Анализ и моделирование факторов устойчивости коммерческих банков тема диссертации по экономике, полный текст автореферата

Автореферат диссертации по теме "Анализ и моделирование факторов устойчивости коммерческих банков"

МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ЭКОНОМИКИ, СТАТИСТИКИ И ИНФОРМАТИКИ

На правах рукописи

КАПУСТИН СЕРГЕИ НИКОЛАЕВИЧ

Анализ и моделирование факторов устойчивости коммерческих банков

С

08.00.13 - Математические и инструментальные методы экономики

Автореферат диссертации на соискание ученой степени кандидата экономических наук

Москва 2004

Работа выполнена на кафедре Информационного менеджмента и электронной коммерции Московского государственного университета экономики, статистики и информатики.

Научный руководитель доктор экономических наук, профессор

Дик Владимир Владимирович

Официальные оппоненты доктор экономических наук, профессор

Киселева Ирина Анатольевна

кандидат экономических наук, доцент Иванов Виктор Владимирович

Ведущая организация Всероссийский заочно - финансовый

экономический институт

Защита диссертации состоится >} Се-'-^Тл^Ч 200 Н г. в (Ч часов на заседании диссертационного совета К212.151.01 в Московском государственном университете экономики, статистики и информатики по адресу: 119501, г. Москва, ул. Нежинская, 7.

С диссертацией можно ознакомиться в библиотеке Московского государственного университета экономики, статистики и информатики.

Автореферат разослан

«/4

9

2004 г.

Ученый секретарь диссертационного совета кандидат экономических наук, доцентГо

Г.Е.

а

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность исследования. Одной из центральных проблем современной банковской системы России является восстановление доверия населения к коммерческим банкам (КБ) после кризиса 1998 года. Снижение доверия ко всем кредитным организациям вне зависимости от их реального финансового состояния было вызвано банкротством крупнейших финансовых институтов страны. По данным Банка России в целом по банковской системе валютные сбережения населения снизились с августа по декабрь 1998 года на 55,2%. В известной мере это связано с отсутствием в стране единой системы мониторинга финансового состояния кредитных организаций.

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

Кризис 1998 года в России показал значимость правильного выбора такого банка. Задача выбора банка осталась актуальной и после кризиса, поскольку банкротства банков не прекратились и продолжаются и сегодня. В целом эта тенденция приводит к централизации капитала в государственных финансовых институтах. Но для граждан, не сумевших правильно оценить степень риска финансового института, которому они доверяют сбережения, процесс разорения банков приводит к потере ими значительных средств. При этом анализ финансового состояния КБ позволяет сильно сократить убытки населения и предприятий. Например, тппьпрття г января 7000 гопа о

РОС. НАЦИОНАЛЬНАЯ 3 БИБЛИОТЕКА

СПтрврг ¡гП\ у О»

январь 2003 года при использовании разработанной в данной работе методики анализа финансового состояния коммерческого банка (АФСКБ) могли бы быть предотвращены потери юридических лиц в размере 2,7 млрд. рублей и потери физических лиц в размере 0,9 млрд. рублей, которые остались «замороженными» на счетах банков - банкротов.

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

Цель и задачи исследования.

Целью исследования является создание инструментария анализа финансового состояния КБ для оценки его финансового состояния в настоящем и ближайшем будущем, основанной на публично доступной балансовой информации. В работе поставлены и решены следующие задачи:

проанализированы существующие методы определения финансового состояния КБ, используемые в России и за рубежом;

предложен метод формализации экспертных мнений в области-анализа финансового состояния КБ;

введена мера на множестве финансовых показателей банков, соответствующая экспертной оценке и определено однозначное соответствие множества экспертных оценок и мер на множестве финансовых показателей;

4

сделан вывод о возможностях применения алгоритмов нечеткой логики (fuzzy logic) для АФСКБ;

выполнено изменение алгоритмов нечеткой логики для их использования на множестве экспертных оценок с целью улучшения их качества;

разработана модель, описывающая зависимость финансового состояния КБ от ретроспективных значений балансовых показателей;

решена, в процессе разработки метода динамического анализа, задача, поставленная Банком России в 2003 году, по выявлению «накруток» (т.е. необоснованных увеличений) капитала; построена модель, описывающая зависимость финансового состояния КБ от ретроспективных балансовых показателей; разработана методика определения финансового состояния КБ на основе прогнозных значений балансовых показателей, позволяющая оценить финансовое состояние КБ на, как минимум, 1 месяц раньше по сравнению с применением традиционных методов финансового анализа; разработан комплекс программных средств, реализующий инструментальное применение разработанного метода для анализа финансового состояния действующих российских банков.

