Формирование кредитного портфеля коммерческого банка с использованием вероятностных методов | Статья в сборнике международной научной конференции

Отправьте статью сегодня! Журнал выйдет 26 октября, печатный экземпляр отправим 30 октября.

Опубликовать статью в журнале

Библиографическое описание:

Чапкина, Н. А. Формирование кредитного портфеля коммерческого банка с использованием вероятностных методов / Н. А. Чапкина, Л. А. Голикова. — Текст : непосредственный // Актуальные вопросы экономических наук : материалы I Междунар. науч. конф. (г. Уфа, октябрь 2011 г.). — Уфа : Лето, 2011. — С. 61-64. — URL: https://moluch.ru/conf/econ/archive/11/1036/ (дата обращения: 17.10.2024).

Одним из основных направлений деятельности коммерческих банков является выдача кредитов, которая с одной стороны - наиболее доходная операция, с другой стороны – наиболее рискованная. Выдавая кредиты, банк непосредственно формирует свой кредитный портфель.
Представляется, что кредитный портфель банка – это совокупность предоставленных коммерческим банком кредитов, классифицируемых по определенным критериям, связанных с факторами кредитного риска, различным категориям заемщиков с учетом предъявляемых им требований.
Формирование кредитного портфеля коммерческого банка – это основной этап реализации его кредитной политики. Сформулировав основную цель кредитной деятельности банка, разработав стратегию кредитной политики, следует приступать к формированию кредитного портфеля. В настоящее время состояние кредитного портфеля позволяет судить не только о качестве кредитной политики банка, но и прогнозировать результат кредитной деятельности на будущее.
В последнее время все более актуальным стоит вопрос о качестве кредита и кредитного портфеля. Как утверждает большинство авторов [2, с. 75], качество характеризует эффективность формирования кредитного портфеля банка с позиции доходности, степени кредитного риска и обеспеченности. Здесь нетрудно проследить простую взаимосвязь: качество ссуды будет высоким, если наблюдается рост доходности и обеспеченности ссуды и снижение вероятности ее невозврата. Следует отметить, что это характерно для анализа качества не кредитного портфеля в целом, а для отдельного кредита.
Для анализа качества кредитного портфеля используют как качественные, так и количественные показатели: уровень ликвидности, уровень доходности, обеспеченность, степень и вид кредитного риска (следует учитывать финансовое положение заемщика, качество обслуживания долга и др.).
Казакова О.Н. [2, с. 75] отмечает, что такой показатель как обеспеченность для оценки качества кредитного портфеля использовать нецелесообразно, поскольку степень обеспеченности по каждому кредиту различна. Эффективнее использовать показатели совокупного кредитного риска, т.е. риск всего кредитного портфеля и доли размера созданного резерва на возможные потери по ссудам в кредитном портфеле.
В настоящее время сформированной и устоявшейся системы показателей кредитного портфеля банка, а также единой методики формирования эффективного кредитного портфеля не существует. Органами надзора ведется оценка кредитного портфеля в целом в рамках системы страхования вкладов (Указание ЦБ РФ от 16 января 2004 г. № 1379-У «Об оценке финансовой устойчивости банках в целях признания ее достаточности для участия в системе страхования вкладов») оценки экономического положения банков (Указание ЦБ РФ от 30 апреля 2008 г. № 2005-У «Об оценке экономического положения банков»), а также с помощью нормативов, заложенных в Инструкции ЦБ РФ от 16 января 2004 г. № 110-И «Об обязательных нормативах банков». В них показатели, характеризующие кредитный портфель, можно свести в три группы. Эти показатели используются Банком России и при оценке кредитного портфеля банковского сектора в целом.
