Роль диверсификации кредитного портфеля в минимизации риска. Формирование кредитного портфеля банка на основе отраслевой диверсификации (Formation of the bank credit portfolio on the basis of industrial diversification)

означает распределение, рассеивание кредитного риска по нескольким направлениям. Банки должны ограничивать кредитование одного или нескольких крупных заемщиков либо предоставление крупного кредита группе взаимосвязанных заемщиков.

Соблюдение нормативов кредитных рисков, содержащихся в Инструкции № 1 ЦБ РФ, очень важно для снижения кредитного риск. Согласно этой инструкции, крупным считается кредит, превышающий 5% размера капитала банка. Максимальный размер кредита (включая учетно-вексельный), предоставляемый одному заемщику или группе взаимосвязанных заемщиков определен в нормативе: Н6 (не более 25% размера капитала банка), общая величина крупных кредитов не должна превышать капитал банка более чем в 10 раз (согласно нормативу Н7). Нормативы Н9 и Н10 определяют соответственно максимальный размер кредита банка своему акционе­ру (пайщику) и своим инсайдерам.

Правило диверсификации ссудного портфеля заключается в следующем: выдавать ссуды различным пред­приятиям из различных отраслей экономики меньшими суммами на более короткий срок и большему числу заемщиков. Как дополнительное условие снижения риска должна применяться диверсификация обеспечения возврата кредитов на основе сочетания раз­личных способов обеспечения возврата ссуд - залога, гарантий, поручительств, страхо­вания.

Соблюдение этих правил позволяет компенсировать возможные потери по одним кредитным сделкам выгодами от других.

Процентная политика является важной частью учетно-ссудной политики в целом. Проценты, полученные от предоставления кредитов, составляют важнейшую часть доходов банка. Уровень процентных ставок по кредитам зависит от ряда факторов, общих и частных:

Уровень инфляции в стране (для рублевых кредитов);

Ставка рефинансирования Центрального банка, играющая роль официальной «цены денег» на кредитном рынке;

Средняя процентная ставка по межбанковскому кредиту;

Ставка LIBOR (для кредитов в валюте);

Средняя процентная ставка банка по депозитам;

Структура кредитных ресурсов банка: чем выше доля «дорогих» ресурсов в пассивах банка, тем дороже выдаваемый кредит;

Спрос на кредит, который связан с настроениями инвесторов осуществлять вложения в реальный сектор экономики, с уровнем доходности других способов инвести­ций (например, вложений в валюту, ценные бумаги);

Назначение и условия ссуды, степень риска.

Следовательно, назначая плату за кредит, банк учитывает ситуацию на рынке кредитных ресурсов и индивидуальные обстоятельства кредитной сделки, риск, срок креди­тования, способ предоставления ссуды, обеспеченность возврата. Например, старым клиентам с хорошей кредитной историей банк может предоставлять льготные ссуды по ставке ниже ставки рефинансирования или ниже средневзвешенной ставки по кредитам в данном банке.

Выбор методов оценки кредитоспособности и платежеспособности потенциальных заемщиков также определяется самим банком.

При кредитовании банки осуществляют дифферен­цированный подход к заемщикам, учитывая их кредитоспособность - способность вовремя расплатиться по ссудным обязательствам перед банком. Кредитоспособность заемщика анализируется банком для решения вопроса об условиях кредитования. Ана­лиз проводится на основе данных кредитной истории заемщика, которые банк может получить из межбанковской информационной системы или использовать свои собствен­ные наблюдения, если заемщик уже пользовался кредитами данного банка.

В любом случае банк проверяет кредитоспособность фирмы или банка-заемщика по данным их бухгалтерской отчетности на несколько отчетных дат, существуют также методы опре­деления кредитоспособности граждан на основе сведений об их доходах.

При выдаче учетно-вексельных кредитов банк проверяет качество векселя, его соответствие требованиям Положения о переводном и простом векселе, наличие всех обязательных реквизитов, непрерывность цепочки индоссаментов и т.п. Проверяется также финансовое положение (платежеспособность) предъявителя векселя и должника по нему (в зависимости от формы учетного кредита).

Выбор форм обеспечения возвратности кредита - дело самого банка. Надежные клиенты, имеющие продолжительные отношения с банком, могут получить банковский кредит - кредит без обеспечения, единственной гарантией возврата которого является кредитный договор и честные намерения заемщика.

Банк разрабатывает и утверждает соответствующие внутренние документы, определяющие:

Его политику по размещению (предоставлению) средств, а также учетную политику и подходы к ее реализации;

Процедуры принятия решений по размещению банком денежных средств;

Распределение функций и полномочий между внутренними подразделениями и должностными лицами банка, включая внутренние правила размещения средств, в т.ч. правила кредитования клиентов банка.

При положительном решении о предоставлении кредита составляется и подписывается кредитный договор, в котором отражаются условия предоставления и погашения кредита, сумма ссуды, порядок ее погашения, величина ссудного процента, сроки погашения кредита и выплаты процентов, права банка в области контроля выполнения кредитного договора. В качестве приложений к кредитному договору оформляются обязательства по залогу, гарантийные письма, поручительства, договоры страхования. В ходе исполнения кредитного договора могут возникнуть непредвиденные проблемы, для решения которых необходимо изменить его условия. Изменения условий кредитования и переоформление ссуд может происходить как по инициативе заемщика, так и по инициативе банка.

Переоформление ссуды свидетельствует, прежде всего, о понижении ее качества и о повышении банковского риска.

Одно из условий, которое следует предусматривать при заключении кредитного договора,- это право банка расторгнуть кредитный договор досрочно в случае нарушения клиентом-заемщиком предусмотренных договором обязательств. Как правило, банк требует досрочного погашения ссуды или взыскивает ее в бесспорном порядке в случаях:

Несвоевременного представления в банк балансов и других форм отчетности или при полном отказе от их представления;

Выявления факта реализации заложенного имущества без согласия банка;

Диверсификация кредитного портфеля как один из методов минимизации кредитного риска

Диверсификация ссудного портфеля банка осуществляется на основании использования основного из способов минимизации кредитного риска (рисунок 1) путём размещения кредитов по разным категориям ссудозаёмщиков, срокам выдачи, формам обеспечения, используемым кредитным инструментам, степеням риска, географической принадлежности, сферам деятельности, а также другим признакам на основе установленных внутрибанковских лимитов.

Рисунок 1. Способы защиты от кредитных рисков. Автор24 - интернет-биржа студенческих работ

Определение 1

Диверсификация кредитного портфеля – это выдача ссуд широкому кругу клиентов с охватом различных отраслей и клиентов (юридических и физических лиц резидентов и нерезидентов), с различным размером, сроками, процентами, обеспечением по кредитам в соответствии с проводимой кредитной политикой.

Система риск – менеджмента в кредитных организациях должна строиться с учётом диверсификации ссудного портфеля, которая включает: непрерывный процесс идентификации; анализ и оценку; оптимизация, мониторинг и контроль рисков; последующая оценка адекватности применяемой методики управления рисками.

Диверсификация ссудного портфеля кредитной организации должна осуществляться на стадии принятия решений о выдаче кредита банками с использованием определённых методов.

Методы диверсификации кредитного портфеля и их характеристика

При минимизации рисков путём диверсификации используются следующие основные методы, которые применяются при обеспечении достаточной диверсификации кредитного портфеля:

1. рационирование ссуды, предполагающее: установление различных лимитов по отдельным или группам кредитозаёмщикам, связанных с их кредитоспособностью, со сроками, размерами, видами процентных ставок и др. условиями выдачи кредитов;
2. прямое утверждение лимитов для всех ссудозаёмщиков кокретной группы (так, для граждан по потребительским кредитам) в абсолютном размере или по совокупным удельным весам в кредитном портфеле банков;
3. приём залогов или поручительств по ссудам, которые позволяют возместить кредитные потери за счёт имеющегося обеспечения кредита. Однако, это относится к кредитам, которые имеют различные формы обеспечения в размере ссуды и процентов по ней. В ссудном портфеле помимо таких кредитов имеются недостаточно обеспеченные, либо вообще без обеспечения. Если преобладают последние две группы, то увеличивает возможность потерь. В свою очередь, обеспеченные ссуды должны различаться по видам обеспечения, его качеству, возможности реализации;
4. использование набора разных видов процентных ставок и способов начисления и выплаты процентов по кредитам. Процентные ставки за использование ссуды – самый действенный инструмент по минимизации кредитных рисков, а также влияет на реальное стимулирование повышения эффективности вложений банка в кредитный портфель. Если не не соблюдаются сроки выплат основного долга и процентов банк может защитить себя от кредитных рисков при помощи взимания утверждённых договором повышенных процентов. У минимизации кредитного риска имеется и технический аспект, например, использование различных методов начисление процентов по ссудам (годовая процентная ставка, простые проценты, дисконтирование, аннуитентный платёж);
5. диверсификация ссудного портфеля по срокам. Разная срочность с учётом различных процентных ставок по кредитам позволяет иметь различные уровень и размеры колебаний косвенно принимаемых на себя деловых рисков ссудозаёмщика.

Все выше перечисленные методы можно отразить схематично (рисунок 2)

Рисунок 2. Методы диверсификации кредитного портфеля банка. Автор24 - интернет-биржа студенческих работ

Классификация диверсификации кредитного портфеля по типам и их характеристика

Портфель ссуд по признаку диверсифицированности можно классифицировать следующим образом:

1. диверсифицированный кредитный портфель - это все кредиты, которые отвечают требованиям диверсификации по всем видам кредитных вложений (объектам размещения, срокам, валютам, доходности и т. д.);
2. концентрированный кредитный портфель - это портфель, в котором достаточно высокий удельный вес занимают кредитные вложения определенного вида или одной категории заемщиков.

В данном случае портфель формируется из следующих принципов:

• доходность – достижение наибольшей рыночной стоимости портфеля в каждый момент времени;
• срочность – разбивка ссудной задолженности в портфеле по срокам получения дохода;
• возвратность – ссуды должны быть оценены, иметь источники первичного погашения (выручку юридических лиц, доходы физических лиц и др.), а также вторичные источники в виде обеспечения;
• соблюдение минимального размера просроченной ссудной задолженности и доведения её до нулевого значения в портфеле.

На практике обычно применяется несколько типов диверсификации кредитного портфеля: клиентам и сферам экономики; географической принадлежности; срокам погашения, размерам ссуд, валютам и др.

Замечание 1

В соответствии с принятой кредитной политики банк строит кредитный портфель с учётом имеющейся клиентской базы, в большей степени величина портфеля складывается из ссуд корпоративных клиентов.

Диверсификация кредитного портфеля корпоративных клиентов приведена на рисунке 3.

Рисунок 3. Диверсификация кредитного портфеля юридических лиц. Автор24 - интернет-биржа студенческих работ

Свои особенности применяют при диверсификации кредитного портфеля и розничные банки.

Географическая ориентация диверсификации ориентируется на привлечение клиентов из различных регионов страны или государств.

