"Управление в кредитной организации", 2007, N 5

СТРЕСС-ТЕСТИРОВАНИЕ КРЕДИТНОГО РИСКА

НА МАКРОЭКОНОМИЧЕСКОМ УРОВНЕ

Резкое увеличение количества финансовых кризисов в последнее десятилетие вызывает потрясения международных финансовых рынков. Тенденция к распространению кризисов на другие финансовые рынки явилась следствием бурного развития технологий и в связи с этим снижения преград для международных потоков капитала. Предвидение и управление финансовыми кризисами стоят в ряду наиболее актуальных проблем, с которыми сталкиваются финансовые учреждения. Данный материал представляет обобщение ряда новейших разработок зарубежных ученых и органов надзора в области управления кредитным риском, которые предполагают использование инструментария стресс-тестирования. Классический подход МВФ предполагает применение тестирования на основе анализа чувствительности и применения макроэкономической модели.

Примером отработанного инструментария к стресс-тестированию кредитного риска на макроэкономическом уровне является подход, используемый программой оценки финансовой стабильности (Financial Stability Assessment Program - FSAP) Международного валютного фонда. Многие страны прошли такую процедуру оценки, при этом ряд центральных банков на основании этой программы проводит регулярные (ежегодные) оценки собственными силами (например, Германия, Чехия) или совместно с экспертами МВФ (в частности, Испания). Методика, которую использует МВФ, охватывает рыночные риски, а также воздействие макроэкономических факторов на кредитные портфели банков в целом. При этом анализ позволяет выделять группу повышенного риска среди банков в случае стрессовых событий.

Британские исследователи обобщили подход, который применяет Банк Англии для стресс-тестов банковской системы <1>. Акцент, по их мнению, целесообразно сделать на том, чтобы изучить, как повлияет изменение макроэкономических факторов, например процентных ставок, на реальный сектор экономики и, соответственно, на кредитный портфель банков. Сценарии составляются с помощью нескольких методов.

     
   ————————————————————————————————
   

<1> Hoggarth G., Sorensen St., Zicchino L. Stress Tests of UK Banks Using a VAR Approach // Bank of England. Working Paper N 282. November 2005.

Первый метод - применение структурной макроэкономической модели, как это делает МВФ.

Альтернативное решение предлагают такие исследователи, как

М.А. Босс, который проводил стресс-тесты кредитного портфеля

австрийских банков <2>. Его анализ основывается на программе,

(R)

носящей название CreditPortfolioView , которая моделирует

вероятность дефолта определенных отраслей промышленности как

логистическую функцию индекса конкретных отраслей, которая, в свою

очередь, зависит от текущей величины нескольких макроэкономических

переменных. Оценки параметров, вытекающие из данной модели, затем

используются для оценки будущих убытков австрийского банковского

сектора по кредитным портфелям.

     
   ————————————————————————————————
   

<2> См.: Boss M. A Macroeconomic Credit Risk Model for Stress Testing the Austrian Credit Portfolio // Oestereichische Nationalbank. Financial Stability Report 4. 2000.

Иная методология оценки воздействия на австрийский банковский сектор кредитного и рыночного рисков описана исследователями Elsinger, Lehar и Summer в 2002 г. Они анализируют эффект, который оказывают макроэкономические потрясения на матрицу межбанковских операций (позиций) австрийских банков. В частности, авторы демонстрируют возможность оценивать вероятность падения конкретных банков вследствие ряда макроэкономических факторов. В то же время модель учитывает тот эффект, который оказывают эти банкротства на всю остальную банковскую систему. Таким образом, эта модель раскладывает дефолты банков на те, которые возникают напрямую, и те, которые являются следствием распространения кризиса. Взаимосвязь между финансовым положением банков и макроэкономикой моделируется посредством допущений, что макроэкономические сценарии строятся на совместном распределении вероятности шоков процентных ставок, изменения валютного курса и курса акций на рынке, а также потрясений, относящихся к экономическому циклу.

В 2004 г. исследователь Песаран <3> применяет модель VAR для оценки воздействия макроэкономических переменных на вероятность дефолтов компаний. У Песарана VAR учитывает показатели ВНП, предложение денежной массы, курсы акций, валютные курсы по отношению к доллару США, а также номинальные процентные ставки для 11 стран и регионов за период 1979 - 1999 гг. Международный показатель VAR применяется в качестве входной информации для моделирования показателей прибыльности капитала фирм, которые затем привязываются к распределению убытков портфеля кредитов предприятиям. Очевидным преимуществом такого подхода является то, что он связывает кредитный риск кредитных портфелей, диверсифицированных на международном уровне, и это позволяет учесть различия в разрезе стран и регионов.

     
   ————————————————————————————————
   

<3> См.: Pesaran M.H., Schuermann T., Treutler B.J., Weiner S.M. Macroeconomic Dynamics and Credit Risk: a Global Perspective // Wharton Financial Center Working Paper. 2004.

Экономист Алвеш строит интегрированный VAR, используя ожидаемую частоту дефолтов <1> (ОЧД) корпораций как эндогенные переменные, а также макроэкономические факторы (изменения за 12 месяцев объема выпуска промышленной продукции, 3-месячную ставку процента, цену на нефть и 12-месячное изменение расширенного индекса фондового рынка) как экзогенные переменные. Ожидаемая частота дефолтов каждой отрасли промышленности моделируется на основе экзогенных макроэкономических факторов вместе с ОЧД других отраслей экономики для учета возможности распространения кризиса.

     
   ————————————————————————————————
   

<1> Expected default frequencies.

Чешский экономист Чихак в области макроэкономического стресс-тестирования с использованием моделей МВФ подчеркивает в своем исследовании <2>, что стресс-тесты на уровне всей системы используют множество методов, которые варьируются от механистических (простых допущений определенных шоков для результативности кредитов) до сложных методов, основанных на подробной информации о заемщиках (показатель финансового левериджа, покрытие платежей по кредиту и т.д.). В качестве примера такой усложненной модели автор приводит модель прогнозирования банкротства как функции переменных: размера компании, характеристики отрасли и финансовых показателей (финансового рычага, прибыльности, ликвидности, финансовой стойкости).

