Диссертация - Высшая школа экономики
advertisement
Государственный университет - Высшая школа экономики На правах рукописи КОШЕЛЮК ЮРИЙ МИРОСЛАВОВИЧ ФОРМИРОВАНИЕ РЕЙТИНГОВ ДЛЯ РОССИЙСКИХ БАНКОВ Специальность: 08.00.10 – Финансы денежное обращение и кредит ДИССЕРТАЦИЯ на соискание степени кандидата экономических наук Научный руководитель: кандидат экономических наук, Солодков В.М. Москва – 2008 2 ОГЛАВЛЕНИЕ ВВЕДЕНИЕ................................................................................................................ 3 ГЛАВА 1. Современные подходы к оценке устойчивости кредитных организаций ............................................................................................................. 11 1.1. Банковская система России в период 2004-2006 гг. Отечественная практика оценки устойчивости банков .................................................................................. 11 1.2. Международная практика присвоения рейтингов ......................................... 26 1.3. Эмпирические исследования по оценке надежности банков ....................... 40 1.4. Основные показатели для анализа финансовой устойчивости российских банков ...................................................................................................................... 49 1.5. База эмпирических данных для исследования ............................................... 61 Результаты первой главы .................................................................................... 64 ГЛАВА 2. Модели для формирования рейтингов российских банков ....... 65 2.1. Выявление характерных специализаций российских банков ....................... 65 2.2. Определение набора независимых показателей для построения моделей . 75 2.3. Построение математических моделей формирования рейтингов ................ 86 2.3.1. Модели, не учитывающие специализацию кредитной организации ........ 92 2.3.2. Модели, учитывающие специализацию кредитной организации ........... 100 2.4. Оценка устойчивости и качества моделей ................................................... 107 2.4.1. Проверка результатов на данных out-of-sample ........................................ 107 2.4.2. Проверка моделей на данных по кредитным организациям, у которых лицензии были отозваны ....................................................................................... 108 Результаты второй главы................................................................................... 111 ГЛАВА 3. Формирование рейтингов российских банков ............................ 112 3.1. Анализ динамики распределения банков по специализации ..................... 112 3.2. Оценка качества российских банков ............................................................. 114 3.3. Оценка согласованности результатов ........................................................... 119 3.4. Рейтинги банков по состоянию на начало 2008 года .................................. 123 Результаты третьей главы ................................................................................. 129 ЗАКЛЮЧЕНИЕ .................................................................................................... 130 БИБЛИОГРАФИЧЕСКИЙ СПИСОК ............................................................. 142 Приложение 1. Расчет коэффициентов и формирование агрегированного баланса ..................................................................................................................... 152 Приложение 2. Определение специализации с помощью Самоорганизующихся Карт Кохонена ................................................................. 164 Приложение 3. Состав исследуемой группы банков, получивших рейтинг международных агентств ...................................................................................... 166 Приложение 4. Корреляция показателей ............................................................ 169 Приложение 5. Качественный состав исследуемой выборки в динамике ...... 181 Приложение 6. Рейтинг-лист кредитных организаций (Результат применения модели, учитывающей специализацию банка) ................................................... 183 Приложение 7. Исследуемая группа банков, лицензии у которых были отозваны Банком России ....................................................................................... 194 3 ВВЕДЕНИЕ Актуальность темы исследования. Сдерживающим фактором развития банковского бизнеса в целом и рынка межбанковского кредитования в частности является дефицит информации о качестве финансового состояния потенциальных контрагентов. На текущий момент в российской банковской системе международные рейтинги присвоены не более чем восьми процентам банков. Позволить себе услуги рейтинговых агентств (РА) могут лишь крупные, ориентированные на международные рынки капитала российские банки, остальным же для получения рейтинга нужно проводить кардинальную модернизацию деятельности, выстраивать управление организации с ориентацией на учет рисков, что связано с существенными, часто непосильными финансовыми затратами. Из-за высокой скорости изменения ситуации на финансовых рынках, а также инертности «объективных» оценок со стороны РА1, банкам необходимо создавать собственные методики дистанционного контрагентов для качественной и мониторинга банков- своевременной оценки их кредитоспособности.2 Банк России также требует3, чтобы все кредитные организации ежемесячно, пользуясь собственными методиками, проводили мониторинг кредитоспособности своих контрагентов. У большинства российских банков есть собственные методики оценки банков-контрагентов, состоящие преимущественно из двух составляющих – количественной и качественной оценок. Количественная оценка основывается на анализе финансовых показателей. Распространенным подходом к их оценке является выбор шкал и соответствующих градациям шкалы баллов, а итоговая оценка определяется как взвешенная сумма набранных баллов. Недостатком такого рода систем является тот факт, что градации шкалы, баллы и веса Международные РА пересматривают рейтинги в среднем один раз в год, алгоритм агрегирования информации в интегральный показатель надежности (рейтинг) является ноу-хау агентств и тщательно охраняется. 2 Полученная система оценок (рейтингов) служит основой для мотивированных суждений о деятельности кредитных организаций-контрагентов и позволяет устанавливать разграничения на объем и срочность проводимых операций. 3 В первую очередь для целей формирования надлежащих резервов по ссудам, ссудной и приравненной к ней задолженности (Положение Банка России №254-П от 26.03.2004г.) 1 4 выбираются экспертно, что не способствует получению объективной оценки. Вторым компонентом методик является качественная оценка, которая основывается на анализе таких параметров как: структура собственности, качество управления рисками, территориальная принадлежность, кредитная история, деловая репутация и т.д. Подобного рода методика используется и на уровне Центрального банка РФ для анализа деятельности кредитных организаций, подавших заявку на вхождение в ССВ [5]. Универсального алгоритма, который позволял бы объективно ранжировать банки в различных экономических условиях, не существует. Упорядочивание организаций на основе двух ведущих финансовых показателей (с отображением их значений на плоскости) – наиболее простой и легко интерпретируемый способ ранжирования организаций. Однако полноценный анализ финансового состояния кредитных организаций должен осуществляться при помощи большого набора показателей, а ранжирование организаций при большом количестве анализируемых показателей – задача непростая, не имеющая однозначного решения. Существенные коррективы в деятельность большинства банков внесет и планируемый переход на принципы Базеля-2 [46,100], который повлечет за собой изменения в порядке расчета кредитного риска4, уровня достаточности капитала банков и потребует создания комплексных систем управления и оценки рисков. Как и в соглашении 1988 года в Новом Базельском соглашении, активы банка взвешиваются по степени риска, что влияет на определение достаточности капитала кредитной организации. Весовые коэффициенты риска активов основываются главным образом на внешних кредитных рейтингах. Такие значимые рейтинги должны соответствовать следующим основным критериям: объективность, независимость, прозрачность, достоверность. Internal Rating Based – подход предполагает оценку уровня принимаемых рисков на основании системы внутренних рейтингов. 4 5 В методиках международных РА5 оценка организации сводится к одному интегральному показателю надежности, а анализ включает значительный набор как финансовой, так и нефинансовой информации. Субъективные оценки экспертов агентства и опросы сотрудников (что никак не отражается в отчетности организаций) составляют, по данным РА, значительную долю в комплексной оценке рейтинга. В этой связи возникает ключевой вопрос: в какой степени рейтинг банка, присваиваемый международными РА, зависит от его финансовых показателей, и допускает ли данная зависимость возможность формирования собственной системы рейтингов? Предлагаемая методика позволяет совершенствовать систему рискменеджмента в российских банках, но не призвана определить все нюансы финансового положения оцениваемых кредитных организаций. Предлагаемый нами инструмент, опираясь показатели, может служить основой для именно на финансовые дистанционной оценки функционирования банков и ранжирования их по уровню надежности. Таким образом, инструмент позволяет получить «экспресс-рейтинг», для полновесной же оценки (в целях практического применения) необходимо корректировать полученный рейтинг с учетом всей доступной информации, в том числе и нефинансового характера: состав акционеров, масштабы региональной диверсификации бизнеса банка, сведения об основных клиентах, о видах предоставляемых услуг, о качестве корпоративного управления и о наличии «независимой» службы внутреннего контроля, о репутации банка на рынке, об участии в судебных разбирательствах и т.д. Цель исследования. Разработать собственную методику формирования долгосрочных аналитических рейтингов6 для ранжирования российских кредитных организаций путем оценки их функционирования на основе набора финансовых показателей. См. методики присвоения рейтинга, находящиеся в свободном доступе на сайтах рейтинговых агентств Standard&Poor’s, Moody’s Investors Service, Fitch Ratings. 6 Аналитическим называется рейтинг, в котором упорядочение объектов определяется математической моделью. 5 6 Для реализации цели исследования ставятся и решаются следующие основные задачи: провести обзор развития методов оценки функционирования кредитных организаций и подходов к определению их надежности; систематизировать существующие подходы к оценке надежности банков; разработать собственный подход к определению долгосрочного рейтинга надежности российских кредитных организаций: o проанализировать зависимость рейтингов международных РА от финансовых показателей; o выявить специализации, характерные для российских банков; o выявить набор независимых финансовых показателей для построения интегрального показателя надежности банков; o провести настройку моделей на основе рейтингов международных РА на выбранном наборе финансовых показателей и верификацию моделей на данных за пределами выборки (out-of-sample) и данных по банкам, лицензии у которых отозваны Банком России; изучить качественный состав анализируемой выборки банков в период с 2004 по 2008 гг; выработать рекомендации по повышению эффективности управления кредитными рисками на межбанковском рынке. Объект исследования: банки – резиденты Российской Федерации. Предмет исследования: подходы к формированию рейтингов кредитных организаций и эконометрические методы оценки функционирования банков. Теоретическую базу исследования составляют труды ведущих ученыхэкономистов (Э.Альтман, Г.Байстром, А.Бергер, Т.Бэк, А.Демиргук-Кунт, К.Зоупонидис, А.Рести, М.Хатчинсон, А.Эстрелла и др.), специалистов в области изучения функционирования и банкротств кредитных организаций, а также работы по моделированию и формированию рейтинговых оценок, представленные в ведущих научных журналах по экономике и финансам: «Journal of Banking & Finance», «International Economic Review», «Decision 7 Sciences Journal», «Journal of Money, Credit and Banking», «European Journal of Operational Research», «Journal of International Money and Finance». Использовались также ресурсы сети Интернет, в частности, Интернет-страницы рейтинговых агентств и представительства Банка России в Интернете. Вопрос ранжирования российских банков и формирования эффективного подхода к оценке риска на межбанковском рынке исследовался в работах А.Буздалина, С.Голованя, В.Иванова, А.Карминского, А.Пересецкого, А.Петрова, Б.Сазыкина, И.Фаррахова, и др. При работе над диссертацией учитывались также исследования (П.Алам, Д.Бус, С.Головань, В.Иванов, А.Мавлютов и др.), посвященные кластерному анализу применительно к банковскому сектору. Особый интерес вызывают работы Т.Кохонена, в которых разработан метод самоорганизующихся карт – относительно новый подход к кластеризации данных. Несмотря на раскрытие в указанных трудах целого ряда ключевых теоретических и методологических вопросов оценки функционирования банков, сохраняется необходимость в дальнейшей проработке аспектов, связанных с разделением российских банков по уровню кредитного риска (надежности), с учетом особенностей национальной банковской системы. Актуальность задачи ранжирования кредитных организаций по уровню надежности, а также большая заинтересованность банков в разработке эффективного инструмента дистанционного анализа контрагентов определили выбор темы нашего исследования. Научные методы исследования – анализ и синтез, абстрагирование, сравнение, восхождение от абстрактного к конкретному, системный анализ, экономико-математическое моделирование. В практической части работы применены также современные эконометрические методы анализа данных, кластерного анализа и компьютерного моделирования. Информационной базой исследования являются регулярно публикуемые на сайте Банка России формы отчетности российских банков (Форма 101 «Оборотная ведомость по счетам бухгалтерского учета», Форма 102 «Отчет о 8 прибылях и убытках»). Информационная база включает в себя данные по 401 российскому банку в период с января 2004 года по январь 2008 года. Для автоматизации процесса анализа нами был разработан ряд программных модулей, реализованных в среде MS Excel. Для статистической обработки данных использовался использованием пакет программного SPSS. пакета Кластеризация Viscovery произведена SOMine7, в с котором реализована методология самоорганизующихся карт Кохонена (Self Organizing Maps (SOM)). Научная новизна исследования: теоретически и практически разработаны собственные авторские модели формирования (на основе общедоступных данных финансовой отчетности) рейтингов для российских банков, не представленных в рейтинг-листах международных РА. Теоретически и эмпирически обоснована важность включения специализации в процесс анализа кредитных организаций, в целях повышения эффективности процесса дистанционной оценки функционирования банков. Наиболее существенные научные результаты, полученные автором, и определившие научную новизну заключаются в следующем: разработана и протестирована авторская методика формирования долгосрочных рейтингов финансовой устойчивости российских банков на основе набора только финансовых показателей (без учета экспертного мнения); решена задача моделирования рейтингов трех ведущих международных РА на основе данных российской бухгалтерской отчетности8, что позволяет повысить эффективность дистанционного анализа финансового состояния кредитных организаций и получить актуальную оценку их надежности; моделируемые рейтинги демонстрируют высокий уровень сопоставимости с рейтингами ведущих международных РА (Standard&Poor’s, Moody’s Investors Service, Fitch Ratings); 7 www.eudaptics.com Форма 101 «Оборотная ведомость по счетам бухгалтерского учета», Форма 102 «Отчет о прибылях и убытках» 8 9 выявлена высокая значимая зависимость рейтингов, присвоенных международными РА, от финансовых показателей функционирования и размера кредитных организаций; эмпирически обоснована целесообразность включения в анализ данных о специализации банка, как важной дополнительной информации, позволяющей применить индивидуальный подход для оценки надежности банков, а также представляющей самостоятельный интерес для изучения; определены возможности и условия применения полученных результатов для прогнозирования рейтингов российских банков. Область исследования соответствует пункту 3.6. «Проблемы управления финансовыми рисками» раздела 3 «Финансы предприятий и организаций»; пункту 9.17. «Совершенствование системы управления рисками российских банков», пункту 9.18. «Проблемы оценки и обеспечения надежности банка» раздела 9 «Кредит и банковская деятельность» специальности 08.00.10 «Финансы денежное обращение и кредит» паспорта номенклатуры специальностей ВАК Минобрнауки России. Теоретическая методологических значимость подходов работы построения состоит (на основе в обосновании общедоступной информации, а также информации о рейтингах, присвоенных международными РА) собственной системы долгосрочных рейтингов российских банков. Практическое значение диссертации: результаты применения разработанных нами моделей для оценки функционирования банков, не имеющих рейтинга, позволили ранжировать по уровню надежности 339 российских кредитных организаций, а также исследовать качественный состав этой выборки в динамике; разработанный поддержки инструмент принятия решений) (являясь позволяет важным элементом системы усовершенствовать систему управления рисками при проведении всего спектра межбанковских операций и выделять целевые группы для непосредственного сравнения (peer groups); 10 разработанные методические положения изложены в виде конкретных формул и рекомендаций, что делает возможным использование результатов исследования всеми заинтересованными специалистами; результаты исследования рассчитаны на практическое использование: банками – как элемент для построения методики анализа банков-контрагентов, и органами надзора – для своевременного мониторинга банковской системы. Теоретические и практические результаты работы автор выносит на защиту. Апробация результатов. Основные положения диссертации обсуждались на научном общемосковском семинаре «Экспертные оценки и анализ данных» (ИПУ РАН), 8-й международной научной конференции «Модернизация экономики и общественное развитие» (ГУ-ВШЭ), 2-й международной конференции «Математическое моделирования социальной и экономической динамики» (МГСУ). Результаты исследования широко обсуждались со специалистами департаментов анализа рисков ряда российских банков. Некоторые практические решения и подходы были применены в деятельности отделов контроля и регулирования рисков в коммерческих банках. По результатам исследования автором опубликованы 4 научные работы общим объемом 2,2 печатных листа. Структура диссертации. Диссертационное исследование изложено на 204 страницах текста, состоит из введения, трёх глав, заключения, библиографии из 105 наименований, семи приложений. Диссертация содержит 62 таблицы и 13 рисунков. 11 ГЛАВА 1. Современные подходы к оценке устойчивости кредитных организаций 1.1. Банковская система России в период 2004-2006 гг. Отечественная практика оценки устойчивости банков Большинство исследований подтверждают тот факт, что банковская система России все еще далека от выполнения той роли, которую она должна играть в области преобразования сбережений в инвестиции. По уровню развитости национальной банковской системы, который оценивается по значению отношения ее совокупных активов к национальному ВВП, российский банковский сектор находится лишь на третьем месте среди стран СНГ9. Банки все еще неохотно работают друг с другом, межбанковский рынок по-прежнему мал и сегментирован. С целью реформирования банковского сектора Банк России проводит меры по совершенствованию банковского надзора, способствующие не только улучшению надзорных функций, но и укреплению правового пространства, заставляя банки «вести игру по правилам». Об успешности проводимой реформы банковского сектора косвенно свидетельствует и увеличение доли иностранных банков, которая на конец 2006 года составляла 15,9%10 и продолжает расти. Как отмечают аналитики, приход крупнейших западных финансовых институтов способствует усилению конкуренции, а значит, повышению качества и доступности банковских продуктов. К тому же иностранные банки обладают доступом к источнику дешевых долгосрочных ресурсов, что дает им существенные преимущества по сравнению с российскими банками. В условиях, когда менее одного процента российских банков имеют международные рейтинги инвестиционного уровня, зарубежные заимствования остаются прерогативой банков с иностранным участием. 9 Казахстан (101,7%), Украина (63,5%), Россия (52,8%) По данным ЦБ РФ 10 12 В последние годы одним из источников развития банковской системы стала фокусировка на наиболее быстро растущих и наиболее рисковых сегментах кредитования: реального сектора экономики и физических лиц. Некоторые банки активно занимались поиском рыночной ниши и старались выдавать как можно больше кредитов. В такой ситуации часто возникает риск накопления в портфеле «плохих ссуд» и, следовательно, для сохранения прежнего уровня устойчивости, необходим адекватный рост собственного капитала банков. Российские банки имеют ограниченные возможности увеличения капитала за счет притока средств миноритарных акционеров, что связано как со слабостью фондового рынка, так и с нежеланием основных собственников банков привлекать мелких инвесторов, делиться полномочиями и т.д. Это, в свою очередь, приводит к замедлению роста капитала банков и тем самым оказывает влияние не только на устойчивость банковской системы к возможным экономическим «шокам», но и ограничивает дальнейший рост банковских активов. Одной из основных причин слабого развития банковской системы России является недостаток доверия: доверия населения к банкам, доверия банков к заемщикам, иностранных партнеров к российским банкам, банков друг к другу [22]. В качестве основных причин такого недоверия отмечают слабую информационную прозрачность, низкое качество корпоративного управления и низкий уровень капитализации большинства банков. Нет также уверенности в том, насколько успешно частные российские банки могут конкурировать с банками с государственным участием и, в первую очередь, со Сбербанком России, преимуществами которого являются его размеры и охват клиентов (филиальная сеть по количеству отделений эквивалентна числу российских банков). Сбербанк России имеет почти неограниченную монополию на выплату пенсий и других социальных выплат. Российская банковская система характеризуется значительным разрывом между размерами крупнейших и мелких коммерческих банков: на одном полюсе банки с активами в несколько триллионов рублей, на другом – менее 13 одного миллиарда. Динамизм макроэкономической обстановки, молодость банковской системы, а также либеральные правила открытия новых банков послужили факторами, усилившими естественную неравномерность развития банков. В условиях быстрого роста активов банковской системы небольшим банкам все труднее конкурировать с лидерами банковского сектора и удерживать своих клиентов. В различных теоретических исследованиях и страновых сравнениях [36,37,22,48,79] утверждается, что склонность банковской системы к кризисам определяется уровнем её концентрации. Во-первых, в концентрированных системах банки пользуются экономией от масштаба, что приводит к росту их прибыли. Во-вторых, проводить мониторинг меньшего числа банков существенно проще, а значит, надзор будет эффективнее. Таким образом, можно предположить, что у российской банковской системы «склонность к кризисам» весьма высока. С другой стороны, не стоит забывать, что на долю банков с государственным участием приходится до 40% активов всей банковской системы. Существует распространенное мнение, что за каждым банкротством банка стоит провал в области банковского надзора. Несомненно, в некоторых случаях банкротств российских банков может быть отнесено на счет ошибок в области надзора, но это не единственная причина банкротства, так как первопричиной является все же какой-либо недостаток в работе банка, который и ускользнул от внимания контролирующих органов. Более того, если бы надзор был настолько жестким, что устранил бы любые шансы банкротства банков, то банковское дело было бы весьма подавленным и лишенным конкуренции видом предпринимательской деятельности и не выполняло бы своей основной функции – обеспечения эффективного финансового посредничества для остальных секторов экономики. 14 Одним из этапов проводимой Банком России реформы банковской системы стало введение системы страхования вкладов (ССВ)11, которая предполагает, что ни одно кредитно-финансовое учреждение не может принимать вклады физических лиц, не будучи членом ССВ. Для обеспечения функционирования системы и выплат вкладчикам было создано Агентство по страхованию вкладов, которое также выполняет функции корпоративного конкурсного управляющего несостоятельных банков12. Поскольку специфика банковской деятельности такова, что после отзыва лицензии в банке начинаются необратимые процессы, а результаты любого неоправданного промедления всегда не в пользу его кредиторов и вкладчиков, то, как свидетельствует мировой опыт, создание независимой, экономически незаинтересованной в извлечении прибыли организации позволяет достичь наибольшей эффективности функционирования ССВ. Для решения поставленных целей агентство на регулярной основе оценивает финансовое положение и правовую основу деятельности банков – членов системы страхования вкладов. По состоянию на начало октября 2006 года в реестре банков, вошедших в ССВ, находилось 952 банка, из них 933 действующих, а 19 банков были реорганизованы в форме слияния или поглощения [91]. Следует отметить, что в течение последних 20 лет системы страхования вкладов были введены в большинстве развитых и в некоторых развивающихся странах, в том числе в качестве реакции на банковские кризисы 80-х и 90-х годов. Поскольку вкладчики на основе открытой информации не могут отличить неблагополучные банки от благополучных, то членство в ССВ, являясь своего рода «знаком качества», что устраняет стимулы изымать вклады без разбора из всех банков. На основании Федерального закона от 23 декабря 2003 года № 177-ФЗ «О страховании вкладов физических лиц в банках Российской Федерации» 12 Федеральный закон от 20 августа 2004 года № 121-ФЗ «О внесении изменений в Федеральный закон «О несостоятельности (банкротстве) кредитных организаций». Ранее эти функции выполняло АРКО (Агентство по Реструктуризации Кредитных Организаций). 11 15 Введение системы страхования вкладов, безусловно, сыграло положительную роль в развитии российского банковского сектора. Однако стоит упомянуть, что у ряда банков, ранее принятых в ССВ, впоследствии лицензия была отозвана, что и послужило поводом для критики подхода к определению «плохих» банков, а также критериев при отборе банковкандидатов на вхождение в систему страхования вкладов. Методика, применяемая для ранжирования российских кредитных организаций, подавших заявку на вхождение в ССВ, основывается на наборе финансовых показателей (количественные оценки) и на группе качественных показателей (качественные оценки), характеризующих деятельность кредитной организации. Для каждого финансового показателя выбрана шкала, а попадание показателя в определенный отрезок данной шкалы оценивается определенным количеством баллов (1 – наивысшая оценка, 4 – наихудшая оценка). Банк России устанавливает следующий набор групп показателей для анализа: оценка капитала: включает показатели оценки достаточности капитала и его качества (Н113, показатель общей достаточности капитала и показатель оценки качества капитала); оценка активов: включает показатели качества задолженности по ссудам и иным активам, оценку размера резервов на потери по ссудам и иным активам, а также оценку степени концентрации рисков по активам (показатель качества ссуд, показатель качества активов, показатель доли просроченных ссуд, показатель размера резервов на потери по ссудам и иным активам, а также нормативы Н7, Н9.1, Н10.114); оценка рисками): 13 14 качества включает управления банком показатели прозрачности (операциями и структуры Н1- «Норматив достаточности собственных средств (капитала) банка» Н7 - «Максимальный размер крупных кредитных рисков» Н9.1 - «Максимальный размер кредитов, банковских гарантий и поручительств, предоставленных банком своим участникам (акционерам)» Н10.1 - «Совокупная величина риска по инсайдерам банка» 16 собственности, качества организации системы управления рисками и службы внутреннего контроля; оценка доходности: включает показатели рентабельности активов и капитала, структуры доходов и расходов, доходности отдельных видов операций и банка в целом; оценка ликвидности: включает показатели ликвидности активов, ликвидности и структуры обязательств, общей ликвидности банка, а также риска на крупных кредиторов и вкладчиков. Обобщающий результат по группе показателей (РГ) представляет собой средневзвешенное значение балльных показателей (в зависимости от выбранной для них шкалы). Финансовая устойчивость по группе показателей признается «удовлетворительной» в случае, если значение РГ меньше либо равно 2,3 балла. В случае, если результаты по всем группам показателей оценены на «удовлетворительно», то финансовая устойчивость организации может быть признана достаточной для участия в системе страхования вкладов [5]. Следующим шагом развития банковской системы, по мнению Центрального банка РФ, должен стать, по сути, рейтинговый подход к определению экономического положения банков [6]. Согласно опубликованному на сайте Банка России проекту «Об оценке экономического положения кредитных организаций» [6] российские кредитные организации должны быть разделены на пять групп по степени надежности. В первую и вторую группы будут включены банки, к которым ЦБ РФ не имеет серьезных претензий. Оставшиеся три группы являются группами высокого риска. Как отмечается в тексте проекта, основой для осуществления банковского надзора служит оценка экономического положения кредитных организаций, а в зависимости от полученной балльной оценки каждая из кредитных организаций относится к одной из пяти классификационных групп. 