Содержание к диссертации
Введение
Глава 1. Концепция текущей надежности банка 11
1.1.Текущая надежность банка как мера субъективной уверенности эксперта 11
1.2. Значимые факторы текущей надежности банка 23
1.3. Эмпирические нормативы текущей надежности банка 30
1.4. Экспресс-оценка текущей надежности банка .' 34
Глава 2. Методы и результаты анализа текущей надежности банка 49
2.1. Статистическая модель базовой структуры баланса банка 49
2.2. Методы оценки текущей надежности банка на основе структуры баланса 60
2.3. Динамика факторов текущей надежности банка 68
2.4. Зависимость текущей надежности банка от его величины 76
Глава 3 Концепция долгосрочной надежности банка 80
3.1. Долгосрочная надежность банка как результат анализа рисков банковской системы 80
3.2. Модель экспертного анализа значимости нормативов долгосрочной надежности 84
3.3. Свойства долгосрочной надежности банка 98
3.4. Отличительные особенности текущей и долгосрочной надежности банка... 103
Глава 4. Методы и результаты анализа долгосрочной надежности банка 113
4.1.Инструментарий порядковых отношений долгосрочной надежности банка 113
4.2. Модель долгосрочной надежности банка 117
4.3. Методы построения рейтинга долгосрочной надежности банка 141
4.4. Оценка значимости банков 148
Основные результаты и выводы работы 154
Список использованной литературы
- Значимые факторы текущей надежности банка
- Методы оценки текущей надежности банка на основе структуры баланса
- Модель экспертного анализа значимости нормативов долгосрочной надежности
- Методы построения рейтинга долгосрочной надежности банка
Введение к работе
Задача повышения эффективности банковского надзора, совершенствования практики риск-менеджмента, повышения транспарентности банковской системы актуализирует поиски новых методов определения надежности кредитных организаций. Применяемые в мировой практике экономико-математические методы позволяют приблизиться к поставленной цели, обладая рядом преимуществ по сравнению с традиционными методами анализа финансового состояния банка. Так с их помощью можно с минимальными затратами времени в машинном режиме обрабатывать значительные массивы статистической информации и получать щ удовлетворительный по точности результат.
Экономико-математические методы позволяют выявить скрытые недостатки в работе банков, провести группировки по надежности, а главное - получить числовые характеристики надежности банков в отличие от традиционных методов, выводная часть которых является словесно-описательной.
При этом, преимущества экономико-математических методов проявляются в пределах строго ограниченной сферы применения. А именно, подходят для обработки больших массивов информации, получения предварительных оценок финансового состояния банка, в том числе для целей пруденциального банковского надзора. Поэтому они призваны дополнить существующие классические методы анализа.
Актуальность темы исследований
• В условиях становления в России рыночной экономики банковский сектор приобретает все большую значимость в системе экономических отношений. Так, если на заре реформ банки зачастую служили целям обогащения финансовых элит и концентрировали внимание, прежде всего, на проведении спекулятивных операций с инструментами финансового рынка, то на нынешнем историческом витке российские • банки повернулись лицом к актуальным задачам, решения которых ждет от них российская экономика, находящаяся в начале стадии роста.
Вместе с тем, существенным препятствием формированию цивилизованной банковской системы в России является проблема недоверия к существующим кредитным институтам, как со стороны населения, так и со стороны большинства хозяйствующих субъектов. Путей преодоления данной проблемы много, но большинство российских и западных экономистов указывают на необходимость ф повышения открытости банковской системы и формирования адекватного и доступного инструментария оценки банковских рисков.
Отдельно следует упомянуть о важном месте в экономике, которое занимает Центральный банк, который призван обеспечить устойчивое функционирование банковской системы, стремиться предотвращать на возможно ранней стадии негативные тенденции в работе коммерческих банков и как следствие возможные социально-экономические потрясения. Однако опыт российский банковских кризисов показал, что существующий банковский надзор требует совершенствования.
Во-первых, до сих пор в России не существует адекватного экономико-математического инструментария анализа и оценки банковских рисков.
Во-вторых, не уделяется должного внимания соответствию предъявляемых к банкам требованиям контексту меняющихся условий экономической среды, что особенно актуально для реформируемой российской экономики.
В-третьих, существующий банковский надзор в значительной части ориентирован на обнаружение и констатацию текущих проблем у банков и не выполняет важного прогнозного (пруденциального) предназначения.
И, наконец, в-четвертых, не уделяется должного внимания оценке финансовой устойчивости банковской системы как единого целого.
