Информационно-аналитические системы финансового риск-менеджмента

Стресс-тестирование. Под стресс-тестированием понимается анализ влияния экстремально негативных явлений на капитал или ликвидность финансового института. В зависимости от того, что является входными и выходными показателями, различают прямое и обратное стресс-тестирования.

Прямое стресс-тестирование предусматривает оценку чувствительности к набору исключительных, но возможных шоков. Фактически прямое стресс-тестирование подразумевает переоценку портфеля активов и (или) показателей баланса финансового института по значениям экономических переменных, определенным в качестве стрессовых.

При обратном стресс-тестировании производится оценка сценарных шоков, которые могут привести к катастрофическим для организации последствиям. Иными словами, если величина критических потерь для организации задана, то цель анализа — выявление величины и, что важнее, реалистичности шоков, которые могут привести к этим потерям^[1].

Первоначально стресс-тестирование разрабатывалось для оценки изменения стоимости портфелей финансовых организаций в результате реализации тех или иных факторов риска^[2].

Модели стресс-тестирования, используемые банками и небанковскими финансовыми организациями в рамках управления рисками, в последние годы стали реализовываться в более широком контексте — в рамках макропруденциального анализа применительно к финансовому сектору и его отдельным сегментам.

Классификация стресс-тестов по видам сценариев представлена на рис. 3.10.

Рис. 3.10. Классификация стресс-тестов по видам сценариев^1.

В отдельную группу выделены однофакторные сценарии, или так называемый анализ чувствительности, который предусматривает рассмотрение исключительного изменения одного фактора при сохранении неизменными прочих условий (т.е. падения валютного курса при сохранении уровня процентных ставок и котировок ценных бумаг). Подобный подход представляет собой довольно абстрактное исследование, однако технически простое и наглядное, что определяет его практическое распространение.

Вторая группа — сценарный анализ, который исследует влияние совместного изменения риск-факторов на целевые показатели финансового института, что позволяет получить интегрированную оценку. Однако на практике его использование требует решения нетривиальной задачи совместного моделирования будущих изменений риск-факторов.

Следовательно, предлагается два основных способа решения этой задачи: использование исторических и гипотетических сценариев.

При использовании исторических сценариев значения риск-факторов принимаются равными наблюдавшимся в кризисные периоды. Они воспроизводят ранее реализовавшуюся кризисную ситуацию, проверяя на ее примере рискозащищенности компании. Достоинством метода является интуи-^[3]

тивная реалистичность сценария. Однако в связи с постоянным изменением рыночной среды шоки, выявленные в истории, могут оказаться нерелевантными.

Вторым способом является использование гипотетических сценариев, значения риск-факторов для которых задаются исходя из предполагаемого (но не наблюдавшегося ранее) развития событий. Гипотетические сценарии состоят из экспертных и параметрических.

В экспертных сценариях значения риск-факторов определяются экспертом на основе субъективного оценивания. Экспертные сценарии создаются на основе экспертных оценок, учитывающих как исторические кризисы, так и текущую конъюнктуру рынка, и позволяют акцентировать внимание на наиболее существенных для компании риск-факторах.

Параметрические сценарии строятся с помощью математических методов. Преимуществом этого метода является возможность тестирования шоков, нс наблюдавшихся в истории, однако являющихся вероятными для текущего состояния экономики. Недостаток — чувствительность к выборке, по которой производится оценивание (что особенно важно при ограниченном числе наблюдений стрессовых периодов), и зависимость от заложенных предпосылок (прежде всего от вида распределения отдельных переменных). Разновидностью параметрических сценариев являются статистические сценарии.

Статистические сценарии составляются на основе моделирования возможных значений риск-факторов. В данном случае доминируют вероятностно-определенные оценки, т. е. для последующего тестирования предлагаются сценарии с определенной вероятностью реализации, что позволяет интегрировать результаты стресс-теста в модели оценки необходимого капитала. Анализ исключительных событий требует особых технологий: если обычное распределение вероятностей достаточно хорошо описывает события, относящиеся к «телу» распределения, то для так называемых хвостовых областей применяют специальный инструментарий — теорию экстремальных значений (Extreme Value Theory — EVT).

Сценарии максимальных потерь рассматривают наименее благоприятное для компании сочетание риск-факторов. При проведении такого анализа важен не только и не столько сам результат, характеризующий запас прочности компании, сколько вырисовывающийся профиль рисков, который позволяет выделить наиболее существенные угрозы и принять необходимые меры предосторожности.

Стресс-тестирование является неотъемлемой частью процесса управления рисками, в особенности в тех случаях, когда для определения количественной оценки риска используется методика расчета стоимостной меры риска (VaR).

В перечне требований, предъявляемых Базельским комитетом по банковскому надзору и регулированию к собственному капиталу кредитных учреждений, указано, помимо прочего, проведение стресс-тестирования в банках. Стресс-тестирование позволяет руководителям и менеджерам по рискам предвидеть, что может случиться с банком в ситуациях, выходящих за рамки параметров текущих моделей (например, таких как внезапные сдвиги корреляций или уровней убытков), и как изменится его подверженность рискам.