Замечание 2

Квадрат устойчивости кредитного портфеля при его диверсификации: срочность, оптимальный размер ссуды; ликвидность залога, отсутствие или наличие негативной информации.

Диверсификация по срокам: краткосрочные ссуды предоставлены сроком до года; от года до трёх лет – среднесрочные кредиты, размещённые на срок свыше трёх лет – долгосрочные. С точки зрения кредитных рисков большая степень возникает у долгосрочных ссуд.

Диверсификация по срокам погашения кредита предусматривает предоставление ссуд на различные сроки. В данном случае поступление процентов по кредиту и погашение ссудной задолженности будет происходить по различным срокам, что будет давать кредитным организациям иметь определенный финансовый манёвр и исключат случаи невыполнения банком своих обязательств.

Диверсификация по величине кредита предусматривает отсутствие либо наличие крупных кредитных рисков и их концентрацию.

Диверсификация кредитного портфеля по видам валют, что наиболее оптимальной является структура ссудного портфеля в разрезе валют, при условии, что в рублевом эквиваленте сформировано не менее 60% кредитного портфеля.

Диверсификация кредитов

Диверсификация кредитов

Диверсификация кредитов - распределение вкладываемых или кредитуемых в экономику денежных капиталов между разными объектами с целью снижения риска потерь и в надежде получить более высокий доход.

Финансовый словарь Финам .

Смотреть что такое "Диверсификация кредитов" в других словарях:

диверсификация кредитов - распределение вкладываемых в экономику или кредитуемых денежных капиталов между разнообразными объектами с целью снижения риска потерь и в надежде получить более высокий доход …

- (diversification) Распространение сферы деятельности фирмы на производство различных видов продукции или на различные рынки. Практически все фирмы в той или иной степени диверсифицированы: фирмы, производящие только один продукт, являются… … Экономический словарь

ДИВЕРСИФИКАЦИЯ - (от лат. diversus разный и facere делать) 1) распределение инвестируемых или ссужаемых денежных капиталов между различными объектами вложений с целью снижения риска возможных потерь капитала или доходов от него. Такую Д. называют Д. кредитов. В… … Юридическая энциклопедия

- (новолат. diversificatio изменение, разнообразие; от лат. diversus разный и facere делать) расширение ассортимента выпускаемой продукции и переориентация рынков сбыта, освоение новых видов производств с целью… … Википедия

И; ж. [лат. diversification] Спец. 1. Разнообразие, разносторонность. Д. ассортимента выпускаемых изделий. 2. Вложение средств одним инвеститором в разные отрасли экономики с целью снижения риска банкротства. * * * диверсификация (от ср. век. лат … Энциклопедический словарь

- (от лаг. diversus разный и facere делать) 1) распределение инвестируемых или ссужаемых денежных капиталов между различными объектами вложений с целью снижения риска возможных потерь капитала или доходов от него. Такую Д. называют Д. кредитов. В… … Энциклопедический словарь экономики и права

диверсификация - (от лат. diversus разный и facere делать) 1) расширение ассортимента, изменение вида продукции, производимой предприятием, фирмой, освоение новых видов производств с целью повышения эффективности производства, получения экономической выгоды,… … Словарь экономических терминов

Национальные банковские системы состоят из различных типов банков, включая коммерческие, сберегательные, ипотечные, кооперативные, инвестиционные, центральные банки и банки развития. С течением времени банки постепенно эволюционировали, стремясь… … Энциклопедия Кольера

НАЦИОНАЛЬНЫЕ БАНКОВСКИЕ СИСТЕМЫ - совокупность различных типов банков, включая коммерческие, сберегательные, ипотечные, кооперативные, инвестиционные, центральные банки и банки развития. С течением времени банки постепенно эволюционировали, стремясь удовлетворять потребности… … Юридическая энциклопедия

Золотовалютные резервы - (International reserves) Золотовалютные резервы это запасы золота и валюты в центральном банке государства Что представляют собой золотовалютные резервы, каким образом они формируются, структура, порядок накопления и расходования золотовалютных… … Энциклопедия инвестора

Похилый Евгений Юрьевич
Начальник экономико-планового отдела
ООО «Центр новых технологий»
ученая степень – кандидат экономических наук
адрес электронной почты – [email protected]

Дата публикации: 26.03.2018 г.

Аннотация. На текущий момент формирование структуры активов является основополагающей задачей инвесторов и банков. В статье рассмотрены основные предпосылки и критерии диверсификации портфеля исходя из аналитических данных различных отраслей промышленности. Выполнен анализ необходимости мониторинга и коррекции состава активов в зависимости от отраслевых рисков, экономических показателей и их динамики. Рассмотрены предпосылки анализа ретроспективных данных, модели и методики прогнозирования стоимостных показателей активов
Ключевые слова: актив, отраслевая диверсификация, анализ данных, модели и методы прогнозирования стоимостных показателей актива.

Abstract. At this moment the formation of the structure of assets is fundamental task for investors and banks. The article considers the main prerequisites and criteria for diversifying of the portfolio on the base of analytical data of different industries. There is performed the analysis of necessity for monitoring and correction of the structure of assets depending on industry risks, economic indicators and their dynamics. There are considered the prerequisites of the retrospective data analysis, models and methods for predicting the value of assets.
Keywords: asset, industry diversification, data analysis, models and methods for predicting of the assets value.

ФОРМИРОВАНИЕ КРЕДИТНОГО ПОРТФЕЛЯ БАНКА НА ОСНОВЕ ОТРАСЛЕВОЙ ДИВЕРСИФИКАЦИИ
FORMATION OF THE BANK CREDIT PORTFOLIO ON THE BASIS OF INDUSTRIAL DIVERSIFICATION

В современных условиях инвестиционной деятельности формирование портфеля активов является первостепенной задачей, решаемой аналитическими подразделениями инвесторов и кредитных организаций. Успешность решения данной задачи полностью определяет не только благополучие отдельного инвестора, его акционеров и менеджмент, но может оказать существенное влияние на основной сектор инвестирования и данную отрасль промышленности. В связи с чем, принятие инвестиционных решений требует значительных трудозатрат на аналитику подготовку сделок, особенно при размещение значительных сумм. Частично данную задачу может решить инвестирование в финансовые инструменты, состоящие из определенного набора активов, отвечающих требованиям инвестора к диверсификации, доходности и риску. К данным инструментам возможно отнести ценные бумаги выпущенные банками, портфель активов которых также распределен между определенными сегментами/отраслями, различные ценные бумаги выпускаемые фондами и инвестиционными компаниями, а также в те инструменты, доходность по которым привязана к индексам. При инвестировании в ценные бумаги крупных эмитентов, в т.ч. иностранных банков, в наличие различные риски, неконтролируемые инвесторов – так при приобретении облигаций, представляющих собой аллокирование кредитных требований к заемщикам банка (CLN и инструменты-аналоги), в наличие риск, что при дефолте долг будет конвертирован в капитал первоначального заемщика, что практически минимизирует возможности возврата.

Особенное внимание требуется уделить мониторингу активов банков, т.к. деятельность банковской сферы является основой для формирования денежно-кредитной политики в большинстве стран. Также в связи с тем, что банки, негосударственные пенсионные фонды (далее – «НПФ») преимущественно фондируются средствами физических лиц. Значительное кол-во отзывов лицензий на осуществление банковской деятельности обусловлены высокорискованной кредитной политикой и финансированием проектов с повышенным уровнем риска. Таким образом, на текущий момент целесообразна разработка комплекса мер для мониторинга и своевременной коррекции состава и качества активов банков.

Согласно Федеральному закону «О банках и банковской деятельности» от 02.12.1990 г. №395-1 , Федеральному закону «О Центральном банке Российской Федерации (Банке России)» от 10.07.2002 г. № 86-ФЗ основными задачами деятельности Центрального банка Российской Федерации (далее – «ЦБ РФ») являются защита и обеспечение устойчивости рубля, развитие и укрепление банковской системы РФ, обеспечение эффективного и бесперебойного функционирования платежной системы. Исходя из ретроспективы, реагирование осуществляется только на достаточно резкие изменения финансового положения кредитных организаций, что преимущественно приводит к значительной потери средств клиентов.

Проведенный в настоящей статье анализ выполнен на основе данных 2017 г. исходя из финансовых показателей банков, у которых была отозвана лицензия в течение данного года .

Таблица 1

Перечень отозванных лицензий кредитных организаций

Согласно данным из общедоступных источников основную часть нетто-активов банков составляет кредитный портфель, большею часть которого формируют требования к юридическим лицам. Таким образом, основным источником риска деятельности банков является кредитный портфель, в структуре активов банков - более 55% доля кредитов, в т.ч. 80% из них выдано юридическим лицам согласно табл.1 .

Рис.1. Динамика доходности основных отраслей согласно данным ММВБ

Согласно данным рис.1 и табл.1 возможно сделать вывод, что наибольшая часть кредитного портфеля банков, у которых ЦБ РФ отозвал лицензию в 2017 г., относятся к направлениям девелопмента (в т.ч. строительство и сделки с недвижимостью), торговли и в меньшей степени - промышленность.

Динамика стоимости активов данных секторов в 2017 г. и, соответственно, доходность вложения в них имели отрицательные показатели, что в целом подтверждает предпосылки отзыва лицензий. Кредитование направлений, которые находятся в низводящем тренде, подразумевает повышенный риск дефолта заемщика, т.к. рискам отдельного проекта или заемщика добавляются значительные отраслевые риски и связанная с ними непредсказуемость. Данные показатели подтверждают необходимость разработки новых моделей и методик для анализа кредитного риска и подходов к его минимизации - существующие не позволили своевременно учесть риски, приведшие к дефолту банков. Основанием для отзыва лицензий большинства банков, представленных в табл.1, является высоко рискованная кредитная политика. Наличие критериев и требований к составу портфеля может позволить снизить количество случаев форс-мажора, приводящих к отзыву лицензий банков и, соответственно, снизить выплаты.

Мониторинг качества кредитного портфеля является одной из основополагающих функций регулятора. Кредитный портфель и категорирование ссуд выполняется преимущественно исходя из Положения Банка России от 26.03.2004 №254-П «О порядке формирования кредитными организациями резервов на возможные потери по ссудам, по ссудной и приравненной к ней задолженности» . Данный документ предполагают анализ конкретных ссуд и не предусматривают рассмотрение показателей отрасли заемщиков. Возможность учета показателей отраслей и сфер деятельности укрупненно применяется частью банков в рамках использования рейтинговых моделей, соответствующих требованиям базельских соглашений. Но данные модели предусматривают использование данных о состоянии отрасли преимущественно при вводе качественных показателей, а не количественных. Использование данных моделей имеет фактор субъективности при оценке влияния качественных показателей на расчетные рейтинги заемщиков. Целесообразно внедрение и разработка моделей, которые позволят учесть динамику показателей различных отраслей заемщиков через количественные показатели.

