Анализ состава и структуры собственного капитала ЗАО «АКБ «БЕЛРОСБАНК»

Проведено стресс-тестирование инвестиционных рисков в соответствии с различными сценариями кризиса. Результаты данного сценарного анализа представлены в таблице 3.1.

 

Таблица 3.1 - Результаты стресс-тестирования инвестиционных рисков ЗАО «АКБ «БЕЛРОСБАНК»

Сценарий	Фактор риска	Общее изменение финансового результата, млн. р.	Относительное изменение финансового  результата (в % от стоимости капитала)
Рост инфляции	доходность	-9,44	-5,10%
	-4%
Невыплата ожидаемого дохода	доходность	-16,52	-13,40%
	-7%
Задержки в выплате дохода	доходность	-7,08	-3,90%
	-3%

Примечание — Источник: собственная разработка

 

Как видно из таблицы 3.1, наибольшее влияние на инвестиционную деятельность ЗАО «АКБ «БЕЛРОСБАНК» оказывает возможный риск невыплаты ожидаемого дохода.

Лимитная политика. Создание системы оптимальных ограничений по размещению и привлечению ресурсов целесообразно с точки зрения профилактики рисков, в том числе и риска потери ликвидности банка. Система собственных ограничений банка должна отвечать следующим требованиям:

• не противоречить системе нормативных ограничений, установленных Национальным банком;
• дополнять систему нормативных ограничений Национального банка;
• иметь экономико-математическое обоснование;
• не быть громоздкой.

Показатели данной системы ограничений представлены в таблице 3.2.

В случае обоснованного нарушения ограничений, обусловленных фактической реализацией риск-факторов, в последующем структура активов и пассивов, отвечающая внутренним нормативным ограничениям, должна быть восстановлена.

Учитывая озабоченность  практически всех банков ростом плохих долгов, обратимся к примеру стресс-тестирования кредитного портфеля. В качестве факторов риска выбраны макропоказатели (мировые  и страновые), состояние денежного  рынка, состояние отраслей экономики  по регионам присутствия банков, состояние  заемщиков.

 

Таблица 3.2 – Показатели системы собственных ограничений по размещению и привлечению ресурсов

Наименование	Значение
1	2
1. Ликвидные активы первой очереди	Не менее размера риска одновременного снятия при работе банка в обычном режиме
2. Доля вложений в кредиты в консолидированных активах банка	Не более предельного уровня, определяемого стратегией деятельности банка и потребностью в ликвидных активах при ежегодном утверждении бюджета
3. Отношение запаса рабочих лимитов межбанковских кредитов, установленных, например, для банка N, к фактическому объему привлеченных межбанковских кредитов-нетто	Не менее 20 процентов
4. Доля привлечения межбанковских кредитов-нетто с остаточным сроком погашения не более года в консолидированных пассивах банка	Не более 10 процентов

Примечание — Источник: [19, c. 42]

 

Стресс-тестирование кредитных  рисков в ЗАО «АКБ «БЕЛРОСБАНК» проводится на модели кредитного риска банка, которая позволяет строить функцию распределения потерь по кредитному риску и учитывает:

• влияние макроэкономических (мировых, страновых, региональных) факторов риска;
• влияние рисков отраслей;
• межотраслевые корреляции.

Стресс-тестирование и анализ кредитных рисков в ЗАО «АКБ «БЕЛРОСБАНК»  проводится в системе управления кредитными рисками Credit Compass.

Плотность распределения  доли просроченной задолженности при  «спокойном» состоянии рынков представлена на рисунке 3.1. 

 

Рисунок 3.1 - Плотность распределения доли просроченной задолженности при «спокойном» состоянии рынков

Примечание — Источник: собственная разработка

 

Рассмотрим результат стресс-тестирования, когда макроэкономические, региональные и отраслевые факторы риска изменяются в негативном направлении (рисунок 3.2).

