Математические методы оценки надежности коммерческого банка тема диссертации по экономике, полный текст автореферата

Ученая степень
кандидата экономических наук
Автор
Буздалин, Алексей Владимирович
Место защиты
Москва
Год
2005
Шифр ВАК РФ
08.00.13

Автореферат диссертации по теме "Математические методы оценки надежности коммерческого банка"

На правах рукописи

I

/

Буздалин Алексей Владимирович

, МАТЕМАТИЧЕСКИЕ МЕТОДЫ ОЦЕНКИ НАДЕЖНОСТИ

КОММЕРЧЕСКОГО БАНКА

Специальность 08.00.13 - математические и инструментальные метода экономики

Автореферат диссертации на соискание ученой степени кандидата экономических наук

Москва-2005

Работа выполнена на кафедре «Математические методы анализа экономики» экономического факультета Московского Государственного Университета им. М.В. Ломоносова.

Научные руководители:

доктор экономических наук, профессор Черемных Ю.Н.

кандидат физ.-мат. наук, доцент Чепурин Е.В.

Официальные оппоненты:

Ведущая организация:

доктор экономических наук, профессор Бабешко Л.О.

кандидат экономических наук, Замковой С.В.

Московский государственный университет экономики, статистики и информатики

Защита состоится 27 октября 2005 года в 16 часов 30 мин. на заседании диссертационного совета Д 501.001.35 в Московском Государственном Университете им. М.В. Ломоносова по адресу: 119992, Москва, ГСП-2, Ленинские горы, МГУ им. М.В. Ломоносова, 2-й учебный корпус, экономический факультет, аудитория № 1.

С диссертацией можно ознакомиться в читальном зале Научной библиотеки им. А.М. Горького МГУ им. М.В. Ломоносова (2-й учебный корпус).

Автореферат разослан «_» сентября 2005 г.

Ученый секретарь диссертационного совета к.э.н., доцент

Е.А. Туманова

19055:

Общая характеристика работы

Актуальность темы исследования

В условиях становления в России рыночной экономики банковский сектор приобретает все большую значимость в системе экономических отношений. Так, если на заре реформ банки зачастую служили целям обогащения финансовых элит и концентрировали внимание, прежде всего, на проведении спекулятивных операций с инструментами финансового рынка, то на нынешнем историческом витке российские банки повернулись лицом к актуальным задачам, решения которых ждет от них российская экономика, находящаяся в начале стадии роста.

Вместе с тем существенным препятствием формированию цивилизованной банковской системы в России является проблема недоверия к существующим кредитным институтам как со стороны населения, так и со стороны большинства хозяйствующих субъектов. В связи с чем большинство экономистов указывают на необходимость повышения открытости банковской системы и формирования адекватного и доступного инструментария оценки банковских рисков.

То богатое разнообразие различных методов и подходов, которые были предложены отечественными и зарубежными авторами для анализа и оценки надежности коммерческих банков свидетельствует о важности данной задачи. Однако, практическое применение существующего мирового опыта (особенно с учетом российских реалий) наталкивается на ряд проблем.

Во-первых, оценка надежности банка в контексте конкретной прикладной задачи требует выбора оптимального инструментария, что не возможно без унификации и классификации существующих разрозненных методов на основе единой теоретической концепции, подразумевающей четкое определение понятия надежности банка. Во-вторых, как правило, за рамками исследований остается вопрос соответствия методик контексту быстро меняющихся условий экономической среды, что особенно актуально для реформируемой российской экономики. В-третьих, существующие методики ориентированы в большей части на обнаружение и констатацию текущих проблем у банков и не выполняют важного прогнозного предназначения. И, наконец, в-четвертых, не уделяется должного внимания зависимости надежности отдельных банков от финансовой устойчивости банковской системы как единого целого.

Решение данных проблем требует использования методов экономико-математического моделирования надежности банков. В связи с вышесказанным тема

диссертации является актуальной.

Степень разработанности темы

Классический подход к анализу надежности коммерческих банков заключается в конструировании и расчете различных показателей финансового состояния банков на основе данных его финансовой отчетности, которые позволяют получить представление об основных аспектах деятельности банка. Итоговые результаты такого анализа имеют словесно-описательную форму. Данному направлению анализу надежности банка посвящены работы Пановой Г.С., Лаврупгина О.И., Шеремета А.Д., Ширииской З.Г., Фетисова Г.Г., Иванова В.В., Томаевой З.Т., Белых Л.П., Амелина И.Э., Царькова ВА.

Международной практикой анализа надежности банка стало использование различных жспфгных рейтингов, в частности разработанных специалистами ведущих рейтинговых швнюв (Standard & Poor's, Moody's, FITCH), а также банковскими регулятора»® в США (методика CAMEL). Данному направлению анализа бантов посвящены работы отечественных авторов: Фаррахова И.Т., Мамонова И.Д., Новикова ВВ.

Важную группу методов анализа надежности банков составляют подходы, основанные на различных алгоритмах дискриминанантого анализа, которые были исследованы в работах Альтмана, Таффлера, Кумара, Чессера, Холдмэна, Нараянана, Марэ, Паттелла, Вольфсона, Фридмэна, Као, Бухштабера В.М., Оводова И.Г., Шевченко C H., Шумвейя, Пересещсого A.A., Карминского A.M.

В последнее время особенно популярными стали модели оценки надежности банков, основанные на теории Марковских процессов. Работы Альтмана, Као и специалистов рейтингового агентства Standard & Poor's.

Существенную теоретическую и практическую ценность представляют опционные и структурные модели оценки надежности банков, предложенные Мертоном, Шумве-ем, Ивлиевым C.B., Колодочкиным A.B., Кузнецовым К.Б., а также сотрудниками корпорации KMV.

Особый интерес представляет методика оценки совокупного кредитного риска ссудного портфеля CreditRisk+ (авторские права CSFB), где в качестве показателя надежности (в том числе банков) предлагалось использовать случайную вероятность дефолта. В данной методике была предпринят первая попытка преодоления проблем, связанных с получением оценок долгосрочной надежности банков.

Необходимо подчеркнуть, что исследуемая в диссертации задача оценки надежности коммерческого банка не имеет прямого отношения к известной математической теории надежности сложных технических систем.

Цель н задачи исследования

Целью диссертации является создание экономико-математического инструментария оценки надежности коммерческих банков.

В соответствии с целью в работе были поставлены следующие задачи:

- математически формализовать понятие надежности банка;

- разработать методику экспресс-оценки надежности коммерческих банков в краткосрочной перспективе;

- оценить влияние изменений экономической среды функционирования банков на особенности оценки их надежности;

- построить модель зависимости надежности банков в краткосрочной перспективе от особенностей структуры банковской системы;

- разработать модель оценки надежности банков в долгосрочной перспективе и типо-логизации банковской системы по формам обеспечения финансовой устойчивости;

- разработать метод определения значимости банка в структуре банковской системы.

- выработать рекомендации по изменению существующих нормативных критериев оценки надежности банков в целях повышения эффективности банковского надзора.

Объект и предмет исследования

Объектом исследования является банковская система России. Предмет исследования - надежность банка. Здесь и везде далее по тексту, там, где это не оговаривается особым образом, под банком понимается российский коммерческий банк без уточнения его соответствия конкретным финансовым институтам.

Теоретической и методологической основой исследования явились труды отечественных и зарубежных авторов в области экономико-математического моделирования финансовой сферы и анализа финансового состояния коммерческих банков, теории вероятностей и математической статистики, теории многокритериальной оптимизации, материалы научных конференций, семинаров и совещаний по изучаемой проблематике. Широко были использованы данные о применении экономико-математических моделей при анализе банковских систем и коммерческих банков как в исследовательских подразделениях международных организаций - в Базельском комитете по банковскому надзору, Международном Валютном Фонде, ведущих мировых рейтинговых агентств (Standard & Poor's, Moody's, FITCH), крупных иностранных банках (JP Morgan Chase), международных общественных ассоциаций риск-менеджеров (Global Association of Risk Professionals, Professional Risk Managers' International Association), так и в отечественных научных организациях - в МГУ им. М.В. Ломоносова, ИПУ РАН, ИМЭМО РАН, Центре банковского анализа ЦЭМИ РАН, ГУ - Высшей школы

экономики, НИИ Байка России, Российской экономической школе, Академии народного хозяйства при правительстве РФ, Финансовой академии при Правительстве РФ, Российской экономической академии им. Г.В. Плеханова

Информационной базой исследования послужили официальные данные, публикуемые в изданиях Центрального банка РФ, Государственного комитета РФ по статистике, материалах информационных агентств, отражающие состояния банковской системы и экономики. В диссертации были использованы ежемесячные данные финансовой отчетности всех коммерческих банков г. Москвы с 1995 г. по 2001 г.

Обработка статистической информации проводилась с использованием программ: «Statistica», «SPSS», «Эвриста» Центра статистических исследований МГУ им. М.В. Ломоносова, стандартных средств анализа данных «MS Office», а также с помощью специально созданных собственных программных разработок.

Научная новизна работы

Научная новизна диссертации заключается в следующем.

1. С применением байесовского подхода к анализу информации формализовано понятие «текущая надежность банка» как вероятность выполнения банком определенного комплекса требований при условии наличия о нем доступной информации. Предложены определения текущей надежности коммерческого банка с точки зрения Центрального банка, других коммерческих банков, населения и прочих кредиторов.

2. Разработана методика экспресс-оценки текущей надежности коммерческого банка на основе модели байесовской классификации биноминальных распределений, в которой результат оценки надежности банка представляется как функция соответствия ключевых показателей деятельности банка предлагаемой системе нормативов, что позволяет в отличие от методик Альтмана, Таффлера, Као помимо итоговой оценки надежности банка указать на конкретные достоинства и недостатки в деятельности банка, определивших значение итогового результата.

3. С использованием методов непараметрической статистики из финансовой отчетности (агрегированные балансовый отчет и отчет о прибыли и убытках) коммерческих банков за период 1999-2001 гг. выявлен набор из 17 основных показателей деятельности банка, оказывающих наиболее существенное влияние на уровень их надежности. На основе оригинальной математической реализации критерия однородности Неймана-Пирсона найдены области допустимых значений 17 основных показателей надежности банков. Путем использования методов дискриминашного анализа оценены весовые коэффициенты основных показателей текущей надежности банков. Данный результат может использоваться при совершенствовании нормативной базы банковского надзора.

4. Разработана модель текущей надежности банка с использованием методов многомерного факторного анализа, учитывающая структурные особенности банковской системы. Статистически подтверждена неоднородность структуры банковской системы России. Выявлено, что кластеризация банковской систолы базируется на показателях совокупной величины, рентабельности и объема ключевых высокорисковых активов коммерческих банков.

5. За период 1998-1999гг. рассчитаны весовые коэффициенты и допустимые границы основных показателей текущей надежности банков с использованием методов непараметрической статистики, что позволило количественно оценить характер влияния кризисного изменения экономической среды функционирования банков на особенности оценки их надежности.

6. Статистически установлена важность величины банка при определении его надежности, по результатам чего на основе эмпирического анализа банковской системы проведена классификация коммерческих банков по объему их совокупных активов, что соответствует качественному составу клиентской базы банков.

7. Предложена модель оценки надежности банков в долгосрочной перспективе с использованием методов многокритериальной оптимизации. Данный подход позволил получить более информационно содержательные выводы, нежели единственная существующая альтернативная концепция оценки кредитных рисков в долгосрочной перспективе, реализованная в модели СгаШШзк+. Выявлено, что соотношения долгосрочных надежностей банков представляют собой порядковое отношение на совокупности показателей банковских рисков, задаваемое логическим полиномом, который определяет типологизацию банковской системы по формам обеспечения финансовой устойчивости. Обосновано, что долгосрочные надежности некоторых банков могут быть несопоставимы, а также то, что такой анализ не может проводиться в отрыве от общего структурного анализа банковской системы.

