CC BY
169
Удк 336.719
концептуальный подход к построению моделей оценки экономического капитала коммерческого банка: теоретический аспект
В. В. МАНУЙЛЕНКО, кандидат экономических наук, доцент кафедры экономики и финансов E-mail: [email protected] Северо-Кавказский гуманитарно-технический институт
В статье предлагается концептуальный подход к построению моделей оценки экономического капитала коммерческого банка с учетом требований Базельского соглашения II. В его основе лежат современная концепция риска, концепции рисковой стоимости капитала VaR, стресс-тестирования, стимулирующего реагирования и др. Приводится классификация моделей определения экономического капитала, сформулированы требования, предъявляемые к ним, обосновываются модели, наиболее приемлемые для российских условий. В результате в систему оценки достаточности капитала к регулятивной составляющей добавляется экономическая, что отвечает требованиям международного регулятора и будет способствовать повышению устойчивости национальной банковской системы.
Ключевые слова: экономический капитал, концепция экономического капитала, Базельский комитет по банковскому надзору, Базельское соглашение II, модели экономического капитала, вероятностная модель,логико-вероятностная модель, концепция рисковой стоимости капитала, неожидаемые потери, стресс-тестирование.
Поскольку общая мировая тенденция в сфере риск-ориентированного надзора направлена на активизацию внутрибанковского анализа кредитного и инвестиционного портфелей, а также на использование банками собственных методик анализа рисков, то и для российской банковской системы становится крайне важным и необходимым развитие экономического подхода к оценке достаточности капитала, адекватного современным российским условиям. До
настоящего времени в нашей стране не существует общепринятой точки зрения по вопросу возможного объема реализации принципов Базеля II, тогда как в Евросоюзе принципы Базеля II имеют форму закона, адаптированного к конкретным условиям, что и обусловливает актуальность исследования.
Применение международного подхода к определению экономического капитала потребует более глубокой оценки банковских рисков, которая будет возможной при условии:
— доступности информации о деятельности клиентов и ее достоверности;
—учета региональных особенностей деятельности кредитной организации;
— наличия в банке современных статистических методик оценки вероятности рисковых событий и соответствующей организационной структуры, а также специалистов в области рисков;
— формирования реальных кредитных рейтингов заемщиков и существенной самостоятельности банка в области оценки рисков;
— определенного уровня стабильности в экономике, что будет способствовать осуществлению прогнозирования.
Следует подчеркнуть, что в России экономический капитал рассчитывают независимые аудиторские агентства (например, Pricewaterhouse Coopers) и крупные кредитные организации. Для его определения на покрытие кредитного риска используются такие модели (методики), как CreditMetrics,
Moody's KMV, CreditRisk+, Credit Value-at-Risk, Portfolio Manager, Credit PortfolioView, McKinsey & Co., Inc., CreditPlusView, JP Morgan Chase, Jarrow Turnbull Model, а также методы внутреннего и имитационного моделирования (табл. 1).
Среди существующих подходов ученых-экономистов к оценке экономического капитала представляет интерес модель А. Акулова:
ЕС = RC + СС, (1)
где ЕС — экономический капитал;
RC (risk capital) — капитал, необходимый для покрытия основных видов риска с целью защиты от банкротства;
СС (cash capital) — капитал, используемый для фондирования активных операций и резервируемый под забалансовые обязательства. Очевидно, что банки смогут самостоятельно регулировать свой экономический капитал, если все их риски будут описаны на базе определенных моделей. Для российских условий важно внедрять только те элементы Базеля II, которые не добавят негативных моментов в рыночную ситуацию, обеспечат устойчивость банковской системы и эффективность системы надзора. В связи с этим необходимо указать некоторые модели оценки экономического капитала, которые отличаются методиками определения риска и уровнем развития модернизированной системы управления банковскими рисками.
Экономико-статистическая модель — основана только на экономико-статистических и эвристических методах определения рисков, рекомендованных Базелем II и отдельными регулятивными документами Центрального банка РФ (оценка капитала под кредитный, рыночный, операционный риски по стандартизированным методикам). Такая модель имеет переходный (промежуточный) характер в системе экономической оценки капитала [3].
