Рейтинги Moody’s по обязательствам банка в иностранной валюте являются производными от рейтинга банка в национальной валюте для подобного вида обязательств. Рейтинги долговых обязательств в иностранной валюте являются производными от рейтинга долговых обязательств банка в национальной валюте для того же класса обязательств. Суверенный кредитный рейтинг представляет собой оценку вероятности дефолта в перспективе. Суверенный рейтинг не оценивает вероятность возврата долга после дефолта или убытки в случае дефолта, хотя Standard & Poor’s планирует ввести суверенные рейтинги вероятности возврата долга после дефолта в течение следующего года. Вопреки часто встречающимся заблуждениям суверенные рейтинги не являются и «страновыми рейтингами». В частности, они не конкретизируют влияние валютного риска или риска регулирования и ни одной из комплекса характеристик страны на операционные и финансовые условия деятельности той или иной компании частного сектора
ГЛАВА 3 СОПОСТАВЛЕНИЕ БАНКОВСКИХ РЕЙТИНГОВ РАЗЛИЧНЫХ АГЕНТСТВ3.1 Особенности банковских рейтингов различных агентств в России
На текущий момент в России работают несколько национальных и международных рейтинговых агентств, которые присваивают порядка десяти кредитных рейтингов, признанных различными регулирующими органами. Методологические отличия в подходах агентств, включая разнородные шкалы, определяют проблематичность совместного использования рейтинговых оценок, в том числе и получение от них «кумулятивного» результата. В данном исследовании внимание сконцентрировано на способах консолидации оценок рейтинговых агентств для мультиплицирования их усилий. На развивающихся рынках такие методы могут быть достаточно эффективными как для управления рисками, так и для целей надзорных органов. Регулирование понимается в первую очередь как возможность контроля над допуском к определенным ресурсам и услугам. Здесь можно указать на аукционы для получения финансирования, допуск к консалтинговым услугам, включение в листинг на бирже и пр. Консолидация рейтингов при решении задач риск-менеджмента может быть ориентирована на объединение внешних и внутренних рейтингов. Поэтому в рамках данного исследования мы сосредоточимся на проблеме сопоставления рейтинговых шкал агентств и ее решениях. Для проведения эмпирического исследования методов сопоставления рейтинговых шкал рассмотрим также некоторые особенности формирования данных. Мы используем предложенный подход применительно к российскому рейтинговому пространству. Но, учитывая, что Россия является достаточно типичным представителем стран с развивающейся экономикой, а также возросшую конкуренцию на рынке рейтинговых услуг, мы рассматриваем возможности сопоставления шкал применительно к международным банкам и агентствам. Сравнение полученных результатов представляет практический интерес.
Результатом данного исследования являются таблицы сопоставления рейтинговых оценок различных агентств между собой. Кредитные рейтинги имеют широкое распространение и используются в бизнесе как инвесторами, так и заемщиками. Инвесторам рейтинги нужны для упрощения и удешевления процедуры анализа долговых обязательств. Заемщику кредитный рейтинг обеспечивает возможность обратиться к широкому кругу инвесторов, увеличивая тем самым ликвидность облигаций и потенциально снижая стоимость заимствований. При этом на развивающихся рынках сам факт заказа компанией рейтинга является сигналом рынку о потенциальной транспарентности компании или банка. Использование рейтингов существенно ограничивается тем, что далеко не все экономические субъекты имеют рейтинги (особенно в развивающихся странах, в том числе в России). Кроме того, рейтингам присущи достаточно большие интервалы актуализации, что не всегда приемлемо из-за высокого уровня изменчивости условий хозяйственной деятельности. В этих случаях могут применяться эконометрические модели рейтингов, использующие дистанционный анализ субъектов деятельности инструментов (Altman, 1968; Sahajwala, VandenBergh, 2000; Карминский и др., 2005).В начале 1990;х годов рейтинги в России были данью мировой моде.
В качестве отправной точки можно считать приход на российский рынок международных рейтинговых агентств и присвоение России странового рейтинга в 1996 г. Появление возможности зарубежных заимствований (2003 г.) и получение Россией рейтингов инвестиционного уровня (2005;2006 гг.) стимулировало рост интереса к этим инструментам оценки кредитных рисков и регулирования. Начиная с 2003 г. число рейтингуемых субъектов выросло примерно в 3 раза, число банков, имеющих оценки международных или российских рейтинговых агентств (РА) на середину 2011 г., превысило три сотни, а число актуальных рейтингов российских банков — более 600. Динамика роста рейтингового бизнеса за последние пять лет показана на рис. 1.
Сегодня агентствами присвоены рейтинги около 300 хозяйствующим субъектам, причем 134 банка имеют рейтинги международных агентств, а 236 — национальных агентств (данные на середину 2012 г.).Крупнейшими международными рейтинговыми агентствами являются Moody’sInvestorsService (далее — Moody’s), Standard & Poor’s (S&P) и FitchRatings (Fitch). В 1975 г. перечисленные агентства первыми получили статус статистических рейтинговых организаций от Комиссии по ценным бумагам и биржам США (SEC). Они работают на финансовых рынках более 150 стран, и их данные представлены в этом исследовании.
Российские рейтинговые агентства начали развиваться только с середины 1990;х годов (Карминский и др., 2005). Наиболее успешно работающие в настоящее время российские РА представлены на диаграмме (рис. 4). Они также рассматриваются в рамках данного исследования. Уровень рейтингов российских банков (распределение рейтингов депозитов агентства Moody’s в 2006;2012 гг. представлено на рис.
