+7 (925) 966 4690
ИД «Финансы и кредит»

ЖУРНАЛЫ

  

АВТОРАМ

  

ПОДПИСКА

    
«Финансы и кредит»
 

Включен в перечень ВАК по специальностям

ЭКОНОМИЧЕСКИЕ НАУКИ:
5.2.1. Экономическая теория
5.2.3. Региональная и отраслевая экономика
5.2.4. Финансы
5.2.5. Мировая экономика
5.2.6. Менеджмент


ЭКОНОМИЧЕСКИЕ,
ФИЗИКО-МАТЕМАТИЧЕСКИЕ НАУКИ:
5.2.2. Математические, статистические и инструментальные методы в экономике

Реферирование и индексирование

РИНЦ
Referativny Zhurnal VINITI RAS
Worldcat
LCCN Permalink
Google Scholar

Электронные версии в PDF

Eastview
eLIBRARY.RU
Biblioclub

Двухпараметрическая формула срочной структуры вероятности дефолта

т. 24, вып. 8, август 2018

Получена: 14.06.2018

Получена в доработанном виде: 02.07.2018

Одобрена: 17.07.2018

Доступна онлайн: 29.08.2018

Рубрика: Финансовый контроль

Коды JEL: C58, G17, G28

Страницы: 1920–1937

https://doi.org/10.24891/fc.24.8.1920

Помазанов М.В. кандидат физико-математических наук, доцент факультета экономических наук, Национальный исследовательский университет «Высшая школа экономики», Москва, Российская Федерация 
m.pomazanov@hse.ru

https://orcid.org/0000-0003-3069-1511
SPIN-код: отсутствует

Предмет. Существующие методы моделирования срочной структуры вероятности дефолта и их недостатки, ограничивающие практическое применение.
Цели. Дать эффективное предложение кредиторам по построению методики оценки вероятности дефолта корпоративного заемщика с учетом изменяемого срока до конца кредитной сделки, не противоречащей новому стандарту МСФО IFRS 9.
Методология. Экономико-статистический анализ, оптимизация параметров специального вида распределений на статистических данных рейтинговых агентств.
Результаты. На консолидированных эмпирических данных рейтинговых агентств для корпоративного сектора обоснована двухпараметрическая формула срочной структуры вероятности дефолта, не противоречащая требованиям международного стандарта IFRS 9 для корпоративного сектора заемщиков, в котором недостаточно внутренних данных банка для построения собственной внутренней модели Lifetime PD либо построение требует чрезмерных затрат и усилий.
Область применения. При расчете ставки резервов для кредитных активов, условия по которым согласуются с основным механизмом кредитования (тест SPPI) для второй стадии обесценения, согласно классификации стандарта IFRS 9; внутренняя самостоятельная оценка требований к экономическому капиталу по сделке с учетом срока; оценка минимальной (безубыточной) ставки кредитования с учетом риска и срока сделки; оптимизация срока сделки и другие возможные приложения.
Выводы. Обосновывается формула расчета срочной структуры вероятности дефолта, наилучшая в пуле фитирующих распределений, калиброванная на внешних эмпирически статистически репрезентативных данных рейтинговых агентств, включающих исторический период 44 года. Формула является явной и не требует для практического применения использования сложных вычислений.

Ключевые слова: кредитный риск, резервы МСФО, вероятность дефолта, срочная структура дефолта, стандарт IFRS 9

Список литературы:

  1. Merton R.C. On the Pricing of Corporate Debt: The Risk Structure of Interest Rates. The Journal of Finance, 1974, vol. 29, iss. 2, pp. 449–470. URL: Link
  2. Vasicek O. Loan Portfolio Value. Risk, 2002, December, pp. 160–162.
  3. Gürtler M., Heithecker D. Multi-Period Defaults and Maturity Effects on Economic Capital in a Ratings-based Default-mode Model. Working Papers Technische Universität Braunschweig, Institute of Finance, 2005, no. FW19V2. URL: Link
  4. Fisher E., Heinkel R., Zechner J. Dynamic Capital Structure Choice: Theory and Tests. The Journal of Finance, 1989, vol. 44, no. 1, pp. 19–40. URL: Link
  5. Duffie D., Lando D. Term Structure of Credit Spreads with Incomplete Accounting Information. Econometrica, 2001, vol. 69, iss. 3, pp. 633–664. URL: Link
  6. Kiefer N.M., Larson C.E. Counting Processes for Retail Default Modeling. Journal of Credit Risk, 2015, vol. 11, no. 3, pp. 45–72. URL: Link
  7. Cox D.R. Regression Models and Life-tables. Journal of the Royal Statistical Society. Series B (Methodological), 1972, vol. 34, no. 2, pp. 187–220. URL: Link
  8. Breeden J. Reinventing Retail Lending Analytics – 2nd Impression – Forecasting, Stress Testing, Capital and Scoring for a World of Crises. London, Risk Books Publ., 2010, 433 p.
  9. Israel R.B., Rosenthal J.S., Wei J.Z. Finding Generators for Markov Chains via Empirical Transition Matrices, with Applications to Credit Ratings. Mathematical Finance, 2001, vol. 11, iss. 2, pp. 245–265. URL: Link
  10. Brunel V., Roger B. Le Risque de Credit: Des Modeles au Pilotage des Banques. Economica, 2014.
  11. Brunel V. Loan Classication under IFRS 9. Risk, 2016, May, pp. 77–80.
  12. Bluhm C., Overbeck L. Calibration of PD Term Structures: To Be Markov or not to Be. Risk, 2007, vol. 20, no. 11, pp. 98–103. URL: Link
  13. Kristof T., Virag M. Lifetime Probability of Default Modeling for Hungarian Corporate Debt Instruments. URL: Link
  14. Vaněk T., Hampel D. The Probability of Default Under IFRS 9: Multi-period Estimation and Macroeconomic Forecast. Acta Univ. Agric. Silvic. Mendelianae Brun, 2017, vol. 65, iss. 2, pp. 759–776. URL: Link
  15. Petrov D., Pomazanov M. Validation Method of Maturity Adjustment Formula for Basel II Capital Requirement. The Journal of Risk Model Validation, Risk Journals, 2009, vol. 3, iss. 3, pp. 81–97.
  16. Marshall A.W., Olkin I. Life Distributions. New York, Springer Publ., 2007, 783 p.
  17. Карминский А. Модели корпоративных рейтингов для развивающихся рынков // Корпоративные финансы. 2011. Т. 5. № 3. С. 19—29. URL: Link

Посмотреть другие статьи номера »

 

ISSN 2311-8709 (Online)
ISSN 2071-4688 (Print)

Свежий номер журнала

т. 30, вып. 10, октябрь 2024

Другие номера журнала