Расчет ожидаемых потерь как элемент оценки риска кредитного портфеля коммерческого банка Текст научной статьи по специальности «Экономика и бизнес»

Расчет ожидаемых потерь как элемент оценки риска кредитного портфеля коммерческого банка

Calculation of expected loss as an element of commercial bank credit portfolio risk estimation

УДК 336.77

Т. А. Пустовалова

доцент Высшей школы менеджмента Санкт-Петербургского государственного университета,

кандидат экономических наук

199004, Санкт-Петербург, Волховский пер.,

д. 1-3

T. A. Pustovalova

199004, Saint-Petersburg, Volkhovskiy per., 1-3

Статья посвящена современным подходам к оценке кредитного риска. На примере кредитного портфеля коммерческого банка проведена оценка (с учетом новых базельских рекомендаций) его ожидаемых кредитных потерь.

The article is devoted to the present-day approaches to credit risk estimation. It presents an estimation (with regard to the new Basel recommendations) of expected credit loss based on the commercial bank credit portfolio.

Ключевые слова: кредитный риск, кредитный портфель, ожидаемые потери, кредитный дефолт, Базель-ский комитет, оценка риска

Keywords: credit risk, credit portfolio, expected loss, credit default, Basel Committee, risk estimation

Кредитный риск, занимающий главенствующее место в иерархии банковских рисков, — неотъемлемая составляющая совокупного риска банка. Анализ эмпирических данных свидетельствует о том, что недостаточное внимание к выявлению, измерению и управлению кредитным риском является ключевой причиной банкротств банков в разных странах мира [1, c. 4].

Кредитный риск можно определить как риск потери заимодавцем активов в результате невыполнения заемщиком взятых на себя договорных обязательств. В современной литературе по банковскому менеджменту и в сложившейся практике в качестве проявления кредитного риска рассматривается дефолт (default) — факт неисполнения или ненадлежащего исполнения контрагентом условий кредитного соглашения (контракта) [2].

Количественной характеристикой риска кредитного портфеля является уровень потерь банка, связанный с невыполнением контрагентами своих обязательств. В мировой практике принято выделять два вида кредитных потерь:

• ожидаемые кредитные потери (Expected Loss);

• неожиданные кредитные потери (Unexpected Loss).

Под кредитными потерями первого вида понимается средний уровень потерь банка, связанных с невыполнением обязательств заемщиков по кредитным сделкам. Ожидаемые потери представляют собой математическое ожидание убытков кредитного порт-

феля. Банк компенсирует эти потери за счет «переноса» их на клиента, т. е. путем включения ожидаемых потерь в стоимость того или иного инструмента, к примеру, через корректировку процентной ставки по ссуде. Ожидаемые потери покрываются за счет формирования соответствующих резервов.

Классический вариант исчисления ожидаемых потерь предлагается в рекомендациях Базельского соглашения 1988 г. Он заключается во взвешивании активов по риску в соответствии с типом заемщика (банк, государство, коммерческая организация и пр.). В российской практике данный подход претерпел существенные изменения. Порядок расчета уровня ожидаемых потерь установлен положением ЦБ РФ № 254-П «О порядке формирования кредитными организациями резервов на возможные потери по ссудам, по ссудной и приравненной к ней задолженности» [3, c. 5]. Процесс оценки ожидаемых потерь состоит из следующих этапов.

1. Оценка качества кредитов, входящих в портфель. Финансовое положение заемщиков определяется в соответствии с индивидуальной, утвержденной в банке, методикой оценки на основе финансовых показателей и профессионального суждения кредитных экспертов. Выделяют три степени градации финансового положения заемщика: хорошее, среднее и плохое. Затем рассматривается такой параметр, как качество обслуживания долга: приводятся четкие условия отнесения уровня обслуживания к хорошему, среднему и плохому. И, наконец, определяется категория качества ссуды (см. табл. 1). Выделяют пять категорий качества ссуды, каждой из которых соответствует специфический уровень риска и определенная вероятность обесценения вследствие неисполнения либо ненадлежащего исполнения заемщиком обязательств по ссуде.