6) сравнительно невысок. Только порядка четверти компаний, получивших рейтинги агентств S&P, Moody’s и Fitch, имеют рейтинги инвестиционного уровня. Средний уровень рейтингов российских компаний находится в интервале между ВаЗ (ВВ-) и В+ (В1) для всех трех агентств. Некоторое снижение рейтингов отмечалось в условиях кризиса 2007;2009 гг., в том числе и страновых рейтингов России на 1 градацию агентствами S&P и Fitch. Отечественные агентства играют значимую роль, но в своей нише. В связи с последним кризисом рост числа рейтингуемых компаний возрос для тех агентств, которые получили аккредитацию у регуляторов рынка. В силу этого рейтинги, помимо кредитной составляющей, получили важную функцию лицензирования. Рисунок 6 — Динамика рейтинговых услуг для российских банков
Рисунок 7 — Распределение рейтингов Moody’sno градациям и во времени
Таким образом, на текущий момент в России работают несколько национальных и международных рейтинговых агентств, которые присваивают порядка десяти кредитных рейтингов, признанных различными регулирующими органами. Методологические отличия в подходах агентств, включая разнородные шкалы, определяют проблематичность совместного использования рейтинговых оценок, в том числе и получение от них «кумулятивного» результата. Имеющиеся методы сопоставления шкал носят во многом экспертный характер, хотя за последнее время наметилась тенденция поиска алгоритмических решений, обеспечивающих снижение уровня неопределенности выбора. Так как в научной литературе прямых рекомендаций для сравнения рейтингов обнаружено не было, некоторые предложения из смежных задач систематизированы в данном разделе.
3.2 Анализ подходов к отображению шкал рейтингов
В работе (Guttler, Wahrenburg, 2007) оцениваются различия в кредитных рейтингах двух агентств, а также взаимозависимость рейтингов одного агентства при изменении рейтингов другого (lead-lagrelationships) для эмитентов, находящихся в преддефолтном финансовом состоянии и одновременно имеющих рейтинги агентств Moody’sи S&P. В указанной работе выявлены следующие взаимосвязи между рейтингами агентств. На основе данных о дефолтах за период с 1997 по 2004 г. обнаружено, что агентство M oody’s корректирует рейтинги в соответствии с возросшим риском дефолта более своевременно, чем S&P.Кредитные рейтинги двух агентств не зависят от расположения штаб-квартиры эмитента (США или другие страны).При понижении (повышении) рейтинга эмитента одним агентством соответствующее понижение (повышение) рейтинга вторым агентством в краткосрочном периоде также высоковероятно. За более резкими изменениями рейтинга одним агентством следует более резкое изменение рейтинга другим агентством в том же направлении. Изменение рейтинга вторым агентством более вероятно в случае снижения рейтинга первым, чем в случае повышения. В статье (Guttler, Wahrenburg, 2007) используется процедура отображения шкал агентств Moody’s и S&P, используемая, в других публикациях, например в (Cantor, Parker, 1995). Эта процедура учитывает, что рейтинги агентств Moody’s и S&P имеют не только различные рейтинговые шкалы (хотя на первый взгляд они во многом похожи), но и имеют принципиальные методические отличия. Агентство Moody’s оценивает не только вероятность дефолта (probabilityofdefault, PD), но и потери в случае дефолта (lossgivendefault, LGD), что определяет в совокупности ожидаемые потери (expectedloss, EL). В то же время до конца 2010 г. оценки S&P были сосредоточены преимущественно вокруг вероятности дефолта (E
strella, 2000). Эти отличия наиболее существенны для спекулятивных рейтингов, так как когда растет риск дефолта, величина LGD становится более значимой, чем в случае эмитентов с инвестиционным рейтингом. В ряде работ используется понятие бенчмаркинга (Basel, 2005). В контексте тестирования адекватности моделей бенчмаркинг может быть определен как сравнение внутренних рейтингов и оценок с доступной внешней информацией. Для внутреннихIRB-систем примером бенчмарка (эталона) могут служить, например, рейтинги, присваиваемые агентствами S&P и Moody’s.Наиболее просто осуществляется бенчмаркинг оценок вероятности дефолта. Процедура бенчмаркинга рейтингов, которые обычно лежат в основе оценок, достаточно сложна, предусматривает построение отображения различных шкал на общую шкалу, причем хороших алгоритмов в процессе анализа выявлено не было. Как отмечает ряд авторов, существующие статистические тесты, позволяющие формально принять или отвергнуть конкретнуюIRB-систему, далеко не совершенны. Сложности в основном связаны с корреляцией дефолтов, ограниченностью данных, определением критериев. В связи с этим возрос интерес к бенчмаркингу как альтернативе бэктестинга, т. е. проверки моделей на основе историческизхданных (backtesting) внутренних рейтинговых систем.
Многие банки используют внешние источники данных и внешние оценки с целью калибровки собственных систем в терминах вероятности дефолта. В то же время калибровка систем в терминах рейтингов пока что не приобрела широкого распространения. Бенчмаркинг применяется для достижения нескольких целей:
сравнения внутренних оценок компонент риска (например, PD), используемых различными банками применительно к какой-то одной группе заемщиков. Основная цель — оценить корреляцию оценок или, наоборот, найти выбросы, но не в том, чтобы определить, насколько они точны;
сравнения внутренних оценок, используемых в конкретном банке, с независимым внешним эталоном, например, рейтингом, который предоставляет рейтинговое агентство или надзорные органы. В этом случае отклонения от эталона могут послужить причиной для пересмотра внутренних оценок. В рамках данного подхода бенчмаркинг используется с целью калибровки и/или подтверждения адекватности внутренней системы. Первый подход может быть интересен надзорным органам. Здесь возникают некоторые трудности:
главная техническая проблема заключается в определении однородных заемщиков по банкам;
сравнение оценок, используемых разными банками, требует построения соответствия отдельных рейтинговых шкал общей;
следует учитывать различие методологий банков: оценки вероятности дефолта PD могут отличаться по тому, что банки определяют дефолт по-разному. При втором подходе важным является выбор эталона или базового варианта. На практике сегментация кредитов по портфелям (межбанковские, корпоративные и другие виды кредитов) в банке обычно определяется операционной действительностью. Банки развивают методики управления рисками в зависимости от направлений деятельности. Такая сегментация связана с тем, что кредитные риски порождаются экономическими факторами, которые зависят от типа портфеля. Выбор подходящего эталона определяется тем, насколько адекватно он отражает экономические характеристики изучаемого портфеля. Рассматриваемое в работе (Basel, 2005) отображение шкал использует бенчмаркинг и в общем случае требует построения отображения одной рейтинговой шкалы на другую (mapping). Обычно такое отображение основано на сравнении среднихPD.
