Geum.ru
Темы диссертаций по экономике » Математические и инструментальные методы экономики

Экономико-математические модели оценки кредитного риска портфеля корпоративных кредитов коммерческого банка тема диссертации по экономике, полный текст автореферата



Автореферат



Ученая степень кандидат экономических наук
Автор Федорова, Анна Анатольевна
Место защиты Санкт-Петербург
Год 2012
Шифр ВАК РФ 08.00.13
Диссертация

Автореферат диссертации по теме "Экономико-математические модели оценки кредитного риска портфеля корпоративных кредитов коммерческого банка"

САНКТ-ППТЕРБУРГСКИ Й ГОСУДАРСТВЕ!II1ЫЙ УНИВЕРСИТЕТ

ФЕДОРОВА АННА АНАТОЛЬЕВНА

ЭКОНОМИКО-МАТЕМАТИЧЕСКИЕ МОДЕЛИ ОЦЕНКИ КРЕДИТНОГО РИСКА ПОРТФЕЛЯ КОРПОРАТИВНЫХ КРЕДИТОВ КОММЕРЧЕСКОГО БАНКА

Специальность: 08.00.13- Математические и инструментальные методы экономики

На правах рукописи

005044231

АВТОРЕФЕРАТ

1 / май тг

диссертации на соискание ученой степени кандидата экономических наук

Санкт-Петербург

005044231

Работа выпонена на кафедре экономической кибернетики экономического факультета Федерального государственного бюджетного образовательного учреждения высшего профессионального образования Санкт-Петербургский государственный университет.

Научный руководитель: доктор экономических наук, профессор

Ворондовский Алексей Владимирович, профессор кафедры экономической кибернетики Санкт-Петербургского государственного университета

Официальные оппоненты: доктор экономических наук, профессор

Погостинская Нина Николаевна, заведующая кафедрой финансов Международного банковского института

доктор экономических наук, профессор Власов Марк Павлович, профессор кафедры информационных систем в экономике Санкт-Петербургского государственного инженерно-экономического университета

Ведущая организация Санкт-Петербургский государственный университет

экономики и финансов

Зашита состоится л31 мая 2012 г. в 18 часов на заседании диссертационного совета Д 212.232.34 по защите докторских и кандидатских диссертаций при Санкт-Петербургском государственном университете по адресу: 191123, Санкт-Петербург, ул. Чайковского, д.62, экономический факультет, ауд. 415.

С диссертацией можно ознакомиться в научной библиотеке им. A.M. Горького Санкт-Петербургского государственного университета.

Автореферат разослан л__20_г.

Ученый секретарь Диссертационного совета кандидат экономических наук, доцент

В.И. Капусткин

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы исследования

Для коммерческих банков и международной финансовой системы все более актуальной становится задача построения системы оценки портфельного кредитного риска. Актуальность этой проблемы связана с увеличением объема кредитных портфелей банков, снижением рентабельности банковских операций и известными случаями потерь по ссудам. Большое значение имеет задача моделирования кредитного риска по портфелю корпоративных заемщиков, во-первых, из-за больших размеров кредитов, и, во-вторых, в связи с намного более трудоемкой и комплексной процедурой оценки кредитного риска по данному классу заемщиков. Для проведения эффективной кредитной политики коммерческому банку недостаточно простой процедуры скоринга. Необходимо использовать целостную систему управления кредитным риском портфеля, так как только она позволяет принимать решения по кредитам, учитывая возможности оперативного изменения параметров портфеля, использования синдицированного кредитования и кредитных деривативов, возрастающую ликвидность вторичного кредитного рынка.

Задача построения экономико-математической модели оценки кредитного риска портфеля наиболее остро поставлена внедренным в европейских банках в 2007 году Соглашением "Международная конвергенция измерения капитала и стандартов капитала: уточненные рамочные подходы" Базельского комитета по банковскому надзору (ПСПЙ), в котором наиболее надежным банкам предлагается в рамках подхода, основанного на внутренних рейтингах заемщиков, строить собственные модели оценки кредитных рисков, обращая внимание на достаточность капитала банка и необходимые общие резервы на покрытие убытков по кредитным портфелям. По существу, соглашение представляет собой общие принципы управления рисками (в том числе, кредитными рисками) банка по различным видам инструментов, при использовании которых, даже в случае наступления дефота банк не обанкротится, так как сможет покрыть потери. Определенные тенденции по приведению российского банковского законодательства к международным стандартам также подтверждают актуальность темы исследования.

Цель и задачи исследования

Целью диссертационной работы является постановка экономико-математической модели оценки кредитного риска банка по портфелю его корпоратив-

ных заемщиков. Для достижения этой цели в рамках данной работы были поставлены и решены следующие задачи:

1) разработка модели оценки кредитного риска портфеля заемщиков юридических лиц в соответствии с принципами соглашения Базель 2 и российского банковского законодательства,

2) решение проблем учета коррелированноеЩ данных заемщиков и изменения кумулятивной вероятности дефота со временем,

3) сравнительный анализ модели оценки кредитного риска портфеля, построенной в соответствии с соглашением Базель 2, и требованиями ЦБ РФ,

4) обоснование модели вероятности дефота, учитывающей не только количественные, но и качественные факторы,

5) обоснование системы рейтингования корпоративных заемщиков, основывающейся на модели вероятности дефота,

6) сопоставление объема капитала банка, необходимого в соответствии с российским законодательством и требованиям Базельского соглашения,

7) разработка предложений по обоснованию условий кредитов.

Объектом исследования являются корпоративные кредиты коммерческого банка. Предметом исследования является постановка и анализ экономико-математических моделей, методов и агоритмов оценки кредитного риска.

Информационную базу исследования составили законодательные и нормативные акты РФ и Европы по вопросам, связанным с оценкой и кредитным риском, материалы официальной статистики, результаты исследований российских и зарубежных ученых, Интернет-ресурсы и сведения по проблематике диссертации, опубликованные в СМИ. Теоретическую и методологическую основу исследования составляют методологические принципы, изложенные в трудах российских и зарубежных ученых, а также отраженные в законодательстве РФ. В работе автор опирася на труды российских ученых А.П. Альгина, И.Т. Балабанова, И.А. Бланка, A.B. Воронцовского, В.А. Гамза,

A.A. Емельянова, О.И. Лаврушина, A.A. Лобанова, A.M. Карминского, B.C. Кромонова,

B.И. Малыхина, A.A. Пересецкого, М.В.Помазанова, М.А. Рогова, В.Т. Севрука, Л.Н. Тэпмана, Н.В. Хохлова, Е.Ю. Хрусталева, A.B. Чугунова, A.C. Шапкина, А.Н. Ширяева и многих других. Из зарубежных авторов использованы труды таких исследователей, как Г. Александер, Э. Альтман, Ф. Блэк, Дж. Бэйли, Д. Галаи, Д. Даффи, Дж. Кейнс, М. Кроуи, Г. Марковиц, Р. Мертон, М. Милер, Ф. Модильяни, Ф. Найт, П. Нараянан, Д. Рикардо, К. Рэдхэд, К. Сингтон, Дж. Синки, Д. Тобин, С. Хьюис, У. Шарп, М. Шоуз, И. Шумпетер, К. Эрроу.

Научная новизна диссертационного исследования и его наиболее существенные результаты заключаются в следующем.

Х Обоснованы основные этапы процесса управления кредитным риском коммерческого банка.

Х Проанализированы достоинства и недостатки наиболее известных моделей оценки кредитного риска (Z-Score, Basel 2, Credit Metrics, Moody's KMV Portfolio Manager, CreditRisk+, CreditPortfolioView) и сформулированы требования для использования в российской практике.

Х Построена система рейтинговаиия заемщиков, основанная на качественных и количественных факторах.

Х Разработан агоритм моделирования на основе метода Монте-Карло эмпирической функции распределения убытков портфеля с учетом коррелированноеЩ вероятности дефотов заемщиков.

Х Разработана экономико-математическая модель определения кумулятивной вероятности дефота на основе моделей авторегрессии с добавлением допонительных объясняющих переменных.