При осуществлении процедуры стресс-тестирования ликвидных средств банки обязаны, как минимум:

• • определить ключевые внутренние и внешние факторы, изменения которых оказывают негативное воздействие на ликвидные средства банка;
• • предоставить количественные изменения внутренних и внешних факторов, являющихся причиной возможного стресса;
• • оценить воздействие внутренних и внешних факторов на ликвидные средства банка в условиях возможного стресса;
• • предоставить управлению банка отчет по результатам стресстестирования.

Кроме того, банкам следует периодически пересматривать и, при необходимости, корректировать допущения для выполнения стресс-тестирования.

Европейские банки, например, по требованиям регуляторов обязаны производить тесты ликвидных средств в различных ситуациях и с использованием различных вариантов развития стрессовых событий с целью оценки влияния.

В коммерческих банках анализ чувствительности конъюнктуры к уровню риска предоставляет информацию о чувствительности потребности в капитале к базовым факторам риска. В результате банк получает информацию о чувствительности потребности в капитале к отдельным параметрам рисков.

При проведении анализа сценариев исследуются последствия вероятных экономических сценариев, имеющих негативное воздействие на потребность в капитале. Здесь принимаются во внимание различные параметры рисков и бизнес-операций.

Параметрами рисков, включенными в Базель II, являются: влияние риска и вероятность дефолта (probability of default — PD); потери в случае дефолта {lossgiven default — LCD); риск убытков в случае дефолта {exposure at default — EAD).

Указанные параметры выступают следствием различных факторов риска. Непосредственно факторы риска — это характеристики, которые учитываются в статистической модели при оценке параметров риска по Базелю II. Поскольку основные факторы риска зависят от модели, они различаются для каждой отдельной бизнес-единицы применительно к конкретному портфелю. Параметры изменений факторов риска рассматриваются как стрессовые потрясения и подвергаются калибровке в соответствии с условиями каждого отдельного сценария.

Методика стресс-тестирования, как правило, включает в себя два основных вида рисков: валютный риск (риск изменения обменных курсов рубля) и риск изменения процентной ставки (риск параллельного сдвига кривой доходности).

Оценка валютного риска подразумевает следующие действия.

• 1. Вычисление значения позиции под риском для валюты в виде разницы между размером активов и обязательств в соответствующей валюте согласно обменному курсу на дату выполнения вычислений.
• 2. Вычисление разницы между размером активов и обязательств в соответствующей валюте согласно обменному курсу с поправкой на сценарий стресса.
• 3. Вычисление разницы между п. 1 и п. 2, т. е. общий размер доходов (убытков) в случае установленного изменения курса валют.

Оценка риска изменения процентной ставки предусматривает следующие действия.

• 1. Вычисляется возможное изменение чистого дохода от процентов для середины каждого временного промежутка. Вычисления выполняются для каждого временного промежутка, начиная с вычисления по требованию и вплоть до промежутка в 12 мес.
• 2. Определяется середина каждого временного промежутка (в днях) как среднее арифметическое между началом и концом промежутка, т. е. для промежутка от одного до двух месяцев коэффициент будет рассчитан следующим образом: (60 — 30) /2 = 15 дней.
• 3. Вычисляется годовой результат одновременного изменения процентных ставок, т. е. коэффициент пересчета на год. Таким образом, для интервала от одного до двух месяцев этот коэффициент будет рассчитан следующим образом: (360 — 15) / 360 = 0,958.
• 4. Определяется процентный разрыв для каждого временного промежутка как разница между стоимостью активов и обязательств.
• 5. Проводится умножение процентного разрыва для каждого промежутка на коэффициент пересчета на год для того же промежутка.
• 6. Результат п. 5 умножается на прогнозируемое изменение процентных ставок. Таким образом, для изменения процентных ставок на 100 базисных пунктов значение умножается на 0,01.
• 7. В случае возникновения указанного изменения вычисляется доход (убыток) банка как сумма значений, полученных в и. 6 для всех временных промежутков, указанных в п. 1.

Выполнение стресс-тестирования в различных подразделениях банка — сложный процесс. Большинство банков Европы используют модель «семи шагов» (Seven Steps Model), которая представляет собой набор принципов и рекомендованных методов, разработанных в ходе обширных исследований компанией Moody’s Analytics.

Данная модель также представляет собой процесс осуществления комплексной программы стресс-тестирования.

Шаг 1. Определение масштабов и общих принципов организации. Этот шаг подразумевает создание групп специалистов для определения целей и принципов управления, а также для обеспечения координированной работы коммерческого отдела, отдела по управлению рисками и финансового отдела.