В таком случае следует иметь в виду, что внутри диапазона PD, соответствующего какой-то градации рейтинговой шкалы, распределение значений PDне обязательно является равномерным. В частности, приведенные в указанной работе примеры хорошо аппроксимируются полиномиальной зависимостью. Такой подход достаточно прост, но он не является, по мнению авторов, удовлетворительным по двум причинам. Слияние групп на основе средних вероятностей дефолта PD предполагает, что смешивание соответствующих распределений не повлияет на результирующее среднее значение вероятности. В то же время сравниваемые вероятности дефолта PD не обязательно однородны, они зависят от определения дефолта, горизонта прогноза (through-the-cycle или point-in-time) и прочих факторов. Даже в случае однородных вероятностей дефолта не принимаются во внимание различия в разбиении шкал, лежащие в основе рейтинговой системы модели. В работе (Oung, 2008) рассмотрены некоторые современные подходы к методам оценки достоверности (validation) внутренних рейтинговых систем; показано, что они ограниченны. В результате обращение к бенчмаркингу является едва ли не единственной альтернативой. Автор применяет принципы теории надежности (credibilitytheory), развитой первоначально в рамках актуарной математики, к процедуре бенчмаркинга кредитных рейтингов разнородных (heterogeneous, относительно распределения рисков) кредитных портфелей. Бенчмарк считается надежным (credible) источником, а отклонения от него могут послужить причиной пересмотра внутренней рейтинговой системы.
Надежность (credibility) в данном случае является неявной, и в лучшем случае опирается на качество используемогобенчмарка. При этом вопрос надежности бенчмаркинга как процесса во внимание не принимается. В указанной работе отмечается, что риски эволюционируют во времени. При этом миграция рейтингов ведет к разнородности и нестабильности данных, лежащих в основе внутренней системы рейтингов. Миграция рейтингов означает изменение кредитного качества заемщиков, что может быть интерпретировано как сдвиги распределения рисков кредитного портфеля банка, отражающие макроэкономические флуктуации. Такие флуктуации могут по-разному отражаться разными рейтинговыми системами, бенчмаркинг которых осуществляется. Также автор отмечает необходимость учитывать механизм перемещения рисков в портфеле и двойные дефолты (дефолты одних заемщиков вызывают дефолты других) и проблемы, получившие наименование «заражения». Определенный опыт сопоставления рейтинговых шкал имеется и у рейтинговых агентств (Moody's, 2011).Рейтинговые оценки различных рейтинговых агентств, действующих в России, имеют общую направленность, но есть и свои особенности. Можно анализировать эти особенности и определять отличия в методиках, включая исторические параллели (Василюк и др., 2011).
Но это не очень продуктивно в силу того, что методики публикуются не детально, а их существенная часть опирается на экспертные мнения. Одновременно можно анализировать результаты рейтингова-ния и сопоставлять различные рейтинги с использованием публичной информации и исторического среза этого процесса. При этом может быть исследован вопрос о попарных отличиях рейтингов на основе публично доступной информации. Но при этом не будет представлен сопоставимый анализ сразу всех присутствующих на рынке РА. Предпринятые попытки в России сопоставления шкал сводятся к следующему:
для целей сопоставления рейтингов использовались попарные сравнения на ограниченном статистическом материале российских агентств без учета исторической составляющей, что не исключало смещения оценок и не стимулировало появление цельной картины сравнений (АРБР, 2010);в работе (Хейнсворд, 2009) использовались линейный корреляционный и статистический анализы, что не предполагало учета нелинейности и требовало дополнительного обоснования;
в статье (Матовников, 2008) исследовалось соответствие различных градаций рейтинговых шкал среднему размеру активов и капитала рейтингуемых банков;
использовался подход, основанный на экспертном опросе и согласовании таблицы соответствия рейтингов с ведущими участниками рынка рейтинговых услуг (в рамках НФА), имеющий значимую субъективную компоненту и не всегда способствующий формированию консенсуса;
сопоставление рейтингов Moody’s и S&P для банков и предприятий, ориентированное на попарное оценивание отличительных факторов, было проведено в работах (Peresetsky, Karminsky, 2008; Karminsky, 2010), но его задачей было не сопоставление, а выявление отличий в методологии РА. Ограниченность этих подходов заключается в преимущественном использовании парных сравнений отображений, в несопоставимости шкал соответствия, априорной линейности отображений и широком использовании экспертных оценок. Поэтому в данной работе разработан подход на основе множественногомэппинга, основанный на ряде принципов, имеющих принципиальное отличие от перечисленных подходов и учитывающих ряд особенностей, накопленных международным сообществом. Таким образом, проанализированные подходы в настоящее время не пригодны для заимствования какого-то определенного метода. Поэтому после проведения анализа литературных источников, а также опыта по моделированию рейтингов, была сформулирована концепция единого рейтингового пространства (Карминский, Солодков, 2010), которая рассматривается как стремление к интеграции и сопоставимости рейтинговых оценок. Дальнейшее сопоставление рейтинговых шкал будет производиться в рамках этой концепции.
