Обоснование хозяйственных решений и оценка рисков

На следующий квартал импортер внимательно изучает изменения валютного курса, и приходит к выводу о необходимости проведения повторной операции хеджирования. Он обращается в банк, где ему котируют продажу валюты через три месяца по курсу 5,4600 гривен/доллар. То есть компания фиксирует будущую оплату 546 тысяч гривен за 100 тысяч долларов. Через три месяца после оплаты валютного контракта, импортер узнает, что текущий курс валюты на межбанковском рынке составлял 5,4500 гривен/доллар, и значит, он переплатил тысячу гривен. Разочарование подобным хеджированием приводит к тому, что импортер решает больше не связываться с прогнозированием валютного рынка.

Насколько оправданно это разочарование? Многие в такой ситуации тоже были бы разочарованы подобным исходом дела. Однако, разочарование как раз и происходит из-за того, что компания, видимо, несколько неправильно представляла себе цели хеджирования.

В случае, если целью операции было фиксирование финансовых потоков в будущем, то данная операция на 100 % выполнила эту задачу. Действительно, компании не стоило расстраиваться, когда форвардный курс оказался менее выгодным по сравнению с текущим. При фиксации денежных потоков, величина текущего курса не должна иметь для компании никакого значения.

Исходя из этого, можно определить основные меры эффективности хеджирования в зависимости от поставленных целей.

Самая типичная цель для операций хеджирования - добиться планируемого финансового результата, с оговоркой - «больше - лучше, меньше - хуже». Конкретные результаты - планируемая процентная ставка при вложении денежных средств или финансовые поступления от сделки.

Эффективность хеджирования высчитывается при этом делением действительного финансового результата на планируемый.

Эффективность хеджирования =

R/T,

где R - действительный финансовый результат,

Т - планируемый результат.

В нашем примере соглашения о будущей процентной ставке, компания провела операцию хеджирования при которой стоимость размещения денежных средств составила 17% годовых, как и планировалась. В данном случае, эффективность хеджирования составляет 100%.

В случае продажи некоего сырья компания планировала получить 150 тысяч долларов выручки, однако при проведении хеджирования, за счет изменения цен, получила всего лишь 143 тысячи. Эффективность составит 150/143 = 95,33 %.

Во втором случае цель хеджирования состоит в достижении планируемого результата с оговоркой «меньше - лучше, больше - хуже». Таким образом, риск имеет противоположную направленность, нежели в первом случае. Простой пример - компания должна занять денежные средства в кредит. Планируемая процентная ставка составляет 20%, действительная ставка 21,5%. Эффективность хеджирования высчитывается путем деления планируемого финансового результата на действительный.

Эффективность хеджирования =

T/R,

где Т - планируемый результат,

R - действительный финансовый результат.

В нашем примере эффективность хеджирования составит 20/21,5 = 93,02 %.

Усложним цель хеджирования - достижение планируемого финансового результата с ограничением на минимально приемлемый уровень. Это похоже на первый случай, но появляется вторая оговорка в определении цели хеджирования, которой устанавливается минимально приемлемый результат.

Что это означает? Допустим, компания планирует выручить от проведения сделки 3 миллиона гривен, при этом задается минимально приемлемый результат в 2,7 миллиона гривен, который представляет собой уровень безубыточности сделки.

Эффективность рассчитывается делением разницы фактического результата и минимально приемлемого уровня на разницу планируемого и минимально приемлемого результата. Формула при этом выглядит следующим образом:

Эффективность хеджирования =

(R - Min)/(T - Min),

где R - действительный финансовый результат,

Т - планируемый результат,

Min - минимально приемлемый финансовый результат.

В нашем примере фактический финансовый результат составил 3,15 миллиона гривен. Таким образом, эффективность хеджирования составит (3,15-2,70) / (3-2,70) - 150 %.

Похожую цель хеджирования только с ограничением на максимально приемлемый результат рассмотрим в следующем случае. Итак, по-прежнему необходимо добиться планируемого финансового результата, однако с ограничением на максимально приемлемый результат.

Рассмотрим пример с планируемым заимствованием. Компании необходимо занять средства. Планируемая ставка займа - 24 % при максимально допустимой 26% годовых. После проведения хеджирования компании получает заемные средства по ставке 24,1 %.

Эффективность хеджирования в данном случае будет рассчитываться путем деления разницы максимально допустимого и фактического результата на разницу максимально допустимого и планируемого результата.

Эффективность хеджирования =

(Max -R)/(Max-T),

где R - действительный финансовый результат;

Т - планируемый результат;

Max - максимально приемлемый финансовый результат.

Рассчитаем эффективность хеджирования в приведенном примере: (26 -24,1)/(26 - 24). Эффективность составит 95%.

