УПРАВЛЕНИЕ ПОТЕНЦИАЛЬНО ПРОБЛЕМНЫМИ АКТИВАМИ КАК ФАКТОР РОСТА СТОИМОСТИ КОММЕРЧЕСКОГО БАНКА Текст научной статьи по специальности «Экономика и бизнес»

 йО1: 10.24412/2072-4098-2021-8-13-26 Управление потенциально проблемными активами как фактор роста стоимости коммерческого банка

А.А. Помулев доцент Департамента корпоративных финансов и корпоративного управления Финансового университета при Правительстве Российской Федерации, кандидат экономических наук (г. Москва)

Александр Александрович Помулев, sasha-pomulev@yandex.ru

Состояние банковского сектора и до пандемии, которую вызвал СОУЮ-19, нельзя было назвать удовлетворительным (подробнее см. [1]). В связи с принятием ограничительных для бизнеса мер ситуация только ухудшилась, хотя Центральный банк Российской Федерации (далее - Банк России) и публикует отчеты об умеренном росте просроченной задолженности в марте 2021 года (см. [2]). Однако по данным статистической отчетности Банка России с 2019 по 2020 год просроченная задолженность банков в общем объеме корпоративных кредитов увеличилась с 5,4 до 7,1 процента (см. рис. 1).

Кратного роста просроченной задолженности удалось избежать благодаря проведению мероприятий по реструктуризации задолженности.

Результаты опроса, проведенного Банком России (в опросе участвовали 33 крупнейших банка России), показали, что с 20 марта 2020 года по 1 марта 2021 года объем реструктурированной ссудной задолженности превысил 5,5 триллиона рублей (кроме субъектов малого и среднего предпринимательства), или 15,3 процента от совокупного портфеля (см [4]).

Согласно другому отчету Банка России проблемы по реструктурированным кредитам будут «вызревать» постепенно (см. [5]). 64 процента реструктурированных кредитов крупных компаний пришлись на три отрасли:

• недвижимость и строительство;

• нефтегазовая промышленность;

• металлургия.

При этом доля крупных компаний с уяз-

х

си ^

о а с

7,1

7,1

5,7

5,2 4,7

6,7

01.01.2017 01.01.2018 01.01.2019 01.01.2020 01.012021 01.04.2021

Рис. 1. Доля просроченной задолженности банков в общем объеме корпоративных

кредитов 1

1 График построен автором по данным Банка России [3].

вимым финансовым профилем во всех отраслях составляет порядка 40 процентов. Под уязвимым финансовым профилем регулятор понимает высокую долговую нагрузку (отношение суммарного долга, равного сумме краткосрочного и долгосрочного долга компании к EBITDA (прибыли компании до вычета налога, процентов и амортизации) должно быть не ниже 8, то есть выполняется требование по IV-V категориям качества в соответствии с положением Банка России № 590-П [6]).

Таким образом, мероприятия по реструктуризации проблемной задолженности (под проблемной задолженностью понимается проблемный кредит - обязательство, полное погашение которого сомнительно вследствие неадекватного финансового состояния должника или обеспечения по этому обязательству, а также наблюдается просроченная задолженность уплаты основного долга и (или) процентов по нему более 90 дней [7]) показали свою эффективность в краткосрочный период времени. Необходимы такие процедуры, как мониторинг кредитного портфеля, чтобы не допустить рецидива, проработка механизма управления качеством кредитного портфеля с целью не допустить возникновения потенциально проблемной задолженности (с признаками ухудшения финансового состояния должника, но еще без факта просрочки по своим обязательствам).

Необходимы и четкие индикаторы, которые позволят управлять кредитным портфелем более эффективно. Для этого предполагается использовать критерии VBM (Value based management - управление, нацеленное на создание стоимости), однако возникают вопросы, каким образом связать опережающие индикаторы качества кредитного портфеля со стоимостью банковского бизнеса и возможно ли это технически реализовать.

Проблематикой управления проблемными активами и управления качеством кредитного портфеля занимались В.С. Корки-

на [8], А.В. Зверев [9], Э.С. Коложвари [10], А.Ю. Измайлова [11], Е.А. Ягупова [7] и другие исследователи. Проблематикой оценки и управления стоимостью коммерческого банка занимались, например, А.Е. Будиц-кий [12], С.Ю. Богатырев [13], М.Ю. Федотова [14], И.А. Никонова [15], В.Н. Киселева [16], А.Л. Рожковский [17], А.В. Тухватулина [18]. Тем не менее нельзя сказать, что темы в достаточной степени проработаны в контексте поставленных в настоящей статье целей.

