Общая характеристика моделей оценки кредитного риска

Последние двадцать лет ознаменовались значительным прогрессом в развитии методов оценки кредитных рисков, предпосылками которого стали следующие тенденции:

• дерегулирование финансового сектора, означающее значительное сокращение вмешательства государства в деятельность финансовых учреждений. Отмена многих существовавших ранее ограничений открыла возможности для успешного продвижения на рынки новых видов финансовых услуг;
• расширение банковского кредитования как по объему операций, так и по количеству заемщиков;
• увеличение рисков по забалансовым операциям банков, в особенности по сделкам с производными финансовыми инструментами;
• секьюритизация активов – выпуск ценных бумаг, обеспеченных определенными активами. Секьюритизация повысила роль рынка капитала как механизма привлечения средств в ущерб традиционному кредитованию, что подтолкнуло банки к разработке более эффективных инструментов управления кредитными рисками;
• значительный прогресс финансовой теории, обозначивший новые направления моделирования кредитных рисков.

В целом, модели оценки кредитного риска призваны дать ответ на вопрос о том, какова вероятность, что заемщик окажется неплатежеспособным, и какой должна быть стоимость предлагаемого ему кредитного продукта с учетом прошлого опыта и прогнозов относительно будущего.

Все существующие модели оценки кредитного риска можно классифицировать:

• по лежащим в их основе математическим методам;
• по сфере применения;
• по предмету исследования.

Развитие кредитного риск-менеджмента в последние годы было обусловлено применением современных математических методов, таких как анализ выживаемости, вероятностное и статистическое моделирование, математическое программирование, теория игр, нейронные сети и др. По применяемому математическому аппарату модели оценки кредитного риска можно классифицировать следующим образом:

1. Эконометрические модели на основе линейного и многомерного дискриминантного анализа, регрессионного анализа (в частности, логит-и пробит-модели, используемые для прогнозирования вероятности дефолта как функции от нескольких независимых переменных), анализа выживаемости, позволяющего получать оценки вероятности наступления события (например, смерти, дефолта), и др.
2. Нейронные сети – компьютерные алгоритмы, имитирующие работу человеческого мозга посредством взаимодействия взаимосвязанных «нейронов». В нейросетях используют те же входные данные, что и при эконометрическом подходе, выделяя взаимосвязи между ними посредством многократного повторения, методом проб и ошибок.
3. Оптимизационные модели, основанные на методах математического программирования, позволяют минимизировать ошибки кредитора и максимизировать прибыль с учетом различных ограничений. С помощью методов математического программирования, в частности, определяют оптимальные доли клиентов в портфеле ссуд и/или оптимальные параметры кредитных продуктов.
4. Экспертные системы, использующиеся для имитации процесса оценки риска, осуществляемого опытным и квалифицированным специалистом при принятии кредитного решения. Составляющими экспертной системы являются набор логических правил вывода, база знаний, содержащая количественные и качественные данные об объекте принятия решений, а также модуль для ввода ответов пользователя на вопросы системы.
5. Гибридные системы, которые используют статистическое оценивание и имитационное моделирование и могут быть основаны на причинно-следственных отношениях. Например, к ним относится модель EDF компании KMV, предназначенная для оценки вероятности дефолта, которая подробно рассматривается в п. 5.13.2.2.

Последовательность построения модели заключается в выявлении взаимосвязей между переменными, в выборе методов для оценки входных параметров и в оценке точности модели.

Модели оценки кредитного риска могут применяться в различных сферах деятельности, в том числе:

• при принятии решений о предоставлении кредита;

• при определении внутреннего или внешнего кредитного рейтинга;

• для расчета стоимости кредитных продуктов;

• как система «раннего предупреждения» (early warning system), своевременно указывающая на потенциальную вероятность потерь и способствующая принятию мер по сокращению кредитного риска;

• для выработки стратегии взаимоотношений с клиентами (например, если модель показывает, что заемщик испытывает временные трудности с ликвидностью, то, возможно, следует не отказывать ему в кредитовании, а определить соответствующие этому случаю условия).