Ирина Эланс

Автор который поможет с любыми образовательными и учебными заданиями

Модели оченки кредитного риска портфеля

МИНИСТЕРСТВО НАУКИ И ОБРАЗОВАНИЯ, МОЛОДЕЖИ И СПОРТА УКРАИНЫ

ДОНЕЦКИЙ НАЦИОНАЛЬНЫЙ УНИВЕРСИТЕТ

ФАКУЛЬТЕТ МАТЕМАТИКИ И ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ

КАФЕДРА ТЕОРИИ ВЕРОЯТНОСТИИ МАТЕМАТИЧЕСКОЙ СТАТИСТИКИ

Курсовая работа

на тему

«Модели оценки кредитного риска портфеля»

Выполнил:

студент 4 курса

специальность статистика

Герасименко Станислав Михайлович

Научный руководитель:

Шурко Ирина Леонидовна

Донецк-2013

Содержание

Введение 3

1.Определение кредитного портфеля и кредитных рисков 7

1.1 Классификация кредитных портфелей 7

1.2 Управление кредитным портфелем банка 8

1.3 Зарубежные технологии оценки кредитногго риска 11

1.4 Структуризация моделей 13

2.Постановка проблемы 14

2.1 Расчет ожидаемых потерь (Expected Loss) 15

2.2 Расчет неожиданных потерь (Unexpected Loss) 15

3.Реализация задачи 16

3.1 Расчет ожидаемых кредитных потерь 16

3.2 Наступление дефолта по обязательствам отдельного заемщика 17

3.3 Оценка неожиданных потерь 22

Заключение 26

Литература 27

Введение

В последние годы коммерческие банки во всем мире прилагали значительные усилия для разработки внутренних моделей оценки финансовых рисков и определения адекватного уровня капитала для покрытия этих рисков. Эти исследования проводились под контролем и при поддержке банковских регуляторов. В результате совместных усилий коммерческих банков и регулирующих органов значительные успехи в этой области были достигнуты. В последнее время основное внимание стало уделяться моделированию и оценке кредитного риска. Базельский комитет по банковскому регулированию и надзору предложил банкам новую схему управления кредитным риском, согласно которой банкам разрешается определять рассчитывать уровень достаточности капитала на основании собственных (внутренних) методик оценки кредитного риска. В этой связи разработка подобных методик представляет особый интерес.

С 1996 года Центр по изучению финансовых инноваций (Centre for the Study of Financial Innovation; CSFI), находящийся в Лондоне, при поддержке PricewaterhouseCoopers (PwC) проводит исследования различных банковских рисков и дает анализ отношения банков к различным видам риска. Начиная с 2000 года, по мнению CSFI, первое-второе место в рейтинге важнейших банковских рисков занимает кредитный риск.

Кредитный риск можно определить как риск потери 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) [Кутуев, Пустовалова, 2008].

Особый интерес для банковского менеджмента представляет проблема количественной оценки (расчета) кредитного риска. За последние 30 лет были сделаны существенные шаги в области методологии оценки различных аспектов кредитного риска. Анализ ранних этапов развития методик оценки кредитного риска был сделан Альтманом [Altman, 1998]. Альтман проанализировал процесс эволюции методик оценки кредитного риска, начиная с экспертного анализа кредитного риска, систем кредитного скоринга (включая 4 основных методологических подхода: линейные вероятностные модели, логит модели, пробит модели и модели дискриминантного анализа), модели “risk of ruin” (Black-Sholes-Merton model) и нейронные сети [Altman, 1998]. В последующие годы исследования распространились на забалансовые инструменты (свопы, опционы, форварды, фьючерсы и кредитные деривативы, как инструменты страхования дефолта). В 90-е годы исследования кредитного риска переключились с анализа риска индивидуального заемщика на анализ кредитного риска по всему портфелю финансового института. Появилась новая задача — задача оценки концентрации кредитного риска. На ранних этапах анализа риска концентрации, исследования вновь (как и на ранних этапах оценки кредитного риска индивидального заемщика), ограничивались субъективным анализом (экспертной оценкой), установлением лимитов (ограничений) на кредитование отдельных отраслей и регионов, а затем, миграционным анализом (оценивающим вероятность перехода отдельного кредита из одной группы кредитного риска в другую группу в течение заданного временного интервала). Эти методики получили название миграционного анализа. Среди наиболее известных методик миграционного анализа можно назвать методику Credit Metrics[Credit Metrics, 1997].

