В данной статье рассматриваются разные подходы к организации систем оценки риска и раннего предупреждения и особенности прогнозирования с помощью математических моделей

История цивилизованных кредитно-денежных отношений в нашей стране насчитывает чуть более десятка лет, и за это время создано множество систем банковского мониторинга, что свидетельствует о постоянном интересе к данной сфере. Поэтому весьма актуальным представляется изучение зарубежного практического опыта, накопленного в этой области, который должен помочь развитию аналогичных методик в Казахстане.

Опираясь на классификацию, разработанную специалистами Банка международных соглашений (Bank for International Settlements – BIS), рассмотрим основные подходы к организации систем банковского мониторинга, получившие в последние десятилетия наибольшее распространение в странах с развитыми кредитно-финансовыми отношениями. Эти подходы ориентированы на различные формы анализа деятельности банка (табл. 1), поэтому их выбор во многом определяет точность оценки, особенно в том случае, когда аналитик располагает ограниченной или частично некорректной информацией. [1, с. 4-5]

Рейтинговые системы можно условно разделить на две категории: включающие в себя исследования на местах, т.е. изучение организации «изнутри» (в некоторых публикациях они именуются «инсайдерскими»), и дистанционные.

Первыми появились методики, предусматривающие проведение исследований на местах. Их разработка была обусловлена потребностью в формализации процедуры анализа надежности банков контролирующими органами. Впоследствии были разработаны методики дистанционного анализа, которые опираются исключительно на данные, содержащиеся в публикуемой отчетности банков. В ряде случаев туда включаются некоторые результаты проведенных ранее исследований на местах. [2]

Таблица 1. Подходы к организации систем оценки риска и раннего предупреждения 

Примечания: * – низкая значимость; ** – средняя значимость; *** – высокая значимость.

Отличительной особенностью большинства методик составления банковских рейтингов является наличие ряда компонентов (иногда интегральных), полученных экспертным путем либо с помощью простейших математических операций над данными отчетности (как правило, это определение соотношений между различными показателями). На основе таких компонентов вычисляется итоговый рейтинг, который считается адекватным отражением степени надежности банка.

Пожалуй, самый известный в мире рейтинг для оценки на местах – CAMELS. Он используется американскими организациями, осуществляющими надзор за банками – FRS, OCC и FDIC. Учитывая обилие опубликованной о нем информации, ограничимся краткой характеристикой данного рейтинга. Итак, CAMELS формируется из шести интегральных компонентов:

• Capital Adequacy (достаточность капитала);
• Asset Quality (качество активов);
• Management factors (факторы управления);
• Earnings (доходы);
• Liquidity (ликвидность);
• Sensitivity to market risk (чувствительность к рыночному риску).

Каждый компонент оценивается по пятибалльной системе (1 – здоровый, 2 – удовлетворительный, 3 – посредственный, 4 – критический и 5 – неудовлетворительный), и на основе их значений вычисляется итоговый показатель. В среднем рейтинг CAMELS рассчитывается раз в год, однако в целях наиболее эффективного использования времени для благополучных банков (рейтинг 1 или 2) исследования на местах могут производиться раз в полтора года, а для проблемных банков (рейтинг 4 или 5) – более часто.

Дистанционная версия рейтинга – CAEL – была разработана в середине 80-х годов. Как видно из ее названия, она не включает в себя компонент «M» (факторы управления), который невозможно оценить дистанционным способом. Остальные компоненты анализируются при помощи 19 различных коэффициентов. Разумеется, полученные результаты менее точны, чем CAMELS, однако процедура оценки значительно ускоряется, ее можно выполнять гораздо чаще и с меньшими затратами. В настоящее время дистанционный анализ банков стал существенно точнее за счет развитого математического аппарата, поэтому система CAEL признана устаревшей – с начала 2000 г. ее заменила статистическая модель SCOR (речь о ней пойдет ниже). Отметим, что этот опыт эволюции методики весьма показателен для Казахстана, ведь при оценке банков в условиях финансовой нестабильности внедрение развитых экономико-статистических моделей имеет особую значимость как для контролирующих органов, так и для кредитных учреждений, разрабатывающих собственные системы анализа контрагентов.

Одной из наиболее развитых рейтинговых систем является PATROL, применяемая Банком Италии с 1993 г. Главным источником информации здесь выступает регламентированная отчетность банков, на основе которой рассчитываются пять компонентов:

• достаточность капитала;
• прибыльность;
• качество кредитов;
• организация;
• ликвидность.

Уже на основе этого перечня можно сделать вывод, что в целом данная система построена на тех же принципах, что и CAMELS. В качестве инструментов анализа ликвидности в системе PATROL применяется как обычный анализ разрывов в условиях статичной эволюции, так и симулятор экзогенных шоковых явлений, происходящих на протяжении одного года.[3] Два стрессовых сценария имитируют неожиданный отток клиентов и межбанковских депозитов, а также увеличение доли использованных источников кредитования в интересах заемщиков, что дает возможность проверить способность банка к адекватному функционированию в подобных условиях.