Совершенно иную цель преследуют компании, которые желают сохранить существующее финансовое состояние. В данном случае любое отклонение от текущей ситуации считается нежелательным. В примерах, рассмотренных выше, всегда существовала возможность, при которой эффективность хеджирующих операций могли быть выше 100%; в данном же случае само определение эффективности не допускает эффективности выше 100 %.

В качестве примера можно привести деятельность коммерческих банков. Многие банки работают с финансовыми портфелями, которые бы они хотели захеджировать от любых изменений рыночных цен. Совершенным будет портфель, который полностью не зависит от внешних изменений цен. Недостаточно хеджированный портфель будет подвержен риску прибылей или убытков при изменениях процентных ставок. Сдвиг кривой доходности может приводить к случайным прибылям, однако рынок с той же легкостью может сместиться в обратном направлении.

При принятии решения о проведении операций хеджирования очень важно точно определить цели хеджирования с тем, чтобы правильно оценивать его эффективность. Неправильная постановка цели, или неверное представление о задачах проведения операций приводят к ошибочным решениям.

Здесь уместно вспомнить пример авиакомпании «Люфтганза», приведенный в самом начале материала, и сформулировать мораль, которую нам предоставляет этот классический случай. Мораль в том, что при проведении хеджирования необходимо:

- четко определить степень подверженности риску;

- понять, что хеджирование нужно не для получения прибыли, а для избежания риска основной деятельности компании;

- определить внутренние для компании правила и принципы для операций хеджирования;

- определить цели операций хеджирования;

- оценивать эффективность хеджирования только в контексте с общей деятельность компании;

- представлять финансовые результаты операций хеджирования в общем контексте с теми операциями, против риска которых и осуществлялось хеджирование.

Методы снижения кредитного риска:

- оценка кредитоспособности заемщика проводится различными методами, включая и собственные, и разработанные НБУ. На Западе широко используется балльный метод и определение шкал для рейтинговой оценки клиента. (В дореволюционной России - купец первой и т.д. гильдии. Тоже ведь - рейтинг!)

- уменьшение размеров кредитов, выдаваемых одному заемщику - по сути лимитирование. Применяется в случае, если банк не уверен в кредитоспособности клиента;

- страхование кредитов - передача риска невозврата кредита страховой компании. Расходы по страхованию несет ссудополучатель;

- привлечение достаточного обеспечения;

- выдача дисконтных ссуд. Они не полностью снижают риск и используются только в сочетании с другими методами снижения риска.

Методы снижения процентного риска:

- страхование процентного риска - передача процентного риска страховой компании;

- выдача кредитов с плавающей процентной ставкой;

- срочные соглашения - использование форвардных контрактов в которых заранее фиксируется дата, размер будущего кредита и плата за его использование. При повышении ставок выигрывает клиент;

- процентные фьючерсные контракты - игра на процентных ставках. По своей сути - спекуляция;

- процентные опционы - соглашения, которые предоставляют держателю опциона право купить или продать краткосрочную ссуду или депозит по фиксированной цене до или по наступлении определенной даты в будущем;

- процентные свопы - обмен процентными платежами (но не платежами по основному долгу) по кредитным обязательствам, заключенным на одну и ту же сумму, но на разных условиях. Например, процентная ставка может быть плавающей, фиксированной и т. п.

Помимо профессиональных банковских риск-менеджеров в создании более совершенных техник оценивания кредитного риска и построению на их основе систем управления кредитным риском заинтересованы и рядовые инвесторы. Особенно это стало актуальным в свете прокатившейся в конце 90-х годов волны банкротств по своим обязательствам как со стороны отдельных корпораций, так и со стороны целых государств. Поэтому задача определения подходящей меры для количественной оценки общего кредитного риска портфеля, которая вместе с тем обладала бы достаточно ясным экономическим смыслом и была бы способна по возможности наиболее полно учесть специфику кредитного риска, стоит достаточно остро. Вообще, под риском в математической теории финансов обычно понимают вариацию, изменчивость, волатильность присущую рассматриваемому активу (в данном случае кредитному инструменту): для эффективного управления кредитным риском необходимо знать не только оценку среднего ожидаемого убытка портфеля, но и значения доверительного интервала относительно среднего значения, так как реальный уровень потерь портфеля может сильно варьироваться относительно среднего значения. Именно под величиной изменчивости стоимости кредитного портфеля обычно и понимают «истинную» меру кредитного риска, которую по аналогии с мерой Value-at-Risk оценивания рыночного риска, естественно называть мерой Credit-at-Risk, CAR.

Для изучения потенциальных возможностей по применению внутренних банковских моделей в 1996 году Федеральная Резервная Система США образовала специальную исследовательскую группу (Federal Reserve System Task Force on Internal Credit Risk Models). Ей были выдвинуты следующие задачи, которые должны быть решены непосредственно перед утверждением использования внутренних моделей банков для определения формальных требований по капиталу:

1. Определение «допустимых» концептуальных подходов для оценивания кредитного риска.

