Государственная корпорация

Вид материала

Документы

Содержание N рейтинговых шкал Ri M – рейтинг Moody’s в числовой шкале, R Кол-во наблюдений

Подобный материал:

•          Олимпиада «Нанотехнологии прорыв в Будущее» олимпиада по комплексу предметов, 17.89kb.
• Международная премия в области нанотехнологий rusnanoprize 2011, 21.51kb.
• "гидросистема прицепного скрепера", 70.31kb.
• «Научно-производственная корпорация «Иркут», 287.17kb.
• Оао «Корпорация всмпо-ависма» положение, 113.98kb.
• Федеральное государственное унитарное предприятие, 1231.35kb.
• Государственная корпорация, 240.15kb.
• Мониторинг сми РФ по пенсионной тематике 27 апреля 2010 года, 816kb.
• Го комплекса и собственников машиностроительного холдинга зао «Корпорация «Сплав» (далее, 443.29kb.
• Годовой отчет ОАО корпорация «трансстрой» за 2010 год, 893.84kb.

Государственная корпорация

«Агентство по страхованию вкладов»


К заседанию Экспертно-аналитического совета

26 сентября 2011 года


Использование информации независимых рейтинговых агентств для анализа рисков банков-участников системы страхования вкладов


А.М.Карминский,

д.э.н., д.т.н., профессор


Москва, 2011

Рейтинговая деятельность привлекает все большее внимание регуляторов в связи с ролью рейтинговых агентств (РА) в современном бизнесе, причем более пристальное − в периоды экономической нестабильности. В кризисы в большей степени проявляется потенциальное несоответствие между оценками международных агентств, ориентированных на среднесрочную перспективу (методология through-the-cycle) и быстроизменяющимися условиями и вновь возникающими нестабильностями (методология point-in-time).

С другой стороны, Базельский комитет по банковскому надзору ориентировал (Базель II) и ориентирует (Базель III) кредитные организации и регулирующие органы на использование рейтингов − как внешних (присваиваемых агентствами), так и внутренних (присваиваемых банками или регуляторами) − для анализа кредитных рисков субъектов хозяйственной деятельности и финансовых инструментов.

По-прежнему информация о рейтингах является крайне важной для рынков. Не случайно столь острым было обсуждение снижения рейтинга США агентством Standard & Poor’s и последующая реакция государственных органов США. Частично таким образом усиливается внимание к системным рискам и суверенным рейтингам, частично формируется повышенное внимание к проблемам глобализации экономики.

Особенно это важно для развивающихся стран, в том числе и России. Для этих стран, в большей мере подверженных «заражениям» от мировых рынков как в силу возросшей открытости, так и меньшей финансовой устойчивости, независимые оценки играют более значимую роль.

В этой связи представляется принципиально важным поддержание единой системы независимого и оперативного оценивания бизнес-структур. Предлагаемый подход, основанный на концепции единого рейтингового пространства, направлен именно на эти цели. Нам представляется, что это одинаково существенно как для регуляторов, в том числе для анализа рисков банков-участников системы страхования вкладов, так и для коммерческих структур, включая банки.

Рейтинги как мера риска

Рейтинги являются особым инструментом оценки рисков уже на протяжении более столетия. Особенность и практическая значимость рейтингов состоит в том, что они преобразуют большой объем информации во мнение рейтингового агентства. Для кредитных рейтингов это мнение относительно общей кредитоспособности заемщика или конкретных долговых обязательств, которое представляет собой результат комплексной оценки компании или финансового инструмента. В силу экономии от масштаба рейтинги значимо дешевле индивидуального оценивания, проводимого на базе аутсорсинга (консалтинга) или собственного оценивания. Они также менее волатильны, чем рыночные оценки, и применимы не только для публичных компаний.

Потенциальными нишами использования рейтингов являются как реализация регуляторных новаций, включая Базель II и Базель III, так и управление рисками, капиталом и портфелями на уровне коммерческих банков и компаний. Отдельно стоит указать на использование рейтингов для финансовых тендеров и аукционов в качестве критерия для допуска компаний к таким мероприятиям (например, к санации других банков).