8. Разработана методика определения значимости банка в общей структуре банковского сообщества, что является ключевым понятием при определении общей устойчивости банковской системы. При построении показателей значимости банка использовались методы многокритериальной оптимизации и факторного анализа.

Теоретическая и практическая значимость

Теоретическая значимость работы заключается в математической формализации ключевых понятий, связанных с определением надежности коммерческих банков. Теоретически значимо предложенное автором диссертации разграничение определения надежности банка в краткосрочной и долгосрочной перспективах, что находит отраже-

ние в различных формах и свойствах оценок надежности, а также математических методах их получения. Разработаны экономико-математические модели анализа надежности коммерческих банков, отвечающие ключевым проблемам методологии банковского анализа и обладающие высокой прогнозной полезностью.

Практическая значимость работы заключается в возможности использования разработанных моделей для оценки надежности отдельных банков, при анализе устойчивости банковской системы и определении основных тенденций ее развитии. Полученные результаты могут быть использованы в учебных процессах при подготовке специалистов в областях экономико-математического моделирования, банковского дела и риск-менеджмента. Отдельные результаты могут найти отражение в нормативной базе банковского надзора.

Созданный инструментарий используется как в работе государственных органов управления (Центральный банк РФ, КГ Агентство по страхованию вкладов), так и коммерческих структур на этапе подготовки и принятия управленческих решений. Разработанные методики оценки надежности банков обсуждались Комитетом банковского надзора ГУ Центрального Банка РФ по г.Москве, где получили одобрение.

Апробация работы

Основные положения работы докладывались на семинаре "Управление финансовыми рисками и страхование" под эгидой РЯМ1А и ГУ - Высшей школы экономики (январь 2005г., апрель 2003г.), семинаре «Динамические модели экономики» кафедры «Математические методы анализа экономики» Экономического факультета МГУ им. М.В. Ломоносова (октябрь 2004г., апрель 2003г.), семинаре «Анализ и прогноз финансовых рынков» ИМЭМО РАН (февраль 2004г., октябрь 2003г.), семинаре «Экспертные оценки и анализ данных» ИПУ РАН (декабрь 2004г., февраль 1999г.), Научной конференции "Моделирование и анализ безопасности и риска в сложных системах", (г. С.Петербург июнь 2004г.), XXXI Международной конференции "Информационные технологии в науке, образовании, телекоммуникации и бизнесе" (г.Ялта, сентябрь 2004г.), где получили положительную оценку специалистов.

Публикации

Основные положения диссертации изложены в 7 опубликованных статьях общим объемом 3,5 пл. (3,5 пл.- лично).

Структур« днссер~1*цнн

Работа объемом_стр. состоит из введения, четырех глав, заключения, списка

используемой литературы и приложений, содержащих результаты статистической обработки данных.

Оглавление диссертация

Введение

Глава 1. КОНЦЕПЦИЯ ТЕКУЩЕЙ НАДЕЖНОСТИ БАНКА

1.1. Текущая надежность банка как мера субъективной уверенности эксперта

1.2. Значимые факторы текущей надежности банка

1.3. Эмпирические нормативы текущей надежности банка

1.4. Экспресс-оценка текущей надежности банка

Глава 2. МЕТОДЫ И РЕЗУЛЬТАТЫ АНАЛИЗА ТЕКУЩЕЙ НАДЕЖНОСТИ БАНКА

2.1. Статистическая модель базовой структуры баланса банка

2.2. Методы оценки текущей надежности банка на основе структуры баланса

2.3. Динамика факторов текущей надежности банка

2.4. Зависимость текущей надежности банка от его величины Глава 3. КОНЦЕПЦИЯ ДОЛГОСРОЧНОЙ НАДЕЖНОСТИ БАНКА

3.1. Долгосрочная надежность банка как результат анализа рисков банковской системы

3.2. Модель экспертного анализа значимости нормативов долгосрочной надежности

3.3. Свойства долгосрочной надежности банка

3.4. Отличительные особенности текущей и долгосрочной надежности банка

Глава 4. МЕТОДЫ И РЕЗУЛЬТАТЫ АНАЛИЗА ДОЛГОСРОЧНОЙ НАДЕЖНОСТИ БАНКА

4.1. Инструментарий порядковых отношений долгосрочной надежности банка

4.2. Модель долгосрочной надежности банка

4.3. Методы построения рейтинга долгосрочной надежности банка

4.4. Оценка значимости банка Основные результаты и выводы работы Список использованной литературы Приложения

Основные положения диссертации Во введения обоснована актуальность выбранной темы, сформулированы цель и задачи исследования, определены научная новизна, теоретическая и практическая значимость работы.

Глав» 1. Концепция текущей надежности банка

Автором диссертации впервые предложен универсальный подход, позволяющий увязать в единой концепции различные существующие методы оценки надежности банков в краткосрочном периоде. Так, предлагается считать эквивалентными понятия «текущая надежность банка» и «вероятность быть надежным». Банк является надежным, если его работа на протяжения некоторого промежутка времени удовлетворяет определенным критериям. В противном случае банк будем именовать ненадежным. Выбор критериев и временного промежутка наблюдения субъективен и зависит от тре-

боваяий, которые предъявляются к банку лицом, проводящим анализ, что должно быть разумным и адекватно соответствовать контексту конкретной задачи оценки надежности банка. В диссертации проработаны и конкретизированы основные теоретические конструкции, необходимые для построения модели оценки текущей надежности банков с позиций банковского регулятора в лице Банка России, частных вкладчиков, контрагентов банков по рынку межбанковского кредитования.

Установлено, что для Центрального Банка как для основного регулирующего органа банковской системы наибольший интерес представляет вопрос о необходимости корректирующего вмешательства в работу того или иного коммерческого банка. Если банк функционирует, обеспечивая достаточную финансовую устойчивость, то необходимость такого вмешательства отсутствует, иначе ЦБ вынужден вмешаться и принять конкретные меры вплоть до отзыва лицензии. Критериями надежного банка будет отсутствие необходимости Центральному Банку вмешиваться в его работу, а временным промежутком - один год (средний период между комплексными проверками банка).

Надежностью банка в рамках предлагаемой автором концепции является вероятность быть надежным при условии наличия о банке определенной информации П. Обозначим такую величину, как р(о) = Р^анк надежеи\ п}.

Надежность банка величина, зависящая от имеющейся у субъекта, проводящего анализ, информации. Следовательно, надежность банка величина субъективная. С каждой субъективной надежностью неразрывно связано классификационное правило, разделяющее банки на условно «надежные» и условно «ненадежные». Так, в соответствии с принятыми в математической статистике принципами, если />(й)>50%, то банк должен быть отнесен к классу надежных, если же р(С1) ¿50%, его необходимо отнести к классу ненадежных. Характеристиками точности классификационного правила являются вероятности совершения ложной классификации (ошибки первого и второго родов), которые есть объективные показатели сопоставления точностей субъективных надежностей, а значит, всегда существует возможность сравнить точности различных методов оценки надежности банков.

Под методикой анализа (т) банка предлагается понимать совокупность правил, действуя в соответствии с которыми, из общего объема информации (о) о состоянии банка выделяется часть (т(о)) в форме, удобной для осмысления и принятия решений. Тем самым автором дается общее определение методики анализа надежности банка. Хорошими методиками, естественно, считать те, для которых величины р(т(о)) и

/>(п) близки.

Использование байесовского подхода в определении надежности банка наиболее естественно. Анализ банка, как правило, производится в целях некоторой его классификации по группам риска, для принятия управленческих решений. При этом байесовский подход в классификациях является общепризнанным.

Автором диссертации в рамках предложенной общей концепции оценки текущей надежности банка разработана методика экспресс-анализа финансовой устойчивости коммерческих банков, которая заключается в получении информации о соответствии его деятельности определенному комплексу нормативов, и расчету относительно такой информации вероятности его благополучного состояния.

Действие методики экспресс-анализа финансовой устойчивости коммерческих банков заключается в получении информации о соответствии его деятельности определенному комплексу нормативов, и расчету относительно такой информации вероятности его благополучного состояния.

Экспресс-оценка банка является самонастраивающейся методикой. Построение модели экспресс-оценки производится в три этапа. На первом - определяется набор значимых характеристик работы банков. На втором - происходит оценка пороговых границ для значимых характеристик. На третьем - оцениваются весовые коэффициенты модели.

Таблица 1. Пороговые границы показателей надежности (на 01.01,1999г.)

№ Характеристика Нижняя допуст гранита Верхняя допуст Гранина

1 Нормам достаточности юнттава (Н1) 40%

2 Норматив мгновенное ликвидности (Н2) 154

3 Норшпяв текущей ляквиовости (НЗ) 75%

4 Норматив долгосрочной ликвидности (Н4) Ш

5 Норматив общей лнквшоюсти Ш5) 35%

Маю ряшее тежлпя 1 заемщика (116) им

7 Макс размео крупных кредитных рисков (Н7) 1Ш

< Макс размер юскж на 1 кредитом (Н8) 25%

Ф Обеспеченное!* сета резервами ЮН

10 Рентабельность попала

11 Ссудная зад олженность в активах 854

12 Даш обязательств в пассивах 80%

13 Чисти прибыль > пассию ш

14 Доля сомниг и безнал ссуд в ссуда, задолженности 10У.

15 Государственные долговые обсотельста (тыс. ¡М>) 12 000таю. руб

16 Вклада физических лиц (тыс руб) 41000 тис руб

17 бсего собственных срока (тс. руб.) 6 500 тыс. руб

Этап 1. Исходными статистическими данными д тя настройки методики стали значения общего набора числовых характеристик работы банков (баланс, отчет о прибылях и убытках, обязательные банковские нормативы) и обучающая классификация банков на условно «надежные» и «ненадежные». В качестве такой классификации использовались группы надежности банков1, являющиеся одним из основных факторов

1 Определение группы надежности банка регламентируется Указанием ЦБ РФ №766-У от 31.03.2000г. (в предыдущей редакции письмо ЦБ РФ №457 от 28.05.97г.)

принятая решений о необходимости регулирующего вмешательства ЦБ.

Для выявления значимых характеристик необходимо составить общий перечень банковских показателей, каждый их которых проверяется на значимость. Для отдельного показателя составляются две выборки его значений для «надежных» и «ненадежных» банков. В случае значимости характеристики, эти выборки должны иметь различные статистические распределения. Для проверки однородности распределений использовался критерий Колмогорова-Смирнова. На основе проведенных расчетов из общей совокупности 129 показателей автором диссертации был выделен набор2 из 17 слабо коррелированных значимых характеристик (таблица 1).

Этап 2. Метод оценки пороговых значений основывается на результатах леммы Неймана-Пирсона. Если значение характеристики лежит в пределах пороговых значений, то вероятность того, что банк окажется надежным, должна превышать вероятность оказаться ненадежным.

График 1. Пример функции для показателя «доля обязательств в пассивах»

Для получения численных оценок пороговых значений банковских нормативов автором диссертации впервые предлагается особый подход, базирующийся на сопоставительном анализе эмпирических функций распределений. Так, на основе эмпирических функций распределения исследуемого показателя совокупности «надежных» (^(г)) и «ненадежных» ((г)) банков строится специальная функция Р1(г)-Р2(г). Такая функция очень «зигзагообразна» (график 1), но если ее сгладить, то для полученной сглаженной функции выделятся области монотонного роста и монотонного падения. Область монотонного роста является областью допустимых значений характеристики, т.е данные значения финансового показателя определяют достаточный уровень финансовой устойчивости банка. Полученные в результате проведенных оценок эмпирические пороговые границы (таблица 1) могут использоваться при совершенствовании нормативной базы банковского надеора путем уточнения существующих и выра-

2 В основе построения набора ключевых показателей финансовой устойчивости банков были положены результаты работ отечественных авторе»: Пановой Г.С., Лаврупшна О.И., Иванова В.В., Фетисова И.Т., Щиривской З.Г., Шеремета А.Д., Щербаковой Г.Н. и др.

