Моделирование банкротств и оценка риска при кредитовании предприятий

Вид материала

Содержание

Подобный материал:

1 2

На правах рукописи

КОЛОКОЛОВА ОЛЬГА ВЛАДИМИРОВНА

МОДЕЛИРОВАНИЕ БАНКРОТСТВ и оценка риска при кредитовании предприятий

Специальность 08.00.13 – Математические и инструментальные методы экономики

АВТОРЕФЕРАТ

диссертации на соискание ученой степени

кандидата экономических наук

Москва 2007

Диссертация выполнена на кафедре математических методов в экономике ГОУ ВПО «Российская экономическая академия им. Г. В. Плеханова»
Научный руководитель:	доктор экономических наук, профессор Тихомиров Николай Петрович
Официальные оппоненты:	Доктор экономических наук Семенов Владимир Петрович Кандидат экономических наук, с. н. с. Моторин Владимир Ильич
Ведущая организация:	Московский государственный университет экономики, статистики и информатики (МЭСИ)

Защита диссертации состоится 1 ноября 2007г. в 14.00 на заседании Диссертационного совета Д 212.196.01 в ГОУ ВПО «Российская экономическая академия им. Г. В. Плеханова» по адресу: 117997, Москва, Стремянный пер., д. 36, корп. 3, ауд. 353.

С диссертацией можно ознакомиться в библиотеке РЭА им. Г. В. Плеханова.

Автореферат разослан 1 октября 2007 г.

Ученый секретарь

Диссертационного совета кандидат экономических наук, доцент

Г. Д. Серов

I Общая характеристика работы

Актуальность темы исследования. Кредитно-инвестиционная политика является важнейшим инструментом управления экономикой во всем мире. В последние годы объемы кредитования резко возросли и в России, и соответственно увеличилась потребность в методах оценки кредитных рисков, учитывающих, с одной стороны, специфику банковской системы России, а с другой стороны, международные требования и стандарты в области кредитования.

Особенно значимы разработки в области кредитования малого и среднего бизнеса в связи с приоритетностью задач российского государства по созданию благоприятных условий для его развития и обеспечения малых и средних предприятий доступными заемными средствами. При расширении банковского кредитования малого и среднего бизнеса возрастают риски, с которыми сталкиваются коммерческие банки. Это, в свою очередь, порождает проблему обеспечения устойчивости банковской системы в целом. В этой связи возрастает необходимость разработки адекватных российским условиям моделей банкротства малых и средних предприятий и оценки кредитных рисков организаций-кредиторов, сопоставимых по эффективности с математическим инструментарием, используемым в теории и практике ведущих стран.

Экономика России имеет ряд существенных особенностей, которые не позволяют применять общепринятые в мировой практике модели оценки кредитного риска в чистом виде, в частности, из-за ограниченности информации о предприятиях-заемщиках. Поэтому возникает необходимость создания новых методов оценки кредитного риска и прогнозирования банкротства таких предприятий, в том числе предприятий малого и среднего бизнеса. При этом, данные методы должны учитывать специфику российских компаний; отражаемую соответствующей информацией, что позволит банкам и кредитным организациям, работающим на территории Российской Федерации, применять их в практической деятельности. Все это предопределяет актуальность тематики данной диссертации.

Степень разработанности проблемы. В научной литературе существует достаточно большое количество работ как зарубежных, так и российских авторов, в которых рассматриваются различные аспекты прогнозирования банкротств и оценки кредитных рисков. Вопросам оценки кредитных рисков посвящены работы С. Волкова, А. Лобанова, М. Рогова, М. Помазаного, Ю. Соловьева, С. Филина, А. Чугунова, Э. Альтмана (E. Altman), М. Аммана (M. Ammann), Д. Даффи (D. Duffie), Р. Мертона (R. Merton), П. Нарайанана (P. Narayanan), М. Пека (M. Peck), С. Приотта (C. Pirotte), А. Саундерса (A. Saunders), К. Синглтона (K. Singleton) Р. Соммервиля (R. Sommerville), Р. Дж. Таффлера (R. J. Taffler), P. Хальдемана (R. Haldeman), Дж. Хартцелла, (J. Hartzell) и других.

Вместе с тем, представленные в этих работах подходы к оценке кредитного риска требуют для своей реализации либо наличия у заемщиков котируемых на рынке ценных бумаг, либо присвоения заемщику кредитного рейтинга одним из ведущих рейтинговых агентств мира, либо наличия длинной кредитной истории и полной бухгалтерской отчетности за несколько лет работы. Однако молодые российские предприятия малого и среднего бизнеса не соответствуют перечисленным условиям, поэтому эти разработки не могут быть в полном объеме использованы для оценки их кредитных рисков.

