Статистические методы в управлении кредитным риском тема диссертации по экономике, полный текст автореферата

Автореферат диссертации по теме "Статистические методы в управлении кредитным риском"

На правах рукописи

СТАТИСТИЧЕСКИЕ МЕТОДЫ В УПРАВЛЕНИИ КРЕДИТНЫМ РИСКОМ (ПО МАТЕРИАЛАМ СБЕРБАНКА РФ)

08.00.12 - Бухгалтерский учет, статистика

Автореферат диссертации на соискание ученой степени кандидата экономических наук

111111111111111111

003493032

Оренбург-2010

Работа выполнена в Государственном образовательном учреждении высшего профессионального образования «Оренбургский государственный университет»

Научный руководитель доктор экономических наук, профессор

Афанасьев Владимир Николаевич

Официальные оппоненты: доктор экономических наук, профессор

Балаш Владимир Алексеевич

кандидат экономических наук, доцент Тимофеева Татьяна Вячеславовна

Ведущая организация ГОУ ВПО «Саратовский государственный

социально-экономический университет»

Защита состоится «у?/» им 2010 г. в мин на засе-

дании диссертационного совета ДМ 220.051.05 при Федеральном государственном образовательном учреждении высшего профессионального образования «Оренбургский государственный аграрный университет» по адресу: 460795, г. Оренбург, ул. Челюскинцев, 18.

С диссертацией можно ознакомиться в библиотеке Федерального государственного образовательного учреждения высшего профессионального образования «Оренбургский государственный аграрный университет».

Автореферат разослан «30 10 ]

Ученый секретарь

диссертационного совета /С___Левин В.С.

ОБЩАЯ ХАРАКТЕРИСТИКА РА НОТЫ

Актуальность темы исследовании. В сложившихся экономических условиях в РФ псе большую актуальность приобретают вопросы исследования различного рода рисков. Первостепенное место при этом отведено банковским рискам, т.к. для экономики России в последние годы банковская деятельность приобрела приоритетное значение в большей степени благодаря интенсивно развивающемуся кредитованию физических и юридических лиц. При этом, как известно, кредитование является наиболее прибыльной и рискованной частью банковских операций. Поскольку оценка степени риска и определение его величины носит вероятностный характер, то приори тетными методами при э том являются статистические.

Вследствие существенного влияния банков на экономику и общественные отношения, при эффективном управлении банковскими, и в частности кредитными рисками, можно ожидать расширения сферы банковского кредитования реального сектора и как следствие - улучшения ситуации в экономике и банковской системе страны.

Степень разработанности проблемы. Исследованию проблем управления кредитными рисками в банковской деятельности посвящено достаточно много зарубежных и отечественных работ. Среди зарубежных авторов, занимающихся вопросами банковских рисков, Moiyr быть выделены Д. Аргенти, К.Дж. Барлтроп, Э.Дж. Долан, Т.У. Кох, P.M.B. Басс, К.Д. Валравен, Э. Гилл, Х.В. Гргапиш; А. дс Жуан, Р. Коттср, M.Ii. Озиус, P.C. Портер, Л.А. Прагт, Б.Х. Путнам, Э. Рид, П.С. Роуз, Д. Ситр, Р. Смит, Дж. Сипки, Джозефа И. Фшшерти, Р.Дж.Таффлер, Д.Дж.С. Уильяме, Б. Эдварде и пр. Основные отечественные труды принадлежат О.II. Афанасьевой, И.Т. Балабанову, И.И. Валенцевой, А.Г. Грязновой, B.C. Захарову, Г.Г. Коробовой, В.Т. Севрук, Н.Э. Соколинской. А также научные труды H.A. Савинской, ПН. Белоглазовой, М.В. Романовского, A.JI. Смирнова, К.Н. Гусевой, Е.Ф. Жукова, О.В. Гочарук, В.А. Челнокова, П.С. Лавруншна, A.A. Горбунова, М.А. Пессель, Н.И. Сивульского, Н.П Типенко и других ученых. В их работах рассматривались в основном вопросы риска, с точки зрения теории финансов, кредитования и денежного обращения.

Отсутствие статистической базы, раскрывающей основные аспекты управления кредитным риском, системности применяемых методов статистической оценки и статистического анализа риска креди тных операций, а также собственного регламента коммерческих банков свидетельствуют о недостаточной разработанности статистической составляющей в управлении кредитным риском банка.

Актуальность, важное практическое значение и недостаточная научная разработанность статистических методов в управлении кредитным риском определили выбор темы, цель и задачи исследования.

Область исследования. Содержание диссертационной работы соответствует пункту 3.3. Методы обработки статистической информации: классификация и группировки, методы анализа социально-экономических явлений и процессов, статистического моделирования, исследования экономической конъюнктуры, деловой активности, выявления трендов и циклов, прогнозирования развития социально-экономических явлений и процессов Паспорта специальности 08.00.12-Бухгалтерский учет, статистика (экономические науки).

Объект исследования - Оренбургское отделение Сбербанка РФ.

Предмет исследования - теоретические, методологические и методические аспекты применения статистических методов в управлении кредитным риском коммерческого банка.

Цель и задачи исследования. Целью диссертационной работы является совершенствование методики управления кредитным риском на основе применения статистических методов.

Задачи диссертационного исследования:

- рассмотреть сущность категории «риск», классификацию банковских рисков, место в ней кредитного риска, а также факторы кредитного риска;

- провести комплексный статистический анализ кредитных рисков в сис теме Сбербанка РФ;

- применить существующие методики статистической оценки кредитоспособности к реальным заемщикам Сбербанка РФ; апробировать метод кластерного анализа для определения рейтинга заемщика;

- исследовать статистическую зависимость между отобранными показателями, характеризующими кредитоспособность организаций и факторами, влияющими на уровень кредитоспособности; проанализировать кредитный портфель Оренбургского отделения Сбербанка РФ;

- предложить и апробировать на практике статистический инструментарий управления кредитным риском, на основе многокритериальных задач принятия решений.

Методологической основой исследования явилось использование принципов системности, единство анализа и синтеза, общенаучных методов, монографического исследования.

Теоретической основой диссертации послужили труды отечественных и зарубежных учёных в области статистики, банковской деятельности и анализа банковских рисков, теории кредита, финансов; законодательные акты РФ; публикации экономической периодики; данные статистической и бухгалтерской отчетности.

Научная новизна исследования заключается в разработке теоретических и практических рекомендаций по методике применения статистических приемов, методов и моделей в системе управления кредитным риском.

Элементами научного вклада и предметом защиты являются следующие результаты исследования:

1. Систематизированы: основные факторы риска в банковской сфере и проведена их статистическая классификация по признакам: а) функциональное воздействие на хозяйственную деятельность фирмы; б) характер учета; в) уровень (степень) банковских рисков; г) возможность снижения риска; д) сфера возникновения рисков; с) состав клиентов банка; ж) вид банковской операции; з) банковская практика, - и перечень статистических показателей, влияющих на кредитный риск.