Агрегированная структура рисков в рейтинговых оценках унифицирована. В нее входят как суверенные, так и отраслевые, финансовые и деловые риски. При оценке долговых обязательств рассматриваются риски, присущие конкретным обязательствам. Анализ финансовых и деловых рисков может быть специфичен для предприятий различных отраслей, в том числе для банковской сферы. Традиционная рейтинговая процедура предусматривает проведение обследования и анализ внутренней информации. Методики рейтинговых агентств является преимущественно закрытыми.

Рейтинг определяет класс (группу), к которой по мнению РА относится тот или иной хозяйствующий субъект или финансовый инструмент, косвенно формируя оценку вероятности невыполнения этим субъектом своих обязательств. Агентства накапливают информацию о рейтингах и дефолтах, что способствует установлению соответствующих статистических связей.

В то же время, использование рейтингов существенно ограничивается тем, что далеко не все хозяйствующие субъекты имеют рейтинги (особенно в развивающихся странах). Кроме того, рейтингам присущи достаточно большие интервалы актуализации, что не всегда приемлемо из-за высокого уровня изменчивости условий экономической деятельности.

В этих случаях могут применяться модели рейтингов (включая эконометрические), использующие дистанционный анализ субъектов, в том числе не имеющих контактные рейтинги. Такие модели могут представлять интерес как для органов банковского надзора (в целях текущего мониторинга состояния банковской системы), так и для банков (в связи с возможностью использования IRB-подхода и внутренних рейтингов контрагентов при определении рисков). Они также потенциально интересны органам государственного регулирования при проведении тендеров и аукционов.

Глобальный финансовый кризис выявил ряд проблем управления значительно расширившейся финансовой системой. За последнее десятилетие были созданы новые инструменты, которые, обеспечивая более высокую прибыль, повышали уровень рисков, создавая условия для финансовых «пузырей». Эти пузыри формируют возможность сугубо спекулятивного и экономически не обоснованного роста цен на активы, которые не всегда могут адекватно оценить как регулирующие органы, так и рейтинговые агентства.

Рейтинговые агентства отмечают проблемы, которые высветились в связи с финансовым кризисом. Среди них отставание в методологии присвоения рейтингов структурированных инструментов и в учете глобальных финансовых проблем. Агентства не успевали с оцениванием и влиянием сложных финансовых инструментов, хотя и активизировали развитие таких методов. Для формирования устойчивого рейтингового рынка, повышения стабильности финансовых институтов необходимы меры регулирования, включая надзор за рейтинговыми агентствами, за практикой бухгалтерского учета, контроль над отчислениями в капитал и порядком сохранения активов как внутри страны, так и на международном уровне.

В России для координации рейтингового процесса созданы Экспертный совет по регулированию рейтинговой деятельности при Министерстве финансов РФ и Комитет по рейтингованию при ММВБ, в работе которых помимо представителей основных государственных регуляторов участвуют представители рейтинговых агентств, общественных и научных организаций.


Развитие рейтинговой деятельности в России

Можно отметить несколько волн роста интереса к рейтингам в России. На начальном этапе становления рыночных отношений рейтинги были данью мировой моде. Преобладали рэнкинги и их модификации. Основными объектами рейтингования были банки в силу их большего регламентирования. Определенным стимулом явился приход в страну международных агентств в середине 90-х годов. Эти возможности, по сути в тестовом режиме, были в ограниченной мере востребованы вплоть до середины 1998 года, когда в результате финансового кризиса обанкротилась почти половина банков, входивших в российский Тор-20.

Стимулом дальнейшего развития послужили возможности зарубежных заимствований, в том числе для промышленных предприятий, в последующем – получение инвестиционного рейтинга Россией. В 2003-2010 годах число субъектов (банки, предприятия, регионы), имеющих рейтинги международных агентств, выросло более чем в 3 раза. Рейтинги сегодня имеют около 300 российских банков, в том числе порядка 140 международные рейтинги (рис.1).