17 Для попадания в первую группу банкам необходимо полностью выполнять все обязательные нормативы ЦБ РФ, иметь стабильное финансовое положение (полученные результаты по группам показателей должны быть оценены не хуже, чем «удовлетворительно»), качественную систему управления и прозрачную структуру потенциально собственности. благонадежных банков Важно не также, было опыта чтобы у таких конфликтов с регулирующими органами. В случае, если не соблюдается в совокупности за шесть и более операционных дней в течение тридцати последовательных операционных дней хотя бы один из обязательных нормативов (за исключением норматива «Достаточности собственных средств (капитала)» (Н1) или нормативов мгновенной (Н2) и текущей ликвидности (Н3)), кредитная организация относится ко второй группе («Кредитные организации с повышенными рисками»). По оценке Центрального банка РФ, в первые две группы наиболее устойчивых организаций попадает большинство банков, входящих в ССВ. Третью группу эксперты ЦБ РФ назвали «Кредитные организации, испытывающие текущие трудности». В эту группу попадают банки, имеющие недостатки в деятельности, которые могут привести к возникновению угрозы финансовой устойчивости кредитной организации и интересам ее кредиторов и вкладчиков в течение ближайших 12 месяцев. При этом структура собственности такой организации оценивается как непрозрачная, а качество управления признается сомнительным. Если банк дошел до такого состояния, что для исправления ситуации требуются «срочные меры со стороны органов управления и владельцев кредитной организации», то это служит поводом для отнесения его к четвертой группе. Основанием для отнесения банка в «проблемную» группу может стать либо несоблюдение норматива достаточности капитала (но не более чем пять раз в течение тридцати последовательных операционных дней), либо неудовлетворительная оценка показателей финансового положения. Банки, 18 страдающие от неэффективного управления, ЦБ РФ также относит к четвертой группе. К пятой группе относят банки, финансовая устойчивость которых существенным образом подорвана и чье состояние при непринятии экстренных мер органами управления и владельцами кредитной организации несовместимо с продолжением деятельности на рынке банковских услуг. Эти банки являются кандидатами на отзыв лицензии. Согласно пункту 9.1. проекта Указания [6], сведения об отнесении кредитных организаций к соответствующим группам являются «сведениями ограниченного распространения и не подлежат разглашению третьим лицам». Такая «закрытая» классификация, возможно, и оправдана в условиях слабого развития банковского сектора, но не стоит забывать, что в случае утечки информации это может подорвать работу многих банков и способно дестабилизировать ситуацию в банковском секторе. Утечка информации приведет к возникновению очередных «черных списков», а банки-конкуренты могут использовать факт принадлежности к какой-либо группе в качестве «черного PR» в борьбе за клиента. Для укрепления рыночной дисциплины открытая классификация банков Банком России была бы более действенной мерой, т.к. это заставит банки тщательнее соблюдать критерии, при этом, чем яснее и четче они будут сформулированы и чем сложнее будет их «нарисовать», тем лучше это скажется на устойчивости всей банковской системы. Что же касается критериев, заложенных в характеристике классификационных групп, то следует отметить ужесточение требований к кредитным организациям по сравнению с действующим Указанием № 1379-У Банка России [5], на основе которого осуществлялся отбор «здоровых» банков в систему страхования вкладов. Так, пунктом 3.1. проекта увеличены по сравнению со значениями действующего Указания значения показателей рентабельности для отнесения кредитной организации к первой группе. По показателю рентабельности активов в 2,6 раза до уровня более 4%, по 19 показателю рентабельности капитала – в 2 раза до уровня 16%. Исключена возможность принятия решения об определении финансового результата кредитной организации без учета расходов (убытков), обусловленных развитием бизнеса. Немаловажен и вопрос о том, насколько предложенные требования по уровню доходности соответствуют реальным экономическим условиям и уровню рыночных процентных ставок. Использование такого унифицированного подхода приводит к тому, что при анализе не учитываются различия банков по величине активов, размеру капитала, региональной принадлежности, источникам ресурсной базы и многим другим параметрам, влияющим на уровень доходов и маржи банка. Вызывает вопросы и способ агрегирования показателей функционирования банков. Использование взвешенной суммы показателей и выбор весов для агрегации, а также выбор дискретной шкалы для значений показателей может существенно сказываться на результатах анализа. Такого рода искажения будут связаны как с «жесткостью» шкалы самой по себе, так и с искажениями, возникающими на граничных ее значениях. Выбор делений шкалы, а также ее «направленности», может существенно сказываться на получаемых результатах15. В любом случае такой подход будет носить субъективный характер. Отсутствие единой методики финансового анализа банков в России привело к развитию субъективных подходов к решению проблемы финансового анализа банков. Некоторые исследователи (аналитики) ориентируются на размеры банка, другие – на уровень нормативных значений банка, третьи – изучают отдельные статьи баланса и их динамику. Приведем лишь несколько примеров таких авторских методик. Одним из ранних примеров создания модели для ранжирования кредитных организаций служит методика оценки надежности банка, предложенная В.Кромоновым [8]. В основу расчета рейтинга положена Следует пояснить, что «направленность» шкалы отражает количество баллов, присваиваемых в зависимости от того, какая ситуация является более предпочтительной – предпочтительно меньшее значение показателя (например, безнадежных ссуд) или же большее значение (например, доходность активов). 15 20 «формула надежности» банка, представляющая собой взвешенную сумму шести критериев: N 45 * k1 20 * k 2 10 5 * k 3 15 * k 4 5 * k 5 * k 6 , где 3 3 k1 – генеральный коэффициент надежности, равный отношению собственного капитала к сумме работающих (рискованных) активов; k 2 – коэффициент мгновенной ликвидности, рассчитываемый, как соотношение ликвидных активов и обязательств «до востребования»; k 3 – кросс-коэффициент, равный отношению совокупных обязательств банка к объему выданных кредитов; k 4 – генеральный коэффициент ликвидности, равный отношению ликвидных активов и защищенного капитала к суммарным обязательствам банка; k 5 – коэффициент защищенности капитала, равный отношению защищенного (иммобилизированного) капитала банка к собственному капиталу; k 6 – коэффициент фондовой капитализации прибыли, равный соотношению собственного капитала и размера уставного фонда. Итоговое рейтинговое число N принимает значение от 0 до 100 и характеризует степень надежности банка. Наивысшей надежностью, согласно методике Кромонова, обладают банки со значением N равным 100. При таком подходе надежным («оптимальный») считается банк, у которого: объем выданных кредитов и других рискованных вложений не превышает величины собственного капитала банка; средства на счетах «до востребования» полностью обеспечены ликвидными активами; риску подвергаются не более трети суммарных обязательств; ликвидными активами и защищенным капиталом обеспечены все совокупные обязательства банка; собственный капитал полностью инвестирован в материальные ценности и недвижимость (иммобилизация капитала); 21 собственный капитал банка более чем втрое превышает взносы учредителей. Поскольку наибольший вес в данной методике придается генеральному коэффициенту надежности, то для получения высокой оценки надежности банка размер собственного капитала должен соответствовать размеру работающих активов. В такой ситуации крупные банки, для которых традиционно характерны более низкие показатели достаточности капитала, получают низкое значение рейтинга. Представляется спорным и выбор критериев оценки и обоснование весовых коэффициентов, в результате механизм формирования оценочной функции полностью основывается на авторском мнении. Нельзя не упомянуть и о модели «распределения риска невозврата средств в зависимости от уровня ликвидности и платежеспособности банка», разработанной В.Ивановым [15]. В основе модели лежит следующее утверждение: кредитоспособность банка определяется его способностью отвечать по своим обязательствам, которая, в свою очередь, может быть достаточно полно определена через характеристики платежеспособности и ликвидности банка. Таким образом, для оценки кредитоспособности банка используется двухфакторная модель. В качестве первого фактора берется состояние платежей банка, характеризующее платежеспособность банка. Вторым фактором является способность банка восстанавливать нормальное проведение платежей, отражающая уровень ликвидности банка. Каждый из рассматриваемых факторов разделяется на различные категории. В зависимости от текущего финансового положения банка с точки зрения полноты проведения платежей можно отметить: наличие зафиксированной в балансе и отчетности банка неисполненной задолженности перед клиентами; скрытая неисполненная задолженность банка перед клиентом, которая отражает суждение эксперта о наличии неисполненной задолженности перед клиентом или выявленных фактов непроведения платежей клиентов; 22 ухудшение динамики и сбалансированности платежей банка, которое может свидетельствовать о росте потенциальных проблем с осуществлением платежей; отсутствие проблем с осуществлением платежей, отражающее положительную и стабильную динамику платежных потоков банка. Способность банка восстанавливать собственную платежеспособность может быть оценена следующими четырьмя основными состояниями: полная сбалансированность операций банка по срокам и наличие достаточного для любой непредвиденной ситуации накопленной на балансе банка ликвидности, то есть возможность быстрого восстановления собственной платежеспособности своими силами за счет «внутренних» возможностей; сбалансированность операций на все сроки при отсутствии минимально необходимых резервов ликвидности на балансе банка для автономного решения проблем; сбалансированность баланса только на долгосрочную перспективу и положительное значение ликвидационной стоимости баланса, то есть способность банка расплатиться по всем своим обязательствам, но в долгосрочном горизонте; банк имеет полный дисбаланс проводимых операций по срокам, и у него отсутствуют иные возможности привлечения необходимых средств. Каждый исследуемый фактор характеризуется набором показателей, которые сравниваются с выбранными для каждого из них приемлемыми уровнями. Для определения окончательной группировки банков производится разделение банков на кластеры: возможные результаты анализа по фактора представлены в виде матрицы, а итоговая группа («рейтинг») определяется значением в соответствующей ячейке матрицы. Несколько иной подход к анализу финансового состояния российских банков был предложен М.Помориной [27]. Если методика В.Иванова предназначалась в первую очередь для разделения банков с целью установления лимитов, то методика М.Помориной предназначена для целей 23 текущего и стратегического управления банком. Проводимый «внутренний анализ», включает в себя следующие пять компонентов: анализ объемов операций банка (динамика основных статей, зависимость о крупных клиентов и т.д.) анализ активов и пассивов банка (диверсификации банковских операций, зависимость банка от развития внешней ситуации на различных сегментах рынка банковских услуг и продуктов, от общеэкономических и региональных тенденций и т.д.); анализ банковских рисков (причем итоговое состояние банка зависит не только и не столько от отдельных видов проводимых им активных и пассивных операций банка, но и от их согласованности); анализ капитала банка и его достаточности; анализ эффективности деятельности (оптимизация прибыли и сокращение потерь). На выводах такого внутреннего анализа затем базируются как текущие управленческие решения, так и процесс планирования деятельности банка, а результатом становится выбор вариантов развития (видов операций, их целевых объемов). Причем эффективность применения данного подхода для повышения надежности организации, зависит от согласованности деятельности менеджеров банка на всех этапах управления. Стоит также выделить оригинальную методику, разработанную компанией «Амелин и партнеры». В ее основу заложено определение мгновенной и текущей нетто-платежеспособности банка, т.е. платежеспособность банка за вычетом выявленных рисков ликвидности. Под рисками понимаются наиболее вероятные события, выраженные ликвидности в денежном эквиваленте, которые могут повлечь снижение ликвидных активов на величину этого эквивалента. Риски ликвидности рассматриваются как в проекции на мгновенную ликвидность, так и с учетом проекции на текущую (30-дневную) ликвидность. Таким образом, в методике выявляется безрисковая часть мгновенных и текущих ликвидных активов банка – базовая характеристика, на 24 основе которой рассчитывается рекомендуемый лимит кредитования банком банков-контрагентов. Для наглядности результатов анализа авторы разработали оригинальную модель их визуализации, для чего строится графическая модель устойчивости банка («кораблик»), где основные агрегированные и расчетные характеристики банка выполнены в масштабе по определенному принципу, что позволяет увидеть финансовое состояние банка в целом. Следует подчеркнуть, что в России также есть несколько собственных рейтинговых агентств, присваивающих рейтинги кредитным организациям. Среди них можно выделить Мобиле, Рус-Рейтинг, Эксперт-РА и Национальное Рейтинговое Агентство. Агентство Эксперт-РА [98] присваивает кредитные рейтинги компаниям всех сфер экономики. Задача рейтинга – «предсказывать с большой достоверностью и объективностью вероятность дефолта» [98]. Однако рейтинги Эксперт РА присвоены не более чем 75 банкам16, действующим на территории РФ. В основном это крупные и публичные кредитные организации, в то время как рейтинги большей части действующих в России банков не установлены. Рейтинг динамической финансовой стабильности (РДФС), присваиваемый российским банкам агентством Мобиле в целях оценки финансовой стабильности «в интересах вкладчиков, клиентов и партнеров» производится на основе данных оборотно-сальдовой ведомости ежемесячно. Согласно методике банки разделены на 12 классов по специальной шкале в соответствии с уровнем финансовой стабильности. Разработкой методологии присвоения рейтингов агентства Мобиле занималась группа специалистов агентства во главе с А.Карминским (подробно методика изложена в книге «Рейтинги в экономике. Методология и практика» [18]). Следует отметить, что эта методика анализа основана на использовании имеющихся международных рейтингов кредитных организаций, присвоенных агентством Moody’s. 16 Здесь и далее количество присвоенных рейтингов приведено по состоянию на конец 2006 года. 25 Национальное Рейтинговое Агентство [93] присваивает банкам рейтинги начиная с октября 2003 года. Методика агентства построена на основе анализа финансовых показателей деятельности кредитных организаций и разработана в октябре 2003 года. Агентство публикует рейтинги 200 крупнейших банков ежеквартально, а, следовательно, для участия в рейтинге необходимо входить в число 200 крупнейших банков. Дочерние иностранные банки анализируются по отдельной методике, исходя из экономических особенностей деятельности этих банков. Анализ при выставлении рейтингов основан на изучении и оценке таких критериев как: достаточность капитала, ликвидность, операции на фондовом рынке, структура и качество активов, источники фондирования операций, рентабельность и доходность. В анализ включаются также такие критерии как: наличие отчетности по МСФО, размер капитала и активов, вид выданной лицензии, срок существования банка и доля рынка и т.д. Рус-Рейтинг [92] на основании собственной методики присваивает краткосрочный рейтинг, который характеризует совокупный кредитный риск банка и, соответственно, отражает текущее положение дел в исследуемой кредитной организации на перспективу в три месяца. Агентство Рус-Рейтинг присваивает рейтинги только российским банкам и ориентировано на работу с активными участниками рынка. При этом по требованию банка присвоенный агентством рейтинг может быть аннулирован. Максимальным значением рейтинга для банков является уровень «А», который может быть присвоен некоторым государственным или дочерним иностранным банкам. Нижним значением рейтинга является уровень «С-» (в случае дефолта «D»). По утверждению агентства, более высокие рейтинги пока невозможны «из-за высоких системных рисков, которые не зависят от банков, но могут негативно повлиять на финансовые рынки, банковский бизнес, взаимоотношения банков с клиентами и контрагентами» [92]. Расчет рейтинга происходит на основе выбранной статистической модели и дополняется экспертными оценками аналитика, мнение которого определяет 50% окончательной оценки. В процессе анализа рассматривается тот же набор позиций, что и в международной 26 практике: капитал, активы, прибыль, ликвидность. Эксперты при этом обращают особое внимание на качество ресурсной базы банка и ее устойчивость. На последнем этапе анализа полученные оценки сравниваются с требованиями, закрепленными за условными «буквами рейтинга». Эксперты агентства производят ранжирование организаций по следующему правилу: «для того, чтобы банк получил какую-либо «букву рейтинга», оценка каждого из разделов должна быть не ниже, чем предполагают требования для этого уровня рейтинга» [92]. Рейтинг организации вычисляется исходя из полученных нижних оценок по всем разделам. В данном случае при ранжировании эксперты агентства отказались от суммирования и усреднения, как от «не очень корректного» способа агрегирования. Поскольку агентство присваивает рейтинги основным участникам рынка (рейтинг Рус-Рейтинга присвоен 45 банкам), то часто дополняет уже имеющиеся у банков рейтинги международных агентств. Важно отметить, что значимость «российских» рейтингов для бизнеса вызывает определенные сомнения. К тому же во многих случаях российские рейтинги просто «подтверждают» уже имеющиеся международные рейтинги, поэтому часто служат лишь дополнительной информацией при анализе банков. 1.2. Международная практика присвоения рейтингов Широко признанным в литературе является тот факт, что составить полное представление о финансовом положении банка на основании только его финансовой отчетности невозможно. Оценка финансового положения должна включать как мониторинг финансовых показателей деятельности банков, так и анализ всей доступной информации относительно его функционирования. Регулирующие органы и ведущие рейтинговые агентства, в целях формирования мнения об организации, периодически проводят проверки «на месте», в ходе которых оценивается финансовая устойчивость организации, 27 соответствие ее деятельности закону и требованиям регулирующих органов, а также качество менеджмента и системы внутреннего контроля. Наиболее известной системой, формализующей результаты такой комплексной оценки, является CAMEL. Рейтинг CAMEL присваивается банкам с 1979 г. органами банковского надзора США по результатам инспекции на месте (представители органов надзора посещают банк и проводят проверку). В системе CAMEL каждой из 5 компонент (капитал, качество активов, качество менеджмента, прибыльность и ликвидность) присваивается оценка (балл) от 1 до 5: отлично (1); удовлетворительно (2); имеются определенные недостатки (3); значительно ниже среднего (4); неудовлетворительно, имеются серьезные проблемы, требуются немедленные корректирующие меры (5). После оценки пяти основных компонент выводится суммарный рейтинг, который и используется в качестве основного индикатора финансового состояния. В зависимости от набранных баллов банк относится к одному из следующих пяти уровней рейтинга: организация устойчивая во всех отношениях; организация в основном устойчивая, но с некоторыми недостатками; организация с финансовыми или оперативными недостатками, либо с неполным соблюдением норм банковского регулирования, что дает наблюдательным органам основания для беспокойства; организация с серьезными проблемами, которые могут подорвать будущее функционирование; организация с критическими проблемами, что делает вероятность банкротства очень высокой в ближайшем будущем. 28 Таким образом, в методике CAMEL вероятность невозврата при значении суммарного рейтинга равного 5, близка к нулю, а при значении 25 – соответствует 100%-ому риску невозврата. В интервалах между проверками банков проводится мониторинг их финансового состояния с использованием компьютерных систем. Системы, как правило, используют финансовую информацию, которую ежеквартально обязаны предоставлять банки. Целью мониторинга является выявление признаков ухудшения финансового положения в промежутке между инспекциями, а также определение наиболее слабых областей деятельности банков. Для этой цели в США применяется система мониторинга финансовых институтов (Financial Institutions Monitoring System – FIMS) с использованием информации по нескольким десяткам показателей. Набор показателей, характеризующих финансовое состояние банка, является относительно устойчивым и включает различные коэффициенты, отражающие достаточность капитала, качество активов, доходы и ликвидность. Для моделирования рейтинга CAMEL разработчики FIMS и прогнозирования выбрали около неплатежеспособности тридцати, наиболее банка адекватных показателей, большинство из которых рассчитывается как процентная доля некоего параметра в активах банка17. Таким образом, органы банковского надзора США уже с середины 1970-х годов отслеживают финансовое положение банков по аналитическим коэффициентам. А поскольку в 80-е годы наблюдался резкий рост числа банкротств, то возникла необходимость внесения изменений в методы мониторинга. С середины 1980-х годов в США в целях улучшения работы по анализу положения банков была введена новая система мониторинга – UBSS (Uniform Bank Surveillance Screen), которую ФРС использовала с некоторыми изменениями до 1993 года. Эта система основывалась на анализе данных из официальной отчетности банков и служила для выявления организаций, 17 Примерный набор показателей приведен в [24] 29 показатели которых ухудшились по сравнению с группой банков со схожими размерами активов. Система UBSS включает анализ 6 показателей (4 основных и 2 дополнительных), которые рассчитываются на основе данных квартальной отчетности. В качестве основных показателей для анализа служат: капитал первого уровня (1-tier), чистый доход, чистые ликвидные активы, просроченные кредиты, включая те, по которым прекращено начисление процентов. Дополнительно к основным показателям исследуется рост активов за последние 4 квартала (в процентах), а также процентные расходы по управляемой части обязательств. Банки с наивысшей оценкой подлежат дополнительному анализу, а при необходимости – корректирующим мерам. При таком подходе показатели измеряются в процентах от активов и по ним вычисляется комплексный (интегральный) показатель, который служит индикатором состояния банка, в результате чего и определяется требует ли банк особого внимания во время инспекции «на месте». Финансовые показатели внутри каждой группы ранжируются от наилучшего до наихудшего, и так определяются ранги банка по каждому параметру. Набранные банками места (ранги) складываются, и вычисляется суммарный показатель. Банки, получившие наиболее высокие значения (т.е. худшие в своей группе), подлежат более детальному анализу на следующем этапе дистанционного мониторинга. В середине 1980-х FDIC18 разработала свою систему надзора, известную как CAEL, методологически похожую на UBSS. Аббревиатура CAEL отражает тот факт, что при анализе оцениваются четыре группы показателей – капитал, качество активов, доходы и ликвидность, но не дается оценка менеджмента. Как и UBSS, CAEL использует данные квартальной отчетности, но если UBSS вычисляет итоговый ранг, то CAEL определяет рейтинг по методике, схожей с методикой CAMEL, но только на основе дистанционного мониторинга. CAEL, как и UBSS, делит банки на группы по размеру активов и вычисляет значения четырех составляющих рейтинга с использованием большого количества 18 FDIC (Federal Deposit Insurance Corporation) является системой страхования вкладов в США 30 коэффициентов. Итоговый рейтинг рассчитывается как средневзвешенное оценок соответствующих наборов финансовых показателей. Как набор показателей, так и веса утверждаются советом инспекторов (экспертов) корпорации. Однако практика применения в кризисных условиях показала, что и UBSS, и CAEL обладают рядом недостатков. Во-первых, набор показателей, хотя и выбираемый из широкого круга индикаторов, характеризующих финансовое состояние банка, все же является субъективным; при этом переменные не проверяются на статистическую значимость и достаточность для получения точных оценок риска методами дистанционного мониторинга. Во-вторых, весовые коэффициенты в указанных методиках присваиваются без строгой статистической проверки, а некорректное взвешивание способно снизить точность оценок. Третьим недостатком методик является использование сравнения с группой банков с близким размером активов. С одной стороны, такая система справедливо учитывает, что различия в значениях показателей могут быть неправильно интерпретированы как различия в финансовом положении, в то время как на деле они связаны с размером кредитной организации. С другой стороны, размер организации не является единственным параметром для определения схожести банков. Альтернативным можно назвать подход, при котором весовые коэффициенты подбираются статистическими методами, например, с помощью линейного дискриминантного анализа. Такой подход позволяет определить набор показателей, по которым заемщики лучше всего разделяются на две противоположные группы: «плательщиков» и потенциальных банкротов. Удачным примером такого подхода является Z-модель Альтмана [41]. Однако применение этого метода возможно лишь при наличии достаточно представительной базы эмпирических данных. Среди оценок устойчивости кредитных организаций наиболее котируются рейтинги, присваиваемые международными рейтинговыми агентствами (Moody’s Investors Service, Standard & Poor’s и Fitch Ratings), создающими 31 «объективную» оценку риска, которая принята как на международном, так и на многих национальных уровнях. В основе идеологии присвоения рейтингов лежит определение вероятности дефолта организации. существует Исследования значительная корреляция (см. [53,72]) между подтверждают, рейтингами что банков и вероятностью их банкротства. Кредитные рейтинги, рейтинги эмитента и рейтинги выпусков ценных бумаг способствуют взаимопониманию между заемщиками и кредиторами, а также позволяют принимать обоснованные финансовые решения относительно других участников рынка. Кредитные рейтинги должны отвечать таким важным требованиям как оперативность и всесторонность оценки. Однако достичь одновременного выполнения этих требований весьма непросто: агентства достаточно редко пересматривают уровень рейтинга (в среднем, один раз в год), поскольку анализ затрагивает не только финансовые показатели, но и значительный объем нефинансовой информации, касающейся функционирования организации, а это требует значительных затрат времени. Стоит также отметить, что рейтинги международных агентств ограничены планкой страновых рейтингов. Например, в России первые два года после кризиса 1998 года Сбербанк России имел рейтинг кредитоспособности на уровне «ССС», хотя его кредитоспособность была проверена самим кризисом. Рейтинговые агентства предпочитают хранить в тайне как методы агрегирования показателей, так и полный набор исследуемой информации. Если же методология анализа рейтинговых агентств публикуется, то ее детализация и способ агрегирования информации в итоговый интегральный показатель являются сведениями закрытого характера, будучи «ноу-хау» агентства. В связи с тем, что между процессом анализа финансовых данных и моментом присвоения рейтинга существует определенный временной лаг, данные могут частично устареть, и это подчеркивает важность оперативного дистанционного анализа кредитных организаций и построения банками 32 собственных моделей (методик) для оперативной оценки устойчивости банковконтрагентов. Специфика банковской деятельности такова, что доля реальных активов19 в балансе ничтожно мала, а кризисные явления развиваются крайне быстро, что стало причиной выделения банковской отрасли в отдельное направление рейтингования. Каждое агентство присвоило порядка тысячи кредитных рейтингов банков [101,103,105]. Однако, если учитывать количество финансовых институтов в США, в странах Евросоюза, в России, становится очевидным, что рейтинги присвоены меньшей части существующих банков [79]. Процедура получения рейтинга предполагает соответствие банка ряду существенных требований, включающих наличие международной финансовой отчетности (МСФО), качественной системы риск-менеджмента, долгосрочной стратегии развития, высокой информационной прозрачности (в том числе информирования о существенных для бизнеса событиях и промежуточных результатах деятельности) и т.п., что требует значительных расходов от оцениваемой организации. Важным является и вопрос полноты анализируемой информации: анализа балансов кредитных организаций часто недостаточно для определения устойчивости банка к внешним шокам, и необходима дополнительная информация о качестве активов, структуре доходов и расходов. В развитых странах кредитные учреждения, как правило, добровольно предоставляют подобную информацию рейтинговым агентствам, которые рассчитывают рейтинги банков и публикуют их в виде сводных таблиц. При этом каждый банк напрямую заинтересован в предоставлении таких сведений, поскольку в противном случае его рейтинг будет заведомо ниже, чем у более «открытых» кредитных учреждений. Можно предположить, что сравнивать рейтинги разных рейтинговых агентств в виду различия моделей, используемых для агрегации информации, 19 Реальные активы – здания, сооружения, земля, оборудование, патенты, торговые марки и т.д. 33 не совсем корректно, но, как показывает анализ, различия в их оценках, как правило, незначительны [80]. Параметры и подходы, используемые для оценки финансового положения кредитной организации у международных агентств, в целом весьма схожи и учитывают такие общие критерии как достаточность капитала, качество активов, прибыльность, менеджмент, степень диверсификации ресурсной базы и операций банка и т.д. Рассмотрим набор параметров на примере одной из методик – методики Fitch Ratings20. Как отмечается в этой методике, получение достоверного рейтинга кредитоспособности банка на основе модели «совершенного мирового банка» (которая базировалась бы на наборе универсальных показателей) – на практике невозможно. Рейтинговые модели имеют практическую ценность только в рамках одной, жестко регламентированной, единообразной банковской системы, и любые попытки их применения за пределами этой системы приводят к искажению получаемых результатов, вследствие несопоставимости и нерелевантности исходных данных [101]. Применяемая агентством методика позволяет присваивать банку рейтинг не только на основе международного подхода, но и с учетом его индивидуальных особенностей (национальных, региональных или отраслевых). Это позволяет определить набор значимых критериев для оценки и избежать «поспешных выводов, основанных на критериях, которые в силу тех или иных причин не применимы к банку» [101]. При этом, как отмечается в методике, объективно существует ряд универсальных атрибутов при оценке банков (например, качество активов, достаточность капитала, рентабельности), в отношении которых необходимо установить более или менее единообразные стандарты. Это, в свою очередь, требует определенного единообразия данных, предоставляемых банками, что особенно важно, т.к. в некоторых случаях агентство не поддерживает Агентство Fitch Ratings предоставляет наиболее подробную открытую информацию об анализируемых параметрах. 20 34 официальных отношений с оцениваемыми банками и анализ деятельности этих банков осуществляется, главным образом, на основе открытых данных21. Как отмечается в тексте методики, одной из важных задач при объективной оценке деятельности банка является определение группы сопоставимых банков (розничные, инвестиционные, ипотечные, кооперативные, сберегательные, частные банки и т.п.). Общий подход к анализу во всех случаях остается одним и тем же, в то время как каждый тип банков обладает своими особенностями, к которым при выставлении рейтинга необходимо отнестись с должным вниманием. Оценка агентства основывается на изучении капитала, доходности, источников ресурсов и ликвидности, планирования и качества управления, а также стратегии развития и структуры собственности кредитной организации. Исследование структуры активов банка включает долевое отношение различных категорий активов: «проблемных» займов, том числе «сомнительных» или «неблагополучных» (то есть займов, выплаты по которым все еще продолжаются), реструктурированных займов, а также объемов неработающих активов. При анализе пассивов банка изучается структура и диверсификация ресурсной базы банка (по видам и срокам). Главный риск, связанный с источниками фондирования, – неспособность банка возобновить или заменить пассивы с истекающими сроками в тех же объемах и по разумной цене. Чтобы ограничить этот риск, необходимо иметь хорошо диверсифицированную и стабильную ресурсную базу, т.