     
   ————————————————————————————————
   

<2> Cihak M. Measuring Banking System Soundness (seminar Ceske spolecnosti ekonomicke v rade) // Ekonomicka teorie a ceska ekonomika. 2004.

Сценарий стресс-тестирования может заключать такие характеристики, которые затем могут переводиться с использованием логической модели (logit model) в изменения в вероятности дефолтов. Затем это применяется к конкретным банкам через их экспозиции по отдельным отраслям или группам компаний. Далее производится расчет потенциальных убытков банка, принимая во внимание гарантии.

Использование стресс-теста кредитного риска

при анализе стабильности финансовой системы Испании

В 2005 г. МВФ и Центральный банк Испании провели анализ стабильности финансовой системы. При этом особое внимание уделялось кредитному риску. Базовый сценарий базировался для оценки кредитного риска на шоке вероятности дефолтов по двум категориям кредитов - ипотека и коммерческие кредиты. Вместе эти две категории представляли около 90% всех кредитов на конец 2004 г. Размер потрясения основывался на исторической информации, которая была взята из реестра кредитов (Central de Riesgo) за период 1990 - 2004 гг. и учитывала увеличение значений вероятности дефолтов по ипотечным и коммерческим кредитам на 200 и 100% соответственно по сравнению с их уровнями 2004 г. Эти шоки были применены к значениям вероятности дефолтов, оцениваемых отдельными банками, которые использовали свои собственные внутренние базы данных и модели, а также эффекта, рассчитанного за период протяженностью 1 год. Убытки оценивались путем комбинации значений вероятности дефолтов в условиях стрессов с уровнем убытков от дефолтов (LGD) на конкретный момент времени, оцененных каждым участвующим кредитным учреждением.

Таблица 1

Примеры стресс-тестов при проведении анализа финансовой

стабильности стран Центральной и Восточной Европы <1>

     
   ———————————T———————————————T———————————————————T————————————————————
   

Страна ¦ Охват ¦ Главный вывод ¦ Кредитный шок

     
   ———————————+———————————————+———————————————————+————————————————————
   

Австрия ¦Все банки ¦Стресс-тестирование¦Увеличение

¦ ¦поддержало ¦формирования

¦ ¦позитивную оценку ¦резервов по

¦ ¦способности банков ¦кредитам на 30%

¦ ¦принимать риски ¦

     
   ———————————+———————————————+———————————————————+————————————————————
   

Чехия ¦Все банки ¦Система в основном ¦Увеличение

¦ ¦стабильная. Переход¦неработающих

¦ ¦от кредитного риска¦кредитов на 30%

¦ ¦к процентному риску¦или показателя

¦ ¦ ¦НК к общим кредитам

¦ ¦ ¦на 3 процентных

¦ ¦ ¦пункта

     
   ———————————+———————————————+———————————————————+————————————————————
   

Дания ¦6 скандинавских¦Банковские ¦Увеличение убытков

¦банков и 46 (из¦учреждения ¦по кредитам

¦99) датских ¦значительно ¦негосударственному

¦учреждений ¦повысили свою ¦сектору на 1% или

¦ ¦стойкость ¦на 2,25 процентного

¦ ¦ ¦пункта

     
   ———————————+———————————————+———————————————————+————————————————————
   

Германия ¦Выборка банков ¦В настоящее время ¦Кредитный риск

¦и страховые ¦отсутствует риск ¦оценивается

¦компании ¦для финансовой ¦с помощью

¦ ¦стабильности ¦макроэкономической

¦ ¦ ¦модели

     
   ———————————+———————————————+———————————————————+————————————————————
   

Венгрия ¦Все банки ¦Результаты ¦Четыре шока по

¦ ¦показывают ¦неработающим

¦ ¦улучшение ¦кредитам, в том

¦ ¦устойчивости ¦числе удвоение,

¦ ¦секторов ¦увеличение до 2

¦ ¦ ¦стандартных

¦ ¦ ¦отклонений

     
   ———————————+———————————————+———————————————————+————————————————————
   

Латвия ¦Все банки ¦Восприимчивость ¦Увеличение

¦ ¦к общему кредитному¦показателя

¦ ¦риску снизилась ¦неработающих

¦ ¦в 2004 г.; кредиты ¦кредитов в портфеле

¦ ¦домохозяйствам - ¦на 3 процентных

¦ ¦наибольший риск ¦пункта. Несколько

¦ ¦ ¦шоков в отраслях

¦ ¦ ¦с допущением, что

¦ ¦ ¦часть кредитов

¦ ¦ ¦в некоторых

¦ ¦ ¦отраслях станут

¦ ¦ ¦проблемными

     
   ———————————+———————————————+———————————————————+————————————————————
   

Польша ¦Все банки ¦Система показывает ¦Три шока: кредиты

¦ ¦высокую ¦с оценкой

¦ ¦стабильность ¦"удовлетворительно"

¦ ¦ ¦и "под особым

¦ ¦ ¦контролем"

¦ ¦ ¦мигрируют

¦ ¦ ¦в категорию

¦ ¦ ¦"сомнительных";

¦ ¦ ¦"субстандартные" и

¦ ¦ ¦"сомнительные"

¦ ¦ ¦кредиты мигрируют

¦ ¦ ¦в категорию

¦ ¦ ¦"убыточных";

