Abstract: Methodological approaches to measuring credit risk and determining risk weights for credit assets based on the agreements of the Basel Committee on Banking Supervision and the requirements of the Central Bank of the Russian Federation are considered. The possibility of using quantitative estimates of capital requirements to predict the probability of a loan borrower's default is investigated. It is shown that banks should rank and quantify risks, which guarantees a correct assessment of the characteristics of the borrower and the operation, risk differentiation, and accurate quantitative risk assessments for all asset classes. The ratio of own funds in the accounts of credit institutions to the volume of loans issued in the Russian Federation as a whole, in the context of federal districts and subjects of the Russian Federation, is determined and analyzed. The main methods of reducing credit risk are shown: securing transactions, offsetting balance sheets, guarantees and credit derivatives. The most effective method of reducing credit risk is to use combinations of these approaches.
Keywords: Basel Agreements, credit risks, credit risk assessments, credit risk modeling, credit risk reduction.
Введение
Стандартизированный подход к измерению кредитного риска точно определяет весовые коэффициенты риска для кредитных активов. В связи с тем, что банки используют большое количество внешних финансовых источников в своих бизнес – моделях, представляется необходимым урегулировать эту область нормативно — правовой базой на основе соглашений Базельского комитета по банковскому надзору (BCBS) [2, 4]. В России требования по повышению качества капитала и уровня капитализации для нивелирования потенциальных убытков при реализации рисков регулирует Центральный Банк РФ.
Целью исследования является разработка методологических подходов к применению количественных оценок требований к капиталу для прогнозирования вероятности наступления дефолта заемщика кредита.
В исследовании авторы исходили из того, что идеальным экспериментом, дающим объективно-наполненные результативные данные, является 100% единиц изучаемой совокупности. Не смотря на абсолютную степень подчиненности иерархической структуры банковского сектора экономики регулирующему органу, статистика кредитования физических и юридических лиц может быть зафиксирована в моменте, но являться подвижной в динамике [5]. Следовательно, необходимо выяснить ключевой вопрос исследования, уточнить количество изучаемых единиц. По мнению Генриха Пеникаса, следует использовать минимальную выборку ссуд большего размера, чем при ее отсутствии, указывая при этом на важность использования коэффициента вариации в качестве меры однородности данных единиц [8]. Этот подход и был использован в исследовании.
Методы и модели
Методология исследования базируется на IRB-подходе (в РФ – ПВР, подход на основе внутренних рейтингов) — методе оценки кредитных рисков банков, использующий внутренние рейтинги заемщиков. Разработан в Базеле II как альтернатива стандартизированному подходу [4]. Он используется банками для оценки кредитного риска и определения требований к капиталу. Метод основан на измерении непредвиденных и ожидаемых потерь и применяется к разным классам активов, включая корпоративные, розничные и банковские риски. Классификация активов основана на характеристиках риска. Внутри этого подхода существует категория возобновляемых розничных рисков (QRRE), которая имеет свои критерии. QRRE обычно связаны с физическими лицами и имеют ограничения по максимальному риску для одного лица в портфеле. Также важным аспектом является анализ волатильности потерь и согласование с надзорными органами для определения приемлемого уровня задолженности.
Система IRB (внутренних оценок риска) имеет три основных компонента: компоненты риска, функции взвешивания рисков и минимальные требования. Для различных классов активов предлагаются два подхода — базовый и расширенный. Базовый подход использует оценки банков и надзорных органов, а расширенный подход требует дополнительных оценок от банков. Однако для операций с акциями и определенных рисков не допускается использование IRB подхода. Для корпоративных и розничных рисков банки должны предоставить свои собственные оценки параметров риска. Риски, связанные с долевым участием, регулируются стандартизированным подходом. Режим охватывает два класса активов: корпоративную и розничную дебиторскую задолженность. Для корпоративной дебиторской задолженности доступны базовый и расширенный подходы, при условии соблюдения операционных требований. Банки должны оценивать риск дефолта отдельных корпоративных должников. Режим A-IRB (Advanced IRB) — подход на основе расширенных внутренних рейтингов, может использоваться только для рисков перед корпоративными должниками, имеющими на это право. В противном случае используется режим F-IRB (Foundation IRB, подход на основе внутренних рейтинговых оценок) — метод измерения кредитных рисков, предложенный в рамках правил достаточности капитала для банковских учреждений Базеля II. Для розничной дебиторской задолженности доступен только подход A-IRB.
