Оценка вероятности дефолта на всём сроке жизни кредита с учётом макроэкономических прогнозных показателей
|
Введение 3
1 Методы оценки ожидаемых кредитных убытков (ECL) 6
1.1 Общие принципы оценки кредитного риска по МСФО 9 6
1.2 Методы измерения величины кредитных убытков 11
2 Подходы к оценке Lifetime PD 19
2.1 GLM модель 19
2.2 Матрица миграций 21
2.3 Случайный лес выживаемости 24
3 Построение модели Lifetime PD 27
3.1 Анализ экономических показателей банков 27
3.2 Анализ временных рядов 30
3.3 Построение функции макроэкономической связи 39
3.4 Расчет PIT вероятностей дефолта на весь срок жизни продукта 48
Заключение 54
Список использованных источников и литературы 56
Приложение А График остатков 61
Приложение Б Матрица миграций для развивающихся и пограничных на год с учётом макрофакторов 63
Приложение В Кумулятивная PIT матрица перехода c учётом макрофакторов 64
Приложение Г Кумулятивная матрица перехода без учёта макрофакторов 66
1 Методы оценки ожидаемых кредитных убытков (ECL) 6
1.1 Общие принципы оценки кредитного риска по МСФО 9 6
1.2 Методы измерения величины кредитных убытков 11
2 Подходы к оценке Lifetime PD 19
2.1 GLM модель 19
2.2 Матрица миграций 21
2.3 Случайный лес выживаемости 24
3 Построение модели Lifetime PD 27
3.1 Анализ экономических показателей банков 27
3.2 Анализ временных рядов 30
3.3 Построение функции макроэкономической связи 39
3.4 Расчет PIT вероятностей дефолта на весь срок жизни продукта 48
Заключение 54
Список использованных источников и литературы 56
Приложение А График остатков 61
Приложение Б Матрица миграций для развивающихся и пограничных на год с учётом макрофакторов 63
Приложение В Кумулятивная PIT матрица перехода c учётом макрофакторов 64
Приложение Г Кумулятивная матрица перехода без учёта макрофакторов 66
В настоящее время для банков актуальной является задача оценки кредитных рисков, так как из-за некорректного прогноза ожидаемых кредитных убытков (ОКУ), не учитывающих экономические циклы и воздействие макроэкономических факторов, а также изменение динамики риска заёмщика во времени, банк формирует недостаточные резервы, что впоследствии приводит к ухудшению его кредитоспособности и невозможности в полной мере отвечать по своим обязательствам. В настоящее время отозванные лицензии у банков из-за неудовлетворения требований к капиталу и ликвидности становятся всё более частым явлением. Только за последние несколько лет Центральный Банк (ЦБ) отозвал лицензии у нескольких сотен финансовых организаций [7]. Согласно Федеральному закону №395-1 от 02.12.1990 г. «О банках и банковской деятельности» ЦБ обязан отозвать лицензию у финансовых организаций в следующих случаях:
1) банк не может удовлетворить требования кредиторов по денежным обязательствам;
2) достаточность капитала меньше 2%;
3) размер капитала меньше объема собственных средств;
4) размер собственных средств банка меньше нижней границы уставного капитала;
5) банк не исполняет в срок требования Банка России о корректировке величины уставного капитала и размера собственных средств [2].
Согласно МСФО 39, действующему до 01.01.2018, оценка понесённых кредитных убытков не учитывала изменение индивидуальной вероятности выхода в дефолт в течение всей жизни кредита. С 01.01.2018 на территории Российской Федерации вступил в силу стандарт МСФО 9, который вводит новую концепцию ожидаемых убытков. Согласно стандарту МСФО 9 банки обязаны считать вероятность дефолта заемщика на протяжении всего срока жизни кредитного продукта, по которому наблюдался значительный рост кредитного риска с момента первоначального признания. Поскольку резервирование является основным методом снижения кредитного риска банка, задача адекватной оценки ожидаемой величины будущих убытков является сегодня крайне актуальной.
Кроме того, одним из ключевых требований стандарта МСФО 9 при расчете ОКУ является необходимость учета прогнозной макроэкономической информации, которая отражает текущее состояние бизнес-цикла. Экономические факторы, такие как воздействие экономических шоков или рост уровня индекса потребительских цен (ИПЦ), импорта и денежной массы (М2), оказывают прямое влияние на платежеспособность 3
физических и юридических лиц, поэтому их необходимо включать в модели прогнозирования риска дефолта.
Таким образом, в связи с необходимостью внедрения стандарта МСФО 9 актуальной является задача разработки методов и моделей расчёта вероятности дефолта заёмщика на весь срок жизни продукта с учетом влияния макроэкономических факторов. Примерами таких моделей являются обобщённые линейные модели (Generalized Linear Models — GLM), матрица миграций кредитных рейтингов, модели выживания и модели машинного обучения.
