Научная статья на тему 'Проблемы неопределенности, информации и риска кредитования коммерческими банками'

Проблемы неопределенности, информации и риска кредитования коммерческими банками Текст научной статьи по специальности «Экономика и бизнес»

CC BY
1052
66
i Надоели баннеры? Вы всегда можете отключить рекламу.
Журнал
Финансы и кредит
ВАК
Область наук

Аннотация научной статьи по экономике и бизнесу, автор научной работы — Данилова Т.Н.

В статье рассматривается проблема влияния информации на снижение риска и неопределенности процесса кредитования коммерческими банками заемщиков. В последнем издании документа Базельского комитета «The New Basel Capital Accord», принятом в апреле 2003 г., предложены три базовых подхода к оценке риска, это стандартизованный подход (Standardised Approach); основной IRB подход (Foundation IRB (Internal ratings-based) Approach) и развитый IRB подход (Advanced IRB Approach). Насколько готова банковская система России к использованию данных методов в своей деятельности?

i Надоели баннеры? Вы всегда можете отключить рекламу.
iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.
i Надоели баннеры? Вы всегда можете отключить рекламу.

Текст научной работы на тему «Проблемы неопределенности, информации и риска кредитования коммерческими банками»

КРЕДИТНЫЕ РИСКИ

ПРОБЛЕМЫ НЕОПРЕДЕЛЕННОСТИ, ИНФОРМАЦИИ И РИСКА КРЕДИТОВАНИЯ КОММЕРЧЕСКИМИ БАНКАМИ

Т.Н. ДАНИЛОВА, доктор экономических наук,профессор, заведующая кафедрой «Финансы и кредит» Волго-Вятской академии государственной службы

В статье рассматривается проблема влияния информации на снижение риска и неопределенности процесса кредитования коммерческими банками заемщиков. В последнем издании документа Базельского комитета «The New Basel Capital Accord», принятом в апреле 2003 г., предложены три базовых подхода к оценке риска, это стандартизованный подход (Standardised Approach); основной IRB подход (Foundation IRB (Internal ratings-based) Approach) и развитый IRB подход (Advanced IRB Approach). Насколько готова банковская система России к использованию данных методов в своей деятельности?

Теоретические аспекты взаимосвязи неопределенности, риска и информации

Риск и неопределенность являются предметом изучения многих отечественных и зарубежных ученых экономистов и математиков. Наиболее глубокое, на взгляд автора, раскрытие экономической сущности указанных терминов можно найти у Ф.Х. Найта в книге «Риск, неопределенность и прибыль»'. Свое исследование Найт начинает с системы, в которой нет неопределенности, при этом каждый обладает совершенным знанием о ситуации. «С введением неопределенности или недостаточной осведомленности и необходимости действовать, опираясь на мнение, а не на знание,. — ее характер совершенно изменяется. При наличии неопределенности само «делание» чего-либо, осуществление реальной деятельности становится второстепенной проблемой в жизни; а первостепенной, или функцией, становится решение — что делать и как это делать».

' Цит. по Коузу Р. Фирма, рынок и право. — М.: Дело. 1993. С. 46-47.

Из данного положения Найта следует:

1. Неопределенность связана с недостаточностью информации о ситуации, т.е. необходимо осознание наличия проблемы;

2. На первый план выдвигается задача принятия решения о том, что делать и как делать;

3. Неопределенность изменяет требования к управлению;

4. В условиях неопределенности действия основаны на мнении, а не на знании.

Остановимся подробнее на указанных проблемах и их проявлении в методиках оценки кредитного риска, применяемых банковской системой.

В основе проблемы неопределенности лежит устремленность в будущее. Поскольку производство банковских кредитных услуг, необходимых для удовлетворения потребности в заемных средствах, требует времени, то это является источником двух видов неопределенности, связанных с изменением финансового состояния заемщика и изменением состояния рынка банковских услуг. Мерой масштаба неопределенности, присущей целенаправленному поведению, служит степень субъективной уверенности в том, что принимаемое решение является правильной адаптацией к будущему. Существенными факторами неопределенности являются: во-первых, возможность уменьшения ее масштаба путем группировки случаев; во-вторых, разное отношение индивидов к неопределенности, порождающее тенденцию к сосредоточению функций ее преодоления в руках определенных людей или классов.

Как отмечал Ф.Найт, можно назвать два способа преодоления неопределенности: уменьшение ее посредством группировки или отбора лиц, призванных нести ее, т.е. соответственно объеди-

некие или специализация. Уменьшения неопределенности можно, достичь диверсификацией последствий неблагоприятных случайностей. Специализация невозможна без закрепления полученных результатов, упорядочения условий деятельности посредством ситуационного обобщения информации и закрепления их в виде норм, правил. Следствием уменьшения неопределенности является ее трансформация в измеримый риск или полное управление путем группировки, которая вытекает из самого факта специализации. Обычно понятие «риск» используется достаточно вольно: так называют неопределенность любого вида, связанную с непредвиденными обстоятельствами неблагоприятного толка; точно так же, как термин «неопределенность» подразумевает благоприятный исход. Практическое различие между категориями риска и неопределенности состоит в следующем. Когда речь идет о риске, распределение исходов в группе случаев известно либо благодаря априорным расчетам, либо статическим данным прошлого опыта, тогда как в условиях неопределенности это не так, по той причине, что ситуация, с которой приходится иметь дело, весьма уникальна и нет возможности сформировать какую-либо группу случаев.

Риск и неопределенность связаны с информацией. Знание ситуации означает, что имеется информация о ней. Поскольку существует определенная связность системы, то устойчивые связи между ее элементами проявляются в различные моменты времени. На этом свойстве основана классификация. В том случае, когда количество перестановок ограничено, возникают классы подобных отношений. Так как невозможно дать исчерпывающую классификацию взаимосвязей, необходимо уметь формировать различные и непостоянные группировки соответственно тем целям, которые ставит перед нами изучаемая проблема, сравнивая друг с другом вещи на основе то одного, то другого общего свойства (варианта поведения).

Следовательно, прогнозирование будущей ситуации при кредитовании строится на основе подобия. Количество вариантов связей должно быть ограниченным, чтобы человеческий разум мог его охватить.

