Заказать работу


Тип работы:
Предмет:
Язык работы:


Методы оценки кредитных рисков инвестиционных проектов

Работа №8404
Тип работыДиссертация
Предметфинансы и кредит
Объем работы182стр.
Год сдачи2017
Стоимость2900 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено 565
Не подходит работа?

Узнай цену на написание

ВВЕДЕНИЕ 4
Глава 1 СИСТЕМАТИЗАЦИЯ МЕТОДОВ И МОДЕЛЕЙ ОЦЕНКИ КРЕДИТНОГО РИСКА ИНВЕСТИЦИОННЫХ ПРОЕКТОВ 14
1.1 Структурирование рисков проектного финансирования 14
1.2 Классификация методов оценки кредитного риска инвестиционных проектов 23
1.3 Практические особенности использования моделей оценки кредитного риска по инвестиционным проектам в российской и зарубежной практике 37
Глава 2 РАЗВИТИЕ МЕТОДОВ И РЕЙТИНГОВЫХ МОДЕЛЕЙ ДЛЯ ОЦЕНКИ ИНВЕСТИЦИОННЫХ ПРОЕКТОВ 42
2.1 Оценка вероятности дефолта с использованием модели бинарного выбора 42
2.2 Оценка вероятности дефолта с использованием модели множественного выбора 72
2.3 Формирование рейтингов кредитоспособности инвестиционных проектов 89
Глава 3 ВАЛИДАЦИЯ И ПОВЫШЕНИЕ ПРОГНОЗНЫХ СПОСОБНОСТЕЙ МОДЕЛЕЙ 101
3.1 Практическая валидация разработанных рейтинговых моделей ... 101
3.2 Повышение прогнозных способностей моделей за счет макроэкономических риск-факторов 109
3.3 Дополнительные возможности повышения качества и проверки рейтинговых моделей инвестиционных проектов 131
ЗАКЛЮЧЕНИЕ 141

3
СПИСОК ЛИТЕРАТУРЫ 143
ПРИЛОЖЕНИЕ А. Алгоритмы расчета риск-факторов на основании данных российской финансовой отчетности 157
ПРИЛОЖЕНИЕ Б. Дополнительная информация по моделям бинарного выбора 162
ПРИЛОЖЕНИЕ В. Дополнительная информация по моделям множественного выбора 172
ПРИЛОЖЕНИЕ Г. Корреляции риск-факторов при валидации моделей 181
ПРИЛОЖЕНИЕ Д. Список основных терминов и определений 182



Модели оценки вероятности дефолта играют важную роль в системах риск-менеджмента коммерческих банков [Севрук, 2001; Петров, Помазанов, 2008], так как позволяют осуществить оценку кредитоспособности для различных контрагентов и сделок. Внедрение в практику первого компонента Базель II [Симановский, 2007; Бондарчук, 2012] предполагает использование продвинутого подхода оценки кредитоспособности кредитного портфеля с использованием внутренних рейтинговых моделей (IRB Approach) для оценки кредитного риска. Это требует разработки отдельных моделей для различающихся по экономической сущности и уровню принимаемого кредитного риска групп активов [Анализ математических моделей Базель II, 2010]. В частности, многие российские банки испытывают сложности, связанные с разработкой моделей для сделок проектного финансирования. Проектное финансирование представляет собой финансирование инвестиционных проектов, при котором источником обслуживания долговых обязательств являются денежные потоки, генерируемые самими проектами. Специфика этого вида инвестирования состоит в том, что оценка затрат и доходов осуществляется с учётом распределения риска между участниками проекта [Лаврушин, 2013]. Сложности при разработке рейтинговых моделей оценки кредитоспособности инвестиционных проектов связаны с ограниченным объемом данных и отсутствием достаточной дефолтной статистики по инвестиционным проектам. Помимо этого экономическая суть различных групп инвестиционных проектов может различаться, в результате чего для каждой такой группы на кредитоспособность проектов могут влиять различные объясняющие переменные, что требует разработки отдельной модели для каждой группы проектов.
Достоинствами проектного финансирования являются [Стратегия модернизации российской экономики, 2010]:

5
• отсутствие прямых финансовых обязательств организаторов, что не влияет на достаточность капитала и рейтинги их основной деятельности;
• возможность разделить риски, включая политические, и долг, исключить ограничения по другим транзакциям инициатора проекта;
• формирование заинтересованности банков во вхождении в проектный синдикат на стадии его формирования [Kleimeier, 2000];
• участие кредиторов в экспертизе проекта [Coleshaw, 1989] в ходе его реализации для оперативного предотвращения возможных убытков. Проведенные исследования показали, что сделки проектного
финансирования имеют большую длительность и рассчитаны на более рискованных заемщиков, чем обычные сделки. Среди исследований в области проектного финансирования выделяются работы [Kayser, 2013], [Laishram, Kalidini, 2009], [Gatti, 2013], [Hait, 2011]. При оценке кредитоспособности инвестиционных проектов на различных временных интервалах используются модели выживаемости, представленные в работах [Кокс, Льюис, 1969], [Кокс, Оукс, 1988]. Преемственность методологии исследования связана с использованием подходов к оценке вероятности дефолта (применение моделей бинарного и множественного выбора в логит- и пробит-спецификациях, калибровка рейтинговых моделей, использование KS-статистики при принятии решения об участии в проекте и прочие), применяемых в предшествующих работах [Битюцкий, 2013; Энциклопедия финансового риск-менеджмента, 2009; Рогов, 2001; Peresetsky, 2011; Карминский, 2013; Тотьмянина, 2014].
Целью исследования является развитие методов оценки вероятности дефолта инвестиционных проектов. Для достижения цели были поставлены следующие задачи:
• Систематизировать существующие подходы к построению моделей оценки вероятности дефолта по инвестиционным проектам;

6
• Выявить перечень факторов, влияющих на кредитные риски инвестиционных проектов, и сформировать выборку данных по инвестиционным проектам для эмпирического исследования;
• Разработать эконометрические модели для оценки вероятности дефолта инвестиционных проектов;
• Оценить устойчивость и прогнозную силу (дискриминационную способность) разработанных моделей;
• Построить подходящую для российских банков рейтинговую мастер- шкалу, позволяющую на основании годовых вероятностей дефолта активов различных классов заимствований получать внутренние рейтинги;
• Провести оценку применимости предлагаемых моделей для управления рисками инвестиционных проектов на наиболее актуальных данных (осуществить валидацию разработанных рейтинговых моделей). Объектом исследования являются российские инвестиционные
проекты, по которым доступна публичная информация, а предметом исследования - методы оценки вероятности дефолта инвестиционных проектов и их рейтингование.
Методами проведения исследования являются методы финансового анализа, экономико-статистического моделирования и эконометрические методы.
Методологическая база исследования включает в себя рекомендации Базельских соглашений [Basel, 2006] по реализации подхода кредитного риска на основе внутренних рейтингов (IRB Approach).
В качестве информационной базы использовалась база данных Bureau van Dijk (База данных Руслана). В данных источниках присутствовала полная информация по 85 отечественным инвестиционным проектам за 2007-2014 годы по ряду относительных показателей. Экспертные рейтинги (для модели множественного выбора) по инвестиционным проектам были определены с

7
учетом негативной информации, имеющейся за время жизни проектов, полученной из различных источников. Использование абсолютных факторов риска (таких, как NPV - чистая текущая стоимость инвестиционного проекта) при моделировании было принято нецелесообразным в связи с их привязкой к определенным этапам экономического цикла и сильным влиянием на такие риск-факторы показателя инфляции. Эмпирические результаты получены с использованием программного обеспечения MATLAB R2010b [Цисарь, 2008; Иглин, 2006].
Научная новизна исследования состоит в:
• развитии подходов и методов моделирования основных компонент кредитного риска;
• разработке новых рейтинговых подходов для оценки кредитных рисков инвестиционных проектов на основе российской статистики;
• формировании рейтингового процесса оценки инвестиционных проектов в российских банках;
• развитии методов калибровки моделей ранжирования с учетом экономического цикла.
К основным полученным результатам исследования, характеризующим научную новизну, относятся следующие группы проблем:
1. Систематизация и развитие подходов и методов моделирования основных компонент кредитного риска (PD, LGD, EAD) по инвестиционным проектам, формирование собственной классификации методов построения моделей оценки вероятности дефолта инвестиционных проектов (PD) с использованием портфельных (метод бинарного выбора, метод линейной регрессии, метод множественного выбора, метод пропорциональных интенсивностей Кокса) и индивидуальных подходов (симуляционные модели) и необходимых условий для их применения в кредитных организациях, а также формирование собственной классификации методов оценки и

