Обзор факторов на основе ранних исследований, определяющих финансовую устойчивость банков

В российском законодательстве под банкротством кредитных организаций подразумевается «признанная арбитражным судом неспособность удовлетворить требования кредиторов по денежным обязательствам и (или) исполнить обязанность по уплате обязательных платежей». Неспособной удовлетворить требования организация является уже в том случае, если они не были исполнены в течение четырнадцати дней после даты исполнения и (или) в случаях, когда стоимости имущества (активов) кредитной организации для этого недостаточно (Закон О несостоятельности (банкротстве)" ст189.8).

Однако зачастую круг причин, по которым банк становится несостоятельным, оказывается гораздо шире. Так, в работах авторов Карминского, Пересецкого и др. (2003, 2004) дефолт банка признаётся уже в случае попадания его под управление АРКО (АСВ), а не исключительно после отзыва банковской лицензии. Наряду с этим, если финансовое положение дел банка было оценено удовлетворительно (в результате слияния или поглощения), банк прекращал считаться банкротом, не смотря на то, что ранее у него была отозвана лицензия.

В исследованиях С. М. Дробышевского, А. В. Зубарева банк считался банкротом при соответствии хотя бы одному из перечисленных признаков:

• · отзыв банковской лицензии,
• · переход банка под управление Агентства по Страхованию Вкладов,
• · отрицательное значение собственного капитала,
• · свыше 3% просроченных платежей относительно всего объёма обязательств.

В некоторых работах выделяются также особенности моделирования отзыва лицензий по причинам махинаций (Пересецкий, 2010). Основная идея его работы в том, что он разделяет причины дефолта на две категории: неудовлетворительное состояние банка и «отмывание денег». Указанное исследование построено на основе обзора российских банков, которые лишились лицензии в период со второго квартала 2005 года по четвёртый квартал 2008 года. В процессе подготовки работы было выявлено, что для прогнозирования обозначенных причин дефолта необходимо использовать существенно отличающиеся наборы переменных. Определение банков, уличённых в «отмывании денег», в отдельную категорию позволяет существенно увеличить точность классификации финансово неустойчивых банков.

Каждый исследователь, задача которого — спрогнозировать банкротство, сталкивается с важным вопросом, который состоит в выборе параметров для оценки его вероятности. К сожалению, внушительное количество попыток прогнозирования этого явления, так и не позволило найти однозначный ответ на этот вопрос. В таком случае традиционно используются данные бухгалтерской отчётности компании, поскольку она есть в открытом доступе.

Положение ЦБ РФ «О публикуемой отчётности кредитных организаций и банковских / консолидированных групп» № 1270-У от 14 апреля 2003 года обязывает действующие банки открыто публиковать годовую и квартальную отчётности. Кроме того, годовой отчёт должен быть подтверждён аудиторской организацией, а заверение квартальных отчётов оставлено на усмотрение банка. Таким образом, достоверность и полнота последних оказывается менее подтверждена, при том, что именно она является оперативным источником сведений о работе банка. «В целях расширения состава размещаемой кредитными организациями информации на сайте Банка России в сети Интернет Банк России считает целесообразным рекомендовать кредитным организациям размещать дополнительные сведения об их деятельности ежемесячно». На сегодняшний день раскрыть информацию решились 679 кредитных организаций. Для специалистов доступ к ежемесячным бухгалтерским отчётам — это возможность спрогнозировать потенциальное банкротство максимально точно, проверив финансовое положение банка на максимально близкие даты, что учитывает высокую скорость изменения степени его стабильности. Вместе с тем, необходимо отметить, что ежемесячные показатели подвержены цикличности больше, чем квартальные. Не смотря на вынужденную открытость банковской отчётности, исследователи чаще берут в расчёт данные российских информационных агентств («Мобиле» или «Интерфакс»). Данная информация носит квартальный характер.

В связи с невозможностью получать информацию регулярно и постоянно исследователи часто сталкиваются со сложностями в определении оптимального горизонта прогнозирования.