2. Проведена типологизация предприятий-заемщиков Оренбургского отделения Сбербанка РФ, позволившая построить их кредитный рейтинг; дана статистическая оценка результатов экспертного метода и выделены статистические показатели, влияющие на кредитный риск.

3. На основе корреляционного и регрессионного анализа показателей, характеризующих кредитоспособность организаций, установлена тесная статистическая связь между коэффициентом соотношения собственных и заемных средств, коэффициентом покрытия и коэффициентом концентрации собственного капитала.

4. Проведен статистический анализ динамики и структуры кредитного портфеля Оренбургского отделения Сбербанка РФ, в результате которого выявлена тенденция повышения кредитного риска, связанная с прогнозируемым ростом задолженности перед банковской системой по предоставленным кредитам юридическим лицам, а также ссуд по отдельным группам риска.

5. Впервые применяя метод кластерного анализа показателей, влияющих на кредитоспособность предприятия в динамике, выделены зоны с низким, средним и высоким уровнем кредитного риска для определения пороговых значений локальных критериев.

6. Разработана поэтапная схема процесса управления риском, как результат применения статистических методов для принятия управленческих решений по снижению кредитного риска.

Теоретическая и практическая значимость работы состоит в том, что содержащиеся в ней положения и выводы могут быть использованы коммерческими банками при разработке подходов к управлению кредитным риском.

Результаты диссертационного исследования целесообразно использовать при изучении курсов «Финансовая статистика», «Многомерные статистические методы», «Эконометрика». Практическую направленность имеют предложения и рекомендации по выбору пороговых значений локальных критериев.

Апробация и внедрение результатов исследования. Основные положения диссертационного исследования получили положительную оценку

на различных международных и региональных научно-практических конференциях в городах Воронеже, Уфе, Самаре, Пензе, Омске, Оренбурге, Одессе, семинарах, проводимых в рамках банковской системы РФ, заседаниях правительств Оренбургской и Самарской областей по выработке направлений выхода из кризиса экономик регионов и т.п.

Материалы диссертации используются для совершенствования учебных курсов в вузах Оренбургской области по финансовой и банковской статистике.

Система статистических методов для принятия управленческих решений по снижению кредитного риска используется кредитными службами Сбербанка РФ, что подтверждается актами о внедрении.

Публикации но теме диссертации. Основные положения диссертации опубликованы в 12 работах общим объемом более 5 усл.п.л. (из них авторских 3 п.л.), в т.ч. 2 работы опубликованы в журналах из перечня, установленного ВАК РФ.

Структура работы. Диссертация состоит из введения, трех глав, заключения, списка использованной литературы (120 источников), включает 44 рисунка и 7 приложений.

Рис. 1 - Концептуальная схема исследования

ОСНОВНЫЕ ПОЛОЖЕНИЯ, ВЫНОСИМЫЕ НА ЗАЩИТУ

1 Система основных факторов риска в банковской сфере, статистическая классификация их по признакам

Проведенный обзор различных классификаций банковских рисков позволил нам систематизировать их по основным признакам (табл. 1).

Таблица 1 - Классификация банковских рисков по основным признакам

Признак Виды риска

Функциональное воздействие на хозяйственную деятельность фирмы Коммерческий, или отраслевой

Деловой, или производственный

Финансовый

Риск ликвидности

Кредитный риск

Операционный риск

Банковская практика Конкретные риски: -риски неоправданного увеличения операционных расходов; - риски неоправданного увеличения пооперационных расходов; -риски уменьшения доходов от пассивных операций; - риски уменьшения доходов от активных операций; -риски потерь и обесценения активов; -риски упущенных выгод.

Собирательные риски: - риск неликвидности; -риск уменьшения доходов; - риск уменьшения прибыли, возникновения убытков; -риск уменьшения капитала до опасно низкого уровня; - риск неплатежеспособности.

Характер учета Риск по балансовым операциям

Риск по забалансовым операциям

Возможность снижения риска Систематические или нсдиверсифицнронанныс

Несистематические или диверсифицированные

Сфера возникновения рисков Внутренние

Внешние

Состав клиентов банка Форма собственности

Отрасль экономики

Объем собственного капитала

Вид банковской операции Кредитные

Валютные

Депозитные

Уровень (степень) банковских рисков Полный

Умеренный

Низкий

Основными областями банковской деятельности, генерирующими кредитные риски, являются:

- кредитование клиентов;

- инвестиции в ценные бумаги;

- межбанковское размещение;

- деятельность дочерних компаний;

- взаимоотношения с дебиторами.

В настоящей научной работе рассматриваются кредитные риски, проявляющиеся в кредитной деятельности банка при кредитовании юридических лиц.

Кредитный риск лежит в основе взаимоотношений между банком и клиентом по договору займа (гарантии, аккредитива и др.) и зависит как от клиента, так и от банка. В зависимости от источников проявления факторы, влияющие на кредитный риск, могут быть внутренними и внешними (рис. 2).

А

Источники кредитного риска банка

Внутренние

Ошибочные решения

Неготовность к кредитованию

Внешние

Кредиторские

Рыночные

Внерыночные

Рис. 2 - Источники кредитного риска банка

Внешние причины возникновения кредитного риска находятся вне банка. Они подразделяются на:

- кредиторские - это причины возникновения кредитного риска, которые зависят от заемщика, т. е. получателя банковского кредита. К ним относятся: положение заемщика на рынке, уровень его прибыльности, масштабы деятельности, величина располагаемого и собственного капиталов и т. п.;

- рыночные - это причины возникновения кредитного риска, которые определяются конъюнктурой всего рынка. К ним относятся факторы, определяющие общерыночную конъюнктуру: изменения рыночных цен, валютных курсов, процентных ставок, состава участников рынка и др.;

- внерыночные - это причины возникновения кредитного рынка, которые находятся вне рынка. К таким причинам относятся политические действия государства, изменения в законодательстве, природные события (землетрясения, наводнения и т. п.) и др.

Внутренние причины возникновения кредитного риска многогранны. В целом к ним можно отнести такие причины:

- ошибки в управлении, например ошибочную кредитную политику банка, ошибки в принятии решений о кредитовании конкретных клиентов банка, ошибки в документации и др.;

- неготовность к проведению кредитных операций, например необу-ченность соответствующего персонала банка, нехватка нужного оборудования, неготовность нормативной документации и т. п.

В ходе управления внешними факторами возможности банков достаточно ограничены, но оперативными действиями банк может в какой-то мере смягчить их влияние и предотвратить крупные потери.

2 Система статистических показателей, влияющих на кредитный риск

Среди аналитиков нет единого мнения относительно состава, классификации и даже названий коэффициентов, позволяющих проанализировать финансовое состояние и кредитоспособность заемщиков.