Последние 10 лет прошли под знаком взаимодействия финансовых институтов и финансовых регуляторов в области разработки адекватных методик оценки кредитного риска. Усилия финансовых институтов нашли поддержку и встретили одобрение органов банковского регулирования. Особое значение для развития методологии оценки кредитного риска имели принятые Базельским комитетом по банковскому регулированию и надзору новые стандарты оценки риска [Базель 2]. Это в первую очередь связано с тем, что Базель 2 предложил регулирующим органам разрешить банкам при расчете минимального уровня достаточности капитала использовать (с определенными ограничениями) собственные методики оценки кредитного риска индивидуального заемщика. Это дало толчок дальнейшим исследованиям в области оценки кредитного риска. Появились новые разработки в области применения нейронных сетей для оценки кредитного риска [Agelina, 2008], структурных моделей кредитного риска [Liao, Chen, 2009]. Авторы статьи [Agelina, 2008] в своем исследовании попытались изучить возможность использования нейронных сетей для оценки вероятности невыполнения заемщиком своих обязательств. В качестве возможных экзогенных переменных модели, авторы статьи выбрали различные финансовые коэффициенты, характеризующие деятельность компаний (в основном из бухгалтерских балансов): денежный поток/общая сумма долга; оборачиваемость товарных запасов/товарооборот; краткосрочные обязательства/ товарооборот; собственный капитал/суммарные активы; процентные расходы/суммарный долг; чистые оборотные активы/суммарные активы; дебетовое сальдо расчетов с покупателями/товарооборот; добавленная стоимость/суммарные активы; использованный кредит/максимально возможный кредит; использованный краткосрочный кредит/максимально возможный краткосрочный кредит; использованный среднесрочный кредит/максимально возможный среднесрочный кредит и другие. В свою очередь в качестве эндогенной переменной (информация на выходе в нейронной сети), была использована рейтинговая оценка компаний.

Для своего исследования авторы статьи использовали данные по 76 небольшим итальянским компаниям-клиентам одного из банков Италии. Данные компании относятся к разным отраслям промышленности и хорошо характеризуют итальянскую экономику. Период времени, за который анализировались данные, составил три года (2001–2003). В результате многочисленных исследований и тестов, авторы пришли к выводу, что значение зависимой переменной y (которое варьируется в отрезке [0,1]) можно интерпретировать следующим образом:

если y<0,5, тогда компанию можно квалифицировать как «плохую»;

в противном случае компанию можно квалифицировать как «хорошую».

Эмпирическое исследование авторов статьи доказывает, с одной стороны, эффективность применения нейронных сетей для оценки кредитного риска. С другой стороны, исследование также еще раз показывает, что главными проблемами развития подобных систем является получение и обработка информации.

Интересны исследования последних лет, касающиеся учета не только количественных, но и качественных характеристик кредита. Действительно учет факторов нефинансового характера связан с трудностями выбора измерителей нефинансовых параметров. В статье Psillaki [Psillaki, 2009] авторы предлагают рассмотреть такой фактор как «производственная эффективность». Под производственной эффективностью в статье подразумевается, прежде всего, наиболее продуктивное, эффективное использование технологий предприятия и управленческого потенциала её сотрудников. Для учета данных факторов и учета их влияния на оценку кредитоспособности предприятия, авторы построили регрессионную модели, включив в неё факторы как финансового, так нефинансового характера. В статье авторы анализируют предприятия 3-х отраслей французской промышленности текстильной промышленности (1519 фирм), деревообрабатывающей отрасли (1595 фирм), компьютерных технологий(2637 фирм). Авторами была построена расширенная логит-модель, в которую были включены факторы как финансового, так и нефинансового плана (производственная эффективность). Для анализа были выбраны следующие факторы:

• Рентабельность

• Ликвидность

• Уровень левериджа (соотношение заемного и акционерного капитала)

• Товарооборот (соотношение продаж к активам)

• Залог

Нематериальные активы (рассматриваются в качестве будущих возможностей роста в соотношении ко всем активам компании, чем ниже возможности роста, тем выше кредитный риск)

• Производительная эффективность (полученная по DEA-модели).