Для эффективного управления коммерческим банком необходимы общепризнанные индикаторы оценки качества его работы, которые можно использовать для целей управления. Таким универсальным индикатором является стоимость банковского бизнеса. В контексте современной концепции VBM (Value Based Management - концепция управления стоимостью) эффективность определяется таким ключевым индикатором, как размер созданной добавленной стоимости. Концепция управления стоимостью нашла свое прямое отражение и в банковском секторе (как в России, так и за рубежом). На создаваемую стоимость оказывают влияние множество как финансовых, так и нефинансовых факторов. В проводимом исследовании уделяется внимание одному из ключевых факторов в рамках бизнес-модели классического банка - кредитному портфелю.

Согласно международной методике CAMELS [19] качество активов входит в систему показателей оценки эффективности деятельности коммерческого банка. К таким показателям относятся:

С - capital adequacy (достаточность капитала);

А - assets quality (качество активов);

М - management (качество управления);

Е - earnings (доходность);

L - liquidity and funding (ликвидность и фондирование);

S - sensetivity to market risk (чувствительность к рыночному риску).

К показателям качества активов эта система относит:

• долю резервирования;

• NPL90+ (показатель, характеризующий величину непогашенной задолженности, по которой выплата основного долга и процентов просрочена на 90 дней и более в процентах от балансовой величины кредитного портфеля до резервов);

• cost of risk (стоимость риска - затраты на создание резервов под возможные потери по ссудам, соотнесенные с размером кредитного портфеля).

Характеристика качества кредитного портфеля все чаще встречается в отечественных источниках. Под качеством автор понимает степень соответствия определенным параметрам. Кредитный портфель представляет собой совокупность различных кредитных продуктов, которым свойственны определенные риски невозврата. По логике риск-менеджмента чем выше уровень риска, тем выше требуемый уровень доходности. Доходы должны покрывать все ожидаемые (EL) и неожидаемые потери (UL), которые связаны с кредитом. Качественный портфель обеспечивает приемлемый уровень риска и доходности. Однако достаточно проблематично количе-

ственно оценить качество портфеля одним интегральным показателем. В основном используют показатель NPL90+. Применение этого показателя не в полной мере отражает доходность портфеля, к тому же им легко манипулировать. Также показатели являются запаздывающими и не позволяют эффективно решать задачи управления кредитным портфелем для обеспечения роста стоимости банка. Проиллюстрируем это на примере ПАО «Сбербанк». В качестве индикатора качества кредитного портфеля возьмем долю NPL90+ и размер созданных резервов. В качестве индикатора стоимости возьмем внутреннюю справедливую стоимость бизнеса (fair market value). Рыночная капитализация для этих целей не подходит, так как отражает факторы, которые могут не иметь прямого отношения к компании (например, рыночные настроения).

Внутренняя справедливая стоимость бизнеса (fair market value) отражает полезность объекта и в основном определяется с использованием метода дисконтированных денежных потоков (DCF), однако для ретроспективного анализа взаимосвязи показателей из всех методов технически применима модель Гордона (см. табл. 1).

Формула расчета стоимости банка (СВ) по модель Гордона имеет вид:

Таблица 1

Метод Возможность применения методов в оценке банка

чистых активов Применим для оценки убыточного банковского бизнеса, не учитывает доходность бизнеса

ликвидационной стоимости Реализуем для оценки банка при ликвидации банковского бизнеса, не учитывает доходность бизнеса

сделок рынка капитала Используются при наличии активного рынка и достаточного количества сопоставимых аналогов

дисконтирования денежных потоков дисконтирования дивидендов Применимы для банков с неустойчивым темпом роста

прямой капитализации Применим для крупных устойчиво функционирующих банков из ТОП-20 либо для кредитной организации со стабильными темпами роста

Методы оценки стоимости коммерческого банка

Окончание таблицы 1

Модель Гордона Для модели Гордона необходимо условие постоянного темпа роста (д), ставка дисконтирования (г) должна быть больше д

Модель EBO (Э.О. Эдвардса, Ф.У. Белла, Дж. А. Ольсона) Применима к оценке банка с корректировками. Модель сочетает доходный и затратный подходы к оценке. Преимуществом метода является возможность прогнозирования не абсолютного показателя прибыли, а относительного показателя рентабельности авансированного капитала компании. Недостаток - разночтения в оценке стоимости чистых активов банка (см. [20])

CB =

CF х(1 + g)

r - g

где CF - денежный поток или чистый доход, или NOPAT (net operating profit after tax - чистая операционная прибыль после налогов), или дивидендные выплаты;

r - ставка дисконтирования денежного потока;

g - постоянный темп роста денежного потока.