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

Методологической и теоретической основой исследования являются труды ведущих отечественных и зарубежных специалистов в области финансового анализа и пруденциального надзора, математического моделирования и статистики (Айвазян С.А., Боровиков В.П., Буздалин А.В., Дик В.В., Иванов И.В., Киселева И.А., Лаврушин О.И., Макаров А.А., Мхитарян B.C., Сычева Л.И., Тюрин Ю.Н., Holland J., Popper J., Ritter L.,

Silber W., Ward J. и др.) Информационной базой исследования являются агрегированные материалы общедоступных балансов банков, приведенные на сайте http: //www.banks-rate.ru.

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

Научная новизна. В диссертационной работе дано новое решение актуальной задачи определения финансового состояния коммерческого банка на основе официально публикуемой информации. Новизна результатов заключается в следующем:

1. Проведен анализ причин банкротств всех российских банков в период с января 2000 по январь 2003 года, который позволил выявить основные проблемы, встречающиеся у банков и приводящие к невозможности исполнения собственных обязательств.

2. Доказано существование зависимости финансового состояния коммерческого банка в настоящем от значений финансовых показателей в прошлом и определяющее перечень показателей наиболее сильно влияющих на финансовое состояние КБ (в порядке убывания значимости): средства клиентов, прибыль, величина собственных средств и объем кредитного портфеля.

3. Разработана модель, описывающая зависимость финансового состояния банка в настоящем от значений финансовых показателей в прошлом. При этом ретроспективные показатели рассматриваются как матрица значений в противопоставление векторам финансовых показателей, использующимся при традиционном подходе.

4. Введен двухуровневый анализ финансовых показателей - на первом этапе производится анализ с целью построения системы индикаторов финансовой устойчивости, на втором этапе - построение генерального индекса надежности (функции от индикаторов) на основе созданной автором системы индикаторов.

5. Разработаны модели, позволяющие прогнозировать значения финансовых показателей банков. Прогнозируемая величина показателей определяется исходя из тенденции их изменения. Она рассчитывается по их ретроспективным значениям с весами, распределяемыми по аддитивной или мультипликативной модели, и расчетной величины стабильности их изменения, зависящей от волатильности ретроспективных значений.

6. Реализация АФСКБ с использованием матрицы финансовых показателей в качестве входных параметров модели, предложенная автором, позволила использовать прогнозные модели при АФСКБ в противопоставление традиционному подходу к АФСКБ, основывающемуся на анализе данных на последнюю дату отчетности, и не позволяющему определять финансовое состояние КБ в настоящем или будущем.

7. Прогнозные модели, разработанные автором и примененные к АФСКБ, позволили определять наличие проблем заблаговременно:

Деятельность банка

срок сдачи появление предыдущего проблем баланса

срок сдачи

текущего

баланса

выявление проблем

, выявление'

предлагаемый подход

1 традиционный подход

8. Применены алгоритмы

¡_ проблем | ]

Рис.1

нечеткой логики для эволюционного моделирования финансового состояния банка. Для этого произведена модификация стандартного генетического алгоритма, позволяющая функционировать на множестве экспертных сценок. Разработаны алгоритмы модификации экспертных оценок «мутация» и

«кроссинговер», осуществляющие эволюционное развитие методов анализа финансового состояния банка.

Практическая значимость, апробация и внедрение результатов. Результаты проведенного исследования могут быть использованы руководителями организаций и частными клиентами банков, заинтересованными в сохранности депонированных в банках средств. Важное практическое значение имеет разработанная программа, позволяющая получать всю необходимую информацию из сети Интернет и проводить анализ финансового состояния банка с применением разработанной методики. Демонстрация результатов исследования производится в Главе 3, в этой же главе демонстрируется значительное улучшение результатов анализа финансового состояния банков по сравнению с анализом, проводимым с применением методов, известных ранее.