3.3 Метод сопоставления рейтинговых шкал на основе минимизации интегрального расстояния в базовой шкале
Единое рейтинговое пространство. Основными ограничениями, сдерживающими эффективность рейтинговой деятельности, являются:
сравнительно малое число актуализируемых рейтингов;
трудности в сопоставлении оценок различных РА, прежде всего национальных;
невозможность использования потенциальной возможности получать мультипликативный эффект от конкурентных оценок различных агентств;
потребность в расширенном использовании рейтинговых оценок для компаний, не имеющих рейтингов. Дополнительным стимулом являются расширение функцийрейтингов и их использование государственными и регулирующими органами для управления аккредитацией или лицензированием (допуском к определенным продуктам или предоставлению определенных услуг).Возможности сравнивать различные оценки рейтинговых агентств и моделирование рейтингов представляются наиболее актуальными. В этой связи идея формирования единого рейтингового пространства (ЕРП), а также проведение исследований, направленных на воплощение этой идеи, представляются достаточно интересными. Под ЕРП мы будем понимать выбор рейтинговой шкалы (далее называемой базовой) и формирование системы отображений рейтингов всех рассматриваемых рейтинговых агентств и внутренних рейтингов в базовую шкалу применительно к каждому классу субъектов рейтинго-вания (в нашем случае — применительно к банкам).Предполагается наличие спецификации отображений во времени (историческиймэппинг) и по типам субъектов рейтингования. Тем самым обеспечивается возможность сопоставлять рейтинги различных субъектов между собой для рассматриваемой совокупности агентств, а также сравненивать рейтинги конкретного субъекта как во времени, так и для различных агентств с целью получения объединенного рейтинга. Предложенный подход потенциально реализуем, но для его воплощения надо преодолеть ряд барьеров. Быть может, наиболее существенными препятствиями являются построение отображений различных рейтингов в базовую шкалу, обоснование и выбор самой этой шкалы, а также оценивание и повышение точности отображений. Далее мы сосредоточимся на выборе методов и построении отображений рейтинговых шкал, по мере реализации рассматривая и остальные компоненты проблемы. Множественное отображение в базовую рейтинговую шкалу. Первоначальным вопросом является выбор базовой шкалы. Можно выделить такие потенциально интересные варианты, как использование числовой шкалы, соответствующей одному из ведущих рейтинговых агентств (например, шкалы, соответствующей порядку рейтингов агентства Moody’s, для которой рейтингу Ааа соответствует числовое значение 1 и далее в порядке возрастания; например, рейтингу Ваа
З соответствует число 10).Помимо номинальной базовой шкалы (естественно, не обязательно привязанной к одному из агентств) могут быть использованы связанные с ней рейтинговые шкалы в других масштабах, в частности степенная, логарифмическая, порядковая (позволяющая работать с непараметрическими статистиками и отражающая гипотезу о преимущественном сохранении во времени порядка рейтингов), нормированная шкала, а также шкала, опирающаяся на монотонное полиномиальное преобразование. При поиске соответствия рейтинговых шкал могут использоваться алгоритмы идентификации. Для параметрическогомэппингаалгоритм может быть следующим. Выбор базовой шкалы путем сравнения вариантов за счет анализа их потенциальных преимуществ. Отображение каждой рейтинговой шкалы в виде функции RSiпо синхронизированным принципам в числовую шкалув виде функции NSi (рис. 8).Определение функциональной структуры параметров в виде функции Fi (αi) отображения шкалы i в базовую. Формирование для каждого банка меры близости сводных оценок в базовой шкале (например, квадрата расстояний в виде суммы квадратов отклонений).
5. Формирование в базовой шкале интегрального критерия (например, на основе обобщенных показателей).Рисунок 8 — Схема мэппинга рейтинговых шкал в проекции на базовую3.
4 Сопоставление рейтингов российских банков
Формирование базы данных. В качестве сопоставляемых рейтинговых шкал далее рассматриваются как рейтинги международных агентств Standard & Poor’s, Moody’sInvestor’sService и FitchRatings (по международной и национальной шкалам), так и рейтинги российских агентств АК&М, Эксперт РА, Национального рейтингового агентства (НРА) и Рус-Рейтинг. Таким образом, в анализе участвуют шесть шкал крупнейших международных агентств и четыре шкалы российских агентств. Выборка кредитных рейтингов сформирована на основе списков и баз рейтингов, а также пресс-релизов, которые публикуются на официальных сайтах агентств в Интернете. Рейтинги российских агентств были предоставлены соответствующими агентствами для проведения данного исследования. Выборка кредитных рейтингов российских банков за 2006;2012 гг. составлена поквартально. Всего она содержит 2746 наблюдений по 370 российским банкам, каждый из которых имеет актуальный рейтинг хотя бы одного из агентств на конец квартала в течение рассматриваемого временного диапазона.
При этом выявлено, что наибольшее число — более 3600 пар рейтингов — представлено для кредитных оценок агентства Moody’s по международной шкале. Именно эта шкала впоследствии была выбрана в качестве базовой. Для построения эконометрической модели база данных преобразована таким образом, что каждое наблюдение повторяется столько раз, сколько пар рейтингов насчитывается для данного банка в данном периоде. Дополнительно к таким парным наблюдениям добавлены фиктивные переменные, обозначающие, с какой рейтинговой шкалой сравнивается базовая шкала (в нашем случае — международная шкала агентства Moody’s). Это сделано для того, чтобы построить единую модель для всех рейтинговых шкал и не рассматривать каждую пару шкал отдельно. Буквенные шкалы рейтинговых агентств отображены в числовые шкалы, причем наибольшему рейтингу соответствует значение 1 с последующим возрастанием номера рейтинга при его убывании (для шкалы Moody’s — от Ааа до С, которому соответствует значение 20).Метод преобразования рейтинговых шкал. Для выбора функции преобразования рассмотрены аппроксимации распределений вероятностей дефолта по классам для ведущих международных рейтинговых агентств.
