Оценка рисков по кредитному портфелю

Предоставление кредитов и, в частности, кредитование юридических лиц являются наиболее важной операцией большинства банков, объемы кредитования составляют существенную часть активов банковской системы и отдельных банков, а доходы от кредитования — значительную долю общих доходов банков. Следовательно, проведение кредитных операций представляет собой один из главных источников рисков для банка.

Цель данной работы — осуществление методологического и процедурного описания системы анализа рисков, связанных с кредитными операциями в части кредитования предприятий реального сектора.

Прежде всего следует отметить, что данная система должна быть строго формализована. Под строгой формализацией понимается полное описание всех возможных вариантов, обрабатываемых системой, и детальных процедур по обработке любого варианта. При этом система не должна опираться на какие-либо мнения, суждения или заключения экспертов. В противном случае возможны ситуации, когда оценки рисков в процессе деятельности системы для одного и того же кредита будут различаться, так как каждый эксперт по-своему подходит к определению существенных составляющих риска. Цель построения системы — определение конечного числа правил и методов оценки риска, с тем чтобы использование результатов ее деятельности было основано на адекватном восприятии процесса оценки рисков. В результате интерпретация результатов работы системы возможна широким кругом пользователей, не обладающих глубокими познаниями в области кредитования, финансового анализа, оценки залога и пр.

Еще одно существенное требование к системе оценки рисков заключается в том, что данная система должна быть встроена в общую систему оценки рисков по банку. Другими словами, результаты деятельности системы должны быть использованы для оценки общего риска по банку. Исходя из того, что банк, как правило, создается собственниками для получения прибыли, то любой риск, возникающий в процессе функционирования банка, должен быть определен как вероятность убытков собственников банка (снижение суммы акционерного капитала). В рамках подобного подхода разработана методология VaR (Value at Risk), которая определяет размер рискового капитала, т. е. максимального капитала, вероятность потери по которому за определенный период превышает заданный уровень (например, 95%).

Начать описание работы системы целесообразно с введения понятия «уровень риска по кредиту». Данный показатель отражает вероятность несвоевременного погашения кредита (как основной суммы, так и суммы начисленных процентов).

Использование данного показателя позволит существенно повысить адекватность представления об уровне риска, генерируемого кредитной деятельностью банка, и качество лимитной политики коммерческого банка. Основными направлениями анализа с помощью использования данных показателей являются:

анализ объемных показателей — суммы риска по портфелю, суммы риска по одному заемщику, суммы риска по отрасли, региону, рынку и прочим существенным факторам риска по группе заемщиков, а также суммы риска по отдельным группам кредитов (ранжирование по уровню риска);
анализ относительных показателей — уровня риска по портфелю, уровня риска по одному заемщику, среднего уровня риска по группам кредитов.

Целесообразность анализа сумм риска по портфелю и одному заемщику (группе связанных заемщиков) в принципе понятна. В то же время могут возникнуть вопросы относительно целей анализа риска по отраслям и по группам кредитов.

Анализ риска по отраслям экономики, регионам, рынкам сбыта заемщиков, а также прочим факторам имеет целью оценить риски диверсификации портфеля (так называемые несистематические риски). Как правило, при возникновении ситуаций, относящихся к вышеназванным факторам, риски непогашения кредита проявляются по всем заемщикам, подверженным влиянию данных факторов. Следовательно, сумма риска по отдельным факторам представляет собой риски потерь от возникновения таких факторов. К наиболее значимым факторам можно отнести следующие:

отрасль деятельности;
регион деятельности;
рынки сбыта продукции;
основные покупатели;
основные поставщики и рынки сырья;
основные контрагенты;
собственники заемщика.

Данная система во взаимодействии с иными системами управленческого учета позволит:

осуществлять текущее управление банковскими операциями на основании обоснованных решений, учитывающих сущность операции во всех ее проявлениях;
находить и ликвидировать очаги возможного ухудшения состояния банка как в отношении риска, принимаемого банком, так и в отношении минимального уровня доходности банка в целом;
формировать целостную систему внутреннего контроля;
представлять заинтересованным пользователям — собственникам, потенциальным инвесторам, а в перспективе — и государственным органам содержательную информацию о деятельности банка в части принимаемого им риска.

Если с использованием показателя риска картина достаточно ясная, то вопрос определения его намного сложнее. Прежде всего, достаточно трудно определить существенные характеристики, влияющие на уровень риска в данном конкретном случае, а также степень их влияния. После выделения таких характеристик появляется проблема нахождения некоторой функции, которая на основании числовых величин всех существенных характеристик определяла бы величину показателя риска.