8
прогнозирование других компонент кредитного риска (LGD и EAD), что соответствует паспорту научной специальности 08.00.10 - Финансы, денежное обращение и кредит в части раздела 10. «Банки и иные кредитные организации» пункта 10.16. «Система мониторинга и прогнозирования банковских рисков».
2. Разработка совокупности подходов к оценке вероятности дефолта отечественных инвестиционных проектов с использованием методов бинарного и множественного выбора, ранее ограниченно использовавшихся при разработке таких моделей только в зарубежной практике, на основании сформированной эмпирической выборки по отечественным инвестиционным проектам, что соответствует паспорту научной специальности 08.00.10 - Финансы, денежное обращение и кредит в части раздела 10. «Банки и иные кредитные организации» пункта 10.12. «Совершенствование системы управления рисками российских банков» и пункта 10.16. «Система мониторинга и прогнозирования банковских рисков».
3. Формирование рейтингового процесса для инвестиционных проектов, учитывающего применение разработанной рейтинговой мастер-шкалы, которая может быть применена российскими банками в процессе рейтингования и учитывает основные недостатки, связанные с использованием рейтинговых шкал зарубежных и отечественных рейтинговых агентств, что соответствует паспорту научной специальности 08.00.10 - Финансы, денежное обращение и кредит в части раздела 10. «Банки и иные кредитные организации» пункта 10.12. «Совершенствование системы управления рисками российских банков».
4. Развитие методов калибровки моделей оценки вероятности дефолта по инвестиционным проектам (разработка алгоритма повышения прогнозных способностей) за счет учета макроэкономических

9
показателей, характеризующих экономический цикл, выраженных через сводный макроэкономический индикатор, что соответствует паспорту научной специальности 08.00.10 - Финансы, денежное обращение и кредит в части раздела 10. «Банки и иные кредитные организации» пункта 10.12. «Совершенствование системы управления рисками российских банков».


Возникли сложности?

Нужна помощь преподавателя?

Помощь в написании студенческих
и аспирантских работ!


Подводя итог диссертационного исследования, необходимо отметить, что его основные результаты достигнуты и позволяют кредитным организациям совершенствовать свою систему риск-менеджмента по инвестиционным проектам, как применяя разработанные методологии рейтинговой оценки (при положительных результатах валидации на собственных кредитных портфелях инвестиционных проектов), так и используя подходы (аналогичные предложенным в диссертации) для разработки собственных методологий рейтинговой оценки инвестиционных проектов. Следует выделить основные результаты и выводы из диссертационного исследования:
1. Сформирована собственная полноценная классификация методов оценки вероятности дефолта инвестиционных проектов (PD) и прочих компонент кредитного риска (LGD, EAD).
2. Сформирована эмпирическая выборка, включающая в себя риск- факторы, влияющие на кредитные риски инвестиционных проектов, на основании которой выдвинута гипотеза о сильном влиянии риск-фактора IRR на кредитоспособность инвестиционного проекта, однако проверить должным образом данную гипотезу на текущий момент не представляется возможным в связи с ограниченностью имеющихся статистических данных.
3. Полученные модели бинарного и множественного выбора обладают высокой дискриминационной способностью, которая сохраняется и по результатам проведенной на актуальных данных валидации, что подтверждает возможность применения методов бинарного и множественного выбора при оценке кредитоспособности инвестиционных проектов и дает возможность сделать вывод о стабильности разработанных

142
моделей на имеющихся данных, однако в связи с ограниченностью данных необходима регулярная валидация (а при необходимости - актуализация) моделей.
4. Полученная рейтинговая мастер-шкала может быть использована при рейтинговании российских инвестиционных проектов, что подтверждается высокой концентрацией инвестиционных проектов для большинства рейтинговых разрядов, а предложенный в диссертации рейтинговый процесс позволяет учитывать как портфельные риски инвестиционных проектов, так и индивидуальные риски, которые оцениваются с использованием Дополнительных факторов риска, приведенных в исследовании, а также - Экспертных корректировок, которые не являются формализованными и включают в себя специфические индивидуальные особенности инвестиционных проектов.
5. Прогнозные способности моделей были повышены за счет учета макроэкономических показателей, характеризующих экономический цикл, в виде сводного макроэкономического индикатора, а сами модели - актуализированы на последних имевшихся данных.
6. Использование кредитными организациями предложенных в диссертационном исследовании методов при разработке собственных методологий рейтинговой оценки сделок проектного финансирования на основе внутренних рейтингов (IRB Approach) должно учитывать специфику собственных кредитных портфелей инвестиционных проектов.