Шаг 2. Определение сценариев с использованием мультидисциплинарного подхода. Надзорные органы рекомендуют банкам формировать отделы, в чьи обязанности входит исключительно разработка модели стресс-тестирования и ее администрирование. Такие рабочие группы, как правило, используют внешние сценарии (например, макроэкономические потрясения) в качестве опорных точек для определения конкретных внутренних сценариев.

Шаг 3. Данные и инфраструктура. Важным моментом в этом процессе является наличие в банке гибкой платформы для объединения балансовых данных с целью обобщения информации по организации в целом.

Шаги 4, 5. Вычисление ключевых показателей эффективности в момент стресса. После осуществления сбора и систематизации данных выполняется наслоение макроэкономических сценариев. Моделирование влияния макроэкономических сценариев на движение денежной наличности требует как наличия достоверного объема информации, так и четкого понимания особенностей бизнес-процессов.

Количественные методы, такие как вероятность дефолта (PD), риск убытков в случае дефолта (EAD), потери в случае дефолта (LGD) — представляют особый интерес для высшего руководства, поскольку они связывают стресс-тестирование напрямую с результатами деятельности банка.

Рекомендованные методы включают в себя разработку внутренних моделей с вовлечением групп специалистов по количественному анализу, а также использование моделей и услуг третьих лиц (консультантов) с целью ускорения процесса и повышения его эффективности.

Шаг 6. Отчетность. Требования к стресс-тестированию устанавливаются различными внутренними и внешними источниками. К их числу относятся государственные и административно-территориальные контрольнонадзорные органы, совет директоров, различные комитеты и структуры управления, а также линейное руководство бизнеса.

Шаг 7. Действия, основанные на полной вовлеченности высшего руководства. Фактически стресс-тестирование должно представлять собой как часть процесса бизнес-планирования, так и повседневную практику системы риск-менеджмента для организации. Регулировка соотношения активов и обязательств должна согласовываться с управлением риском концентрации. Мониторинг границ быстрого реагирования должен обеспечить содержательные исходные данные для определения позиции организации в отношении рисков.

Рассмотрим стресс-тестирование на примере банка Z. Предположим, что банк Z является подразделением иностранного банка, работающего в Москве и обслуживающего интересы крупного производителя иномарок.

В соответствии с требованиями Базеля III в процессе стресс-тестирования необходимо рассмотреть несколько сценариев, в нашем примере это будут: умеренная рецессия; падение спроса на иномарки в России; агрессивные маркетинговые действия других банков, приводящие к снижению деловой активности банка Z; снижение спроса на рынке подержанных автомобилей. Каждый сценарий имеет влияние на финансовые результаты розничной и корпоративной деятельности банка.

Первый сценарий — умеренная рецессия, которая относится к макроэкономической ситуации, когда наблюдается нулевой рост в ВВП на протяжении не менее двух кварталов подряд. В розничном бизнесе банка и экономический спад может оказаться бременем для заемщиков, так что вероятность дефолта изменяется в зависимости от их кредитоспособности. Возникает риск увеличения количества клиентов с плохой кредитной историей, что приводит к необходимости предпринимать шаги по компенсации спада и сохранению бизнеса. Кроме того, в результате мягкой рецессии кредитный портфель банка по составу клиентов может сместиться в сторону более низких кредитных рейтингов.

В области корпоративного бизнеса у банка также могут возникнуть финансовые трудности, поскольку из-за снижения спроса на автомобили (в особенности иностранного производства) уменьшится прибыль дилеров, что приведет к трудностям в обслуживании платежных обязательств.

Результаты подобных стресс-событий определяются путем сравнения размера последствий в результате наступления риска во время рецессии с периодами убытков до и после рецессии.

Историческая вероятность дефолтов в корпоративном портфеле трудно оценить из-за низкого числа клиентов и, следовательно, малого объема статистики. Главным индикатором корректировки убытков здесь выступает цена на нефть и динамика ее снижения. Кроме того, при снижении ВВП в России необходимо делать соответствующие корректировки в размерах необходимых банку ликвидных активов.

Производится расчет таких коэффициентов, как вероятность дефолта (PD), потери в случае дефолта (LGD), и показателей ликвидности.

Второй сценарий — падение спроса на иномарки в России — приводит к снижению объемов кредитования в розничном секторе и, таким образом, к снижению кредитных рисков до тех пор, пока кредитное качество новых займов остается неизменным. Вместе с гем это может быть связано с принятием меньшего объема авансовых платежей и, следовательно, с пониженным уровнем секьюритизации. Параметр для этого сценария — максимальный спад продаж иномарок в течение одного года.

Третий сценарий — агрессивные маркетинговые действия других банков, приводящие к снижению деловой активности банка Z. Предполагается, что конкуренты могут переманить к себе клиентов с высоким кредитным качеством, предлагая более выгодные условия.

Четвертый сценарий исследует влияние на снижение спроса на рынке подержанных автомобилей. Кредитный риск в розничном портфеле банка чувствителен к изменениям на рынке подержанных автомобилей, поскольку автомобили выступают в качестве залога.