Методика Сбербанка оценки класса кредитоспособности заемщиков опирается на расчет и анализ ограниченной группы финансовых коэффициентов: коэффициент абсолютной ликвидности К{, промежуточный коэффициент покрытия К2, коэффициент текущей ликвидности (общий коэффициент покрытия) коэффициент соотношения собственных и заемных средств рентабельность продукции (или рентабельность продаж) К5. Данный анализ мы предлагаем дополнить рядом показателей, позволяющих более разносторонне оценить кредитоспособность заемщиков:

Х1 - коэффициент соотношения собственных и заемных средств (/С4);

Х2 - коэффициент абсолютной ликвидности (ЛТ,);

Хъ - промежуточный коэффициент покрытия (К2У,

Х4 - коэффициент текущей ликвидности (Л"3);

Х5 - рентабельность продукции (продаж), % (ЛГ5);

Х6 - оборачиваемость дебиторской задолженности, дней;

Х7 - оборачиваемость кредиторской задолженности,-дней;

Хц - оборачиваемость оборотных средств, дней;

Хч - коэффициент обеспеченности собственными оборотными средствами;

Хт - коэффициент маневренности собственного капитала;

Хц - коэффициент обеспеченности материальных запасов;

Х12 - коэффициент соотношения дебиторской и кредиторской задолженности;

Хп - коэффициент концентрации собственного капитала.

3 Статистическая типологизацин предприятий-заемщиков Оренбургского отделения Сбербанка РФ и их кредитный рейтинг

В результате проведенного анализа вариации показателей Х^Хп выявлено, что все рассматриваемые показатели образуют неоднородную совокупность, так как превышен «порог однородности» (33%).

Неоднородность заемщиков по уровню исследуемых признаков требует необходимости их классификации. Если необходимо классифицировать объекты наблюдения по множеству признаков, притом что отсутствует информация о характере распределения внутри классов, то проводится многомерная классификация методами кластерного анализа.

Результатом кластеризации заемщиков Сбербанка различных ВЭД (видов экономической деятельности) по состоянию на 1.01.2008 г. является иерархическое дерево, представленное на рисунке 3.

Нами получена объективная оценка количества групп и их состав. Метод Уорда приводит к образованию кластеров примерно равных размеров с минимальной внутриклассовой дисперсией. В итоге все объекты объединяются в один класс. Однако недостатком данного метода является необходимость перебора всех возможных вариантов включения нового объекта в кластер.

Для более детального рассмотрения кластеров проведена многомерная группировка по различным вариантам метода ¿-средних.

Дсидрограмма для 38 объектов Метод Уорда Евклидово расстояние

16

14

* 12

X

<к

i- 10

3

2

О

Рис. 3 - Дендрограмма объединения классов методом Уорда

Метод ^-средних позволил получить оптимальное разбиение, при котором сумма внутриклассовых дисперсий минимальна.

Состав полученных в результате разбиения кластеров представлен в таблице 2.

Таблица 2 - Структура классов

Класс Вид деятельности и номера субъектов, вошедших н кластер

1(7) «Производство, заготовка и реализация сельхозпродукции» (3, 4, 12, 16, 20), «Оптовая торговля» (32, 36)

2(15) «Металлургическое производство» (6), «Обрабатывающие производства» (9), «Производство и реализация сельхозпродукции» (11, 13, 15, 17, 18, 19,21,22, 23, 24, 25, 26, 27)

3 (16) «Производство промышленных товаров» (1), «Производство машин и оборудования» (2), «Производство строительных материалов» (5), «Добыча топливцо-энерютических полезных ископаемых» (7, 10), «Производство и реализация сельхозпродукции» (8, 14), «Строительство» (28, 29, 30), «Транспорт» (31), «Оптовая торговля» (33, 34, 35, 37), «Производство и распределение электроэнергии, газа и воды» (38)

Распределение средних значений нормированных признаков для кластеров отображено на рисунке 4.

График средних значений

1,5 |-1-----.-.---

о

1.0 ' 0,5 ■ 0,0 -0,5 ■

Х1 ХЗ Х5 Х7 Х9 Х11 Х13 ^

Х2 Х4 Х6 Х8 Х10 Х12 Гкл^рЗ

Признаки

Рис. 4 - График средних нормированных значений в каждом кластере

Согласно полученной классификации в первый класс вошли 4 сельскохозяйственные организации и 2 организации, занимающиеся оптовой торговлей. Данный класс объединяет заемщиков с высоким уровнем кредитоспособности. График средних значений нормированных признаков (рис. 4)

I рафик средних значении

Х1 ХЗ Х5 Х7 Х9 Х11 Х13 Х2 Х4 Х6 Х8 Х10 Х12

Признаки

свидетельствует о том, что по большинству рассматриваемых признаков в классе наблюдаются наилучшие значения, за исключением показателей Хя - оборачиваемость оборотных средств и Х^ - коэффициент концентрации собственного капитала, которые несколько ниже, чем во втором кластере.

Второй класс (организации со средним уровнем кредитоспособности) практически на 90% составляют сельскохозяйственные организации. График средних значений в классе отражает более высокие по сравнению с третьим классом средние значения по признакам Хи Х4, Х5, Х6, Х7, Х9, Х10, Хи, Хп,Х^. Менее высоки, чем в третьем классе, средние значения таких признаков как Х3 - промежуточный коэффициент покрытия и18 - оборачиваемость оборотных средств. Практически на одном уровне с организациями третьего класса во втором классе показатель Х2 - коэффициент абсолютной ликвидности.

Третий класс представлен, в основном, организациями обрабатывающих производств, оптовой торговли и строительства. Наиболее низкими значениями в данном классе по сравнению с первым и вторым классами характеризуются такие показатели, как Х1 - коэффициент соотношения собственных и заемных средств, Х5 - рентабельность продукции (продаж), Х9 - коэффициент обеспеченности собственными оборотными средствами чХи - коэффициент концентрации собственного капитала.

Таблица 3 - Сравнительный анализ кредитоспособности заемщиков

Число № класса по Кредитный рей-

№ заемщика заем- результатам клас- тинг, присвоенный

щиков терного анализа Сбербанком РФ

4, 12,16,20,32 5 1 1

3,36 2 1 2

11, 15, 18,21,25,26,27 7 2 2

9, 13,17, 19, 22,23, 24 7 2 1

6 I 2 3

29,30, 33,38 4 3 3

1,2, 5. 7, 8, 10, 14.28,31,34,35, 37 12 3 2

Как показывают данные таблицы 3, при многомерной классификации к распределению заемщиков по классам были предъявлены более жесткие требования. Особенно это касается распределения между вторым и третьим классом заемщиков. Около половины организаций (46,7%), отнесенных по результатам кластерного анализа ко второму классу, по методологии Сбербанка получили более высокий рейтинг и были оценены как организации с первым классом кредитоспособности, а 75% организаций, отнесенных по результатам кластеризации к 3 классу, получили по банковской оценке более высокий (второй) класс кредитоспособности.

4 Результаты корреляционного к регрессионного анализа показателей, характеризующих кредитоспособность организаций в Оренбургской области. Установлена тесная статистическая связь между коэффициентом соотношения собственных

и заемных средств, коэффициентом покры тия и коэффициентом концентрации собственного капитала

Для исследования зависимости между набором представленных признаков (Х{ -Х13) необходимо определить результативный показатель (У), с которым наиболее тесно коррелируют отобранные в ходе анализа признаки.

