CC BY
27РАЗРАБОТКА КОМПЛЕКСНОЙ МЕТОДИКИ ПРОГНОЗИРОВАНИЯ БАНКРОТСТВА КОММЕРЧЕСКОГО БАНКА
DEVELOPMENT OF A COMPLEX TECHNIQUE OF FORECASTING OF BANKRUPTCY OF COMMERCIAL BANK
М.С. ПОЛЯКОВА,
студент Федерального государственного бюджетного образовательного учреждения высшего профессионального образования «Всероссийский заочный финансово-экономический институт» (ВЗФЭИ), финансово-кредитный факультет, 6-й курс
M.S. POLYAKOVA,
student of All-russian State Distance-Learning Institute of Finance and Economics (ARDLIFE), Finance and credit faculty, 6 course.
Аннотация
В работе была разработана комплексная методика прогнозирования банкротства коммерческого банка для РФ на основе выявления перечня зависимых показателей. Основным достоинством предлагаемого подхода является нахождение наиболее влияющих на возможность банкротства экономических качественных и количественных показателей и установление взаимосвязи между ними и силы воздействия с помощью современного эконометрического моделирования.
Abstract
In work the complex technique of forecasting of bankruptcy of commercial bank has been developed for the Russian Federation on the basis of revealing of the list of dependent indicators. The basic advantage of the offered approach is the finding of the most influencing possibility of bankruptcy economic qualitative both quantity indicators and an establishment of interrelation between them and forces of influence by means of modern econometric simulations.
Ключевые слова
1. Комплексный критерий
2. Российские условия
3. Прогнозирование банкротства
4. Пробит-моделирование
5. Значимые факторы
6. Ретроспективный период
Keywords
1. The complex criterion
2. The Russian conditions
3. Bankruptcy forecasting
4. Is punched-modeling
5. Significant factors
6. The retrospective period
Введение
Особое место среди существующих теоретических и практических проблем управления коммерческим банком занимает проблема предсказания кризисной ситуации и, в частности, его банкротства. Как известно, в настоящее время Россия представляет собой страну с развивающейся экономикой, что обуславливает нестабильность процессов и факторов, составляющих внешнюю среду деятельности коммерческих банков и банковского сектора в целом. В результате для обеспечения эффективного функционирования банка в условиях нестабильности рыночных процессов необходимо не только осуществлять финансовый анализ банка в целях определения его состояния на заданном этапе его развития, но и осуществлять его раннюю диагностику на предмет возможного банкротства в будущем.
Вместе с тем в настоящее время не разработана методика, позволяющая с достаточной степенью достоверности прогнозировать банкротство коммерческого банка в российских условиях. Кроме того, на сегодняшний день отсутствует единый источник, содержащий систематизацию известных методик прогнозирования банкротства коммерческих банков. Тема работы является актуальной.
Концептуальные основы прогнозирования банкротства банка, а также методологические подходы освещены в работах зарубежных и российских авторов, среди которых прежде всего следует назвать В.С. Кромонова, А.В. Буздалина, В.Н. Котенкова, Б.В. Сазыкина, J.A. Jagtiani, J.W. Kolari, C.M. Lemieux, G. Hwan Shin, Estrella A., Park S., Peristiani S. и др.
Цель данного исследования состоит в выявлении проблем прогнозирования банкротства коммерческих банков в России и разработке на
этой основе комплексной методики прогнозирования банкротства коммерческих банков.
Для достижения сформулированной цели в данной дипломной работе были поставлены следующие задачи:
1) изучение теоретических аспектов и методик прогнозирования банкротства коммерческих банков;
2) исследование адекватности существующих методик прогнозирования банкротства коммерческих банков (российских и зарубежных авторов) российским условиям с целью выявления преимуществ и недостатков данных подходов;
3) разработка комплексной методики прогнозирования банкротства коммерческого банка с учетом выявленных преимуществ и недостатков, характерных для существующих подходов к данной проблеме, на основе эконометрического моделирования (пробит-моделирования).
В качестве эмпирической базы использовались данные 100 российских коммерческих банков за период с 2007 по 2010 год. В качестве методологии исследования используется эконометрическое моделирование (EViews, 6-я версия).
Научная новизна работы заключается в следующем:
• разработана классификация методик прогнозирования банкротства коммерческих банков;
• выявлены преимущества и недостатки российских и зарубежных методик прогнозирования банкротства коммерческих банков;
• произведена оценка на предмет адекватности применения отечественных и зарубежных методик в российских условиях. Оценка производилась с помощью сопоставления результатов, полученных по методикам, с реальным состоянием банков;
• разработана авторская комплексная методика прогнозирования банкротства коммерческих банков на основе пробит-моделирования, предлагается использовать комплексный критерий перспективной вероятности банкротства коммерческого банка;
• выявлена точность применения комплексной методики.
Объектом исследования являются российские коммерческие банки, предметом исследования - методика прогнозирования банкротства.
Практическая значимость заключается в использовании предлагаемой методики для оценки вероятности банкротства банков РФ.
1. Теоретические аспекты методик прогнозирования
банкротства банков
На современном этапе развития российской экономики выявление неблагоприятных тенденций развития коммерческого банка и, в частности, прогнозирование банкротства приобретают первостепенное значение.
Вместе с тем в настоящее время не разработана методика, позволяющая с достаточной степенью достоверности прогнозировать банкротство коммерческого банка. Кроме того, на сегодняшний день отсутствует единый источник, содержащий систематизацию известных методик прогнозирования банкротства коммерческих банков. Следует отметить, что преобладающая часть разработанных на сегодняшний день методик прогнозирования банкротства ориентирована на предприятия и лишь незначительная часть - на коммерческие банки. Как известно, деятельность коммерческого банка обладает определенной спецификой по сравнению с хозяйственной деятельностью предприятия. Данный факт ставит под сомнение применимость методик прогнозирования банкротства предприятий для коммерческих банков.