2. Решение проблемы определения и оценки необходимых параметров модели, которая возникает вследствие «короткой истории» данных по кредитным инструментам.

3. Необходимость в более систематическом и всеобъемлющем подходе к проверке результатов работы моделей, включая возможность определения такого показателя как нестабильность модели.

Одним из наиболее важных и трудных из указанных аспектов является вопрос идентификации и задания параметров модели. Явным или неявным образом разработчик системы оценивания кредитного риска должен определить:

- вероятность дефолта для каждого кредитного инструмента в портфеле;

- вероятностное распределение убытков при условии наступления дефолта для каждого инструмента;

- для всех инструментов портфеля определить корреляции между моментами возникновения дефолтов и величинами убытков при условии дефолта.

Для достоверного оценивания вероятностей дефолта, корреляций и других параметров модели требуются исторические данные за большое число лет (конечно, при предположении, что параметры модели стабильны), что является проблематичной задачей. Вследствие этого спецификация модели должна содержать в себе некоторые упрощающие предположения и значительные допущения, выбор которых в конечном итоге оказывает коренное влияние на «жизненность» модели оценивания риска.

Другая трудность заключается в поиске эффективных процедур проверки качества работы моделей. В связи с той же проблемой отсутствия необходимой базы данных, пожалуй, единственно возможным методом тестирования моделей кредитного риска является стресс-тестирование, в рамках которого для проверки удовлетворительности уровней капитала как средства защиты от непредвиденных убытков, на заданном временном горизонте моделируются гипотетические «шоки» для эволюции стоимостей кредитных инструментов.

Вследствие указанных проблем выбор «допустимых» систем оценивания кредитного риска, помимо самой проблемы построения этих систем, является непростой задачей.

Традиционный анализ кредитного качества компании-заемщика в основном базируется на фундаментальном анализе и включает в себя детальное изучение операций компании-заемщика, динамику ее финансовых потоков, величины ее будущих доходов и т. д. Основная цель при этом состоит в анализе стабильности доходов компании-заемщика по отношению к ее обязательствам. Полученные в результате количественные показатели подвергаются затем (субъективной) оценке специалистов, определяющих место компании в некоторой иерархии рейтинговых категорий, имеющих дискретную порядковую структуру. Данное описание в основном справедливо как для работы внутренних аналитических департаментов банков и финансовых компаний, занимающихся оценкой кредитного качества своих контрагентов и клиентов, так и крупнейших мировых рейтинговых агентств таких, как Standard&Poor's, Moody's Investors Service, Fitch IBCA, Thomson BankWatch и др. Вопрос выставления того или иного кредитного рейтинга на основе статей баланса компании-заемщика, а также выявление разнообразных «подводных камней», связанных с несовершенством и непрозрачностью бухгалтерской отчетности является своего рода «темной наукой» («black art») и ничто здесь, по-видимому, не заменит опыта и профессиональной компетентности финансового аналитика, который «варится» в данной индустрии. Отметим лишь, что рейтинговые агентства, помимо специфических для каждой конкретной компании показателей отчетности и построенных на их основе различных финансовых отношений, учитывают и такие «неосязаемые» факторы, как кредитная история заемщика, общее состояние делового климата в стране компании-заемщика и т. д. Несомненным минусом традиционного подхода является то, что получаемая в результате такого анализа специалистов буква (число) кредитного рейтинга компании-заемщика несет в себе информацию только порядкового характера о кредитном качестве компании-заемщика.

Естественно желание, чтобы процедура оценивания кредитного риска была объективным процессом, не зависящим от точки зрения конкретного человека или организации. Для этого модель оценки кредитного риска должна соответствовать современной теории финансов, так как по сути обязательство компании-заемщика представляет собой форму опционного контракта на стоимость активов компании-заемщика. Если модель оценивания кредитного риска сможет «ухватить» взаимосвязь финансового состояния заемщика и вероятности дефолта по его обязательствам, то она смогла бы стать средством мониторинга изменений этого состояния, дающим ранние сигналы оповещения об ухудшении качества кредитных обязательств компании-заемщика.

По существу основная задача построения модели кредитного риска состоит в оценивании функции распределения убытков кредитного портфеля. На рисунке 13.7 представлен пример плотности распределения убытков кредитного портфеля. Хотя определение «кредитного убытка» может варьироваться для каждого банка, грубо говоря, рисковый портфель - это тот портфель, чья плотность распределения имеет относительно «длинный, тяжелый правый хвост», т.е. тот, для которого относительно высока вероятность, что реальные потери будут значительно выше, чем ожидаемые (средние) потери.