Вероятностная модель — базируется на прогрессивных методиках определения риска, включающих вероятностное, статистическое моделирование и математическое программирование (оценка капитала под кредитный, рыночный, операционный риск по
сравнительная характеристика отда
усовершенствованным методикам, основывающимся на современной концепции риска). Эта модель строится исходя из понимания экономического капитала как наибольшей величины непредвиденных возможных потерь на заданном горизонте времени, рассчитанной с определенным доверительным интервалом. Вероятностный характер модели обусловлен тем, что расчет экономического капитала основывается на вероятностной оценке будущих потенциальных убытков. В случаях, где невозможна объективная количественная оценка риска в качестве вспомогательного, позволяется использовать экспертный метод.
Комбинированная (временная) модель — сочетает в себе экономико-статистические методы, методы математической статистики, теории вероятностей, экспертные методы и методы моделирования (определение капитала под кредитный риск фондовым методом 1КВ и другими возможными комбинациями при условии, что в перспективе кредитная организация полностью перейдет к оценке капитала под риск с помощью прогрессивного подхода).
Учитывая, что арифметическим вычислениям весов событий и их значениям вероятности присущ субъективизм и полученные значения должны проверяться на логику, особый интерес представляет логико-вероятностная модель.
Логико-вероятностная модель — прогрессивная, теоретически обоснованная модель, предполагающая логическое сложение вероятностей, она может иметь логические связи «И, ИЛИ, НЕТ» между элементами модели, циклы и группы несовместимых событий (ГНС). Обобщение результатов осуществляется специальными логическими приемами с применение интуитивно-логических рассуждений специалистов, направленных на достижение строгой логической совместимости результатов.
Такие модели, по предлагаемой автором классификации моделей, идентифицируются и являются:
— с точки зрения области использования — прикладными;
— по информации, применяемой для построения модели — аналитическими и идентифицируемыми
Таблица 1
ых моделей оценки кредитного риска
Характеристика CreditMetrics Moody's KMV CreditRisk+ Credit Portfolio View
Компания-разработчик J. P. Morgan KMV Corporation Credit Suisse Financial Products McKinsey & Co., Inc
Вероятность изменения рейтинга На основе исторических данных по миграциям рейтинга На основе модели непрерывной вероятности дефолта EDF Нет На основе макроэкономической модели
Уровень возмещения потерь при дефолте Случайная величина Случайная величина Постоянная величина в пределах каждого диапазона Случайная величина
(основаны как на априорной информации, т. е. на ранее изученных и описанных в формально-теоретическом виде зависимостях, так и на апостериорной информации, т. е. по результатам наблюдения за данными конкретного объекта);
— с точки зрения степени использования типовых элементов — моделями с формируемой структурой (создание модели носит сугубо индивидуальный, творческий процесс);
— по способу описания — моделями, описанными как языком математики, так и с применением элементов определенного алгоритмического языка (Visual Basic for Applications, VBA, C/C++ и др.).
Структура моделей, их вид (число входов и выходов, характеризующих связи между ними) I характеризуются свойствами, определить которые позволяет априорная информация. Каждое из свойств принимает два значения: 0 и 1, наличие свойства обозначается 1, а отсутствие — 0: I = <8, П, X, М>,
где е =1—свойство динамичности — поведение выхода модели зависит как от значений входа системы в текущий момент времени, так и от предыдущих значений входа, предыстории входа; П = 1 — свойство стохастичности — поведение выхода модели определяется неконтролируемыми входами модели, т. е. сама модель содержит неконтролируемые источники случайных факторов возмущений;
X = 1 — свойство нелинейности — реакция модели на два различных возмущения входа неэквивалентна сумме реакций на каждое из этих возмущений в отдельности (из-за корреляции результирующий VAR портфеля не всегда является субаддитивной мерой риска портфеля); ц = 1 — свойство непрерывности — входы и выходы модели изменяются или измеряются непрерывно.
Классификация моделей определения экономического капитала представлена на рис. 1.