е. каждый вид ресурсов должен быть представлен несколькими поставщиками. Ликвидность исследуется аналитиками агентства как с точки зрения внутренних источников ликвидности банка (прежде всего это кассовые активы, краткосрочные кредиты, займы с приближающимися сроками погашения и т.д.), так и с точки зрения внешних источников (напр., наличие доступа на рынки капитала, резервных кредитных линий и т.п.). В качестве своего рода 21 См. «Рейтинги, инициированные агентством Fitch Ratings» [101] 35 «страхового полиса» на случай нехватки наличности многие банки имеют портфели ликвидных ценных бумаг, которые могут быть быстро реализованы на рынке. Величина собственных средств банка (капитала), а также их достаточность в отношении рисков, принимаемых банком, являются фундаментальными показателями, используемыми в процессе анализа кредитоспособности банка. Агентство Fitch использует собственные количественные показатели капитализации, из которых основным является выраженное в процентах отношение собственного капитала к средней сумме активов за выбранный период. В ходе анализа надлежит также определить уровень «свободного» капитала, которым располагает банк. Например, если вся его капитальная база иммобилизована в долгосрочных вложениях в уставные капиталы других юридических лиц или в основных средствах, то у банка нет готового к немедленному использованию капитала, который можно было бы применить для покрытия непредвиденных убытков. В контексте прибыльности изучается динамика следующих показателей: • чистый процентный доход, в том числе динамика процентных спрэдов в каждом из подразделений банка, а также динамика объемов кредитования и издержек привлечения ресурсов; • непроцентный доход, в том числе относительно более стабильный комиссионный доход и обладающий внутренней неустойчивостью доход от коммерческих операций; • непроцентные расходы, с выделением издержек на оплату труда и других статей расходов и сопоставление уровня расходов не только с общим уровнем доходов, но и – по мере возможности – с такими показателями, как объем доходных активов, количество филиалов (в случае банков, специализирующихся на работе с физическими лицами) и число сотрудников; • разовые доходы и расходы. При выставлении рейтинга эксперты агентства изучают качество систем по выявлению и борьбе с операционными, правовыми, репутационными и 36 прочими рисками, которые могут существенным образом сказаться на деятельности банков. В дополнение к анализу финансовых показателей деятельности банка эксперты агентства Fitch анализируют степень диверсификации операций по географическому, страновому, международному и отраслевому признакам. Подлежит изучению и разнообразие продуктов и услуг, предлагаемых банком, а также его способность к разработке новых их видов. Как отмечается в методике, эксперты агентства не преследуют цели оценить, насколько «хорош» или «плох» тот или иной банк; они просто отвечают на вопрос: «Если я одолжу деньги этому банку, насколько я могу быть уверен, что своевременно получу эти деньги обратно?» Как уже отмечалось ранее, рейтинги кредитных организаций указывают на вероятность наступления дефолта. «Первоклассные» рейтинги контрагента («ААА» – «ВВВ») свидетельствуют об относительно низкой вероятности дефолта, в то время как «спекулятивные» или «непервоклассные» рейтинги («BB» – «D») указывают на повышенную вероятность дефолта, а в случае с рейтингом «D» на то, что дефолт уже произошел. Таким образом, градации шкалы (классы) рейтинга разделяют организации по способности своевременно и в полном объеме выполнять свои обязательства. Чем ниже рейтинг кредитной организации, тем выше и вероятность невыполнения ею обязательств, и ее чувствительность к воздействию неблагоприятных коммерческих, финансовых и экономических условий. Если в отношении организации «возбуждена процедура банкротства или предпринято аналогичное действие, но платежи или выполнение долговых обязательств продолжаются», то такой организации присваивается рейтинг «С». Если же организация находится в состоянии выборочного или полного дефолта по обязательствам, то организация получает рейтинг «D». Наряду с изучением финансовой отчетности, агентство Fitch Ratings проводит анкетирование руководителей кредитной организации. Анкета 37 содержит более 150 вопросов, затрагивающих различные аспекты деятельности банка и его организационной структуры, а ответы влияют на окончательную рейтинговую оценку. Поскольку подходы рейтинговых агентств к анализу организаций весьма схожи, то схожи и их рейтинговые шкалы. Агентство Standard & Poor's, как и Fitch Ratings, присваивает рейтинги российским банкам по международной и по национальной (созданной и откалиброванной специально для России) шкалам. Рейтинг организаций дополняется прогнозом агентства, который показывает возможное направление движения рейтинга в ближайшие два-три года. Возможны три варианта прогноза: «Позитивный» — рейтинг может повыситься. «Негативный» — рейтинг может понизиться. «Стабильный» — изменение маловероятно. Агентство Standard & Poor's отдельно выделяет прогноз «Развивающийся». Направление изменения рейтинга организации с таким прогнозом менее предсказуемо, и он может измениться как в сторону повышения, так и в сторону понижения. Все рейтинговые агентства отчетливо понимают, насколько противопоказано резкое изменение методики присвоения рейтингов. Пересмотр методики оценки кредитоспособности – процесс, как правило, очень инерционный и зачастую болезненный: как минимум нарушается сопоставимость данных по рейтингам во времени, а серьезные изменения в рейтинг-листе после внесения корректировок в методику могут нанести ущерб репутации агентства. С такого рода проблемами столкнулось агентство Moody’s в связи с новой методикой присвоения рейтинга банкам, названной «Анализ Вероятности Совместного Дефолта» (АВСД). Согласно этой методике при оценке кредитоспособности рассматривается не только риск дефолта банка, но также и вероятность того, что в случае кризиса он получит внешнюю поддержку, например, со стороны государства. От нового подхода больше всего выиграли 38 три исландских банка — Kaupthing Bank, Glitnir Banki и Landsbanki Islands, неожиданно получившие высший рейтинг («Aаа»). Дело в том, что новая методика Moody’s выделяет фактор внешней поддержки, как один из главных факторов при анализе, и, тем самым, может завышать рейтинги некоторых банков. Вследствие этого рейтинги становятся плохим индикатором на рынке капитала. Рейтинг, присваиваемый агентством Moody’s, по национальной шкале, как и в случае других национальных шкал, указывают на место организации в ранжировании относительно других организаций и учитывают страновые, институциональные, структурные, правовые, банковские и политические риски, а также кредитный риск. Как глобальная, так и национальная шкалы ранжируют должников по вероятности дефолта, но при этом национальная шкала соотносит должников только в пределах одной страны. Шкала рейтингов Moody’s несколько отличается от шкалы других рейтинговых агентств. Так, кредитам самого высокого качества присваивается рейтинг «Ааа», а самой низкой градацией шкалы является рейтинг «С». Каждая группа рейтингов дополнена цифрой от 1 до 3, которая отражает положение рейтинга в рейтинговой категории (рейтинг «Ва1» находится выше рейтинга «Ва2»)22. Рейтинг также может быть дополнен прогнозом, т.е. мнением агентства о возможном направлении движения рейтинга на период от одного года до двух лет. Речь может идти об одном из четырех вариантов прогноза: позитивный, негативный, стабильный и развивающийся. Всего шкала рейтингов Moody’s включает 21 градацию и, как отмечается в материалах агентства, только национальная шкала дает возможность активно использовать все 21 категорию рейтингов, позволяя более подробно дифференцировать организации. Такое деление шкалы позволяет учитывать изменения малого масштаба, поэтому даже при неизменности глобального рейтинга, рейтинг по национальной шкале может меняться. Цифровые модификаторы 1,2 и 3 применяются в каждой общей классификации рейтингов от Аа до Саа включительно. 22 39 Таким образом, проводимый международными рейтинговыми агентствами анализ учитывает широкий набор факторов как финансового, так и нефинансового характера. Многие исследования выявляют важную роль в оценке функционирования кредитной организации нефинансовых факторов. Такие характеристики как состав и опыт сотрудников, «текучесть» кадров, структура управления и принципы внутреннего контроля, структура поощрения сотрудников, качество ведения внутренней документации, а также отсутствие планов на случай чрезвычайных обстоятельств, которые бы позволили справляться с внешними или внутренними угрозами, – безусловно, оказывают крайне важное влияние на функционирование организации. И, хотя такие факторы не должны рассматриваться как основные причины возникновения затруднений в деятельности организации, они, тем не менее, усугубляют существующие проблемы и могут стать «последней каплей», приведшей к кризису и банкротству организации. К сожалению, такого рода информация является конфиденциальной, недоступной широкому кругу заинтересованных лиц, что не дает возможности использовать ее для дистанционного анализа кредитных организаций. Кредитные рейтингов таких агентств как Moody’s, S&P, Fitch играют важную роль в оценке кредитного риска, и их роль в будущем будет возрастать в виду применения нового Базельского соглашения, где определены предложения по совершенствованию внутренней оценки кредитных рисков, а также компонентной оценке достаточности собственного капитала банка. Многие крупные банки разработали или находятся в процессе разработки внутренних рейтинговых методик, которые дадут им возможность применять внутренние рейтинги на основе подходов, предложенных в новом Базельском соглашении для расчета количественных показателей кредитного риска, и, таким образом, управлять нормативными потребностями в капитале. При разработке собственной методики рейтинговой оценки банков, являющейся предметом данного исследования, ее настройка основывается на 40 показателях банков, имеющих рейтинг международных рейтинговых агентств. Создание методики, позволяющей разделять банки на «здоровые» и «проблемные», является крайне актуальным вопросом. Проводимый нами анализ основывается на доступной финансовой информации, а полученная оценка (рейтинг) может применяться как при внутреннем, так и при внешнем мониторинге отдельного банка или банковской системы в целом. 1.3. Эмпирические исследования по оценке надежности банков Научная литература по вопросам анализа банков и оценке их финансовой устойчивости представляет широкий спектр применяемых методов и моделей. Первоочередной проблемой при построении системы оценки кредитного качества организации является определение того, какие характеристики следует включать в модель и какие «весовые» коэффициенты должны им соответствовать. Значимость (или «вес») финансовых показателей, влияющих на итоговый рейтинг (а следовательно, и на вероятность невозврата), приобретает здесь особую важность. Из множества характеристик такого рода необходимо выбрать наиболее существенные, определить их количественное значение и проследить за изменениями в зависимости от общественных и экономических условий. Среди множества работ, посвященных моделированию рейтингов, наиболее значимыми являются работы Альтмана и соавторов [40,41,43,44]. Как указывают исследователи, рейтинговые агентства измеряют риск дефолта в достаточно большом временном горизонте, поэтому его изменение происходит только в том случае, когда изменения в функционировании организации приобретают постоянный характер. Так методика агентства S&P отмечает, что рейтинг имеет большую цену в том случае, когда он устанавливает долгосрочные перспективы и не зависит от краткосрочных колебаний. Следовательно, можно говорить о замедленном отражении происходящих изменений на рейтинге организации. 41 В качестве наиболее часто используемых систем оценки кредитного риска выделяют так называемые «экспертные системы». При этом подходе оценивается множество различных факторов: репутация, капитал, волатильность доходов, ликвидность и др., на основе чего формируется «экспертное» мнение об организации. Составляющими экспертной системы являются: набор логических правил вывода, количественные и качественные данные об банке-контрагенте (анкета кредитной организации), а также параметры предполагаемых операций. Однако, как отмечают Сомервилл и Тафиер (R.Somerville, R.Taffier [87]), такого рода системы часто слишком пессимистичны в оценке кредитного риска, а поскольку системы многомерных количественных оценок (scoring-system) лучше справляются с этой задачей, то большинство ведущих финансовых институтов отошли от использования «экспертных систем». Применение многомерных оценок предполагает сравнение значений ключевого набора показателей с нормами для группы или отрасли, а результаты полученных оценок агрегируются и взвешиваются для получения единой оценки кредитного риска или вероятности дефолта. Среди основных методологических подходов в построении систем многомерных количественных оценок можно выделить следующие четыре: линейная вероятностная модель; логит-модель; пробит-модель; модели дискриминантного (факторного) анализа. Самым распространенным подходом является применение различных вариантов дискриминантного анализа. Наиболее часто используется некая линейная функция связи финансовых и рыночных показателей, которая позволяет наилучшим образом разделять контрагентов на две группы: «плательщиков» и «неплательщиков» (банкротов). Настройка модели предполагает минимизацию внутригрупповой вариации при максимизации вариации между элементами разных групп. 42 Похожим образом устроены логит- и пробит-модели, в которых на основе некоего набора показателей (независимые переменные) модель предсказывает вероятность дефолта (зависимая переменная), которая в обоих случаях непрерывно распределена между 0 и 1. Различие в моделях состоит в том, что в логит-моделях предполагается лог-распределение вероятности дефолта, в то время как в пробит-моделях вероятность дефолта распределена по нормальному закону. Cравнения предсказательной способности логит- и пробит-моделей и моделей дискриминантного анализа проводилось во многих исследованиях. Так, в работе Мартина (D.Martin [77]) изучаются предсказательные способности этих моделей для случая банкротств 23 американских банков в период 1975-1976гг. Вест (R.West [89]), на основе логит-модель, проводит оценку финансового состояния банков и исследовал вероятность попадания в группу «проблемных». А Х.Платт и М.Платт (H.Platt, M.Platt [84]), исследуя качество моделей, учитывающих исключительно финансовые показатели организации, и моделей с учетом отраслевых норм, доказывают преимущество последних в решении задачи разделения банков по вероятности дефолта. Среди трудов, посвященных использованию дискриминантного анализа, следует выделить работы Альтмана (Е.Altman [40,41]), впервые который в 1968 году применил дискриминантный анализ для предсказания банкротств нефинансовых фирм. Исследования показывают, что все перечисленные модели, несмотря на высокую предсказательную способность, не лишены ряда недостатков. Прежде всего очевидно, что линейные модели справляются с поставленными задачами хуже, чем модели, использующие нелинейные связи между показателями, уже потому, что наш мир в своей основе нелинеен. Кроме того, к недостаткам некоторых моделей можно отнести трудность их обоснования, т.к. полученные результаты моделирования и оцененные зависимости между показателями часто слабо связаны с используемой теоретической моделью [18]. 43 Определенный тип моделей оценки риска банкротства основывается на рыночной стоимости активов организации и волатильности ее изменения во времени (классической является работа Блэка и Шоулза (F.Black, M.Sholes [52])). Стоит отметить, что метод оценки функционирования кредитных организаций на основе рыночной стоимости акций, применяемый в западных исследованиях (напр., Байстром (Bystrom H.N.E. [54]), Холл и Майлс (S.Hall., D.Miles [71])), неприменим в российских условиях, т.к. ликвидными и торгуемыми являются акции только ряда крупнейших банков. В последнее время широкое распространение получили методики классификации кредитного риска, использующие теорию нейронных сетей. Такой подход сродни нелинейному дискриминантному анализу, т.к. в его основе также лежит отказ от предпосылки, согласно которой параметры, входящие в модель, связаны линейно и не зависят друг от друга. Нейронная модель находит потенциальные («скрытые») связи между параметрами, которые в дальнейшем входят в модель предсказания банкротства как дополнительные объясняющие переменные. В нейросетях используются те же входные данные, что и в эконометрических моделях, но модели оценки кредитного риска строятся с помощью определенных процедур обучения распознаванию образов (классов), при этом задействуются компьютерные алгоритмы, имитирующие работу человеческого мозга. Отдельным классом моделей являются различные оптимизационные модели, основанные на методах математического прогнозирования, позволяющих минимизировать ошибки кредитора и максимизировать прибыль с учетом различных ограничений. Поскольку устойчивость организации напрямую связана с эффективностью ее функционирования, то исследование эффективности является крайне важным этапом для получения полноценной и всесторонней оценки организации. Так как на современном этапе банки действуют в условиях высокой конкуренции, то необходимым элементом менеджмента становится сравнение его с ближайшими конкурентами или целевым («идеальным») банком. 44 Если рассматривать вопрос эффективности функционирования банков, банк необходимо рассматривать в качестве производителя потока услуг (параметры «выходов») и потребителя ресурсов (параметры «входов»). Выбор переменных для «входов» и «выходов» определяется не только целями исследования, но также доступностью и достоверностью имеющейся информации [85,51]. Среди широко применяемых в последнее время моделей оценки эффективности, наибольший интерес вызывают модели граничного (оболочечного) анализа данных. Наиболее успешно применяемыми подходами к нахождению эффективного фронта23 являются: метод стохастического фронта (эконометрический метод) метод оболочечного анализа данных (метод линейного программирования). Метод стохастического фронта основывается на предположении, что эмпирические данные не могут лежать выше оптимальной производственной функции или же, что эквивалентно, ниже функции издержек. Таким образом, в модели на основе статистических данных оценивается некоторая параметрическая функция (например, функцию издержек), а величина отклонения от нее отражает степень неэффективности организации [47,85]. Основа современных методов граничного оболочечного анализа эффективности заложена в работе Фарелла (M.Farrell [65]), в которой, на базе работ Дебрю и Купманс (G.Debreu, T.Koopmans [60,74]), была определена простая мера для оценки эффективности. Позже Афрат (S.Afriat [34]) предложил несколько методов математического программирования, позволяющих решить задачу отыскания кусочно-линейного эффективного фронта; особый же подъем интереса к методам оболочечного анализа был вызван работой Чанрса, Купера и Рода (A.Charnes, W.Cooper, E.Rhode [57]), которые и ввели в научный обиход сам термин Data Envelopment Analysis Эффективным фронтом называется граница оптимального функционирования организации. Чем дальше от границы находится организация, тем менее эффективна ее деятельность. Границы может служить оптимальная производственная функция, если она известна. 23 45 (DEA) или оболочечный анализ данных. DEA является одним из эффективных способов визуализации и анализа деятельности организации, позволяющего на основе эмпирических данных («входов» и «выходов») построить эффективную производственную функцию и определить положение отдельных организаций относительно этой функции. Однако, в силу специфики деятельности банков, необходимо не только учитывать количественные показатели (прибыльность, объемы совершаемых операций и т.п.), но и соизмерять их со степенью принимаемого риска. Поэтому предварительно необходимо разделить организации на группы «близких» по таким параметрам, как капитализация, ликвидность, специализация, рейтинг и т.п. Таким образом, соотнося два понятия: «риск» и «эффективность», можно получить более полноценную оценку функционирования кредитных организаций. В этой связи особый интерес вызывает еще один класс моделей оценки функционирования банков, а именно – рейтинговые модели. При рейтинговом подходе к оценке организаций каждому рейтингу ставится в соответствие свой уровень устойчивости: самому высокому уровню рейтинга соответствует минимальное количество банкротств, в то время как вероятность банкротства организаций с низким рейтингом существенно выше. Такой подход используется ведущими рейтинговыми агентствами, а тот факт, что рейтинг, присвоенный рейтинговым агентством, имеет высокую предсказательную способность в задаче оценки вероятности дефолта и степени надежности банка, подтверждается многими исследованиями (см. [53,72]). Обзор методик международных рейтинговых агентств показывает, что они основаны на анализе широкого набора финансовых и нефинансовых параметров. Агентства исследуют качество управления, структуру собственности, полноту раскрытия информации и многие другие нефинансовые характеристики функционирования банка. Однако, поскольку нефинансовые характеристики часто являются трудно формализуемыми, то важно понимать, насколько рейтинги привязаны к финансовому состоянию банков. Работы по 46 моделированию рейтингов выявляют основную и определяющую роль финансовых показателей в предсказании рейтингов кредитных организаций [44]. В ходе решения задачи моделирования рейтингов международных рейтинговых агентств для кредитных организаций исследователи пытаются с той или иной степенью успешности построить «черный ящик», на входе которого были бы финансовые показатели, а на выходе – рейтинг организации. Одной из фундаментальных работ в области исследования рейтингов международных агентств является статья Альтмана и Рийкена (Altman E., Rijken H. [43]), в которой результаты модели предсказания дефолта (DP-score), модели рейтингов (AR-score) и реальных кредитных рейтингов агентства Standard&Poor’s сравниваются с эмпирическими данными о дефолтах кредитных организаций. Рейтинговая модель (AR-score) имеет следующий вид: credit score 1 WK RE EBIT ME 2 3 4 5 Size 6 Age , TA TA TA BL где WK – работающий капитал, RE – нераспределенная прибыль, ТА – суммарные активы, МЕ – рыночная стоимость акций, EBIT – доходы до вычета процентов по заемным средствам и налогов, BL – балансовая стоимость обязательств, Size – суммарные обязательства, Age – время, прошедшее с момента, когда впервые был присвоен рейтинг. При этом точность различных модификаций логит-моделей не превышает 40% ( pseudo R 2 для одной модели равен 0,355, для другой – 0,374). На основе полученных результатов моделирования авторы делают вывод о том, что размер банка имеет важное положительное влияние на рейтинг, а в некоторых случаях даже возможно утверждение: банк слишком большой, чтобы обанкротиться. При этом давность (Age) первого присвоения рейтинга 47 понижает вероятность дефолта, доказывая тем самым, что организации заинтересованы в исправлении выявленных недостатков и стремятся к повышению уровня рейтинга. Альтман и Рийкен (Altman E., Rijken H.) отмечают, что реальные кредитные рейтинги демонстрируют существенно большую стабильность, чем рейтинги, предсказанные с помощью моделей. Результаты моделирования позволяют подтвердить тот факт, что рейтинговые агентства ориентированы на оценку «накопленного» качества показателей (изменение рейтинга происходит, когда изменение показателей превосходит некий порог), а не текущих показателей функционирования. При этом, как отмечает Пересецкий [83], есть лишь ограниченное число подходов для статистического моделирования кредитоспособности банков на основе общедоступной публичной информации, а именно: модели на основе существующих рейтингов, присвоенных рейтинговыми агентствами. Такой подход применительно к российским банкам впервые применил ван Суст и др. [86]; модели на основе экспертного мнения (эксперты оценивают организации на основе числовой информации о параметрах баланса); модель на основе анализа исторических данных банковских дефолтов (бинарные модели логит или пробит). Этот подход для российских банков применил Головань и др. [12,13]. Среди отечественных работ, решающих задачу моделирования рейтингов международных агентств, стоит выделить труды А.Карминского и А.Пересецкого [16,17,18,19], в которых реализовано моделирование рейтингов агентства Moody’s. Авторы изучали возможность построения рейтинговой модели в международном масштабе. В выборку вошли 311 банков из 28 стран, включая страны Евросоюза и развивающиеся страны различных регионов мира. В данных исследованиях решают задачу моделирование рейтингов долгосрочных депозитов банков в иностранной валюте, присваиваемых 48 рейтинговым агентством Moody’s. В анализе были использованы модели, основанные на финансовых показателях деятельности банка и на фиктивных переменных, отражающих географическую принадлежность банка (развивающиеся рынки, Евросоюз, французские банки), что позволило достичь точности попадания в рейтинг на уровне 70%. При этом точность модели с отклонением на один класс рейтинговой шкалы составляет чуть более 96%. А.Карминский и А.Пересецкий, как и многие зарубежные исследователи, подтверждают важность размера банка при определения его рейтинга. В качестве основных в их модели выделены такие показатели, как отношение сформированных резервов к активам, отношение капитала к активам, отношение величины депозитов к капиталу кредитной организации, а также стоимость обязательств банка (отношение процентных расходов к средним обязательствам, по которым выплачиваются проценты). Авторы доказали также значимость макроэкономических показателей для моделирования рейтингов организаций (введение макроэкономических показателей в модель позволяет значительно увеличить точность полученных результатов). Авторами продемонстрирована также необходимость введения фиктивных переменных, характеризующих поддержку государства или материнской компании (в случае если ее рейтинг выше). Среди рассмотренных А.Карминским и соавторами моделей, следует выделить также модели, использующую квантильную шкалу (вместо значения показателя в качестве регрессора в модели используется место банка относительно других банков по данному показателю), а также нормализованную шкалу24 для показателей. Однако авторы приходят к выводу, что переход к квантильным шкалам и использование нормализированной шкалы не позволяют существенно повысить статистические характеристики и предсказательную силу модели, однако такие модели более адекватно описывают зависимость рейтингов во времени, улучшая при этом интерпретируемость коэффициентов. Нормализация заключается в отображении шкал объясняющих переменных в новые, полученные для каждого показателя путем вычитания из него среднего значения и деления разницы на стандартное отклонение. 24 49 Таким образом, можно отметить значительный спектр подходов и моделей, применяемых для оценки функционирования кредитных организаций. Наиболее перспективным по нашему мнению являются рейтинговые модели оценки кредитоспособности банков, настройка которых основывается на существующих рейтингах, присвоенных ведущими рейтинговыми агентствами. 1.4. Основные показатели для анализа финансовой устойчивости российских банков На основе ряда отечественных и зарубежных работ, посвященных оценке деятельности кредитных организаций, исследованию банкротств и моделированию рейтингов кредитных организаций, нами выбран набор показателей для определения кредитного качества российских банков. При выборе показателей учитывались также параметры, используемые рейтинговыми агентствами для анализа функционирования банков в ходе процедуры присвоения и пересмотра рейтингов. Отметим, что набор, используемый западными исследователями, не мог быть механически применен к российской банковской системе, и для оценки финансового состояния российских банков необходимо было выявить собственный набор адекватных показателей. Выбор показателей для оценки финансового состояния банка – непростая и неоднозначная задача. Основными критериями нашего выбора показателей стали экономическое содержание, простота вычисления, а также устойчивость показателей во времени как необходимое условие построения долгосрочных кредитных рейтингов. Для создания модели показатели разделены на группы, каждая из которых характеризует основные аспекты деятельности кредитной организации. Основные группы показателей характеризуют: качество капитала, качество активов, качество ресурсной базы, доходы (рентабельность) и ликвидность, что в совокупности позволяет комплексно оценивать финансовое состояние банка и 50 определять качество его баланса. Как показатели внутри групп, так и показатели из разных групп могут оказывать прямое или косвенное влияние друг на друга (например, высокие показатели ликвидности часто сочетаются с низкими показателями доходности, а высокие показатели доходности и рентабельности могут сочетаться с низким показателем достаточности капитала). В то же время, возможность исследования большого набора финансовых соотношений в качестве характеристики того или иного аспекта деятельности кредитной некоррелируемых организации показателей и позволяет использовать находить их для группы построения эконометрических моделей. В нашей работе для оценки капитала кредитной организации выбраны следующие показатели: Таблица 1. Показатели достаточности капитала (ДК)25 1. Показатель достаточности капитала Собственные средства / Активы, взвешенные по риску 2. Показатель достаточности капитала Основной капитал / Активы, 1-го уровня 3. 4. взвешенные по риску Показатель общей достаточности Собственные средства / (Активыкапитала нетто – Активы с нулевым риском) Показатель финансового рычага (Собственные средства – Финансовый результат) / Активынетто 5. Показатель качества капитала Дополнительный капитал / Основной капитал Как в Базельском соглашении 1988 года, так и в новом соглашении 2004 года содержатся положения о минимуме достаточности капитала для банков с учетом риска портфеля банка. Согласно положениям документа, организации, принимающие на себя бóльшие риски, должны иметь более высокий уровень 25 Статьи баланса, использованные для вычисления агрегированных показателей приведены в Приложении 1. 51 капитала, что должно стимулировать банки улучшать качество портфеля. Капитал служит не только финансовой «подушкой» для банка, но также является одним из основных источников его развития. Однако, как отмечают зарубежные исследователи [76], часто имеет место «отрицательный эффект масштаба», выражающийся в том, что большие банки имеют более низкий уровень капитала относительно их активов, чем малые банки. Существенное влияние на «средний» размер собственного капитала банков оказывает жесткость регулирования в банковской системе (в особенности нормативы достаточности капитала) [68]. Поскольку банки имеют ограниченные возможности для увеличения размера капитала в короткие сроки, то устойчиво развивающиеся кредитные организации стремятся иметь определенный буфер капитала, дополнительно к минимальному нормативному уровню, что позволяет извлекать выгоду из неожидаемых инвестиционных возможностей. Показатель достаточности (ДК-1) получен делением собственных средств банка на активы, взвешенные с учетом риска. Активы, взвешенные по риску, равны сумме всех групп активов, каждая из которых умножена на весовой коэффициент, соответствующий кредитному риску, связанному с этой группой. Показатель достаточности капитала, известный как коэффициент Кука, разработан и рекомендован для анализа устойчивости банка в Соглашениях о капитале Базельского комитета по банковскому надзору от 1988 года [31]. Показатель взвешенных по риску активов учитывает дифференциацию кредитных рисков в зависимости от участвующей стороны (юридические или физические лица и т. д.) и инструмента (срочные кредиты, ипотечные кредиты, лизинг и т.