Показатели, необходимые для расчета ретроспективных значений стоимости ПАО «Сбербанк», представлены в таблице 2.

Полученные значения стоимости ПАО

«Сбербанк» с использованием модели Гордона по двум финансовым показателям (чистый доход и размер выплаченных дивидендов) отличаются между собой, что может свидетельствовать о скидке за неконтрольный характер для миноритарных акционеров (рис. 3).

Инвесторы в большей степени подвержены влиянию просроченной задолженности в кредитном портфеле, что нашло отражение в стоимости, которая рассчитана по выплаченным им дивидендам (коэффициент детерминации двух переменных по полиноминальной функции составляет 0,927, что по шкале Чеддока свидетельствует о сильной связи (рис. 4). Однако невозможно

y = 1,2118x + 0,0001 R2 = 0,5914

0,1

-0,^ индекс МОЕХ

Рис. 2. Диаграмма рассеяния доходности акций ПАО «Сбербанк» в зависимости от индекса МОЕХ (данные с 2010 по 2020 год), в долях единицы 2

Диаграмма построена автором по данным источника [21].

2

Таблица 2

Ретроспективные финансовые показатели и оценка стоимости ПАО «Сбербанк» по модели Гордона

Показатель Алгоритм расчета и источник данных Значения показателей по годам

2014 2015 2016 2017 2018 2019 2020

Чистый доход, млн р. Расчет не проводился, данные взяты из 291 500 222 900 541 900 705 500 819 100 845 000 811 056

Дивиденды, млн р. официальной отчетности 72 000 10 300 44 500 134 700 268 500 422 400 422 400

Ставка капитализации (К), % г-9 11,78 21,19 20,09 14,79 8,42 18,61 14,61

Долгосрочный темп роста дохода,% Принят на уровне исторических темпов роста ВВП (см. [21]). В 2020 году принят на уровне темпов роста активов банковского сектора 0,6 процента (см. [3]) 8,0 5,09 3,38 7,03 12,53 1,23 0,6

Ставка дисконтирования (г), % Модель У. Шарпа: САРМ (г) = Rf* + ß** * ERP *** + SCRP **** 19,78 26,28 23,46 21,82 20,95 19,84 15,61

ERP, % По данным информационного ресурса А. Дамодарана для российского рынка [22] 7,40 10,06 9,85 9,90 10,23 9,43 8,46

ß Cov{r„rm) Var(rm) '

Систематический риск (Ь), доли единицы где Cov(rr rj - ковариация доходности /'-го актива г (акции Сбербанка с 2010 года) и среднерыночной доходности rm (индекс московской биржи - МОЕХ с 2010 года) *****; Var(rm) - вариация среднерыночной доходности rm 1,25 1,24 1,25 1,26 1,29 1,28 1,21

Безрисковая норма доходности (Rf), % Принято среднее значение ставки MOSPRIME3M ****** (см. [21]) 10,53 13,81 11,15 9,34 7,75 7,77 5,38

Стоимость банка по базе чистого дохода, млн р. Чистый доход х (1 + Growth rate) / К 2 672 615 1 105 407 2 788 823 5 104 895 10 945 004 4 596 321 5 605 756

Стоимость банка по базе выплаченных дивидендов, млн р. Дивиденды / К 611 233 48 605 221 532 910 689 3 188 323 2 269 712 2 890 587

ZI о ь

5

OV

о

CD ГО TD

CD

CD +

-vi

CD

CD 00

-vi -vi

* Безрисковая норма доходности в процентах.

** Мера систематического риска, отражает амплитуду колебаний доходности объекта оценки по сравнению с общей доходностью рынка в целом.

*** Equity risk premium - премия за риск акционерного капитала.

**** Specific company risk premium - премия за риск конкретной компании. С учетом размера банка, его системной значимости и наличия развитой филиальной сети корректировка на специфические риски не применяется.