1. Айвазян, С.А. Эконометрика-2: продвинутый курс с приложениями в финансах [Текст]: учебник / С.А. Айвазян, Д. Фантаццини. - М.: Магистр: ИНФРА-М, 2014. - 944 с.
2. Анализ математических моделей Базель II [Текст] / Алескеров, Ф.Т. [и др.]. - М. ФИЗМАТЛИТ, 2010. - 286 с.
3. Брег, Стивен М. Настольная книга финансового директора [Текст]: [перевод с английского] / Стивен Брег. - 6-е изд. - М.: Альпина Паблишер, 2009. - 535 с.
4. Бригхэм, Ю. Финансовый менеджмент [Текст] / Ю. Бригхэм, М. Эрхардт; пер. с англ.; под ред. Е.А. Дорофеева. - Санкт-Петербург: Питер, 2009. - 960 с.
5. Волков, И.М. Проектный анализ: Продвинутый курс [Текст]: Учебное пособие / Волков И.М., Грачева М.В. - М.: ИНФРА-М. 2004. - 495 с.
6. Грачева, М.В. Анализ проектных рисков: учеб. пособие [Текст] / М.В. Грачева. - М.: Финстатинформ. 1999. - 216 с.
7. Горелая, Н.В. Основы банковского дела [Текст]: учебное пособие для студентов высших учебных заведений, обучающихся по направлению подготовки бакалавров и магистров для направления 080100 «Экономика» специализации «Банки и банковская деятельность» / Н.В. Горелая, А. М. Карминский / под ред. А.М. Карминского. - М.: ИД «ФОРУМ»: ИНФРА-М, 2013. - 272 с.
8. Иглин, С.П. Теория вероятностей и математическая статистика на базе MATLAB [Текст] / С.П. Иглин. - Харьков: Издательство НТУ «ХПИ», 2006. - 612 с.
9. Йескомб, Э.Р. Принципы проектного финансирования [Текст] /
Э.Р. Йескомб. - М.: Альпина Паблишер, 2015. - 457 с.

144
10. Кабушкин, С.Н. Управление банковским кредитным риском [Текст]: учебное пособие С.Н. Кабушкин. - 4-е изд., стер. - Минск: Новое знание, 2007. - 336 с.
11. Карминский, А.М. Кредитные рейтинги и их моделирование [Текст] /
А.М. Карминский. - М.: Изд. дом НИУ ВШЭ, 2015. - 304 с.
12. Карминский, А.М. Контроллинг в банке [Текст] / А.М. Карминский [и др.] / под. общей ред. А.М. Карминского, С.Г. Фалько. - М.: ИД «ФОРУМ»: ИНФРА-М, 2013. - 288 с.
13. Катасонов, В.Ю. Проектное финансирование: мировой опыт и перспективы для России [Текст] / В.Ю. Катасонов, Д.С. Морозов, М.В. Петров / под общей ред. Катасонова В.Ю. - М.: «Анкил», 2001. - 312 с.
14. Катасонов, В.Ю. Проектное финансирование, управление риском, страхование [Текст] / В.Ю. Катасонов, Д.С. Морозов. - М.: «Анкил», 2000. - 272 с.
15. Кокс, Д. Статистический анализ последовательностей событий [Текст] /Д. Кокс, П. Льюис. - М.: Мир, 1969. - 312 с.
16. Кокс, Д. Анализ данных типа времени жизни [Текст] / Д. Кокс, Д. Оукс. - М.: Финансы и статистика, 1988. - 191 с.
17. Лаврушин, О.И. Банковское дело: современная система кредитования [Текст]: учебное пособие для студентов, обучающихся по специальности «Финансы и кредит» / О.И. Лаврушин, О.Н. Афанасьева. - 7-е изд., доп. и перераб. - Москва: КноРус, 2013. - 358 с.
18. Лаврушин, О.И. Деньги, кредит, банки [Текст]: учебник / О.И. Лаврушин. - М.: КНОРУС, 2009. - 560 с.
19. Магнус, Я.Р. Эконометрика. Начальный курс [Текст]: учеб. для студентов вузов, обучающихся по экон. специальностям / Я.Р. Магнус, П.К. Катышев, А.А. Пересецкий. - 6-е изд., перераб. и доп. - М.: Дело, 2004. - 576 с.