2. Определение структуры портфеля на основе качества кредитов. После присвоения всем ссудам категории качества банк получает полную картину кредитного качества портфеля: сколько кредитов и на какие суммы отнесено к каждой категории.

3. Исходя из структуры портфеля, производится расчет величины ожидаемых потерь: каждой категории качества ссуды ставится в соответствие процент резерва (см. табл. 2).

В новом Базельском соглашении (Базель-II) предлагается осуществлять оценку ожидаемых кредитных потерь по каждой ссуде на основе следующих факторов кредитного риска:

1) вероятность наступления дефолта заемщика (probability of default, PD) — вероятность того, что контрагент не выполнит условий договора в оговоренные сроки;

2) подверженность кредитному риску в момент наступления дефолта (exposure at default, EAD) представ-

<

o. ш

е

о

о; <

с! ш 0.

I

О со О

0

с

1 S

е

о о

Таблица 1

Определение категории качества ссуды с учетом финансового положения заемщика и качества обслуживания долга

^^~~~^^Обслуживание долга Финансовое Хорошее Среднее Плохое

Хорошее Стандартные (I категория качества) Нестандартные (II категория качества) Сомнительные (III категория качества)

Среднее Нестандартные (II категория качества) Сомнительные (III категория качества) Проблемные (IV категория качества)

Плохое Сомнительные (III категория качества) Проблемные (IV категория качества) Безнадежные (V категория качества)

Источник: О порядке формирования кредитными организациями резервов на возможные потери по ссудам, по ссудной и приравненной к ней задолженности: Положение Центрального банка РФ // Консультант Плюс. № 254-П. 26 марта 2004 г. С. 12. Режим доступа: http://www.consultant.ru/online/base/?req=doc;base=LAW;n=85475, свободный. Загл. с экрана.

Таблица 2

Величина расчетного резерва по классифицированным ссудам

Категория качества Наименование ссуды Расчетный резерв, % от суммы долга

I Стандартные 0

II Нестандартные От 1 до 20

III Сомнительные От 21 до 50

IV Проблемные От 51 до 100

V Безнадежные 100

Источник: Там же. С. 14.

ляет собой стоимость активов, которые подвержены риску в момент наступления дефолта; 3) уровень потерь при наступлении дефолта (loss given default, LGD), выражающийся в процентах от величины, находящейся под риском в момент дефолта. Обратная LGD величина — уровень возмещения потерь (recovery rate, RR), или доля задолженности, которую в случае дефолта заемщика удается вернуть путем исполнения гарантий, реализации залога и т. п. Таким образом, RR = 1 - LGD [4, c. 4]. Расчет уровня ожидаемых потерь по каждой ссуде имеет вид:

ELi =(1 - PDt)• 0 + PDt • CEl • LGDt = = PD, • CEi -(1 - RR,).

(1)

Оценить уровень ожидаемых потерь по портфелю можно через сумму математических ожиданий потерь по каждому заемщику (вклад каждого заемщика в эти потери исчисляется как РБ ■ (1 - RR)):

ELP =1 PDi • CE, (1 - RRt),

(2)

где PD[ (probability of default) — вероятность наступления дефолта заемщика, т. е. вероятность того, что контрагент не выполнит условий кредитного договора в оговоренные сроки; СЕг (credit exposure) — стоимость активов, подверженных риску в момент наступления дефолта; RRг (recovery rate) — уровень возмещения потерь, т. е. доля задолженности, которую в случае дефолта заемщика удается вернуть путем исполнения гарантий, реализации залога и др.