 

 

Рисунок 3.2 - Результат стресс-тестирования, когда макроэкономические, региональные и отраслевые факторы риска изменяются в негативном направлении

Примечание — Источник: собственная разработка

Как видно из сравнения  рисунков, доля просроченной задолженности  в условиях стресс-теста возрастает почти в пять раз. Следует обратить внимание, что распределение на рисунке 3.2 не является априори нормальным (несмотря на похожий вид), также как и  на рисунке 3.1. Оценка кредитного риска  делается без предположения о  гауссовом распределении факторов и объекта риска. В системе  управления кредитными рисками Credit Compass реализована возможность построения кривой потерь по кредитному портфелю банка как на основе метода исторического моделирования, так и путем применения процедуры Монте-Карло при предположениях о виде распределения факторов риска.

Другим существенным моментом при проведении стресс-тестирования является учет корреляций. Ведь именно в условиях кризисов однонаправлено могут меняться риски отраслей, которые  представлены в кредитном портфеле банка. Причем однонаправлено в негативную сторону, что увеличивает риск кредитного портфеля, требует досоздания резервов и увеличения экономического капитала под кредитный риск. Причем оценивать  коррелированность отраслей нужно  в динамике. Зачастую риск-аналитики  банков полагают, что этот показатель практически не меняется со временем, лаг его оптимального измерения  год. Ниже приведены результаты оценки динамики коррелированности отраслей.  

 

 

Рисунок 3.3 - Резкий рост коэффициента корреляции доли просроченной задолженности для кредитования розничных и корпоративных клиентов

Примечание — Источник: собственная разработка

 

Значимые коэффициенты корреляции доли просроченной задолженности для  кредитования розничных и корпоративных  клиентов представлены на рисунке 3.4.

 

Рисунок 3.4 - Значимые коэффициенты корреляции доли просроченной задолженности для кредитования розничных и корпоративных клиентов

Примечание — Источник: собственная разработка

 

Как видно из графика, полученного  в системе оценки кредитного риска  банка Credit Compass, коэффициенты корреляции могут быть подвержены сильным колебаниям в условиях кризиса (рисунок 3.3, последняя точка вышла за границу незначимых колебаний коэффициента корреляции, отображенную красной штриховой линией).

Коэффициенты корреляции могут длительное время быть положительными, значимыми, и иметь тенденцию  к росту в условиях кризиса (рисунок 3.4), что важно знать для правильной оценки риска кредитного портфеля банка, формирования резервов в условиях кризиса.

Суть методики VAR состоит в ответе на вопрос, какую величину не превысят максимальные потери по окончании инвестиционного горизонта со степенью уверенности, равной заданной вероятности. Общий подход к расчету значения VAR состоит из следующих шагов.

1. Должна быть определена позиция, расчет значения VAR которой производится. Она может представлять собой как размещение средств в один вид финансовых инструментов, так и в несколько (в портфель финансовых инструментов). При этом необходимо определить инвестиционный горизонт, на который предполагается размещение средств, а также базовую валюту для расчета финансового результата инвестиций. Кроме того, выбирается уровень вероятности а, допустимый для расчета VAR (обычно используются значения 5 процентов или 1 процент).

2. Вычисления базируются на оценке изменения текущей рыночной стоимости позиции, поэтому ее значение рассчитывается в единицах базовой валюты.

3. На основе исторических данных о доходностях использования в прошлом аналогичной позиции или на основе иных обоснованных предположений делаются выводы о виде статистического распределения вероятностей и, соответственно, функции распределения вероятностей доходности позиции по окончании инвестиционного горизонта.

4. На основе полученной функции распределения, во-первых, рассчитывается ожидаемая доходность M позиции по окончании инвестиционного горизонта (математическое ожидание или среднее значение случайной величины). Во-вторых, определяется квантиль уровня а, то есть значение х, при котором P(Ј< х) = а (обозначается F^-1(а)). Исходя из представленного соотношения, все уровни доходности меньше критического значения х будут наблюдаться с вероятностью не более а.

С учетом полученного критического значения и среднего ожидаемого значения доходностей можно рассчитать значение VAR.

Проведем VAR-анализ валютного риска ЗАО «АКБ «БЕЛРОСБАНК».

