Оценка вероятности банкротства

Рис. 3. Сальдо операций Банка России с банковским сектором, млрд. руб.

Закон «О дополнительных мерах по поддержке финансовой системы Российской Федерации», принятый Государственной Думой в октябре 2008 года, позволил Банку России выдавать коммерческим банкам беззалоговые кредиты (2). Это стало одним из основных инструментов финансовой поддержки  банковского сектора в кризисный период. По словам председателя Банка России С.М. Игнатьева «объем задолженности кредитных организаций перед Банком России по беззалоговым кредитам достиг максимума в середине февраля 2009 года, превысив 1920 млрд. рублей, затем он начал снижаться и в середине сентября 2009 года составил 437 млрд. рублей» [11].  Во второй половине 2009 года и в течение всего анализируемого периода (2010-2011г.г.) политика ЦБ была направлена на абсорбирование ликвидности банковской системы. Банки возвращали старые кредиты, полученные в пиковые моменты кризиса, а новые кредиты выдавались в гораздо меньших объемах. Те банки, которые не смогли нормализовать уровень ликвидности собственных активов во время проведения ЦБ политики по ее поддержанию, столкнулись со значительными проблемами после ее окончания. В связи с этим, имеет смысл включить финансовые показатели, характеризующие ликвидность банка, в число объясняющих переменных при последующем построении модели.

Помимо потери ликвидности, частой причиной отзыва банковских лицензий стало снижение величины собственных средств. Основная ошибка банков заключалась в проведении рискованной кредитной политики без создания при этом адекватной величины резервов на возможные потери по ссудной задолженности и прочим активам. К банкам, лишившимся лицензии в связи с утратой платежеспособности, можно отнести «Борский коммерческий банк», «Донской инвестиционный банк», «Межпромбанк Плюс», «Востокбизнесбанк», «Еврорасчет», «Монетный дом», «Мультибанк» и «Удмуртский Пенсионный Банк». Достаточность собственных средств данных банков опустилась ниже требуемых ЦБ 2%. Величины собственных средств «Микомс-Банка» и «С-Банка» не достигли минимальных требований ЦБ. В период кризиса кредитоспособность заемщика снижается, что при отсутсвии достаточных резервов может привести к появлению у банка проблем в последующие периоды. Таким образом, при оценке вероятности банкротства банков в послекризисный период в число исследуемых объясняющих переменных стоит включить показатели, отражающие достаточность собственных средств и резервы банка.

Составив выборку, включающую банки-банкроты, перейдем к сбору данных для банков-небанкротов. При выборе финансово устойчивых кредитных организаций был использован отбор по подобию, критерием которого выступала величина валюты баланса на дату, ближайшую отзыву лицензии. Отбор по подобию позволяет избежать существенного различия между двумя группами, вызванного разницей в размерах. Таким образом, построенная модель будет делать различие между устойчивыми и неустойчивыми банками, а не между большими и мелкими. Для отбора схожих банков использовались рейтинги, составленные на основе величины валюты баланса [35]. Каждому банку-банкроту в соответствие ставилось 6 банков, продолжавших функционирование в исследуемый период, причем каждый банк входил в выборку только 1 раз.

При формировании выборки банков-банкротов была выявлена проблема недостоверности отчетности, предоставляемой в ЦБ. В связи с этим, в выборку банков-небанкротов не включались банки, зарегистрированные в Дагестане, так как они наиболее часто связаны с финансовыми махинациями и отмыванием доходов. Подтверждением этому является неестественно большое число банков, зарегистрированных в республике со слабо развитым финансовым сектором. На 1 января 2010 года в Дагестане насчитывалось 32 банка, что уступает только Москве и Санкт-Петербурга с учетом областей.

Кроме того, из выборки исключались банки-небанкроты, в которых уже велось доверительное управление.

Обучающая выборка включила в себя 180 банков-небанкротов. Средняя величина активов банков, вошедших в выборку, составила 3668 млн. рублей. Средний размер банка по генеральной совокупности на 1 января 2011 года превышает 33000 млн. рублей. Существенная разница в средней величине активов по совокупностям позволяет предполагать значимость фактора размера банка при определении вероятности его банкротства.

На основе предшествующих исследований и проведенного обзора причин отзыва лицензий были выбраны объясняющие финансовую устойчивость показатели, которые рассчитывались для каждого банка, вошедшего в выборку. В качестве объясняющих факторов в данном исследовании использовались бухгалтерские показатели. Данный подход является наиболее распространенным в силу публичной доступности бухгалтерской отчетности банков. В работе использовалась информация из месячных бухгалтерских отчетов, опубликованных на сайте Центрального Банка РФ [34]. Макроэкономические показатели не использовались в качестве объясняющих факторов, так как все банки выборки действуют внутри одной страны и сталкиваются с одинаковыми условиями. Кроме того, анализируется достаточно короткий период времени, в течение которого макроэкономические условия изменялись незначительно. Проводилось тестирование моделей, выявляющих банкротство за период с 1 до 8 месяцев до его наступления с шагом в один месяц.

Одной из целей любой коммерческой организации является получение прибыли, величина которой может служить показателем успешности ее деятельности. В качестве показателя прибыльности была выбрана рентабельность активов компании, которая показывает, сколько чистой прибыли приходится на рубль активов.

ROA = Чистая прибыль / Валюта баланса

Показатель рентабельности активов является наиболее общим показателем прибыльности организации, так как в нем учитываются как процентные доходы (за счет разницы в ставках по кредитам и депозитам), так и непроцентные (например, за счет деятельности на рынке капитала и обменных операций). Ожидаемое влияние на вероятность банкротства — отрицательное. С ростом рентабельности активов вероятность банкротства снижается (Головань, Евдокимов и др., 2004; Kahn, Papanikolaou, 2011).