Важным препятствием развития инструментария анализа и оценки финансовой устойчивости коммерческих банков является отсутствие должной концептуальной # проработки самого понятия «надежность банка». Такая ситуация приводит к неизбежной путанице в методологических конструкциях и к противоречивости, получаемых на их основе выводов. Понятие надежность банка требует уточнения и четкого определения, причем различным аспектам банковского анализа могут быть свойственны различные определения надежности. Ведя разговор о методиках оценки надежности банка необходимо четко понимать ее теоретическую сущность и то, какой экономико-математический инструментарий может быть использован для получения ее количественных и иных формализованных оценок.
Решению этой и ранее обозначенных проблем требует использования методов экономико-математического моделирования надежности банков. В связи с вышесказанным тема диссертации является актуальной.
Степень разработанности темы
Классический подход к анализу надежности коммерческих банков заключается в конструировании и расчете различных показателей финансового состояния банков на основе данных его финансовой отчетности, которые позволяют получить представление об основных аспектах деятельности банка. Итоговые результаты такого анализа имеют словесно-описательную форму. Данному направлению анализу надежности банка посвящены работы Пановой Г.С., Лаврушина О.И., Шеремета А.Д., Ширинской З.Г., Фетисова Г.Г., Иванова В.В., Томаевой З.Т., Белых Л.П., Амелина И.Э., Царькова В.А.
Международной практикой анализа надежности банка стало использование различных экспертных рейтингов, в частности разработанных специалистами ведущих рейтинговых агентств (Standard & Poor s, Moody s, FITCH), а также банковскими регуляторами в США (методика CAMEL). Данному направлению анализа банков посвящены работы отечественных авторов: Фаррахова И.Т., Мамонова И.Д., Новикова В.В.
Важную группу методов анализа надежности банков составляют подходы, основанные на различных алгоритмах дискриминанантого анализа, которые были исследованы в работах Альтмана, Таффлера, Кумара, Чессера, Холдмэна, Нараянана, Марэ, Паттелла, Вольфсона, Фридмэна, Као, Бухштабера В.М., Оводова И.Г., Шевченко С.Н., Шумвейя, Пересецкого А.А., Карминского A.M.
В последнее время особенно популярными стали модели оценки надежности банков, основанные на теории Марковских процессов. Работы Альтмана, Као и специалистов рейтингового агентства Standard & Poor s.
Существенную теоретическую и практическую ценность представляют опционные и структурные модели оценки надежности банков, предложенные Мертоном, Шумвеем, Ивлиевым СВ., Колодочкиным А.В., Кузнецовым К.Б., а также ф сотрудниками корпорации KMV.
Особый интерес представляет методика оценки совокупного кредитного риска ссудного портфеля CreditRisk+ (авторские права CSFB), где в качестве показателя надежности (в том числе банков) предлагалось использовать случайную вероятность дефолта. В данной методике была предпринята первая попытка преодоления проблем, связанных с получением оценок долгосрочной надежности банков. I» Необходимо подчеркнуть, что исследуемая в диссертации задача оценки надежно \ ф сти коммерческого банка не имеет прямого отношения к известной математической теории надежности сложных технических систем. Цель и задачи исследования Целью диссертации является создание экономико-математического инструментария оценки надежности коммерческих банков.
В соответствии с целью в работе были поставлены следующие задачи:
- математически формализовать понятие надежности банка;
- разработать методику экспресс-оценки надежности коммерческих банков в краткосрочной перспективе;
- оценить влияние изменений экономической среды функционирования банков на особенности оценки их надежности;
- построить модель зависимости надежности банков в краткосрочной перспективе от особенностей структуры банковской системы;
- разработать модель оценки надежности банков в долгосрочной перспективе и типо-логизации банковской системы по формам обеспечения финансовой устойчивости;
- разработать метод определения значимости банка в структуре банковской системы.
- выработать рекомендации по изменению существующих нормативных критериев оценки надежности банков в целях повышения эффективности банковского надзора.
Объект и предмет исследования
Объектом исследования является банковская система России. Предмет исследова fc ния - надежность банка. Здесь и везде далее по тексту, там, где это не оговаривается особым образом, под банком понимается российский коммерческий банк без уточнения его соответствия конкретным финансовым институтам.
Теоретической и методологической основой исследования явились труды отечественных и зарубежных авторов в области экономико-математического моделирования финансовой сферы и анализа финансового состояния коммерческих банков, теории вероятностей и математической статистики, теории многокритериальной оптимизации, материалы научных конференций, семинаров и совещаний по изучаемой проблематике. Широко были использованы данные о применении экономико-математических моделей при анализе банковских систем и коммерческих банков как в исследовательских подразделениях международных организаций - в Базельском комитете по банковскому надзору, Международном Валютном Фонде, ведущих мировых рейтинговых агентств (Standard & Poor s, Moody s, FITCH), її крупных иностранных банках (JP Morgan Chase), международных общественных ассоциаций риск-менеджеров (Global Association of Risk Professionals, Professional Risk Managers International Association), так и в отечественных научных организациях - в МГУ им. М.В. Ломоносова, ИПУ РАН, ИМЭМО РАН, Центре банковского анализа ЦЭМИ РАН, ГУ - Высшей школы экономики, НИИ Банка России, Российской экономической школе, Академии народного хозяйства при правительстве РФ, Финансовой академии при Правительстве РФ, Российской экономической академии им. Г.В. Плеханова.
