Содержание к диссертации
Введение
Глава 1. Экономический анализ финансового состояния коммерческого банка 14
1. Анализ финансового состояния КБ для его включения в систему страхования вкладов 14
2. Сравнение методов формального и неформального анализа деятельности КБ 31
3. Эффективность скоринговых моделей, описывающих устойчивость КБ 44
Глава 2. Математическое моделирование устойчивости коммерческих банков 60
1. Классификация банков-банкротов 60
2. Требования к методике АФСКБ 73
3. Разработка модели динамического анализа финансового состояния КБ 93
Глава 3. Оценка результатов и практической значимости разработанной модели 116
1. Разработка скорингового алгоритма определения устойчивости КБ 116
2. Проверка эффективности скоринга на действующих банках 131
3. Области применения разработанной методики 145
Заключение 158
Литература 161
Приложение
- Сравнение методов формального и неформального анализа деятельности КБ
- Эффективность скоринговых моделей, описывающих устойчивость КБ
- Разработка модели динамического анализа финансового состояния КБ
- Проверка эффективности скоринга на действующих банках
Введение к работе
Одной из центральных проблем современной банковской системы России является восстановление доверия населения к коммерческим банкам (КБ) после кризиса 1998 года. Снижение доверия ко всем кредитным организациям в не зависимости от их реального финансового состояния было вызвано банкротством крупнейших финансовых институтов страны. По данным Банка России в целом по банковской системе валютные сбережения населения снизились с августа по декабрь 1998 года на 55.2%. В известной мере это связано с отсутствием в стране единой системы мониторинга финансового состояния кредитных организаций.
Банковская система отвечает за распределение всех финансовых ресурсов страны. Предприятия, действующие на территории России, вынуждены пользоваться услугами банков в соответствии с требованиями действующих законов. Население для сохранения средств от инфляции желает пользоваться услугами стабильных банков, поэтому вопрос оценки и выбора банка для вложения свободных средств возникает и у большинства российских граждан, и у руководителей предприятий. Как показывают результаты исследований, проведенные gazeta.ru, население, в т.ч. руководители предприятий, слабо осведомлено о практических методах анализа финансового состояния банка, что приводит к проблемам выборе обслуживающего банка.
Кризис 1998 года в России показал значимость правильного выбора такого банка. Задача выбора банка осталась актуальной и после кризиса, поскольку банкротства банков не прекратились и продолжаются и сегодня. В целом эта тенденция приводит к централизации капитала в государственных финансовых институтах. Но для граждан, не сумевших правильно оценить степень риска финансового института, которому они доверяют сбережения, процесс разорения банков приводит к потере ими значительных средств. При
этом анализ финансового состояния КБ позволяет сильно сократить убытки населения и предприятий. Например, только за период с января 2000 года по январь 2003 года при использовании разработанной методики анализа финансового состояния коммерческого банка (АФСКБ) могли бы быть предотвращены потери юридических лиц в размере 2.7 млрд. рублей и потери физических лиц в размере 0.9 млрд. рублей, которые остались "замороженными" на счетах банков - банкротов.
В мире наиболее известным методом анализа финансового состояния КБ является американская система CAMEL, предложенная в 1978 году в качестве базовой для оценки финансового состояния американских банков. В России развитие методологии анализа финансового состояния банков во многом подвержено влиянию американской системы CAMEL. Большой вклад в создание отечественных методик внес Банк России, который разработал методику анализа, используемую для выдачи официальных заключений относительно финансового состояния банка. Кроме официальной методики в России разработано большое количество других методик, например, методика Кромонова, методика специалистов "Клуба банковских аналитиков", Собинбанка и т.д. Большинство публично доступных методик базируются на использовании исходных данных (финансовых показателей банков) только в 1 момент времени - на последнюю дату официальной отчетности, что приводит к невозможности их применения к использованию для анализа текущего финансового состояния банка, поскольку финансовые показатели на последнюю дату отчетности являются ретроспективными.
Для решения задачи определения надежности коммерческого банка на основе официально публикуемых балансов в данной работе применяются алгоритмы нечеткой логики (fuzzy logic) в модифицированном варианте, позволяющем применять генетические алгоритмы на множестве экспертных оценок, являющихся формализованным представлением экспертных мнений.
Модификация экспертных оценок с целью улучшения производится при помощи нелинейного оценивания с применением Квази-Ньютоновского (Quasi-Newton) метода оптимизации, реализованного в ПО Statistica v.5.0.