д.). Данный показатель отражает тот факт, что рисковые активы должны быть подкреплены бóльшими резервами, в целях препятствия чрезмерному риску, а за счет сокращения риска можно увеличить значение показателя без физического увеличения капитала. В работе авторов Эстрелла, Парк, Перистани (A.Estrella, S.Park, S.Peristani [63]) оценивается роль в предсказании банкротств кредитных организаций двух простых показателей (показатель рычага, показатель валовой доходности 52 соотнесенной с капиталом первого уровня) и более сложного показателя достаточности капитала, взвешенного с учетом риска. Суть исследования сводится к тому, что простые показатели могут дополнять вычислительно более сложные показатели, подавая своевременные сигналы о необходимости проведения надзорных действий. Предметом изучения в указанной статье стали показатели, каждый из которых выражен дробью: числитель обозначает меру суммарного капитала фирмы, а знаменатель – суммарный риск банка. Во всех показателях, рассмотренных в данной статье, числитель постоянен (это капитал 1-го уровня, состоящий из стоимостей обычных акции, эмиссионного дохода, нераспределённой прибыли и стоимости привилегированных акций), что позволяет исследователям сконцентрироваться на альтернативных знаменателях. Среди недостатков показателя суммарных активов, взвешенных по риску, авторы отмечают неизбежную ошибку, возникающую вследствие уникальности каждого займа, а также тот факт, что заем зависит не только от кредитных, но и от других рисков: риск процентной ставки, операционный риск, репутационный. Кроме того, быстрое развитие финансового сектора приводит к быстрому устареванию схем присвоения весов. Необходимо заметить, что для выявления различий между активами требуется время, поэтому этот показатель может преувеличивать или недооценивать меру влияния каждой из групп активов на устойчивость кредитной организации. Поскольку капитал первого уровня составляет наиболее устойчивую часть собственных средств, то он наилучшим образом характеризует качество капитала (ДК-2) [31]. Показатель общей достаточности капитала (ДК-3) определяется отношением собственного капитала ко всем активам, за исключением активов с нулевым коэффициентом риска. Активы с нулевым коэффициентом риска определяются в соответствии с Инструкцией Банка России № 110-И [1]. К ним относятся денежные средства банка, природные драгоценные камни и драгоценные металлы, средства на счетах в ОРЦБ, средства и депозиты на 53 счетах в Банке России, вложения в облигации Банка России, обязательные резервы, депонированные в Банке России, средства банков в кредитных организациях, внесенные для расчетов чеками. Показатель финансового рычага (ДК-4) характеризует отношение чистых собственных средств к активам. ДК-4 определяет, во сколько раз активы превышают обеспечение в виде собственных средств. Поскольку собственный капитал должен служить покрытием на случай возможных убытков, то чем ниже значение показателя, тем выше степень риска банкротства банка. Идея, применяемая для построения данного показателя, послужила источником для дальнейшего совершенствования показателей устойчивости функционирования финансовых организаций путем разделения активов по уровню риска. Показатель качества капитала (ДК-5) определяется как отношение дополнительного капитала к основному капиталу. Как уже отмечалось выше, основной капитал, т.е. капитал первого уровня, – наиболее стабильная часть капитала банка. Этот показатель рекомендован в материалах Базельского комитета в качестве критерия при оценке достаточности капитала. Анализ качества активов позволяет охарактеризовать склонность банка к риску, а также определить диверсификацию активов банка. Таблица 2. Показатели качества активов (КА) 1. Показатель резервирования Резервы / Коммерческие кредиты 2. Показатель доли просроченных ссуд Просроченные ссуды / Коммерческие кредиты 3. Показатель доли прочих активов Прочие активы / Активы нетто 4. Показатель кредитования Коммерческие кредиты / Активы нетто 5. Показатель доли ценных бумаг в Ценные бумаги / Активы нетто активах 6. Показатель портфеля покрытия кредитного (Собственные средства + срочные депозиты физических лиц + 54 депозиты юридических лиц) / Коммерческие кредиты 7. Показатель доли безнадежных ссуд Безнадежные ссуды / Коммерческие кредиты 8. Показатель доли активов работающих Доходные активы нетто / Активы нетто Показатель резервирования (КА-1) определяет сумму резервов, созданных банком под выданные клиентам кредиты. Процент резервирования дает двоякую оценку деятельности банка. С одной стороны, большой показатель созданных резервов говорит об обеспечении кредитов на случай «невозврата», но также может служить и показателем качества выданных кредитов. Выдача кредитов низкокачественным (высокорисковым) заемщикам свидетельствует о склонности организации к получению дополнительных доходов за счет дополнительных рисков. Показатель доли просроченных (свыше 30 календарных дней) ссуд (КА-2) характеризует долю потенциально безвозвратных ссуд в общем портфеле выданных кредитов. Для розничных банков этот показатель зачастую выше, так как для сектора потребительского кредитования наряду с высокими процентами и комиссиями характерна и высокая доля «невозвратов» и «просрочек» платежей. Важным показателем при оценке качества активов является доля прочих активов в балансе банка (КА-3). К прочим активам отнесены такие операции банка как лизинг и факторинг26, использование бюджетных средств, расчеты по покупке и продаже валюты и непосредственно прочие активы. Если доля подобных активов в портфеле банка велика, то можно говорить о более низком качестве портфеля, чем при традиционном (в котором превалирует портфель коммерческих кредитов) распределении статей в балансе организации. 26 Эти направления функционирования российских кредитных организаций на текущий момент развиты слабо. 55 Коммерческие ссуды для большинства банков являются основной частью доходных активов, что позволяет рассматривать показатель доли ссуд в портфеле активов банка (КА-4) как характеристику качества портфеля. Показатель доли ценных бумаг в активах (КА-5) характеризует портфель работающих активов банка с точки зрения его зависимости от рыночного риска и помогает определить специализацию банка. Показатель покрытия кредитного портфеля (КА-6) выявляет соотношение устойчивых пассивов и объемов выданных ссуд. Кредитная организация решает вопрос о привлечении по возможности устойчивых (длинных) пассивов для выдачи ссуд, по возможности с более коротким сроком возврата, но зачастую складывается обратная ситуация – длинный кредит приходится финансировать более короткими депозитами. Показатель доли безнадежных ссуд (КА-7) характеризует долю ссуд, фактически признанных безвозвратными. Высокое значение данного показателя негативно характеризует деятельность банка в вопросах оценки заемщиков и контроля за выполнением условий кредитования. В российской банковской системе количество «невозвратов» растет в том же темпе, что и число выданных кредитов. Такова неизбежная плата за быстрый рост сектора потребительского кредитования, сопровождающийся высокой долей экспресскредитов и низким качеством процедур оценки заемщиков; кроме того – низкая финансовая грамотность заемщиков и высокая реальная стоимостью обслуживания кредитов часто не позволяют возвратить их в срок и в полном объеме. Показатель доли работающих активов (КА-8) характеризует эффективность организации в использовании активов для извлечения прибыли. Для небольших организаций характерна высокая доля неработающих активов (основные средства и т.д.) в активах банка, а с ростом размера организации доля неработающих активов имеет тенденцию к сокращению. 56 При анализе структуры привлеченных средств главное внимание уделяется основным источникам финансирования организации, их устойчивости и динамике. В качестве показателей для анализа эффективности банка в создании качественной базы привлеченных средств выбраны следующие отношения: Таблица 3. Качество ресурсной базы (КР) 1. 2. Показатель зависимости краткосрочных межбанковских Краткосрочные МБК полученные) / заимствований Всего обязательств Показатель доли неустойчивых Обязательства до востребования / обязательств 3. Показатель Всего обязательств зависимости расчетных счетов 4. от (Краткосрочные МБК выданные – от Клиентские остатки / Всего обязательств Показатель доли выпущенных Выпущенные ценные бумаги / ценных бумаг в обязательствах Всего обязательств Показатель зависимости от краткосрочных межбанковских заимствований (КР-1) отражает долю относительно коротких (до 3 месяцев) межбанковских кредитов в обязательствах банка. Высокая зависимость от межбанковского заимствования может свидетельствовать о неустойчивости ресурсной базы, о политике финансирования активных операций за счет коротких займов на межбанковском рынке, что отрицательным образом влияет на устойчивость банка к внешним шокам, поскольку негативная информация о банке может привести к быстрому закрытию лимитов на данную организацию другими банками. Показатель доли неустойчивых обязательств (КР-2), как и предыдущий показатель, характеризует долю обязательств до востребования в обязательствах банка. Счета до востребования являются одним из наиболее дешевых источников средств, но поскольку ставка процента по этим счетам ниже, чем по срочным вкладам, то в случае неблагоприятных условий для 57 банка они будут изъяты клиентами в первую очередь, что ограничивает возможности планирования деятельности и повышает вероятность возникновения проблем с ликвидностью. Еще одним показателем, характеризующим ресурсную базу, является показатель доли клиентских остатков в обязательствах банка (КР-3). Высокая доля счетов клиентов позволяет получать сравнительно устойчивую и недорогую ресурсную базу. Одним из способов финансирования активных операций банка является выпуск собственных ценных бумаг. Такой способ финансирования требует наличия благоприятных условий для эмиссии (т.е. положительной информации о деятельности банка, высокого рейтинга, финансовых результатов, которые свидетельствовали бы об эффективности деятельности, и т.д.). Таким образом, показатель доли собственных выпущенных бумаг в обязательствах банка (КР-4) отражает склонность банка к заимствованиям на долговом рынке. Одним из основных показателей эффективности функционирования организации является полученная прибыль. При прочих равных более прибыльные организации являются более устойчивыми к неблагоприятным внешним воздействиям. Для целей нашего анализа были выбраны следующие показатели доходности функционирования российских банков: Таблица 4. Показатели доходности (ПД) 1. Показатель доходности активов Финансовый результат (приведенный к (ROA) 2. году) / Активы нетто Показатель доходности капитала Финансовый результат (приведенный к (ROE) году) / Собственные средства Показатель доходности Доходы по ценным бумагам / Всего операций с ценными бумагами доходов 4. Показатель маржи прибыли Прибыль / Всего доходов 5. Показатель процентной маржи Процентные доходы (приведенные к 3. году) / Доходные активы 58 Стоит отметить, что доходы и расходы отражаются в балансе российских банков (Форма 101) накопительным итогом и списываются на квартальную дату, что приводит к нулевым значениям статей в разбивке по их сущности (процентные доходы (расходы), результат от операций с ценными бумагами, валютой, штрафы и т.д.) на квартальные даты. Для вычисления показателей доходности была применена следующая процедура: Для первого месяца квартала показатели доходов (расходов) берутся из баланса банка (Форма 101). Для второго месяца квартала доходы (расходы) равняются сумме на соответствующем счете за вычетом суммы на соответствующем счете предшествующего месяца. Для третьего месяца квартала доходы (расходы) равняются сумме, полученной из 102 формы по данному виду доходов (расходов) за вычетом накопленного за год дохода (за предыдущий квартал и прошедшие месяцы данного квартала). Показатель доходности активов (ПД-1) описывает «ставку» доходов по активам банка и количественно оценивает эффективность их использования. П.Роуз [29] определяет показатель доходности активов (ROA) как показатель эффективности работы менеджеров по извлечению чистой прибыли из активов банка. Подобным, по сути, является показатель доходности собственного капитала (ROE) (ПД-2), который количественно выражает эффективность от вложений в собственный капитал банка (рентабельность приобретения акций) и тем самым служит измерителем доходности для акционеров банка. Следует отметить, что организации стремятся к тому, чтобы показатели ROA и ROE были как можно выше, но здесь возможности банков дополнительной информации об ограничены конкуренцией. Для получения эффективности экономической деятельности банка важно оценить диверсификацию доходов банка и вклад в финансовый результат отдельных составляющих портфеля 59 активов банка. Необходимость исследования рентабельности операций с ценными бумагами (ПД-3) вызвана в первую очередь тем, что эта статья доходов или расходов банка является одной из наиболее зависимых от рыночного риска, а следовательно, характеризует неустойчивую часть финансового результата. Важным показателем, характеризующим эффективность деятельности банка, является доля прибыли, оставшаяся в распоряжении банка после вычета из доходов всех расходов, в отношении к валовому доходу. Для получения такого рода оценки в научной литературе чаще всего применяют показатель маржи прибыли (ПД-4). При оценке финансового состояния кредитной организации важно понимать, насколько эффективно банк использует свои активы для извлечения прибыли. Поскольку львиную долю доходов большинства банков составляют процентные доходы по предоставленным кредитам, то в качестве меры такой эффективности нами было выбрано отношение процентного дохода к доходным активам (ПД-5) («ставка доходности активов»). Вопрос о ликвидности и платежеспособности банка является одним из основных при оценке кредитной организации. Показатели ликвидности служат для оценки возможностей банка своевременно удовлетворять требования вкладчиков, а использование при анализе нескольких показателей позволяет оценить ликвидность кредитной организации с разных сторон. Для того чтобы исследовать текущее состояние ликвидности кредитной организации используются синтетические показатели, выражающие объемы активов банков, обладающих высокой и сравнительно высокой ликвидностью (Лам и Лат). К высоколиквидным активам (Лам) были отнесены – кассовые активы, а также корсчета в Центральном банке РФ и ОРЦБ, депозиты до востребования в ЦБ РФ. Для определения объема текущих ликвидных активов (Лат) банка использовались активы кредитной организации срочностью до одного месяца. 60 Таблица 5. Показатели ликвидности (ПЛ) 1. Показатель мгновенной ликвидности ЛАм / Обязательства до востребования 2. Показатель доли ликвидных активов ЛАт / Активы-нетто 3. Показатель текущей ликвидности ЛАт / Текущие обязательства 4. Соотношение высоколиквидных ЛАм / Привлеченные средства (без активов и привлеченных средств прочих) Показатель мгновенной ликвидности (ПЛ-1) отражает покрытие наиболее ликвидными активами наиболее неустойчивой части пассивов, что характеризует способность банка удовлетворить возникшие к нему требования со стороны вкладчиков и кредиторов. Поскольку регулирующие органы пристально следят за своевременностью исполнения этих требований банками, то финансово устойчивые банки стремятся иметь излишний запас ликвидных средств относительно минимально допустимого нормативного уровня. Показатель доли ликвидных активов в активах (ПЛ-2) характеризует долю краткосрочных активов в балансе банка. Ликвидные активы являются наименее доходной частью активов, поэтому кредитные организации стремятся сократить их долю. В целях защиты интересов вкладчиков Центральный банк РФ устанавливает обязательные нормативы по доли ликвидных активов в балансе, устанавливая минимально допустимое процентное соотношение. Поскольку кредитная организация должна своевременно и в полном объеме отвечать по своим обязательствам, то необходимо оценить значение показателя, характеризующего покрытие текущих обязательств текущими ликвидными активами (ПЛ-3). В то же время соотношение высоколиквидных активов и привлеченных средств (ПЛ-4) позволяет определить наиболее «жесткую» (из используемых в данном исследовании) оценку ликвидности банка. 61 В заключение следует отметить, что расширение набора показателей для анализа позволит добиться организации, однако полученных данных более неизбежно в полного приведет интегральный к освещения деятельности проблеме агрегирования показатель (рейтинг кредитной организации). К тому же с ростом числа показателей снижается их «вклад» в итоговую оценку, что нивелирует преимущества, полученные от использавния дополнительных показателей. Как показывает дальнейший анализ, набор показателей, обозначенный выше, позволяет формировать рейтинги российских банков, обладающие высокой степенью согласованности с рейтингами международных рейтинговых агентств. 1.5. База эмпирических данных для исследования Для решения проблемы «нетранспарентности» финансового сектора Центральный банк РФ провел ряд мер, стимулирующих банки к раскрытию информации о своей деятельности27. В настоящее время более 850 банков размещают финансовую информацию (данные оборотной ведомости по счетам бухгалтерского баланса кредитной организации по форме 0409101 (отдельные графы) и отчет о прибылях и убытках по форме 0409102) на странице Банка России в сети Интернет [99]. Это позволяет получить значительный объем данных, которые могут использоваться исследователями для формирования собственной системы оценки финансового состояния российских кредитных организаций. В нашем исследовании для целей построения и настройки методики использовались данные финансовой отчетности российских банков за период с января 2004 года по сентябрь 2006 года (33 отчетных месяца). В базе, публикуемой на сайте Центрального банка РФ, представлена информация по 858 банкам (Форма 101), однако полная информация за все периоды имеется только для 625 банков. Статья 8 Федерального закона «О банках и банковской деятельности», а также Указание 192-У «О дополнительных мерах по защите интересов вкладчиков банков» 27 62 Согласно поправкам к федеральному закону «О банках и банковской деятельности», принятым Государственной Думой 7 апреля 2006 года, «минимальный размер уставного капитала вновь регистрируемого банка на день подачи ходатайства о государственной регистрации и выдаче лицензии на осуществление банковских операций устанавливается в сумме рублевого эквивалента пяти миллионов евро (что примерно соответствует рублевому эквиваленту в 170 млн. рублей). В тексте документа указывается, что банк, имеющий на 1 января 2007 года собственные средства (капитал) в размере ниже суммы рублевого эквивалента в пять миллионов евро, вправе продолжать свою деятельность при условии, что размер его собственных средств не будет снижаться по сравнению с уровнем, достигнутым на 1 января 2007 года28. С учетом указанных поправок для нашего исследования выбраны организации, собственный капитал которых на 1 октября 2006 года превышает 100 млн. рублей ( 2 3 минимально необходимого уровня). Как показал анализ, этому критерию удовлетворяют 438 кредитных организаций. Валюта баланса банков, не вошедших в данную выборку, не превышает 1,2 млрд. рублей, что свидетельствует о крайне незначительных объемах бизнеса этих организаций. Банки Бадр-Форте Банк (1567), Профбанк (235), Инбанкпродукт (3191) были лишены лицензии в декабре 2006 года. Для того, чтобы избежать влияния «нестандартных» значений показателей, характерных для данных банков, они удалены нами из исследуемой группы. Русский Ипотечный Банк (1968) был также удален из рассмотрения, т.к. в начале 2004 года он был небольшим банком с весьма специфическим балансом (активы банка составляли 102 млн. рублей, из которых 100 млн. рублей находились на корреспондентских счетах банков-резидентов). При снижении размера собственных средств (капитала) банка вследствие изменения методики определения размера собственных средств (капитала) банк в течение 12 месяцев должен достичь либо минимального размера собственных средств (капитала), установленного настоящей статьей, рассчитанного по новой методике (для банков, имевших на 1 января 2007 года собственные средства (капитал) в размере, равном сумме рублевого эквивалента 5 миллионов евро и выше), либо размера собственных средств (капитала), имевшихся у него на 1 января 2007 года, рассчитанного по новой методике (для банков, имевших на 1 января 2007 года собственные средства (капитал) в размере ниже суммы рублевого эквивалента 5 миллионов евро). 28 63 Полная информация о прибылях и убытках 32 банков отсутствует в базе, публикуемой на сайте Центрального банка РФ (Форма 102), что не позволяет исследовать прибыльность этих организаций, потому они также удалены из рассмотрения. В итоге основная группа банков для исследования включает в себя Сбербанк России и 401 действующий российский банк. Размер собственного капитала банков, вошедших в выборку, по состоянию на 01.10.2006 превышает 100 млн. рублей, по ним в полном объеме доступна информация по месячным балансам за период с 01.02.2004 по 01.10.2006 (33 отчетных периода) и квартальная отчетность о прибылях и убытках. 31 банк из исследуемой группы не входит в систему страхования вкладов. Крупнейшими банками анализируемой группы являются банки с государственным участием (Сбербанк России, Газпромбанк, Внешторгбанк). Активы Сбербанка России, крупнейшего банка в банковской системе, по состоянию на 1.10.2006 составляют 6,5 трлн. рублей (191 млрд. евро), т.е. 42% суммарных активов исследуемой выборки. Средний же размер оставшихся 401 банка в исследуемой выборке составляет 22 млрд. рублей. Активы только 20 банков, включая Сбербанк, превышают 100 млрд. рублей (3 млрд. евро). Поскольку основная часть банков системы являются «небольшими», то, чтобы не вносить искажений в анализ, такую крупную организацию как Сбербанк России включать в исследуемую выборку представляется нецелесообразным. Таким образом, наше исследование основывается на использовании информации о 401 кредитной организации, функционирующей на территории Российской Федерации. 64 Результаты первой главы 1. В первой главе комплексно систематизированы и проанализированы теоретические модели и эмпирические исследования по оценке эффективности функционирования и устойчивости кредитных организаций, выявлены их преимущества и недостатки. 2. На основе научных трудов, посвященных оценке деятельности кредитных организаций, исследованию банкротств и моделированию рейтингов кредитных организаций, а также методик, используемых рейтинговыми агентствами в ходе процедуры присвоения рейтингов, нами составлен набор показателей для определения кредитного качества российских банков. 3. Сформирована база эмпирических данных для исследования на основе регулярно публикуемых на сайте Банка России форм отчетности российских банков (Форма №101 «Оборотная ведомость по счетам бухгалтерского учета», Форма 102 «Отчет о прибылях и убытках»). База включает в себя данные по 401 российскому банку в период с января 2004 года по сентябрь 2006 года. 65 ГЛАВА 2. Модели для формирования рейтингов российских банков 2.1. Выявление характерных специализаций российских банков Устойчивость кредитной организации в первую очередь зависит от умения и способности управлять рисками. Набор специфических рисков, которым подвержена деятельность банков, обусловлен набором предоставляемых услуг и проводимых операций, долевое соотношение которых и определяет (в нашем исследовании) специализацию кредитной организации. При оценке кредитных организаций важно не только определить значение исследуемых показателей, но выявить их место относительно характерных значений показателей для группы схожих банков (peer groups). Выявление особенностей функционирования банка относительно банков того же типа, испытывающих схожее влияние факторов риска, позволяет снизить степень искажений при оценке устойчивости банка. Как отмечается в большинстве исследований, банки с диверсифицированной структурой активов более устойчивы к локальным шокам, в то время как банки с концентрированной структурой должны создавать дополнительный буфер либо в виде капитала, либо в виде резервов для компенсации потенциальных потерь. Таким образом, надзорным органам следует не допускать излишней концентрации рисков как в отдельных банках, так и в банковской системе в целом [76]. Особую роль в банковской системе играют сберегательные банки, которые специализируются на обеспечении «надежного убежища» для сбережений вкладчиков. Важно подчеркнуть, что сберегательные и коммерческие банки часто по-разному реагируют на изменения в банковском секторе. Как было отмечено в работе Грифелл-Таж и Ловелл (E.Grifell-Tatje, C.Lovell [70]), банки различной специализации выбирают разные стратегии развития в равных рыночных условиях. Грифелл-Таж и Ловелл (E.Grifell-Tatje, C.Lovell [70]) выявили, что коммерческие банки стремятся соответствовать возросшей конкуренции путем совершенствования линейки услуг и эффективности 66 функционирования, в то время как сберегательные банки сохраняют рыночную долю преимущественно за счет увеличения числа отделений. Было бы нерезонно выделять для анализа российской банковской системы группу сберегательных банков, поскольку в РФ только Сбербанк России в полной мере соответствует данной специализации. Центральный банк РФ не разделяет банки по специализации и устанавливает единые нормативы деятельности кредитных организаций. Отметим, что разделение банков по типу и введение различных нормативов (достаточности капитала, ликвидности и т.п.) для банков различной специализации в нынешних условиях (при значительном числе кредитных организаций в банковской системе) создало бы дополнительные трудности для контроля и мониторинга и является скорее нежелательным. Однако для целей данного исследования выделение специализации банка является фактором, позволяющим получить важную дополнительную информацию относительно деятельности конкретных российских банков. Для определения видов специализации, характерных для российских банков, нами был проведен кластерный анализ банковской системы на основе метода самоорганизующихся карт Кохонена. В литературе принято разделять методы кластеризации на два основных типа: иерархические и агломеративные. Внутри каждого из типов существует множество способов и алгоритмов кластеризации, различающихся набором правил формирования групп, а также критериями оценки качества кластеризации. Иерархическая кластеризация заключается либо в последовательном объединении объектов в кластеры, либо – в разделении кластеров на более мелкие группы. Конечным результатом алгоритма здесь является дендрограмма (дерево кластеров), определяющая взаимосвязи между объектами. «Обрезав» дендрограмму на нужном уровне, можно получить желаемую кластеризацию. Неиерархическая кластеризация состоит в непосредственном разделении набора данных на множество кластеров (плотных областей в массиве данных). 