Информационной базой исследования послужили официальные данные, публикуемые в изданиях Центрального банка РФ, Государственного комитета РФ по статистике, материалах информационных агентств, отражающие состояния банковской системы и экономики. В диссертации были использованы ежемесячные данные финансовой отчетности всех коммерческих банков г. Москвы с 1995 г. по 2001 г.
Обработка статистической информации проводилась с использованием программ: «Statistica», «SPSS», «Эвриста» Центра статистических исследований МГУ им. М.В. Ломоносова, стандартных средств анализа данных «MS Office», а также с помощью специально созданных собственных программных разработок.
Научная новизна работы
Научная новизна диссертации заключается в следующем. 1. С применением байесовского подхода к анализу информации формализовано Ф понятие «текущая надежность банка» как вероятность выполнения банком определенного комплекса требований при условии наличия о нем доступной информации. Предложены определения текущей надежности коммерческого банка с точки зрения Центрального банка, других коммерческих банков, населения и прочих кредиторов. 2. Разработана методика экспресс-оценки текущей надежности коммерческого банка на основе модели байесовской классификации биноминальных распределений, в которой результат оценки надежности банка представляется как функция соответствия ключевых показателей деятельности банка предлагаемой системе нормативов, что позволяет в отличие от методик Альтмана, Таффлера, Као помимо итоговой оценки надежности банка указать на конкретные достоинства и недостатки О в деятельности банка, определивших значение итогового результата.
6 3. С использованием методов непараметрической статистики из финансовой отчет ности (агрегированные балансовый отчет и отчет о прибыли и убытках) коммерческих банков за период 1999-2001 гг. выявлен набор из 17 основных показателей деятель-ности банка, оказывающих наиболее существенное влияние на уровень их надежности. На основе оригинальной математической реализации критерия однородности Неймана-Пирсона найдены области допустимых значений 17 основных показателей надежности банков. Путем использования методов дискриминантного анализа оценены весовые коэффициенты основных показателей текущей надежности банков. Данный результат может использоваться при совершенствовании нормативной базы банковского надзора.
4. Разработана модель текущей надежности банка с использованием методов многомерного факторного анализа, учитывающая структурные особенности банковской системы. Статистически подтверждена неоднородность структуры банковской системы России. Выявлено, что кластеризация банковской системы базируется на показателях совокупной величины, рентабельности и объема ключевых высокорисковых активов коммерческих банков.
5. За период 1998-1999гг. рассчитаны весовые коэффициенты и допустимые границы основных показателей текущей надежности банков с использованием методов непараметрической статистики, что позволило количественно оценить характер влияния кризисного изменения экономической среды функционирования банков на особенности оценки их надежности.
6. Статистически установлена важность величины банка при определении его надежности, по результатам чего на основе эмпирического анализа банковской системы проведена классификация коммерческих банков по объему их совокупных активов, что соответствует качественному составу клиентской базы банков.
ф 7. Предложена модель оценки надежности банков в долгосрочной перспективе с ис пользованием методов многокритериальной оптимизации. Данный подход позволил получить более информационно содержательные выводы, нежели единственная существующая альтернативная концепция оценки кредитных рисков в долгосрочной перспективе, реализованная в модели CreditRisk+. Выявлено, что соотношения долгосрочных надежностей банков представляют собой порядковое отношение на совокуп Ь ности показателей банковских рисков, задаваемое логическим полиномом, который # определяет типологизацию банковской системы по формам обеспечения финансовой устойчивости. Обосновано, что долгосрочные надежности некоторых банков могут быть несопоставимы, а также то, что такой анализ не может проводиться в отрыве от общего структурного анализа банковской системы.
8. Разработана методика определения значимости банка в общей структуре банковского сообщества, что является ключевым понятием при определении общей устойчивости банковской системы. При построении показателей .значимости банка использовались методы многокритериальной оптимизации и факторного анализа.
Теоретическая и практическая значимость
Теоретическая значимость работы заключается в математической формализации ключевых понятий, связанных с определением надежности коммерческих банков. Теоретически значимо предложенное автором диссертации разграничение определения надежности банка в краткосрочной и долгосрочной перспективах, что находит отражение в различных формах и свойствах оценок надежности, а также математических методах их получения. Разработаны экономико-математические модели анализа надежности коммерческих банков, отвечающие ключевым проблемам методологии банковского анализа и обладающие высокой прогнозной полезностью.