***** Взаимосвязь доходности акций Сбербанка и индекса МОЕХ по шкале Чеддока характеризуется как заметная (см. рис. 2). Индикативная ставка предоставления рублевых кредитов (депозитов) на срок 3 месяца на московском рынке.

а 12

X

с; а

1-10

о о

о н о

8 6 4 2 0

г*-со

«3 о-

XI

ю о

ж

СП

о ю-

- со о-

л

ю

О)

СП

со

о со

с^-

«3 ю-

сп оо

2014 2015 2016 2017 2018 2019

□ стоимость, рассчитанная по дивидендам ■ стоимость, рассчитанная по чистому доходу

2020

Рис. 3. Стоимость ПАО «Сбербанк» с применением модели Гордона, рассчитанная

по базам чистого дохода и дивидендов 3

^ 3,5

х

^ о

а. 3

£ 2,5

о

§ 2

ё 1,5

о

1

0,5 0

-0,5

у = 555493Х3 -2Е+07х2 + 1Е+08х - 4Е+08

..... К = 0,927

• • • •

• • • • • • •

• • • • • • • •

• • • • • • • •

• й_ \ • • • •

10

11

МР190+, %

Рис. 4. Взаимосвязь просроченной задолженности (МР^90+) и стоимости ПАО «Сбербанк», рассчитанной по размеру выплаченных дивидендов 4

одним только фактором объяснить формирование стоимости, так как существуют и другие драйверы роста стоимости, например выручка, процентный и непроцентный доходы, размер созданных резервов и т. д.

Если рассмотреть взаимосвязь МР^90+ и стоимости ПАО «Сбербанк» для мажоритарных собственников (капитализация по чистому доходу), то взаимосвязь по шкале Чеддока умеренная (коэффициент детерминации по полиномиальной функции со-

ставляет 0,473) (см. рис. 5).

Значительно большее влияние на стоимость оказывает объем созданных резервов на возможные потери по ссудам (РВПС) - коэффициент детерминации по полиномиальной функции 0,812, что свидетельствует о высокой силе связи параметров (см. рис. 6).

Объем резервов непосредственным образом влияет на финансовый результат и отражает уровень кредитного риска по ссудам.

3 График построен автором по данным таблицы 2.

4 Графики, представленные на рисунках 4-6, построены автором.

а. 12

х

«I 10

.0

15 8 о

§ 6 н о

4 2 0

7 8 9 10 11

МР190+, %

Рис. 5. Взаимосвязь просроченной задолженности (NPL90+) и стоимости ПАО «Сбербанк», рассчитанной по чистому доходу

• 1 у = 1Б+06х3 - 3Б+07х2 + 3Б+08х - 8Б+08

Р = 0,4729

.....„

• • • 1.......

•

^ 500

х

I 450 400

со

оь 350 300 250 200 150 100 50

• = -7Б-17х3 + 9Б-09х2 - 0,1278х + 617 000 _ О = 0 8123

• • У

)

• •

• • % •

• •

% .4

• • • •. • • • •

•

1

23456789 10 11

стоимость, трлн р.

Рис. 6. Взаимосвязь объема РВПС и стоимости ПАО «Сбербанк», рассчитанной

по чистому доходу

Таким образом, несмотря на разную степень влияния NPL90+ (в связи с тем, что с увеличением объема кредитного портфеля доля просроченной задолженности снижается) на стоимость банка, при ее высокой концентрации снижается достаточность собственного капитала банка за счет сформированных резервов. В связи с этим начинать управление проблемной задолженностью необходимо как можно раньше.

Процесс управления потенциально проблемными активами должен начинаться с самого первого этапа, а именно с рассмотрения кредитной заявки. На этом этапе определяется риск-профиль заемщика с учетом количественных и качественных характеристик заемщика/проекта. Выявле-

ние подобных высокорискованных кредитов на ранних стадиях позволяет не допустить негативного сценария выхода клиента на просрочку. Эта задача относится к кредитному процессу и решается с помощью оценки вероятности дефолта (в настоящем исследовании способы улучшения прогностической функции модели оценки вероятности дефолта не рассматриваются).

Сфокусируемся на процессе управления потенциально проблемной задолженностью. Процесс управления должен идти сквозным образом через участников всего кредитного процесса, чтобы обеспечить взаимодействие с заемщиком, оперативно регулировать лимиты выдач, устанавливать ковенанты.