Результаты работы использованы в процессе подготовки учебно-методического материала и преподавания в МЭСИ дисциплины «Банковские информационные системы». Метод построения скоринговых систем, предложенный автором, внедрен банком «Возрождение» для построения системы оценки надежности заемщика, используемой при принятии решения о предоставлении кредита, о чем имеется документ о внедрении. Внедрение скоринговой системы позволило значительно снизить кредитные риски и расширить перечень кредитных программ Банка.

Основные положения диссертации прошли апробацию на 6-й и 7-й научно-практических конференциях «Реинжиниринг бизнес-процессов на основе современных информационных технологий. Системы управления знаниями», проходивших 19-20 марта 2002 г. и 14-15 апреля 2004 г. в МЭСИ.

Структура и объем работы. Диссертация состоит из введения, трех глав, заключения, списка литературы и 3-х приложений. Работа изложена на 167 страницах машинописного текста, сопровождаемого рисунками и таблицами. Список использованной литературы состоит из 95 наименований.

Публикации. По проблеме исследования автором написано и опубликовано 10 печатных работ общим объемом 3.7 п.л.

СОДЕРЖАНИЕ РАБОТЫ Во введении обоснована актуальность темы, сформулированы цели и задачи исследования, научная новизна, дана оценка практической значимости результатов работы.

В первой главе «Анализ состояния КБ для его включения в систему страхования вкладов» обсуждаются вопросы, связанные с исследованием процессов, необходимых при страховании вкладов, и применением математических методов АФСКБ.

Банки являются неотъемлемой частью современной экономической среды. Их деятельность неотрывно связана с деятельностью субъектов хозяйствования экономики страны. Банки регулируют прохождение всех денежных потоков, способствуют переливу капитала из одних отраслей в другие, в соответствии с экономической эффективностью использования капитала в разных отраслях. Нестабильность банковской системы отражается на деятельности предприятий и благосостоянии граждан.

Проблема определения финансового состояния КБ при появлении системы страхования вкладов возникает на государственном уровне. При создании системы страхования вкладов возникают вопросы, требующие проведения анализа финансового состояния банка: во-первых, это - анализ деятельности банка с целью включения в систему страхования вкладов, и, во-вторых, - анализ текущей деятельности банка после включения в систему

страхования с целью выяснения целесообразности дальнейшего участия в системе страхования и определения величины взносов в Систему в зависимости от риска по конкретному банку. Оценка финансового состояния КБ играет важнейшую роль в стабильном функционировании системы страхования вкладов, поскольку, в случае отсутствия качественного мониторинга

стабильности банков, система страхования вкладов не сможет самостоятельно функционировать, как это, например, случилось в США с FDIC в 80-е годы XX века. Подписание 29 декабря 2003 года Закона РФ «О страховании вкладов физических лиц в банках РФ» выделило задачу определения финансового состояния КБ в ранг государственно-важных задач. Так, например, Банк России начал осуществлять массовый анализ деятельности коммерческих банков, работающих с населением, с целью включения в систему страхования.

В первой главе проведен анализ существующих методик АФСКБ. Определение финансового состояния КБ основывается на результатах анализа его деятельности. Представители Гарвардской школы, например, Каплан (Kaplan) и Нортон (Norton) отмечают, что финансовые показатели являются результатом принятых в прошлом решений. Финансовые показатели имеют ретроспективный характер, поскольку, во-первых, они отражают деятельность банка и принятые руководством решения в прошлом, а, во-вторых, требуется время для их расчета и предоставления в органы, выполняющие пруденциальный надзор.

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

финансового состояния банка, поскольку финансовые показатели на

последнюю дату отчетности являются ретроспективными.

В работах по анализу финансового состояния КБ, например, в

«Практикуме по анализу финансового состояния и оценке кредитоспособности

банка-заемщика» Л. Суховой, отмечается, что у стабильного банка должно

выполняться «Золотое правило экономики», выражаемое в следующем:

Темп роста Темп Темп

балансовой > роста > роста > 100%

прибыли доходов активов

После проведения анализа деятельности всех российских банков в период с

июля 2002 года по июнь 2003 года было обнаружено, что банков, для которых

выполняется «Золотое правило экономики», не существует. На практике даже у

стабильных банков регулярно наблюдаются текущие проблемы,

препятствующие выполнению «Золотого правила экономики». Задача, стоящая

при разработке метода анализа финансового состояния КБ, состоит в отделении

банков, которые на протяжении многих лет будут продолжать выполнять свои

обязательства, от банков, вероятность банкротства которых в ближайшее время

велика.