В то же время основой ряда подходов к прогнозированию банкротства коммерческих банков являются методики, изначально разработанные для предприятий1. Краткая характеристика ряда зарубежных методик прогнозирования банкротства предприятий представлена в приложении 3 данной работы.
Анализ подходов, представленных в работах российских и зарубежных авторов, позволяет предложить достаточно полную, на наш взгляд, классификацию методик прогнозирования банкротства коммерческих банков.
Данная классификация представлена в приложении 5. Как видно из приложения 5, в соответствии с предложенной классификацией методики прогнозирования банкротства коммерческих банков, с одной стороны, можно разделить на российские и зарубежные (в силу различий, о которых говорилось при рассмотрении причин банкротства банков), и, с другой стороны, - на количественные и качественные. Данный метод позволяет провести наиболее разносторонний анализ существующих подходов к прогнозированию банкротства коммерческих банков.
1) Методики коэффициентного анализа.
2) Рейтинговые системы.
3) Статистические модели.
4) Нейросетевое моделирование.
5) Комплексная оценка банковских рисков.
6) Методы экспертных оценок.
7) Прочие количественные методики прогнозирования банкротства коммерческого банка.
1 Altman E.I. (1968a). Financial Ratios, discriminant analysis and the prediction of corporate bankruptcy. Journal of Finance, 23 (4), 589-609.
2. Исследование адекватности российским условиям существующих методик прогнозирования банкротства коммерческого банка
Далее будет проведена апробация отечественных и зарубежных методик на примере российских коммерческих банков и сделан вывод об их адекватности условиям российской экономики.
Анализ методики О.Л. Иапшеск (1977)
Методика в.Л. На^еск предполагает построение статистической модели вероятности банкротства, которую можно представить в виде следующей функции (приложение 1).
Поскольку модель «вероятности банкротства» в.Л. На^еск предполагает прогнозирование банкротства коммерческих банков на один год вперед, для исследования целесообразности применения данной методики в российских условиях необходимо осуществлять расчеты на основе отчетности по состоянию на 01.01.2008 и сравнивать с рейтингом по состоянию на 01.01.2009 (для банков, которые по состоянию на 01.01.2009 были признаны банкротами, будет сделан вывод о правильности прогноза на основе того, показала ли методика высокую вероятность банкротства). Для анализа была сделана выборка из 40 нормально функционирующих банков, а также, для наиболее полного исследования, еще одна выборка из 40 банков, фактически признанных банкротами по состоянию на 01.01.2009. Данные брались из отчетности, вывешенной на сайте ЦБ. Результаты расчетов по методике «вероятности банкротства» в.Л. На^еск представлены в табл. 2.
Как видно из табл. 2, почти все значения вероятности банкротства, рассчитанные на основе модели 2 (за исключением результатов всего лишь семи банков из всей выборки), не несут в себе какого-либо экономического смысла вследствие нарушения условия 0 < Рц < 1: некоторые значения превышают единицу (причем намного), другие же уходят в отрицательную область, что делает невозможным интерпретацию полученных результатов расчетов.
По нашему мнению, данный факт обусловлен различиями в специфике деятельности коммерческих банков в России и США. При этом речь идет не о показателях, включенных в модель (в отчетности российских коммерческих банков отражаются аналогичные показатели), а о различии их значений для американских и российских коммерческих банков. В результате коэффициенты модели, рассчитанные для коммерческих банков США, не подходят для расчета вероятности банкротства российских банков.
Таблица 2
Сравнительный анализ средних значений показателей модели «вероятности банкротства» для коммерческих банков США и России
Показатель Обозначение Среднее значение для банков США Среднее значение для российских банков2 Соотношение показателей
1 2 3 4 5=3/4
Отношение чистого текущего дохода к активам банка NOIA 0,086 0,017 4,951
Отношение собственного капитала к активам банка K A 0,012 0,153 0,078
Коэффициент прироста чистого текущего дохода PCHNOI 0,186 1,194 0,156
Коэффициент прироста общей суммы активов банка PCHA 0,461 1,807 0,255
Соотношение выданных ссуд и собственного капитала банка L K 6,228 1,224 5,088
Натуральный логарифм общей величины активов банка Ln A A ) 9,695 23,954 0,405
Источник: Годовая отчетность российских банков по состоянию на 01.01.2008 и на 01.01.2009, представленная на официальном сайте Центрального банка РФ; G.A. Hanweck // Predicting Bank Failure, The
US Federal Reserve System Working Paper, Nov., 1977.
2 Рассчитано на основе отчетности по состоянию на 01.01.2008 и на 01.01.2009 для восьми российских коммерческих банков.
Как видно из табл. 2., среднее значение показателей, рассчитанных для российских и американских коммерческих банков, существенно различается.
В целом столь сильные расхождения в средних значениях показателей модели «вероятности банкротства» можно объяснить не только различиями во внутренней специфике деятельности российских банков и банков США, но и тем фактом, что США в 1974 году и Россия в 2008-2009 годах находились на совершенно разных стадиях экономического развития. Несмотря на то, что модель G.A. Hanweck не учитывает макроэкономическую ситуацию в стране и включает только «внутренние» показатели деятельности коммерческих банков, различия в стадиях экономического развития России и США отразились на результатах расчетов по данной модели.
