журналы подразделения новости подписка контакты home

архив
2001 год
2002 год
2003 год
2004 год
2005 год
2006 год
2007 год
2008 год
2009 год
2010 год
рубрики
Международные банки

БАНКОВСКИЕ СТРАТЕГИИ

БАНКОВСКИЙ СЕРВИС

Банковская деятельность

ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ

Новые рыночные страны

гостям
Агентство "Стандарт" предлагает вам подписаться на экномические журналы – лидеры в своей области.
























"Банковская практика за рубежом" – №9, 2006

Банковская деятельность

Безопасность межбанковского кредитования

Как отличить успешные банки от потенциальных банкротов в украинских условиях?

Надежность кредитных операций на межбанковском рынке является одной из актуальных проблем украинского кредитного риск-менеджмента. Незамедлительный поиск адекватных национальной экономике действенных методик управления кредитными рисками при кредитовании потенциальных банков-контрагентов на межбанковском рынке возможен при творческом изучении и преемственности мирового опыта в этом важном направлении банковской деятельности.

Девушка и тигр

Создание и внедрение передовых методик дистанционного, коэффициентного анализа финансового состояния потенциальных банков-партнеров на межбанковском рынке требует, прежде всего, адекватной технической и информационной базы. В настоящее время в условиях стремительного освоения отечественными банками высоких компьютерных технологий наличие современных аналитических программных продуктов считается одним из основных конкурентных преимуществ. Системы коэффициентного анализа банковской деятельности, которые помогают создавать адекватную картину состояния банка-контрагента на основе неполной и частично некорректной исходной информации, для Украины имеют гораздо большее значение, чем для промышленно развитых стран. Тем не менее, до сего времени в нашей стране разработке подобных систем уделялось меньше внимания, чем в США и Западной Европе. В сложившейся ситуации любая дискуссия по поводу такого отставания и возможных путей его преодоления исключительно актуальна.

В американских учебниках по риск-менеджменту приводится одна притча: «Трое молодых людей стоят перед выбором. Они находятся перед двумя закрытыми дверьми, за одной из которых – голодный тигр, за другой – красивая девушка. Один юноша долго думал, повернулся и ушел. Второй рискнул и приоткрыл дверь, но там, к сожалению, был свирепый тигр. Третий же… пошел на курсы дрессировщиков и через некоторое время ему было все равно, какую дверь открывать». Здесь представлены три основных направления управления рисками: один выбрал уход от риска, второй – принятие риска на себя, а третий выбрал более тонкий механизм управления рисками – снижение степени риска. Существует и четвертый вариант решения проблемы, доминирующий в отечественном риск-менеджменте: пойти и купить ружье. В этом – особенность национальной модели управления рисками, когда вместо вдумчивого постижения передовых зарубежных банковских методик, овладения искусством «дрессуры рисков» украинский риск-менеджмент, зачастую, занимает позицию «человека с ружьем».

В европейской банковской системе на межбанковском рынке доминируют посреднические операции. На долю банковских займов в ЕС приходится 55% от массы финансовых инструментов (акций, облигаций и займов). Несколько иная ситуация в США, где доминирует посредничество через фондовые рынки, а на банковские займы приходится лишь 22% от общих объемов операций на рынке капитала. Происходит это благодаря тому, что Европа обладает конкурентоспособными, по мировым меркам, финансовыми институтами, большая часть которых получает основную прибыль за счет проведения банковских операций и предоставления финансовых услуг [1]. Поэтому Европа доминирует на рынках банковского кредитования и страхования. В то же время, американские фондовые рынки намного крупнее и более развиты, чем европейские. Соотношение рынков межбанковского кредитования в США и Европе см. в табл. 1.

Из данных табл. 1 можно сделать вывод, что объемы европейского банковского кредитования вдвое превышают аналогичные показатели по США. Одна из причин устойчивости американских банков кроется в том, что они передали часть своих кредитных рисков европейским страховщикам. Дефолтные свопы на американские предприятия хеджируются на рынках США, однако по мере роста вероятности невыполнения обязательств накопление убытков по ним и конечная нагрузка в возмещении невозвращенных кредитов ложатся на плечи европейских перестраховщиков.

Крупные европейские банки, размещающие свои кредиты в США, тоже перекладывают их на европейских перестраховщиков. В результате рынки Европы становятся более слабыми, чем американские, хотя процессы рецессии и спада происходят в США [2].