ботки новых требований к значениям финансовых показателей деятельности банков. Для большинства действующих нормативов ЦБ эмпирические пороги оказались завышенными, и только для двух нормативов (116, Н8) они совпали (таблица 1).

Этап 3. Состояние каждого банка в рамках предлагаемой модели экспресс-опенки характеризует набор бинарных характеристик s - (s,, j2,.где s, принимают значения 1, если соответствующий эмпирический норматив (таблица 1) выполнен, и 0 - иначе. Например, если для банка норматив достаточности капитала (Н1 в таблице 1) примет значение свыше 40%, то соответствующий ему бинарный признак s, будет равен 1, иначе - 0. При этом вероятность (p(s)) того, что банк является надежным при условии наличия о нем информации s, является экспресс-оценкой его надежности. В соответствии с формулой Байеса должно выполняться соотношение

, . ^ рв ,p{s \банк ненадеженf 1 Рс P\s \банк надежен} J

Ра и Рв - это вероятности того, что банк, при отсутствии о нем какой-либо информации, является надежным и ненадежным соответственно. Если априори известно соотношение («j/n, ) надежных и ненадежных банков, то PB¡Pa - п2/п,, иначе предполагается Pg/Pg =1.

р{г [банк надежен} (р{s \банк ненадежен}) - это вероятность того, что для априори надежного (ненадежного) банка будет получена информация s. Определение значений этих вероятностей связано со статистической природой информации. Величины бинарных характеристик s, можно считать независимыми. При принятии этого допущения математически доказывается, что

^) = (l + exp{A „+!})-', (1) - ..........

b¡ - вероятность события s, = 1 для «плохих» банков, a g, - вероятность события s¡ = 1 для «хороших». Величина L является взвешенной суммой бинарных характеристик. В соответствии с приведенными формулами были получены оценки весовых коэффициентов модели. Важно отметить, что определение весов Я, не требует волюнтаризма, что является преимуществом предлагаемой автором диссертации модели (1). Тем самым весовые коэффициенты интегрального показателя текущей надежности банка рассчитываются как коэффициенты дискриминирующей функции в рамках зада-

чи байесовской классификации биноминальных распределений. Для осуществления необходимых расчетов автором диссертации была разработано специальное программное обеспечение, предполагающее получение и оперативную обработку информации из банковских баз данных.

Таким образом, в рамках предложенной автором диссертации универсальной концепции оценки текущей надежности банка была создана модель экспресс-оценки надежности, обладающая рядом отличительных качеств: 1) простота использования; 2) высокая точность результатов; 3) возможность вербальной интерпретации итоговой оценки; 4) использование только статистических алгоритмов настройки модели.

Глава 2. Методы и результаты анализа текущей надежности банка

Автором диссертации предлагается для оценки текущей надежности банков, когда контекст задачи не накладывает жестких временных ограничений, использовать не только экспресс-модель, но и уточняющий результаты анализ информации о структурных соотношениях российской банковской системы, основанный на методах многомерного факторного анализа.

В качестве данных для факторного анализа диссертации использовались Агрегированные балансовые отчеты (Инструкция ЦБ РФ №17 от 1.10.97г.) всех коммерческих банков г. Москвы. В результате проведенного в диссертации анализа было установлено, что статьи баланса имеют статистическое распределение, близкое к лотнормально-му. Также было определено, что из 35-ти статей агрегированного баланса, можно ограничиться рассмотрением только 18-ти, так как некоторые статьи или явным образом выражаются через другие или заведомо не несут существенной информации.

Предлагаемая в диссертации модель факторного анализа имеет следующий вид.

Пусть Х1,Х2.....Хи переменные, полученные логарифмированием и стандартизацией

статей Агрегированного балансового отчета. Под факторами понимаются такие новые независимые параметры ^.^..„.^.что

X, = ал % + ап/"2 +...+«„Л + , /= 1,...,18, где е1 специфичность /-ой переменной, не объясняемая изменением факторов. Коэффициенты а^ называются факторными нагрузками. Определение числа факторов вг=3, осуществляется путем сопоставления объясненной первыми 1 факторами дисперсии с общей дисперсией. Так, установлено, что первых трех факторов достаточно для описания 71% всей дисперсии (первый фактор описывает 59%, второй- 7%, третий - 5%).

Первый фактор характеризует величину банка, второй - его рентабельность, третий - объемы вложений банка с ключевой высокорисковый актив. До кризиса 17 августа 1998г. третий фактор был связан с рынком ГКО-ОФЗ, а после стал отражать качество банковских ссуд реальному сектору экономики.

Предложенная автором диссертации модель позволяет получить визуальное представление о структуре надежности банковской системы. Каждому банку ставится в соответствие точка в трехмерном пространстве, с координатами-факторами. Совокупность банков объективно разбивается на кластеры (график 2), данный результат получен впервые. Если на графике особо отметить разорившиеся впоследствии банки (жирные точки), то можно заметить, что существуют кластеры, где такие банки полностью отсутствуют или наоборот, фактически целиком из них состоят. Факт существования данной кластеризации банковской системы обусловлен различиями в формах ведения банковского бизнеса, что существенным образом связано с величиной банков и находит отражение в уровне рентабельности, структуре активов и величине рисков. В частности, высокая концентрация разорившихся банков в «северо-западной» области грен фика объясняется тем, что значения координат-факторов в этой области соответствуют малым банкам с низкой рентабельностью и высоким уровнем финансовых рисков.

Близость значений базовых факторов банка к значениям факторов большого числа неблагополучных банков должно расцениваться как признак банкротства. Исходя из данных соображений, оценки надежностей банков в соответствии с предложенной моделью получаются следующим образом. Вокруг точки банка, чья надежность оценивается, берется небольшой шар радиуса г и вычисляется внутри него число «хороших» и «плохих» точек (т н п). Оценкой текущей надежности банка является отношение рТ = т/(т + п), которое является непараметрической оценкой вероятности оказаться банку надежным при условия наличии о нем информации характеризую-

щей структуру его Агрегированного балансового отчета.

Коллапс 1998г. нанес тяжелейший удар по российской банковской системе. Методы эконометрики позволяют оценить особенности влияния кризиса на функционирование банковской системы путем анализа динамики факторов банковской надежности.

Была рассмотрена динамика пороговых величин и значимостей (критерия Колмо-

График 2. Структурные соотношения банковской системы

Factor!

Faciei

1

горова-Смирнова) за годовой период с 01.06. 98г. по 01.05.99г. эмпирических нормативов, основанных на следующих банковских характеристиках: 1) доля обязательств в пассивах; 2) объем собственных средств; 3) доля чистой прибыли в пассивах; 4) доля гособязательств в пассивах; 5) объем гособязательств; 6) доля вкладов населения в пассивах; 7) объем вкладов населения; 8) обеспеченность ссуд резервами; 9) доля ссудной задолженности в активах.

Полученные автором диссертации результаты впервые позволили количественно оценить характер изменений во влиянии различных показателей банковской деятельности на надежность коммерческих банков в ситуации масштабного финансового кризиса 1998г. В частности были получены следующие выводы: значимость показателя достаточности капитала банка после 17 августа существенно возросла; рентабельность в условиях кризиса является главным индикатором надежности; дефолт государства на рынке ГКО стал ключевым источником дестабилизации банковской системы; результаты паники частных вкладчиков отрицательно сказывались на надежности банков вплоть до апреля 1999г., после чего работать с населением вновь стало выгодно; в результате кризиса резко ухудшилось качество кредитных портфелей банков.

Важным фактором надежности банка является его размер. Поэтому особенно интересно исследовать эмпирический норматив, основанный на суммарной величине активов. Анализ графика функция G(z) на 01.0б.98г., используемой для определения пороговых границ финансовых показателей деятельности банка в модели экспресс-оценки, позволяет разбить банковскую систему на три класса: активы меньше 36 000 тыс. руб. (малые банки «одного клиента»); активы от 36 тыс. руб. до 100 000 тыс. руб. (банки субфедерального уровня); активы свыше 100 000 тыс. руб. (крупнейшие региональные банки и банки федерального уровня).

На основе проведенных в диссертации расчетов было установлено, что в каждом классе банки можно разделить в зависимости от величины активов на условно «надежные» и «ненадежные». Так, банки 1-го класса будут скорее плохими, если величина их активов меньше 16 500 тыс. руб., банки 2-го класса - меньше 43 000 тыс. руб., банки 3-го класса - меньше 180 000 тыс. руб.

Наличие пороговых границ внутри классов объясняется тем, что «ненадежным» банкам, лежащим левее пороговых границ, сложно конкурировать с более крупными на своем микроуровне. Это вновь созданные и еще неразвитые банки, или банки перешедшие из младшего класса и столкнувшиеся с е жесткой конкуренцией, или это банки с ухудшившимся финансовым положением и скатившиеся в область неблагополучных.

Таким образом, автором диссертации была разработана факторная модель оценки

текущей надежности банка и статистически обосновано существование обособленных кластеров банков, отличающихся различными уровнями надежности. Также была предложена методика анализа влияния изменений экономической среды функционирования банков на особенности оценки их надежности.

Глава 3. Концепция долгосрочной надежности банка

Наиболее важной задачей комплексного анализа банковской системы является определение ее долгосрочной надежности, решение которой неразрывно связано с первостепенной для Центрального банка функцией обеспечения стабильности денежно-кредитной системы. В данной диссертации впервые предлагается разделить понятия текущей надежности банка и надежности банка в долгосрочной перспективе, что, по мнению автора, является важным. В определении долгосрочной и текущей надежно-стей банка существуют принципиальные отличия. Текущая надежность определяется прогнозом финансового результата и может быть численно оценена, в частности, с использованием предложенных в диссертации моделей экспресс-оценки и оценки надежности банка на основе структуры баланса.

В долгосрочной перспективе менее надежными будут те банки, которые ведут более рискованный бизнес. Фобы сопоставить долгосрочные риски, необходимо знать, как будет развиваться экономика, что предсказать во всех нюансах невозможно. Значит, не всегда можно сравнить долгосрочные риски и надежности банков. Долгосрочные надежности некоторых банков несопоставимы из-за отсутствия достаточной информации. Следовательно, долгосрочную надежность нельзя выразить числом. Данное свойство долгосрочной надежности впервые было выявлено, обосновано и подтверждено результатами математического моделирования в настоящей диссертации.

Разграничение во временных горизонтах использования концепций текущей и долгосрочной надежностей определяется в зависимости от достаточности информации для получения удовлетворительных по точности оценок текущей надежности банков, что в свою очередь непосредственно зависит от степени стабильности банковской системы и общей экономической среды деятельности банков. Практика показывает, что для российской банковской системы данный рубеж составляет 1 год.

Чтобы определить место банка с позиций долгосрочной надежности в банковской системе, необходимо сравнить надежность данного банка с надежностями всех коммерческих банков. Банки функционируют в единой конкурентной среде, поэтому оценка долгосрочной надежности каждого конкретного банка является результатом анализа банковской системы в целом. В представленной диссертации впервые для дайной закономерности предложена адекватная экономико-математическую модель.

Таблица 2. Основные обязательные нормативы

Пирини Риск

Н1 - норматив достаточности капкшга Несостоятельность банка

Н2 - нирмашв мгновенной ликвидности Потеря ликвидности в течение одного дня

НЗ - норматив текущей ликвидности Потеря ликвидности в течение 30 дней

Н4 - норматив долгосрочной ликвидности Потеря ликвидности в результате размещения средств в долгосрочные активы

Н5 - нормашв общей ликвидности Общий риск потери ликвидности

Нб-мякс размер риска на 1 заемщика Кредитный ряск в отношении одного или группы связанных заемщиков

Н7 - макс размер крупных кредитных рисков Крупные кредитные риски

Н8 - масс размер рискам 1 кредншра Существенная зависимость бвякса от отдельных кредиторов

В качестве числовых показателей банковских рисков для построения модели оценки долгосрочной надежности банка автором диссертации предлагается использовать обязательные нормативы (инструкция №1 ЦБ РФ от 30.04.1991г.), рассчитываемые банками на ежемесячной основе и являющиеся безразмерными (относительными) величинами (см. таблица 2). С каждым нормативом связан определенный риск. Чем более опасен риск, тем значимей влияние норматива на надежность банка.