Практическая значимость работы заключается в возможности использования разработанных моделей для оценки надежности отдельных банков, при анализе устойчивости банковской системы и определении основных тенденций ее развитии.
Полученные результаты могут быть использованы в учебных процессах при подготовке специалистов в областях экономико-математического моделирования, банковского дела и риск-менеджмента. Отдельные результаты могут найти отражение в нормативной базе банковского надзора.
Созданный инструментарий используется как в работе государственных органов Ф управления (Центральный банк РФ, КГ Агентство по страхованию вкладов), так и коммерческих структур на этапе подготовки и принятия управленческих решений. Разработанные методики оценки надежности банков обсуждались Комитетом банковского надзора ГУ Центрального Банка РФ по г.Москве, где получили одобрение.
Апробация работы « Основные положения работы докладывались на семинаре "Управление финансовыми рисками и страхование" под эгидой PRMIA и ГУ - Высшей школы экономики (январь 2005г., апрель 2003г.), семинаре «Динамические модели экономики» кафедры «Математические методы анализа экономики» Экономического факультета МГУ им. М.В. Ломоносова (октябрь 2004г., апрель 2003г.), семинаре «Анализ и прогноз финансовых рынков» ИМЭМО РАН (февраль 2004г., октябрь 2003г.), семинаре «Экспертные оценки и анализ данных» ИЛУ РАН (декабрь 2004г., февраль 1999г.), Научной конференции "Моделирование и анализ безопасности и риска в сложных системах", (г. С.-Петербург июнь 2004г.), XXXI Международной конференции "Информационные технологии в науке, образовании, телекоммуникации и бизнесе" (г.Ялта, сентябрь 2004г.), где получили положительную оценку специалистов.
Публикации
Основные положения диссертации изложены в 7 опубликованных статьях общим объемом 3,5 п.л. (3,5 п.л.- лично).
Структура диссертации
Работа объемом 175 стр. состоит из введения, четырех глав, заключения, списка используемой литературы и приложений, содержащих результаты статистической обработки данных.
Значимые факторы текущей надежности банка
Требуется составить набор числовых показателей работы банков, на основе различного рода отчетности, которые бы всесторонне описывали состояние банков, и величины которых оказывали бы значимое влияние на их надежность. Плюс к этому, требуется для каждого такого показателя определить границы допустимых значений (пороговые значения), выход за пределы которых расценивался бы, как проявление негативных аспектов в работе КБ. Причем это предлагается произвести исключительно на основе эмпирических методов анализа данных, а полученные результаты должны соответствовать меняющимся экономическим условиям. Таким образом, задача создания эмпирической нормативной базы распадается на две достаточно самостоятельных проблемы, а именно, выявление значимых характеристик работы банка, и оценку для них пороговых значений. Будем исследовать их последовательно. Но прежде чем перейти непосредственно к описанию конкретных методов, скажем несколько слов о входном статистическом материале.
Как уже отмечалось, в качестве основных статистических данных анализа ф должна выступать разнообразная банковская отчетность. Это могут быть и балансовая отчетность по счетам второго порядка, и финансовая отчетность, и отчетность лоро-ностро, и действующие нормативы ЦБ и т.д. Вместе с тем, ниже будет представлено несколько примеров реальных расчетов, основанных на анализе агрегированных балансовых отчетов по инструкции №17. Агрегированные балансовые отчеты по своей форме наиболее приближены к балансовой отчетности, % которые банки должны ежегодно публиковать в открытой печати.
Помимо банковской отчетности для реализации поставленной задачи необходимо изначально иметь некоторую классификацию банков на условно «хорошие» и «плохие». Что необходимо для определения общих ориентиров в анализе банков. В качестве таких классификаций могут быть использованы как некие экспертные оценки, так и широко публикуемые различные рейтинги. Своеобразной рейтинговой системой является письмо ЦБ №457, задающее принципы классификации банков на четыре группы надежности, в зависимости от их финансовой устойчивости. Результаты такой классификации могут быть использованы в нашем случае. Так, банки первой и второй групп проблемности должны быть отнесены к «хорошим» банкам, а оставшиеся - к «плохим». Письмо №457 в определенном смысле фиксирует официальную позицию ЦБ по отношению к кредитным организациям, поэтому ее использование для создания нормативной базы наиболее разумно. Необходимо отметить, что использование результатов таких классификаций не предполагает их абсолютную достоверность (адекватность), требуется лишь некоторая их статистическая согласованность с реальным положением дел, что присутствует в большинстве «солидных» рейтингах.