С учетом результатов исследований, проведенных авторами работ [7-20], и личного опыта автора настоящей статьи на рисунке 7 показан укрупненный алгоритм управления потенциально проблемными активами заемщиков корпоративного сегмента. Корпоративный сегмент представляет собой один из самых сложных для управления в отличии от розничного направления (с более понятными факторами риска и отработанными приемами портфельного управления).

Рассмотрим отдельные этапы процесса более подробно.

Процесс управления начинается с идентификации активов. Цель первого этапа -выявить потенциально проблемные активы в ходе инвентаризации информации о заемщике из внутренних учетных информационных систем и внешних источников.

Автором предлагается использовать следующий набор критериев (сигналов) ранней диагностики проблемных ситуаций у корпоративных заемщиков:

1) критерии, основанные на операциях по расчетному счету:

• наличие картотеки к расчетному счету;

• отсутствие или снижение кредитовых оборотов по расчетному счету клиента;

• низкий уровень среднего остатка по расчетному счету за предшествующие 30 дней;

• отрицательное сальдо по расчетному счету клиента;

• динамика количества операций, сформировавших кредитовый оборот в отчетном периоде;

• изменение количества или состава контрагентов по кредитовым проводкам;

• анализ структуры кредитовых оборотов по расчетному счету;

• признаки нарушения условий или прекращения договоров аренды;

2) критерии, основанные на внешней информации:

• наличие задолженности по платежам в бюджет и внебюджетные фонды;

• наличие судебных исков к заемщику или контрагентам по сделкам;

• инициирование процедуры ликвидации или банкротства;

• изменение структуры группы связанных лиц заемщика;

• изменение вида или места деятельности, иных регистрационных данных;

• результаты участия компании в тендерах или государственном заказе;

• утрата или отсутствие обременения заложенной недвижимости;

• утрата залогового имущества;

3) критерии, основанные на данных Национального бюро кредитных историй:

• возникновение просрочки платежей по кредиту на 1-29 дней;

• возникновение просрочки на 30-59 дней;

• возникновение просрочкина 60-89 дней;

• возникновение просрочки на срок более 90 дней;

• изменение лимита по кредиту более чем на п процентов;

• изменение текущей задолженности перед кредиторами более чем на п процентов.

Количественные критерии формируются по результатам наблюдения за приведенными параметрами в ретроспективном периоде времени с фиксацией критических изменений. Организационно эту функцию может взять на себя подразделение мониторинга. В Т0П-20 банков функционал таких служб уже сформирован. Результатом описанного процесса будет являться сформированный чек-лист - перечень потенциально проблемных и рискованных активов.

Второй этап представлен оценкой юридических аспектов, связанных с активами. Результатом прохождения этого этапа является комплексный анализ всех правоустанавливающих документов, юридических и налоговых рисков и перечень мероприятий по их минимизации.

Третий этап - экспертиза залога, являющегося обеспечением по сделке проблем-

ного актива. Результатом анализа является залоговое заключение, которое должно содержать величину рыночной/ликвидационной стоимости, вывод о ликвидности с указанием прогнозного срока экспозиции с идентификацией потенциальных покупателей, описание рисков и рекомендации по наиболее эффективному сценарию работы с залогом.

На четвертом этапе разрабатываются модели наилучшего и наиболее эффективного использования для каждого вида актива. Вариантами такого использования могут быть:

• реструктуризация актива;

• цессия;

• привлечение к работе с проблемными активами арбитражного управляющего по итогам конкурсной процедуры;

• продажа залога, который служит обеспечением кредита.

Одним из ключевых критериев целесообразности принятия решения о реализации конкретной модели работы с проблемным кредитом является наличие добавленной стоимости с учетом затрат, требующихся для проведения всех необходимых процедур. Например, в случае сценария реализации залога следует просчитать расходы на содержание имущества, судебные издержки, расходы на рекламу, оценку, консультационные услуги, государственную пошлину, исполнительский сбор, комиссию организации по продаже залога, размер созданных резервов, фонд оплаты труда сотрудников, задействованных при реализации процедуры продажи залога.

На пятом этапе процесса управления потенциально проблемными активами идет разработка комплекса мероприятий для служб по выбранной модели работы с активом, разработка функционала основных участников процесса, осуществляется контроль качества и сроков выполнения разработанных мероприятий.