Алгоритмы нечеткой логики применительно к анализу финансового состояния КБ позволили получать из выбранных лучших экспертных оценок предыдущего поколения новые экспертные оценки, лучшие, чем все предыдущие, за счет комбинации различных компонентов каждой из оценок предыдущего поколения. После серии итераций, охватывающих возможные модификации в рамках реализации измененного генетического алгоритма, разработанного в работе, определялись оптимальные (с точки зрения минимизации количества ошибок на контрольном множестве) функции от финансовых показателей, которые в дальнейшем обозначались как базовые индикаторы финансовой устойчивости. После центрирования и нормирования они назывались индикаторами финансовой устойчивости.
Для проведения экономико-математического моделирования требуется большой объем исходной информации. В качестве исходной информации в данной работе рассматривались агрегированные финансовые показатели банков, размещенные на сайте http://www.banks-rate.ru. Общий объем обрабатываемой информации превысил 2.4 миллиона значений (19 показателей за 37 отчетных периодов, взятые в 3419 зарегистрированных банках).
Проведения статистического анализа предшествовало проведение анализа деятельности всех российских банков, лицензии которых были отозваны в период с января 2001 по январь 2003 года. Проведенный анализ позволил выявить основные проблемы, встречающиеся у банков, приводящие к невозможности исполнения собственных обязательств. Анализ доказывает существование зависимости финансового состояния коммерческого банка в настоящем от значений финансовых показателей в прошлом и определяет перечень наиболее влияющих на финансовое состояние показателей (в порядке
убывания значимости): средства клиентов, прибыль, капитал и объем кредитного портфеля.
Актуальность данной работы повышается с принятием Закона «О страховании вкладов физических лиц в банках РФ», требующего проведение мониторинга действующих кредитных организаций. При этом требования к системам мониторинга оказываются довольно жесткими. С одной стороны, недопустимо появление необъективности оценкиы, которая может быть причиной злоупотреблений, но, с другой стороны, выявление ухудшений финансового состояния банка для уменьшения последствий возможного банкротства должно проводиться оперативно. Как отмечают западные исследователи Риттер (Ritter) и Зильбер (Silber) вопрос принятия банка в систему страхования вкладов и определение его взносов в зависимости от его финансового состояния является актуальным по сегодняшний день.
Целью исследования является совершенствование инструментария анализа финансового состояния КБ с целью выдачи заключения относительно его финансового состояния в настоящем и ближайшем будущем, основанного на использовании публично доступной балансовой информации. В работе поставлены и решены следующие задачи:
проанализированы существующие методы определения
финансового состояния КБ, используемые в России и за
рубежом;
предложен метод формализации экспертных мнений в области
анализа финансового состояния КБ;
введена мера на множестве финансовых показателей банков,
соответствующая экспертной оценке, определено биективное
соответствие множества экспертных оценок и мер на множестве
финансовых показателей;
сделан вывод о возможностях применения алгоритмов нечеткой логики (fuzzy logic) для АФСКБ;
выполнено изменение алгоритмов нечеткой логики для их использования на множестве экспертных оценок с целью улучшения их качества;
разработана модель, описывающая зависимость финансового состояния КБ от ретроспективных значений балансовых показателей;
в процессе разработки метода динамического анализа было найдено решение задачи, поставленной Банком России в 2003 году, связанной с выявлением накруток, т.е. необоснованных увеличений, капитала;
построена модель, описывающая зависимость финансового состояния КБ от ретроспективных балансовых показателей; разработана методика определения финансового состояния КБ на основе прогнозных значений балансовых показателей, позволяющий принимать решение о финансовом состоянии КБ на, как минимум, 1 месяц раньше по сравнению с применением традиционных методов финансового анализа; разработан комплекс программных средств, реализующий инструментальное применение разработанного метода для анализа финансового состояния действующих российских банков. Объект исследования. Объектом исследования является коммерческий банк, действующий на территории Российской Федерации.
Методологической и теоретической основой исследования являются труды ведущих отечественных и зарубежных специалистов в области финансового анализа и пруденциального надзора, математического
моделирования и статистики. Информационной базой исследования являются агрегированные материалы общедоступных балансов банков, приведенные на сайте http://www.banks-rate.ru.