67 Другой возможный подход включает в себя минимизацию некоторой меры различия внутри каждого кластера при максимизации различия между элементами из разных кластеров. Одним из видов такой кластеризации является метод К-средних. Несмотря на широкое применение этого метода, он не лишен ряда недостатков. Поскольку число кластеров в массиве данных часто неизвестно, то экспертное задание их числа (К) может приводить к нахождению кластеров «там, где их нет». Другой недостаток метода К-средних, равно как и других методов кластеризации, выражается в проблеме интерпретации кластеров. В большинстве алгоритмов кластеризации предпочтение отдается определенной форме кластеров, причем алгоритмы стремятся привести данные в соответствие с кластерами именно этой формы, даже если в рассматриваемом массиве таких кластеров нет. Традиционные закономерности и статистические структурные методы связи в способны массиве обнаруживать предварительно необработанных многомерных данных, но лишь немногие из них позволяют непосредственно визуализировать связи, существующие между элементами. Среди методов визуализации, стоит выделить метод самоорганизующихся карт Кохонена (СОК), нашедший широкое применение при изучении целевых групп в медицине, бизнесе и особенно в маркетинге [14]. Этот метод, разработанный Тейво Кохоненом (T. Kohonen [14,73]) в начале 1980-х годов, подходит для ситуации, когда нет изначального представления о структуре данных и количестве кластеров. Для методики СОК, являющейся частным случаем использования теории нейронных сетей, применяется обучение «без учителя», что позволяет эндогенно определять число возникающих кластеров. Из-за применяемого алгоритма обучения такой процесс выглядит как «черный ящик»: на вход подается набор исходных данных, а на выходе исследователь получает набор карт признаков с выделенными на них границами обнаруженных кластеров. Рассмотрим осуществляется алгоритм пошаговым обучения более перебором подробно. элементов Обучение и сети последующим 68 проецированием их на карту (выходной слой). «Победителем» из числа нейронов выходного слоя становится тот выходной нейрон, веса связей которого оказываются ближайшими в смысле евклидового расстояния к входному образу. Веса связей нейрона-победителя затем корректируются. Важно отметить, что, когда алгоритм СОК осуществляет топологическое отображение, происходит регулирование не только веса нейрона-победителя (центра кластера), но также и весов целой окрестности выходных нейронов, которые сдвигаются ближе к входному образу. Процесс начинается со случайных значений весов, а по мере обучения размер окрестности вокруг нейрона-победителя постепенно уменьшается. Таким образом, в начале обучения корректируются веса многих нейронов в окрестности победителя, но по затем все меньшее число нейронов реагирует на входные сигналы, и в конце корректируются только веса нейрона-победителя. В результате обучения определяются веса связей между входными векторами и выходными нейронами, каждому из которых соответствует входной образ, типичный для некоторого подмножества входных данных. Исходное пространство большой размерности сжимается в двумерную карту, которая представляет собой прямоугольный дисплей из нейронов выходного слоя. Изложим данную схему более формально. Пусть множество данных состоит из n-мерных вещественных векторов: x j (t ) [ x j1 (t ), x j 2 (t ),..., x jn (t )] . Каждому узлу ставится в соответствие модельный вектор, который изменяется в результате отклика на данные x j (t ) ( t 1,2 ,3...), последовательно используемые в алгоритме: mi (t ) [i1 (t ), i 2 (t ),..., in (t )] . Поскольку одной из целей анализа является представление пространства наблюдений на двумерной карте, то необходимо определить взаимосвязи между модельными векторами так, как если бы они были направлены вдоль 69 некоторой гибкой двумерной сети. На каждом шаге в первую очередь всегда определяется индекс узла победителя: x mw min x mi , где m w характеризует нейрон-победитель на карте i (модельный вектор). В ходе обучения изменение вектора mi происходит по следующему правилу: mi (t 1) m i (t ) a(t )hwi (t )( x(t ) mi (t )) , где a(t ) – скорость обучения ( 0 a(t ) 1 ), hwi (t ) – функция соседства с центром в нейроне-победителе, x(t ) – вход на t -той итерации. При этом вектор x(t ) выбирается случайно из обучающей выборки на итерации t . Функция h(t ) представляет собой невозрастающую функцию от времени (итерации) и выражает расстояния между нейроном-победителем и соседними нейронами в сети. Эта величина, называемая также радиусом обучения, выбирается достаточно большой на начальном этапе обучения и постепенно сокращается таким образом, что в конечном итоге обучается один нейрон-победитель. Наиболее часто используется функция h(t ) , линейно убывающая от времени. Рассмотрим теперь функцию скорости обучения a(t ) . Наиболее часто используются два варианта этой функции: линейная и обратно A пропорциональная времени a(t ) , где A и B — это константы, выбранные tB таким образом, чтобы выполнялось условие 0 a(t ) 1 . Хотя, как отмечают Дебок и Кохонен [14]: «…выбор закона, по которому a(t ) уменьшается до нуля, не является очень принципиальным…». Применение функции a(t ) приводит к тому, что все вектора из обучающей выборки вносят примерно равный вклад в результат обучения. Как уже отмечалось ранее, процесс обучения состоит из двух основных фаз: на первоначальном этапе выбирается большое значение скорости обучения и радиуса обучения, что позволяет расположить вектора 70 нейронов в соответствии с распределением данных в выборке, а затем производится точная подстройка весов, когда значения параметров скорости обучения много меньше начальных. Для завершения процесса визуализации необходимо определить цвет ячеек на карте. Самый простой вариант – использование градаций серого, но в принципе можно использовать любую градиентную палитру. Цвет ячейки определяется в зависимости от значения компонент (близкие по значению компоненты имеют близкие по оттенку цвета). Карты в совокупности образуют атлас («слоеный пирог»), отображающий расположение компонент, связи между ними, а также относительное расположение различных значений компонент. Такой набор карт может использоваться для анализа закономерностей, имеющихся между компонентами набора данных. По мнению зарубежных исследователей (см., например, Ли (Н.Li [75])), программный пакет Viscovery SOMine, разработанный Eudaptics29, является одной из лучших реализаций методологии СОК (SOM30). Программа позволяет использовать три метода кластеризации: кластеризация по методу Уорда, модифицированная кластеризация Уордa и кластеризация методом одиночной связи. «SOM-Ward» кластеризация использует классический метод Уорда [88], что позволяет получить кластеры с минимальной внутрикластерной вариацией. Метод одиночной связи (метод «ближайшего соседа») определяет расстояние между кластерами как расстояние между двумя ближайшими объектами (соседями) из разных кластеров. Согласно алгоритму Уорда («SOM-Ward») кластеризация начинается с того, что каждый объект формирует свой собственный кластер, а процесс объединения объектов ограничивается исключительно их топологической близостью. В результате обычно получается несколько больших и набор меньших кластеров. Ли (H.Li) [75], рассматривая вопрос сравнения качества различных методов кластеризации, применил классический подход, при котором 29 30 www.eudaptics.com Self Organizing Maps 71 исследуется задача, с уже известным составом кластеров. В итоге методы «SOM-Ward» и «SOM-modified Ward», реализованные в пакете Viscovery SOMine, позволили с точностью свыше 90% определить количество и состав кластеров, в то время как при использовании метода К-средних качество определения состава кластеров оказалось ниже, составив чуть более 80%. В то время как метод К-средних требует изначального задания числа кластеров, в методах, реализованных в Viscovery SOMine, программа определяет и число кластеров и качество кластеризации при данном числе кластеров. А поскольку исследователь заранее не знает числа кластеров в наборе данных, то метод СОК, позволяющий достаточно точно определять их число, является крайне востребованным на практике. Именно этот метод применен нами на таком важном этапе нашей работы, как выявление Кластеризация специализаций, по методу СОК характерных была для реализована российских с банков. использованием программного пакета Viscovery SOMine. Для определения специализаций нами исследована структура активов российских банков, для чего в активах-нетто выбраны процентные доли следующих показателей: «МБК выданные», «Кредиты, выданные физическим лицам», «Кредиты, выданные юридическим лицам и органам власти» и «Вложения в ценные бумаги». Таким образом, определение специализации банков для целей данного исследования основывается на изучении структуры их активных операций и не учитывает специализацию банка по структуре привлеченных средств31. Анализ корреляции свидетельствует о том, что эти показатели можно считать независимыми (уровень корреляции не превышает по модулю 0,3), и они могут использоваться для определения типа специализации банка. Поскольку спектр операций банков существенно шире, чем статьи активов, учитываемые нами при выделении специализации, то сумма процентных долей отличается от 100%. 31 72 Таблица 6. Корреляция показателей, используемых для определения специализации МБК выданные МБК выданные Кредиты физ. лицам Pearson 1 0,118(**) Correlation Sig. (2-tailed) 0,000 N 13233 13233 Кредиты физ. лицам Pearson 0,118(**) 1 Correlation Sig. (2-tailed) ,000 N 13233 13233 Кредиты юр. лицам Pearson -0,257(**) -0,286(**) Correlation Sig. (2-tailed) 0,000 0,000 N 13233 13233 Вложения в ценные Pearson -0,190(**) -0,192(**) бумаги Correlation Sig. (2-tailed) 0,000 0,000 N 13233 13233 ** Корреляция значима на уровне 0,01 (2-tailed) Вложения Кредиты в ценные юр. лицам бумаги -0,257(**) -0,190(**) 0,000 13233 0,000 13233 -0,286(**) -0,192(**) ,000 13233 ,000 13233 1 -0,301(**) 13233 0,000 13233 -0,301(**) 1 0,000 13233 13233 В ходе анализа исследуемой выборки, состоящей из 401 банка, было выявлено четыре группы банков, различающихся приоритетными направлениями деятельности. Эти группы можно условно обозначить как «корпоративные», «ссудные», «универсальные» и «банки для банков». В расчете процентной доли используются брутто-показатели по статьям активов. Следует заметить, что в случаях превышения «доли» уровня в 100% наблюдается значительный объем создаваемых резервов по выданным ссудам (до 40% от всех выданных ссуд), что, конечно же, является аномальным. Такие особенности отличают банк «Викинг» (лиц. 2), а также банк «Капитал» (лиц. 575) (см. Приложение 2). Для «корпоративных» банков характерна более высокая доля в портфеле активов ссуд, выданных юридическим лицам и органам власти (57%). Эта группа банков – самая многочисленная. Профиль деятельности «ссудных» банков характеризуется не только кредитованием коммерческих организаций (34%), но и значительной долей 73 кредитов, выданных физическим лицам (23%). Поскольку многие российские кредитные организации часто не способны выдавать кредиты на значительные сроки и в больших объемах, как того требуют крупные коммерческие организации, то значительное место в банковской системе занимают банки, удовлетворяющие потребности небольших коммерческих фирм и населения. Деятельность «универсальных» банков характеризуется высокой долей ценных бумаг (28%) и кредитов, выданных юридическим лицам (30%). Из-за высокой доли ценных бумаг в активах эти банки также можно охарактеризовать как спекулятивные. Структура активов этих банков в достаточной степени диверсифицирована, так как они также проводят активные операции на межбанковском рынке (7%) и кредитование физических лиц (7%), но доля этих операций в общем объеме незначительна. «Банки для банков» отличаются высокой долей выданных межбанковских кредитов (24% активов), а также кредитов коммерческим организациям (34%). Вложения в ценные бумаги составляют в среднем 10% активов этих банков. «Банки для банков» практически не занимаются кредитованием населения (4%). Таблица 7. Специализации банков (центры кластеров)32 МБК Ценные выданные бумаги Кредиты Кредиты юр. лицам физ. лицам Корпоративные 4,3% 3,9% 56,7% 7,9% Ссудные 3,5% 2,7% 34,2% 22,5% Универсальные 7,2% 27,6% 29,5% 7,4% Банки для банков 24,3% 10,2% 33,9% 3,5% Поскольку при определении специализации использован далеко не полный список активных операций банков, то сумма процентных долей приведенных в Таблице 7 может существенно отклоняться от 100%. К тому же в Таблице приведены координаты центров кластеров, а не конкретных банков. 32 74 60% 50% Корпоративные 40% Ссудные 30% Универсальные 20% Банки для банков 10% 0% МБК Ценные бумаги Кредиты юр. лицам Кредиты физ. лицам Рисунок 1. Специализации банков (центры кластеров) Ниже приведены статистические характеристики распределения значений показателей по группам банков различных специализаций. Таблица 8. Специализация 1 («Корпоративные») МБК Число наблюдений Среднее Медиана Станд. отклонение 6459 0,0392 0,0258 0,0425 Ценные Кредиты Кредиты бумаги юр. лицам физ. лицам 6459 6459 6459 0,0458 0,5908 0,0699 0,0231 0,5783 0,0613 0,0574 0,1275 0,0496 Таблица 9. Специализация 2 («Ссудные») МБК Число наблюдений Среднее Медиана Станд. отклонение 4288 0,0387 0,0210 0,0465 Ценные Кредиты Кредиты бумаги юр. лицам физ. лицам 4288 4288 4288 0,0262 0,3312 0,2377 0,0078 0,3395 0,2242 0,0386 0,1377 0,1713 Таблица 10. Специализация 3 («Универсальные») МБК Число наблюдений Среднее Медиана Станд. отклонение 1340 0,0516 0,0338 0,0571 Ценные Кредиты Кредиты бумаги юр. лицам физ. лицам 1340 1340 1340 0,2816 0,2847 0,0696 0,2656 0,2867 0,0359 0,1271 0,1273 0,0823 75 Таблица 11. Специализация 4 («Банки для банков») МБК Число наблюдений Среднее Медиана Станд. отклонение 1146 0,2457 0,2184 0,1003 Ценные Кредиты Кредиты бумаги юр. лицам физ. лицам 1146 1146 1146 0,0812 0,3263 0,0417 0,0547 0,3460 0,0250 0,0816 0,1445 0,0488 2.2. Определение набора независимых показателей для построения моделей На первом этапе исследования нами определен качественный состав исследуемых российских банков в зависимости от проводимых активных операций, что позволит в дальнейшем использовать дифференцированный подход в оценке их надежности. Поскольку ориентирами для построения рейтинговой модели служат долгосрочные рейтинги международных рейтинговых агентств, присвоенные российским банкам, то следующий этап нашей работы – исследование качественного состава этих банков, а также определение набора независимых показателей для построения математической модели формирования рейтингов. Международные рейтинговые агентства работают в России с середины 90-х годов. При этом отмечают два пика роста рейтинговых услуг. Первый пик наблюдался в 1996 году и связан с развитием российских рейтинговых агентств. В то время были созданы представительства двух международных рейтинговых агентств: Thompson Bank Watch (которое в дальнейшем было поглощено Fitch Ratings) и Standard&Poor’s. В апреле 2003 года Fitch Ratings открыло московский филиал, отвечающий за работу агентства на территории России и СНГ – Fitch Ratings CIS. Агентство Moody’s создало совместное предприятие с Интерфаксом, а в 2006 году открыло представительство в Москве. Второй пик рейтингования отмечен в 2002 – 2003 годах в связи со стремительным ростом российского банковского сектора и стабилизацией 76 экономической ситуации в стране. Потребность крупнейших российских банков в качественных и признанных мировым сообществом рейтинговых услугах возникла с выходом на международные рынки заемного капитала, включением банков в финансирование проектов крупнейших российских компаний, с проектным и корпоративным финансированием, а также подготовкой к проведению публичных размещений акций компаний (IPO). В российской банковской системе насчитывается 1198 банков 33, при этом лишь 87 банков34 имеют рейтинг хотя бы одного международного рейтингового агентства (Standard & Poor’s, Moody’s Investors Service или Fitch Ratings), 62 банка из 87 вошли в исследуемую выборку (401 банк). Таким образом, рейтинг международных агентств присвоен не более, чем восьми процентам российских банков. Агентство Standard & Poor’s присвоило рейтинг 23 кредитным организациям, 18 из них вошли в выборку. Агентство Moody’s определило наибольшее количество рейтингов: 56 банков имеют рейтинг агентства, из них 40 – в числе исследуемых. 40 российских банков получили рейтинг агентства Fitch, 29 из них вошли в выборку. Только три банка имеют рейтинг всех трех рейтинговых агентств – это Внешторгбанк Розничные Услуги35 (лиц. 1623), МДМ-Банк (лиц. 2361), БИНБанк (лиц. 2562). Рейтинг двух агентств получили 25 банков, что составляет 29% всех банков, имеющих рейтинг. Подавляющее большинство банков имеют рейтинг только одного агентства, что связано прежде всего со значительными финансовыми затратами при получении рейтинга. Преимущества банка из рейтинг-листов международных рейтинговых агентств в большинстве случаев являются исключительно репутационными факторами, что не всегда создает желаемый экономический эффект. В условиях российской банковской системы получение рейтинга может иметь для банка и негативный эффект, так как получение низкой оценки от международных рейтинговых агентств может изменить отношение к нему со стороны Данные сайта Банка России по состоянию на 01.12.2006г. Данные по состоянию на начало 2007 года. 35 Переименован позже входе ребрендинга в ВТБ 24 33 34 77 контрагентов и вкладчиков и нанести ущерб его бизнесу. Поэтому затраты банка на получение рейтинга многими воспринимаются как нерациональные, а в некоторых случаях – даже как вредящие бизнесу. По состоянию на 1 октября 2006 года только 55 из 100 крупнейших российских банков имеют международный рейтинг, что говорит о слабой заинтересованности в получении рейтинга даже у крупнейших банков. В связи с рекомендациями Базель-2 («Нового соглашения о достаточности капитала») о наличии у банков развитой системы риск-менеджмента, позволяющей разделять активы по качеству и степени риска, задача моделирования рейтингов становится крайне актуальной. Полученные на основе моделирования рейтинги дают возможность разделения активов банка на группы схожего качества и, тем самым, позволяют оценить адекватность принимаемого риска. Применение разработанной нами методики определения потенциального риска при работе на межбанковском рынке позволяет разделить контрагентов на группы по уровню надежности (вероятности неисполнения своих обязательств). В нашем исследовании в качестве базы для моделирования использованы наиболее применимые на практике долгосрочные рейтинги: 1) «Долгосрочный кредитный рейтинг в иностранной валюте» агентства Standard&Poor’s (международная шкала); 2) «Долгосрочный рейтинг дефолта эмитента в иностранной валюте» агентства Fitch Ratings (международная шкала); 3) «Долгосрочный рейтинг по необеспеченным обязательствам в иностранной валюте» агентства Moody’s Investors Service (международная шкала). Для дальнейшего анализа на основе рейтингов международных агентств нами определено пять групп банков (с рейтингами уровня от «ВВВ» до «СС»). Анализ показал, что в случае, когда банк имеет рейтинги S&P и Fitch, их значения преимущественно совпадают. Состав групп определяется по следующему правилу: в первую очередь учитывается рейтинг S&P, во вторую – 78 рейтинг агентства Fitch, и в последнюю – Moody’s36. Состав групп, рейтинги и специализация банков приведены в Приложении 3. Отметим, что среди 62 банков, имеющих международный рейтинг, два банка (Конверсбанк (лиц. 122) и Международный Промышленный Банк (лиц. 2056)37) не входят в систему страхования вкладов. В исследуемое число банков вошли: 6 банков с рейтингом «ВВВ», 6 банков с рейтингом «ВВ», 23 банка с рейтингом уровня «В», 25 банков с рейтингом «ССС» и 2 банка с рейтингом «СС». Таблица 12. Состав групп и числовые значения, сопоставленные буквенным выражениям рейтингов (rating) Числовые значения (rating) 5 4 3 2 1 Рейтинг Число банков BBB 6 BB 6 B 23 CCC 25 СС 2 Всего: 62 Рассматриваемый временной интервал (январь 2004 – сентябрь 2006) был периодом существенного роста активов банковской системы в целом. У многих банков наблюдался рост активов в два и более раза. Так, в группе банков с рейтингом «ВВВ» активы «среднего» банка (без учета активов Сбербанка) на 2004 год составляли 161 млрд. рублей, в то время как в конце третьего квартала 2006 года уже превысили 348 млрд. рублей, демонстрируя рост в 3,3 раза. Активы-нетто Сбербанка России (лиц. 1481) выросли в 2,1 раза и составили почти 3,18 трлн. рублей, а его доля в активах группы с рейтингом ВВВ сократилась с 82% до 72%. Особенности Сбербанка как единственного сберегательного банка отражаются на эффективности его деятельности, что приводит к более низким значениям роста его активов. Количество отделений В силу специфики применяемой агентством Moody’s шкалы рейтингов, а также большего влияния фактора поддержки акционеров на рейтинг. 37 Международный Промышленный Банк входит в банковскую группу, работа с физическими лицами в которой осуществляется через Межпромбанк Плюс, а Конверсбанку было отказано во вхождении в ССВ. 36 79 Сбербанка соотносимо с числом всех остальных кредитных организаций российской банковской системы, что создает определенные трудности в управлении этой сетью и требует оптимизации издержек. В группе с рейтингом «ВВ» также отмечено увеличение активов. На начало 2004 года «средний банк» в группе имел активы равные 130 млрд. руб., в то время как к октябрю 2006 года активы достигли уровня 230 млрд. руб., т.е. за исследуемый период суммарные активы по группе выросли в 2,3 раза. Группа с рейтингом «В» представлена существенно бóльшим числом банков, что сказывается на значении разброса размера активов. В этой группе суммарные активы выросли в 2,83 раза, а активы «среднего» банка выросли с 38 млрд. до 88 млрд. рублей. Группа с рейтингом «ССС» – наиболее многочисленная и состоит из 25 банков. Группа характеризуется как существенно меньшими размерами «среднего» банка (14,8 млрд. руб. на 1.10.2006 г.), так и более низкими темпами роста суммарных активов (в 2,3 раза). Группа банков с рейтингом «СС» является самой малочисленной и состоит из двух банков. Размеры «среднего» банка группы по состоянию на 01.10.2006 года составили 6 млрд. руб. против 3,3 млрд. в 2004 году, т.е. суммарные объемы группы выросли в 1,98 раза, показав самые низкие темпы роста для банков, имеющих рейтинг. Проведенный анализ подтверждает прямую зависимость рейтинга как от размера банка, так и от темпов его роста: при прочих равных, чем больше банк и чем динамичнее его развитие, тем вероятнее получение им высокой рейтинговой оценки. В целях построения рейтинговой модели для российских банков на основе рейтингов международных агентств нами использован набор показателей функционирования банка, определенный в Главе 1. Корреляционный анализ на основе матрицы парных коэффициентов корреляции показателей позволяет выявить факторы, тесно связанные между собой. По выявлении таких связей 80 ряд показателей должен быть исключен из анализа таким образом, чтобы получить набор независимых показателей. Важно отметить, что на определение конечного набора независимых показателей существенное влияние оказывает полученная нами информация о специализации банков, т.к. в некоторых случаях зависимости между показателями, обнаруженные в полном наборе банков, не обнаруживаются в меньших наборах данных (учитывающих специализацию кредитных организаций). «Корпоративным» банкам свойственна высокая зависимость показателей, характеризующих капитал банка. Лишь показатель «качества капитала» (ДК-5) демонстрирует слабую, причем отрицательную, зависимость от остальных показателей группы. Среди показателей, отражающих качество ресурсной базы, можно отметить корреляцию (отрицательную) доли клиентских счетов (КР-3) и доли выпущенных ценных бумаг в обязательствах (КР-4). Такая зависимость свидетельствует о том, что банки данной группы в основном выбирают один из этих двух способов привлечения ресурсов и реже используют их одновременно. Показатели ликвидности для «корпоративных» банков также сильно коррелируемы. Единственным исключением стал показатель доли ликвидных активов (ПЛ-2), обнаруживший практически нулевую корреляцию с остальными показателями группы38. Картина в группе «ссудных» банков существенно иная. Здесь наблюдается корреляция показателей просроченных ссуд (КА-2) и созданных резервов (КА-1), а также показателей покрытия (КА-6) и доли безнадежных ссуд (КА-7). Высокая доля просроченных ссуд вынуждает банки создавать дополнительные резервы, а значительная доля безнадежных ссуд – заботиться о соответствии объема выдаваемых кредитов объему устойчивых пассивов. Показатель работающих активов (КА-8) «ссудных» банков выявил высокую отрицательную зависимость по отношению к доли ликвидных активов 38 Результаты корреляционного анализа для «корпоративных» банков приведены в Приложении 4 раздел a. 81 (ПЛ-2) (не характерная для банков других специализаций), т.к. значительная доля кредитов, выданных на длинные сроки, и отсутствие возможности потребовать их досрочного погашения, снижает общую ликвидность банка. Зависимость показателей, отражающих ликвидность организаций, также имеет свои особенности. Наряду с долей ликвидных активов (ПЛ-2) слабой корреляцией с остальными показателями отмечен показатель высоколиквидных активов (ПЛ-4), что не было характерно для «корпоративных» банков.39 Показатели качества капитала «универсальных» банков обнаружили самую слабую – среди исследуемых групп банков – внутригрупповую зависимость. Только показатель финансового рычага (ДК-4) и показатель качества капитала (ДК-5) обнаружили некоторую зависимость с остальными показателями группы. Показатели качества активов и качества ресурсной базы для банков данной специализации не выявили значительной внутригрупповой корреляции. Среди показателей, характеризующих прибыльность кредитных организаций, существенной положительной корреляцией отмечены показатели доходности капитала (ПД-2) и доходности активов (ПД-1). Других зависимостей для данной группы показателей не наблюдается. Показатели ликвидности «универсальных» банков также обнаруживают слабую зависимость мгновенной (ПЛ-1) и текущей ликвидности (ПЛ-3), нехарактерную для банков другой специализации.40 «Банки для банков» также отличаются рядом особенностей. У показателей капитализации наблюдается высокая внутригрупповая зависимость, свойственная и другим группам. Показатель доли просроченных ссуд (КА-2) положительно коррелирует с показателем доли безнадежных ссуд (КА-7), что не характерно для банков другой специализации. Отмечена также высокая отрицательная корреляция показателей работающих активов (КА-8) и 39 40 Результаты корреляционного анализа для «ссудных» банков приведены в Приложении 4 раздел b. Результаты корреляционного анализа для «универсальных» банков приведены в Приложении 4 раздел c. 82 высоколиквидных активов (ПЛ-4), что может объясняться тем, что высокая доля работающих активов может снижать долю высоколиквидных активов. Среди показателей прибыльности, как и в группах других специализаций, высокая положительная внутригрупповая корреляция отмечена для показателей доходности активов (ПД-1) и собственного капитала (ПД-2) банков. Как и в случае «универсальных» банков, показатели ликвидных (ПЛ-2) и текущих активов (ПЛ-3) обнаружили слабую корреляцию с остальными показателями, характеризующими качество управления ликвидностью.41 Таким образом, нами установлено, что банки различной специализации характеризуются и различной зависимостью показателей. На основе анализа корреляций определен единый набор показателей для построения моделей формирования рейтингов российских банков. Среди показателей, характеризующих достаточность и качество капитала, с учетом информации о специализации банка, наилучшей объясняющей способностью в предсказании достаточности капитала, рейтинга который обладает значимо показатель коррелирует с общей рейтингом организации для трех из четырех анализируемых специализаций. Таблица 13. Корреляция показателей капитала Адекватность капитала, Достаточность Общая Финансовый взвешенного капитала 1-го достаточность рычаг по степени уровня капитала риска Специализация1 Рейтинг Pearson Correlation Sig. (2tailed) Специализация2 Рейтинг Pearson Correlation Sig. (2tailed) Специализация3 Рейтинг Pearson Correlation Sig. (2tailed) 41 -0,113(**) -0,109(**) -0,137(**) -0,125(**) 0,000 0,000 0,000 0,000 -0,205(**) -0,182(**) -0,206(**) -0,174(**) 0,000 0,002 0,000 0,003 -0,047 -0,120 -0,001 0,005 0,478 0,068 0,990 0,942 Результаты корреляционного анализа для «банков для банков» приведены в Приложении 4 раздел d. 83 Специализация4 Рейтинг Pearson Correlation Sig. (2tailed) -0,453(**) -0,505(**) -0,481(**) -0,456(**) 0,000 0,000 0,000 0,000 ** Корреляция значима на уровне 0,01 (2-tailed) Для сокращения числа показателей в группе, характеризующей качество активов кредитной организации, было решено исключить из анализа показатель покрытия кредитного портфеля (КА-6). Среди показателей качества ресурсной базы значимой корреляции выявлено не было, поэтому в окончательный набор вошли все 4 показателя (КР-1 – КР-4). У показателей прибыльности капитала и прибыльности активов наблюдается существенная корреляция вне зависимости от специализации банков. Для дальнейшего анализа из этой пары был выбран показатель «доходность капитала банка» (Д-2). Таблица 14. Корреляция показателей доходности (Д-1, Д-2) Доходность активов (Д-1) Специализация 1 Рейтинг Pearson Correlation Sig. (2-tailed) Специализация 2 Рейтинг Pearson Correlation Sig. (2-tailed) Специализация 3 Рейтинг Pearson Correlation Sig. (2-tailed) Специализация 4 Рейтинг Pearson Correlation Sig. (2-tailed) ** Корреляция значима на уровне 0,01 (2-tailed) * Корреляция значима на уровне 0,05 (2-tailed) Среди показателей, отражающих Доходность капитала (Д-2) -0,059(*) 0,039 0,039 0,176 -0,044 -0,023 0,447 0,689 0,080 0,102 0,226 0,120 0,119(*) 0,238(**) 0,049 0,000 ликвидность организации, также выявлена высокая внутригрупповая зависимость. Как свидетельствует анализ, наилучшей объясняющей способностью обладают: показатель доли ликвидных 84 активов в активах банка и показатель отношения высоколиквидных активов и привлеченных средств. Таблица 15. Корреляция показателей ликвидности Отношение Доля Показатель Показатель высоколиквидных ликвидных мгновенной текущей активов и активов в ликвидности ликвидности привлеченных активах средств Специализация1 Рейтинг Pearson -0,008 -0,116(**) Correlation Sig. (20,791 0,000 tailed) Специализация2 Рейтинг Pearson 0,103 -0,242(**) Correlation Sig. (20,076 0,000 tailed) Специализация3 Рейтинг Pearson 0,112 -0,197(**) Correlation Sig. (20,089 0,003 tailed) Специализация4 Рейтинг Pearson -0,193(**) -0,553(**) Correlation Sig. (20,001 0,000 tailed) ** Корреляция значима на уровне 0,01 (2-tailed) * Корреляция значима на уровне 0,05 (2-tailed) -0,204(**) -0,073(*) 0,000 0,011 -0,052 -0,278(**) 0,371 0,000 0,128 -0,219(**) 0,052 0,001 -0,064 -0,375(**) 0,285 0,000 По итогам проведенного анализа, окончательный набор показателей для построения моделей формирования рейтингов состоит из 18 финансовых отношений, характеризующих различные стороны функционирования банков (см. Таблица 16). Таблица 16. Окончательный набор показателей для построения модели Показатели капитализации 1 Показатель общей достаточности капитала (ДК-3) 2 Показатель качества капитала (ДК-5) Показатели качества активов 3 Показатель резервирования (КА -1) 4 Показатель доли просроченных ссуд (КА-2) 85 5 Показатель доли прочих активов (КА -3) 6 Показатель кредитования (КА -4) 7 Показатель доли ценных бумаг в активах (КА-5) 8 Показатель доли безнадежных ссуд (КА-7) Показатели качества ресурсной базы Показатель зависимости от краткосрочных межбанковских 9 заимствований (КР-1) 10 Показатель доли неустойчивых обязательств (КР-2) 11 Показатель зависимости от расчетных счетов (КР-3) Показатель доли выпущенных ценных бумаг в 12 обязательствах (КР-4) Показатели прибыльности 13 Показатель доходности капитала (Д-2) 14 Показатель доходности операций с ценными бумагами (Д-3) 15 Показатель маржи прибыли (Д-4) 16 Показатель процентной маржи прибыли(Д-5) Показатели ликвидности 17 Доля ликвидных активов в активах (ПЛ-2) Соотношение высоколиквидных активов и привлеченных 18 средств (ПЛ-4) Согласно некоторым исследованиям (см. напр., [78]), именно размер банка (size) является той важной репутационной составляющей, которая позволяет кредитной организации получать лучшие условия для контрактов (уменьшая стоимость привлечения, увеличивая размер комиссий и тем самым увеличивая маржу прибыли). Отмечено (см. напр., [78]), что множество слияний и поглощений, произошедших в последние годы, имели целью увеличение размера банка, так как именно размер кредитной организации воспринимается рынком как безусловный сигнал его стабильности и надежности. 86 Дополнительно в модель были включены две фиктивные переменные, характеризующие устойчивость роста активов банка, а также фактический размер активов-нетто. Показатель устойчивости роста (growth) измеряется как отношение числа периодов роста к общему числу исследуемых периодов. Для удержания занимаемых позиций в условиях бурного роста активов банковской системы организации вынуждены постоянно наращивать объемы своего бизнеса. Размеры банка, как уже отмечалось ранее, часто связаны с рейтингом: крупные организации имеют более диверсифицированную структуру (как активов, так и ресурсной базы), поэтому они существенно менее зависимы от крупного клиента или от определенного вида деятельности, а поскольку диверсификация положительно влияет на устойчивость кредитной организации, то это не может не сказываться на ее рейтинге. В результате анализа групп банков в зависимости от их рейтинга были выбраны следующие интервалы для значений показателя размера активов-нетто (size) и соответствующие им значения фиктивной переменной. Таблица 17. Значение фиктивной переменной, характеризующей размер банка Активы-нетто Значение фиктивной переменной в регрессии (size) до 3 млрд. руб. -2 от 3 до 10 млрд. руб. -1 от 10 до 80 млрд. руб. 0 от 80 до 160 млрд. руб. 1 свыше 160 млрд. руб. 2 2.3. Построение математических моделей формирования рейтингов Обзор существующих подходов к оценке устойчивости кредитных организаций свидетельствует об отсутствии универсального алгоритма, который позволил бы свести оценку финансового состояния к единому 87 интегральному показателю надежности. Основной проблемой при построении единого показателя является необходимость «взвесить» часто взаимосвязанные и противоречивые характеристики функционирования банка. Часто «вес»42, хотя и учитывает предсказанное теорией влияние значений показателя на устойчивость организации, определяется на основании мнения эксперта, что приводит к существенным искажениям, т.к. такое влияние может быть как недооценено, так и переоценено. Альтернативным подходом к определению весовых коэффициентов являются статистические методы (например, методы линейного дискриминантного анализа), что позволяет выявить набор коэффициентов, с помощью которых наилучшим образом выделяются две противоположные группы заемщиков: потенциальные банкроты и успешно функционирующие организации. В нашем исследовании весовые коэффициенты определяются на основе регрессионных моделей (простая линейная регрессия), а ориентирами для интегральной оценки надежности кредитной организации служат числовые значения, сопоставленные буквенным выражениям рейтингов. В качестве базы для определения значений коэффициентов при независимых переменных нами использованы показатели деятельности 62 банков, вошедших в выборку и имеющих рейтинг международных агентств. Чтобы сгладить колебания показателей в рамках построения модели долгосрочного рейтинга, для анализа использовалось средневзвешенное значение показателя за 6 месяцев ( FRiw (t ) ): 5 FRiw (t ) (6 j ) FR (t j ) i j 0 5 (6 j ) (А) j 0 Взвешивание здесь производится по линейному закону, при этом наибольшим весом обладают значения показателя на последние три отчетные Коэффициент, применяющийся в модели и определяющий влияние значения показателя на итоговую оценку организации (ее аналитический рейтинг). 