Теоретическая значимость работы

Теоретическое значение заключается в обосновании фундаментальных основ определения кредитного риска коммерческих банков по портфелю корпоративных кредитов. Практическая значимость и реализация результатов работы

Практическая значимость данной работы обусловлена возможностью использования предлагаемой модели в практике работы коммерческого банка. Результаты диссертационного исследования могут быть использованы в качестве методической основы при разработке системы управления кредитными рисками и кредитной политики коммерческого банка. Рекомендована методика расчета минимальной допустимой процентной ставки по кредиту с учетом риска заемщика. Апробация работы

Основные результаты диссертационной работы докладывались автором на научной конференции Конкуренция как фактор экономического роста (Санкт-Петербург, апрель 2011), Экономическая безопасность: современные проблемы (Санкт-Петербург, апрель 2010), научных конференциях Предпринимательство и реформы в России (Санкт-Петербург, апрель и ноябрь 2009, ноябрь 2008, ноябрь 2007). Полученные результаты могут также применяться в учебном процессе в рамках курса Банковское дело и Математические методы в экономике.

Публикации

Результаты диссертационной работы опубликованы в 9 печатных работах общим объемом 1,95 п.л., в том числе в статьях и материалах научных конференций. 2 статьи опубликованы в журналах, входящих в список печатных изданий, рекомендованных ВАК Российской Федерации.

Структура и объем диссертационной работы

Диссертация состоит из введения, трех глав, основных выводов и рекомендаций, списка литературы и семи приложений. Общий объем работы составляет 195 страниц, из них 122 страниц основного текста, 40 рисунков и 32 таблицы и 7 приложений -73 страницы. Список литературы содержит 103 наименования.

ОСНОВНОЕ СОДЕРЖАНИЕ ДИССЕРТАЦИИ

Во введении обоснована актуальность темы диссертации, указаны цель и задачи исследования, обсуждены научная новизна и практическая значимость работы. В первой главе приведено определение кредитного риска.

Под кредитным риском обычно понимают риск неиспонения заемщиком первоначальных условий кредитного договора, т. е. невозврат (поностью или частично) основной суммы дога и процентов по нему в установленные договором сроки. Система управления кредитным риском включает:

1) определение метода оценки кредитного риска;

2) анализ сложившейся структуры кредитного портфеля банка, исходя из принятых банком методов его оценки;

3) использование различных методов регулирования кредитного риска. Основными методами управления рисками, связанными с кредитованием, являются следующие: диверсификация портфеля кредитов; предварительный анализ платежеспособности заемщика; создание резервов на покрытие кредитного риска; анализ и поддержание оптимальной (для банка) структуры кредитного портфеля; требование обеспеченности ссуд и их целевого использования.

В работе показано, что для построения статистической модели оценки кредитного риска портфеля, удовлетворяющей требованиям ЦБ России, необходимо производить сравнение с методологией Базель II. При построении модели вероятности дефота в настоящее время в соответствии с Положением ЦБ РФ необходимо учесть показатели, характеризующие: 1) финансовое положение заемщика, 2) обслуживание дожа заемщиком.

В работе показано, что при построении модели оценки кредитного риска требуется ввести ряд поправок, например, для учета концентрации риска, взаимосвязи заемщиков и т.п.

В модели оценки кредитного риска портфеля будет использоваться базовый подход к оценке потерь в случае дефота, пока банки не наберут достаточно статистики для проведения внутренней оценки этого показателя.

В диссертации показано, что проверка надежности и точности такой модели представляет проблему, вследствие отсутствия критериев проверки надежности модели, построенной в рамках требований соглашения Базель П, и недостаточной статистики для проверки известных в мире моделей кредитного риска, а также недостаточного раскрытия механизмов использования моделей.

Во второй главе предложена система рейтингования заемщиков, основанная на модели вероятности дефота, блок-схема которой представлена на Рис. 1.

Система рейтингования учитывает б групп показателей:

1 .Оценка финансового положения компании.

2.0ценка отраслевых и политических рисков компании.

3.Наличие истории взаимоотношения Банка и заемщика.

4.Риски, связанные с акционерами.

5,Оценка конкурентного положения компании в отрасли (секторе, сегменте рынка).

б.Экспертиза благонадежности компании.

Рис.1. Схема оценки кредитного риска заемщика.

Отличительной особенностью данной рейтинговой системы является то, что в ней учитываются как количественные, так и качественные характеристики заемщика. Значения диапазонов балов для факторов определены на основании экспертной оцен-ки.В работе предложены два агоритма моделирования кредитного риска методом Монте-Карло, учитывающие коррелированность данных компаний-заемщиков. В первом агоритме для этого применяется ковариационная матрица убытков, во втором агоритме - ковариационная матрица вероятностей дефотов.

Пусть портфель состоит из N кредитов. Для каждого кредита с номером _/, при = заданы SJ - остаток ссудной задоженности по му кредиту, р1 -

вероятность дефота за год по /-му кредиту. Обозначим Ь1 - убыток по кредиту j

вследствие дефота. Пусть также задана ковариационная матрица убытков по портфелю

о=|п, | = Е[{1, - />А). (Ь1 - р/,)]. (1)

Необходимо смоделировать убыток Ьр по всему портфелю:

^ = (2)

Убыток по кредитному портфелю как сумма дискретных случайных величин также представляет собой дискретную случайную величину, распределение которой не задается известными классом распределений.

Основные характеристики случайной величины, характеризующей убыток банков по кредитному портфелю, определяются так:

1) математическое ожидание убытков портфеля банка:

Е(Ьр) = Е(^) = р^. (3)

2) дисперсия убытков портфеля банка

0(1р) = = р, (1 -р^) + 2ЬГ

3) стандартное отклонение убытков портфеля банка

1=1 и=1

где ру - вероятность дефота за период анализа по у -му кредиту.

Величина Е(Ьр) характеризует ожидаемые убытки или ожидаемый уровень потерь в соответствии с рекомендациями соглашения Базель И. Тогда ее можно рассматривать как необходимый размер резервов на случай возможных потерь. Для построения количественной оценки кредитного риска предложены 2 агоритма эмпирической функции распределения случайной величины Ьр методом Монте-Карло.

Первый агоритм включает следующие этапы:

1) Для каждого кредита ] генерируются равномерно распределенные от 0 до 1 случайные величины: Б* к й[0,1],у = I,...,г, где N - количество кредитов в портфеле.

2) Генерируются псевдослучайные дискретные векторы Л* = = 1,..., А',

1 1о,/>;<1 -Рг

3) Вектор убытков Ь У = 1,...,Г, распределенный с математическим ожи-

данием М = {/>Д}> / = 1,...,Г и ковариационной матрицей О (1), которую предлагается определять так:

Т = АА? + М , (7)

где матрица преобразования А является треугольной матрицей следующего вида

~ап 0 ... О дД аД ... О

_ат аК2 ... ак

элементы я,-,. которой определяются рекуррентной формулой:

/-1 - Л

Данный агоритм работает только в случае, когда исходная ковариационная матрица О положительно определенная. Расчеты показали, что чем менее диверсифицирован кредитный портфель, тем меньше величина неожидаемых потерь. Так, например, при изменении структуры ковариационной матрицы убытков с единичной матрицы на матрицу, в которой все элементы главной диагонали равны 1, остальные элемен-

ты равны 0.9, оказывается, что величина неожидаемых потерь по кредитам смещается влево.

При описании второго агоритма предполагается: портфель, состоит из М кредитов: для каждого кредита с номером _/ при, у = 1,...,А/ задана X1 - случайная величина, принимающая значения от 0 до 1, где Е(Х= р);

Пусть ХР = [г, | = Е({Х1 - р,) (XJ - р])) - ковариационная матрица случайных величин X1.

Второй агоритм моделирования кредитного риска включает следующие этапы: 1) Генерируем М случайных величин ZJ со стандартным нормальным распределением, тогда величина X = В2 + р имеет нормальное распределение с математическим ожиданием р = Ц/г,, рг,..., рч |г н ковариационной матрицей Ч', если В является нижней треугольной матрицей, элементы Ьу которой определяются рекуррентным соотношением

ьл= I (Ю)

2) Оцениваем компоненты вектора X каждой реализации с номером к вектора X .

3) Определяем окончательную сумму убытков

4 = (12)

Предложенный агоритм работает только в случае, когда исходная ковариационная матрица *Р положительно определенная.

Расчеты по второму агоритму показали обратный вывод: чем выше корреляция между дефотами и менее диверсифицирован портфель, тем выше неожидаемые убытки по портфелю. То есть, при изменении структуры ковариационной матрицы вероятностей дефотов с единичной матрицы на матрицу, в которой все элементы главной диагонали равны 1, остальные элементы равны 0.9, оказывается, что неожидаемые убытки портфеля кредитов смещается вправо. Использование второго агоритма моделирования при возрастании степени коррелированности данных по портфелю кредитов

и более высоких значениях элементов ковариационной матрицы вероятностей дефотов показало более высокие значения неожидаемых убытков, поэтому второй агоритм больше применим к моделированию коррелированноеЩ данных заемщиков портфеля.