Задача состоит в расчете риска позиции размещения одного миллиона долларов США в евро на период в один месяц. Базовая валюта, в которой рассчитывается финансовый результат, — доллары США. Допустимый уровень вероятности — 5 процентов. Текущая дата на момент расчета — 1 апреля 2010 года. Рыночная стоимость позиции на дату расчета совпадает с инвестируемой суммой один миллион долларов США, поскольку базовой валютой является доллар США.

Основной этап в расчете значения VAR — определение распределения вероятностей доходности позиции. На основе данных за период с 1 января 1999 года по 1 апреля 2010 года (за весь период с момента ввода в обращение валюты евро) были рассчитаны ряды относительных доходностей вложений долларов США в евро на периоды, равные одному месяцу. Гистограмма полученного статистического ряда данных представлена на рисунке 3.5.

Рассмотрев рисунок 3.5, можно сделать допущение о нормальности распределения вероятностей доходности.

Проведение дополнительных статистических тестов (Колмогорова-Смирнова и %-квадрат теста) проверки соответствия полученного результата нормаль ному распределению вероятностей также не отвергло гипотезу о нормальности. В итоге, принимая в качестве искомого нормальное распределение вероятностей, можно переходить к расчету VAR.

Параметры полученного нормального распределения: среднее — 0,08 процента, среднеквадратическое отклонение — 2,99 процента. Таким образом, используя введенные ранее обозначения, M получилось равным 0,08 процента, а значение квантили — уровня 5 процентов, которое может рассчитываться как с использованием статистических программ, так и посредством Excel (функция NORMINV), составило -4,84 процента.

 

 

Рисунок 3.5 – Гистограмма относительных доходностей

Примечание — Источник: собственная разработка

 

В итоге значение VAR составило 1 000 000·(0,08 процента - (-4,84 процента)) = 49 200 долларов США.

Ключевым моментом при нахождении значения VAR является определение вида распределения вероятностей доходности. Но следует отметить, что с целью решения этой задачи не менее важно выбрать вид доходности, который будет использоваться в расчетах.

Методика Value-at-Risk применяется и в других случаях при проведении финансового анализа. Ее использование является достаточно удобным, поскольку значение VAR имеет понятную экономическую интерпретацию и дает количественную оценку рыночного риска, что может широко использоваться на практике. Внедрение данной методики позволяет более обоснованно принимать финансовые решения, а также оценивать их эффективность. Следует также отметить, что при профессиональной работе с рыночными финансовыми инструментами ее применение наиболее предпочтительно при осуществлении риск-менеджмента.

То есть результаты расчета валютного риска ЗАО «АКБ «БЕЛРОСБАНК» по данной методике могут быть представлены следующим образом. При вложении в евро одного миллиона долларов США на период, равный одному месяцу, потери свыше 49,2 тысячи долларов США могут реализоваться с вероятностью менее 5 процентов.

Проведем анализ возможных  потерь, выявленных в результате проведения стресс-тестов и VAR-анализа. Оценка возможных потерь приведена в таблице 3.3.

 

 

 

Таблица 3.3 - Оценка возможных  потерь ЗАО «АКБ «БЕЛРОСБАНК», млн. р.

Риск	Потери
Инвестиционный риск	33,0
Кредитный риск	53,5
Валютный риск	145,6
Итого	232,2

Примечание — Источник: собственная разработка

 

Графически распределение  потерь представлено на рисунке 3.6.

Рисунок 3.6 – Структура возможных потерь ЗАО «АКБ «БЕЛРОСБАНК»

Примечание — Источник: собственная разработка

 

Как мы видим, наибольший удельный вес занимает валютный риск (63%), что  объясняется высокой динамикой  данного рынка. Далее следуют  кредитный риск (23%) и инвестиционный риск (14%).

Прибыль банка в 2009 году составила 67845,1. При осуществлении негативных сценариев процент снижения прибыли  составит 0,34%. Однако следует учитывать, что на банковскую деятельность и  эффективность использования ресурсов банка оказывает влияние значительное количество других негативных факторов.