Оценка вероятности банкротства

В связи с дискретностью получаемой информации, возникают сложности с выбором оптимального горизонта прогнозирования.

Различные горизонты прогнозирования были использованы в работе Ж. Колари (Kolari, 2002). Выборка, используемая в исследовании, содержала 50 банков, обанкротившихся в период с конца 1980-х до середины 1990-х. Величина активов каждого банка превосходила 250 миллионов долларов. Выборка банков-небанкротов формировалась по методу подобия, в основе которого лежал размер банка, а дополнительным критерием выступала схожесть экономических и  конкурентных условий регионов, в которых действуют банки. Оценка вероятности банкротства крупных банков США производилась за 1 и 2 года до потенциального наступления события. При прогнозировании вероятности за 1 год до банкротства общая точность модели, проверенная на тестирующей выборке, составила 70%. Модель верно классифицировала 56% банкротов и 84% небанкротов. При увеличении горизонта прогнозирования до 2 лет общая точность модели, проявленная на тестирующей выборке, снизилась до 60%. Модель выявила 44% будущих банкротов и 76% сохраняющих устойчивость банков.    

Рассмотрим практику выбора горизонта прогнозирования в исследованиях, посвященных российским банкам. В работе коллектива авторов с участием А.М. Карминского, А.А. Пересецкого (Головань, Карминский и др., 2003) длина шага прогнозирования была принята в 2 года, так как по экспертным оценкам этот период является достаточным для завершения процедуры банкротства. Согласно диаграмме распределения числа отзывов банковских лицензий во времени, в выборку вошло 255 случаев банкротства. С учетом специфики составления выборки, в исследовании рассматривалось 2903 случая продолжения функционирования банка в течение следующих 2 лет. Для оценки прогнозной силы построенных моделей авторы находили доли фактических банков-банкротов, попавших в 100 и 500 «самых плохих» эпизодов, и долю банков-банкротов, вошедших в 100 и 500 «самых устойчивых» эпизодов, с точки зрения модели. При выборе порогового значения вероятности на уровне, соответствующем признанию 100 «самых плохих» в качестве банкротов, общая точность базовой модели составила 90%. Однако, модель верно классифицировала лишь 8,2% банков-банкротов. При повышении пороговой вероятности выживания (банкротами признавались  500 «самых плохих» эпизодов) общая точность модели снизилась до 81,7%, а точность выявления банкротов возросла до 34,5%. Более короткие горизонты прогнозирования исследуются в работе Г. Ланина и Р. Веннета (Lanine, Vennet, 2006). Оценка вероятности банкротства производится ежеквартально в течение 1 года. Используемые объясняющие факторы и зависимость их значимости от временного горизонта будут описаны позднее.

Вернемся к вопросу отбора факторов, которые могут оказывать влияние на вероятность банкротства банков. Одна из задач банка - максимизация прибыли при заданном уровне риска. При этом особенностью банковской деятельности является  работа с высоким уровнем рычага. Кроме того, неликвидные активы, представленные в виде  кредитов, финансируются за счет ликвидных обязательств, или депозитов. Таким образом, банк непременно сталкивается с тремя видами рисками: риском ликвидности, риском дефолта и риском недостаточности капитала. Риск ликвидности заключается в необходимости банку иметь достаточно наличных средств для бесперебойного обеспечения изъятия вкладов. Риск дефолта отражает возможность невозврата кредита заемщиком вследствие асимметрии информации о его финансовом состоянии. Большой рычаг является причиной возникновения риска нехватки собственного капитала, то есть необходимости иметь достаточный уровень средств для обслуживания непредвиденных потерь.

Основой успешной банковской деятельности является соблюдение баланса между прибыльностью и рискованностью.  Владение низко ликвидными активами, выдача высоко рискованных кредитов и работа с большим рычагом увеличивают величину ожидаемой прибыли, но вместе с ней растет и риск, который принимает на себя банк. Данные особенности функционирования банков послужили основой для выбора потенциальных предикторов банкротства в работе Г. Ланина, Р. Веннета. В качестве объясняющих переменных использовались параметры, отражающие прибыльность и возможные виды риска. Кроме того, в анализ включалась переменная, отвечающая за размер банка (Lanine, Vennet, 2006).

В качестве показателя, характеризующего прибыльность банка, была выбрана рентабельность активов (ROA). Высокий уровень рентабельности характерен для сильных банков с низкой вероятностью банкротства.

Для оценки подверженности банка риску ликвидности авторы используют два показателя: доля ликвидных активов и доля государственных ценных бумаг в общей стоимости активов. Анализ используемой выборки показал, что среднее значение первого из показателей значительно снижается в классе банков-банкротов по сравнению с банками-небанкротами. Второй показатель был включен в модель прогнозирования, так как государственные ценные бумаги могут быть легко проданы в случае недостатка ликвидности, но при этом они не учитываются в составе первого показателя. В рассматриваемом исследовании выборка была составлена из российских банков за период с 1991 по 2004 года. Таким образом, дополнительной причиной включения в модель показателя доли государственных ценных бумаг было объявление по ним в 1998 году дефолта, что стало причиной ухудшения финансового положения многих банков.