В работе предложен метод прогнозирования кумулятивной вероятности дефота на основе моделей авторегрессии.

Расчеты производились по данным о кумулятивных вероятностях дефота Moody's с 1970 по 2008 год.

Проведенные расчеты показали, что изменение кумулятивной вероятности дефота по заемщикам со спекулятивным рейтингом за 1985-1997 описывается кубической регрессией, при этом остатки регрессии кумулятивной вероятности и кубического тренда являются либо авторегрессией порядка 1, либо стационарным рядом.

Обобщим этот вывод для других данных. Было установлено, что за период с 1985-1997 год в общем виде процесс изменения кумулятивной вероятности дефота может быть описан следующей моделью:

у ,= а + pt + yt2 +St' + ,, и, ~Л?(0,сг,).

Для этой модели R2 превышает 0.9, a F -статистика и /-статистики имеют значения, соответствующие значимости всей регрессии и ее отдельных коэффициентов.

В диссертации выдвинута гипотеза о том, что зависимость кумулятивной вероятности дефота от времени t описывается одной и той же моделью в течение длительного промежутка времени. Следовательно, модель можно использовать для прогнозирования значений вероятности дефота на ближайший период, и метод моделей ARIMA применим для прогнозирования кумулятивной вероятности дефота.

Проведенные расчеты показали, что кумулятивные вероятности дефотов по усредненным (по количеству заемщиков со спекулятивным рейтингом) данным за 19982008 годы также описываются кубической регрессией.

В третьей главе на основании рейтинговой системы, предложенной в главе 2, была произведена оценка портфеля. Источником данных по портфелю были сайты www.msk.arbitr.ru и www.cbonds.ru. На сайте www.msk.arbitr.ru находится информация о предприятиях, в отношении которых возбуждалась процедура банкротства. Так для построения модели на сайте www.cbonds.ru были выбраны 50 корпораций с организационной формой ОАО, о которых известно, что о них возбуждалось дело о банкротстве. Были учтены те корпорации, у которых объем активов превышает 5 мн. руб.,

объем годовой выручки превышает 50 мн. руб., при этом имеются данные хотя бы на 4 годовые отчетные даты. Таким образом, получим данные по 200 точкам предприятий-банкротов. Также были отобраны 50 корпораций с организационной формой ОАО, о которых нет информации о возбуждении дела о банкротстве. Остальные параметры корпораций-небанкротов были аналогичны параметрам, приведенным выше. Таким образом, были получены еще 200 точек предприятий-небанкротов. Для указанного портфеля была построена модель вероятности дефота.

Наилучшей оказалась 1ози- регрессия с коэффициентами:

2 = 14.596-4.018-/;-1.575-/2-7.522-/,//4, где - отношение выручки от продаж к краткосрочным обязательствам и процентным платежам, /2 - логарифм совокупных активов, /3 - денежные средства и краткосрочные финансовые вложения, /4 - совокупные активы.

Взаимозависимость рейтинга и вероятности дефота представлена на Рис. 2.

В диссертационной работе построено распределение неожидаемых потерь для рассматриваемого портфеля. Был проанализирован вид функции распределения убытков при изменении структуры кредитного портфеля по срокам и по величине ссуд. Были сделаны следующие выводы: если ориентироваться по величине неожидаемых потерь, то безразлично иметь ли однородный портфель кредитов или выдать крупные кредиты заемщикам, у которых коэффициенты ковариации наиболее близки к 0; при выдаче более крупных кредитов заемщикам, у которых коэффициенты ковариации по модулю наибольшие, неожидаемые убытки возрастают.

Рис.2. Взаимосвязь рейтинга и вероятности дефота.

При формировании структуры кредитного портфеля по срокам вид ковариационной матрицы вероятностей дефотов влияет на величину неожидаемых убытков. А именно, если выдавать более длительные кредиты заемщикам, вероятности дефотов которых имеют высокие по модулю ковариации, то величина неожидаемых убытков возрастает, если же выдавать кредиты заемщикам, вероятности дефотов которых имеют близкие к 0 ковариации, величина неожидаемых убытков снижается.

В диссертации предложено следующим образом определять категорию качества заемщика:

К первой категории качества принадлежит заемщик с вероятностью дефота РО =0%. Ко второй категории качества - заемщик с вероятностью дефота 1%<РГК20%. К третьей категории качества - заемщик с вероятностью дефота 21%<1'13<50%. К четвертой категории качества - заемщик с вероятностью дефота 51%<РО<ЮО%. К пятой категории качества - заемщик с вероятностью дефота РБ=100%.

Для однородного портфеля из 10-и кредитов в 1 мн. руб. величина минимально необходимого капитала коммерческого банка по требованиям соглашения Базель 2 составляет 3,753 милиона рублей. На основании разработанной модели эта величина составляет 5,250 милионов рублей. Для неоднородного портфеля, например, заемщикам с номерами 1,3, 10 выдано по 2 милиона рублей, а остальным семи заемщикам по 0,571 милиона рублей. Для этого случая величина капитала в соответствии с требованиями соглашения Базель 2 составляет 3,367 милиона рублей, а по разработанной модели - 6,25 милионов рублей.

В соответствии с требованиями российского законодательства аналогичная величина минимально необходимого капитала коммерческого банка равна 7,01 милионов рублей.

Следует отметить, что разработанная модель оценки кредитного риска портфеля корпоративных кредитов коммерческого банка применима только в случае отсутствия экономического кризиса. Это связано с тем, что в случае кризиса невозможно вычислить ковариационную матрицу вероятности дефотов.

В предложенном в работе методе расчета минимальной процентной ставки по кредиту новым является способ определения годового резерва под ожидаемые потери по ссудам. Так предложена следующая формула:

У = м>-а% ЮО $ + (1 - и-) Х РИ ШИ Х (15)

где V - годовой резерва, а% - минимальный размер резерва категории качества, соответствующей кредиту, 5 - сумма кредита, ЬОО - потери в случае дефота, РО - ве-

роятность дефота, м> - доля кредита, в которой годовой резерв рассчитывается по минимальной ставке.

Использование такого метода вычисления годового резерва при определении процентной ставки в российских условиях, является более мягким по сравнению с основным методом лиздержки плюс прибыль, поскольку позволяет оценивать годовой резерв по ставке, находящейся между значениями а% и вероятности дефота. Так как в своей текущей деятельности российские банки для определения годового резерва используют параметр а%, а не вероятность дефота, которая применяется в западных источниках, разумным представляется использование промежуточного подхода.

Пример расчета минимально допустимой годовой процентной ставки по кредиту:

Пусть срок кредита, лет - 1(г), вероятность дефота, % - 5%, категория качества

- 2, минимальный процент расчетного резерва, % - 1%, общая сумма кредита, руб,-1000000 руб., соотношение "капитал/активы", % Ч 10%, годовая стоимость привлеченных ресурсов, % - 14%, требуемый доход на капитал - 25%, налог на прибыль, % -24%, убытки в случае дефота - 35%, доля кредита, в которой годовой резерв рассчитывается по минимальной ставке, % - 50%.

Резервируемый капитал - произведение соотношение "капитал/активы" (10%) на общую сумму кредита (1000000 руб.) составляет 100000 руб.; годовой доход на капитал

- произведение резервируемого капитала (100000 руб.) на требуемый доход на капитал (25%) в отношении к разности единицы и ставки налог на прибыль (24%) составляет 32895 руб.; годовая стоимость привлеченных ресурсов - произведение ставки годовой стоимости привлеченных ресурсов (14%) на разность общей суммы кредита, руб. (1000000 руб.) и резервируемого капитала (100000 руб.) составляет 126000 руб.

Годовой резерв под ожидаемые потери по ссудам вычисляется по формуле (15) и составляет 10500 руб.

Годовой процентный доход в точке безубыточности равен сумме годовой стоимости привлеченных ресурсов и годового дохода на капитал, а также годового резерва под ожидаемые потери по ссудам и составляет 169395 руб.

1огда минимальная процентная ставка по кредиту равна отношению годового процентного дохода в точке безубыточности к сумме кредита и составляет 16,9%.