В ходе исследования автором использованы материалы в областях финансового анализа, статистического анализа и эконометрики, учетно-операционной работы банков, математического моделирования и оптимизации, банковского законодательства, статистики по банковской системе России, оценки финансовой устойчивости банков, проанализированы существующие в России и за рубежом методы, применяемые для анализа финансовой устойчивости коммерческих банков.
Структура и объем работы. Диссертация состоит из введения, трех глав, заключения, списка литературы и 2-х приложений. Работа изложена на 164 страницах машинописного текста, сопровождаемого рисунками и таблицами. Список использованной литературы состоит из 93 наименований.
В первой главе «Анализ состояния КБ для его включения в систему страхования вкладов» обсуждаются вопросы, связанные с исследованием процессов страхования депозитов и применением методов анализа финансового состояния КБ при страховании вкладов.
В первой главе проведен анализ существующих методик АФСКБ. Определение финансового состояния КБ основывается на результатах анализа его деятельности. Представители Гарвардской школы, например, Каплан (Kaplan) и Нортон (Norton), отмечают, что финансовые показатели являются результатом принятых в прошлом решений. Финансовые показатели имеют ретроспективный характер, поскольку, во-первых, они отражают деятельность банка и принятые руководством решения в прошлом, а, во-вторых, требуется время для их расчета и предоставления в органы, выполняющие пруденциальный надзор.
Вторая глава посвящена построению математической модели, описывающей зависимость финансового состояния банка от ретроспективных финансовых показателей. Глава 2 начинается с описания результатов проведенного анализа деятельности всех банков, лицензии которых были отозваны с января 2000 по январь 2003 года. Дальнейшее изложение материала в работе основывается на результатах, полученных в результате этого анализа. Результаты проведенного анализа изложены подробно в Приложении 2, где детально рассматривается деятельность каждого банка, лицензия которого была отозвана в изучаемый период. Анализ деятельности производился с января 1998 года до момента отзыва лицензии. Основным результатом анализа стало выделение показателей, которые первыми отражают негативные тенденции стабильности банка.
В Главе 3 описывается построение генерального индекса надежности на основании индикаторов, построенных в главе 2. Генеральный индекс надежности является результатом, завершающим процесс последовательного анализа. Перед построением генерального индекса надежности производится нормирование и центрирование базовой системы индикаторов, построенных в Главе 2. В результате осуществляется построение итоговой системы индикаторов.
Научная новизна. В диссертационной работе дано новое решение актуальной задачи определения финансового состояния коммерческого банка на основе официально публикуемой информации. Новизна результатов заключается в следующем:
1. Произведен анализ причин банкротств всех российских банков в период с января 2000 по январь 2003 года, позволяющий выявить основные проблемы, встречающиеся у банков, приводящие к невозможности исполнения собственных обязательств.
2. Доказано существование зависимости финансового состояния коммерческого банка в настоящем от значений финансовых показателей в прошлом и определяет перечень наиболее влияющих на финансовое состояние показателей (в порядке убывания значимости): средства клиентов, прибыль, величина собственных средств и объем кредитного портфеля.
3. Разработана модель, описывающая зависимость финансового состояния банка в настоящем от значений финансовых показателей в прошлом. При этом ретроспективные показатели рассматриваются как матрица значений в противопоставление векторам финансовых показателей, использующимся при традиционном подходе.
4. Введен двухуровневый анализ финансовых показателей - на первом этапе производится анализа с целью построения системы индикаторов финансовой устойчивости, на втором этапе -построение генерального индекса надежности (функции от индикаторов) на основе построенной системы индикаторов.
5. Разработаны модели, позволяющие прогнозировать значения финансовых показателей банков. Прогнозируемая величина определяется исходя из тенденции изменения показателей, которая рассчитывается по ретроспективным показателям с весами, распределяемыми по аддитивной или мультипликативной модели, и расчетной величины стабильности изменения показателей, зависящей от волатильности ретроспективных значений.
