Управление ликвидностью коммерческого банка

     Теперь  определимся с активами и пассивами. Естественно, активы имеют разные сроки  и разную степень доходности для  банка. Поэтому активы разбиваются  по срокам на группы. Соответственно:

     At(i,h) — сумма, инвестированная в  t-м периоде в активы i-го типа  на срок h периодов, которая выражена  в валюте данного актива

     mt(i,h) — доля возврата активов i-го  типа, открытых в t-м периоде, сроком на h периодов (например, в течение месяца мы вложили средства в государственные облигации на срок 1 год в сумме 100 000 рублей, доля возврата составляет 0,99). Фактически доля возврата характеризует качество актива, однако сложность именно в том, чтобы точно её рассчитать. Проще всего считать долю возврата случайной, тогда в расчёте будет использоваться среднеквадратическое отклонение этой величины (st(i,h))

     Пассивы также характеризуются определёнными  показателями:

     Bt(i,h) — сумма, заимствованная в  t-м периоде из источника i-го  типа на срок h периодов, которая выражена в валюте данного обязательства

     «…В зависимости от каждого типа пассива  можно рассчитать

• сумму в рублях привлеченных за период средств;
• сумму в рублях выплат банка;
• начисленный за период и реально произведенный процентный расход» [17];

     «…Кроме того, на банк оказывает влияние внешняя среда – основные факторы внешней среды это спрос на инвестиции и возможности привлечения средств банком» [25]. Таким образом, в модель включаются ещё и рыночные ограничения:

• Xt(i,h) — выраженный в рублях спрос на инвестиции i-го типа на срок h периодов, доступный банку на рынке активов в периоде t
• Yt(i,h) — выраженные в рублях возможности банка в периоде t по привлечению средств из источника i-го типа на срок h периодов

     Естественно, что показатель At(i,h) не может превосходить Xt(i,h), как и сумма Bt(i,h) не превосходит Yt(i,h).

     В общем виде модель построена, принципы её использования в следующем:

• Структуру активов и пассивов At(i,h) и Bt(i,h) мы свободно планируем в рамках перечисленных выше рыночных и балансовых ограничений.
• Параметры качества активов t(i,h), st(i,h) мы можем планировать лишь в некоторой степени, например устанавливая ориентиры, к которым банк должен приблизиться в будущем. Используя другой подход, можно трактовать эти величины, как не зависящие от деятельности банка (т. Е. только прогнозируемые). Можно сочетать оба подхода, задавая допустимые значения в соответствии с кредитной политикой банка и одновременно просчитывая разные ситуации отклонения этих параметров от плановых значений (и тем самым фактически измеряя кредитный риск, соответствующий кредитной политике банка). Здесь многое зависит от кредитной политики банка – естественно, вложив деньги в государственные облигации, мы рискуем значительно меньше, поскольку качество актива выше. Однако в таком случае пострадает доходность банка.
• Рыночные потенциалы банка по размещению и привлечению средств Xt(i,h) и Yt(i,h) мы можем планировать лишь в редких случаях (особенно это касается спроса на кредиты), когда банк проводит экспансионистскую политику в новых регионах или сферах деятельности, или ожидает открытия доступа к новым источникам привлечения средств или укрепления своей репутации.
• Процентные ставки pt(i,h), qt(i,h) мы можем только прогнозировать. Можно рассмотреть несколько вариантов развития событий, каждый из которых характеризуется своей динамикой этих величин.

     Технологию  применения модели можно рассмотреть  упрощённо:

     1. Оцениваем параметры качества активов st+1, которых банк планирует достичь в следующем периоде, и ожидаемый уровень заемного потенциала Yt+1 (например, в следующем периоде средняя доля возврата актива должна составить 94%, при этом в следующем периоде мы сможем выпустить долговые обязательства на сумму 100 000 рублей, и так далее по каждой группе пассивов)

     2. Планируем варианты размещения средств At+1 и привлечения Bt+1, учитывая при этом:

     - наши цели относительно уровня  доходов, рыночной стоимости собственного  капитала и ликвидности; 

     - рыночные и балансовые ограничения

     -ориентировочные  будущие значения качества активов; 

     -текущие значения процентных ставок pt, qt

     3. Вычисляем, как изменятся доходы, стоимость собственного капитала и ликвидность, если в той или иной степени изменятся:

     - качество активов (по сути, это  анализ кредитного риска)

     - процентные ставки (анализ процентного риска)

     - курсы валют (валютный риск)

     Например, «…анализ кредитного риска описывается  в общем виде формулой (ожидаемый  кредитный убыток по данному активу): 

      , где 

      - значение k-го фактора кредитного  риска (в процентах вероятности  дефолта) на базовую дату, влияющего на j-й финансовый инструмент;

      - общее количество факторов кредитного  риска, влияющих на j-й финансовый  инструмент;

      - степень влияния k-го фактора  кредитного риска на стоимость  j-го финансового инструмента» [17].