Принципиально отличная классификация применяется во французской рейтинговой системе ORAP (Organization and Reinforcement of Preventive Action). В ней 14 показателей делятся на пять групп:

• пруденциальные коэффициенты (капитал, ликвидность и т.д.);
• балансовая и внебалансовая деятельность (качество активов и плохие займы);
• рыночный риск;
• доходы;
• качественные критерии (держатели акций, управление и внутренний контроль).

Рейтинги – это мощные и эффективные средства регулярного анализа банков. Важно отметить, что в последнее время четко прослеживается тенденция к увеличению объема информации, которая нужна для их построения. Уходят в прошлое методики, ограничивающиеся использованием коэффициентов исключительно на основе баланса и отчета о прибылях и убытках, существенно сокращается сфера применения дистанционных рейтингов – только в 1999 г. от них отказались службы надзора за банковской деятельностью США и Нидерландов. Для получения комплексной рейтинговой оценки работы банка требуется проанализировать широкий спектр документов регламентированной отчетности и провести дополнительные исследования в кредитном учреждении. Если же по тем или иным причинам этого сделать нельзя, то добиться достоверных результатов можно только на основе более сложных статистических моделей (они будут рассмотрены ниже).

Поскольку большая часть рейтингов составляется с использованием определенной совокупности соотношений между агрегированными статьями банковской отчетности (коэффициентов), очевидно, что аналитик, заинтересованный в получении более подробных сведений о банке либо желающий понять, чем обусловлено то или иное изменение банковского рейтинга, прибегнет к более детальному рассмотрению данных соотношений. Этот процесс называется коэффициентным анализом.

Обычно для каждого коэффициента эмпирическим путем определяется диапазон значений, выход за рамки которого является тревожным сигналом. Именно на таком принципе основано большинство систем мониторинга коэффициентов. Несомненно, большинство банковских работников знакомо с такой системой коэффициентного анализа, как набор официальных нормативов НБ РК. Такие системы позволяют оперативно определять отклонения в деятельности того или иного банка, указывая направления для детального анализа на местах либо сигнализируя о необходимости изменения лимита. Более развитые системы мониторинга с иерархической системой коэффициентов, построенной, как правило, по логико-дедуктивному принципу, позволяют проводить углубленный анализ (drill- down) отдельных коэффициентов. К примеру, при анализе можно исследовать причины снижения рентабельности банка на основе динамики отдельных групп доходов и расходов в разрезе процентных ставок и объемов соответствующих привлеченных либо размещенных средств. Для того чтобы коэффициенты максимально корректно отражали реальную картину, необходимо регулярно проводить исследонания корреляционных связей между ними.

Одной из самых развитых систем коэффициентного анализа является BAKred Information System (BAKIS), применяемая с 1997 г. Центральным банком Германии (Deutsche Bundesbank). BAKIS включает в себя 47 коэффициентов,

19 из которых относятся к кредитному риску (в том числе коэффициент платежеспособности), 16 – к рыночным рискам, 2 – к рискам ликвидности и 10 связаны с прибыльностью банковских операций. Всем этим показателям присвоены одинаковые весовые коэффициенты значимости. [4,с. 11-15] В настоящее время роль системы сводится к разработке приоритетов деятельности по банковскому надзору.

Применяемая в США система анализа Bank Monitoring Screens (BMS) объединяет 39 финансовых показателей и 35 параметров, относящихся к рынку капиталов.

Весьма интересен опыт Нидерландов, где для определения надежности кредитных учреждений тщательно изучаются как показатели, непосредственно характеризующие деятельность банков, так и макроэкономические индикаторы, оказывающие влияние на развитие банковской отрасли в целом (рост ВВП и промышленного производства, уровень безработицы, курс евро, индикатор количества банкротств в течение последнего года и т.п.)

В Казахстане сейчас значительная часть систем банковского мониторинга базируется исключительно на коэффициентном анализе. К сожалению, из-за того, что достоверность официальной банковской отчетности находится на довольно низком уровне, надежность этих систем не слишком высока. Тем не менее, их можно использовать в качестве генератора тревожных сигналов и указателя направлений для более глубокого изучения с помощью статистического анализа либо исследований на местах.

Следует отметить, что при коэффициентном анализе кредитных организаций возникает довольно существенная проблема: у банков с разной специализацией и индивидуальной спецификой нормальные диапазоны значений многих коэффициентов будут существенно различаться, поэтому результаты такого анализа по всей совокупности банков будут недостаточно точными. Наиболее очевидный и часто применяемый на практике метод решения этой проблемы состоит в разделении банков на однородные группы на основе одного или нескольких критериев. Среди них наиболее известны: размер активов; сегмент банковской индустрии (к примеру: сберегательные, отечественные коммерческие, иностранные банки);  региональное положение (в частности, при составлении международных банковских рейтингов большую роль играет рейтинг страны, которую банк представляет).