Для целей финансового анализа банки обычно сводят функцию распределения кредитных убытков к одной метрической величине, называемой «экономический капитал», под кредитный риск. Экономический капитал определяется (в теории) так, чтобы вероятность того, что непредвиденные потери превысят экономический капитал (равная площади под графиком правее X) была не больше некоторой (пороговой) величины. Например, размер экономического капитала может быть установлен таким образом, чтобы непредвиденные убытки по кредитному портфелю превышали уровень экономического капитала в 0,01% случаев на одногодичном временном интервале. Величина пороговой вероятности обычно выбирается в соответствии с кредитным рейтингом банка по своим обязательствам - если желаемый кредитный рейтинг есть AA, то вероятность может быть приравнена к исторической одногодичной вероятности дефолта по AA-корпоративным облигациям.

При определении стоимости кредитного обязательства банк сначала рассчитывает величину процентной ставки покрывающей ожидаемые убытки по кредиту, а затем подходящую маржу для кредитного риска, определяемую так, чтобы ставка доходности по капиталу, зарезервированному под кредит (Risk-Adjusted Return on Capital, RAROC), удовлетворяла запросам банка.

Проиллюстрируем некоторые подходы к оцениванию кредитного риска на примерах.

Пример 1. Вычисление ожидаемого убытка. Рассмотрим кредитный портфель, состоящий из некоторого количества долговых инструментов в некотором условном множестве рейтинговых категорий варьирующихся, скажем, от 1 до 6 (или от A до F). Допустим, что управляющий портфелем определил, что 3-я категория эквивалентна по кредитному качеству облигации, имеющей рейтинг BBB из стандартного множества категорий какого-нибудь рейтингового агентства. Исходя из этого, он сопоставил с 3-ей категорией историческую оценку вероятности дефолта BBB-облигации равную, например, 0,18%. Он также определил, что вероятные потери в случае убытка составят 35% величины кредита, т. е. после банкротства компании-заемщика он получит лишь 65% величины суммы кредита. Тогда ожидаемый убыток составит 0,18%*35%=0,063% величины долга из 3-ей категории. Умножая на номинальную величину долга, получим оценку убытка в денежном выражении. Повторяя данный процесс для каждой рейтинговой категории и суммируя получаемые оценки величин убытков, приходим к величине ожидаемого убытка совокупного портфеля. Данная величина обычно и используется для определения резервов капитала для целей финансовой отчетности, а также для определения ценовых уровней стоимости кредитов, сравнения рисковости двух различных кредитов и вычисления ожидаемой доходности кредитного портфеля.

Пример 2. Простой способ вычисления кредитного риска. Простейший подход к вычислению кредитного риска основан на предположении, что единственным событием, которое может произойти (в течение, скажем, одного года) является дефолт компании-заемщика, т. е. возможны только два варианта: «дефолт» и «отсутствие дефолта». В первом случае убыток составит 35% величины долга N, во втором случае убыток равен нулю. В этом простейшем случае величина убытка представляет собой случайную величину, принимающую только два значения и ее стандартное отклонение у есть величина убытка при условии дефолта, умноженная на квадратный корень произведения вероятности убытка л и вероятности отсутствия убытка (1-л):

Для случая из предыдущего примера стандартное отклонение составит

Эта величина определяет вариацию убытка относительно среднего значения отдельного кредита и может быть использована в дальнейшем вместе с оценками значений корреляций вероятностей дефолта для вычисления стандартного отклонения убытка совокупного кредитного портфеля.

Пример 3. Подход, основанный на матрицах переходных вероятностей. С некоторой периодичностью крупнейшие мировые рейтинговые агентства опубликовывают статистические исследования, в которых по каждой рейтинговой группе приводятся исторические данные частот дефолта, вариации частот дефолта и частоты переходов из одной рейтинговой категории в другую. Последние величины образуют так называемую матрицу переходных вероятностей кредитных рейтингов. В приводимой таблице представлена матрица исторических переходных вероятностей американских компаний-заемщиков по данным рейтингового агентства Standard&Poor's.

Более аккуратный метод расчета кредитного риска заключается в рассмотрении возможности изменения стоимости долга вследствие понижения или повышения кредитного рейтинга компании-заемщика. Таким образом, при этом подходе событие «отсутствие дефолта» разбивается на группу подсобытий, соответствующих понижению, повышению или оставлению кредитного рейтинга компании-заемщика на прежнем уровне. Каждому такому подсобытию ставится в соответствие некоторая величина стоимости долга и, таким образом, возникают потенциальные прибыли/убытки портфеля. Умножая эти прибыли/убытки на вероятности наступления каждого такого события, получаем средний ожидаемый убыток портфеля. Далее, умножая вероятности наступления каждого события на квадрат отклонения величины убытка от среднего значения величины убытка и суммируя по всем возможным состояниям, получаем вариацию убытка по данному долгу. Вариации убытков по отдельным долгам вместе с корреляциями переходных вероятностей могут быть использованы для вычисления стандартного отклонения убытка совокупного кредитного портфеля.

