Сценарное моделирование и стресс-тестирование розничного кредитного портфеля банка
Автор: Мясин Антон Владимирович
Журнал: Имущественные отношения в Российской Федерации @iovrf
Рубрика: Оценка всех видов собственности
Статья в выпуске: 6 (141), 2013 года.
Бесплатный доступ
В статье представлена методика проведения стресс-тестирования финансовой организации на примере разработанной автором финансовой модели розничного кредитного бизнеса, связывающей воедино различные составляющие менеджмента. Проведен сценарный анализ бизнес-стратегий и их восприимчивости к различным рыночным условиям. Предложен набор типовых сценариев стресс-тестирования, с помощью которых можно оценивать вероятное развитие ситуации, что позволяет менеджменту финансовой организации взвешенно подходить к выбору стратегии развития бизнеса.
Финансовая организация, модель кредитного портфеля, мкп, стресс-тестирование, сценарный анализ бизнес-стратегий, параметры стресс-теста, многопараметрическое стресс-тестирование
Короткий адрес: https://sciup.org/170172011
IDR: 170172011
Текст научной статьи Сценарное моделирование и стресс-тестирование розничного кредитного портфеля банка
Сегодня моделирование бизнес-процессов прочно заняло одно из ключевых мест среди инструментов управления бизнесом. Менеджеру компании необходимо своевременно проводить количественный анализ возможного воздействия внешних факторов на действующий бизнес, чтобы быть готовым к потенциальным сценариям развития событий. Очевидно, что сам процесс стресс-тестирования не может обезопасить компанию от негативного воздействия рыночной конъюнктуры, а предлагаемые для моделирования сценарии могут отличаться от реальных событий, но этот процесс (то есть оценка потенциального воздействия на финансовое состояние организации ряда заданных изменений в факторах риска, которые соответствуют исключительным, но вероятным событиям) является незаменимым инструментом управления компанией, посредством которого можно проводить анализ ее слабых и сильных сторон. Сказанное подтверждает тот факт, что ежегодно Европейская банковская организация (далее – ЕБА) проводит стресс-тестирование европейской банковской сферы [7], а Центральный банк Российской Федерации (далее – Банк России) – стресс-тестирование российской банковской системы. Так, например, по результатам стресс-тестирования ЕБА в 2011 году было выявлено, что 8 из 90 европейских банков не смогут справиться с новой волной финансовых потрясений [2]. Используемые ЕБА и Банком России методики позволяют оценить развитие различных сценариев и принять соответствующие превентивные меры, что очень важно для чувствительной банковской сферы.
Существующие подходы к стресс-тестированию
Стоит отметить, что в общем случае стресс-тестирование – это регулярный и непрерывный процесс, который осуществляется поэтапно:
-
• определение текущего состояния организации;
-
• разработка сценариев стресс-теста;
-
• моделирование воздействия параметров стресс-теста на организацию;
-
• формирование выводов и плана действий.
Поскольку стресс-тестирование – это последовательный и циклический процесс, неточность, допущенная на одном из первых этапов, может привести к неверному результату моделирования (см. [3]).
Допустим, что стоит задача провести стресс-тест исходя из нескольких сценариев развития событий, при этом существует финансовая модель бизнеса, связывающая воедино все составляющие организации. Чтобы в рамках имеющейся модели определить сценарии стресса, необходимо выделить финансовые параметры организации, которые будут этому стрессу под- вержены (например выручка или операционные расходы), и задать функцию шока на эти характеристики.
Простейшим примером воздействия (функцией шока) является изменение (чаще всего ухудшение) одного параметра финансовой модели, например выручки. Такой подход называется однопараметрическим стресс-тестированием, и его целесообразно применять, если анализ компании позволяет выявить ключевую характеристику, которая существеннее прочих подвержена внешнему воздействию. Если наблюдается несколько показателей, каждый из которых существенно подвержен шоку, то такое стресс-тестирование называется многопараметрическим .