¦ ¦ ¦банкротство трех

¦ ¦ ¦самых крупных

¦ ¦ ¦заемщиков

     
   ———————————+———————————————+———————————————————+————————————————————
   

Нидерланды¦Ведущие ¦Банки достаточно ¦Изменение на 50

¦финансовые ¦устойчивы к шокам ¦базовых процентных

¦учреждения (84%¦ ¦пунктов ("+" или

¦банков, 54% ¦ ¦"-") в кредитном

¦страховых и 50%¦ ¦спреде

¦пенсионных ¦ ¦

¦компаний) ¦ ¦

     
   ———————————+———————————————+———————————————————+————————————————————
   

Норвегия ¦Все банки и ¦Перспектива ¦Снижение

¦семь наибольших¦краткосрочной ¦экономического

¦конгломератов ¦стабильности ¦роста, увеличение

¦ ¦удовлетворительная.¦безработицы

¦ ¦Однако повысилась ¦

¦ ¦восприимчивость ¦

¦ ¦сектора ¦

¦ ¦домохозяйств ¦

     
   ———————————+———————————————+———————————————————+————————————————————
   

Швеция ¦Четыре ведущих ¦Ведущие банки ¦Банкротство самого

¦банка ¦улучшили свой ¦крупного

¦ ¦потенциал ¦контрагента,

¦ ¦ ¦допущение о 25%-ном

¦ ¦ ¦возмещении

¦ ¦ ¦проблемной

¦ ¦ ¦задолженности

     
   ———————————+———————————————+———————————————————+————————————————————
   

     
   ————————————————————————————————
   

<1> Источник: Отчет об оценке финансовой стабильности МВФ и Народного банка Болгарии. 2006. С. 89 - 90.

Центральный банк Испании провел параллельное моделирование для всего круга кредитных учреждений на агрегированном уровне, используя вероятности дефолтов и уровней убытков по дефолтам по расчетам надзора для каждой категории кредита. Уровень убытков от дефолта на фиксированный момент времени (point-in-time LGD) оценивался на уровне 5% для ипотечных кредитов и 25% для коммерческих кредитов. Эксперты провели два стресс-теста в отношении кредитного риска, основываясь на анализе чувствительности.

Тесты охватывали в обоих случаях выборку из 86 кредитных учреждений, что составляло почти 94% активов системы, а также совокупных показателей банковской системы в целом. Полученные данные были использованы для тщательной проверки и получения информации о распределении результатов (в разрезе типов финансовых учреждений и по каждому из них).

Первый тест заключался в использовании шоков для показателей вероятности дефолтов со значением, близким к исходному состоянию, но с большим уровнем оценки уровня убытков, вызванных дефолтом (LGD). Такой вариант учитывал, что это типичное ухудшение при экономических спадах. Стрессовые значения LGD были приняты на уровне 10% от портфеля ипотечных кредитов (т.е. на минимальном уровне, установленном новым Базельским соглашением об адекватности капитала) и 45% для коммерческих кредитов в соответствии с результатами, полученными для крупных международных банков из стран "Большой десятки" в ходе Третьего исследования количественного эффекта применения Базеля II (которое проводил Базельский комитет по банковскому надзору).

Второе тестирование учитывало более серьезное ухудшение качества кредитов. Это моделирование использовало информацию по качеству кредитов в период экономического спада в начале 1990-х годов. Размеры шоковых потрясений для вероятности дефолтов конкретных категорий портфеля кредитов были установлены по средним значениям за период 1992 - 2004 гг. плюс двойное значение стандартного отклонения. Для учета того факта, что кредитный риск материализуется определенное время, тест был проведен с использованием 3-летнего интервала на основе линейной интерполяции повышения значений вероятности дефолта по сравнению с их текущими значениями на начало первого года до установленного уровня значений на начало третьего года.

Для ипотечных кредитов это моделирование включало повышение уровня дефолтов с 0,5 (оценка на фиксированный момент времени в 2004 г.) до 6,3% к концу 3-летнего интервала. Для коммерческих кредитов было допущено увеличение вероятности дефолтов с 1,8 до 8,9% за этот же период. Стрессовые значения вероятности дефолтов были приблизительно сопоставимы с уровнями наблюдаемых значений в Испании в 1993 г., а значения ниже пиковых уровней использовались для моделирования усредненного банка ЕС, которое проводил Европейский центральный банк в 2004 г. <1>. Это тестирование также использовало стрессовые значения уровня убытков на уровне 10 и 45% для ипотечных и коммерческих кредитов соответственно.

     
   ————————————————————————————————
   

<1> См.: European Central Bank, Occasional Paper N 13. April 2004.

Принимая во внимание множество соответствующих факторов риска и размеры экспозиции под кредитным риском в испанской банковской системе, были предложены четыре возможных сценария.

Рассмотрим первый сценарий - снижение цен на недвижимость в Испании и Великобритании. В данном случае финансовые риски порождаются рынком жилой недвижимости. Для Испании такое потрясение было рассчитано исходя из падения реальных цен на жилье, которое наблюдалось в период 1992 - 1996 гг., и оценок завышения стоимости жилья, полученных из применения различных моделей, разработанных Центральным банком Испании <1>.

     
   ————————————————————————————————
   

<1> Эти оценки основывались на ежеквартальной макроэкономической модели Банка Испании (см. A Quarterly Macroeconomic Model of the Spanish Economy, Banco de Espana. Documento de Trabajo 0413), дополненной ссылками для учета эффекта благосостояния и для моделирования поведения цен на жилье, кредиты домохозяйствам и компаниям, а также неработающим кредитам в Испании.

Предложенный вариант шока допускал совокупное снижение цен на 30% на протяжении пяти лет: на 17,3% в первый год и на 4,6% на протяжении второго года, воспроизводя временные характеристики предыдущего падения. Этот шок соответствовал полученным выводам о завышенных оценках недвижимости из различных моделей (24 - 35%) и был аналогичен исторической корректировке, наблюдавшейся в 1992 - 1996 гг.

В связи с крупным портфелем ипотеки банка Abbey, дочерней структуры финансового холдинга BSCH, данный сценарий также учитывал одновременное падение цен на недвижимость в Британии. Конечный вариант модели был применен отдельно от соответствующих портфелей кредитов банка Abbey, и оцениваемые убытки были присовокуплены к убыткам материнской группы. Этот шок включал совокупное падение цен на жилую недвижимость на 37%, в том числе на 20% на протяжении первого года и на 8% на протяжении второго года. При этом допускалась корректировка 60%-ного завышения цен в оценке жилья в Великобритании, что соответствует верхнему лимиту оценок на 9 - 15% выше падений цен на недвижимость, которые наблюдались в 1989 - 1992 гг.