Показатели оборачиваемости Х6-Х& взяты как прямые характеристики (в кластерном анализе для облегчения интерпретации полученных классов были использованы их обратные значения).

По матрице парных коэффициентов корреляции установлено, что в качестве результативного признака - У, можно рассмотреть показатель Х{ -коэффициент соотношения собственных и заемных средств (£,,).

Результаты регрессионного анализа результативного признака с факторными признаками, имеющими статистически значимую связь и не колпииеариыми, показали, что полученная модель значима и значимы коэффициенты регрессии. Проверка нормальности распределения остатков показала, что построенная модель адекватна реальным данным. Остатки распределены нормально.

Значение критерия Дарбина-Уот сона £/мабл-2,2395. Верхние и нижние табличные значения критерия составили 1,5 и 1,28 (при « = 38, к-2). 'Гак как полученное значение критерия больше двух, вычисляем (4-1,28)-2,72 и (4-1,5)=2,5. Таким образом, наблюдаемое значение больше 2, но меньше 2,72, следовательно, гипотеза о наличии автокорреляции отклоняется. В полученной модели стандартные отклонения оценок коэффициентов регрессии оказались малы, значит, можно говорить об отсутствии гетероске-дастичности остатков.

Коэффициент детерминации, равный 0,7187, говорит о том, что изменение результативного признака в среднем на 71,9% объясняется изменением факторных признаков и на 28,1 % - влиянием неконтролируемых факторов.

Уравнение регрессии в стандартизированном масштабе показывает, что при росте промежуточного коэффициента покрытия на одну сигму, коэффициент соотношения собственных и заемных средств возрастает на 0,59 сигмы; при росте коэффициента концентрации собственного капитала на одну сигму, результативный показатель увеличивается соответственно на 0,47 сигмы. Попытка введения новых объясняющих переменных с целыо повышения качества модели не привела к повышению значения коэффициента детерминации и получению статистически значимых коэффициентов при переменных.

5 Статистический анализ динамики и структуры кредитного портфели Оренбургского отделении Сбербанка РФ, позволивший выявить тенденцию повышении кредитного риска, связанную

с прогнозируемым ростом задолженности перед банковской системой но предоставленным кредитам юридическим лицам, а также ссуд но отдельным группам риска

На рисунке 5 представлена структура пяти групп кредитов в среднем за 2006-2008 гг. в поквартальной динамике по Оренбургскому отделению Сбербанка РФ.

□ удельный вес ссудной задолженности, не являющейся стандартной, в совокупном

объеме предоставленных кредитов (%); П1 удельный всс нестандартных ссуд, в совокупном объеме кредитного портфеля (%);

В - удельный вес сомнительных ссуд, в совокупном объеме кредитного портфеля (%);

и удельный вес проблемных ссуд, в совокупном объеме кредитного портфеля (%);

Я - удельный вес безнадежных ссуд, в совокупном объеме кредитного портфеля (%)

Рис. 5 - Удельные веса групп кредитов по фактическому состоянию с их погашением

Наибольший удельный вес в анализируемом периоде составляют ссуды 1 группы риска, а наименьший - 3 группы. В качестве негативного факта можно отметить превышение удельного веса безнадежных ссуд (5 группа риска) над 3 и 4 группами.

Анализ колеблемости и устойчивости уровней ряда и тенденции динамики просроченной задолженности по группам, а также суммы общей задолженности перед банковской системой по предоставленным кредитам юридическим лицам позволил выявить следующее:

1. В динамических рядах: суммы общей задолженности перед банковской системой, по предоставленным кредитам юридическим лицам; удельного веса ссудной задолженности, не являющейся стандартной; удельного веса нестандартных ссуд и удельного веса безнадежных ссуд, наблюдается высокая устойчивость уровней ряда, относительно выявленной тенденции.

2. Высокая устойчивость роста уровней наблюдается в динамике суммы общей задолженности и удельного веса ссудной задолженности,

не являющейся стандартной; высокая устойчивость снижения уровней характерна только для удельного веса проблемных ссуд; для временных рядов удельного веса проблемных ссуд и удельного веса сомнительных ссуд устойчивость уровней составила лишь 59,9% и 60,52% соответственно.

Проведенный анализ точности и адекватности моделей тренда, экспоненциального сглаживания, ЛК1МЛ, построенных по временным рядам групп задолженностей, позволяет сделать вывод, что для прогнозирования целесообразно использовать модели тренда и экспоненциального сглаживания.

Прогноз, выполненный по выбранным моделям анализируемых показателей, позволил установить, что в 2009 г. в поквартальном разрезе ожидается рост суммы общей задолженности, удельного веса ссудной задолженности 1, 3 и 4 группы и снижение 2 и 5 групп. Из вышеизложенного следует, что в Оренбургском отделении Сбербанка РФ сложилась тенденция повышения кредитного риска, связанная с ростом задолженности перед банковской системой но предоставленным кредитам юридическим лицам, а также ссуд по отдельным группам риска.

6 Статистическая оценка результатов применения и использовании

экспертного метода и показатели, влияющие на кредитный риск

В процессе предоставления кредита сотрудники кредитного отдела должны сыграть двойную роль - роль продавца и эксперта. После идентификации потенциального заемщика, сотрудник кредитного отдела начинает процесс принятия решения посредством получения информации у этого заемщика с тем, чтобы решить, совместима ли его просьба о предоставлении кредита с текущей политикой банка.

В достаточно простых ситуациях принятия решений удается ограничиться единственным критерием оптимальности. Соответствующие задачи принятия решений называют одноцелевыми или однокритериальными, в противном случае имеют место многоцелевые или многокритериальные.

Так как нами предложен набор показателей, характеризующих кредитоспособность организаций и факторов, влияющих на уровень кредитоспособности заемщиков которые и будут являться критериями, то для управления кредитным риском необходимо использовать многокритериальные задачи принятия решений.

При решении многокритериальных задач принятия решений возникает ряд специфических проблем, носящих не формальный, а концептуальный характер. Одной из таких является учет приоритета критериев вследствие того, что локальные критерии имеют различную важность.

Для ранжирования критериев по степени важности нами применен метод экспертных оценок - анкетирование. Экспертами выступили работни-

ки кредитного отдела банка (15 человек), имеющие опыт работы по кредитованию юридических лиц более 5 лет. Им было предложено расположить критерии Х] -Х13 по степени убывания их влияния на вероятность наступления кредитного риска. Коэффициент конкордации мнений экспертов составил 0,78.

2 ,12-37038 Хмб"~ 13-15-16 ' Изтаблицы критических значений распределения Пирсона для 5% уровня значимости и 14 степенях свободы критическое значение %1рт =23,68. Следовательно, можно считать, оценки важности критериев представляют единое мнение данной группы экспертов. Среди наиболее важных эксперты выделили показатели ликвидности (Х2-Х4), менее важными, по мнению экспертов, являются показатели оборачиваемости и обеспеченности материальными запасами (таблица 4).