Вторая глава посвящена построению математической модели, описывающей зависимость финансового состояния банка от ретроспективных финансовых показателей.

Значительный вклад в экономико-математическое моделирование финансового состояния КБ внес А. Буздалин, который начинал разрабатывать вероятностные модели банкротства банков в Банке России. По его словам, «экономико-математические методы позволяют выявить скрытые недостатки в работе банков, провести группировки по надежности, а главное - получить числовые характеристики надежности банков в отличие от традиционных методов, выводная часть которых является словесно-описательной».

Для экономико-математического моделирования требуется большой объем исходной информации. В качестве таковой в данной работе рассматривались агрегированные финансовые показатели банков, размещенные

на сайте http://www.banks-rate.ru. Общий объем обрабатываемой информации превысил 2,4 миллиона значений (19 показателей за 37 отчетных периодов, взятые в 3419 зарегистрированных банках). Для обработки такого объема информации использовались алгоритмы нечеткой логики, позволяющие за небольшое время находить квазиоптимальные решения.

Глава 2 начинается с описания результатов проведенного анализа деятельности всех банков, лицензии которых были отозваны с января 2000 по январь 2003 года. Дальнейшее изложение материала в работе основывается на результатах этого анализа. Они подробно изложены в Приложении 2, где детально рассматривается деятельность каждого банка, лицензия которого была отозвана в изучаемый период. Анализ деятельности производился с января 1998 года до момента отзыва лицензии. Основным результатом анализа стало выделение показателей, которые первыми отражают негативные тенденции в части стабильности банка.

В работе обоснована эффективность применения алгоритмов нечеткой логики к АФСКБ. С помощью генетического алгоритма, относящегося к нечеткой логике, предложенного Холландом (J. Holland) в 1975 году в работе «Adaptation in natural and artificial systems» и модифицированного в настоящей работе с целью функционирования на множестве экспертных оценок, осуществлялось преобразование показателей (с помощью наблюдения значений которых можно выявлять негативные тенденции стабильности рассматриваемых банков) в индикаторы финансовой устойчивости, построенные для отражения финансового состояния банка в заданных плоскостях наблюдений. С помощью алгоритмов нечеткой логики также была проведена трансформация экспертных мнений, полученных из материалов экспертных советов, специальной литературы и результатов анализа деятельности банков-банкротов, в формализованные экспертные оценки, определяющие меру на множестве наборов финансовых показателей банков.

Алгоритмы нечеткой логики применительно к анализу финансового состояния КБ позволили получать из выбранных лучших экспертных оценок

предыдущего поколения новые экспертные оценки, лучшие всех предыдущих, за счет комбинации различных компонентов каждой из оценок предыдущего поколения. После серии итераций, охватывающих возможные модификации в рамках реализации измененного генетического алгоритма, разработанного в работе, определялись оптимальные (с точки зрения минимизации количества ошибок на контрольном множестве) функции от финансовых показателей, которые в дальнейшем обозначались как базовые индикаторы финансовой устойчивости. После центрирования и нормирования они были названы индикаторами финансовой устойчивости.

Применение измененного генетического алгоритма к анализу финансового состояния КБ заключалось в описании процессов модификации экспертных оценок - «мутация» и «кроссинговер». Алгоритм «мутация» модифицирует одну экспертную оценку в рамках заданных методов модификации. Так как экспертная оценка однозначно связана с мерой, задаваемой прогнозной моделью, которая построена на основе использования комбинированного набора исходных данных с фиксированным временным периодом, определяющим «память» модели, экспертная оценка оказывается зависимой от набора параметров - параметры расчета весовых показателей, величина «памяти», методика нормирования и т.д. В рамках реализации алгоритма «мутация» осуществляется изменение этих параметров. Поскольку количество параметров слишком велико для перебора всевозможных вариантов, последний осуществляется только по набору значений, выбираемому при реализации измененного генетического алгоритма.