Авторы других исследований анализируют, как положительные стороны, так проблемы, возникающие при использовании этих слабо формализованных параметров. Появились исследования, в которых ставилась проблема возможной манипуляции количественными характеристиками, например, со стороны кредитных специалистов и оценки возможных способов управления этим процессом путем внедрения особой системы вознаграждения с фиксированной и переменной, зависящей от достоверности проведенного анализа и факта возврата кредита, частями позволяет снизить кредитный риск банка) [Godbillon-Camus, 2005].

Банк Международных Расчетов (Bank for International Settlements (BIS)) в своих рабочих документах опубликовал рекоменда-ции по оценки кредитного риска, в частности, для определения вероятности дефолта (Probability of Default (PD)) [BIS Working Paper n179]. Особое место в современной научной литературе по кредитным рискам по прежнему занимают работы, посвященные использованию кредитных деривативов [Broll,2004]. В основе кредитных деривативов — кредитное событие или реализация кредитного риска: дефолт (отказ от выполнения обязательств), снижение рыночной или базисной стоимости актива, понижение кредитного рейтинга проектной компании, возрастание кредитного спрэда. Согласно условиям сделки при наступлении события происходит выплата денежных средств, но не обязательно полное погашение обязательств заемщика.[Fabozzi F.J., 2004], [Kimber A., 2004]. Среди монографий по проблемам оценки и управления банковскими рисками, которые были переведены на русский, следует отметить монографию С.Фроста [Фрост, 2006] и Х. ван Грюндинга и С. Брайович Братанович [Грюндинг Х.ван, 2007].

В российской научной литературе проблеме управления кредитными рисками посвящено достаточно много публикаций. Среди них следует отметить первое в России учебно-энциклопедическое издание по вопросам финансового риска [Лобанов, 2003], где значительный раздел посвящен проблеме оценки кредитного риска. Среди других наиболее интересных работ следует отметить исследования, связанные с анализом возможностей использования отечественными банками новых Базельских стандартов. В своих работах российские авторы проводят оценку развития методов управления кредитным риском в российских банках и перспектив перехода на новые стандарты [Сытин Ф.М.,2008] и оценивают возможности применения новых инструментов таких, как кредитные деривативы в России [Темишев,2007].

Следует особо отметить статьи исследователей ГУ-ВШЭ, в которых проводится анализ результатов применения к тестовому портфелю стандартизированного подхода и подхода IRB [Дзигоева и др., 2008].

Определение кредитного портфеля и кредитных рисков

Кредитный портфель — это совокупность остатков задолженности по основному долгу по активным кредитным операциям на определенную дату.

Клиентский кредитный портфель является его составной частью и представляет собой остаток задолженности по кредитным операциям банка с физическими и юридическими лицами на определенную дату.[1]

Кредитный риск — риск неисполнения дебитором своих обязательств перед поставщиком товаров или провайдером услуг, т.е. риск возникновения дефолта дебитора. В рамках данного определения носителями кредитного риска являются в первую очередь сделки прямого и непрямого кредитования (прямой риск) и сделки купли-продажи активов без предоплаты со стороны покупателя.

Более широкое представление о кредитном риске определяет его как риск потерь, связанных с ухудшением состояния дебитора, контрагента по сделке, эмитента ценных бумаг. Под ухудшением состояния (рейтинга) понимается как ухудшение финансового состояния дебитора, так и ухудшение деловой репутации, положения среди конкурентов в регионе, отрасли, снижение способности успешно завершить некий конкретный проект и т.д., т.е. все факторы, способные повлиять на платежеспособность дебитора. Потери в данном случае могут быть также как прямые - невозврат кредита, непоставка средств, так и косвенные - снижение стоимости ценных бумаг эмитента (например, векселей), необходимость увеличить объем резервов под кредит и т.д.[2]

1.1 Классификация кредитных портфелей

Среди традиционных видов банковской деятельности предоставление кредитов – основная операция, обеспечивающая их доходность и стабильность существования. Выдавая кредиты физическим и юридическим лицам, банк формирует свой кредитный портфель.

