Главная  Журналы  Финансовая аналитика: проблемы и решения  2(332) - 2017 февраль

Моделирование вероятности дефолта российских банков

Получена: 08.11.2016

Получена в доработанном виде: 06.12.2016

Одобрена: 07.12.2016

Доступна онлайн: 28.02.2017

Рубрика: МАТЕМАТИЧЕСКИЙ АНАЛИЗ И МОДЕЛИРОВАНИЕ В ЭКОНОМИКЕ

Страницы: 226-240

https://doi.org/10.24891/fa.10.2.226

Тема. Статья посвящена моделированию вероятности дефолта российских коммерческих банков. В связи со спецификой экономической и политической обстановки в стране изучение проблем банкротства коммерческих банков еще долгое время будет оставаться актуальным. Объектом исследования выступают российские коммерческие банки двух категорий: лишившиеся лицензии Банка России с августа 2013 г. по май 2016 г. и продолжающие свою деятельность. Предметом исследования являются надежность и устойчивость кредитных организаций, а также факторы, влияющие на возникновение дефолта.
Цели. Построение эконометрической модели оценки вероятности дефолта банков, учитывающей особенности российского рынка.
Методология. Вероятность банкротства определяется с использованием логистической регрессии, учитывающей как показатели финансовой отчетности, так и ряд институциональных факторов. Информационной базой служат квартальные данные отчетности российских коммерческих банков за период с января 2012 г. по январь 2016 г., оказавшихся банкротами с августа 2013 г. по май 2016 г.
Результаты. В статье рассмотрены тенденции современной банковской системы, показаны основные этапы построения модели оценки вероятности дефолта российских коммерческих банков. На основании характеристик созданной модели сделан вывод о ее высоком качестве как с точки зрения статистической значимости, так и с точки зрения экономического смысла.
Применение. Полученные результаты могут быть полезны как исследователям, изучающим вопросы банкротства кредитных организаций, так и менеджменту банков. Кроме того, модель может применяться органами банковского надзора РФ в качестве системы дистанционного мониторинга, а также компаниями при выборе обслуживающего банка. Простота и доступность данных делают возможным анализ банка и со стороны его потенциальных клиентов.

Ключевые слова: банк, регулирование, дефолт, банкротство, логистическая регрессия

Список литературы:

1. Василюк А.А., Карминский А.М. Моделирование кредитных рейтингов отечественных банков на основе российской отчетности // Управление финансовыми рисками. 2011. № 3. С. 194–205.
2. Головань С.А., Карминский А.М., Копылов А.В., Пересецкий А.А. Модели вероятности дефолта российских банков. I. Предварительное разбиение банков на кластеры. М.: РЭШ, 2003. 24 с.
3. Головань С.В., Карминский А.М., Копылов А.В., Пересецкий А.А. Модели вероятности дефолта российских банков. II. Влияние макроэкономических факторов на устойчивость банков. М.: РЭШ, 2004. 25 с.
4. Карминский А.М., Костров А.В., Мурзенков Т.Н. Моделирование вероятности дефолта российских банков с использованием эконометрических методов. М.: ВШЭ, 2012. 64 с.
5. Карминский А.М., Пересецкий А.А., Петров А.Е. Рейтинги в экономике: методология и практика. М.: Финансы и статистика, 2005. 240 с.
6. Пересецкий А.А. Методы оценки вероятности дефолта банков // Экономика и математические методы. 2007. Т. 43. № 3. С. 37–62.
7. Пересецкий А.А. Модели причин отзыва лицензий у российских банков. М.: РЭШ, 2010. 26 с.
8. Altman E. Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy. The Journal of Finance, 1968, vol. 23, iss. 4, pp. 189–209. doi: 10.1111/j.1540-6261.1968.tb00843.x
9. Beaver W.H. Financial Ratios as Predictors of Failure. Journal of Accounting Research, 1966, vol. 4, pp. 71–111.
10. Meyer P., Pifer H. Prediction of Bank Failures. The Journal of Finance, 1970, vol. 25, iss. 4, pp. 853–868. doi: 10.1111/j.1540-6261.1970.tb00558.x
11. Clare A., Priestley R. Calculating the Probability of Failure of the Norwegian Banking Sector. Journal of Multinational Financial Management, 2002, vol. 12, iss. 1, pp. 21–40. doi: Link00029-9
12. Claeys S., Schoors K. Bank Supervision Russian Style: Evidence of Conflicts between Micro- and Macro-Prudential Concerns. Journal of Comparative Economics, 2007, vol. 35, iss. 3, pp. 630–657. doi: Link
13. Frade J. Credit Risk Modeling: Default Probabilities. Journal of Applied Finance & Banking, 2014, vol. 4, no. 4, pp. 107–125.
14. Männasoo K., Mayes D. Explaining Bank Distress in Eastern European Transition Economies. Journal of Banking and Finance, 2009, vol. 33, no. 2, pp. 244–253.
15. Duffie D., Singleton K. Credit Risk: Pricing, Measurement and Management. Princeton Series in Finance, 2003, pp. 48–120.
16. Bongini P., Laeven L., Majnoni G. How Good Is the Market at Assessing Bank Fragility? Journal of Banking and Finance, 2002, vol. 26, iss. 5, pp. 1011–1028. doi: Link S0378-4266(01)00264-3
17. Lanine G., Vennet R. Failure Prediction in the Russian Bank Sector with Logit and Trait Recognition Models. Expert Systems with Applications, 2006, vol. 30, no. 3, pp. 463–478. doi: Link 10.1016/j.eswa.2005.10.014
18. Gennotte G., Pyle D. Capital Controls and Bank Risk. Journal of Banking & Finance, 1991, vol. 15, pp. 805–824. doi: Link90101-Q
19. Zaghdoudi T. Bank Failure Prediction with Logistic Regression. International Journal of Economics and Financial Issues, 2013, vol. 3, no. 2, pр. 537–543.
20. Тотьмянина К.М. Обзор моделей вероятности дефолта // Управление финансовыми рисками. 2011. № 1. С. 39–53.

Посмотреть другие статьи номера »