Алгоритм «кроссинговер» осуществляет выработку экспертной оценки на основе двух экспертных оценок предыдущего поколения. При этом компоненты, определяющие экспертные оценки предыдущего поколения, объединяются заданными способами. В результате объединения параметров производится построение экспертных оценок нового поколения, которые сравниваются между собой и с экземплярами предыдущего поколения. На каждом этапе производится отбор лучших экземпляров. При реализации

13

алгоритма «кроссинговер» возникает необходимость определения весов для компонентов разных сторон входных значений. Для определения весов используется Квази-Ньютоновский (Quasi-Newton) алгоритм оптимизации, который по сравнению с другими градиентными методами сходится с высокой вероятностью и несложен в расчетах, т.е. для его реализации достаточно обычного домашнего компьютера.

Выбор лучших экземпляров экспертных оценок по итогам реализации алгоритмов модификации осуществляется путем оценки их качества на тестовом множестве (построение тестового множества описано в Главе 1) и расчета количества ошибок, полученных в результате их использования.

Реализация измененного генетического алгоритма позволила оперировать на множестве исходных данных большого объема. Вследствие этого появилась возможность в качестве исходных данных рассматривать не только значения финансовых показателей на последнюю отчетную дату, но и более широкий класс ретроспективных значений. Использование последних, в свою очередь, позволило перейти от методов статического анализа, результатом которых являлись лишь оценки деятельности банка в прошлом, к методам динамического анализа, основанных на прогнозных моделях.

Переход к двухуровневой модели анализа позволил использовать экономическую сущность исследуемых показателей при построении математической модели. На первом этапе строилась система индикаторов финансовой устойчивости, основанная на экспертных оценках, относящихся к описанию экономических явлений, происходящих в рассматриваемом банке. На 2-м этапе производился дальнейший анализ системы индикаторов с целью построения функции от индикаторов, описывающей финансовое состояние банка, названной «генеральный индекс надежности». Если на 1-м этапе анализ производится с учетом специфики предметной области объектов анализа, основывающийся на результатах мониторинга деятельности банков-банкротов и выяснения специфики ситуации, предшествующей банкротству, то на 2-м этапе осуществляется статистический анализ зависимостей между значениями

индикаторов и финансовым состоянием банка без учета специфики предметной области. Анализ, проводимый на 2-м этапе, заключается в приведении исходных величин к единому стандарту (единая медиана и межквартильный размах) и реализации Квази-Ньютоновского алгоритма оптимизации весовых коэффициентов в рамках заданного вида функциональной зависимости и функции потерь, вид которых был найден на 1-м этапе анализа.

Одним из важных элементов анализа, проводимого на 1-м этапе, является построение прогнозной модели. Авторегрессия п-го порядка, использовавшаяся первоначально, была заменена на модели £ и Гг следующего вида:

или

где N - «память» модели, к - параметр,

{Хц} — множество ретроспективных значений рассматриваемого

показателя.

Для конкретного случая выбирается лучшая из этих моделей и подбирается с помощью измененного генетического алгоритма оптимальный параметр. Данная модель определяет часть общей прогнозной модели, отображающей динамику развития (тренд). В дополнение к данной части используется вторая часть, отображающая стабильность изменения показателей. Вторая часть может состоять из различных функций, используемых для расчета величины «разброса» значений прироста. В качестве примера таких функций могут выступать дисперсия, разность максимальной и минимальной величин, межквартильный размах и т.д. Конкретный вид и нормировочные параметры второй части прогнозной функции определялись в процессе реализации измененного генетического алгоритма.

Использование прогнозных моделей в методике анализа финансового состояния КБ позволило определять финансовое состояние банка не только в прошлом, но и в настоящем и будущем.

В Главе 3 описывается построение генерального индекса надежности на основании индикаторов, построенных в главе 2. Генеральный индекс надежности является результатом, завершающим процесс последовательного анализа. Перед построением генерального индекса надежности производится нормирование и центрирование базовой системы индикаторов, построенных в Главе 2. В результате формируется итоговая система индикаторов П.. 14 (приводятся формулы, пригодные для обработки в программе Excel). Исходные данные приводятся в обозначениях, соответствующих структуре данных сайта http://www.banks-rate.ru. Обозначения получены в результате сохранения матрицы данных, полученных с сайта, в листе Excel. Буквенные обозначения А..К (столбцы) соответствуют финансовым показателям:

Буквенное обозначение в формулах Краткое наименование показателя

В Валюта баланса

С Чистые активы

D Ликвидные активы

Е Работающие активы

F Кредиты, выданные коммерческим организациям

G Собственный капитал

Н Суммарные обязательства

I Обязательства до востребования

J Фактическая прибыль

К Привлеченные средства юридических лиц

L Привлеченные средства физических лиц

Цифровые обозначения 2..9 (строки) соответствуют времени - «2» для последнего месяца отчетности, «9» - для данных 7-месячной давности.