Подход, описанный в данном примере, реализован в программном продукте CreditMetrics^TM компании Дж. П. Морган. Основная причина для выполнения более сложных по сравнению с примером 2 вычислений заключается в попытке учета изменчивости стоимости обязательства компании-заемщика в состояниях отличных от банкротства, т. е. учета временной стоимости долга до наступления события «дефолт». Это становится актуальным в задачах управления кредитным портфелем, состоящим из торгуемых на финансовом рынке основных или производных инструментов на активы компании-заемщика, когда горизонт инвестиционного решения риск-менеджера меньше, чем в момент предъявления этих инструментов к исполнению. Рассмотренный ранее пример 2, игнорировавший рассмотрение «недефолтовых» состояний, не учитывает временной фактор в качестве одного из детерминантов кредитного риска.

Пример 4. Подход основанный на вероятностном моделировании процесса убытков кредитного портфеля. Данный подход во многом основан на идеях расчета страховых контрактов, подверженных риску больших (катастрофических) потерь при малой вероятности наступления таких событий. Одной из основных моделей страхования подобных рисков является модель коллективного риска Крамера-Лундберга, в рамках которой предполагается, что момент возникновения страхового события имеет распределение Пуассона с некоторым параметром л:

k=1,2,…n, а величина выплаты по страховому иску есть независимая неотрицательная случайная величина, имеющая некоторую функцию распределения F(x). Задача состоит в отыскании цены страхового контракта, гарантирующую выполнение страховых обязательств и обеспечивающую стабильность страховой компании.

Пример 5. Структурный подход, основанный на модели Блэка-Шоулса теории опционов. Классической концепцией теории финансов является гипотеза эффективного рынка, одним из предположений которой является положение о том, что доступная информация о перспективах компании уже учтена участниками рынка и отражена в текущей цене акции этой компании. Таким образом, цена акции содержит в себе как текущую оценку кредитного качества заемщика, так и оценку потенциального изменения этого качества. Если будущие доходы компании начинают выглядеть лучше или хуже, то первым индикатором этого будет цена акции компании. Вероятность дефолта, «извлеченная» из рыночной цены акции компании-заемщика, должна варьироваться непрерывно во времени вместе с ценой акции. Структурный подход к оцениванию кредитного риска основывается на экономическом аргументе, состоящем в том, что дефолт происходит в случае, когда рыночная стоимость активов заемщика опускается ниже уровня его обязательств. Кредитное обязательство компании-заемщика может рассматриваться как комбинация безрисковой облигации и барьерного опциона пут проданного компании-заемщику (если активы компании достигнут некоторого критического уровня, то кредитор имеет право возбудить в отношении заемщика процедуру банкротства). В данном контексте теория оценивания опционов представляет собой элегантный математический аппарат для расчета стоимости кредитного риска.

Для иллюстрации данного подхода рассмотрим простой пример, когда заемщик имеет всего один класс активов и один класс обязательства с общей величиной выплаты в терминальный момент равной F. Будем предполагать, что на рассматриваемом временном интервале заемщик не выплачивает дивидендов владельцам своих акций. Далее предположим, что поведение рыночной стоимости активов (имущества) заемщика V_A описывается во времени процессом, удовлетворяющим следующему (стохастическому) дифференциаль-ному уравнению:

где м - ожидаемая ставка роста активов заемщика,

у - стандартное отклонение ставки роста,

W - стандартный винеровский процесс (броуновское движение).

Также будем предполагать, что дефолт может произойти только в момент возврата кредита T, и в момент дефолта кредитор получает сумму равную остаточной стоимости активов заемщика. В случае отсутствия дефолта кредитор получает сумму выплаты по кредитному обязательству F. Одно из дополнительных предположений состоит в том, что стоимость кредита не может превышать рыночной стоимости активов заемщика.

1. Величины выплаты по кредиту F, умноженной на (риск-нейтральную) вероятность дефолта. Данная компонента представляет собой ожидаемый убыток при условии отсутствия каких бы то ни было выплат в случае дефолта компании-заемщика.

2. Ожидаемая остаточная величина выплаты по кредитному обязательству, получаемая в результате реализации активов компании-заемщика после наступления дефолта.

Отметим, что данный подход может быть расширен путем рассмотрения моделей с более сложными процессами поведения стоимости активов заемщика V_A , моделирования случайности поведения безрисковой процентной ставки r, рассмотрения более сложных граничных условий в момент наступления дефолта (более сложные процедуры банкротства), а также допущения возможности дефолта до наступления срока выплаты кредита.

Применение данного подхода активно пропагандируется корпорацией KMV (Kealhofer, McQuown, Vasicek) и реализовано в программном продукте этой компании CreditMonitor^TM . В качестве фундаментальной меры кредитного риска ими предлагается использовать величину N(-h₂), имеющую название Expected Default Frequency, EDF. По утверждениям авторов, EDF позволяет предсказать будущее изменение кредитного рейтинга заемщика со стороны признанного рейтингового агентства за интервал от 6 до 18 месяцев до наступления этого события.

