БАНКИ и ФИНАНСЫ www.buzdalin.ru

www.buzdalin.ru
www.prognoz.4u.ru

Home
Новости сайта

   IR

   БАНКИ

   РИСКИ

   РЫНКИ

   прочее

   КОЛЛЕГИ

 

Автор проекта Алексей Буздалин
А.В. БУЗДАЛИН

   биография
   публикации

 +7 495 9912238 A@Buzdalin.ru


 

 

Раннее выявление проблемных банков

БУЗДАЛИН Алексей Владимирович

Развитие системы коммерческих банков в России все более настоятельно требует вмешательства регулирующих органов и прежде всего - главного для кредитных учреждений - Центрального Банка. При этом раннее предупреждение и выявление слабых звеньев в банковской системе становится все более насущной задачей.

Система контроля и надзора за коммерческими банками подразделяется на ряд относительно самостоятельных этапов, каждый из которых имеет свои отличительные черты. Поэтому выработать единый, “сквозной” для всех этапов показатель (систему показателей) практически невозможно. Между ними немало общего, но есть и специфические отличия, которые требуют адекватного инструментария для каждого этапа оценки деятельности банка.

Условно процесс контроля за банками можно разделить на три стадии - предварительная оценка (пруденциальный надзор), позволяющая сделать вывод о признаках ухудшения финансового положения банка; собственно проверка банковской деятельности (обычная ревизия) с заключением относительно наличия проблем в банке; разработка программы по предотвращению банкротства (санация) или процедура ликвидации с наименьшими социально-экономическими последствиями.

Хотелось бы заметить, что контрольно-ревизионная работа существенным образом отличается от выявления на возможно ранних стадиях потенциальных проблем у банков (задачи пруденциального надзора). Если в первом случае акцент делается на выявлении нарушений (правового характера или порядка бухгалтерского учета и отчетности), то во втором случае - на поисках уязвимых мест в стратегии развития и политике банка, которые могут привести к негативным результатам.

В настоящее время весьма важной становится не только проблема определения рейтинга банков в классическом понимании (т. е. ранжирование их по определенному признаку), но и в поиски той границы, за пределами которой у банка в принципе могут возникнуть проблемы финансового характера. Для банков, приблизившихся к этой границе, может потребовать более углубленный и детальный анализ финансового состояния. Задача сводится, следовательно, к поиску такого набора показателей, который, будучи по возможности минимальным, с наибольшей степенью надежности информировал бы об общем положении кредитной организации.

Практически все методики оценки результатов деятельности банка имеют целью свести многочисленные банковские показатели к единому обобщенному числовому выражению. При всем разнообразии таких показателе они по сути не выходят за рамки определенного стандартного набора. Разница лишь в широте охвата, степени разукрупнения первичных агрегированных показателей на отдельные составляющие и присвоении тех или иных весовых коэффициентов. Методы, как правило, доступны для понимания, но примитивны по методологии. А главное, оставляют немало места для взаимной критики авторов, зачастую неконструктивной.

Вместе с тем в арсенале экономико-математических методов анализа существует прием, который в достаточно полной мере отвечает поставленным задачам. Это - факторный анализ. Суть его заключается в том, что сначала объективным, независящим от воли и умонастроения человека путем определяется набор факторов, которые содержат существенную информацию относительно исследуемого объекта. На втором этапе с помощью этих факторов, которые в принципе могут быть “свернуты” до единого числового показателя, определяется граница, пересечение которой свидетельствует о потенциальных проблемах у банка.

Подчеркнем, что метод факторного анализа особенно эфективен на стадии раннего предупреждения. Он позволяет с высокой степенью вероятности выделить (в каждый данный момент) группу банков, требующую незамедлительного и тщательного анализа финансового состояния с помощью “традиционных” методов, и группу вполне надежных кредитных организаций.