Следует отметить, что прирост стоимости бизнеса возможен в том случае, если формируется добавленная стоимость в ре-

зультате реализации модели работы с проблемными активами, что может быть выражено через формирующийся денежный поток, например, при реализации залога это стоимость проданного имущества. Тогда эффективность сделки возможно оценить через показатель чистой приведенной стоимости (NPV - net present value) и выбрать модель работы с проблемным активом, которая даст наибольшее значение NPV. С учетом интервальной оценки диапазона цены реализуемого актива возможно количественно оценить риски, связанные с реализацией конкретной модели. Математическим инструментарием в этом случае может выступить метод Монте-Карло (см. [23]), позволяющий с учетом вида распределения факторов, которые влияют на чистую приведенную стоимость, количественно оценить меру риска для каждой выбранной модели работы с проблемным активом.

Процесс оценки рисков модели работы с проблемным активом с помощью метода Монте-Карло состоит из ряда этапов.

На первом этапе формируется финансовая модель планируемого сценария работы с проблемным активом, например коммерческим банком по проблемному кредиту рассматривается модель реализации залогового имущества. Основные параметры финансовой модели (доходы и расходы, связанные с реализацией залога) приведены в таблице 3.

Процедура взыскания залога имеет принудительный характер. В связи с этим прогнозный срок экспозиции залога составляет 10 месяцев. По результатам анализа рынка установлено, что залоговое имущество может быть продано на открытом рынке по рыночной стоимости в размере 38 миллионов рублей. При этом минимальная цена продажи может составить 28,5 миллиона рублей, максимальная - 47 миллионов рублей. Издержки, обусловленные процедурой обращения взыскания, могут увеличиться до 6 миллионов рублей, также есть потенциал для их снижения до 4 миллионов рублей.

Таблица 3

Финансовая модель сценария работы банка с проблемным кредитом в 2021 году

(реализация залогового имущества)

Показатель Квартал

I II III IV

Остаток основного долга и проценты, расходы по РВПС, тыс. р. -28 000 0 0 0

Доход от реализации залога, тыс. р. (параметр 1) 0 0 0 38 000

Издержки, обусловленные процедурой обращения взыскания на залог *, тыс. р. (параметр 2) -2 935 -240 -240 -2 140

Доход, получаемый банком при реализации сценария работы с проблемным активом, тыс. р. -30 936 -240 -240 35 860

Ставка дисконтирования (годовая), % (параметр 3) 15,61 15,61 15,61 15,61

Индекс дисконтирования (квартальный) 0,96 0,93 0,90 0,86

Дисконтированный доход, тыс. р. -29 834 -223 -215 31 018

Чистая приведенная стоимость дохода тыс. р. 746

* В издержки входят расходы на рекламу, оценку, оплату консультационных услуг, содержание имущества (60 000 рублей в месяц), государственную пошлину, исполнительский сбор (7 процентов от стоимости залога), комиссия организации, осуществляющей торги (5 процентов от стоимости залога).

Таблица 4

Статистическое распределение параметров модели по работе с проблемным кредитом

(реализация залогового имущества)

Параметр Значение

минимальное среднее максимальное

Доход от реализации залога, тыс. р. 28 701 38 000 47 368

Издержки, обусловленные процедурой обращения взыскания, тыс. р. 4 032 5 555 5 971

Ставка дисконтирования, % 14 15,6 17

На втором этапе определяется статистическое распределение параметров модели. Для параметров финансовой модели «доход от реализации залога» и «издержки, обусловленные процедурой обращения взыскания» наилучшим образом подходит треугольное распределение. Для ставки дисконтирования принято нормальное распределение (см. табл. 4).

На третьем этапе с использованием инструмента @RISK компании Palisade производятся циклы из большого числа повторений, на каждом шаге которых получаются случайные значения параметров

в соответствии с их законом распределения (то есть симулируются случайным образом сценарии - наборы параметров). В итоге вычисляется результат - величина NPV для каждого сценария, и таким образом формируется статистика этих величин в зависимости от количества сценариев.

На заключительном, четвертом, этапе результаты моделирования сценариев отображаются графически в виде гистограммы, показывающей частотное распределение чистого приведенного дохода при реализации залога (см. рис. 8).

S 100

го

^ 90

5 80

го

о 70

н

«я 60

50 -40 ■30 ■20 ■10

0000000000000000000000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

5 5 4 3 2 1 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5

■ i i i i i

чистый приведенный доход, тыс. р.

Рис. 8. График распределения чистого приведенного дохода при симуляции сценариев по методу Монте-Карло в случае реализации залога по проблемному кредиту 5

По данным, представленным на рисунке 8, можно сделать вывод о том, что при симуляции 1 000 сценариев вероятность получить NPV меньше 0 составляет 27 процентов.

