· Модели, оцененные на макроэкономических и агрегированных по банковскому сектору данных.

Обзор результатов эмпирических исследований работ из списка выше названных направлений моделирования кредитного риска позволит с высокой степенью достоверности выбрать переменные, аппроксимирующие качество кредитного портфеля, а также наиболее эффективный подход из ныне существующих к построению собственной модели кредитного риска.

Первый тип моделей кредитного риска устанавливает функциональные связи между вероятностью банкротства по конкретному выданному банком кредиту и индивидуальными характеристиками заемщика и займа, такие как объем кредита, срок, обеспечение, регион и индустрия, к которой принадлежит заемщик. Основной подход к анализу кредитного риска этого направления - построение Logit моделей. Зависимой при этом является бинарная переменная, единичное значение которой соответствует состоянию «дефолт» по кредиту. Подобную методологию применили Glogowski et alGіogowski, A., Zochowski, D. (2004). Modeling the impact of the zloty depreciation on the quality of foreign currency assets of banks. Financial Stability Report 2003, National Bank of Poland., Jamenez et alJimйnez, G., Saurina, J. (2006). Credit cycles, credit risk and prudential regulation. International Journal of Central Banking, 2. и другие. Так, например, Glоgowski et al строят Logit модель влияния девальвации польского злотого на кредиты, выданные в иностранной валюте. Помимо курса злотого по отношению к доллару и евро, в модель включены показатели объема кредитов на руках у заемщика, качества займа (сомнительный, нестандартный), рост ВВП (рост валовой добавочной стоимости в секторе). В исследовании девальвация злотого по отношению к евро оказывает значимое влияние на рост вероятности банкротства, в то время как по отношению к доллару влияние неоднозначно. Это объясняется большей долей займов, номинированных в евро, в совокупных валютных кредитах.

Поскольку нас интересуют модели, применительно к кредитному портфелю в целом, а не к конкретному заемщику, то рассмотрим подробнее эмпирические исследования второго и третьего направлений.

2.1 Модели, основанные на макроэкономических данных и внутренних банковских показателях

Одним из наиболее ранних исследований, связывающих воедино показатели качества кредитного портфеля с одной стороны и микро- макро- показатели с другой является исследование техасских банков ClairClair, R. (1992). Loan growth and loan quality: some preliminary evidence from Texas banks. Federal Reserve Bank of Dallas Economic and Financial Policy Review, Q III.. Автор устанавливает связь между темпами прироста кредитного портфеля и его качеством. Последнее аппроксимируется двумя аналитическими показателями: просроченная задолженность и доля кредитного портфеля, списанная на РВПС. Модель использует МНК оценки с включением лаговых значений прироста кредитного портфеля. По мнению автора, стремительный рост кредитного портфеля, не вызванный ростом спроса на кредиты, вынуждает банк менять требования к процедуре андеррайтинга: снижать требования по залогу, поручительству и кредитному ковенанту. Это ведет к росту просроченной задолженности. Однако в повышательной фазе бизнес цикла рост кредитов и рост качества портфеля могут положительно коррелировать. Помимо темпа прироста кредитного портфеля, в модели установлено статистически значимое влияние объема банковских активов и уровня занятости в качестве прокси переменной ВВП на списанные на РВПС кредиты.

Иной подход в плане метода оценки качества кредитного портфеля и набора объясняющих переменных представлен в работе PainPain, D. (2003). The provisioning experience of the major UK banks: a small panel investigation. Bank of England Working Paper, 177.. Он использует регрессионный анализ панельных данных (ОМНК оценки), охватывающих период с 1978 г. по 2000 г., для построения модели, объясняющей динамику РВПС британских банков. Для повышения качества исследования банки делятся в зависимости от целевой аудитории на коммерческие, кредитующие как физических, так и юридических лиц, и ипотечные, ссужающие денежные средства на приобретение жилья. Различия в формировании РВПС проявляются в наборе независимых переменных. Как и в исследовании Clair, рассматривается влияние прироста выданных ссуд на качество кредитного портфеля, однако сколь либо значимого влияния она не имеет. Так, для коммерческих банков значимыми являются рост ВВП (снижение ВВП на 1% ведет к росту РВПС в среднем на 8%), доля кредитов коммерческим организациям в кредитном портфеле банка (положительная зависимость с лагом в один год), реальная процентная ставка и инфляция (их рост на 1% ведет к росту РВПС на 10% с задержкой в один год и на 4% соответственно). РВПС ипотечных банков аналогично зависит от роста ВВП и реальной процентной ставки, а также от процентной маржи (положительная зависимость с лагом в один год) и отношения операционных расходов к операционным доходам (отрицательная зависимость).