Кроме количества параметров шока, в стресс-сценарии важным является определение функции воздействия (функции шока) на эти характеристики. Под функцией воздействия здесь и далее понимаются качественные и количественные параметры восприимчивости этих характеристик к заданному шоку. Так, например, функцией воздействия стресса на показатели выручки может быть линейное сокращение ее объема относительно степени стресса. Помимо этого, функция воздействия, кроме амплитуды воздействия стресса, может отражать и его частоту (см. [4]).
Модель розничного кредитного портфеля для оценки параметров шока
В рамках настоящей статьи стресс-тестирование будет проводиться на примере розничного кредитного бизнеса, описанной автором в работе [3].
Представим, что крупная кредитная организация планирует приобрести функционирующий бизнес розничного кредитования, специализирующийся только на кредитовании с использованием кредитных карт. До оформления сделки покупателю известна структура приобретаемого кредитного портфеля. На базе купленного бизнеса банк планирует развернуть розничное кредитование под собственным брендом. Акционеры должны сформулировать стратегию, которая совпадает с базовым стресс-сценарием, рассматриваемым в настоящей статье, то есть сценарием, который характеризует наиболее вероятное развитие событий.
Для моделирования поведения кредитного портфеля необходимо определить параметры, описывающие различные аспекты функционирования бизнеса. Предлагаемые в таблице 1 показатели охватывают значительную часть розничного кредитования с использованием кредитных карт и достаточно полно описывают этот вид деятельности.
Таблица 1
Показатели розничного кредитного портфеля
Показатель (обозначение) |
Описание, единица измерения |
P ortfolio b ookings ( Pb ) |
Объем кредитного портфеля, кредитных карт, шт. |
At trition r ate ( atr ) |
Отток клиентов за единицу времени, % от объема кредитного портфеля |
Average c redit l ine ( cl ) |
Средняя величина кредитной линии в кредитном портфеле, $ |
A verage ut ilization ( ut ) |
Средняя величина использования одобренной кредитной линии в кредитном портфеле, % |
P orfolio e xposure ( Pe ) |
Объем задолженности кредитного портфеля, $ |
Inf low ( Inf ) |
Количество заявлений на кредитный продукт, полученных за единицу времени, шт. |
Окончание таблицы 1
Показатель (обозначение) |
Описание, единица измерения |
Inflow g rowth ( g ) |
Темп роста количества заявлений на кредитный продукт за единицу времени, % |
A pproval r ate ( ar ) |
Доля одобренных кредитных заявок от общего количества поступивших, % |
Y ear- e nd b ooked ( Yeb ) |
Количество одобренных кредитных заявок, шт. |
R evenue per bookings for n ew p ortfolio ( Rnp ) |
Объем выручки, полученный с одной кредитной карты в единицу времени, в которую она была одобрена, $ |
R evenue per bookings for existing p ortfolio ( Rep ) |
Объем выручки, полученный с одной кредитной карты в единицу времени, следующую за той, в которую она была одобрена, $ |
R evenue per bookings for t otal ( Rt ) |
Средний объем выручки, полученный с одной кредитной карты, $ |
G ross portfolio r evenue ( Gr ) |
Совокупный объем выручки, полученный с кредитного портфеля, $ |
C ost o f f unds ( cof ) |
Стоимость заемных средств (эффективная процентная ставка по договорам внешнего заимствования средств), % |
N et r evenue ( Nr ) |
Совокупный объем чистой выручки, $ |
F ixed ex penses ( Fex ) |
Постоянные расходы, $ |
R unning ex penses per card ( Rex ) |
