Введение к работе
Актуальность темы диссертационного исследования. В основе любой экономической деятельности лежит понятие риска. Однако во времена плановой экономики, когда отсутствовала конкуренция, многие экономические риски находились вне сферы интересов отечественных исследователей. Главными видами риска для предприятий были невыполнение плана и различные политические риски. Соответственно главная цель заключалась в выполнении плана любой ценой. Потери даже значительной суммы денег в результате принятия какого-либо решения не рассматривались в качестве серьезного риска, что порождало возникновение крайне неэффективных проектов.
С развитием рыночных отношений спектр возможных рисков значительно изменился и расширился. Необходимость учета рисков при принятии решений и важность процесса управления рисками осознается сегодня всеми участниками хозяйственной деятельности. В банковской сфере, где риск является объективным фактором, и существует тесная и очевидная взаимосвязь уровней риска и получаемой выгоды, потребность в этом ощущается наиболее остро.
Особенностью современного этапа развития отечественной банковской системы является, с одной стороны, значительное расширение спектра предоставляемых услуг, внедрение новых банковских технологий и соответственно увеличение разнообразия возможных видов рисков; с другой стороны, по мере насыщения рынка банковских услуг наблюдается обострение конкуренции, которая еще более усиливается в связи со стремлением отечественных банков к интеграции в международную финансовую систему. Рост конкуренции также приводит к росту общего уровня рисков, при этом банки, уклоняющиеся от риска, как и банки, излишне рискующие, неизбежно проигрывают конкурентам. Таким образом,
проблема совершенствования системы управления рисками в современной банковской деятельности является актуальной.
Важнейшими рисками в банковской деятельности являются кредитный, операционный, правовой, валютный, фондовый, процентный, страповой и стратегический. Значимость различных видов риска для конкретного банка зависит от профиля и масштаба деятельности банка, его клиентской базы и других факторов. Однако для большинства банков сегодня наиболее значимыми являются кредитный и валютный риски. Это связано с резким ростом в стране рынка кредитования (за последние годы наблюдается ежегодное удвоение рынка кредитования), развитием программ потребительского кредитования, автокредитования, кредитования малого и среднего бизнеса, ипотечного кредитования и т.д. Кроме этого, развитие фондового и валютного рынка привело к тому, что значителыгую долю средств банки стали вкладывать в данные виды рынков. Эти сферы деятельности банков являются сегодня самыми прибыльными и одновременно самыми рискованными. Необходимость постоянного совершенствования процессов управления данными видами рисков подтверждается известным кризисом 2007 г. программы ипотечного кредитования в США.
Степень разработанности проблемы. Проблема оценки рисков в экономике имеет Богатую историю и прочный теоретический фундамент, заложенный в работах многих зарубежных исследователей (Т. Бочкаи, Г. Марковий, О. Моргенштерн, Ф. Найт, Дж. Нейман, П. Самуэльсон, Т. Стюарт, А. Фридмен, К. Эрроу и другие). В России первые научные работы, посвященные данной проблеме, стали появляться в конце 70-х гг. XX века (Н. Я. Петраков, В. И. Ротарь и другие). За последние годы наблюдается бум научных исследований, посвященных анализу рисков. Значительный вклад в исследование данной проблемы сделали такие российские ученые как: Л. Г. Батраков, М. К. Беляев, А. В. Беляков, А. В. Буздалин, М. А. Бухтин, Л. И. Воробьёв, В. Н. Жоваников,
В. В. Иванов, С. М. Ильясов, А. А. Козлов, К. С. Косован, О. И. Лаврушин, Б. А. Лагоши, Ю. С. Масленченков, А. О. Недосекин, Е. Г. Потоцкая, 10. Ю. Русанов, А. А. Строев, А. В. Субботин, Е. Б. Супрунович, И. Т. Фаррахов и многие др.
Несмотря на большое количество работ, на имеющиеся фундаментальные теоретические результаты и успешное применение их на практике, проблему анализа рисков нельзя считать решенной, так как динамика развития экономики постоянно порождает новые факторы и новые тенденции, влияющие на уровень неопределенности и риска при принятии решений. Примерами этого могут служить мировые рыночные кризисы 1997-1998 и 2000-2001 гг., упомяігутьш выше ипотечный кризис в США 2007 г., многочисленные кризисы конкретных компаний.
Современный этап развития российской банковской системы характеризуется значительным обострением конкуренции на кредитном рынке, что приводит к его смещению в регионы. Все большую долю (от 30 до 70%) в общем объеме кредитов начинают занимать нецелевые, беззалоговые кредиты относительно небольшого размера. С развитием филиальной сети крупных банков оказалось, что инструменты управления рисками, разработанные в головном банке, не годятся для применения в удаленных филиалах, разбросанных по всей стране, и требуют адаптации к местным условиям. Используемые сегодня системы управления рисками не всегда адекватно и своевременно реагируют на изменение входных данных, так как они построены на статистической модели, полученной путем обработки исторических данных по многим банкам и филиалам, а применяются к конкретному филиалу или отделению. Индивидуальные отличия и особенности в этих системах не могут быть учтены в достаточной степени. Головной банк не может посылать в каждый филиал дорогостоящую команду специалистов для настройки и адаптации системы управления кредитными рисками под местные условия из-за требования экономической
эффективности. Таким образом, в этой ситуации важным оказывается вопрос стоимости принимаемого решения по кредиту.