Одним из важнейших инструментов финансового рынка является целевая процентная ставка по «федеральным фондам» (target Fed funds rate). Ее устанавливает Комитет по операциям на открытом рынке Федеральной резервной системы (ФРС) на специальных заседаниях, проводимых один раз в 4-6 недель для выработки политики ФРС по воздействию на денежное обращение, объем кредитования и процентные ставки.

Федеральные фонды (Fed funds) аккумулируют свободные резервы банков – членов ФРС; эти средства могут использоваться для предоставления другим банкам краткосрочных («ночных») ссуд, что позволяет банкам-заемщикам поддерживать необходимый уровень обязательных резервов в Федеральном резервном банке. По процентной ставке по «федеральным фондам» (federal funds rate) банки кредитуют друг друга на короткие сроки за счет свободных средств в Федеральных резервных банках; ее значение постоянно меняется, так что она выполняет функцию наиболее чувствительного показателя состояния рынка.

Чужой опыт

В условиях интенсивно развивающегося межбанковского рынка для банковских аналитиков важен анализ всех партнеров на этом рынке для эффективного управления присущими ему рисками.

Зарубежный опыт управления кредитным риском обобщен в «Рекомендациях «группы 30» [3]. Для анализа и управления кредитным риском предлагаются следующие меры:

учет (регистрация) существующих и потенциальных кредитных рисков;

наблюдение за рисками контрагента с учетом соглашений о неттинге;

создание независимого подразделения по управлению кредитным риском;

разработка типового (рамочного) контракта для сделок со всеми контрагентами во избежание юридического риска;

анализ эффективности мер повышения кредитоспособности банка и методов снижения кредитных рисков.

Оценка финансового состояния заемщика и прогноз его устойчивости в будущем являются важнейшим этапом процесса кредитования. Из множества существующих систем оценки финансового состояния заемщика наибольшее распространение получили следующие системы: Система 5 «С», PARSER, CAMPARI, метод Дельфи и др.

Название Системы 5 «С» получено из первых букв в словах Character, Capacity [Cash flоw], Collateral, Capital, vulnerability to economic Conditions. Для того чтобы контролировать поток наличности и оценивать кредитоспособность заемщиков, необходимо знать пять их параметров: общую характеристику, мощность (потока наличности), обеспеченность гарантий, собственный капитал и устойчивость относительно изменений экономических условий. Питер Роуз [4] предлагает шестую «С» – control (контроль), сводя все к получению ответов на такие вопросы как насколько изменение законодательства и правил негативно повлияет на деятельность заемщика, в какой мере кредитная заявка соответствует стандартам банка и регулирующих органов относительно качества кредита. Система 5 «С» активно используется американскими банками (табл.2).

В американских системах дистанционного мониторинга финансового состояния потенциальных банков-контрагентов отмечены следующие недостатки: набор коэффициентов и «весов» в моделях определяется субъективно, что заведомо плохо сказывается на качестве анализа; диагностика строится на основе системы показателей без проверки их статистической значимости внутри выделенной группы банков; метод измерения показателей за счет сравнения их с показателями группы банков используется не во всех системах; отсутствует система оценки развития банка. Таким образом, американский опыт мониторинга в силу данных причин нельзя «зеркально» переносить на украинскую почву.

Модель CAEL была разработана в середине 80-х годов. Как видно из ее названия, она не включает в себя компонент «M» (факторы управления), который дистанционно невозможно оценить. Остальные компоненты анализируются при помощи 19 коэффициентов. Разумеется, полученные результаты менее точны, чем при использовании CAMELS, однако процедура оценки значительно ускоряется, ее можно выполнять гораздо чаще и с меньшими затратами. В настоящее время дистанционный анализ банков стал существенно точнее за счет развитого математического аппарата, поэтому система CAEL признана устаревшей; с начала 2000 года ее заменила статистическая модель SCOR. Отметим, что этот опыт эволюции методики весьма показателен для Украины, ведь при оценке банков в условиях финансовой нестабильности внедрение развитых экономико-статистических моделей имеет особую значимость как для контролирующих органов, так и для кредитных учреждений, разрабатывающих собственные системы анализа контрагентов.

В практике английских клиринговых банков используется балльная система оценки заемщика PARSER или CAMPARI. Первая из них представляет систему анализа по следующим шести направлениям [5]:

Р (person) – информация о персоне потенциального заемщика, его репутации;

А (amount) – обоснование суммы испрашиваемого кредита;

R (repayment) – возможность погашения;

S (security) – оценка обеспечения;

Е (expediency) – целесообразность кредита;

R (remuneration) – вознаграждение банка (процентная ставка) за риск предоставления кредита.