6. Реализация АФСКБ с использованием матрицы финансовых показателей в качестве входных параметров модели, предложенная автором, позволила использовать прогнозные модели при АФСКБ в противопоставление традиционному подходу к АФСКБ, основывающемся на анализе данных на последнюю дату отчетности,
не позволяющем определять финансовое состояние КБ в настоящем или будущем. 7. Прогнозные модели, разработанные автором и примененные к АФСКБ, позволили определять наличие проблем заблаговременно:
Деятельность банка
, , , предлагаемый подход
выявление! І і традиционный
проблем ! подход
срок сдачи появление срок сдачи предыдущего проблем текущего
баланса баланса
выявление проблем
Рисунок 1
8. Осуществлено применение алгоритмов нечеткой логики для
эволюционного моделирования финансового состояния банка. Для
этого произведена модификация стандартного генетического
алгоритма, позволяющая функционировать на множестве экспертных
оценок. Разработаны алгоритмы модификации экспертных оценок
«мутация» и «кроссинговер», осуществляющие эволюционное
развитие методов анализа финансового состояния банка.
Результаты проведенного исследования могут быть использованы как
руководителями организаций, так и частными клиентами банков,
заинтересованными в сохранности депонированных в банках средств. Важное
практическое значение имеет разработанная программа, позволяющая
производить сбор всей необходимой информации в сети Интернет и проводить
анализ финансового состояния банка, анализируя полученную информацию,
применяя разработанные методы. Демонстрация результатов исследования
производится в Главе 3, в этой же главе демонстрируется значительное
улучшение результатов анализа финансового состояния банков по сравнению с
анализом, проводимым с применением методов, известных ранее.
Результаты работы использованы в процессе подготовки учебно-методического материала в МЭСИ дисциплины «Банковские информационные системы». Метод построения скоринговых систем внедрен банком
«Возрождение» для построения системы оценки надежности заемщика, что позволило снизить кредитные риски и расширить перечень кредитных программ Банка.
Основные положения диссертации прошли апробацию на 6-й и 7-й научно-практических конференциях «Реинжиниринг бизнес-процессов на основе современных информационных технологий. Системы управления знаниями», проходивших в МЭСИ 19-20 марта 2002 г. и 14-15 апреля 2004 г.
Публикации. По проблеме исследования автором написано и опубликовано 10 работ общим объемом 3.7 п.л.
Сравнение методов формального и неформального анализа деятельности КБ
Финансовое состояние банка отражает вероятность исполнения банков собственных обязательств в полном объеме в сроки, определенные договорными отношениями. В данной работе будет введено понятие «надежный банк», которое характеризует оценку деятельности банка при помощи теоретической модели. В предлагаемой терминологии надежный банк -это банк, финансовое состояние которого имеет уровень, не ниже заданного критического уровня. Анализ финансового состояния означает анализ надежности банка при условии, что определен критический уровень, позволяющий отделить надежный банк от ненадежного. Отделение надежного банка от ненадежного путем определения критического уровня позволит решить задачу проверки предложенного метода анализа финансового состояния КБ. Таким образом, определение надежности КБ состоит из определения его финансового состояния и критического уровня, единого для предложенного метода определения финансового состояния. Для того, чтобы оперировать понятием финансовое состояние, необходимо описать методы сравнения финансового состояния двух различных банков. В данной главе будет описан алгоритм, позволяющий это сделать.
Понятие финансового состояния связано с определением надежности банка с точки зрения клиента, который вкладывает финансовые средства в банк и желает получить их обратно в определенный в договоре срок с начисленными процентами, которые банк должен выплатить за пользование ресурсами. В качестве клиента может выступать не только физическое лицо, открывающее вклад, но и любое юридическое лицо, заинтересованное в получении достоверной информации относительно финансового состояния контрагента. В качестве клиента может выступать и банк, имеющий корреспондентские отношения и желающий установить максимально возможные с учетом риска лимиты на рассматриваемого контрагента.