Кредитный риск также был представлен двумя переменными: долей просроченных кредитов и векселей в общем объеме кредитов, что характеризует качество портфеля, и долей кредитов в общей стоимости активов. Для обоих показателей наблюдалась положительная зависимость с оценкой вероятности банкротства.

Достаточность капитала выражается в доле капитала в общей стоимости активов. Данный параметр отражает, на сколько может сократиться общая величина активов прежде, чем интересы вкладчиков и других кредиторов будут ущемлены. Чем выше доля капитала, тем в меньшей степени банк подвержен риску данного вида, а значит тем ниже вероятность его банкротства.

Для оценки вероятности банкротства была выбрана логит-модель. Статистическую значимость на коротком временном горизонте проявил показатель рентабельности активов. Кроме того, была обнаружена значимость показателя, проверяющего достаточность капитала. Показатели, отвечающие за кредитный риск,  обладают меньшими прогнозными возможностями. Доля кредитов в общей стоимости активов не является статистически значимой ни на одном из временных горизонтов, а значимость  доли просроченных кредитов и векселей в общем объеме кредитов проявилась только за 3 и за 12 месяцев до банкротства. Также незначимой переменной оказался размер банка, то есть нельзя однозначно утверждать, что банки-банкроты мельче или крупней, чем банки-небанкроты.

Результатом построения модели стало выявление особой роли ликвидности в определении финансового состояния банка. Оба показателя, характеризующие ликвидность, оказались статистически значимы на уровне 1% на всех временных горизонтах (3, 6, 9, 12 месяцев до банкротства). Данный результат соотносится с тем фактом, что Центральный Банк Российской Федерации выделяет нормы ликвидности как центральный элемент регулирования банковской деятельности. Инструкция №110-И Центрального Банка «Об обязательных нормативах банков» устанавливает три норматива, контролирующих уровень ликвидности и определяющихся как отношение между активами и пассивами с учетом сроков, сумм и типов активов и пассивов. Норматив Н2 представляет собой норматив мгновенной ликвидности банка, который регулирует риск потери ликвидности банком в течение одного операционного дня. Норматив Н3 определяет показатель текущей ликвидности, ограничивающий риск банка по потере ликвидности в течение ближайших к дате расчета норматива 30 календарных дней. Норматив долгосрочной ликвидности контролирует риск потери банком ликвидности в результате размещения средств в долгосрочные активы (норматив Н4) (6). Помимо ликвидности Центральный Банк уделяет особое внимание показателям достаточности капитала и максимальному размеру кредита, выдаваемому одному заемщику. Согласно Главе 9 Инструкции банки обязаны соблюдать установленные нормативы ежедневно и ежемесячно по состоянию на первое число каждого месяца представлять сведения о расчете обязательных нормативов и их значения в территориальные учреждения Банка России, осуществляющие надзор за их деятельностью (6, гл.9).

Значимость показателей прибыльности, достаточности капитала и ликвидности подтвердилась также в исследовании К. Кана и Н. Папаниколау (Kahn, Papanikolaou, 2011), проводимом на американских банках, обанкротившихся в период с 2007 по 2010 года. Кроме того, авторы опровергли гипотезу о том, что банки, предоставляющие более современные услуги, являются менее финансово устойчивыми, чем ориентированные только на традиционные виды деятельности. В работе Р. Де Янга и К. Роланда отмечалось, что непроцентные доходы являются менее стабильными, чем процентные, что повышает риски участия в нетрадиционных видах деятельности (DeYoung, Roland, 2001). Несмотря на это, полученные К. Кана и Н. Папаниколау эмпирические результаты показали, что положительные эффекты от диверсификации видов деятельности превышают более высокие риски, связанные с проведением нетрадиционных операций.

П. Мейер и Х. Пайфер предлагают разделить факторы, объясняющие банкротство, на четыре группы: местные экономические условия, общие экономические условия, качество управления и честность работников. Большинство банков являются локальными организациями (Meyer, Pifer, 1960). Рынок кредитов и банковских услуг ограничивается районами, в которых расположены офисы банков, и несколькими соседними. Таким образом, процветание отдельных районов в большей степени, чем всей страны, определяет спрос на банковские услуги, а значит и возможность банка успешно функционировать. Банки, расположенные в регионах с высокими уровнем дохода и темпом роста экономики, менее склонны к банкротству. Однако, включение в набор объясняющих переменных местных факторов приводит к сложностям при формировании выборки. Каждому банку-банкроту следует ставить в соответствие банк-небанкрот, расположенный в том же экономическом районе, схожий по размеру и возрасту и подчиняющийся тем же нормам регулирования. Включение в рассмотрение общих экономических условий имеет смысл при анализе банкротств банков из разных стран и за разные временные периоды. Рассмотренные категории факторов в большей степени экзогенны по отношению к отдельным банкам, в то время как качество управления и честность сотрудников являются внутренними переменными. Качество управления и затраты отражаются в бухгалтерском балансе и в отчете о прибылях и убытках.