В качестве основного источника данных для применения факторного анализа в данном случае выступает балансовая отчетность банков. Проведенный анализ показывает, что в балансе при умелой обработке содержится достаточная информация. Можно учитывать и ряд других факторов, но балансовая отчетность имеет одно значительное преимущество - она носит официальный характер. Этот аспект придает анализу состояния банков на основе их балансовой отчетности более обоснованный вид по отношению к результатам анализа, опирающегося на такие субъективные данные, как, например, экспертные оценки. Кроме того, все остальные оценки так или иначе являются производными от состояния баланса.

Балансовая отчетность имеет много позиций, поэтому важнейшей задачей является преобразование данных в более компактный вид. Предпочтительно, чтобы такое “сжатие” происходило с минимальной потерей информативности данных. “Классический” метод сжатия балансовой отчетности заключается в суммировании счетов и переходе к более агрегированным показателям. Разумеется, такой способ не позволяет сохранить исходный объем информативности данных. Однако до некоторого предела подобная процедура вполне оправдана. Дело в том, что чем более подробные балансовые данные мы имеем, тем больше в них искажений и неточностей; и наоборот - чем с более агрегированными показателями мы работаем, тем больше оснований верить в их достоверность.

С нашей точки зрения для оценки состояния коммерческого банка вполне допустимо ограничиться балансовыми данными, регламентированными инструкцией №17. Они достаточно агрегированы, чтобы не сомневаться в их точности и при этом содержат необходимый объем информации для оценки надежности банков.

Баланс банка, состоящий по инструкции №17 из 35 статей, требует для эффективного анализа определенного упрощения. Эта задача решается процедурой факторного анализа, которая нацелена на нахождение такого минимального набора новых показателей, которые были бы взаимно независимыми и вместе с тем содержали всю существенную информацию. Переменные называются независимыми, если изменение одних из них не приводит к изменению других. Новые переменные, полученные на основе факторного анализа, называются факторами и являются своего рода аналогами обязательных экономических нормативов по инструкции №1.

Отметим принципиальное отличие получаемых факторов от большинства используемых на практике показателей, характеризующих состояние банков. Построение последних происходит обычно в соответствии с некоторыми априорными соображениями, в результате чего их экономическая интерпретация известна до проведения соответствующих вычислений. Формирование факторов, напротив, производится неявным образом. Единственным принципом, определяющим выбор факторов, является их независимость и то, что они содержат существенную информацию о балансе. Экономическая интерпретация факторов изначально не известна, она выявляется только после завершения вычислительной процедуры на основе изучения зависимостей факторов от статей баланса. В неявном задании факторов есть свои плюсы и свои минусы. Классические показатели состояния банка имеют априорную заданность и предварительную экономическую интерпретацию ( исходя из представлений аналитика относительно того, что для банка хорошо, а что плохо). Но при этом довольно затруднительно определить, насколько точно в действительности эти показатели описывают состояние банка.

Факторы же однозначно фиксируют состояние банка, поскольку они определяются объективным путем, что имеет первостепенное значение при решении поставленной задачи. Отметим, что в зависимости от конкретной ситуации состав факторов может меняться. Таким образом, целью факторного анализа является сжатие балансовой отчетности до минимального числа независимых факторов, которые наиболее точно соответствуют балансу, и исследование которых позволяет получить ответ на вопрос о состоянии банка.

Прежде чем перейти к методике применения факторного анализа отметим, что на этапе экспериментальных расчетов алгоритм этого метода был опробован на балансовой отчетности банков Москвы 1996-1997 гг. Предварительной верификации подверглись 80 банков, которые по цифровым показателям, полученным на основе факторного анализа, относились к наиболее неблагонадежным. Предположения были подтверждены фактом наличия признаков проблемности у банков вплоть до отзыва лицензии.

 

2. Статистическая база. Первичная обработка данных

В качестве исходных данных при проведении факторного анализа были взяты балансы коммерческих банков Москвы, предоставляемые ими ГУ ЦБ РФ по г. Москве в соответствии с инструкцией №17 за каждый месяц с июня 1996 г. по апрель 1997 г. Объем подобных выборок включал около семисот банков, что вполне достаточно для получения надежных статистических выводов.