Рис. 1. Классификация моделей оценки капитала согласно «концепции экономического капитала»
Данную классификацию моделей, по мере необходимости, можно детализировать и дополнять конкретными методиками оценки рисков, категориями клиентов в зависимости от их организационно-правовой собственности, отраслевой принадлежности (IRB-подход определения капитала под кредитный риск), направления бизнеса (оценка капитала под операционный риск альтернативными методами) и т. д. В итоге в системе оценки достаточности капитала реализуется принцип декомпозиции [3]. Модели экономического капитала должны создаваться только под существенные риски, значимость которых подтверждается результатами практических исследований.
Построение модели капитала под операционный риск происходит по «продвинутым» (альтернативным) моделям AMA, как это требует Базельский комитет по банковскому надзору.
При построении моделей оценки экономического капитала следует учитывать, что мировой кризис обусловил необходимость:
— отказа от обычно применяемого логнормаль-ного распределения рисков, поскольку данный способ не отвечает параметрам реального финансового рынка;
— пересмотра показателей стресс-тестирования, исходя из новых реалий;
— встраивания в расчет уровня ликвидности инструмента, что, в своюочередь, будет способствовать обеспечению дополнительной ликвидности. Вероятностные (по возможности комбинированные) и логико-вероятностные модели оценки экономического капитала должны исходить из некоторых принципиальных положений.
Необходимость применения унифицированной методики оценки каждого из существенных рисков
(кредитного, рыночного, операционного) для расчета рискового капитала в целях единой алгоритмизации расчетов. Стандартно используемой единой мерой риска для финансовых портфелей, состоящих из различных активов, является VaR (рисковая стоимость). Внедрение VaR было инициировано Ба-зельским комитетом по банковскому надзору для оценки рисков потенциальных убытков в результате неблагоприятных изменений конъюнктуры финансовых рынков для рыночных рисков (с 1997 г.) и для кредитного и операционного рисков (с 2004 г.) [1]. Именно VaR получил широкое распространение при определении рисковой стоимости на развивающихся рынках. Следует подчеркнуть, что при внедрении рекомендаций международного регулятора следует избегать копирования качественных и количественных критериев оценки. Необходимо также учитывать, что VaR — статистическая модель уровня потерь портфеля банка (является случайной величиной), который измеряется в денежном выражении. Данный уровень не будет превышен с заданной (доверительной) вероятностью а, % при неизменности портфеля на протяжении всего рассматриваемого периода с учетом имеющегося предположения о характере поведения рынка. Концепция VaR (в графическом виде) представлена на рис. 2.
Развитие данной методологии обусловило появление понятия «капитал под риском» или «экономический капитал САК(сарИа1 М пнк)». Таким образом, рисковая стоимость VaR отражает максимально в озможные убыткиот изменения стоимости портфеля активов, что может произойти за данный период времени с заданной вероятностью а, % его проявления, а рассчитанные при этом потери принимаются в качестве требований к достаточности капитала:
Вероятность ^
Величина потерь, включающая ожидаемые и неожи-даемые потери для принятого доверительного уровня (основа для оценки УЛЯ)
Величина потерь
Исключительные потери, анализируемые в рамках стресс-тестирования
рис. 2. Концепция рисковой стоимости капитала VaR
a {Loss<VaR = а, где Loss — величина убытков по портфелю;
а — заданный доверительный уровень.
Очевидно, что основными компонентами при вычислении VaR являются: длина временного интервала, на конец которого осуществляется анализ уровня потерь по определенной позиции и доверительный уровень а, %, позволяющий определить уровень защиты. Большие потери в VaR-модели происходят с вероятностью (1 — а). Доверительный уровень выбирается в зависимости от отношения к риску или регламентируется регулирующими органами. Наиболее приемлемый уровень доверия может определяться кредитной организацией самостоятельно исходя из динамики ее бизнеса, а также реалистичного анализа возможностей экспертов оценивать риски на различных временных горизонтах. В качестве временного горизонта обычно используется период времени, в течение которого портфель не претерпевал существенных изменений. От горизонта расчета VaR следует отличать глубину периода его расчета — объем ретроспективных или искусственно смоделированных данных, на основе которых производится оценка. С помощью этих параметров значение показателя VaR можно интерпретировать следующим образом: «уверенность на % (доверительный интервал), что рисковое событие не превысит q рублей в течение следующих ^дней», где значение q выступает в качестве показателя VaR. Математически это можно записать следующим образом:
q = VaRa (Loss), где VaRa — рисковая стоимость капитала, равная q;
Loss — потери капитала.
