Анализ и моделирование факторов устойчивости коммерческих банков

Одной из центральных проблем современной банковской системы России является восстановление доверия населения к коммерческим банкам (КБ) после кризиса 1998 года. Снижение доверия ко всем кредитным организациям в не зависимости от их реального финансового состояния было вызвано банкротством крупнейших финансовых институтов страны. По данным Банка России в целом по банковской системе валютные сбережения населения снизились с августа по декабрь 1998 года на 55.2%. В известной мере это связано с отсутствием в стране единой системы мониторинга финансового состояния кредитных организаций.

Банковская система отвечает за распределение всех финансовых ресурсов страны. Предприятия, действующие на территории России, вынуждены пользоваться услугами банков в соответствии с требованиями действующих законов. Население для сохранения средств от инфляции желает пользоваться услугами стабильных банков, поэтому вопрос оценки и выбора банка для вложения свободных средств возникает и у большинства российских граждан, и у руководителей предприятий. Как показывают результаты исследований, проведенные gazeta.ru, население, в т. ч. руководители предприятий, слабо осведомлено о практических методах анализа финансового состояния банка, что приводит к проблемам выборе обслуживающего банка.

Кризис 1998 года в России показал значимость правильного выбора такого банка. Задача выбора банка осталась актуальной и после кризиса, поскольку банкротства банков не прекратились и продолжаются и сегодня. В целом эта тенденция приводит к централизации капитала в государственных финансовых институтах. Но для граждан, не сумевших правильно оценить степень риска финансового института, которому они доверяют сбережения, процесс разорения банков приводит к потере ими значительных средств. При этом анализ финансового состояния КБ позволяет сильно сократить убытки населения и предприятий. Например, только за период с января 2000 года по январь 2003 года при использовании разработанной методики анализа финансового состояния коммерческого банка (АФСКБ) могли бы быть предотвращены потери юридических лиц в размере 2.7 млрд. рублей и потери физических лиц в размере 0.9 млрд. рублей, которые остались «замороженными» на счетах банков — банкротов.

В мире наиболее известным методом анализа финансового состояния КБ является американская система CAMEL, предложенная в 1978 году в качестве базовой для оценки финансового состояния американских банков. В России развитие методологии анализа финансового состояния банков во многом подвержено влиянию американской системы CAMEL. Большой вклад в создание отечественных методик внес Банк России, который разработал методику анализа, используемую для выдачи официальных заключений относительно финансового состояния банка. Кроме официальной методики в России разработано большое количество других методик, например, методика Кромонова, методика специалистов «Клуба банковских аналитиков», Собинбанка и т. д. Большинство публично доступных методик базируются на использовании исходных данных (финансовых показателей банков) только в 1 момент времени — на последнюю дату официальной отчетности, что приводит к невозможности их применения к использованию для анализа текущего финансового состояния банка, поскольку финансовые показатели на последнюю дату отчетности являются ретроспективными.

Для решения задачи определения надежности коммерческого банка на основе официально публикуемых балансов в данной работе применяются алгоритмы нечеткой логики (fuzzy logic) в модифицированном варианте, позволяющем применять генетические алгоритмы на множестве экспертных оценок, являющихся формализованным представлением экспертных мнений.

Модификация экспертных оценок с целью улучшения производится при помощи нелинейного оценивания с применением Квази-Ньютоновского (Quasi-Newton) метода оптимизации, реализованного в ПО Statistica v.5.0.

Алгоритмы нечеткой логики применительно к анализу финансового состояния КБ позволили получать из выбранных лучших экспертных оценок предыдущего поколения новые экспертные оценки, лучшие, чем все предыдущие, за счет комбинации различных компонентов каждой из оценок предыдущего поколения. После серии итераций, охватывающих возможные модификации в рамках реализации измененного генетического алгоритма, разработанного в работе, определялись оптимальные (с точки зрения минимизации количества ошибок на контрольном множестве) функции от финансовых показателей, которые в дальнейшем обозначались как базовые индикаторы финансовой устойчивости. После центрирования и нормирования они назывались индикаторами финансовой устойчивости.