ОСНОВНЫЕ ВЫВОДЫ И РЕКОМЕНДАЦИИ

1. Задача построения статистической модели оценки кредитного риска корпоративных заемщиков является актуальной для коммерческих банков. Автором была про-

ведена работа по анализу предпосылок, ограничений, исходных данных наиболее известных в мировой практике моделей оценки кредитного риска корпораций.

2. Проведенный критический анализ практики использования и методологии построения статистической модели оценки кредитного риска корпоративного заемщика показывает, что в настоящее время не существует единых общепризнанных методов построения моделей оценки кредитного риска. Задача построения модели оценки кредитного риска корпоративных заемщиков осложняется тем, что отечественные банки не накопили достаточно данных для построения таких моделей. Ряд параметров требует периодического пересмотра.

3. Для построения эффективной кредитной политики коммерческому банку недостаточно просто построения статистических моделей оценки кредитного риска корпоративных заемщиков, необходимо внедрять целостную систему управления кредитным риском портфеля, так как только она позволяет принимать решения по портфелю, учитывая возможность оперативного изменения параметров портфеля, использования синдицированного кредитования и кредитных деривативов, возрастающую ликвидность вторичного кредитного рынка.

4. Проверка надежности и точности модели оценки кредитного риска портфеля представляет существенную проблему, вследствие отсутствия критериев проверки надежности подобных моделей, недостаточного раскрытия механизмов использования известных моделей, а также недоступности статистики для проверки известных в мире моделей кредитного риска.

5. Обоснованы основные этапы процесса управления кредитным риском коммерческого банка. Разбиение процесса управления кредитным риском построено на принципах последовательного, активного подхода к кредитному риску, требующему постоянного контроля и корректировки результатов. Разбиение зависит от содержания и специфики процедуры кредитования коммерческого банка.

6. Представлена система рейтингования заемщиков, основанная на модели вероятности дефота, учитывающая как количественные, так и качественные характеристики заемщика. Значения диапазонов балов для факторов определены на основании экспертной оценки. В диссертации данная система рекомендуется для применения на практике в качестве базовой, от которой, при накоплении достаточного объема статистических данных, можно перейти к более сложной модели.

7. В работе предложены два агоритма моделирования кредитного риска методом Монте-Карло, учитывающие коррелированность данных компаний-заемщиков. В первом агоритме для этого применяется ковариационная матрица убытков, во втором

агоритме - ковариационная матрица вероятностей дефотов. Первый агоритм показал, что чем менее диверсифицирован кредитный портфель, тем меньше величина не-ожидаемых убытков. В целом, можно сделать вывод, что второй агоритм моделирования при возрастании степени коррелированности данных по портфелю кредитов и более высоких значениях элементов ковариационной матрицы вероятностей дефотов демонстрирует более высокие значения неожидаемых убытков, поэтому второй агоритм больше применим к моделированию коррелированности данных заемщиков портфеля.

8. В работе также рекомендован метод прогнозирования кумулятивной вероятности дефота на основе моделей авторегрессии. Были произведены расчеты по кумулятивным вероятностям с 1985-96 год и с 1998-2008 на основании данных Moody's. Расчетами подтверждается, что общий вид модели авторегрессии зависимости кумулятивной вероятности от времени сохраняется на длительные промежутки времени. В частности, данные с 1998- 2008 год хорошо аппроксимируются кубической регрессией. В целом, можно выдвинуть гипотезу о том, что зависимость кумулятивной вероятности дефота от времени t описывается одной и той же моделью в течение длительного промежутка времени. Следовательно, модель можно использовать для прогнозирования значений вероятности дефота на ближайший период, и метод моделей авторегрессии применим для прогнозирования кумулятивной вероятности дефота.

9. Изучены особенности применения предлагаемого подхода к определению внутреннего рейтинга заемщика и расчета кумулятивной вероятности дефота, а также моделирования ожидаемых и неожидаемых потерь по портфелю с учетом коррелированности вероятности дефотов корпоративных заемщиков. В работе рекомендуется при практическом построении системы управлением кредитным риском использовать разработанные методы расчета показателей, как наиболее эффективные. В диссертации была показана связь построенной рейтинговой системы с российским законодательством. Автором также предложен метод расчета минимальной процентной ставки по кредиту корпоративного заемщика.

10. Учитывались данные по корпорациям, взятые с сайтов www.msk.arbitr.ru и www.cbonds.ru. Была построена модель вероятности дефота и распределение неожидаемых потерь для рассматриваемого портфеля. Был проанализирован вид функции распределения убытков при изменении структуры кредитного портфеля по срокам и по величине ссуд. В результате получен ряд выводов по предпочтительной структуре кредитного портфеля, в части сроков, сумм и ковариаций вероятностей дефотов заемщиков. Проведены расчеты ожидаемых и неожидаемых потерь для кредитных портфелей

различной структуры в соответствии с предлагаемыми методами и в соответствии с российским законодательством. Было установлено, что величина минимально необходимого к созданию капитала коммерческого банка является максимальной по российскому законодательству, минимальной Ч в соответствии с соглашением Базель 2 и промежуточной по разработанной модели.

11. Проведенные расчеты свидетельствуют о работоспособности предложенных методов оценки кредитного риска корпоративных заемщиков, а также подтверждают возможность их дальнейшего усовершенствования и практического использования.

12. В диссертации была показана связь построенной рейтинговой системы с российским законодательством. Автором также предложен метод расчета минимальной процентной ставки по кредиту корпоративного заемщика.

РАБОТЫ АВТОРА ПО ТЕМЕ ДИССЕРТАЦИИ

1. Федорова A.A. Некоторые аспекты кредитного риска байка// Вестник С.-Петерб. ун-та. Сер. 5. Экономика. 2009. Вып. 4.- С. 185-190.-0,3 н.л.

2. Федорова A.A. Использование моделей ARIMA для прогнозирования кумулятивной вероятности дефота// Известия С.-Петерб. ун-та экономики и финансов, 2010, номер 5.- С.162-167.-0,45 пл.

3. Федорова A.A. Выбор модели оценки кредитного риска корпоративного портфеля для российского банка//Конкуренция, как фактор экономического роста и развития: Материалы весенней конференции молодых ученых-экономистов. 22 апреля 2011 г.-ОЦЭиМ, 2011.- 175-176 с.-0,1 п.л.

4. Федорова A.A. Проблемы построения экономико-математической модели оценки кредитного риска портфеля российских корпоративных заемщиков//Актуальные проблемы экономической науки. Вып. 7: Сб. статей/ под ред. О.Н. Мисько,-СПб: Изд-во ОЦЭиМ С.-Петерб., 2009. С. 125-133.- 0,6 п.л.

5. Федорова A.A. Математические методы обеспечения экономической стабильности коммерческого банка//Материалы весенней конференции молодых ученых-экономистов Экономическая безопасность: современные проблемы 23 апреля 2010 г.- СПб.: ЭФ СПбГУ, 2010, С. 129-130.-0,1 п.л.

6. Федорова A.A. Методы вычисления кумулятивной вероятности дефота. //Материалы пятнадцатой международной конференции молодых ученых-экономистов Предпринимательство и реформы в России 26-27 ноября 2009 г.-СПб.: ЭФ СПбГУ, 2009, С. 89-90.-0,1 пл.

7. Федорова A.A. Открытые вопросы методологии управления кредитным риском Базель 11//Материалы весенней конференции молодых ученых-экономистов Предпринимательство и реформы в России 24 апреля 2009 г.- СПб.: ОЦЭиМ, 2009, С. 133-134.-0,1 пл.

8. Федорова A.A. Основные подходы к построению модели вероятности дефол-та//Материалы четырнадцатой международной конференции молодых ученых-экономистов Предпринимательство и реформы в России 27-28 ноября 2008г.-СПб.: ОЦЭиМ, 2008, С. 84-86,- 0,1 пл.

9. Федорова A.A. Некоторые подходы к управлению кредитным рис-ком//Материалы тринадцатой международной конференции молодых ученых-экономистов Предпринимательство и реформы в России 25-26 октября 2007 г.- СПб.: ОЦЭиМ, 2007, С. 58-59.-0,1 пл.

Подписано в печать: 24.04.12 Формат: 60x84 1/16 Печать цифровая Тираж: ЮОэкз. Заказ: 287 Отпечатано: Учреждение Университетские телекоммуникации 197101, Санкт-Петербург, Саблинская ул, д. 14 +7(812)9151454, zakaz@tibir.ru, www.tibir.ru

Диссертация: содержание автор диссертационного исследования: кандидат экономических наук , Федорова, Анна Анатольевна

Введение.