Существуют большие классы кредитных ситуаций, применительно к которым такую процедуру нельзя реализовывать даже научными методами. В этом случае можно воспользоваться вероятностным суждением. Если частота появления данной ситуации вероятна или хотя бы случайна, но при этом известно численное значение вероятности появления исхода, то целенаправленное поведение в такой ситуации можно разумно органи-

зовать. Здесь вполне можно использовать принцип страхования потерь, что позволяет перевести непредвиденные убытки в постоянные издержки.

Возможны два способа выработки вероятностных суждений: первый—априорный (теоретический) расчет; второй — эмпирическим методом, т.е. статистической обработкой реальных фактов. Первый тип практически не встречается в практике кредитования, а второй весьма распространен. Риск кредитования можно оценить путем обобщения результатов, полученных опытным путем. Практическое различие между априорной и статической вероятностью зависит от точности классификации группируемых случаев.

Риск — шанс неблагоприятного исхода, опасность, угроза потерь, или вероятность возникновения убытков, или получения дохода не в полном объеме по сравнению с прогнозируемым вариантом. Найт, исследуя проблему риска, пишет: «...уверенные в себе и азартные принимают на себя риск или страхуют сомневающихся и робких, гарантируя им заранее определенный доход в обмен на действительный результат труда...»2. Отсюда следует, что риск связан с опасностью потерь и может быть компенсирован предоставляемыми гарантиями. В современной теории финансов под риском подразумевается существование возможности полной или частичной потери активов и (или) капитала.

Сравнительный анализ методик, применяемых банковской системой для оценки кредитного риска

Для эффективного управления кредитными рисками необходимо определить надежный способ его оценки. Исходя из определения риска как степени вероятности невозврата кредита, процентов по нему или задержки выплат, которая может привести к существенным финансовым потерям со стороны кредитора, можно выделить несколько способов оценки риска.

Существующее множество методик оценки кредитного риска базируется на ряде общих принципов, что позволяет их сгруппировать в определенные категории. В данной статье анализируются: методика Центрального банка; подход, основанный на рейтинговой оценке, — скоринг; математические методы, основанные на взвешенной оценке вероятности изменения рейтинга заемщика, и методы, предложенные Базельским комитетом по банковскому надзору, в документе, принятом в апреле 2003 г.

2 Коуз Р. Фирма, рынок и право,— М.: Дело. 1993. С. 47-48.

Метод Центрального банка

Самым распространенным методом оценки кредитных рисков в российских банках является нормативный метод, соответствующий инструкции Центрального банка России от 30.06.1997 № 62 а. «О порядке формирования и использования резерва на возможные потери по ссудам». Согласно данной инструкции, банк формирует резерв на возможные потери по ссудам. Классификация выданных ссуд и оценка кредитных рисков проводятся в зависимости от финансового состояния заемщика и его возможностей погашения основной суммы долга и процентов, комиссионных и иных платежей, предусмотренных договором.

Для целей оценки риска по ссудам определяются критерии ее обеспеченности. Качество обеспечения определяется рыночной стоимостью предметов залога и степенью их ликвидности. Реальная рыночная стоимость предметов залога определяется на момент оценки риска по конкретной ссуде. При определении рыночной стоимости залога принимается во внимание информация о фактическом и перспективном состоянии конъюнктуры рынка по видам имущества, предоставленного в залог, а также динамика цен.

По качеству обеспечения выделяются следующие виды ссуд.

• Обеспеченная — ссуда, имеющая обеспечение в виде залога, отвечающего следующим требованиям: его реальная стоимость достаточна для компенсации банку основной суммы долга по ссуде, всех процентов в соответствии с договором, а также возможных издержек, связанных с реализацией залоговых прав. Время, необходимое для реализации залога, не превышает 150 дней со дня, когда реализация залоговых прав становится для банка необходимой. Необходимость реализации залоговых прав возникает не позднее чем на 30-й день задержки заемщиком очередных платежей банку по основному долгу либо по процентам.

К категории обеспеченных также относятся ссуды, выданные под поручительство Правительства Российской Федерации, субъектов Российской Федерации или под гарантию Банка России, поручительство и гарантии центральных банков стран из числа «группы развитых стран», а также векселя, авалированные данными субъектами. В состав «группы развитых стран» входят следующие страны: Австралия, Австрия, Великобритания, Германия, Греция, Дания, Ирландия, Испания, Италия, Канада, Люксембург, Нидерланды, Новая Зеландия, Норвегия, Португалия, США, Финляндия, Франция, Япония, Швеция, Швейцария.

Недостаточно обеспеченная — ссуда, имеющая залог, не отвечающий хотя бы одному их требований, предъявленных к обеспеченной ссуде. К этой группе относятся также ссуды, выданные под гарантию банков стран из числа « группы развитых стран», и векселя, авалированные этими банками.

Необеспеченная — ссуда, не имеющая обеспечения или имеющая залог, не отвечающий требованиям, перечисленным выше.

В зависимости от величины кредитного риска все ссуды подразделяются на четыре группы:

I группа — стандартные (практически безрисковые ссуды),

II группа — нестандартные ссуды (имеют умеренный уровень риска невозврата),

III группа — сомнительные ссуды (высокий уровень риска невозврата),

IV группа — безнадежные ссуды (вероятность возврата практически отсутствует, ссуда представляет собой фактические потери банка).

Исходя из формальных критериев, к стандартным ссудам относят:

• текущие ссуды, то есть ссуды, по которым отсутствует просроченная задолженность по выплате основного долга и не заключались дополнительные соглашения о пролонгации, а также отсутствуют просроченные выплаты независимо от обеспечения, кроме льготных текущих ссуд и ссуд инсайдерам;

• обеспеченные ссуды:

текущие с просроченной выплатой процентов до 5 дней включительно; с просроченной выплатой по основному долгу до 5 дней включительно; переоформленные один раз без изменения условий договора. К нестандартным ссудам могут быть отнесены:

• обеспеченные ссуды:

текущие с просроченной выплатой процентов от 6 до 30 дней включительно; с просроченной выплатой по основному долгу от 6 до 30 дней включительно; переоформленные два раза без изменения условий договора;

переоформленные один раз с изменениями условий договора;

• недостаточно обеспеченные ссуды:

текущие с просроченной выплатой процентов до 5 дней включительно; основной суммы долга до 5 дней включительно; переоформленные один раз без изменений условий договора;

• льготные ссуды и ссуды инсайдерам.