Перед тем, как начать описание метода выявления значимых характеристик работы банков, необходимо разобраться, что же это такое. Некую числовую характеристику (показатель) будем называть значимой, а точнее индивидуально значимой, если ее изменение приводит к изменению (по крайней мере, в большинстве ф случаев) финансовой устойчивости кредитных организаций. Под индивидуальностью значимости понимается невозможность систематической компенсации в надежности банка негативного изменения одной характеристики позитивным изменением другой. С точки зрения здравого смысла это условие весьма естественно. Ведь нормативы, которые мы должны получить в итоге, должны сигнализировать о неблагополучии КБ ж даже в том случае, когда только один норматив выходит за пределы пороговых значений, а значения оставшихся вполне допустимы. Важно отметить, что при выявлении значимых характеристик, как впрочем, и при оценке их пороговых значений, предлагается использовать только методы, так называемой, непараметрической статистики (см. [56], [53]), отличительной особенностью которых является «неприхотливость» к статистическому материалу.
Использование этих методов не требует никаких особо существенных предположений о типе данных, например, об их нормальном вероятностном распределении. Это очень полезно, так как числовые показатели работы банка могут иметь сколь угодно сложный вероятностный тип, а априори определить его бывает весьма непросто. С другой стороны, чем больше изначально мы делаем предположений (допущений), тем больше вероятность того, что хотя бы одно из них не будет выполнено, а это может привести к катастрофическим ошибкам в выводах. Поэтому использование непараметрических методов является большим плюсом излагаемого подхода, поскольку гарантирует высокую надежность выводов.
Выявление индивидуально значимых характеристик работы банков предлагается произвести по следующей схеме. Первоначально необходимо составить список возможных претендентов на роль значимых характеристик. Такой список может быть сколь угодно обширным и содержать любые предположительно значимые показатели (современная компьютерная база и программное обеспечение позволяют не бояться больших объемов необходимых расчетов). После того, как такой список будет составлен, можно предположить, что все сколь угодно значимые характеристики всесторонне описывающие работу банка в нем содержатся. Остается только лишь выделить их из общей массы претендентов, что осуществляется следующим образом.
Выберем из списка претендентов некоторую характеристику, проверяемую на роль значимой. На основе имеющихся входных данных необходимо создать выборку из значений этой характеристики для доступной совокупности банков. После этого, с учетом имеющейся начальной классификации банков на «хорошие» и «плохие», полученную выборку разобьем на две (хІ,х 2,...,х п} і = 1,2 (значения анализируемой характеристики для «хороших» и «плохих» банков).
Естественно предположить, что в случае значимости характеристики, эти выборки должны статистически различаться, иметь различные статистические параметры (средние, дисперсии, медианы и т.д.). Иными словами, выборки должны быть статистически неоднородны (не идентичны). Строго говоря, это означает, что выборкам отвечают различные вероятностные законы распределений. Именно неоднородность выборок гарантирует индивидуальность значимости характеристики.
II В теоретической статистике имеется богатый набор методов проверки однородности (неоднородности) данных, так называемые, критерии однородности (см. [53], [56], [26]). Действие большинства таких критериев основывается на вычислении некоторой величины Г, характеризующей степень однородности (схожести) выборок. Так при допустимых значениях Т гипотеза об однородности данных принимается, а при критических - отвергается.
Методы оценки текущей надежности банка на основе структуры баланса
Так можно заметить, что существуют кластеры, где такие банки полностью отсутствуют или наоборот, фактически целиком из них состоят, а в некоторых существуют области группировки разорившихся банков. Это означает, что значения трех факторов действительно определяют состояние банка, и их анализ позволяет оценить его надежность. Следовательно, баланс банка по инструкции №17 содержит в себе информацию о надежности банка, так как значения факторов однозначно задают баланс. Данное замечание верифицирует и саму модель оценки надежности банков на основе факторного анализа.
В основе построения показателей надежности банков лежит определение множества «плохих» значений факторов (критического множества), а точнее множества троек факторов, отвечающих «плохим» банкам. После того как такое множество сформировано, процедура построения показателей надежности укладывается в следующую схему.
Ранее отмечалось, что состояние банка можно охарактеризовать положением точки в трехмерном пространстве, следовательно, и анализ надежности банков сводится к анализу расположения точек существующих банков относительно точек критического множества, к анализу расположению «хороших» точек относительно «плохих».
Практические расчеты показали, что структура расположения «плохих» точек в кластере может быть различна, в зависимости от этого предлагается несколько подходов к количественному оцениванию надежности банков.
