ЭКОНОМЕТРИЧЕСКОЕ МОДЕЛИРОВАНИЕ ОЦЕНКИ КРЕДИТНОГО РИСКА

Проблема управления и прогнозирования кредитных рисков в условиях современного неравномерного развития экономики и повышения объемов кредитования выступает ключевым элементом при формировании эффективной системы управления рисками кредитной организации. Среди многообразия форм кредитования физических лиц необходимо отметить особую роль ипотечного жилищного кредитования, являющееся одним из финансовых способов обеспечения граждан жильем. Развитие системы данного кредитования входит в список приоритетных направлений государственной жилищной политики, также согласно «Стратегии развития ипотечного жилищного кредитования в РФ до 2030» [1] ипотечный жилищный кредит должен стать главным механизмом обеспечения населения жилой недвижимостью. По разным оценкам, доля в продажах жилых площадей в новостройках, при применении разных ипотечных схем достигает 70%. Представленная ситуация позволяет сделать вывод о том, что в процессе кредитования населения кредитными организациями, присутствует достаточно высокий спрос на ипотечное кредитование, который вполне вероятно будет продолжать свой рост. Поскольку кредитный риск занимает подавляющую долю совокупных рисков любой кредитной организации, поэтому именно от уровня качества управления и оценки кредитного риска во многом зависит финансовое состояние как конкретной кредитной организации, так и банковской системы государства в целом. Таким образом ключевое место в риск-менеджменте кредитных организаций занимает проблема оценки вероятности дефолта как отрицательного последствия кредитного риска [5].

С внедрением установленных норм согласно Базельским соглашениям в банковскую систему государства, включая их выполнение в «Методических рекомендациях по реализации подхода к расчету кредитного риска на основе внутренних рейтингов банков» [2], у коммерческих банков возникла возможность применять внутренние модели для оценки значения кредитного риска с целью выявления величины капитала, необходимого для покрытия кредитного риска. К ключевым компонентам кредитного риска как правило относятся: вероятность дефолта (Probability of Default, PD), доля потерь при дефолте (Loss Given Default, LGD) и сумма, подверженная риску дефолта (Exposure at Default, EAD).

Модели вероятности кредитного дефолта PD в основном основывается на двух теориях: объяснение причин кредитного дефолта (теория платежеспособности и теория опционов. Возникновение данных теорий связано со становлением таких областей экономической науки как: теория потребления, институциональная экономика, теория опционов и теория портфельных инвестиций. В теории платежеспособности главную роль играет соотношение ежемесячного платежа заемщика к объему его ежемесячного дохода, известного в виде соотношения Платеж/Доход. Согласно теории опционов, заемщик делает объявление об ипотечном дефолте, когда финансовые выгоды от данного решения превосходят сопутствующие данному решению экономические издержки. При моделировании вероятности дефолта существенное значение имеет соотношение размера кредита к стоимости залогового обеспечения, известного в виде показателя Кредит/Залог, а также определенные факторы, которые способствуют его изменению, например, цены на рынке недвижимости жилых площадей.

Для моделирования определенной доли потерь при реализации кредитного дефолта при бухгалтерском подходе удельный вес потерь при дефолте рассчитывается как:

      (1)

где accounting LGD – бухгалтерская доля потерь при дефолте;

R – взысканная в судебном порядке сумма задолженности;

C – общие издержки по взысканию платежей, появляющиеся в процессе работы с просроченной задолженностью;

EAD – сумма, подверженная риску дефолта, включающая в себя средства, которые были предоставлены заемщику и не погашены им соответственно – текущее остаточное значение долга, включая пени, штрафы и комиссию.

При экономическом подходе применяется метод дисконтированных денежных потоков:

      (2)

где workout LGD – удельный вес экономических потерь при дефолте;

PV(R) – приведенная к дате дефолта стоимость взысканной в судебном порядке суммы задолженности;

PV(C) – приведенная к дате дефолта стоимость общих издержек, которые возникли в процессе работы с просроченной задолженностью.

Таким образом, в рамках выше представленных подходов совместно с событием кредитного дефолта необходимо обладать информацией о соответствующей стоимости залогового обеспечения и размера общих экономических издержек, сопряженных с взысканием просроченной задолженности, а также остаточного значения долга EAD. Соответственно, система факторов кредитных рисков в отношении LGD формируется с точки зрения их воздействия на вышеупомянутые элементы LGD. Различные эмпирические работы указывают на воздействие характеристик залогового обеспечения, определенных параметров кредита, включая ипотечный, особенностей судебного процесса по урегулированию просроченной задолженности и остальных макроэкономических условий. В них в целом превалирует применение эконометрических (регрессионных) моделей в классе параметрических, несмотря на присутствие нескольких отличительных особенностей распределения LGD (например, бимодальность и цензурированность).

Ключевым элементом российской государственной политики выступает формирование доступного кредитования физических лиц, включая доступное ипотечное кредитование. Ипотека выступает одним из основных механизмов достижения данной цели. Изучение вероятности наступления кредитного риска и его доли на базе эконометрического моделирования выступает ключевым методом минимизации и предупреждения данного риска и успешной реализации кредитной политики, так как моделирование дает возможность избегать необоснованного риска еще на стадии рассмотрения кредитной заявки на предоставление определенного кредита. Таким образом можно отметить, что в условиях высоких финансовых рисков выигрывает тот, кто способен проанализировать, определить риски, а также их минимизировать и предупредить. Это выступает главным залогом успеха коммерческого банка при кредитовании.

1. Распоряжение Правительства РФ от 19.07.2010 № 1201-р «Об утверждении Стратегии развития ипотечного жилищного кредитования в Российской Федерации до 2030 года».
2. Письмо Банка России от 29.12.2012 № 192-Т «О Методических рекомендациях по реализации подхода к расчету кредитного риска на основе внутренних рейтингов банков».
3. Евсеенков С.А., Гусарова О.М. Моделирование оценки кредитоспособности заемщика с учетом региональных факторов // Международный студенческий научный вестник. – 2015. – № 4-1. – С. 132-134.
4. Поздеева В.А., Овчиникова М.С. Оценка кредитоспособности физических лиц на основе современных банковских технологий // Управление инвестициями и инновациями. – 2017. – № 3. – С. 85-89.
5. Радионова М.В., Садкова В.В. Моделирование оценки кредитоспособности физических лиц // Управление экономическими системами: электронный научный журнал. – 2015. – № 8 (80). – 9 с.

Все статьи автора «Седых Игорь Николаевич»