Таблица 4 - Результаты экспертной оценки важности критериев

Критерий * х7 Х12

Ранг 4 1 2 3 5 И 12 7 6 9 13 10 8

7 Определение пороговых значений локальных критериев с низким, средним и высоким уровнем кредитного риска и кластерный анализ показателей, влияющих на кредитоспособность предприятия в динамике

Одной из основных проблем, связанных с решением задачи векторной

оптимизации, является определение области компромисса 0,кх из области допустимых решений. В области компромисса есть противоречие между некоторыми критериями: улучшение качества решения по одним критериям ухудшает качество решения по другим. Выделение области компромисса 0.кх обычно является первым этапом решения векторных задач принятия решений. Важный практический результат этого этапа - сужение области возможных решений, что уже само по себе улучшает качество принимаемых решений. В отдельных случаях поиск оптимальных решений с приемлемой для практики точностью можно ограничить выделением области компромисса.

Для решения данной проблемы нами применен кластерный анализ с целыо выделения устойчивых в динамике классов предприятий по отобранным критериям. Из совокупности заемщиков Оренбургского отделения Сбербанка РФ отобраны 20 предприятий различных видов экономи-

ческой деятельности, представившие отчетность в поквартальном разрезе за 2003-2008 гг. По 13 выделенным критериям на первый квартал каждого года проведен кластерный анализ, при этом для соблюдения условия стремления всех показателей к максимуму вместо показателей^,^,взяты их обратные значения. Как видно из таблицы 5, состав кластеров в динамике отличается нестабильностью. В 2003, 2005 и 2006 гг. нами выделены 2 кластера, в 2004, 2007 и 2008 гг. - 3 кластера, при этом в 2008 г. предприятие под номером 4 не вошло ни в один из кластеров. Для формирования «стабильных» кластеров, мы включали в него только те предприятия, которые не менее 4-х лет входили в состав одного и того же кластера. В результате получен состав кластеров, представленный в последней строке таблицы 5.

Таблица 5 - Состав кластеров в динамике

Год 1 кластер 2 кластер 3 кластер

2003 5, 8,9, 10, II, 12, 13, 15, 17, 20 1,2, 3, 4, 6, 7, 14, 16, 18, 19 -

2004 9, 12 11, 13, 15, 17,20 1, 2, 3,4, 5, 6, 7, 8, 10, 14, 16, 18, 19

2005 4, 9, 12, 13, 17 1,2, 3, 5,6,7, 8, 10, 11, 14, 15, 16, 18, 19,20 -

2006 9, 11, 12, 13, 15, 17, 20 1,2, 3, 4, 5, 6, 7, 8, 10, 14, 16, ¡8, 19 -

2007 8, 9, 10, 1!. 12, 13, 14, 15, 17, 18, 19, 20 5, 3,6, 1,2, 16 4,7

2008 9, 13 8, 10, 11, 12, 14, 15, 17, 18, 19 1,2, 3, 5,6,7, 16, 20

«Стабильный» 9, 12, 13, 17 1,2,3, 6, 10, П, 14, 15, 16, 18, 19 4, 5, 7, 8, 20

По «стабильным» кластерам рассчитаны средние значения критериев. В первый кластер вошли предприятия с наибольшими значениями критериев, третий кластер включает предприятия, наихудшие по критериям. Следовательно, можно заключить, что в первый кластер вошли предприятия с наименьшим уровнем риска, во второй - со средним, в третий - с наибольшим. Вместе с тем, по трем рассматриваемым критериям (Хю, ]/Х6, 1 /Хя) эта градация нарушается.

Таким образом, областью компромисса можно считать принятие решения по критериям Х\~Х5, \/Х7,Х9, Хп-Х\Ъ, пренебрегая Х\0, \!Х6, МХ%.

8 Статистические методы в принятии управленческих решений по снижению кредитного риска, в соответствии с разработанной поэтапной схемой процесса управления риском

С учетом особенностей выделенных критериев для выбора заемщика с минимальным уровнем риска мы предлагаем применять принцип выделения главного критерия, основанный на том, что из совокупности локальных критериев е,, е2, ..., ек выделяется один, например et, и принимается в качестве главного критерия. К уровням остальных локальных критериев предъявляется требование, чтобы они были не меньше некоторых заданных значений е[г В результате векторная задача оптимизации сводится к скалярной:

opt Е - max е,

где О.].; та часть области компромиссов Q',-, в которой выполняются условия:

еч < Я е 2, к-

Выбранный принцип оптимальности нами применен к произвольно взятым предприятиям из каждого кластера: их первого кластера взято предприятие № 13, из второго № 19, из третьего № 20. В качестве главного критерия принят Х2 - коэффициент абсолютной ликвидности, т.к. по мнению экспертов он является одним из главных показателей кредитоспособности заемщика. Наибольшее значение главного критерия у предприятия № 13 (^=0,31), наименьшее у предприятия № 20 (Лг2=0,03). К уровням остальных локальных критериев наложены требования, представленные в таблице 6 (1 класс - предприятия с низким уровнем кредитного риска, 2 класс - предприятия со средним уровнем риска, 3 класс - предприятия с высоким уровнем риска).

Таблица 6 - Значения локальных критериев

Локальный критерий 1 класс 2 класс 3 класс

Более 0,544 0,372-0,544 Менее 0,372

Более 0,382 0,263 - 0,382 Менее 0,263

Более 2,141 1,112-2,141 Менее 1,112

Х5 Более 0,115 0,086-0,115 Менее 0,086

МХ-, Более 0,029 0,023-0,029 Менее 0,023

х9 Более 0,196 -0,446-0,196 Менее -0,446

Хп Более-0,053 -0,053 —2,35 Менее-2,347

X\i Более 0,835 0,318-0,835 Менее 0,318

Х„ Более 0,451 0,326-0,451 Менее 0,326

Результаты сравнения локальных критериев с наложенными требованиями представлены в таблице 7.

Таблица 7 - Определение класса предприятия но локальным критериям

Помер предприятия х< -v5 MX-] х» Сумма В среднем

13 1 1 1 1 1 I 1 2 1 10 1

19 1 2 2 1 2 1 1 2 2 14 2

20 1 1 2 2 3 1 1 2 2 15 2

Предприятию из 1 кластера присвоен 1 класс, а предприятиям из 2 и 3 кластера - 2 класс кредитоспособности (присвоенные классы совпали с рейтингом, установленным банком при анализе кредитоспособности данных заемщиков). Вместе с тем, по главному критерию предприятие № 20 имеет наихудший рейтинг. Поэтому при выборе заемщика из предприятий № 20 и № 19 предпочтение следует отдать предприятию № 19, которому и по главному и но локальным критериям присвоен 2 класс.

Для более надежного установления уровня кредитоспособности предприятия необходимо прогнозировать на срок кредитования динамику критериев. При этом, если прогнозируется положительная тенденция большинства критериев, то предприятию присваивается 1 или 2 класс (в зависимости от количества критериев с положительной динамикой - чем больше их количество, тем выше класс), в противном случае - 3 класс.