На практике построение подобных аналитических моделей оказывается задачей чрезвычайной сложности. Во-первых, даже сбор необходимой информации, учитывая, что в ее составе должны быть представлены первоначальные сведения о кредите (характеризующие финансовое состояние, отрасль, размер и имидж заемщика, обеспечение, финансируемый проект, срок и размер кредита), а также конечные итоги кредитной сделки — был ли кредит погашен вовремя, размер и сроки просрочки, необходимость применения особых мер для погашения и пр. Во-вторых, данную исходную базу следует каким-либо образом упорядочить, так, чтобы информация, представленная в ней, удовлетворяла требованию репрезентативности. В-третьих, возникает дилемма — либо формировать единую модель для всей статистической базы, либо использовать совокупность из нескольких моделей для анализа отдельных частей базы (например, для предприятий разных отраслей, разных размеров, разного периода кредитования и пр.).

Первый подход потребует более тщательного изучения возникающих в процессе формирования модели искажений и их минимизации. Скорее всего, такая модель будет давать некоторые усредненные результаты — чем ближе данный конкретный кредит к средним характеристикам, тем более точный показатель риска определит такая система.

Второй же подход ставит проблему определения количества отдельных групп кредитов, к которым применяется собственная модель: чем больше их, тем более точно будут работать модели в рамках групп, однако тем больший объем вычислений потребуется.

И, наверное, самая сложная проблема — формирование непосредственно самой функции (функций — в рамках второго подхода), отражающей зависимость показателя риска от характеристик кредита. Прежде всего следует отметить, что, с одной стороны, чем больше характеристик используется, тем более адекватной является зависимость. Разумеется, в данном случае речь идет о существенных характеристиках. Однако, с другой стороны, повышение количества характеристик значительно усложняет процесс формирования данной функции (особенно в рамках традиционного регрессного анализа). Более того, дополнительные характеристики могут выступать в роли шума, что приводит к искажению реальной картины. Такая ситуация может возникнуть в случаях, когда несколько различных характеристик противоположным образом влияют на результат функции. В идеале для каждого кредита следует определять только те характеристики, которые реально отражают риски. Однако в этом случае унифицировать порядок определения риска практически невозможно.

По мнению автора, процессы определения уровня риска, исходя из заданных характеристик кредита, аналогичны процессам, имеющим место в реальном биологическом мире: основной задачей деятельности любого биологического организма является выработка такого набора реакций на воздействие внешних условий, которые позволят организму выжить в конкретных ситуациях. По существу, данная задача может быть интерпретирована как нахождение определенного параметра (вида реакции) в зависимости от данной совокупности внешних условий. Это в общем идентично поиску уровня риска для данного кредита, который представляет собой совокупность характеристик, его определяющих, включая, разумеется, сведения не только о кредите, но и о заемщике, финансируемом проекте и обеспечении. Основным механизмом отбора (критерия правильности) для биологических организмов является выживание в данной ситуации, а для системы определения уровня риска — соответствие прогнозной величины фактической (определяемой после завершения работы с данным кредитом).

Следовательно, наиболее оптимальным механизмом нахождения уровня риска как по отдельным кредитам, так и по портфелю в целом является саморазвивающаяся система с элементами искусственного интеллекта. Данная система в общем сводится к моделированию реального биологического мира, включая в себя набор внешних условий и совокупность некоторых существ. Под внешними условиями понимается информация о конкретном кредите, предоставляемая в кредитной заявке, а также сведения о возникновении проблем с погашением кредита (в соответствии с условиями кредитного договора) либо, наоборот, о своевременном исполнении заемщиком всех своих обязательств.

Сами существа представляют собой совокупность системы рецепторов, воспринимающих информацию о внешнем мире, системы принятия решений (аналог головного мозга) и двигательной системы, осуществляющей реализацию принятых решений.

Кроме того, данные существа обладают запасом энергии, расходуемой на осуществление деятельности, а также механизмом воспроизводства.

Важнейшей характеристикой построения такой системы является механизм восполнения расходуемой энергии. Механизм определяет прямо пропорциональную зависимость между величиной получаемой существом энергии и правильностью прогнозирования, осуществленного существом. Соответственно, чем более правильные прогнозы будет давать существо, тем больший срок оно сможет прожить. Очевидно, что по достижении величиной энергии нулевой отметки данное существо прекратит существование.

В итоге данная система представляет собой простейший алгоритм оптимизации — чем больше времени проходит с момента начала работы системы, тем более точные прогнозы она будет осуществлять.

Тимофей Петренко