Система CAMPARI предусматривает оценку потенциального заемщика и присвоение определенного количества баллов по несколько отличающимся характеристикам:

С (character) – репутация заемщика;

А (ability) – оценка бизнеса заемщика;

М (means) – анализ необходимости обращения за ссудой;

Р (purpose) – цель кредита;

А (amount) – обоснование суммы испрашиваемого кредита;

R (repayment) – возможность погашения;

I (insurance) – способ страхования кредита.

По методу Дельфи независимые эксперты оценивают риски; заключительный отчет составляется в виде единой точки зрения на степень подверженности риску.

Переосмысление

Комплексный анализ степени применимости данных методов позволил выявить следующие недостатки: их вневременной характер; значительные изменения в подверженности риску могут произойти до того, как расчетные показатели или наблюдения экспертных групп успеют это заметить. Техника линейного моделирования дает возможность классификации займов по двум главным категориям: те, которые будут наверняка выплачены, и те, которые потребуют пересмотра условий или не будут погашены.

В Украине в исследованиях такого рода возникло немало противоречий, вызванных искажением в распределении многих из доступных данных. Особенно следует отметить, что некоторые западные технологии управления рисками при операциях межбанковского кредитования (минимизация кредитных и валютных рисков) в украинской банковской практике практически на данном этапе использовать невозможно. За рубежом проблема решается с помощью свопов и кредитных деривативов. В Украине рынок деривативов не развит, отсутствуют специальные методики их применения для минимизации идентифицированных рисков, нет описания того, как должны работать соответствующие подразделения банков. К тому же, по национальному законодательству, подобные сделки приравниваются к пари и не подлежат судебной защите. То же и со свопами: нет нормативных актов, регламентирующих налогообложение подобных сделок, без чего реальное «налоговое бремя» делает их нерентабельными. Отечественный межбанковский рынок в настоящее время ищет гаранта в государственных и негосударственных структурах, но кардинальное решение его главных проблем – в создании современного и эффективного технологического уклада межбанковского кредитования.

В Украине наиболее востребованными стали три подхода к созданию систем анализа рисков межбанковского кредитования:

1. Адаптация зарубежных методик.

Чаще всего базируется на американской системе оценки CAMEL. Исходная информация, в основном, агрегированная, подстраивается под американскую систему показателей с одновременным поиском замены рекомендациям по экспертной оценке характеристик финансового состояния банка (основа американского подхода к анализу банка) набором формализованных коэффициентов, а также определением критериев их оценки, наиболее приемлемых для местных условий.

У данного подхода весьма высокий потенциал с точки зрения проведения качественного анализа на его основе, но существуют и недостатки. Во-первых, используемый в качестве основы прототип создан и эффективно работает в виде экспертной системы на базе очень большого объема аналитической и внесистемной информации о банке и сфере его деятельности, а формализованная часть оценки характеристик состояния банка невелика и поэтому не играет определяющей роли. Во-вторых, в основе CAMEL-метода лежат модели американских банков в американских условиях, во многих аспектах не совпадающих с украинскими.

2. Разработка на базе простейших экономических моделей деятельности банка систем экспресс-анализа основных характеристик (методика оценки надежности банка, созданная В.Кромоновым и используемая для определения рейтингов банков). Качество зависит, прежде всего, от полноты отражения основных аспектов деятельности банка. Отдавая предпочтение таким методикам, надо руководствоваться соотношением приемлемого значения погрешности результата анализа и приемлемым уровнем его трудоемкости.

3. Использование сложного математического аппарата, прежде всего – статистического. Наиболее эффективно с помощью статистики можно отслеживать стандартные, или массовые, операции. Так, для банка, проводящего тысячи кредитных операций и имеющего десятки тысяч заемщиков, можно с помощью статистических методов достаточно точно определить уровень невозврата кредитов и на такой основе прогнозировать качество кредитного портфеля для других аналогичных по объему кредитного портфеля и количеству заемщиков банков.

Необходимость в создании моделей, отвечающих украинским реалиям банковского рынка и позволяющим определять вероятность возвращения заемных средств банком-контрагентом, назрела давно. Катализатором для проведения исследований в данном направлении послужили события конца 2004 года и банкротства нескольких крупных и мелких банков. Для дальнейшего стабильного и динамичного развития национальной банковской системы актуальны следующие вопросы: как идентифицировать устойчивость банка; какие качественные и количественные характеристики свидетельствуют о его надежности; как фиксируется результативность банковской деятельности?.