Переменные расходы на одну кредитную карту, $ |
P ortfolio r unning ex penses ( Prex ) |
Совокупный объем переменных расходов на кредитный портфель, $ |
A cquistion c ost per b ooked ( Acb ) |
Расходы на привлечение одного нового клиента (одобренное заявление), $ |
Y ear-end a cquisition c ost ( Yac ) |
Совокупный объем расходов на привлечение клиентов, $ |
Mar gin ( Mar ) |
Операционная маржа (чистая выручка – расходы), $ |
M ax NCL ( net credit losses ) rate for new vintages ( mncl ) |
Максимально возможный уровень кредитных потерь банка (убытка) в случае одобрения 100 процентов полученных кредитных заявлений в периоде времени, следующем за периодом привлечения клиентов, % |
NCL for n ew vintages ( nncl ) |
Фактический уровень кредитных потерь банка в периоде времени, следующем за периодом привлечения клиентов, % |
P ortoflio NCL ( Pncl ) |
Совокупный объем кредитных потерь (убытка), $ |
P ortfolio NCL ( pncl ) |
Совокупный уровень кредитных потерь (убытка), % |
Tax rate ( tax ) |
Ставка налога на прибыль для юридических лиц, % |
N et i ncome before a mortization ( Nia ) |
Чистая прибыль до вычета амортизационных отчислений |
Теперь рассмотрим систему уравнений (табл. 2), описывающую поведение кредитного портфеля с использованием введенных параметров и состоящую из четырех частей. Уравнения каждого раздела табли- цы 2 связывают воедино различные составляющие менеджмента кредитного портфеля:
-
• объем бизнеса – уравнения (1)–(4);
-
• выручка – уравнения (5)–(7);
Таблица 2
Система уравнений, описывающая поведение розничного кредитного портфеля
Раздел 1. Вычисление объема кредитного портфеля ( Pb ) |
||
' Pb, = Pb, x atr 1 + Yeb t t t — 1 t |
(1) |
|
Pe t = Pb t x clt x ut t |
(2) |
|
Inf t = InfM x ( 1 + g t ) |
(3) |
|
Yeb t = Inf t x ar t |
(4) |
Раздел 2. Вычисление суммарной чистой выручки ( Nr ) с имеющихся активов
Rt _ Pb t x Re p t + Pnp t x Yeb t |
(5) |
|
t = Yeb t + Pb t |
||
Gr t = Pb t x Rt t |
(6) |
|
Nr = Gr t — cof x Pe t |
(7) |
|
Раздел 3. Вычисление размера понесенного убытка (кредитные потери), обусловленного кредитованием заемщиков ( Pncl ) |
nncl t = mncl t x ar t |
(8) |
l = nncl t -1 x Yeb t -1 + Pncl t -1 x Pb t -1 |
(9) |
Yeb, 1 + Pb, 1 t — 1 t — 1 |
|
Pncl t = pncl t x Pe t |
(10) |
Раздел 4. Вычисление итогового финансового результата, а именно чистой прибыли до амортизационных отчислений (Nia)
Pr ex t = Re xt x Pb t |
(11) |
Yact = Acbt x Yeb t |
(12) |
Mar t = Nrt — Pr ex t — Yact, — Fext |
(13) |
Niat = ( Mar t — Pncl t ) x ( 1 — tax, ) |
(14) |
Примечание : t – период времени, к которому относится параметр.
-
• кредитные потери/убыток – уравнения (8)–(10);
-
• итоговый финансовый результат – уравнения (11)–(14).
Назовем модель розничного кредитного портфеля, описанную уравнениями (1–14), моделью кредитного портфеля (МКП).
Раздел 1 МКП описывает объемные показатели портфеля: общую задолженность и количество клиентов на момент времени t. В разделе 2 рассчитывается величина чистой выручки, которая будет сформиро- вана общим объемом активов (кредитным портфелем) и стоимостью фондирования (привлечения заемных средств/требова-ния к доходности на вложенный капитал). Размер максимального уровня кредитного риска, принимаемого финансовой организацией в зависимости от рыночной конъюнктуры, определен в разделе 3. Совокупный финансовый результат организации с учетом всех доходов и расходов, включая выплату налога на прибыль, приведен в разделе 4.
