует механизм рационирования - отбор потенциальных клиентов по дополнительной (частной) информации.
Современное представление о рационировании непосредственно связано с ужесточением банковской конкуренции, требующим от кредитных организаций оперативного принятия решений относительно предоставления кредитных заимствований в целях привлече-
ния клиентуры, с одной стороны, и высоких кредитных рисков, сопутствующих кредитованию реального сектора экономики, - с другой, что культивирует необходимость разработки и внедрения усовершенствованных технологий, способных качественно и в приемлемые для клиентов сроки оценить их кредитоспособность .
Сегодня, как известно, не существует единой, универсальной методики оценки кредитоспособности заемщиков. Ее формирование представляется затруднительным, поскольку содержание методических рекомендаций по анализу кредитных возможностей ссудополучателя определяется широким кругом различных факторов. Все разработанные к настоящему моменту времени подходы к оценке кредитозаемщиков, безусловно, имеют право на существование, поскольку каждый из них обладает как преимуществами, так и недостатками.
И все же наибольшей популярностью, пожалуй, пользуются две системы, применяемые для обоснования кредитных решений: дискриминирующая и рейтинговая.
Первая преимущественно используется при оценке кредитоспособности физических лиц и предусматривает деление всех кредитозаемщиков на два класса - на тех, кому можно выдавать кредит и тех, кому следует отказать в выдаче кредита. Вторая система используется для оценки кредитоспособности корпоративных заемщиков и сводится к делению всех кредитозаемщиков на классы с присвоением рейтингов, определяющих степень доверия им со стороны коммерческого банка.
Создать систему, которая обеспечивает получение абсолютно надежных кредитных решений, практически невозможно. В то же время число ошибочных решений, которые может допускать система, должно быть по возможности минимальным. Поэтому возникает естественный вопрос: «Как оценить надежность методики, используемой для обоснования кредитных решений?»
Ниже рассматривается эконометрический подход, позволяющий определить качество работы систем рационирования кредита на основе оценки стартового риска. Знание стартовых рисков предоставляет возможность заранее подкорректировать принимаемые решения и избежать реальных потерь.
Основой предлагаемого подхода являются модели с дискретной зависимой переменной.
Дискриминирующую систему удобно рассматривать с позиций бинарного выбора [1]. Будем предполагать, что ситуации, связанные с выбором одной из двух альтернатив, повторяются неоднократно, но реальность условий, в которых принимается решение, варьирует от ситуации к ситуации. Сами условия многогранны и могут быть описаны некоторым вектором показателей x = (1, Xj, x2,..., xm ) . Другими словами,
имеется возможность сформировать выборочное множество наблюдений, описывающих результаты принятия кредитных решений.
Пусть Uj - полезность, получаемая при выдаче кредита, u2- полезность, получаемая в случае отказа в кредите. Каждая из полезностей зависит от факторов, описывающих условия выбора, линейно, т. е.
u1 = xd1, u2 = xd2, (1)
где x = (1, x1, x2,..., xm) - расширенная вектор-строка показателей;
dk = (dk0, dk1,...,dkm)' - вект°р-ст°лбец параметров k-й функции полезности.
Предполагая, что выбор осуществлялся рационально с ориентацией на получение наибольшей выгоды, можно записать следующее правило:
1, при и, - u2 > 0
1 2 (2)
0, при u1 -u2 < 0.
Если теперь разность полезностей представить как
u1 - u2 = xb + s, (3)
где 8 - случайная ошибка, которая может быть допущена при оценке полезности выбора, то вероятность того, что предпочтение получит ситуация у = 1, записывается следующим образом:
Р(у = 1) = P(8 > -xb) = P(8 < xb) = F(xb) . (4)
Для рассматриваемой задачи ожидаемой полезностью выбора является условное математическое ожидание
Е( у| х) = 1 • Б(хЬ) + 0 • (1 - Б(хЬ) = Б(хЬ), (5)
которое можно понимать как нелинейную регрессию у на х, т. е.
у = Б(хЬ).
(6)
Между полезностями и1 = xd1, и2 = xd 2 и у = Б(хЬ) есть принципиальное различие. С первыми двумя связан финальный риск, а с ожидаемой полезностью выбора - стартовый.
В качестве функции ожидаемой полезности для наших целей удобно использовать логистическую
„хЬ \-1
Б(хЬ) = ехЬ (1 + ехЬ)
(7)
Для построения логит-модели (7) используются статистические наблюдения ситуаций бинарного выбора, т. е. наблюдения, в которых значения зависимой переменной принимают всего два значения 0 и 1, а независимые являются непрерывными или кате-горизированными переменными. Параметры модели оцениваются с помощью метода максимального правдоподобия.