Если в кластере «плохие» точки отсутствуют, тогда можно утверждать, что в этом кластере все банки находятся в достаточно надежном положении и не имеет смысла ранжировать их по степени ненадежности, так как в этом кластере банки не разоряются. Другая крайность реализуется тогда, когда в исследуемом кластере большинство точек «плохие». Тогда кластер объявляется целиком ненадежным, то есть все банки из него находятся на грани разорения, следовательно, как и в предыдущем случае, не имеет смысла ранжировать их по степени надежности.
Содержательной задача становится в том случае, когда четко не видно, состоит k ли весь кластер только из «плохих» банков или только из «хороших». В этом случае возможно два варианта. Если определенно можно сказать, что в кластере существуют области концентрации «плохих» точек, то числовой характеристикой ненадежности банков будет являться расстояние от точки банка до области концентрации «плохих» точек. Чем меньше это расстояние, тем более банк ненадежен, что позволяет построить рейтинг банков такого кластера по степени надежности.
Но бывает и другой случай расположения «плохих» точек в кластере, когда они присутствуют во всех его частях с различной плотностью. В этом случае числовые характеристики ненадежности банков можно построить следующими способами. Вокруг точки банка, чья надежность оценивается, рассматривается небольшой шар радиуса г и вычисляется внутри него число «хороших» и «плохих» точек, пусть их будет тип соответственно . В качестве одной из числовых характеристик надежности можно взять отношение Lr = . Чем ближе это отношение к единице, т + п тем менее надежен банк, и наоборот, чем ближе отношение к нулю, тем банк надежнее. Упорядочивая совокупности банков по убыванию показателей Lr, мы сможем строить различные ранжирования банков по степени надежности, данная идея построение показателей надежности банков присутствует в виде различных модификаций в работах многих авторов (см. [3], [11], [43], [54], [87], [88]). Разумеется, эти ранжирования будут различаться и зависеть от выбора радиуса шаров г, но если этот радиус выбирать разумным образом, то эти ранжирования будут достаточно схожи. Однако во всех случаях ключевыми числами для построения показателей надежности являются величины т и п, а идея ранжирования банков заключается в их сопоставлении.
Таким образом, предполагается использовать числовые показатели двух типов. Показатели первого типа являются расстоянием от точки банка до ближайшей «плохой» точки в кластере, а показатели второго типа являются оценками плотностей «плохих» точек вблизи точки исследуемого банка.
Из вышесказанного следует, что при оценке надежности коммерческих банков на основе факторного анализа балансовой отчетности, в предлагаемой модели существует ключевое звено, требующее особого внимания. А именно, вопрос определения совокупности всех комбинаций значений факторов (критического множества), отвечающих проблемным банкам. Данная задача имеет методический характер и связана с неоднозначностью в задании факторов.
Таким образом, при составлении рейтингов банков на каждую расчетную дату приходится заново определять, какие комбинации значений факторов являются «плохими», а какие «хорошими». Можно положить в основу решения описанной проблемы следующую гипотезу: если банк имеет структуру баланса, аналогичную структуре баланса некоторого уже разорившегося банка, то он находится в неблагоприятном состоянии. Причем сравнение структур баланса производится, конечно, после удаления из данных элемента инфляции с помощью несложной процедуры стандартизации.
Формализация описанной гипотезы заключается в принципе сравнения значений факторов существующих банков со значениями факторов разорившихся банков. Здесь и проявляет себя упомянутый методический аспект (см. [29], [25], [9]). Дело в том, что факторы, задающие баланс банка, можно определять бесконечно различными способами (с точностью до ортогонального преобразования), примерно как измерять температуру в различных шкалах. Поэтому бессмысленно сравнивать непосредственно факторы разорившихся банков, рассчитанных по их старым балансам, с факторами существующих банков, так как формулы расчета факторов могут меняться во времени из-за отсутствия однозначной определенности в их задании.
Данное затруднение можно попытаться преодолеть следующим образом. Стандартизированные, а значит «очищенные» от инфляции, старые балансовые данные разорившихся банков добавлялись в стандартизированные выборки банков на настоящий момент и по объединенным выборкам выделялись факторы для разорившихся и существующих банков. Полученные факторы будут сопоставимы, поскольку все они рассчитывались по одним и тем же формулам. Совокупность комбинаций факторов разорившихся банков и будет задавать множество «плохих» значений факторов.