В процессе анализа использованы данные для агентств Moody’sи Standard&Poor's. В результате сделан вывод о том, что в качестве хорошей аппроксимации могут быть использованы степенные зависимости. Пример такой аппроксимации для зависимости вероятности дефолта от рейтинга (в течение рассматриваемого года) приведен для средних кумулятивных дефолтов по долгосрочным заимствованиям по данным агентства Moody’s за 1980;2008 гг. (рис. 9): PD= 0,218*R3,8и имеет степенной характер. Дальнейшие сравнительные исследования были проведены для степенных, линейных и логарифмических функций отображения шкал, которые хорошо согласуются с приведенной выше аппроксимацией распределения вероятностей дефолта, что существенно при выдвижении требования согласования соответствующих характеристик для различных агентств. В результате сравнений точности результатов множественного мэппинга показано, что в качестве преобразований шкал наилучшие результаты достигаются при использовании класса линейно-логарифмических преобразований (1), которые согласуются с аппроксимацией распределения вероятности дефолта по градациям рейтингов в виде указанной выше степенной зависимости. При этом параметризация отображений предполагает нахождение пары коэффициентов для отображения каждой из рассматриваемых шкал в базовую (свободный член и коэффициент перед логарифмом описываемой рейтинговой шкалы).Таким образом, для каждой рейтинговой шкалы ганализируется модель вида: Ln (M) = aiLn (Ri)+bi, (1)где М — рейтинг Moody’s в числовой шкале, Riрейтинг агентства по шкале i в числовом отображении, а и b — искомые коэффициенты модели. Рисунок 9 — Аппроксимация распределения вероятности дефолта по градациям рейтингов
Вывод относительно необходимой функциональной формы регрессионных уравнений можно сделать, также исходя из анализа попарных таблиц соответствий рейтингов (табл. 2) или их графических отображений (рис. 10) для пары шкал «Moody's — S&P» (российские банки по международным шкалам). Соответствие между шкалами близко к линейному, что подтверждается и результатами регрессионного анализа. Для соответствия международного и российского агентств зависимости оказываются более сложными. Так, даже для двух шкал Moody’s — международной и национальной — зависимость имеет нелинейный характер (рис. 11). Площадь кругов на графиках пропорциональна числу соответствующих пар рейтингов. Рисунок 7 -Аппроксимация распределения вероятности дефолта по градациям рейтингов
Таблица 2 — Соответствие рейтингов международных агентств Moody’s и S&Pдля российских банковS&PMoody'sБуквенная шкалаBaalВаа2Ваа
ЗBalВа2ВаЗВ1В2ВЗCaalСаа2Всего
Буквенная шкала
Числоваяшкала89 101 112 131 415 162 880ВВВ+831 821ввв9 204 529ввв-1 026 412ВВ+111 216 129вв1 237 282 242вв-136 179 941в+14 620 814 111в1531493231в-166 131 259 494ССС+17 112ссс1 811 112ее2011
Всего254 332 404 311 235 179 315 200
Содержательно интерпретировать нелинейную зависимость можно следующим образом: национальные шкалы рейтинговых агентств таковы, что наименее рискованные российские банки (несколько градаций рейтинговой шкалы) получают наивысший рейтинг, тогда как высокорисковые банки, неразличимые с точки зрения международной шкалы, можно отнести к разным категориям риска в соответствии с национальной шкалой. Рисунок 10 — Графическое представление и аппроксимации соответствия рейтингов международных агентств Moody’s — S&P для российских банковс функцией прямой у и коэффициентом дисперсии R2Рисунок 11- Графическое представление и аппроксимации рейтингов российских банков по международной и российской шкалам агентства Moody’sс функцией прямой у и коэффициентом дисперсии R2Анализ показывает, что наиболее удачными аппроксимациями являются степенные, которые при преобразовании в логарифмическую шкалу дают линейную спецификацию. Построение модели сопоставления рейтингов. Представление экстремальной задачи при использовании аппроксимации отображений в логарифмической шкале после ряда преобразований допускает линейное представление. Поэтому оно допускает решение с использованием метода наименьших квадратов, а следовательно, и использование эконометрических пакетов, например пакета eViews. В качестве «зависимого» агентства было принято агентство Moody’s, в связи с чем с международной шкалой этого агентства связана базовая шкала. При этом учитывались такие характеристики агентства, как опыт работы по рейтингованию банков и статистика его активности на рынке рейтинговых услуг (см.
рис. 1).Для построения моделей использовалась статистика по агентствам с I квартала 2006 г. по IV квартал 2012 г. для российских банков, имеющих кредитные рейтинги рассматриваемых агентств. Как отмечалось ранее, база данных преобразована с повторением наблюдений так, чтобы для каждого банка в каждом временном периоде (квартале) все пары рейтингов, включающие рейтинг Moody’s по международной шкале, рассматривались отдельно.
При этом в базу добавлены фиктивные переменные (di), принимающие значение, равное единице, в случае, когда в парном сравнении участвует шкала i. Таким образом, исследуется модель вида:(2)где М-рейтинг Moody’s в числовой шкале, Riрейтинг в шкале i в числовом отображении, diфиктивная переменная, обозначающая наличие рейтинга в шкале i, aiи biискомые коэффициенты модели. В целом спецификация модели и итоговые значения коэффициентов aiи bi, характеризуют функцию преобразования численных значений рейтингов по рассматриваемым шкалам (Ri) в базовую шкалу (М). Результаты моделирования и расчетные коэффициенты aiи bi, указанные в данном преобразовании при использовании логарифмической модели, для каждого из рейтинговых агентств и их шкал применительно к российским банкам и данным за 2006;2012 гг. представлены в табл. 3 (все коэффициенты статистически значимы на 1%-ном уровне).На основе полученных оценок параметров уравнений, которые определяют отображения шкал в базовую и описывают зависимость между парами шкал, можно определить соответствие градациям международной шкалы Moody’s рейтингов других агентств. Результат подобных расчетов на основе данных за 2006;2012 гг. согласно модели, представленной в табл. 3, приведен на схеме соответствия рейтингов (рис.
10).Таблица 3 — Коэффициенты логарифмической модели множественногомэппингав уравнении 2(2006;2012 гг.)Рейтинговая шкалааbMoody’s (российская шкала)
0,2542,212Standard & Poor’s0,9160,156Standard & Poor’s (российская шкала)
0,2652,123FitchRatings0,7490,584FitchRatings (российская шкала)
0,2132,172AK&M0,2692,451Эксперт РА0,3732,339Рус-Рейтинг0,6741,026Национальное рейтинговое агентство0,1632,484Число наблюдений3432Pseudo-R20,902Полученные результаты можно также представить в виде таблицы соответствия. При этом достаточным уровнем точности представления является уровень в четверть градации. Для практических нужд, вполне возможно, потребуется огрубление таблицы с уровнем погрешности в одну градацию, что также может быть реализовано на основе результатов. Типовым временным интервалом для регулярной процедуры сопоставления рейтинговых шкал является год (в скользящем режиме — поквартально). Результаты по данным за 2012 г. в виде таблицы соответствия для шкал зарегистрированных в
Министерстве финансов РФ агентств и при использовании рекомендованного Базель II соответствия между международными агентствами представлены в табл. 4. При этом для российских банков имеются расхождения для международных агентств в пределах до одной градации. Метод формирования соответствия шкал может быть использован не только для целей регулирования. При формировании внутренних рейтингов также крайне важно установить соответствие внутренних и внешних шкал, наравне с возможностью использовать весь доступный спектр рейтингов в рамках подхода, рекомендованного Базельским соглашением. Рекомендуемым интервалом валидации является полугодовой интервал.