Существуют различные классификации кредитного портфеля, среди которых можно встретить деление портфеля на валовой (совокупный объем выданных банком кредитов на определенный момент времени) и чистый (валовой портфель за вычетом суммы резервов на возможные потери по ссудам).

Риск–нейтральный кредитный портфель характеризуется относительно низкими показателями рискованности, но, в то же время, и низкими показателями доходности, а рискованный кредитный портфель имеет повышенный уровень доходности, но и значительный уровень риска.

Оптимальный кредитный портфель наиболее точно соответствует по составу и структуре кредитной и маркетинговой политике банка и его плану стратегического развития.

Сбалансированный кредитный портфель – это портфель банковских кредитов, который по своей структуре и финансовым характеристикам лежит в точке наиболее эффективного решения дилеммы «риск-доходность». Оптимальный портфель не всегда совпадает со сбалансированным: на определенных этапах своей деятельности банк может в ущерб сбалансированности кредитного портфеля осуществлять выдачу кредитов с меньшей доходностью и с большим риском. Делается это обычно с целью укрепления конкурентной позиции, завоевания новых ниш на рынке, привлечения новых клиентов и т.д.

Кроме того, выделяют:

• кредитный портфель головного банка и кредитные портфели филиалов;

• портфель по кредитам юридическим лицам (деловой кредитный порт-фель) и физическим лицам (персональный кредитный портфель), а также портфель по кредитам другим банкам (межбанковский кредитный портфель);

• портфель рублевых и портфель валютных кредитов и др.

1.2 Управление кредитным портфелем банка

На фактическом состоянии клиентского кредитного портфеля сказывается принятая банком система управления им. Управление кредитным портфелем представляет собой организацию деятельности банка при осуществлении процесса кредитования, которая направлена на предотвращение или минимизацию кредитного риска. Конечными целями кредитной организации при управлении кредитным портфелем является, во-первых, получение прибыли от активных операций, во-вторых – поддержание надежной и безопасной деятельности банка.

В основе организационной структуры управления кредитным портфелем лежит принцип разграничения компетенции, то есть четкое распределение полномочий руководителей различного ранга по предоставлению кредита, изменения условий кредитной сделки в зависимости от размера кредита, степени риска и других характеристик.

В системе мер управления кредитным портфелем немаловажную роль играет разработка и проведение кредитной политики. Стратегия и тактика кредитной политики разрабатывается в центральном офисе (головном банке) кредитным департаментом (управлением) совместно с Кредитным комитетом банка. Кредитный комитет создается в каждом банке и обычно возглавляется заместителем Председателя Правления, курирующего кредитную деятельность банка. Состав и полномочия комитета утверждаются Правлением и Председателем Правления банка. В кредитной политике формулируется общая цель и определяются пути ее достижения: приоритетные направления кредитных вложений, приемлемые и неприемлемые для банка виды активных операций, предпочтительный круг кредитополучателей и т.д.[1]

Современные исследования отечественных экономистов и опыт риск-менеджмента транснациональных банков показывают, что будущее развитие банковской системы Украины будет зависеть от правильного выбора методов управления рисками. Наращивание финансового сектора, увеличение количества финансовых посредников приводит к необходимости занимать все более активную позицию в условиях жесткой конкуренции переходной экономики. Адекватная оценка рисков и использования методов риск-менеджмента является залогом финансовой стойкости и стабильности банка. Без четкого представления природы, факторов и способов минимизации рисков невозможно должным образом обслуживать реальный сектор экономики, осуществлять инвестиции и интегрироваться в мировое общество.

В отечественной научной литературе уделяется определенное внимание вопросам управления рисками. В первую очередь, это научные разработки В.В. Витлинского, Н.А. Бухтина, А.В. Пернаривского, В.П. Страхарчука. На наш взгляд, эти исследования можно условно разделить на три части. Первая посвященная исследованию самой сущности понятия “риск”, классификации рисков и определению факторов их изменения. Вторая касается описания существующих методик риск-менеджмента, которые уже применяются в практике. Наименьшая по численности – третья группа научных разработок, которая освещает зарубежный опыт внедрения методик управления риском.