Модель экспертного анализа значимости нормативов долгосрочной надежности
Существующая надзорная практика за деятельностью кредитных организаций чересчур формализована, что не лучшим образом отражается на общем качестве функционирования банковской системы. Причем такой формализм пагубен даже не с точки зрения неадекватности устаревающих догм реалиям постоянно меняющейся экономики, сколько с позиций бедности и ограниченности форм выводов экономического анализа, нормативно закрепленных инструкциями ЦБ. Такие выводы не отражают богатой специфики банков, а, следовательно, при принятии регулирующих мер ЦБ, которые могут основываться лишь на формальных актах, сложно учесть все нюансы кредитных организаций. Разумеется, имеются объективные причины, объясняющие существование такого формализма. Прежде всего, это связано со сложностью закрепления единых принципов оценки качества функционирования банков, универсальных для всех кредитных организаций. Вместе с тем резервы для совершенствования инструкционной базы существуют, причем, как, оказывается, они лежат на поверхности даже там, где, казалось бы, ничего нового предложить уже нельзя.
Речь идет о контроле за соблюдением обязательных нормативов. Инструкция №1 определяет набор из 16 показателей и соответствующих им пороговых (критериальных) величин. В случае выхода какого-либо показателя за установленные границы, банк объявляется не соблюдающим нормативы, что влечет за собой применение штрафных санкций. При этом для банков, соблюдающих все нормативы (а их в Москве приблизительно 70%) инструкции не предполагают более детальной градации по степени их финансовой устойчивости. Аналогично обстоит дело и с теми банками, которые не соблюдают нормативы. Вместе с тем целесообразность более детальной классификации банков по качеству выполнения нормативов не подвергается сомнению, особенно если учесть важность обязательных нормативов, в общей совокупности банковских показателей занимающих по приоритетности первое место.
Переход от простой констатации фактов нарушения нормативов к детальной классификации банков, а по сути к рейтингу кредитных организаций, неразрывно связан с необходимостью определения понятия «значимость норматива». Очевидно, что нарушения различных нормативов по-разному сказывается на общей финансовой устойчивости банка, а, следовательно, имеет смысл говорить и о различных весах важности (значимостях) нормативов.
Что же такое значимость норматива? Что лежит в основе ее определения? Ответ - риск. Каждый норматив по экономическому смыслу характеризует степень защищенности банка от некоторого риска (в таблице 3 приведен перечень рисков, соответствующих восьми основным обязательным нормативам).
Таким образом, значимость норматива является, по сути, некоторой общей характеристикой соответствующего риска. Чем к более опасным последствиям может привести ожидаемое наступление риска, тем важнее для банка от него защититься и тем значимей соответствующий норматив.
Необходимо отметить, что сформулированные принципы сравнения значимостей нормативов, вообще говоря, не предполагают числовую природу значимостей. Под важностью норматива могут скрываться очень сложные объекты, определение которых не укладывается в шаблонные математические формы, принципиальным является лишь возможность сравнения этих объектов. Иными словами, на множестве значимостей (весов) нормативов должна быть задана структура доминирования, то есть для каждой возможной парной комбинации нормативов должно быть указано доминирует ли (превосходит ли по значимости) первый норматив второй.
Для того чтобы содержательные результаты по детализации выводов о качестве выполнения банками обязательных нормативов, необходимо сделать некоторые допущения о виде структуры доминирования значимостей нормативов. Сформулируем эти допущения в виде гипотез. Гипотеза 1 (транзитивность). Если в некоторой тройке нормативов значимость первого меньше значимости второго, а значимость второго меньше значимости третьего, то значимость первого норматива обязана быть меньше значимости третьего. it Гипотеза 2 (линейность). Все нормативы сопоставимы по значимости. Предположение о транзитивности структуры доминирования нормативов, сформулированное в гипотезе 1, представляется вполне естественным с точки зрения здравого смысла, и навряд ли найдутся экономические аргументы, которые могут заставить усомниться в таком разумном требовании. Более того, как будет показано в Ф- дальнейшем, транзитивность значимостей является следствием общих экономических соображений, лежащих в основе построения рейтинга долгосрочной надежности. Таким образом, можно констатировать, что принятие гипотезы 1 согласуется с контекстом решаемой экономической задачи.
Вместе с тем принятие гипотезы 2 может вызвать определенные вопросы. Действительно, если предположить, что значимости нормативов имеют числовое выражение, то, очевидно, что гипотеза линейности принимается автоматически, поскольку всегда существует возможность сравнить два числа и выбрать наибольший по значимости норматив или констатировать их равнозначимость. Следовательно, если предположить существование универсальных числовых весовых коэффициентов нормативов, определяющих общую финансовую устойчивость кредитных организаций (что делается в большинстве известных рейтинговых методиках), то проблема принятия гипотезы 2 отпадает сама собой. Однако вызывает сомнения сам факт существования универсальных (единых) весов, то есть естественнее считать, что для различных категорий банков значимости нормативов различаются и зависят от специфики деятельности кредитных организаций.