При расчете максимальных потерь определяются комбинация факторов риска и их негативная динамика, которые потенциально способны принести максимальные убытки кредитной организации. Необходимо учитывать основные факторы рисков, подпадающие под общее их определение и классификацию событий, а также фактор диверсификации рисков. В моделях рискового капитала большое значение должно придаваться допустимым значениям параметров, необходимо, чтобы параметры, имеющие эти значения, рассматривались как случайные величины, характеризующиеся распределением вероятностей и риском, который может превзойти возможные значения параметров. Так, пусть x (I = 1, 2,...z) — параметры риска портфеля, а y — соответствующее изменение стоимости портфеля; число наборов факторов риска x обозначим через n, тогда y (I = 1, 2,..., n) — это зна-
чения случайной величины, закон распределения которой неизвестен. При оценивании величины рисковой стоимости важно обеспечить наиболее точное прогнозирование и выявить границы возможного переоценивания или недооценивания меры риска. Распределение риска преобразуется в величину требуемого капитала для его поддержания, и, в результате, в соответствии с целевым уровнем финансовой прочности банка возможно измерение его экономического капитала.
Следует подчеркнуть, что только в стабильных условиях при заданной доверительной вероятности и дополнительном предположении о нормальном распределении для параметра VaR мерой риска выступает среднее и среднеквадратическое отклонение, динамика анализируемых показателей подчиняется логнормальному закону распределения случайной величины (простые ЮК-модели). В посткризисных условиях, когда реальные распределения значений факторов рисков, как правило, далеки от нормального закона и могут привести к занижению VaR, недооценке вероятности дефолта, наиболее эффективным является метод восстановления плотности распределения, в котором применяются различные способы имитационного моделирования на основе метода стохастического моделирования Монте-Карло (один из видов стресс-тестирования). Преимущества метода Монте-Карло: возможность расчета рисков для нелинейных инструментов и использование любых распределений; высокая точность и практическая пригодность для любых портфелей и сложных финансовых инструментов (при его использовании повышается вероятность учета новых тенденций); логическая понятность (оценивается убыток в каждом сценарии, впоследствии по функции распределения выбирается максимально возможный убыток); возможность дальнейшего, практически ничем не ограниченного развития моделей. В результате использования этого метода ЮК-модель не теряет своего значения даже при измерении «тяжелых» потерь.
Сравнительная характеристика отдельных методов определения VaR представлена в табл. 2.
Комбинирование VaR-технологии со стресс-тестированием (сложные VaR-модели) обеспечивает наилучшее использование рисковой стоимости на практике и приобретает особую значимость в нестабильных экономических условиях и должно носить обязательный характер. Именно в рамках стресс-тестирования анализируются исключительные потери. Следует учитывать, что зарубежные модели предполагают проведение стресс-тестирования по
Таблица 2
сравнительная характеристика отдельных методов определения ЛМ
Метод
Критерий Дельта-нормальный Историческое моделирование Монте-Карло
Оценивание Локальное Полное Полное
Учет историчес- Оценка «Точно то, Полный
кого распреде- нормального что было»
ления распределения
Учет «предпола- Возможный Нет Да
гаемой» вола-
тильности
Оценка экстремальных событий Плохая Плохая Возможна
Объем требуемой истории данных Средний Очень большой Малый
мере необходимости. Принимая во внимание, что при использовании ЮК-моделей предусматривается неизменность ситуации на рынке в течение определенного периода времени, стресс-тестирование оценивает потенциальные убытки, полученные в результате «разрывов» в развитии рынка. Особенно эта ситуация проявляется в случаях, когда банки-дилеры проявляют большую активность на рынках производных финансовых инструментов, на которых риски потенциальных убытков не являются линейными функциями, лежащими в основе факторов риска. При этом кредитные организации потенциально подвергаются большему «хвостовому риску» (риск значительных нарушений, ведущий к чрезмерным потерям). Максимально ожидаемые убытки банковского портфеля и моделирование «предельных» значений факторов риска, приводящих к убыткам, в стресс-тестах количественно оцениваются методом Монте-Карло.