Предположим, что в результате наступления первого сценария (умеренная рецессия) прогноз Банка России по ряду параметров, характеризующих деятельность коммерческих банков, выглядит следующим образом.

• 1. Отток ресурсной базы различных групп обязательств:
  • • сокращение корпоративного портфеля ценных бумаг до 20%;
  • • сокращение вкладов населения до 20%;
  • • сокращение балансов по расчетным и текущим счетам до 20%;
  • • уменьшение корпоративных депозитов до 10%;
  • • сокращение межбанковских займов и денежных средств на корреспондентских счетах до 60%;
  • • сокращение балансов по расчетным и текущим счетам до 20%;
  • • уменьшение корпоративных депозитов до 10%;
  • • сокращение межбанковских займов и денежных средств на корреспондентских счетах до 60%.
• 2. Сумма дисконта по активам, которые ожидается реализовать в случае необходимости выполнить обязательства банка:
  • • дисконт по денежным активам до 5%;
  • • дисконт по активам, установленный Банком России, до 5%;
  • • дисконт по межбанковским займам и средствам на корреспондентских счетах ностро до 5%;
  • • дисконт по портфелю ценных бумаг до 20%;
  • • дисконт по портфелю выданных кредитов от 60 до 100%;
  • • дисконт по собственности и другим активам от 60 до 100%.

Таким образом, сценарий стресс-теста для банка Z будет выглядеть так, как показано в табл. 3.14.

Таблица 3.14

Результаты реализации возможных сценариев в рамках стресс-тестирования.

В соответствии с результатами можно прийти к заключению, что банк обладает достаточной суммой ликвидных активов на случай внезапной утечки средств материальной базы. Это означает, что текущее состояние активов и обязательств позволяет справиться с кризисными явлениями и банку не потребуется дополнительных ликвидных средств, чтобы покрыть их дефицит.

В целом нормативные рекомендации, касающиеся стресс-тестирования в Европе, обязуют банки разрабатывать модели, имеющие больше связей с макроэкономическими переменными, поскольку среди различных категорий стресс-тестирования макроэкономическое стресс-тестирование играет ключевую роль.

Что касается банковского сектора в России, эти факты часто не принимаются во внимание, в особенности банками средней величины.

Существует незначительное число групп макрофакторов, которые влияют на финансовую устойчивость и, соответственно, ликвидные средства банка (системы). Это факторы, связанные с общими макроэкономическими условиями (инфляция, безработица, и т. д.), факторы, характеризующие реальный сектор экономики (рост реального ВВП, условия торговли и т. д.), и факторы, отражающие условия финансового рынка (ставки кредитования, доходность акций и т. д.).

Для разработки регрессионной модели из множества макроэкономических переменных в качестве примера были выбраны четыре наиболее значимые для российской экономики: годовой ВВП, средняя цена на нефть за год, инфляция и обменный курс доллара США к рублю. Фактические данные предоставлены в табл. 3.15.

Таблица 3.15

Динамика ключевых макроэкономических показателей по России.

в 2010;2014 гг.1

Стресс-сценарий может оказать воздействие на различные количественные показатели, интересующие риск-менеджера: ожидаемые убытки; вероятность дефолта; размер регулятивного капитала; минимальные нормативные требования к достаточности капитала.

Сделаем допущение о том, что наша задача — оценить влияние реализации стресс-сценария на ликвидность банка. Тогда наиболее интересным для анализа становится исследование поведения показателя регулятивного капитала в результате наступления стресс-сценария. Кроме того, регулятивный капитал является одним из ключевых элементов эффективности банковской деятельности, лежащий в основе определения норм ликвидности (iV₂ и N₃).^[4]

Корреляцию между показателем регулятивного капитала и изменением макроэкономических показателей показывает выборочный коэффициент корреляции г (х, у). Он отражает тесноту линейной связи между х и у чем ближе |г (х, у)| к единице, тем сильнее линейная связь между х и у. Выборочный коэффициент корреляции может быть рассчитан по формуле.

где п — количество парной информации для анализа; x_v у_{ — исследуемые переменные.

Значение г находится в интервале -1 < г< + 1. Знаки «-» и «+» означают положительную и отрицательную линейную зависимость соответственно. Положительное значение показывает взаимосвязь между переменными х и у таким образом, что как только значение переменной х увеличивается, значение у также начинает расти.

Значение г = -1 означает негативную связь. Это говорит о том, что взаимосвязь между переменными х и у обратная, т. е. при росте х значение у начинает снижаться.

При отсутствии (или очень слабой) линейной зависимости г приближается к нулю.

Коэффициент корреляции выше 0,8 обычно означает сильную зависимость, в то время как корреляция меньше 0,5 описывается как слабая.

В табл. 3.16 для анализируемого банка представлены значения корреляции между основными нормами ликвидности N₂ и N₃, регулятивным капиталом и ключевыми макроэкономическими показателями.