К сомнительным ссудам следует относить:

• обеспеченные ссуды:

текущие с просроченной выплатой процентов от 31 до 180 дней включительно; с просроченной выплатой по основному долгу от 31 до 180 дней включительно; переоформленные два раза с изменением условий договора;

переоформленные более двух раз независимо от изменения условий договора; недостаточно обеспеченные ссуды текущие с просроченной выплатой процентов от 6 до 30 дней включительно; с просроченной выплатой процентов по основному долгу от 6 до 30 дней включительно; переоформленные два раза без изменений условий договора;

переоформленные один раз с изменением условий договора;

• необеспеченные ссуды:

текущие с просроченной выплатой процентов до 5 дней включительно; с просроченной выплатой по основному долгу до 5 дней включительно; переоформленные один раз без изменений условий договора;

• льготные кредиты и ссуды инсайдерам с просро-

ченной выплатой по основному долгу либо по процентам до 5 дней включительно. Все прочие ссуды, по своим признакам не попадающие в число указанных выше, следует относить к безнадежным. Также к ним относится ссудная задолженность, образовавшаяся в результате переоформления ссуд или задолженности по уплате процентов на основании договора об отступном, уступке права требования, новации, в том числе в результате переоформления задолженности в векселя заемщика или третьего лица.

Банки в обязательном порядке должны формировать резерв на возможные потери по сумме основного долга по всем ссудам, по следующим нормативам:

• по I группе риска — 1%;

• по II группе риска — 20%;

• по III группе риска — 50%

• по IV группе риска — 100%.

Таким образом, методика ЦБ РФ по оценке кредитного риска основана на доступной для банков информации о заемщике и проста в практике исполнения. В то же время она содержит в себе достаточную степень неопределенности, связанную с нечеткостью критериев, используемых при оценке залога, а также с недостаточно прозрачной процедурой оценки залога.

Метод скоринга

Скоринг представляет собой математическую или статистическую модель, с помощью которой на основе кредитной истории «прошлых» клиентов банк пытается определить, насколько велика вероятность, что конкретный потенциальный заемщик вернет кредит в срок. Эта вероятность и является степенью рискованности данного кредита для банка. Метод широко используется на Западе для оценки кредитоспособности физических лиц и основан на анализе следующей информации:

анкеты заемщика;

сведений о заемщике из кредитного бюро — организации, в которой хранится кредитная история всего взрослого населения страны; данных о движений по счетам, если речь идет о клиенте банка, обслуживающемся в нем не менее года.

Кредитные аналитики используют следующие понятия: «характеристики» клиентов (переменные) и «признаки», т.е. значение переменной. Если представить себе анкету, которую заполняет клиент, то характеристиками являются вопросы анкеты (возраст, семейное положение, профессия), а признаками — ответы на эти вопросы.

В самом упрощенном виде скоринговая модель представляет собой взвешенную сумму определенных характеристик. В результате получается интегральный показатель: чем он выше, тем выше надежность клиента, и банк может упорядочить своих клиентов по степени возрастания кредитоспособности. Интегральный показатель сравнивается с неким числовым порогом, или линией раздела, которая, по существу, является линией безубыточности и рассчитывается из соотношения, сколько в среднем нужно клиентов, которые платят в срок, для того, чтобы компенсировать убытки от одного должника. Клиентам с интегральным показателем выше этой линии выдается кредит, клиентам с интегральным показателем ниже этой линии — нет.

Таким образом, скоринговая система позволяет диверсифицировать кредитный риск. Все это выглядит довольно просто, однако сложность заключается в определении характеристик, которые следует включать в модель, и уровня соответствующих им весовых коэффициентов.

Философия скоринга заключается не в поиске объяснений, почему человек не платит, а в выделении тех характеристик, которые наиболее тесно связаны с надежностью или с ненадежностью клиента. Банк не знает, вернет ли данный заемщик кредит, но знает, что в прошлом люди с

такой же профессией и уровнем образования и аналогичным количеством иждивенцев кредит не возвращали. Поэтому банк этому человеку кредит давать не будет.

В этом заключается дискриминационный характер скоринга, то есть, если человек по формальным признакам близок к группе с плохой кредитной историей, то ему кредит не дадут. Поэтому даже при высокой степени автоматизации системы скоринга осуществляется субъективное вмешательство инспектора, если он располагает дополнительной информацией, доказывающей, что человек, классифицированный как ненадежный, на самом деле «хороший», и наоборот.

Приведем пример характеристик, использующихся в практике банков Великобритании 3: возраст;

количество детей/иждивенцев;

профессия;

профессия супруга;

доход;

доход супруга; район проживания; стоимость жилья; наличие телефона;

сколько лет живет по данному адресу; сколько лет работает на данной работе; сколько лет является клиентом данного банка; наличие кредитной карточки/чековой книжки. В других странах набор характеристик, которые наиболее тесно связаны с вероятностью дефолта, будет отличаться в силу национальных, экономических и социально-культурных особенностей.

Поэтому очевидно, что невозможно механически перенести модель из одной страны в другую или из одного банка в другой без изменений. В России некоторые банки начинают использовать данный метод в своей практике, разрабатывая свои подходы к классификации клиентов и признаков, позволяющих определить их надежность.

После сбора информации необходимо построить математическую модель, которая позволит оценить, какая информация является существенной, а какой можно пренебречь. В целях построения модели сначала проводится выборка клиентов, о которых уже известно, хорошими заемщиками они себя зарекомендовали или нет. Выборка подразделяется на две группы: «хорошие» и «плохие» риски. Это оправдано в том смысле, что банк при принятии решения о кредитовании на первом этапе выбирает из двух вариантов: давать кредит или не давать. При всей

3 Андреева Г. Скоринг как метод оценки кредитного риска Из материалов журнала «Банковские технологии» http:// www.cfin.ru.

несерьезности определения «хороший» и «плохой», это именно те термины, которые используются кредитными аналитиками. Критерии плохого риска могут быть разными и зависят от политики банка. В Западной Европе «плохим» риском обычно считается клиент, задерживающийся с очередной выплатой на три месяца. Иногда к этой группе относятся клиенты, которые слишком рано возвращают кредит, и банк не успевает на них ничего заработать.