Особенности такого процесса требуют специального анализа и будут рассмотрены в последующих работах, как и динамика изменения рейтинговых шкал и их сопоставления. Сопоставление рейтинговых шкал крупнейших агентств для международных банков Для проверки возможности применить данный подход к сравнительному анализу рейтинговых шкал, а также сопоставления рейтинговых шкал международных агентств описанный выше метод на основе минимизации интегрального расстояния в базовой шкале использован также для международных банков и агентств. При этом по информации агентства Bloomberg о кредитных рейтингах сформирована независимая база данных. Рисунок 12 — Схема соответствия рейтингов для степенной функции преобразования шкал (2006−2012 гг.)База данных для проведения сравнения включает выборку в 11 000 наблюдения по банкам более 80 стран на конец года на период 1995;2012 гг., для которых имеются кредитные рейтинги как минимум двух международных агентств. В результате сформированная выборка включает 17 003 парных наблюдения рейтингов. Каждое наблюдение характеризуется банком, временным периодом (годом) и рассматриваемой парой рейтинговых агентств, для чего в модель добавлены три дополнительные фиктивные переменные, соответствующие паре сравниваемых шкал. Таблица 4 — Соответствие рейтинговых шкал российских банков (2012 г.)Международные шкалы (по Базель II) Российские шкалы рейтинговых агентств, зарегистрированных при Минфине РФMoody’sS&PFitchMoody 's-InterfaxАК&МЭксперт РАНРАРус-РейтингA3А-А-Aaa.ruBaalВВВ+ВВВ+Ваа2ВВВВВВА++А++АААВаа
ЗВВВ-ВВВ-А+Aal.ruBalВВ+ВВ+АВа2ввввAa2.ruА-ВВВ+ВаЗвв-вв-Aa3.ruА+А+АА+ВВВВ1в+в+Al.ruААВВВ-A2.ruВ2ввA3.ruBaal.ruААА-ВВ+АВЗв-в-Baa2.ruBaa3.ruА+ВВВ++Авв-CaalССС+Bal.ru, Ba2. ruВ++А-в+сссBa3.ruВВВ+Саа2сссBl.ru, B2. ruВ+ВВВВВВ-вB3.ruВВ+в-Саа
Зссс-Caal.ru, Caa2. ruCaa3. ruВ+ВВВВВ-ССС+ссс
Метод сравнения принят аналогичным использовавшемусяранее для сопоставления рейтингов российских банков. Анализируется эконометрическая модель вида (2), за исключением того, что вместодесяти шкал рассматривается только три. В качестве базовой шкалы также используется международная шкала Moody’s, а в качестве соответствующей пары — международный рейтинг другого агентства (Standard & Poor’s или FitchRatings). Схема соответствия рейтингов приведена на рис. 13. Характеристики модели представлены в табл. 5. При этом используется логарифмическая спецификация для отображения рейтинговых шкал. Модель имеет высокие статистические характеристики (Pseudo-R2= 0,82) и высокий уровень значимости всех коэффициентов. Рисунок 13 -Схема сопоставления шкал международных рейтинговых агентств и банков (логарифмическая спецификация).Таблица 5 -Коэффициенты логарифмической модели множественногомэппингадля международных банковв уравнении 2 (2006;2012 гг.)Рейтинговая шкалаabStandard & Poor’s1,142 0354Fitch Ratings1.
0700.
164Число наблюдений10155Pseudo-R20,917При использовании линейной функции зависимости рейтингов получаются схожие результаты на более высоком уровне статистического соответствия, что говорит о близости полученных зависимостей к линейной для рейтингов международных агентств и о подтверждении ранее выдвинутой гипотезы. Характеристики модели представлены в табл. 6. Таблица 6 -Коэффициенты линейной модели множественногомэппингадля международных банковв уравнении 2 (2006;2012 гг.)Рейтинговая шкалаabStandard & Poor’s1,0120,840FitchRatings1,0140,354Число наблюдений10155Pseudo-R20,857При этом в обоих случаях видно, что рейтинги агентства S&P для банков более консервативны, чем рейтинги Moody’s и Fitch. Эти выводы согласуются с выводами, полученными ранее в работе (Karminsky, Sosyurko, 2010). Рейтинги агентства Fitch — немного ниже рейтингов Moody’s в инвестиционном диапазоне. Выводы к третьей главе:
Проведены сравнительные исследования по кредитным рейтингам ведущих международных и российских рейтинговых агентств. Проанализированы подходы и возможности сравнения шкал агентств. Предложен метод и описан критерий для сравнения рейтинговых шкал, обозначены возможности использования стандартных эконометрических моделей. Рассмотрена динамика развития рейтингового бизнеса в России, проблемы и перспективы формирования единого рейтингового пространства. Проведен детальный сравнительный анализ рейтинговых шкал для российских банков.
Для этого сформирована эмпирическая выборка, состоящая из 370 банков, имевших хотя бы один контактный рейтинг за период 2006;2012 гг. Сопоставимые исследования проведены также для международных банков по выборке за 1995;2012 гг., в которую вошли представители более чем 80 стран. По данным за 2012 г. построены схема и таблица соответствия десяти рейтинговых шкал агентств, рейтинги которых наиболее востребованы для российских банков. Результаты могут быть использованы как регуляторами для установления регламентов использования рейтингов, так и коммерческими структурами для решения задач риск-менеджмента.
ЗАКЛЮЧЕНИЕ
В условиях, когда финансовый мир наполнился большим количеством разнообразных ценных бумаг, а также бумаг, которые претендуют на роль ценных, особое значение приобрели так называемые рейтинговые агентства. В настоящее время рейтинговые агентства выполняют роли своеобразных финансовых флюгеров, присваивая ценным бумагам некий кредитный рейтинг. Кредитный рейтинг представляет собой выражение способности эмитента выполнять принятые на себя финансовые обязательства. Рейтинги основываются на текущей финансовой и прочей информации, предоставляемой эмитентом или получаемой из других источников, считающихся надежными.