Для проведения экономико-математического моделирования требуется большой объем исходной информации. В качестве исходной информации в данной работе рассматривались агрегированные финансовые показатели банков, размещенные на сайте http://www.banks-rate.ru. Общий объем обрабатываемой информации превысил 2.4 миллиона значений (19 показателей за 37 отчетных периодов, взятые в 3419 зарегистрированных банках).

Проведения статистического анализа предшествовало проведение анализа деятельности всех российских банков, лицензии которых были отозваны в период с января 2001 по январь 2003 года. Проведенный анализ позволил выявить основные проблемы, встречающиеся у банков, приводящие к невозможности исполнения собственных обязательств. Анализ доказывает существование зависимости финансового состояния коммерческого банка в настоящем от значений финансовых показателей в прошлом и определяет перечень наиболее влияющих на финансовое состояние показателей (в порядке убывания значимости): средства клиентов, прибыль, капитал и объем кредитного портфеля.

Актуальность данной работы повышается с принятием Закона «О страховании вкладов физических лиц в банках РФ», требующего проведение мониторинга действующих кредитных организаций. При этом требования к системам мониторинга оказываются довольно жесткими. С одной стороны, недопустимо появление необъективности оценкиы, которая может быть причиной злоупотреблений, но, с другой стороны, выявление ухудшений финансового состояния банка для уменьшения последствий возможного банкротства должно проводиться оперативно. Как отмечают западные исследователи Риттер (Ritter) и Зильбер (Silber) вопрос принятия банка в систему страхования вкладов и определение его взносов в зависимости от его финансового состояния является актуальным по сегодняшний день.

Целью исследования является совершенствование инструментария анализа финансового состояния КБ с целью выдачи заключения относительно его финансового состояния в настоящем и ближайшем будущем, основанного на использовании публично доступной балансовой информации. В работе поставлены и решены следующие задачи: проанализированы существующие методы определения финансового состояния КБ, используемые в России и за рубежомпредложен метод формализации экспертных мнений в области анализа финансового состояния КБвведена мера на множестве финансовых показателей банков, соответствующая экспертной оценке, определено биективное соответствие множества экспертных оценок и мер на множестве финансовых показателейсделан вывод о возможностях применения алгоритмов нечеткой логики (fuzzy logic) для АФСКБвыполнено изменение алгоритмов нечеткой логики для их использования на множестве экспертных оценок с целью улучшения их качестваразработана модель, описывающая зависимость финансового состояния КБ от ретроспективных значений балансовых показателейв процессе разработки метода динамического анализа было найдено решение задачи, поставленной Банком России в 2003 году, связанной с выявлением накруток, т. е. необоснованных увеличений, капиталапостроена модель, описывающая зависимость финансового состояния КБ от ретроспективных балансовых показателейразработана методика определения финансового состояния КБ на основе прогнозных значений балансовых показателей, позволяющий принимать решение о финансовом состоянии КБ на, как минимум, 1 месяц раньше по сравнению с применением традиционных методов финансового анализаразработан комплекс программных средств, реализующий инструментальное применение разработанного метода для анализа финансового состояния действующих российских банков.

Объект исследования. Объектом исследования является коммерческий банк, действующий на территории Российской Федерации.

Методологической и теоретической основой исследования являются труды ведущих отечественных и зарубежных специалистов в области финансового анализа и пруденциального надзора, математического моделирования и статистики. Информационной базой исследования являются агрегированные материалы общедоступных балансов банков, приведенные на сайте http ://www. banks-rate .ru.

В ходе исследования автором использованы материалы в областях финансового анализа, статистического анализа и эконометрики, учетно-операционной работы банков, математического моделирования и оптимизации, банковского законодательства, статистики по банковской системе России, оценки финансовой устойчивости банков, проанализированы существующие в России и за рубежом методы, применяемые для анализа финансовой устойчивости коммерческих банков.

Структура и объем работы. Диссертация состоит из введения, трех глав, заключения, списка литературы и 2-х приложений. Работа изложена на 164 страницах машинописного текста, сопровождаемого рисунками и таблицами. Список использованной литературы состоит из 93 наименований.

Заключение

.