Рис. 1. Количество банков с рейтингами российских и международных агентств

Уровень рейтингов российских эмитентов по международным шкалам сравнительно невысок. Только четверть из компаний, получивших рейтинги агентств S&P и Moody’s, имеют рейтинги инвестиционного уровня. Средний уровень рейтингов находится в интервале между BB- и BB для всех трех агентств. Следует отметить снижение рейтингов России, некоторых российских банков и компаний в условиях последнего кризиса на одну градацию, для узкого круга субъектов – на две градации или отзыв рейтингов. Распределение рейтингов депозитов агентства Moody’s во времени приведено на рис. 2.



Рис. 2. Распределение рейтингов российских банков по градациям и во времени для агентства Moody’s

Отечественные агентства также играют значимую роль, но в своей нише. Среди действующих российских агентств наиболее продолжительную историю имеют рейтинговое агентство «Эксперт РА», которое сначала действовало в рамках журнала «Эксперт», а также агентство «Рус-Рейтинг», деятельность которого активизировалась сразу после кризиса 1998 года. Аккредитацию при Минфине получили также Национальное рейтинговое агентство и AK&M. Международные агентства присваивают рейтинги как по международной, так и национальной (ru) шкалам.

В условиях кризиса возросло число компаний, получивших рейтинги аккредитованных (в т.ч. при Минфине) агентств. При этом рейтинги получили дополнительную функцию лицензирования. Общее количество присвоенных основными агентствами банковских рейтингов – более 600 (рис. 3).



Рис. 3. Распределение количества присвоенных банковских рейтингов и его динамика в России

Несмотря на то, что в основе многих рейтингов лежит вероятность дефолта, агентства оценивают относительный, а не абсолютный риск, т.е. ранжируют эмитентов в порядковой шкале (буквенные рейтинговые шкалы). Международные агентства систематизируют распределения вероятности дефолта, соответствующие различным градациям рейтинговых шкал, рассчитанные ex post на основе накопленных данным о дефолтах компаний. В основе рейтинговых шкал может лежать не только вероятность дефолта, но и другие меры риска. Агентство Moody's учитывает потери в случае дефолта (LGD), фактически оценивая ожидаемые потери (EL). Используемая методология through-the-cycle обеспечивает оценку финансовой стабильности банка в среднесрочной перспективе, причем влияние бизнес-цикла усредняется.

Российские РА используют национальные рейтинговые шкалы. При этом лучшие российские заемщики получают наивысшие оценки кредитоспособности, а остальные оцениваются относительно них. Рейтинги по международным шкалам дают возможность сравнить российских эмитентов с зарубежными. Эти рейтинги, как правило, ограничены сверху уровнем суверенного рейтинга (страновым потолком).

Проведенный анализ показывает, что в настоящее время формируется российское рейтинговое пространство, причем оно определяется не только международными, но и российскими агентствами, и играет достаточно важную роль по ряду направлений, включая регулирование финансовой деятельности.

Актуальной является проблема интеграции усилий рейтинговых агентств, формирования единого рейтингового пространства, в том числе за счет системы отображения рейтинговых шкал в единую базовую шкалу. Кроме этого, расширение возможностей рейтингов как инструмента риск-менеджмента может быть обеспечено за счет использования моделей рейтингов, расширенной информации и сравнительного анализа рейтингов различных агентств, в том числе за счет учета динамики их изменения.


Единое рейтинговое пространство: миф или реальность?

Основными ограничениями, сдерживающими эффективность рейтинговой деятельности, в том числе для ССВ, являются:

• сравнительно малое число актуализируемых рейтингов;
  
• трудности в сопоставлении оценок различных РА, прежде всего национальных;
  
• отсутствие механизма учета потенциального мультипликативного эффекта от конкурентных оценок различных агентств;
  
• потребность в расширенном использовании рейтинговых оценок, в том числе для компаний, не имеющих рейтингов.
  

Возможности по сравнению различных оценок рейтинговых агентств и моделированию рейтингов представляются наиболее актуальными. В этой связи формирование единого рейтингового пространства (ЕРП), а также исследование предоставлямых возможностей является актуальным. Под ЕРП мы будем понимать выбор рейтинговой шкалы (далее называемой базовой) и формирование системы отображений рейтингов всех рассматриваемых рейтинговых агентств и внутренних рейтингов в базовую шкалу применительно к каждому классу субъектов рейтингования (в нашем случае – применительно к банкам).