ГЛАВА 1. МОДЕЛИ ОЦЕНКИ КРЕДИТНОГО РИСКА.

1.1.Понятие кредитного риска, управления кредитным риском.

1.2. Основные закономерности построения систем управления рисками и их сравнительный анализ.

1.3. Модель "Кредитная Метрика".

1.4. Модель Moody's KMV "Портфельный Менеджер".

1.5. "Кредитный риск+".

1.6. Модель "Анализ кредитного портфеля".

1.7. Оценка кредитного риска по российскому законодательству.

Диссертация: введение по экономике, на тему "Экономико-математические модели оценки кредитного риска портфеля корпоративных кредитов коммерческого банка"

Актуальность темы исследования

Для коммерческих банков и международной финансовой системы все более актуальной становится задача построения системы оценки портфельного кредитного риска. Актуальность этой проблемы связана с увеличением объема кредитных портфелей банков, снижением рентабельности банковских операций и известными случаями потерь по ссудам1. Большое значение имеет задача моделирования кредитного риска по портфелю корпоративных заемщиков, во-первых, из-за больших размеров кредитов, и, во-вторых, в связи с намного более трудоемкой и комплексной процедурой оценки кредитного риска по данному классу заемщиков. Для проведения эффективной кредитной политики коммерческому банку недостаточно простой процедуры ско-ринга . Необходимо использовать целостную систему управления кредитным риском портфеля3, так как только она позволяет принимать решения по кредитам, учитывая возможности оперативного изменения параметров портфеля, использования синдицированного кредитования4 и кредитных деривати-вов5, возрастающую ликвидность вторичного кредитного рынка.

Задача построения экономико-математической модели оценки кредитного риска портфеля наиболее остро поставлена внедренным в европейских п банках в 2007 году Соглашением "Международная конвергенция измерения

1 Лобанов А.А., Чугунов А.В., Энциклопедия финансового риск - менеджмента, М., 2005, стр. 936.

2 Черкашенко В.Н. Этот "загадочный скоринг"/ Банковское дело. -2006. -№3. -с.42-48; Ли В. Об оценке кредитоспособности заемщика: российский и зарубежный опыт/ Деньги и кредит. -2005. -№2. -с.50-54.

3 Зинкевич В.А. Управление корпоративным портфелем: современные технологии кредитного анализа/ Банковское кредитование. -2010. -№4(32)-с.63-75.

4 Круи M Основы риск-менеджмента: пер. с англ./М. Круи, Д.Галей, Р. Марк; науч. Ред. В.Б. Минасян. - М.: Издательство Юрайт, 2011. -390с.

3 Часовая А. С. Кредитные деривативы как инновационный инструмент управления кредитным риском// Банковское дело, 2010, -№2(194) - с.74-78; Bielecki T.R. Crdit risk: modeling, valuation and hedging. -Harvard, 2002. -500 p.

6 Нагь П.М. Базель-2 для управляющих банками: основные характеристики и последствия внедрения для Центральной и Восточной Европы. // Банковское дело, 2006- №3 -с.8-17.

7 International Convergence of Capital Measurement and Capital Standards: a Revised Framework, BCBS, 2006, p.347, (URL: Ссыка на домен более не работаетpubl/bcbsl28.htm. дата обращения: 30.05.2011). капитала и стандартов капитала: уточненные рамочные подходы" Базельско-го комитета по банковскому надзору (ВСВБ), в котором наиболее надежным банкам предлагается в рамках подхода, основанного на внутренних рейтингах заемщиков, строить собственные модели оценки кредитных рисков, обп ращая внимание на достаточность капитала банка и необходимые общие резервы на покрытие убытков по кредитным портфелям. По существу, соглашение представляет собой общие принципы управления рисками9 (в том числе, кредитными рисками) банка по различным видам инструментов, при использовании которых, даже в случае наступления дефота банк не обанкротится, так как сможет покрыть потери. Определенные тенденции по приведению российского банковского законодательства10 к международным стандартам также подтверждают актуальность темы исследования. Цель и задачи исследования

Целью диссертационной работы является постановка экономико-математической модели оценки кредитного риска банка по портфелю его корпоративных заемщиков. Для достижения этой цели в рамках данной работы были поставлены и решены следующие задачи: 1) разработка модели оценки кредитного риска портфеля заемщиков юридических лиц в соответствии с принципами соглашения Базель 2 и российского банковского законодательства, решение проблем учета коррелированноеЩ данных заемщиков и изменения кумулятивной вероятности дефота со временем,

8 Chorafas D.N. Economic capital allocation with Basel II. -Oxford: Elsevier Butterworth- Heinemann, 2006. -409 p.; Симановский А. Ю. Достаточность банковского капитала: новые подходы и перспективы их реализации/ Деньги и кредит. -2000. -№6. -с.20-28.

9 Sandstrom A. Solvency: Models, Assessment and Regulation. -New York, 2006. -400 p.; Базельский процесс: Базель II - управление банковскими рисками/ В.Н. Вяткин, В.А. Гамза. - М. ЗАО "Издательство "Экономика", 2007. - 191 с.

10 Положение Банка России №254-П от 26.03.2004 "О порядке формирования кредитными организациями резервов на возможные потери по ссудам, по ссудной и приравненной к ней задоженности", (URL: Ссыка на домен более не работаетpubl/main.asp?Prtid=Vestnik&Y=2004. дата обращения: 30.05.2011); Положение Банка России №283-П от 20.03.2006 "О порядке формирования кредитными организациями резервов на возможные потери", (URL: Ссыка на домен более не работаетpubl/main.asp?Prtid=Vestnik&Y=2006. дата обращения: 30.05.2011). '

2) сравнительный анализ модели оценки кредитного риска портфеля, построенной в соответствии с соглашением Базель 2, и требованиями ЦБ РФ,

3) обоснование модели вероятности дефота, учитывающей не только количественные, но и качественные факторы,

4) обоснование системы рейтингования корпоративных заемщиков, основывающейся на модели вероятности дефота,

5) сопоставление объема капитала банка, необходимого в соответствии с российским законодательством и требованиям Базельского соглашения,

6) разработка предложений по обоснованию условий кредитов. Объектом исследования являются корпоративные кредиты коммерческого банка.

Предметом исследования является постановка и анализ экономико-математических моделей, методов и агоритмов оценки кредитного риска. Информационную базу исследования составили законодательные и нормативные акты РФ и Европы по вопросам, связанным с оценкой и кредитным риском, материалы официальной статистики, результаты исследований российских и зарубежных ученых, Интернет-ресурсы и сведения по проблематике диссертации, опубликованные в СМИ.

Теоретическую и методологическую основу исследования составляют методологические принципы, изложенные в трудах российских и зарубежных ученых, а также отраженные в законодательстве РФ. В работе автор опирася на труды российских ученых А.П. Альгина, И.Т. Балабанова, И.А. Бланка, A.B. Воронцовского, В.А. Гамза, A.A. Емельянова, О.И. Лаврушина, A.A. Лобанова, A.M. Карминского, B.C. Кромонова, В.И. Малыхина, A.A. Пересецкого, М.В.Помазанова, М.А. Рогова, В.Т. Севрука, Л.Н. Тэпмана, Н.В. Хохлова, Е.Ю. Хрусталева, A.B. Чугунова, A.C. Шапкина, А.Н. Ширяева и многих других. Из зарубежных авторов использованы труды таких исследователей, как Г. Александер, Э. Альтман, Ф. Блэк, Дж. Бэйли, Д. Галаи, Д. Даффи, Дж. Кейнс, М. Кроуи, Г. Марковиц, Р. Мертон, М. Милер, Ф. Модильяни, Ф. Найт, П. Нараянан, Д. Рикардо, К. Рэдхэд, К. Сингтон, Дж. Синки, Д. Тобин, С. Хьюис, У. Шарп, М. Шоуз, И. Шумпетер, К. Эрроу.

Научная новизна диссертационного исследования и его наиболее существенные результаты заключаются в следующем.

Х Обоснованы основные этапы процесса управления кредитным риском коммерческого банка на этапы.

Х Проанализированы достоинства и недостатки наиболее известных моделей оценки кредитного риска (Z-Score11, Basel 2, Credit Metrics, Moody's KMV Portfolio Manager, CreditRisk+, CreditPortfolioView) и сформулированы требования для использования в российской практике.

Х Построена система рейтингования заемщиков, основанная на качественных и количественных факторах.