Устойчивость кредитной организации (в частности, банка) означает ее возможность противостоять негативным факторам и обеспечить своевременный возврат всех привлеченных средств. Как предложено в [45], при определении надежности банка можно провести аналогию с болезнью - ввести интегральный показатель, значение которого интерпретируется следующим образом: если значение некоторого интегрального показателя выше значения to, то можно считать, что температура повышенная и нужно предпринимать какие-то действия. В том случае, если температура достигла t0+K (например, для человека это 42), то ситуация критическая и необходимо срочно предпринимать какие-то действия, в противном случае ситуация станет необратимой. Промежуточные значения температуры - болезнь средней степени тяжести и ее можно попытаться перенести «на ногах». Термометр отвечает только на вопрос «болен или здоров», но не отвечает на вопрос «как лечить?». «Банковский термометр», рассмотренный в [45], хорошо сочетается с большинством используемых в настоящее время методик по определению финансового состояния банков. Например, методика CAMEL или отечественный вариант этой методики - методика В. Кромонова, также учитывает состояние определенных показателей с целью обобщение выводов на состояние всего банка. При этом выбор «идеальной» точки финансового состояния, т.е. такого баланса, по которому бы можно было бы сказать, что банк полностью стабилен, ставится под сомнение (например, в статье [41]). Причиной сомнений является недостаточная обоснованность того или иного «идеала», который при детальном рассмотрении может оказаться совсем не «идеальным». Характеристика надежности банков неотрывно связана с финансовыми показателями, которые могут быть получены, например, из официальной отчетности банков, поскольку баланс банков отражает происходящие явления и в силу того, что по российским законам баланс банков достаточно подробен, то из него имеется возможность извлекать информацию, на основании которой можно производить заключения относительно финансового состояния рассматриваемого банка. Результаты, полученные в данной работе, подтверждают возможность прогнозирования финансового состояния на основе информации балансов банков.
Задача определения финансового состояния банков является актуальной, поскольку ситуация, когда клиент вкладывает деньги в банк и не в полной мере уверен в надежности банка-контрагента, встречается достаточно часто. В России имеется хорошее подтверждение данного факта - доля вкладов в Сбербанке России по отношению ко всем вкладам, сделанным гражданами в России во всех банках на 01.01.2003, превышает 70%. Такая ситуация сложилась после кризиса 1998 года, когда большинство вкладчиков либо полностью лишились своих депозитов, либо частично, либо возврат депозитов производился нестабильно и со срывом сроков, описанных договором вклада. Государство, пытаясь обезопасить деньги вкладчиков, создало прецедент гарантирования вкладов в Сбербанке России, контрольный пакет акций которого принадлежит государству. Реакция населения на гарантирование вкладов в Сбербанке была однозначной - вклады из коммерческих банков стали изыматься и перекладываться в Сбербанк. Усугублялась ситуация нестабильной макроэкономической обстановкой и паникой, охватившей население после банкротства нескольких крупных банков России (СБС-Агро, Российский кредит, Менатеп, Империал и др.).
Эффективность скоринговых моделей, описывающих устойчивость КБ
Скоринг устойчивости КБ (далее скоринг) - это автоматизированная обработка данных с применением заранее заданного алгоритма с целью получения прогноза относительно надежности банка в будущем. Скоринговые модели начали появляться для прогноза платежеспособности заемщиков [76], [94]. В связи с тем, что алгоритмы оценки платежеспособности заемщиков и алгоритм определения надежности банков, предложенный в данной работе, имеют идентичные методы построения, в данной работе применяется термин «скоринг» с целью подчеркивания независимости разработанного алгоритма от предметной области.
Результатом выполнения скоринговой процедуры является получение результата, соответствующего уровню исследуемого объекта по некоторому критерию оценки. Например, скоринг надежности банков - это расчет показателя, описывающего надежность банка, на основании финансовых показателей (прогноз, разорится ли банк), скоринг кредитоспособности заемщиков - прогноз, вернет ли заемщик кредит и т.д.
Скоринговые модели создаются для потокового решения сложных однотипных задач. Основным преимуществом использования скоринговых моделей является то, что для их функционирования достаточно один раз построить модель, которая сможет в дальнейшем решать миллионы типичных задач. Примерами успешной реализации скоринговых моделей являются модели, реализующие оценку заемщика при экспресс-кредитовании. Такие модели в качестве исходной информации получают анкетные данные предполагаемого заемщика. При построении модели был учтен опыт возвратности кредитов, выданных ранее. В дальнейшем, при анализе анкетных данных с использованием скоринговой модели производится определение рейтинга потенциального заемщика путем анализа близости его анкетных данных к анкетным данным заемщиков, исправно выплачивающих кредит, и к данным, соответствующим заемщикам, выплачивающих кредит с задержками.
В настоящей работе разработана скоринговая модель, позволяющая производить оценку финансового состояния коммерческих банков. При этом, как и в кредитной скоринговой модели, принимается во внимание близость финансовых показателей рассматриваемого банка от финансовых показателей успешно функционирующих банков и банков, потерявших лицензии вследствие банкротства.