Обзор литературных источников показывает, что практически все авторы склоняются ко мнению о важности применения многоцелевых критериальных подходах к оценке кредитного риска. Так, например, автор Масленников А.А. в своей статье описывает, что в качестве исходных данных для целей кредитования используется информация, предоставляемая самим заемщиком [6]. Батищева Г.А. и др. [4] предлагают моделировать кредитные риски на основе макроэкономических факторов волатильности рисков.
Требования к капиталу корпораций включают в себя риски перед юридическими лицами, ассоциациями, товариществами, собственниками, страховыми компаниями.
Корпоративные риски делятся на общие и специализированные. Для общих корпоративных рисков банки присваивают «базовые» веса. Банки должны проводить проверку внешних рейтингов и присваивать рисковый вес, если проверка показывает более высокие характеристики риска. Не рейтинговые корпоративные риски получают вес риска — 100%, за исключением малых и средних предприятий (МСП). Риски, связанные с розничной торговлей, соответствующие определенным критериям, классифицируются как «регулятивные розничные риски» и могут оцениваться от 45 до 75%.
Банки должны ранжировать и количественно оценивать риски, что гарантирует верную оценку характеристик заемщика и операции, дифференциацию риска, и точные количественные оценки риска для всех классов активов. Для этого они используют PD (Probability of Default) для заёмщиков — это оценка вероятности дефолта в течение определённого периода времени с высоким уровнем заемных средств или основными торгуемыми активами должны отражать периоды повышенной волатильности. Для корпоративных и банковских рисков всем признанным поручителям должен быть присвоен рейтинг. Банки должны письменно документировать структуру и операционные детали своих рейтинговых систем. Они должны регулярно проводить анализ характеристик потерь и просрочек по каждому выявленному пулу рисков и собирать и информацию о важных характеристиках должника.
Внутренние рейтинги и оценки дефолта и убытков должны применяться при одобрении кредитов, управлении рисками и в других процессах. Банк должен иметь достаточный опыт использования рейтинговых систем, соответствующий минимальным требованиям. В структуре рейтинговых моделей важны следующие оценки: PD, LGD (Loss Given Default) показатель убытка при дефолте и EAD (Exposure at Default) размер задолженности на момент дефолта, которые включают все соответствующие данные и должны основываться на эмпирических свидетельствах и технологических достижениях, а не на субъективных суждениях. Неисполнение кредитных обязательств подразумевает то, что заемщик вряд ли исполнит свои обязательства. Выплаты маловероятны в тех случаях, когда: банк переводит кредитное обязательство в не накапливаемое, кредитное обязательство реализуется с большим убытком, происходит реструктуризация, должник прошел процедуру банкротства. На овердрафты распространяется лимит сроком 90-180 дней. В случае его превышения учетная запись клиента признается неисполненной.
Коэффициент перерасчета кредитов – это экономический показатель, который используется банками для определения риска, возникновения дефолта на кредиты и другие финансовые инструменты. Если рассматривать его в процентном соотношение, то: 100% будут применяться к таким товарам, как: форвардные покупки активов, депозитов, акций и ценных бумаг. 50% будут применяться к механизмам выпуска банкнот и возобновляемым механизмам страхования независимо от срока погашения средства.
Подход на основе внутренних рейтингов (IRB или ПВР-подход) позволяет точнее оценивать кредитные риски на основе математических и статистических моделей, позволяющих экономить банковский капитал и его достаточность. В РФ этот подход могут применять только банки с активами не менее 500 млрд. руб.: Сбербанк, Райффайзенбанк и Альфа банк.
Для полноценного, с нашей точки зрения, анализа кредитного риска представляется возможным включать в модель оценки коэффициент финансового рычага — финансового левериджа, характеристики степени в которой компания использует заёмные средства для финансирования своей деятельности.