Оценка годовой вероятности дефолта PD заемщика является самой сложной задачей. Способы оценки риска дефолта можно подразделить на два основных подхода [3, с. 389]:

• актуарные методы, позволяющие рассчитать оценку вероятности наступления дефолта путем анализа статистических данных по дефолтам;

• методы, основанные на рыночной стоимости долговых обязательств заемщика или производных инструментов на финансовых рынках. Безусловно, банку необходимо располагать средствами, достаточными для компенсации ожидаемых потерь в случае неисполнения заемщиками своих кредитных обязательств. С этой целью создается резервный высоколиквидный фонд, куда отчисляются премии за риск по каждому заемщику. Создавая резервы на возможные потери по ссудам, банки страхуют себя от ожидаемых потерь вследствие кредитного риска. Технически создание резервов происходит путем отнесения на расходы сумм, отражающих представление о возможных потерях.

В данной статье мы предпринимаем попытку определить уровень ожидаемых потерь на примере кредитного портфеля конкретного коммерческого банка.

При исчислении уровня ожидаемых потерь основной задачей является оценка вероятности дефолта каждого заемщика. Этой проблеме посвящено множество исследований, основанных на моделях дискриминант-ного анализа, логит- и пробит-моделях, нейронных сетях, рейтинговых системах и т. д. В данной работе задача оценивания РБ, будет решена в два этапа.

1. На первом этапе на основе собранной статистической информации по кредитным операциям банка мы произведем анализ факторов, которые влияют на вероятность невозврата кредита заемщиком. Инструментом исследования на данной стадии является регрессионный анализ. Будет построена логит-модель зависимости дефолтности отдельного заемщика от имеющихся характеристик заемщика на основе данных по дефолтности заемщиков конкретного коммерческого банка за три года.

2. На втором этапе мы осуществим выбор метода, на основе которого будет оценена вероятность дефолта каждого заемщика.

Расчет ожидаемых потерь будет осуществлен исходя из полученной оценки вероятности дефолта каждого заемщика.

i=1

Таблица 3 <

Описание выборки заемщиков коммерческого банка

Кредитный рейтинг и количество заемщиков Отрасль и количество заемщиков Кредитная история и количество заемщиков

А — 1064 Лесная — 521 Наличие истории — 3680

B — 1535 Торговля — 2574

C — 1954 Металлургия — 391

D — 960 Сельское хозяйство — 344 Отсутствие истории — 1891

E — 58 Рыбная — 315

Строительная — 763

©

С

о

С

Для оценки кредитного риска кредитного портфеля на текущий момент исследователь поставил задачу проанализировать имеющиеся статистические данные по кредитным операциям банка за прошлые периоды. В процессе исследования были обработаны данные по кредитам, выданным коммерческим банком юридическим лицам в 2002-2004 гг. Совокупный объем проанализированной выборки составил 5571 ссуду. По каждому заемщику была известна следующая информация (см. также табл. 3):

• сумма полученного кредита;

• отраслевая принадлежность;

• внутренний кредитный рейтинг заемщика;

• наличие/отсутствие кредитной истории;

• данные по бухгалтерской отчетности заемщика (валюта баланса, выручка, основные средства, размер собственного капитала).

Кроме того, были предоставлены сведения о наступлениях дефолтов по обязательствам.

Для того чтобы оценить вероятность дефолта отдельного заемщика РБ, необходимо, прежде всего, выделить характеристики, оказывающие непосредственное влияние на наступление дефолта по его обязательствам. Для этого была построена эконо-метрическая модель зависимости дефолта от различных параметров контрагента. Специфика данных, использовавшихся для выявления и анализа факторов, влияющих на указанную переменную, потребовала обращения к логит-модели. Последняя позволяет наилучшим образом отобразить связь между факторами риска и дефолтом (принимает значения 0 или 1):

P[yt = l|X}=A(x р),

(5)

где Уг = в0 + РЛ; + в2х21 + ... + + ^ г — но-

мер заемщика (г = 1, ..., 5571); вг — неизвестные параметры; ег — случайная составляющая; Л — логистическая функция.