Однако, в методике, разработанной Фатьяновой А.А. [5, с. 5], предлагается расширить их за счет следующих показателей:
  • группа доходности (коэффициент доходности, показатель доли доходов от кредитов, уровень доходности розничного кредитного портфеля, показатель эффективности кредитования с позиции акционера);
  • группа ликвидности (коэффициент ликвидности розничного кредитного портфеля, показатель средневзвешенного срока их размещения, коэффициент оборачиваемости кредитных вложений);
  • группа кредитного риска (коэффициент риска розничного кредитного портфеля, показатель степени защиты банка от совокупного кредитного риска).
В последнее время достаточно широкий круг научных работ посвящен принципам построения моделей формирования и оптимизации кредитного портфеля и возможности адаптации их к решению существующих проблем.
В связи с этим, например, Сорокиной И. [4, с. 15] предложены методические подходы к анализу и оценке кредитного портфеля банка на основании общедоступных форм банковской отчетности, где особое внимание уделено коэффициентному анализу кредитной деятельности банка. Но, несмотря на это, данная методика может быть использована в основном для внешних пользователей.
В частности, в работах Бабешко Л.О. [1], Попова В.Б. [3], Фатьяновой А.А. [5] предлагается использовать портфельную (вероятностную) модель Г. Марковица, адаптированную к формированию оптимального кредитного портфеля с учетом основных характеристик, которыми являются доходность, степень кредитного риска и т.д.
Проблема формирования оптимального кредитного портфеля при наличии жестких ограничений по суммам имеющихся в наличии свободных кредитных ресурсов, их стоимости, процентным ставкам на предоставляемые кредиты, срокам привлечения ресурсов, максимальному размеру кредита на одного заемщика является главной и постоянной операцией, которую выполняют специалисты банка. От правильности этих решений зависит финансовая стабильность банка. Серьезные проблемы с ликвидностью, которые могут испытывать банки, требуют повышения эффективности технологического процесса управления формированием активных и пассивных операций. Для этого необходимо привлечение современных математических методов анализа данных, в частности, весьма эффективно применение вероятностных методов.
Множество факторов (уровень инфляции, ставка рефинансирования ЦБ РФ, срок и сумма кредита и т.д.), от которых зависит конкретное значение доходности кредитного портфеля, безусловно, определяется общим состоянием экономики, что дает возможность считать показатель доходности в определенном смысле случайной величиной, для описания которой используются следующие вероятностные характеристики: математическое ожидание и дисперсия, которые могут интерпретироваться как ожидаемая доходность и мера риска.
Рассмотрим как один из возможных подходов к формированию эффективного кредитного портфеля коммерческого банка, а именно вероятностный [1, с. 92].
В представленной ниже блок-схеме (рисунок 1) отражены основные этапы проведения расчета эффективного кредитного портфеля коммерческого банка с учетом вероятностного подхода.
В нашем исследовании мы исходили из того, что число состояний экономики (S) конечно и каждому из них приписывается некоторое положительное число – вероятность данного состояния (p), удовлетворяющая условию (1):