Х Разработан агоритм моделирования на основе метода Монте-Карло эмпирической функции распределения убытков портфеля с учетом коррелированности вероятности дефотов заемщиков.

Х Разработана экономико-математическая модель определения кумулятивной вероятности дефота на основе моделей авторегрессии с добавлением допонительных объясняющих переменных.

Х Рекомендована методика расчета минимальной допустимой процентной ставки по кредиту с учетом риска заемщика.

11 Altman E.I., "Financial ratios, discriminant analysis and the prediction of corporate bankruptcy"// The Journal of Finance, Vol. XXIII, No. 4, 1968, pp. 589-609.

Теоретическая значимость работы

Теоретическое значение заключается в обосновании фундаментальных основ определения кредитного риска коммерческих банков по портфелю корпоративных кредитов.

Практическая значимость и реализация результатов работы

Практическая значимость данной работы как разработки источников обусловлена возможностью использования предлагаемой модели в практике работы коммерческого банка. Результаты диссертационного исследования использованы в качестве методической основы при разработке системы управления кредитными рисками и кредитной политики коммерческого банка. Апробация работы

Основные результаты диссертационной работы докладывались автором на научной конференции Конкуренция как фактор экономического роста (Санкт-Петербург, апрель 2011), Экономическая безопасность: современные проблемы (Санкт-Петербург, апрель 2010), научных конференциях Предпринимательство и реформы в России (Санкт-Петербург, апрель и ноябрь 2009, ноябрь 2008, ноябрь 2007).

Полученные результаты могут также применяться в учебном процессе в рамках курса Банковское дело и Математические методы в экономике. Публикации

Результаты диссертационной работы опубликованы в 9 печатных работах общим объемом 1,95 п.л., в том числе в статьях и материалах научных конференций. 2 статьи опубликованы в журналах, входящих в список печатных изданий, рекомендованных ВАК Российской Федерации. Структура и объем диссертационной работы

Диссертация состоит из введения, трех глав, основных выводов и рекомендаций, списка литературы и семи приложений. Общий объем работы составляет 195 страниц, из них 122 страниц основного текста, 40 рисунков и 32 таб

Диссертация: заключение по теме "Математические и инструментальные методы экономики", Федорова, Анна Анатольевна

Заключение

1. Задача построения статистической модели оценки кредитного риска корпоративных заемщиков является актуальной для коммерческих банков. Автором была проведена работа по анализу предпосылок, ограничений, исходных данных наиболее известных в мировой практике моделей оценки кредитного риска корпораций.

2. Проведенный критический анализ практики использования и методологии построения статистической модели оценки кредитного риска корпоративного заемщика показывает, что в настоящее время не существует единых общепризнанных методов построения моделей оценки кредитного риска. Задача построения модели оценки кредитного риска корпоративных заемщиков осложняется тем, что отечественные банки не накопили достаточно данных для построения таких моделей. Ряд параметров требует периодического пересмотра.

3. Для построения эффективной кредитной политики коммерческому банку недостаточно просто построения статистических моделей оценки кредитного риска корпоративных заемщиков, необходимо внедрять целостную систему управления кредитным риском портфеля, так как только она позволяет принимать решения по портфелю, учитывая возможность оперативного изменения параметров портфеля, использования синдицированного кредитования и кредитных деривативов, возрастающую ликвидность вторичного кредитного рынка.

4. Проверка надежности и точности модели оценки кредитного риска портфеля представляет существенную проблему, вследствие отсутствия критериев проверки надежности подобных моделей, недостаточного раскрытия механизмов использования известных моделей, а также недоступности статистики для проверки известных в мире моделей кредитного риска.

5. Обоснованы основные этапы процесса управления кредитным риском коммерческого банка. Разбиение процесса управления кредитным риском построено на принципах последовательного, активного подхода к кредитному риску, требующему постоянного контроля и корректировки результатов. Разбиение зависит от содержания и специфики процедуры кредитования коммерческого банка.

6. Представлена система рейтингования заемщиков, основанная на модели вероятности дефота, учитывающая как количественные, так и качественные характеристики заемщика. Значения диапазонов балов для факторов определены на основании экспертной оценки. В диссертации данная система рекомендуется для применения на практике в качестве базовой, от которой, при накоплении достаточного объема статистических данных, можно перейти к более сложной модели.

7. В работе предложены два агоритма моделирования кредитного риска методом Монте-Карло, учитывающие коррелированность данных компаний-заемщиков. В первом агоритме для этого применяется ковариационная матрица убытков, во втором агоритме - ковариационная матрица вероятностей дефотов. Первый агоритм показал, что чем менее диверсифицирован кредитный портфель, тем меньше величина неожидаемых убытков. В целом, можно сделать вывод, что второй агоритм моделирования при возрастании степени коррелированности данных по портфелю кредитов и более высоких значениях элементов ковариационной матрицы вероятностей дефотов демонстрирует более высокие значения неожидаемых убытков, поэтому второй агоритм больше применим к моделированию коррелированности данных заемщиков портфеля.

8. В работе также рекомендован метод прогнозирования кумулятивной вероятности дефота на основе моделей авторегрессии. Были произведены расчеты по кумулятивным вероятностям с 1985-96 год и с 1998-2008 на основании данных Moody's. Расчетами подтверждается, что общий вид модели авторегрессии зависимости кумулятивной вероятности от времени сохраняется на длительные промежутки времени. В частности, данные с 1998- 2008 год хорошо аппроксимируются кубической регрессией. В целом, можно выдвинуть гипотезу о том, что зависимость кумулятивной вероятности дефота от времени t описывается одной и той же моделью в течение длительного промежутка времени. Следовательно, модель можно использовать для прогнозирования значений вероятности дефота на ближайший период, и модели авторегрессии применимы для прогнозирования кумулятивной вероятности дефота.

9. Изучены особенности применения предлагаемого подхода к определению внутреннего рейтинга заемщика и расчета кумулятивной вероятности дефота, а также моделирования ожидаемых и неожидаемых потерь по портфелю с учетом коррелированности вероятности дефотов корпоративных заемщиков. В работе рекомендуется при практическом построении системы управлением кредитным риском использовать разработанные методы расчета показателей, как наиболее эффективные. В диссертации была показана связь построенной рейтинговой системы с российским законодательством. Автором также предложен метод расчета минимальной процентной ставки по кредиту корпоративного заемщика.

10. Учитывались данные по корпорациям, взятые с сайтов www.msk.arbitr.ru и www.cbonds.ru. Была построена модель вероятности дефота и распределение неожидаемых потерь для рассматриваемого портфеля. Был проанализирован вид функции распределения убытков при изменении структуры кредитного портфеля по срокам и по величине ссуд. В результате получен ряд выводов по предпочтительной структуре кредитного портфеля, в части сроков, сумм и ковариаций вероятностей дефотов заемщиков. Проведены расчеты ожидаемых и неожидаемых потерь для кредитных портфелей различной структуры в соответствии с предлагаемыми методами и в соответствии с российским законодательством. Было установлено, что величина минимально необходимого к созданию капитала коммерческого банка является максимальной по российскому законодательству, минимальной Ч в соответствии с соглашением Базель 2 и промежуточной по разработанной модели.

11. Проведенные расчеты свидетельствуют о работоспособности предложенных методов оценки кредитного риска корпоративных заемщиков, а также подтверждают возможность их дальнейшего усовершенствования и практического использования.

12. В диссертации была показана связь построенной рейтинговой системы с российским законодательством. Автором также предложен метод расчета минимальной процентной ставки по кредиту корпоративного заемщика.

Диссертация: библиография по экономике, кандидат экономических наук , Федорова, Анна Анатольевна, Санкт-Петербург

1. Анализ финансового состояния компании: основные положения, Альт-Инвест, (URL: Ссыка на домен более не работаетp>

2. Алескеров Ф.Т., Андриевская И.К., Пеникас Г.И., Солодков В.М. Анализ математических моделей Базель II. -М.: ФИЗМАТЛИТ, 2010. -288 с.

3. Анисимов А.Н. Выявление групп связанных заемщиков// Банковское дело, 2010, -2(194) -с.79-83.

4. Бухтин М.А. Принципы и подходы к формированию методик внутренних кредитных рейтингов для корпоративных заемщиков, Управление финансовыми рисками, 2008, №3. Стр. 182-209, № 4. Стр. 272- 279.