График 3. Структура доминирования обязательных нормативов

На основе проведенного в работе исследования были впервые получены соотношения значимостей (структура доминирования) нормативов (график 3, стрелки означают превосходство одного норматива над другим) путем проведения экспертного опроса с использованием математического инструментария анализа объектов нечисловой природы. В частности ответы экспертов, полученные в форме матриц попарных сравнений нормативов, проверялись на наличие согласованности методами метрического шкалирования, а затем усреднялись путем нахождения медианы Кемени. В условиях отсутствия общепризнанных программных продуктов для решения данных задач автором диссертации было разработано специальное программное обеспечение.

При оценке текущей надежности некоторых недостатков в работе банка могут компенсироваться более весомыми достоинствами. Например, рискованная игра банка на фондовом рынке может компенсироваться высоким качеством ссудного портфеля.

Превосходство банка по текущей надежности не гарантирует превосходство по долгосрочной надежности. Препятствуют тому проблемы «рентабельности» и «ликвидности». Проблема «рентабельности» подразумевает отсутствие экономической целесообразности, а проблема «ликвидности» - возможности в компенсации недостатков достоинствами при оценке долгосрочной надежности банка.

Так, если некоторое направление работы банка остается долгое время убыточным, то его поддержание за счет более прибыльных направлений бессмысленно, в этом заключается проблема «рентабельности».

Перераспределение средств с одного банковского направления на другое означает

изменение структуры операций банка (проблема «ликвидности»). В большинстве случаев перераспределение активов упирается в проблему их ликвидности и является весьма сложной задачей, особенно в крупном масштабе, необходимом для долгосрочного поддержания убыточного направления. Перераспределение пассивов зачастую просто невозможно.

На данных наблюдениях основывается предложенная в диссертации концепция долгосрочной надежности банков. Прямым следствием проблем ликвидности и рентабельности является то, что выявление наиболее надежного среди двух банков в долгосрочной перспективе должно базироваться на сопоставлении банковских показателей по принципу «больше-меньше» («лучше-хуже»). Данный результат автором диссертации получен впервые. Такие сопоставления3 называются порядковыми.

Изменение долгосрочной надежности банка - сложная задача, решение которой связано с преодолением проблемы ликвидности. Чтобы изменить свое будущее в лучшую сторону, банку необходимо провести реструктуризацию бизнеса, причем, реструктуризацию в том направлении, которое является наиболее сложным, т.к. связано со снижением рисков и повышением конкурентоспособности банков. Вместе с тем, проведя такую реструктуризацию, банк переходит в новое устойчивое относительно долгосрочной надежности положение.

Существенной особенностью предлагаемой автором диссертации концепции является то, что оценки долгосрочных надежностей банков могут быть несопоставимы. Если банки ведут идентичные формы бизнеса, то они должны быть сравнимы с точки зрения долгосрочной надежности, так как их конкуренция на едином сегменте рынка в долгосрочной перспективе обязана выявить победителя. Иначе обстоит дело с банками, ведущими разные формы бизнеса. Здесь сопоставление их долгосрочных надежностей может привести как к выявлению более надежного банка, так и к констатации их принципиальной несравнимости. Банки могут уйти от конкуренции путем специализации в разных сегментах рынка банковских услуг. Сравнимость рисков различных форм бизнеса банков формализуется в терминах значимостей обязательных нормативов. Впервые удалось предложить математическую модель, объясняющую данные естественные свойства долгосрочной надежности банков.

Таким образом, автором диссертации предложена принципиально новая концепция оценки надежности банков в долгосрочной перспективе, в основе которой лежит математическая теория порядковых отношений.

3 В основе математической модели долгосрочной надежности банков положены результаты теории многокритериальной оптимизации, полученные российскими авторами: Барышниковым Ю.М., Березовским БА., Борзенко В.К, Кемпиером Л.Н.

Глава 4. Методы и результаты анализа долгосрочной надежности банка

В данной диссертации впервые предложено использовать теорию бинарных (порядковых) отношений для оценки надежностей банков, которая оказалось наиболее адекватным математическим инструментарием для оценки надежности банков в долгосрочном периоде.

Условимся отождествлять каждый банк с кортежем значений его нормативов X = (Х1.....Хт) (таблица 2). Обозначим через П„ общую совокупность банков (п - количество банков). Пусть Рп - множество всевозможных парных комбинаций (Х',Х") банков. Говорят, что на множестве П„ задано бинарное отношение , если в множестве Рп выделено некоторое подмножество Я,. Если некоторая парная комбинация банков {Х',Х') содержится в подмножестве Л„, то банки X' и X' состоят в отношении Я,, что кратко записывается как Х\Х'.

Определение долгосрочной надежности банков, сводится к построению асимметричного бинарного отношения Л, на множестве банков П„. По итогам анализа долгосрочной надежности банков, для каждой пары банков X' и X' будет указано, является ли банк X' менее надежным, чем банк X".

Общая концепция долгосрочной надежности предполагает, что для определения наиболее надежного банка среди двух банков, представленных кортежами нормативов Х' = (Х1,...,Х'п) и X" = {Х',...,Х"), достаточно лишь знания знаков разностей Х',-Х". Следовательно, понятие "значимость норматива" не может зависеть от характера численной шкалы измерения нормативов.

Важно подчеркнуть, что для оценки долгосрочной надежности банка берутся значения обязательных нормативов (таблица 2) только на одну конкретную дату, допустимость чего объясняется следующими фактами. Во-первых, расчет нормативов на конкретную дату учитывает реализованные риски в прошлом и ожидаемые банком риски в будущем в виде рассчитываемых резервов и прогнозе ликвидности, т.е. учитывает динамику в состоянии банка. Во-вторых, в силу описанных ранее проблем ликвидности и рентабельности банк фактически лишен возможности менять характер собственной деятельности, а значит, основные соотношения показателей риска устойчивы во времени. В-третьих, используемый математический аппарат порядковых отношений предполагает получение итоговых оценок устойчивых (робастных) к колебаниям исходных данных. В-четвертых, для нивелирования возможного необоснованного влияния на итоговый рейтинг близких значений показателей рисков отдельных пар банков

использовался «индекс несогласия», впервые введенный французским профессором Б. Руа в предложенной им методике сравнения качества объектов «ЭЛЕКТРА».

Удобным для поиска отношения долгосрочной надежности является задание порядковых отношений с помощью логических полиномов. Для любой парной комбинации банков (Х',Х') определим бинарный кортеж и = («,,...,«„) из нулей и единиц по следующему правилу

[1, если Х'гХ\

(0, если Х'<Х\

Каждому порядковому отношению Я соответствует некоторая бинарная функция /(ц,...,«„), принимающая значения 0 или 1. При этом банки X' и X" состоят в отношении Я тогда и только тогда, когда /(ц,...,ия)=1,тоесхь

ХЮГ о /(«,,...,«,)= 1. (2)

Бинарные функции / имеют специальный вид:

где кортежи степеней состоят из нулей и единиц. В этой формуле вы-

ражения ...и* могут принимать только значения 0 или 1, при этом символ суммирования (£) необходимо понимать как логическое суммирование (0+0=0, 1+0=0+1=1,1+1=1).

Определение понятия значимости нормативов дается в терминах булевых полиномов. Норматив / доминирует над нормативом у, тогда и только тогда, когда

/^и,,...,«,.!,!,^,...,^.,^.»^.-.«^/^",.--,«,-!^."»!.....

для любых значений и,.

На основе проведенных в диссертации расчетов было получено отношение надежности А,, которое ищется как отношение, отвечающее заданной структуре доминирования нормативов (график 3). Полином такого отношения надежности & выглядит следующим образом:

/.(и1,...,и„)=щи] + щи4щ+щщщ + щи^щщ.

Для получения оценок долгосрочной надежности достаточно звания лишь соотношений значимостей (весов) показателей рисков (график 3), не требуя при этом их численного оценивания, которое, как правило, сопряжено с волюнтаризмом. Это позволяет повысить надежность итоговых результатов, что является отличительной особенно-

стью предложенной автором диссертации методики.

Имея полином /., можно сопоставить долгосрочные надежности любой пары банков в соответствии с правилом (2).

Построенное отношение долгосрочной надежности & не транзитивно. Поэтому, следует осуществить переход от порядкового отношения Л, к транзитивному замыканию отношения (обозначается &).

Сравнение долгосрочных надежностей банков допускает вербальное объяснение результатов, что является важным преимуществом предлагаемой модели оценки надежности банков. Так, если банк X' признан менее надежным в долгосрочном плане, чем банк X', то это означает, что X' ведет более рискованный бизнес, чем банк X". Понятие «более рискованный бизнес» формализуется в сравнении значений нормативов банков.

/, принимает ненулевое значение, если хотя бы одно из его четырех слагаемых ненулевое. Значит, банк X" ведет менее рискованный бизнес, чем банк X', если он одновременно превосходит его хотя бы по одной из следующих групп нормативов: 1) Н1, НЗ; 2) Н1, Н4, Н2; 3) Н1, Н4, Н5; 4) Н1, Н4, Нб, Н7, Н8. То есть у банка X' должна быть обязательно выше достаточность капитала, сочетающаяся с превосходством по текущей ликвидности или по долгосрочной и мгновенной ликвидностям, или по долгосрочной и общей ликвидностям, или по долгосрочной ликвидности и защищенности от максимального размера риска на одного кредитора, одного заемщика и размера крупных кредитных рисков. Превосходство банка X' хотя бы по одной из четырех групп нормативов объясняет его превосходство по долгосрочной надежности. Каждая из четырех групп нормативов 1)-4) представляет собой различные эквивалентные формы защиты банков от финансовых рисков для обеспечения долгосрочной надежности.

В соответствии с предложенной в диссертации моделью долгосрочной надежности банков был построен рейтинг 650 московских банков на 01.02.1998г. Для построения рейтинга долгосрочной надежности на основе оригинальной математической модели автором было разработано специальное программное обеспечение.

Кризисные события 17 августа 1998 года хорошо верифицировали прогнозную сущность рейтинга. Приблизительно 80% банков среди 50 наихудших согласно рейтингу в результате финансового коллапса разорились, в том числе среди них значились «СБС-Агро», «Менатеп», «Онексим», «Российский кредит», «Империал». Вместе с тем, именно эти банки на момент построение рейтинга большинством банковских аналитиков рассматривались как наиболее надежные элементы банковской системы, ис-

ходя из стандартных представлений о банковской надежности, которые, прежде всего, характеризуют лишь текущую надежность, а не долгосрочную.

Необходимость оценки значимости банка постоянно возникает в различных контекстах банковского анализа, например, при выявлении структурообразующих банков для последующего анализа общей надежности банковской системы.

