ПРОГРАММНЫЙ МОНИТОРИНГ ПОКАЗАТЕЛЕЙ КРЕДИТНОГО РИСКА БАНКА Текст научной статьи по специальности «Экономика и бизнес»

%

SIS4Ü'

УДК 336.7:004.09

программный мониторинг показателей

кредитного риска банка

PROGRAM MONITORING OF THE BANK'S CREDIT RISK INDICATORS

© Голиков Сергей Евгеньевич

Sergey E. Golikov

доцент кафедры информационной безопасности, Севастопольский государственный университет (г. Севастополь).

Associate Professor of the Department of Information Security Sevastopol State University (Sevastopol).

И kcl@mail.ru

Аннотация. В работе предложено оценивать величину кредитного риска путём вычисления интегрального показателя кредитного риска по данным синтетического и аналитического учёта. Методика расчёта предполагает идентификацию ключевых показателей кредитного риска, применение правил расчёта показателей, слежение за динамикой их изменения. На основании вышеуказанной методики автором разработана система мониторинга показателей кредитного риска, позволяющая динамически анализировать факторыриска, проводить оценочный и фактический расчёт показателей. Система мониторинга может быть использована и для расчёта других видов риска.

Ключевые слова: кредитный риск, банковский риск, мониторинг риска, показатели кредитного риска.

Abstract. The article propose to estimate the amount of credit risk by evalua ting the integral indica tor of credit risk, which is calculated from the data of synthetic and analytical accounting. The calculation method involves identifying key indicators of credit risk, applying the rules for calculating indicators, and tracking the dynamics of their changes. Based on the above-mentioned methodology, the author developed a system for monitoring credit risk indicators, which allows for dynamic analysis of risk factors, as well as evaluating and actual calculation of indicators. The monitoring system can also be used to calculate other types of risk.

Keywords: credit risk, bank risk, risk monitoring software, credit risk indicators.

Актуальность

Риск играет большую роль при формировании результатов финансовой деятельности банковских учреждений, учитывается при анализе качества активов и пассивов, влияет на репутацию кредитного учреждения. Основная цель любого коммерческого банка -максимизация прибыли и обеспечение непрерывности бизнеса. Стремление к достижению данной цели ограничивает величину ожидаемых возможных убытков, связанных с присутствием риска как стоимостного выражения вероятности наступления события, приводящего к потерям финансового характера. Для защиты интересов клиентов финансовые учреждения должны осуществлять эффективное управление рисками [1]. Значительную роль в системе управления рисками отводится специализированному программному обеспечению, использование которого позволяет быстро и адекватно реагировать на появление угроз с целью предотвращения возникновения убытков.

Анализ последних исследований и публикаций

В современных неблагоприятных экономических условиях риск - менеджмент становится неотъемлемой частью любого направления деятельности банковского учреждения, включая выявление, измерение, контроль и регулирование рисковых событий. Для эффективного управления рисковыми событиями большое значение играет мониторинг ключевых показателей риска, позволяющий специалистам видеть «узкие места» с целью минимизации их влияния на финансовое состояние банка. Как правило, в применяемых в банках системах автоматизации, проблеме мониторинга уделяется недостаточное внимание.

Цель исследований

Целью данного исследования является разработка программного средства, которое позволит эффективно проводить мониторинг показателей риска, что даст возможность быстро и адекватно реагировать на появление угроз с целью предотвращения возникновения убытков.

Основная часть

Управление рисками - непрерывный процесс воздействия субъекта управления на объект управления с целью снижения (поддержания на допустимом уровне) показателей риска банка [2], который включает в себя:

- сбор информации;

- планирование процедур управления рисками;

- идентификацию рисков;

- качественный и количественный анализ рисков;

- планирование минимизации рисков;

- мониторинг и контроль рисков.

Ядром системы управления рисками является мониторинг. Под «мониторингом» понимается «непрерывное наблюдение за экономическими объектами, анализ их деятельности, как составная часть управления» [3].

Процедура проведения мониторинга предназначена для проверки:

- достоверности предположений о риске;

- достоверности и области применения предположений, на которых основана оценка риска;

- достижимости ожидаемых результатов;

- соответствия результатов оценки риска фактической информации о риске;

- правильности применения методов оценки риска;

- эффективности обработки риска.

Под программным банковским

мониторингом понимается специализированное программное обеспечение, предназначенное для наблюдения за выделенными ключевыми показателями с целью предотвращения угроз возникновения рисковых событий и принятия своевременных управленческих решений, снижающих их возможное негативное влияние.

По мнению Базельского Комитета процесс управления и мониторинга рисков должен основываться на следующих принципах [2, 3]:

- идентификация рисков банками должна происходить во всех продуктах, направлениях деятельности, процессах и системах;

- мониторинг потенциальных источников риска должен иметь непрерывный характер.

Цель мониторинга - управление качеством работы кредитного учреждения путём непрерывного наблюдения за её функционированием, оценки её финансового состояния для принятия

конкретных мер по улучшению устойчивости данной организации [4].