Разработка объективной методики АФСКБ - задача, от решения которой зависит благосостояние многих предприятий и банков. Сами банки, в силу большей, чем предприятия или частные лица, осведомленности о финансовой отчетности кредитной организации, заинтересованы в нахождении лучшего метода анализа. Несмотря на обилие в настоящее время методик АФСКБ, специалисты большинства российских банков предпочитают создавать собственные методики. По результатам опроса, проведенного на сайте www.bankir.ru, 70.7% банковских специалистов в области анализа деятельности банков создают собственные методики, 7.3% пользуются методикой Кромонова, 2.4% пользуются западными методиками, 9.8% - другими российскими методиками. Оставшиеся 9.8% банков самостоятельно не проводят мониторинг банков-контрагентов. Результаты говорят о том, что большинство банков не доверяют ни одной из российских методик, либо в силу технологических обстоятельств не пользуются ими. Почти 10% банков, участвовавших в опросе, не проводят анализ собственными силами в силу сложности поставленной задачи.
Технология проведения операций по мониторингу банков состоит из нескольких этапов. Как правило, эта деятельность возлагается на некоторого ответственного исполнителя или выполняется с помощью некоторых средств автоматизации. Для определенности будем рассматривать деятельность по анализу на примере ответственного специалиста (аналитика). Перед описанием этапов анализа определим инструментарий, которым будет пользоваться при проведении мониторинга банков - контрагентов аналитик. Под инструментарием в данном контексте понимается совокупность методов и программных средств, которые позволят проводить анализ. В случае, если деятельность по анализу финансового состояния КБ не достаточно автоматизирована, аналитик является основным звеном технологического процесса.
Аналитик должен выполнять следующий перечень действий: 1) получение информации о деятельности банков-контрагентов; 2) обработка информации с целью приведения к единому формату данных; 3) анализ информации, приведенной к единому формату, с целью определения возможных проблем у банков-контрагентов; 4) создание списка банков-контрагентов и определение финансового состояния с целью принятия оперативного решения.
Для выполнения функциональных обязанностей аналитик должен иметь специально подготовленное автоматизированное рабочее место. Программное обеспечение, установленное на рабочем месте аналитика, должно облегчать выполнение функциональных обязанностей на всех этапах работы. В том случае, если финансовый анализ будет выполняться с помощью специально разработанного программного обеспечения, с банка снимаются риски, связанные с человеческим фактором. С другой стороны, появляется определенный набор к этой программе
Разработка модели динамического анализа финансового состояния КБ
Анализ деятельности коммерческих банков, лицензии которых были отозваны, показал преимущества использования методов динамического анализа перед методами статического анализа. Статические методы - методы, использующие информацию о финансовом положении банка, имеющуюся только на один определенный момент времени, в отличие от динамического метода, предусматривающего рассмотрение изменений значений финансовых показателей банков в различные промежутки времени, позволяющего использовать прогнозные алгоритмы и осуществлять анализ финансового состояния банка с целью определений его надежности не в прошлом, а в настоящем или будущем.
Динамический анализ предусматривает накопление информации, аналогично действиям эксперта, который, прежде всего, будет интересоваться значениями финансовых показателей в динамике. Например, банк с капиталом средней величины (для банка рассматриваемого масштаба), растущим в течение нескольких месяцев, является более стабильным, чем примерно такой же банк с немного большим величине капиталом, но убывающим из месяца в месяц. Однако, статические показатели покажут, что второй банк надежнее, поскольку у него больше капитал. Методы динамического анализа должны дать правильный результат.
При проведении динамического анализа важной задачей анализа является учет стабильности изменения основных показателей. Стабильность значимых показателей - признак стабильности банка в целом. Банк, капитал которого значительно изменяется каждый месяц, не может вызывать доверия. Задача стоит в определении понятия «значительно», т.е. какой период времени следует наблюдать изменчивость и какое соотношение должно быть между прогнозом на основе тренда и прогнозом на основе стабильности. С помощью реализации измененного генетического алгоритма появляется возможность получения ответа на данный вопрос.
Нестабильность показателей является косвенным признаком риска, имеющегося у кредитной организации (банка). Для определения меры риска можно провести параллель с мерой риска на рынке ценных бумаг - мерой зависимости инвестора от рыночных рисков является величина изменения капитала портфеля, т.е. прибыли или убытки, возникающие вследствие движения цен активов. Это определение может быть распространено и на деятельность банка. Чем стабильней банк, тем стабильней должны изменяться его показатели. Доказательство этого утверждения будет проведено в работе при проведении статистического анализа.