Анализ методики «недостаточной капитализации» J.A. Jagtiani, J.W. Kolari, C.M. Lemieux, G. Hwan Shin (2000)
Одним из современных и не исследованных на предмет возможности применения в российских условиях зарубежных методик прогнозирования банкротства коммерческих банков является подход, предложенный J.A. Jagtiani, J.W. Kolari, C.M. Lemieux, G. Hwan Shin (2000) как модификация модели Альтмана, адаптированная для коммерческих банков. Поскольку, также как и модель «вероятности банкротства» G.A. Hanweck, исследованная выше, методика «недостаточной капитализации» J.A. Jagtiani, J.W. Kolari, C.M. Lemieux, G. Hwan Shin предполагает прогнозирование банкротства на один год вперед, осуществлять расчеты также целесообразно на основе отчетности по состоянию на 01.01.2008 и сравнивать с рейтингом по состоянию на 01.01.20093, а в качестве объектов анализа можно выбрать те же банки, что и в случае первой методики4. Как видно из приложения 7, результаты прогнозирования банкротства коммерческих банков, полученные в результате расчетов по методике «недостаточной капитализации», практически не соответствуют фактическим результатам, которые имели место по истечении периода прогнозирования (т.е. через год). Подавляющее большинство результатов попадают в интервалы, определенные авторами методики, и принимают значения, коренным образом не соответствующие реальному положению банка в исследуемом
3 Для банков, которые по истечении периода прогнозирования были объявлены банкротами, сравнение будет осуществляться с вероятностью их банкротства в соответствии с методикой.
4 Тот факт, что для исследования разных методик в качестве объектов были выбраны одни и те же коммерческие банки, позволяет получить результаты, которые являются сопоставимыми между собой.
периоде. Более того, полученный результат можно охарактеризовать как прогноз «с точностью до наоборот», поскольку низкая вероятность банкротства по исследуемой методике характерна в основном для банков, обанкротившихся в следующем году. Например, для банков, представляющих выборку банкротов, характерны значения, свидетельствующие о ситуации благополучия и низкого риска банкротства (МежПромБанк - 303,43; Камчатпромбанк - 368,67). А банки, продолжающие свою деятельность, модель определяет в интервал банкротства (Сведбанк - 111,27; РосЕвроБанк - 135,25). Кроме того, для значительной доли исследуемых банков спрогнозировать банкротство невозможно вследствие попадания обобщающего показателя в зону неопределенности (например, Колыма-Банк - 242,63; Банк Нижний Новгород - 247,28).
Таким образом, сравнительный анализ результатов прогнозирования банкротства коммерческих банков по методике «недостаточной капитализации» с фактическими данными по истечении периода прогнозирования позволяет сделать следующий вывод: результаты применения данной методики дают либо неверные результаты, либо свидетельствуют о невозможности сделать вывод о вероятности банкротства коммерческого банка в будущем (по истечении одного года с момента расчетов).
По нашему мнению, в качестве основных причин неприменимости статистических моделей зарубежных авторов в российских условиях можно назвать:
• различия в исходных данных, используемых для построения моделей: статистические модели были построены на основе выборки зарубежных банков, для которых характерны параметры структуры баланса и эффективности деятельности, отличные от российских. В результате коэффициенты модели применимы только для банков, аналогичных тем, что вошли в выборку.
• различия в макроэкономической ситуации: несмотря на то, что ряд моделей не содержит непосредственно факторов, отражающих макроэкономическую ситуацию в стране, данные факторы воздействуют на параметры деятельности коммерческих банков, из которых составлялась выборка, и, следовательно, полученные коэффициенты модели также не применимы для страны с другой макроэкономической ситуацией (например, параметры, рассчитанные для страны с низкими темпами инфляции, не подойдут для страны с высокой инфляцией). Данное утверждение справедливо также для методик, разработанных длительный период времени назад (например, методика в.Л. На^еск (1977).
Вместе с тем тот факт, что статистические модели показали высокую точность в тех странах, где были разработаны, позволяет заключить, что, используя тот же математический аппарат, но на основе выборки российских банков и системы показателей, построенной на основе банковской финансовой отчетности по российским стандартам, можно построить достаточно точную модель, которая будет изначально разработана для российских условий.
Российские методики
Что касается российских методик, то автором был произведен расчет по 10 банкам двух методик: методика Кромонова и методика модели модифицированного балансового уравнения. Ввиду ограничения объема работы мы остановимся коротко на результатах.
Также как и коэффициентные методики, методики рейтинговых оценок, и в частности методика Кромонова, характеризуются коротким горизонтом прогнозирования (максимальный срок - 3 месяца). Был рассчитан в соответствии с методологией текущий индекс надежности. Для анализа были включены следующие банки:
• ЗАО «КБ «Ситибанк» (Москва) - из группы банков, имеющих рейтинговую оценку «*****»;
• ОАО «Русь-Банк» (Москва) - из группы банков, имеющих рейтинговую оценку «****»;
• ОАО «Бинбанк» (Москва) - из группы банков, имеющих рейтинговую оценку «***»;
• АКБ «Интеза» (Москва) и КБ «Союз» (ЗАО) (Москва) - из группы банков, имеющих рейтинговую оценку «**».
• АКБ «С-Банк» (Москва) - признан банкротом по решению Арбитражного суда г. Москвы от 26.02.2010.
Для большинства банков прогноз вероятности банкротства совпадает с фактическим состоянием по истечении периода прогнозирования. Исключением является АКБ «С-Банк» (Москва): значение текущего индекса надежности для данного банка выше, чем для АКБ «Интеза», в то время как по состоянию на 01.01.2011 он был признан банкротом, а АКБ «Интеза», несмотря на кредитный риск выше среднего (**), вошел в рейтинг «Банкир.Ру». Следовательно, на основе результатов анализа методики Кромонова можно сделать вывод, в соответствии с которым данная методика не всегда позволяет сделать точный вывод относительно вероятности банкротства коммерческого банка в ближайшем будущем.
В то же время в процессе анализа методики Кромонова на предмет адекватности российским условиям были выявлены следующие недос-
татки данной методики в дополнение к уже сформулированным в первой главе данной исследовательской работы:
• также как и в случае модели модифицированного балансового уравнения, расчет показателей методики возможен только на основе формы № 101, которая содержит данные по счетам второго порядка. В результате расчеты без специального программного обеспечения требуют больших затрат времени;
• не учитывает динамику показателей, которая играет важную роль при ранней диагностике банкротства коммерческого банка;
• небольшой горизонт оценки прогнозирования (3 месяца).