Банкам необходимо проводить стресс-тестирование оперативно, чтобы при необходимости быстро принимать решения по реагированию на изменившиеся рыночные условия. Стресс-тестирование включает как компоненты количественного, так и качественного анализа. Количественный анализ направлен прежде всего на определение возможных колебаний основных макроэкономических показателей и оценку их влияния на различные составляющие активов банка, с помощью его методов определяются вероятные стрессовые сценарии. Качественный анализ акцентируется на следующих задачах стресс-тестирования:
1) оценка способности капитала кредитной организации компенсировать возможные крупные убытки;
2) определение комплекса действий, предпринятых банком для снижения уровня рисков и сохранения капитала.
Ввиду индивидуальности рискового профиля каждой кредитной организации, а также отсутствия унифицированных и общепринятых стандартов стресс-тестирования банкам следует самостоятельно регулярно разрабатывать стресс-тесты. Частота проведения стресс-тестирования должна соответствовать динамике портфельных изменений. Следует отметить, что в практике европейских банков проводятся ежеквартальные исследования. В рамках стресс-тестирования кредитной организации необходимо учитывать ряд факторов, которые могут вызвать экстраординарные убытки в ее портфеле либо предельно усложнить управление рисками. Выбор факторов риска зависит от структуры портфеля банка. Их число должно включать в себе все вероятные параметры, влияющие на стоимость портфеля. Обозначим факторы риска, воздействующие на портфель, как г1, г2,...г и функцию, определяющую стоимость портфеля (при известности значений всех факторов риска), как Р. Следует подчеркнуть, что во время стрессовых ситуаций поведение факторов риска становится все более непредсказуемым. Оценка факторов риска г1, г2,...гп характеризует рыночную ситуацию настолько, насколько это возможно в отношении профиля банка. Факторы риска, описывая рыночную ситуацию, могут комбинироваться в один вектор г = (г1, г2,...гп). В рыночной ситуации стоимость портфеля будет Р (г), впоследствии значение (гММ) устанавливается для вектора, представляющего текущую стоимость факторов риска, т. е. текущую рыночную ситуацию ММ. Следовательно, текущую стоимость портфеля можно определить как Р (гММ), называемую ШК-отображением. Путем определения влияния факторов риска и построения ШК-отображени.я происходит декомпозиция портфеля по рисковым факторам. Элементами вектора VaR-отображе-ния в многомерном пространстве факторов риска выступают показатели чувствительности позиций к изменению этих факторов. Анализ сценариев означает прежде всего определение стоимости соответствующих портфелей при условии, что факторы риска, вместо их реальных стоимостей
ГММ = (ГММ. Р ГММ. Г-- ГММ. «), имеют стоимость г =
(г1, г2,.., гп), отражаемую в сценарии. При полной переоценке портфеля функция оценки стоимости применяется к новой стоимости г факторов риска. Стоимость портфеля в сценарии г тогда будет Р (г). Таким образом, стресс-тестирование позволяет
определить сценарий при внезапно возникающей рыночной ситуации г. Для этого генерируются г сценариев изменения значений влияющих факторов с учетом возможности их взаимной связи. Соответственно сценарии можно идентифицировать с рыночными ситуациями и представлять как вектор г. При стресс-тестировании сценарии гр...гк устанавливаются согласно определенным критериям и рассчитываются для определения текущей стоимости портфелей, охваченных этими сценариями. При этом стоимости портфелей представлены как Р(г)..Р(гк). Сравнивая их с текущей стоимостью портфеля Р (гмм) можно определить убытки, которые может понести банк, если рынок внезапно переместится из состояния гмм в состояние г1,.гк без возможности переоценки своего портфеля.