В процессе проведения статистического анализа будем использовать понятие индикатора финансовой устойчивости банка - величина, отражающая финансовое состояние банка в одном из сечений множества финансовых показателей, т.е. некоторая характеристика набора показателей надежности банка. Например, если надежность банка зависит только от показателей А, В и С, то А, В и С могут быть индикаторами финансовой устойчивости банка, a D -не индикатор, т.к. от него по нашему предположению не зависит надежность. Несмотря на то, что при проведении анализа понятие взаимосвязи может трактоваться достаточно широко, т.к. экономическая система подразумевает широкую взаимосвязь между отдельными ее звеньями, в данном контексте понятие зависимости будет определяться в соответствии с количеством ошибок, рассчитанное с помощью приведенного выше метода, полученное при включении нового показателя в набор исходных показателей по сравнению с отсутствием нового показателя в наборе.
Количество индикаторов, входящих в систему индикаторов финансовой устойчивости, не должно быть велико, т.к. для построения генерального индекса надежности потребуется нахождение весов для каждого из индикаторов. В документации к статистическим пакетам (например, к Statistica 5.5), реализующим нелинейное оценивание, приводится ограничение в 4 предиктора, т.е. число индикаторов не должно превосходить 4. При составлении индикаторов первого поколения происходил отбор исходных показателей для их участия в системе индикаторов, при этом рассматривались только такие показатели, которые в первом поколении давали не более половины от общего количества случаев ошибок е (количество ошибок определяется в соответствии с методами оценки качества модели). Таких показателей оказалось ровно 4 (средства клиентов, текущая прибыль, величина капитала и объем кредитного портфеля), т.е. программные ограничения не ухудшают качество построенной модели.
Как указывалось ранее, для построения системы индикаторов финансовой устойчивости КБ будет использоваться измененный генетический алгоритм, который будет применяться каждый раз отдельно для создания нового индикатора. Создание системы индикаторов будет состоять из следующих этапов: 1) Определение начальных методов АФСКБ (экспертных оценок) первого поколения, с помощью которых будут рассчитываться значения будущих индикаторов (это и есть методы оценки финансового состояния по одному из направлений). 2) Выделение наиболее подходящих начальных методов (лучшие 4 метода). 3) Модификация выбранных методов с целью создания второго поколения методов. 4) Реализация измененного генетического алгоритма и улучшение метод с целью повышения качества результата (прогноза). 5) Нормирование результатов, полученных найденным методом, с целью повышения качества прогноза и для возможности визуального анализа.
Проверка эффективности скоринга на действующих банках
Эффективность построенной скоринговой модели означает соответствие банков, которые с применением разработанной модели были отнесены к категории «надежные», описанию устойчивых банков, и наоборот, соответствие ненадежным банкам некоторых признаков неустойчивости. При этом первое соотношение может быть проверено чистым статистическим анализом -выявляется соотношение правильных и неправильных прогнозов, т.к. неустойчивый банк по описанному выше определению - это такой банк, который не имеет возможности в должной мере противостоять негативных факторам внешней среды. В другую сторону проверка может оказаться затрудненной, поскольку банк, который с применением разработанной методики признан «ненадежным», а на практике не обнаруживается его банкротства в течение последующих 12 месяцев, не обязательно должен классифицироваться как устойчивый, поскольку устойчивость связана с негативными характеристиками внешней среды, которых, в случае отсутствия банкротства, могло просто не наблюдаться.
Для оценки эффективности разработанной модели было осуществлено применение разработанной модели на финансовых показателях всех банков, действующих на территории России на 1 сентября 2003 года. По данным Центрального Банка [20] в России в это время насчитывалось 1332 кредитных организации, имеющих право на осуществление банковских операций. Для каждой кредитной организации был произведен анализ устойчивости. В результате анализа выяснилось, что полностью устойчивых в терминах построенной модели 665 кредитных организаций (R 0.82 в течение последнего года), устойчивых с предупреждением - 140 (0.82 R 0.5 в течение года).
После рассмотрения показаний индикаторов в выбранных точках возможны 2 ситуации: хотя бы 1 показание генерального индекса надежности 0.5 - тогда делается вывод о том, что прогноз правильный, или ситуация, когда оба показания больше 0.5 - в таком случае наблюдается ошибка I рода (отвержение гипотезы о наличии финансовых проблем при реальном их наличии).