Результаты моделирования и оценка параметров стресс-тестов
Представленная МКП позволит оценить воздействие различных функций шока, описанных далее.
Пусть начальное состояние кредитного портфеля описывается моментом времени t = 0, а расчет портфельных показателей будем производить до t = 10. Отличие стресс- сценариев от базового сценария опишем с помощью двух характеристик: mncl и Rep, то есть максимально возможный уровень потерь банка по отношению к объему задолженности и величине выручки, приходящейся на одну кредитную карту в единицу времени. Определим все параметры кредитного портфеля за исключением тех, которые задают отличия сценариев друг от друга (табл. 3).
Таблица 3
Исходные параметры МКП
Сокращенное обозначение показателя |
Период времени (t) |
Значения показателя в момент времени t |
Pb |
0 |
75 000 |
atr |
0–10 |
1,50% |
cl |
0–10 |
$1 500 |
ut |
0–10 |
40% |
Inf |
0 |
20 000 |
g |
0–10 |
5% |
ar |
0–10 |
80% |
Rnp |
0–10 |
$130 |
Rep |
0–10 |
$260 – базовый сценарий, для стресс-сценариев значения приведены в таблице 4 |
cof |
0–10 |
7,50% |
Fex |
0–10 |
$10 000 000 |
Rex |
0–10 |
$75 |
Acb |
0–10 |
$125 |
mncl |
0–10 |
10% – базовый сценарий, для стресс-сценариев значения приведены в таблице 4 |
pncl |
0 |
5% |
tax |
0–10 |
20% |
Для формирования полного набора параметров опишем отличительные характеристики (табл. 4).
Поскольку для базового сценария не подразумевается наличие альтернативного развития событий (кроме стресс-сценариев), значения в колонке B таблицы 5 для базового сценария отсутствуют. Теперь определим основные показатели, по которым будет проведен сравнительный анализ стресс-сценариев (табл. 5):
-
• качество кредитного портфеля, которое может выражаться как в относительной величине средних годовых кредитных потерь ( Pncl % Pe ) за весь период моделирования, так и в абсолютной величине убытка (кредитных потерь) накопленным итогом ( Pncl , $);
Таблица 4
Отличительные исходные параметры сценариев
Сценарий |
Отличительные параметры стресс-сценария |
Прочие комментарии к функции воздействия |
1 |
A: mnclt = 20%, t = 2, 3, 4, 5 B: mnclt = 5%, t = 2, 3, 4, 5 |
Кратное увеличение и уменьшение mncl |
2 |
A: mnclt = 20%, t = 2, 3, 4, 5 B: mnclt = 20%, t = 2, 3, 4, 5, 6, 7 |
Увеличение mncl в разные периоды времени |
3 |
A: mnclt = 20%, t = 2, 3, 4, 5, 6, 7 B: mnclt = 40%, t = 2, 3 |
Увеличение mncl либо продолжительно и не существенно, либо существенно, но коротко |
4 |
A: mnclt = 30%, t = 1, 2, 3, 7, 8, 9 B: mnclt = 20%, t = 0, 1, 2, 4, 5, 6, 8, 9, 10 |
Увеличение mncl либо редко и существенно, либо часто и несущественно |
5 |
A: mnclt = 30%, t = 1, 2, 3, 7, 8, 9 B: mnclt = 20%, t = 1, 2, 3, 4, 5, 6, 7, 8, 9 |
Увеличение mncl либо существенно и периодически, либо постоянно и несущественно |
6 |
A: mnclt = 20%, t = 2, 3, 4 B: mnclt = 20%, t = 6, 7, 8 |
Увеличение mncl за одинаковые периоды, но в разные моменты времени |
7 |
A: mnclt = 20%, t = 2, 3, 4 B: Rept = 240, t = 2, 3, 4 |
Увеличение mncl или снижение Rep |
8 |
A: mnclt = 40%, t = 2, 3, 4 B: mnclt = 20%, Rept = 240, t = 2, 3, 4 |
Существенное увеличение mncl или снижение Rep наряду с несущественным увеличением mncl |
-
• чистая выручка кредитного портфеля, которая может выражаться как в относительной величине средней годовой доходности ( Nia % Pe ) за весь период моделирования, так и в абсолютной величине чистой прибыли накопленным итогом ( Nia , $).