Предполагается наличие спецификации отображений во времени (исторический мэппинг) и по типам субъектов рейтингования. Тем самым обеспечивается возможность сопоставимости рейтингов различных субъектов между собой для рассматриваемой совокупности агентств, а также сравнения рейтингов конкретного субъекта, как во времени, так и для различных агентств с целью получения мультиплицированного рейтинга.

Сравнения рейтингов проводились и ранее, но преимущественно линейные и попарные. М. Матовников исследовал соответствие различных градаций рейтинговых шкал среднему размеру активов и капитала рейтингуемых банков. Р. Хейнсворт проводил сопоставление шкал основных международных и российских рейтинговых агентств на основе попарных линейных регрессий. О. Иванов (АРБР) использовал попарные сравнения на ограниченном статистическом материале и без временного фактора. Экспертный подход был предложен НФА. Подход С. Смирнова и А. Шоломицкого на основе вероятностей дефолта не дал положительного результата.

Начиная с 2004 года, работы по моделированию рейтингов проводились также в Банковском институте НИУ ВШЭ и РЭШ под руководством А. Карминского и А. Пересецкого. Построены модели вероятностей дефолта и рейтингов различных агентств. Эти модели позволяют выявить и оценить объясняющие факторы, а также сопоставить рейтинги различных агентств. Сформирована система моделей как по субъектам рейтингования, так и по особенностям спецификации моделей. Для сопоставления рейтинговых шкал предложены подходы, опирающиеся на построение отображений различных шкал в базовую шкалу, обоснование и выбор самой этой шкалы, а также повышение точности отображений. Предложенные методы ориентированы на минимизацию расстояний между оценками и систему эконометрических моделей. Эконометрический метод включает три шага, на первом из которых строятся эконометрические модели рейтингов, на втором проводится сопоставление латентных переменных, построенных по моделям, а на третьем сопоставление точек деления шкал рейтингов на модельные градации.

Метод сопоставления рейтинговых шкал на основе минимизации интегрального расстояния в базовой шкале

Первоначальным вопросом является выбор базовой шкалы. Возможным является выделение числовой шкалы, соответствующей шкале одного из ведущих рейтинговых агентств (например, шкале рейтингов агентства Moody’s). Могут быть использованы шкалы, полученные монотонной трансформацией такой шкалы (например, логарифмической).

При поиске соответствия рейтинговых шкал могут быть использованы алгоритмы идентификации. Для параметрического мэппинга алгоритм может быть следующим:

1. Выбор базовой шкалы путем сравнения вариантов за счет анализа их потенциальных преимуществ.
   
2. Отображение каждой рейтинговой шкалы RS_i по синхронизированным принципам в числовую шкалу RS_i (рис. 4).
   
3. Определение функциональной структуры параметров F_i(α_i) отображения i-й шкалы в базовую.
   
4. Формирование для каждого банка меры близости сводных оценок в базовой шкале (например, суммы квадратов отклонений).
   
5. Формирование интегрального критерия в базовой шкале.
   
6. Определение параметров отображений F_i(α_i) как решение экстремальной задачи, основанной на построении интегрального критерия близости.
   

Рис. 4. Схема мэппинга рейтинговых шкал в проекции на базовую.

Числовые представления N рейтинговых шкал R_i, i=1, … , N, дают возможность осуществлять выбор совокупности отображений {F_i, i=1, …, N} таким образом, чтобы интегральная мера близости между оценками одного и того же субъекта была минимальна. В параметрическом варианте задача сводится к поиску параметров {α_i, i=1,…, N} отображений F_i с минимизацией интегральной меры близости. В качестве такой меры близости можно использовать сумму квадратов расстояний по парам рейтинговых оценок для различных агентств по всем субъектам и во времени.

Для практических целей можно ограничиться классом аппроксимаций отображений F_i линейными комбинациями базового типа f_i преобразований

F_i = a_i1 ∙ f_i (R_i) + a_i2,

где f_i − линейная, степенная, полиномиальная или логарифмическая функции.


Схема и таблица соответствия рейтингов

Проведено сопоставление 10 рейтинговых шкал: международных агентств Standard & Poor’s, Moody’s Investor’s Service и Fitch Ratings (по международным и национальным шкалам) и российских агентств АК&М, «Эксперт РА», Национального рейтингового агентства (НРА) и «Рус-Рейтинг».