В качестве результирующего признака у используется бинарная переменная, отражающая факт наступления дефолта заемщика. Переменная у принимает значения:

Г0, в случае своевременного исполнения у1 = ^ обязательств г-м заемщиком;

[1, в случае дефолта г-го заемщика.

Выбор факторов модели ограничивался доступной информацией о заемщиках. Однако, согласно опубликованным исследованиям, почти все финансовые показатели, используемые в настоящей модели, фигурируют в списке «показательных» и широко распространенных при построении моделей предсказания дефолта [5, с. 80]. В качестве независимых переменных, влияющих на изменение результирующего признака, были выбраны:

• х1 — коэффициент финансовой устойчивости компаний-заемщиков, характеризующий долю средств,

которые они могут длительное время использовать в своей деятельности; значение переменной х1 рассчитывается как отношение суммы собственного капитала и долгосрочных пассивов к общей стоимости активов компании:

х1 = Собственный капитал/Активы;

• х2 — коэффициент рентабельности продаж заемщиков, отражающий получаемую ими прибыль в расчете на единицу реализованной продукции; рассчитывается как отношение прибыли от продаж к общему объему выручки компании:

х2 = Прибыль/Выручка;

• х3 — коэффициент рентабельности активов заемщиков, характеризующий их способность эффективно использовать собственные активы для получения прибыли; значение переменной рассчитывается по формуле:

х3 = Прибыль/Активы;

• х4 — коэффициент доходности собственного капитала компании-заемщика, позволяющий оценить эффективность использования капитала как чистую прибыль в расчете на авансированный в капитал рубль; формула для расчета имеет следующий вид:

х4 = Прибыль/Собственный капитал;

• х5 — натуральный логарифм годовой выручки заемщика, отражает размер компании и рассчитывается по формуле:

х5 = Ы(Выручка).

Качественные характеристики заемщиков, такие как принадлежность к определенной отрасли и присвоенный банком кредитный рейтинг, моделировались с помощью «фиктивных переменных» (dummy variables).

Переменные группы риска заемщиков:

1, если заемщик входит в группу

с рейтингом А; 0, если заемщик не входит в группу с рейтингом А;

Ха =

ХгГ -

Х =

1, если заемщик входит в группу с рейтингом В;

0, если заемщик не входит в группу с рейтингом В;

1, если заемщик входит в группу с рейтингом С;

0, если заемщик не входит в группу с рейтингом С;

© о

о о

Х-, п —

1, если заемщик входит в группу

с рейтингом Б; 0, если заемщик не входит в группу с рейтингом Б;

1, если заемщик входит в группу

с рейтингом Е; 0, если заемщик не входит в группу с рейтингом Е.

Переменная, характеризующая кредитную историю заемщика:

1, в случае наличия кредитной

истории заемщика; 0, если кредитная история заемщика отсутствует.

Х11 —

Переменные, характеризующие отраслевую принадлежность:

1, если заемщик принадлежит

к лесной и деревообрабатывающей промышленности; 0,в противном случае;

Х1 9 —

|1, если заемщик принадлежит к торговле Х, — < и общественному питанию; 0,в противном случае;

1, если заемщик принадлежит к отрасли Х14—^ черной и цветной металлургии; |0,в противном случае;

1, если заемщик принадлежит к сельскому х1к — < хозяйству и рыбной промышленности;

0, в противном случае;

1, если заемщик принадлежит х1й—•( к строительной отрасли;

0, в противном случае;

1, если заемщик является представителем Х17—^ прочих отраслей;

|0,в противном случае.

Параметры модели были оценены с использованием пакета «Б!а!а». Анализ модели показал, что статистически значимыми являлись факторы, отражавшие отнесение заемщиков к определенной группе риска и характеризовавшие отраслевую принадлежность. Все остальные факторы для построенной по данной выборке модели были оценены как незначимые.

Таким образом, было установлено наличие взаимосвязи между дефолтностью заемщика и присвоенным ему рейтингом. Следовательно, можно утверждать, что банк обладает эффективной рейтинговой системой градации контрагентов, которая позволяет отделять надежных заемщиков от проблемных.