Таблица 3.16

Таблица значений коэффициентов парной корреляции между финансовыми показателями банка и макроэкономическими

показателями.

Пояснения:

HLA — высоколиквидные финансовые активы, которые могут быть получены в течение следующего календарного дня и (или) немедленно (по требованию банка);

LOD — обязательства по требованию, которые инвесторы или кредиторы могут потребовать выплатить незамедлительно;

LA — ликвидные активы, которые могут быть получены банком и (или) затребованы в течение следующих 30 дней или, при необходимости, сразу же реализованы с целью получения наличных в течение следующих 30 дней;

LO — обязательства по требованию, на которые инвесторы или кредиторы могут наложить обязательства по выплатам и обязательства кредиторам с периодом погашения — 30 календарных дней;

САР — собственный капитал банка, включая основной капитал (corecapital)* и дополнительный.

Как видно из табл. 3.16, наиболее сильная зависимость высоколиквидных активов наблюдается от динамики таких макроэкономических индикаторов, как ВВП, отношение рубля к доллару и инфляция.

В отношении обязательств можно отметить, что они сильнее всего коррелируют со значением ВВП и ценами на нефть, однако зависимость не такая сильная.

Корреляция между размером банковского капитала и ВВП практически абсолютная наряду с сильной зависимостью от обменного курса рубль — доллар. Остальные показатели могут быть проигнорированы.

Из анализа можно сделать вывод о том, что показатели банка Z подвержены влиянию изменений макроэкономических показателей, что должно учитываться при проведении процедур риск-менеджмента.

Следующим шагом является проведение множественного регрессионного анализа для понимания влияния на размер чистой прибыли (зависимая переменная) изменений независимых переменных, таких как:

Х_х — собственный капитал;

Х₂ — депозиты юридических лиц;

Х'₃ — депозиты физических лиц.

Таким образом, можно попытаться спрогнозировать прибыть банка на основе депозитов и капитала, которые являются ключевыми элементами при анализе ликвидности.

Для проведения регрессионного анализа оценим коэффициент детерминации, й-квадрат, представляющий собой пропорцию отклонений прогнозируемой переменной от других переменных и позволяющий определить, насколько точно можно спрогнозировать значения X и Y.

Взаимосвязь между зависимыми и независимыми переменными можно оценить с помощью коэффициентов парной корреляции, которые в нашем случае будут выглядеть так:

Достаточно низкие коэффициенты подтверждают значимость модели, поэтому автоматически устраняется необходимость для проверки значимости по Г-критерию.

Методологии «Риск Метрике» (Risk Metrics) и «Корнорейт Метрике» (Corporate Metrics). В октябре 1994 г. банк J. Р. Morgan опубликовал^[5]

систему Risk Metrics™ и разместил в Интернете в открытом доступе ее подробное описание. Одновременно с этим банк разработал программный пакет FourFifteen по вычислению VaR на основе методологии Risk Metrics™. Благодаря маркетинговой кампании по распространению Risk Metrics™ о концепции рисковой стоимости стало известно менее крупным финансовым организациям, нефинансовым корпорациям и институциональным инвесторам. Стимулом к распространению VaR среди нефинансовых корпораций стало решение американской Комиссии по ценным бумагам и биржам (Securities & Exchange Commission — SEC). В 1997 г. SEC установила для всех подотчетных ей компаний правила по обязательному раскрытию информации о рыночной стоимости используемых деривативов и финансовых активов, чувствительных к колебаниям финансовых рынков. Согласно новым правилам VaR был одной из трех методик расчетов, разрешенных для обязательного раскрытия информации. В результате организации, использовавшие в своей деятельности деривативы и финансовые инструменты, подверженные значительным колебаниям рыночной стоимости, стали проявлять гораздо больший интерес к методам вычисления VaR.

Risk Metrics и Coiporate Metrics — это методологии для измерения потенциального воздействия рыночных изменений на финансовые результаты^[6]. В случае Risk Metrics основное внимание уделяется потенциальным изменениям рыночной стоимости портфеля финансовых инструментов в диапазоне одного дня/одного месяца. Краткосрочный период объясняется тем, что Risk Metrics используется для прогнозирования потенциальных изменений в стоимости портфельных и финансовых инструментов типа ценных бумаг и деривативов в результате воздействия рыночных рисков. Принимая во внимание потенциальные изменения стоимости портфеля, VaR является подходящим способом оценки риска для портфельных менеджеров, оценивающих потенциальные потери в рыночной стоимости портфеля с учетом рыночных индексов.