Несомненно, что банкротство банка по внутренним причинам тесно связано с эффективностью управления кредитными рисками, ибо по своей сути оно представляет собой отрицательный результат управленческого воздействия на отдельные рисковые позиции и отражает количественное накопление негативных последствий управления рисками, переросшее на определенной стадии в новое отрицательное качество – банкротство банка.

Вместе с тем, далеко не все отрицательные количественные изменения в финансовом положении банка, обусловленные негативным управлением рисками, ведут к банкротству. Где та тонкая грань (своего рода Рубикон), за которой перед банком разверзнется финансовая пропасть? Причем, она многоступенчата, так что несомненный интерес вызывает то, какая из этих ступенек последняя.

Не вызывает сомнения и тот факт, что банкротства украинских банков будут и в дальнейшем продолжаться (на 01.09.2006 г. лицензию НБУ на осуществление операций имели 166 банков, в состоянии ликвидации находились 20 банков), поскольку существует ряд объективных причин: ужесточение условий конкуренции в банковском секторе, повышение нормативных требований к финансовому состоянию кредитных организаций, изменение культуры экономических отношений и т.п. Предпосылками банкротства банка могут стать как макроэкономические (вроде кризиса 2004 года), так и микроэкономические факторы, кризис ликвидности нескольких системных банков. Однако причинами банкротства финансовых организаций, прежде всего, являются неграмотное управление собственными и привлеченными ресурсами, необоснованное принятие высоких рисков, проведение операций, ухудшающих качество активов банка в интересах недобросовестных их руководителей или владельцев, потеря деловой репутации.

В практике западных стран методики ранней диагностики неплатежеспособности предполагаемого банка-партнера базируются на достоверной банковской отчетности. Но в украинских условиях не всегда можно уповать на данное обстоятельство. И, тем не менее, существует ряд признаков, указывающих на возможную угрозу банкротства банка-контрагента: установленный Национальным банком Украины минимальный уровень отношения собственных средств банка и его активов, несущественная доля высоколиквидных активов при высокой доле средств, заимствованных на МБК и т.д.

Специфика рынка МБК выражается, прежде всего, в том, что для большинства его участников межбанковские кредиты, с одной стороны, являются средством поддержания ликвидности, а, с другой, – местом размещения временно свободных ресурсов. Рынок МБК отличается высокой степенью динамичности и волатильности, большой скоростью изменения рыночной конъюнктуры, острой реакцией на любые внешние раздражители, в том числе и на информацию о финансовом состоянии участников рынка.

Таким образом, в условиях банковских реалий Украины краеугольным камнем моделей вероятности возвращения заемных средств банком-контрагентом должен стать анализ финансового состояния кредитной организации вместе со сравнительным анализом практики обанкротившихся и успешно функционирующих банков, а главной задачей – идентификация способности банка-заемщика погасить в срок свои обязательства перед банком-кредитором за счет собственных ликвидных активов. Именно такая модель и методология управления кредитными рисками на межбанковском рынке широко распространены в России и других странах ближнего зарубежья [6].

Украинская модель

С учетом экономических реалий Украины данная модель на примере дистанционного анализа групп коммерческих банков выглядит следующим образом.

Для построения модели в качестве данных для оценки нами использовались бухгалтерские балансы 41 малоэффективных, проблемных и полностью обанкротившихся банков в период с 01.01.2004 г. по 01.01.2006 г. (далее – банкроты) и 41 высокорентабельных, успешно функционирующих в этот же период банков (далее – успешные). Временной горизонт исследования составлял 24 месяца, т.е. 24 ежемесячных балансовых отчета.

Для проведения анализа финансового состояния потенциального банка-партнера необходимо преобразовать исходную форму банковского баланса в сравнительный аналитический баланс посредством агрегирования некоторых однородных по составу элементов балансовых статей. Данный прием анализа создает условия для выделения ключевых элементов, характеризующих финансовое состояние банка. Корректное агрегирование балансовых статей формирует основу качественного анализа и обеспечивает расчет коэффициентов, применяемых нами ниже для прогнозирования перспектив деятельности анализируемого банка-контрагента.

Данный подход основывается на постулате об определенных отличиях в динамике агрегированных показателей статей банковского баланса. Исследуемые динамические характеристики служат генератором предупредительных сигналов об эффективности деятельности того или иного субъекта банковского сектора. В общем, в поведении банков перед банкротством обнаруживаются общие тенденции в динамике показателей агрегированных статей банковского баланса, наличие которых предупреждает о высокой вероятности банкротства в ближайшей перспективе. Благодаря данному утверждению мы получим возможность уже на начальных этапах анализа банков-контрагентов с определенной долей уверенности оценивать рискованность сделок с ними.