В работе Ж. Колари были использованы несколько вариантов горизонта прогнозирования. В выборку попали 50 банков, которые имели активы более 250 миллионов долларов и обанкротились за десять лет — с конца 1980;х до середины 1990;х. Выборка небанкротов была сформирована методом подобия на основе размера банка, а в качестве дополнительного критерия была использована схожесть экономических и конкурентных условий регионов их присутствия. Вероятность банкротства масштабных банков США оценивалась за два периода — 1 и 2 года до потенциального наступления события. Исследование показало, что в первом случае общая точность модели прогнозирования составила 70%, были верно классифицированы 56% банкротов и 84% небанкротов. При увеличении горизонта до 2 лет точность упала до 60%. (44% будущих банкротов и 76% устойчивых банков).

Приведём подобную практику прогнозирования в исследованиях с участием российских банков. Так шаг прогнозирования длиной в два года был принят в работе коллектива авторов Головань, Карминский и др., по мнению экспертов, это достаточный для завершения процедуры банкротства период. По данным диаграммы, отразившей во времени распределение количества отзывов банковской лицензии, в составе выборки оказались 255 случаев банкротства. Учитывая специфику составления выборки, в исследовании было зафиксировано 2903 случая продолжения деятельности банка в период последующих 2 лет. Чтобы оценить силу прогноза построенных ими моделей, авторы выявили долю фактических банкротов, которые попали в 100 и 500 «самых плохих», и банкротов, которые вошли в 100 и 500 «самых устойчивых» с точки зрения модели эпизодов. При определении порогового значения вероятности на уровне признания в качестве 100 «самых плохих» банкротов, была выявлена общая точность модели величиной 90%. При этом, удалось верно классифицировать только 8,2% банкротов. При повышении пороговой вероятности выживания, когда к числу банкротов были отнесены 500 «самых плохих» эпизодов, общая точность незначительно снизилась — до уровня 81,7%, при том, что точность определения банкротов повысилась — до 34,5%.

Меньшие горизонты прогнозирования можно встретить в исследованиях Г. Ланина и Р. Веннета. Здесь оценка производилась каждый квартал на протяжении 1 года. Использованный набор факторов описан далее.

На данном этапе считаем необходимым вернуться к теме отбора факторов, которые сказываются на вероятности дефолта. К важным задачам банка относится получение максимальной прибыли при заданном уровне риска, с учётом особенности в виде работы с высоким уровнем рычага. Помимо того стоит учесть, что представленные в виде кредитов неликвидные активы в свою очередь финансируются за счёт депозитов или ликвидных обязательств. В такой ситуации кредитной организации угрожают три вида рисков, а именно риск дефолта, ликвидности и недостаточности капитала. Первый связан с потенциальным невозвратом кредита по причине асимметрии данных о финансовом положении заёмщика. Второй — с необходимостью присутствия достаточного количества наличных, которое обеспечит бесперебойное изъятие вкладов. Причиной третьего риска — недостаточного уровня средств на случай непредвиденных потерь — является большой рычаг.

Успешная банковская деятельность всегда основана на соблюдении баланса рискованности и прибыльности. С одной стороны, работа с большим рычагом, так же как выдача рискованных кредитов и владение низко ликвидными активами, способствуют росту потенциальной прибыли, с другой — увеличивают банковский риск. В работе Г. Ланина, Р. Веннета в качестве основы для выбора потенциальных банкротов как раз были использованы данные особенности. Объясняющими переменными стали параметры прибыльности и возможные риски. Помимо этого, исследователи ввели в анализ переменную, отражающую размер банка.

В качестве показателя, характеризующего прибыльность, была использована рентабельность активов банка (ROA), учитывая, что высокий уровень является характерным для более сильных банков с малой вероятностью банкротства.