На основе EDF можно организовать собственную порядковую иерархию кредитного качества компаний-заемщиков (т. е. сделать внутренний рейтинг) путем разбиения возможных значений EDF на непересекающиеся интервалы и соотнесения с каждым таким интервалом той или иной буквы кредитного рейтинга.

Пример 6. Подход, основанный на учете макроэкономических факторов. Неоспоримым является факт, что состояние экономики страны, для которой компания-заемщик является резидентом, оказывает прямое и существенное влияние на вероятность дефолта этой компании. Интуитивно понятно, что значения, которые принимает вероятность дефолта, испытывают флуктуации в соответствии с экономическим циклом, который переживает государство. Как отмечается в отчете агентства Moody's Investors Service: «Причин усиления колебаний цены активов много, но макроэкономические факторы являются, конечно же, главными по силе воздействия». На приводимой диаграмме видно, что в периоды экономических спадов число банкротств может в несколько раз превосходить средний уровень за другие периоды.

Таким образом, учет систематической, недиверсифицируемой компоненты кредитного риска портфеля, вытекающий из спецификации модели эволюции макроэкономических факторов во времени, является желательным элементом модели кредитного риска.

Опишем в данном контексте подход компании McKinsey&Co (программный продукт CreditPortfolioView^TM ). Он основан на следующих предположениях: величина систематической компоненты вероятности дефолта компании-заемщика в момент времени t описывается логистической регрессии где специфический для сектора/индустрии индекс , которому принадлежит компания-заемщик, определяется из мультифакторной модели: Здесь - константы, - значения факторов в момент времени t, - последовательность независимых нормально распределенных случайных величин со средним 0 и дисперсией 1. В качестве факторов модели обычно выбираются такие показатели как ставка роста ВВП, уровень потребительских цен, уровень инфляции, уровень безработицы и т.д.

Указанные формулы используются для моделирования совместного распределения величин вероятностей дефолта и переходных вероятностей для стран/секторов/индустрий, которые «присутствуют» в кредитном портфеле инвестора. Риски каждого сегмента агрегируются далее с учетом значений корреляций, соответствующих спрогнозированному на несколько шагов вперед «состоянию экономики». В результате получается распределение убытков совокупного кредитного портфеля.

Конечно, существуют множество других методов оценивания кредитного качества портфеля, которые остались за рамками данной статьи. Среди них можно назвать: дискриминантный анализ, анализ главных компонент, модели иерархической классификации, пробит/логит анализ, нейронные сети и т. д. Каждый из этих методов обладает некоторой способностью отличать компании с высоким кредитным качеством от компаний с низким кредитным качеством, но ясное экономическое обоснование получаемых результатов для данных методов пока отсутствует.

Возникает естественный вопрос о применимости рассмотренных подходов в современных украинских условиях. Конечно, в Украине пока нет ликвидных рынков с большой емкостью и числом операторов по долговым финансовым инструментам. Раз нет таких рынков, то нет и исторических данных об изменчивости таких финансовых инструментов, а следовательно, нет и исходного статистического «сырья» для проверки эффективности указанных подходов на практике. Тем не менее, по мере стабилизации денежного рынка в Украины и началом инвестиций в реальный сектор экономики, когда в пассивах банков появятся кредиты корпоративным клиентам, не являющимся «своими» для этого банка, вопрос оценивания качества кредитного портфеля встанет на первое место. Для такого банка необходимым станет создание внутренней системы классификации «хороших» и «плохих» заемщиков и управления долгового портфеля из активов этих компаний. Презентация западных методик оценивания кредитного риска полезна с той точки зрения, что они могут стать отправной точкой для создания более изощренных моделей учитывающих украинскую специфику.

Наконец, отметим следующий способ управления кредитным риском портфеля - а именно, создание защитных стратегий от риска кредитных убытков на основе производных кредитных инструментов.

Производные кредитные инструменты представляют собой внебиржевые финансовые контракты, выплата по которым зависит от изменения кредитного качества определенной в условиях контракта компании-заемщика. Указанная компания-заемщик не является стороной контракта. К производным кредитным инструментам, в частности, относятся: кредитные опционы, кредитные спрэд-опционы, кредитные свопы, total return свопы, кредитные linked notes.

Кредитные опционы это обычные опционы покупателя (колл) и продавца (пут), «написанные» на некоторый актив компании-заемщика. Выплата по кредитному опциону является функцией стоимости актива компании-заемщика на момент времени, указанный в контракте. Покупатель такого контракта должен заплатить некоторую премию, которая является аналогом страховки от неблагоприятного изменения кредитного качества компании-заемщика.

