Russian (CIS)English (United Kingdom)

Счастье в жизни – то чего ты достиг. Смысл жизни – все те, кто тебя любят. Н.Н.Полозова

Проблемные вопросы моделирования вероятности дефолта

В 1998-2000 гг. потерпели крах многие российские хозяйствующие субъекты, в том числе и банки, которые при поверхностном анализе казались вполне благополучными. Это породило интерес к разработке эконометрических моделей, которые содействовали бы диагностике критического состояния хозяйствующих субъектов (Карминский и др., 2005).
Пруденциальным органам необходима система, которая с определенной вероятностью отбирала бы субъекты, требующие повышенного внимания и более жесткого контроля, т.е. диагностировала критическое состояние субъекта в рамках системы раннего предупреждения о возможном банкротстве. На входе подобной системы обычно задается набор основных характеристик деятельности компании, а на выходе получается агрегированная оценка (например, номер группы стабильности (рейтинг) или вероятность банкротства). Основной целью подобных моделей является выработка первичных рекомендаций, поскольку окончательное суждение выносится после тщательного анализа отдельных потенциально проблемных субъектов.
Результаты анализа и оценок последствий финансового августовского кризиса 1998 г. на основе таких моделей, а также отработка методологии их построения являются хорошей основой для практического использования полученных результатов в странах с переходной экономикой. Учет макроэкономического окружения обеспечивает большую адаптацию моделей к изменчивости среды.
В работе (Карминский и др., 2005) построена бинарная Probit-модель, в которой регрессоры сформированы из основных финансовых индикаторов деятельности банков (компаний) и макроэкономических показателей. В качестве зависимой переменной используется переменная LIVE, которая принимает значение 0, если у банка была отозвана лицензия в течение двух лет с момента фиксации данных, и 1, если банк продолжал функционировать в течение этого времени. Таким образом, имея набор основных показателей деятельности, на выходе модели мы получим показатель, который можно интерпретировать как вероятность того, что субъект будет успешно функционировать в ближайшем будущем В указанной публикации также рассмотрено построение моделей дефолта без использования макропеременных.
При формировании набора данных использовалась база данных по российским банкам за период с 1996 по 2002 г., предоставленная ИА "Мобиле". Факт банкротства характеризовался бинарной переменной, принимающей значение 0, в случае банкротства банка и 1 – в противном случае. Банкротство банков определялось по факту отзыва у него лицензии или перехода под внешнее управление АРКО (Агентство по реструктуризации кредитных организаций).
Далее под эпизодом понимается набор параметров субъекта и значения макропеременных на некоторый момент времени (квартал) и значение переменной LIVE через два года (использовался 2-х годичный лаг). Набор данных состоит из эпизодов, отбор которых осуществлялся следующим образом.
1. Рассмотрим какой-либо обанкротившийся субъект. Пусть он обанкротился в момент времени t.
2. Определяем финансовые показатели субъекта в момент (t – 2 года). В набор параметров, характеризующих событие, относим также макроэкономические показатели за предшествующий моменту (t – 2 года) квартал. Приводим в соответствие этим данным зависимую переменную LIVE = 0 (обанкротился в момент t).
3. Рассмотрим этот же субъект в момент (t – 2 года), когда он функционировал. Для этого случая повторим п. 2, приписав соответствующему событию зависимую переменную LIVE = 1 (функционировал в момент t – 2 года). Таким образом, мы предполагаем, что положение субъекта в момент (t – 2 года) определялось его показателями и макроэкономическими показателями в момент (t – 4 года) и т.п. Продолжаем отступать назад по времени с шагом два года до завершения набора данных по показателям (для нашей базы данных – 1996 г.).
4. Для субъектов, функционирующих вплоть до момента начала исследования (осень 2002 г.), алгоритм во многом повторяет описанный выше п. 3. Для них в качестве отправной точки берется дата в последний год, за который еще есть сведения (в нашем исследовании - 2002 г.). В целях получения статистически представительного набора данных для каждого субъекта эта точка выбиралась рандомизированным образом в конечном году (в рассматриваемом случае - 2002 г.).

5. Начиная с выбранного момента времени реализуется итеративная процедура, описанная в п. 3. Зависимая переменная LIVE = 1.
По экспертным оценкам два года были достаточны для завершения процедуры банкротства. В то же время, следует отметить, что в настоящее время этот интервал сократился и вполне адекватным можно считать лаг в 1-1,5 года.
Перечень индикаторов был сформирован на основе предварительного эконометрического анализа по расширенному набору показателей для российских банков, а также имеющихся публикаций по эмпирическому анализу дефолтов (Карминский и др., 2005). Значимые по результатам предварительного анализа показатели представлены в табл. 7.1.

Таблица 7.1 Перечень значимых показателей для модели вероятности дефолта

Наименование показателя

Обозначение

1

Балансовая прибыль

BP

2

Кредиты экономике

KE

3

Кредиты, выданные другим банкам

KDB

4

Негосударственные долговые обязательства

NDO

5

Прочие неработающие активы

PNA

6

Валюта баланса, сумма пассивных счетов

VB

7

Собственный капитал

SK

 В качестве переменной, характеризующей "размер" банка, принята валюта баланса VB. В число переменных регрессии включены отношения показателей деятельности к VB. Они характеризуют деятельность субъекта и структуру его баланса. Также добавлены переменные, представляющие отношение валюты баланса к дефлятору defl (приведение к уровню 1 кв. 1996 г.) в логарифмическом масштабе ln(VB/defl) и ln(VB/defl)2, чтобы учесть влияние размера банка на его устойчивость.
Приведенные в (Карминский и др., 2005) модели основаны на выборке содержащей данные о более чем 3 тысячи эпизодах, что существенно больше общего числа банков, задействованных в исследовании. Статистические характеристики набора данных приведены там же. Процентное распределение дефолтов по годам представлено на рис. 7.2.
Макроэкономические переменные использованы в соответствии с данными ЦБ РФ и ГУ-ВШЭ. Уровень корреляции между макропеременными достаточно высок. Это означает, что включение двух или более макропеременных в уравнение регрессии может привести к проблеме мультиколлинеарности.

 


Энциклопедия рейтингов: экономика, общество, спорт / Карминский А.М., Полозов А.А., Ермаков С.П. - М.: ЗАО ИД "Экономическая газета", 2011. - 349 с