Организацию стресс-тестирования целесообразно осуществлять согласно следующим этапам:
1) проверка достоверности и актуальности информации, по которой проводится стресс-тестирование. При этом учитывают, что используемая отчетность должна соответствовать критерию последовательности (непрерывный ряд отчетных данных) и сопоставимости (неизменность методики расчета показателей). Информацию о крупнейших фактических потерях показывает УаК. Этот этап включает:
— оценку сложившейся динамики факторов риска путем определения изменения их значений на заданных отрезках времени. В расчет берется как разница между максимальным и минимальным значением фактора, так и их разница на начало и конец рассматриваемого периода. Впоследствии в зависимости от целей анализа используется усредненное либо максимальное значение изменения фактора риска;
— анализ воздействия на финансовое состояние кредитной организации нескольких факторов риска. Если факторов риска, которым подвержен банк, слишком много, необходимо сосредоточиться лишь на основных из них. Для исключения изолированного изучения отдельных факторов риска возникает необходимость сопоставления отрезков времени, на которых одновременно наблюдались различные отклонения значений факторов риска, от их средних величин (анализ временных рядов);
— сочетание критериев экстремальности и вероятности событий. Стресс-тесты, базирующиеся на невероятных условиях, проводить нецелесообразно. Создавая сценарии, в первую очередь необходимо обеспечить их логическую непротиворечивость. Они должны быть правдоподобны, интуитивно
возможны. Альтернативной формой сценариев является методика What-if, предполагающая проработку глубокого ряда событий, вероятность наступления которых соизмерима с уже наступившими;
— формирование оценки возможных потерь банка в результате реализации стрессовых условий. Внутренними правилами управления рисками должно четко определяться то, что необходимо рассматривать в качестве тревожного результата стресс-тестирования, а именно данные, применяемые в качестве основы для сравнения с потенциальными убытками, полученными по результатам стресс-тестов. При выявлении серьезных потенциальных угроз для кредитной организации руководством принимаются соответствующие управленческие решения, корректируется политика по управлению рисками, проводится дополнительное хеджирование рисков;
—регулярную актуализацию параметров стресс-теста, которая осуществляется по мере изменения рыночной и общеэкономической конъюнктуры, а также рискового профиля банка и позволяет оценить риски и доходность при различных бизнес-сценариях развития кредитной деятельности.
2) учет портфеля активов в целом и отдельных его компонентов (кредитного, торгового). Следует учитывать, что при выявлении рисков, присущих отдельным элементам портфеля, могут быть ненадлежащим образом оценены риски, характерные для всего портфеля активов. Этот этап включает:
— проведение стресс-тестирования широким кругом специалистов под наблюдением и с прямым участием руководства кредитной организации. Руководству (в том числе совету директоров) необходимо постоянно уделять внимание актуальности стресс-тестов, контролировать процесс их уточнения и модификации для более полного учета текущего состояния и перспектив развития (в условиях выхода банка на новые сегменты рынка или внедрения новых банковских продуктов). Результаты стресс-тестов также должны рассматриваться кредитным комитетом и учитываться при формировании (корректировки) политики управления рисками. Особое внимание уделяется мерам защиты интересов банка в случае наступления одного из факторов, указанных как отклонение от нормальной ситуации;
— интерпретацию результатов и обязательное документирование сценарных условий, оценок, сделанных выводов и разработанных управленческих воздействий, что является обязательным условием эффективности стресс-тестирования. Для каждого
из сценариев разрабатывается план мероприятий с описанием действий в случае наступления негативных событий. Важно обратить внимание на событие, которое может привести к снижению показателей достаточности капитала ниже 10 %;
3) оценка результативности полученной модели и по возможности предложение ее модификации (определение лучшей и худшей модели среди всех имеющихся, определение потенциальных потерь банка по выбранным приоритетным сценариям);
4) определение итоговой рисковой стоимости капитала.
Применение этих моделей оценки капитала обеспечивает реализацию концепции «стимулирующего реагирования», являющейся базовой в системе оценок экономического капитала. Ее суть в том, что менеджмент кредитных организаций к существующему набору традиционных способов управления, задаваемых требованиями регулятора (стандартный подход к оценке кредитных, рыночных, операционных рисков, их централизованные лимиты), создает приоритетные системы макро- и микроэкономических индикаторов существенных рисков.