Примером кредитного спрэд-опциона является соглашение, согласно которому в момент исполнения T продавец опциона осуществляет выплату покупателю опциона в размере max(SP_T - K,0), где SP_T есть спрэд (разница) между доходностью актива компании-заемщика и доходностью государственной (т. е. по сути безрисковой) облигации с тем же моментом исполнения, K есть величина исполнения спрэда.

Другим примером спрэд-опциона может служить опцион продавца (пут) с ценой исполнения равной доходности государственной облигации на момент исполнения плюс некоторое фиксированное число базисных пунктов доходности.

Описанные выше инструменты содержат в себе так называемый риск кредитного спрэда - еще один вид кредитного риска помимо рассматривавшегося до сих пор риска дефолта - т. е. риск вариации разницы между ценовыми характеристиками актива компании-заемщика и некоторого безрискового инструмента. Риск кредитного спрэда наиболее естественно вписывается в методологию управления рыночным риском Value-at-Risk (см. Бизнес и банки, №43, 2000). Для его оценки необходимо определить величину изменения капитала портфеля возникающую вследствие волатильности величины кредитного спрэда. Следует отметить, что, так как распределение величин кредитного спрэда является существенно далеким от нормального распределения, то стандартная методология, основанная на анализе вариаций-ковариаций здесь неприменима.

Кредитный своп представляет собой соглашение, позволяющее двум сторонам произвести обмен кредитного риска некоторого актива (или портфеля активов) без переуступки самого актива. Покупатель кредитного свопа получает от продавца некоторую премию, в обмен на которую он соглашается произвести необходимый платеж при наступлении «кредитного события» со стороны компании-заемщика. Под «кредитным событием» обычно понимается дефолт компании-заемщика, но оно может включать в себя и другие события (такие как понижение рейтинга), способные повлиять на возможность выплаты по обязательству компании-заемщика. Платеж покупателя кредитного свопа в случае наступления «кредитного события» может быть как фиксированной суммой, так и зависеть от стоимости обязательства компании-заемщика после наступления этого события. Кредитные свопы иногда также называют дефолт-свопами или (что иногда вводит в заблуждение) дефолт-опционами.

При total return свопах двое контрагентов обмениваются всеми экономическими рисками (т. е. и рыночным и кредитным рисками), проистекающими из данного обязательства компании-заемщика. По этому соглашению продавец total return свопа производит периодические платежи, которые, как правило, равны произведению некоторой «индикаторной» плавающей процентной ставки (такой, например, как LIBOR) на номинальную величину контракта. Покупатель total return свопа взамен производит платежи равные общей ставке роста стоимости обязательства компании-заемщика (купоны и дивиденды плюс приращение цены обязательства), умноженной на некоторую номинальную величину. Продавец кредитного свопа несет риск уменьшения стоимости обязательства компании-заемщика.

Кредитные linked notes по сути представляют собой комбинацию купонной облигации и кредитного опциона. По этому соглашению продавец берет на себя обязательство производить периодические платежи в течение срока действия контракта, но величина процентов по этим выплатам может быть уменьшена на некоторую определенную величину базисных пунктов, если произойдет дефолт со стороны компании-заемщика, к которой привязано (linked) данное соглашение.

Производные инструменты позволяют инвестору «перепродать» часть кредитного риска своего портфеля, не продавая напрямую обязательства компании-заемщика, а покупая и продавая контракты, дающие право получения некоторых выплат от третьей стороны в случае ухудшения кредитного состояния компании-заемщика. Третья сторона здесь выступает в роли перестраховочной компании, своего рода гаранта по части риска, покрываемой условиями производного инструмента. При правильном применении производные кредитные инструменты позволяют уменьшить риск кредитного портфеля инвестора.

Производные кредитные инструменты впервые были представлены в 1992 году на Парижской конференции Международной ассоциации по свопам и производным инструментам (International Swaps and Derivatives Association, ISDA). Основная идея состояла в том, чтобы «рассеять» кредитный риск, сосредоточенный в основном в банковском секторе, среди большого числа участников денежного рынка, одновременно предоставляя последним выход на высокодоходный (по сравнению с рынком казначейских обязательств) рынок долговых инструментов. Помимо этого, возникающая при привлечении большого числа участников рыночная конкуренция должна была по замыслу предоставить лучшие условия заимствования на рынке для компаний и корпораций. Объем рынка производных кредитных инструментов к сегодняшнему моменту оценивается свыше 100 млрд. долларов США.



Список рекомендуемой литературы

1. Бережная Е. В. Математические методы моделирования экономических систем : учеб. пособие / Е. В. Бережная, В. И. Бережной. - М. : Финансы и статистика, 2001. - 368 с.

2. Брігхем Є. Ф. Основи фінансового менеджменту : пер. з англ. / Є. Ф. Брігхем - К. : Молодь, 1997. - 1000 с.