Оценить, в каком соответствии с моделью находится эмпирическая система, можно с помощью энтропийного коэффициента
- £ Б(х, Ь) ІС^Х, Ь) - £(1 - Б(х, Ь)) 1о§2 (1 - Р(Х, Ь))
(8)
Для случая, когда расчетные значения модели в точности совпадают с фактическими значениями дихотомической переменной, значение коэффициента (8) равно нулю, т. е. во всех случаях модель обеспечивает безошибочный выбор, не оставляя место для сомнений в пользу альтернативы. Максимальный уровень энтропии (Н = 1) получается в случае, когда для всех рассмотренных
ситуаций у{ = Б(х{1Ь) = 0,5 . Во всех остальных случаях 0 < Н < 1 . Величина коэффициента показывает средний уровень неопределенности, который содержится в реальных кредитных решениях. Чем ближе значение
коэффициента к единице, тем менее надежна система кредитования.
Для проверки рейтинговой системы используется несколько иной подход. Прежде чем изложить суть подхода, хотелось бы обратить внимание на то, что сегодня отсутствует представление о механизмах, лежащих в основе формирования рейтингов. Это мешает пониманию истинного смысла рейтинговых оценок. Более того, во многих прикладных исследованиях встречается даже некорректное использование самого термина «рейтинг». Чаще всего в этих исследованиях рейтингами называют рэнкинговые оценки. Основная причина искажений подобного рода, скорее всего, в том, что для получения рейтингов используются методики, ориентированные на получение рэнкинговых оценок, обладающих несколько иными свойствами.
Смысл различия между рейтингом и рэнкингом состоит в том, что с помощью рейтингов устанавливается частичный порядок, а с помощью рэнкингов - строгий порядок. Это различие можно было бы отнести в разряд несущественных, т. к. путем введения связных рангов задача установления строгого порядка сводится к задаче частичного порядка. Однако проблема гораздо сложнее. По идее, одинаковые рейтинги должны присваиваться в некотором смысле однородным, «похожим» между собой объектам. Однородность здесь понимается как принадлежность одному и тому же классу объектов, близких между собой по достаточно большому числу параметров.
Но, как известно, многомерные задачи классификации не сводятся к одномерным, и поэтому классификация, основанная на близости интегральных оценок (связности рангов), во многих случаях будет отличаться от многомерной классификации. Следовательно, любые попытки построения рейтингов на основе интегральных оценок приводят к результатам, которые явно не обладают свойствами рейтинговых шкал. На наш взгляд, уловить истинный смысл этого сложного понятия позволяет следующее определение. Под рейтингом следует понимать качественную порядковую переменную, с помощью которой объект относится к соответствующему классу [2].
Это определение ориентирует на представление основных механизмов рейтинго-
н
П
,=1
вой системы кредитования с помощью модели множественного выбора упорядоченных альтернатив [1]. При построении таких моделей будем считать, что есть переменная у*, значения которой определяются некоторым набором объясняющих переменных х в соответствии с зависимостью
у * = хЬ + 8, (9)
где Ь - вектор параметров; 8 - ненаблюдаемая случайная составляющая. Сама переменная у * - ненаблюдаемая величина, но известны значения дискретной переменной (кодовые значения рейтингов). Например, 0 -«кредитоспособность предприятия несовместима с кредитованием», 1 - «неудовлетворительная кредитоспособность», 2 - «удовлетворительная кредитоспособность», 3 - «хорошая кредитоспособность», 4 - «высокая кредитоспособность».
Значения дискретной переменной в нашем представлении связаны с ненаблюдаемой следующими соотношениями:
у = 0, если у * < 0; у = 1, если 0 < у * < д1; у = 2, если р < у* < р2;
....... (10)
у = J, если р,1/-1 < у* .
Записанные неравенства реализуют некую форму цензурирования. Причем уровни цензурирования р ■ неизвестны и представляют собой параметры, оцениваемые вместе с коэффициентами Ь .
Если в неравенствах (2) ненаблюдаемую переменную заменить ее модельным представлением (1), а Б(-) считать законом распределения 8 , то для системы (2) можно записать следующие вероятности:
Р( у = 0) = Б( - хЬ);
Р(у = 1) = Р( р - хЬ) - Б(-хЬ);
Р( у = 2) = р(р 2- хЬ) - р( р- хЬ);
........... (11)
Р( у = J) =1 - р( Р J-1 - хЬ).
Для оценивания параметров этой модели строится логарифмическая функция правдоподобия, оптимизация которой осуществляется численными методами. Результатом моделирования рейтинговой оценки является вероятностное распределение.