Важным элементом процесса управления потенциально проблемными активами является формирование перечня ключевых показателей его эффективности (КПЭ). Не только снижение доли NPL90+ должно быть метрикой этого процесса. Функционал по работе с потенциально проблемными активами зачастую находится на стыке нескольких подразделений: служба кредитования, служба мониторинга и подразделение по работе с проблемной задолженностью (по факту возникновения просрочки).

Пока просрочки нет, за кредит несут ответственность служба мониторинга и кредитная служба. При ухудшении финансовых показателей у заемщика кредитные специалисты учтут это при актуализации кредитного рейтинга, что найдет отражение на величине резервов. Однако на практике бывают ситуации, когда служба кредитования не успевает полноценно отработать план мероприятий по урегулированию потенциально проблемной задолженности у

заемщика. В таком случае целесообразно подключать службу по работе с проблемной задолженностью на более раннем этапе. Для повышения эффективности этого процесса автор предлагает использовать следующие показатели эффективности процесса управления потенциально проблемными активами:

1) для кредитной службы:

• количество зафиксированных и отработанных сигналов, свидетельствующих о существенном риске возникновения просроченной задолженности у заемщика;

• степень выполнения плана по резервам и влияние результата выполнения плана на возможные потери по ссудам;

• снижение размера просроченной задолженности (свыше 90 дней) в абсолютном и относительном выражении;

• снижение размера просроченной задолженности (от 5 до 90 дней) в абсолютном и относительном выражении;

• своевременность отработки нарушенных заемщиками ковенант, которые установлены кредитным договором;

График построен автором.

5

2) для службы по работе с потенциально проблемными активами:

• снижение размера просроченной задолженности (свыше 90 дней) в абсолютном и относительном выражении;

• количество отработанных сигналов, свидетельствующих о существенном риске возникновения просроченной задолженности у заемщика;

• выполнение плана по бюджету затрат, связанных с реализацией модели по работе с проблемной задолженностью.

Количественная оценка и контрольные значения приведенных показателей устанавливаются в зависимости от специфики заемщиков и объемных значений кредитного портфеля.

Таким образом, на примере ПАО «Сбербанк» определена рыночная стоимость в ретроспективе по модели Гордона. Установлено, что показатели NPL90+ и РВПС умеренно влияют на стоимость ПАО «Сбербанк» и не являются достаточными для управления эффективностью банка.

Предложен уточненный алгоритм управления потенциально проблемными активами, основанный на инвентаризации кредитного портфеля и стоимостной оценке эффективности модели и рисков работы с проблемной задолженностью, который позволит повысить эффективность процесса управления кредитным портфелем и обеспечить стратегический рост стоимости банка.

ИНФОРМАЦИОННЫЕ ИСТОЧНИКИ

1. Помулев А. А. Банковский сектор России: проблемы и перспективы в условиях новых вызовов // Теневая экономика. 2020. Т. 4. № 3. - С. 127-138.

2. О развитии банковского сектора Российской Федерации в марте 2021 года. Отчет Центрального банка Российской Федерации. URL: https://cbr.ru/Collection/Col lection/File/32227/razv_bs_21_03.pdf#page=3

3. Обзор банковского сектора Россий-

ской Федерации // Статистические показатели банковского сектора Российской Федерации. 2021. № 4. URL: https://cbr.ru/ statistics/bank_sector/review

4. Информационный бюллетень Банка России. 2021. № 17. URL: https://cbr.ru/Col lection/Collection/File/32180/drknb_17_2021. pdf0020

5. Риски реструктурированных кредитов. Центрального банка Российской Федерации. 2021. URL: https://cbr.ru/Content/Docu ment/File/119872/inf_note_mar_3121.pdf

6. О порядке формирования резервов на возможные потери по ссудам, ссудной и приравненной к ней задолженности : положение Центрального банка Российской Федерации от 28 июня 2017 года № 590-П. Доступ из справочной правовой системы «КонсультантПлюс».

7. Ягупова Е. А., Черникова Л. Ф. Возникновение проблемных кредитов при пандемии коронавируса в России // Экономика и предпринимательство. 2020. № 9(122). С. 185-188.