Чтобы оценить возможность возникновения риска ликвидности, авторы использовали такие показатели, как процент ликвидных активов и доля государственных ценных бумаг относительно общей стоимости активов. В процессе анализа предложенной выборки было выявлено, что в классе банкротов среднее значение первого показателя по сравнению с небанкротами значительно снижается. Второй показатель был внедрён в саму модель по причине того, что в ситуации недостаточной ликвидности государственные ценные бумаги могут быть проданы. Но в составе первого показателя они при этом не были учтены. В исследовании Г. Ланина, Р. Веннета в состав выборки попали российские банки (период с 1991 по 2004 года), на основании чего дополнительной причиной включения доли государственных ценных бумаг в модель показателя стало объявление по ним дефолта в 1998 году, и как следствие ухудшение финансового состояния большого числа банков.

Кредитный риск было решено представить также двумя переменными: качеством портфеля, а именно долей просроченных кредитов и векселей в общем объёме кредитов, и долей выданных кредитов в общей стоимости активов. Положительная зависимость с оценкой вероятности банкротства была выявлена как в случае с первым, так и со вторым показателем.

Что касается достаточности капитала, то её принято выражать долей этого капитала в общей стоимости активов. Этот показатель демонстрирует, как сильно может быть сокращена общая величина активов прежде, чем окажутся ущемлены интересы вкладчиков и других кредиторов. Соответственно, чем эта цифра выше, тем меньше банк подвержен данному риску и ниже вероятность его банкротства.

Для оценки вероятности банкротства использована так называемая логит-модель, в результате построения которой была выявлена особая роль ликвидности в вопросе определения финансового состояния банка. На всех временных горизонтах оба показателя, характеризующие ликвидность, оказались статистически значимы на уровне 1%. Данный результат объясняется тем, что нормы ликвидности определены Центральным Банком Российской Федерации на роль центрального элемента регулирования банковской деятельности.

Важность описанных категорий была отмечена также в работе К. Кана и Н. Папаниколау, основанной на исследовании американских банков, претерпевших процедуру банкротства в период с 2007 по 2010 года. Авторы также опровергли гипотезу, согласно которой банки, которые имеют в своём арсенале более современные услуги, менее финансово устойчивы, чем те, что ориентированы исключительно на традиционные виды деятельности.

Другими исследователями — П. Мейером и Х. Пайфером — было предложено разделить факторы банкротства на четыре вида, разграничив местные и общие экономические условия, а также порядочность персонала и качество управления. Большинство банков имеют конкретную локализацию. Это значит, что рынок их услуг ограничен теми районами, в которых находятся офисы банков, плюс некоторыми соседними. В такой ситуации логично, что именно большее процветание определённых районов по сравнению со всей страной, формирует спрос на услуги банка и даёт ему возможность успешно функционировать. Таким образом кредитные организации, ведущие деятельность на территориях с хорошим уровнем дохода и высокими темпами экономического роста, менее склонны к банкротству. Тем не менее, введение местных факторов в перечень объясняющих переменных значительно усложняет процесс формирования отборки. Поскольку для каждого банка-банкрота необходимо поставить в соответствие банк-не банкрот, действующий в этом же экономическом районе, идентичного размера и возраста, действующий в рамках тех же норм регулирования. Что касается общих условий экономики, то их включение имеет определённый смысл для прогнозирования банкротств банков, расположенных в разных странах и на протяжении разных временных периодов. В то время как данные категории факторов по отношению к отдельным банкам являются более экзогенными, вторая пара качество управления-порядочность персонала отличается внутренним характером проявления. Значение первой переменной, наряду с затратами, отражается в бухгалтерском балансе, а также в отчётности, фиксирующей прибыли и убытки.

Предпосылка о разделении факторов, изложенная в исследовании С. Синельникова, Р. Энтова чем-то схожа с предыдущей. В данном случае авторы выделили три группы факторов: микро — (балансовые показатели), мезо — (характеристики сводного баланса) и макрофакторы (изменение макроэкономических переменных). Именно эти переменные, на их взгляд, определяют вероятность ухудшения положения финансовых дел банка.