Таким образом, система скоринга позволяет уменьшить неопределенность кредитного процесса посредством выделения классов подобных кредитных историй, в каждом из которых можно определить степень риска. Скоринг представляет собой классическую задачу, где, исходя из имеющейся информации, необходимо получить функцию, наиболее точно разделяющую выборку клиентов на «плохих» и «хороших». Предварительно необходимо преобразовать имеющуюся информацию в форму, удобную для анализа. Для этого существуют два основных подхода:

• преобразовать каждый признак в двоичную переменную, что увеличивает количество переменных и создает дополнительные трудности в работе, хотя он не навязывает никаких дополнительных отношений между зависимыми и независимыми переменными.

• преобразовать каждую характеристику в переменную, которая будет принимать значения, соответствующие отношению числа «плохих» клиентов с данным признаком к числу «хороших» клиентов с этим же признаком. Более усложненный вариант - взять логарифм этого отношения. Таким образом, каждый признак получает числовую величину, соответствующую уровню его «рискованности». Методы классификации разнообразны и

включают в себя:

• статистические методы, построение регрессии (линейная регрессия, логистическая регрессия);

• различные варианты линейного программирования;

• дерево классификации или рекурсионно-партиционный алгоритм (РПА);

• нейронные сети;

• генетический алгоритм;

• метод ближайших соседей. Традиционными и наиболее распространенными являются регрессионные методы, прежде всего линейная многофакторная регрессия

p=wg+ w,x, + w2x2 + ... + WXn 4,

4 Андреева Г. Скоринг как метод оценки кредитного риска Из материалов журнала «Банковские Технологии» http:// www.cfin.ru.

где р - вероятность дефолта, w - весовые коэффициенты, х - характеристики клиента.

Недостаток данной модели заключается в том, что в левой части уравнения находится вероятность, которая принимает значения от 0 до 1, а переменные в правой части могут принимать любые значения от - оо до + оо.

Логистическая регрессия позволяет преодолеть этот недостаток:

log (р/( 1-р)) = w + iv,х, + w2x2 + ... + и.

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

Для применения логистической регрессии необходимы гораздо более сложные расчеты для получения весовых коэффициентов и, следовательно, более мощная компьютерная база и усовершенствованное компьютерное обеспечение. Но при современном уровне развития компьютерной техники это не является проблемой, и в настоящее время логистическая регрессия является лидером скоринговых систем. Преимущество логистической регрессии в том, что она может подразделять клиентов как на две группы (0 - плохой, 1 - хороший), так и на несколько групп (1-я, 2-я, 3-я, 4-я группы риска).

Все регрессионные методы чувствительны к корреляции между характеристиками, поэтому в модели не должно быть сильно коррелированных независимых переменных.

Линейное программирование приводит к линейной скоринговой модели. Провести абсолютно точную классификацию на плохих и хороших клиентов невозможно, но желательно свести ошибку к минимуму, поэтому задачу можно сформулировать как поиск весовых коэффициентов, для которых ошибка и будет минимальной.

Дерево классификации и нейронные сети представляют собой системы, которые разделяют клиентов на группы, внутри которых уровень риска одинаков и максимально отличается от уровня риска других групп. Нейронные сети используются, главным образом, при определении кредитоспособности юридических лиц, где анализируются выборки меньшего размера, чем в потребительском кредите.

Генетический алгоритм основан на аналогии с биологическим процессом естественного отбора. В сфере кредитования это выглядит следующим образом: имеется набор классификационных моделей, которые подвергаются «мутации», «скрещиваются», и в результате отбирается «сильнейший», т.е. модель, дающая наиболее точную классификацию.

При использовании метода ближайших соседей выбирается единица измерения для определения расстояния между клиентами. Все клиенты в выборке получают определенное пространствен-

ное положение. Каждый новый клиент классифицируется исходя из того, каких клиентов — плохих или хороших - больше вокруг него.

На практике используется комбинация нескольких методов, и компании хранят свои ско-ринговые модели в строжайшем секрете, поэтому сложно ответить на вопрос, какой метод лучше. У каждого метода имеются свои преимущества и недостатки, кроме того, выбор метода связан со стратегией банка и с тем, какие требования банк считает приоритетными при разработке моделей. Регрессионные методы показывают значимость каждой характеристики для определения уровня риска, и поэтому особенно важны на этапе разработки анкеты, которую заполняют клиенты. Линейное программирование может оперировать большим количеством переменных и моделировать определенные условия: например, если маркетинговая стратегия банка направлена на молодежь, можно ввести условие, чтобы интегральный показатель молодых людей был выше, чем тех, кому за 60. Нейронные сети и деревья классификации выявляют нелинейные связи между переменными, которые могут привести к ошибке в линейных моделях.

В скоринге существуют две основные проблемы. Первая заключается в том, что классификация выборки производится только на клиентах, которым дали кредит. Мы никогда не узнаем, как бы повели себя клиенты, которым в кредите было отказано. Возможно, что какая-то часть оказалась бы вполне приемлемыми заемщиками. Но, как правило, отказ в кредите производится на основании достаточно серьезных причин. Банки фиксируют эти причины отказа и сохраняют информацию об «отказниках». Это позволяет им восстанавливать первоначальную популяцию клиентов, обращавшихся за кредитом.

Вторая проблема заключается в том, что с течением времени меняются и люди и социально-экономические условия, влияющие на их поведение. Поэтому скоринговые модели необходимо разрабатывать на выборке из наиболее «свежих» клиентов, периодически проверять качество работы системы и, когда качество ухудшается, разрабатывать новую модель. На Западе новая модель разрабатывается в среднем раз в полтора года, период между заменой модели может варьироваться в зависимости от того, насколько стабильной была экономика в это время.

В России использование скоринг-систем тормозится, прежде всего, низкими объемами кредитования. Но с экономическим ростом ситуация может измениться. Отсутствие кредитных бюро также не способствует развитию скоринга. С другой сто-

роны, на Западе существует проблема проверки достоверности информации, которую человек указывает о себе в анкете. В России большая часть такой информации содержится в паспорте. Банкам достаточно иметь данные паспорта и трудовой книжки -вот и исходный материал для анализа.

В связи с этим скоринговые системы в России могут использоваться скорее для оценки юридических, а не физических лиц, так как у банков накоплено больше информации о них.

Математические методы 5

В 1998 г. Базельский Комитет по банковской политике, в который входят центральные банки ведущих стран мира, разрешил использование внутренних методов оценки банковских рисков, в том числе и кредитных. В связи с этим появилось довольно много различных методов оценки кредитного риска, основанных на математических методах. Как правило, в основе этих методов лежит подход Credit Value at Risk (VaR).