Таким образом, степень уверенности, с которой модель множественного выбора упорядоченных альтернатив подтверждает обоснованность зависимости рейтинга от соответствующих показателей, связана с вероятностным распределением. Появляется естественное желание ввести измеритель этой степени. К сожалению, традиционный измеритель в виде рангового коэффициента корреляции между установленными рейтингами и предсказанными моделью значениями в данном случае не будет адекватным.
Учитывая, что результатом моделирования рейтинговой оценки является вероятностное распределение, на наш взгляд, в этом измерителе целесообразно использовать энтропию, характеризующую неопределенность условий, в которых устанавливался рейтинг. Другими словами, измеритель, построенный на энтропии, будет отражать наличие и других альтернативных вариантов, которые могли бы иметь место при определении рейтинговой оценки. Предлагаемый измеритель будем называть коэффициентом факторной обоснованности рейтинговой оценки и рассчитывать по формуле
H - H.
K = —222------ , (12)
.H
max
где Hmax = - log2------максимально возмож-
m
ный уровень энтропии; m - количество рей-
m
тингов; H. = -^ pi:j log2 pi:j - энтропия рей-
j=1
тинга, установленного для i-го объекта; р^ -
вероятность, с которой i-му объекту приписывается j-й рейтинг. Тогда средний уровень неопределенности, установленной системой рейтингов, определяется коэффициентом
1 n
к=1 S к..
n i=1
Значения коэффициента K заключены между 0 и 1. Причем в тех случаях, когда
рейтинговая оценка подтверждается расчетами, величина коэффициента показывает степень уверенности в этой оценке. Таким образом, чем ближе значение К к единице, тем надежнее рейтинговая система рационирования кредита.
1. Gourieroux Ch. Econometrics of Qualitative Dependent Variables. Cambridge, 2000.
2. Воищева О.С., Давнис В.В., Тинякова В.И. Эконометрическое моделирование рейтинговых оценок в бизнесе. Воронеж, 2008. Поступила в редакцию 2.03.2009 г.
Tinyakova V.I., Yarkina A.V. Models of the estimation of reliability credit decisions of commercial banks. Models for an estimation of reliability of systems рационирования the credit, applied now commercial banks are offered. Situations of crediting of physical persons and corporate borrowers are separately considered.
Key words: credit status, a rating estimation, bank, model.
УДК 338.4
СГЛАЖИВАНИЕ ПРОСТРАНСТВЕННОЙ ПОЛЯРИЗАЦИИ В РЕГИОНЕ (НА ПРИМЕРЕ РЕСПУБЛИКИ ТАТАРСТАН)
© О.Е. Герасимова
В статье проводится анализ состояния двух депрессивных районов Республики Татарстан по предложенной автором методике, что позволяет определить оптимальные для каждого из них инструменты сглаживания пространственной поляризации.
Ключевые слова: пространственная поляризация, БШОТ-анализ.
Неравномерное развитие государств и регионов приводит к ряду отрицательных последствий, основными из которых является рост социальной напряженности, невозможность устойчивого развития, снижение темпов роста воспроизводства в отдельных стратегически значимых отраслях и многое другое. В то же время, процесс разделения труда не может не приводить к обострению пространственной поляризации и закреплению за отдельными регионами лидерства, а за другими - постоянного депрессивного состояния. Именно поэтому сглаживание пространственной поляризации есть процесс, инициирование и регулирование которого находится в ведении государственных органов, решающих таким образом задачи, возложенные на них в рамках общественного договора.
Негативное отношение к контрастам «центр - периферия» в России значительно, хотя достаточно широко известно, что равномерное пространственное развитие ни одной территории невозможно. Беспокойство по поводу увеличивающегося пространственного неравенства высказывается не толь-
ко в России и ее региональных образованиях (как угроза национальной безопасности, экономической и политической стабильности), но и в странах Европы, где, по мнению ряда аналитиков, интеграционные процессы в Западной Европе могут усилить региональное неравенство. Межрегиональные различия также довольно велики в США, однако в этой стране предполагается, что мобильность рабочей силы сглаживает их в уровне заработной платы и уровне жизни путем перемещения из депрессивных регионов в развитые. В то же время даже в США региональные власти предпринимают усилия, направленные на сглаживание пространственной поляризации путем создания экономических преференций бизнесу, развивающемуся в менее развитых районах.
На основании анализа мировой практики сглаживания пространственной поляризации можно выделить следующие направления этого процесса:
— организация особых экономических зон производственного, торгового и иного назначения;