Оптимальные значения коэффициентов определяются отдельно для каждой группы. Внутри нее производится оценка банков, которая впоследствии может быть использована при разработке рейтинговых систем.

Весьма интересным, хотя и сложным, представляется деление банков на однородные группы при помощи кластерного анализа на основе определенных ключевых коэффициентов.

Резюмируя сказанное в этом разделе, уместно привести слова Ричарда Спилленкофена, директора по банковскому надзору и регулированию Совета управляющих ФРС США: «Простые коэффициенты, включая базирующиеся на риске соотношения капитала, и традиционные практические методы расчета более не являются достаточными при оценивании общей адекватности капитала многих банковских организаций».

Для получения детальной и всесторонней оценки кредитного учреждения нужен комплексный анализ деятельности всех его крупных бизнес-подразделений. Подобные исследования весьма капиталоемки, требуют значительного времени и объединяют в себе анализ иерархической структуры банка, исследование рисков, связанных с отдельными подразделениями, и пошаговую выработку на их основе интегральной оценки степени надежности банка в целом. С учетом сложности данной процедуры периодичность ее проведения обычно устанавливается индивидуально для каждого банка в зависимости от итогов предыдущего анализа либо результатов, полученных менее дорогостоящими методами оценки надежности. В настоящее время подобные системы используются органами государственного надзора Великобритании и Нидерландов.

За счет универсальности и высокой эффективности такие системы представляются наиболее подходящими для оценки состояния крупных многофилиальных банков и банковских холдингов, играющих важную роль в экономике страны.

Все описанные выше методики направлены на диагностику текущего состояния банка через анализ его деятельности и регламентированной отчетности. Однако неменьший интерес для аналитиков представляет оценка состояния банка в будущем, позволяющая генерировать ранние предупреждения еще до того момента, когда оно становится критическим. Имея такую информацию, можно оперативно принять меры для улучшения ситуации либо избежать возможных потерь, обусловленных снижением надежности кредитного учреждения. Чтобы получить достоверный прогноз динамики развития банка, требуется строить сложные экономико-математические модели, в которых задействован весь богатый инструментарий современной статистики.

Высокая востребованность подобных аналитических систем стимулировала их бурную эволюцию – от простых моделей, разработанных в США в начале 90-х годов, осуществлен переход к сложным современным многофакторным методикам, которые способны не только оценить степень надежности банка, но и вычислить, сколько времени осталось до ожидаемого кризиса. Отметим, что традиционный «изъян» статистических моделей заключается в недостаточном учете качественных факторов развития банка. Поэтому к таким моделям часто добавляют качественные составляющие из ранее рассчитанных рейтингов (к примеру, значение показателя «M», принадлежащего рейтингу CAMELS). На государственном уровне статистические модели раннего предупреждения наибольшее развитие получили в США и во Франции. По реализуемому подходу их можно разделить на четыре группы моделей: расчета рейтингов и рейтинговых понижений; прогнозирования банкротств и выживаний; ожидаемых убытков; прочие. 

Развитие современных систем, оценивающих работу банков, крайне важно не только для потенциальных клиентов и самих кредитных учреждений, заинтересованных в ранней диагностике возможных проблем и адекватной оценке банков-контрагентов, но и для органов государственного надзора, деятельность которых не должна ограничиваться модернизацией собственных методик. В частности, можно существенно повысить эффективность государственного контроля и улучшить качество поступающей от банков информации за счет последовательного проведения политики по поощрению кредитных учреждений, разрабатывающих собственные системы, предназначенные для анализа различных видов риска. Несомненно, серьезную пользу принесет создание нормативной базы деятельности рейтинговых агентств на основе рекомендаций Базельского комитета и государственная стимуляция развития этих структур.

В настоящее время в Казахстане сложились все предпосылки для активного развития методик банковского мониторинга. В этой связи особое внимание следует уделить организационным мерам по целенаправленному развитию подобных систем. Такой подход поможет избежать многих ошибок и злоупотреблений, неизбежных при неконтролируемом стихийном развитии систем банковского мониторинга, и будет способствовать эффективному использованию огромного международного опыта, накопленного в этой области.

Список литературы: 

1. Sahajwala R., van den Bergh P. Supervisory Risk Assessment and Early Warning Systems. – Basel Committee on Banking Supervision Working Papers, 2000, № 4. P. 6.
2. Международный опыт реструктуризации банковских систем./А.З.Астапович, Е.В. Белякова, Е.Б.Мягков и др. – М.: Бюро экономического анализа, Магистр ЛТД, 1998.
3. Internal audit in banking organisations and the relationship of the supervisory authorities with internal and external auditors. BIS Consultative Paper, Basel, July 2000.
4. Cole R.A., Cornyn B.G., Gunter J.W. FIMS: A New Monitoring System for Banking Institutions. – Federal Reserve Bulletin, 1995, Jan., р. 1–15.