Опуская подробности технической реализации модели, обратимся к полученным результатам, которые приведены для каждого сценария в таблице 5.
Оценим различия и степень влияния внешних факторов описанной парой подсценариев на основании полученных данных.
Стресс-сценарий 1
Смоделированное ухудшение и улучшение в два раза показателя mncl дает сравнимое отклонение от базового сценария относительных показателей прибыли (около +/-1%). Однако наблюдается не линейная зависимость ухудшения накопленной за период прибыли в случае усиления шока с $8,5 миллиона в базовом сценарии до -$5,5 миллиона в сценарии 1А (на $14 миллионов хуже базового) против улучшения до $15,5 миллиона в сценарии 1В (на $10 миллионов лучше базового).
Стресс-сценарий 2
Очевидно, что протяженность шокового воздействия влияет на операционный результат компании: в случае более продолжительного стресса (сценарий 2В) компания получает худший финансовый результат как в абсолютном, так и в относительном значениях, чем в сценарии 2А.
Стресс-сценарий 3
Моделирование длинного, но не существенного шока и короткого, но существенного позволяет сделать вывод о сравнимости результатов и об ухудшении динамики качества кредитного портфеля, однако в рамках заданных условий сценарий 3В оказывает худшее, чем сценарий 3А, влияние на финансовую организацию.
Таблица 5
Результаты моделирования базового и стресс-сценариев
Сценарий |
Индикатор |
Результаты моделирования, соответствующие подсценарию A |
Результаты моделирования, соответствующие подсценарию В |
||
в % от APe |
в $ |
в % от APe |
в $ |
||
Базовый |
Pncl |
6,7 |
70 043 837 |
– |
– |
NIA |
0,8 |
8 512 399 |
– |
– |
|
1 |
Pncl |
8,4 |
87 677 536 |
5,8 |
61 226 987 |
NIA |
-0,5 |
-5 594 561 |
1,5 |
15 565 878 |
|
2 |
Pncl |
8,4 |
87 677 536 |
9,5 |
99 521 251 |
NIA |
-0,5 |
-5 594 561 |
-1,4 |
-15 069 533 |
|
3 |
Pncl |
9,5 |
99 521 251 |
10,2 |
106 907 087 |
NIA |
-1,4 |
-15 069 533 |
-2,0 |
-20 978 201 |
|
4 |
Pncl |
11,6 |
121 328 715 |
10,3 |
107 817 600 |
NIA |
-3,1 |
-32 515 504 |
-2,1 |
-21 706 612 |
|
5 |
Pncl |
11,6 |
121 328 715 |
10,5 |
109 720 546 |
NIA |
-3,1 |
-32 515 504 |
-2,2 |
-23 228 969 |
|
6 |
Pncl |
8,4 |
87 677 536 |
7,6 |
79 403 276 |
NIA |
-0,5 |
-5 594 561 |
0,1 |
1 024 847 |
|
7 |
Pncl |
8,4 |
87 677 536 |
6,7 |
70 043 837 |
NIA |
-0,5 |
-5 594 561 |
0,3 |
2 751 545 |
|
8 |
Pncl |
11,7 |
122 944 935 |
8,4 |
87 677 536 |
NIA |
-3,2 |
-33 808 480 |
-1,1 |
-11 355 415 |
Стресс-сценарии 4 и 5
Результаты моделирования показали, что редкие, но существенные воздействия оказывают более негативное воздействие на финансовую организацию, чем частые, но меньшие по амплитуде. Стоит отметить, что полученные результаты отражают реальную ситуацию, когда финансовые учреждения готовы принять на себя риски в случае частых и несильных колебаний, однако серьезное ухудшение конъюнктуры оказывает существенное влияние на банки. Эту ситуацию можно описать такими терминами, как «ожидаемые потери» (англ. expected loss – EL ) и «неожидаемые потери»
(англ. unexpected loss – UEL ).