Агентство не гарантирует достоверность используемой информации и может в случае необходимости полагаться на непроверенные данные. Рейтинги могут быть изменены, приостановлены или отозваны в результате изменения либо недействительности такой информации или в случае каких-то других обстоятельств. Международными рейтинговыми агентствами оцениваются практически все корпоративные долговые ценные бумаги, выпускаемые на международный фондовый рынок. Без согласия рейтингового агентства ни одна ценная бумага (например, облигация) не может рассматриваться как относящаяся к инвестиционному классу. Таким образом, значимость рейтинговых агентств обусловлена, прежде всего, их эффективностью при организации обмена информацией между эмитентами и инвесторами. Инвесторам нужны обоснованные данные о компаниях, которым они хотят доверить свои деньги. И от того, какую оценку даст рейтинговое агентство, может зависеть не только судьба какой-либо компании-эмитента, а судьба экономики целой страны, что мы и видим сейчас на примере Греции. Разработана методология сопоставления рейтинговых шкал международных и российских агентств применительно к российскому банковскому сектору. Результаты дают возможность сопоставить шкалы всех рейтинговых агентств, действующих в России.
Сопоставление проведено по данным за прошедшую пятилетку (2006;2012 гг.) в части отработки методики и анализа трендов и актуализировано по данным за 2012 г. для практического использования. Метод также проверен применительно к международным банкам. Приведено сравнение рейтинговых шкал ведущих международных агентств. В анализе использованы данные по рейтингам за 1995;2010 гг. Анализ проведенных сравнений рейтинговых шкал по международным и российским банкам применительно к международным рейтинговым агентствам и международной шкале указывает на наличие расхождений в методологии и в шкалировании рейтингов этими агентствами. При этом применительно к банковскому сектору наиболее консервативным является агентство S&P. Сдвиг между рейтингами агентств S&P и Moody’s составляет в среднем до 0,7 градаций что, возможно, связано с учетом агентством Moody’s не только вероятности дефолта, но и оценки уровня потерь в случае дефолта. Расхождения между рейтингами международных банков в спекулятивной зоне меньше, чем российских. При этом расхождение в рейтингах российских банков существенно более выражено в средней части спекулятивного диапазона (на уровне рейтингов уровня В) и достигает более одной градации. Потенциальными пользователями предложенного метода могут быть не только представители регулирующих органов, включая финансовых и банковских регуляторов и биржи при котировке ценных бумаг, но банки и компании, для которых актуален вопрос проведения аукционных и конкурсных мероприятий. Государственные и коммерческие компании могут использовать полученные методы для мультиплицирования оценок по внешним и внутренним рейтингам при решении задач риск-менеджментав рамках IRB-подхода.
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
Банковское дело: учеб./ под ред.
Г. Н. Белоглазовой, Л. П. Кролтвецкой.
М.: Финансы и статистика, 2004.-592с.Белозерова В. Российские банки на рынке корпоративных облигаций долговых обязательств/ В. Белозерова// РЦБ. 2007.-N20-c. 76−80Готовчиков
И.Ф. Математические методы оценки рейтингов отдельных коммерческих банков/ И.Ф. Готовчиков// Финансы и кредит. -2002. — N 22. — с. 33−39Готовчиков
И.Ф. Математические методы оценки рейтингов отдельных коммерческих банков и российской банковской системы в целом/ И.Ф. Готовчиков// Финансы и кредит.-2002.-N23.-с.33−37Готовчиков
И.Ф. Метод классификации коммерческих банков по обобщённому нормативу/ И.Ф. Готовчиков// Финансы и кредит.-2001.N14/-с.8−11.Карминский
А.М. Рейтинги в экономике: методология и практика/ А. М. Карминский, А. Б. Пересецкий, А. Е. Пересецкий, А. Е. Петров.
М.: Финансы и статистика, 2005
Кошелюк
Ю.М. Применение рейтингов в банковском риск-менеджменте/ Ю.М. Кошелюк// Банковское дело.-2007.-N12/-с.8−11.Мурычаев
А.В. О путях укрепления ресурсной базы российских коммерческих банков/ А.В. Мурычаев// Деньги и кредит.-2003.-N11.-с.48−52Применение системы рейтинговой системы CAMEL-test в ходе банковского контроля и аудита// Банковский контроль и аудит: учеб. Пособие/ под ред. Н. В. Фадейкиной.
М.Финансы и статистика, 2002.-с.126−137Рейтинг банков для партнёров, инвесторов, клиентов// Банковское дело.-2005.-N7.-с.34−42Севрук
В.Т. Дополнительные рейтинги — инструмент оценки внутренних рисков/ В.Т. Севрук// Банковское дело.-2006.-N2.-с.29−35Семёнов С. К. Эффективность и оптимизация банковской деятельности: рейтинговые методики на базе экономических нормативов/ С.К. Семёнов// Финансы и кредит.-2005.N30.-с. 41−44Хейфец Б. А. Суверенный кредитный рейтинг России/Б.А. Хейфец// Финансы.-2001;N10.-с.66−67.Altman E. (1968) Financial ratios discriminant analysis and the prediction of the corporate bankruptcy // Journal of Finance. 1968. N o.
23. P. 589−609.Altman E., Rijken H. (
2004) How rating agencies achieve rating stability // Journal of Banking & Finance. 2004. N o.
28. P. 2679−2714.Altman E., Saunders A. (
1998) Credit risk measurement: Developments over the last 20 years // Journal of Banking & Finance. 1998. N o. 21. P.
1721−1742.Amato and Furfine (2004). A re credit ratings procyclical? // J ournal of Banking & Finance.
2004. N o. 28.
P. 2641−2677.Backer K.H., Mansi S.A. (2001) Assessing credit rating agencies by corporate bond issuers: the case of investment versus non-investment grade bonds: American University Kogod School of Business working paper, 2011. Basel (2000). C redit ratings and complementary sources of credit quality information. B asel Committee on Banking Supervision, 2000.
W orking paper No. 3. Basel (2004). I
nternational Convergence of Capital Measurement and Capital Standards. A revised framework. B asel, Bank for International Settlements, 2004. Basel (2011).