В случае Corporate Metrics приоритетным является анализ возможного влияния рыночных факторов ^{[7] на финансовые результаты компании по сравнению с планируемыми на определенный период (например, неопределенность в отношении прибыли следующего квартала). Период времени, в течение которого можно воздействовать на финансовые результаты, является более длинным — в пределах от двух месяцев до двух лет и более — и требует более долгосрочных методов для оценки потенциальных изменений рыночных факторов в этот период.}

Методология Corporate Metrics применяется в корпоративной среде и ориентирована на финансовые результаты корпорации, используя вместо индексов ключевые финансовые показатели. Для корпораций «нейтральная» базовая рыночная позиция подвержена риску, что делает необходимым сравнение рисков по всем стратегиям принятия/хеджироваиия риска по отношению к «нейтральному» состоянию. Также методология ориентируется на финансовые результаты, которые могут быть получены на основании различных данных, например, нарастающей или чистой стоимости или же с учетом хеджирования.

Далее остановимся подробнее на методологии Corporate Metrics.

Corporate Metrics — концептуальная схема для измерения рыночного риска в корпоративной среде, включающая в себя набор определений, методологий, массивов данных и программного обеспечения, служащий для измерения рыночного риска.

В общих словах, Corporate Metrics базируется на двух корпоративных финансовых показателях, которые влияют на оценку стоимости компании: прибыли и денежных потоках. Corporate Metrics позволяет компаниям прогнозировать эти показатели с учетом изменения курсов валют, процентных ставок, цен на сырьевые товары и ценные бумаги. Потом на основании ранжирования прогнозов вырабатываются критерии оценки рыночного риска.

Этот пакет разработан для сопоставления долгосрочных прогнозов с долгосрочными циклами деловой активности, применяемыми при планировании и управлении компанией. Corporate Metrics предлагает методологию, основанную на концепции VaR. Исходя из распределения, могут быть рассчитаны такие уровни риска, как стандартное отклонение или максимальное отклонение прибыли от заданной величины.

Выделяют следующие ключевые особенности Corporate Metrics:

• • критерии измерения риска на основе следующих показателей: EaR {Earnings-at-Risk — прибыль под риском), EPSaR (Eamings-per-Share-atRisk — риск прибыли на акцию) и CFaR {Cash-Flow-at-Risk — финансовые потоки под риском);
• • методологические принципы, объясняющие, как выявлять и отображать факторы риска и описать методы, позволяющие оценить рыночные риски;
• • наборы данных и методологии, в том числе для долгосрочного прогнозирования (от двух месяцев до двух лет);
• • web-cam (http://www.riskmetrics.com), содержащий исторические данные, долгосрочные прогнозы и многое другое.

Внедрение принципов Corporate Metrics основано на последовательной реализации пяти шагов.

Шаг 1. Определение показателей. Выбор финансового индикатора (прибыль или денежный поток), для которого будет измеряться риск. Выбор временных рамок (периодов) и доверительного интервала для измерения риска.

Шаг 2. Отображение воздействия риска. На основе заданных при реализации первого этапа показателей определяются все компоненты, формирующие прибыль или денежные потоки, чьи значения могут меняться под воздействием рыночных факторов. Здесь также осуществляется сопоставление степени изменения рыночных факторов с изменениями финансовых показателей под риском.

ШагЗ. Разработка сценариев. На этом этапе задается количество сценариев изменения выбранного финансового показателя с учетом изменения рыночных факторов, которое в дальнейшем будет использоваться в моделировании.

Для каждого периода времени, выбранного на первом этапе, задается распределение вероятности рыночных факторов, выбранных на втором этапе.

Каждый сценарий генерируется путем выбора соответствующих значений из каждого распределения, и затем строится график в виде временной функции.

Индивидуальный сценарий, таким образом, определяет уникальную функцию изменения рыночных факторов на заданных промежутках времени. Набор сценариев определяет диапазон различных функций изменения рыночных факторов.

Шаг 4. Оценка. Определение будущих финансовых результатов для каждого сценария изменения рыночных факторов.

Шаг 5. Оценка уровня риска на основе полученного распределения финансовых результатов.

Проиллюстрируем работу подхода Corporate Metrics на простом примере, используя описанные выше пять шагов. В примере рассматривается только один компонент прибыли компании: прибыль, формируемая за счет зарубежных продаж.

Итак, американская корпорация АВС — это транснациональная компания, которая осуществляет продажи произведенной продукции в Японии. Для целей отчетности, предположим, что АВС осуществляет конвертацию прибыли из иен в доллары, используя валютные курсы JPY/USD на конец квартала. Заложенные АВС в бюджет значения обменных курсов для целей планирования приведены в табл. 3.17.

Таблица 3.17

Прогнозируемые значения обменных курсов JPY/USD на следующий год.

Шаг 1. Определение показателей. Для продаж, выраженных в иенах, из-за колебаний в валютном курсе JPY/USD компания АВС хотела бы оценить показатель EPSaR. Для этого оценка риска производится на временном отрезке 12 мес. при уровне доверительного интервала в 95%. Предположим, что дата анализа — 30 сентября 1998 г.

Шаг 2. Отображение воздействия риска. Запланированные доходы АВС от продаж за квартал в иенах представлены в табл. 3.18.

Таблица 3.18

Прогнозируемый объем продаж компании, тыс. JPY, на следующий год.