Таким образом, на текущий момент необходима разработка моделей и методик формирования, мониторинга кредитных портфелей банков устанавливающих требования не только к качеству заемщиков, но и отраслевому составу кредитного портфеля на основе следующих направлений:

1. анализ ретроспективы экономических показателей отраслей, которые финансирует банк;
2. прогноз экономических показателей отраслей, исходя из которых банк планирует формировать кредитный портфель;
3. анализ качества заемщиков исходя из требований нормативных документов, регулирующих банковский сектор и базельских соглашений.

Требования к отраслевой диверсификации кредитного портфеля целесообразно варьировать в зависимости от суммы активов кредитных организаций. Так для небольших банков и микрофинансовых организаций возможно не устанавливать требования к составу портфелю, т.к. часть из них имеют моно отраслевое направление деятельности. Возможно внести ранжирование к требованиям диверсификации на основе размера активов банков .

Таблица 2

Ранжирование отзывов по величине активов и распределение банков на группы

Согласно табл.2 наибольшее количество отзывов лицензий характерно для банков с величиной активов до 5 млрд. руб, но более 88% суммы приходится на банки с активами от 10 млрд. руб. Исходя из чего для разработки первичных моделей и методик формирования состава активов целесообразно рассматривать для банков с величиной активов от 10 млрд. руб. и более.

Внедрение предлагаемых к разработке моделей и методик позволит контролировать финансирование проектов собственника кредитной организации, т.к. может стать дополнением к нормативу Н6 (согласно ст.64 - «Максимальный размер риска на одного заемщика или группу связанных заемщиков…» ФЗ от 10.07.2002 №86-ФЗ «О Центральном банке Российской Федерации (Банке России)») – в рамках предотвращения недобросовестных действий владельцам банков, связанных с финансированием собственных проектов, преимущественно относящихся к одной отрасли. Актуальность вышесказанного подтверждается тем, что деятельность части банков, преимущественно средних и маленьких исходя из суммы активов) обусловлена необходимостью фондирования их владельцами своих проектов – банк является инструментов привлечения финансирования. Также внедрение новых моделей и методик позволит увеличить прозрачность финансового сектора для упрощения привлечения фондирования, в т.ч. у иностранных инвесторов. Наличие позадачности в структуре активов и понимание наличия высокой степени сохранности средств является одним из главных требований при присвоении рейтинга специализированными агентствами.

Разработка новых моделей и методик, отвечающих заданным критериям также потребует:

• учесть особенности инвестирования в различные активы реального сектора по сравнению с финансовыми инструментами. Постоянное влияние внешних факторов, должно коррелировать с требованием к составу отраслей кредитного портфеля;
• выполнять постоянный анализ отраслевых рисков. С учетом высокой степени влияния санкций на ситуация в отраслях требуется ежеквартально выполнять мониторинг текущей ситуация, обновляя требования к составу портфеля банков. После публикации актуализированных рекомендаций – с данной даты целесообразно предоставление кредитов банками исходя из новых рекомендаций без изменений в уже существующих портфель;
• сохранить возможность предоставления банком мотивированного суждения для возможности частичного отклонения от критериев состава портфеля при ретроспективных индивидуальных особенностях деятельности части банков;
• предоставить рекомендации банкам в рамках работы с заемщиками по активному участию в работе с отраслевыми министерствами для привлечения различной поддержки своих заемщиков и улучшения качества своего кредитного портфеля на основе субсидий и пр. Указанное позволит повысить экономическую устойчивость и снизить риск. На текущий момент активно развиваются и успешно действуют программы субсидирования различных отраслей Министерством промышленности, сельского хозяйства, туризма и пр.

Основными предпосылки при составление портфеля будут являться показатели рынка: составление анализа доходности отраслей на основе крупнейших аналогов, представленных в листинге фондовых площадок - т.к. их изменение их экономических показателей в целом отражает ситуацию в отдельных отраслях.

Анализ ретроспективы экономических показателей отраслей и кредитного портфеля

Для первичного анализа кредитного портфеля и иллюстрации соответствующих данных возможно выполнить расчёт нескольких показателей, характеризующих отрасли основных направлений кредитования, а также совокупные средневзвешенные данные для банков, у которых в 2017 г. были отозваны лицензии. Ретроспектива стоимостных показателей отраслей приведена на рис.1 и характеризуется спадом для основных секторов кредитования банками – девелопмент, торговля.

Анализ кредитного портфеля выполняется исходя из перечня банков, приведённых в табл.1. Распределение портфеля в табл.3 соответствует средневзвешенным показателям для банков, у которых в 2017 г. была отозвана лицензия. Для прочих отраслей, доля которых не детализирована – показатели рассчитана исходя из индекса MICEX, характеризующего средние показатели всего рынка России. Для первичного укрупненного анализа целесообразно выполнить расчет базовых показателей для отдельных отраслей и совокупного портфеля :

Коэффициент Шарпа: используется для определения того, насколько доходность актива компенсируется риском актива.

SR i – коэффициент Шарпа (в ед.);
SD i – стандартное отклонение i-ого актива;
D i – дисперсия i-ого актива;
E(R i ) – ожидаемая доходность i-ого актива;
E(R f ) – ожидаемая доходность безрискового актива.

Анализ текущего и оптимального портфеля исходя из критериев Марковица (метод Хуанга и Литценбергера): оптимизация в рамках поиска эффективного портфеля в контексте соотношения «средняя доходность – дисперсия», где эффективные точки характеризуют максимальную ожидаемую доходность для заданного риска.

(2), где:

R p – доходность портфеля;
V – доля актива в портфеле.

(3), где:

P ij – коэффициент корреляции.

Метод Хуанг и Литценбергер предлагает найти две точки эффективного множества и затем получить из этих точек все эффективное множество (принимаем, что в оптимизационной задаче нет ограничений на веса активов). Чтобы найти два эффективных портфеля (g и h) вычисляются четыре скалярные величины (A, B, C, D - первые три являются произведениями векторов и матриц, а четвертая зависит от трех предыдущих):

Показатели для средневзвешенного портфеля кредитов банков у которых была отозвана лицензия в 2017 г. приведена в табл.3. В качестве безрисковой принята ставка ОФЗ.

Таблица 3

Расчетные показатели портфеля кредитов на основе данных рынка

* процентов в неделю по 2017 г.

Исходя из коэф. Шарпа наиболее оптимальным направлением является кредитование производства, т.к. для остальных отраслей показатель ниже. Требования к позициям отражает то, что только в рамках производства и торговли (в меньшей степени) возможны положительные вложения, в рамках прочих отраслей целесообразно снижать активы. Таким образом структура средневзвешенного портфеля кредитов банков исходя из общего анализа данных рынков является несбалансированной и рискованной, положительная динамика в рамках которого возможно только исходя из уникальных качеств отдельных проектов, а не их отраслей.

Прогноз экономических показателей отраслей

Для прогнозирования показателей различных отраслей целесообразно рассмотреть имеющиеся на текущей момент модели и методы и на их основе предложить разработать оптимизированные – для решения задачи банковского регулирования .

1. Модель экономический рядов на основе вейвлет-преобразования

Данная математическая модель анализирует данные, обеспечивает представление времени и частоты (анализ временного масштаба). Используется для анализа ценовых временных рядов .

Вейвлет-преобразования наиболее подходят для нестационарных данных - ценовые ряды нестационарны и неустойчивы по своей природе, поэтому использование вейвлет-преобразований дает точные результаты прогнозирования.

Преобразование Фурье распределяет первоначальную стоимость в серию линейных комбинаций. Используя вейвлет-преобразования возможно распределение на более гибкие функции исходя частоты и времени. в сумму более гибкие функции, то есть. локализованных как по времени, так и по частоте. Вейвлет-преобразование разделяется на непрерывное вейвлет-преобразование (далее – «НВП») и дискретное вейвлет-преобразование (далее – «ДВП»).

НВП имеет следующий вид:

Где:

Ψ - комплексное сопряжение;

a - параметр масштабирования;

b - переводный параметр.

Каждый вейвлет создается путем масштабирования и перевода операций.

ДВТ имеет следующий вид:

Где:

m - параметр масштабирования

n - параметр выборки.

Технически данные о ценах преобразуются в низкие и высокие коэффициенты. Низкие коэффициенты - это данные на основе фильтрации нижних частот, а высокие коэффициенты - содержат информацию о пиках, которые происходят в исходных данных колебания стоимости.

2. Модели прогнозирования на основе линейных регрессий

Подходящая модель для стационарных временных рядов, но большинство стоимостных показателей не стационарны. Чтобы преодолеть эту проблему и позволить модели ARMA обрабатывать нестационарные данные, новая модель вводится для нестационарных данных используется Auto-Regressive Integrated Moving Average (ARIMA), которая успешно применяется для прогнозирования стоимости на сырьевые товары .

Существует много моделей ARIMA – преимущественно в модели ARIMA в наличии следующие переменные:

p - количество авторегрессионных членов;

q - количество прогнозируемых ошибок в уравнении прогнозирования;

d - количество различий.

Если нет различия (d = 0), то модель ARIMA можно назвать моделью ARMA.

Модели ARIMA исходит из авторегрессии (AR), скользящей средней (MA) и авторегрессивной скользящей средней (ARMA). В моделях AR, MA и ARMA выполняются условия стационарного состояния, поэтому они применимы только к стационарным рядам. Модель ARIMA исходит из изменения стоимости вместо стоимости.

2.2. Модель вторегрессионной условной гетероскедастичности (GARCH)

GARCH означает обобщенную авторегрессивную условную гетеросекастичность – нацелена на моделирование волатильности цен, в то время как ARIMA нацелены на моделирование и прогнозирование самой изменяющейся стоимости .

Существует значительное количесвто разновидностей данной модели: ARCH, GARCH, GARCH-M, асимметричные модели GARCH (EGARCH, AGARCH, TGARCH, GJR-GARCH, QGARCH, IGARCH (Модели с долгой памятью), APGARCH (Обобщающие модели), Регрессионные модели с GARCH-ошибкой и пр.

В данной модели предполагается, что термин ошибки будет последовательно скоррелирован и может быть смоделирован с помощью процесса авторегрессии . Таким образом, процесс GARCH может измерять волатильность временного ряда колебаний стоимости. Модель GARCH имеет следующий вид:

Где:

p - порядок GARCH-членов σ 2 t - j ;

q - порядок ARCH-членов u 2 t - i .

Необходимое условие стационарности:

Модель GARCH может измерять подразумеваемую волатильность из-за скачков цен.

3. Модели прогнозирования, основанные на нелинейные эвристики

3.1. Модель искусственной нейронной сети

Большинство моделей временных рядов являются линейными, в то время как стоимость является нелинейной функцией, что затрудняет использование методов временных рядов для полного воспроизведения поведения стоимости. Нейронные сети представляют собой взаимосвязанные простые процессы, предназначенные для моделирования того, как выполняется определенная задача. Сеть обычно состоит из трех-четырех слоев, и во время моделирования нейроны во входном слое передают необработанную информацию остальным нейронам в других слоях. Нейронная сеть использует функцию обучения для изменения веса переменных соединения на входе каждого элемента обработки. Модели могут быть дифференцированы в зависимости от типа функции обучения, алгоритма обучения и скрытых слоев и т.д. Обычно для прогнозирования стоимости выбираются трехслойные нейронные сети .