B asel III: A global regulatory framework for more resilient banks and banking systems. Basel, Bank for International Settlements, Basel Committee on Banking Supervision, 2011.
http://www.rusrating.ru
http://ecsocman.hse.ru/data/2011/11/28/1 270 194 877/CF15_pages7983_tursunov.pdf
http://pda.bfm.ru/news/2012/02/12/vlast-rejtingovyh-agentstv-ilichetvertyj-ne-lishnij.html
http://uchebnik-besplatno.com/mirovaya-ekonomikauchebnik/reytingovyie-agentstva-mesto-rol.htmlBank for International Settlements Basel Committee on Banking Supervision (BIS), 2011, «Stocktaking on the Use of Credit ratings,» Joint Forum Working Group on Risk Assessment and Capital (Basel).Katz, Jonathan, Emanuel Salinas, and ConstantinosStephanou, 2012, «Credit Rating Agencies: No Easy Regulatory Solutions,» World Bank Crisis response Policy Briefs, Note Number 8 (Washington).Rosenkranz, Robert, 2012 «Let's Write the Rating Agencies Out of Our Law,» 2012, Wall Street Journal, January 2, p. A 15. The Global Venture Capital and Private Equity Country Attractiveness Index — 2011 annual. -
Режимдоступа: http// www.ey.com.M o n f o r t B. , M u l d e r C. U
s i n g c r e d i t r a t i n g s for capital requirements on lending to emerging market economies: possible impact of a new basel accord // IMF working paper No. 00/69, 2012. Ratha D., De P. K., M ohapatra S. S hadow sovereign ratings for unrated developing countries // World development, 2012. Afonso A., Rother P. S hort and long-run determinants of sovereign debt ratings // Journal of finance and economics.
2011.АРБР (2010). Рейтинг для рейтинговых агентств. [ Электронный ресурс] // РБК Daily. 1 сентября. Режим доступа:
http://www.rbcdaily.ru/2010/09/01/ focus/507 003, свободный. Загл. с экрана. Яз. рус. (датаобращения: май 2011 г.).Altman E.
(1968). F inancial ratios discriminant analysis and the prediction of the corporate bankruptcy // Journal of Finance. 23. P.
589−609.Basel (2005). S tudies on the Validation of Internal Rating Systems (revised). [
Электронныйресурс] Basel Committee on Banking Supervision, BCBS Working Papers № 14. May 2005
Режим доступа:
http://www.bis.org/ publ/bcbs_wpl4.htm, свободный. Загл. с экрана. Яз. англ. (датаобращения: май 2011 г.).Cantor R., Packer F. (1995).
T he Credit Rating Industry // J. of Fixed Income. V ol.
5(3).Estrella A. (2000). C redit Ratings and Complementary Sources of Credit Quality Information. [ Электронныйресурс] Basel Committee on Banking Supervision Working Papers. №
3. August 2000
Режим доступа:
http:// www.bis.org/publ/bcbs_wp3.pdf?noframes=l, свободный. Загл. с экрана. Яз.
англ. (датаобращения: май 2011 г.).Guttler A., Wahrenburg M. (2007). T he Adjustment Of Credit Ratings In Advance Of Defaults ///. of Banking & Finance. V
ol. 31. I ssue 3.
M arch 2007. P. 751−767.Karminsky A. (2010).
R ating Model Opportunities for Emerging Markets. P roceedings of the International Scientific Conference «Challenges for Analysis of the Economy, the Businesses, and Social Progress».
S zeged: University Press. Karminsky A., Sosyurko V. (2010).
M ethodological Opportunities of Rating Models for Banks. P roceedings of the first scientific-practical international conference «Economic and management'2010». V
arna: University of Varna. Moody's (2011). M oody’s History: A Century of Market Leadership. [ Электронныйресурс] Moody’s Investors Service. Режимдоступа:
http://www.moodys. com/Pages/atcOOl.aspx, свободный. Загл. с экрана. Яз. англ. (датаобращения: май 2011 г.).Oung V. (
2008). O f the Credibility of Mapping and Benchmarking Credit Risk Estimates for Internal Rating Systems. T he Analytics of Risk Model Validation. P. 91−111.Peresetsky A., Karminsky A.
(2008). M odels for Moody’s Bank Ratings.
BOFIT D iscussion Papers № 17/2008.Sahajwala R., Van den Bergh P. (2000) Supervisory Risk Assessment and Early Warning Systems // BIS Working Papers. № 4.Василюк
А.А., КарминскийA.M., Сосюрко
В.В. (2011). Система моделей рейтингов банков в интересах IRB-подхода: сравнительный и динамический анализ. М.:Изд. дом
НИУВШЭ. ПрепринтWP7/2011/07.КарминскийA.M., Пересецкий
А.А., Петров А. Е. (2005). Рейтинги в экономике. М.: Фин. и стат.КарминскийA.M., Солодков
В.М. (2010). Единое рейтинговое пространство: миф или реальность? // Банковское дело. № 9. С. 56−60.Матовников
М.Ю. (2008). Как уполномочивать рейтинговые агентства для оценки кредитоспособности банков // Деньги и кредит. № 12. С. 26−33.Хейнсворт
Р. (2009). Сопоставимость уровней кредитных рейтингов, присвоенных разными агентствами // Деньги и кредит. № 12. С. 46−50.Методология составления рейтингов и выбора лауреатов в номинациях. М: Институтэкономическихстратегий, 2006
Карминский
А.М. и др., Рейтинги в экономике. М: Финансы и статистика, 2005
Ляшенко В. И. Фондовые индексы и рейтинги. М: Финансы и статистика, 2003
Беллман Р., Дрейфус С. Прикладные задачи динамического программирования, М: Наука, 1965.. T he Global Competitiveness Report 2011−2012. — W orld Economic Forum Geneva, 2011. -
528 с. T he World Competitiveness Yearbook 2011 — IMD, 2011. — 554 с. T
he IREG Observatory on Academic Ranking and Excellence. T imes Higher Education World University Rankings 2010;2011. A cademic Ranking of World Universities, 2011. Boulton G. U
niversity Rankings: Diversity, Excellence and the European Initiative// The League of European Research Universities. A dvice Paper No 3. 2010. IREG-R
anking Audit. P urpose, Criteria and procedure. IREG Observatory on Academic Ranking and Excellence, 2011.