Исходя из полученных результатов, каждой группе рейтинга можно сопоставить оценку вероятности дефолта, используя частоту возникновения дефолтов заемщиков именно этой группы. Предположим, что рассматриваются заемщики с рейтингом А. Пусть в эту группу входят ЫА заемщиков, а ЫБА из них не выполнили своих обязательств перед банком. Тогда

оценка вероятности дефолта заемщиков с рейтингом А рассчитывается по формуле:

(6)

где Р(Б)А — оценка вероятности дефолта заемщиков с рейтингом А; ЫБА — количество дефолтов заемщиков, входящих в группу А; ЫА — общее количество компаний, входящих в группу А.

В результате вычислений получаем оценки вероятности дефолта каждой компании, которой присвоен рейтинг А. Описывавшаяся выше процедура была применена в отношении остальных групп заемщиков. Полученные результаты представлены в табл. 4.

Таблица 4

Соотношение уровня дефолтности и рейтинга заемщика

Рейтинг Вероятность дефолта р

А 0,009

В 0,015

С 0,029

Б 0,035

Е 0,045

На следующем этапе на основе полученных данных была решена задача оценки ожидаемых потерь анализируемого кредитного портфеля. Расчет ожидаемых потерь осуществлялся по формуле (4):

ЕЬр — ¿РБ, ■ СЕ, (1 - ИИ,), I — 1, ..., 1200.

¡—1

Остановимся подробнее на каждом элементе этого равенства. ЕЬр — это ожидаемые потери исследуемого кредитного портфеля. РБ, — оценка вероятности наступления дефолта ¿-го заемщика в портфеле. Каждому заемщику ставится в соответствие оценка вероятности дефолта в зависимости от присвоенного ему рейтинга (см. табл. 4). СЕ, — это стоимость активов, которые потеряет банк в случае дефолта контрагента. Фактически величина потерь определяется как сумма задолженности по кредиту и процентам, начисленным на момент признания ссуды проблемной. Иногда учитываются также издержки банка на востребование кредита. Однако в связи с отсутствием более подробных данных в настоящем исследовании под СЕ, принимается только сумма текущей ссудной задолженности ¿-го заемщика. RRi обозначается уровень возможного возмещения потерь в случае дефолта ¿-го контрагента. Все кредиты в банке разделены на три категории обеспеченности: полностью обеспеченные, частично обеспеченные и необеспеченные (бланковые) кредиты. На основе экспертных оценок возможности реализации залога и взыскания проблемных ссуд каждой категории поставлен в соответствие определенный уровень возмещения потерь [6, с. 75].

Таким образом, был проведен расчет ожидаемых потерь по каждому заемщику в анализируемом портфеле ЕЬ, и в общем по кредитному портфелю ЕЬр. Значение ожидаемых потерь по портфелю ЕЬр составило 269 068,6 тыс. руб., или 2,6% от объема портфеля, что ниже уровня резерва на возможные потери по ссудам, сформированного для данного кредитного портфеля.

Анализ кредитного риска на индивидуальном уровне с помощью построения логит-модели зависимости дефолтности заемщиков от их характеристик и частотного подхода к оценке вероятности позволяет

Х9 —

исчислить уровень ожидаемых потерь коммерческого банка. Полученное значение рекомендуется использовать в качестве ориентира для создания резервов на возможные потери банка по ссудам.

Следующим этапом исследования должен стать расчет непредвиденных кредитных потерь и сопоставление полученных показателей с нормативными значениями достаточности капитала, установленными ЦБ РФ.

Разработанная методика может быть использована коммерческими банками в качестве основы для развития собственной системы внутреннего кредитного анализа на основе IRB подхода Базеля-11 и оценки уровня достаточности капитала в соответствии с международными стандартами [7, с. 8].