Итак, концептуальный подход к построению моделей рискового капитала должен одновременно базироваться на современной концепции риска (в части методик оценки), а также на концепциях рисковой стоимости. Причем, если разница между предстоящими потерями и их ожидаемым зна-
чением окажется нулевой или отрицательной, то экономическая концепция капитала теряет свою актуальность. Однако в нестабильных ситуациях всегда существует убывающая вероятность наступления потерь, превышающих уровень ожидаемых (непредвиденные потери). Непредвиденные потери, в отличие от ожидаемых, являются значительными, вероятность их появления невысокая, их размер определяется по всему портфелю (субпортфелям).
Основные характеристики моделей кредитного, рыночного и операционного VaR приведены в табл. 3.
Следует подчеркнуть, что для национального банковского сектора первостепенное значение имеет развитие сложных VaR-моделей. Такие модели должны существенно ускорить процесс адаптации российской банковской системы к продвинутым требованиям Базельского комитета по банковскому надзору и обеспечить сбалансированное развитие кредитной организации при оптимизации профиля принимаемых ею рисков, соответствуя при этом ее стратегии. В силу необходимости наиболее полной идентификации моделей рискового капитала, к их качеству предъявляются требования: содержательность и реалистичность предпосылок, допущений; предсказательная способность; возможность информационного обеспечения и верификации. Особым требованием к их качеству является требование по прозрачности, включающей количественные оценки
Таблица 3
Основные характеристики моделей оценки экономического капитала
Характеристика Кредитный VAR Рыночный VAR Операционный VAR
Реализация модели Модель реализуется в модернизированной системе управления банковскими рисками
Методология оценки Единая методология, позволяющая рассчитывать лимиты и выполнять всесторонний анализ рисков
Язык описания моделей Visual Basic for Applications, VBA
Подход к моделированию «Снизу вверх»
Волатильность Случайная величина, (вероятность дефолта) Случайная величина, (доходность ценной бумаги или ее стоимость) Случайная величина, (число случаев потерь или число негативных событий)
Вид риска Потери при дефолте Изменение рыночной стоимости торгового портфеля Изменение систем, процессов и технологий
Факторы риска Вероятность дефолта Макроэкономические факторы Микро- и макроэкономические факторы
Событие риска Изменение кредитного рейтинга (дефолт) Непрерывная вероятность дефолта Ухудшение качества бизнес-процессов, неверное их построение
Корреляция между дефолтами На основе процесса дефолта На основе цен акций(фак-торная модель) На основе факторной модели
Временной горизонт для расчета 1 год 1 месяц (для российских условий) 1 год
Методика расчета Имитационное моделирование (метод Монте-Карло). Аналитическое решение Имитационное моделирование (метод Монте-Карло). Аналитическое решение Имитационное моделирование (метод Монте-Карло). Аналитическое решение
точности и робастности. Под прозрачностью модели понимается строгость используемых математических методов, сглаживание субъективности экспертных оценок, наглядность результатов оценки и анализа риска, полное их понимание самими работниками банков, открытость методик для контролирующих органов и клиентов. Прозрачность результатов достигается вычислением вкладов инициирующих событий (критериев) в риски. От точности распознавания зависят цена (процент) за риск и уровень резервирования капитала на случай дефолта: чем выше точность оценки рисков, тем меньше потери банка. Робастность характеризует стабильность моделей оценки экономического капитала во времени.
Следует подчеркнуть, что построение потерь по портфелю для оценки величин ЮК является нетривиальной задачей. Поэтому Базельский комитет по банковскому надзору считает целесообразным установить риск-факторы модели — параметры, определяющие стоимость и рискованность портфеля (рис. 3).
Для российских условий необходимо правильно подобрать комбинацию таких факторов. Регулярно, не реже одного раза в год служба внутреннего контроля обязана проверять процедуру оценивания этих параметров, подтверждать надежность, адекватность внутренних моделей, что должно закрепляться документально.