Степень разработанности темы определяется литературными источниками и публикациями по вопросу корректной оценки кредитного риска. Несмотря на то, что новые требования к оценке кредитного риска вышли сравнительно недавно, данной теме уделяется достаточно много внимания, проблема уже имеет частичную практическую и теоретическую разработанность. По данной теме проводили исследования следующие авторы: Широбокова М.А., Чунихина Ф.Т., Стежкин А.А, Durovic A. Bellini T. Но тема по- прежнему остаётся актуальной, так как в текущих сложных экономических условиях необходимо объективное формирование резервов, в связи с чем требуется разработка моделей оценки ожидаемых кредитных убытков, учитывающих информацию о бизнес- цикле, на весь срок жизни финансового продукта.
Целью выпускной квалификационной работы является построение модели оценки вероятности дефолта на весь срок жизни кредитного продукта с учетом макроэкономической прогнозной информации согласно требованиям стандарта МСФО 9.
Для достижения цели были поставлены следующие задачи:
1) изучить положение стандарта МСФО 9, касающиеся риска дефолта контрагента;
2) исследовать современные модели оценки вероятности дефолта на весь срок жизни финансового инструмента, соответствующих стандарту МСФО 9, используемые в российской и в зарубежной практике;
3) исследовать влияние макроэкономических показателей на момент наступления дефолта, построить модель зависимости частоты дефолтов от набора макроэкономических факторов на основе GLM подхода;
4) применить подход на основе матриц миграции для оценки вероятности дефолта на весь срок жизни финансового инструмента с учетом прогнозной макроэкономической информации.
Объектом исследования является кредитный риск в деятельность коммерческих банков.
Предметом исследования являются модели вероятности дефолта заемщика на весь срок жизни кредитного продукта, учитывающие экономический цикл.
В процессе работы использовались как абстрактные методы (системный анализ и синтез, абстрагирование, обобщение, изучение и анализ литературы), так и практические (наблюдение, расчеты, измерения, моделирование). В частности, были применены такие методы, как корреляционный и регрессионный анализы, аппроксимация, тестирование статистических гипотез с целью анализа временных рядов.
Практическая значимость работы заключается в том, что предложенная модель позволяет рассчитывать количественную оценку PIT вероятности дефолта на весь срок жизни финансового продукта для российских заемщиков.
При написании работы были использованы работы зарубежных авторов, в частности, Bellini T., Altman E.I., Durovic A., а также работы российских авторов, таких как Широбокова М.А., Чунихина, Ф.Т., Стежкин А.А. и другие. Помимо этого, были использованы официальные статистические сайты, такие как Росстат, ФНС, Финам и другие.
В процессе написания работы использовались нормативно-правовые документы, учебные материалы по экономико-математическим дисциплинам, научные работы зарубежных и отечественных авторов, ресурсы сети Интернет, а также программные средства Microsoft Excel, Python, Deductor.
Выпускная квалификационная работа состоит из введения, основной части, состоящей из трёх глав, где внимание уделяется теоретическим и практическим аспектам кредитного риска, заключения и списка литературы. Первая глава посвящена общим принципам оценки кредитного риска по новому стандарту МСФО 9. Во второй главе приводится обзор наиболее распространенных на практике подходов оценки вероятности дефолта на весь срок жизни продукта: GLM, модели машинного обучения, в частности, случайный лес выживаемости, матрицы миграций. В третьей главе реализовано построение модели вероятности дефолта заёмщика на весь срок жизни продукта с учётом специфики российской экономики, в частности GLM и матрицы миграций. В каждой главе присутствуют краткие выводы. Список литературы состоит из 46 источников, из которых 40 отечественных, 6 зарубежных. Общий объем работы — 60 страниц; в ней содержится 13 таблиц, 24 рисунка.
1) банк не может удовлетворить требования кредиторов по денежным обязательствам;
2) достаточность капитала меньше 2%;
3) размер капитала меньше объема собственных средств;
4) размер собственных средств банка меньше нижней границы уставного капитала;
5) банк не исполняет в срок требования Банка России о корректировке величины уставного капитала и размера собственных средств [2].
Согласно МСФО 39, действующему до 01.01.2018, оценка понесённых кредитных убытков не учитывала изменение индивидуальной вероятности выхода в дефолт в течение всей жизни кредита. С 01.01.2018 на территории Российской Федерации вступил в силу стандарт МСФО 9, который вводит новую концепцию ожидаемых убытков. Согласно стандарту МСФО 9 банки обязаны считать вероятность дефолта заемщика на протяжении всего срока жизни кредитного продукта, по которому наблюдался значительный рост кредитного риска с момента первоначального признания. Поскольку резервирование является основным методом снижения кредитного риска банка, задача адекватной оценки ожидаемой величины будущих убытков является сегодня крайне актуальной.