Построенные в работе индикаторы следующие:

И=(((((К2-К8Н4*(К2-К7)+7*(К2-К6)+10*(К2-К5)+13*(К2-К4)+

+16*(К2-КЗ))/(Е2*51))-(СТАНДОТКЛОН(ЕСЛИ(К2-КЗ>0;0;КЗ-К2);

ЕС.Ш(К2-К4>0;0;К4-К2);ЕСЛИ(К2-К5>0;0;К5-К2);

ЕСЛИ(1С2-К6>0;0;К6-К2);ЕСЛИ(К2-К7>0;0;К7-К2);.

ЕСЛИ(К2-К8>0;0;К8-К2);ЕСЛИ(К2-К9>0;0;К9-К2))/Е2)*6.95)+

+0.279)/6.55

12=((((02^8)+0.3*(12-17)+0.09*(;2-16)+0.027*(12-15)+ +0.0081 *(Л-М)+0.00243*(ШЗ))/(АВ8(С2)* 1.42753))--3.47*АВ8(СТАНДОТКЛОН(12;13;14;15;16;17;18)/АВ8(С2)))+0.0422)* 1.6

13=(((((02-08)+3*(02-07)+5*(02-С6)+7*(02-05)+9*(02-С4)+11* *(С2-С3))/(С2*36))*2-

-(СТАНДОТКЛОН(С2-03;03-С4;04-С5;С5-06)/С2)>0.0034)*5.77

14=((((((Р2-Р8)+(Р2-Р7)+(Р2-Р6)+(Р2-Р5)+(Р2-Р4)+(Р2-Р3))/(АВ8(С2)* *6)))*4.1-(СТАНД0ТКЛ0Н(Р2;РЗ;Р4;Р5;Р6;Р7;Р8)/АВ8(02)))-0.421)/14.87

Разработанная система проверяется на независимость входящих в ее состав индикаторов. Для этого на тестовом множестве визуально отображаются диаграммы рассеивания для каждой пары индикаторов. Отсутствие какой-либо закономерности, т.е. наличие «облака», позволяет судить о попарной независимости индикаторов. Генеральный индекс надежности Я представляется в виде зависимости от значений индикаторов, ограниченных полуинтервалом (-<» ;0.05):

Ьа +6, •1шп(/1;0.05)+62 -пип(/2;0.05)+63 -тт(/3;0.05)+64 •шт(/4;0.05)

Д=-

1+е60 +6, -гшп(/1;0.05)+Ь2 -тт(/2;0.05)+6, -тт(/3;0.05)+г>4 -тт(/4;0.05) гдеII, 12,13,14-значения индикаторов, Ь0, Ь{, Ьь Ь3, Ь4~параметры.

Расчет параметров генерального индекса надежности производится путем нелинейного оценивания, реализованного в программе Б^йзйса. Оптимальные значения параметров рассчитываются на тестовом множестве:

Ьо=б.4б,

Ь,= 15.8, Ь2= 10.79,

Ь^ 18.74,

Ь4=3.93.

Далее доказывается робастность генерального индекса надежности -будучи единожды построенным на тестовом множестве, он может быть использован с теми же коэффициентами на другом множестве за счет того, что в процессе построения индикаторов была учтена экономическая сущность наблюдаемых значений.

После построения индикаторов происходит определение критического уровня, при достижении которого рассматриваемый банк можно считать стабильным. Критический уровень - величина эмпирическая и его определение происходит при помощи анализа данных, представляющих собой реальные наблюдения.

Критический уровень определяет значение генерального индекса надежности (К), ниже которого можно говорить о наличии серьезных финансовых проблем. Для банка, лицензия которого отозвана, до момента фактического банкротства в течение 12 месяцев до этого события должен наступить хотя бы один момент, в который значение генерального индекса надежности опустится ниже критического уровня. Это будет означать правильный прогноз для банка-банкрота. Для банка, лицензия которого не будет отозвана в ближайшее время, в течение последних 12 месяцев значение генерального индекса надежности может опускаться ниже критического уровня только при наличии серьезных проблем. Наличие таких проблем должно проверяться экспертным путем, т.е. после получения негативного прогноза (уровень К ниже критического) необходимо проверить, действительно ли у

банка по отдельным показателям наблюдается негативная тенденция или

признаки нестабильности.