Как показали исследования, количественные параметры статей баланса имеют статистическое распределение близкое к логарифмически нормальному. Иными словами, если из имеющихся выборок убрать нулевые значения, а оставшиеся прологарифмировать, то полученные таким образом новые выборки оказываются распределенными по нормальному закону, что уже само по себе свидетельствует о естественности данной процедуры. Разумеется, стоит провести простейшее цензурирование выборки, а именно исключить из рассмотрения те банки, чьи балансы по значениям основных статей резко выделяются из общей массы.

Исходные статистические данные имели рублевую размерность, которая утрачивается после процедуры логарифмирования. Чтобы избежать трудностей при манипулировании и интерпретации вновь полученных величин, необходимо провести их статистическую стандартизацию. С этой целью из имеющихся данных вычитают их средние значения и полученные величины делят на среднеквадратические отклонения. В итоге все первоначальные величины приводятся к безразмерным. Необходимость данной процедуры обусловлена еще несколькими причинами. Надо помнить, что различные статьи активов имеют различную ликвидность, следовательно, и различную размерность. Приведение различных статей активов к одинаковой размерности связано с оценкой рискованности вложений, данная задача более чем нетривиальна, и намного проще осуществить переход к безразмерным величинам. При этом, данные имеют динамический характер, а значит при их анализе необходимо учитывать элемент инфляции. Процедура стандартизации данных позволяет проделать это без особого труда, не используя никаких дефляторов. Стандартизированные данные безразмерны, а следовательно, инфляция не влияет на их изменение.

Таким образом, статистические данные после цензурирования, логарифмирования, стандартизации отвечают нормальному закону распределения с нулевым средним и единичной дисперсией, причем они будут безразмерными. Нормально распределенные величины обладают одним важным свойством: их корреляции однозначно задают их внутренние взаимосвязи. Следовательно, изучение их зависимостей сводится к изучению корреляций. Как было отмечено выше, целью факторного анализа является выявление независимых переменных, задающих общую совокупность данных, что основывается на исследовании корреляций. Таким образом, применение всех вышеописанных методов первичной обработки данных вполне оправдано.

 

3. Описание модели

Хотя баланс коммерческого банка в соответствии с инструкцией №17 содержит 35 статей, вполне ограничиться рассмотрением меньшего их числа, так как некоторые статьи или явным образом выражаются через другие или не несут никакой особой информации, принимая обычно нулевые значения. Реально содержат важную информацию следующие 18 статей:

  1. Денежные средства, счета в Центральном банке.
  2. Средства в банках и кредитных учреждениях.
  3. Государственные долговые обязательства.
  4. Ценные бумаги для перепродажи.
  5. Резерв на возможные потери по ссудам.
  6. Чистые кредиты и лизинг клиентам.
  7. Основные средства и нематериальные активы за вычетом износа.
  8. Долгосрочные вложения в ценные бумаги.
  9. Всего активов.
  10. Средства Центрального банка.
  11. Средства банков и кредитных учреждений.
  12. Средства клиентов.
  13. Выпущенные банком долговые обязательства.
  14. Всего обязательств.
  15. Уставный капитал - простые акции (паи).
  16. Прибыль (убыток) отчетного периода.
  17. Распределено прибыли в отчетном периоде.
  18. Чистая нераспределенная прибыль.

Числовые значения этих 18 статей баланса и будут основными величинами для исследования состояния банка на основе факторного анализа.

Модель факторного анализа в нашем случае достаточно проста. Пусть переменные, полученные логарифмированием и стандартизацией вышеописанных статей баланса. Будем называть эти переменные базовыми. Под факторами понимаются такие новые независимые параметры (общие, первичные или латентные факторы), что

, , (1)

где специфичный фактор ой переменной, не объясняемый изменением общих факторов. Коэффициенты называются факторными нагрузками, вычисление которых связано с нахождением собственных векторов корреляционной матрицы базовых переменных. Оценка числа факторов, которые необходимо учитывать при объяснении базовых переменных, является сама по себе интересной задачей (см. [1]). В таблице 1 приведены значения суммарной дисперсии, описываемой различным числом первых факторов, в процентах от общей дисперсии, характеризующей общий объем информативности данных.