     Эти вычисления позволят спрогнозировать риск нехватки ликвидности (дефицита ликвидности) в зависимости от действия фактора кредитного риска.

     Совокупность  всех факторов риска, оказывающих влияние на финансовые инструменты кредитной организации, можно описать следующей формулой: 

      , [17] где 

      - прогнозное изменение стоимости  финансового инструмента относительно  его базовой стоимости в момент  времени t;

      - стоимость j-го финансового инструмента;

      - ожидаемый кредитный убыток j-го  финансового инструмента;

      - прогнозное значение “доходности” изменения k-го фактора риска, влияющего на j-й финансовый инструмент

      - общее количество факторов кредитного  риска, влияющих на j-й финансовый  инструмент;

      - общее количество факторов процентного  риска, влияющих на j-й финансовый  инструмент;

      - общее количество факторов фондового  риска, влияющих на j-й финансовый  инструмент;

      - общее количество факторов валютного  риска, влияющих на j-й финансовый  инструмент.

     Конечно, модель в таком виде на практике применить сложно. Помимо вышеперечисленных факторов, «…в действующих динамических моделях анализируется временной показатель ликвидности, который демонстрирует достаточность прибыли по имеющимся активам в случае, когда сроки активов превышают сроки пассивов» [32] (на практике встречаются преимущественно такие случаи). «…Для анализа пассивов во времени», которые здесь просто описываются некоторой величиной Bt(i,h), «…возможно построение моделей временных рядов – это уже элементы эконометрического анализа с использованием моделей ARIMA» [16].

     Таким образом, построение динамической модели является достаточно трудоёмким процессом. «…Если для расчета статической модели фактически требуется только автоматизированный финансовый калькулятор, с помощью которого оформляются в виде распределенной по периодам таблицы уже существующие в банковской отчетности денежные потоки (в частности, платежи по выданным кредитам), то создание работоспособной динамической модели связано с разработкой значительно более сложного вычислительного аппарата, способного описывать транзакции, которые банк предполагает провести в будущем, и оценивать их возможные последствия» [24].

     Наиболее  простая динамическая модель должна уметь прогнозировать финансовые потоки при условии постоянства проводимой банком политики. «…При этом следует исходить из практики заключения договоров, имевшей место в течение последних 3-6 месяцев» [25]. Чтобы повысить точность этой модели, ее рекомендуется дополнить несколькими описанными ниже элементами.

     Анализ  динамики вкладов  до востребования. «…Для оптимального установления и изменения лимитов необходима адекватная система анализа перспектив развития клиентской базы, которая позволяет оценивать тенденцию изменения объема средств на счетах до востребования, а также колебания остатков на данных счетах» [33]. Составление достоверного прогноза этих двух параметров дает банку возможность рассчитать, какой дополнительный объем денежных средств будет в его распоряжении в определенный период, а также какой его долей он может воспользоваться без риска вызвать кризис ликвидности.

     What-If-анализ. «…Система должна просчитывать последствия предполагаемых корректив политики банка либо радикальных изменений экономической ситуации в стране, которые могут вызвать резкий отток денежных средств» [25]. Используя «What-If-анализ», руководство банка может своевременно оценить последствия реализации предполагаемых сценариев и предпринять адекватные меры, что позволит банку оперативно перестроиться, чтобы извлечь максимальную выгоду из благоприятной ситуации либо минимизировать убытки и предотвратить банкротство в случае угрозы возникновения кризиса.

     Прогностические системы. «…Наиболее сложные динамические системы управления разрывами ликвидности включают в себя инструментарий, позволяющий просчитывать последствия принятия различных управленческих решений с учетом прогноза изменения экономической ситуации и ее влияния на отдельные агрегированные статьи баланса банка. Количественные оценки зависимости статей баланса от внешней среды можно получить путем корреляционного анализа рядов динамики изучаемых статей и различных рыночных индексов» [21]. При этом следует учитывать сезонные колебания среднемесячных объемов выдаваемых кредитов. «…Более точную картину зависимости от рыночной ситуации можно сформировать при помощи факторного анализа, причем учитываться должны и количественные, и качественные показатели» [24].  