Как было отмечено ранее, в России на сегодняшний день наиболее распространены методики коэффициентного анализа коммерческих банков на предмет возможного банкротства. При этом эффективным средством анализа банков на предмет банкротства считается модель модифицированного балансового уравнения.
Так как модель модифицированного балансового уравнения предполагает достаточно большой объем расчетов, для анализа данной методики на предмет эффективности применения в российских условиях было выбрано по одному банку из каждой группы рейтинга «Банкир. Ру» на 01.01.2010 г.:
• ОАО «Глобэкс» (Москва) - из группы банков, имеющих рейтинговую оценку «*****»;
• ОАО «АКБ «ОТП Банк» (Москва) - из группы банков, имеющих рейтинговую оценку «****»;
• АКБ «ИНГ Банк» (Москва) - из группы банков, имеющих рейтинговую оценку «***»;
• ОАО «КБ «ЦентроКредит» (Москва) - из группы банков, имеющих рейтинговую оценку «**»;
• ОАО «Супербанк» - из группы банков, находящихся в состоянии банкротства по истечении периода прогнозирования.
Результаты анализа банков на предмет банкротства по модели модифицированного балансового уравнения полностью согласуются с их фактическим состоянием по истечении периода прогнозирования (например, ОАО «Глобэкс» имеет достаточно высокие показатели ликвидности и эффективности деятельности, что соответствует его реальному положению). Данный факт позволяет сделать вывод о целесообразности применения модели модифицированного балансового уравнения в российских условиях. Возможно, это обусловлено тем, что показатели, расчет которых предполагает данная методика, изначально разрабатывались на основе российских стандартов финансовой отчетности коммерческих банков.
Вместе с тем в ходе исследования был выявлен ряд недостатков данной методики:
• модель модифицированного балансового уравнения предполагает расчет слишком большого количества показателей. В то же время в обязанности финансового аналитика входит анализ до нескольких десятков банков-контрагентов, что делает необходимый объем расчетов слишком большим;
• следующий недостаток вытекает из первого: поскольку модель модифицированного балансового уравнения предполагает расчет большого количества показателей, то вывод о возможности банкротства делается на основе анализа всех этих показателей, что значительно затрудняет формулировку данного вывода, а в случае анализа большого количества банков (с последующим сравнительным анализом результатов по каждому банку) - требует очень больших умственных затрат. Возможно, было бы целесообразно разработать на базе данной методики единый показатель, что значительно бы упростило процедуру интерпретации результатов и их сравнительного анализа для большого количества банков;
• расчет агрегированных статей баланса возможен только на основе формы № 101, которая содержит данные по счетам второго порядка. В результате агрегирование статей баланса представляет собой достаточно трудоемкую процедуру, которую сложно произвести без специального программного обеспечения.
Проведенный в данной главе анализ зарубежных методик прогнозирования банкротства коммерческих банков на предмет адекватности российским условиям позволит существенно дополнить перечень их преимуществ и недостатков. В настоящее время в России не создана методика прогнозирования банкротства коммерческих банков, отвечающая всем перечисленным условиям. Вместе с тем современная эконометрическая наука предлагает обширный инструментарий, позволяющий разработать подобную методику, что и будет осуществлено в следующей главе данной работы.
3. Разработка комплексной методики прогнозирования банкротства коммерческого банка
Построение модели комплексной методики прогнозирования банкротства коммерческого банка, предлагаемой в данной работе, предполагает последовательную реализацию ряда этапов:
1) Формирование обучающих статистических выборок российских коммерческих банков (банкроты - небанкроты) и массивов финансово-экономических данных в ретроспективном периоде5.
5 То есть за определенный период времени до фактического банкротства коммерческих банков.
2) Выбор факторов, которые могут влиять на возникновение риска банкротства.
3) Проведение пробит-моделирования, оценка адекватности модели, отбор значимых факторов.
4) Расчет комплексного критрвия перспективной вероятности банкротства коммерческого банка К р)6. Обоснование диапазонов критерия Крвр, используемых для классификации российских коммерческих банков на группы по уровню риска возникновения банкротства.
5) Апробация методики на другой выборке банков.
Далее процесс построения модели, служащей основой комплексной методики прогнозирования банкротства коммерческого банка, будет рассмотрен в соответствии со сформулированными выше этапами.
1-й этап. Формирование выборки банков. Общее количество банков, вошедших в выборки, составило 100 коммерческих банков, что является достаточным для построения точной модели прогнозирования банкротства.
2-й этап. Формирование факторов, влияющих на банкротство банков. Поскольку в отличие от других подходов, предложенная комплексная методика прогнозирования банкротства коммерческого банка
учитывает не только показатели деятельности коммерческого банка, но и макроэкономическую ситуацию в стране (как отмечалось ранее, для экономики России характерны случаи массовых банкротств банков под воздействием неблагоприятных макроэкономических тенденций), факторы, включенные в исследование, можно разделить на две группы:
1) Внутренние факторы - характеризуют непосредственно деятельность коммерческого банка.
2) Внешние факторы - характеризуют макроэкономическую ситуацию в стране, а также изменения, происходящие в банковской сфере.
В то же время, поскольку предложенная методика наряду с количественными показателями учитывает качественные показатели деятельности коммерческих банков, внутренние факторы целесообразно также разделить на количественные и качественные.
При этом количественные факторы деятельности коммерческого банка можно разделить на:
• Статические показатели.
• Показатели динамики.
В табл. 3 представлены показатели, формирующие исходный массив данных.
6 РВР является аббревиатурой от «perspective bankruptcy probability», или «перспективная вероятность банкротства».