Нужно сказать, что не вся информация, которая тем или иным образом фиксирует финансовое состояние банка, находит отражение в его бухгалтерских показателях. В связи с этим у исследователей появляется необходимость в поиске иных источников информации. Как было выше упомянуто, объясняющими переменными могут стать определённые макроэкономические показатели: темп прироста ВВП или индекса потребительских цен, сальдо торгового баланса. Использование данных величин обосновано прямой зависимостью показателей надёжности банка от периодически изменяющихся внешних условий. Особенно внимательно вопрос о необходимости включения в модели указанных переменных был рассмотрен в следующей работе группы авторов Головань, Карминский и др. В исследовании была оценена вероятность наступления для российских банков дефолта в период с 1996 по 2002 года с использованием эконометрических моделей бинарного выбора. В состав выборки вошли 3158 событий, этот показатель значительно больше общего количества банков, задействованных в исследовании. Результаты исследования показали, что введённый в модель макропоказатель не только положительно отражается на статистических показателях её качества, но и совершенствует структуру допускаемых ошибок. Особенно удачным оказалось введение валютного курса и соотношения показателей экспорт-импорт. Одновременное включение в модель двух макропоказателей также улучшило характеристики модели, но полученный результат оказался менее значительным. Это говорит о том, что воздействие одного макропоказателя уже является достаточным отражением изменения макроокружения. Помимо этого, исследователями были включены в модель такие показатели неработающих активов, как доля в валюте баланса балансовой прибыли, негосударственных долговых обязательств, а также кредитов экономике. Размер банка был выражен в скорректированной по времени валюте баланса и был введён в модель нелинейно.

Среда финансов российской экономики во время кризиса 2008;2009 годов существенно пострадала. Описанию факторов, которые в этот период определили вероятность банковского банкротства, посвятили своё исследование С. М. Дробышевский, А. В. Зубарев. Авторы взяли за основу квартальные данные тех банков, которые в течение данного кризиса постиг дефолт. Таким образом в выборку попало 1331 событие. Основная гипотеза авторов заключается в том, что банковская устойчивость пострадала от воздействия макроэкономических факторов и мирового финансового кризиса. По этой причине факторы, оказывающие влияние на качество проводимой финансовой политики и особенности управления каждого банка, должны быть дополнены макропоказателями. В структуру модели, созданной для оценки вероятности банкротства за один год до его наступления, вошли следующие переменные: отношение к банковским активам иностранных обязательств и кредитов домохозяйствам, отношение резервов на случай непредвиденных потерь к кредитам в адрес небанковского сектора, а также отношение к обязательствам банка рыночного долга, доля в портфеле кредитов просроченных кредитов небанковской системе и размер самого банка. В результате было выявлено снижение вероятности банкротства за счёт участия банка в процессе кредитования физических лиц. Это направление деятельности зачастую присутствует в крупных банках с развитой сетью филиалов. Такие банки сумели неплохо пережить кризис даже в условиях невозвратов кредитов домохозяйствами. К любопытным выводам пришли авторы относительно того, как влияет на вероятность банкротства доля просроченных кредитов. С позиций экономики, логично было бы предположить, что увеличение этого показателя снизит устойчивость банка, но исследователи обнаружили иной результат. Оказалось, этот парадокс объясняется тем, что мелкие игроки зачастую не афишируют реальное положение дел относительно величины просроченных кредитов, поскольку это может плачевно отразиться на их функционировании. Причины несущественного влияния показателя ликвидных активов исследователи находят в политике Центрального Банка, действия которого направлены на поддержание банковской ликвидности за счёт дополнительного кредитования коммерческих банков. Важными показателями макроэкономического окружения выступили отношение в Российской Федерации экспорта к импорту, средневзвешенная ставка по депозитам физических лиц (до одного года), а также колебания курса рубля по отношению к доллару США. При введении в модель макроэкономических показателей её качество улучшилось, это подтвердило авторскую гипотезу о их существенном влиянии на вероятность банкротства банков.

Из результатов изложенного материла следует необходимость чёткого выделения критериев, на основании которых принимается решение о включении/не включении банка в категорию банкротов, поскольку разные авторы имеют разные точки зрения по этому поводу.