145
20. Макконел, К.Р. Экономикс: принципы, проблемы и политика [Текст] / К.Р. Макконел, С.Л. Брю. - М.: ИНФРА-М, 1999. - 974 с.
21. Макроэкономика [Текст]: учебник для бакалавров/ 2-е изд., испр. и доп./ коллектив авторов; под ред. С.Ф. Серегиной. - М.: Издательство Юрайт, 2013. - 521 с.
22. Мишкин, Ф.С. Экономическая теория денег, банковского дела и финансовых рынков [Текст]: учебник / Ф.С. Мишкин. 7-е издание: пер. с англ. - М.: ООО «И. Д. Вильямс», 2006. - 880 с.
23. Найт, Ф. Риск, неопределенность и прибыль [Текст] / Ф. Найт ; Пер. с англ. М.Я. Каждана; Акад. нар. хоз-ва при Правительстве Рос. Федерации, Россия центр эволюц. экономики. - М.: Дело, 2003. - 359 с.
24. Прикладная статистика: Классификация и снижение размерности [Текст] / С.А. Айвазян [и др.]. - М.: Финансы и статистика, 1989. - 607 с.
25. Пугачев, В.С. Теория вероятностей и математическая статистика [Текст]: Учеб. Пособие / В.С. Пугачев. - М.: ФИЗМАТЛИТ, 2002. - 496 с.
26. Рогов, М.А. Риск-менеджмент [Текст] / М.А. Рогов. - М.: Финансы и статистика, 2001. - 120 с.
27. Руководство по кредитному скорингу [Текст]: антология / под ред.
Э. Мэйз. - Минск: Изд-во «Гревцов Паблишер», 2008. - 464 с.
28. Севрук, В.Т. Риски финансового сектора Российской Федерации [Текст] / В.Т. Севрук. - М.: Финстатинформ, 2001. - 175 с.
29. Стратегия модернизации российской экономики [Текст]: монография /
В.М. Полтерович [и др.] / отв. редактор В.М. Полтерович. - СПб: Алетейя, 2010. - 424 с.
30. Теплова, Т.В. Инвестиции [Текст]: учебник для бакалавров / Т.В. Теплова. - М.: Издательство Юрайт, 2016. - 782 с.

146
31. Тотьмянина, К.М. Моделирование вероятности дефолта корпоративных заемщиков банков: дис. ... канд. экон. наук: 08.00.10 / Тотьямнина Ксения Михайловна - М., 2014. - 133 c.
32. Финансовый менеджмент [Текст]: учебник / коллектив авторов; под ред. Н.И. Берзона и Т.В. Тепловой. - М.: КНОРУС, 2013. - 656 с. - (Бакалавриат).
33. Цисарь, И.Ф. MATLAB Simulink. Компьютерное моделирование экономики [Текст] / И.Ф. Цисарь. - М.: Солон-Пресс, 2008. - 256 с.
34. Шеремет, А.Д. Теория экономического анализа [Текст] / А.Д. Шеремет.
- М.: ИНФРА-М, 2011. - 352 с.
35. Энциклопедия финансового риск-менеджмента [Текст] / под ред. канд. экон. наук А. А. Лобанова и А. В. Чугунова. — 4-е изд., испр. и доп. — М.: Альпина Бизнес Букс, 2009. — 932 с.
36. Aasgard, A. Project Finance and Photovoltaic power plants [Text] / A. Aasgard. - Norges Handelsh0yskole, Bergen, 2010, - 118 p.
37. Allen, S. Financial risk management: A practioner’s guide to managing market and credit risk [Text] / S. Allen. - Hoboken, N.J.: John Wiley & Sons, Inc., 2003. - 288 p.
38. Altman, E. Managing Credit Risk [Text] / E. Altman. - 2 ed. - New York: John Wiley and Sons, 2008. - 655 p.
39. Benninga, S. Financial Modelling. [Text] / S. Benninga. - 3 ed. - The MIT Press, 2008. - 1168 p.
40. Coleshaw, J. Credit analysis [Text] / J. Coleshaw. - Woodhead-Faulkner, 1989. - 240 p.
41. Davis, H.A. Project finance: Practical Case Studies [Text] / H.A. Davis. - 2 ed. - Published by Euromoney Books, Nestor House, Playhouse Yard, London, United Kingdom, 2003. - 237 p.


Работу высылаем на протяжении 24 часов после оплаты.

Пожалуйста, укажите откуда вы узнали о сайте!


Подобные работы


© 2008-2021 Cервис помощи студентам в выполнении работ
.