Клаас Т.А.студент магистратуры кафедры банковского дела, Казанский федеральный университет, Казань, Российская Федерация tomasklaas@yandex.ru ORCID id: отсутствует SPIN-код: отсутствует
Предмет и тема. В настоящее время назрела объективная необходимость в разработке адекватных новым реалиям подходов к прогнозированию и ранней диагностике риска банкротства финансовых институтов и, в частности, банков. Прежде всего это вызвано тем, что банковские структуры отличаются наиболее стремительными изменениями, динамикой, повышенной чувствительностью к внешним шокам. Кроме того, проблема оценки вероятности дефолта банков достаточно актуальна в связи с нестабильными условиями финансово-экономического развития страны, последствием которых выступает рост риска банкротства кредитных организаций. Цели. На основе анализа факторов, характеризующих устойчивость кредитной организации, построить эконометрическую модель, определяющую риск дефолта банка в условиях финансовой нестабильности. Методология. Применялись методы анализа, синтеза, индукции и дедукции, абстрагирования и аналогии, а также экономико-статистические приемы: группировка, корреляция, регрессия. Результаты. Выведен интегральный показатель дефолта банка, посредством корреляционного анализа идентифицированы современные драйверы риска банкротства кредитной организации, а с помощью регрессионного анализа данные факторы встроены в эконометрическую модель оценки риска дефолта банка. Выводы и значимость. Несмотря на многообразие методик прогнозирования банкротства коммерческого банка, до сих пор не создана идеальная модель, которая позволила бы наиболее точно определить риск дефолта банка, не выведен единый показатель его оценки. По результатам проведенного исследования было определено, что вероятность дефолта банка зависит от ряда факторов, в связи с этим наиболее актуальные в сложившихся условиях нестабильного развития экономики факторы с использованием экономико-статистических приемов были выстроены в линейную эконометрическую модель риска дефолта банка, которую можно применять для прогнозирования банкротства действующих кредитных организаций.
Bluhm C., Overbeck L., Wagner C. Introduction to Credit Risk Modeling. 2nd ed. Boca Raton, CRC Press, 2010, 384 р.
Sahajwala R., Van den Bergh P. Supervisory Risk Assessment and Early Warning Systems. BCBS Working Paper, 2000, no. 4, 59 p.
Пугановская Т.И., Галямин А.В. Анализ зарубежных исследований в области моделирования банкротства компании // Проблемы региональной экономики. 2008. Т. 3. С. 46–61.
Пугановская Т.И., Галямин А.В. Методика определения банкротства организации на основе балансограмм // Проблемы региональной экономики. 2008. Т. 4. С. 21–28.
Тотьмянина К.М. Обзор моделей вероятности дефолта // Управление финансовыми рисками. 2011. № 1. С. 12–24.
Пересецкий А.А. Методы оценки вероятности дефолта банков // Экономика и математические методы. 2007. Т. 43. № 3. С. 37–62.
Карминский А.М., Костров А.В., Мурзенков Т.Н. Моделирование вероятности дефолта российских банков с использованием эконометрических методов. М.: Высшая школа экономики, 2012. 304 с.
Peresetsky A.A., Karminsky A.M., Golovan S.V. Probability of Default Models of Russian Banks. Economic Change and Restructuring, 2011, vol. 44, iss. 4, pp. 297–334.
Карминский А.М., Костров А.В. Моделирование вероятности дефолта российских банков: расширенные возможности // Журнал новой экономической ассоциации. 2013. № 1. С. 64–86. URL: Link
Василюк А., Карминский А., Сосюрко В. Система моделей рейтингов банков в интересах IRB-подхода: сравнительный и динамический анализ. М.: Высшая школа экономики, 2011. 68 с. URL: Link
Клаас Я.А. Определение финансовой устойчивости региональных банков посредством действующих методик // Финансы и бизнес. 2014. № 3. С. 49–60. URL: Link
Altman E.I. Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy. Journal of Finance, 1968, vol. 23, no. 4, pp. 589–609. URL: Link
Beaver W.H. Financial Ratios as Predictors of Failure. Journal of Accounting Research, 1966, vol. 4, pp. 71–111.
Chernykh L., Theodossiou A. Determinants of Bank Long-Term Lending Behavior: Evidence from Russia. Multinational Finance Journal, 2011, vol. 15, iss. 3-4, pp. 193–216. URL: Link
Lanine G., Vennet R. Failure Prediction in the Russian Bank Sector with Logit and Trait Recognition Models. Expert Systems with Applications, 2006, vol. 30, iss. 3, pp. 463–478. URL: Link
Estrella A., Park S., Peristiani S. Capital Ratios as Predictors of Bank Failure. FRBNY Economic Policy Review, 2000, vol. 6, no. 2, pp. 33–52. URL: Link
Егорова О.Ю. Специальные методы выявления обстоятельств банкротства банков // Деньги и кредит. 2012. № 7. С. 57–60.
Егорова О.Ю. Классификация подходов, моделей и методов диагностики банкротства банков // Глобальные рынки и финансовый инжиниринг. 2015. Т. 2. № 3. С. 229–244. URL: Link