Критический уровень Л определяется как:

После его расчета определяется уровень предупреждения, показывающий значения Д, при которых можно утверждать о достаточно хорошем финансовом состоянии коммерческого банка. При этом в качестве значений индикаторов рассматривается минимальное значение каждого из них, при котором можно говорить об удовлетворительном финансовом состоянии банка:

Построение генерального индекса надежности означает построение модели, описывающей зависимость финансового состояния КБ от его ретроспективных показателей. Для того, чтобы убедиться в этом, проводится анализ ошибок и доказывается, что последние не дают основания считать качество результатов неудовлетворительным. Для подтверждения этого приводятся результаты сравнения эффективности разработанного динамического метода анализа с некоторыми известными статическими методами. Сравнение показывает, что разработанный метод имеет значительное превосходство перед стандартными статическими методами анализа при определении финансовой устойчивости банка.

В приложении приведен текст программ, позволяющих получать данные из сети Интернет и анализировать финансовую устойчивость любого банка, применяя разработанные в диссертационном исследовании методы.

Фактические результаты применения метода динамического анализа оказались следующими: из 49 банков, лицензии которых были отозваны с

января 2000 по январь 2003 года, только 7 банков не были обнаружены с помощью предложенной модели. При этом было обнаружено, что в 5 из этих 7 случаев, банкротство произошло в течение отчетного периода и его причиной явились факторы, связанные с управленческой деятельностью руководства, которые не могли быть определены на основании официальной финансовой отчетности. Кроме того, для 4-х из 7 банков специалисты в области финансового анализа (Standard&Poor's, Центральный Банк Российской Федерации, «Клуб банковских аналитиков») также не могли определить надежность этих банков заблаговременно. Таким образом, реально наблюдается лишь 2 ошибки для множества из 49 банков, которые относятся к непосредственному применению модели.

С другой стороны, для действующих в настоящее время банков был проведен анализ с применением рассматриваемой модели. Результаты анализа показали, что только 805 кредитных организаций из 1332 действующих в России на 1.09.2003 получили прогнозы «стабильный». Кроме того, даже среди 20 крупнейших российских банков были обнаружены банки, имеющие финансовые проблемы в течение последнего года (с сентября 2002 по август 2003), что только подтверждает актуальность выбранной темы исследования.

По сравнению с другими известными методами анализа финансового состояния КБ аналогичное качество прогноза достигается только за счет привлечения высококлассных экспертов. Результаты, представленные в данной работе, могут быть использованы автономно любым заинтересованным лицом, возможно, даже не имеющим специальных знаний в области финансового анализа или банковской деятельности. Этот результат принципиально достигается благодаря построению скоринговой модели оценки банков -будучи единожды построенной, она выдает высокие результаты без существенных трудозатрат в дальнейшем.

В заключении отражены основные выводы и результаты диссертации, подчеркнута ее практическая значимость.

Основные результаты исследования.

В процессе разработки метода анализа финансового состояния коммерческих банков получены следующие результаты:

1. Сделан вывод (как результат анализа существующих методов АФСКБ) о необходимости рассмотрения значений финансовых показателей КБ в динамике, что позволит перейти от ретроспективного характера получаемых результатов к применению прогнозных моделей и возможности нахождения генерального индекса надежности R, характеризующего финансовое состояние банка в будущем.

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

3. Разработана методика построения скоринговых моделей, которая, помимо АФСКБ, применима для решения большого спектра задач -например, для оценки заемщика при принятии решения о предоставлении кредита, при проведении социологических исследований, для повышения урожайности и т.д.

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

5. Предложен двухуровневый метод АФСКБ: первый уровень соответствует построению экспертной оценки на основании экспертных мнений и дальнейшей их формализации и модификации с помощью математических методов, а на втором уровне производится нелинейное оценивание полученных индикаторов финансовой устойчивости. Благодаря использованию двухуровневого анализа появилась возможность использовать методы, являющиеся внешними по

отношению к объекту исследования — мнения экспертов, таким способом повышая качество прогноза.