5. С.Н. Воков, Оценивание кредитного риска: теоретико-вероятностные подходы, (URL: Ссыка на домен более не работаетpublications/n13/, дата обращения: 30.05.2011)

6. В.В. Ковалев, В.В. Патров, В.А. Быков, Как читать баланс, М. 2006, 670 стр.

7. Управление банковским кредитным риском: учеб. пособие/ С.Н. Кабуш-кин. 4-е изд., стер. - Минск: Новое знание, 2007. - 336 с. (Экономическое образование).

8. Базельский процесс: Базель II управление банковскими рисками/ В.Н. Вяткин, В.А. Гамза. - М. ЗАО "Издательство "Экономика", 2007. - 191 с.

9. Гальперин Ф., Бобышев A.A., Мищенко JI.B. Практика применения VaR-методологии для оценки и управления кредитным риском в "Альфа-Банке"/ Управление финансовыми рисками. -2005. -№2. -с.2-10.

10. Гришина О.В., Самиев П.А. Практика риск-менеджмента в российских банках: риски есть, системы нет/ Управление финансовыми рисками. -2006.-№2.-с.106-111.

11. Математические методы риск-менеджмента: учебное пособие/ A.C. Доматов. М. Издательство "Экзамен", 2007. -319, 1. с. (Серия "Учебник для вузов").

12. Инструкция Банка России № 110-И от 16.01.2004 "Об обязательных нормативах банков" (URL: Ссыка на домен более не работаетanalytics/standartacts/ bank supervision/, дата обращения: 30.05.2011)

13. Еремчева Ю.С., Доженко C.B. Ценообразование кредитных продуктов банка с учетом риска. Управление финансовыми рисками. 02 (18) 2009. С.104-118.

14. Зинкевич В. А. Управление корпоративным портфелем: современные технологии кредитного анализа/ Банковское кредитование. -2010. -№4(32)-с.63-75.

15. Ивлиев C.B. Исследование кредитного риска методом Монте-Карло (URL: www.riskland.ru/lib/CreditRiskMonteCarlo.shtml, дата обращения: 30.05.2011)

16. Информация с сайта Банка России (URL: www.cbr.ru/statistics/?Prtid=sors, дата обращения: 30.05.2011)

17. Исаков A.B. Топология дефота./Управление финансовыми рисками. 04 (28) 2011. С.316-323.

18. Ковалев В.В., Вокова О.Н. Анализ хозяйственной деятельности предприятия. -М.: ПБОЮЛ Гриженко Е.М., 2000, -424 с.

19. Ковалев П.П. Банковский риск-менеджмент/ П.П. Ковалев, М.: Финансы и статистика, 2009. -304 е.: ил.

20. Коновалихин М.Ю., Кулик В.В., Сергиенко Д.О., Голицын С.А. Модель расчета процентной ставки./Управление финансовыми рисками. 02 (14) 2008. С.94-102.

21. Коновалихин М.Ю., Сергиенко Д.О., Кулик В.В., Кремлева И.В. Подходы к построению скоринговых моделей./ Управление финансовыми рисками. 01 (09) 2007. С.48-62.

22. Коновалихин М.Ю., Кулик В.В. Модель определения оптимальной договой нагрузки заемщика./ Управление финансовыми рисками. 04 (24) 2010. С.270-277.

23. Г. Корн, Т. Корн, Справочник по математике для научных работников и инженеров, М. 1977, с.832.

24. Круи М. Основы риск-менеджмента: пер. с англ./М. Круи, Д.Галей, Р. Марк; науч. Ред. В.Б. Минасян. М.: Издательство Юрайт, 2011. -390с.

25. Кулаковский В.В. Управление кредитным риском. Оценка зависимости между рейтингом заемщика и вероятностью дефота. Управление финансовыми рисками.02(18) 2009.С.98-103.

26. Лемешко Б.Ю., Помадин С.С. Корреляционный анализ наблюдений многомерных случайных величин при нарушении предположений о нормальности/Сибирский журнал индустриальной математики. 2002, -Т.5.-№ 3.-С.115-130.

27. Ли В. Об оценке кредитоспособности заемщика: российский и зарубежный опыт/ Деньги и кредит. -2005. -№2. -с.50-54.

28. Лобанов A.A., Чугунов A.B., Энциклопедия финансового риск менеджмента, М., 2005, стр. 936.

29. Лобанов A.A., Чугунов A.B. Тенденции развития риск-менеджмента: мировой опыт/ Рынок ценных бумаг. -1999. -№18. -с.59-65.

30. Любопытные доходы и необычайные расходы банков (URL: Ссыка на домен более не работает news/43.shtm, дата обращения 30.03.2010)

31. Магнус Я.Р., Катышев П.К., Пересецкий A.A., Эконометрика. Начальный курс: Учеб. 3-е изд., перераб. и доп. - М.: Дело, 2000, 400 с.

32. Манушенко В. В. Приоритетные подходы к определению экономического капитала в национальном банковском секторе// Банковское дело, 2011-№9(213)-с.34-40.

33. Михайлов Г.А., Войтишек A.B., Численное статистическое моделирование. Методы Монте-Карло. М.2006, 368 с.

34. Мищенко A.B., Чижова A.C. Методология управления кредитным риском и оптимальное формирование кредитного портфеля/ Высшая школа экономики. -2004. -21 с. -(URL: Ссыка на домен более не работаетdata/236/632/ 1233/ Ста-тьяоптимизация%20кредитного%20портфеля%20(4)^ос)

35. Нагъ П.М. Базель-2 для управляющих банками: основные характеристики и последствия внедрения для Центральной и Восточной Европы. // Банковское дело, 2006- №3 -с.8-17.

36. Herrn А.Н., Демина КВ., Балаболин В.Г., Денисов А.Г. Инструменты оценки предприятий-партнеров при банковском и коммерческом кредитовании / Управление финансовыми рисками. 02(26) 2011. -с.206-209.

37. Панова Г. С. Кредитная политика коммерческого банка. М.: ИКЦ "ДИС", 1997, с. 286

38. Письмо № 106-Т от 10.09.2004 "О расчете норматива максимального размера риска на одного заемщика или группу связанных заемщиков (Н6)", (URL: Ссыка на домен более не работаетtext2008/n20/gdi20222.htm. дата обращения: 30.05.2011)

39. Пустовалова Т.А. Построение модели оценки кредитного риска кредитного портфеля коммерческого банка (на основе методологии VAR). Научные доклады, №2(R) -2010.СП6.: ВМШ СПбГУ, 2010.

40. Положение Банка России №283-П от 20.03.2006 "О порядке формирования кредитными организациями резервов на возможные потери", (Ссыка на домен более не работаетpubl/main.asp?Prtid=Vestnik&Y=2006).

41. Помазанов М.В. "Количественный анализ кредитного риска "// Банковские технологии, 2004, №2, стр. 22-28.

42. Помазанов М.В. Адаптация "продвинутого" подхода "Базель II" для управления кредитными рисками в российской банковской системе. Управление финансовыми рисками. 01 (17) 2009. С. 48-66.

43. Помазанов М.В. Продвинутый подход к управлению кредитным риском в банке: методология, практика, рекомендации, Москва, Издательский дом "Регламент-Медиа", 2010, стр. 45.

44. Разумовский 77. А., Помазанов М.В. Штраф за концентрацию кредитного риска// Банковское дело, 2010, -№2(194) -с.52-59.

45. Российский статистический ежегодник, М., 2005, стр. 806.

46. Роуз Питер С. Банковский менеджмент. Пер. с англ. со 2-го изд. -Москва: Дело, 1997. 768 с.

47. Симановский А.Ю. Достаточность банковского капитала: новые подходы и перспективы их реализации/ Деньги и кредит. -2000. -№6. -с.20-28.

48. Слесарь ЮЛ. Риски концентрации: методы измерения, управления и контроля/ Управление финансовыми рисками. -2009. -№4(20) -с.280-295.

49. Строганова Е. В. Система управления кредитными рисками коммерческого банка. / Управление финансовыми рисками. -2005. -№1 -с. 10-17.

50. Соболь И.М., Метод Монте-Карло, М., 1968, 64 с.

51. Ступаков В.С., Токаренко Г.С., Риск-менеджмент: Учеб. пособие. М.: Финансы и статистика, 2005. -288с.

52. Сытин Ф.М., Каяшева Е.В. Кредитные риски: от стандартизированного до IRB-подхода. Теория и практические рекомендации/ Управление финансовыми рисками. -2008. -№3. -с. 170-180.