Необходимость разработки подходов и методов оценки и управления кредитными рисками, адекватных российским условиям, и предопределили выбор темы настоящего исследования, его цели, задачи, а также методологию исследования.

Целью данного исследования является разработка методологических подходов и методов моделирования банкротства предприятий малого и среднего бизнеса, не обладающих длинной кредитной историей и не имеющих котируемых на бирже ценных бумаг, и оценки кредитных рисков банков, возникающих при кредитовании таких предприятий.

Для достижения поставленной цели в работе были сформулированы и решены следующие задачи:

систематизированы подходы к оценке и анализу кредитного риска, предложенные ведущими учеными, рейтинговыми агентствами и корпорациями мира, выделены их сильные и слабые стороны и оценены возможности их использования в Российской Федерации;
разработан метод оценки риска при кредитовании предприятий, не имеющих котируемых ценных бумаг, позволяющий оценить как вероятность банкротства предприятия-заемщика, так и соответствующую величину ожидаемых потерь в случае дефолта;
разработана модификация бинарной пробит-модели, позволяющая оценить потенциальную близость банкротства предприятия-заемщика;
разработана модификация метода кернел-сопоставления для оценки величины ожидаемых потерь в случае дефолта;
разработана процедура верификации предложенного метода оценки кредитного риска на основе имитационного моделирования;
оценено качество предложенного подхода на основе собранной автором базы данных по более чем пятидесяти предприятиям, работающим на территории России в двенадцати различных отраслях экономики;
выработаны рекомендации по применению предлагаемого метода оценки вероятности банкротства и величины ожидаемых потерь в случае дефолта в кредитных организациях, направленные на повышение эффективности их деятельности.

Объектом исследования являются параметры и характеристики предприятий-заемщиков, определяющие устойчивость предприятия и потенциально влияющие на вероятность его банкротства.

Предмет исследования – методы прогнозирования банкротства предприятий-заемщиков, не обладающих длинной кредитной историей и не имеющих котируемых на рынке ценных бумаг, и методы оценки кредитного риска банков, возникающего при работе с такими заемщиками.

Теоретическую и методологическую основу исследования составляют научные разработки современных российских и зарубежных ученых в области микроэкономики, финансов, статистического анализа временных рядов, экономико-математических методов и моделей прогнозирования, а также риск менеджмента. В ходе работы над диссертацией использовались методические разработки ведущих рейтинговых агентств мира, таких как Moody's и S&P. Особое внимание уделялось законодательным и правовым актам Российской Федерации, регулирующим деятельность банков и других кредитных организаций.

В ходе исследования в качестве инструментария использовались методы системного и сравнительного анализа, методы жесткого и нечеткого кластерного анализа, эконометрические методы оценки нелинейных регрессионных моделей, методы теории вероятности и математической статистики в части проверки статистических гипотез, а также метод экспертных оценок.

Фактографическая база исследования основывается на данных бухгалтерской отчетности предприятий, работающих на территории Российской Федерации. В диссертационной работе также использована информация, предоставленная рейтинговым агентством Moody's, включающая данные о вероятностях банкротства и потерях в случае дефолта американских компаний и данные ФСГС РФ.

Научная новизна исследования состоит в разработке адаптированных к условиям российского рынка методологических подходов и методов оценки кредитных рисков, базирующихся на выделении однородных групп предприятий-заемщиков на основе алгоритмов нечеткой классификации и моделей бинарного выбора, учитывающих ограниченность исходной информации, а также в разработке процедур верификации этих методов на основе имитационного моделирования с использованием реальных данных российской экономики.

Следующие результаты исследования, полученные лично автором и выносимые на защиту, являются наиболее существенными:

предложена классификация существующих подходов к оценке кредитного риска, в основу которой положены особенности исходной информации о предприятиях-заемщиках и методов ее обработки, рассмотрены возможности их применения в условиях России;
предложен методологический подход к оценке кредитного риска на основе последовательной (двухшаговой) процедуры расчета его основных характеристик с учетом особенностей экономического состояния, определяемого такими параметрами, как сфера деятельности, величина активов и собственного капитала, структура капитала, выручка и ее динамика, операционная маржа и другие параметры предприятий-заемщиков;
предложен метод оценки функции распределения времени наступления банкротства предприятий-заемщиков различных групп, формируемых по принципу максимума энтропии с использованием информации, характеризующей интенсивность банкротств по группам в прошлом и отражающей текущее состояние рассматриваемых предприятий;
разработан метод оценки потерь банка по выданным ссудам в случае дефолта предприятия-заемщика на основе кернел сопоставления с учетом его потенциальной близости к банкротству, оцениваемой по бинарной пробит-модели;
разработаны критерии качества двухшагового метода оценки кредитного риска, отражающие его способность идентифицировать устойчивые предприятия и предприятия-банкроты и достоверно оценивать величину потерь в случае дефолта;
предложена процедура имитационного моделирования кредитного портфеля коммерческого банка, позволяющая верифицировать модели банкротств и методы оценки кредитного риска;
разработаны рекомендации по практическому использованию предложенной методологии оценки кредитного риска в условиях неполной информации, связанные с использованием информации о заемщиках-банкротах для прогнозирования состояния устойчивых предприятий-заемщиков

Теоретическая и практическая значимость исследования состоит в том, что полученные результаты и предложенные модели вносят существенный вклад в совершенствование и развитие подходов и методов моделирования банкротств предприятий-заемщиков, не имеющих кредитной истории и котируемых ценных бумаг, и оценки кредитных рисков. Разработанный метод универсален, что позволяет использовать его как на российском рынке, так и на мировом.

Использование предложенных в диссертационной работе моделей позволит получать более достоверные и аккуратные оценки вероятности банкротства и ожидаемых потерь в случае дефолта, на базе которых может быть повышено качество управления кредитным портфелем и оптимизирован процесс формирования резервов на возможные потери по ссудам, что повысит надежность и эффективность работы кредитных организаций, а также обеспечит устойчивое развитие банковской системы России в целом.

Апробация и внедрение результатов исследования. Основные результаты, полученные в диссертационной работе, обсуждены и одобрены на заседаниях кафедры математических методов в экономике РЭА им. Г. В. Плеханова, докладывались на тринадцатых Международных Плехановских чтениях (Москва, 2000), на внутреннем коллоквиуме экономического факультета университета города Констанц (Konstanz, Германия), на межкафедральном докторантском семинаре «Эмпирические финансы» в университете города Констанц (Германия), на исследовательском семинаре, проводимом совместно университетами городов Констанц (Германия) и Санкт-Галлен (St.-Gallen, Швейцария), в рамках международной летней школы «Empirical Asset Pricing» в г. Эльтвилле (Eltville, Германия), организованной центром финансовых исследований (Center for Financial Studies) при поддержке Центрального Банка Германии (Deutsche Bundesbank), представлялись на II международной научной конференции «Современные наукоемкие технологии» (Доминиканская Республика). Предложенный в диссертации двухшаговый метод оценки вероятности банкротства и величины ожидаемых потерь в случае дефолта был внедрен в систему управления рисками (СУР) «ПРОГНОЗ. Управление риском» (разработчик - компания «ПРОГНОЗ»). Процедура имитационного моделирования кредитного портфеля коммерческого банка, разработанная автором, позволяющая верифицировать модели банкротств и методы оценки кредитного риска, и методика оценки вероятности банкротства предприятий-заемщиков, включающая концепцию нечеткого кластерного анализа с последующей оценкой частоты банкротств, используются в аналитической работе с клиентами ЗАО «Банк КРЕДИТ СВИСС (МОСКВА).

Основные результаты исследования использованы в учебном процессе РЭА им. Г.В. Плеханова, отдельные результаты диссертации при проведении семинарских занятий по дисциплине «Инвестиции и Финансы» («Investments and Finance») на экономическом факультете университета города Констанц (Германия).

Публикации. Основные положения диссертационной работы отражены в 10-и авторских публикациях общим объемом 7.2 п.л., в том числе в 2 работах, опубликованных в изданиях, рекомендованных ВАК.

Структура диссертации обусловлена целью, задачами и внутренней логикой исследуемой проблемы. Диссертация состоит из введения, трех глав, заключения и списка литературы и содержит 150 страниц основного текста, 20 таблиц и 20 рисунков. Список используемой литературы включает 126 наименования, в том числе 57 источников на иностранном языке.

II Основное содержание работы

Во введении обоснована актуальность выбранной темы, проанализирована степень ее разработанности, определены цель, задачи, предмет и объект исследования, раскрыты научная новизна и практическая значимость работы.

В первой главе «Теоретико-методологические основы оценки кредитного риска» проведена классификация существующих моделей и методов оценки кредитного риска, рассмотрены их преимущества и недостатки с точки зрения возможности их применения в условиях российского рынка.