Все это требует разработки экономико-математических моделей и алгоритмов, способных гибко настраиваться на конкретные условия работы коммерческого банка, быстро реагировать на изменяющиеся внешние условия. Инструментальные средства, предлагаемые на основе этих моделей, должны быть недорогими и простыми в использовании. Требуются методики быстрого выявления скрытых факторов, влияющих на уровни кредитных рисков, а также эффективные методы оценки значимости различных факторов в общем уровне риска.
Цель и задачи исследования. Целью настоящей работы является разработка и исследование экономико-математических моделей и программных средств для анализа кредитного и валютного риска коммерческого банка, позволяющих гибко настраиваться на внешние условия и учитывать изменение значимых факторов, влияющих на величину кредитного и валютного рисков.
Для достижения поставленной цели в работе решались следующие задачи, определившие логику диссертационного исследования и его структуру:
выявление специфики рисков современного многофилиального банка;
анализ математических методов, применяемых для количественной оценки банковских и валютных рисков, и выбор методов, адекватных поставленной цели;
анализ практических методик, алгоритмов и инструментальных средств для выявления, оценки и управления кредитными и валютными рисками;
разработка методики прогнозирования поведения временного ценового ряда с помощью искусственных нейронных сетей, построение имитационной модели для проверки разработанной методики;
построение модели скоринговой системы, основанной на нейросетевых технологиях;
выявление факторов, оказывающих воздействие на уровень кредитного риска, и разработка гибкой методики их учета;
построение модели для оценки кредитного риска на основе технологии нейронных сетей;
разработка средств автоматизации процесса оценки кредитных рисков;
разработка методики оценки экономической эффекгивности используемой скоринговой системы, построение сценарных моделей для выбора наиболее целесообразной стратегии использования скоринговой системы.
Объектом исследования являются процессы управления банковскими рисками, требующие количественной оценки уровня рисков.
Предметом исследования являются модели и соответствующие программные средства, а также результаты их применения для оценки кредитных и валютных рисков многофилиальных коммерческих банков.
Диссертационная работа выполнена в рамках паспорта научных специальностей ВАК 08.00.13 - Математические и инструментальные методы экономики, п. 2.2. - Конструирование имитационных моделей как основы экспериментальных машинных комплексов и разработка моделей экспериментальной экономики для анализа деятельности сложных социально-экономических систем и определения эффективных направлений развития социально-экономической и финансовой сфер.
Методы исследования. Теоретико-методологической основой диссертации явились труды ведущих отечественных и зарубежных исследователей, работающих в области анализа и управления банковскими рисками.
Информационно-аналитической основой проведенных исследований стали постановления Правительства РФ, касающиеся организации работы банковского сектора экономики, нормативные, методические и статистические материалы Центрального банка РФ, российских и международных кредитных организаций, данные, содержащиеся в ведущих
периодических и электронных изданиях, а также полученные самим автором результаты изучения работы ряда саратовских банков.
В качестве методов решения поставленных задач использованы методы математической статистики и теории вероятностей, методы экспертных оценок, технологии искусственных нейронных сетей.
Инструментальными средствами разработки программных модулей явились современные объектно-ориентированные средства быстрой разработки программ.
Основные положения диссертации, выносимые па защиту:
Для эффективного управления банковскими рисками необходимо применение нескольких различных методов оценки банковских рисков на разных уровнях управления. На уровне оперативного управления кредитным риском (уровень микрориск-менеджмента) целесообразным является следующее сочетание методов оценки кредитного риска: на первом этапе анализа кредитной заявки необходимо применять метод деревьев решений, на следующем этапе анализа кредитной заявки эффективным является применение технологий нейронных сетей.
Для обеспечения эффективности работы кредитного отдела многофилиального банка в изменяющихся внешних условиях необходимо усовершенствовать традиционный алгоритм его работы. С этой целью в алгоритм необходимо ввести постоянную обратную связь между аналитическим отделом и адаптируемыми скоринговыми системами. Сигнал обратной связи формируется аналитическим отделом как результат обработки данных, поступающих из отдела сопровождения кредитных заявок и коллекторской службы банка. Введение обратной связи в указанный алгоритм позволяет вовремя выявлять скрытые факторы дефолта и оперативно подстраивать свойства скоринговой системы под изменяющиеся внешние условия. Для обеспечения региональной дифференциации применения скоринговой системы необходимы быстрая настройка нейронной сети под условия конкретного филиала и возможность
централизованного ведения базы данных обученных нейронных сетей, адаптированных к местным условиям.