Кроме того, одним из ключевых требований стандарта МСФО 9 при расчете ОКУ является необходимость учета прогнозной макроэкономической информации, которая отражает текущее состояние бизнес-цикла. Экономические факторы, такие как воздействие экономических шоков или рост уровня индекса потребительских цен (ИПЦ), импорта и денежной массы (М2), оказывают прямое влияние на платежеспособность 3
физических и юридических лиц, поэтому их необходимо включать в модели прогнозирования риска дефолта.
Таким образом, в связи с необходимостью внедрения стандарта МСФО 9 актуальной является задача разработки методов и моделей расчёта вероятности дефолта заёмщика на весь срок жизни продукта с учетом влияния макроэкономических факторов. Примерами таких моделей являются обобщённые линейные модели (Generalized Linear Models — GLM), матрица миграций кредитных рейтингов, модели выживания и модели машинного обучения.
Степень разработанности темы определяется литературными источниками и публикациями по вопросу корректной оценки кредитного риска. Несмотря на то, что новые требования к оценке кредитного риска вышли сравнительно недавно, данной теме уделяется достаточно много внимания, проблема уже имеет частичную практическую и теоретическую разработанность. По данной теме проводили исследования следующие авторы: Широбокова М.А., Чунихина Ф.Т., Стежкин А.А, Durovic A. Bellini T. Но тема по- прежнему остаётся актуальной, так как в текущих сложных экономических условиях необходимо объективное формирование резервов, в связи с чем требуется разработка моделей оценки ожидаемых кредитных убытков, учитывающих информацию о бизнес- цикле, на весь срок жизни финансового продукта.
Целью выпускной квалификационной работы является построение модели оценки вероятности дефолта на весь срок жизни кредитного продукта с учетом макроэкономической прогнозной информации согласно требованиям стандарта МСФО 9.
Для достижения цели были поставлены следующие задачи:
1) изучить положение стандарта МСФО 9, касающиеся риска дефолта контрагента;
2) исследовать современные модели оценки вероятности дефолта на весь срок жизни финансового инструмента, соответствующих стандарту МСФО 9, используемые в российской и в зарубежной практике;
3) исследовать влияние макроэкономических показателей на момент наступления дефолта, построить модель зависимости частоты дефолтов от набора макроэкономических факторов на основе GLM подхода;
4) применить подход на основе матриц миграции для оценки вероятности дефолта на весь срок жизни финансового инструмента с учетом прогнозной макроэкономической информации.
Объектом исследования является кредитный риск в деятельность коммерческих банков.
Предметом исследования являются модели вероятности дефолта заемщика на весь срок жизни кредитного продукта, учитывающие экономический цикл.
В процессе работы использовались как абстрактные методы (системный анализ и синтез, абстрагирование, обобщение, изучение и анализ литературы), так и практические (наблюдение, расчеты, измерения, моделирование). В частности, были применены такие методы, как корреляционный и регрессионный анализы, аппроксимация, тестирование статистических гипотез с целью анализа временных рядов.
Практическая значимость работы заключается в том, что предложенная модель позволяет рассчитывать количественную оценку PIT вероятности дефолта на весь срок жизни финансового продукта для российских заемщиков.
При написании работы были использованы работы зарубежных авторов, в частности, Bellini T., Altman E.I., Durovic A., а также работы российских авторов, таких как Широбокова М.А., Чунихина, Ф.Т., Стежкин А.А. и другие. Помимо этого, были использованы официальные статистические сайты, такие как Росстат, ФНС, Финам и другие.
В процессе написания работы использовались нормативно-правовые документы, учебные материалы по экономико-математическим дисциплинам, научные работы зарубежных и отечественных авторов, ресурсы сети Интернет, а также программные средства Microsoft Excel, Python, Deductor.
Выпускная квалификационная работа состоит из введения, основной части, состоящей из трёх глав, где внимание уделяется теоретическим и практическим аспектам кредитного риска, заключения и списка литературы. Первая глава посвящена общим принципам оценки кредитного риска по новому стандарту МСФО 9. Во второй главе приводится обзор наиболее распространенных на практике подходов оценки вероятности дефолта на весь срок жизни продукта: GLM, модели машинного обучения, в частности, случайный лес выживаемости, матрицы миграций. В третьей главе реализовано построение модели вероятности дефолта заёмщика на весь срок жизни продукта с учётом специфики российской экономики, в частности GLM и матрицы миграций. В каждой главе присутствуют краткие выводы. Список литературы состоит из 46 источников, из которых 40 отечественных, 6 зарубежных. Общий объем работы — 60 страниц; в ней содержится 13 таблиц, 24 рисунка.