Таблица 3. Рейтинг значимости банков

Ni Eme 2 ¿ { ! || | if | Л i i? ill РЕЙГИНГ ЭНАЧИМОСТИ

1 Сбербанк России ИГ 2В617 203032 326 044 775 305 728 274 19 316 501 188 086 810 0 660 030 1

2 ВНЕШТОРГБАНК 1000 32 Мосла 3000 62 732 867 54 725 380 8007467 2 642 535 0 2

3 ИвЖфОМбМК 2066 4 Москаа «00 37 671676 33 220 170 4 651706 88 300 23 017

4 ммдеАнк 1326 26 Москаа 1741 27 550 700 23 068 864 4481 026 1 508 604 1 518 475 г

5 Мост-Банк 1582 10 Москва 1633 16 468702 15 262 046 1226745 1786 303 267 000 г

6 Газпромбанк 364 24 Мосла 2 224 51 367 751 45 140 027 8 247 724 1761 735 0 3

7 Промстройбанк 430 44 (^Петербург 3 560 12 665131 11 580 170 075 061 683 816 327 750 3

6 Ворошите 143® 61 Моема 3 270 8304 403 7 830 023 664470 700105 552532 3

0 Росбанк 2272 11 Москаа - 11238440 10 044 686 1 103764 1 125 641 2060 3

11 ГУг»4аик 1623 12 Москва 1432 5 504460 4273816 1320 844 605 150 526 3

11 АКБАРС 2590 17 Казань 1 200 3621 781 1 182738 2439023 343 470 4415 3

12 МАП04АНК 2202 1 Мосла 140 646 610 1041 828 -1 003 318 263 312 30 000 3

13 ММБ 1 1 Москаа 631 38 032 422 34 050 407 1081 026 1 110 707 0 4

14 Банк Москвы 2746 21 Москва 1 072 24 055 555 23 854 082 1 100 573 1 501 058 0 4

15 А8Т0БАНК 30 21 Москаа 2214 11302447 10454 688 847 750 448 815 10663 4

18 Еарофинанс 2402 0 Москва 256 0 273 437 7865 581 1 587 656 836 613 0 4

17 Суропидфииакбанк 568 4 сдау 735 0 337 630 0 177 286 160 373 130 267 49 661 4

13 МИБ 012 35 Москаа 3 026 3326 557 2 438 933 680 624 275 720 10 838 4

11 Конааробаик 122 10 Москаа 026 6317 321 6062 012 254409 327 472 14 821 4

20 Баикредктбанк 2275 4 Уфа 1 168 8171726 5260 933 910 793 312 080 695 4

Значимость банка в различных экономических задачах может пониматься по-разному. В диссертации впервые предлагается модель обобщенного рейтинга значимости банков, который строится на основе методов многокритериальной оптимизации. В основу определения значимости банка предлагается положить следующие показатели: 1) общая величина активов; 2) общая величина обязательств; 3) объем собственных средств; 4) объем вкладов физических лиц; 5) сумма бюджетных счетов; б) объем кредитов реальному сектору экономики. Превосходство одного банка над другим по значимости означает его превосходство по всем критериям.

Банк «А» абсолютно превосходит по значимости банк «В», если значения всех критериев банка «А» выше значений критериев банка «В». Банк «А» является наиболее значимым в общем смысле в группе банков, если в этой группе нет банка, который был бы абсолютно более значим по сравнению с банком «А». Совокупность наиболее значимых в общем смысле банков группы в обозначим Мах б.

Алгоритм построения обобщенного рейтинга значимости банков итеративен. На ом шаге рейтинг «/ »присваивается группе банков М,, где

М, =мах|п„\им.

, Q, общая совокупность банков, М0 =0.

На основе предложенной в диссертация теоретической концепции значимости был построен рейтинг 20 наиболее значимых банков России на 01.01.2000г. (таблица 3), самым значимым банком с рейтингом «1» является Сбербанк РФ.

На основе проведенных оценок было установлено, что критерии значимости банков статистически сильно линейно взаимозависимы, что приводит к тому, что во многих парных комбинациях банков один из банков обязательно абсолютно превосходит другой по значимости, т.е. обобщенный рейтинг значимости близок к некоторому линейному порядку, заданному интегральным показателем обобщенной значимости.

Наличие выраженной линейной зависимости между логарифмами критериев требует, чтобы функционал значимости рассчитывался как взвешенная сумма логарифмов исходных показателей 1 = -и>11п(Х1)+м>11п{Х1)+... + м/я1п(Хя), тд/е Хл - первичные критерии значимости. Этот теоретический результат, важный для построения банковских рейтингов, в данной диссертации получен впервые. Статистическое оценивание весов V, производится на основе метода главных компонент.

Показатель значимости Ь задаст упрощенную аппроксимацию обобщенного рейтинга значимости банков, облегчающую прикладные расчеты.

Таким образом, автором диссертации была разработана модель оценки надежности банков в долгосрочной перспективе, обладающая высокой прогнозной точностью, что было подтверждено на основе апостериорной верификации.

Основные результаты н выводы работы

1. В результате математической формализации понятия текущей надежности банка в виде субъективной вероятности создана универсальная концепция оценки текущей надежности банка, позволившая объединить в рамках единого подхода большинство существующих на сегодня различных методов анализа надежности банков. Учитывая важность роли Банка России как основного регулятора банковской системы были конкретизированы ключевые составляющие понятия текущей надежности банка с позиций органов надзора: критерий надежности (отсутствие необходимости регулирующего вмешательства в деятельность коммерческого банка), временной промежуток надежности (период между комплексными банковскими проверками), методика анализа (17 финансовых показателей).

2. Разработана экспресс-методика, позволяющая быстро оценивать текущую надежность банка с удовлетворительной точностью в виде значения логистической функции на кортеже бинарных признаков соответствия базовых 17-ти финансовых показателей банка оцененным эмпирическим пороговым границам. В результате органы банковского надзора получают эффективный метод предварительного выявления проблемных банков. Установлена граница допустимости использования интегральных показателей при оценке те-

кушей надежности банка, как аргумент в логистической зависимости, определяющей условную вероятность банка оказаться надежным. Предложен удобный метод определения весовых коэффициентов интегрального показателя надежности банка как коэффициентов дискриминирующей функции в рамках модели байесовской классификации биноминальных распределений.

3. На основе факторного анализа агрегированных балансовых отчетов банков построена методика оценки текущей надежности банка с учетом структурных отношений банковской системы. Так, установлено, что общее состояние банка задается тремя базовыми факторами: размер, рентабельность, ключевой высокорисковый актив. Фактор «ключевой высокорисковый актив» может со временем менять экономическое содержание. До кризиса 17 августа 1998 года он характеризовал объем портфеля у банков ГКО-ОФЗ, после 17 августа 1998 года смысл фактора трансформировался к объему «плохих» ссуд реальному сектору экономики. Близость значений базовых факторов банка к значениям факторов большого числа неблагополучных банков должно расцениваться как признак банкротства. Экономически обосновано, что банковское сообщество разбивается по структуре операций на четыре кластера, различающихся численностью, размером совокупных активов и надежностью их представителей, что может позволить банковским регуляторам сделать банковский надзор и регулирование более адресным, учитывающим специфику отдельных сегментов банковской системы.

4. За кризисный период с начала 1998 года по середину 1999 года проведен анализ изменения влияний на надежность банков ключевых банковских показателей: доли обязательств в пассивах, рентабельности, объема портфеля государственных обязательств, объема кредитов реальному сектору экономики, объема привлечения средств физических лиц. Это позволило впервые количественно оценить характер влияния финансового коллапса на особенности определения надежностей банков.

5. Выявлено, что суммарная величина активов банка определяет три основных совокупности коммерческих банков: малые банки «одного клиента», банки субфедерального и общефедерального уровня. Внутри каждой группы, которым определены численные границы, «плохие» банки концентрируются среди малых, а «хорошие» - среди крупных.

6. Оценка надежности банка в долгосрочной перспективе требует использования математического аппарата порядковых отношений, что обусловлено отсутствием достаточного объема информации для прогнозирования развития банковской системы в условиях экономики переходного периода и, как следствие, невозможностью получить числовую оценку долгосрочной надежности коммерческого банка. Превосходство одного банка над другим в плане долгосрочной надежности определяется значением логического полинома на

кортеже булевых признаков, определяющих соотношение банков по значениям обязательных нормативов (Инструкция ЦБ РФ №1 от 30.04.1991г.)- Разработанная методика оценки долгосрочной надежности банка обладает высокой прогнозной значимостью. Так, построенный по историческим данным на 01.02.1998г. рейтинг долгосрочной надежности российских банков отлично предсказал результаты кризиса банковской системы, вызванного финансовым коллапсом 17 августа 1998 года. Установлено и модельно подтверждено, что анализ долгосрочной надежности отдельного банка может быть лишь неотъемлемой частью анализа долгосрочной надежности банковской системы в целом. Определены эквивалентные формы обеспечения долгосрочной надежности банков в зависимости от показателей ликвидности и диверсификации бизнеса коммерческого банка, что формализуется в типичных соотношениях обязательных банковских нормативов (Н1-Н8, табл. 2).

7. Разработана математическая модель оценки значимости банка, на основе многокритериальной оптимизации в пространстве признаков: 1) общая величина активов; 2) общая величина обязательств; 3) объем собственных средств; 4) объем вкладов физических лиц; 5) сумма бюджетных счетов; 6) объем кредитов реальному сектору экономики. В результате проведенных вычислений была выявлена группа ключевых коммерческих банков, надежность которых определяет устойчивость банковской системы.

8. Среди общей совокупности различных показателей банковской деятельности определен список из 17 наиболее значимых для оценки текущей надежности. Эмпирическим путем для этого набора показателей выявлены допустимые границы, которые в ряде случаев отличаются от закрепленных в официальных документах. Данный результат позволит повысить адекватность анализа деятельности коммерческих банков в условиях постоянно меняющихся экономических реалий и может быть использован при реформировании нормативной базы банковского надзора.

Основные результаты диссертации отражены в публикациях:

1. Буздалин A.B. Эмпирический подход к созданию нормативной базы «Банковское дело», №4,1999г. (0,5 пл.).

2. Буздалин A.B. Экспресс-оценка работы банка. «Банковское дело», №8,1999г. (0,5 пл.).

3. Буздалин AB. Стратегическая надежность банк. «Банковское дело», №8,2000г. (0,75 пл.).

4. Буздалин АЛ. Как построить рейтинг стратегической надежности банков. «Банковское даю», №11,2000г. (0,5 пл.).

5. Буздалин A.B. Инструментарий банковского анализа. Проблемы, требования, решения. «Банковское дело», №4,2003г. (0,25 пл.).

6. Буздалин A.B. Кредитный риск как мера субъективной уверенности «Открытое образование», №5 2004г., Приложение №1 «Информационные технологии в науке, социологии, экономике и бизнесе" (0,5 пл.).

7. Буздалин A.B. Особенности анализа надежности банка в долгосрочном периоде. «Бюллетень финансовой информации», № 8,2004г. (0,5 пл.).

Напечатано с готового оригинал-макета

Издательство ООО "МАКС Пресс" Лицензия ИД N00510 от 01.12.99 г. Подписано к печати 16.09.2005 г. Формат 60x90 1/16. Усл.печл. 1,5 Тираж 100 экз. Заказ 548. Тел 939-3890. Тел./факс 939-3891. 119992, ГСП-2, Москва, Ленинские горы, МГУ им. М.В. Ломоносова, 2-й учебный корпус, 627 к.

»20 3 to

РНБ Русский фонд

2006-4 19035

Диссертация: содержание автор диссертационного исследования: кандидата экономических наук, Буздалин, Алексей Владимирович

ВВЕДЕНИЕ.

ГЛАВА 1. КОНЦЕПЦИЯ ТЕКУЩЕЙ НАДЕЖНОСТИ БАНКА.

1.1.Текущая надежность банка как мера субъективной уверенности эксперта.

1.2. Значимые факторы текущей надежности банка.

1.3. Эмпирические нормативы текущей надежности банка.

1.4. Экспресс-оценка текущей надежности банка.'.

ГЛАВА 2. МЕТОДЫ И РЕЗУЛЬТАТЫ АНАЛИЗА ТЕКУЩЕЙ НАДЕЖНОСТИ БАНКА.

2.1. Статистическая модель базовой структуры баланса банка.

2.2.Методы оценки текущей надежности банка на основе структуры баланса.

2.3. Динамика факторов текущей надежности банка.

2.4. Зависимость текущей надежности банка от его величины.

ГЛАВА 3 КОНЦЕПЦИЯ ДОЛГОСРОЧНОЙ НАДЕЖНОСТИ БАНКА.

3.1. Долгосрочная надежность банка как результат анализа рисков банковской системы.

3.2. Модель экспертного анализа значимости нормативов долгосрочной надежности.

3.3. Свойства долгосрочной надежности банка.

3.4. Отличительные особенности текущей и долгосрочной надежности банка.

ГЛАВА 4. МЕТОДЫ И РЕЗУЛЬТАТЫ АНАЛИЗА ДОЛГОСРОЧНОЙ НАДЕЖНОСТИ БАНКА.

