Casual
РЦБ.RU

Согласованные модели кредитных рисков с рынком облигаций (По материалам Форума инвестиционных и финансовых аналитиков)

Февраль 2005

    С увеличением на фондовом рынке доли корпоративных, субфедеральных и федеральных облигаций вопрос о кредитных рисках того или иного эмитента становится важным с позиции не только риска банкротства эмитента как такового, но и необходимости выбора справедливой цены (доходности) облигации, учитывающей все виды рисков.

    Доходность облигации как финансового потока вычисляется с учетом всех купонных выплат и выплаты погашения на срок, определяемый офертой или погашением. Доходность имеет несколько составляющих, которые определяются различными видами рисков держателя ценной бумаги и являются премиями. Например, спрэд в доходностях российских еврооблигаций и американских казначейских бондов (Treasures) зависит от страновых рисков, спрэд между доходностью российских еврооблигаций и рублевых федеральных облигаций включает валютный риск. Кредитный риск облигации X совместно с риском ликвидности определяет спрэд между доходностью федеральных облигаций и облигацией X. Поэтому кредитный риск эмитента необходимо уметь вычислять для установления справедливого минимального спрэда или риск-премии.
    Таким образом, при анализе соответствия риска и доходности следует решить две основные задачи:
    1) вычислить кривую <безрисковой> доходности спот, по которой рассчитывается спрэд;
    2) провести анализ кредитного риска эмитента для определения справедливого уровня кредитного спрэда, привязанного к сроку погашения.
    Данные вопросы стали центральными темами обсуждения на профессиональной конференции <Анализ кредитных и рыночных рисков облигаций>, организованной в рамках Форума инвестиционных и финансовых аналитиков и состоявшейся 8 декабря 2004 г. при поддержке СРО <Национальная фондовая ассоциация>.
    Пути решения первой задачи были предложены в докладе члена правления ГИФА, члена Европейской комиссии по облигациям, директора российского отделения PRMIA Сергея Смирнова <Построение кривых доходности спот и определение кредитных спрэдов в условиях низкой ликвидности рынка облигаций>.
    Автором была представлена методика вычисления кривой доходности, обладающая необходимыми свойствами гладкости и специальным образом использующая данные о котировках тех облигаций, которые имеют пропуски в обороте. Проведя сравнение с другими известными методами вычисления кривой доходности только по текущим котировкам, исследователь показал преимущество представленной методики с позиций экономической оправданности и непротиворечивости.
    Методика вычисления кривой доходности, используемая специалистами фондового рынка и имеющая достаточно прозрачную алгоритмическую составляющую, была представлена в докладе начальника отдела макроэкономического и бюджетного анализа ООО <АВК-Аналитика> Виталия Окулова <Кривая доходности на российском рынке: построение и применение>.
    Найти решение второй задачи позволит разработка эффективной методики вычисления кредитного риска (вероятности дефолта и ставки восстановления) эмитента. Методика должна опираться на количественные финансовые показатели и качественный анализ бизнеса эмитента. Проблема создания кредит-скоринговой модели для вычисления вероятности дефолта по финансовым показателям в российских условиях определяется прежде всего отсутствием <кладбища дефолтов>, необходимого для создания калибровочной базы. У индустриальных компаний развитых стран такая база существует, статистика велась на протяжении нескольких последних десятилетий.
    Ведущие мировые рейтинговые агентства (S&P, RiskMetrics, Moody's KMV) вывели такие формулы для некоторых развитых стран (США, Австралии, европейских стран, Японии), калибруя их по статистической базе дефолтов/недефолтов - финансовых показателей. Но, несмотря на отсутствие такой статистики для российского рынка, кредит-скоринговую модель построить все же можно.
    Базовая вероятность дефолта компании должна вычисляться как функция от финансовых отношений, которые в большей степени определяют финансовую устойчивость компании. Такие показатели аналогичны тем, которые рекомендует Moody's KMV. Мы используем 7 показателей (ratio's,) устанавливаемых по финансовой отчетности:
    1. Логарифм выручки (FR1).
    2. Операционная маржа (FR2).
    3. Доходность активов (FR3).
    4. Покрытие процентов (FR4).
    5. Структура капитала (FR5).
    6. Покрытие обязательств (FR6).
    7. Ликвидность (FR7).
    Вероятность дефолта PD как функция от ratio's FRi берется в логитном виде зависимости от главных компонентов, построенных из FRi, которые определяют статистические независимые линейные комбинации, имеющие максимальную вариацию1. Числовые множители таких комбинаций вычисляются из статистической базы ratio's, построенной на российских компаниях с открытой финансовой отчетностью. Затем коэффициенты, от которых зависит вклад главных компонентов в формулу PD, калибруются на таких компаниях, где PD можно вычислить другими методами, опирающимися на рыночные данные о капитализации и спрэдах подобных компаний.
    Калибровочные (модельные) PD вычисляются по модели CreditGrades, адаптированной (калиброванной) к российскому рынку. Базовые положения данной модели опираются на представления о динамике активов компании, соответствующей некоторому квазидиффузионному случайному процессу. Модельный дефолт компании наступает при падении активов ниже уровня, определяемого долгами. Модель калибруется так, чтобы статистические показатели модельных PD по котируемым на фондовом рынке компаниям совпадали с аналогичными показателями кредитных спрэдов рынка облигаций за несколько периодов.

    Проблема создания кредит-скоринговой модели для вычисления вероятности дефолта по финансовым показателям в российских условиях определяется прежде всего отсутствием <кладбища дефолтов>, необходимого для создания калибровочной базы.