Очевидно, что выбор агрегированных показателей статей банковского баланса должен основываться на вдумчивых, аргументированных суждениях о том, какие из приведенных показателей способны достаточно точно отразить положительную и негативную динамику роста банка с учетом его специализации и индивидуальности. Так, показатели «вложения в государственные бумаги» или «векселя других организаций» не смогут раскрыть динамику любого банка, так как далеко не у каждого из них в портфеле активов ценные бумаги имеют более-менее значимый удельный вес и постоянную «прописку». Для уменьшения погрешностей необходимо, на наш взгляд, группировать однородные банки на базе одного или нескольких критериев, среди которых – размер активов, специализация (инвестиционные, сберегательные и ипотечные), региональное положение, учет периодического перехода банков из одной группы в другую.

По нашему мнению, для анализа риска кредитования банков-партнеров на рынке МБК наиболее оптимально подходят следующие показатели агрегированных статей банковского баланса:

валюта баланса;

чистые активы;

ликвидные активы;

кредиты коммерческим организациям;

собственный капитал;

обязательства до востребования;

фактическая прибыль;

корреспондентский счет в НБУ;

депозиты частных лиц.

Для оценки динамики указанных выше показателей по каждому банку строится простая линейная регрессная модель:

y ij25 = m х хijn + b, (1)

где yij – прогнозируемая переменная i-го показателя j-го банка;

хij – фактическая переменная i-го показателя j-го банка за n-ный месяц;

m и b – коэффициенты регрессии;

n (Sxij yij) (Sxij) (Syij)

m = (2)

n (S(xij2)) – (Sxij)2

n (Syij) (S(xij)2) – (Sxij) (Sxij yij)

b = (3)

n (S(xij2)) – (Sxij)2

Затем по каждому банку для тех же показателей находится средняя хронологическая (Sch) для ряда моментных значений х1, …, хn (n = 24):

Schij = (1/(n –1)) / (х1/2 + х2 + L + + х n – 1 + xn/2) (4)

где Schij – средняя хронологическая для i-го показателя j-го банка.

Тогда положительную динамику (поступательное, натуральное увеличение агрегированных показателей) можно выразить следующим неравенством:

y ij25 > Schij (5)

Итак, по каждому банку это неравенство соблюдается или нет. В первом случае мы идентифицируем положительную динамику, во втором – отрицательную. Представим данное утверждение в виде формулы:

y ij25 > Schij Pdij = 1,

y ij25 < Schij Pdij = 0,

где Pdij – показатель динамики i-го показателя j-го банка.

Для каждого агрегированного показателя конечным значением будет сумма показателей динамики по каждой группе, SPdbij – банки-банкроты, SPdsij – успешные банки.

Приведенные показатели могут принимать любое значение – от 0 до n (в нашем случае n = 41), т.е. соблюдаются следующие неравенства 0 < Pdpij > 41 и 0 < Pdnij > 41 (общие результаты см. в табл. 3).

Для большей наглядности представим показатели табл. 3 графически (см. рис. 1): ясно видно различие между динамикой агрегированных показателей успешных банков и банкротов. При этом, значение Pdpij – Pdpij отслеживается практически по всем агрегированным показателям, т.е. каждый показатель в разной степени определяет выявленное различие. Наиболее сильно успешные банки отличаются от банков-банкротов по динамике фактической прибыли, объемам средств на корреспондентском счете в НБУ и размерам чистых активов. Полученные результаты не противоречат здравому смыслу и легко интерпретируются экономически. Действительно, результатом успешного функционирования коммерческого банка должно быть поступательное наращивание фактической прибыли. Расширение объемов средств на корреспондентском счете в НБУ может свидетельствовать о высокой степени ликвидности кредитной организации, а увеличение чистых активов – об интенсивности темпов развития банка.

Очевидно, как по успешным, так и по банкам-банкротам динамика может отслеживаться далеко не по всем агрегированным показателям. Предположим наличие определенной критической величины показателей, по которым отсутствует негативная динамика, свидетельствующая о серьезных проблемах в финансовом состоянии коммерческого банка и ведущая к его банкротству.

Для подтверждения данной гипотезы строится график, где ось абсцисс – количество агрегированных показателей, а ординат – количество банков, по которым отслеживается динамика по этим показателям (рис. 2).