Прогноз показателей, выполненный по моделям тренда, показал, что у предприятия № 13, в последующие 3 года в поквартальном разрезе ожидается рост показателей, за исключением Х5 и Xi0, У предприятия № 19 прогнозируется убывающая тенденция по трем показателям : Х5, Х]0, Хи. А для предприятия № 20 прогнозируется отрицательная тенденция для большинства показателей за исключением Х5, 1 /Хй, МХ%, иХи.

Исходя из проведенного анализа показателей, нами сделан вывод, что предприятие № 13 имеет низкий уровень кредитного риска и попадает в первый класс, предприятие № 19 со средним уровнем кредитного риска -во второй класс и предприятие № 20 с высоким уровнем кредитного риска - в третий класс.

Процесс управления кредитным риском при кредитовании юридического лица можно представить в виде поэтапной схемы (рис. 6).

ю о

Анализ главного критерия — Хг

Х2> (0,2-0,5)

I

Анализ критериев: Х\,Х%,Х^,Х%, ИХт, Ху, Хц,Хп, А"»согласно таблице 7

Ш + =

Предприятие отнесено к 1 классу

Предприятие отнесено ко 2 классу

Предприятие отнесено к 3 классу

Прогнозирование тенденции критериев

Прогнозирование тенденции критериев

Прогнозирование тенденции критериев

Я £ * =

I

о §

С

«

й 5

55 Э

О

* =

о Б

§ н

С

£ = 3 Д

3

е-^

о

Низкий Средний

уровень уровень

риска риска

Средний уровень риска

Высокий уровень риска

Средний Высокий

уровень уровень

риска риска

Хг< (0,2-0,5)

Отказать в выдаче кредита

Рис. 6 - Схема управления кредитным риском

при кредитовании юридического лица

Положения и выводы диссертации нашли отражение в следующих основных публикациях:

Статьи в ведущих рецензируемых научных журналах, определенных ВАК Министерства образовании и науки РФ

1. Серебряков Е.Ю., Батурин О.В., Афанасьев Д.В. Анализ состояния кредитного портфеля в Оренбургском отделении Сбербанка РФ // Вестник Самарского государственного экономического университета. 2009. № 7 (57). С. 81-85. (0,35 и.л., из них авторских 0,20).

2. Серебряков Е.Ю., Батурин О.В., Афанасьев Д.В. Многомерные классификации заемщиков по степени кредитоспособности // Вестник Самарского государственного экономического университета. 2009. № 8 (58). 2009. С. 113-118. (0,5 п.л., из них авторских 0,45).

Статьи в иных изданиях

3. Серебряков Е.Ю., Афанасьев В.Н. Экономическая реформа и пути решения региональных проблем в аграрном секторе // Доклады межвузовской научно-практической конференции, посвященной 250-летию Оренбургской губернии и 60-летию Оренбургской области. Оренбург, 1994. С, 32-35. (0,25 п.л., из них авторских 0,22).

4. Серебряков Е.Ю. Банковские риски // Тезисы докладов международной научно-практической конференции. Воронеж, 1995. С. 304. (0,13 п.л.)

5. Серебряков ЕЛО. Механизм оценивания эффективности процентных ставок // Сборник научных трудов rio материалам международной научно-практической конференции «Научные исследования и их практическое применение. Современное состояние и пути развития'2008». Том 7. Экономика. Одесса: Чсрноморье, 2008. С. 24-26. (0,30 пл.).

6. Серебряков, Е.Ю. Управление финансовыми потоками коммерческого банка II Сборник научных трудов по материалам международной научно-практической конференции «Научные исследования и их практическое применение. Современное состояние и пути развития'2008». Том 7. Экономика. Одесса: Чсрноморье, 2008. С. 26-28. (0,3 пл.).

7. Серебряков ЕЛО. Управление риском изменения процентных ставок // Проблемы экономики и статистики в общегосударс твенном и региональном масштабах. V Всероссийская научно-практическая конференция: сборник статей. Пенза: РИО ПГСХА, 2008. С. 218-220. (0,25 пл.).

8. Серебряков Е.Ю., Батурин О.В., Афанасьев Д.В. Система показателей, характеризующих наличие (уровень) кредитных рисков и их влияние на банковскую среду // Технологии управления социально-экономическим развитием региона: материалы II Всероссийской научно-практической конференции с международным участием. В 3-х частях. Часть II. Уфа: ИСЭИ УНЦ РАИ, 2009. С. 196-201. (0,33 пл., из них авторских 0,22).

9. Серебряков ЕЛО., Батурин О.В., Афанасьев Д.В. Теоретические аспекты возникновения кредитных рисков в современных условиях развития экономики // Технологии управления социально-экономическим развитием региона: материалы II Всероссийской научно-практической конференции с международным участием. В 3-х частях. Часть II. Уфа: ИСЭИ УНЦ РАН, 2009. С. 201-206. (0,5 пл., из них авторских 0,33).

10. Серебряков Е.Ю., Батурин О.В., Афанасьев Д.В. Теоретические аспекты управления кредитным риском на основе многокритериальных задач принятия решений // Технологии управления социально-экономическим развитием региона: материалы II Всероссийской научно-практической конференции с международным участием. В 3-х частях. Часть III. Уфа: ИСЭИ УНЦ РАН, 2009. С. 81-85. (0,42 пл., из них авторских 0,28).

11. Серебряков Е.Ю., Батурин О.В., Афанасьев Д.В. Систематизация банковских рисков // Кризис и социально-экономическая и политическая ситуация в регионе: материалы международной научно-практической конференции. Часть II. Воронеж: Изд-во Воронеж, гос. ун-та, 2009. С. 117-121. (0,35 н.л., из них авторских 0,20).

12. Серебряков Е.Ю., Батурин О.В., Афанасьев Д.В. Оценка финансового состояния заемщика в системе Сбербанка РФ // Экономика и общество: рациональность и ответственность: материалы заочной международной научной конференции «Современное социальное и экономическое положение в России». Омск: Изд-во Омск. гос. ун-та, 2009. С. 230-235. (0,375 пл., из них авторских 0,25).

Серебряков Евгений Юрьевич

СТАТИСТИЧЕСКИЕ МЕТОДЫ В УПРАВЛЕНИИ КРЕДИТНЫМ РИСКОМ (ПО МАТЕРИАЛАМ СБЕРБАНКА РФ)

Автореферат диссертации на соискание ученой степени кандидата экономических наук

Подписано в печать 18.02.10. Формат 60x84/16. Усл. печ. л. 1,0. Печать оперативная. Бумага офсетная. Заказ № 3581. Тираж 100 экз.

Отпечатано в Издательском центре ОГАУ. 460795, г. Оренбург, ул. Челюскинцев, 18. Тел.: (3532) 77-61-43.