    После вычисления модельных среднеквартальных PD, а также получения спрэдов тех компаний, у которых финансовая отчетность представлена в базе на период, следующий за представлением отчетности, наступает процесс калибровки коэффициентов кредит-скоринговой модели, в которую рыночные показатели не входят. Калибровка сводится к минимизации некоторого функционала невязки и дает коэффициенты, наилучшим образом согласующие модельные PD и финансовые показатели (в среднем). В результате выводится формула PD, согласованная с рынком.
    Следуя описанной методологии, в компании EGAR Technology удалось вывести согласованную формулу, являющуюся одним из важнейших элементов системы EGAR CreditRisk - управления кредитными рисками в банке2. Практические расчеты и экспертиза формулы активными участниками кредитных сделок показали, что она дает экономически оправданный PD-рейтинг тех компаний-заемщиков, которые хорошо изучены кредитными специалистами. Отрицательный знак эластичностей PD по всем финансовым показателям указывает на экономическую оправданность и монотонность показателей, входящих в формулу. К тому же подтверждается гипотеза, что рынок в среднем правильно оценивает фундаментальные показатели компании, т. е. в целом эффективен, а значит, после построения монотонного фильтра <рыночные показатели-PD> можно разработать эффективный фильтр <финансовые показатели-PD> и использовать полученную формулу для оценки заемщиков и эмитентов в единой шкале. А поскольку формула была калибрована прямо и косвенно на спрэды, то она и будет давать некоторый квазиспрэд, справедливый для данных финансовых показателей, эквивалентный PD при нулевой ставке восстановления.
    Однако для полноты методики базовая PD дополняется еще и качественной оценкой эмитента (заемщика), которая использует более широкий спектр данных о бизнесе, чем основные ratio's. Качественная оценка определяет множитель поправки к базовой PD, который настраивается так, чтобы объяснить отличие PD, получаемых по формуле, от рыночных. Предполагается, что это отличие объясняется существованием качественной оценки неколичественных риск-факторов, оказывающих дополнительное влияние на кредитный риск эмитента. Таким образом, разрабатывается методика оценки кредитного риска заемщика-эмитента, настроенная не на фактические дефолты, а на многогранную рыночную оценку кредитного риска, которая в целом является эффективной.

    Примечание
    1 Колоколова О. В., Помазанов М. В. Разработка формулы вероятности банкротства компании на базе показателей бухгалтерской отчетности // Оперативное управление и стратегический менеджмент в коммерческом банке. 2004. № 6. С. 65-84.
    2 Помазанов М. В. Количественный анализ кредитного риска // Банковские технологии. 2004. № 2. С. 22-28.

  • Рейтинг
  • 0
Оставить комментарий
Добавить комментарий анонимно, введите имя:

Введите код с картинки:
Добавить комментарий как авторизованный посетитель: Войти в систему

Содержание (развернуть содержание)
Факты и комментарии
Прогноз развития российского фондового рынка в 2005 г.
Управляя стабильностью
Федеральный инвестиционный форум
ОФБУ И ПИФы: есть ли разница?
Использование долей ОФБУ в качестве обеспечения кредита
Использование финансового рычага при расчете стоимости активов
"...Это серьезный урок для всех украинских банков"
Структурная форма финансирования в Казахстане: реформа законодательства и практика применения
Новое отраслевое решение CRM для финансовых компаний
Chk-метод прогнозирования фондового рынка в условиях неопределенности (на примере акций российской компании SNGS)
События
Обращение президента ГИФА к инвестиционным и финансовым аналитикам
Форум инвестиционных и финансовых аналитиков
Методы анализа акций (По материалам Форума инвестиционных и финансовых аналитиков)
Структурные продукты
Корпоративное управление: правила цивилизованной игры на инвестиционном рынке (По материалам Форума инвестиционных и финансовых аналитиков)
Согласованные модели кредитных рисков с рынком облигаций (По материалам Форума инвестиционных и финансовых аналитиков)
Краткая информация о программе международной сертификации ACIIA в России
Международная сертификация инвестиционных аналитиков ACIIA
Перечень статей, опубликованных в журнале "Рынок ценных бумаг" в 2004 г. (№ 1-24)
Приветственное слово
Обзор Первой (учредительной) конференции Ассоциации центральных депозитариев Евразии
Создание Центрального депозитария в России - это возможно?
НДЦ: технологии и развитие
Материал Группы 30-ти (Международный теоретический опыт создания эффективной модели расчетов и клиринга на рынке ценных бумаг)
Итоги деятельности НДЦ за 2004 г.

  • Статьи в открытом доступе
  • Статьи доступны на платной основе
Актуальные темы    
 Сергей Хестанов
Девальвация — горькое лекарство
Оптимальный курс национальной валюты четко связан со структурой экономики и приоритетами денежно-кредитной политики. Для нынешней российской экономики наиболее логичным (и реалистичным) решением бюджетных проблем является девальвация рубля.
Александр Баранов
Управление рисками НПФов с учетом новых требований Банка России
В III кв. 2016 г. вступили в силу новые требования Банка России по организации системы управления рисками негосударственных пенсионных фондов.
Варвара Артюшенко
Вместе мы — сила
Закон синергии гласит: «Целое больше, нежели сумма отдельных частей».
Сергей Майоров
Применение blockchain для развития биржевых технологий и сервисов
Распространение технологий blockchain и распределенного реестра за первоначальные пределы рынка криптовалют — одна из наиболее дискутируемых тем в современной финансовой индустрии.
Все публикации →
  • Rambler's Top100