В работе описана методика построения скоринговых моделей, описывающих устойчивость банка в настоящем и будущем в зависимости от значений пок азателей официальной финансовой отчетности. В качестве примера построена модель, описывающая зависимость устойчивости коммерческого банка от его ретроспективных балансовых показателей. а.

Использований в качестве исходных значений модели не векторного набора финансовых показателей, рассчитанных на основе балансовой отчетности на одну выбранную дату, а матрицы исходных значений, столбцы которой соответствуют) показателям, рассчитываемым на основе балансовых данных банка, а строки — датам отчетности, в которые производились расчеты финансовых показателей, позволило значительно улучшить качество прогноза и позволило Использовать прогнозные методы для определения финансового состояния банка в ближайшем будущем.

Результатом построения скоринговой модели является экспресс-оценка остояния банка в виде генерального индекса надежности и расширенной информации для специалистов в виде системы финансовой устойчивости КБ, характеризующих деятельность банка в различных аспектах. Экспресс-оценка позволяет быстро без специальных Знаний получить информацию об устойчивости интересующего банка. В т|)м случае, если выявлены признаки нестабильности у 1 рассматриваемого банка, возможно использование составляющих генерального индекса надежности — системы индикаторов финансовой устойчивости КБ, которая позволяет выявлять причины появления нестабильности. Предложенный материал может быть полезен не только специалистам в области анализа устойчивости банков, но и руководителям предприятий, финансового представление индикаторов частным вкладчикам, заинтересованных в определении устойчивости банка, в I котором хранятся их сбережения.

В работ^ получена система индикаторов финансовой устойчивости КБ, пригодная для визуального анализа, которая учитывает не только изменение значений показателей в динамике, но и стабильность этого изменения. При этом структура и параметры (коэффициенты) модели были найдены с помощью нелинейного Оценивания среди множества методов, построенных на основе экспертных оценок с применением разработанного автором измененного генетического алгоритма для поиска оптимальной экспертной оценки.

При разработке методики АФСКБ были получены следующие основные результаты:

1. Как результат анализа существующих методов АФСКБ сделан вывод о необходимости проведения анализа, учитывающего динамику значений финансовых показателей КБ, позволяющего перейти от ретроспективного характера получаемых результатов к применению прогнозных моделей и возможности нахождения генерального индекса надежности R, характеризующего финансовое состояние банка в будущем.

2. Разработан пакет программ, позволяющий производить автоматизированную загрузку значений финансовых показателей КБ из сети Интернет и производить их обработку в соответствии с разработанной методикой.

3. Разработана методика построения скоринговых моделей, которая помимо j.

АФСКБ |применима для решения большого спектра задач — например, для оценки Заемщика при принятии решения о предоставлении кредита, при проведении социологических исследований, для повышения урожайности и т. д. | I.

4. Использование прогнозных моделей в процессе АФСКБ значительно повысилр качество прогноза. Возможность их использования появилась вследствие применения измененного генетического алгоритма, позволяющего находить квазиоптимальные решения за короткий промежуток времени.

5. Предлоя ен двухуровневый метод АФСКБ: первый уровень соответствует построеь ию экспертной оценки на основании экспертных мнений и дальнейщей их формализации и модификации с помощью i математических методов, а на втором уровне производится нелинейное оценивание полученных индикаторов финансовой устойчивости. Благодаря использованию двухуровневого анализа появилась возможность включать в формальный анализ методы, являющиеся внешними по отношению к объекту исследования — мнения экспертов, I таким образом, повышая качество результатов.

6. Результантом исследования стала разработка математической модели, описывающей зависимость финансового состояния КБ в ближайшем будущеД от ретроспективных значений финансовых показателей. Парамет эы модели были подобраны на основании финансовых показателей банков, входящих в обучающее множество. В дальнейшем значена t были проверены на тестовом множестве. На множестве всех действующих на территории РФ, было подтверждено высокое прогноза. банков, качестве.

Результаты, полученные в работе, пригодны для практического применении — в работе приведен текст пакета программ, позволяющих получать необходимую информацию из сети Интернет и производить определение устойчивости интересующего банка с применением методов, описанных|в данной работе.