Данные модели приобрели популярность благодаря возможностям решения неопределенной взаимосвязи между входными и выходными переменными, приближенной комплексной нелинейной функцией и внедрением нескольких алгоритмов обучения. Тем не менее, у нейронной сети также есть недоставки - сеть не будет достаточно гибкой, чтобы хорошо моделировать данные со слишком небольшим количеством входных единиц, будет слишком сложной. Модель развивается и интегрируется с прочими эконометрическими возможностями.

3.2. Сеть радиально-базисных функций нейронная сети

Данная модель имеет сравнительно меньшие возможности отразить локальные минимумы, но имеет более высокую скорость обучения. Используется радиально-базисную функцию для нейронов скрытого слоя, в сравнении с искусственной нейронной сетью. Модель также содержит три уровня - входной слой, выходной слой, а также один скрытый слой .

Обучение состоит из трех шагов: центральный отбор, выбор базовой функции, определение веса для выходного слоя.

3.3. Модель нейро-нечетких систем

Модель выполняет сопоставление ввода-вывода на основе нейро-нечетких систем – традиционная модель адаптивный нейро-нечетких систем предусмотрена, что бы скомбинировать функцию линейного выхода и нечеткой логикой для прикладного управления при классификации проблем .

Данная модель изначально была предложена для прогнозирования временных рядов и была расширена для прогнозирования стоимости. Этот подход является модельным и эвристическим. Общая структура построена так, чтобы сочетать как количественную, так и качественную информацию. Данная модель использует алгоритмы обучения, что делает ее более эффективной, чем ARMA или GARCH и пр.

По сравнению с искусственной нейронной сетью, данная модель обеспечивает прозрачную качественную аналитическую и калькуляционные базы. Исходные данные могут быть изменены вручную, чтобы включить экспертные знания. Модель обеспечивает преимущество интерпретируемости и прозрачности, а также алгоритм может быть изменен для повышения точности и эффективности.

3.4. Модель нейро-нечетких систем на основе ARTMAP

В основном обычные модели нейронной сети страдают от пластической и устойчивости, что связано с возможностью адаптироваться к новым входным параметрам . Данная проблема решается путем включения механизма обратной связи между слоями, чтобы дать возможность для самообучения на основе новой информации без исключения ранее полученных данных. Таким образом, данная модель является более стабильной. Система ARTMAP включает в себя модули ARTa и ARTb для создания стабильных категорий распознавания, соответствующих произвольным шаблонам ввода.

4. Модели прогнозирования на основе симуляционных методов

Моделирование выполняется по характеру их хронологических моделей, учитывает ограничения и характеристики систем, изменяющихся во времени . Определяющие предпосылки учитываются при реализации программы моделирования рынка. Программа автоматически симулируют стоимость на рынке для любого кейса, определяет узкие места. Методы симуляционного моделирования предназначены для детального понимания системных стоимостных параметров. Однако симуляционные методы имеют два недостатка - требуют подробных данных о работе системы и данную модель достояно сложно реализовать из-за необходимых значительных вычислительных возможностей.

5. Модели прогнозирования, основанные на теории игр

Было проведено много исследований для понимания рынков, различных возможностей моделирования, анализа и выбора стратегий . Теория игр - естественная платформа для анализа рыночных показателей. Представляет большой интерес для моделирования стратегии, т.к. модель обеспечивает решение задачи максимизации результата. Игровые модели обычно используются для определения стратегий.

6. Динамичные стохастические модели дисконтирования (DSGE)

Данная модель полностью связана с экономическими предпосылками и базисом исходя из полной детализации всех входящих функций с описанием их участия в экономическом процессе, а также предпосылок действия на всех рынках . В данной модели применяются все ограничения и возможности экономической теории на современном этапе развития и условий равновесия на рынках. Использовать данную модель позволяет развитие численных методов решения динамических систем, что сократило разрыв между с теоретическими моделями и реальным сектором.

7. Поведенческие финансы

Данное направление предполагает, что участники экономических процессов могут действовать иррационально, что используется в формирование экономических моделей . Данное направление является наиболее перспективным для внедрения в прочие модели прогнозирования экономических процессов.

Разработка моделей и методик для формирования, мониторинга кредитных портфелей банков исходя из рассмотренных ретроспективных данных, направлений прогнозирования и используемых на текущий момент возможностей оценки риска отдельных заемщиков позволят стабилизировать банковскую систему и повысить ее прозрачность для всех участников экономических процессов. Использование совокупности данных направлений даст возможность создать долгосрочную модель деятельности банковского сектора, нивелируя значительное количество рисков кредитования.

Список использованных источников

1. Федеральный закон «О банках и банковской деятельности» от 02.12.1990 №395-1 опубликован в Ведомостях съезда народных депутатов РСФСР от 06.12.1990;
2. Федеральный закон «О Центральном банке Российской Федерации (Банке России)» от 10.07.2002 № 86-ФЗ опубликован в «Российской газете» от 13.07.2002;
3. Положения Банка России от 26.03.2004 №254-П «О порядке формирования кредитными организациями резервов на возможные потери по ссудам, по ссудной и приравненной к ней задолженности» опубликован в «Вестнике Банка России» от 07.04.2004;
4. Рудык Н.Б. Поведенческие финансы или между страхом и алчностью. М.: Дело, 2004 – 272 с.;
5. Скрипниченко М.В. Портфельные инвестиции: Учебное пособие. СПб: Университет ИТМО, 2016 – 40 с.;
6. Шарп У., Александер Г., Бэйли Дж. Инвестиции / У. Шарп, Г. Александер, Дж. Бэйли - М.:ИНФРА-М, 2001 – 1028 с.;
7. Adolfson M., Linde J., Villani M. (2007). Forecasting Performance of an Open Economy DSGE Model // Econometric Reviews -2007 - Vol. 26 (2–4) – p.289–328;
8. Bastian J., Zhu J., Banunarayanan, V. and Mukerji, R. Forecasting Energy Prices in a Competitive Market // IEEE – 1999 - №12 - p. 40-45;
9. Chinn M.D., LeBlanc, M. and Coibion, O. The Predictive Characteristics of Energy Futures: Recent Evidence for Crude Oil, Natural Gas, Gasoline and Heating Oil. // UCSC Dept. of Economics Working Paper – 2001 - №490;
10. Conejo A.J., Plazas M.A., Espinola, R. and Molina, A.B. Day-Ahead Electricity Price Forecasting Using the Wavelet Transform and ARIMA Models // IEEE – 2005 - №20 – p.1035-1042;
11. Hamilton J.D. Time Series Analysis // Princeton University Press – 1994;
12. Haykin, S. Neural Networks: A Comprehensive Foundation. 2nd Edition – 2004;
13. Jang, J.S.R. ANFIS: Adaptive-Network-Based Fuzzy Inference System // IEEE – 1993 - №23 – p.665-685;
14. Singh N., Mohanty S. R. A Review of Price Forecasting Problem and Techniques in Deregulated Electricity Markets // SciRes – 2015;
15. Osborne M.J., Rubinstein A. A Course in Game Theory // MIT Press, Cambridge, MA – 1994;
16. Singh N.K., Tripathy M., Singh, A.K. A Radial Basis Function Neural Network Approach for Multi-Hour Short Term Load-Price Forecasting with Type of Day Parameter // IEEE – 16-19.08.2011 - p. 316-321;
17. Ul Haque A., Meng J. Short-Term Wind Speed Forecasting Based on Fuzzy Artmap // International Journal of Green Energy – 2011 - №8 – p.65-80;
18. Weiss E. Forecasting Commodity Prices Using ARIMA // Technical Analysis of Stocks & Commodities -2011 - №18 – p.18-19;
19. Московская биржа [Электронный ресурс] - Режим доступа: http://www.moex.com/ (дата обращения: 16.02.2018);
20. Центральный банк Российской Федерации [Электронный ресурс] - Режим доступа: https://www.cbr.ru/ (дата обращения: 15.02.2018).

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Размещено на http://www.allbest.ru/

Федеральное государственное автономное образовательное учреждение высшего профессионального образования «Национальный исследовательский университет «Высшая школа экономики»

БАКАЛАВРСКАЯ ВЫПУСКНАЯ РАБОТА

Уровень диверсификации, его влияние на качество кредитного портфеля. Пример российских банков

Выполнил:

Студент группы №БЭК125

Королев Дмитрий Сергеевич

Научный руководитель:

доцент, к.в.н.

Бондарчук Павел Кузьмич

Москва, 2016

Вступление

Говоря о современном мире, довольно сложно отрицать тот факт, что с развитием экономики в общем, и банковской сферы в частности, значительными темпами растет и объем операций. Безусловно, наблюдаемая тенденция присуща также и деятельности, связанной с управлением активами. Увеличивается общее число выдаваемых займов, итогом чего служит возрастающий процентный доход кредитных организаций. Для обычного человека описанная ситуация может показаться, несомненно, выгодной для банков и приносящей лишь положительный результат. Во многом, данное утверждение является справедливым, однако существует и обратная сторона медали, имея в виду которую, финансовые учреждения должны с осторожностью и должной долей усилий продумывать и реализовывать намеченные планы в сфере выдачи ссуд. Проводя экспансионную политику в области займов, банки берут на себя дополнительные риски, что зачастую может повлиять на конечный результат деятельности кампании и вести к серьезным негативным последствиям. Конечно, проблема актуальна для учреждений любого размера и напрямую влияет на дальнейшие успехи оного. В связи с этим, банками разработана система мер, которая так или иначе позволяет воздействовать на качество кредитного портфеля. Методов может быть применено множество на различных этапах кредитования. Например, часто банки вводят систему лимитов, выбирают, насколько по тем или иным признакам портфель займов должен быть диверсифицирован. Именно влияние последнего метода будет проанализировано в данной работе. Таким образом, объектом исследования является качество кредитного портфеля коммерческого банка, а именно степень риска и доходности, что будет объяснено в основной части. Предметом анализа в данном случае является влияния уровня диверсификации на объект.