Рассмотрим некоторые подходы, базирующиеся на данной технологии:

• Credit metrics/ Credit VaR;

• Методика KMV;

• Подход Credit Suisse Financial Products (CSFP)

с использованием CreditRisk+.

Рассматриваемые подходы основаны на анализе портфеля долговых обязательств потенциальных заемщиков.

Credit metrics/ Credit VaR. Методика, предложенная JP Morgan, основана на вероятности перехода заемщика из одной категории кредитоспособности в другую включая вероятность дефолта. Для анализа используют данные рейтинговых агентств о текущем состоянии рейтинга заемщика вместе с оценкой вероятности перехода его из одной рейтинговой категории в другую. На основе этих данных строится матрица переходов, которая является ключевым компонентом модели.

Затем необходимо определить рассматриваемый период, для которого строится оценка риска. Обычно временной горизонт составляет 1 год. Хотя для детального анализа длительных периодов он может быть увеличен до 10 лет.

Третий этап — построение графика пороговых значений вероятности перехода корпорации от одного уровня кредитного рейтинга к другому.

На заключительном шаге вся полученная информация представляется в виде распределения изменений стоимости портфеля.

5 M. Crouhy, D. Galai, R. Mark. A comparitive analysis of current credit risk models // Journal of Banking & Finance. 2000. № 24.

Методика KMV. Методика основана на структурном подходе, была инициирована KMV и использует модели стоимости активов Мертона. В этой модели дефолт рассматривается как внутренний процесс, связанный со структурой капитала предприятия. Дефолт происходит тогда, когда стоимость активов фирмы падает до определенного критического уровня. В отличие от предыдущей модели, которая полагается на среднестатистические показатели дефолтов и изменения кредитных рейтингов, эта модель учитывает специфику каждой компании, структуру ее капитала, распределение доходов от капитала и вероятность дефолта.

Модель Credit metrics/ Credit VaR исходит из предположений о том, что все компании, входящие в одну рейтинговую категорию, имеют одинаковую вероятность дефолта, которая равна среднему историческому значению. Те же предпосылки относятся и к другим вероятностным оценкам. Таким образом, изменения кредитного рейтинга и качества кредита одинаковы.

Такой подход был существенно пересмотрен KMV. Действительно, эти предположения не соответствуют действительности, так как оценки дефолта изменяются непрерывно, в то время как рейтинги — дискретно, так как пересмотр рейтинга занимает определенное время и происходит с определенной периодичностью. С помощью моделирования аналитики KMV показали, что средние исторические оценки дефолта существенно отличаются от их истинных значений. Кроме того, действительные значения оценок дефолта различаются в пределах одной рейтинговой категории. Распределение довольно сильно смещено, так что оценка дефолта оказывается выше типичной (медианной) оценки для каждого кредитного класса.

В отличие от Credit metrics/ Credit VaR KMV не использует для анализа статистические показатели вероятности дефолта Moody's и Standard & Poor's. Напротив, KMV выводят действительную вероятность дефолта для каждого заемщика на основании модели Мертона, вероятность которого в этом случае определяется функцией структуры капитала фирмы, а также изменениями доходов и текущей стоимости активов.

Подход Credit Suisse Financial Products (CSFP) с использованием CreditRisk+. Третий подход, предложенный Credit Suisse Financial Products (CSFP) с использованием Credit Risk+, фокусируется только на вероятности дефолта.

В модели предполагается, что для займа вероятность дефолта в течение всего рассматриваемого периода остается неизменной. Для большого количества заемщиков вероятность дефолта

каждого из них мала, и количество дефолтов за данный период не зависит от их количества в любом другом периоде. Следовательно, распределение вероятности дефолтов может быть представлено распределением Пуассона.

Другие технологии оценки рисков включают бета-анализ теории САРМ, APT, Short Fall, Maximum Loss. Эти методы используются для анализа рискованности кредитов, выданных юридическим лицам. Основным источником информации здесь выступают данные рейтинговых агентств о рейтинге облигаций той или иной компании или о стоимости активов компании на рынке.

Использование указанных методик в России затруднено из-за отсутствия надежных рейтинговых агентств и недостаточного развития рынка ценных бумаг, а также биржевых производных, таких как опционы, фьючерсные и форвардные контракты, варранты и т. д. Однако существует ряд консалтинговых и аналитических агентств, предлагающих оценку риска, основанную на данных методиках. В частности, агентство «Франклин & Грант» предлагает эти методы институциональным инвесторам.

Технологии Базельского комитета6

Базельским комитетом по банковскому надзору предлагаются три основных подхода к оценке кредитных рисков, рекомендованных к применению в коммерческих банках:

• стандартизованный подход (Standardised Approach);

• основной IRB подход (Foundation IRB (Internal ratings-based) Approach)

• развитый IRB подход (Advanced IRB Approach).

Стандартизованный подход. В существующем на данный момент подходе («The New Basel Capital Accord» от 2002), банки должны распределять кредитные заявки на контрольные категории, исходя из характеристик кредитов. Каждой категории присваивается фиксированный рисковый вес. В этом он совпадает с новым подходом, который при определении весов в отличие от существующего метода, при определении рисковых весов использует внешние оценки для повышения чувствительности оценки к риску. Рисковые веса для корпоративных, внутрибанковских и индивидуальных заявок определяются на основе внешних оценок кредитов. В качестве них можно использовать оценки как Организации экономического сотрудничества и развития (ОЭСР), так и частных рейтинговых агентств.

6 The New Basel Capital Accord Issued for comment by 31 July 2003.

Следующее нововведение касается увеличения принимаемых видов обеспечения, гарантий и кредитных производных, куда включены все основные виды финансовых инструментов. Существенно расширен круг возможных гарантов, ими могут выступать все фирмы, показатели которых соответствуют пороговым значениям внешних кредитных рейтингов.

Новый подход предлагает смягченный режим для кредитных заявок, снизив рисковые веса кредитов под залог жилья. Кроме того, некоторые малые и средние предприятия также могут быть включены в этот режим.

Внутренние рейтинговые методики (IRB). Наиболее прогрессивным аспектом The New Basel Capital Accord 2003 является подход IRB, представленный в двух вариантах:

• Основной IRB-noflxofl(Foundation IRB Approach);

• Развитый IRB-подход (Advanced IRB Approach).

