Russian (CIS)English (United Kingdom)

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

Эконометрические модели рейтингов банков: российские агентства

Для модели множественного выбора в качестве зависимой переменной будем использовать класс надежности банка согласно полученному рейтингу, а в качестве объясняющих переменных для российских РА − показатели финансовой деятельности банка, отобранные при участии экспертов (подробное описание показателей см. в (Карминский и др., 2005)).
Рейтинги отображены в целочисленную шкалу, где наименьшему числу соответствует наивысшая группа надежности. При этом отрицательный (положительный) коэффициент перед конкретным показателем в модели (7.1) означает, что увеличение этого показателя повышает (понижает) надежность банка.
Для построения моделей рейтингов были выбраны рейтинги журналов "Эксперт" и "Профиль", Информационного агентства "Мобиле" и Информационного центра "Рейтинг" как наиболее известные в начале 2000-х годов. Более детальному анализу были подвергнуты рейтинги агентств ИЦ " Рейтинг" (ИЦР) и "Эксперт РА" (РАЭ). Одним из существенных был вопрос устойчивости моделей, для определения которой использовались расширенные выборки, включающие данные вплоть до 2004 г. Подробное описание данных, анализ статистических характеристик, анализ априорного влияния объясняющих переменных, а также подробный анализ моделей содержатся в (Карминский и др., 2005).
С практической точки зрения важным является то, что при расчете модельных рейтингов использовалась только открытая информация. В этом случае пользователь может вычислить рейтинг интересующего его банка, пользуясь приведенными выше моделями и доступной финансовой информацией о нем. Таким образом, векторный рейтинг, расчет которого не требует больших материальных затрат, может использоваться в системах ранней диагностики состояния банков.
Модели представлены в форме таблиц, содержащих коэффициенты при объясняющих переменных в модели (7.1). Лучшая из моделей множественного выбора выбиралась по совокупности статистических критериев, включая информационный критерий Акаике (AIC) и обобщенный R2, а также по точности прогнозирования. В таблицах, относящихся к эконометрическим моделям, статистическая значимость коэффициентов на 1-, 5- и 10%-ном уровнях отмечена тремя, двумя и одной звездочкой соответственно. Отсутствие звездочек означает, что коэффициент не отличается от нуля на 10%-ном уровне значимости.
Полученные модели позволили сделать следующие практически важные выводы (Карминский и др., 2005).
1. Во всех моделях все рейтинги опираются на показатель достаточности капитала или его аналог - долю собственного капитала в чистых активах, так что этот фактор следует признать наиболее важным.
2. Наряду с достаточностью капитала важнейшим показателем, вошедшим во все модели,  является размер банка, характеризуемый в модели собственным капиталом.
3. Показатели ликвидности (мгновенной, текущей и общей) также признаются всеми рейтингами важными в определении уровня надежности. Знаки коэффициентов при этих показателях во всех моделях свидетельствуют о том, что банк с более высоким уровнем надежности имеет более высокую ликвидность.
4. Ни один рейтинг не принимает во внимание такой важный показатель, как доля просроченной задолженности в кредитах, хотя по экспертным оценкам он является одним из важнейших при определении уровня надежности. Не исключено, что РА не доверяли отчетным данным банков в силу возможности переоформления или пролонгации кредитов для снижения реального уровня просроченной задолженности.
5. Доля долгосрочных кредитов реальному сектору оказывается значима почти во всех рейтингах; влияние фактора инвестирования в реальный сектор для основных рейтингов положительное. Эксперты ИЦ "Рейтинг" более консервативно, чем "Эксперт" и ИА "Мобиле", оценивают оптимальное значение доли кредитов экономике в активах.
6. Как следует из анализа полученных моделей, РА не принимали в расчет показатель прибыльности BP/SK. Это связано с тем, что в 2001-2002 гг. балансовая прибыль все еще не отражала результативность деятельности из-за особенностей бухгалтерского учета и высокого уровня налогообложения банков.
Анализ статистики ошибок классификации модельных рейтингов по сравнению с реальными значениями для моделей ИА "Мобиле" и ИЦ "Рейтинг" дает наименьшую долю прогнозных ошибкой (на уровне 55-80% точного предсказания и 98-100% с ошибкой на 1 градацию).
Для того, чтобы повысить устойчивость ЭМ, целесообразно перейти к логарифмическому масштабу для переменных, характеризующих размеры банка; включить в состав переменных макропоказатели; использовать порядковые шкалы для объясняющих переменных. Рассмотрим процесс повышения устойчивости на примере рйетингов ИЦ «Рейтинг» (ИРЦ).
Так как относительная разница в собственном капитале играет более важную роль, чем абсолютная, будем рассматриваться его в логарифмическом масштабе LN(SK). Предварительный анализ по кварталам моделей рейтингов ИЦР показывает, что значения коэффициентов при показателях достаточности капитала N_H1 и логарифма собственного капитала LN(SK) сравнительно стабильны, знаки коэффициентов при них постоянны.
Анализ изменения интегральных показателей банковской системы указывает на устойчивые темпы роста основных финансовых показателей. Введение фиктивных переменных на временные срезы подтверждает гипотезу о наличии линейного временного тренда. Поэтому далее в качестве одной из объясняющих переменных можно использовать переменную TREND как линейную функцию времени. Поскольку в будущем неизбежны периоды экономического спада, или стагнации (согласно теории экономических циклов), то модель с трендом может оказаться неустойчивой. Естественно предположить, что большей устойчивости можно добиться за счет введения в них макропеременных.
В табл. 7.4 представлены коэффициенты базовой модели рейтингов mR, а также моделей с введением тренда TREND (модель m2) и макропеременных (модели m3–m6), зависящих от времени. При введении двух макропеременных (модель m6 с индексом ВВП GDP_SA и отношением экспорта к импорту EX/IM) значение статистического критерия Pseudo-R2 практически совпадает с критерием для модели с трендом. Значимые объясняющие переменные в ЭМ (табл. 7.6) отмечены звездочкой. alt