Спектр методов, которые используются в банковской практике Украины, достаточно узок преимущественно из-за отсутствия сведений о последних разработках зарубежных экономистов и неприспособленности уже известных способов управления рисками к реалиям экономики Украины. Не нашли надлежащего освещения автоматизированные технологии оценки риска и новые методы измерения таких основных рисков, которым подвергается банк, как риски кредитного портфеля. Нуждается в уточнении состав и структура определенной группы рисков.

Целью исследования является характеристика разновидностей рисков кредитного портфеля в контексте зарубежного опыта. Реализация поставленной цели обусловила необходимость решения таких задач:[3]

Определить состав и факторы, которые присущи указанной группе рисков
Охарактеризовать существующие модели оценки и управления ими
Оценить возможные модели адаптации зарубежных технологий для использования банками Украины
Разработать предложения относительно последующего развития банковской системы с учетом новых технологий риск менеджмента.

В 1988 г. Базельский комитет по банковскому надзору в Соглашении по капиталу (Basle Capital Accord) определил основную архитектуру для установления требований по достаточности капитала для банковских организаций (банков) на основе понятия риска (risk-based capital, RBC). Однако в последнее время стало очевидным, что формальные требования этого соглашения уже не отвечают происходящим в мире технологическим и финансовым инновациям.

Одной из аномалий, заложенной в требования комитета в части размера капитала по кредитному риску, является, в частности, то, что для банков создаются возможности посредством финансовых инноваций значительно занизить свои требования к размеру капитала, не уменьшая при этом свой общий кредитный риск. Традиционное негибкое регулирование банковских рисков игнорирует различия в величине кредитного риска, в подходах банков к вопросам хеджирования, диверсификации кредитного портфеля и т.д.

Вследствие этого регулирующие органы западных стран все чаще высказывают идею применения подхода, основанного на использовании внутренних банковских моделей оценивания кредитного риска. Никто так аккуратно не подходит к вопросу измерения кредитного риска как сам объект, подвергающийся этому риску и связанным с ним финансовым потерям. Регулирующие органы способны оказать прямое стимулирующее воздействие на улучшение банковских систем риска, распространяя информацию о наиболее удачных практиках использования таких систем. Задача определения подходящей меры для количественной оценки общего кредитного риска портфеля, которая вместе с тем обладала бы достаточно ясным экономическим смыслом и была бы способна по возможности наиболее полно учесть специфику, стоит достаточно остро.[4]

Под риском в математической теории финансов обычно понимают вариацию, изменчивость, волатильность, присущую рассматриваемому инструменту. Для эффективного управления кредитным риском необходимо знать не только оценку среднего ожидаемого убытка портфеля, но и значения доверительного интервала относительно среднего значения, так как реальный уровень потерь портфеля может сильно варьироваться относительно среднего значения. По аналогии с Value-at-Risk (показатель оценивания рыночного риска) под величину изменчивости стоимости кредитного портфеля называют Credit-at-Risk (CAR).

Напомним, что величина под риском (Value-At-Risk, VAR) есть максимальная величина возможного изменения стоимости портфеля финансовых инструментов в определенном будущем, происходящего с определенной фиксированной (например, 95 %-ной) вероятностью.

Первый шаг определения VAR – это оценка рыночной стоимости этого портфеля на определенный момент времени (mark-to-market), величиной вероятного изменения которой VAR собственно и является. Задача сама по себе непростая, поскольку требует представления позиций портфеля в виде развернутых во времени потоков будущих платежей.

Дальнейший расчет VAR опирается на статистическую модель описания рынка. Здесь подходы к построению могут быть самыми различными, т.к. наш рынок с большим трудом поддается статистическому описанию.

Эффективное управление рисками, помимо расчета VAR, предполагает также возможность оценки динамики объемов необходимого резервирования (solvency), оценки реальных будущих доходов и расходов (profit&loss), оценки динамики отношения доходности активов к объему необходимого резервирования (return on solvency), соотнесения этих показателей с балансовыми и т.д.