Последние двадцать лет методы оценки кредитного риска развивались особенно динамично по ряду причин, среди которых наиболее существенными являются следующие: 1) повсеместное увеличение числа банкротств предприятий-заемщиков; 2) переход крупных заемщиков с высоким кредитным рейтингом на неорганизованный рынок ссудного капитала, и увеличение количества мелких заемщиков с худшим кредитным рейтингом; 3) усиление межбанковской конкуренции; 4) снижение стоимости реальных активов и соответственное ухудшение качества залогов; 5) расширение использования внебалансовых инструментов, например, кредитных деривативов, подверженных кредитному риску.

Методы оценки кредитного риска разбиты на шесть подгрупп по двум основным признакам: состав исходной информации, требуемой для реализации метода, и особенности подходов и процедур оценки кредитного риска. Произведен сравнительный анализ методов различных групп с учетом возможности их практического применения в России. В частности, отмечено, что основной недостаток экспертных методов состоит в отсутствии формализации процесса принятия решений и полной зависимости качества получаемых оценок от компетенции банковских экспертов.

В классе кредит-скоринговых моделей наиболее часто применяется индекс кредитоспособности Альтмана. В общем виде индекс кредитоспособности (Z-счет) имеет вид:

Z=1,2X₁+1,4X₂+3.3X₃+0.6X₄+0.99X₅

где: Х₁ - оборотный капитал/сумма активов; Х₂ - нераспределенная прибыль/сумма активов; Х₃ - операционная прибыль/сумма активов; Х₄ - рыночная стоимость акций/задолженность; Х₅ - выручка/сумма активов.

Обобщающий показатель Z может принимать значения в пределах [-14, +22], при этом, предприятия, для которых Z>2,99, попадают в число финансово устойчивых, предприятия, для которых Z<1,81, являются безусловно-несостоятельными, а интервал [1,81-2,99] составляет зону неопределенности.

Вывод о степени кредитного риска заемщика как в модели Альтмана, так и в других кредит-скоринговых моделях делается на основе анализа показателей бухгалтерской отчетности. Эти модели имеют ряд недостатков. В первую очередь, это – невозможность достаточно часто корректировать оценки кредитного риска, так как бухгалтерская отчетность – основной источник информации – предоставляется не чаще, чем один раз в месяц. Кроме того, оценки кредитного риска напрямую зависят от качества предоставляемой отчетности. Некорректные балансовые отчеты не позволяют определить истинный уровень кредитного риска предприятия-заемщика.

Модели сокращенной формы позволяют абстрагироваться от многих факторов, влияющих на вероятность банкротства предприятия. В данных моделях вероятность дефолта есть экзогенная величина, определяемая «сокращенным» набором наиболее существенных факторов. Одним из основных недостатков этих моделей является использование рыночной стоимости долговых обязательств, которая недоступна для большинства Российских компаний. Кроме того, в моделях не учитывается риск ликвидности и внутренняя структура кредитного договора.

Структурные модели оценки кредитного риска основываются на положении о том, что стоимость акций компании есть стоимость опциона колл на покупку этой компании по цене-страйк, равной размеру долгов компании. Основным недостатком этих моделей является использование рыночных котировок акций, облигаций и других ценных бумаг предприятия, что делает невозможным применение данных методов для оценки кредитного риска предприятий малого и среднего бизнеса.

Методы, основанные на матрице переходных вероятностей, требуют обязательного присвоения кредитного рейтинга исследуемой компании одним из ведущих рейтинговых агентств. Это условие не выполняется даже для большинства крупных предприятий, работающих на территории России.

Банковская система современной России и рынок кредитования в целом имеют ряд особенностей, затрудняющих применение классических моделей оценки кредитного риска в чистом виде. К этим особенностям относятся и отсутствие реально безрискового актива, и очень короткие кредитные истории большинства предприятий-заемщиков, и недостаточно развитый биржевой рынок, и сильное влияние макроэкономических и политических факторов на деятельность предприятий. Для эффективного управления кредитными рисками в Российской Федерации целесообразно применять комплексные подходы, сочетающие как формальные, так и экспертные методы оценки кредитного риска.

Во второй главе «Двухшаговый метод оценки кредитного риска на основе анализа панельных данных» представлен двухшаговый метод оценки кредитного риска, позволяющий определять основополагающие показатели кредитной надежности заемщика: вероятность банкротства заемщика и величину ожидаемых потерь в случае дефолта при отсутствии у него длиной кредитной истории и котируемых на бирже ценных бумаг.

