Мицель А.А.доктор технических наук, профессор кафедры высшей математики и математической физики Национального исследовательского Томского политехнического университета, профессор кафедры автоматизированных систем управления Томского государственного университета систем управления и радиоэлектроники maa@asu.tusur.ru
Герман А.В.студентка магистратуры физико-технического института, Национальный исследовательский Томский политехнический университет Anuto4ka70@yandex.ru
Кредитный рейтинг рассчитывается рейтинговыми агентствами на основе настоящей и прошедшей финансовой истории. Эти агентства могут быть как регионального или отраслевого уровней, т.е. специализироваться в конкретном географическом регионе или отрасли, так и международные рейтинговые агентства, к которым относится Standard & Poors, Moody's Investors Service и Fitch Ratings. Очевидно, что получение кредитного рейтинга не является проблемой. Однако при достаточно высоких и не всегда оправданных затратах у органов власти существует потребность в оценке предполагаемого уровня рейтинга, до того как им придется оплачивать услуги агентств. Статья посвящена разработке модели, позволяющей оценить вероятный уровень кредитного рейтинга, тем самым предотвратив риск отказа от присвоенного рейтинга. Задачами исследования являются определение входных данных математической модели, на основании которых рейтинговые агентства присваивают рейтинги; проверка исходных данных по статистическим показателям; разработка модели оценки риска рефинансирования для субъектов, у которых уже есть рейтинг; применение модели для субъектов, у которых еще нет рейтинга. Для построения модели применялся анализ финансовых показателей субъектов РФ, наиболее значимые из них выделены при помощи факторного анализа. На основе регрессионного анализа построена модель определения возможного уровня кредитных рейтингов регионов РФ. В рамках исследования решены следующие задачи: выявлены наиболее значимые факторы, влияющие на рейтинговую оценку субъекта; с помощью регрессионного анализа построена модель определения возможного уровня кредитных рейтингов регионов РФ при помощи восьми финансовых показателей региона. Сделан вывод о том, что в условиях современной экономики рейтинговая оценка зависит не только от финансовых показателей, но и от таких, как экономические, политические демографические и т.д., поэтому при использовании модели необходимо убедиться в минимальном влиянии остальных факторов на уровень рейтинга.
Ключевые слова: кредитный рейтинг, регион, финансовый показатель, факторный анализ, модель
Список литературы:
Государство, общественные организации. URL: Link#.
Закс Л. Статистическое оценивание. М.: Статистика, 1976. 598 с.
Информация об исполнении бюджетов субъектов РФ и местных бюджетов. URL: Link.
Истомин Н.А., Мицель А.А. Оценка справедливой доходности облигационного выпуска на основе структуры безрисковых ставок // Управление риском. 2008. № 4. С. 41–46.
Калинина В.Н., Панкин В.Ф. Математическая статистика. М.: Высшая школа, 2001. 336 с.
Мамаева З.М. Математические методы и модели в экономике. Ч. 2. Эконометрика: учеб.-метод. пособие. Н. Новгород: ННГУ, 2010. 70 с.
Международная рейтинговая шкала: определения рейтингов. URL: Link.
Объем государственного долга субъектов Российской Федерации и долга муниципальных образований. URL: Link.
Пахомов С.Б. Управление долгом регионов и муниципалитетов России. Институциональные формы, механизмы, технологии. М.:ЮНП, 2009. 282 с.
Суслов В.И., Ибрагимов Н.М., Талышева Л.П., Цыплаков А.А. Эконометрия: учеб. пособие. Новосибирск: Новосибирский государственный университет, 2005. 744 с.
Табах А. Привлекательный субъект // Cbonds Review. 2009. № 6. С. 34–36.
Фабоцци Ф.Дж. Рынок облигаций: анализ и стратегии. М.: Альпина Бизнес Букс, 2005. 876 с.
Цаллагова Л.М. Рейтинговая оценка муниципальных образований региона. // Управление экономическими системами: электронный научный журнал. URL: Link.
Amdursky R.S., Gillette C.P. Municipal Debt Finance Law Theory and Practice. New York, 1992. 355 p.
Default Study and Rating Transitions. London: Standard&Poors, 2010. URL: Link.
Fisher R.A. Statistical Methods for Research Workers. 14th ed. Edinburgh: Oliver and Boyd, 1970. 102 p.
Keenan S.,Hamilton D., Berthault A. Historical Default Rates of Corporate Bonds Issuers, 1920–1999. London: Moody’s investors service, 2010. URL: Link.
Kenney J.F. and Keeping E.S. Linear Regression, Simple Correlation, and Contingency. Princeton, 1997. P. 199–237.
Verde N. Fitch Ratings Global Corporate Finance 2009 Transition and Default Study. URL: Link Fitch%20Ratings%20Corporate%20Transition% 20Study%202009.pdf.