Непосредственно перед утверждением использования внутренних моделей оценки риска банков для определения формальных требований по капиталу должны быть решены следующие задачи:

определение подходов для оценивания кредитного риска;
решение проблемы определения и оценки необходимых параметров модели, которая возникает вследствие ограниченной несколькими годами истории данных по кредитным инструментам;
внедрение более систематического и всеобъемлющего подхода к проверке результатов работы моделей, включая возможность определения такого показателя как нестабильность модели.

Одним из наиболее важных и трудных из указанных аспектов является вопрос идентификации и задания параметров модели. В системе оценивания кредитного риска должны быть определены:

вероятность дефолта для каждого кредитного инструмента в портфеле;
вероятностное распределение убытков при условии наступления дефолта для каждого инструмента;
для всех инструментов портфеля определить корреляции между моментами возникновения дефолтов и величинами убытков при условии дефолта.[5]

1.3 Зарубежные технологиии оценки кредитногго риска

За рубежом на текущий момент существует и применяется целый ряд моделей для оценки риска. К наиболее успешным из них следует отнести:

CreditMetrics (продукт компании JP Morgan);
KMV (продукт одноименной компании);
CreditRisk+ (продукт компании Credit Suisse Financial Products);
CreditPortfolioView (продукт консалтинговой компании McKinsey).

Подход, реализованный в модели CreditMetrics, основан на исследовании “кредитной миграции”, т.е. на вероятности перехода кредита из одной категории кредитной операции в другую (включая и наихудшую, дефолтовую) на протяжении определенного временного горизонта, за который обычно принимается один год. Моделирование полного будущего распределения любых кредитных портфелей или портфелей ценных бумаг основывается на следующих допущениях:

1) изменения в стоимости портфеля связаны только с кредитной миграцией;

2) изменение ставки процента по кредиту также предопределено.

Благодаря этому VAR – оценка портфеля (CAR) – определяется тем же способом, что и при оценке рыночного риска – рассчитывается персентиль распределения, который соответствует желаемому уровню надежности. Данная модель применима для любого инструмента, будущую стоимость которого мы можем просчитать.

В модели CreditMetrics используются упрощающие предположения о составе обязательств заемщика и процессе выплат по акциям, основное из которых достаточно простое: фирма объявляет дефолт, когда стоимость ее активов падает ниже стоимости обязательств. Таким образом, вероятность дефолта зависит от суммы, на которую стоимость активов превышает пассивы, и изменчивости активов. Если изменения в стоимости активов происходят согласно нормальному распределению, вероятность дефолта может быть описана вероятностью нормальной переменной, находящейся ниже какого-то критического уровня.

Первым шагом в использовании данной модели является исчисление критических уровней соответствующих вероятностям дефолта заемщика и отображаемых в кредитном рейтинге. Совместные дефолты среди клиентов-заемщиков отображают корреляцию активов, которая задается таблицей взаимных парных корреляций, построенной с учетом группировок по странам и отраслям производства. Потери портфеля рассчитываются по методу Монте-Карло следующим образом:

1. Случайным образом выбираются стандартные нормализованные переменные, отображающие изменения в стоимости активов для каждого заемщика.

2. Полученные значения сравниваются с исчисленным заранее критическим уровнем для определения клиентов, неспособных выполнить свои обязательства.

3. Суммирование потерь от дефолта заемщиков в общие потери портфеля.

4. Повторение тысячи раз для построения распределения потерь портфеля

По-другому рассчитывается риск в программном продукте корпорации KMV. Методология расчета базируется на понятии “ожидаемая частота дефолта” каждого эмитента (кредитора) в отличии от предыдущей, которая использует материал кредитных агентств и исчисленные средние частоты миграции для каждой рейтинговой группы.

Оба метода используют модель, предложенную в 1974 г. Мертоном, но отличие между ними в части упрощающих допущений достаточно существенно.

Еще одной моделью, которая нашла себе применение для оценки рисков портфелей, является CreditRisk+, в которой все внимание сосредоточено на дефолте как таковом. Предполагается, что дефолт кредитного инструмента или облигации повторяет и соответствует параметрам пуассоновского распределения. Риск кредитной миграции не моделируется в этом анализе явно. Упор делается на стохастических уровнях дефолтов, учет которых возможен лишь частично.

Модели оченки кредитного риска портфеля 📙 Курсовая → 🆔 132197