Чтобы провести дополнительную оценку кредитного риска, особенно в отношении экспозиций по кредитам на внутреннем рынке жилья, эксперты Банка Испании и МВФ разработали набор макроэкономических стресс-тестов, основываясь на моделях динамических рядов данных. Эти модели использовали подробную базу данных, подготовленную Банком Испании, охватывающую почти 90% активов системы на протяжении 1992 - 2004 гг. Такие тесты были разработаны для обеспечения дополнительной оценки кредитного риска в соответствии со сценариями, описанными выше. Использование методик динамичных рядов в комбинации с временными выборками и рядами данных позволило провести оценку отдельных результатов в разрезе банков и финансовых компаний (называемых cajas), а также дисперсию внутри однородных групп финансовых учреждений.

Хотя кредитный риск является главным, моделирование показало, что системные кредитные учреждения были бы способны пережить эти шоки, учитывая незначительный отрицательный эффект для их капитала.

Тест 1 был связан с повышением вероятности дефолтов. Анализ чувствительности проводился выбранными для исследования кредитными учреждениями. Эти институты увеличили свои оцененные значения вероятности дефолтов по ипотечным и коммерческим кредитам на 200 и 100% соответственно по сравнению с фактическим уровнем на конец 2004 г., что породило бы убытки, эквивалентные максимум 1,5% регулятивного капитала с максимальным негативным эффектом на уровне 5,1% (табл. 2).

Таблица 2

Оценка кредитного риска на основе анализа чувствительности,

декабрь 2004 г., % <1>

     
   ———————————————T————————————T——————————————T——————————————T———————————————
   

¦ Средняя ¦ Потери в % к ¦ Адекватность ¦ Потери в % к ¦адекватность¦ регулятивному¦капитала после¦чистой прибыли ¦ капитала до¦ капиталу ¦ шока ¦ за 2004 г. ¦ шока +-------T------+-------T------+-------T----- ———— ¦ ¦средние¦худшие¦средняя¦худшая¦средние¦худшие

     
   ———————————————+————————————+———————+——————+———————+——————+———————+———————
   

Тест 1 ¦ ¦ ¦ ¦ ¦ ¦ ¦

     
   ———————————————+————————————+———————+——————+———————+——————+———————+———————
   

Выборка <*> ¦ 12,7 ¦ -1,5 ¦ -5,1¦ 12,5 ¦ 9,5 ¦ -17,4¦ -59,2

     
   ———————————————+————————————+———————+——————+———————+——————+———————+———————
   

Всего по ¦ 11,6 ¦ -1,5 ¦ ... ¦ 11,4 ¦ ... ¦ -16,1¦ ...

системе ¦ ¦ ¦ ¦ ¦ ¦ ¦

     
   ———————————————+————————————+———————+——————+———————+——————+———————+———————
   

Тест 2 ¦ ¦ ¦ ¦ ¦ ¦ ¦

     
   ———————————————+————————————+———————+——————+———————+——————+———————+———————
   

Выборка <**> ¦ 12,7 ¦ -4,1 ¦ -7,8¦ 12,2 ¦ 8,6 ¦ -53,0¦ -68,7

     
   ———————————————+————————————+———————+——————+———————+——————+———————+———————
   

Коммерческие ¦ 12,6 ¦ -3,8 ¦ -7,8¦ 12,2 ¦ 8,6 ¦ -47,9¦ -7,4

банки ¦ ¦ ¦ ¦ ¦ ¦ ¦

     
   ———————————————+————————————+———————+——————+———————+——————+———————+———————
   

Сберегательные¦ 12,8 ¦ -4,7 ¦ -6,5¦ 12,2 ¦ 9,0 ¦ -60,2¦ -80,1

банки ¦ ¦ ¦ ¦ ¦ ¦ ¦

     
   ———————————————+————————————+———————+——————+———————+——————+———————+———————
   

Всего по ¦ 11,6 ¦ -4,6 ¦ ... ¦ 11,1 ¦ ... ¦ -45,2¦ ...

системе ¦ ¦ ¦ ¦ ¦ ¦ ¦

     
   ———————————————+————————————+———————+——————+———————+——————+———————+———————
   

Коммерческие ¦ 10,9 ¦ -4,1 ¦ ... ¦ 10,5 ¦ ... ¦ -35,9¦ ...

банки ¦ ¦ ¦ ¦ ¦ ¦ ¦

     
   ———————————————+————————————+———————+——————+———————+——————+———————+———————
   

Сберегательные¦ 12,5 ¦ -5,1 ¦ ... ¦ 11,9 ¦ ... ¦ -57,6¦ ...

банки ¦ ¦ ¦ ¦ ¦ ¦ ¦

     
   ———————————————+————————————+———————+——————+———————+——————+———————+———————
   

Кооперативы ¦ 12,4 ¦ -5,8 ¦ ... ¦ 11,7 ¦ ... ¦ -70,4¦ ...

     
   ———————————————+————————————+———————+——————+———————+——————+———————+———————
   

Тест 3 ¦ ¦ ¦ ¦ ¦ ¦ ¦

     
   ———————————————+————————————+———————+——————+———————+——————+———————+———————
   

Выборка <**> ¦ 12,7 ¦ -13,0 ¦ -26,5¦ 11,0 ¦ 7,1 ¦ -166,1¦-273,0

     
   ———————————————+————————————+———————+——————+———————+——————+———————+———————
   

Коммерческие ¦ 12,6 ¦ -11,8 ¦ -20,9¦ 11,1 ¦ 7,1 ¦ -150,0¦-256,0

банки ¦ ¦ ¦ ¦ ¦ ¦ ¦

     
   ———————————————+————————————+———————+——————+———————+——————+———————+———————
   

Сберегательные¦ 12,8 ¦ -14,8 ¦ -24,0¦ 10,9 ¦ 7,4 ¦ -190,2¦-264,0

банки ¦ ¦ ¦ ¦ ¦ ¦ ¦

     
   ———————————————+————————————+———————+——————+———————+——————+———————+———————
   

Всего по ¦ 11,6 ¦ -14,3 ¦ ... ¦ 9,9 ¦ ... ¦ 140,6¦ ...