В качестве показателя, отражающего ликвидность банка, использовалась доля ликвидных активов в общей валюте баланса. Ликвидными признавались те активы, которые должны быть получены в сроки до 30 календарных дней, то есть использовалось понятие текущей ликвидности. В связи с тем, что чем выше доля ликвидных активов, тем сильнее способность банка погашать возникающие обязательства, то влияние на вероятность банкротства носит отрицательный характер. Дополнительным показателем ликвидности выступает доля вложений в государственные ценные бумаги в общей стоимости активов. Несмотря на высокую степень надежности и ликвидности, данный вид актива не включался в расчет предыдущего показателя, что делает целесообразным его выделение в качестве отдельного фактора. Однако, российские государственные долговые обязательства не являются безрисковыми и абсолютно ликвидными, что делает направление их влияния на вероятность банкротства неопределенным и требующим дополнительного тестирования (Головань, Карминский и др., 2003; Пересецкий, 2007).

Степень достаточности капитала характеризуется отношением собственных средств к активам банка, что является обратной величиной к банковскому мультипликатору. Увеличение доли собственного капитала приводит к снижению вероятности банкротства, так как растет доля ресурсов, по которым банк не имеет обязательств (Головань, Евдокимов и др., 2004; Zhao et al., 2009). Направление влияния — отрицательное.

Базовым фактором, определяющим риск дефолта служит доля общего кредитного портфеля в валюте баланса. Ее увеличение приводит к росту риска, а значит и вероятности банкротства (Zhao et al., 2009). Помимо размера кредитного портфеля необходимо учитывать его качество, что может проявляться в доле от общего размера выданных займов просроченной задолженности и сформированных резервов. Высокое значение обеих величин сигнализирует о неудовлетворительном качестве кредитного портфеля и рискованной политике банка. Ухудшение качества портфеля может привести к росту вероятности банкротства (Карминский и др., 2012).

Схожие показатели, характеризующие эффективность работы банка и различные типа риска, рассматривались в исследовании Ланина и Веннета по оценке вероятности банкротства на основе выборки, составленной по методу подобия на основе валюты баланса, по данным 210 российских банков за период с 1991 по 2004 год (Lanine, Vennet, 2006). Однако в данное исследование был включен и ряд дополнительных показателей. Так, высокая доля в активах кредитов реальному сектору может отражать низкую степень участия банка в спекулятивных операциях, что повышает его надежность. Другой характеристикой банка может служить его вовлеченность в работу с частными лицами, о чем говорит доля вкладов и депозитов физических лиц в валюте баланса. Влияние данного фактора на вероятность банкротства неопределенное и требует дополнительного исследования. Кроме того, фактором, отражающим устойчивость, может стать доля вкладов нерезидентов в валюте баланса. Размер банка также служит одним из критериев. Можно предположить, что крупные банки устойчивее и вероятность их банкротства меньше.

Далее в работе представлены результаты эмпирической оценки поставленных гипотез на основе собранной автором исследования базы данных финансовой отчетности коммерческих банков России.

База включает 210 банков обучающей выборки и 70 банков тестирующей, для каждого из которых находилось 12 показателей: валюта баланса (ln_akt), рентабельность активов (roa_m), доли в общей величине активов собственного капитала (cap_akt), ликвидных активов (lik_akt),  суммы вложений в государственные ценные бумаги (gov_akt), вкладов нерезидентов (neresid_aktiv), вкладов и депозитов физических лиц (fiz_aktiv), общего кредитного портфеля (credit_akt) и кредитов нефинансовым организациям (nefin_aktiv), также доли в общей величине кредитов долгосрочных размещений (lr_credit), просроченной задолженности (prosr_credit) и резервов (res_credit).

Как было показано в первой главе, для построения качественной логистической регрессии следует провести предварительный анализ данных и проверить их на соответствие ограничениям, накладываемым используемым методом.

Удаление нескольких выделяющихся наблюдений не позволяет приблизить распределения данных к нормальному, поэтому, с целью сохранения общности, ограничения на данные не накладывались. Наиболее близкое к нормальному распределения имели доля кредитов нефинансовым организациям, общая доля кредитов и логарифм валюты баланса. Для используемой выборки распределение несколько смещено в сторону низко обеспеченных собственным капиталом, имеющим невысокую долю ликвидных активов и вложений в государственные ценные бумаги банков. В Приложении 2 представлены гистограммы распределения объясняющих факторов.

Таблица 2

Описательные характеристики показателей

В Таблице 2 для каждого показателя приведены вероятности нормальности распределения и равенства средних, а также для каждой категории математическое ожидание, стандартное отклонение, минимальное и максимальное значения.

Проведение теста ANOVA показало, что наибольшей дескриптивной способностью (математические ожидания двух групп не равны на 10% уровне значимости) обладают доли собственного капитала, общего кредитного портфеля, ликвидных активов, кредитов нефинансовым организациям, доля государственных ценных бумаг, величина валюты балансов. Все переменные, имеющие близкое к нормальному распределение, вошли в список наиболее дескриптивных. Таким образом, все перечисленные переменные следует включить в модель.

В Таблице 3 представлены парные коэффициенты корреляции между отобранными факторами, что позволяет проверить наличие мультиколлинеарности в модели.

Таблица 3

Парные коэффициенты корреляции