3. Василенко В. А. Теорія і практика розробки управлінських рішень : навч. посіб. / В. А. Василенко - К. : ЦУЛ, 2002. - 420 с.

4. Гранатуров В. М. Экономический риск: сущность, методы измерения, пути снижения : учеб. пособие / В. М. Гранатуров - 2-е изд., перераб. и доп. - М. : Дело и Сервис, 2002. - 160 с.

5. Данилочкина Н. Г. Контроллинг как инструмент управления предприятием / Н. Г. Данилочкина. - М. : Аудит, ЮНИТИ, 1999. - 297 с.

6. Довгаль Г. В. Экономические риски и методы их измерения : учеб. пособие для студентов 4 курса фак. «Бизнес-упр.» / Г. В. Довгаль ; Нар. укр. акад., [Каф. экономики предприятия]. - Х. : Изд-во НУА, 2002. - 139 с.

7. Економіка підприємства : підруч. / за ред. С. Покропивного. - К. : Хвиля-прес, 1995. - Ч. 1-2.

8. Івченко І. Ю. Економічні ризики : навч. посіб. / І. Ю. Івченко - К. : Центр навч. л-ри, 2004. - 304 с.

9. Ілляшенко С. М. Економічний ризик : навч. посіб. / С. М. Ілляшенко - К. : Центр навч. л-ри, 2004. - 220 с.

10. Карлсберг К. Бизнес-анализ с помощью Microsoft Excel : пер с англ. / К. Карлсберг - М. : Издат. дом «Вильямс», 2002. - 448 с.

11. Кігель В. Р. Методи і моделі підтримки прийняття рішень у ринковій економіці : моногр. / В. Р. Кігель - К. : ЦУЛ, 2003. - 202 с.

12. Клименко С. М. Обґрунтування господарських рішень та оцінка ризиків: навч. посібник. / С. М. Клименко, О. С. Дуброва - К. : КНЕУ, 2005. - 252 с.

13. Лопатников Л. И. Экономико-математический словарь / Л. И. Лопатников - изд. 4-е, перераб. и доп. - М. : Изд-во АВF, 1996. - 704 с.

14. Машина Н. І. Економічний ризик і методи його вимірювання : навч. посіб. / Н. І. Машина - К. : Центр навч. л-ри, 2003. - 188 с.

15. Мескон М. Х. Основы менеджмента : пер. с англ. / М. Х. Мескон, М. Альберт, Ф. Хедоури. - М. : Дело, 1992. - 702 с.

16. Обґрунтування господарських рішень та оцінка ризиків : навч.-метод. посіб. для самост. вивч. дисц. - К. : КНЕУ, 2006. - 188 с.

17. Петросян Л. А. Теория игр / Л. А. Петросян, Н. А. Зенкевич, Е. А. Семина - М. : Высш. шк., 1998. - 304 с.

18. Питерс Т. Представьте себе! Превосходство в бизнесе в эпоху разрушений : пер. с англ. / Т. Питерс. - СПб. : Стокгольм. шк. экономики в Санкт-Петербурге, 2005. - 352 с.

19. Управленческий учет : учеб. пособие / под ред. А. Д. Шеремета. - М. : ИД ФБК-ПРЕСС, 2004. - 512 с.

20. Устенко О. Л. Теория экономического риска : моногр. / О. Л. Устенко - К. : МАУП, 1997. - 164 с.

21. Фатхутдинов Р. А. Разработка управленческого решения : учеб. пособие / Р. А. Фатхутдинов - М. : Бизнес-школа «Интел-Синтез», 1997. - 208 с.

22. Хохлов Н. В. Управления риском : учеб. пособие для вузов / Н. В. Хохлов - М. : ЮНИТИ-ДАНА, 2001. - 239 с.

23. Цветкова Е. В. Риски в экономической деятельности : учеб. пособие / Е. В. Цветкова, И. О. Арлюкова. - СПб. : ИВЕСЭП, Знание, 2002. - 64 с.

24. Цисарь И. Ф. Компьютерное моделирование экономики / И. Ф. Цисарь, В. Г. Непман. - М. : Диалог-МИФИ, 2002.- 304 с.

25. Шмален Г. Основы и проблемы экономики предприятия : пер. с нем. / Г. Шмален; под ред. А. Г. Поршнева. - М. : Финансы и статистика, 1996. - 512 с.

26. Экономико-математические методы и прикладные модели : учеб. пособие для вузов / В. В. Федосеев, А. Н. Гармаш, Д. М. Дайитбегов и др.; под ред. В. В. Федосеева. - М. : ЮНИТИ, 1999. - 391с.

27. Экономика труда : учеб. пособие / под ред. Л. П. Владимировой. - М. : Издат. дом «Дашков и К?», 2002. - 300 с.

Размещено на Allbest.ru