системе ¦ ¦ ¦ ¦ ¦ ¦ ¦

     
   ———————————————+————————————+———————+——————+———————+——————+———————+———————
   

Коммерческие ¦ 10,9 ¦ -12,7 ¦ ... ¦ 9,5 ¦ ... ¦ 111,5¦ ...

банки ¦ ¦ ¦ ¦ ¦ ¦ ¦

     
   ———————————————+————————————+———————+——————+———————+——————+———————+———————
   

Сберегательные¦ 12,5 ¦ -15,9 ¦ ... ¦ 10,5 ¦ ... ¦ 180,0¦ ...

банки ¦ ¦ ¦ ¦ ¦ ¦ ¦

     
   ———————————————+————————————+———————+——————+———————+——————+———————+———————
   

Кооперативы ¦ 12,4 ¦ -18,0 ¦ ... ¦ 10,2 ¦ ... ¦ 217,5¦ ...

     
   ———————————————+————————————+———————+——————+———————+——————+———————+———————
   

     
   ————————————————————————————————
   

<1> Источник: Расчеты Центрального банка Испании.

<*> Тестирование было проведено 7 банковскими группами, участвующими в исследовании, активы которых составляли две трети активов системы.

<**> Основывается на выборке из 86 кредитных учреждений, активы которых в совокупности составляют 94% всех активов системы.

Участвующие кредитные учреждения использовали свои собственные оценки уровня убытков в случае дефолта: в среднем 10,4% для ипотеки и 31,7% для коммерческих кредитов. Центральный банк использовал для всей системы соответственно значения 5 и 25%.

Подход "сверхувниз" (проведение моделирования центральным банком), основанный на агрегированной информации для всей системы, дал аналогичные результаты. Шоки были похожи по размерам, но применялись значения вероятности дефолтов органом надзора с использованием данных реестра кредитов. Ожидаемые убытки были рассчитаны Центральным банком Испании с применением 5% уровня убытков для ипотечных и 25% для коммерческих кредитов в случае наступления дефолтов (LGD). Эти результаты были сопоставимы с результатами, полученными кредитными учреждениями - участниками моделирования, со средним падением адекватности капитала на 1,5%. Ограниченность этого теста, однако, состояла в отсутствии информации о распределении этих результатов среди кредитных учреждений.

Анализ показывает, что эти убытки могли бы быть покрыты прибылью одного года, поскольку представляют 17% чистой прибыли в среднем по выборке банков и чуть меньше 60% в самом худшем сценарии. Более того, благодаря дополнительному буферу, обеспеченному формированием "статистических резервов", учитываемое воздействие на прибыльность было бы ниже (около 10% чистой прибыли) в среднем и чуть меньше 14% в самом худшем случае. Как результат, ресурсная база упала бы на 13% в среднем и максимум на 25% приблизительно по двум банкам из числа выборки.

Два параллельных моделирования, проведенных экспертами, дали в ряде случаев большие оценки убытков, особенно среди кооперативов и финансовых компаний cajas. Эти тесты были проведены с использованием агрегированной информации по всей системе, а также по выборке из 86 кредитных учреждений, которая позволила охватить 94% активов финансовой системы. Первый вариант моделирования был основан на шоковом потрясении для вероятностей дефолтов, схожих с теми, которые использовались в базовом варианте, но с большим значением уровня убытков в случае дефолта, так как учитывал цикличность переменных.

Поскольку значения уровня убытков в случае дефолта тяготеют к более высокому уровню в период спадов, то Базель II требует от органов надзора гарантировать, что оценки параметров уровня убытков при наступлении дефолта отражали состояние экономического спада (так называемые downturn LGDs). Оцениваемые убытки составили в среднем 4,1% регулятивного капитала для выборки учреждений и 4,6% регулятивного капитала для всей системы. В разрезе типов учреждений убытки были несколько выше для компаний типа cajas и кооперативов, но ни у одного из учреждений капитализация не опустилась ниже минимально необходимого уровня.

Для выборки учреждений было применено шоковое изменение вероятности дефолтов, которое оценивалось кредитными учреждениями, а для всей системы в целом шок применялся к значениям вероятности дефолтов, которые оценивались центральным банком, но величина уровня убытков в случае дефолта не подвергалась стрессу. Участвующие кредитные учреждения использовали свои собственные оценки уровня потерь в случае дефолтов - в среднем 10,4% для ипотечных и 31,7% для коммерческих кредитов. Орган надзора использовал соответственно 5 и 25% для ипотеки и коммерческих кредитов.

Третий вариант теста был связан с более экстремальным ухудшением качества кредитов, но результаты показали стойкость системы. Эксперты смоделировали еще худший вариант, основываясь на повышении значений вероятности дефолтов по сравнению со средним уровнем по факту 1992 - 2004 гг. с прибавлением значений двух стандартных отклонений (6,31 и 8,86% для ипотечных и коммерческих кредитов соответственно). При этом варианте уровень в случае дефолта был повышен на 10% для ипотечных кредитов, на 45% - для коммерческих кредитов и на 85% - для потребительских и других кредитов. Как и в первом варианте, стрессовые значения вероятности дефолтов были комбинированы со стрессовыми значениями уровня убытков в случае дефолта для конкретных категорий кредитов. Оцениваемые убытки, полученные в результате моделирования этого варианта, были существенно выше, чем по предыдущему варианту. Это отражало большую серьезность допущенного шока, но все же показывало отсутствие угрозы для адекватности капитала. Средние убытки составили 13% от регулятивного капитала по стандартам Базеля для выборки кредитных учреждений и 14% - для системы в целом, что было эквивалентно приблизительно чистой прибыли системы за 1,5 года. Оцениваемые убытки были большими для финансовых компаний cajas и особенно значительными для кооперативов (18% их регулятивного капитала).