4.1 .Инструментарий порядковых отношений долгосрочной надежности банка.

4.2. Модель долгосрочной надежности банка.

4.3. Методы построения рейтинга долгосрочной надежности банка.

4.4. Оценка значимости банков.

Диссертация: введение по экономике, на тему "Математические методы оценки надежности коммерческого банка"

Задача повышения эффективности банковского надзора, совершенствования практики риск-менеджмента, повышения транспарентности банковской системы актуализирует поиски новых методов определения надежности кредитных организаций. Применяемые в мировой практике экономико-математические методы позволяют приблизиться к поставленной цели, обладая рядом преимуществ по сравнению с традиционными методами анализа финансового состояния банка. Так с их помощью можно с минимальными затратами времени в машинном режиме обрабатывать значительные массивы статистической информации и получать удовлетворительный по точности результат.

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.

При этом, преимущества экономико-математических методов проявляются в пределах строго ограниченной сферы применения. А именно, подходят для обработки больших массивов информации, получения предварительных оценок финансового состояния банка, в том числе для целей пруденциального банковского надзора. Поэтому они призваны дополнить существующие классические методы анализа.

Актуальность темы исследований

В условиях становления в России рыночной экономики банковский сектор приобретает все большую значимость в системе экономических отношений. Так, если на заре реформ банки зачастую служили целям обогащения финансовых элит и концентрировали внимание, прежде всего, на проведении спекулятивных операций с инструментами финансового рынка, то на нынешнем историческом витке российские банки повернулись лицом к актуальным задачам, решения которых ждет от них российская экономика, находящаяся в начале стадии роста.

Вместе с тем, существенным препятствием формированию цивилизованной банковской системы в России является проблема недоверия к существующим кредитным институтам, как со стороны населения, так и со стороны большинства хозяйствующих субъектов. Путей преодоления данной проблемы много, но большинство российских и западных экономистов указывают на необходимость повышения открытости банковской системы и формирования адекватного и доступного инструментария оценки банковских рисков.

Отдельно следует упомянуть о важном месте в экономике, которое занимает Центральный банк, который призван обеспечить устойчивое функционирование банковской системы, стремиться предотвращать на возможно ранней стадии негативные тенденции в работе коммерческих банков и как следствие возможные социально-экономические потрясения. Однако опыт российский банковских кризисов показал, что существующий банковский надзор требует совершенствования.

Во-первых, до сих пор в России не существует адекватного экономико-математического инструментария анализа и оценки банковских рисков.

Во-вторых, не уделяется должного внимания соответствию предъявляемых к банкам требованиям контексту меняющихся условий экономической среды, что особенно актуально для реформируемой российской экономики.

В-третьих, существующий банковский надзор в значительной части ориентирован на обнаружение и констатацию текущих проблем у банков и не выполняет важного прогнозного (пруденциального) предназначения.

И, наконец, в-четвертых, не уделяется должного внимания оценке финансовой устойчивости банковской системы как единого целого.

Важным препятствием развития инструментария анализа и оценки финансовой устойчивости коммерческих банков является отсутствие должной концептуальной проработки самого понятия «надежность банка». Такая ситуация приводит к неизбежной путанице в методологических конструкциях и к противоречивости, получаемых на их основе выводов. Понятие надежность банка требует уточнения и четкого определения, причем различным аспектам банковского анализа могут быть свойственны различные определения надежности. Ведя разговор о методиках оценки надежности банка необходимо четко понимать ее теоретическую сущность и то, какой экономико-математический инструментарий может быть использован для получения ее количественных и иных формализованных оценок.

Решению этой и ранее обозначенных проблем требует использования методов экономико-математического моделирования надежности банков. В связи с вышесказанным тема диссертации является актуальной.

Степень разработанности темы

Классический подход к анализу надежности коммерческих банков заключается в конструировании и расчете различных показателей финансового состояния банков на основе данных его финансовой отчетности, которые позволяют получить представление об основных аспектах деятельности банка. Итоговые результаты такого анализа имеют словесно-описательную форму. Данному направлению анализу надежности банка посвящены работы Пановой Г.С., Лаврушина О.И., Шеремета А.Д., Ширинской З.Г., Фетисова Г.Г., Иванова В.В., Томаевой З.Т., Белых Л.П., Амелина И.Э., Царькова В. А.

Международной практикой анализа надежности банка стало использование различных экспертных рейтингов, в частности разработанных специалистами ведущих рейтинговых агентств (Standard & Poor's, Moody's, FETCH), а также банковскими регуляторами в США (методика CAMEL). Данному направлению анализа банков посвящены работы отечественных авторов: Фаррахова И.Т., Мамонова И.Д, Новикова В.В.

Важную группу методов анализа надежности банков составляют подходы, основанные на различных алгоритмах дискриминанантого анализа, которые были исследованы в работах Альтмана, Таффлера, Кумара, Чессера, Холдмэна, Нараянана, Марэ, Паттелла, Вольфсона, Фридмэна, Као, Бухштабера В.М., Оводова И.Г., Шевченко С.Н., Шумвейя, Пересецкого А.А., Карминского A.M.

В последнее время особенно популярными стали модели оценки надежности банков, основанные на теории Марковских процессов. Работы Альтмана, Као и специалистов рейтингового агентства Standard & Poor's.

Существенную теоретическую и практическую ценность представляют опционные и структурные модели оценки надежности банков, предложенные Мертоном, Шумвеем, Ивлиевым С.В., Колодочкиным А.В., Кузнецовым К.Б., а также сотрудниками корпорации KMV.

Особый интерес представляет методика оценки совокупного кредитного риска ссудного портфеля CreditRisk+ (авторские права CSFB), где в качестве показателя надежности (в том числе банков) предлагалось использовать случайную вероятность дефолта. В данной методике была предпринята первая попытка преодоления проблем, связанных с получением оценок долгосрочной надежности банков.

Необходимо подчеркнуть, что исследуемая в диссертации задача оценки надежности коммерческого банка не имеет прямого отношения к известной математической теории надежности сложных технических систем. Цель и задачи исследования

Целью диссертации является создание экономико-математического инструментария оценки надежности коммерческих банков.

В соответствии с целью в работе были поставлены следующие задачи:

- математически формализовать понятие надежности банка;

- разработать методику экспресс-оценки надежности коммерческих банков в краткосрочной перспективе;

- оценить влияние изменений экономической среды функционирования банков на особенности оценки их надежности;

- построить модель зависимости надежности банков в краткосрочной перспективе от особенностей структуры банковской системы;

- разработать модель оценки надежности банков в долгосрочной перспективе и типо-логизации банковской системы по формам обеспечения финансовой устойчивости;

- разработать метод определения значимости банка в структуре банковской системы.

- выработать рекомендации по изменению существующих нормативных критериев оценки надежности банков в целях повышения эффективности банковского надзора.

Объект и предмет исследования

Объектом исследования является банковская система России. Предмет исследования - надежность банка. Здесь и везде далее по тексту, там, где это не оговаривается особым образом, под банком понимается российский коммерческий банк без уточнения его соответствия конкретным финансовым институтам.

Теоретической и методологической основой исследования явились труды отечественных и зарубежных авторов в области экономико-математического моделирования финансовой сферы и анализа финансового состояния коммерческих банков, теории вероятностей и математической статистики, теории многокритериальной оптимизации, материалы научных конференций, семинаров и совещаний по изучаемой проблематике. Широко были использованы данные о применении экономико-математических моделей при анализе банковских систем и коммерческих банков как в исследовательских подразделениях международных организаций - в Базельском комитете по банковскому надзору, Международном Валютном Фонде, ведущих мировых рейтинговых агентств (Standard & Poor's, Moody's, FITCH), крупных иностранных банках (JP Morgan Chase), международных общественных ассоциаций риск-менеджеров (Global Association of Risk Professionals, Professional Risk Managers' International Association), так и в отечественных научных организациях - в МГУ им. М.В. Ломоносова, ИПУ РАН, ИМЭМО РАН, Центре банковского анализа ЦЭМИ РАН, ГУ - Высшей школы экономики, НИИ Банка России, Российской экономической школе, Академии народного хозяйства при правительстве РФ, Финансовой академии при Правительстве РФ, Российской экономической академии им. Г.В. Плеханова.

Информационной базой исследования послужили официальные данные, публикуемые в изданиях Центрального банка РФ, Государственного комитета РФ по статистике, материалах информационных агентств, отражающие состояния банковской системы и экономики. В диссертации были использованы ежемесячные данные финансовой отчетности всех коммерческих банков г. Москвы с 1995 г. по 2001 г.

Обработка статистической информации проводилась с использованием программ: «Statistica», «SPSS», «Эвриста» Центра статистических исследований МГУ им. М.В. Ломоносова, стандартных средств анализа данных «MS Office», а также с помощью специально созданных собственных программных разработок.

Научная новизна работы

Научная новизна диссертации заключается в следующем.

1. С применением байесовского подхода к анализу информации формализовано понятие «текущая надежность банка» как вероятность выполнения банком определенного комплекса требований при условии наличия о нем доступной информации. Предложены определения текущей надежности коммерческого банка с точки зрения Центрального банка, других коммерческих банков, населения и прочих кредиторов.

2. Разработана методика экспресс-оценки текущей надежности коммерческого банка на основе модели байесовской классификации биноминальных распределений, в которой результат оценки надежности банка представляется как функция соответствия ключевых показателей деятельности банка предлагаемой системе нормативов, что позволяет в отличие от методик Альтмана, Таффлера, Као помимо итоговой оценки надежности банка указать на конкретные достоинства и недостатки в деятельности банка, определивших значение итогового результата.

3. С использованием методов непараметрической статистики из финансовой отчетности (агрегированные балансовый отчет и отчет о прибыли и убытках) коммерческих банков за период 1999-2001 гг. выявлен набор из 17 основных показателей деятель-ности банка, оказывающих наиболее существенное влияние на уровень их надежности. На основе оригинальной математической реализации критерия однородности Неймана-Пирсона найдены области допустимых значений 17 основных показателей надежности банков. Путем использования методов дискриминантного анализа оценены весовые коэффициенты основных показателей текущей надежности банков. Данный результат может использоваться при совершенствовании нормативной базы банковского надзора.

4. Разработана модель текущей надежности банка с использованием методов многомерного факторного анализа, учитывающая структурные особенности банковской системы. Статистически подтверждена неоднородность структуры банковской системы России. Выявлено, что кластеризация банковской системы базируется на показателях совокупной величины, рентабельности и объема ключевых высокорисковых активов коммерческих банков.

5. За период 1998-1999гг. рассчитаны весовые коэффициенты и допустимые границы основных показателей текущей надежности банков с использованием методов непараметрической статистики, что позволило количественно оценить характер влияния кризисного изменения экономической среды функционирования банков на особенности оценки их надежности.

6. Статистически установлена важность величины банка при определении его надежности, по результатам чего на основе эмпирического анализа банковской системы проведена классификация коммерческих банков по объему их совокупных активов, что соответствует качественному составу клиентской базы банков.

7. Предложена модель оценки надежности банков в долгосрочной перспективе с использованием методов многокритериальной оптимизации. Данный подход позволил получить более информационно содержательные выводы, нежели единственная существующая альтернативная концепция оценки кредитных рисков в долгосрочной перспективе, реализованная в модели CreditRisk+. Выявлено, что соотношения долгосрочных надежностей банков представляют собой порядковое отношение на совокупности показателей банковских рисков, задаваемое логическим полиномом, который определяет типологизацию банковской системы по формам обеспечения финансовой устойчивости. Обосновано, что долгосрочные надежности некоторых банков могут быть несопоставимы, а также то, что такой анализ не может проводиться в отрыве от общего структурного анализа банковской системы.

8. Разработана методика определения значимости банка в общей структуре банковского сообщества, что является ключевым понятием при определении общей устойчивости банковской системы. При построении показателей .значимости банка использовались методы многокритериальной оптимизации и факторного анализа.