Таблица 7.4 Сравнение моделей рейтингов ИЦ "Рейтинг"

Объясняющая переменная

Модели с логарифмическим масштабом и макропеременными

Модель с порядковыми шкалами

Обозначение

mR

m2

m3

m4

m5

m6

Обозначение

maR

Отношение балансовой прибыли к собственному капиталу

BP/SK

–0,19*

–0,16*

–0,18*

–0,19*

–0,17*

–0,17*

A_BP/SK

–0,23*

Достаточность капитала

N_H1

0,017

0,018

0,018

0,018

0,019

0,019

A_N_H1

1,30*

Отношение долгосроч-ных кредитов к валюте баланса

KE_L/VB

0,20*

0,26*

0,26*

0,27*

0,25*

0,26*

A_KE_L/VB

–0,17*

Мгновенная ликвидность

N_H2

0,00038

0,00050

0,00047

0,00047

0,00044

0,00051

A_N_H2

–0,25*

Логарифм собственного капитала (натуральный)

LN(SK)

–0,48

–0,59

–0,58

–0,59

–0,57

–0,59

A_SK

–2,54*

Временной тренд

TREND


0,073







Средний курс доллара

EXRATE



0,14






Индекс реального ВВП

GDP_SA




0,044


0,041



Индекс РТС

RTSI





0,0029




Отношение экспорта к импорту

EX/IM






-0,34



Pseudo-R2

0,178

0,214

0,210

0,212

0,209

0,215

0,200


Наилучшему рейтингу соответствует наименьшее его цифровое значение, а улучшению рейтинга соответствует меньшее значение скалярного произведения, из соотношения (7.5). Следовательно, на уровень рейтинга, по мнению ИЦ "Рейтинг", положительно влияет величина собственного капитала. На оценку состояния банка гораздо больше влияют не абсолютные финансовые показатели, а относительные, т. е. по сравнению с показателями других банков на том же рынке в то же время.
Для того, чтобы исследовать влияние относительных показателей, осуществляется переход к порядковым шкалам и замена самих показателей на соответствующие им квантили. Для новых переменных приняты идентификаторы, соответствующие старым обозначениям с добавлением двух символов – "A_". По сути дела процедура заключается в ранжировании набора банков по выбранному параметру и отображении полученного порядка в вероятностную шкалу [0,1]. Так, например, при наличии в наборе 100 банков банку с пятым по величине показателем соответствует квантиль по уровню вероятности 0,95, а десятому с конца – по уровню 0,1. Таким образом, новые переменные характеризуют место субъекта в множестве банков в конкретный момент времени по каждому из рассматриваемых показателей.

Переход к порядковым шкалам (модель maR в табл. 7.4) позволил улучшить качество базовой модели mR. Прежде всего следует указать на статистическую значимость всех коэффициентов. При этом введение макропеременных практически не улучшает модель, т. к. временной тренд статистически незначим.
Для этой модели, в силу унификации шкал и приблизительно одинаковых ошибок относительно каждого компонента влияние различных показателей определяется значениями полученных коэффициентов. Следовательно, согласно последней модели наибольшее влияние имеют значения собственного капитала и норматива достаточности капитала субъекта, и этот вывод полностью совпадает с результатами для предыдущих моделей. Кроме того, эти показатели статистически значимы на более высоком 1%-ном уровне, чем остальные объясняющие переменные, входящие в модель.
Последняя модель отражает положительное влияние на рейтинг такого важного показателя, как доля долгосрочных ссуд в валюте баланса. Это свидетельствует о том, что рассматриваемое агентство считает важной традиционную банковскую деятельность, каковой является долгосрочное кредитование экономики.
Результаты сравнения прогнозов (для построения моделей использованы данные за период с апреля 1999 г. по июнь 2003 г., а данные за четыре последующих квартала использованы для оценки качества прогнозирования) показывают, что точное прогнозирование осуществляется на уровне 50 до 67%, а ошибка больше, чем на 1 категорию колеблется от 0,8 до 4,3% . В частности, если опираться на оба критерия, то в качестве лучших можно указать модель с использованием порядковой шкалы (модель maR) и модель m4.



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