Существенное отличие подхода IRB от стандартизованного — использование внутренних оценок основных факторов риска в качестве базы для расчета достаточности капитала. Ввиду того, что подход основан на внутрибанковском анализе, необходима возможность установления более чувствительных к риску критериев достаточности капитала. Однако подход IRB не позволяет банкам самостоятельно определять все элементы для калькулирования этих критериев. Таким образом, расчеты рисковых весов и, соответственно, процентов проводятся исходя из количественных показателей, подготовленных банком по формулам, разработанным комитетом.

Формулы или рисковые функции переводят входные данные в критерии достаточности капитала. Они основаны на современных технологиях риск — менеджмента, включающих статистические оценки риска. Практика использования данного метода показывает, что он дает наиболее эффективные оценки риска в крупнейших банковских организациях.

Методика определения взвешенных рисковых оценок использует четыре основных показателя:

• вероятность дефолта (PD);

• уровень потерь (LGD), измеряющий долю от суммы, подверженной кредитному риску, которая может быть потеряна в случае дефолта;

• сумма ссудных потерь (EAD), отражающая сумму ссуды, которая может быть потеряна в случае дефолта;

• срок (М) оставшийся до погашения ссуды.

Основной и развитый ШВ-подходы различаются в первую очередь входящими данными, подготовленными самими банками на основе собственных оценок, либо специфицированными контролирующими органами. В табл. 1 приведены основные различия этих подходов.

Лишь сотне крупнейших банков будет разрешено использовать «внутренние рейтинговые методики» Остальные банки должны использовать кредитные рейтинги, присваиваемые заемщикам независимыми агентствами.

Ввиду того, что эти методы основаны на статистике дефолтов, а также используют достаточно сложную математическую базу, их применение в России на данный момент затруднено в силу значительного увеличения затрат банков на оценку рисков.

В табл. 2 приведен сравнительный анализ изложенных методик определения кредитного риска банка. Основными критериями сравнения выступают информационная база оценки, требуемые процедуры и форма итогового результата. Из таблицы видно, что наиболее формализованный метод определения риска применяется в технологии, предложенной Центральным банком Российской Федерации. Это связано с тем, что главной целью такого расчета является распределение всех ссуд на четыре рисковых категории, в соответствии с которыми банк обязан создавать резерв на возможные потери.

Метод скоринга является в какой-то степени промежуточным между предыдущим методом и методами, основанными на математическом определении вероятности неисполнения обязательства клиентом. Скоринг использует данные, полученные как от самого клиента путем анкетирования, так и информацию о нем из кредитного бюро, затем с помощью математической модели определяет критерии отбора заемщиков и категории риска для каждого из них.

Сложность математического моделирования связана с тем, что в качестве исходных сведений о клиенте используется его кредитный рейтинг, а в России не существует достаточной базы для

Основные различия осно

анализа. Однако можно пользоваться и данными о текущем состоянии капитала предприятия, его структурой и сведениями о доходах. Достоинством таких методик является получение результата в виде функции распределения вероятности отклонения состояния заемщика от первоначальных параметров, на основе которого можно сделать заключение о степени рискованности для банка.

Базельский комитет по банковскому надзору предлагает свои методики, которые также основаны на независимых рейтингах, но для банков они несколько проще, так как комитет сам определяет формулы расчета риска, а при использовании Основного IRB-подхода (Foundation IRB (Internal ratings-based) Approach) и большую часть параметров модели.

Если обратиться к практике оценки кредитного риска нижегородским банком «Гарантия», то он полностью полагается на инструкцию Центрального банка России от 30.06.97 № 62 а «О порядке формирования и использования резерва на возможные потери по ссудам». Судя по сумме резервов на возможные потери от кредитных операций (Приложение 1), которая составляет порядка 7% от общей суммы выданных кредитов, большинство кредитов, выданных банком «Гарантия», принадлежит к первой группе риска. А именно, 447 793,7 тыс. руб. выдано на кредиты, принадлежащие к 1-й группе риска, и 215 730,3 тыс. — на кредиты, принадлежащие второй группе риска. Банк предъявляет довольно жесткие требования к качеству кредитов, этим и объясняется высокая надежность. Например, при выдаче кредитов физическим лицам банк работает только с определенными фирмами, при условии, что клиент оплачивает 30% от стоимости автомобиля самостоятельно, кроме того, автомобиль становится предметом залога, и клиент обязан его застраховать за свой счет. Выплата суммы долга и процентов по нему происходит ежемесячно. Выдача кредитов под поручительство физических лиц осуществляется в размере не более 12 среднемесячных доходов (за вычетом всех удержаний) физического лица (ежемесячный платеж по кредиту не дол-

Таблица 1

юго и развитого подходов

Входящие данные Основной №В подход Развитый ШВ-подход

Вероятность дефолта (РБ) Предоставляется банком на основе собственных оценок Предоставляется банком на основе собственных оценок

Уровень потерь в случае дефолта (ИЮ) Устанавливаются контрольным комитетом Предоставляется банком на основе собственных оценок

Сумма ссудных потерь (ЕАО) Устанавливаются контрольным комитетом Предоставляется банком на основе собственных оценок

Срок (М) Устанавливаются контрольным комитетом Предоставляется банком на основе собственных оценок

Таблица 2

Сравнительный анализ методик оценки кредитного риска

Методика Информационная база Процедура оценки Результат

1. Методика Центрального банка • текущее состояние ссуды • вид обеспечения • параметры залога Определение категории обеспеченности ссуды (обеспеченная, недостаточно обеспеченная, необеспеченная) Определение текущего состояния ссуды (переоформление, наличие просроченных платежей) Распределение ссуд по четырем рисковым категориям: • стандартные • нестандартные • сомнительные • безнадежные

2. Скоринг • анкетные данные • информация на заемщика из кредитного бюро • движения по счетам • сбор информации • построение математической модели: - выбор метода классификации - определение критериев категорий риска Распределение кредиторов по рисковым категориям (обычно -2-4 категории)

3. Математические методы 3.1 Credit metrics/ Credit VaR • информация рейтинговых агентств - текущее состояние рейтинга - вероятность перехода в другие рейтинговые категории • сбор информации • определение периода для построения оценки • оценка распределения вероятности изменения стоимости кредитного портфеля заемщика по методике УаЯ Функция распределения вероятности, отражающая степень рискованности