В качестве исходной информации используются панельные данные о предприятиях-заемщиках. Использование панельных данных для реализации разработанного метода наиболее оправдано и делает возможным его успешное применение в банках, так как большинство из них обладает необходимой информацией, включающей как статические, так и динамические характеристики предприятий-заемщиков.

На первом этапе проводится оценка вероятностей банкротства предприятий-заемщиков. Для повышения качества оценок в работе предложено разделить предприятия на однородные подгруппы. При этом, доказано, что группировку целесообразно осуществлять с использованием алгоритма нечеткого кластерного анализа, позволяющего определять степени принадлежности предприятий разным подгруппам.

В качестве меры расстояния между объектами предложено использовать взвешенную манхэттенскую метрику, представляющую собой взвешенную сумму модулей характеристик объектов:

,

где i и i' – порядковые номера объектов исследования,

- расстояние между объектами i и i', x_ij – j-ая характеристика i-го предприятия-заемщика, δ_j– вес j-ой характеристики. Весовые коэффициенты позволяют корректировать оценки расстояний между объектами и их группировку с учетом экспертного мнения.

Взвешенная манхэттенская метрика (Manhattan distance) менее чувствительна к отдельным ошибкам при определении числовых характеристик объектов и к случайным исключениям. Использование этой метрики позволяет уменьшить степень влияния ошибок данных и операционных рисков и получить верный результат классификации даже при их наличии.

При нечетком кластерном анализе объектам исследования ставится в соответствие степень их принадлежности каждому из рассматриваемых кластеров. Оптимальный набор степеней принадлежности определяется на максимуме энтропии распределения вероятностей при ограничениях, наложенных на средневзвешенное расстояние между каждым из объектов и центрами кластеров, называемое функцией затрат (CF). Энтропия рассчитывается как

,

где p_ik– степень принадлежности объекта i кластеру k.

Для каждого объекта i сумма степеней принадлежности каждому из кластеров равна единице:

,

и функция затрат рассчитывается следующим образом:

.

При ограничениях на функцию затрат (5) и при условии (4) решение оптимизационной задачи (3) находится методом множителей Лагранжа и имеет вид:

,

где  - множитель Лагранжа. При увеличении параметра  распределение по кластерам становится более четким.

В работе предложено оценивать время до наступления банкротства как экспоненциально распределенную случайную величину. Согласно этому распределению, его параметр λ характеризует интенсивность банкротств и может рассматриваться как показатель устойчивости предприятий-заемщиков. В диссертации выдвинута гипотеза о том, что предприятия-заемщики, схожие по своим характеристикам, имеют одно и то же, или очень близкое, значение параметра интенсивности банкротств. Предприятиям, попавшим в кластер k, соответствует интенсивность банкротств λ_k, оценка которой базируется на модели множественного выбора.

В соответствии с этим предположением, каждому предприятию i в кластере k ставится в соответствие показатель «времени жизни» - длина временного интервала, выраженная в месяцах, от момента выдачи кредита данному предприятию до даты проведения анализа, в случае устойчивых предприятий, и до даты банкротства, в случае предприятий-банкротов. Пусть выделяется m различных значений этого показателя, и значению t соответствует

предприятий, из которых

– банкроты. Тогда оценка вероятности банкротства предприятий кластера k в течение временного промежутка t с момента выдачи кредита есть

.

Используя полученные значения оценок вероятностей банкротства и соответствующие значения показателя времени жизни, рассчитывается оценка параметра интенсивности банкротств λ_k Оценка находится нелинейным методом наименьших квадратов из следующей системы уравнений:

где t₁, … t_m – множество значений показателя времени жизни для кластера k.

Полученные оценки параметров интенсивности банкротств λ₁, λ₂,..., λ_K для 1-го, 2-го, и т.д. K-го кластеров используются далее для нахождения оценки вероятности банкротства исследуемого предприятия, которая рассчитывается следующим образом:

,

где P_i(t) – оценка вероятности того, что предприятие i объявит банкротство в течение временного и интервала t, K – число кластеров, p_ik - степень принадлежности предприятия i кластеру k, и λ_k – оценка параметра интенсивности банкротств, соответствующая кластеру k.

В работе отмечено, что для повышения надежности оценок вероятности банкротства заемщиков необходимо регулярно осуществлять переоценку степеней принадлежности предприятий кластерам и уточнять значения параметров интенсивности банкротств с учетом текущей информации о предприятиях-заемщиках.