За основу расчёта кредитного риска взята методика оценки интегрального показателя кредитного риска, вычисляемого по данным синтетического и аналитического учёта финансового учреждения. Данная методика предполагает идентификацию ключевых показателей кредитного риска (КЯГ), применение правил расчёта КЯГ, слежение за динамикой изменения КЯГ.

В работе [5] показано, что интегральный показатель риска (ГЯГ) вычисляется по формуле (1):

п

ш = У К^Ккы п

¿__J п п п ,

1

где п - количество КЯГ;

^кш- коэффициент влияния п-го КЯГ;

п

КШп - коэффициент влияния группы, к которой относится п-й КЯГ.

Индикативное регулирование кредитного риска при данном подходе осуществляется посредством экономических нормативов. В качестве КЯГ могут быть использованы следующие показатели:

- остатки средств на счетах;

- совокупная величина риска по инсайдерам банка;

- максимальная совокупная величина кредитов клиентам - участникам расчётов на завершение расчётов;

- сумма просроченной задолженности;

- сумма задолженности в разрезе отраслей;

- сумма задолженности в разрезе форм хозяйствования;

норматив максимального размера крупных кредитных рисков;

норматив максимального размера кредитов, банковских гарантий и поручительств, предоставленных банком своим участникам (акционерам);

- норматив совокупной величины риска по инсайдерам банка;

- сумма бланковых кредитов;

- сумма по обеспечению одного типа и т.д.

При разработке программного обеспечения значения коэффициентов влияния и групп взяты из данных работы [5]. Алгоритм расчёта параметров основан на Инструкции Банка России от 29.11.2019 № 199-И [6], а также значениях атрибутов объектов «счёт», «клиент», «сделка», содержащихся в системе автоматизации банка.

Под влиянием внешних и внутренних факторов величины рисковых позиций отклоняются от заданных траекторий, создавая угрозы для банка. Разработанное программное обеспечение позволяет вести наблюдение за поведенческими характеристиками рисковых позиций. На рис.1 показана физическая схема

20

Базис. 2020. № 2(8). www.engels.ruc.su/science/basisA

%

SIS4Ü'

базы данных системы мониторинга ключевых показателей кредитного риска банка.

Модуль задания алгоритма формирования анализируемых показателей

Модуль расчета показателей

Данные из информационной

Модуль вывода рассчитанных показателей

Рис. 2. Структурная схема системы мониторинга ключевых показателей рисков

Модуль задания алгоритма формирования анализируемых параметров предназначен для формирования списка расчётных параметров, а также задания алгоритма их расчёта. Рассчитываемый показатель представляет собой совокупность метрик, каждая из которых может иметь собственный метод расчёта (рис. 3).

Рис. 1. Физическая схема БД системы мониторинга

Разработанная система мониторинга позволяет анализировать факторы, оказывающие влияние на конкретные открытые рисковые позиции, оценивать их величины на конкретные даты, изучать динамику их изменения, проводить количественный анализ и величину отклонения рассчитанных показателей от расчётных. На рис. 2 показана структурная схема системы мониторинга ключевых показателей риска.

«Пассивные», «Все». Если задан тип «Формула», то в поле «Метод расчёта» задаётся арифметическое выражение. В качестве операндов могут быть использованы ранее определённые метрики. Значение метрики вычисляется по введённой формуле. Интервал балансовых счетов задаётся в виде «счет1:счет2». Значением выражения является сумма исходящих остатков по указанным балансовым счетам. При указании типа «Активные», в расчёте участвуют только активные, либо контрпассивные счета из указанного интервала, если указан тип «Пассивные»

- в расчёте используются пассивные, либо контрактивные счета. Два последних символа поля «Метод расчёта» могут быть заданы в виде выражения «>0» или «<0». Если указано «>0»

- значение метрики не может быть меньше нуля, поэтому отрицательное вычисленное значение приводится к нулю. Аналогичным образом интерпретируется «<0». Каждому слагаемому может быть присвоен коээфициент, с которым оно учивается в общем расчёте.

Формирование алгоритма расчёта интегрального показателя 1Ы производится в форме редактирования параметров аналитики (рис. 4).

Ч ДсДпиигцГ?>] Чдл.....К£а>|| 1щы|!лц. ]

Рис. 3. Задание алгоритма расчёта показателя в визуальном редакторе

Значением слагаемого (метрики) может быть формула или список балансовых счетов. Типы метрики: «Формула», «Активные»,

Рис. 4. Редактирование параметров IRI

Для различных временных интервалов возможно задание разных алгоритмов расчёта одного и того же KRI. Для этого выбирается дата начала расчёта по заданному алгоритму, алгоритм, а также максимальное, минимальное и плановое значение.