Максимальное последствие составляло почти четвертую часть регулятивного капитала, при этом у четырех кредитных учреждений (сумма активов которых равнялась 5% от системы) адекватность упала ниже минимального требуемого уровня. Такой сценарий, однако, был рассмотрен как невероятный при текущих обстоятельствах, поскольку он потребовал бы нескольких лет замедленного роста для превращения в существенный риск.

Анализ финансовой системы в сфере кредитования свидетельствовал об устойчивом улучшении качества кредитов после середины 1990-х годов наряду с существенными различиями в разрезе отдельных кредитных учреждений.

Качество кредитов показало устойчивое циклическое поведение, когда размер неработающих кредитов достигал максимума на протяжении экономического спада в первой половине 1990-х годов (табл. 3). Наиболее чувствительной категорией кредитов к цикличности экономики в плане качества являются владельцы объектов коммерческой недвижимости и строительных компаний - величина проблемных кредитов достигала 14,2% в компаниях cajas в 1993 г. и 11,9% в банках в 1994 г. Доля проблемных кредитов была устойчиво выше в компаниях cajas, за исключением потребительских кредитов. С середины 1990-х годов качество кредитов возросло по всем структурам как следствие сочетания резкого увеличения кредитов и экономического подъема.

Таблица 3

Динамика удельного веса проблемных кредитов банков

и сберегательных банков в портфеле по видам кредитов,

1992 - 2004 гг.

     
   —————————————T————T————T————T————T————T————T————T————T————T————T————T————T————T——————————
   

¦1992¦1993¦1994¦1995¦1996¦1997¦1998¦1999¦2000¦2001¦2002¦2003¦2004¦1992/2004

     
   —————————————+————+————+————+————+————+————+————+————+————+————+————+————+————+——————————
   

Banks ¦ ¦ ¦ ¦ ¦ ¦ ¦ ¦ ¦ ¦ ¦ ¦ ¦ ¦

     
   —————————————+————+————+————+————+————+————+————+————+————+————+————+————+————+——————————
   

Total ¦ 4,2¦ 6,2¦ 6,4¦ 5,0¦ 3,3¦ 2,2¦ 1,0¦ 0,8¦ 0,6¦ 0,6¦ 0,6¦ 0,5¦ 0,4¦ -3,8

Portfolio ¦ ¦ ¦ ¦ ¦ ¦ ¦ ¦ ¦ ¦ ¦ ¦ ¦ ¦

     
   —————————————+————+————+————+————+————+————+————+————+————+————+————+————+————+——————————
   

Mortgages ¦ 2,6¦ 2,8¦ 3,0¦ 1,7¦ 0,8¦ 0,5¦ 0,3¦ 0,2¦ 0,3¦ 0,3¦ 0,2¦ 0,2¦ 0,1¦ -2,5

     
   —————————————+————+————+————+————+————+————+————+————+————+————+————+————+————+——————————
   

Construction¦ 7,9¦10,2¦11,9¦ 8,6¦ 5,8¦ 4,2¦ 1,5¦ 0,8¦ 0,6¦ 0,5¦ 0,4¦ 0,4¦ 0,2¦ -7,7

     
   —————————————+————+————+————+————+————+————+————+————+————+————+————+————+————+——————————
   

Consumer ¦ 5,6¦ 7,7¦ 8,0¦10,7¦10,0¦ 5,7¦ 2,1¦ 1,7¦ 2,3¦ 3,1¦ 3,5¦ 4,2¦ 3,4¦ -2,2

     
   —————————————+————+————+————+————+————+————+————+————+————+————+————+————+————+——————————
   

Commercial ¦ 3,5¦ 5,7¦ 5,6¦ 4,5¦ 3,1¦ 2,1¦ 1,1¦ 0,9¦ 0,7¦ 0,7¦ 0,7¦ 0,7¦ 0,5¦ -3,0

     
   —————————————+————+————+————+————+————+————+————+————+————+————+————+————+————+——————————
   

Saving Banks¦ ¦ ¦ ¦ ¦ ¦ ¦ ¦ ¦ ¦ ¦ ¦ ¦ ¦

     
   —————————————+————+————+————+————+————+————+————+————+————+————+————+————+————+——————————
   

Total ¦ 6,5¦ 7,7¦ 6,7¦ 5,2¦ 4,3¦ 2,6¦ 1,6¦ 1,1¦ 0,8¦ 0,7¦ 0,7¦ 0,6¦ 0,5¦ -6,0

Portfolio ¦ ¦ ¦ ¦ ¦ ¦ ¦ ¦ ¦ ¦ ¦ ¦ ¦ ¦

     
   —————————————+————+————+————+————+————+————+————+————+————+————+————+————+————+——————————
   

Mortgages ¦ 3,0¦ 3,1¦ 2,3¦ 1,7¦ 1,2¦ 0,8¦ 0,5¦ 0,4¦ 0,4¦ 0,4¦ 0,3¦ 0,2¦ 0,2¦ -2,8

     
   —————————————+————+————+————+————+————+————+————+————+————+————+————+————+————+——————————
   

Construction¦11,0¦14,2¦13,6¦10,6¦ 9,2¦ 5,6¦ 3,0¦ 1,8¦ 1,0¦ 0,6¦ 0,5¦ 0,6¦ 0,5¦ -10,5

     
   —————————————+————+————+————+————+————+————+————+————+————+————+————+————+————+——————————
   

Consumer ¦ 5,6¦ 5,9¦ 5,2¦ 4,6¦ 3,7¦ 2,3¦ 1,5¦ 1,2¦ 1,1¦ 1,2¦ 1,1¦ 1,0¦ 0,9¦ -4,7

     
   —————————————+————+————+————+————+————+————+————+————+————+————+————+————+————+——————————
   

Commercial ¦ 7,4¦ 9,0¦ 8,4¦ 7,0¦ 6,1¦ 3,8¦ 2,4¦ 1,6¦ 1,2¦ 1,1¦ 1,2¦ 1,0¦ 0,9¦ -6,5

     
   —————————————+————+————+————+————+————+————+————+————+————+————+————+————+————+——————————
   

Source: Bank of Spain and IMF sraff calculations.