Врезка1

где S = (s1, … sK); pk, k = 1, … K.
В качестве объекта исследования выступает кредитный портфель коммерческого банка (розничный, корпоративный), включающий n видов кредитов (потребительский кредит, автокредит, жилищный кредит, кредитные карты, овердрафт и др.), и определяется для него ожидаемая доходность и дисперсия как мера риска.
В качестве доли кредитных продуктов рассматривается показатель xi.
Доходность кредитного портфеля коммерческого банка (Dp) определяется как средневзвешенное значение доходностей кредитных продуктов, включенных в кредитный портфель с учетом их долей (хi).

Врезка3Врезка2



Врезка4



Врезка5

Врезка6

Врезка8Врезка9Врезка7


Врезка12Врезка11Врезка10

Врезка17Врезка16Врезка15Врезка14Врезка13

Врезка18


Врезка23Врезка20Врезка21Врезка19Врезка22


Врезка25Врезка24



Рис.1 – Алгоритм расчета эффективного кредитного портфеля коммерческого банка с учетом вероятностного подхода

В связи с тем, что использовался вероятностный подход, были определены вероятностные характеристики кредитного портфеля, в частности: ожидаемая доходность (mp); дисперсия доходности как мера риска (); среднее квадратическое отклонение ; показывающее отклонение текущей величины доходности от ожидаемой; коэффициент ковариации (Vik), характеризующий степень зависимости доходностей двух кредитных продуктов; коэффициент корреляции (rik), характеризующий степень линейной зависимости доходностей различных кредитных продуктов; коэффициент вариации (Сp), показывающий оценку предпочтительности.
Следует отметить, что в процессе выдачи кредита возможны следующие ситуации:
  1. получение наибольшей ожидаемой доходности при наименьшем риске. В этом случае вступает в действие правило доминирования: при одинаковом уровне ожидаемых доходностей из всех возможных вариантов кредитования предпочтение отдается наименьшему риску; при равной степени риска предпочтение отдается большей ожидаемой доходности;
  2. в случае сравнения кредитов с разными ожидаемыми доходностями и разными рисками используем оценку предпочтительности;
  3. доходности кредитных продуктов взаимозависимы или независимы, что оценивается с помощью коэффициента корреляции. В этом случае для снижения степени кредитного риска необходимо применять диверсификацию.
Однако в зависимости от индивидуальной склонности к риску кредитор может предпочесть вариант с большей ожидаемой доходностью, но с другой стороны связанный и с большим риском, либо вариант с меньшей ожидаемой доходностью, но менее рискованный.
Таким образом, данная методика имеет, на наш взгляд, следующие достоинства, позволяющие:
  1. определить уровень ожидаемой доходности, как отдельных кредитных продуктов, так и кредитного портфеля в целом;
  2. контролировать риски, а именно, уровень потерь, связанных с изменением доходности кредитов;
  3. установить степень зависимости доходностей отдельных кредитных продуктов через ковариацию и коэффициент корреляции;
  4. рассмотреть возможные ситуации в отношении уровня ожидаемой доходности и кредитного риска, т.е. использовать правила доминирования, эффект предпочтения и диверсификацию кредитного портфеля коммерческого банка,
что дает возможность использовать указанную выше методику в нашем исследовании для принятия управленческих решений в отношении формирования эффективного кредитного портфеля банка, учитывая уровень доходности и степень кредитного риска.

Литература:

  1. Бабешко Л.О. Математическое моделирование финансовой деятельности: учебное пособие / Л.О. Бабешко. – М.: КНОРУС, 2009.
  2. Казакова О.Н. Качество кредита и кредитного портфеля / О.Н. Казакова // Банковское дело. – 2009. - № 7. – С. 74-77.
  3. Попов В.Б. Эволюционные стратегии формирования оптимального кредитного портфеля финансовых предприятий / В.Б. Попов // Ученые записки Таврического национального ун-та им. В.И. Вернадского. Серия «Экономика и управление». Том 24 (63). - 2011 – № 1. – С. 164-181.
  4. Сорокина И.О. Методические подходы к анализу и оценке кредитного портфеля банка внешними пользователями / И.О. Сорокина // Банковское дело. – 2008. - № 42 (330). – С. 15-25.
  5. Фатьянова А.А. Анализ методов моделирования управления кредитным портфелем / А.А. Фатьянова // Социально-экономическое развитие России: Проблемы, поиски, решения: Научный сборник по итогам научно-исследовательской работы в 2001 г. Саратов: СГСЭУ, 2002. – С. 4-6.
Основные термины (генерируются автоматически): кредитный портфель, кредитный риск, коммерческий банк, ожидаемая доходность, эффективный кредитный портфель, кредитный портфель банка, вероятностный подход, мера риска, розничный кредитный портфель, уровень доходности.

Похожие статьи

Решение экономических проблем предприятия с помощью анализа бизнес-процессов

Формирование финансового результата на примере коммерческих предприятий и его влияние на сотрудников организации

Планирование финансовых потоков торговой фирмы с помощью модели прогнозирования продаж

Применение новых методов анализа затрат как инструмент повышения энергоэффективности энергетической компании

Прогнозирование рисков в транспортных узлах с помощью нейронной сети

Управление рисками в стратегии формирования пассивов коммерческого банка

Исследование процесса формирования общественного мнения с использованием клеточных автоматов

Анализ поведения потребителей в цифровой экономике с позиции теории поколений

Использование теоретико-игровых моделей для моделирования рынка B2B

Исследование динамики цен акций иностранных компаний в сфере технологий и электроники с помощью цепей Маркова

Похожие статьи

Решение экономических проблем предприятия с помощью анализа бизнес-процессов

Формирование финансового результата на примере коммерческих предприятий и его влияние на сотрудников организации

Планирование финансовых потоков торговой фирмы с помощью модели прогнозирования продаж

Применение новых методов анализа затрат как инструмент повышения энергоэффективности энергетической компании

Прогнозирование рисков в транспортных узлах с помощью нейронной сети

Управление рисками в стратегии формирования пассивов коммерческого банка

Исследование процесса формирования общественного мнения с использованием клеточных автоматов

Анализ поведения потребителей в цифровой экономике с позиции теории поколений

Использование теоретико-игровых моделей для моделирования рынка B2B

Исследование динамики цен акций иностранных компаний в сфере технологий и электроники с помощью цепей Маркова