Таблица 3
Показатели, формирующие исходный массив данных для построения модели прогнозирования банкротства коммерческих банков
Группа факторов Наименование показателя Обозначение Экономический смысл
1 2 3 4
Внутренние
факторы
1. Количественные факторы
1.1. Статические факторы Активы А Характеризуют масштабы деятельности банка. Являются экстенсивными показателями.
Собственный капитал Е С
Прибыль (убыток) Р
Количество филиалов № В
Отношение собственного капитала к активам ЕС_А Характеризует финансовую устойчивость банка. Является показателем, характеризующим общую достаточность капитала.
Доля обязательств до востребования в общей сумме обязательств П_ЫаЬ Характеризует структуру привлеченных средств банка. Показывает долю наиболее неустойчивых обязательств в общей сумме обязательств.
Отношение межбанковских кредитов к суммарным обязательствам МВС_ЫаЬ Характеризует степень зависимости анализируемого банка от рынка межбанковских кредитов.
Группа факторов Наименование показателя Обозначение Экономический смысл
Коэффициент мгновенной ликвидности (отношение ликвидных активов к обязательствам до востребования) К_Ь Является одним из важнейших показателей ликвидности. Характеризует степень покрытия наиболее неустойчивых обязательств ликвидными средствами.
Мультипликатор капитала (отношение активов к собственным средствам банка) М_С Является показателем эффективности деятельности коммерческого банка. Характеризует объем активов, который удается получить с каждого рубля собственного капитала.
Рентабельность активов (отношение прибыли после уплаты налогов к активам банка) ЯОА Характеризует общую эффективность деятельности банка, работы активов.
Рентабельность собственного капитала (отношение прибыли после уплаты налогов к собственным средствам банка) ЯОЕ Характеризует эффективность использования собственного капитала банка.
1.2. Показатели динамики Темп прироста активов Т_А Характеризуют изменения, происходящие в деятельности банка за 1-2 года перед банкротством.
Группа факторов
Наименование показателя Обозначение
Темп прироста ликвидных активов Г_1_Л
Темп прироста собственного капитала Т_Е_С
Темп прироста обязательств до востребования Т_ЫаЬ
Темп прироста суммарных обязательств Т_Б_ЫаЬ
Темп прироста прибыли Т_Р
Абсолютное изменение отношения собствен- АЕС_А
ного капитала к акти-
вам
Абсолютное изменение доли обязательств для востребования в общей сумме обязательств АБ_ЫаЬ
Абсолютное изменение отношения межбанковских кредитов к суммарным обязательствам А МВС_ЫаЬ
Абсолютное изменение коэффициента мгновенной ликвидности АКЬ
Абсолютное изменение
мультипликатора капитала АМС
Абсолютное изменение рентабельности активов АЯОА
Абсолютное изменение рентабельности собственных средств АЯОЕ
Экономический смысл
1.2. Показатели динамики
Характеризуют изменения, происходящие в деятельности банка за 1-2 года перед банкротством.
Группа факторов Наименование показателя Обозначение Экономический смысл
2. Качествен -ные факторы Возраст руководства банка Авв Показывает средний возраст руководства банка. Принимает значение 0, если руководству до 30 лет, значение 1 - если от 30 до 40 лет, и значение 2 - если больше 40 лет.
Местоположение банка Place Характеризует деятельность банка с точки зрения его местоположения. Принимает значение 1, если банк (головной банк в случае, если банк имеет филиалы) находится в Москве, и 0 - если в других регионах России.
Отраслевая специфика деятельности банка Sphere Характеризует деятельность банка с точки зрения его принадлежности к сырьевому сектору экономики. Принимает значение 0, если банк принадлежит к сырьевому сектору, и значение 1 - в обратном случае.
Группа факторов Наименование показателя Обозначение Экономический смысл
Внешние Темп роста ВВП на душу населения1 Тавр Характеризует изменение мак-роэкономиче-ской ситуации в целом, уровня экономического развития, а также способности производить и потреблять товары и услуги.
факторы
Ставка рефинансирования ЦБ Я Оказывает непосредственное влияние на деятельность коммерческих банков. Путем снижения или увеличения ставки рефинансирования ЦБ может усиливать или ослаблять заинтересованность коммерческих банков в получении дополнительных резервов на основе заимствований у него.
Темп прироста кредитных организаций, прекративших свою деятельность, по отношению к предыдущему году, % Т1_СО Характеризует возможные тенденции к массовым банкротствам в области банковской деятельности.
7 Выборка для апробации содержит данные по банкам, не вошедшим в генеральную совокупность.
Как видно из табл. 3, массив данных включает достаточно большое разнообразие факторов и включает показатели, характеризующие деятельность банков с разных сторон: масштабы деятельности, ликвидность, платежеспособность, финансовую устойчивость, эффективность деятельности, возраст, региональную и отраслевую специфику, а также влияние ряда макроэкономических факторов. При этом достаточно большое внимание было уделено обязательствам до востребования как одной из наиболее неустойчивых характеристик деятельности коммерческого банка.
Таким образом, исходный массив данных включает 30 показателей для 100 банков, что является достаточным для разработки точной и эффективной модели прогнозирования банкротства. При этом временной горизонт предсказания риска банкротства (период прогнозирования), составляющий 1-2 года, увязывается с принятым в исследовании лагом времени между датой начала фактической процедуры банкротства (отзыва лицензии) и датой финансовой отчетности банка.