Основные результаты
В ходе исследования проанализировано соотношение собственных средств на счетах кредитных организаций к объемам выдаваемых кредитов в целом по РФ, в разрезе федеральных округов и субъектов Российской Федерации [3, 10].
В целом по стране на 1.01.2024 г. собственные средств на счетах кредитных организаций составляют 30,48% от объемов выдаваемых кредитов, что говорит о неустойчивом финансовом положении субъектов. Из общей картины выделяется Чеченская Республика, где собственные средства банков более чем втрое (319%) превышают объем выданных кредитов. Высокий уровень обеспеченность отмечен в автономных округах: Ненецкий АО – 86,65%, Ямало-Ненецкий – 93,81%. Также высокой обеспеченностью займов выданными средствами отличаются столичные города-субъекты РФ так в г. Москва показатель составляет 45,72%, г. Санкт-Петербург — 32,67%. Наиболее низкий уровень обеспеченность в Орловской области – 7,62%, Тульской области – 9,61% и Республике Алтай – 9,24%.
Среди федеральных округов наивысший уровень обеспеченности отмечен в Центральном – 38,24% и Северо-Кавказском (31,19%), тогда как наиболее низкий в Южном – 16,72 и Сибирском – 18,26%.
На основе группировки и анализа соотношение собственных средств на счетах кредитных организаций к объемам выдаваемых кредитов были сформированы коэффициенты соотношения заёмных (ЗК) и собственных (СК) кредитных средств по областям и федеральным округам РФ (таблица 1).
Таблица 1
Минимальные и максимальные значения коэффициента ЗК/СК[1]
10 минимальных значений коэффициента ЗК/СК | 10 максимальных значений коэффициента ЗК/СК | ||
Республика Тыва | 12,06 | Республика Ингушетия | 4806,0 |
Чеченская Республика | 35,05 | Ненецкий АО | 3000,0 |
Магаданская область | 37,43 | Волгоградская область | 2161,2 |
Республика Дагестан | 48,71 | Удмуртская Республика | 2047,2 |
Сахалинская область | 52,30 | Орловская область | 1878,2 |
Республика Татарстан | 67,92 | Чукотский АО | 1629,3 |
Ямало-Ненецкий АО | 80,54 | Республика Алтай | 1570,7 |
Республика Башкортостан | 80,58 | Новосибирская область | 1518,0 |
Республика Бурятия | 99,70 | Ярославская область | 1340,0 |
Москва | 114,89 | Белгородская область | 1090,5 |
Коэффициент ЗК/СК отражает долю заёмного капитала в финансировании бизнеса. Высокие значения указывают на зависимость от кредитов. Максимальные значения наблюдаются в Республике Ингушетия (4806,00) и Ненецком АО (3000,00), минимальные — в Республике Тыва (12,06) и Чеченской Республике (35,05). Результаты исследования показывают, что причины этого заключаются в следующем.
- Отраслевая структура экономики: в регионах с упором на сельское хозяйство (например, Северо-Кавказский ФО) предприятия быстрее окупаются за счёт продажи товаров первой необходимости, что снижает зависимость от заёмного капитала.
- Доступность кредитования: в регионах с низкими процентными ставками по кредитам предприятия охотнее оформляют займы, что увеличивает долю заёмного капитала.
- Инвестиционная среда: региональные условия для привлечения инвесторов могут способствовать тому, что бизнесы больше используют заёмные средства для роста и развития.
Таким образом, различия в показателе ЗК/СК отражают особенности экономики регионов. Высокие значения указывают на большую зависимость бизнеса от кредитов, что может повышать финансовые риски, тогда как низкие значения свидетельствуют о более стабильной структуре капитала. Важно учитывать эти факторы для обеспечения сбалансированного роста бизнеса.
Можно констатировать высокую зависимость от заемного финансирования: 7 из 10 субъектов с максимальными значениями ЗК/СК имеют показатель выше 100, 2 — выше 500. Это свидетельствует о преобладании в выборке субъектов с высокой зависимостью от заемного финансирования.
Полученные данные подтверждают, что финансовая структура субъектов, использующих кредиты в иностранной валюте, отличается значительным разнообразием, от субъектов с консервативной финансовой политикой, использующих только собственные средства, до субъектов с высокой зависимостью от заемного финансирования.