Усредненный прогноз комитета нейронных сетей со случайными начальными распределениями синаптических весов, обученных на множестве, сформированном на основе данных ценовой динамики в заданном временном интервале, при использовании в качестве обучающего правила показателя максимальной прибыли позволяет сформировать результативный рыночный индикатор.
Эффективность кредитной политики многофилиальных коммерческих банков зависит от настроек систем поддержки принятия кредитных решений и общего количества поступающих кредитных заявок. С ростом числа обрабатываемых кредитных заявок целесообразным для банков является переход от либеральной к более консервативной кредитной политике.
Научную новизну содержат следующие результаты исследования: 1.В составе модели кредитного процесса предложен улучшенный алгоритм работы кредитного отдела многофилиального банка. Новизна предложенного алгоритма состоит в том, что он дополнен динамическими обратными связями, позволяющими настраивать скоринговые системы, используемые в кредитном процессе, в соответствии с изменением внешних условий.
Выявлены дополнительные требования к современным системам кредитного скоринга, применяемым в многофилиальных банках, которые состоят в возможности ведения централизованной базы данных, содержащей сведения о настройках неиросетевых модулей, а также в наличии постоянной обратной связи, позволяющей непрерывно дообучать нейронные сети на обновляемых обучающих множествах, формируемых экспертами аналитического отдела.
Предложена модель для оперативного управления валютным риском, основанная на использовании введенного автором рыночного индикатора, значение которого определяется с помощью комитета обученных нейронных
сетей. Нейронные сети, входящие в состав модели, отличаются тем, что в качестве обучающего правила в алгоритме их обучения применяется показатель максимальной прибыли (MAXIMUM PROFIT PATTERN), рассчитываемый по данным ценовой динамики в заданном временном интервале. Использование комитета нейронных сетей позволяет не только повысить точность и достоверность прогнозов, но и оценить дисперсию прогнозируемой величины по величине дисперсии прогнозов нейронных сетей в составе комитета. Имитационная модель, построенная в работе для проверки предложенного индикатора, показала его эффективность при использовании на международном валютном рынке FOREX.
Построена многофакторная нейросетевая модель кредитного скоринга, позволяющая улучшить качество прогноза кредитоспособности заемщика за счет своевременного выявления в процессе подготовки обучающего множества скрытых факторов риска и учета нелинейной взаимосвязи факторов риска.
Разработано программное средство для реализации модели кредитного скоринга, которое представляет собой приложение, включающее два следующих модуля: настройщик и рабочее место кредитного оператора. Отличие программного средства от известных инструментальных средств заключается в простоте конструирования и обучения нейронных сетей, возможности хранения большого количества обучающих массивов данных и соответствующих им обученных нейронных сетей.
Построена имитационная модель для оценки экономической эффективности внедрения скоринговых систем, основанная на оценке средней доходности по кредитному портфелю, предложена методика оценки удельных затрат, приходящихся на одну кредитную заявку, и общей рентабельности кредитного процесса.
На основе построенной модели выявлен характер зависимости величины средней доходности по кредитному портфелю от таких факторов, как общее количество принятых кредитных заявок, пороговый уровень
отсечения скоринговой системы, уровни одобрения и уровень дефолта. Проведено сценарное моделирование работы скоринговой системы для четырех типичных сценариев развития кредитного процесса, определяемых политикой банка: оптимистичного, пессимистичного, либерального и консервативного. Показано, что с ростом общего числа обрабатываемых банком кредитных заявок экономически целесообразным оказывается переход от либерального к консервативному сценарию.
Теоретическая и практическая значимость результатов исследования. Теоретическая значимость полученных в работе результатов состоит в создании методики оценки валютных и кредитных рисков многофилиальных банков на основе технологий искусственных нейронных сетей.
Практическая значимость полученных результатов исследования состоит в возможности использования предложенных методик и разработанных программных средств для повышения эффективности банковских систем управления рисками. Практическая значимость выполненных исследований подтверждается использованием разработанных моделей и инструментальных средств в ряде крупных банков г. Саратова.
Апробация результатов исследования. Основные положения и результаты диссертационной работы докладывались на Международной научно-практической конференции, посвященной 75-летию образования Саратовского государственного социально-экономического университета (СГСЭУ, 2006), на других научных конференциях, проведенных СГСЭУ (2005-2008 гг.).
Всего опубликовано 8 печатных работ общим объемом 2,7 п.л., в том числе одна статья в журнале, рекомендованном ВАК РФ.
Содержащиеся в работе материалы используются в учебном процессе специальности «Прикладная информатика (в экономике)» при изучении дисциплин «Имитационное моделирование экономических процессов»,
«Информационные системы в экономике», «Нейросетевой анализ экономической информации» и другие.
Разработанные модели и программные средства могут быть использованы для оценки рисков в многофилиальных коммерческих банках.
Структура и объем работы. Работа состоит из введения, трех глав, заключения, списка литературы (103 наименования) и четырех приложений.