Теоретическая и практическая значимость

Теоретическая значимость работы заключается в математической формализации ключевых понятий, связанных с определением надежности коммерческих банков. Теоретически значимо предложенное автором диссертации разграничение определения надежности банка в краткосрочной и долгосрочной перспективах, что находит отражение в различных формах и свойствах оценок надежности, а также математических методах их получения. Разработаны экономико-математические модели анализа надежности коммерческих банков, отвечающие ключевым проблемам методологии банковского анализа и обладающие высокой прогнозной полезностью.

Практическая значимость работы заключается в возможности использования разработанных моделей для оценки надежности отдельных банков, при анализе устойчивости банковской системы и определении основных тенденций ее развитии. Полученные результаты могут быть использованы в учебных процессах при подготовке специалистов в областях экономико-математического моделирования, банковского дела и риск-менеджмента. Отдельные результаты могут найти отражение в нормативной базе банковского надзора.

Созданный инструментарий используется как в работе государственных органов управления (Центральный банк РФ, КГ Агентство по страхованию вкладов), так и коммерческих структур на этапе подготовки и принятия управленческих решений. Разработанные методики оценки надежности банков обсуждались Комитетом банковского надзора ГУ Центрального Банка РФ по г.Москве, где получили одобрение.

Апробация работы

Основные положения работы докладывались на семинаре "Управление финансовыми рисками и страхование" под эгидой PRMIA и ГУ - Высшей школы экономики (январь 2005г., апрель 2003г.), семинаре «Динамические модели экономики» кафедры «Математические методы анализа экономики» Экономического факультета МГУ им. М.В. Ломоносова (октябрь 2004г., апрель 2003г.), семинаре «Анализ и прогноз финансовых рынков» ИМЭМО РАН (февраль 2004г., октябрь 2003г.), семинаре «Экспертные оценки и анализ данных» ИЛУ РАН (декабрь 2004г., февраль 1999г.), Научной конференции "Моделирование и анализ безопасности и риска в сложных системах", (г. С.-Петербург июнь 2004г.), XXXI Международной конференции "Информационные технологии в науке, образовании, телекоммуникации и бизнесе" (г.Ялта, сентябрь 2004г.), где получили положительную оценку специалистов.

Публикации

Основные положения диссертации изложены в 7 опубликованных статьях общим объемом 3,5 п.л. (3,5 п.л.- лично).

Структура диссертации

Работа объемом 175 стр. состоит из введения, четырех глав, заключения, списка используемой литературы и приложений, содержащих результаты статистической обработки данных.

Диссертация: заключение по теме "Математические и инструментальные методы экономики", Буздалин, Алексей Владимирович

Основные результаты и выводы работы

1. В результате математической формализации понятия текущей надежности банка в виде субъективной вероятности создана универсальная концепция оценки текущей надежности банка, позволившая объединить в рамках единого подхода большинство существующих на сегодня различных методов анализа надежности банков. Учитывая важность роли Банка России как основного регулятора банковской системы были конкретизированы ключевые составляющие понятия текущей надежности банка с позиций органов надзора: критерий надежности (отсутствие необходимости регулирующего вмешательства в деятельность коммерческого банка), временной промежуток надежности (период между комплексными банковскими проверками), методика анализа (17 финансовых показателей).

2. Разработана экспресс-методика, позволяющая быстро оценивать текущую надежность банка с удовлетворительной точностью в виде значения логистической функции на кортеже бинарных признаков соответствия базовых 17-ти финансовых показателей банка оцененным эмпирическим пороговым границам. В результате органы банковского надзора получают эффективный метод предварительного выявления проблемных банков. Установлена граница допустимости использования интегральных показателей при оценке текущей надежности банка, как аргумент в логистической зависимости, определяющей условную вероятность банка оказаться надежным. Предложен удобный метод определения весовых коэффициентов интегрального показателя надежности банка как коэффициентов дискриминирующей функции в рамках модели байесовской классификации биноминальных распределений.

3. На основе факторного анализа агрегированных балансовых отчетов банков построена методика оценки текущей надежности банка с учетом структурных отношений банковской системы. Так, установлено, что общее состояние банка задается тремя базовыми факторами: размер, рентабельность, ключевой высокорисковый актив. Фактор «ключевой высокорисковый актив» может со временем менять экономическое содержание. До кризиса 17 августа 1998 года он характеризовал объем портфеля у банков ГКО-ОФЗ, после 17 августа 1998 года смысл фактора трансформировался к объему «плохих» ссуд реальному сектору экономики. Близость значений базовых факторов банка к значениям факторов большого числа неблагополучных банков должно расцениваться как признак банкротства. Экономически обосновано, что банковское сообщество разбивается по структуре операций на четыре кластера, различающихся численностью, размером совокупных активов и надежностью их представителей, что может позволить банковским регуляторам сделать банковский надзор и регулирование более адресным, учитывающим специфику отдельных сегментов банковской системы.

4. За кризисный период с начала 1998 года по середину 1999 года проведен анализ изменения влияний на надежность банков ключевых банковских показателей: доли обязательств в пассивах, рентабельности, объема портфеля государственных обязательств, объема кредитов реальному сектору экономики, объема привлечения средств физических лиц. Это позволило впервые количественно оценить характер влияния финансового коллапса на особенности определения надежностей банков.

5. Выявлено, что суммарная величина активов банка определяет три основных совокупности коммерческих банков: малые банки «одного клиента», банки субфедерального и общефедерального уровня. Внутри каждой группы, которым определены численные границы, «плохие» банки концентрируются среди малых, а «хорошие» - среди крупных.

6. Оценка надежности банка в долгосрочной перспективе требует использования математического аппарата порядковых отношений, что обусловлено отсутствием достаточного объема информации для прогнозирования развития банковской системы в условиях экономики переходного периода и, как следствие, невозможностью получить числовую оценку долгосрочной надежности коммерческого банка. Превосходство одного банка над другим в плане долгосрочной надежности определяется значением логического полинома на кортеже булевых признаков, определяющих соотношение банков по значениям обязательных нормативов (Инструкция ЦБ РФ №1 от 30.04.1991г.). Разработанная методика оценки долгосрочной надежности банка обладает высокой прогнозной значимостью. Так, построенный по историческим данным на 01.02.1998г. рейтинг долгосрочной надежности российских банков отлично предсказал результаты кризиса банковской системы, вызванного финансовым коллапсом 17 августа 1998 года. Установлено и модельно подтверждено, что анализ долгосрочной надежности отдельного банка может быть лишь неотъемлемой частью анализа долгосрочной надежности банковской системы в целом. Определены эквивалентные формы обеспечения долгосрочной надежности банков в зависимости от показателей ликвидности и диверсификации бизнеса коммерческого банка, что формализуется в типичных соотношениях обязательных банковских нормативов (Н1-Н8, табл. 2).

7. Разработана математическая модель оценки значимости банка, на основе многокритериальной оптимизации в пространстве признаков: 1) общая величина активов; 2) общая величина обязательств; 3) объем собственных средств; 4) объем вкладов физических лиц; 5) сумма бюджетных счетов; 6) объем кредитов реальному сектору экономики. В результате проведенных вычислений была выявлена группа ключевых коммерческих банков, надежность которых определяет устойчивость банковской системы.

8. Среди общей совокупности различных показателей банковской деятельности определен список из 17 наиболее значимых для оценки текущей надежности. Эмпирическим путем для этого набора показателей выявлены допустимые границы, которые в ряде случаев отличаются от закрепленных в официальных документах. Данный результат позволит повысить адекватность анализа деятельности коммерческих банков в условиях постоянно меняющихся экономических реалий и может быть использован при реформировании нормативной базы банковского надзора.

Диссертация: библиография по экономике, кандидата экономических наук, Буздалин, Алексей Владимирович, Москва

1. Айвазян С.А., Бухштабер В.М., Енюков И.С., Мешалкин Л.Д. Прикладная статистика: Классификация и снижение размерности. М.: Финансы и статистика, 1989.

2. Айвазян С.А., Мхитарян B.C. Прикладная статистика и основы эконометрики. М.: ЮНИТИ, 1998.

3. Андреасян Г.С. «Дистанционный анализ финансово-экономического состояния российских банков (эконометрический подход)»// М. ЦЭМИ 2000г.

4. Афифи А., Эйзен С. Статистический анализ. Подход с использованием ЭВМ. М.: Мир, 1982.4 •

5. Батракова Л.Г. «Экономический анализ деятельности коммерческого банка.» М. Логос, 2001г.

6. Белых Л.П. «Устойчивость коммерческих банков. Как банкам избежать банкротства?»//М. Юнити, 1996г.

7. Березовский Б.А., Барышников Ю.М., Борзенко В.И., Кемпнер Л.Н. Многокритериальная оптимизация: Математические аспекты. М.: Наука, 1989.

8. Березовский Б.А., Борзенко В.И., Кемпнер Л.Н. Бинарные отношения в многокритериальной оптимизации. М.: Наука, 1981.

9. Браун Стивен Дж., Крицмен Марк П. Количественные методы финансового анализа. М.: ИНФРА-М, 1996.

10. Бухштабер В.М. Автоматическая классификация данных по принципу решета Эратосфена. Обозрение прикладной и промышленной математики, серия вероятность и статистика, 1997, т. 4, в. 4.

11. Бухштабер В.М., Оводов И.Г., Шевченко С.Н. «Статистический подход к проблеме надежности коммерческих банков // М. Экономический журнал ВШЭ, №1 1998г.

12. Бэстенс Д.-Э., ван ден Берг В.-М., Вуд Д. Нейронные сети и финансовые рынки: принятие решений в торговых операциях. М.: "ТВП", 1998.

13. Бюджи С. «Критерии, используемые «Standard & Poor's» в процессе определения рейтинга банков» // М. Бюллетень финансовой информации №5 5 октября 1995г.

14. Вальравен К.Д. «Управление рисками в коммерческом банке.»// М. Дело 1999г.

15. Ворд М. Е., Портер Р.С. «Перспективы использования рейтинговой системы «CAMEL» в России.» // М. Бюллетень финансовой информации № 5 октябрь 1995г.

16. Дубров A.M. Обработка статистических данных методом главных компонент. -М.: Статистика, 1978.

17. Дюк В. Обработка данных на ПК. С.-П.: "Питер", 1997.

18. Егорова Н.Е., Смулов A.M. Предприятия и банки: Взаимодействие, экономический анализ, моделирование. — М.: Дело, 2002г.

19. Замковой С.В. Анализ динамики и рисков банковской системы России: Научное издание. М.: МАКС Пресс, 2004.

20. Иберла К. Факторный анализ. М.: Статистика, 1980.

21. Иванов В.В. Анализ надежности банка. Практическое пособие. М.: Русская Деловая Литература, 1996.

22. Иванов В. «Экспресс-анализ ликвидности (на основе банковской отчетности»// «Банковское дело в Москве» №10. 2001г.

23. Кендалл М.Дж., Стюарт А. Многомерный статистический анализ и временные ряды. М.: Наука, 1976.

24. Кокс Д., Хинкли Д. Теоретическая статистика / Пер. с англ. Под ред. Ю.К. Беляева. М.: Мир, 1978.

25. Коломаев В.А., Староверов О.В., Турундаевский В.Б. Теория вероятностей и математическая статистика. М.: Высшая школа, 1991.

26. Крамер Г. Математические методы статистики. М.: Мир, 1975.

27. Литвак Б.Г. Экспертная информация. Методы получения и анализа. М.: Радио и связь, 1982.

28. Литвак Б.Г. Экспертные оценки и принятие решений. М.: Патент, 1996.

29. Лоули Д., Максвелл А. Факторный анализ как статистический метод. М.: Мир, 1967.

30. ЛященкоВ.И. «Фондовые индексы и рейтинг.»//Д. Стаапкер. 1998г.

31. Масленченков Ю.С. «Мониторинг финансового состояния»// М. «Бизнес и банки» №18-19 1996г.