Диссертация: содержание автор диссертационного исследования: кандидата экономических наук, Серебряков, Евгений Юрьевич

Введение

Глава 1 Теоретические основы исследования кредитных рисков

1.1 Классификация банковских рисков

1.2 Теоретические аспекты возникновения кредитных рисков в современных условиях развития экономики

1.3 Система показателей характеризующих наличие (уровень) кредитных рисков и их влияние на банковскую среду

Глава 2 Статистический анализ кредитных рисков в системе Сбербанка РФ

2.1 Факторы, определяющие уровень кредитных рисков

2.2 Оценка кредитоспособности клиентов коммерческого банка

2.3 Применение скоринговых моделей в анализе кредитоспособности заемщика

2.4 Многомерные методы в оценки кредитных рисков

2.4.1 Многомерная классификация заемщиков банка по степени кредитоспособности

2.4.2 Множественная регрессия в оценке кредитоспособности заемщиков

Глава 3 Статистические методы в управлении кредитными рисками

3.1 Система управления кредитными рисками в Сбербанке РФ

3.2 Анализ состояния кредитного портфеля в Оренбургском отделении Сбербанка РФ

3.3. Управление кредитным риском на основе многокритериальных задач принятия решений Заключение

Диссертация: введение по экономике, на тему "Статистические методы в управлении кредитным риском"

Актуальность темы исследования. В сложившихся экономических условиях в РФ все большую актуальность приобретают вопросы исследования различного рода рисков. Первостепенное место при этом отведено банковским рискам, т.к. для экономики России в последние годы банковская деятельность приобрела приоритетное значение в большей степени благодаря интенсивно развивающемуся кредитованию физических и юридических лиц. При этом, как известно, кредитование является наиболее прибыльной и рискованной частью банковских операций. Поскольку оценка степени риска и определение его величины носит вероятностный характер, то приоритетными методами при этом являются статистические.

Вследствие существенного влияния банков на экономику и общественные отношения, при эффективном управлении банковскими, и в частности кредитными рисками, можно ожидать расширения сферы банковского кредитования реального сектора и как следствие - улучшения ситуации в экономике и банковской системе страны.

Степень разработанности проблемы. Исследованию проблем управления кредитными рисками в банковской деятельности посвящено достаточно много зарубежных и отечественных работ. Среди зарубежных авторов, занимающихся вопросами банковских рисков, могут быть выделены Д. Аргенти, К.Дж. Барлтроп, Э.Дж. Делан, Т.У. Кох, Р.М.В. Басе, К.Д. Валравен, Э. Гилл, Х.В. Грюнинг, А. де Жуан, Р. Котгер, ME. Озиус, Р.С. Портер, JI.A. Пратт, Б.Х. Путнам, Э. Рид, П.С. Роуз, Д. Ситр, Р. Смит, Дж. Синки, Джозефа И. Финнерти, Р.Дж.Таффлер, Д.Дж.С. Уильяме, Б. Эдварде и пр. Основные отечественные труды принадлежат О.Н. Афанасьевой, И.Т. Балабанову, И.И. Валенцевой, А.Г. Грязновой, B.C. Захарову, Г.Г. Коробовой, В.Т. Севрук, Н.Э. Соколинской. А также научные труды Н.А. Савинской, Г.Н. Белоглазовой, М.В. Романовского, A.J1. Смирнова, К.Н. Гусевой, Е.Ф. Жукова, О.В. Гочарук, В.А. Челнокова, П.С. Лаврушина, А.А. Горбунова,-М.А. Пессель, Н.И. Сивульского, Н.Г Типенко и других 3 ученых. В их работах рассматривались в основном вопросы риска, с точки зрения теории финансов, кредитования и денежного обращения.

Отсутствие статистической базы, раскрывающей основные аспекты управления кредитным риском, системности применяемых методов статистической оценки и статистического анализа риска кредитных операций, а также собственного регламента коммерческих банков свидетельствуют о недостаточной разработанности статистической составляющей в управлении кредитным риском банка.

Актуальность, важное практическое значение и недостаточная научная разработанность статистических методов в управлении кредитным риском определили выбор темы, цель и задачи исследования.

Область исследования. Содержание диссертационной работы соответствует пункту 3.3. Методы обработки статистической информации: классификация и группировки, методы анализа социально-экономических явлений и процессов, статистического моделирования, исследования экономической конъюнктуры, деловой активности, выявления трендов и циклов, прогнозирования развития социально-экономических явлений и процессов Паспорта специальности 08.00.12 - Бухгалтерский учет, статистика (экономические науки).

Объект исследования - Оренбургское отделение Сбербанка РФ.

Предмет исследования - теоретические, методологические и методические аспекты применения статистических методов в управлении кредитным риском коммерческого банка.

Цель и задачи исследования. Целью диссертационной работы является совершенствование методики управления кредитным риском на основе применения статистических методов.

Задачи диссертационного исследования:

- рассмотреть сущность категории «риск», классификацию банковских рисков, место в ней кредитного риска, а также факторы кредитного риска;

- провести комплексный статистический анализ кредитных рисков в системе Сбербанка РФ;

- применить существующие методики статистической оценки кредитоспособности к реальным заемщикам Сбербанка РФ; апробировать метод кластерного анализа для определения рейтинга заемщика;

- исследовать статистическую зависимость между отобранными показателями, характеризующими кредитоспособность организаций и факторами, влияющими на уровень кредитоспособности; проанализировать кредитный портфель Оренбургского отделения Сбербанка РФ;

- предложить и апробировать на практике статистический инструментарий управления кредитным риском, на основе многокритериальных за дач принятия решений.

Методологической основой исследования явилось использование принципов системности, единство анализа и синтеза, общенаучных методов, монографического исследования.

Теоретической основой диссертации послужили труды отечественных и зарубежных учёных в области статистики, банковской деятельности и анализа банковских рисков, теории кредита, финансов; законодательные акты РФ; публикации экономической периодики; данные статистической и бухгалтерской отчетности.

Научная новизна исследования заключается в разработке теоретических и практических рекомендаций по методике применения статистических приемов, методов и моделей в системе управления кредитным риском.

Элементами научного вклада и предметом защиты являются следующие результаты исследования:

1. Систематизированы: основные факторы риска в банковской сфере и проведена их статистическая классификация по признакам: а) функциональное воздействие на хозяйственную деятельность фирмы; б) характер учета; в) уровень (степень) банковских рисков; г) возможность снижения риска; д) сфера возникновения рисков; е) состав клиентов банка; ж) вид банковской операции; з) банковская практика, — и перечень статистиче ских показателей, влияющих на кредитный риск.

2. Проведена типологизация предприятий-заемщиков Оренбургского отделения Сбербанка РФ, позволившая построить их кредитный рейтинг; дана статистическая оценка результатов экспертного метода и выделены статистические показатели, влияющие на кредитный риск.

3. На основе корреляционного и регрессионного анализа показателей, характеризующих кредитоспособность организаций, установлена тесная статистическая связь между коэффициентом соотношения собственных и заемных средств, коэффициентом покрытия и коэффициентом концентрации собственного капитала.

4. Проведен статистический анализ динамики и структуры кредитного портфеля Оренбургского отделения Сбербанка РФ, в результате которого выявлена тенденция повышения кредитного риска, связанная с прогнозируемым ростом задолженности перед банковской системой по предоставленным кредитам юридическим лицам, а также ссуд по отдельным группам риска.