Таблица 4
Оценка значимости факторов на банкротство банков с помощью пробит-моделирования (итоговая модель)
Переменные Коэффициент Стандартная ошибка z- статистика Вероятность
K18 2.24E-10 1.33E-10 1.682013 0.0926
K15 -6.85E-11 3.08E-11 -2.225101 0.0261
K13 1.46E-09 7.29E-10 1.999731 0.0455
K9 2.91E-10 1.40E-10 2.078863 0.0376
K7 -1.267966 0.335121 -3.783608 0.0002
K4 0.037343 0.021229 1.759075 0.0786
C 1.925905 0.476743 4.039714 0.0001
McFadden
R-squared 0.620366 Mean dependent var 0.505051
S. D. dependent var 0.502519 S. E. of regression 0.300676
Akaike
info criterion 0.667660 Sum squared resid 8.317351
Schwarz criterion 0.851154 Log likelihood -26.04919
Hannan-Quinn
criter. 0.741902 Restr. log likelihood -68.61652
LR statistic 85.13467 Avg. log likelihood -0.263123
3-й этап. Эконометрическое моделирование (пробит-моделиро-вание)
Данный метод является стандартным и использовался во многих работах, посвященных разработке методики оценки банкротства банков. Согласно этому подходу, вероятность того, что банк окажется в кризисной ситуации, является функцией вектора n объясняющих переменных Xt. В исследовании предлагается использовать класс эконометрических моделей бинарного выбора, а именно пробит (ргоЪк)-модель. Модели бинарного выбора предполагают дискретную объясняемую переменную модели (наступление или отсутствие кризиса). Объясняемая переменная FKt принимает значение 1 в случае, если кризис произошел в момент времени t, и значение 0 в остальных случаях. Для определения вклада экзогенных переменных в формирование кризисной ситуации используют метод максимального правдоподобия.
Итоговая оценка представлена в табл. 4, расчет произведен в программном продукте EViews v7.0
Для оценки качества модели проводились стандартные тесты: рассматривался уровень коэффициента детерминации R2, использовался F-критерий Фишера, информационные статистики Акаике и Шварца, тест Jarque-Bera и ARCH LM-тест. Качество модели в целом является удовлетворительным.
Как показал проведенный анализ, важнейшими факторами, обуславливающими риск возникновения банкротства российских коммерческих банков в период с 2007 по 2010 год, являются:
• СК -2 - собственный капитал за 2 года до предполагаемого банкротства;
• А t-2 - активы на начало периода за 2 года до предполагаемого банкротства;
• RFE - резервы предстоящих расходов и платежей;
• Cash - денежные средства;
• Age - возраст руководства банка;
• EC_A t-2 - отношение собственного капитала к активам банка за 2 года до предполагаемого банкротства.
В общем виде данную модель можно представить следующим образом:
KtPBP = (2,24Е -10) • СК-2 - (6,85Е -11) • At-2 + (1,46Е - 09) • RFE+ + (2,91E-10) • Cash-1,267966- Age+ 0,037343- EC_ At-2 +1,925905 (1)
Таким образом, на основе пробит-модели была построена модель прогнозирования банкротства коммерческого банка.
4-й этап. Построение комплексного критерия. Обоснование диапазонов критерия. Вместе с тем данная модель не имеет смысла до тех пор, пока не найдены пороговые значения комплексного критерия перспективной вероятности банкротства коммерческого банка
KpBP . Это объясняется тем, что в соответствии с предложенной методикой прогнозирования банкротства коммерческого банка, рассчитан-
KPBP
t сравнивается с пороговыми значениями,
после чего делается вывод о возможности банкротства анализируемого банка по истечении периода прогнозирования (1-2 года). Кроме того, характер влияния показателей, включенных в модель, также целесообразно интерпретировать после того, как найдены пороговые значения комплексного критерия перспективной вероятности банкротства коммерческого банка.
Следует отметить, что авторы моделей прогнозирования банкротства, основанных на данном подходе (W. Beaver (1966), E.I. Altman (1968), Estrella A., Park S, Peristiani S. (2000) [5]), получают диапазоны принятия решения о вероятности банкротства экспериментальным путем, поскольку он зарекомендовал себя как один из наиболее простых и в то же время позволяющих получить достаточно точный результат. В данной работе был использован аналогичный подход. Для определения диапазонов принятия решения относительно вероятности банкротства анализируемого банка по истечении периода прогнозирования были рассчитаны
значения критерия KPBP для всех банков, составивших исходную выборку, т.е. для 100 наблюдений, включающих 50 банков-банкротов и 50 банков, продолжающих свою деятельность. Полученные значения критерия были сопоставлены со значениями, присвоенными каждой группе банков (1 - для банков, признанных банкротами, 0 - для банков, не признанных банкротами). Данное сопоставление наглядно представлено на рис. 1.
Как видно из рис. 1, средние значения внутри групп, вычисленные экспериментальным путем, действительно соответствуют центру каждой группы, что является доказательством точности произведенных расчетов.
Рис. 1. Распределение значений комплексного критерия перспективной вероятности банкротства коммерческого банка между группами банков
Значения выявленных диапазонов принятия решений представлены в табл. 5.
Для наглядности диапазоны принятия решений, представленные в табл. 5, были нанесены на график распределения значений комплексного критерия между группами банков, что позволило получить рис. 2.
Таблица 5
Диапазоны принятия решений в соответствии с моделью прогнозирования банкротства коммерческого банка
Значение критерия Характеристика
РВР К > 0,5866 Высокий риск банкротства коммерческого банка по истечении периода прогнозирования
КрВР <0,4239 Низкий риск банкротства коммерческого банка по истечении периода прогнозирования
0,4239 < КРВР <0,5866 Зона неопределенности
Рис. 2. Зоны принятия решений на графике распределения значений комплексного критерия перспективной вероятности банкротства коммерческого банка между группами банков
Как видно из рис. 2, полученные диапазоны принятия решений, за исключением нескольких точечных случаев (в данном случае их пять), соответствуют фактическому состоянию банков, сформировавших выборку, по истечении периода прогнозирования, что свидетельствует о высокой точности построенной модели. Единичные точки на графике, не соответствующие фактическому состоянию банков, выступающих в качестве элементов исходной выборки, свидетельствуют о том, что построенная модель, несмотря на свою высокую точность, не обеспечивает стопроцентного прогнозирования банкротства коммерческих банков.