42 88 даты, что позволяет учитывать тенденцию поведения показателя в случае наличия таковой. Для ограничения выбросов в регрессионной модели было применено неравенство Чебышева, согласно которому вероятность попадания вне интервала вокруг среднего значения случайной величины пропорциональна среднеквадратичному (стандартному) отклонению ( ): P( X M ( X ) ) Таким образом, вероятность 1 (В) 2 попадания случайной величины X вне интервала длины 2 вокруг среднего значения ( M ( X ) ) быстро убывает с увеличением коэффициента . Используя неравенство Чебышева при 3 , получаем, что минимальная вероятность попадания в интервал 3 вокруг среднего составляет 8 9 0,8(8) , независимо от вида распределения случайной величины. Выбросы обуславливают сдвиг итоговой оценки (рейтинга) и искажают получаемые результаты, поэтому их влияние должно быть ограничено. Удаление выбросов происходит по следующему правилу: если значение показателя выходит за границы интервала, то оно заменяется значением на границе (т.е. если g i ( xi M ( X )) , то g i , где 3 ). Аналогичным образом правило применяется для нижней границы интервала. Осуществляемый нами анализ должен дать ответ на следующие вопросы: Можем ли мы на основе выбранного набора показателей построить модель, позволяющую с высокой точностью прогнозировать рейтинг банков? Как влияет использование информации о специализации банка на качество используемой модели? Для решения поставленной задачи нами проведен анализ качества ряда регрессионных моделей на выбранном наборе показателей. 89 Линейная регрессия 18 rating const i FRiw 19 growth 20 size (1) i 1 Линейная регрессия по показателям за вычетом среднего по выборке 18 rating const i ( FRiw i ) 19 growth 20 size (2) i 1 Кубическая регрессия 18 3 rating const ij ( FRiw ) j 19 growth 20 size (3) i 1 j 1 Кубическая регрессия по показателям за вычетом среднего по выборке 18 3 rating const ij ( FRiw i ) j 19 growth 20 size (4) i 1 j 1 Линейная регрессия по показателям за вычетом среднего по выборке с учетом специализации 18 rating const i ( FRiw i ( s )) 19 growth 20 size (5) i 1 Линейная регрессия по показателям для каждой специализации 18 rating const ( s) i ( s) FRiw 19 ( s) growth 20 ( s) size (6) i 1 Линейная регрессия по показателям для каждой специализации за вычетом среднего по выборке с учетом специализации 18 rating const ( s ) i ( s )( FRiw i ( s )) 19 ( s ) growth 20 ( s ) size (7) i 1 где const – константа; FRiw – финансовое отношение (значение показателя); i – среднее значение FRi по выборке43; i (s ) – среднее значение FRi для банков данной специализации44; growth – фиктивная переменная (dummy), характеризующая устойчивость роста кредитной организации; 43 44 За период с января 2004 года по октябрь 2006 года по выборке из 401 банка. За период с января 2004 года по октябрь 2006 года по банкам одной специализации. 90 size – фиктивная переменная (dummy), характеризующая размер (активов) кредитной организации. Рассматриваемые модели можно разделить на две группы – «учитывающие» (регрессии 5,6,7) и «не учитывающие» (регрессии 1,2,3,4) информацию о специализации кредитной организации. Для оценки качества прогноза выбраны следующие критерии45: 1) совпадение с реальным рейтингом; 2) отклонение не более, чем на один класс; 3) завышение рейтинга; 4) завышение рейтинга более, чем на один класс. Ошибки в моделировании рейтинговых оценок могут быть связаны с тем, что присвоение рейтингов любого уровня учитывает широкий набор финансовых и нефинансовых показателей, таких как: состав акционеров, качество управления, наличие четкой миссии и стратегии развития, «текучесть» кадров, устойчивость высшего руководства, развитость и устойчивость клиентской базы, срок работы банка на рынке, его потенциал и многие другие факторы, которые слабо поддаются количественному выражению и тем более не вытекают из финансовой отчетности. Анализ показал, что наивысшей точностью в моделировании рейтинга кредитной организации обладают регрессии (4), (7). Стоит отметить, что и использование простой линейной регрессии (2) с данным набором показателей позволяет добиться высокой точности моделирования. Использование отклонения от среднего значения по группе (специализации) или по всей выборке банков позволяет сократить влияние масштаба показателя на интегральный показатель и, тем самым, использовать в регрессии величины одного порядка. Как показано в [64,19], оценка состояния банка зависит преимущественно не от абсолютных значений показателей, а от относительных Интегральная оценка (rating) округляется до целого значения по стандартному правилу математического округления и сравнивается в дальнейшем с актуальными международными рейтингами банков. 45 91 величин, полученных в сравнении с другими банками «на том же рынке в то же время». Результаты, полученные при использовании различных регрессий для формирования рейтинга, приведены в Таблице 18. Таблица 18. Качество результатов моделирования (по 62 банкам, которым присвоен рейтинг хотя бы одним международным РА (in-sample)) Совпадение с реальным рейтингом Отклонение не более, чем на один класс 60,66% 96,60% 23,13% 0,53% 60,66% 96,60% 23,13% 0,53% 68,27% 99,65% 16,39% 0,00% 68,27% 99,65% 16,39% 0,00% 60,48% 97,13% 22,01% 0,29% 68,97% 97,66% 16,57% 0,18% 69,85% 98,42% 15,81% 0,06% 1 Линейная регрессия Линейная регрессия (отклонение от 2 среднего) Кубическая 3 регрессия Кубическая регрессия (отклонение от 4 среднего) Линейная регрессия (отклонение от среднего по выборке с учетом 5 специализации) Линейная регрессия для каждой 6 специализации Линейная регрессия для каждой специализации (отклонение от 7 среднего) Завышение рейтинга Завышение рейтинга более, чем на один класс Необходимо уточнить, что далее под «положительным» влиянием показателя на рейтинг кредитной организации следует понимать положительное значение отклонения показателя от среднего (в зависимости от модели по группе или всей выборке), приводящее к увеличению интегральной рейтинговой оценки. Под «значимым» влиянием отклонения надлежит понимать пятипроцентный уровень значимости показателя, свидетельствующий о том, что, с вероятностью ошибки не более 5%, 92 коэффициент при показателе отличен от нуля и имеет определенный знак. Только значимые связи позволяют говорить о влиянии показателя на итоговую интегральную рейтинговую оценку. Модели, 2.3.1. не учитывающие специализацию кредитной организации Применение линейной регрессионной модели (2) позволяет получить высокую точность прогноза: количество случаев совпадения смоделированного рейтинга с реальным составило 60,66%, а точность прогноза с отклонением не более, чем на один класс – 96,6%. Этот результат дает основание утверждать, что выбранная система показателей имеет высокую предсказательную способность в задаче прогнозирования рейтингов. Отметим, что простота требуемых вычислений и высокая точность прогноза делают такой подход удобным в применении на практике (напр., для оценки банками контрагентов). В данной модели влияние значений показателей на итоговый рейтинг преимущественно соответствует традиционным представлениям теоретического анализа, что свидетельствует об адекватности полученных результатов. Таблица 19. Параметры линейной модели 1 2 3 4 5 6 7 Показатели Константа Показатель общей достаточности капитала (ДК-3) Показатель качества капитала (ДК-5) Показатель резервирования (КА -1) Показатель доли просроченных ссуд (КА-2) Показатель доли прочих активов (КА -3) Показатель кредитования (КА -4) Показатель доли ценных бумаг в активах (КА-5) B 2,803 0,528 Sig. 0,000 0,056 0,239 -3,046 2,711 0,000 0,000 0,052 -3,575 0,000 1,841 0,306 0,000 0,338 93 8 Показатель доли безнадежных ссуд (КА-7) 9 Показатель зависимости от краткосрочных межбанковских заимствований (КР-1) 10 Показатель доли неустойчивых обязательств (КР-2) 11 Показатель зависимости от расчетных счетов (КР-3) 12 Показатель доли выпущенных ценных бумаг в обязательствах (КР-4) 13 Показатель доходности капитала (Д-2) 14 Показатель доходности операций с ценными бумагами (Д-3) 15 Показатель маржи прибыли (Д-4) 16 Показатель процентной маржи (Д-5) 17 Доля ликвидных активов в активах (ПЛ-2) 18 Соотношение высоколиквидных активов и привлеченных средств (ПЛ-4) 19 Устойчивость роста 20 Размер активов-нетто F –статистика Sig. F Change R2 Adjusted R 2 Стандартная ошибка оценки (SEE) -5,122 0,008 3,502 0,000 -0,241 0,158 -2,589 0,000 -2,640 0,000 -0,423 1,874 0,018 0,000 -1,265 -2,469 -2,963 0,016 0,000 0,000 4,878 0,000 -0,044 0,570 0,565 0,000 129,207 0,000 0,601 0,596 0,631 Примечание: B – коэффициент в регрессии, Sig. – значимость связи Рассмотрим подробнее влияние значимых показателей на рейтинг. Как показывает знак коэффициента при показателе качества капитала (ДК-5), превышение среднего значения положительно влияет на оценку организации. Такая ситуация согласуется с тем, что капитал выше среднего является дополнительным буфером («подушкой») на случай непредвиденных ситуаций. Превышение среднерыночного уровня размеров резервов (КА-1) отрицательно влияет на рейтинг, что свидетельствует о низком качестве кредитного портфеля банка. Большая доля прочих активов в активах (КА-3) также негативно сказывается на рейтинге организации, в то время как значительная доля кредитов (КА-4) в активных операциях банка положительно 94 влияет на рейтинг. Большая доля безнадежных ссуд (КА-7), в соответствие с теорией, отрицательно и значимо сказывается на интегральной оценке банка. При анализе зависимости рейтинга от качества ресурсной базы было выявлено, что в данных экономических условиях активное привлечение средств на межбанковском рынке (КР-1), где в исследуемый период ставки были ниже, чем ставки по депозитам, положительно сказывается на рейтинговой оценке кредитной организации. В то же время большая доля расчетных счетов (КР-3) и выпущенных ценных бумаг (КР-4) в обязательствах банка отрицательно и значимо влияет на оценку организации. Среди показателей прибыльности только показатель доходности операций с ценными бумагами (Д-3), превышающий среднерыночный уровень, положительно связан с оценкой организации. Для остальных показателей наблюдается отрицательная зависимость, отражающая тот факт, что получение доходности выше рыночной часто связано с дополнительным принимаемым риском, а это в свою очередь негативно влияет на оценку устойчивости кредитной организации. Превышение среднерыночного уровня значения показателя доли ликвидных активов (ПЛ-2) отрицательно влияет на интегральную оценку и свидетельствует о том, что банк отвлекает слишком большой объем средств от участия в активных операциях, снижая тем самым эффективность своей деятельности. В то же время доля высоколиквидных активов в активах (ПЛ-4) отражает способность банка своевременно отвечать по своим обязательствам и положительно коррелирует с рейтингом организации. Влияние фиктивной переменной, характеризующей устойчивость роста кредитной организации – незначимо, тогда как размер организации по оценке финансовой положительно и значимо связан с ее рейтингом. Обыкновенно в научных исследованиях устойчивости кредитных организаций предпочтение отдается использованию простых линейных связей между показателями. В этом контексте интересным 95 представляется вопрос: улучшится ли качество моделей за счет использования нелинейных связей? Интересными представляются результаты применения кубической модели (4) зависимости показателей для предсказания рейтинга кредитной организации. Здесь коэффициенты при показателях нечетной степени характеризуют зависимость рейтинга от знака и величины отклонения от среднего значения. Коэффициент при показателе в квадрате определяет, как влияет на рейтинг модуль величины отклонения показателя от среднегруппового значения и является ли это значение оптимальным для данного показателя. дополнительной Коэффициент «тонкой при настройкой», показателе позволяющей в кубе является точнее отразить зависимость значения рейтинга от величины отклонения показателя от среднего рыночного значения. В случае, когда значение показателя для конкретного банка незначительно отклоняется от среднего значения, бóльшую роль в окончательном влиянии на рейтинг играет линейная компонента регрессии. В случае же значительного отклонения от среднего значения определяющим становится знак коэффициента при кубической компоненте. Знаки при компонентах в нечетной степени могут как совпадать, так и не совпадать. В последнем случае окончательное влияние на рейтинг будет оказывать величина отклонения от среднерыночного значения. Точность «попадания в рейтинг» для кубической модели составляет 68,27%, что свидетельствует об увеличении точности по сравнению с линейной моделью дополнительно на 8%. Точность прогноза с «отклонением не более, чем на один класс» составляет 99,65%, что улучшает общее качество прогноза в сравнении с линейной моделью на 3,04%. Таблица 20. Параметры кубической модели 1 Показатели Константа Показатель общей достаточности капитала (ДК-3) В первой степени В квадрате В кубе B 2,639 Sig. 0,000 0,885 8,957 -11,405 0,005 0,001 0,162 96 2 Показатели Показатель качества капитала (ДК-5) 3 Показатель резервирования (КА 1) 4 Показатель доли просроченных ссуд (КА-2) 5 Показатель доли прочих активов (КА -3) Показатель кредитования (КА -4) 6 В первой степени В квадрате В кубе В первой степени В квадрате В кубе В первой степени В квадрате В кубе В первой степени В квадрате В кубе В первой степени В квадрате В кубе В первой степени В квадрате В кубе В первой степени В квадрате В кубе В первой степени В квадрате 7 Показатель доли ценных бумаг в активах (КА-5) 8 Показатель доли безнадежных ссуд (КА-7) 9 Показатель зависимости от краткосрочных межбанковских заимствований (КР-1) 10 Показатель доли неустойчивых обязательств (КР-2) 11 Показатель зависимости от расчетных счетов (КР-3) 12 Показатель доли выпущенных ценных бумаг в обязательствах (КР-4) В кубе В первой степени В квадрате В кубе В первой степени В квадрате В кубе В первой степени В квадрате Показатель доходности капитала (Д-2) В кубе В первой степени 13 B Sig. -0,140 0,502 -0,125 0,009 0,000 0,000 1,447 -125,794 541,048 0,051 0,000 0,000 10,211 -520,464 5426,309 0,000 0,001 0,046 -10,445 216,926 -1574,499 0,000 0,000 0,000 1,572 -3,958 3,473 0,000 0,000 0,167 1,822 40,857 -227,222 0,002 0,000 0,000 -6,437 1262,148 -19247,003 0,017 0,000 0,000 1,131 6,658 0,010 0,014 7,635 0,567 0,505 4,246 -15,211 0,030 0,000 0,000 -2,515 -0,040 4,473 0,000 0,971 0,049 -4,146 11,508 0,000 0,000 2,081 0,821 -0,597 0,052 97 Показатели 14 Показатель доходности операций с ценными бумагами (Д-3) Показатель маржи прибыли (Д-4) 15 16 Показатель процентной маржи (Д-5) 17 Доля ликвидных активов в активах (ПЛ-2) Соотношение высоколиквидных активов и привлеченных средств (ПЛ-4) В квадрате В кубе В первой степени В квадрате В кубе В первой степени В квадрате В кубе В первой степени В квадрате В кубе В первой степени В квадрате В кубе В первой степени В квадрате В кубе B 1,713 -4,647 Sig. 0,040 0,006 0,895 3,925 0,149 0,653 -7,389 0,792 -0,141 -7,837 -16,836 0,841 0,030 0,294 0,251 24,795 -383,041 0,745 0,003 0,002 -1,931 3,446 6,815 0,000 0,073 0,523 0,012 0,000 0,000 19 Устойчивость роста 0,104 20 Размер активов-нетто 0,000 F -статистика 85,296 Sig. F Change 0,000 2 0,740 R 2 Adjusted R 0,731 Стандартная ошибка оценки (SEE) 0,515 Примечание: B – коэффициент в регрессии, Sig. – значимость связи 18 1,464 -19,338 64,683 -0,110 0,633 Показатель обшей достаточности капитала (ДК-3), превышающий средний для выборки уровень, положительно влияет на рейтинг организации, причем, как показывает коэффициент при квадрате величины отклонения показателя, среднее значение показателя не является оптимальным, и отклонение оценивается положительно. Показатель качества капитала (ДК-5), существенно превышающий средний для выборки уровень, отрицательно и значимо влияет на рейтинг, позволяя утверждать, что высокий уровень капитала и низкая доля дополнительного капитала в собственном капитале банка повышают устойчивость организации и ее рейтинг. Этот вывод полностью согласуется с положением Базельского соглашения о достаточности капитала [45,46]. 98 В кубической модели высокая доля резервов (КА-1) положительно влияет на рейтинг. Резервирование, хотя и отвлекает средства организации от их более эффективного использования, позволяет создать дополнительный буфер на случай неблагоприятного стечения обстоятельств, повышая тем самым устойчивость организации. Причем, как показывает коэффициент при квадрате данного показателя, средний уровень является оптимальным для организаций: превышение среднего уровня означает, что организация отвлекает слишком много средств в резервы, и может свидетельствовать о низком качестве активов и значительной склонности к риску; низкое же значение показателя говорит о том, что организация не создает дополнительного буфера на случай неблагоприятного стечения обстоятельств. Доля просроченных ссуд (КА-2) также положительно влияет на рейтинг, но отклонение от среднего уровня здесь нежелательно, о чем свидетельствует отрицательный коэффициент при квадрате показателя. Значительное превышение среднерыночного уровня доли прочих активов в активах (КА-3) отрицательно влияет на рейтинг, в то время как доля кредитов в активах (КА-4) влияет на рейтинг положительно. При этом, как показывает коэффициент при квадрате отклонения показателя кредитования от среднего, именно среднерыночный уровень является оптимальным для увеличения рейтинга. Превышение среднерыночного уровня показателем доли ценных бумаг в активах (КА-5) является положительным фактором, свидетельствуя о диверсификации активов банка, что, согласно теории, должно способствовать устойчивости организации. Высокая доля безнадежных ссуд (КА-7), также согласно теории, отрицательно влияет на рейтинг организации. Привлечение средств на межбанковском рынке позволяет диверсифицировать ресурсную базу банка и, согласно кубической модели, положительно влияет на рейтинг (КР-1), причем превышение среднерыночного уровня здесь также является положительным фактором. Следует отметить, что многие российские банки не привлекают деньги на межбанковском рынке, что связано со слабым развитием самого рынка, проблемой доверия, а также 99 спецификой функционирования большинства российский банков46. Значительная доля расчетных счетов (КР-3) и высокая доля выпущенных ценных бумаг (КР-4) в обязательствах кредитной организации являются отрицательными факторами при оценке их устойчивости. Значительное отклонение прибыльности банка от среднерыночного уровня, как показывает модель, отрицательно влияет на рейтинг организации: высокий уровень дохода достижим, в основном, при высоком уровне риска, а поскольку рейтинг организации отражает ее устойчивость, то значительный уровень риска является нежелательным. Уровень ликвидных активов в активах банка (ПЛ-2), превышающий среднерыночный, отрицательно и значимо влияет на рейтинг, в то время как показатель доли высоколиквидных активов (ПЛ-4) положительно влияет на рейтинг, но его отклонение от среднерыночного уровня является нежелательным. Как и в случае применения линейной модели, так и при оценке рейтинга на основе кубической модели размеры банка положительно влияют на уровень рейтинга. Итак, как показал анализ моделей (линейной и кубической), влияние значений показателей на рейтинг согласуется с теоретическими положениями об экономическом содержании правильном выборе и показателей, а это свидетельствует о показателей, и основанного на вычислении интегрального показателя устойчивости подхода к оценке финансового состояния кредитной организации. Очевидное преимущество кубической модели (в сравнении с линейной) состоит в более высокой точности предсказания рейтинга; существенный же ее недостаток – большие по модулю значения коэффициентов при показателях в регрессии. Последнее связано с тем, что большинство используемых в модели Большинство российских банков является небольшими по размеру организациями с ограниченным набором проводимых операций. 46 100 показателей отражают долю определенных статей в балансе банка, т.е. их значение меньше единицы. Возведение такого показателя в степень больше единицы уменьшает его величину, и, следовательно, может увеличивать значение коэффициента при этом показателе. Т.о. несущественное колебания значения показателя могут приводить к существенным изменениям итоговой интегральной оценки (рейтинга). 2.3.2. Модели, учитывающие специализацию кредитной организации Содержанием следующего этапа нашей работы является вопрос: дает ли информация о специализации банков дополнительные преимущества при построении моделей оценки устойчивости кредитных организаций? На основе кластерного анализа исследуемой выборки в Главе 2 нами выделены четыре типа специализации банков, условно обозначенные как: «корпоративные», «ссудные», «универсальные» и «банки для банков». Классификация банков по специализации позволяет применять индивидуальные модели, учитывающие специфику банков каждого типа, что, как показал анализ, дает возможность существенно улучшить совокупное качество прогноза, сократив при этом размерность используемых моделей. Анализ результатов моделирования с использованием единого набора показателей и единого подхода к формированию рейтингов показал, что для банков различной специализации значимость и влияние показателей на интегральную оценку различны (Таблица 21). Это подтверждает тот факт, что применение стандартизированного подхода без учета характера деятельности организации может приводить к существенным искажениям результатов анализа. Точность прогноза с использованием линейных моделей с учетом специализации (7), по сравнению с точностью прогноза линейной модели без учета специализации (2), возрастает на 8%, и составляет 68,87%, что несколько превышает и точность предсказания кубической модели (4). Совокупная 101 точность прогноза «с отклонением не более, чем на один класс» при индивидуальном подходе (своя модель для каждого типа специализации, см. Табл. 21) составляет 98,42%, что несколько уступает результату, полученному с использованием кубической модели, но на 1,81% превышает результат применения простой линейной модели. Таблица 21. Параметры модели вида (7) для банков различной специализации Спец.1 Показатели 1 2 3 4 Константа Показатель общей достаточности капитала (ДК-3) Показатель качества капитала (ДК-5) Показатель резервирования (КА -1) Показатель доли просроченных ссуд (КА-2) 6 Показатель доли прочих активов (КА -3) Показатель кредитования (КА -4) 7 Показатель доли ценных бумаг в активах (КА-5) 5 8 9 10 11 12 13 14 Показатель доли безнадежных ссуд (КА-7) Показатель зависимости от краткосрочных межбанковских заимствований (КР-1) Показатель доли неустойчивых обязательств (КР-2) Показатель зависимости от расчетных счетов (КР3) Показатель доли выпущенных ценных бумаг в обязательствах (КР-4) Показатель доходности капитала (Д-2) Показатель доходности операций с ценными бумагами (Д-3) Спец. 2 Спец. 3 Спец. 4 B Sig. B Sig. B Sig. B Sig. 2,678 0,000 2,648 0,000 5,656 0,000 2,627 0,000 1,951 0,000 -1,024 0,345 -0,811 0,361 0,198 0,653 0,365 0,000 0,124 0,004 -0,008 0,925 -0,751 0,000 0,907 0,130 -0,018 0,990 0,315 0,825 -4,830 0,000 7,013 0,001 3,408 0,487 -7,899 0,091 -1,001 0,635 -5,417 0,000 3,168 0,057 -11,80 0,000 -10,55 0,000 0,308 0,394 0,402 0,553 0,405 0,643 2,548 0,000 0,205 0,672 3,809 0,009 -3,591 0,000 1,356 0,021 -2,520 0,285 -8,822 0,160 39,128 0,000 36,695 0,000 1,009 0,073 1,315 0,081 1,923 0,020 3,227 0,000 -0,612 0,010 2,764 0,000 -0,982 0,065 -1,303 0,000 -1,526 0,000 -4,933 0,000 -1,612 0,001 -1,542 0,000 -1,475 0,000 -4,412 0,000 -4,098 0,000 -1,713 0,000 0,126 0,602 -0,910 0,049 -0,864 0,074 -0,243 0,417 2,159 0,000 -3,796 0,000 2,677 0,000 0,830 0,308 102 Спец.1 Показатели 15 16 Показатель маржи прибыли (Д-4) Показатель процентной маржи (Д-5) Спец. 2 Спец. 3 B Sig. B Sig. B Sig. -1,960 0,008 0,816 0,525 0,000 -1,292 0,096 3,483 0,003 -2,770 -3,469 0,000 -1,776 0,020 5,146 0,000 0,959 Спец. 4 B Sig. -0,768 0,392 0,022 -2,735 0,041 -6,236 0,000 -3,360 0,000 0,289 5,635 0,000 7,082 0,000 18 Доля ликвидных активов в активах (ПЛ-2) Соотношение высоколиквидных активов и привлеченных средств (ПЛ-4) 19 Устойчивость роста 0,395 0,000 -0,259 0,032 0,004 0,985 -0,086 0,480 20 Размер активов-нетто 0,501 0,000 0,394 0,000 0,426 0,000 0,613 0,000 17 F -статистика 64,138 82,413 20,043 124,364 Sig. F Change 0,000 0,000 0,000 0,000 0,563 0,878 0,668 R 2 Adjusted R 0,555 0,867 0,635 Стандартная ошибка оценки SEE 0,602 0,351 0,504 Примечание: B – коэффициент в регрессии, Sig. – значимость связи 0,921 2 0,914 0,328 Рассмотрим подробнее влияние значений показателей на рейтинг организации в зависимости от типа специализации. Напомним, что под «положительным» влиянием показателя на рейтинг кредитной организации следует понимать положительное значение отклонения показателя от среднего (по группе или всей выборке), приводящее к увеличению интегральной рейтинговой оценки. Для «корпоративных» банков характерна положительная и значимая корреляция рейтинга с показателями общей достаточности капитала (ДК-1) и его качества (ДК-3). Доля просроченных ссуд (КА-2) положительно влияет на рейтинг, что несколько расходится с классической теорией. На практике многие банки стараются не отражать появившуюся просроченную задолженность на балансе, используя либо реструктуризацию ссуд, либо некие «схемные» сделки, которые позволяют очистить баланс банка, вследствие чего показатель КА-2 у 103 большинства кредитных организаций предположительно занижен, что может соответственно занижать и его среднегрупповой уровень. Доля прочих активов в активах (КА-3) отрицательно и значимо влияет на оценку устойчивости организации. Влияние остальных показателей, характеризующих качество активов для банков данной специализации, незначимо. В группе, характеризующей качество управления ресурсной базой банка, значимыми оказались отрицательные зависимости рейтинга от показателей доли средств до востребования (КР-2), доли клиентских средств (КР-3) и доли выпущенных ценных бумаг (КР-4). Среди показателей, отражающих доходность организации, значимой связью с рейтингом отличаются показатель доходности по ценным бумагам (Д-3) и показатель маржи прибыли (Д-4). Маржа прибыли отрицательно влияет на рейтинг, в то время как доходность по ценным бумагам влияет на оценку организации положительно. Рентабельность капитала банка (Д-2) и процентная маржа прибыли (Д-5) незначимо влияют на рейтинг банков данной группы. Устойчивость роста и размер банка значимо и положительно влияют на его рейтинг. Анализ модели для «ссудных» банков также выявил ряд особенностей. Так, показатель качества капитала (ДК-5) оказывает положительное влияние на интегральную оценку организации. Поскольку процедура увеличения уставного капитала требует длительного согласования документов, то наиболее динамично развивающиеся банки вынуждены компенсировать рост активов ростом дополнительного капитала для соответствия нормативам достаточности капитала. Для банков этой специализации среди показателей, характеризующих качество активов организации, значимой связью с рейтингом обладает показатель доли ценных бумаг в активах банка (КА-5), причем превышение среднегруппового уровня положительно сказывается на рейтинге. 104 Для «ссудных» банков значение показателя доли средств до востребования (КР-2) оказывает положительное влияние на рейтинг. Остальные показатели, характеризующие управление ресурсной базой организации, отрицательно коррелирует с рейтингом. Доходность капитала банка (Д-2) и доходность по ценным бумагам (Д-3) отрицательно влияют на рейтинг банков этой группы. В то же время показатель процентной маржи прибыли (Д-5) положительно влияет на интегральную оценку организации. Поскольку «ссудные» банки имеют более диверсифицированную структуру активов, чем «корпоративные», то на их интегральную рейтинговую оценку оказывает влияние большее количество показателей. Показатель доли ликвидных активов в активах банка (ПЛ-2), значение которого превышает среднегрупповой уровень, отрицательно коррелирует с рейтингом организации. Параметры модели для «ссудных» банков также подтверждают факт наличия положительной связи между рейтингом и размером организации. «Универсальные» банки имеют самую диверсифицированную структуру активов, что отразилось в результатах анализа их функционирования. Показатели, характеризующие достаточность и качество капитала «универсальных» банков, не выявили значимого влияния на рейтинг. В то же время показатели доли прочих активов (КА-3) и ценных бумаг в активах (КА-5) отрицательно влияют на рейтинг. Из этого следует, что для повышения устойчивости кредитной организации банкам необходимо сохранять «здоровый» баланс между кредитованием и операциями на рынке ценных бумаг. Зависимость от краткосрочных межбанковских кредитов (КР-1) положительно влияет на рейтинг, подтверждая факт наличия выгоды от диверсификации ресурсной базы, т.к. межбанковские кредиты позволяют в короткие сроки привлекать необходимые средства. Показатели доли 105 клиентских средств (КР-3) и доли выпущенных бумаг (КР-4) отрицательно влияют на оценку организации, в соответствии с представлением о том, что основным источником ресурсов должны быть срочные депозиты. Для «универсальных» банков доходность операций с ценными бумагами (Д-3) положительно связана с высокой оценкой организации. В то же время отклонения от среднегруппового значения показателей маржи прибыли (Д-4) и процентной маржи прибыли (Д-5) отрицательно коррелируют с рейтингом. Превышение среднегруппового уровня для показателей доходности может свидетельствовать о высоких рисках, принимаемых на себя банком с целью увеличения прибыли. Показатель доли ликвидных активов в активах (ПЛ-2) отрицательно влияет на рейтинг организации, а показатель доли высоколиквидных активов в активах (ПЛ-4) положительно связан с оценкой устойчивости организации. Величина активов, как и в случаях других специализаций, положительно влияет на рейтинг организации. Группа «банки для банков» – наиболее ориентирована на рынок межбанковского кредитования. Показатель качества капитала (ДК-5) для этой специализации отрицательно влияет на окончательную оценку функционирования банка, в случае превышения среднегруппового уровня. Высокое значение показателя резервирования (КА-1) также отрицательно влияет на оценку организации, подчеркивая тем самым, что созданные банком значительные резервы являются показателем низкого качества активов. Отклонение значения показателя доли прочих активов (КА-3) от среднегруппового уровня отрицательно влияет на рейтинг банка, а доля кредитов (КА-4) – положительно коррелирует с оценкой организации. Показатель доли ценных бумаг (КА-5) положительно влияет на рейтинг. Показатель доли безнадежных ссуд (КА-7) также значимо и положительно влияет на рейтинг. Как уже отмечалось, большинство банков предпочитают не 106 показывать реальную величину безнадежных ссуд, занижая среднегрупповое значение, поэтому положительное влияние на рейтинг не может однозначно трактоваться как ошибочное, а в некоторых случаях даже свидетельствует об адекватности данных, предоставляемых организацией. Показатель зависимости от краткосрочных межбанковских кредитов (КР-1) значимо и положительно влияет на рейтинг. В то же время показатели доли счетов до востребования (КР-2), доли клиентских средств (КР-3) и доли выпущенных ценных бумаг (КР-4) отрицательно влияют на рейтинг. Показатель процентной маржи (Д-5) значимо и отрицательно влияет на рейтинг. Высокие показатели маржи прибыли (Д-4) являются положительным фактором, который может свидетельствовать об эффективном управлении доходами в банке. Показатель доли ликвидных активов в активах (ПЛ-2) значимо и отрицательно влияет на рейтинг. Соотношение же высоколиквидных активов и привлеченных средств (ПЛ-4), превышающее среднегрупповой уровень, положительно сказывается на итоговом рейтинге. Размер кредитной организации, как и во всех остальных рассмотренных моделях, значимо и положительно влияет на рейтинг, подтверждая тот факт, что размер банка является безусловным сигналом его надежности. Использование индивидуальных моделей (в зависимости от специализации банка) позволяет учитывать особенности банков со схожим распределение операций и получать более высокую точность предсказания рейтинга; недостаток же такого подхода в условиях весьма ограниченного числа банков, обладающих международным рейтингом – сокращение и без того незначительного объема выборки для построения регрессий и, как следствие, потенциальная неустойчивость полученных параметров моделей. 