Как видно из таблицы 1, трех факторов достаточно для описания 71% всей исходной информации. Причем первый фактор описывает около 59% информации, второй- около 7%, третий - около 5%. Практика применения методов факторного анализа свидетельствует, что при данной корреляционной матрице не целесообразно использовать для описания базовых переменных более трех факторов.

Естественным образом возникает вопрос об адекватности предлагаемой статистической модели (1). Модель утверждает, что, вычислив для каждого банка значения трех факторов, можно в дальнейшем при изучении балансовой отчетности ограничиться исследованием только этих величин. Данный тезис можно наглядно проиллюстрировать следующим образом.

 

Таблица 1.

График 1

.

Для каждой базовой переменной построим следующие графики: по оси абсцисс будем откладывать номера банков в общей выборке, а по оси ординат значения соответствующей базовой переменной и величину, полученную при пересчете базовой переменной через значения факторов. Получим восемнадцать пар таких графиков. При этом графики для каждой пары будут фактически совпадать, тем самым подтверждая тезис об адекватности модели. На графике 1 в качестве примера представлена пара таких графиков для базовой переменной “всего активов”.

 

В заключении описания модели факторного анализа стоит сделать одно замечание. Значения факторов однозначно фиксируют состояние банка и являются его индивидуальными характеристиками, но для их вычисления не достаточно знать только один баланс соответствующего банка. Значения факторов для каждого банка в отдельности являются функциями от балансов всего банковского сообщества. И этот аспект является дополнительной отличительной особенностью факторов по отношению к “классическим” характеристикам состояния банка.

 

4. Анализ результатов и верификация модели

Как было отмечено выше, интерпретация факторов происходит на заключительном этапе анализа, непосредственно после их вычисления. Оказывается, что выделенным факторам можно дать достаточно четкое объяснение. Первый из них характеризует величину банка, поскольку фактор наиболее сильно зависит от таких балансовых статей, как “всего активов”, “всего обязательств”, “уставный фонд”, “капитал”.

Второй фактор характеризует объем и использование банком прибыли, так как на его изменения больше всего влияют следующие статьи баланса: “прибыль (убыток) отчетного периода”, “распределено прибыли в отчетном периоде” и “чистая нераспределенная прибыль”. И, наконец, третий фактор характеризует работу банка с государственными долговыми обязательствами.

Таким образом, общее состояние баланса коммерческого банка с хорошей точностью задается тремя факторами, тремя числами. Следовательно, каждому банку можно поставить в соответствие точку в трехмерном пространстве, координатами которой явятся соответствующие факторы. Это позволяет вплотную подойти к анализу состояния банков.

Проведенные расчеты показывают, что совокупность банков неоднородна, а расслаивается на группы (кластеры), причем существенно, что такая разбивка получается на основе объективных законов статистики. Это означает, что существуют обособленные группы банков, живущие по своим внутренним законам.

Еще более интересное замечание можно сделать, если в каждой из групп выделить те банки, чьи лицензии были отозваны впоследствии. Так, можно заметить, что существуют кластеры, где такие банки полностью отсутствуют или наоборот, фактически целиком из них состоят. Кроме того, в некоторых кластерах существуют своего рода подгруппы, состоящие из разорившихся банков. Это означает, что значения трех факторов действительно определяют состояние банка и их анализ позволяет оценить его надежность.

Данное замечание верифицирует и саму модель оценки надежности банков на основе факторного анализа. Другой пункт верификации модели заключается в составлении рейтинга банков на основе факторного анализа и сопоставление его с рейтингом, определенным письмом ЦБ РФ №457 от 28.05.97 г. Такие рейтинги совпадают примерно на 80%, что говорит о их взаимной в основном непротиворечивости, а следовательно согласованности результатов факторного анализа с реальным положением дел в коммерческих банках.