Эмпирическая выборка включала поквартальные кредитные рейтинги 370 российских банков за 2006-2010 гг., содержала 2646 наблюдений и была сформирована на основе официальных списков и баз рейтингов. В качестве базовой шкалы использовалась международная шкала агентства Moody's, количество пар рейтингов – более 3400.

Анализ показал, что в качестве аппроксимации вероятностей дефолта по градациям рейтингов для агентств Moody’s и Standard & Poor’s могут быть использованы степенные зависимости. На этой основе показано, что в качестве функций преобразования между шкалами может быть использованы линейные комбинации логарифмической зависимости. При этом параметризация отображений предполагает нахождение пары коэффициентов для отображения каждой из рассматриваемых шкал в базовую (свободный член и коэффициент перед логарифмом описываемой рейтинговой шкалы).

Для решения экстремальной задачи использовался эконометрический пакет eViews. База данных за 2006-2010 годы преобразована с повторением наблюдений так, чтобы для каждого банка в каждом временном периоде (квартале) все пары рейтингов, включающие в себя рейтинг Moody’s по международной шкале, рассматривались как отдельные наблюдения

,

где M – рейтинг Moody’s в числовой шкале, R_i – рейтинг в шкале i в числовом отображении, d_i – фиктивная переменная, обозначающая наличие рейтинга в шкале i, a_i и b_i – искомые коэффициенты модели.

Значения коэффициентов a_i и b_i (значимы на 1% уровне), характеризующих функцию преобразования численных значений рейтингов по рассматриваемым шкалам (Ri) в базовую шкалу (M), для каждого из рейтинговых агентств представлены в табл. 1.

Таблица 1

Коэффициенты логарифмической модели множественного мэппинга (2006-2010 гг.)

Рейтинговая шкала	a	b
Moody’s (российская шкала)	0,254	2,202
Standard & Poor’s	0,916	0,146
Standard & Poor’s (российская шкала)	0,265	2,113
Fitch Ratings	0,749	0,594
Fitch Ratings (российская шкала)	0,213	2,162
AK&M	0,269	2,491
Эксперт РА	0,373	2,329
Рус-Рейтинг	0,674	1,016
Национальное рейтинговое агентство	0,163	2,474
Кол-во наблюдений	3432
Pseudo-R2	0,902

На основе полученных оценок параметров уравнений, которые определяют отображения шкал в базовую и описывают зависимость между парами шкал, можно определить соответствие градаций рейтингов рассматриваемых агентств градациям международной шкалы Moody's и, следовательно, между собой. Результат подобных расчетов на основе данных за 2006-2010 гг. согласно модели, представленной в табл. 1, приведен на схеме соответствия рейтингов (рис. 5). Полученные результаты можно также представить в виде таблицы соответствия рейтинговых шкал.



Рис. 5. Схема соответствия рейтингов для логарифмического преобразования шкал


Обратное преобразование в буквенную структуру рейтингов не вызывает никаких проблем за исключением проблемы дискретизации (по сути округления), что связано с тем, что числовую шкалу мы будем использовать во всем диапазоне не ограничиваясь только целочисленными значениями. Достаточным уровнем точности является четверть градации.

На основе таблицы соответствия за 2010 год Экспертным советом при Министерстве финансов РФ определены «достаточные» уровни рейтингов для аккредитованных рейтинговых агентств для российских банков. Следует отметить наличие расхождений в рейтингах международных агентств в пределах до одной градации.

Метод формирования соответствия шкал может быть использован не только для регуляторных целей. Для коммерческих банков при формировании внутренних рейтингов также крайне важно установление соответствия внутренних и внешних шкал наравне с возможностью использования всего доступного спектра рейтингов в рамках IRB-подхода, рекомендованного Базельским соглашением.

Моделирование рейтингов и их возможности

Потенциальное внедрение Нового базельского соглашения усилило внимание к построению внутренних рейтинговых систем. Создание эконометрических моделей позволяет аккумулировать предшествующий опыт, дает возможность статистического прогнозирования рейтингов, в том числе компаний, не имеющих контактный рейтинг. Они могут применяться:

• в системах раннего предупреждения для надзора и мониторинга;
  
• при IRB-подходе в системе внутренних рейтингов согласно Базель II (Базель III);
  
• для построения моделей вероятности дефолта и скоринговых моделей в розничном бизнесе.
  