3.2 Методика KMV; • структура капитала предприятия • изменение доходности • стоимость активов в динамике • сбор информации • определение периода для построения оценки • оценка распределения вероятности изменения стоимости предприятия путем построения модели Мертона Функция распределения вероятности, отражающая степень рискованности

3.3 Подход Credit Suisse Financial Products (CSFP) с использованием Credit Risk+ информация рейтинговых агентств о вероятности дефолта • сбор информации • определение периода для построения оценки • оценка вероятности дефолта, через представление в виде распределения Пуассона Функция распределения вероятности, отражающая степень рискованности

4 Методика Базельского комитета 4.1 Стандартизованный подход (Standardised Approach); • оценки кредитного рейтинга внешними рейтинговыми агентствами • оценки кредитного рейтинга Организацией экономического сотрудничества и развития • распределение заемщиков на категории согласно формальным параметрам ссуды • определение рисковых весов категорий согласно критериям, установленным комитетом Присвоение каждой категории заемщиков рискового веса

4.2 Основной IRB-под-ход (Foundation IRB (Internal ratings-based) Approach) • вероятность дефолта (РО) • уровень потерь в случае дефолта (1ХЮ) • сумма ссудных потерь (ЕАЭ) • срок (М), оставшийся до погашения ссуды • определение вероятности дефолта банком (остальные параметры определяет комитет) • определение взвешенных оценок риска по формулам, представленным комитетом Присвоение каждой категории заемщиков рискового веса

4.3 Развитый lRB-под-ход (Advanced IRB Approach). • определение вероятности дефолта • определение уровня потерь в случае дефолта • определение суммы ссудных потерь • определение срока (М), оставшегося до погашения ссуды • определение взвешенных оценок риска по формулам, представленным комитетом Присвоение каждой категории заемщиков рискового веса

жен превышать 1/3 среднемесячного чистого дохода заемщика); обязательно наличие 1 поручителя с доходом, равным или превышающим доход заемщика, или 2 поручителей, доход которых в совокупности должен быть равен или превышать доход заемщика; кредит предоставляется только жителям Нижнего Новгорода.

Такая политика позволят банку избежать высоких кредитных рисков. По данным банка, за 2002 г. сумма просроченных кредитов составляла 0 руб.

Особенностью современной практики кредитования является то, что в ряде случаев банки не обладают единой методологической и нормативной базой организации кредитного процесса. Старые банковские инструкции, ориентированные на реалии плановой экономики, оказались неприменимы для условий рынка, поэтому коммерческие банки вырабатывают свою систему кредитования. Очевидно, что есть общие организационные основы, отражающие международный и отечественный опыт и позволяющие банкам существенно упорядочить свои кредитные отношения с клиентами, улучшить возвратность кредитов, а, следовательно, уменьшить кредитный риск. Для этого необходимо принятие соответствующих решений на государственном уровне, в основу которых должен быть заложен Кодекс лучшей практики оценки кредитного риска. Установление рамок и правил поведения для банков, в том числе и в сфере кредитования реального сектора экономики, позволит создать соответствующие институциональные условия для повышения эффективности кредитного процесса всей банковской системы России. При этом особое значение имеет совершенствование нормативного регулирования кредитной политики, т.е. формальные правила.

Таким образом, в настоящее время в банковской практике не существует универсальной методики оценки кредитного риска заемщика. В нормативных документах Центрального банка прописывается метод определения категории риска заемщика, в соответствии с которым банк обязан создавать резерв на возможные потери. Однако данная инструкция не исключает возможности определения банками категорий заемщиков самостоятельно. Базельский комитет по надзору за банковской деятельностью также разрешает использование банками внутренних методов оценки риска. Разработка собственных методов базируется на двух подходах: методики рейтингова-

ния на основе математических оценок вероятности риска, либо с применением метода скоринга, то есть оценки риска путем анализа кредитоспособности и присвоения заемщику на этой основе определенного рейтинга. Первый подход требует большой базы данных, раскрывающей кредитные рейтинги рассматриваемой компании, ее кредитную историю. Поэтому его применение эффективно в случае, если заемщиком является крупная компания, функционирующая на рынке продолжительное время. В России не существует единой базы данных о компаниях, а также не развит открытый рынок ценных бумаг и нет практики регулярного рейтингования компаний. В силу этого такие методы оценки, как технология УаИ. и другие классические теории, основанные на анализе вероятностей перехода заемщика из одной рейтинговой категории в другую, практически неприменимы.

Метод скоринга формально проще, так как представляет собой математическую или статистическую модель, с помощью которой на основе кредитной истории «прошлых» клиентов банк пытается определить, насколько велика вероятность того, что конкретный потенциальный заемщик вернет кредит в срок. Эта вероятность и является степенью рискованности данного кредита для банка. Его применение широко распространено как на западе, так и в России. Традиционно для анализа используют анкетные данные, информацию на данного заемщика из кредитного бюро — организации, в которой хранится кредитная история всего взрослого населения страны, данные движений денежных средств по счетам, если речь идет об уже действующем клиенте банка. Однако в России не существует кредитных бюро, которые могли бы предоставлять информацию о каждом потенциальном заемщике, поэтому приходится ограничиваться данными анкеты и о доходах, а также выписками с банковских счетов.

Таким образом, в российской банковской системе необходимы институциональные преобразования, направленные на создание системы институтов, включающих формальные и неформальные правила, которая позволит снизить неопределенность кредитного процесса и будет стимулировать создание эффективного кредитного рынка. Определение величины риска является первым шагом для повышения эффективности управления кредитными рисками банка.

Приложение 1

Баланс по состоянию на 1 января 2003 года, тыс. руб.