Методы построения рейтинга долгосрочной надежности банка
Трактовка понятия «хуже», вообще говоря, заключается в меньшей степени долгосрочной надежности. Однако сформулированные принципы представляются настолько естественными, что даже не расшифровывая понятия «хуже», не возникает вопросов об их корректности. Иными словами, результаты анализа бинарного отношения R можно расценивать как общие выводы о качестве выполнения обязательных нормативов кредитными организациями. Так, как уже было показано, реально проведенные расчеты позволяют разбить банковское сообщество на основе отношения R на 18 групп в зависимости от степени соблюдения ими нормативов, в зависимости от их долгосрочной надежности.
Вместе с тем, результаты анализа отношения R являются достаточно грубыми и требуют большей детализации выводов, более тонкой градации рейтинга долгосрочной надежности. Для построения более тонкого рейтинга необходимо использовать более обширные экономические предположения о принципах сравнения стратегических надежностей банков. Речь идет о соотношениях значимостей обязательных нормативов по принципы «больше-меньше», то есть о структуре доминирования нормативов по значимости. Такая информация была получена по результатам проведенного экспертного опроса. Высокая степень согласованности мнений экспертов, а также ясная экономическая интерпретация результатов позволяют считать полученную структуру доминирования нормативов вполне надежной (достоверной). В основе построения детального рейтинга долгосрочной надежности лежит анализ бинарного отношения i ,, где Кпорог + здесь символ «Л» означает взятие транзитивного замыкания, а « » - переход к строгому бинарному отношению. Получение отношения R0l отличается от построения отношения R заменой принципа 2) на более сильный принцип 2 ) если два банка одновременно или выполняют или не выполняют нормативы, при этом первый банк ведет более рискованную хозяйственную деятельность, чем второй, то долгосрочная надежность первого банка меньше долгосрочной надежности второго.
При этом понятие «более рискованная деятельность» кодируется в терминах соотношений значимостей обязательных нормативов.
Общее представление о степени детализации рейтинга долгосрочной надежности, построенного на основе бинарного отношения R0[ позволяет получить график 10.
На графике представлена кривая пороговых относительных рангов банков, упорядоченных по «убыванию» их стратегических надежностей. Напомним, что, чем выше пороговый относительный ранг, тем «ниже» долгосрочная надежность банка. Пороговые относительные ранги лежат в диапазоне от 0 до 100, при этом, если их значения меньше 50, то это соответствует соблюдению обязательных нормативов; если их значения больше 50, то это соответствует несоблюдению нормативов.
Видно, что кривая пороговых относительных рангов визуально представляется практически непрерывной линией, что означает высочайшую степень детализации выводов (подробный рейтинг долгосрочной надежности банков на основе отношения R0] можно найти в приложении). Так, число различных градаций рейтинга на 01.01.2000г. составило 348, что, по сути, означает близость рейтинга к простой ранжировке банков. Вместе с тем предположения, лежащие в основе построения отношения долгосрочной надежности i?01 могут показаться в некоторых случаях необоснованными. Речь идет о возможной фальсификации коммерческими банками отчетности или некоторой неадекватности формул расчета обязательных нормативов, представленных в инструкции №1, при определении степени защищенности банка от соответствующих финансовых рисков. Подчеркнем при этом, что такие «погрешности» не учитываются в инструкции №1, предполагающей достоверность полученной информации от кредитных организаций, а также абсолютную обоснованность предлагаемых формул вычисления нормативов, что, впрочем, не препятствует ЦБ постоянно вносить в них изменения. Иными словами, если следовать «общему духу» инструкции №1, то при построении рейтинга долгосрочной надежности можно ограничиться рассмотрением бинарного отношения RQ1.
Если все же допустить возможность присутствия «погрешностей» в статистических массивах, то при построении рейтинга долгосрочной надежности следует перейти от отношения Rm к отношению Лщ , где
Отношение R отличается от отношения R01 лишь включением в определяющую формулу бинарного отношения согласия Rma, что эквивалентно замене принципа 2 ) принципом 2") если два банка одновременно или выполняют или не выполняют нормативы, при этом первый банк ведет более рискованную хозяйственную деятельность, чем второй, и нет существенных оснований считать второй банк «хуже» первого, то долгосрочная надежность первого банка меньше долгосрочной надежности второго.
Результаты рейтингования банков на основе отношения Rm наглядно представлены графиком 5. В приложении 5 представлена бинарная матрица отношения долгосрочной надежности для 50 банков, получивших наивысшие оценки. Видно, что такой рейтинг долгосрочной надежности хотя и является менее детальным, чем рейтинг основанный на отношении Л,,,, но все же предполагает широкую совокупность возможных градаций. Так, на 01.01.2000г. рейтинг состоял из 92 различных градаций.
Похожие диссертации на Математические методы оценки надежности коммерческого банка