В качестве основы для построения эконометрических моделей могут использоваться рейтинги, публикуемые рейтинговыми агентствами (РА), результаты экспертных опросов, исторические данные о дефолтах, внутренние данные о заимствованиях и погашении заимствований. Методология построения моделей имеет несколько составляющих (рис. 6), среди которых особо следует выделить проблемы формирования системы данных, сопровождения моделей, а также оценки их качества, которым не всегда уделяется должное внимание.


Рис. 6. Классификация задач построения и поддержки эконометрического моделирования

В Банковском институте НИУ ВШЭ систематизированы методы построения моделей рейтингов и вероятности дефолта применительно к российским банкам и компаниям.

Рейтинг является качественной порядковой переменной. Поэтому естественно использовать модели множественного выбора (order probit/logit models) с преобразованием буквенной нотации рейтингов в упорядоченную числовую шкалу, при которой, например, наименьшее значение указывает на компанию, занимающую наивысшую позицию в рейтинге. Эти модели являются нелинейными. Функциональное преобразование в модели осуществляется с помощью преобразования F шкалы в виде функции распределения стандартной нормальной случайной величины (для моделей типа Probit) или логистической функции (для моделей типа Logit). Параметрами модели, которые оцениваются по выборке, являются вектор коэффициентов объясняющих переменных и вектор пороговых значений градаций рейтингов .

Имея оценки коэффициентов модели , в силу монотонности отображения на рейтинговую шкалу можно оценить прогнозный рейтинг конкретного субъекта. Мерами качества приближения модели к фактическим данным служат как статистические критерии, так и показатели точности прогноза по самой выборке или по сторонним данным (out of sample).

Особое значение имеют данные для построения моделей. В качестве требований к базам данных можно выделить ориентацию на задачи риск-менеджмента, пригодность системы данных для статистической обработки, структурированность и адаптивность для построения и поддержки моделей в течение всего их жизненного цикла. Банковским институтом НИУ ВШЭ и РЭШ накоплен опыт по формированию модельных данных для российских и зарубежных банков, предприятий, стран.

Прокомментируем основные компоненты системы моделей.

В моделях рейтингов преимущественно используются относительные индикаторы, в знаменателе которых находятся показатели, характеризующие размер субъекта (капитал, активы для банков). Объясняющие переменные, характеризующие размер банка или компании, включаются в модели обычно в логарифмическом масштабе. Из выборки могут быть исключены или выделены компании, имеющие те или иные институциональные особенности (например, высокую вероятность вмешательства государства или материнской компании).

В соответствии с методологиями рейтинговых агентств, факторы, которые определяют итоговый рейтинг, можно условно разделить на три группы: факторы среды, в которой функционирует банк, внутренние факторы, определяющие финансовую устойчивость самого банка (компании), и факторы внешней поддержки (вероятность поддержки со стороны государства или собственников в случае ухудшения финансового положения субъекта). Наиболее значимые факторы, влияющие на рейтинг, выявляются в процессе построения моделей. Они систематизированы для каждого типа субъектов и представлены в соответствующих публикациях (см., например, табл. 2).


Система моделей рейтингов в составе единого рейтингового пространства

Система моделей рейтингов ориентирована на все субъекты, имеющие рейтинги, а также основные классы финансовых инструментов, которые подвергаются рейтингованию. При этом важно иметь историю присвоения рейтингов и достаточную статистику по рейтингам этих субъектов. Поэтому для новых классов субъектов могут быть использованы альтернативные подходы, требующие дополнительного рассмотрения.

В качестве примера рассмотрим подсистему моделей рейтингов для финансовых институтов. В первом приближении классификацию финансовых институтов можно провести в разрезе типа владения (российские и международные), а также законодательного регулирования на банки и не подпадающие под банковское законодательство финансовые компании (рис. 7).

Для каждого из классов разрабатывается своя модель, прежде всего с использованием различных данных, характеризующих класс рейтингуемых субъектов (включая формирование специальной базы данных).