В основу исследования надежности банков по самым “свежим” балансовым данным предлагается положить следующую гипотезу: если банк имеет структуру баланса, аналогичную структуре баланса некоторого уже разорившегося банка, то он находится в неблагоприятном состоянии. Причем сравнение структур баланса производится, конечно, после удаления из данных фактора инфляции, что, как отмечалось выше, очень просто позволяет реализовать предлагаемая модель. Принятие данной гипотезы делает схему оценки надежности банков “самонастраивающейся”, то есть не требующей до начала анализа численно определять “что такое “хорошо” и что такое “плохо”. Сам подход осуществляет это в процессе анализа автоматически.

Формализация описанной гипотезы заключается в принципе технологии сравнения значений факторов существующих со значениями факторов разорившихся банков. Однако здесь имеется одно затруднение методического характера, состоящее в том, что бессмысленно сравнивать непосредственно факторы разорившихся банков, рассчитанных по их старым балансам, с факторами существующих банков, так как формулы расчета факторов могут меняться во времени из-за отсутствия однозначной определенности в их задании.

Данное затруднение может быть преодолено следующим образом. Предлагается прологарифмированные и стандартизированные, а значит “очищенные” от инфляции старые балансовые данные разорившихся банков добавить в стандартизированные выборки банков, действующих на настоящий момент, и по объединенным выборкам выделить факторы для разорившихся и существующих банков. Полученные таким образом факторы будут сопоставимы, поскольку все они рассчитываются по одним и тем же формулам.

Анализ состояния банков будет, следовательно, заключаться в сопоставлении значений факторов, рассчитанных для существующих банков, со значениями факторов, рассчитанных для разорившихся банков. Как было отмечено выше, банковское сообщество неоднородно, и прдлагаемые процедуры объективно выделяют кластеры банков, существующие по своим внутренним законам. Поэтому и анализ надежности банков необходимо проводить в отдельности для каждого кластера.

В зависимости от качественного состава того или иного кластера может быть предложено несколько подходов к количественному оцениванию надежности банков.

Если в кластере “плохие” банки (интерпретируемые как точки в 3 мерном пространстве) отсутствуют, то это означает, что в таком случае все банки находятся в достаточно надежном положении и не имеет смысла упорядочивать из по степени надежности, так как в этом кластере банки не разоряются. Другая крайность реализуется тогда, когда в исследуемом кластере большинство точек “плохие”. Тогда кластер является целиком ненадежным, т. е. все банки, образующие данный кластер, находятся на грани разорения. Следовательно, как и в предыдущем случае, нет особого смысла ранжировать их по степени надежности.

Наиболее интересной задача становится в том случае, когда четко не видно, состоит ли весь кластер только из “плохих” банков или только из “хороших”. В этом случае возможно два варианта. Если определенно можно сказать, что в кластере существуют область концентрации “плохих” точек, то числовой характеристикой надежности банка будет являться расстояние от соответствующей ему точки до области концентрации “плохих” точек. Чем меньше это расстояние, тем более банк ненадежен.

Но бывает и другой случай расположения “плохих” точек в кластере, когда они присутствуют во всех его частях с различной плотностью. В этом случае числовую характеристику ненадежности банка можно построить следующим способом. Вокруг точки банка, чья надежность оценивается, рассматривается шар небольшого радиуса (например ) и вычисляется внутри него число “хороших” и “плохих” точек, пусть их и соответственно. Характеристикой надежности будет отношение . Чем ближе оно к нулю, тем менее надежен банк, и наоборот, чем ближе к единице, тем банк надежнее.

Применение методики факторного анализа на балансовой отчетности кредитных организаций позволяет лучше понять структуру банковского сообщества и получить важные практические результаты, наиболее значимый из которых на настоящий момент заключается в выходе на уровень составления в режиме реального времени рейтингов банков. Причем, получаемые рейтинги, как показывает простейшая верификация, достаточно хорошо отражают реальность.

Литература

  1. Афифи А., Эйзен С. Статистический анализ. Подход с использованием ЭВМ.- М.: Мир, 1982.
  2. Иберла К. Факторный анализ. - М.: Статистика, 1980.
  3. Справочник по прикладной статистике. В 2-х т., под ред. Э. Ллойда, У. Ледермана, Ю.Н. Тюрина - М.: Финансы и статистика, 1989, 1990.