Что же касается актуальности проводимой работы, во внимание стоит взять страну, которая будет рассмотрена. Российская Федерация из-за ряда общеизвестных обстоятельств находится лишь в начале пути становления банковской системы по сравнению с развитыми странами. В связи с этим финансовые учреждения в ней в еще большей мере нуждаются в разработке действенных путей по управлению качеством кредитного портфеля. Особенно это заметно, если обратить внимание на количество колебаний в экономике, например, из-за кризиса 2008 года или текущей ситуации (2014г-наст. время). Подобные проблемы ведут к возникновению серьезных трудностей, как у заемщиков, так и у банков. Следовательно, для кредитных организаций важно найти подходящие механизмы и минимизировать свои возможные будущие риски. Диверсификация кредитного портфеля может быть подходящим методом, особенно если брать во внимание всеобщее ее признание в различных теоретических работах, учебных пособиях, а также в международной практике. Из этого, кстати, вытекает еще большая актуальность. Как будет продемонстрировано далее в обзоре литературы на данную тематику, ряд иностранных исследователей сомневаются в целесообразности применения выбранного метода в коммерческих банках. Такие выводы сделаны, например, на информации о банковских системах Германии, Бразилии. диверсификация кредитный коммерческий банк

Обобщая вышесказанное, стоит отметить, что в плане релевантности текущее исследование состоятельно сразу с нескольких сторон. Во-первых, существует необходимость нахождения качественных и действенных путей управления портфелем кредитов в российских банках. Во-вторых, неоднозначный эффект самой диверсификации в качестве метода, необходимость его качественной и количественной оценки с использованием данных о стране, где подобное исследование еще не проводилось. С этой точки зрения можно говорить и о своеобразной новизне полученных результатов. Ну и наконец, актуальности придает распространенность применения диверсификации в банках РФ и других стран, что говорит о практической значимости.

Целью данной работы в первую очередь является попытка дать однозначные ответ на то, каким образом такой метод управления кредитным портфелем, как диверсификация, в действительности воздействует на показатели риска и доходности в банках России. Кроме того в обзоре литературы можно будет отыскать небольшой экскурс в общую картину, которая сложилась в сфере регулирования вышеупомянутых показателей, как в мировой практике, так и на примере данных выбранной страны.

Задачей исследования можно считать разработку качественной методологии, основанной на теоретических и прикладных трудах, для проведения анализа влияния уровня диверсификации на кредитный риск и доходность в банках России, который мог бы иметь рекомендательный характер для кредитной организации в реальной практике.

Работа будет построена следующим образом. После вступления на указанную тему читатель может ознакомиться с обзором литературы в Главе 1. Он, во-первых, будет включать общие аспекты организации управления риском и доходностью кредитного портфеля с целью выявления закономерностей, применённых в дальнейшем. Во-вторых, что более важно, в указанной части будут проанализированы различные эконометрические исследования на тему диверсификации кредитов в банковских системах различных стран мира. В Главе 2, с помощью упомянутых теоретических и практических знаний, на основе суждений автора будет разработана методология исследования. В Главе 3 будет произведена работа с собранными данными, описаны их источники и обоснование выбора. Глава 4 полностью отведена под практическое исследование и содержит, как результат оценивания построенной модели, так и конечные выводы по ней. Наконец, последняя часть состоит из заключительных комментариев и обобщения всей проделанной работы, предположений на счет последующего развития данной тематики, значимости итогов, возможного применения их в реальной жизни.

Глава 1. Обзор литературы

Методы управления кредитным портфелем коммерческих банков.

Прежде чем переходить к, исключительно, анализу диверсификации как способа формирования качественного кредитного портфеля, стоит более глубоко осветить проблему, в сфере которой было произведено исследование. Кроме того, необходимо привести определения задействованных терминов и начать с более глобальных понятий. Такой подход от общего к частному, по нашему мнению, позволит наиболее подготовлено и с нужной степенью понимания вопроса подойти к анализу.

Для начала, выясним, что же собой представляет термин “кредитный портфель”. В соответствии с одним из определений - это “структурируемая по различным критериям качества совокупность предоставленных банком кредитов, отражающая социально- экономические и денежно-кредитные отношения между банком и его клиентами по обеспечению возвратного движения ссудной задолженности” (Гребник, 2014, с.2). Стоит заметить, что здесь речь идет о данном термине в довольно узком плане. В современной банковской системе (Лаврушин, 2008) под ним обычно понимают не только кредиты, но также различные операции, которые по своему характеру являются схожими. Так, например, это может быть факторинг, лизинг, требование по ценным бумагам, гарантии и так далее. Тем не менее, в рамках данного исследования планируется анализировать портфель, состоящий исключительно из кредитов физическим, юридическим лицам, а также другим банкам (МБК).

Конечно, чтобы портфель был действительно эффективным и приносил плоды в виде высокой доходности от кредитов с приемлемым уровнем риска, нужно разработать систему мер, регулирующих данные показатели. Управление осуществляется в несколько этапов. Сразу стоит отметить, что оно циклично. В соответствии с методологией упомянутой (Славянский, 2008), сначала необходимо классифицировать отдельно взятые ссуды по тому или иному признаку, будь то срок, вид залогового имущества, тип заемщика, размер и так далее. Все это делается с последующей оценкой качества данного займа. На следующем этапе ссуды подлежат группировке по выбранному признаку в кредитный портфель, в рамках которого и будет проводиться данная работа. Затем происходит оценка выделенной совокупности займов, присущего им уровня риска, после чего принимаются решения относительно необходимых резервов на возможные потери по ссудам. Кстати сказать, последний показатель очень важен в рамках данной работы. Сформированные резервы могут выступать мерой риска кредитного портфеля. Подробно об этом будет сказано в разделе, посвященном методологии исследования, пока же стоит запомнить то, что решение о резервах выноситься на основе уже проведенной политики управления во время предыдущего цикла.

Ситуация, в которой предстоит провести данное исследование, происходит на завершающем этапе, в тот момент времени, когда необходимо выбрать действенные пути улучшения качества кредитного портфеля. Здесь методы могут быть абсолютно разные. Как указано в статье на сайте портала banki.ru, внесение изменений может происходить в два этапа. Первый из них скорее можно отнести к различным операциям на уровне отдельных ссуд. Например, введение новых продуктов, усовершенствования условий выдачи кредитов, оценивание состояния отдельно взятых дебиторов. В рамках нашего исследования этот своеобразный микроуровень не планируется брать в качестве объекта исследования. Гораздо более важным направлением для текущей работы является управление качеством кредитного портфеля и внесение возможных изменений в целом. Далее более подробно будет рассмотрен этот аспект деятельности коммерческого банка.

Для начала стоит определиться со свойствами кредитного портфеля, на которые можно и нужно оказывать комплексное воздействие для улучшения его качества. В работе (Лаврушин & Веленцева, 2008) указано, что фундаментальной основой здесь выступают такие показатели, как ликвидность, кредитный риск и доходность, а критериями оценивания качества выступают их уровни. Влияние диверсификации на две последние характеристики планируется исследовать в текущей работе, поскольку в рамках кредитного портфеля они представляют особый интерес, а их традиционная прямо пропорциональная зависимость может быть переложена в рамки модели и проверена, что и было осуществлено помимо основной задачи.

В работе (Горелая, 2012) указано, что регулирование кредитного риска портфеля может происходить с двух сторон. Имея в виду, что влияние в том числе и на этот показатель планируется исследовать в данной работе, посмотрим, что же может помочь в коммерческому банку в данном вопросе. Во-первых, безусловно, важным является тот набор инструментов, который предлагается системе со стороны регулятора. Автор указывает на то, что здесь банкам помогают:

1) Экономические нормативы. Это и показатель H6 (“максимальный размер риска на одного заемщика или группу связанных заемщиков”), и Н7 (“Максимальный размер крупных кредитных рисков”), и Н10.1 (“Совокупная величина кредитов и займов, выданных инсайдерам”). Уровень каждого определяется регулятором и может быть математически определен для каждого банка.

2) Норматив достаточности капитала. Факт особой значимости этого банковского показателя в определении возможного объема будущего кредитования и величины приемлемого риска трудно недооценить. Величина собственных средств в общем объеме активов будет включена в будущую модель в качестве одной из контрольных переменных (подробно в Главе 2).

3) Необходимость формирования резервов на возможные потери по ссудной задолженности.

С другой стороны, управление уровнем риска кредитного портфеля, внесение качественных изменений может осуществляться и самим коммерческим банком. И здесь у кредитной организации есть также довольно неплохой инструментарий. В их число входит:

1) Формирование цены кредитов. Здесь речь идет о том самом управление на уровне отдельно взятых ссуд и заемщиков, о котором говорилось ранее. Так, в целях поддержания необходимого баланса в соотношении доходности и риска, как указывает (Горелая, 2012),необходимо присвоение более высоких процентных ставок тем займам, которые являются наиболее небезопасными для кредитной организации.

2) Анализ кредитных миграций. В работе (Фантаццини, 2009) говориться, что данная модель является одной из основных в вопросах оценивания степени кредитного риска и построении исследований на данную тематику (подход CreditMetrix, который в 1997 году предложил J.P.Morgan). Как указано в (Морсман, 2004),в соответствии с этой методологией, банк способен периодически проводить мониторинг группы кредитов со схожими характеристиками риска. В частности, данный метод применяется для анализа совокупностей проблемных задолженностей. Конечным итогом является возможность всестороннего отслеживания и последующие урегулирования трудностей, связанных с подобными займами.

3) Система лимитов. В общих словах данный метод можно охарактеризовать, сказав, что целью установления ограничений является поддержание максимально возможного и безопасного уровня риска. Виды лимитов существуют совершенно разные. Особое значение для данной работы имеют так называемые (Горелая, 2012) объемные лимиты, которые в определенной мере перекликаются с тем методом управления кредитным портфелем, который является основным для исследования в рамках текущей работы. Например, структурные объемные лимиты устанавливаю ограничения на размер операций в определенной отрасли промышленности, по географическому признаку или по сроку.

4) Итак, еще один способ регулировать качество совокупности займов - это диверсификация в рамках кредитного портфеля, а точнее выявление ее необходимой степени. Руководствуясь определением, под этим термином понимают “наличие отрицательной корреляции между ссудами, или, по крайней мере, их независимость друг от друга, что способствует снижению риска их невозврата” (Сабиров, 1998, с.47). Большинство авторов из списка литературы, так или иначе, ссылаются на всем известную народную мудрость о том, что не стоит класть яйца в одну корзину. Перекладывая вышесказанное в рамки научного языка, можно сказать, что целью использования данного метода управления является желание рассредоточить риски по различным направлениям кредитования с целью минимизации возможных потерь.

Теперь перейдем к еще одному свойству кредитного портфеля. Конечно, имея в виду тот факт, что риск тесным образом переплетается с доходностью, необходимо заметить, что вышеперечисленные способы его регулирования напрямую оказывают влияние и на второй показатель качества, который важен в рамках текущей работы. Это справедливо и для исследуемого метода управления.