Рис. 7. Система моделей рейтингов финансовых институтов

В настоящее время разработаны эконометрические модели для следующих субъектов:

• российские банки;
  
• международные банки;
  
• международные промышленные предприятия;
  
• суверенные рейтинги.
  

Ведутся работы по разработке моделей для:

• российских промышленных компаний;
  
• российских финансовых институтов;
  
• облигаций международных промышленных компаний, а также банков;
  
• российских облигационных займов.
  

Планируется завершить эти работы в полном объеме к середине следующего года, но требуется определенная поддержка проекта, так как работы предусматривают формирование баз данных и привлечение студентов и аспирантов к таким работам. В Банковском институте НИУ ВШЭ накоплен опыт организации таких работ, в том числе в рамках проектно-учебных групп, что создает основу и для целенаправленной подготовки специалистов.

Методологическая основа таких моделей и конкретные их реализации в работах НИУ ВШЭ и РЭШ содержатся в приведенных в табл. 2 публикациях.

Таблица 2.

Методологическая основа эконометрических моделей вероятности дефолта и рейтингов

№	Наименование раздела	Публикации НИУ ВШЭ и РЭШ
1.	Анализ методологии использования рейтингов в риск-менеджменте и Нового базельского соглашения	Алескеров Ф.Т., В.М. Солодков и др. (2010). Модели Базель II. Наука, 288с. Карминский А.М., А.А. Пересецкий, А.Е. Петров (2005). Рейтинги в экономике: методология и практика. М., Финансы и статистика, 240 с. Карминский А.М., А.А. Пересецкий (2009). Рейтинги как мера финансовых рисков: эволюция, назначение, применение. Журнал новой экономической ассоциации, №1-2
2.	Методология эконометрического моделирования рейтингов	Пересецкий А., А. Карминский, А.Г.О. Ван Суст, (2004). Модели рейтингов банков. Экономико-математические методы, №4 Карминский А.М., А.А. Пересецкий, А.Е. Петров (2005). Рейтинги в экономике: методология и практика. М., Финансы и статистика, 240 с. Karminsky A., Sosyurko V. (2010). Rating models system: methods and technology. Economic and management’2010, Varna.
3.	Модели вероятности дефолта банков	Peresetsky A., A. Karminsky, S. Golovan, (2004). Probability of default models of Russian banks. Bank of Finland, BOFIT Discussion papers, 21/2004 Пересецкий А.А. (2007). Модели вероятности дефолта банков. Экономико-математические методы, №3.
4.	Модели рейтингов российских банков	Василюк А.А., Карминский А.М. (2011). Моделирование кредитных рейтингов отечественных банков на основе российской отчетности. Управление финансовыми рисками, №3.
5.	Модели рейтингов международных банков	Карминский А.М., А.А. Пересецкий (2007). Модели международных рейтинговых агентств. Прикладная эконометрика, №1 Peresetsky A., A. Karminsky, (2008). Models for Moody’s bank ratings. Bank of Finland, BOFIT Discussion Papers, 17/2008 Карминский А.М. В.В. Сосюрко (2010) Сравнительный анализ моделей формирования рейтингов. Финансовая аналитика, № 14
6.	Модели рейтингов международных промышленных предприятий	Карминский А.М. (2009). Модели рейтингов промышленных компаний. Управление финансовыми рисками, №3 Karminsky A. (2010). Rating model opportunities for emerging markets // Proceedings of the International Scientific Conference  "Challenges for Analysis of the Economy, the Businesses, and Social Progress", Szeged: University Press.
7.	Модели суверенных рейтингов	Карминский А.М., Киселев В.А. Колесниченко А.С. (2011). Модели суверенных рейтингов и их возможности. Финансовая аналитика: проблемы и решения, Ноябрь.
8.	Отображение рейтинговых шкал	Карминский А.М., Солодков В.М., Сосюрко В.В. (2011). Единое рейтинговое пространство: шаг от мифа к реальности. Банковское дело, №6. C.A. Айвазян, С.В. Головань, А.М. Карминский, А.А. Пересецкий (2011). О подходах к сопоставлению рейтинговых шкал. Прикладная эконометрика, №3.