Модуль расчёта параметров предназначен для расчёт значений KRI, заданных в визуальном редакторе и/или при помощи хранимой процедуры, содержащей алгоритм расчёта. Формальное описание параметров хранимой процедуры имеет следующий вид:

Create procedure AnaliticParamXX (inout dCount date, in Discrete integer, in dBegDate date, in dEndDate date, in dDate1 date, in dDate2 date, inout rMin double, inout rMax double, inout rPlan double,inout rActual double)

Передаваемые параметры:

date dCount текущая обрабатываемая дата

integer Discrete Дискретность расчёта (о -день, 1 - месяц, 2 -квартал, 3 - год )

date dBegDate дата начала периода расчёта

date dEndDate дата окончания периода расчёта

date dDatel дата начала действия алгоритма расчёта

date dDate2 дата окончания действия алгоритма расчёта

double rMin минимальное значение параметра

double rMax максимальное значение параметра

double rPlan плановое значение параметра double rActual фактическое значение

Если для расчёта используется одновременно и хранимая процедура и визуально заданный алгоритм, то в хранимую процедуру могут передаваться данные, полученные после расчёта KRI.

Модуль вывода рассчитанных параметров предназначен для вывода на экран и/или печатающее устройство графиков различных групп и видов показателей, позволяющих определить их численное значение и пронаблюдать динамику развития во времени. Пользователь определяет период отображения, тип графика (линейный, столбиковая диаграмма, поло-сковая диаграмма, круговая диаграмма и пр.), шаг, список всех доступных для просмотра показателей. На рис. 5 показан пример графика расчёта интегральной оценки кредитного риска. График строится по границам периода с заданной дискретностью. Просмотр точных числовых

Рис.5. Пример расчёта IRI

значений показателя производится нажатием кнопки мыши на нужной точки графика.

Выводы

Разработанное программное обеспечение позволяет получить в динамике срез показателей, характеризующих банковские кредитные риски. В зависимости от значения КЯ1 и/или 1Ш быть выбраны соответствующие управленческие воздействия. В разработанной системе мониторинга могут применяться разнообразные методы расчёта и анализа показателей кредитного риска. Система может быть использована и для расчёта других видов банковских рисков.

Материалы поступили в редакцию 11.09.2020 г.

Библиографический список (References)

1. Tchana, F. (2020) Regulation and banking stability: A survey of empirical studies. Working Paper. Universite de Montreal, University of Cape Town. URL: http: //mpra.ub.uni-muenchen.de/9298 (accessed 01 February, 2020).

2. Rouse, C. N. (2010). Bankers' Lending Techniques. Global Professional Publishing; 3rd edition, 2010, p.300.

3. Brown Ken, Moles, Peter (2016). Credit Risk Menegment. Edinbourg, 2016, 44 p.

4. Altman, E., Resti, A., Sironi, A. (2020). Default Recovery Rates in Credit Risk Modeling: AReview of the Literature and Empirical Evidence. December, Working Paper, Stern School of Business, New York University. DOI: https://doi.org/10.1111/ j.0391-5026.2004.00129.x (accessed 10 February, 2020).

5. Меркулова, Т. В. Использование имитационного моделирования для анализа кредитного риска / Т. В. Меркулова, Т. В. Биткова // Пращ Одеського полггехтчного умверсигету. - 2011. - № 3(37). - С. 142-147.

6. Инструкция от 29 ноября 2019 г. № 199-И «Об обязательных нормативах и надбавках к нормативам достаточности капитала банков с универсальной лицензией». - Текст : электронный // Центральный Банк России : сайт. - 2019. - URL: http://docs.cntd.ru/document/564062416 (дата обращения: 02.12.2019).

1. Tchana, F. (2020). Regulation and banking stability: A survey of empirical studies. Working Paper. Universite de Montreal, University of Cape Town. URL: http: //mpra.ub.uni-muenchen.de/9298 (accessed 01 February, 2020).

2. Rouse, C. N. (2010). Bankers' Lending Techniques. Global Professional Publishing; 3rd edition, 2010, p.300.

3. Brown Ken, Moles, Peter (2016). Credit Risk Menegment. Edinbourg, 2016, 44 p.

4. Altman, E., Resti, A., Sironi, A. (2020). Default Recovery Rates in Credit Risk Modeling: AReview of the Literature and Empirical Evidence. December, Working Paper, Stern School of Business, New York University. DOI: https://doi.org/10.1111/ j.0391-5026.2004.00129.x (accessed 10 February, 2020).

5. Merkulova, T. V., Bitkova, T. V. (2011). Ispolzovanije imitacionnogo modelirovanija dlja analiza kreditnogo riska. Praci Odeskogo politehnichnogo universitetu. No 3(37). P.142-147.

6. (2019). Instrukcija ot 29 nojabrja 2019 g. № 199-I «Ob objazatel'nyh normativah i nadbavkah k normativam dostatochnosti kapitala bankov s universal'noj licenziej» [Instruction No. 199-I dated November 29, 2019 «On mandatory standards and allowances to capital adequacy standards of banks with a universal license»]. URL: http://docs.cntd. ru/document/564062416 (accessed 02 December, 2019).

22

Базис. 2020. № 2(8). www.engels.ruc.su/science/basis/