В данном случае АВС предполагает, что она не подвержена какому-либо деловому риску (т.с. прогнозируемые продажи гарантированно осуществятся). Следовательно, единственным риском является риск потенциальных колебаний валютных курсов JPY/USD, влияющих на прибыль компании при конвертации. Значение конвертированного дохода в долларах США (тыс. долл.) может быть отражено в итоге следующим простым уравнением:

где Xj — обменный курс JPY/USD, выраженный в JPY за USD в конце г-го периода за анализируемый период времени.

Так как конвертированные доходы являются компонентом общей прибыли, то уравнение (3.1) может использоваться как основа в процессе вычисления EPSaR.

Шаг 3. Разработка сценария. Для построения прогноза конвертированных доходов на четыре квартала вперед необходимы сценарии, которые спрогнозируют валютный курс JPY/USD на этот период. Сначала нужно задать распределения валютного курса JPY/USD в конце каждого квартала¹. В этом примере применяется одна из эконометрических моделей, которая известна как модель векторной коррекции ошибок (Vector Error Correction Model — VECM).

При использовании распределений JPY/USD и алгоритмов разработки сценария (из LongRun) было смоделировано 10 000 возможных исходов для квартальных валютных курсов JPY/USD за период с 31 декабря 1998 г. по 30 сентября 1999 г.

Шаг. 4. Оценка. Используя формулу (3.1) для вычисления конвертированных из иены в доллары доходов при каждом из 10 000 сценариев изменения курса JPY/USD можно получить распределение прибыли на акцию для будущих четырех кварталов. Результат на доверительном интервале 95% составит 5,2 долл, на одну акцию.

Шаг 5. Оценка уровня риска. При использовании заложенных в бюджет на квартал значений изменения валютных курсов JPY/USD, принятых в процессе ежегодного планирования компанией АВС, ее доход (тыс. долл.) от продаж в Японии приведен в табл. 3.19.

Таблица 3.19

Прогнозное значение продаж, долл. США, конвертированных из иен по наиболее ожидаемому обменному курсу.

¹ Процедуры для построения распределений рыночных факторов приводятся в одном из приложений Corporate Metrics под названием LongRun.

Исходя из заданных запланированных доходов в 5,55 млн долл, и полученного результата 5,2 млн долл, с доверительным уровнем вероятности 95% максимальное возможное отклонение дохода от заданного результата составит, млн долл.: 5,55 — 5,2 = 0,35, или 350 тыс. долл.

Зная размер максимального отклонения от запланированного дохода по продажам в Японии, мы должны определить его потенциальное воздействие на общую прибыль компании. Так как доходы из выраженного в иенах объема продаж напрямую воздействуют на прибыль, максимальное отклонение дохода в размере 350 000 долл, может привести к отклонению в размере прибыли до вычета налогов в размере 350 000 долл.

Допустим, что ЛВС имеет 5 млн обыкновенных акций, тогда EPSaR для компании АВС составит 0,06 долл. Это означает, что с вероятностью 95% колебания в валютном курсе JPY/USD за будущие 12 мес. вызовут отклонение дохода не больше чем на 0,06 долл, на одну акцию. Используя эту информацию, руководство АВС может оценить, приемлем ли этот уровень риска снижения прибыли на акцию из-за колебаний курса иностранной валюты или нет. Кроме того, эта информация может использоваться в дальнейшем при принятии решения о хеджировании.

Методология «Кредит Метрике» (Credit Metrics). Особый интерес для банковского менеджмента представляет проблема количественной оценки (расчета) кредитного риска. В 1990;е гг. исследования кредитного риска переключились с анализа риска индивидуального заемщика на анализ кредитного риска по всему портфелю финансового института.

Появилась новая задача — оценка концентрации кредитного риска. На ранних этапах анализа риска концентрации (как и на ранних этапах оценки кредитного риска индивидуального заемщика) исследования ограничивались субъективным анализом (экспертной оценкой), установлением лимитов (ограничений) на кредитование отдельных отраслей и регионов, а затем — миграционным анализом (оценивающим вероятность перехода отдельного кредита из одной группы кредитного риска в другую группу в течение заданного временного интервала). Эти методики получили название миграционного анализа. Среди наиболее известных методик миграционного анализа можно назвать «Кредит Метрике»^[8].

«Кредит Метрике» — это статистическая модель, первоначально разработанная инвестиционным банком J. Р. Morgan в 1995 г. для внутреннего использования, но затем завоевавшая популярность, но всему миру. Эта модель задействует в своем арсенале экономико-математический, вероятностный и статистический аппарат. Модель применяется для принятия решений по таким вопросам, как: инвестиции, действия по снижению риска, определение кредитных лимитов на основе портфельного риска, разумное, с учетом риска, распределение капитала.