Рейтинги для анализа рисков банков-участников системы страхования вкладов

Риски банков-участников системы страхования вкладов представляют особое значение. Это в большей степени проявилось в последнее время в связи с проблемами крупных банков, но и предсказание состояния средних и мелких банков представляет большое значение для Агентства по страхованию вкладов.

Предложенный подход на основе формирования единого рейтингового пространства открывает дополнительные возможности для решения этой проблемы. Именно, разработка рейтинговых моделей для оцениваемых банков даст возможность прогнозировать их рейтинги как для банков, имеющих публичные рейтинги хотя бы от одного из рейтинговых агентств, так и не имеющих таковые. Могут быть использованы и альтернативные модели для нескольких агентств одновременно, что создаст возможность мультиплицирования оценок и прогноза в дополнение к внутренним оценкам АСВ и Банка России. Интерес представляют также таблицы соответствия рейтинговых шкал, разработанные в рамках проекта, инициированного Министерством финансов РФ.

Цикл работ по формированию единого рейтингового пространства вышел на стадию внедрения и, в этой связи, представляется, что разрабатываемые Банковским институтом НИУ ВШЭ подходы могут представлять практический интерес для регуляторов, в том числе для АСВ. Естественно, методологические подходы и разработанные методы потребуют адаптации к запросам государственных структур. Представляется, что такая адаптация могла бы быть выполнена в достаточно короткие сроки.

Естественно, использование предложенных подходов требует дополнительного знакомства специалистов с деталями и инструментарием предлагаемых методов. Банковский институт НИУ ВШЭ имеет опыт организации обучения этим специфическим вопросам как в рамках дополнительного профессионального образования, так и посредством индивидуальных консультаций специалистов. Предложенные подходы в дальнейшем могут быть использованы и банками-участниками системы страхования вкладов.

Заключение

1. В рамках цикла работ по научному обоснованию и подготовке к практическому внедрению подходов по мультиплицированию усилий рейтинговых агентств, представляющих на рынок внешние рейтинги, и усилий подразделений риск-менеджмента регулятора, а также Агентства по страхованию вкладов, показана принципиальная возможность реализации подхода на основе концепции единого рейтингового пространства.

2. В рамках этого подхода разработаны:

• методология построения эконометрических моделей рейтингов для российских и международных рейтинговых агентств;
  
• методы для сравнения рейтинговых шкал различных агентств;
  
• подходы к сопоставлению внутренних и внешних рейтингов.
  

3. Предложенные методы и методология позволяют:

• использовать модели для внутренних рейтинговых оценок;
  
• комплексировать оценку рисков на основе внутренних и внешних оценок;
  
• прогнозировать рейтинговые оценки агентств и сопоставлять их;
  
• прогнозировать рейтинги таких субъектов рейтингования как банки, финансовые и промышленные компании, не имеющие контактных рейтинговых оценок.
  

4. Для внедрения системы эконометрического моделирования и консолидации усилий рейтинговых агентств необходимы:

• структурированные базы данных (информационное хранилище);
  
• поддержка моделей на всех стадиях жизненного цикла;
  
• решение проблемы мониторинга и сбора данных, а также их интеграции.
  

5. Адаптация предложенных подходов к конкретным потребностям государственных структур могла бы быть проведена в самые короткие сроки.


Вопросы для обсуждения

1. Каковы особенности рейтинговой деятельности в России, и какие меры по регулированию этой деятельности целесообразны?
   

2. Роль и место формирования принципов и оценок соответствия рейтингов публичных рейтинговых агентств и внутренних рейтингов регуляторов и коммерческих структур, прежде всего, банков.
   

3. Особенности использования рейтингов для оценивания рисков банков и банками, входящими в систему страхования вкладов.
   

4. Каковы, по Вашему мнению, перспективы практического использования концепции единого рейтингового пространства?
   

5. Каковы направления совершенствования моделей рейтингов и какова их практическая роль в системе риск-менеджмента системы страхования вкладов?
   

6. Нужны ли шаги по расширению использования информации независимых рейтинговых агентств при анализе рисков банков, участвующих в системе страхования вкладов? Какие меры по комплексированию такой информации целесообразны?