Семинар НУГ "Формирование системы моделей для управления кредитным риском банка в условиях финансовой нестабильности"

8 октября 2016 г. состоялся семинар НУГ под руководством А.М. Карминского. На семинаре были представлены результаты исследования Захаровой А. по оценке вероятности дефолта и рейтинга ценных бумаг банковских организаций.

Захарова Алина рассказала, что в её работе были проанализированы различные подходы к оценке дефолта банков с целью анализа используемых методов, выявления факторов, существенно влияющих на вероятность дефолта эмитентов облигаций, а также выявления наиболее оптимальных методов обработки данных.

Алиной был представлен анализ способов оценки вероятности дефолта. На российских данных наиболее распространенными способами оценки вероятности дефолта являются модели бинарного выбора (логит-модель и пробит-модель). Также авторами используются непараметрические модели и модели множественного выбора, однако существуют работы, доказывающие, что существенных различий между ними и моделями бинарного выбора нет и что модели бинарного выбора являются достаточно эффективными. Оценка прогнозной силы модели в большинстве работ происходит с помощью ROC анализа или с помощью псевдо- R2.

Также в докладе была подчеркнуто значение обработки данных в целях повышении эффективности моделей. Было выявлено, что кластеризация данных по размеру капитализации или других показателей очень важна при оценке вероятности дефолта. Исследования показывают, что сгруппированные модели имеют более высокую прогнозную силу, чем общая модель. Использование лагов финансовых показателей и макропеременных, применение подхода CAMELS при построении моделей могут также повысить их эффективность.

Большая часть доклада Алины была посвящена основным показателям, влияющим на вероятность дефолта эмитентов облигаций. Они делятся на три группы: финансовые, макроэкономические и институциональные. Макроэкономические переменные не всегда являются значимыми и соответственно включенными в модель. Возможно причиной является то, что они неявно включены в финансовые показатели баланса банка, однако включение в модель макропеременных в явном виде и их лагов могло бы повысить прогнозную силу модели. Относительно финансовых показателей в некоторых работах возникают противоречия по поводу знака корреляции между факторами и вероятностью дефолта, а также функциональной формы зависимости. Различия в результатах могут быть объяснены разными периодами и частотой данных в выборке, разными подходами к оценке, а также различной обработкой данных и выборкой банков.

Дальнейшими планами Алины является построение собственной модели оценки факторов, влияющих на вероятность дефолта облигаций кредитных организаций, используя исследование предшествующих моделей на более новых данных, проверка влияния факторов на своей модели и сравние результатов с ранее полученными. В дальнейшем исследовании возможна оценка взаимосвязи вероятности дефолта облигаций банка с её рейтингом. Результаты работы Алины будут использованы для создания системы моделей оценки кредитного риска.