В ходе выполнения ВКР был представлен теоретический и практический анализ научной литературы по проблеме оценки кредитных рисков, а также рассмотрены способы её решения. В соответствии с поставленными целью и задачами были построены модели вероятности дефолта заёмщика на весь срок жизни продукта с учётом экономического цикла. На основании, проведённого исследования можно сделать следующие выводы:
1. Внедрение стандарта МСФО 9 послужило позитивным шагом для банковской системы, потому что оценка ожидаемых кредитных убытков происходит с обязательным учетом текущей и будущей прогнозной экономической ситуации на весь срок жизни финансового продукта, что позволяет более точно оценить возможные потери от невыполнения заемщиком своих обязательств.
2. В процессе работы были рассмотрены модели оценки вероятности дефолта на весь срок жизни кредитного продукта, в частности, GLM модель, матрицы миграций, используемые в практической деятельности российскими и зарубежными банками, а также выделены достоинства и недостатки существующих методов. Стоит заметить, что невозможно определить какой метод является лучшим, потому что выбор модели во многом определяется имеющимися входными данными и поставленными целями .
3. Макроэкономические показатели тесно связаны с оценкой риска дефолта, поэтому их использование потенциально позволяет улучшить прогнозное качество модели, следовательно, необходимо делать корректировку на макроэкономические показатели.
4. Модели Lifetime PD представляют собой объединение математических и статистических методов для расчета вероятности дефолта заемщика. Более точная оценка вероятности дефолта заемщика позволит банкам и кредитным организациям правильно оценить рентабельность принимаемого актива, а следовательно, и необходимые резервы на возможные потери от невыполнения заемщиком своих обязательств.
Результаты работы:
1) проанализировано положение стандарта МСФО 9, касающиеся риска дефолта контрагента, а также изучены подходы Банка России оценки кредитного риска;
2) проанализированы современные модели для оценки вероятности дефолта на весь срок жизни финансового инструмента, соответствующие стандарту МСФО 9, используемые в российской и в зарубежной практике;
3) обосновано включение макроэкономических факторов в модель вероятности дефолта;
4) построена модель зависимости частоты дефолтов от набора макроэкономических факторов. Применён подход на основе матриц миграции для оценки вероятности дефолта на весь срок жизни финансового инструмента с учетом прогнозной макроэкономической информации.
В заключении можно сказать, что была построена модель, которая удовлетворяет требованиям стандарта МСФО 9 и позволяет на своей основе более точно формировать объем резервов по портфелю в зависимости от динамики уровня риска. Результаты исследования могут быть использованы непосредственно банками, в качестве альтернативной модели расчёта Lifetime PD.
1. Внедрение стандарта МСФО 9 послужило позитивным шагом для банковской системы, потому что оценка ожидаемых кредитных убытков происходит с обязательным учетом текущей и будущей прогнозной экономической ситуации на весь срок жизни финансового продукта, что позволяет более точно оценить возможные потери от невыполнения заемщиком своих обязательств.
2. В процессе работы были рассмотрены модели оценки вероятности дефолта на весь срок жизни кредитного продукта, в частности, GLM модель, матрицы миграций, используемые в практической деятельности российскими и зарубежными банками, а также выделены достоинства и недостатки существующих методов. Стоит заметить, что невозможно определить какой метод является лучшим, потому что выбор модели во многом определяется имеющимися входными данными и поставленными целями .
3. Макроэкономические показатели тесно связаны с оценкой риска дефолта, поэтому их использование потенциально позволяет улучшить прогнозное качество модели, следовательно, необходимо делать корректировку на макроэкономические показатели.
4. Модели Lifetime PD представляют собой объединение математических и статистических методов для расчета вероятности дефолта заемщика. Более точная оценка вероятности дефолта заемщика позволит банкам и кредитным организациям правильно оценить рентабельность принимаемого актива, а следовательно, и необходимые резервы на возможные потери от невыполнения заемщиком своих обязательств.
Результаты работы:
1) проанализировано положение стандарта МСФО 9, касающиеся риска дефолта контрагента, а также изучены подходы Банка России оценки кредитного риска;
2) проанализированы современные модели для оценки вероятности дефолта на весь срок жизни финансового инструмента, соответствующие стандарту МСФО 9, используемые в российской и в зарубежной практике;
3) обосновано включение макроэкономических факторов в модель вероятности дефолта;
4) построена модель зависимости частоты дефолтов от набора макроэкономических факторов. Применён подход на основе матриц миграции для оценки вероятности дефолта на весь срок жизни финансового инструмента с учетом прогнозной макроэкономической информации.
В заключении можно сказать, что была построена модель, которая удовлетворяет требованиям стандарта МСФО 9 и позволяет на своей основе более точно формировать объем резервов по портфелю в зависимости от динамики уровня риска. Результаты исследования могут быть использованы непосредственно банками, в качестве альтернативной модели расчёта Lifetime PD.