 

      3. Современная оценка ликвидности банковской системы России. Проблемы управления ликвидностью в условиях финансовой нестабильности 

     3.1 Современная оценка ликвидности банковской системы России 

     Необходимо  признать, что банковская система  России напрямую ощутила действие мирового финансового кризиса. Негативные тенденции, наблюдавшиеся с марта – апреля 2008 года, к осени только укрепились. Сложности с приобретением ресурсов на зарубежных межбанковских рынках, значительный отток средств с депозитов, рост просроченной задолженности по активным операциям, потери в связи с переоценкой финансовых активов – всё это привело к увеличению риска ликвидности кредитных организаций.

     Проведём анализ каждого из негативных факторов, которые усиливают риск ликвидности кредитных организаций:

     1. Сокращение объёма  рынка межбанковского  кредитования.

     В течение нескольких лет отечественные  банки занимали активные позиции  на зарубежных рынках межбанковского кредитования, что в принципе объяснимо – поскольку стоимость финансовых ресурсов за рубежом значительно ниже. «…Только за одно полугодие 2007 года кредитные организации России заняли 28,8 млрд. долларов, что составляло около 15% от совокупных активов банковской системы России» [30]. По данным аналитиков ЦБ РФ, в ряде кредитных организаций внешние займы достигли 30% от совокупной ресурсной базы, что является критическим показателем. «…К июлю 2008 года объём чистых заимствований за рубежом сократился на 26,7%, в абсолютном выражении составив 21, 7 млрд. долларов. В структуре пассивов доля внешних займов в июле 2008 года составила 16,5%, что в принципе не является высоким показателем в рамках всей банковской системы» [28] (для сравнения – доля внешних займов в Казахстане составляет порядка 40% ресурсной базы банковской системы).

     Однако  в современных условиях стоимость  кредитных ресурсов существенно  возросла – об этом свидетельствует  динамика ставки LIBOR по межбанковским  займам в долларах и евро. К октябрю 2008 года ставка по межбанковскому кредиту в евро выросла до 5,28% по сравнению с 2,48% в начале 2006 года. Ярким показателем кризиса рынка является показатель спрэда LIBOR – OIS. Суть этого показателя заключается в следующем – существует рыночная процентная ставка по межбанковскому кредиту (LIBOR). Ставка OIS же фактически представляет собой ставку по однодневному кредиту от ФРС США. Если участники рынка ожидают, что ставка ФРС через 3 месяца составит 0.5%, то OIS будет находиться около этого значения. Важное отличие между ставками состоит в том, что ставка LIBOR включает риск контрагента, а OIS – нет. Поэтому разница указанных ставок представляет собой премию, которую банки берут, чтобы покрыть кредитный риск. Расширение спрэда отражает опасения кредитора относительно заемщика и наоборот. В сентябре, в день перед банкротством инвестбанка Lehman Brothers, разница составляла 72 пункта. После злополучного банкротства, банки в панике закрыли лимиты друг на друга, что привело к взлету премии до 366 пунктов. Среднее значение разницы за последние 5 лет составляет лишь 11 пунктов, что свидетельствует об острой напряжённости на зарубежном рынке межбанковского кредитования.

     Российский  рынок МБК также крайне ограничен, к тому же ресурсы на отечественном  рынке существенно подорожали – об этом говорит динамика ставки MosPrime Rate.

     «…MosPrime Rate – Moscow Prime Offered Rate – индикативная ставка предоставления рублёвых кредитов (депозитов) на московском денежном рынке. Данный показатель формируется Национальной валютной ассоциацией на основе объявляемых 8 банками – ведущими операторами рынка МБК депозитных ставок сроками «overnight», 1 неделя, 2 недели, 1, 2, 3 и 6 месяцев» [9]. Динамика процентных ставок приведена в Приложении 4

     Кризис  доверия в западной банковской системе породил проблемы с внутренними займами. «…Если в первом полугодии этого года темпы заимствований банков на внутреннем рынке составляли в среднем 46 млрд. рублей в месяц, то в августе, например, удалось привлечь лишь 10 млрд. рублей» [36]. В течение большей части сентября ставка MIACR по однодневным рублевым МБК изменялась в диапазоне от 4,5 до 8,2% годовых, что было заметно выше уровня предшествующего месяца. Во второй декаде сентября новый виток кризиса на мировом финансовом рынке, связанный с ухудшением финансового положения крупнейших зарубежных инвестиционных банков, привел к тому, что на российском рынке резко повысились межбанковские кредитные ставки. Ставка MIACR по однодневным рублевым кредитам 16 сентября достигла 12,6% годовых (это — максимальное значение данного показателя за период с июня 2004 г.). В последние дни месяца также наблюдался рост ставок, связанный с проведением обязательных платежей банками и их клиентами. Среднемесячная ставка MIACR по однодневным рублевым МБК составила в сентябре 7,1% годовых против 5,8% годовых в августе.