На втором этапе предложенного в работе двухшагового метода определяется оценка величины ожидаемых потерь по кредиту в случае дефолта предприятия-заемщика (LGD):

,

где

– оценка потерь в случае дефолта заемщика i; LGD_j – фактические потери по кредиту j-го заемщика-банкрота; w_ij – весовой коэффициент, с которым фактические потери заемщика-банкрота j входят в оценку LGD заемщика i, K_j – объем кредита, выданный j-му заемщику-банкроту.

Для оценки весовых коэффициентов w_ijв работе предложено использовать авторскую модификацию метода кернел-сопоставлений, позволяющего определять потенциальную близость к банкротству (ПББ, термин автора) как заемщиков-банкротов, так и исследуемого заемщика. Согласно сделанному в работе предположению, весовые коэффициенты пропорциональны разности между ПББ предприятий-банкротов и ПББ предприятия, для которого проводится оценка ожидаемых потерь.

Потенциальная близость к банкротству рассчитывается на базе бинарной пробит модели, параметры которой оцениваются на основе полной базы данных заемщиков, включающей как информацию о заемщиках банкротах, так и заемщиках, сохранивших устойчивость на дату проведения анализа.

Пусть Y_i является бинарной случайной величиной, принимающей значение единица, если i-й заемщик объявил дефолт, и ноль в противном случае. Факт банкротства предприятия зависит от непрерывной ненаблюдаемой величины Y_i*: если величина Y_i* больше или равна нулю, то Y_iпринимает значение единица, если Y_i* меньше нуля, то Y_iравна нулю.

Величина Y_i* является функцией множества факторов X_i и ошибки ε_i – нормально распределенной случайной величины с нулевым математическим ожиданием и постоянной дисперсией:

,

где X_i – вектор-столбец факторов; β – вектор-столбец параметров; σ² – дисперсия случайной ошибки ε_i. Детальный анализ факторов X_iприведен в диссертационной работе.

Потенциальная близость к банкротству предприятия i (эквивалентная вероятности того, что величина Y_iравна единице) может быть рассчитана следующим образом:

где

;

; и

- функция распределения стандартного нормального закона.

Вектор параметров α оценивается методом максимального правдоподобия.

;

.

р(X_i) – ПББ компании i – рассчитывается как

.

С учетом полученных оценок ПББ весовые коэффициенты определяются с помощью кернел-функций при условии их нормировки (сумма весов равна единице) на основе следующего выражения:

,

где

; K(u) – кернел-функция; h – параметр сглаживания, определяющий степень гладкости кернел-функции и, как результат, степень однородности весовых коэффициентов. Для нахождения оптимального значения параметра h в диссертационной работе использован метод «кросс-валидейшн» (cross validation).

Для решения поставленной задачи рассмотрена возможность использования кернел-фукций нескольких видов. На основе анализа их свойств рекомендовано применение кернел-функции Гаусса:

.

Рис.1 графически иллюстрирует расчет весовых коэффициентов с помощью кернел-функции Гаусса.

Рис.1 Иллюстрация к расчету весовых коэффициентов на основе

кернел-функции Гаусса

На рис. 1 на оси абсцисс расположены порядковые номера заемщиков, информация о которых используется для оценки величины потерь в случае дефолта. На оси ординат отложены соответствующие заемщикам величины потенциальной близости к банкротству р(Х). Координаты круглого маркера соответствуют порядковому номеру и потенциальной близости к банкротству исследуемого заемщика. Ромбовидные маркеры соответствуют оценкам потенциальной близости к банкротству предприятий, объявивших дефолт. Стандартизированные значения плотности вероятности (кернел-функции Гаусса) являются оценками весовых коэффициентов, с которыми фактические потери по кредитам, выданным каждому заемщику-банкроту, входят в оценку потенциальных потерь искомого заемщика. Чем ближе значение р(Х_j) к значению потенциальной близости к банкротству исследуемого заемщика, тем больший вес получает LGD_j в оценке величины потерь исследуемого заемщика.

Главным достоинством разработанного метода оценки кредитного риска является его адаптивность, позволяющая применять данный метод для оценки кредитного риска широкого спектра заемщиков (начиная с физических лиц и предприятий малого бизнеса, и кончая средними и крупными предприятиями) на разных уровнях – и на уровне отдельного банка, и на государственном уровне, как в условиях современной России, так и на западноевропейском и американском рынках.

Blog

Моделирование банкротств и оценка риска при кредитовании предприятий

Содержание