Итак, как можно было заметить, диверсификация кредитного портфеля является важной задачей коммерческого банка. Начиная с данного момента, речь в работе пойдет исключительно о ней. Выбор метода продиктован его широким использованием, но существованием подводных камней, о которых далее будет сказано в значительных подробностях. (Морсман, 2004) пишет, что не стоит даже сомневаться насчет эффективности данного способа регулирования качества кредитного портфеля. Это действительно так, ведь сама по себе диверсификация является общепризнанным методом. Тем не менее, не стоит думать, что наиболее разнообразный по различным признакам набор займов будет служить надежным залогом успешной деятельности банка. Ключевую роль в данном вопросе играет именно уровень рассматриваемого показателя. Безусловно, заниматься уменьшением концентрации в рамках управления необходимо, но не стоит забывать, что бездумно полагаться на исследуемый метод просто невозможно. Как указано в пособии (Лаврушин & Веленцева, 2008), высокая степень диверсификации может негативно отразиться на деятельности банка или даже привести к его банкротству. Здесь аргументом выступает тот факт, что при подобном стечении обстоятельств кредитная организации будет вынуждена набирать разноплановых специалистов, отвечающих за отдельные виды кредитования, чтобы контролировать все имеющиеся разнообразие займов. Данное замечание еще не раз будет упомянуто в текущей работе. Многие иностранные исследователи скептически относятся к высокой степени диверсификации, как это будет продемонстрировано в следующем подразделе. Кроме того, аргумент вышеупомянутых авторов послужит для обоснования тестирования в практической части одной из гипотез, и включение в модель такой контрольной переменной, как количество персонала (подробные сведения в Главе 2).

Таким образом, вкратце систематизировав понятия о кредитном портфеле и методах управления им, выделив основные показатели его качества и дав характеристику диверсификации, как одного из наиболее общепризнанных приемов, перейдем к рассмотрению международной опыта в данном вопросе. К сожалению, имея ввиду прикладные исследования в рамках Российской Федерации, вряд ли можно говорить о сколь - либо ощутимой проработанности темы именно в практическом, применимом к реальной жизни аспекте.

1.1 Степень диверсификация кредитного портфеля банков в мировой практике

Теперь, говоря исключительно о диверсификации в роли метода управления качеством кредитного портфеля, перейдем к вопросу о том, какие мнения существуют в научных кругах относительно этого инструмента, силы и направления его влияния. Так, изучив довольно обширный круг работ, можно сделать вывод, что взгляды на данный инструмент совершенно неоднозначны.

Начнем с тех трудов, которые причисляют диверсификацию скорее к позитивным методам воздействия и приводят аргументы в пользу увеличения ее степени в вопросах управления риском и доходностью. В защиту данной позиции выступает абсолютное большинство базовых работ и учебных пособий по теме. Так, например, (Diamond, 1984) замечает, что рассматриваемый метод имеет исключительно положительный эффект на уменьшение вероятности дефолта банка, а также на показатели его прибыльности. Главная причина здесь кроется в существенном сокращении издержек финансового посредничества, а также в том, что банки с высоким уровнем концентрации кредитного портфеля по тем или иным признакам в период экономических спадов начинают испытывать значительные, порой непреодолимые трудности. В учреждениях с должной долей диверсификации тяжесть последствий не так ощутима.

Конечно, в доказательство тезисов, представленных выше, целесообразно привести ряд исследовательских работ, которые строятся непосредственно на реальных данных. Статей, указывающих на позитивные особенности диверсификации, довольно много. Так, например, (Rossi, Schwaiger, & Winkler, 2009) описывают влияние рассматриваемого нами фактора на такие банковские показатели, как риск, капитализация, а также эффективность в области прибыли и издержек. Работа эта, безусловно, будет полезной и для текущего исследования, поскольку в своей основе содержит ряд схожих переменных, а также содержательна в плане аргументированности выдвигаемых гипотез и использовании методологии. В качестве объясняющей переменной авторами выбран индекс Херфиндаля-Хиршмана, который, по нашему мнению, целесообразно использовать в работах подобной направленности. Построено исследование на данных о банках Австралии в период с 1997 по 2003 года. В нем использованы показатели диверсификации по отраслям экономики и по размеру выданных кредитов. Как будет указано в главе, просвещённой методологии, первый способ измерения будет использован и в текущем исследовании. Что касается конечных результатов рассматриваемой статьи, то авторы обнаружили положительный эффект диверсификации на такие показатели, как капитализация и эффективность по прибыли. Кроме того, было подтверждено первоначальное предположение, что более интенсивное использование выбранного метода приводит к уменьшению степени риска кредитного портфеля. Хотя влияние на эффективность в области издержек получилась отрицательной, для нашего исследования это не играет существенной роли.

В качестве дополнительного доказательства положительного влияния высокой степени диверсификации может служить и еще одна работа (Deng, Elyasiani, & Mao, 2007).Если оперировать её выводами, то рассматриваемый метод, безусловно, хорош, однако величина эффекта зависит от выбранного способа ухода от концентрации. Из предыдущей статьи (Rossi, Schwaiger, & Winkler, 2009) мы выяснили, что может применяться кредитование по различным отраслям и по размеру выданных займов. Авторы же второго исследования приводят доказательства того, что наиболее ощутимый и стабильный эффект имеет диверсификация по географическому признаку. К сожалению, применение этого способа в рамках текущего исследования представляется едва ли возможным, поскольку в финансовой отчетности лишь очень ограниченного числа банков в России можно найти соответствующие данные в количественном выражении. Однако, для общего понимания эффекта и воздействия других способов эта работа также важна. Автором было обнаружено, что использование обозначенного метода улучшает положение в связке риск-доходность кредитного портфеля в банковских компаниях США.

Интересной является также статья (Bebczuk & Galindo, 2008). Её авторы исследовали влияние диверсификации на риск и доходность в период финансового кризиса в Аргентине в 2001-2002 годах. Они выяснили, что в случае данной страны состав кредитного портфеля не значительно меняется в период экономических спадов, а влияние выбранного метода становится только эффективнее. В целом же, диверсификация положительно воздействует как на кредитный риск, так и на будущую доходность, причем особенно это актуально для крупных аргентинских банков.

Завершая рассмотрения работ, выступающих за высокую степень диверсификации можно также взять во внимание исследование (Hughes, Lang, Mester, & Moon, 1996), которые изучали целесообразность использования метода в плане воздействия на эффективность производства. Так, конечные результаты говорят о положительном влиянии диверсификации по различным штатам (географический метод). Главная причина выявленной закономерности они объясняют появлением Riegle-Neal Interstate Banking and Banking Efficiency Act в 1994 году.

Теперь перейдем к авторам, которые более скептично относятся к высокой степени диверсификации и приводят аргументы в защиту концентрации кредитного портфеля. В первую очередь, стоит указать на корни данной идеи. Берет начало она, как было выяснено, из теории корпоративных финансов (Rossi, Schwaiger, & Winkler, 2009). В работе (Hellwig, 1998) продемонстрировано, что для многих банков было бы целесообразнее заострить свое внимание на ограниченном числе наиболее значимых проектов с целью снижения издержек мониторинга. В некотором роде, данное утверждение послужило основой для выдвижения альтернативных гипотез в нашей работе, что будет продемонстрировано в следующей главе. Обозначенный факт говорит в пользу концентрации. Интересно, что рассматриваемая работа является расширением классической модели (Diamond, 1984), который, как было продемонстрировано, выступал как раз таки в защиту высокого уровня диверсификации. К еще большему убеждению в обратном эффекте приводит анализ исследования (Winton, 1999). Данный автор попытался моделировать выбор финансового учреждения между высокими степенями концентрации и диверсификации. Им было найдено, что применение второй стратегии может быть оправданно лишь в том случае, когда у банка существуют слабые стимулы к мониторингу, а величина выданных кредитов умеренно реагирует на спады в экономике. В тех же случаях, когда уровень риска чрезмерно высок или, наоборот, несущественен, диверсификация может привести к возрастанию вероятности дефолта, а также оказаться весьма дорогой для финансового учреждения. Таким образом, впервые была продекларирована возможность существование U-образной связи между уровнем диверсификации и степенью риска. Впоследствии, на примере данных некоторых стран, как это будет видно далее, многие авторы пытались доказать подобного рода зависимость. В нашей же работе, для российских банков в модель также будет введена соответствующая гипотеза для проверки немонотонного по риску влияния концентрации на доходность банков.

Переходя непосредственно к исследованиям и журнальным статьям, описывающим негативное влияние диверсификации на различные показатели рассматриваемых финансовых учреждений, во внимание стоит принять две довольно содержательных работы. Первая из них (Kamp, Pfingsten, Memmel, & Behr, 2006) построена на данных немецкого банковского сектора в период с 1993 по 2003 годы и пытается ответить на похожие с поставленными нами вопросы. Что касается меры риска и доходности, влияние диверсификации на которые и предполагается найти, то здесь авторы утверждают, что концентрированный кредитный портфель будет лучшим решением для коммерческого банка. В роли объясняющих переменных для степени риска выступают величина резервов на потери по ссудам (LLP) и показатель недействующих кредитов (Non-Performing Loans, NPL). Для доходности в роли прокси-переменных находятся показатели ROE и ROA. В нашей работе задействовать предполагается те же показатели (LLP в качестве прокси для риска и ROE - прокси для доходности). Стоит, однако, заметить, что авторами также была протестирована модель со стандартным отклонением риска в качестве объясняющего показателя. В этом случае высокая степень диверсификации наоборот оказалось предпочтительней для банка. Вторая работа, которую стоит принять во внимание (Acharya, Hasan, & Saunders, 2006) также говорит о том, что высокая степень использования выбранного метода управления кредитным портфелем не может дать сколь бы то ни было подходящих результатов. Как в случае диверсификации по отрасли, так и по типу заемщика (государство, физические, юридические лица, МБК) и географическому признаку, влияние на качество не было удовлетворяющим. Стоит заметить, что показатель по типу заемщика также было решено использовать и в нашем исследовании. Тем самым, данная статья представляется довольно полезной для дальнейшего анализа. Во внимание здесь бралась и упомянутая выше гипотеза о U-образном характере отношений. Так, в случае организации с чрезмерно малым уровнем кредитного риска наблюдался пусть и незначительный, но все же положительный эффект диверсификации по типу заемщика и по географическому признаку на доходность. В случае же переменной по отраслям производства, выбранный метод ассоциируется лишь с издержками.

Наконец, некоторые представления об исследуемом вопросе может дать и еще одна статья (Tabak, Fazio, & Cajueiro, 2011). Основываясь на работе (Hass, Ferreira, & Taci, 2010), ее авторы исследовали влияние концентрации кредитного портфеля вкупе с типом собственности, в которой находился тот или иной банк. Исследованием, построенным на данных о бразильской системе, были подтверждены все базовые гипотезы, что и в предыдущих работах. Было выявлено, что особенно эффективным концентрированный кредитный портфель являлся бы иностранных банков и банков в государственной собственности. Тенденция эта отчетливо видна для всей совокупности бразильских финансовых учреждений подобного типа особенно в период после кризиса 2008 года.

Подводя итог главы, стоит заметить, что нами были рассмотрены основные теоретические аспекты исследуемого вопроса. Кроме того, с помощью множества проанализированных исследований был изучен иностранный опыт применения в управлении кредитным портфелем банков такого метода, как диверсификация. Проделанная работа позволяет с опорой на мнение авторитетных ученых разработать методологию для выполнения поставленной цели и выявить на ее основе необходимые закономерности.

Глава 2. Методология

Для построения практического исследования, конечно, совершенно необходимым является описания предполагаемых методов проведения работы. В данном разделе будет продемонстрировано все, что непосредственно связано с выбором эконометрической модели, обоснованием включения в нее тех или иных переменных, построением различных индексов, а также выдвижением основных и вспомогательных гипотез на основе вышесказанного.

