CC BY
22
Международный научно-исследовательский журнал ■ № 8(39) ■ Сентябрь ■ Часть 1
Юткин С.С.1, Туйсузов А.В.2
1 Студент, 2студент, Санкт-Петербургский государственный экономический университет ОЦЕНКА КРЕДИТНОГО РИСКА НА БАЗЕ ФАКТОРНОГО АНАЛИЗА МЕТОДОМ IRB APROACH
Аннотация
Российские коммерческие банки не так давно стали придерживаться курса предложенного Базельским комитетом по банковскому надзору. Банкам предлагается общая концепция математического аппарата оценки риска по кредиту на базе использования статистических данных с целью формирования рационального пула заемщиков.
Ключевые слова: статистика, фактор, Базельский комитет, кредитный риск, многофакторный анализ, однофакторный анализ.
Jutkin S.S. 1, Tujsuzov A.V. 2
1Student, 2student, St. Petersburg State University of economics IRB APROACH METHOD OF RISK ASSESSMENT BASED ON FACTOR ANALYSIS
Abstract
In time of high unpredictability at economics area it is better for banking sector to increase their competitiveness in way of rational credit risk analysis using math tools which is also recommend by Bazel.
Keywords: statistics, factor, Bazel, loan risks, one-way layout, multi-way classification.
В современных реалиях конкурентным преимуществом банка следует считать не только кредитную политику, изменение условий кредитования, размера ставок, срока выдачи и роста предложения линии кредитных продуктов. Немаловажную, если не ключевую, роль приобретает контроль и оценка кредитного риска (дефолта контрагента, учет непредвиденных и ожидаемых потерь).
Соглашением в рамках Базельского комитета по банковскому надзору был принят целый рекомендательный акт, которым успешно пользуются европейские банки. В то же время, внушительное число российских банков не придерживаются европейского курса: не ведут собственную статистику учета и ранжирования заемщиков и пользуются услугами сторонних рейтинговых агентств, тем самым не высвобождая часть своего капитала на высокодоходные операции. Модификации Базель II/III рекомендуют банкам использовать IRB approach, то есть ранжировать своих заемщиков по уровням риска на основе собственного анализа. Рекомендации Базель II/III не носят обязательного или строго определенного характера, тем самым, банкам самим предлагается выбрать математическую расчетную основу для ранжирования своих контрагентов.
Принцип внедрения математического аппарата, предлагаемый авторами статьи, выглядит следующим образом (имеет смысл внедрить подобную систему автоматизированным способом). В банковскую информационную систему загружаются сформированные определенным способом данные макроэкономического анализа и данные статистики кредитного риска, стандартизированный способ учета необходим для восприятия данных системой. Далее процесс оценки следует разделить на четыре этапа, которые можно проследить из следующей таблицы 1.
Таблица 1 - Процесс оценки кредитного риска
Этап Функция Реализация
1-й этап Формирование статистической выборки Определяется список экономических параметров, между которыми и риском по дефолту определяется наличие и степень факторной зависимости. Данные должно быть параметрированы и представлены в виде, воспринимаемом системой (коэффициенты ликвидности, рентабельности и прочее)
2-й этап Определение расширенного списка факторов модели Из списка экономических параметров изымаются все качественные показатели (в целях игнорирования субъективизма), и отбираются факторы, имеющие линейный характер зависимости с показателем риска по дефолту контрагента
3-й этап Определение сокращенного списка факторов модели БИС оценивает значимость каждого отдельного фактора из расширенного списка факторов и отбирает самые информативные и наделенные большей предсказательной силой, путем проверки мультиколлинеарной зависимости между факторами
4-й этап Многофакторный анализ Проводится оценка степени влияния отобранных факторов на риск по дефолту методом регрессионного анализа, а именно посредством логистической модели
По завершении этих этапов формируются PD рейтинг, то есть заемщики распределяются по уровням надежности. Далее система проводит подсчет ожидаемых и непредвиденных потерь, для более глубоко анализа и рациональной оценке риска.
Эффект, который должен возникнуть по внедрении БИС на базе IRB, проявляется в следующих областях:
1) Рекомендации по высвобождению средств позволят эффективно использовать располагаемый акционерный капитал;
2) Рекомендации по ценообразованию позволят повысить эффект от продажи кредитных продуктов;
106
Международный научно-исследовательский журнал ■ № 8(39) ■ Сентябрь ■ Часть 1
3) Оценка риска на основе внутрибанковских кредитных рейтингов позволит более рационально отбирать потенциальных заемщиков.
Внедрение подобной системы носит высокоэффективный характер, о чем свидетельствует расчет NPV, представленный в следующей таблице 2.
Таблица 2 - NPV
Чистый денежный поток Сумма
1 год 2 год 3 год 4 год
Прибыль -3 920000 79 196 000 155 270 000 252 487 000 435 747 000
Затраты 183 040 201 344 221 478 243 626 849 488
Чистый денежный поток 79 012 960 155 068 656 252 265 522 435 503 374 921 850 512
Приведенная стоимость 68 706 922 117 254 182 165 868 676 249 000 468 600 830 247
NPV 596 910 247
Ставка дисконт 0,15
Таким образом, уже в течение первого года эксплуатации БИС, система окупает расходы на ее внедрение и обслуживание. Таблица 2 доказывает рациональность использование модели.