107 2.4. Оценка устойчивости и качества моделей Качество полученных нами моделей было проверено и на «продленных» данных (за пределами выборки), а именно по отчетности банков по состоянию на начало 2008 года (out-of-sample); а также на показателях банков, у которых лицензия была отозвана Банком России. Проверка подтвердила устойчивость моделей во времени и их высокую предсказательную способность в задаче определения «проблемных» банков. 2.4.1. Проверка результатов на данных out-of-sample Проверка моделей на данных out-of-sample осуществлялась по финансовым отчетам банков за 2007 год47. Из 401 исследуемой организации данные балансов (форма 101) и данные отчета о прибылях и убытках (форма 102) в полном объеме (за период с 01.05.07 по 01.01.08) доступны лишь по 260 кредитным организациям, из которых только 37 имеют международный рейтинг. Именно по этим 37 банкам и оценивалась устойчивость результатов применения полученных моделей с точки зрения критериев качества, определенных в Главе 2. Общепризнано, что качество прогнозов неизбежно ухудшается с увеличением горизонта прогнозирования. Эту тенденцию подтверждает и наше исследование: результаты проверки моделей на данных по состоянию на 01.10.07 (т.е. «через год») свидетельствуют об ухудшении точности попадания в рейтинг (по 37 банкам). Однако ухудшение оказалось не столь значительным: точность прогноза с отклонением «не более, чем на один класс» опустилась до уровня в 86% лишь для моделей, учитывающих специализацию банков, в остальных же случаях точность превышает 94% (см. Табл. 22-24). 47 Как и в Главе 1 исследования, данные отчетностей были получены с сайта Банка России. 108 Таблица 22. Линейная модель (2) Совпадение с реальным рейтингом Отклонение не более, чем на один класс Завышение рейтинга Завышение рейтинга более, чем на один класс 1.02.041.10.06 57,14% 1.10.07 51,35% 1.11.07 43,24% 1.12.07 40,54% 1.01.08 43,24% 94,40% 24,32% 94,59% 43,24% 94,59% 50,00% 94,59% 54,05% 94,59% 51,35% 0,87% 2,70% 2,70% 2,70% 2,70% 1.02.041.10.06 64,67% 1.10.07 48,65% 1.11.07 45,95% 1.12.07 35,14% 1.01.08 48,65% 99,42% 18,53% 97,30% 45,95% 94,59% 48,65% 94,59% 59,46% 97,30% 45,95% 0,00% 0,00% 2,70% 2,70% 0,00% Таблица 23. Кубическая модель (4) Совпадение с реальным рейтингом Отклонение не более, чем на один класс Завышение рейтинга Завышение рейтинга более, чем на один класс Таблица 24. Линейная модель с учетом специализации (7) Совпадение с реальным рейтингом Отклонение не более, чем на один класс Завышение рейтинга Завышение рейтинга более, чем на один класс 2.4.2. 1.02.041.10.06 68,63% 1.10.07 51,35% 1.11.07 37,84% 1.12.07 32,43% 1.01.08 37,84% 97,39% 15,35% 86,49% 35,14% 89,19% 51,35% 86,49% 56,76% 91,89% 51,35% 0,10% 5,41% 5,41% 8,11% 2,70% Проверка моделей на данных по кредитным организациям, у которых лицензии были отозваны Нам были доступны данные по 32 организациям, лицензия на осуществление банковских операций у которых была отозвана в период с августа 2004 года по март 2008 года. Причиной отзыва большинства лицензий явились нарушения законодательства, нормативных актов Банка России и Федерального закона «О противодействии легализации (отмыванию) доходов, полученных преступным путем, и финансированию терроризма»48. Лишь у 5 из Федеральный закон N 115-ФЗ «О противодействии легализации (отмыванию) доходов, полученных преступным путем, и финансированию терроризма» (принят ГД ФС РФ 13.07.2001) 48 109 32 банков49 лицензия была отозвана по причине ухудшения финансового состояния, а именно в связи с «неспособностью удовлетворить требования кредиторов по денежным обязательствам и исполнить обязанность по уплате обязательных платежей, снижением собственных средств (капитала) ниже минимального значения уставного капитала) и проведением высокорисковой деятельности» [99]. Вычисленные с помощью наших моделей рейтинги (не превышающие «ССС») этих банков, указывают на высокий уровень риска и высокую вероятность невыполнения банками взятых обязательств. ДИАЛОГ-ОПТИМ СОЮЗОБЩЕМАШ БАНК НАЦИОНАЛЬНЫЙ РАСЧЕТНЫЙ НАЦИОНАЛЬНЫЙ КАПИТАЛ РЫБХОЗБАНК ДЕЛНА-БАНК МЕЖПРОМБАНК НЕФТЯНОЙ ЕВРОПЕЙСКИЙ РАСЧЕТНЫЙ ВИП ЭКСИТОН МОСОБЛИНВЕСТ ИНВЕСТИЦИЙ И КРЕДИТОВАНИЯ УНИВЕРБАНК ДИСКОНТ ЕВРОПРОМИНВЕСТ ИНТЕРСВЯЗЬБАНК ФОРПОСТ 49 50 Линейная с учетом специализации Дата отзыва лицензии50 Кубическая Линейная Дата Наименование Ном. Лиц. Таблица 25. Расчетный рейтинг банков, лицензия у которых была отозвана 3107 3162 01.07.04 01.11.04 C C C CCC C CC 11.08.04 19.01.05 2899 01.11.04 DDD C DDD 11.03.05 1758 01.11.05 C C C 05.12.05 241 971 3133 1423 3148 01.01.08 01.04.06 01.02.06 01.06.05 01.03.06 CC C C CC DDD CC CC CC B C C C C CC DDD 06.03.08 27.02.06 21.04.06 04.05.06 07.06.06 1421 3412 470 2102 01.06.06 01.06.06 01.06.06 01.06.05 C DD C CC C C C CCC DDD DD DDD CCC 16.06.06 23.06.06 14.07.06 10.08.06 2525 1234 1952 2154 2575 01.07.06 01.06.06 01.08.06 01.09.06 01.12.06 C DDD C DDD C CC DD C DDD CCC C CC C DD C 24.08.06 01.09.06 03.11.06 03.11.06 27.12.06 Первые пять позиций в Таблице 25. Причина отзыва лицензии представлена в Приложении 7 СИБЭКОНОМБАНК ГРАДОБАНК ДИАМОНД СПБРР ОБЩИЙ КОМИНБАНК ИБЕРУС АЛЬЯНС БАНК ИМИДЖ ОБЪЕДИНЕННЫЙ БАНК МАЛОГО БИЗНЕСА ПРОФБАНК БАДР-ФОРТЕ БАНК РТБ-БАНК ФЕДЕРАЛЬНЫЙ ПРОМЫШЛЕННЫЙ БАНК Дата отзыва лицензии Линейная с учетом специализа -ции Кубическая Линейная Дата Наименование Ном. Лиц. 110 1824 2563 3225 3150 3218 3029 3259 3182 2392 3374 01.12.06 01.09.06 01.04.07 01.09.05 01.05.07 01.07.07 01.05.07 01.03.07 01.07.07 01.06.07 C C C CC C CC C CCC C C C CC CC CC C C CC CC CC C DD C C CC C CCC DDD CC C C 18.01.07 25.01.07 26.04.07 03.05.07 06.06.07 30.08.07 05.09.07 27.09.07 01.11.07 11.01.08 235 1567 3076 2489 01.10.06 01.10.06 01.03.06 01.08.06 C CC CCC C CC CC B C CCC CC B C 05.12.06 05.12.06 21.04.06 24.08.06 111 Результаты второй главы 1. Во второй главе проведено эмпирическое исследование степени влияния каждого из показателей на оценку функционирования кредитных организаций. 2. На основе анализа нами выявлен набор независимых показателей и построены собственные модели количественной оценки функционирования банков. 3. Нами исследована и выявлена важность выделения специализации для определения уровня надежности банков. 4. Верификация моделей проведена на основе данных по кредитным организациям, которым присвоен рейтинг международных РА (in-sample). Исследована устойчивость результатов применения полученных моделей на данных out-of-sample, результаты моделирования также протестированы на кредитных организациях, лицензия на осуществление банковской деятельности у которых отозвана Банком России. 112 ГЛАВА 3. Формирование рейтингов российских банков 3.1. Анализ динамики распределения банков по специализации Исследование распределения банков по специализации не только дает важную дополнительную информацию для оценки качества банков, но и представляет самостоятельный интерес для изучения. Как показал проведенный анализ, в исследуемой выборке преобладают «корпоративные» и «ссудные» банки, на долю которых приходится 81% записей (49% и 42% соответственно), в то время как доля «универсальных» и «банков для банков» составляет 10% и 9% записей соответственно. Такое распределение отражает слабую диверсификацию активов для большинства кредитных организаций. Можно отметить, что существенного изменения структуры распределения банков по специализации за исследуемый период не произошло, хотя и определились некоторые тенденции. Так, в начале 2004 года 193 банка исследуемой группы были классифицированы как «корпоративные», 149 как «ссудные», 34 как «универсальные» и 25 как «банки для банков». На конец третьего квартала 2006 года исследуемая группа была представлена 164 «корпоративными», 147 «ссудными», 51 «универсальным» и 39 «банками для банков». Т.е. можно отметить устойчивый рост числа «универсальных» (с 34 до 54) и «банков для банков» (с 25 до 39). Таким образом, в то время, как одни банки пытаются диверсифицировать свои активные операции, другие стараются занять свою нишу посредством более узкой специализации. Постепенное увеличение числа «корпоративных» банков наблюдалось до конца 2004 года; далее их число постепенно снижалось (по данным на 01.09.2004 – 216 банков, по данным на 01.10.2006 – 164 банка). Группа «ссудных» банков характеризовалась обратной динамикой: в первой половине исследуемого периода происходило снижение их числа, а во второй половине – постепенное увеличение. Такую тенденцию можно 113 объяснить ростом объемов потребительского кредитования, который переживала банковская система. Многие банки стали охотнее ориентироваться на кредитование физических лиц, компенсируя возникающие риски более высокими ставками по кредитам. 250 225 200 175 корпоративные ссудные универсальные банки для банков 150 125 100 75 50 25 01.10.06 01.08.06 01.06.06 01.04.06 01.02.06 01.12.05 01.10.05 01.08.05 01.06.05 01.04.05 01.02.05 01.12.04 01.10.04 01.08.04 01.06.04 01.04.04 01.02.04 0 Рисунок 2. Динамика распределения банков по специализации Можно также отметить, что 107 банков из исследуемой выборки не меняли профиль своей деятельности. Профиль деятельности 116 банков на разных этапах исследуемого периода соответствовал двум типам специализации, у 109 банков отмечалась принадлежность к трем типам, 19 банков – попали во все возможные кластеры. Перемена банком специализации свидетельствует либо о том, что значение показателей (см. Табл. 7 Глава 2), лежит на границе кластеров, либо о том, что банк в данных экономических условиях пытается занять наиболее привлекательную нишу. Можно сказать, что эти банки находятся в поиске своего «типа». «Лидер» среди них – ТрастКомБанк (лиц. 2499), сменивший принадлежность к кластеру 23 раза (из 32 возможных), следом идут Гранд Инвест (лиц. 3053), Экспобанк (лиц. 2998) и КонверсБанк (лиц. 122) (14, 13 и 12 переходов соответственно). Меньше всех остальных в этой группе менял профиль деятельности банк Держава (лиц. 2738), совершивший 5 переходов. 114 Таким образом, исследование специализации кредитных организаций необходимо учитывать при оценке устойчивости их функционирования, так как позволяет выявлять характерных тенденций смены банками профиля, и выделять банки, находящихся в поиске своего «типа» (нестабильных с точки зрение распределения операций). Поскольку на практике изменение структуры баланса кредитной организации в короткие сроки не реализуемо и требует значительных затрат, связанных с переориентацией бизнеса (подбор персонала, разработка продуктов, методик, программного обеспечения), это не может не отразиться на эффективности их функционирования, и оценка таких организаций требует особо пристального подхода. 3.2. Оценка качества российских банков Банковский сектор России развивается быстрыми темпами, и удерживать свои позиции на рынке способны только динамично растущие организации. Для того чтобы оценить возможности и перспективы банков, не представленных в рейтинг-листах международных рейтинговых агентств, а также определить качественный состав рассматриваемой выборки российских банков, использованы модели, представленные нами в Главе 2 настоящей работы. Поскольку наличие международного рейтинга предполагает достаточно высокий уровень информационной открытости организации, а проводимый в ходе его присвоения анализ затрагивает широкий спектр как финансовой, так и нефинансовой информации, то представляется логичным дополнить модели двумя индикативными переменными: 51 52 Принадлежность к ССВ (DIA) 51; Наличие международного рейтинга (IR) 52. DIA - принимает значение 0 для банков членов ССВ и (-1) для остальных банков. IR - принимает значение 0 для банков с международным рейтингом и (-1) для остальных банков. 115 Банк, входящий в систему страхования вкладов, получает возможность привлекать депозиты физических лиц и тем самым диверсифицировать свою ресурсную базу. Поскольку целью Центрального банка РФ было отбирать в систему страхования вкладов только «здоровые» банки, то принадлежность к ССВ можно рассматривать, как своего рода «знак качества» (отметим, что в США именно принадлежность к системе страхования вкладов53 является одним из основных критериев для определения финансовой организации как банка [29]). Наличие международного рейтинга, являясь объективной и признанной на международном уровне оценкой, позволяет облегчить процесс мониторинга кредитных организаций. Однако лишь незначительное число российских банков имеет рейтинг международных агентств. Полученный в ходе данного исследования инструмент финансового анализа, позволяющий формировать на основе финансовой отчетности банка рейтинг его кредитоспособности, является крайне востребованным для целей оперативного дистанционного анализа банков-контрагентов. Полученный инструмент дает возможность оценить качественных состав исследуемой выборки из 339 банков, не имеющих рейтинга международных агентств. В Главе 2 нами были представлены регрессионные модели формирования рейтинга, обнаружившие высокую степень сопоставимости рассчитанных рейтингов с рейтингами международных агентств. Полученные результаты свидетельствуют о том, что наилучшей сопоставимостью с существующими рейтингами отличаются две модели: линейная модель, учитывающая информацию о специализации, и кубическая модель. Эти две модели и будут использованы для определения качественного состава исследуемой выборки российских банков: 1) Кубическая модель с отклонением от среднего (регрессия вида (4) см. Главу 2): 53 Federal Deposit Insurance Company 116 3 rating const ij ( FRiw i ) j 19 growth 20 size DIA IR i (4’) j 1 2) Линейная модель по показателям с учетом информации о специализации с отклонением от среднего (регрессия вида (7) см. Главу 2): rating const ( s) i ( s)( FRiw i ( s)) 19 ( s) growth 20 ( s) size DIA IR (7’) i Простая линейная модель вида (2) также дополнена индикативными переменными IR и DIA и будет использована для анализа состава российских банков: rating const i ( FRiw i ) 19 growth 20size DIA IR (2’) i Соответствие рассчитанного интегрального показателя буквенному выражению рейтинга приведено в Таблице 26. Таблица 26. Характеристика рейтинговых оценок уровня надежности банков Рейтинг ВВВ Интегральная оценка 5 ВВ 4 В 3 ССС 2 СС 1 С 0 DDD -1 DD ≤-2 Характеристика Низкий уровень риска: достаточная способность своевременно и полностью выполнять свои долговые обязательства. Уровень риска низкий: слабая чувствительность к воздействию неблагоприятных перемен в коммерческих, финансовых и экономических условиях. Уровень риска приемлемый: уязвимость при наличии неблагоприятных коммерческих, финансовых и экономических условий. Уровень риска повышенный: существует потенциальная возможность невыполнения банком своих долговых обязательств; значительная зависимость от коммерческих, финансовых и экономических условий. Уровень риска высокий: высокая вероятность невыполнения банком обязательств. Уровень риска крайне высокий: существует вероятность банкротства. Уровень риска недопустимо высокий: существует высокая вероятность дефолта по обязательствам. Уровень риска недопустимо высокий: прогнозируется дефолт по обязательствам. 117 Итак, применив наши модели к организациям, имеющим международный рейтинг, и убедившись в адекватности полученных результатов, имеем основания применить те же модели для определения уровня надежности российских кредитных организаций, не имеющих международного рейтинга, и оценить адекватность полученных результатов. Кубическая модель с отклонением от среднего для исследуемых 339 банков, не имеющих рейтинга международного рейтингового агентства, позволяет ранжировать их по уровню риска. Анализ показал, что по состоянию на 01.10.2006 всего один банк из 339 имеет прогнозируемый рейтинг уровня «ВВ», 16 банков имеют рейтинг «В», 76 банков – рейтинг уровня «ССС», 167 банков – рейтинг уровня «СС». 69 банков исследуемой выборки имеют рейтинг уровня «С», 6 банков – рейтинг «DDD», еще 4 банка имеют рейтинг «DD». Согласно полученным результатам моделирования, качественный состав исследуемой выборки в период с июля 2004г. по октябрь 2006г. изменился незначительно (Рис. 10). В группы с достаточно низким риском дефолта в долгосрочной перспективе, согласно модели, в среднем попадает немногим более 12% всех банков («ВВВ» – 4 банка, «ВВ» – 10 банков, «В» – 35 банков). В среднем 85% всех банков имеют прогнозируемый рейтинг уровня «ССС», «СС» или «С» (95, 164 и 80 банков соответственно). В группы банков с крайне высокой вероятностью неисполнения обязательств попадают в среднем 3% банков (с рейтингом «DDD» – 8 банков, с рейтингом «DD» – 4 банка). Таблица 27. Кубическая модель с отклонением от среднего (4’) Рейтинг BBB BB B CCC CC C DDD DD Среднее количество Минимальное количество 4 10 35 95 164 80 8 4 2 7 27 77 150 68 3 1 Максимальное количество 7 14 42 106 180 106 16 6 118 400 BBB BB B 350 CCC 300 250 200 CC 150 100 C 01.10.06 01.09.06 01.08.06 01.07.06 01.06.06 01.05.06 01.04.06 01.03.06 01.02.06 01.01.06 01.12.05 01.11.05 01.08.05 01.07.05 01.06.05 01.05.05 01.04.05 01.03.05 01.02.05 01.01.05 01.12.04 01.11.04 01.10.04 01.09.04 01.08.04 01.07.04 DD 01.10.05 DDD 0 01.09.05 50 Рисунок 3. Качественный состав исследуемой выборки на основе результатов кубической модели без учета специализации Использование линейных моделей с учетом выявленной специализации для исследуемых 339 банков, не имеющих рейтинга международного рейтингового агентства, показывает, что по состоянию на 01.10.2006 прогнозируемый рейтинг уровня «ВВ» имеют 2 банка, рейтинг уровня «В» – 11 банков, рейтинг уровня «ССС» – 72 банка, рейтинг уровня «СС» – 177 банков. 69 банков имеют рейтинг уровня «С», 5 банков – рейтинг «DDD», еще 3 банка имеют рейтинг «DD». Качественный состав исследуемой выборки за период с июля 2004г. по октябрь 2006г изменился незначительно (Рис.11). В группы с достаточно низким риском дефолта в долгосрочной перспективе, согласно модели, в среднем попадает немногим более 11% всех банков («ВВВ» – 3 банка, «ВВ» – 10 банков, «В» – 35 банков). В среднем 85% всех банков имеют прогнозируемый рейтинг уровня «ССС», «СС» или «С» (86, 185 и 80 банков соответственно). В группу банков с высокой вероятностью неисполнения своих обязательств попадают в среднем 3% банков (с рейтингом «DDD» – 9 банков, «DD» – 3 банка). 119 Таблица 28 Линейная модель по показателям с учетом специализации (7’) Среднее количество 3 10 35 86 175 80 9 3 Рейтинг BBB BB B CCC CC C DDD DD Минимальное количество 0 7 28 76 157 67 5 1 400 Максимальное количество 5 15 40 100 189 97 20 6 BBB BB B 350 CCC 300 250 200 CC 150 100 50 C 01.10.06 01.09.06 01.08.06 01.07.06 01.06.06 01.05.06 01.04.06 01.03.06 01.02.06 01.01.06 01.12.05 01.11.05 01.10.05 01.08.05 01.07.05 01.06.05 01.05.05 01.04.05 01.03.05 01.02.05 01.01.05 01.12.04 01.11.04 01.10.04 01.09.04 01.08.04 01.07.04 DD 01.09.05 DDD 0 Рисунок 4. Качественный состав исследуемой выборки на основе результатов линейных моделей, учитывающих специализацию 3.3. Оценка согласованности результатов Полученные результаты позволяют говорить о сходстве обеих (линейной и кубической) моделей в определении качественного состава исследуемой выборки. Рейтинги, рассчитанные по этим двум моделям для 401 кредитной организации по состоянию на 01.10.2006 совпадают в 211 случаях (52,62%), отличие прогноза более, чем на один класс, наблюдается в 28 случаях (6,98%). В 103 случаях результаты прогноза с использованием кубической модели 120 превышают результаты прогноза по линейной модели. В свою очередь в 87 случаях результаты оценки по линейной модели превышают результат, полученный с использованием кубической модели. В Таблице 29 включены те банки, рейтинги которых на 01.10.2006, рассчитанные с помощью линейных (с учетом специализации) и кубической моделей, различаются наиболее существенным образом. Таблица 29. Наиболее существенные отличия в прогнозируемых рейтингах на 1.10.06 Наименование МЕЖБИЗНЕСБАНК КАМЧАТПРОМБАНК БАШПРОМБАНК ДОРОЖНИК МЕТАЛЛУРГИЧЕСКИЙ КОММЕРЧЕСКИЙ БАНК ПРОМСЕРВИСБАНК СЕВЕРО-ВОСТОЧНЫЙ АЛЬЯНС МАСС МЕДИА БАНК МОСКОМПРИВАТБАНК ВУЗ-БАНК СИТИБАНК АВТОМОБИЛЬНЫЙ БАНКИРСКИЙ ДОМ РОССИЙСКИЙ КРЕДИТ ОРЛОВСКИЙ СОЦИАЛЬНЫЙ БАНК КРЕДИТ-МОСКВА ЮГО-ВОСТОК МОСКОВСКИЙ НЕФТЕХИМИЧЕСКИЙ БАНК СЕМБАНК ЭКОНОМИЧЕСКИЙ СОЮЗ НОВОСИБИРСКВНЕШТОРГБАНК КАЛУГА НАЙТОВ АСПЕКТ ЕНИСЕЙ РУССКИЙ РЕГИОНАЛЬНЫЙ БАНК ИС БАНК Ном. Кубическая Линейная Лиц. модель (4’) модель (7’) 3280 -1 1194 2 1006 -1 269 3 3 -2 2 0 901 1659 2768 1859 2827 1557 2557 3 2 2 1 2 1 4 0 -1 -1 -2 4 3 2 2668 324 2921 5 414 0 0 0 0 0 2 2 2 2 2 1411 2606 2798 410 1151 3385 608 474 685 3175 0 0 0 3 3 3 -1 2 2 2 2 2 2 1 1 1 1 0 0 0 Для того, чтобы очистить полученный результат от сезонных и других краткосрочных факторов, которые не должны влиять на долгосрочный рейтинг, 121 дополнительно использована медиана значения рейтинга за январь – сентябрь 2006 года. Полученные результаты показывают, что для 227 банков (56,6%) прогнозируемый таким образом рейтинг по двум моделям совпал. В целом в 95% случаев (для 381 банка) прогнозируемые по двум моделям рейтинги различались не более, чем на один класс, что свидетельствует о высокой согласованности результатов примененных моделей. Таблица 30. Наиболее существенные отличия в прогнозе рейтинга (медиана) Наименование МОСКОМПРИВАТБАНК КРЕДИТ-МОСКВА СИТИБАНК ОРЛОВСКИЙ СОЦИАЛЬНЫЙ БАНК КАЛУГА ДОРОЖНИК МЕЧЕЛ-БАНК ПЕРВОЕ ОБЩЕСТВО ВЗАИМНОГО КРЕДИТА РУСФИНАНС БАНК НОВОКУЗНЕЦКИЙ МУНИЦИПАЛЬНЫЙ БАНК ПРОМТРАНСБАНК РОССИЙСКИЙ КРЕДИТ СТАРООСКОЛЬСКИЙ АГРОПРОМБАНК ПРОМСЕРВИСБАНК МЕТАЛЛУРГИЧЕСКИЙ КОММЕРЧЕСКИЙ БАНК СЕВЕРО-ВОСТОЧНЫЙ АЛЬЯНС МАСС МЕДИА БАНК КАПИТАЛ БАШПРОМБАНК ПОВОЛЖСКОЕ ОВК Ном. Лиц. 2827 5 2557 Кубическая модель (4’) 2 0 4 Линейная модель (7’) 2921 1151 269 419 0 3 2 2 2 1 0 0 605 1792 2 2 0 0 2865 2638 324 2 1 -1 0 -1 2 1050 1659 3 3 0 0 901 2 -1 2768 1859 575 1006 2870 2 1 6 -2 -6 -1 -2 2 2 2 4 2 2 На основе медианных значений рейтинга были также определены группы банков, имеющих рейтинги «DDD» и ниже по линейной и кубической моделям 122 (см. Табл. 31, Табл. 32). Отметим, что и в этом случае рейтинги по данным моделям в целом также весьма схожи. Таблица 31. Минимальные значения рейтинга по кубической модели (медиана за 2006 год) Наименование РОССИЙСКИЙ КРЕДИТ АСПЕКТ ДЗЕРЖИНСКИЙ ЭКСПРЕСС РУБЛЕВ ОБИБАНК СТРУКТУРА БАШПРОМБАНК ИНТЕРКРЕДИТ РЕГИОНФИНАНСБАНК ПОВОЛЖСКОЕ ОВК Ном. Кубическая Лиц. модель (4’) 324 -1 608 -1 1113 -1 3084 -1 3098 -1 3185 -1 3397 -1 1006 -2 3047 -2 3357 -2 2870 -6 Линейная модель (7’) 2 0 0 0 0 0 -1 2 -1 -2 2 Таблица 32. Минимальные значения рейтинга по линейной модели (медиана за 2006 год) Наименование МЕТАЛЛУРГИЧЕСКИЙ КОММЕРЧЕСКИЙ БАНК ПРОМТРАНСБАНК СЕВЕРО-ВОСТОЧНЫЙ АЛЬЯНС ИНТЕРКРЕДИТ ТРАНСПОРТНЫЙ КИТЕЖ ГОРОДСКОЙ КЛИЕНТСКИЙ СТРУКТУРА МАСС МЕДИА БАНК РЕГИОНФИНАНСБАНК Ном. Кубическая лиц. модель (4’) 901 2638 2768 3047 3174 3208 3392 3397 1859 3357 Линейная модель (7’) 2 -1 1 2 -2 0 0 0 -1 1 -2 -1 -1 -1 -1 -1 -1 -1 -2 -2 В марте 2007 года международное рейтинговое агентство Standard & Poors (S&P) повысило долгосрочный кредитный рейтинг Уральского Банка Реконструкции и Развития (лиц. 429) до уровня «B-» (с предыдущего значения «CCC+»). Рейтинг уровня «В» для этого банка, предсказанный нами на основе линейной модели с учетом специализации, подтверждает, что «накопленное» 123 качество баланса (финансовых показателей) может привести к повышению рейтинга. В текущих условиях российские банки часто поглощают небольшие и слабые кредитные организации, тем самым увеличивая региональную диверсификацию бизнеса. Так, в 2007 году Масс Медиа Банк (лиц. 1859), получивший по нашим моделям крайне низкую оценку устойчивости (по линейной модели «DD», по кубической модели «CC»), присоединен вместе с ЭталонБанком (лиц. 2317) к ЖелдорБанку (лиц. 99), в результате чего все три банка вошли в группу УРСА-Банка (лиц. 323) под брендом Эталонбанк (лиц.99). 3.4. Рейтинги банков по состоянию на начало 2008 года Проведенный нами анализ также показал, что на «продленных» данных (т.е. на начало 2008 года) модели сохраняют распределение банков по группам в зависимости от рассчитанного рейтинга. В результате качественный состав исследуемой выборки из 260 кредитных организаций (по которым были доступны данные на начало 2008 года) в зависимости от используемой модели выглядит следующим образом: Таблица 33. Распределение банков в зависимости от рассчитанного рейтинга Линейная (2’) Кубическая (4’) Рейтинг 1.10.06 1.01.08 1.10.06 1.01.08 A 0,0% 0,0% 0,0% 0,3% BBB 0,6% 1,8% 1,1% 1,9% BB 1,9% 2,5% 1,8% 1,5% B 7,0% 7,0% 7,5% 10,1% CCC 15,5% 19,7% 23,8% 25,0% CC 49,8% 49,9% 41,5% 44,5% C 23,4% 17,6% 21,8% 14,8% DDD 1,7% 1,1% 2,2% 1,4% DD 0,0% 0,4% 0,4% 0,2% D 0,0% 0,0% 0,0% 0,2% Линейная с учетом специализации (7’) 1.10.06 1.01.08 0,0% 0,0% 0,9% 1,6% 2,0% 3,1% 7,1% 9,4% 21,8% 22,0% 44,6% 38,9% 20,9% 17,7% 2,2% 5,2% 0,5% 1,5% 0,0% 0,5% 124 Поскольку результаты применения моделей для разделения банков весьма схожи, то можно говорить о согласованности полученных моделей, а сравнение результатов out-of-sample с результатами in-sample свидетельствует о приемлемой устойчивости (точности) моделей, по крайней мере, на горизонте свыше одного года (см. Рис. 5-7). Отметим также, что по результатам применения кубической модели на данных 2007 года один банк был отнесен к группе с рейтингом «А» (чего не наблюдалось ранее) и этим банком оказался ВТБ (лиц. 1000). 260 BB BBB B 240 220 CCC 260 240 220 200 200 180 180 160 160 140 BBB BB B CCC 140 CC 120 120 100 100 80 80 60 60 C 20 DDDDD D 01/07/04 01/08/04 01/09/04 01/10/04 01/11/04 01/12/04 01/01/05 01/02/05 01/03/05 01/04/05 01/05/05 01/06/05 01/07/05 01/08/05 01/09/05 01/10/05 01/11/05 01/12/05 01/01/06 01/02/06 01/03/06 01/04/06 01/05/06 01/06/06 01/07/06 01/08/06 01/09/06 01/10/06 0 Рисунок 5. Линейная модель (2’) 0 DDDD D D 01/10/07 20 40 01/01/08 C 01/11/07 01/12/07 40 CC 200 120 40 260 240 200 120 0 BB 260 B 240 220 CCC 180 180 160 160 140 140 CC 100 100 80 80 60 60 C 20 20 DDDDD D BBB B 220 CCC CC 40 20 DDDDD D Рисунок 7. Линейная модель с учетом специализации (7’) 0 260 240 200 180 180 160 160 140 140 120 100 100 80 80 60 60 C 40 C 20 DD DD D 0 DD DD D D 01/12/07 01/01/08 240 BBB 01/12/07 01/01/08 0 BB 01/10/07 01/11/07 01/07/04 01/08/04 01/09/04 01/10/04 01/11/04 01/12/04 01/01/05 01/02/05 01/03/05 01/04/05 01/05/05 01/06/05 01/07/05 01/08/05 01/09/05 01/10/05 01/11/05 01/12/05 01/01/06 01/02/06 01/03/06 01/04/06 01/05/06 01/06/06 01/07/06 01/08/06 01/09/06 01/10/06 260 01/10/07 01/11/07 01/07/04 01/08/04 01/09/04 01/10/04 01/11/04 01/12/04 01/01/05 01/02/05 01/03/05 01/04/05 01/05/05 01/06/05 01/07/05 01/08/05 01/09/05 01/10/05 01/11/05 01/12/05 01/01/06 01/02/06 01/03/06 01/04/06 01/05/06 01/06/06 01/07/06 01/08/06 01/09/06 01/10/06 125 BB BBB B 220 200 CCC 120 CC 40 C Рисунок 6. Кубическая модель (4’) BB BBB B 220 CCC CC D 126 Как видно из рисунков (см. Рис. 5-7), устойчив во времени и полученный результат разделения банков по уровню рейтинга. Согласно результатам применения трех моделей, число банков с рейтингом выше уровня «ССС» в 2007 году увеличилось. Таким образом, можно отметить, что качество финансовых показателей банков постепенно улучшается, в том числе, возможно, и благодаря мерам, предпринимаемым Банком России по установлению четких «правил игры», наряду с применяющейся «крайней мерой» в виде отзыва лицензии. Тем не менее, основной массе исследованных банков присвоен рейтинг «СС» (и ниже), что свидетельствует о сохраняющихся высоких рисках в банковском секторе. Результаты применения линейных моделей с учетом специализации свидетельствуют о возникших в 2007 году затруднениях у многих «небольших» банков (что предположительно связано с «ипотечным» кризисом августа 2007 года). Так, по состоянию на октябрь 2007 года отмечается резкий рост числа банков с рейтингом уровня «DDD», однако к началу 2008 года ситуация начинает исправляться и число «проблемных» банков сокращается фактически до уровня октября 2006 года. Т.о. предлагаемый инструмент может служить основой для оценки функционирования банков (и ранжирования их) с точки зрения финансовых показателей их деятельности. Конечно, для установления «истинного» (полновесного) рейтинга банка недостаточно одного ограниченного инструмента, необходимо учитывать всю доступную информацию не только финансового характера, но и такие безусловно важные данные, как: состав акционеров, масштабы региональной диверсификации бизнеса банка, сведения об основных клиентах, о видах предоставляемых услуг, о качестве корпоративного управления и о наличии «независимой» службы внутреннего контроля, о репутации банка на рынке, об участии в судебных разбирательствах, а также другая информация нефинансового характера. 127 Сбор и формализация такой информации (в т.ч. об уголовных делах в отношении банка, менеджмента и клиентов, о репутации банка на рынке и пр.) представляют собой проблему, которая требует отдельного рассмотрения и не входит в задачи нашего исследования. Кроме того, поскольку внешняя среда изменяется, меняются и показатели банков «в среднем», и «важность» показателей, и распределение основных статей баланса («специализация»). В такой ситуации важно определить, насколько гармонично конкретный банк реагирует на внешние изменения. В то же время параметры моделей необходимо пересматривать с определенной периодичностью, или же, другими словами, параметры модели должны также зависеть от времени. В силу специфики опубликованных на сайте Банка России данных54 наша методика не учитывает показатели, характеризующие обороты по счетам (не включен в анализ, например, такой распространенные показатель как «обороты по кассовым счетам»). За рамками анализа остались также «схемные операции» (операции, содержание которых вызывает сомнения в их законности). Некоторые уже свершившиеся факты неплатежеспособности банков могут быть включены в анализ в качестве стоп-критериев (напр., «картотека»55). Такого рода показатели могут входить в модели как индикаторы, принимающие определенное дискретное значение в случае выполнения или невыполнения данного условия, или же составлять некую «систему отсечек» запрещающую проведение операций с банком в случае их невыполнения (минимальный размер капитала, активов, наличие «картотеки», судебные разбирательства и т.п.). Т.е. полученная оценка (рейтинг) в каждом конкретном случае должна быть откорректирована с учетом всей имеющейся в распоряжении аналитика информации. До начала 2007 года на сайте Банка России публиковалась усеченная Форма 101, которая не включала объемы оборотов по статьям баланса. 55 Счет 47418 «Средства, списанные со счетов клиентов, но не проведенные по корреспондентскому счету кредитной организации из-за недостаточности средств». 54 128 Еще раз подчеркнем, что получение внешнего рейтинга (присваиваемого рейтинговыми агентствами) часто является слишком дорогим «удовольствием», позволить себе которое могут лишь крупные кредитные организации. При работе на межбанковском рынке банки нуждаются в собственных методиках определения (внутренних) рейтингов для оперативного анализа контрагентов и установления лимита допустимого объема операций. Издержки процесса присвоения внутренних рейтингов и ранжирования контрагентов являются весьма существенными, т.