Аналогично для стабильных банков - если в течение последних 12 месяцев работы все значения R будут больше 0.5, то можно делать вывод о том, что прогноз правильный. Если хотя бы 1 значение R будет меньше 0.5, то будем наблюдать ошибку II рода (принятие неверной гипотезы). Для того, чтобы определить возможность применимости метода на практике, перейдем к рассмотрению каждого случая, в котором наблюдалась ошибка. Для этого рассмотрим результаты проведенного анализа на показателях банков, для которых был сделан неправильный прогноз. Ошибка может быть I или II рода. Ошибка I рода соответствует банкам, лицензии которых были отозваны, но значения генерального индекса надежности для них в течение 12 последних месяцев перед банкротством не опускались до критического уровня (менее 0.5). Ошибка II рода соответствует банкам, положение которых можно назвать стабильным, но в течение последних 12 месяцев хотя бы 1 раз значение генерального индекса надежности попало в критическое значение. Рассмотрение этих случаев будет описано в параграфе 2.
При реализации прогноза с использованием разработанной модели наблюдаются банки, для которых был дан неверный прогноз. Несмотря на то, что количество таких банков незначительно, произведем анализ таких случаев с целью рассмотрения соответствия результатов прогноза ситуации, которая имела место в действительности.
Для определения качества построенной модели рассмотрим все банки, лицензии которых были отозваны в период с января 2000 по январь 2003 года (Приложение 2), а также подмножество множества стабильных банков, в которое вошли все банки, удовлетворяющие критериям: 1) Положительный прирост капитала в период с января 2000 по февраль 2003. 2) Положительный прирост величины чистых активов в период с января 2000 по февраль 2003. 3) Во всех промежуточных точках отсутствие признаков банкротства.
В силу того, что это множество достаточно велико (около 400 банков), будем для анализа стабильных банков рассматривать его произвольное (выбранное случайным образом) подмножество в размере 100 банков. Сначала будут рассмотрены ошибки I рода. В рассмотренной генеральной совокупности (т.е. все банкиї с отозванными в указанный период значениями, которые после кризиса хотя бы в течение 6 месяцев имели положительное значение капитала и ликвидных активов) среди 49 банков было замечено всего 7 ошибок. Это следующие банки:
Каждый из данных банков будет рассмотрен для определения причин, по которым показания индикаторов не определили будущее финансовое положение банка. Банк №373 (АКЦИОНЕРНЫЙ КОММЕРЧЕСКИЙ БАНК РАЗВИТИЯ МЕСТНОГО ХОЗЯЙСТВА).
Фактическое банкротство наступает в августе 2002 года, когда величина ликвидных активов становится отрицательной. До этого произошло незначительное уменьшение капитала (на 1.5%) и появление убытков (5% от капитала). Кредитный портфель сократился ранее (в феврале-марте 2000 года). Негативный прогноз банку был дан в марте 2000 года по причине резкого изменения объема средств, привлеченных от юридических лиц. После этого в июне 2000 года R попало в уровень предупреждения (опять из-за клиентов), в июле 2000 - R составило 0.00. Негативный прогноз сохранился до января 2001 года. После этого видимых причин для ухудшения рейтинга банка выявлено не было. Единственным показателем, по которому можно было наблюдать негативные изменения, был показатель прибыли. Но его значений было недостаточно для принятия решения о негативной ситуации. Банкротство банка наступило без появления предварительных симптомов финансовых показателей. После банкротства банка президенту банка Александру Кузьминскому были предъявлены обвинения в мошенничестве за искажение финансовой отчетности банка [54]. «Вся отчетность банка была фальсифицирована с начала до конца» утверждалось в статье. Банк №2242 (АКЦИОНЕРНЫЙ КОММЕРЧЕСКИЙ БАНК "НОВАТОР") Банкротство банка наступило в мае 2002 года. Несмотря на то, что средства юридических лщ уверенно уменьшались перед банкротством, падение индикатора II было несущественным (-0.04), поскольку в это время банк начал оперировать большим объемом работающих активов и средства юридических лиц перестали составлять в нем существенную роль. Индикатор 14 так же не позволил выйти на негативный уровень, поскольку так же, как и в ситуации со средствами юридических лиц, кредитный портфель не являлся значительным по сравнению с капиталом банка.