Эконометрические модели.

В первую очередь, приведем те модели, которые предполагается использовать для выявления закономерностей. Далее, приняв их во внимание, удобно и целесообразно будет описать все компоненты и предполагаемые зависимости. Итак, в данной работе нами построены следующие эконометрические модели:

2.1 Способы измерение диверсификации

Как следует из названия работы, нами был рассмотрен вопрос влияния той или иной степени диверсификации портфеля кредитов банков на различные показатели, связанные с оценкой его качества, а именно риск и доходность. Таким образом, одним из наиболее острых вопросов являлся то, как именно следует измерять регрессор в эконометрической модели, и какую объясняющую переменную для него выбрать. Естественно, что это является актуальным для всех трех перечисленных выше моделей. Подробно рассмотрев различные работы из обзора литературы, можно заметить, что до текущего исследования это делали совершенно разными способами, используя, например, энтропию Шеннона, индекс Херфиндаля-Хиршмана и так далее. Именно второй из перечисленных показателей было решено задействовать в нашей работе, поскольку в подавляющем большинстве статей он явился самым используемым и, по нашему мнению, способен адекватно отразить уровень диверсификации. Несколько слов стоит сказать о его непосредственном построении. Чтобы не делать лишних расчетов, в модели присутствует прямо противоположный к диверсификации показатель, отражающий то, насколько сильно сосредоточен банк на кредитовании одного типа, то есть мера концентрации займов в определенном направлении:

где Total - общее число кредитов, выданных определенным банком в денежном выражении; Type i - количество заемных средств направленных в ту или иную сферу. Стоит отметить, что ситуации, в которой индекс равен единице, соответствует полной концентрации портфеля, близкое к нулю значение, наоборот, указывает на высокую степень разнообразия направлений кредитования. Введение в модель индекса именно концентрации, а не диверсификации вызвано также желанием проверить гипотезу квадратичного по риску влияния на доходность, которая именно так выглядит в своем классическом варианте (Winton, 1999).

Конечно, как известно, в банковской практике существует несколько способов того, как можно диверсифицировать кредитный портфель. По нашему мнению, каждый из них было бы интересно учесть в текущем исследовании. Во многих работах основными являются диверсификация по географическому признаку, по отрасли экономики, по типу заемщика, по сроку действия и так далее. Однако ограниченность информации в открытом доступе для данной сферы в России позволяет в явном виде выявить значения лишь некоторых видов. Например, лишь в отчетности единиц из всего банковского списка можно найти структуру портфеля кредитов в разрезе регионов. Так, в данной работе будет использованы показатели концентрации по отраслям экономики (Cn1) и по виду заемщика (Cn2). Каждый из них подробнее будет описан в следующем подразделе. Пока же стоит отметить, что, по нашему мнению, на риск и доходность в выбранном году эти показатели влияют из предыдущего периода времени, что является вполне логичным, ведь результаты деятельности банка должны быть основаны на заранее проделанной работе и выстроенной стратегии. В главе, посвященной обзору литературы, упоминался циклический характер управления кредитным портфелем. Проведенная в предыдущий период политика влияет на текущие показатели.

2.2 Структура индексов Херфиндаля-Хиршмана

А) Cn1. Первый индекс включает в себя информацию о концентрации по типу заемщиков банка. Нами были выделены 6 направлений кредитования, в числе которых займы: физическим лица, юридическим лицам-резидентам, юридическим лицам-нерезидентам, государственным компаниям, на межбанковском рынке, а также индивидуальным предпринимателям. Раздел, соответствующий, непосредственно, источникам информации для этого индекса, найти можно далее в части, касающейся описанию собранных данных.

Б) Cn2. Второй индекс содержит в себе информацию о том, сколько денежных средств предоставляется в качестве займа для 10 крупнейших отраслей экономики. Все они представляли собой показатели по некоторому стандартизированному списку крупнейших секторов промышленности, который может быть найден в подавляющем числе банковских отчётностей, а именно в пояснительной записке к ней. Детально с данным списком можно ознакомиться в (см. Приложении №1). Для конструирования индекса в него было включено кредитование по таким направлениям, как: добыча полезных ископаемых; обрабатывающее производство, производство и распределение электроэнергии, газа и воды; сельское хозяйство, охота и лесное хозяйство; строительство; транспорт и связь; оптовая и розничная торговля, ремонт; операции с недвижимым имуществом, аренда и предоставление услуг; прочие виды кредитования. Первоначально в данный показатель планировалось включить и потребительское кредитование, как важную отрасль для банков, но ввиду высокой корреляции индекса в данном случае с Cn1, было решено исходить исключительно из данных для юридических лиц и наиболее востребованных отраслей промышленности, в которых они оперируют.

Таким образом, используя методы построения, описанные выше в данной главе, и были получены две объясняющие переменные для концентрации Cn 1 , Cn 2 .

Зависимы переменные.

Проанализировав общую теорию по выбранной теме, можно прийти к выводу, что качество кредитного портфеля стандартно характеризуется такими показателями, как риск и доходность. Конечно, чтобы переложить эти термины в рамки эконометрического исследования, необходимо подобрать подходящие объясняющие переменные. В нашем случае, мерой доходности было решено считать коэффициент рентабельности капитала (ROE), а степень риска измерялась сформированными резервами на возможные потери по ссудной задолженности (LLP). Действительно, в большинстве исследовательских работ, а также в базовых учебниках по теме можно увидеть, что чаще всего именно этими банковскими переменными и описывают выбранные термины.

Показатель LLP показывает то, как банк сам оценивает степень своей склонности к риску в соответствии с предписаниями регулятора. После внесения изменений в кредитный портфель по средствам, например, диверсификации ссуд, цикл управления, описанный в первой части обзора литературы (см. Глава 2, раздел 1), повторяется снова. По его результатам и определяется величина резервов. Следовательно, данный показатель может считаться хорошей объясняющей переменной для степени кредитного риска в портфеле. Также, из вышесказанного можно понять, почему в нашей модели (1) все объясняющие и контрольные переменные действуют на риск с лагом (из предыдущего периода), ведь резервы формируются на основе оценки результатов внесения изменений в портфель в предыдущий период управления.

Коэффициент рентабельности капитала же традиционно считается одной из основных мер доходности кредитного учреждения. Он демонстрирует степень эффективности, с которой был использован капитал акционеров банка и равен отношению чистой прибыли к размеру собственных средств. В силу упомянутой цикличности управления портфелем кредитов, все переменные также действуют на ROE с лагом.

Таким образом, предполагалось построение двух базовых моделей и выявления закономерностей на их основе. Третья модель также включает в себя степень доходности в качестве объясняющей переменной. Помимо контрольных переменных, она содержит переменные-произведения индексов Херфиндаля-Хиршмана на риск, а также на квадрат риска. Гипотеза, для которой разработана данная эконометрическая модель, а также причины ее выдвижения, находятся в соответствующем одноименном разделе (см. Глава 3, раздел Гипотезы).

Контрольные переменные.

Под обозначением Controls в (1), (2) и (3), как можно догадаться, скрывается вектор контрольных переменных, ведь странно было бы предполагать, что лишь диверсификация имеет сколь либо ощутимый эффект на качество кредитного портфеля. Для всех трех моделей набор показателей является практически схожим. Далее рассмотрим, что именно включено в каждую из регрессий, и каковы причины того, что упомянутые показатели задействованы.

Для набора контрольных переменных из модели (1) предполагается взять следующие показатели:

1) Pers. Данный показатель отражает качество мониторинга кредитного портфеля. В модель переменная включается под названием Pers и численно равна расходам на персонал из данных финансовой отчетности деленным на общее число активов.

2) Size. Размер банка в данном случае связывается со всем хорошо известной гипотезой “too big to fail”. Предполагается, что банки большого размера в силу неверия в то, что регулятор даст им погибнуть в случае каких-либо трудностей (широкое участие в кредитовании клиентов, значительное участие на рынке МБК, хранение денежных средств клиентов в огромных объемах), склонны брать на себя высокий уровень риска. Отсюда вытекает большой объем резервов на возможные потери по ссудам в следующем периоде.

3) Величина собственных средств (Cap). Благодаря установленным регулятором нормативам, описанным выше, банк постоянно должен контролировать размер своего капитала для покрытия возможных рисков, в том числе и кредитных. Соответственно, существует связь между этими показателями, и кредитная организация с низким количеством собственных средств вряд ли будет заниматься чрезмерно ненадежной деятельностью.

4) Коэффициент рентабельности капитала (ROE). В данном случае подразумевается нахождение традиционного баланса между риском и доходностью. Считается, что чем выше один из них, тем больше другой, и, соответственно, наоборот.

Что касается модели (2), то здесь задействованы схожие переменные, хотя имеющие иную мотивацию для их включения. Итак, они представлены далее:

1) Количество рабочего персонала (Pers). Связь здесь предполагается следующая: чем больше сотрудников задействовано в управлении кредитным портфелем, тем больше расходы на их труд, тем меньше показатели доходности у банка.

2) Размер банка (Size). В действие в данном случае вступает теория отдачи от масштаба. Чем крупнее банк, тем больше операций он проводит. Соответственно, имея внушительные размеры, кредитное учреждение в теории может извлекать высокий уровень доходов из проводимых операций. Как и для большинства эконометрических исследований, данный показатель измеряется натуральным логарифмом активов банка.

3) Уровень капитала (Cap). Вычисляется данный показатель как отношение капитала определенного банка к его активам. Все исследователи, упомянутые в обзоре литературы, включали этот компонент в модель.

4) Величина резервов на возможные потери по ссудам (LLP). Причина включения в модель (2) этого показателя аналогична случаю с (1). Здесь нами была предпринята попытка оценить стандартную взаимосвязь между риском и доходностью.

Модель (3), как можно заметить, является своеобразной модификацией (2). Необходимость такого изменения вызвана желанием проверить наличие немонотонного по риску влияния концентрации на доходность. Предположения относительно такого характера отношений уже выдвигались в литературе (см. Глава 1, раздел 2). Что касается контрольных переменных, то набор их и мотивация включения аналогичны модели (2). Кроме них присутствует показатели, которые являются произведением различных индексов Херфиндаля-Хиршмана на уровень риска, а также на его квадратичную форму.

В случае всех моделей указанные выше переменные влияют на текущие показателя риска и доходности с лагом в один период. Это вызвано опять-таки продекларированной цикличностью в управлении кредитным портфелем.

Выдвижение гипотез.

Разобравшись с моделью и ее компонентами необходимо выдвинуть ряд основных гипотез, достоверность которых и была исследована. Опираясь на литературные источники и собственные размышления, можно выдвинуть несколько предположений относительно влияния диверсификации на риск и доходность. Всего, в ходе данной работы было проверено 4 гипотезы. Они описывают предполагаемые причины выявленного влияния диверсификации.