Стресс-сценарий 6
Результаты проведенного анализа свидетельствуют о том, что для бизнеса очень важным является момент наступления стресса при прочих равных условиях (одна степень воздействия, равный временной интервал). Так, например, в случае сценария 6A компания не вышла на окупаемость за весь период моделирования, а в случае 6В мы получаем положительную накопленную прибыль к моменту t = 10. Причина – состояние бизнеса на момент наступления стресса:
-
• в случае стресс-сценария 6А компания только «набирает обороты» к периоду времени t = 2;
-
• в случае стресс-сценария 6B шок наступает в момент, когда организация уже увеличила объем кредитного портфеля, поэтому произошедшие изменения не так существенны для нее.
Стресс-сценарии 7 и 8
Комбинированные стресс-сценарии, на основании которых было проведено моделирование, отражают тот факт, что важным является выбор параметров бизнеса, которые будут подвержены шоку в рамках стресс-тестирования. Причем степень соответствия выбранных параметров характеристикам, которые могут быть подвержены шоку в случае реализации стресс-сценария, отражает сопоставимость результатов моделирования возможным последствиям.
Подчеркнем, что, сравнивая полученные данные, нельзя забывать о тех допущениях, которые были сделаны при моделировании стресс-сценариев и разработке МКП. Моделирование различных сценариев ухудшения финансового состояния компании позволяет оценить тренд развития ситуации и своевременно приступить к формированию плана действий по минимизации рисков.
Выводы
Представленная методика стресс-тести-рования финансовой организации, разработанная автором статьи, может применяться на практике. Предложенная модель (МКП) является прикладным инструментом, с помощью которого можно оценивать вероятное развитие ситуации в зависимости от заданных сценариев.
Разработанная модель розничного кредитного портфеля позволяет количественно подходить к вопросу о выборе стратегии ведения бизнеса с учетом вероятных последствий ее реализации. В случае изменения макроэкономических условий МКП дает возможность смоделировать поведение розничного кредитного портфеля и ожидаемый финансовый результат и минимизировать возможные будущие потери (убыток).
Актуальность разработки методики стресс-тестирования подтверждает тот факт, что мировое банковское сообщество все чаще использует этот инструмент для оценки состояния финансовых институтов и своевременного выявления потенциальных проблем.
Список литературы Сценарное моделирование и стресс-тестирование розничного кредитного портфеля банка
- Бланк И. А. Управление финансовыми рисками. Киев: Ника-Центр, 2005.
- Восемь европейских банков провалили стресс-тесты // Лента.ру: информационный портал (дата обращения: 15 июля 2011 года).
- Мясин А. В. Стресс-тестирование и сценарий анализ как инструменты управления // Вестник университета (Государственный университет управления). 2011. № 18.
- Мясин А. В. Моделирование финансовых параметров компании на основе бухгалтерской информации и с учетом рыночной динамики // Имущественные отношения в Российской Федерации. 2011. № 5.
- Чекулаев М. В. Риск-менеджмент. Управление финансовыми рисками на основе анализа волатильности. М.: Альпина Паблишер, 2005.
- Шапкин А. С., Шапкин В. А. Теория риска и моделирование рисковых ситуаций. М.: Дашков и К, 2005.
- European Banking Authority (EBA) (2011): Stress-test of Europe banking system. URL: http://www.eba.europa.eu