Построение моделей оценки экономического капитала в масштабе всех кредитных организаций осуществляется согласно принципу «снизу вверх» (по существенным основным видам и факторам риска с максимальным учетом корреляционных взаимосвязей, существующих между ними). В модернизированной системе управления рисками проводится интеграция рисков «снизу вверх» (выделяются и последовательно агрегируются первичные факторы
риска на уровне отдельных сделок, инструментов и подразделений, «поднимаясь» затем на более высокие уровни корпоративной иерархии).
В отношении реализации компонента «рыночная дисциплина», в системе оценки экономического капитала, а также в целях повышения значимости раскрываемой информации обязательному раскрытию подлежат VaR кредитный, рыночный, операционный с указанием подхода и метода, используемого менеджерами для управления риском. Раскрытие информации по видам моделей оценки рисков позволит хозяйствующим субъектам проводить сравнение показателей отдельных банков, более оперативно и осознанно реагировать на поступающие от кредитных организаций сигналы.
Практическая реализация этих моделей потребует большой выборки данных по дефолтам и статистическим наблюдениям за рыночной стоимостью активов и ее волатильностью. Создавать и поддерживать информацию для вычисления параметров модели рискового капитала необходимо в информационной системе банка, хранилище данных. Наиболее распространенной является система RS-DataHaus, которая отличается от других систем широкими возможностями по использованию накопленной информации, расчету показателей, статистической обработке данных. Система позволяет настраивать показатели различных методик, новые источники данных или видоизменять существующие данные, позволяет определять структуру их хранения и алгоритмы формирования, а также предоставляет пользователям средства для отображения данных.
Использование ^аК-моделей будет способствовать развитию риск-ориентированного надзора. Органы надзора, в свою очередь, должны добиваться того, чтобы в каждом банке действовали надежные внутренние системы анализа достаточности
Параметры кредитного риска Параметры операционного риска
PD — среднегодовая вероятность дефолта разных категорий заемщиков с известной датой расчета Е1 (коэффициент риска) — средняя сумма, которой банк рискует в случае наступления рискового события
LGD (относительные потери от дефолта, темп возмещения) — среднеожидаемый уровень возможного убытка в результате дефолта. Определяется степенью обеспечения обязательства по кредитной сделке, наличием полученных гарантий, использованием кредитных деривативов и т. д. РЕ — вероятность наступления рискового события
EAD (величина принимаемого риска) — стоимость под риском дефолта, сумма долга заемщика на момент объявления дефолта (характеризует активы под риском) LGE — величина убытков при наступлении рискового события с учетом корректировочного коэффициента в разрезе бизнес-подразделений, продуктов
М (эффективный срок) — длина кредита Экономический капитал = EI хPEхLGE
EL (ожидаемые убытки) = PD х LGD х ЕАЛ
Экономический капитал = PD *х LGD *х EAD хМ
Рис. 3. Параметры риска, установленные Базельским комитетом по банковскому надзору
капитала, основанные на тщательной оценке рисков, которые банки на себя принимают. В результате повышается роль надзорного процесса.
Таким образом, подход к построению моделей оценки экономического капитала на основе концепции VaR, концепций ожидаемых и неожи-даемых потерь, стимулирующего реагирования, стресс-тестирования представляет в распоряжение как самих кредитных организаций, так и национальных органов банковского надзора универсальный, эффективный инструмент определения внутреннего капитала и контроля за существенными рисками.
Список литературы
1. Мануйленко В. В. Практика оценки достаточности собственного капитала в российских
кредитных организациях: проблемы и перспективы развития // Финансы и кредит. 2010. № 11 (395). С. 33-42.
2. Мануйленко В. В. Методология формирования системы оценки достаточности капитала кредитной организации // Финансы и кредит. 2010. № 27 (411). С. 21-31.
3. Мануйленко В. В. Оценка капитализации российского банковского сектора // Финансы и кредит. 2010. № 29 (413). С. 25-36.
4. Мануйленко В. В. Развитие методики оценки справедливой стоимости капитала кредитной организации // Финансы и кредит. 2010. № 31 (415). С. 8-16.
5. Международная конвергенция измерения капитала и стандартов капитала / Базельский комитет по банковскому надзору. М.: Банк международных расчетов. 2004.