Эти агрегированные цифры, однако, скрывают существенный разброс в качестве кредитов в разрезе кредитных учреждений, особенно по потребительским и коммерческим кредитам.

За рассматриваемый период качество ипотечных кредитов изменялось в связке с ключевыми макроэкономическими переменными. В частности, оно улучшалось по мере увеличения количества работающих в расчете на домохозяйство, реальных доходов домохозяйства и цен на жилье. С другой стороны, это качество ухудшалось по мере поднятия процентных ставок или уровня безработицы.

МВФ и Центральным банком Испании были разработаны модели для оценки чувствительности качества кредитов к изменению макроэкономических параметров для каждой категории кредитов.

Все оценки проводились с использованием формулы:

k

NPL = альфа + роNPL + SUM бета MACRO ,

i,t i i,t-1 s=0 F,t-s F,t-s

где NPL представляет логичную трансформацию неработающих

i,t

кредитов финансового i-учреждения в t-году;

альфа - фиксированный эффект для кредитного i-учреждения;

i

MACRO - макроэкономический фактор F в периоде t - s.

F,t-s

Эти параметры не принимают во внимание показатели, специфические для отдельного банка, и изменение показателей во времени, чтобы сохранить их ограниченность и обеспечить прогнозирование, используя ряды данных, полученных из моделирования макроэкономических сценариев. Была использована структура лагов, чтобы отличить каждый макроэкономический показатель, то есть применялись один или два лага с учетом годичной частоты данных.

Параметры включали рост ВНП, реальный рост цен на жилье, задолженность домохозяйств и процентные ставки.

Результаты показали существенные отличия в чувствительности качества кредита к изменениям макроэкономических параметров. Если кредиты строительным компаниям и распорядителям коммерческой недвижимости были более чувствительны к изменениям цен на жилье, то качество ипотеки и потребительских кредитов более зависело от изменений процентных ставок.

Для каждого кредитного учреждения качество кредитов прогнозировалось на период 2 года, комбинируя результаты оценки рядов со сценариями, описанными выше. Наиболее чувствительным оказался портфель кредитов распорядителям недвижимости и строительным компаниям, особенно в сценарии изменения цен на недвижимость, в этом случае проблемная задолженность выросла бы с уровня 0,4% в 2004 г. до 4,9% в 2006 г.

Для ипотечных кредитов главное ухудшение было связано с падением цен на недвижимость, хотя и эффект оказался меньшим, чем в первом случае. Коммерческие кредиты оказались главным образом уязвимы для повышения цен на энергоносители, что приводило к повышению процентных ставок.

Для каждого макроэкономического сценария оцениваемые убытки были прогнозируемы и суммировались на период два года. Неработающие кредиты по каждой категории кредита и кредитному учреждению были разнесены по соответствующим значениям вероятности дефолтов, допуская прямую взаимосвязь между процентными изменениями суммы проблемной задолженности и процентными изменениями вероятности дефолтов.

Для каждого кредитного учреждения и каждой категории кредитов убытки были рассчитаны путем комбинирования полученных значений вероятности дефолтов и стрессовых величин вероятности дефолтов, примененных при анализе чувствительности для кредитного риска. Убытки были измерены на основе добавлений, используя два показателя. Первый показатель - убытки, полученные с учетом значений вероятности дефолтов и уровня убытков в случае дефолтов, которые наблюдались в 2004 г. (это позволило перенести убытки, наблюдаемые в 2004 г., на прогнозный период). Второй показатель - убытки, полученные по результатам базового прогнозируемого сценария (для обеспечения сопоставления с результатами, полученными участвующими кредитными учреждениями и Центральным банком Испании на основе моделирования сценариев).

В среднем годовые убытки, полученные по трем сценариям, были ниже размера чистой прибыли выборки учреждений. Оцениваемые убытки были конвертированы в их годовой эквивалент (путем деления накопленных убытков на 2), прежде чем сравнить их с прибылью. В среднем банковская система выглядит достаточно готовой к абсорбции убытков по каждому сценарию за счет прибыли одного года. Однако результаты показали разброс в разрезе конкретных кредитных учреждений, особенно это касается расхождений в прибыльности. В частности, при сценарии падения цен на недвижимость ежегодные убытки в среднем составили 70,1% чистой прибыли для всей выборки, но 16,2% - для компаний типа cajas. Для одного небольшого банка (который занимает 1% в активах выборки) годовые убытки составили 459,5% прибыли. Аналогичные, хотя и менее драматические результаты были получены по двум другим сценариям стрессов.

Результаты в плане воздействия на адекватность капитала были приблизительно такие же, как и полученные при анализе чувствительности для кредитного риска, за исключением более толстых "хвостов" распределения.

В целом большее воздействие было связано со сценарием падения цен на недвижимость, когда средние убытки составили бы 11% регулятивного капитала (с максимальным эффектом 27,4% по одному из банков), и средним падением адекватности капитала до уровня 11,3% к концу второго года (табл. 4). Три других сценария генерировали убытки в среднем от 4,9 до 6,6% регулятивного капитала с максимальным значением 12 - 15% регулятивного капитала. Распределение результатов показало, что несколько небольших финансовых учреждений (менее 1% активов выборки каждое) снизили адекватность капитала чуть ниже минимального требования. В частности, пять учреждений, которые в совокупности насчитывают 2,5% активов, снизили бы адекватность капитала ниже нормы при сценарии падения цен на недвижимость, и три учреждения допустили бы снижение адекватности ниже нормы при сценарии повышения цен на энергоносители.