Таким образом, было дано эмпирическое обоснование модели, являющейся основой предложенной в данной работе методики прогнозирования банкротства коммерческого банка, а также сделаны предварительные выводы относительно ее точности. Далее для формирования более полного представления о точности результатов прогнозирования банкротства на основе данной модели будет произведена ее апробация на примере российских коммерческих банков, не вошедших в исходную выборку, и сделаны соответствующие выводы.
5-й этап. Апробация на другой выборке
В рамках апробации предложенной методики прогнозирования банкротства на примере 30 банков, не вошедших в исходную выборку, в данной работе будут представлены расчетные таблицы для 10 банков.
■ Несовпадение прогноза с фактическим состоянием банка
Совпадение прогноза с фактическим состоянием банка Рис. 3. Точность прогноза на основе предложенной методики для коммерческих банков, не вошедших в исходную выборку
В качестве банков, для которых будут представлены подробные расчеты в соответствии с предложенной методикой прогнозирования банкротства, были выбраны:
• АКБ «Аверс», имеющий рейтинговую оценку «***» по состоянию на 01.12.2010;
• АКБ «Автоградбанк», имеющий рейтинговую оценку «***» по состоянию на 01.12.2010;
• АКБ «Баренцбанк», имеющий рейтинговую оценку «****» по состоянию на 01.12.2010;
• ЗАО «Башинвест», имеющий рейтинговую оценку «*****» по состоянию на 01.12.2010;
• АКБ «Владбизнесбанк», имеющий рейтинговую оценку «***» по состоянию на 01.12.2010;
• АКБ «Премьер», лицензия отозвана приказом Банка России от 27.08.2008;
• АКБ «Астраханпромбанк», лицензия отозвана приказом Банка России от 26.01.2009;
• АКБ «Традо-банк», лицензия отозвана приказом Банка России от 03.12.2010;
• ООО «ИПФ Банк», лицензия отозвана приказом Банка России от 24.06.2009;
• ЗАО «Мега Банк», лицензия отозвана приказом Банка России от 23.12.2009.
Для перечисленных банков будет рассчитан комплексный критерий перспективной вероятности банкротства на основе модели, предусмотренной предложенной методикой в соответствии с моделью 1. Как видно из приложения, комплексный критерий для 10 рассматриваемых банков не попал в зону неопределенности.
Вместе с тем значительный интерес представляют результаты апробации комплексной методики для всей выбранной совокупности банков, не вошедших в исходную выборку и являющихся «новыми» наблюдениями. Точность прогноза для всей совокупности банков, не вошедших в исходную выборку при построении модели прогнозирования банкротства, наглядно представлена на рис. 3.
Как видно из рис. 3, предложенная комплексная методика прогнозирования банкротства в случае апробации на примере коммерческих банков, не вошедших в исходную выборку, не обеспечивает стопроцентной точности, как можно было предварительно заключить на основе анализа 10 банков из 30. Вместе с тем полученный результат является удовлетворительным с практической точки зрения: ни одна методика прогнозирования банкротства не может обеспечить точность 100%, в то время как точность большинства существующих методик (за исключением нейросетевого моделирования) обеспечивает точность порядка 7075% вследствие непредсказуемости и изменчивости параметров, формирующих модели прогнозирования банкротства.
Заключение
В первой главе работы был сделан обзор исследований, посвященных оценке банкротства фирм. Надо отметить, что большинство работ по банкротству все-таки изучали предприятия, а не банки. Так, например, в обзоре методик, описанной в работе Кумара Р. [11] (куда включены все известные методики, начиная с линейной регрессии и Альтмана и заканчивая современными методами типа ВСТ-метода), из 128 описанных методик только 15 (!) относятся к оценке банкротства банков. Тема является до конца не изученной не только в отечественной, но и зарубежной литературе. В работе предложена авторская классификация методик оценки банкротства банков и выявлены их достоинства и недостатки.
Вторая глава посвящена оценке применимости известных зарубежных и отечественных методик оценки банкротства банков в дан-
ных условиях (выборка составляла 40 банков, и результат по методике сравнивался с реальным результатом). Зарубежные методики полностью неприменимы для оценки банкротства российских банков, мы этот факт объясняем различием в выборке банков и макроэкономической ситуации в странах, Россия не США. Что касается российских методик, то те нормативы, которые рекомендует ЦБ РФ, более соответствуют реальной ситуации банкротства банков, чем зарубежные методики. Да и метод Кромонова тоже показал довольно адекватный результат. Однако мы считаем, что эти методы тоже не лишены недостатков: во-первых, довольно сложные расчеты (в методе Кромонова надо рассчитывать функции нормального распределения, учитывать кривизну эксцесса и т.д.), во-вторых, максимальный период прогнозирования банкротства составляет всего 3 месяца. Банк не успеет за такое короткое время принять методы финансового оздоровления.
Поэтому мы разрабатываем авторскую методику в третьей главе. Достоинства нашей методики заключаются в простоте расчетов, учете российской специфики (выборка только из российских банков), в высокой точности результатов методики. В работе было отобрано 30 факторов с помощью пробит-моделирования, которое является наиболее адекватным инструментом подобных оценок, на выборке, состоящей из 100 банков, были отобраны наиболее значимые факторы, влияющие на вероятность банкротства банков. Нам хотелось бы отметить полученную значимость не только стандартных количественных факторов (например, собственный капитал банка), их влияние на банкротство не подлежит сомнению, но и качественных факторов (возраст руководителя банка). Итоговый показатель состоит из 6 факторов.
