Фрагмент для ознакомления
2
Введение. На протяжении последнего десятилетия банковский сектор в России уже дважды ощутил на себе негативное влияние экономического спада.
Рис. 1. Динамика сокращения кредитных организаций в России
Как видно на рис. 1, количество работающих банков в нашей стране за последние десять лет сократилось более чем в два раза, причем наибольшими темпами оно уменьшалось в кризисные для российской экономики периоды 2014-2023 гг. [4]
Данные кризисы, сопровождавшиеся снижением цен на основной продукт российского экспорта — нефть, и, как следствие, сокращением ВВП, приводили к ухудшению кредитного качества заемщиков российских коммерческих банков. Результатом этого стала реализация кредитного риска в объеме, который некоторые из банков не смогли пережить.
Сильнейшую взаимосвязь между макроэкономическими показателями страны и положением банковского сектора демонстрирует рис. 2. За последнее десятилетие корреляция между мировыми ценами на нефть [6] и скоростью сокращения количества российских банков достигла отметки –52%.
Рис. 2. Корреляция цены на нефть и количества кредитных организаций, у которых были отозваны лицензии
Подобные наблюдения свидетельствуют о важности оценки кредитного риска в случае реализации негативного экономического сценария. Эту задачу можно решить с помощью инструментария стресс-тестирования — процедуры оценки влияния на финансовое состояние банка ряда изменений в риск-факторах, которые соответствуют исключительным, но вероятным негативным событиям.
В последние годы стресс-тестирование становится значимым механизмом управления рисками в коммерческих банках и важнейшей частью инструментария антикризисного риск-менеджмента.
Стресс-тестирование проводится для различных видов банковских рисков. В данной статье описывается подход к стресс-тестированию кредитного риска, т.е. риска не возврата или просрочки платежа по кредитам из-за снижения или утраты заемщиком кредитоспособности. Необходимость уделить внимание именно кредитному риску продиктована его исключительной значимостью по сравнению с другими видами рисков. Так, в «Отчете о развитии банковского сектора и банковского надзора в декабре 2022 года», подготовленном Банком России, указывается, что на горизонте до конца 2023 года по сценарию, предполагающему сохранение санкционного давления, ухудшение кредитного качества заемщиков, а также стагфляцию мировой экономики (т.е. с доформированием резервов по ссудам) [5].
Цель работы исследовать возможности стресс-тестирования кредитного риска методом сценарного анализа для предсказания ухудшения кредитного качества потенциальных корпоративных заемщиков из разных рыночных сегментов, в частности российских компаний нефтяной отрасли и агропромышленного комплекса (АПК).
Методология. Опишем модель стресс-тестирования кредитного риска в коммерческом банке. Она позволяет количественно оценить вероятный убыток банка от ухудшения платежеспособности его корпоративных заемщиков при изменении определенных макроэкономических показателей. Данная модель оперирует понятием внутренних кредитных рейтингов, т.е. суждением банка об уровне кредитоспособности своих заемщиков. Подобный подход предусмотрен стандартами Базельского комитета по банковскому надзору, активно внедряемыми сегодня в деятельность российских банков.
Подход на основе внутренних рейтингов (Internal Ratings-Based Approach) предполагает необходимость оценки банком объема ожидаемых потерь (Expected Loss, EL) и неожиданных потерь (Unexpected Loss, UL) для своих активов. Каждый из этих показателей зависит от вероятности дефолта заемщика (Probability of Default, PD). Внутренний рейтинг заемщика определяет интервал значений PD. Таким образом, знание о результате ухудшения макроэкономических индикаторов изменятся внутренние
Показать больше
Фрагмент для ознакомления
3
Литература
1. Жевага А.А., Карминский А.М., Кузнецов И.В., Моргунов А.В. Моделирование вероятности дефолта корпоративных заемщиков // Управление финансовыми рисками. — 2016. — №1(45). — С. 12–28.
2. Жевага А.А., Кузнецов И.В. Стресс-тестирование кредитного риска // Контроллинг. — 2017. — №4. — С. 46–53.
3. Белкин Б., Сучауэр С., Форест Л.Р. (1998). Однопараметрическое представление матриц кредитного риска и переходных процессов. — https://www.z-riskengine.com/media/1032/a-one-parameter-representation-of-credit-risk-and-transition-matrices.pdf. (дата обращения 15.06.2023).
4. Информация о регистрации и лицензировании кредитных организаций. — http://www.cbr.ru/statistics/?PrtId=lic. (дата обращения 15.06.2023)
5. Отчет о развитии банковского сектора и банковского надзора в декабре 2022 года. — https://asros.ru/upload/iblock/395/12rcjsgknrwl1mqngy8x99645la6zcfe/O-razvitii-bankovskogo-sektora-Rossiyskoy-Federatsii.-Dekabr-2022.pdf. (дата обращения 15.06.2023)
6. Стоимость нефти по годам: 1960-2023 — https://vseofinansah.ru/servisy/stoimost-nefti-po-godam-s-1960 (дата обращения 15.06.2023).
7. Мусханова Хеда Жамуловн Методика факторной оценкми устоячивости развития банковской системы // Вестник евразийской науки. — 2021. — №4. — URL: https://cyberleninka.ru/article/n/metodika-faktornoy-otsenki-ustoychivogo-razvitiya-bankovskoy-sistemy (дата обращения: 15.06.2023).