Таблица 4

Результаты стресс-тестов, основанных на моделях

рядов данных, %

     
   ————————————————T———————————————T—————————————————T———————————————
   

¦ Процент от ¦ Адекватность ¦ Процент от ¦ регулятивного ¦ капитала после ¦чистой прибыли ¦ капитала ¦ шока ¦ за 2004 г. +-------T-------+--------T--------+-------T----- ———— ¦средний¦ худший¦ средняя¦ худшая ¦средний¦худший

¦ ¦ <*> ¦ <*> ¦ ¦ ¦ <*>

     
   ————————————————+———————+———————+————————+————————+———————+———————
   

Базовый ¦ -1,9 ¦ -4,9 ¦ 12,5 ¦ 9,9 ¦ -12,1 ¦ -89,0

сценарий <**> ¦ ¦ ¦ ¦ ¦ ¦

     
   ————————————————+———————+———————+————————+————————+———————+———————
   

Коммерческие ¦ -0,8 ¦ -4,9 ¦ 12,5 ¦ 9,9 ¦ -4,7 ¦ -89,0

банки ¦ ¦ ¦ ¦ ¦ ¦

     
   ————————————————+———————+———————+————————+————————+———————+———————
   

Сберегательные ¦ -3,5 ¦ -4,4 ¦ 12,4 ¦ 10,1 ¦ -22,6 ¦ -47,9

банки ¦ ¦ ¦ ¦ ¦ ¦

     
   ————————————————+———————+———————+————————+————————+———————+———————
   

Сценарии стрессов (отклонения от базового варианта)

     
   ————————————————T———————T———————T————————T————————T———————T———————
   

Обесценение ¦ -3,0 ¦ -6,6 ¦ -0,4 ¦ -0,4 ¦ -19,1 ¦-120,3

доллара ¦ ¦ ¦ ¦ ¦ ¦

     
   ————————————————+———————+———————+————————+————————+———————+———————
   

Коммерческие ¦ -1,8 ¦ -6,6 ¦ -0,2 ¦ -0,4 ¦ -11,2 ¦-120,3

банки ¦ ¦ ¦ ¦ ¦ ¦

     
   ————————————————+———————+———————+————————+————————+———————+———————
   

Сберегательные ¦ -4,7 ¦ -6,5 ¦ -0,6 ¦ -0,4 ¦ -30,4 ¦ -62,3

банки ¦ ¦ ¦ ¦ ¦ ¦

     
   ————————————————+———————+———————+————————+————————+———————+———————
   

Повышение ¦ -4,7 ¦ -10,4 ¦ -0,6 ¦ -0,7 ¦ -29,8 ¦-188,6

доллара ¦ ¦ ¦ ¦ ¦ ¦

     
   ————————————————+———————+———————+————————+————————+———————+———————
   

Коммерческие ¦ -2,7 ¦ -10,4 ¦ -0,3 ¦ -0,7 ¦ -17,3 ¦-188,6

банки ¦ ¦ ¦ ¦ ¦ ¦

     
   ————————————————+———————+———————+————————+————————+———————+———————
   

Сберегательные ¦ -7,4 ¦ -10,8 ¦ -1,0 ¦ -0,6 ¦ -47,8 ¦-101,0

банки ¦ ¦ ¦ ¦ ¦ ¦

     
   ————————————————+———————+———————+————————+————————+———————+———————
   

Падение цен на ¦ -9,1 ¦ -22,4 ¦ -1,2 ¦ -1,4 ¦ -58,1 ¦-370,5

недвижимость ¦ ¦ ¦ ¦ ¦ ¦

     
   ————————————————+———————+———————+————————+————————+———————+———————
   

Коммерческие ¦ -5,3 ¦ -20,5 ¦ -0,7 ¦ -1,4 ¦ -33,4 ¦-370,5

банки ¦ ¦ ¦ ¦ ¦ ¦

     
   ————————————————+———————+———————+————————+————————+———————+———————
   

Сберегательные ¦ -14,5 ¦ -22,9 ¦ -1,9 ¦ -1,2 ¦ -93,6 ¦-207,0

банки ¦ ¦ ¦ ¦ ¦ ¦

     
   ————————————————+———————+———————+————————+————————+———————+———————
   

     
   ————————————————————————————————
   

<*> Среди кредитных учреждений, размер которых более 1% в активах данной выборки, для сравнимости с другими программами МВФ по анализу финансовой стабильности эффект сценариев в отношении чистой прибыли не принимает во внимание фонд статистических резервов под кредитные риски. Соответственно, последствия сценариев на прибыль после налогообложения будут меньшими. <**> Оцениваемые убытки по базовому сценарию основываются на прогнозируемых значениях вероятности дефолтов и стрессовых значений уровня потерь в случае дефолта (т.е. фактических величинах уровня убытков в случае дефолтов в 2004 г.). Результаты измерялись на основе добавления в отношении 2004 г., то есть убытки, которые получаются по расчетам с использованием фактических значений вероятности дефолтов и уровня убытков в случае дефолта в 2004 г. Прогнозируемые убытки по альтернативным сценариям основывались на прогнозных величинах вероятности дефолтов и стрессовых величинах уровня вероятности дефолтов. Результаты измерялись как отклонение от базового сценария. Также были проанализированы убытки по кредитам при различных сценариях, в частности в разрезе типов кредитных учреждений. Анализ показал, что кредитная система Испании достаточно подготовлена к тому, чтобы выстоять при моделируемых сценариях без угрозы для адекватности капитала. Литература 1. Hoggarth G., Sorensen St., Zicchino L. Stress tests of UK banks using a VAR approach // Bank of England. Working Paper N 282. November 2005. 2. Boss M. A macroeconomic credit risk model for stress testing the Austrian credit portfolio // Oestereichische Nationalbank. Financial Stability Report 4. 2000. 3. Pesaran M.H., Schuermann T., Treutler B.J. and Weiner S.M. Macroeconomic dynamics and credit risk: a global perspective // Wharton Financial Center Working Paper. 2004. 4. Cihak M. Measuring Banking System Soundness (seminar Ceske spolecnosti ekonomicke v rade) // Ekonomicka teorie a ceska ekonomika. 2004. 5. European Central Bank. Occasional Paper N 13. April 2004. 6. A Quarterly Macroeconomic Model of the Spanish Economy. - Banco de Espaca. Documento de Trabajo 0413. А.В.Гаврилин Кафедра банковского менеджмента МФПА Подписано в печать 11.09.2007 ————