Литература
5. Информационные системы в банковском деле: Учебное пособие/ Королев М.И., Королев Д.М. Белгород: Издательство БелГУ, 2012
6. Белоглазова Г.Н., Кроливецкая Л.П., Савинская Н.А.
Учебник. — 7-е изд., перераб. и доп. — М.: Финансы и статистика, 2013. — 592 с.: ил. — ISBN 5-279-02609-3.
7. Минаков В. Ф., Лобанов О. С. Концепция облачного информационного пространства исполнительных органов государственной власти региона // Экономика, статистика и информатика. Вестник УМО. - 2014. - № 3. - С. 181-185.
8. Лобанов О. С., Минаков В. Ф., Артемьев А. В. Облачные технологии в исполнительных органах государственной власти Санкт-Петербурга // Международный научно-исследовательский журнал = Research Journal of International Studies. - 2014. - № 1-1 (20). - С. 67-68.
References
1. Informacionnye sistemy v bankovskom dele: Uchebnoe posobie/ Korolev M.I., Korolev D.M. Belgorod: Izdatel'stvo BelGU, 2012
2. Beloglazova G.N., Kroliveckaja L.P., Savinskaja N.A.
Uchebnik. — 7-e izd., pererab. i dop. — M.: Finansy i statistika, 2013. — 592 s.: il. — ISBN 5-279-02609-3.
3. Minakov V. F., Lobanov O. S. Koncepcija oblachnogo informacionnogo prostranstva ispolnitel'nyh organov gosudarstvennoj vlasti regiona // Jekonomika, statistika i informatika. Vestnik UMO. - 2014. - № 3. - S. 181-185.
4. Lobanov O. S., Minakov V. F., Artem'ev A. V. Oblachnye tehnologii v ispolnitel'nyh organah gosudarstvennoj vlasti Sankt-Peterburga // Mezhdunarodnyj nauchno-issledovatel'skij zhurnal = Research Journal of International Studies. - 2014. -№ 1-1 (20). - S. 67-68.
Юткин С.С.1, Туйсузов А.В.2, Кудаев А.В.3
107
Международный научно-исследовательский журнал ■ № 8(39) ■ Сентябрь ■ Часть 1
1 Студент, 2студент, 3студент
Санкт-Петербургский государственный экономический университет ВНЕДРЕНИЕ БАНКОВСКОЙ ИНФОРМАЦИОННОЙ СИСТЕМЫ В ЦЕЛЯХ АЛЛОКАЦИИ ЭКОНОМИЧЕСКОГО КАПИТАЛА БАНКА
Аннотация
Предлагается внедрить в коммерческие банки России информационную систему ранжирования контрагентов по уровням риска с целью высвобождения части экономического капитала банка и его использования в высокодоходных операциях.
Ключевые слова: банковская информационная система, Базель II/III, уровень риска, аллокация, кредитный портфель.
Jutkin S.S. \ Tujsuzov A.V. 2, Kudaev A.V.3
1 Student, 2student, 3student St. Petersburg State University of economics
BANKING INFORMATION SYSTEM FOR COUNTING NECESSARY PART OF AUTHORIZED CAPITAL
Abstract
It is proposed to introduce into Russian commercial banks information system of ranking the counterparties to the levels of risk to release a part of authorized capital.
Keywords: banking information system, Bazel II/III, level of risks, allocation, credit portfolio.
Согласно международным рекомендациям Базельского комитета по банковскому надзору, банкам следует о ценивать кредитный риск на основе собственных рейтингов, не прибегая к помощи сторонних организаций. Такую сложную категорию как кредитный риск, имеет смысл анализировать аппаратным способом. Коммерческие банки в современных реалиях сложно представить без организованного технического аппарата, в частности -банковских информационных систем, которые автоматизированным способом реализуют те или задачи и функции банка.
Авторами статьи предлагается банковская информационная система, внедряемая для оценки кредитного риска с позиции вынесения, в последующем, требований к экономическому (собственному) капиталу банку, или, другими словами, аллокации экономического капитала банка для его эффективного использования. Под эффективным использованием в частности, предполагается использование защитного буфера, состоящего из резервов банка и части собственных средств, выделенных на покрытие непредвиденных потерь, в его оптимальных (в контексте минимально - необходимых) размерах. Смысл данных мер проистекает из того, что коммерческие банки используют экономический капитал в защитных целях, и , в следствии этого, вкладывают средства в приобретение низко -рентабельных активов, чтобы минимизировать риски. Данный метод неэффективен с точки зрения развития и роста конкурентоспособности отдельно взятого коммерческого банка.
Стоит отметить, что для усиления своих позиций на рынке, банку следует использовать инструменты по оценке кредитного риска не только в целях эффективного использования капитала, методом формулировки к нему минимальных требований, но и перекладывания риска на контрагента в процессе предоставления ему кредитного продукта, в виде рассчетно - подобранной надбавке к процентной ставке по кредиту, при этом, не ослабляя рыночные позиции банка чрезмерно высокими надбавками.
Тем самым система создаст автоматизированную среду, которая должна осуществлять полную поддержку принятия решений по аллокации капитала, формированию кредитных портфелей и индивидуальных кредитов.
Логическое представление такой системы может быть представлено в форме, изображенной на рисунке 1(нотация UML).
108