Результаты проведенного анализа свидетельствуют о том, что число агрегированных показателей, по которым выявляется положительная динамика, у успешных банков и банкротов заметно отличается. Так, положительная динамика по девяти показателям отслеживается соответственно у 17 успешных банков и 5 банков-банкротов, по восьми показателям – у 26 и 9, по семи – у 38 и 13, по шести – у 40 и 22, по пяти – у 41 и 28. Основными критериями для определения критического количества показателей наиболее целесообразно принять разницу между количеством успешных банков и банков-банкротов и величиной ошибок модели (табл. 4).

Под ошибкой модели понимается неверное определение статуса банка, т.е. модель может ошибочно причислять успешный банк к банкроту (ошибка первого рода) и банк-банкрот – к успешному (ошибка второго рода). Цена этих ошибок не однозначна, ибо, допустив ошибку первого рода, банк рискует упустить потенциальную выгоду от сделки, допустив же ошибку второго рода, банк рискует потерять деньги. Поэтому в дальнейшем, оценивая эффективность той или иной модели, приоритет отдается минимальному количеству ошибок второго рода.

В соответствии с выбранными критериями критическим количеством следует считать семь показателей, т.е., если у банка из указанных девяти показателей не отслеживается положительная динамика, как минимум, по семи, то такой банк находится в тяжелом финансовом положении, ведущем к потере лицензии, а, значит, предоставлять кредитные средства такому банку не целесообразно. Действительно, разница между успешными банками и банками-банкротами, по показателям которых отслеживается положительная динамика, максимальна для семи показателей, а ошибки модели для семи показателей суммарно минимальны. Большое количество ошибок второго рода объясняется использованием в качестве информационной базы бухгалтерской отчетности банков, которая, в свою очередь, часто не отражает истинного положения дел в банке. Тем не менее, главным критерием эффективности модели является количество ошибок первого рода. В данном случае результат 7,3% следует признать удовлетворительным.

Таким образом, можно сделать следующие выводы:

Динамика агрегированных показателей успешных банков и банков-банкротов существенно отличается.

Существует критическое количество агрегированных показателей, отсутствие положительной динамики по которым сигнализирует о грядущих финансовых проблемах банка.

Отсутствие у банка положительной динамики, как минимум, по семи показателям, свидетельствует о серьезных финансовых проблемах, ведущих к отзыву лицензии.

При проведении дальнейшего анализа данную модель можно использовать для фильтрации выборки потенциальных банков-банкротов.

Десять «Иксов»

Следующим этапом исследования при оценке надежности банка-контрагента будет выделение из всего спектра наиболее экономически значимых статей банковского баланса коэффициентов, наиболее полно характеризующих качество и эффективность его деятельности. Главным критерием оценки значимости того или иного коэффициента послужило наличие четкого разграничения значений успешных банков и банков-банкротов. Располагая значениями всех коэффициентов по каждому банку за 24 месяца, можно для определения значимости рассчитать среднее значение по каждому коэффициенту помесячно для каждой группы банков по формуле:

Хсрta = (1 / n) SХij (6)

где – индекс группы банков (s – успешные банки; b – банки-банкроты); t – месяц исследования; n – количество банков в группе; Хij – значение i-го коэффициента j-го банка. Приведем в табл. 5 перечень выбранных коэффициентов и результаты расчетов по формуле (6).

При ближайшем рассмотрении данного перечня видно, что анализ деятельности кредитной организации, проведенный посредством такой совокупности коэффициентов, позволяет сделать достаточно содержательный вывод о характере деятельности банка, структуре его активов и пассивов. Так, в шести коэффициентах основные агрегированные показатели активов и пассивов соотносятся с валютой баланса как с системным показателем банковской деятельности, отражающим размер банка, в двух коэффициентах исследуется структура собственного капитала, в оставшихся – отражается структура обязательств до востребования (Х5) и ликвидность банка на рынке МБК (Х10).

Для анализа степени разделения указанными коэффициентами банков на успешных и банкротов строятся попарные графики для каждого коэффициента Х1, …, Х10 и экономически интерпретируются полученные результаты.

В качестве примера проанализируем коэффициенты Х1 и Х10.

При расчете первого коэффициента (Х1) анализируется удельный вес ликвидных активов в структуре валюты баланса, что позволяет охарактеризовать потенциальную платежеспособность банка. Следует отметить, что граничные, критические, значения для таких коэффициентов вычислить довольно трудно, ибо для каждого банка именно оригинальная структура активов и пассивов служит основным источником конкурентоспособности. Поэтому полученные граничные (далее – оптимальные) значения для каждого из коэффициентов должны логически и экономически интерпретироваться, с определенной периодичностью пересчитываться и не противоречить нормативным актам НБУ и действующему законодательству.