Особенности пробит-моделирования заключаются в том, что модель считает вероятность банкротства, т.е. 1 означает высокую вероятность, 0 - низкую. Однако если мы получим результат, например, 0,5, что это значит? Поэтому в работе был рассчитан комплексный показатель банкротства и определены критерии попадания банка в зону высокого риска банкротства (больше 0,5866) и низкого риска (меньше 0,4239) и определена зона неопределенности. Предлагаемая методика разрабатывалась на примере 100 банков, однако мы решили проверить, как она будет определять банкротство на другой выборке (30 новых банков). С одной стороны, вероятность составила 86%, что является довольно высокой вероятностью, и, значит, нашу методику можно применять на любом российском банке.
С другой стороны, предложенная методика прогнозирования банкротства коммерческих банков может использоваться как эффективное
дополнение к методикам оценки их финансового состояния. Данный подход позволит своевременно предсказывать и предотвращать кризисные ситуации в коммерческих банках и, следовательно, будет способствовать более эффективному развитию российской банковской системы в целом.
Библиографический список
1. Федеральный закон от 25 февраля 1999 г. № 40-ФЗ «О несостоятельности (банкротстве) кредитных организаций».
2. Федеральный закон Российской Федерации от 26 октября 2002 г. № 127-ФЗ «О несостоятельности (банкротстве)».
3. Федеральный закон «О банках и банковской деятельности» от 2 декабря 1990 г. № 95-I (с изменениями от 13 декабря 1991 г., 24 июня 1992 г., 3 февраля 1996 г., 31 июля 1998 г., 5, 8 июля 1999 г., 19 июня, 7 августа 2001 г., 21 марта 2002 г., 30 июня, 8, 23 декабря 2003 г., 29 июня, 29 июля, 2 ноября, 29, 30 декабря 2004 г.).
4. Altman E.I. (1968a). Financial Ratios, discriminant analysis and the prediction of corporate bankruptcy // Journal of Finance, 23, (4), 589-609.
5. Beaver W.H. (1966). Financial ratios as predictors of failure. [Supplement], Journal of Accounting Research 4, Empirical Research in Accounting, Selected Studies, 13(1), 71-111.
6. Estrella A., Park S., Peristiani S. (2000). Capital Ratios as Predictors of Bank Failure. - FRBNY Economic Policy Review. 2000, July, р. 17.
7. G.A. Hanweck (1977). Predicting Bank Failure, Board of governors Federal System Library, № 19, 31 p.
8. J.A. Jagtiani, J.W. Kolari, C.M. Lemieux, G. Hwan Shin (2000). Predicting Inadequate Capitalization: Early Warning System for bank Supervision, Emerging issues series, Federal reserve Bank of Chicago, S&R-2000-10R. - 37 p.
9. Ravi Kumar P., V. Ravi. V. Bankruptcy prediction in banks and firms via statisticaland intelligent techniques. - A review // European Journal of Operational Research, 180 (2007), 1-28.
10. Oja E., Ogawa H., Wangviwattana J. Learning in nonlinear constrained Hebbian networks / Artificial Neural Networks (Proc. ICANN-91), 1991. - Amsterdam: North - Holland. - P. 385-390.
11. В. Севриновский. Коэффициентный анализ финансового состояния банков: Проблемы и перспективы // RS-Club, 2000, № 2 (21), с. 42-46.
12. В.Н. Котенков, Б.В. Сазыкин. Устойчивое развитие банков России // Аналитический банковский журналю - № 2 (57). - 2000. - С. 15-23.
13. Базельский комитет по банковскому надзору (Швейцария).
14. Методика Кромонова: вероятностная природа банковских рисков // www.rbc.ru
15. Петренко Т. Природа риска банкротства коммерческого банка // Банковские технологии. - № 01. - 2005 (http://www.banktech.ru).
16. Финансовый менеджмент: теория и практика: Учебник / Под ред. Е.С. Стояновой. - 5-е изд., перераб. и доп. - М.: Изд-во «Перспектива», 2004. - 656 с.
17. Финансы и кредит: Учебник / Под ред. проф. М.В. Романовского, проф Г.Н. Белоглазовой. - М.: Юрайт-Издат, 2004. - 575 с.
18. Эйтингон В.Н., Анохин С. Прогнозирование банкротства: основные методики и проблемы // http://crisis. engec.ru/bankrot.htm
19. www.bankir.ru
20. www.cfin.ru
21. www.cbr.ru
22. www.gks.ru
23. http://mobile.ru/bank/info/bank_index.php
Контактная информация
polyakova_m@list.ru
Contact links
polyakova_m@list.ru
ПРИЛОЖЕНИЕ 1
Описание модели
PFt = fl NOIAt-1,{K1 ,PCHNOIt_1,PCHA-1,{Ю ,KAM) I, (1)
A K ,
A Jt-1 \ K Jt-1
0 < PFt < 1
где
Ра - вероятность банкротства коммерческого банка в период ЫС1Л--1 - отношение чистого текущего дохода к активам в период 1-1,
{КЛ 8
^ А J - отношение собственного капитала к активам в период 1-1,
РСИЫС1(-1 - коэффициент прироста чистого текущего дохода в период М;
8 В отчетности российских коммерческих банков аналогом данного показателя является показатель «источники собственных средств», который показывается в балансе.
9 Рассчитывается как (N01(4 - М011.2)/М011.2
PCHAt-i - коэффициент прироста суммы активов коммерческого банка в период t-1;10
| — 1 - соотношение выданных ссуд и собственного капитала в
1K )-
период t-1;
ln(At-1) - натуральный логарифм общей суммы активов коммерческого банка в период t-1.
Как можно заметить из выражения 1, модель «вероятности банкротства» G.A. Hanweck предполагает прогнозирование возможного банкротства коммерческого банка на один год вперед.
В результате применения эконометрического моделирования автором была построена аддитивная модель вида:
PFt =-4,133-69,495- NOIA+ +14,858- (K) -1,09- PCHNO^ -1,184- PCHA-1 + + 0,264-1 К1 + 0,246- ln(Ai-1), (2)
t-1
0 < PFt <1
10 Считается аналогично PCHNOIt-i.