32. Масленченков Ю.С. «Устойчивость коммерческого банка.»// Бюллетень финансовой информации. АДФИ. Москва, № 4 апрель 1997 г.

33. Масленченков Ю.С. «Технология и организация работы банка.»// М. Издательско-консалтинговая компания «ДеКА», 1998г.

34. Матовников М. «Формальные критерии надзора и реальные риски».// «Банковское дело в Москве» №2. 2002г.

35. Миркин Б.Г. Анализ качественных признаков и структур. М.: Наука, 1980.

36. Миркин Б.Г. Проблема группового выбора. М.: Наука, 1974.

37. Мисюлин Д., Смирнов А., Кругов А. «Дистанционный анализ финансового состояния коммерческого банка. Новые подходы.»// М. «Финансист», N 5/6, 1997г.

38. Новиков А.А. «Оценка надежности коммерческого банка»// Дис. на соис. уч. ст. к.э.н. М. 1999г.

39. Новикова! В.В. «Методические основы формирования рейтингов надежностикоммерческих банков»// Дис. на соис. уч. ст. к.э.н. М. 1996г.

40. Орлов А.И. Анализ нечисловой информации в социологических исследованиях, М., 1985.

41. Орлов А.И. Устойчивость в социально-экономичексих моделях, М.: Наука, 1979.

42. Панова Г.С. «Анализ финансового состояния коммерческого банка»// М.: Финансы и статистика, 1996г.

43. Пересецкий А.А. Карминский А.М. Головко E.JI. «Анализ рейтингов российских предприятий». // Препринт 2002/2003 М. Российская экономическая школа, 2002 г.

44. Подиновский В.В., Ногин В.Д. Парето-оптимальные решения многокритериальных задач. М.: Наука, 1982.

45. Прокофьева O.K. «О банковских рейтингах.»//Деньги № 21(31) июнь 1995г.

46. Рид Э., Котгер Р., Гилл Э., Смит Р. «Коммерческие банки.»// Под ред. д.э.н. Усоскина В.М., Космополис, М. 1991г.

47. Руа Б. Классификация и выбор при наличии нескольких критериев (метод ЭЛЕКТРА). В кн.: Вопросы анализа и процедуры принятия решений: - Сб. переводов/ Под ред. И.Ф. Шахнова. М.: Мир, 1976.

48. Руа Б. Проблемы и методы принятия решений в задачах с многими целевыми функциями. В кн.: Вопросы анализа и процедуры принятия решений: - Сб. переводов/ Под ред. И.Ф. Шахнова. М.: Мир, 1976.

49. Саати Т. Принятие решений. Метод анализа иерархий. М.: Радио и связь, 1993.

50. Секей Г. Парадоксы в теории вероятностей и математической статистике. М.: Мир, 1990.

51. Сидельников Ю.В. Теория и организация экспертного прогнозирования. М.: ИМЭиМО АН СССР, 1990.

52. Синки Дж. Ф. «Управление финансами в коммерческих банках.»// Catallaxy, М., 1994г.

53. Справочник по прикладной статистике. В 2-х т., под ред. Э. Ллойда, У. Ледермана, Ю.Н. Тюрина. М.: Финансы и статистика, 1989, 1990.

54. Степанов B.C. Гроздья точек. "Страховое ревю", 1997г., №№5, 6.

55. Томаева З.Т. «Анализ финансовой устойчивости коммерческого банка.»// Дис. насоис. уч. ст. к.э.н. М. 1997г.• ♦

56. Тюрин Ю.Н., Макаров А.А. Статистический анализ данных на компьютере. М.: ИНФРА-М, 1998.

57. Усоскин В.М. «Современный коммерческий банк. Управление и операции.»// М. Антидор 1998г.

58. Факторный, дискриминантный и кластерный анализ. М.: Финансы и статистика, 1989.

59. Фетисов «Устойчивость коммерческих банков и рейтинговые системы ее оценки»//М., Финансы и статистика, 1999г.

60. Черкасов В.Е. «Финансовый анализ в коммерческом банке.» М.: ИНФРА-М, 1995г.

61. Ширинская Е.Б. Рейтинги и лимитная политика банков // М. Бизнес и банки 06.09.96.

62. Хартман Г. Современный факторный анализ. М.: Статистика, 1972.

63. Aldrich, J.H. and F.D. Nelson (1985), Linear probability, logit and profit models, Quantitative Applications in the Social Sciences Series no. 45, Beverly Hills, CA: SAGE Publications.

64. Altman E. «Financial ratios, diskriminant analysis and prediction of corporate bankruptcy.»// Journal of Finance/ 1968, vol/9., pp 589-609

65. Altman E.I., Haldeman G.G., Narayanan P. ZETA analysis: a new model to identify the bankruptcy risk of corporations // Banking and Finance. 1997. June. P. 29-54.

66. Altman, E.I., G. Marco and F. Varetto (1994), "Corporate distress diagnosis'.Comparisons using linear discriminant analysis and neural networks (the Italian experience)," Journal of Banking and Finance, 18(3), 505-529.

67. Altman, E.I. and H.A. Rijken (2004), "How rating agencies achieve rating stability," Journal of Banking and Finance, 28(11), 2679-2714.

68. Amato, J.D. and C.H. Furfine (2003), "Are credit ratings procyclical?" BIS Working Papers No. 129.

69. Azen, S.P., Kammerman, L., and Teberg, A. (1979). "A Bayesian Approach to the Prediction of Development Outcome in the Infant of Low Birtweight".

70. Baskom H. «Bank management &supervision in developing financial market»// London, The Machilan Press Ltd, 1997

71. Beever, William H. 1967. "Financial Rations as Predictions of Failure." Empirical Research in Accounting: Selected Studies 1966, Journal of Accounting Research, Supplement to Volume 4, pp. 71-111.

72. Bessis J. «Risk management in banking»// Chichester, Jon Hilley and Sons 2001

73. Basel Committee on Banking Supervision (2004), International Convergence of Capital Measurement and Capital Standards, Bank for International Settlements, June 2004.

74. Berlin M. Bank loans and marketable securities: how do financial contracts control borrowing firms? / Business Rev. // Federal Reserve Bank of Philadelphia. 1987. July -Aug.

75. Bovenzi, J.F., J.A. Marino and F.E. McFadden (1983), "Commercial bank failure prediction models," Federal Reserve Bank of Atlanta Economic Review, 68(November 1983), 14-26.

76. Brand, Leo, and Reza Bahar. 2000. Ratings Performance 1999. Standard and Poor's.

77. Breiman, Leo, Jerome H. Friedman, Richard A. Olshen, and Charles J. Stone. 1984. Classification and Regression Trees. Belmont, CA: Wadsworth International Group.

78. Carey, Mark, and Mark Hrycay. 2001. Parameterizing Credit-Risk Models with Rating Data. Journal of Banking and Finance 25, no. 1:197-270.

79. Chesser, Delton L. 1974. "Predicting Loan Noncompliance." Journal of Commercial Bank Lending (August), pp. 2-15.

80. Cole, R.A. and J.W. Gunther (1998), "Predicting bank failures: A comparison of on- and off-site monitoring systems," Journal of Financial Services Research, 13(2), 103-117.

81. Crosbie, Peter. 1997. Modeling Default Risk. KMV Corporation.

82. Dali G.G. Financial intermediation and the theory of the firm: An analysis of savings and association behavior// Southern Economic J. 1971. Jan.

83. Delvin D. Hawley, John D. Johnson and Dijjotam Raina «Artificial Neural Systems: A New Tool for Financial Decision-Making», Financial analysts journal, November-december 1990.

84. Engelman, B. and D. Porath (2003), "Empirical comparison of different methods for default probability estimation," Quanteam Research Paper.

85. Edgeworth F.V. The mathematical theory of banking // J. Poval Statistical Society. 1988. March. P. 113-127.

86. Frydrrian, Halina, Edward Altman, and Duen-Li Kao. 1985. "Introducing Recursive4

87. Portioning for Financial Classification: The Case of Financial Distress." Journal of Finance (March), pp 269-291.

88. Golovan, S.V., A.M. Karminsky, A.V. Kopylov and A.A. Peresetsky (2003), "Probabilityof-default models of Russian banks I: Models with clustering." NES working paper 2003/039 (in Russian).

89. Golovan, S.V., A.M. Karminsky, M.A. Evdokimov and A.A. Peresetsky (2004), "Probability of default models of Russian banks II: Models and macroeconomic environment," NES working paper 2004/043 (in Russian).

90. Hatten C. «Managing bank capital: capital allocation and performance measurement.»// Chichester, Jon Hilley and Sons, 1997.

91. Holt, Robert N., Vida Scarpello, and Raymond J. Carroll. 1983. "Toward Undestanding the Contents of the 'Black Box' for Predicting Complex Decision-Making Outcomes." Decisions Sciences (April), pp. 253-269.

92. J. P. Morgan. 1997. CreditMetrics—Technical Document.

93. Jagtiani, J, J. Kolari, C. Lemieux and H. Shin (2003), "Early warning models for bank supervision: Simper could be better," Federal Reserve Bank of Chicago Economic Perspectives, 27(3), 49-60.

94. Klin M. A.A. Theory of the banking firm // J. Money. Credit and Banking. 1971. May. P. 205-218.

95. KMV, Credit Monitor Overview, KMV Corporation, 1993

96. Koyluoglu, H.U. and A. Hickman. "Credit Risk: Reconcilable Differences." Risk 11 (1998), 56-62.

97. Kumar Sameer, Sant Arora. A model for risk classification of banks. //Managerial and decision economics. Vol 16. -155-165(1995)

98. Lennox, C. (1999), "Identifying failing companies: a reevaluation of the logit, probit and DA approaches," Journal of Economics and Business, 51(4), 347-364.

99. Lusted, L.B. (1968). "Introduction to Medical Decision Making", Charles C. Thomas, Springfield, Illinois.

100. Martin, D. (1977), "Early warning of bank failure: A logit regression approach," Journal of Banking and Finance, 1(3), 249-276.

101. Merton, R. "On the pricing of corporate debt: the risk structure of interest rates." Journal of Finance 29 (1974), 449-470.

102. Merton, R. "An Analytic Derivation of the Cost of Deposit Insurance and Loan Guarantees." Journal of Banking & Finance 1 (1977), 3-11.

103. Murphy N.B. Costs of banking activities: interactions between risk and operating cost: a comment // J. Money. Credit and Banking. 1972. Aug. P. 614-615.

104. Musumeci J.J., Sinkey J.F., Jr. The international debt crisis and bank loan-loss reserve decisions. The signaling content of partially anticipated events // J. Money. Credit and Banking. 1990. Aug.

105. Musumeci J.J., Sinkey J.F., Jr. The international debt crisis, investor contagion, and bank security returns in 1987: the Brazilian experience // J. Money. Credit and Banking. 1990. May.

106. Ohlson, J.A. (1980), "Financial Ratios and the Probabilistic Prediction of Bankruptcy," Journal of Accounting Research, 18(1), 109-131.

107. Pareto V. Cours d'Economie Politique. Lausanne: Houge. 1889.

108. RiskMetric Group, CreditMetrics Technical Document, J.P. Morgan, 1997

109. Saunders A., Credit Risk Measurement: New Approaches to Value at Risk and Other Paradigms, John Wiley & Sons, 1999, 226p.

110. Sealey C.W. Deposit rate-setting, risk aversion, and the theory of depository financial intermediates // J. Finance. 1980. Dec. P. 1139-1154.

111. Segoviano, M.A. and P. Lowe (2002), "Internal ratings, the business cycle and capital requirements: some evidence from an emerging market economy," BIS Working Papers, 117.

112. Shumway T. «Forecasting Bankruptcy More Accurately: A Simple Hazard Model.»// The Journal of Business, Volume 74, Issue 1 (Jan., 2001), 101-124.

113. Srinivasan, Venkat, and Yong H. Kim. 1987. "Credit Granding: A Comparative Analysis of Classification Procedures." Journal of Finance (July), pp. 665-683.