Литература

1. Банковский надзор: европейский опыт и российская практика / Под ред. М. Олсена / Пер. с англ. М., 2005.

2. Кутуев Р. Р., Пустовалова Т. А. Кредитный риск коммер- < ческого банка: анализ моделей // Вестник Санкт-Пе- ш тербургского университета. Серия: Менеджмент, 2008. § Вып. 1. к

3. О порядке формирования кредитными организациями í резервов на возможные потери по ссудам, по ссуд- ^ ной и приравненной к ней задолженности: Положение ^ Центрального банка РФ // Консультант Плюс. № 254-П ^ от 26 марта 2004 г. ¿

4. International Convergence on Capital Measurement and m Capital Standards. Basel Committee on Banking Supervision. § Basel. 2005 // http://www.bis.org/bcbs/irbriskweight.pdf. ^

5. New Trends in Banking Management / Ed. by C. Zopounidis. i NY, Physica-Verl., 2002. |

6. Лукашевич И. В., Пустовалова Т. А. Залог и его оценка в условиях риска // Корпоративные финансы. ГУ ВШЭ, 2009. № 3 (11).

7. Похорова И. С., Пустовалова Т. А. Оценка достаточности капитала в российских банках в соответствии с международными стандартами // Корпоративные финансы. ГУ ВШЭ, 2009. № 4 (12).

Инновационные системы управления взаимоотношений с клиентами в коммерческих банках

Innovation client relationship management system in commercial in commercial banks

УДК 336.717

П. А. Карлов

заместитель начальника Дополнительного офиса «Смольнинский» Санкт-Петербургского филиала Банка «Возрождение» (ОАО) 199034, Санкт-Петербург, Университетская наб., д. 7-9

P. A. Karlov

199034, Saint-Petersburg, Universitetskaya nab., 7-9

В статье рассматриваются опыт и перспективы внедрения коммерческими банками систем управления взаимоотношениями с клиентами (CRM-систем). Рассматриваются основные преимущества и риски, получаемые кредитными учреждениями при работе с ними. Статья содержит оценку экономического эффекта внедрения систем управления взаимоотношениями с клиентами в коммерческих банках.

The article reviews experience and perspectives of client relationship management systems (CRM-systems) implementation in commercial banks. It reviews basic advantages and risks of credit institutions while working with them. The article contains an estimation of economic effect received through implementation of client relationship systems in commercial banks.

Ключевые слова: CRM-системы, отношения с клиентами, управление лояльностью, риски, экономический эффект, инновации, автоматизация бизнес-процессов

Keywords: CRM-systems, client relationship, loyalty management, risks, economic effect, innovations, business processes automation

Среди основных инноваций в управлении коммерческими банками выделяются так называемые системы управления взаимоотношений с клиентами (CRM — Customer Relationship Management). Рынок данных программ сегодня переживает настоящий бум. Темпы внедрения CRM-систем меняются экспоненциально, даже несмотря на общее замедление скорости роста рынка. Все говорит о том, что в ближайшее время возрастание продаж продолжится [1].

В настоящее время существуют две точки зрения на проблему внедрения CRM-систем в коммерческих банках.

Первый подход рассматривает внедрение CRM-сис-тем как сомнительное нововведение, требующее значительных первоначальных затрат времени и ресурсов, которое влечет за собой ничем не гарантированное увеличение показателей деятельности банка. Кроме того, использование CRM-систем — это не просто создание дополнительного программного обеспечения, требующего только установки, но и коренное изменение принципа работы каждого сотрудника банка, работающего с этой системой. Так, каждый менеджер обязан регулярно заносить в программу все свои действия, совершаемые при работе с клиентами.

Вторая точка зрения, напротив, говорит, что при умелом внедрении CRM-систем банк получает не только удобно структурированную базу клиентов, но и значительное конкурентное преимущество в глазах клиента банка — работа учреждения ориентирована именно на его нужды и предпочтения, независимо от смены личного менеджера или руководства организации.