1) “Classical diversification hypothesis”. (“-”для риска, “+”для доходности):

Высокая степень диверсификация положительно влияете на доходность и снижает уровень риска. Применение этого метода позволит улучшить качество кредитного портфеля. Целесообразность выдвижения данного предположения диктует классическое мнение о степени диверсификации, ее эффекте. Применяется она, как для модели (1), так и (2). Естественно, для меры концентрации, которая задействована в конечных моделях, знаки противоположны (как и во всех следующих далее гипотезах).

2) “Quiet life hypothesis” (“-”для доходности):

Банки тратят слишком много средств на оптимизацию кредитного портфеля и повышение уровня его диверсификации, чтобы снизить будущие издержки. Так много, что это ведет к уменьшению прибыли. Данная гипотеза разработана для модели (2).

3) “Lack of expertise hypothesis” (“+”для риска):

Желание диверсифицировать портфель кредитов приводит к выходу на новые рынки (заемщиков), с которыми опыт работы отсутствует. Риск растет. Данная гипотеза разработана для модели (1).

4) Гипотеза о немонотонном влиянии.

Согласно предположениям впервые выдвинутым (Winton, 1999), концентрация наилучшим образом влияет на величину доходности при очень большом и маленьком степенях риска. Соответственно, между показателями существует U-образная (параболическая) форма отношений. Это действительно так, когда в уравнении

где Risk-уровень риска; Cn-уровень концентрации различных видов; Returns - степень доходности.

Итоги по выработанной методологии.

Для обобщения вышесказанного разработана Таблица 1, в которой в наглядной форме представлена вся основная информация относительно тех или иных описанных выше переменных, ожидаемые эффекты, способы подсчета. Вопросительным знаком отмечено влияние, которое еще только предстоит определить исходя из подтверждения или опровержения основных гипотез.

Глава 3. Источники и структура данных

Обоснование применения собранных данных.

Теперь перейдем непосредственно к вопросу о данных, с помощью которых было проведено представленное исследование. Внимание уделяется исключительно российской банковской системе. Ранее, как можно видеть из обзора литературы, все исследования из изучаемой области основывались исключительно на иностранных данных, будь то Германия, Австрия или Бразилия. Следовательно, использование показателей РФ является своего рода уникальным и представляет научный интерес.

Рассматриваемым в работе периодом является промежуток между 2010-2014 годами. Причем, для индекса Херфиндаля-Хиршмана и контрольных переменных он сокращается на один год, ведь эти показатели, как было замечено, воздействуют на текущую ситуацию с лагом. Данный выбор является не случайным. По нашему мнению, именно это время сочетает в себе как понятие актуальности и насущности для конкретного рассматриваемого рынка, так и наиболее объективное отражение реальных закономерностей для исследовательского вопроса. Действительно, данные является практически самыми новыми, а также позволяют исключить из анализа негативное и слабо предсказуемое влияние кризисов на данную сферу российского банковского сектора. Речь, конечно, идет о текущей ситуации на рынке (2014г.-настоящее время) и об осложнениях, связанных с мировым финансовым кризисом 2008 года. Более того, период до 2010 года рассмотреть не представляется возможным совсем. Специфика отчетностей по российским стандартам, которая предоставляется банками в открытый доступ, такова, что подавляющее большинство из кредитных организаций начали публиковать на сайтах пояснительные записки, начиная с 2010 года. До этого стандартный набор состоял лишь из 4 остальных форм (Баланс, ОПиУ, Движение денежных средств и Капитал). Именно на основе данных из пояснительной записки был сконструирован такой уникальный показатель для исследуемого рынка, как диверсификация по отраслям экономики. Конечно, можно было воспользоваться отчетностью по международным стандартам. Но, ситуация здесь еще более неблагоприятная. Огромное число банков просто не составляли ее до 2012 года, что существенно бы снизило рассматриваемый период. Кроме того, структура отчета о концентрации кредитного портфеля из МСФО разительно отличается от аналогичной в РСБУ. Число и состав отраслей не стандартизированы, что вызвало бы дополнительные трудности с извлекаемой информацией.

В своей работе мы руководствовались определенной предпосылкой относительно используемых данных. Было решено, что, если основной исследуемой зависимостью является влияние диверсификации на риск и доходность кредитного портфеля банка, то целесообразно не брать во внимание всю банковскую систему России, а ограничится лишь теми банками, в суммарных активах которых содержится 80% и более от общего числа выданных кредитов. За все годы, входящие в период наблюдения это действительно так. Например, за 2013 год, было выдано займов на 37 017 657 млн.руб., за 2012 год 30 670 558 млн.руб., 2011 - 26 265 427 млн.руб. и за 2010 - 20 468 387 млн.руб. Таким образом, анализу подверглись 70 банков (см. Приложение 2) из 992 имеющихся (по состоянию на конец 2010 года), на долю которых приходится подавляющая часть всех кредитов в российском банковском секторе.

Источники информации.

Необходимым является выявление конкретных источников информации. Начнем с рассмотрения регрессора. Как уже было упомянуто, для построения индекса Херфиндаля-Хиршмана обязательным является наличие данных о выданных банками кредитах и их видах. Беря во внимание тот факт, что построены две главные переменные (для концентрации по отраслям экономики и по типу заемщика), довольно сложным было найти соответствующую информацию в надлежащем виде. Для построения первого индекса были использованы пояснительные записки к отчетности российских банков, составленной по российским стандартам (РСБУ). Все данные были скомпонованы самостоятельно, ввиду отсутствия подобного рода информации где-либо еще. Таким образом, этот факт является неоспоримым преимуществом работы, поскольку еще раз говорит о некоторой научной новизне. Нами были найдены данные о концентрации кредитного портфеля каждого банка по видам экономической деятельности, а именно о выданных займах на нужды того или иного сектора экономики. В подавляющем большинстве случаев на уровне отчетности уже были выделены 9 самых крупных отраслей промышленности для банка, прочее кредитование, а также ссуды физическим лицам.

Что касается второго регрессора, то данные относительно него были взяты с сайта финансовой аналитики Куап.ру. Здесь во внимания брались такие показатели, как количество кредитов в денежном выражении, выданных физическим лицам, юридическим лицам-резидентам, нерезидентам, индивидуальным предпринимателям, государственным компаниям, МБК.

Вся остальная информация, касающаяся контрольных и зависимых переменных, была взята с официального сайта Центрального банка Российской Федерации, базы данных mobile, а также отчетности рассматриваемых финансовых учреждений.

Суммируя все вышесказанное, можно говорить о таких преимуществах использованных данных, как:

1) Актуальность и обоснованность.

2) Научная новизна и уникальность основных показателей.

3) Соответствие единому стандарту (РСБУ).

Статистика по показателям.

Теперь рассмотрим статистику по собранным панельным данным за все периоды. Стоит отметить, что для показателей Cn1, Cn2, Size, Pers и Cap представлены наблюдения за 4 года с 2010 по 2013, а для LLP и ROE за 5 лет (с 2010 по 2014). Объясняется это тем, что в конечных моделях две последние переменные представлены с временным лагом, то есть для конечного рассмотрения данных нужны сведения за весь период наблюдений. Последняя колонка показывает, общее количество наблюдений (N), количество за один период (n) и число периодов (T).

Таблица 1. Статистическая информация о собранных данных по переменным

В Таблице 1 представлены значения корреляции между различными переменными, включенными в модели. Особое внимание стоит уделить связи между индексами для измерения концентрации. Изначально, как можно предположить, из-за присутствия в Cn1 и Cn2 одинаковых составляющих, таких, как кредиты юридическим лицам, корреляция между ними могла быть чрезмерно высокой. Действительно, относительно многих других переменных, значение довольно большое (0,3409), тем не менее, оно находится на приемлемом уровне. Внушительная отрицательная связь (хотя также не сильно высокая) у переменной Size с показателями Cn1 и Cn2. Здесь объяснение, конечно, заключено в структуре банковской отчетности и тем фактом, что величина активов включает в себя все компоненты, необходимые для построения данного индекса Херфиндаля-Хиршмана.

Таблица 2. Корреляция основных величин

Глава 4. Результаты и выводы

После построения эконометрических моделей и указания причин включения всех компонентов, входящих в их состав, перейдем непосредственно к анализу. В данной части планируется описать результаты, полученные в ходе исследования, а также привести экономическое обоснование выявленным закономерностям.

Подобные документы

Понятие и этапы формирования кредитного портфеля, его структура и процесс управления. Классификация кредитные риски и их влияние на формирование портфеля коммерческого банка. Анализ кредитного портфеля банка. Механизм управления кредитным риском.

дипломная работа , добавлен 10.07.2015


Анализ качества кредитного портфеля коммерческого банка. Общая характеристика Тамбовского филиала ОАО "Сбербанк". Направления формирования и способы управления кредитным портфелем, его критериальная оценка: деловая активность, оборачиваемость, доходность.

курсовая работа , добавлен 14.01.2015


Политика банка в области осуществления розничного кредитования физических лиц. Формирование резерва на возможные потери по ссудам. Работа с просроченной задолженностью. Способы обеспечения достаточной диверсификации ссудной части кредитного портфеля.

курсовая работа , добавлен 02.05.2016


Управление качеством кредитного портфеля корпоративных клиентов банка как элемент системы контроля кредитного риска. Анализ и оценка кредитного портфеля коммерческого банка ОАО "Крайинвестбанк". Оптимизация формирования и управления кредитным портфелем.

дипломная работа , добавлен 26.10.2015


Сущность кредитного риска и факторы его определяющие. Последовательность этапов процесса управления кредитным риском. Методы определения кредитоспособности заемщика. Управление риском кредитного портфеля. Уровень ликвидности кредитного портфеля.

курсовая работа , добавлен 07.04.2012


Кредитная политика коммерческого банка. Стадии кредитного процесса и их характеристика. Методы управления кредитным риском. Оценка качества кредитного портфеля банка. Анализ кредитных операций и структуры кредитного портфеля на примере "Сбербанка России".

курсовая работа , добавлен 01.02.2014


Классификация кредитного портфеля по признаку диверсифицированности и клиентуры, по времени возникновения и видам валют. Основная характеристика доходности кредитного портфеля. Типы ссуд в зависимости от наличия обеспечения их своевременного возврата.

курсовая работа , добавлен 08.06.2014


Сущность и понятие кредитного портфеля коммерческого банка. Характеристика деятельности ОАО Сбербанк России, политика банка и уровень организации кредитного процесса. Основные этапы формирования и управления кредитным портфелем, анализ его качества.

курсовая работа , добавлен 17.04.2014


Оценка качества кредитного портфеля банка, его структуры, доходности, достаточности резервов, качества управления, обеспеченности ресурсами. Доходность кредитных вложений, качество управления кредитным портфелем, доля неработающих кредитных вложений.

задача , добавлен 12.05.2010


Оценка современных концепций управления кредитным портфелем в национальной и зарубежной практике. Организация деятельности банка при осуществлении процесса кредитования, направленого на предотвращение или минимизацию кредитного риска, лимитирование.