Совершенствование подходов к оценке кредитного риска корпоративного портфеля российского банка

Кредитование корпоративного заемщиков занимает значительную часть деятельности российского банковского бизнеса. По состоянию 2015г. объем кредитов, выданных нефинансовым организациям составил 56%. Между тем уровень просроченной задолженности корпоративного кредитного портфеля имеет тенденцию к росту. Дальнейший рост доли дефолтов в корпоративных портфелях банков может явиться причиной нестабильности банковского сектора и финансовой системы в целом [1].

В соответствии с измененной статьей 72.1 ФЗ о Центральном Банке РФ кредитные организации вправе применять разработанные и согласованные с Банком России внутрибанковские модели количественной оценки рисков.

Для целей реализации внутренних рейтингов банков (далее - ПВР) было издано Письмо Банка России от 29.12.2012 года №192-Т «Методические рекомендации к расчету кредитного риска по реализации подхода на основе внутренних рейтингов банков». Согласно Базелю II, при расчете ПВР существует два варианта для оценки требований к капиталу, первый - базовый (FIRB - Foundation IRB), второй - «продвинутый» (AIRB - Advanced IRB). Банки производят самостоятельные расчеты значений вероятности дефолта (PD), используя базовый вариант подхода. Расчет других значений компонентов риска определяться в соответствии с положениями Базеля II Банком России. Данная работа посвящена проблеме оценки рейтингов заемщиков, а также поиску новых подходов развития рейтинговой методологии [2].

Становится очевидным, что формирование сегментации клиентов банка должно осуществляться в соответствии с реализуемой кредитной политикой. Взяв предположение о том, что не только качественные и количественные характеристики способны оказать влияние на вероятность возникновения дефолта корпоративных заемщиков, но и некоторые их характеристики такие, как род деятельности, месторасположение, целевой характер предоставляемого кредита и др. В связи с этим возникает необходимость разделить кредитный портфель на отдельные уровни по классу, что позволило бы построить прогноз с помощью уравнения регрессии (Рис. 1).

Рассмотрим пример сегментации кредитного портфеля одного из крупных банков, при этом нижний порог доли одной группы долен быть не ниже 5% , что соответствует требованию к достаточности исходной информации. Для этого мы объединим в одну группу «Иная деятельность» все оставшиеся договоры, которые не превышают минимально допустимого уровня. Далее предоставим обзор модели вероятности дефолта для отдельного сегмента заемщиков (табл. 1).

Рисунок 1. Распределение корпоративных заемщиков кредитного портфеля по видам деятельности в кредитном портфеле

Таблица 1. Доля клиентов кредитного портфеля в процентах

В некоторых случаях банк не располагает статистикой в долгосрочном периоде. В таком случае расчет CT можно произвести через соотношение значения DR и мультипликатора Ωt за 7 лет. Возможность использовать отношение прироста валового внутреннего продукта (ВВП) к приросту объемов кредитования за год (Табл.2).

Таблица 2. Итоговое распределение клиентов кредитного портфеля Отношение годового к среднему значению обратно пропорционально

Вид деятельности клиента % Металлургическое производство 19% Обрабатывающие производства 18% Производства кокса, нефтепродуктов, ядерных материалов 15% Целлюлозно-бумажное производство 11% Производство пищевых продуктов, включая напитки, и табака 10% отношению частоты дефолтов за год (DR - наблюдаемый уровень дефолтов за год в портфеле) к долгосрочному уровню дефолтов для портфеля (Формула1):

DR. CL

---=—^   CT =

— DR.

СТ Ц =>

Основой оценки мультипликатора (Ωt=3,0 и Ωср=3,3) послужили данные динамики ВВП и объемов кредитования организаций в России за семилетний период (Табл.3).