Заключение
В целом анализ данных свидетельствует о неравномерности в финансовой структуре организаций, которые используют кредиты в иностранной валюте. Большинство компаний из выборки имеют высокую зависимость от заемного финансирования, а некоторое количество — финансируют свою деятельность только собственными средствами.
Наибольшая величина собственного капитала зафиксирована в ЦФО, соответственно там же находится максимальное значение заемного капитала, наименьшее в Северо-Кавказском ФО.
Банки подвержены риску неурегулированных транзакций, которые в свою очередь могут привести к неустойчивому финансовому положению. Если неурегулированная сумма риска не отображается в бухгалтерском балансе, то она получит 100% коэффициента перерасчета кредитов.
Рассмотренная методология может не только способствовать развитию банковского сектора экономики, повышению уровень доверия, но и способна обеспечить прозрачность операций [1].
Внешняя оценка кредитоспособности – это оценка финансового положения и платежеспособности заемщика, проводимой сторонней организацией. Национальные надзорные органы несут ответственность за раскрытие информации оценки кредитоспособности. Национальные надзорные органы имеют право по своему усмотрению снизить вес риска до 50%, если конкретные резервы составляют не менее 50% от непогашенной суммы кредита.
Методы снижения кредитного риска могут включать различные подходы. Основные методы снижения кредитного риска: обеспечение сделок, взаимозачет по балансу, гарантии и кредитные деривативы. Однако наиболее эффективным методом снижения кредитного риска является использование комбинаций этих подходов. Это позволяет банкам уменьшить свой риск и защитить свои инвестиции.
[1] Составлено автором по данным ЦБ РФ [3].
Библиографический список
1. Аббасов Али Мамед оглы, Мамедов Захид Фаррух, Алиев Саттар Ариф оглы. Цифровизация банковского сектора: новые вызовы и перспективы. Economics and management. N 6 (164) 2019 DOI: 10.35854/1998-1627-2019-6-81-892. Базель III: международная нормативная база для банков. [Электронный ресурс]. URL: https://www.bis.org/bcbs/basel3.htm (дата обращения 2.07.2025 г.)
3. Банк России. Статистика. Банковский сектор. Сведения о размещенных и привлеченных средствах. [Электронный ресурс]. URL: https://cbr.ru/statistics/ bank_sector/sors/ (дата обращения 2.07.2025 г.)
4. Батищева Г.А., Журавлёва М.И., Лукьянова Г.В., Стуженко Д.Н. Моделирование кредитного риска банковского сектора экономики. Вестник Ростовского государственного экономического университета (РИНХ) № 4 (68), 2019
5. Илюхин, А. А. Экономический рост и финансовое развитие: макроэкономический аспект / А. А. Илюхин, С. И. Пономарева, С. В. Илюхина // Journal of New Economy. – 2021. – Т. 22, № 1. – С. 53-70. – DOI 10.29141/2658-5081-2021-22-1-3.
6. Масленников А.А. Анализ и оценка кредитоспособности заемщика, Банковская деятельность, т.10, №5_66 2016 DOI: 10.12737/ 21196
7. Минфин России 2021. Международный стандарт аудита 530 «Аудиторская выборка». От 09.01.2019 № 2н, [Электронный ресурс]. URL: https://minfin.gov.ru/ru/document/ (дата обращения 2.07.2025 г.)
8. Определение минимального размера выборки для задачи экстраполяции резервов при наличии корреляции дефолтов. Серия докладов об экономических исследованиях №128/ май 2024 Генрих Пеникас. Центральный Банк России [Электронный ресурс]. URL: https://cbr.ru/ (дата обращения 2.07.2025 г.)
9. Проект указания Банка России «О порядке оценки Банком России корректности формирования резервов по портфелям однородных ссуд методом экстраполяции» [Электронный ресурс]. URL: https://www.garant.ru (дата обращения 2.07.2025 г.)
10. Eva Cipovovа, Gabriela Dlaskovа. Comparison of Different Methods of Credit Risk Management of the Commercial Bank to Accelerated Lending Activities for SME Segment. European Research Studies, Volume XIX, Issue 4, 2016 pp. 17 – 26.