5. Впервые применяя метод кластерного анализа показателей, влияющих на кредитоспособность предприятия в динамике, выделены зоны с низким, средним и высоким уровнем кредитного риска для определения пороговых значений локальных критериев.

6. Разработана поэтапная схема процесса управления риском, как результат применения статистических методов для принятия управленческих решений по снижению кредитного риска.

Теоретическая и практическая значимость работы состоит в том, что содержащиеся в ней положения и выводы могут .быть использованы коммерческими банками при разработке подходов к управлению кредитным риском.

Результаты диссертационного исследования целесообразно использовать при изучении курсов «Финансовая статистика», «Многомерные статистические методы», «Эконометрика». Практическую направленность имеют предложения и рекомендации по выбору пороговых значений локальных критериев.

Апробация и внедрение результатов исследования. Основные положения диссертационного исследования получили положительную оценку на различных международных и региональных научно-практических конференциях в городах Воронеже, Уфе, Самаре, Пензе, Омске, Оренбурге, Одессе, семинарах, проводимых в рамках банковской системы РФ, заседаниях правительств Оренбургской и Самарской областей по выработке направлений выхода из кризиса экономик регионов и т.п.

Материалы диссертации используются для совершенствования учебных курсов в вузах Оренбургской области по финансовой и банковской статистике.

Система статистических методов для принятия управленческих решений по снижению кредитного риска используется кредитными службами Сбербанка РФ, что подтверждается актами о внедрении.

Публикации по теме диссертации. Основные положения диссертации опубликованы в 12 работах общим объемом более 5 усл.п.л. (из них авторских 3 п.л.) в т.ч. 2 работы опубликованы в журналах из перечня, установленного ВАК РФ.

Структура работы. Диссертация состоит из введения, трех глав, заключения, списка использованной литературы (120 источников), включает 44 рисунка и 7 приложений.

Диссертация: заключение по теме "Бухгалтерский учет, статистика", Серебряков, Евгений Юрьевич

Основные выводы по результатам исследования, приводятся нами, в конце каждой главы в данном разделе остановимся на некоторых из них.

1. В своей деятельности банки сталкиваются с множеством рисков. Банковские риски входят в систему экономических рисков, а поэтому являются сложными уже по своей природе. Находясь в системе, они испытывают на себе влияние других экономических рисков, являясь одновременно специфическими, самостоятельными рисками. Поэтому успех управления банковскими рисками зависит от уровня оценки вероятности их наступления, а также выбора метода их минимизации.

2. На кредитный риск воздействует множество факторов, которые необходимо учитывать при его оценке и прогнозировании. Выделяют макроэкономические факторы, факторы, связанные с предприятиями-заемщиками, факторы, связанные с банком, а также внешние и внутренние факторы.

3. Существующее множество методик оценки кредитного риска базируется на ряде общих принципов, что позволяет их сгруппировать в определенные категории. Основными методами являются метод скоринга, математические методы, основанные на взвешенной оценке вероятности изменения рейтинга заемщика, и методы, предложенные Базельским комитетом по банковскому надзору.

4. В настоящее время в банковской практике не существует универсальной методики оценки кредитного риска заёмщика, в связи с этим рекомендуется использовать все методы оценок в совокупности.

5. Современная ситуация в банковском секторе показывает, что агрегированные показатели, характеризующие уровень кредитных рисков в банковской системе, находятся на допустимом уровне. Доля просроченной задолженности, являющаяся важнейшим индикатором кредитных рисков, по кредитному портфелю в целом за период с 2006г. до первого полугодия 2007 г. выросла с 1,3 до 1,5%. В целом по банковской системе, согласно данным ЦБ, «плохих» кредитов не так много: доля проблемных и безнадежных ссуд за 2006 год снизилась с 3,2 до 2,6% и, по итогам первого полугодия 2007 года, осталась на этом уровне.

6. В условиях нестабильной экономики, высоких темпов инфляции фактические показатели за прошлые периоды не могут являться единственной базой оценки способности клиента погасить свои обязательства, включая ссуды банка, в будущем. Эти рассчитываемые коэффициенты отражают положение дел в прошлом, да и то лишь в отношении некоторых сторон деятельности предприятий - в основном в части движения оборотных средств. Кроме того, они не учитывают многих факторов: репутацию заемщика, перспективы и особенности экономической конъюнктуры, в том числе выпускаемой продукции, а также других факторов. В этом случае должны использоваться либо прогнозные данные для расчета коэффициентов, либо рассматриваемый способ оценки кредитоспособности предприятия дополнится другими.

7. Применение скоринговых моделей для оценки кредитоспособности и вероятности банкротства предприятия (двухфакторной, Альтмана, Таффлера и Лиса) в сложившихся условиях хозяйствования в РФ может привести к ошибочным выводам.

8. При многомерной классификации к распределению заемщиков по классам были предъявлены более жесткие требования. Особенно это касается распределения между вторым и третьим классом заемщиков. Около половины организаций (46,7%), отнесенных по результатам кластерного анализа ко второму классу, по методологии Сбербанка получили более высокий рейтинг и были оценены как организации с первым классом кредитоспособности, а 75% организаций, отнесенных по результатам кластеризации к 3 классу, получили по банковской оценке более высокий (второй) класс кредитоспособности.

9. По результатам корреляционного и регрессионного анализа выявлена тесная зависимость величины коэффициента соотношения собственных и заемных средств от величины промежуточного коэффициента покрытия и коэффициента концентрации собственного капитала.

10. Управление кредитным риском является одной из важнейших логичных составляющих организованного процесса функционирования банка, и поэтому оно обязано быть интегрировано в данный процесс, иметь на вооружении научно обоснованную стратегию, тактику и оперативную реализацию.

11. Процесс управления рисками можно представить в качестве механизма, состоящего из трех уровней, где первый уровень отвечает за стратегическое управление, на втором осуществляется тактическое и оперативное управление, на третьем оперативное. Главным принципом функционирования данного механизма остается четкая регламентация целей, задач, функций и полномочий всех структурных подразделений и коллегиальных органов, задействованных в процессе управления кредитными рисками.

12. Анализ тенденции и динамики просроченной задолженности по группам, а также суммы общей задолженности перед банковской системой по предоставленным кредитам юридическим лицам выявил высокую устойчивость уровней ряда и тенденции динамики большинства показателей.

13. Прогнозирование просроченной задолженности по группам, а также суммы общей задолженности перед банковской системой по предоставленным кредитам юридическим лицам на основе отобранных моделей тренда и экспоненциального сглаживания на 2009г. в поквартальном разрезе показало увеличение доли наиболее проблемных ссуд.

14. С целью совершенствования механизма управления кредитным риском, необходимо использовать поэтапную схему анализа кредитоспособности заемщика — юридического лица, основанного на многокритериальных задачах принятия решения, кластерном анализе, анализе временных рядов и прогнозировании.

ЗАКЛЮЧЕНИЕ