6. Результатом исследования стала разработка математической модели, описывающей зависимость финансового состояния КБ в ближайшем будущем от ретроспективных значений финансовых показателей. Параметры модели были подобраны на основании финансовых показателей банков, входящих в обучающее множество. В дальнейшем значения были проверены на тестовом множестве. На множестве всех банков, действующих на территории РФ, было подтверждено высокое качество прогноза.

Основные результаты диссертации опубликованы в работах:

1. Капустин С. Гарантирование вкладов: проблемы и перспективы // Сборник научных статей. Выпуск 4 /-МЭСИ, 2002. С. 47-61

2. Капустин С.Н. Методика оценки деятельности коммерческого банка в сети Интернет // Сборник научных статей. Выпуск 3 /- М.: МЭСИ, 2002. С. 51-58

3. Капустин С.Н. Надежды вкладчиков питают // Банковское обозрение. -2002. -№4.- С. 36-39

4. Капустин С.Н. Новые возможности интернет - банкинга // Оперативное управление и стратегический менеджмент в коммерческом банке. - 2002. №4.-С. 112-114

5. Капустин С.Н. Реальный продукт для виртуальных клиентов // Расчеты и операционная работа в коммерческом банке. - 2002. - №9. - С. 85-87

6. Капустин С.Н. Реинжиниринг финансовых бизнес-процессов компаний, имеющих обширную сеть подразделений // 6-я научно-практическая конференция "Реинжиниринг бизнес-процессов на основе современных информационных технологий. Системы управления знаниями": Сборник научных трудов / МЭСИ - М., 2002. С. 196-199

7. Капустин С.Н. Формализация экспертных мнений в области оценки финансового состояния коммерческого банка // Сборник научных статей/-М. Компания Спутник+, 2003. - С. 32-37

8. Капустин С.Н. Надежен ли Ваш банк? // Финансы и кредит. 2003. - №24. С. 18-23

9. Капустин С.Н. Организация мониторинга финансовой устойчивости банков-контрагентов // Финансы и кредит. 2004. - №3. С. 20-23.

Ю.Капустин С.Н. Дистанционная оценка финансового состояния коммерческих банков // 7-я научно-практическая конференция "Реинжиниринг бизнес-процессов на основе современных информационных технологий. Системы управления знаниями": Сборник научных трудов / МЭСИ - М., 2004. С. 135-139

Сдано в печать 18 августа 2004г. Заказ № 460. Тираж 100 экз. Отпечатано: ООО «Спринт-Принт" г. Москва, ул. Краснобогатырская, 92 тел.: 963-41-11,964-31-39

04- 14757

Диссертация: содержание автор диссертационного исследования: кандидата экономических наук, Капустин, Сергей Николаевич

ВВЕДЕНИЕ.

ГЛАВА 1. ЭКОНОМИЧЕСКИЙ АНАЛИЗ ФИНАНСОВОГО СОСТОЯНИЯ КОММЕРЧЕСКОГО БАНКА.

§1. Анализ финансового состояния КБ для его включения в систему страхования вкладов.

§2. Сравнение методов формального и неформального анализа деятельности КБ.

§3. Эффективность скоринговых моделей, описывающих устойчивость КБ.

ГЛАВА 2. МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ УСТОЙЧИВОСТИ КОММЕРЧЕСКИХ БАНКОВ.

§1. Классификация банков-банкротов.

§2. Требования к методике АФСКБ.

§3. Разработка модели динамического анализа финансового состояния КБ.

ГЛАВА 3. ОЦЕНКА РЕЗУЛЬТАТОВ И ПРАКТИЧЕСКОЙ ЗНАЧИМОСТИ РАЗРАБОТАННОЙ МОДЕЛИ.

§1. Разработка скорингового алгоритма определения устойчивости КБ.

§2. Проверка эффективности скоринга на действующих банках.

§3. Области применения разработанной методики.

Диссертация: введение по экономике, на тему "Анализ и моделирование факторов устойчивости коммерческих банков"

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Диссертация: заключение по теме "Математические и инструментальные методы экономики", Капустин, Сергей Николаевич

Заключение

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

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

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

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

При разработке методики АФСКБ были получены следующие основные результаты:

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

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

3. Разработана методика построения скоринговых моделей, которая помимо j

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

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

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

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

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