Схожая предпосылка о разделении факторов наблюдается в исследовании С. Синельникова, Р. Энтова. Авторы выделяли три группы факторов, определяющих вероятность ухудшения финансового состояния банка: микрофакторы (балансовые показатели отдельного банка), мезофакторы (характеристики сводного баланса банковской системы) и макрофакторы (изменение макроэкономических переменных)   (Синельников, Энтов, 2000).

Не вся информация, характеризующая финансовое состояние банков, отражается в бухгалтерских показателях. Возникает необходимость поиска альтернативных источников информации. Как было отмечено ранее, в качестве объясняющих переменных могут быть использованы некоторые макроэкономические показатели, например, такие как темп прироста ВВП, сальдо торгового баланса и темп прироста индекса потребительских цен. Использование макроэкономических показателей основано на предположении, что надежность банка зависит от циклически изменяющихся внешних условий. Особое внимание вопросу о возможности включения макропеременных в модели было уделено в исследовании, проведенном группой авторов (Головань, Карминский и др., 2003).  С помощью эконометрических моделей бинарного  выбора оценивалась вероятность дефолта российских банков в период с 1996 по 2002 года. Анализируемая выборка содержала данные о 3158 событий, что существенно превосходит общее число банков, задействованных в исследовании. Согласно результатам исследования, введение в модель макропоказателя улучшает статистические показатели качества модели, а также структуру допускаемых ошибок. Наиболее удачным стало включение в модель валютного курса или соотношения экспорт-импорт. Введение двух макропоказателей также улучшает характеристики модели, однако наблюдаемый эффект уже гораздо менее значителен. Таким образом, введение в базовую модель уже одного макропоказателя достаточно полно учитывает изменение макроокружения. Помимо макропоказателей в модель были включены доли в валюте баланса балансовой прибыли, кредитов экономике, негосударственных долговых обязательств, прочих неработающих активов. Размер банка был представлен валютой баланса, скорректированной по времени, и вошел в модель нелинейно.

Финансовая сфера российской экономики значительно пострадала в период кризиса 2008-2009 годов. Определению факторов, влияющих на вероятность банкротства банков в кризисный период, посвящена работа С.М. Дробышевского, А.В. Зубарева (Дробышевский, Зубарев, 2011). Исследование проводилось на основе квартальных данных о банках, ставших банкротами в течение кризиса 2008-2009 годов, всего в выборку вошло 1331 событие. Авторы предполагают, что снижение устойчивости банков во многом определяется изменением макроэкономических условий и мировым финансовым кризисом. В связи с этим факторы, определяющие особенности управления и качество финансовой политики каждого конкретного банка, дополняются макропоказателями. В модель, оценивающую вероятность банкротства за 1 год до его наступления, вошли такие показатели, как отношение к активам банка кредитов домохозяйствам и  иностранных обязательств, отношение резервов под возможные потери к кредитам небанковскому сектору, отношение рыночного долга к обязательствам банка, доля просроченных кредитов небанковской системе в портфеле кредитов банка и размер банка. Результаты показали, что вовлеченность банка в кредитование физических лиц снижает вероятность банкротства. Данный вид деятельности в большей степени свойственен крупным банкам с развитой филиальной сетью, которые достаточно успешно пережили кризис, несмотря на сложности с возвратом кредитов домохозяйствами. Интересные результаты были получены авторами относительно влияния на вероятность банкротства доли просроченных кредитов. С точки зрения экономического смысла, рост данного показателя должен приводить к снижению устойчивости банка, однако авторы обнаружили обратную ситуацию. Полученные результаты могут быть объяснены тем, что реальную величину просроченных кредитов не скрывают только крупные и успешные банки, а мелкие игроки, выживание которых находится под угрозой, предпочитают не отражать ее в своей отчетности. Слабое влияние величины ликвидных активов авторы объясняют политикой Центрального Банка, направленной на поддержание ликвидности в банковском секторе через выдачу коммерческим банкам дополнительных кредитов. Значимыми показателями, описывающими макроэкономическое окружение, стали отношение экспорта из Российской Федерации к импорту, ставка по депозитам (средневзвешенная ставка по рублевым депозитам физических лиц в кредитных организациях сроком до 1 года) и изменение курса рубля относительно доллара. Качество модели при включении макроэкономических показателей возросло, что подтверждает гипотезу авторов о  значительном влиянии на банковские дефолты изменения макроэкономического окружения.