Удельный вес ликвидных активов (рис. 3) в структуре валюты баланса успешных банков колебался в пределах от 9 до 18%, причем, прослеживалась четкая тенденция к понижению. Это объясняется возрастающей конкуренцией в банковском секторе, так как финансовые институты вынуждены для удержания рыночных позиций усложнять ассортиментный ряд продуктов, особенно в части потребительского и микрокредитования, т.е. кратко- и среднесрочного кредитования. В связи с развитием рыночной экономики в Украине у отечественных банков появляется ряд новых направлений для краткосрочного вложения капитала, гораздо более выгодных, нежели ценные бумаги. К их числу можно причислить активно развивающийся украинский фондовый рынок, особенно рынок акций, межбанковский рынок, где с каждым годом количество инструментов неуклонно возрастает, и т.д. Успешное развитие обусловливает нехватку ликвидных средств, поэтому банки балансируют на грани выполнения нормативов ликвидности НБУ и максимально возможного использования ликвидных активов.

Аналогичная ситуация прослеживается и в группе банков-банкротов, но с гораздо более сильными колебаниями. Так, при общей тенденции к понижению удельный вес ликвидных активов колебался в пределах 24-10%, причем, резкое снижение происходило, как правило, за пять месяцев до банкротства. Однако несмотря на схожесть тенденций по обеим группам банков интерпретация для каждой из них разная. Так, значение коэффициента 24-20% может свидетельствовать об избыточной ликвидности и, как следствие, низкой рентабельности собственного и привлеченного капитала. Избыточная ликвидность накапливается, когда банк не располагает адекватными возможностями для применения капитала, что характерно для мелких банков и банков с отсутствующей собственной нормативной и технической базой. Здесь резкое снижение ликвидных активов (более чем вдвое – от 22-24% до 10%) объясняется ухудшением финансового состояния: банк начинает «латать дыры» в своем балансе. В результате усугубляется структурное несоответствие активной и пассивной частей баланса, что приводит к кризису ликвидности, а затем и к банкротству банка.

Схожие тенденции динамики коэффициента Х1 значительно осложняют его применение в прогнозно-регрессивных моделях вероятности возвращения заемных средств банком-контрагентом. При построении непараметрических или экспертных моделей можно учесть среднее значение данного коэффициента для обеих групп банков и найти оптимальное и критическое значение.

В группе успешных банков коэффициент Х10 отличается низкой волатильностью и относительно плавным повышающимся трендом, значения колеблются между 33 и 58%, что соответствует нормальной зоне (рис. 4). Сложившаяся ситуация объясняется возрастающей нехваткой средств у поступательно развивающихся банков, ростом доверия к ним среди участников рынка. В группе банков-банкротов коэффициент Х10 характеризуется отсутствием динамики (чистый боковой тренд), и только за три месяца до краха этот показатель уменьшился почти втрое, максимальное значение – 22%, минимальное – 8%. Такие тенденции могут говорить об отсутствии более выгодных направлений приложения капитала (кредитование, ценные бумаги). Однозначно уровень значения Х10 менее 25% можно признать критическим.

Далее модель прогнозирования финансового состояния банка-контрагента анализируется на основе неформализованных методов. Построение такой модели проходит в два этапа: расчет показателя, включающего результаты проведенного коэффициентного анализа, четко разделяющего всю совокупность банков в выборке на две группы – успешные и банкроты; определение временного горизонта эффективного прогнозирования, анализ ошибок модели.

В результате проведенного коэффициентного анализа были выявлены десять коэффициентов, в той или иной степени распределяющих финансовые институты на успешные банки и банкротов. Причем, в качестве учетной величины использовались среднемесячные значения по каждой группе. Логично предположить, что к среднему значению по любому коэффициенту группы успешных банков за весь период исследования могут приближаться значения тех же коэффициентов группы банков-банкротов. Исходя из того что наиболее важным фактором при выборе того или иного коэффициента было четкое разграничение выборки банков на две группы, справедливо будет в зависимости от этого варьировать удельный вес каждого коэффициента в модели:

aXn = 1 – ZijXn / n (7)

Причем,

ZijXn = 1, если хijbXn < Xсрis < Xсрibt или хijb > Xсрis > Xсрibt (8)

ZijXn = 0, если хijbXn > Xсрis и

Xсрis < Xсрibt или

хijbXn < Xсрis и Xсрis > Xсрibt (9)

где: aXn – удельный вес коэффициентов, вошедших в модель; ZijXn – фиктивная переменная, принимающая значения «1» или «0» по i-му месяцу j-му банку для каждого коэффициента, вошедшего в модель; хijbXn – значение коэффициента по i-му месяцу j-му банку-банкроту для каждого коэффициента, вошедшего в модель; Xсрis – среднее значение по i-му коэффициенту в группе успешных банков; Xсрibt – среднее значение по i-му коэффициенту в группе банков-банкротов за шесть месяцев до банкротства.