Последние 10 лет прошли под знаком взаимодействия финансовых институтов и финансовых регуляторов в области разработки адекватных методик оценки кредитного риска. Усилия финансовых институтов нашли поддержку и встретили одобрение органов банковского регулирования. Особое значение для развития методологии оценки кредитного риска имели принятые Базельским комитетом по банковскому регулированию и надзору стандарты оценки риска Базель II, который предложил регулирующим органам разрешить банкам при расчете минимального уровня достаточности капитала использовать (с определенными ограничениями) собственные методики оценки кредитного риска индивидуального заемщика.

Можно выделить следующие основные цели разработки модели «Кредит Метрике»:

• а) способствовать развитию концепции определения показателей VaR с целью оценки кредитного риска (причем как в коммерческих банках, так и в небанковской сфере);
• б) способствовать развитию понимания взаимосвязи между «портфелем» кредитных рисков, ведущих к дополнительным издержкам и положительным эффектам диверсификации.

«Кредит Метрике» является инструментом для оценки риска кредитного портфеля, вызванного изменением стоимости долга по причине изменения кредитного рейтинга должника. Эта модель предполагает не только оценку стоимости долга в результате возможного неплатежа, но и вероятности повышения и понижения кредитного рейтинга, поскольку стоимость конкретного кредита зависит от соответствующего кредитного рейтинга. «Кредит Метрике» также оценивает VaR как волатильность стоимости, а не только ожидаемых убытков.

Модель оценивает риск в общем контексте портфеля, с акцентом на возможные изменения кредитного качества среди заемщиков. Это позволяет рассчитать прямые выгоды от диверсификации или потенциал концентрации портфеля^[9]. Строится «переходная» таблица для различных категорий обязательств, а затем совместная вероятность обоих событий в разных сочетаниях. После этого рассчитывается NPV портфеля для всех комбинаций и строится распределение вероятностей.

Эти вероятности отображают текущие изменения исследуемых показателей наряду с вероятностью наступления дефолта. Если дефолт наступает, то за стоимость портфеля принимается норма распределения накладных расходов вследствие его наступления.

Такое распределение дает два показателя кредитного риска: стандартное отклонение и уровень нроцентиля^[10].

Методологию «Кредит Метрике» применяют в следующих целях.

• 1. Уменьшение риска портфеля. Разумно провести повторную оценку должников с самыми высокими размерами долга (как в абсолютном, так и в процентном отношении), принимая во внимание то, что неплатеж даже одного из них может привести к убыткам по кредитному портфелю. Для подобных категорий заемщиков типичны ситуации, когда получение кредита происходило на фоне их более благоприятного кредитного рейтинга, однако в дальнейшем он был снижен.
• 2. Установка лимитов (лимитирование). Руководство банка определяет, какие виды измерения риска использовать для установки лимитов и какую политику осуществлять, тем не менее методология «Кредит Метрике» может представлять интерес для расчетов риска в процентом и абсолютном значениях, а также для выявления степени их влияния.
• 3. Выявление корреляции по портфелю с целью снижения риска концентрации и адекватной диверсификации по тем его компонентам, где корреляция отсутствует. Концентрация может привести к неоправданной аккумуляции риска в одном месте.

• [1] Ивлиев С. В., Ефремова Т. А. Обзор методов построения сценариев для целей стресс-тестирования // Информационные системы и математические методы в экономике. 2011.№ 3. URL: http://www.ismme.esrae.ru/118−304
• [2] Финоченова /О. /О. Международная практика развития моделей платежеспособностистраховых компаний с учетом рисков // Страховое право. 2014. № 3 (64). С. 48.
• [3] Ивлиев С. В., Ефремова Т. А. Указ. соч.
• [4] Россия в цифрах, 2014. Краткий статистический сборник. Федеральная служба государственной статистики (Росстат), 2014.
• [5] Corecapital по методологии Базельского комитета — это часть капитала банка, включающая в себя акционерный капитал и резервы, образованные за счет нераспределенной прибыли.
• [6] 2 Corporate Metrics Technical Document Risk Metrics Group p. vii—x, 1—24. URL: http: //www.riskmetrics.com.
• [7] Под рыночными факторами будем понимать далее изменение валютных курсов, процентных ставок, цен на сырьевые товары и ценные бумаги.
• [8] Пустовалова Т. А. Построение модели оценки кредитного риска кредитного портфелякоммерческого байка (па основе методологии VaR). Научные доклады, № 2 ® — 2010.СПб.: Изд-во ВШМ СПбГУ, 2010.
• [9] «Риск концентрации» (англ, concentration risk) является термином, который частоиспользуется в банковских кругах и финансовой сфере. Главным факторам уровня рискаконцентрации является отношение между количеством открытых счетов, обслуживаемыхбанком, и количеством и типом заемщиков, которые получили кредиты от учреждения. Банки проводят оценку этого типа финансового риска, чтобы поддерживать приемлемыйбаланс между депозитами в наличии и общей суммой выдаваемых кредитов.
• [10] Процентиль — это характеристика результата, показывающая, сколько процентовпоказателей тестируемой группы получили результат более высокий по сравнению с данным.