Работы Clair и Pain являются примером наиболее употребимого подхода в практике исследования количественных взаимосвязей показателей качества кредитного портфеля с набором объясняющих переменных. Так, например, аналогичные исследования с небольшими вариациями метода оценок и включаемых переменных проводились авторами QuagliarielloQuagliariello, M. (2004). Banks performance over the business cycle: A panel analysis on Italian intermediaries. Department of Economics, University of York Discussion Paper, 17, 5-12., Jamenez и Saurina, Bikker и MetzemakersBikker, J., Metzemakers, P. (2003). Bank provisioning behaviour and procyclicality. DeNederlandsche Bank Staff Report, 111., Gerlach Peng и ShuGerlach, S., Peng,W.,Shu, C. (2004). Macroeconomic conditions and banking performance in Hong Kong: a panel data study. Hong Kong Monetary Authority Research Paper., GizyckiGizycki. M. (2001). The effect of macroeconomic conditions on banks risk and profitability. Reserve Bank of Australia Research Discussion Paper, 6..

В частности, Quagliariello, исследуя итальянские банки с 1985 г. по 2002 г., анализирует динамику показателей РВПС, просроченная задолженность и рентабельность активов, относящихся к конкретным банкам, чтобы понять их связь с показателями экономического «климата» в целях определения периода реакции банков на экономические изменения и ответить на вопрос: является ли поведение банков процикличным. В его работе проводится четкое деление объясняющих показателей на специфические банковские (отношение операционных расходов к операционным доходам, чистая процентная маржа, темп прироста кредитов, рентабельность активов и другие) и макропоказатели (безработица, спред ставок по кредитам и депозитам, прирост ВВП и другие). На их основе строятся два типа моделей: статическая и динамическая. Принципиальное различие между ними лежит в плоскости включаемых в модель регрессоров. В первой не используются лаговые значения регрессантов, в то время как во второй они включаются. Это позволяет прежде всего получить более точную спецификацию модели с GMM оценками коэффициентов. Автором доказана процикличность поведения банков, которая объясняется сжатием кредитного рынка на понижательной фазе бизнес-цикла.

Неким симбиозом работ Clair и Pain является исследование итальянских банков c 1984 г. по 2002 г. Jamenez и Saurina, в котором проверяются гипотеза, что избыточный рост кредитного портфеля во время роста экономики - источник плохих долгов и причина процикличности политики банковского менеджмента. Используя GMM оценки динамической модели просроченной задолженности, авторы подтверждают свою гипотезу, устанавливая статистически значимую положительную зависимость между показателями просроченной задолженности и приростом кредитного портфеля с лагом в 4 года, что согласуется с результатами, полученными в работе Clair.

Иного подхода к анализу показателей качества кредитного портфеля придерживаются Berger, DeYoung Berger, A., DeYoung, R. (1997). Problem loans and cost efficiency in commercial banks. Journal of Banking & Finance, 21(6). и Williams Williams, J. (2004). Determining management behavior in European banking. Journal of Banking & Finance, 28(10).. В частности, в работе первых двух авторов исследуются причинно-следственная связь между показателями просроченные суды, эффективность затрат и капитал. Применяя тест Грэнджера на причинность, они проверяют следующие четыре гипотезы об источниках роста просроченной задолженности:

· Внешние факторы. События, генерирующие объективную необходимость в проведении дополнительного мониторинга финансового положения заемщика, реализации залога в случае дефолта, поддержании финансовой стабильности банка с целью ограничения влияния роста просроченной задолженности на эффективность затрат. Гипотеза предполагает, что рост просроченной задолженности причина снижения эффективности затрат.

· Плохой менеджмент. Когда кредитные эксперты неспособны отличить добросовестного заемщика от оппортуниста, перестают на должном уровне работать процедуры андеррайтинга и контроля заемщика. В таком случае происходит рост просроченной задолженности с задержкой в некоторый период. Гипотеза в том, что низкая эффективность затрат - причина повышения просроченной задолженности.

· Экономия на андеррайтинге и мониторинге финансового состояния заемщика. Качественный анализ заемщика на начальном этапе снижает вероятность проблем, возникающих во время действия кредитного договора. Это приводит к гипотезе, что экономия на начальном этапе причина роста просроченной задолженности.

· Моральный риск. Высокая степень принятия риска, возникающая при низком уровне капитала, ведет к росту в будущем просроченной задолженности. Гипотеза состоит в том, что низкий уровень капитала причина роста просроченной задолженности.

Авторам удалось подтвердить первую, вторую и четвертую гипотезу, строя линейные регрессии по 57655 наблюдениям за период с 1985 г. по 1994 г. для американских банков указанных выше переменных на показатели риск взвешенных активов и доля капитала в совокупных активах. Третью гипотезу не удалось подтвердить в силу незначимости лаговых значений показателя эффективности затрат в регрессии просроченной задолженности.

Логическим продолжением исследования Berger и DeYoung является работа Williams. Используя тест причинности Грэнджера, он проверяет те же четыре гипотезы, только для европейских банков. Среди них банки Дании, Франции, Германии, Италии, Испании и Великобритании. Для оценки качества кредитного портфеля использует показатель РВПС. Автору удалось подтвердить гипотезу плохого менеджмента (банки с высоким показателем отношения риск взвешенных активов к валюте баланса как прокси переменной качества риск-менеджмента банка вынуждены создавать больше РВПС).

2.2