53. Тен В.В. Проблемы анализа конкурентоспособности заемщика/ Банковское дело. -2006. -№3. -с.49-51.

54. Хиггинс Р.С. Финансовый анализ: инструменты для принятия бизнес-решений.: Пер. с англ. -М.: ООО "И.Д. Вильяме",2008. 464 е.: ил. -Парал. тит. англ.

55. Часовая А. С. Кредитные деривативы как инновационный инструмент управления кредитным риском// Банковское дело, 2010, №2(194) - с.74-78.

56. Черкашенко В.Н. Этот "загадочный скоринг"/ Банковское дело. -2006. -№3. -с.42-48.

57. Шапкин А.С., Шапкин В.А., Теория риска и моделирование рисковых ситуаций: Учебник. М.: Издательско-торговая корпорация "Дашков и Ко", 2006. -880 с.

58. Шаталов А.Н., Шаталова Е.П. Об оценке уровня финансового состояния отдельных категорий заемщиков// Банковское дело, 2010, №3(195) -с.62-68.

59. A. Resti, A.Sironi, Risk Management and shareholders' value in Banking: from risk measurement models to capital allocation policies, West Sussex, 2007, p. 782.

60. AlastarL. Day, Mastering Risk Modelling, 2003, Edinburgh Gate.

61. Altman E.I., "Financial ratios, discriminant analysis and the prediction of corporate bankruptcy"// The Journal of Finance, Vol. XXIII, No. 4, 1968, pp. 589609.

62. Altman ЕЛ, Sabato G, Modeling Credit Risk for SMEs: evidence from the US market. (URL:Ссыка на домен более не работаетealtman/ModelingCreditRiskfor SMEs % 20.pdf, дата обращения 15.02.2012).

63. An explanatory note on the Basel 2 IRB risk weight functions, BCBS, 2005, (URL: Ссыка на домен более не работаетbcbs/irbriskweight.htm, дата обращения: 30.05.2011)

64. Balthazar L, From Basel 1 to Basel 3: the integration of state-of-the-art risk modeling in banking regulation, N.Y., Palgrave Macmillan, 2006, 294 p.

65. Bessis J. Risk management in banking, Second edition, John Willey & Sons, LTD, West Sussex, 2002, 477 p.

66. Bielecki T.R. Credit risk: modeling, valuation and hedging. -Harvard, 2002. -500 p.

67. Cauoette J.B., Altman ЕЛ., Narayanan P. Managing credit risk: The next great financial challenge.-L.: John Wiley & Sons, Inc., 1998,452 p.

68. Chorafas D.N. Economic capital allocation with Basel II. -Oxford: Elsevier Butterworth- Heinemann, 2006. -409 p.

69. Colquitt J. Credit risk management. How to avoid disaster and maximize earnings. McGraw Hill.2007. 373 p.

70. Credit Risk+, A credit risk management framework, Credit Suisse First Boston, 1997, Technical document, p.72, (Ссыка на домен более не работает publications/, дата обращения: 30.05.2011)

71. CrouhyM., GalaiD., MarkR., "A comparative analysis of current credit risk models"// Journal of Banking & Finance, Vol. 24, 2000, p. 59-117.

72. Corporate Default and Recovery Rates, 1920-2008, (URL: Ссыка на домен более не работаетmoodys/cust/search/synsrchresearchresult.aspx7se arch=6&searchQuery=coфorate%20default%20&searchIdent=qcksearch, дата обращения 14.03.2010)

73. Crosbie P., Bohn J. Modeling Default Risk, Moody's KMV Company, 2003, 31 p.

74. Dermine J., Bissada Y.O., Asset&Liability managements guide to value creation and risk control, Financial Times, London, 2002, 43-58 p.

75. Gastineau G.L., Kritzman M.P. Financial risk management. N.Y., Frank Fabozzi Associates, 1996, 342 p.

76. Lofjler G., Posch P.N. Credit Risk modeling using Excel and VBA, 2007, West Sussex, 261 p.

77. Giese G. Bridging the Gap between Credit Risk+ and Merton-style Portfolio Models, Commerzbank AG, 2005, (URL: Ссыка на домен более не работает de/workshop/ 2005/papers/giese/slides.pdf, дата обращения: 30.05.2011).

78. Gordy M.B. "Saddlepoint approximation of Credit Risk+", Journal of Banking and Finance, 26, 2002, p.1335-1353.

79. Gupton G., Finger C., BhatiaM., Credit MetricsЩ Technical Document, First Edition, 1997, p. 212, (URL: Ссыка на домен более не работает ppmodel20.html, дата обращения: 30.05.2011)

80. HaafH., Tasche D. Calculating Value-at-Risk contributions in Credit Risk+, (URL: Ссыка на домен более не работаетtum.de/pers/tashe/CRplus.pdf, дата обращения: 30.05.2011).

81. Handbook of Time Series Analysis. Recent Theoretical Developments and Ap-plications.Edited by Schelter В., Winterhalder M., Timmer J. WILEY-VCH Verlag GmbH&Co. KGaA. 2006. 496 p.

82. Hickman A.A., Koyluoglu U. A Generalized Framework for Credit Risk Portfolio Models. DefaultRisk.ru: the Web's Biggest Credit Risk Modeling Resource,1998. (URL: Ссыка на домен более не работаетppmodel17.htm, дата обращения: 16.02.2011)

83. Huang X., Oosterlee C.W., van der Weide J.A.M., "Higher order saddlepoint approximations in the Vasicek Portfolio Credit Loss Model", Journal of Computational Finance, Volume 11, №1, 2007, p.93-113

84. International Convergence of Capital Measurement and Capital Standards: a Revised Framework, BCBS, 2006, p.347, (URL: Ссыка на домен более не работаетpubl/bcbs 128.htm, дата обращения: 30.05.2011)

85. N. Isachenkova, J. Hunter, Failure risk: a comparative study of UK and Russian firms, Department of Economics and Finance, Brunei University, 26 p.

86. Kalita M. Credit Risk: so Far so Good. Business Credit.

87. Merton R.C., "On the pricing of corporate debt: the risk structure of interest rates"//Journal of Finance, Vol. 29,1974, pp. 449-470.

88. Metropolis N., Ulam S., The Monte-Carlo method, J. Amer. statistical assoc., 1949, 44, №247, 335-341.

89. Kealhofer S., Bohn J.R. Portfolio management of default risk. Moody's KMV Company, 2001, 32p.

90. Carl H. Pforzheimer & Co., New York, NY, Comparative Oil Company Statements, annual, and earlier reports. (URL: Ссыка на домен более не работаетsource/carl-h-pforzheimer-amp-co-new-york-ny, дата обращения 14.03.2010)

91. Sandstrom A. Solvency: Models, Assessment and Regulation. -New York, 2006. -400 p.

92. Smithson C. W., Credit Portfolio management, John Willey & Sons, Hoboken, New Jersey, 2003

93. StatSoft, Inc. (2001). Электронный учебник по статистике. М. StatSoft. (URL: Ссыка на домен более не работаетhome/textbook/default.html, дата обращения: 30.05.2011)

94. Dorfmann A. Sound Calculation for Probability of Default(PD), Bank-Forum finance trainer, Marz 2004-No.34, 2p.

95. Stein R., Benchmarking Default Prediction Models: Pitfalls and Remedies in Model validation, Moody's KMV, Technical Report # 020305

96. U.S. Energy Information Administration, "State Energy Data: Prices and Expenditures," annual, (URL: Ссыка на домен более не работаетemeu/states/states.html, дата обращения 14.03.2010)

97. Soberhart J.R.,Keenan S.C., Stein R.M. Rating Methodology. Benchmarking Quantative Default Risk Models: a Validation Methodology, Moody's KMV, (URL: https://riskcalc.moodysrms.com/us/research/crm/53621 .pdf,flaTa обращения: 15.02.2012)

98. Vasicek O., Loan portfolio value// RISK, December 2002, p. 160-162.

99. Vasicek O., Probability of loss on loan portfolio, 1987 (URL: Ссыка на домен более не работаетresearch/files/wp/ProbabilityofLossonLoan Portfolio.pdf, дата обращения: 30.05.2011).

100. Vasicek О., Limiting loan loss probability distribution, 1991 (URL: Ссыка на домен более не работаетresearch/whitepaper/LimitingLoanLossProbabi lityDistribution.pdf, дата обращения: 30.05.2011).

101. Wilson T.C., Portfolio Credit Risk, FRBNY Economic policy review, 1998, p. 12.

Похожие диссертации