№ п/п Статьи На отчетную дату

Активы

1. Денежные средства и счета в Центральном банке Российской Федерации 66 584

2. Обязательные резервы в Центральном банке Российской Федерации 36 083

3. Средства в кредитных организациях за вычетом резервов (ст. 3.1 - 3.2) 317 838

3.1 Средства в кредитных организациях 317 841

3.2 Резервы на возможные потери 3

4. Чистые вложения в торговые ценные бумаги (ст. 4.1 - 4.2.) 59 915

4.1 Вложения в торговые ценные бумаги 59 915

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

4.2 Резерв под обесценение ценных бумаг и на возможные потери 0

5. Ссудная и приравненная к ней задолженность 663 524

6. Резервы на возможные потери по ссудам 47 624

7. Чистая ссудная задолженность (ст. 5-6) 615 900

8. Проценты начисленные (включая просроченные) 2 281

9. Чистые вложения в инвестиционные ценные бумаги, удерживаемые до погашения (ст. 9.1 - 9.2) 0

9.1 Вложения в инвестиционные ценные бумаги, удерживаемые до погашения 0

9.2 Резервы на возможные потери 0

10. Основные средства, нематериальные активы, хозяйственные материалы и малоценные и быстроизнашиваюиеся предметы 58 001

11. Чистые вложения в ценные бумаги, имеющиеся в наличии для продажи (ст. 11.1 - 11.2) 17 894

11.1 Ценные бумаги, имеющиеся в наличии для продажи 17 900

11.2 Резервы под обесценение ценных бумаг и на возможные потери 6

12. Расходы будущих периодов по другим операциям, скорректированные на наращенные процентные доходы 442

13. Прочие активы за вычетом резервов (ст. 13.1. - 13.2.) 673

13.1 Прочие активы 768

13.2 Резервы на возможные потери 95

14. Всего активов (ст1+2+3+4+7+8+9+10+11 + 12+13) 1 175 611

Пассивы

15. Кредиты, полученные кредитными организациями от Центрального банка Российской Федерации 0

16. Средства кредитных организаций 324 652

17. Средства клиентов 539 678

17.1 в том числе вклады физических лиц 358 816

18. Доходы будущих периодов по другим операциям 137

19. Выпущенные долговые обязательства 62 404

20. Прочие обязательства 1 844

21. Резервы на возможные потери по срочным сделкам и внебалансовым обязательствам и по расчетам с дебиторами по операциям с резидентами офшорных зон 0

22. Всего обязательств (ст. 15+16+17+18+19+20+21) 928 715

Собственные средства

23. Уставный капитал - (средства акционеров (участников)) (ст. 23.1+23.2+23.3), в т.ч.: 42 999

23.1 Зарегистрированные обыкновенные акции и доли 42 999

23.2 Зарегистрированные привилегированные акции 0

23.3 Незарегистрированный уставный капитал неакционерных кредитных организаций 0

24. Собственные акции, выкупленные у акционеров 0

25. Эмиссионный доход 0

26. Фонды и прибыль, оставленная в распоряжении кредитной организации 151 961

27. Переоценка основных средств 20 973

28. Прибыль (убыток) за отчетный период 46 841

29. Дивиденды, начисленные из прибыли текущего года 0

30. Распределенная прибыль (исключая дивиденды) 9 019

31. Нераспределенная прибыль (ст. 28-ст. 29-ст. 30)* 37 822

32. Расходы и риски, влияющие на собственные средства 6 859

33. Всего собственных средств (ст. 23-23.3-24+25+26+27+31-32) 246 896

34. Всего пассивов (ст. 22+23.3+33) 1 175 611

Внебалансовые обязательства

35. Безотзывные обязательства кпелитной ооганизапии 173 743

ПЕРИОДИЧНОСТЬ - 2 РАЗА В МЕСЯЦ 13

Приложение 2

Отчет о прибылях и убытках на 1 января 2003 года, тыс. руб.

№ п/п Статьи За отчетный период

1 2 3

Проценты полученные и аналогичные доходы от:

1. Размещения средств в банках в виде кредитов, депозитов, займов и на счетах в других банках 17 965

2. Ссуд, предоставленных другим клиентам 90 960

3. Средств, переданных в лизинг 0

4. Ценных бумаг с фиксированным доходом 10 202

5. Других источников 2 204

6. Итого проценты полученные и аналогичные доходы: (ст. 1+2+3+4+5) 121 331

Проценты уплаченные и аналогичные расходы по:

7. Привлеченным средствам банков, включая займы и депозиты 9 981

8. Привлеченным средствам других клиентов, включая займы и депозиты 39 904

9. Выпущенным долговым ценным бумагам 17 290

10. Арендной плате 2 779

11. Итого проценты уплаченные и аналогичные расходы: (ст. 7+8+9+10) 69 954

12. Чистые процентные и аналогичные доходы (ст. 6 - ст. 11) 51 377

13. Комиссионные доходы 21 149

14. Комиссионные расходы 1 879

15. Чистый комиссионный доход (ст. 13, 14) 19 270

Прочие операционные доходы:

16. Доходы от операций с иностранной валютой и с другими валютными ценностями, включая курсовые разницы 22 740

17. Доходы от операций по купле-продаже драгоценных металлов, ценных бумаг и другого имущества, положительные результаты переоценки драгоценных металлов, ценных бумаг и другого имущества 9 824

18. Доходы, полученные в форме дивидендов 0

19. Другие текущие доходы 2 444

20. Итого прочие операционные доходы: (ст. 16+17+18+19) 35 008

21. Текущие доходы: (ст. 12+15+20) 105 655

Прочие операционные расходы:

22. Расходы на содержание аппарата 31 179

23. Эксплуатационные расходы 17 624

24. Расходы от операций с иностранной валютой и другими валютными ценностями, включая курсовые разницы 15 769

25. Расходы от операций по купле-продаже драгоценных металлов, ценных бумаг и другого имущества, отрицательные результаты переоценки драгоценных металлов, ценных бумаг 1 332

26. Другие текущие расходы 8 321

27. Всего прочих операционных расходов: (ст. 22+23+24+25+26) 74 225

28. Чистые текущие доходы до формирования резервов и без учета непредвиденных доходов/расходов (ст. 21, 27) 31 430

v 29. Изменение величины резервов на возможные потери по ссудам -14 852

30. Изменение величины резервов под обесценение ценных бумаг и на возможные потери -191

31. Изменение величины прочих резервов -368

32. Чистые текущие доходы без учета непредвиденных доходов/расходов: (ст. 28-31) 46 841

33. Непредвиденные доходы за вычетом непредвиденных расходов 0

34. Чистые текущие доходы с учетом непредвиденных доходов/расходов: (ст. 32+33) 46 841

35. Налог на прибыль* 9 019

36. Отсроченный налог на прибыль 0

36а. Непредвиденные расходы после налогообложения 0

37. Прибыль (убыток) за отчетный период: (ст. 34-ст. 36-ст. 36а) 46 841

*Сумма налогов, выплаченных из прибыли (ст. 35), отражается в отчете о прибылях и убытках справочно и не исключается из расчета прибыли (убытка) за отчетный период, отражаемого по ст. 37

i Надоели баннеры? Вы всегда можете отключить рекламу.