Итак, чем больше раз значения коэффициентов банков-банкротов пересекают линию, выстроенную средним значением по тем же коэффициентам группы успешных банков, тем меньше удельный вес соответствующих коэффициентов в конечной модели. В табл. 6 приводятся полученные в результате исследования показатели удельного веса коэффициентов.

Для оценки значений коэффициентов предлагается соответствующая шестибалльная шкала (рис. 5), учитывающаяся, что, чем ближе значения коэффициентов по конкретному банку к средним значениям этих коэффициентов по всей группе успешных банков за весь период исследования, тем больше шансов у этого банка благополучно продолжать свою деятельность. Пять баллов значение n-го месяца, j-го банка по одному из коэффициентов получает, если оно находится на графике, отображенном на рис. 5 справа от Xсрis, три балла – между Xсрis и Xсрis/b, один балл – между Xсрis/b и Xсрibt , ноль баллов – слева от Xсрibt .

Обобщающий синтетический коэффициент рассчитывается по формуле:

С = а1Х1ij + а2Х2ij + … +

+ anXnij (10)

где Xnij – значение определенного коэффициента за i-й месяц j-го банка.

При проведении тестирования из модели были исключены коэффициенты Х1, Х2, Х5, Х6 и Х9, наименее четко разделяющие выборку банков на две группы. В результате модель прогнозирования финансового состояния банка-контрагента можно представить в следующем виде:

С = 0,85Х3 + 0,86Х4 + 0,92Х7 + +0,85Х8 + 0,87Х10 (11)

Для иллюстрации полученных результатов рассчитаем среднее значение синтетического коэффициента (Сср) помесячно для каждой группы банков. Как видно из табл. 7, синтетический коэффициент довольно четко выполняет свою главную функцию разделения совокупности банков на две группы. На данном этапе построения модели основная задача заключалась в логическом и экономически интерпретируемом выборе того или иного значения синтетического коэффициента, отвечающего основным требованиям, предъявляемым к модели.

Наиболее целесообразно в качестве константной величины синтетического коэффициента (Сconst) принять среднее значение для Ссрs и Ссрb, что составит 0,314. Получив константную величину синтетического коэффициента, мы можем утверждать, что, если неравенство Сconst < 0,314 для определенного банка выполняется n раз подряд, то банкротство данного банка можно ожидать через t месяцев.

Статистические исследования показали: оптимальным значением n будет повторение неравенства Сconst < 0,314 шесть раз подряд.

Таким образом, посредством сравнительного анализа банковской деятельности двух групп кредитных организаций (успешных и банков-банкротов) выделяются десять коэффициентов, дающих возможность мониторить динамику развития предполагаемых банков-партнеров на рынке МБК за определенный период функционирования и на этой основе проводить своевременную диагностику их неплатежеспособности и прогнозировать вектор развития в ближайшей перспективе. Данные рекомендации создают механизм защиты для украинских банков-кредиторов и позволяют предпринимать эффективные шаги в целях снижения риска проведения межбанковских операций и сохранения собственного капитала.

Алексей Ковалев
Заместитель начальника управления кредитования ТОВ «Укрпромбанк»

Список источников:
1. Михайлов Л., Сычева Л. Американский опыт организации дистанционного мониторинга финансового положения банков // Аналитический банковский журнал, 2000 г., N 8, с. 62-70.
2. Bessis Joell Risk-manadgment in Banking. LTD, 2002.
3. Ермасова Н.Б. Риск-менеджмент организации: Альфа-Пресс, 2005 г., с 149-152.
4. Роуз П. Банковский менеджмент // Перевод с англ. со 2-го изд. – М.: «Дело Лтд», 1995 г.
5. Севриновский В. Развитие систем банковского мониторинга: анализируя мировой опыт. – М.: ЮНИТИ, 2004 г.
6. Ковалев П.П. Оценка рисков кредитования банков-контрагентов на рынке МБК. Управление финансовыми рисками, № 1, 2006 г. http://grebennikon.ru/ author-1520.html

 
© агенство "Стандарт"