8. Коркина В. С., Кухарев Н. А. Банковская инфраструктура мониторинга кредитных и залоговых операций // Вестник Южно-Российского государственного технического университета (Новочеркасского политехнического института). Серия: Социально-экономические науки. 2015. № 4. С. 40-46.

9. Зверев А. В., Камалзаде Б. А. Управление проблемными кредитами в России / Управление социально-экономическими системами, правовые и исторические исследования: теория, методология и практика. Материалы международной научно-практической конференции преподавателей, аспирантов и студентов. Брянск, 2019. С. 82-86.

10. Коложвари Э. С., Берсенев А. Б. Процессный подход к управлению проблемными активами в коммерческом банке // Транспортное дело России. 2018. № 6. С. 25-29.

11. Измайлова А. Ю. Методы управления проблемной задолженностью российских банков в современных условиях (на примере ПАО «Сбербанк России») // Вестник

Национального Института Бизнеса. 2018. № 31. С. 62-68.

12. Будицкий А. Е. Особенности оценки рыночной стоимости коммерческого банка // Финансы и кредит. 2007. № 30(270). С.25-34.

13. Богатырев С. Ю, Добрынин С. С. Оценка стоимости российского банка в условиях международных экономических санкций // Финансы и кредит. 2015. № 9(633). С. 2-13.

14. Федотова М. Ю, Носов А. В., Тагиро-ва О. А. [и др.]. Особенности оценки рыночной стоимости коммерческого банка // Нива Поволжья. 2016. № 2(39). С. 125-133.

15. Никонова И. А, Шамгунов Р. Н. Стратегия и стоимость коммерческого банка. М. : Альпина Бизнес Букс, 2019. 303 c. URL: http://www.iprbookshop.ru/82526.html (дата обращения: 10.05.2021).

16. Киселева В. Н. Проблемы внедрения системы управления стоимостью на российский предприятиях // Финансовые аспекты структурных преобразований экономики. 2015. № 1. С. 84-89.

17. Рожковский А. Л. Специфика оценки и управления эффективностью коммерческих банков по критерию стоимости // Из-

вестия высших учебных заведений. Серия: Экономика, финансы и управление производством. 2016. № 2(28). С. 10-19.

18. Тухватулина А. В., Суховей А. В. Управление стоимостью коммерческого банка с целью повышения ее конкурентоспособности // Актуальные проблемы развития управления, оценки, бухгалтерского учета и нормативно-правового обеспечения финансовой системы России. 2017. С. 167-169.

19. Методика анализа финансового состояния банка Uniform Financial Institutions Ratings System (UFIRS). URL: http://www.fed eralreserve.gov/boarddocs/supmanual/

20. Иванова А. Е. Гудвил: синтетическая сущность, оценка, учет, анализ : монография / под науч. ред. А. Е. Ивановой. М. : РИОР: ИНФРА-М, 2017. 227 с.

21. Информационно-аналитическое агентство по финансовым рынкам. URL: https://cbonds.ru

22. Информационный ресурс Damodaran online. URL: http://people.stern.nyu.edu/ad amodar/New_Home_Page/home.htm

23. Kenton W. Monte Carlo Simulation. URL: https://www.investopedia.eom/terms/m/ montecarlosimulation.asp (дата обращения: 13.04.2021).

_

1 * : t ■- -|T '

МЕЖДУНАРОДНАЯ АКАДЕМИЯ ОЦЕНКИ И КОНСТАЛТИНГА

^ ■ ;i|l | ■_____Г . .! •' )"" ' ; С.'Ца&уК /jy'v > -Г^" .¿Tut,

ПРЕДЛАГАЕТ КВАЛИФИЦИРОВАННЫЕ УСЛУГИ ПО ОЦЕНКЕ СЛЕДУЮЩИХ ОБЪЕКТОВ:

• предприятий, бизнеса;

• пакетов акций, облигаций;

• активов предприятий, созданных на основе франчайзинга;

• инвестиционных проектов;

• дебиторской задолженности;

—,• недвижимого имущества (незавершенных строительных объектов, тЧг; земельных участков и т.д.);

• машин, оборудования и транспортных средств;

• интеллектуальной собственности (патентов, товарных знаков и т.д.);

• ювелирных изделий и драгоценных камней, антиквариата

Звоните сегодня - +7 (916) 566-32-73; +7 (499) 230-01-09, -02-06

Мы ждем Вас - 115184, г. Москва, переулок Климентовский, дом 1, стр. 1 e-mail post@maok.ru наш сайт http://maok-ocenka.ru/