к., по сути, процесс заключается в «эксклюзивной» работе эксперта, который собирает всю доступную информацию из Интернета, оценивает набор финансовых показателей, а затем пишет заключение, где отражает важные (с его точки зрения) аспекты функционирования банка в исследуемый период. Итак, предлагаемый нами инструмент служит ориентиром для формирования рейтингов, хотя без учета нефинансовой информации и не дает полноценного представления о надежности банков; в сочетании же с другими инструментами анализа позволит дать комплексную оценку функционирования кредитных организаций. 129 Результаты третьей главы 1. Результаты моделирования рейтингов применены для определения рейтинга 339 российских банков, не имеющих международного рейтинга. 2. Исследован качественный состав российского банковского сектора в динамике с 2004 по 2008гг. 3. Рассмотрен вопрос о практической применимости разработанных моделей оценки финансового состояния банков (для оценки контрагентов, а также для мониторинга и быстрого скрининга56 банковской системы в целом), Обозначены границы применимости моделей и перспективы дальнейших исследований. Скрининг - специальная проверка кредитоспособности, устойчивости и добропорядочности контрагентов на основе данных аудиторских проверок, справочников, финансовых проверок (отчетности) и т.д. 56 130 ЗАКЛЮЧЕНИЕ Основной задачей нашей диссертационной работы являлось исследование возможности на базе общедоступной информации финансовой отчетности банков формирования рейтингов российских банков, не представленных в рейтинг-листах международных рейтинговых агентств. Поскольку основным сдерживающим фактором развития банковского бизнеса в целом и рынка межбанковского кредитования в частности является дефицит информации о качестве финансового состояния потенциальных контрагентов, а на текущий момент в российской банковской системе международные рейтинги присвоены не более, чем восьми процентам банков, то вопрос ранжирования банков по уровню надежности является крайне актуальным. Следует отметить, что позволить себе услуги рейтинговых агентств (РА) могут лишь крупные, ориентированные на международные рынки капитала, российские банки. Остальным же для получения рейтинга нужно проводить кардинальную модернизацию ориентацией деятельности, на учет рисков, выстраивать что управление связано с организации существенными, с часто непосильными финансовыми затратами. В первой главе «Современные подходы к оценке устойчивости кредитных организаций» комплексно систематизированы и проанализированы теоретические модели и эмпирические исследования по оценке эффективности функционирования и устойчивости кредитных организаций, выявлены их преимущества и недостатки. 1. В основе практики присвоения рейтингов лежит оценка надежности организации. Рейтинг определяет уровень риска частичного или полного неисполнения организацией своих обязательств. Оперативность и всесторонность оценки – важнейшие требования, которым должны отвечать кредитные рейтинги. Достичь одновременного выполнения этих требований весьма непросто: т.к. анализ затрагивает не только финансовые показатели, но 131 и значительный объем нефинансовой информации о функционировании организации (что требует значительных затрат времени), то агентства достаточно редко пересматривают рейтинги (в среднем, раз в год). 2. Одной из важных задач при оценке деятельности банка является определение группы сопоставимых банков (розничные, инвестиционные, ипотечные, кооперативные, сберегательные, частные банки и т.п.). Общий подход к анализу во всех случаях может оставаться одним и тем же, но т.к. каждый тип банков обладает своими особенностями, то при выставлении рейтинга к ним необходимо отнестись с должным вниманием. 3. В научной литературе представлен широкий спектр применяемых при анализе банков и оценке их финансовой устойчивости методов и моделей: экспертные модели; модели многомерных количественных оценок (эконометрические методы: дискриминантный (факторный) анализ, логит- и пробит-модели и др.); рыночные модели (оценка стоимости акций и их волатильности, оценка процентных ставок и т.п.); модели оценки эффективности функционирования (оптимизационные модели, методы поиска эффективного фронта и т.п.); рейтинговые модели. 4. Первоочередной проблемой при построении системы оценки кредитного качества организации является определение того, какие характеристики следует включать в анализ и какие весовые коэффициенты должны им соответствовать. На основе научных трудов, посвященных оценке деятельности кредитных организаций, исследованию банкротств и моделированию рейтингов кредитных организаций, а также методик, используемых РА в ходе процедуры присвоения рейтингов, нами составлен набор показателей для определения кредитного качества российских банков. Отметим, что набор, используемый западными исследователями, не может быть механически применен к российской банковской системе. 132 Выбор показателей для оценки финансового состояния банка – непростая и неоднозначная задача. Критериями нашего выбора стали экономическое содержание, простота вычисления, а также устойчивость показателей во времени (как необходимое условие построения долгосрочных рейтингов). Для построения наших моделей показатели разделены на группы, каждая из которых характеризует основные аспекты деятельности кредитной организации: качество капитала, качество активов, качество ресурсной базы, доходы (рентабельность) и ликвидность, – что в совокупности позволяет комплексно оценивать финансовое состояние банка и определять качество его баланса. Как показал дальнейший анализ, предложенный нами набор показателей позволяет формировать собственные аналитические рейтинги российских банков, которые согласуются с рейтингами международных РА. 5. В группу исследуемых нами банков входит 401 российский банк (по ним в полном объеме доступна информация по месячным балансам за период с 01.02.2004 по 01.10.2006 (33 отчетных периода) и квартальная отчетность о прибылях и убытках). Размер собственного капитала этих банков по состоянию на 01.10.2006 превышает 100 млн. рублей. Во второй главе «Модели для формирования рейтингов российских банков» проведено эмпирическое исследование степени влияния каждого из показателей на оценку функционирования кредитных организаций. На основе анализа корреляций нами выявлен набор независимых показателей и построены собственные модели количественной оценки функционирования банков. Верификация моделей производилась на основе данных по кредитным организациям с рейтингом международных РА (out-of-sample на данных за 2007 год), а также по банкам, лицензия у которых отозвана Банком России. Нами была исследована и выявлена важность выделения специализации для определения уровня надежности банков. 133 1. Так как специализация определяет набор рисков, которым подвержена организация, то ее выделение позволяет получить важную дополнительную информацию о деятельности банка (важно не только определить значение исследуемых показателей, но и выявить их место относительно характерных значений показателей для группы схожих банков (peer groups)). Для определения специализаций нами исследована структура активов российских банков, для чего в активах-нетто выбраны процентные доли следующих показателей: «МБК выданные», «Кредиты, выданные физическим лицам», «Кредиты, выданные юридическим лицам и органам власти» и «Вложения в ценные бумаги». Т.о., определение специализации банков основывается на изучении структуры их активных операций и не учитывает специализацию по структуре привлеченных средств. Эти отношения (процентные доли) не обнаружили значимой зависимости (корреляция не превышает по модулю 0,3), поэтому они могут быть использованы для определения характера функционирования банка. 2. Специализации, характерные для российских банков, получены на основе кластерного анализа методом самоорганизующихся карт Кохонена (СОК). Метод самоорганизующихся карт [14] позволяет с высокой точностью эндогенно определять количество кластеров в наборе данных (на практике, как правило, изначально не известны структура данных и количество кластеров). В ходе кластерного анализа в исследуемой выборке (состоящей из 401 банка) было выявлено четыре группы банков, условно обозначенные как: «Корпоративные», «Ссудные», «Универсальные» и «Банки для банков». 3. Из исследуемой выборки 62 банкам присвоен рейтинг международных РА. На основе этих рейтингов для дальнейшего анализа нами определено пять групп банков (с рейтингами уровня от «СС» до «ВВВ»). В целях формирования рейтинговой оценки для российских банков нами использован набор из 26 показателей функционирования банка. Проведенный корреляционный анализ позволил на основе матрицы парных коэффициентов корреляции выявить факторы, тесно связанные между собой, в результате 8 134 показателей были исключены из анализа. Т.о., окончательный набор состоит из 18 независимых финансовых отношений. На определение конечного набора независимых показателей существенное влияние оказывает полученная нами информация о специализации банков: в некоторых случаях зависимости между показателями, обнаруженные в полном наборе данных, не обнаруживаются в меньших наборах (учитывающих специализацию кредитных организаций). 4. «Весовые» коэффициенты определяются нами на основе регрессионных моделей, настройка которых производится на основе данных по кредитным организациям, которым присвоен рейтинг международных РА. Чтобы сгладить колебания показателей в рамках построения модели долгосрочного рейтинга, использовалось средневзвешенное значение показателя за шесть месяцев. Взвешивание производится по линейному закону: наибольшим весом обладают значения показателя на последние отчетные даты, что позволяет учитывать тенденцию поведения показателя (в случае наличия таковой). Для ограничения выбросов значений параметров в регрессионной модели применено неравенство Чебышева, согласно которому вероятность попадания вне интервала вокруг среднего значения случайной величины пропорциональна среднеквадратическому (стандартному) отклонению. 5. Дополнительно в модели включены две фиктивные переменные, характеризующие устойчивость роста активов банка и фактический размер активов-нетто. Размеры банка часто влияют на рейтинг: крупные организации имеют более диверсифицированную структуру (как активов, так и ресурсной базы), поэтому они существенно менее зависимы от крупного клиента или от определенного вида деятельности, что повышает устойчивость кредитной организации. 6. Для решения поставленной задачи нами проведен анализ качества ряда регрессионных моделей на выбранном наборе показателей, которые разделены на две группы: «учитывающие» и «не учитывающие» информацию о специализации банка. 135 Для оценки качества прогноза выбраны следующие критерии: 1) совпадение расчетного рейтинга с реальным; 2) отклонение не более, чем на один класс; 3) завышение рейтинга; 4) завышение рейтинга более, чем на один класс. Анализ показал, что среди исследуемых регрессий можно выделить две (кубическую и линейные с учетом специализации), обладающие наивысшей точностью в моделировании рейтингов международных рейтинговых агентств. Применение линейной регрессии также позволяет добиться высокой точности моделирования. Использование отклонения от среднего значения по группе (специализации) или по всей выборке банков позволяет сократить влияние масштаба показателя на интегральную оценку и, тем самым, использовать в регрессии величины одного порядка. Аргументом в пользу включения в регрессии отклонений от средних значений является и возможность точнее интерпретировать влияние значений показателей на рейтинг. Как показано А.Карминским и А.Петровым [19], оценка состояния банка должна зависеть не от абсолютных значений показателей, а от относительных величин, полученных в сравнении с другими банками «на том же рынке в то же время». 7. Высокая точность полученных результатов при моделировании рейтингов дает основание утверждать, что выбранная система показателей имеет высокую предсказательную способность в задаче прогнозирования рейтингов международных РА. Простота требуемых вычислений делает такой подход удобным в применении на практике. Анализ моделей (линейной и кубической), показавших наилучшее качество результатов, свидетельствует, что влияние значений показателей на рейтинг согласуется с теоретическими положениями об экономическом содержании показателей, а следовательно – о правильном выборе как показателей, так и подхода к оценке финансового состояния банка, основанного на вычислении интегрального показателя устойчивости. 136 Очевидное преимущество кубической модели (в сравнении с линейной) состоит в более высокой точности предсказания рейтинга; существенный же ее недостаток – большие по модулю значения коэффициентов при показателях в регрессии (т.к. большинство используемых в модели показателей отражают долю определенных статей в балансе банка). 8. Классификация банков по специализации позволяет применять индивидуальные модели (своя модель для каждого типа специализации), учитывающие специфику банков каждого типа, что дает возможность существенно улучшить совокупное качество прогноза, сократив при этом размерность используемых моделей. Точность прогноза по линейной модели с учетом специализации (7), сравнительно с точностью прогноза по линейной модели без учета специализации (2), возрастает на 8% и составляет 68,87%, что несколько превышает и точность предсказания кубической модели (4). Совокупная точность прогноза с отклонением не более, чем на один класс, при таком индивидуальном подходе составляет 98,42%, что несколько уступает результату, полученному с использованием кубической модели, но на 1,81% превышает результат применения простой линейной модели. 9. Качество моделей было проверено на «продленных» данных (за пределами выборки), а именно по отчетности банков по состоянию на начало 2008 года (out-of-sample); а также на показателях банков, у которых лицензия была отозвана Банком России. Верификация подтвердила устойчивость результатов во времени (с точки зрения выбранных нами критериев качества) и их высокую предсказательную способность моделей в задаче определения «проблемных» банков. Общепризнано, что качество прогнозов неизбежно ухудшается с увеличением горизонта прогнозирования. Эту тенденцию подтверждает и наше исследование: результаты проверки моделей на данных по состоянию на 01.10.07 (т.е. «через год») свидетельствуют об ухудшении точности попадания в рейтинг (по 37 банкам, обладающих международным рейтингом и по 137 которым доступна необходимая отчетность). Однако ухудшение оказалось не столь значительным: точность прогноза с отклонением не более, чем на один класс опустилась до уровня в 86% лишь для моделей, учитывающих специализацию банков, в остальных же случаях точность превышает 94%. Вычисленные с помощью наших моделей рейтинги банков, у которых в последствии лицензия была отозвана, не превышают уровня «ССС» указывают на значительную степень риска и высокую вероятность невыполнения банками взятых обязательств. В третьей главе «Формирование рейтингов российских банков» результаты моделирования рейтингов применены для определения рейтинга 339 российских банков, не имеющих международного рейтинга; исследован качественный состав российского банковского сектора в динамике; рассмотрен вопрос о применимости на практике разработанных моделей финансовыми организациями для оценке контрагентов и органами банковского надзора для мониторинга и быстрого «скрининга» банковской системы в целом. 1. Как показал анализ структуры распределения банков по специализации, в исследуемой выборке преобладают «корпоративные» и «ссудные» банки (49% и 32% записей соответственно), в то время как доля «универсальных» и «банков для банков» составляет 10% и 9% записей соответственно. Такое распределение отражает слабую диверсификацию активов большинства кредитных организаций. Отметим, что существенного изменения структуры распределения банков по специализации за исследуемый период не произошло, хотя и определились некоторые тенденции. 2. Для формирования рейтингов российских банков, не представленных в рейтинг-листах международных РА, представляется логичным дополнить разработанные модели двумя индикативными переменными: наличие международного рейтинга (IR) предполагает достаточно высокий уровень информационной открытости организации, а проводимый в ходе его 138 присвоения анализ затрагивает широкий спектр как финансовой, так и нефинансовой информации; принадлежность к Системе Страхования Вкладов (DIA) позволяет банку привлекать депозиты физических лиц и тем самым диверсифицировать свою ресурсную базу, а поскольку целью Банка России являлся отбор в ССВ только «здоровых» банков, то принадлежность к системе можно рассматривать, как своего рода «знак качества». Таким образом, для оценки функционирования банков, не имеющих международного рейтинга, использовались следующие модели: Кубическая модель с отклонением от среднего; Линейная модель по показателям с учетом информации о специализации с отклонением от среднего. Применив наши модели к организациям, имеющим международный рейтинг, и, убедившись в адекватности результатов, получаем основания использовать те же модели для определения уровня надежности российских банков, не имеющих международного рейтинга (339 организаций), и также оценить адекватность результатов. Полученные результаты позволяют говорить о схожести обеих (линейной и кубической) моделей в определении качественного состава исследуемой выборки. Рейтинги, рассчитанные по этим моделям для 401 банка по состоянию на 01.10.2006 совпадают в 211 случаях (52,6%), отличие прогноза более, чем на один класс, наблюдается лишь в 28 случаях (6,98%). 3. Полученные рейтинги позволяют определить качественный состав исследуемой выборки как на определенную дату, так и в динамике. На основе изучения изменения качественного состава выборки (401) в динамике можно констатировать достаточно стабильную картину распределения банков по группам. Большинству кредитных организаций присвоен рейтинг уровня «СС», что свидетельствует о достаточно высокой вероятности неисполнения обязательств и, следовательно, о высоких рисках функционирования большинства российских банков. 139 Результаты осуществленного нами ранжирования ведущих российских банков позволяют утверждать, что росту суммарных активов в 2004-2008 годах сопутствовало определенное улучшение показателей функционирования банков, однако стремительного перехода банковской системы в «новое качество» не произошло. Согласно результатам применения наших моделей, число банков с рейтингом выше уровня «ССС» в 2007 году увеличилось. Тем не менее, основной массе исследованных банков присвоен рейтинг «СС» (и ниже), что свидетельствует о высоких рисках в банковском секторе. Результаты применения линейных моделей с учетом специализации свидетельствуют о возникших в 2007 году затруднениях у многих «небольших» банков. Так, по состоянию на октябрь 2007 года отмечается резкий рост числа банков с рейтингом уровня «DDD», однако к началу 2008 года число «проблемных» банков сокращается фактически до уровня октября 2006 года. Т.о. предлагаемый инструмент может служить основой для оценки функционирования банков и их ранжирования с точки зрения финансовых показателей. Конечно, для установления «истинного» (полновесного) рейтинга банка недостаточно одного ограниченного инструмента, необходимо учитывать всю доступную информацию не только финансового характера, но нефинансового характера. На основании проведенного анализа можно сделать следующие выводы: 1. Формирование рейтингов, как перспективный инструмент оценки риска, приобретает все большее значение, в том числе в связи с планируемым внедрением принципов Базель-2, а также требованиями Банка России о ежемесячном мониторинге кредитоспособности контрагентов. При отсутствии авторитетных оценок как со стороны Банка России (ЦБ РФ не проводит открытого ранжирования банков по уровню кредитного риска и финансовой стабильности), так и со стороны международных РА (кредитные рейтинги присвоены лишь 8% российских банков), возникает потребность в методике, позволяющей объективно ранжировать российские банки по уровню риска. 140 2. Высокая сопоставимость рейтингов, полученных с применением разработанных нами моделей, с рейтингами международных РА, устойчивость результатов во времени (с точки зрения выбранных нами критериев качества), а также адекватность результатов по банкам, не имеющим международного рейтинга, дают основание говорить о применимости моделей для анализа финансового состояния российских кредитных организаций. Учет специализации банков, как показал анализ, позволяет: 1) сократить размерность применяемой модели и 2) получить высокую точность прогноза в случае применения модели для банков с международным рейтингом. Согласованность результатов, полученных с применением двух наиболее точных типов моделей (кубической, не учитывающей специализацию банков, и линейных, учитывающих специализацию), подтверждает адекватность и действенность разработанной методики. 3. Являясь составной частью систем раннего предупреждения (Early Warning Systems), разработанные нами рейтинговые модели позволяют, на основе широкодоступной информации, производить быстрый «скрининг» банковской системы с целью выявления банков, находящихся в «группе риска». Полученные результаты дают возможность сузить число банков, требующих особого внимания экспертов. Выявление «проблемных» банков на раннем этапе способствует принимаемого проведению кредитной мер, необходимых организацией для сокращения (сокращение, закрытие риска, или приостановка лимитов, сокращение срочности и видов операций и т.д.). 4. Осуществленное нами ранжирование банков, не имеющих рейтингов международных РА, дает крайне важную и необходимую информацию для оценки качественного состава российской банковской системы, позволяет определить группы схожих организаций (peer groups), а также выделить организации, входящие в «группу риска». Результаты ранжирования свидетельствуют о недостаточной способности большинства российских банков к укреплению коммерческих позиций. Так, уровень рейтингов российских банков, являясь крайне низким по мировым 141 меркам («СС» в среднем по выборке), указывает на низкий уровень надежности и на неспособность большинства российских банков противостоять внешним потрясениям. Важность решения проблемы подтверждается и тем обстоятельством, что затраты на преодоление кризисов в банковском секторе, связанных с банкротством кредитных организаций, составляют 6-8% ВВП [55]. Хотя ответственность за возникновение кризисных явлений в российском банковском секторе часто перекладывается на макроэкономические факторы, именно отсутствие долгосрочной стратегии развития и нацеленность большинства российских банков на извлечение максимальной прибыли в краткосрочной перспективе приводят к низким оценкам их устойчивости. 5. Разработанная нами методика: позволяет осуществлять оперативный контроль финансового состояния кредитных организаций (экспресс-анализ); является важным элементом системы поддержки принятия решений; позволяет усовершенствовать систему управления рисками в банках; является компонентой системы раннего предупреждения (для оперативного выявления ухудшения состояния контрагента). В заключение хотелось бы еще раз подчеркнуть, что рамки нашей работы ограничивались исследованием только финансового состояния банков. Изучение ряда других немаловажных аспектов проблемы формирования рейтингов (состав акционеров, состав органов управления и т.п.) изначально был оставлен за рамками исследования и не включался в поле нашего детального рассмотрения. Само собой разумеется, что при построении полноценной картины функционирования кредитных организаций итоговая количественная оценка должна быть скорректирована с учетом всей доступной информации об их деятельности и о развитии банковской системы в целом. 142 БИБЛИОГРАФИЧЕСКИЙ СПИСОК 1. Инструкция Банка России от 16.01.2004 № 110-И «Об обязательных нормативах банков» 2. Положение Банка России № 254-П от 26.03.2004 «О порядке формирования кредитными организациями резервов на возможные потери по ссудам, по ссудной и приравненной к ней задолженности». 3. Положение Банка России № 283-П от 20.03.2006 «О порядке формирования кредитными организациями резервов на возможные потери». 4. Стратегия развития банковского сектора Российской Федерации на период до 2008 года (Материалы ЦБ РФ от 05.04.2005). 5. Указание Банка России от 16.01.2004 № 1379-У «Об оценке финансовой устойчивости банка в целях признания ёё достаточной для участия в системе страхования вкладов» 6. Указание Банка России (проект) «Об оценке экономического положения кредитных организаций». : [Электронный ресурс]. – Режим доступа: http://www.cbr.ru/analytics/standart_acts/projects/pol-ko.pdf, свободный – Загл. с экрана. 7. Федеральный Закон от 23 декабря 2003 г. N 177-ФЗ «О страховании вкладов физических лиц в банках Российской Федерации» // Собрание законодательства Российской Федерации. 29.12.2003. 8. Банковское дело: Учебник. – 4-е изд., перераб. и доп. / Под ред. В. И. Колесникова, Л. П. Кроливецкой. – М.: Финансы и статистика, 2000. – 480 с. 9. Бернард, Дж. Реформа финансового сектора последнего в России: опыт времени, приоритеты, влияние на экономической рост и стабильность / Дж. Бернард, П. Томсен // Лондон: Институт Адама Смита, Международный Валютный Фонд, 2002. – С.1-17. 143 10. Буздалин, А. Раннее выявление проблемных банков. : [Электронный ресурс]. – Режим доступа: http://www.buzdalin.ru/text/banks/t7/fact.html, свободный – Загл. с экрана. 11. Буздалин, А. Секреты дистанционного анализа банка. : [Электронный ресурс]. – Режим доступа: http://www.buzdalin.ru/text/Distans.pdf, свободный – Загл. с экрана. 12. Головань С.В. Модели вероятности дефолта российских банков. I. Предварительное разбиение банков на кластеры. / С.В. Головань, А.М. Карминский, А.В. Копылов, А.А. Пересецкий // М.:РЭШ, Препринт, 2003. – # 2003/039. – 49 с. 13. Головань С.В. Модели вероятности дефолта российских банков. II. Влияние макроэкономических факторов на устойчивость банков / С.В. Головань, М.А. Евдокимов, А.М. Карминский, А.А. Пересецкий // М.: РЭШ, Препринт, 2004. – # 2004/043. – 25 с. 14. Дебок, Г. Анализ финансовых данных с помощью самоорганизующихся карт : Пер. с англ. / Г. Дебок, Т. Кохонен. – М.: Альпина, 2001. – 316 с. 15. Иванов, В. Расчет лимитов межбанковского кредитования на основе кластерного анализа платежеспособности и ликвидности контрагентов / В.Иванов // Аналитический банковский журнал.– 2001. – №4. – С. 38-71. 16. Карминский, А. Модели рейтингов в интересах риск-менеджмента / А.Карминский, А.Пересецкий, С.Головань / Модернизация экономики и общественное развитие (в 3 кн.) / oтв. ред. Е. Г. Ясин; ГУ-ВШЭ. – М. : Изд. дом ГУ-ВШЭ. – 2007. – книга 3. – С. 23-33. 17. Карминский, А. Модели рейтингов международных агентств / А.Карминский, А.Пересецкий, С.Головань, И.Малахова, Е.Миненкова // М.: Препринт РЭШ #WP 2007/70 R – 2007. – 59 с. 18. Карминский, А. Рейтинги в экономике. Методология и практика / А.Карминский, А.Пересецкий, А.Петров – М.: Финансы и статистика, 2005. – 240 с. 144 19. Карминский, А. Рейтинги динамической стабильности банков. / А.Карминский, А. Петров // Аналитический банковский журнал. – 2000. – №12. – С.74-78. 20. Козлов, А. Об участии государственных институтов в финансовом оздоровлении (санации) банков / А.Козлов // Материалы Экспертного совета Агентства по страхованию вкладов. – М., 2005. 21. Лаптырев, Д. Система управления финансовыми ресурсами банка / Д.А. Лаптырев. – М.: БДЦ-пресс, 2005. – 296 с. 22. Лэттер, Т. Причины банковских кризисов и управление ими : Пер.с англ. / Т. Лэттер – Лондон: Bank of England, 1997. – 54 с. 23. Мавлютов, А. Оценка устойчивости банков на основе многомерной классификации / А.Мавлютов, Е.Пастухов – В сб. Финансовый менеджмент в банке. Материалы международного ноябрьского семинара Клуба банковских аналитиков. – М.: Макс Пресс, 2004. – С.140-153. 24. Матовников М., Михайлов Л., Сычева Л. Проблемы организации системы государственного страхования вкладчиков банков в России. : [Электронный ресурс]. – Режим доступа: http://matov.narod.ru/publ/FIMS.htm, свободный – Загл. с экрана. 25. Надлежащая оценка кредитного риска и стоимости ссуд («Sound Credit Risk Assessment and Valuation for Loans»). Базельский комитет по банковскому надзору от 28.11.2005 г. : [Электронный ресурс]. – Режим доступа: http://www.bis.org 26. Пересецкий, А. Моделирование рейтингов российских банков / А.Пересецкий, А.Карминский, А. ван Суст // Экономика и математические методы. – 2004. – Том 40. – С.10-25. 27. Поморина, М. Планирование как основа управления деятельностью банка / М.А Поморина. – М.: Финансы и Статистика, 2002. – 384 с. 28. Российская Федерация: отдельные вопросы / Г. Квон, Ф. Орсонге Н. Омес. – Доклад по стране №04/316. – Вашингтон: Международный Валютный Фонд, 2004. – 102 с. 145 29. Роуз, П. Банковский менеджмент / П.Роуз : Пер. с англ.– М.: Дело, 1997. – 768 с. 30. Стариков А. Самоорганизующиеся карты Кохонена - математический аппарат. : [Электронный ресурс]. – Режим доступа: http://www.basegroup.ru/neural/som.htm, свободный – Загл. с экрана. 31. Сундарараджан, В. Показатели финансовой устойчивости. Аналитические аспекты и практика различных стран. / В.Сундарараджан, Ч.Инок, А.Сан Хосе [и др.] // Непериодическая серия МВФ. – Выпуск №212. – Вашингтон: Международный Валютный Фонд, 2002. – C.1-170. 32. Шпрингель, В.К. Механизмы формирования валютных кризисов на развивающихся рынках. : дис. … канд. эк. наук : 08.00.10 : защищена 04.12.2003 / В.К.Шпрингель, – М., 2003. – 196 с. 33. Шпрингель В.К. Принципиальные подходы к созданию системы ранней идентификации финансовых кризисов. : [Электронный ресурс]. – Режим доступа: http://www.bankclub.ru/seminar-article.htm?seminar_id=1&article_id=59, свободный – Загл. с экрана. 34. Afriat, S. Efficiency estimation of productivity functions / Afriat S. // International Economic Review. – 1972. – Vol. 3. – P. 568-598. 35. Alam, P. An analysis of fuzzy clustering and hybrid model for the auditor’s going concern assessment / P. Alam, D. Booth, M.J. Lenard // Decision Sciences Journal. – 2000. – Vol.31. – P. 861-884. 36. Alen, F. Comparing Financial Systems / F. Alen, D. Gale. – Cambridge, MA: MIT Press, 2000. – 519 p. 37. Alen, F. Competition and Financial Stability / F. Alen, D. Gale // Journal of Money, Credit and Banking. – 2004. – Vol.36. – P. 433-480. 38. Aleskerov, F. Environmental grouping of the bank branches and their performances / F. Aleskerov, H. Ersel, G. Gundes, A. Minibas, R. Yolalan // YKB Discussion Paper Series. – 1997. – No.: 97-03 – P. 1-10. 146 39. Aleskerov, F. Relationship between a bank and commercial customers: evaluation by multicriterial ordinal ranking / F. Aleskerov, M. D. Yavuz // YKB Discussion Paper Series . –1998. – No.: 98-02. – P. 1-26. 40. Altman, E. Financial ratios discriminant analysis and the prediction of corporate bankruptcy / E. Altman // Journal of Finance. – 1968. – Vol. 23. – P.589609. 41. Altman, E. Zeta analysis: A new model to identify bankruptcy risk of corporations / E. Altman, R. Haldeman, P. Narayanan // Journal of Banking & Finance. – 1977. – Vol. 1. – P. 29-54. 42. Altman, E. Corporate distress diagnosis: Comparisons using linear discriminant analysis and neural networks (the Italian experience) / E. Altman, G.Marco, F. Varetto // Banking & Finance. – 1994.– Vol. 18. – P. 505-529. 43. Altman, E. How rating agencies achieve rating stability / E. Altman, H. Rijken // Journal of Banking & Finance. – 2004. – Vol. 28.– P. 2679-2714. 44. Altman, Е. Credit risk measurement: Developments over the last 20 years / Е. Altman, A. Saunders // Journal of Banking & Finance. – 1998. – Vol. 21. – P. 1721-1742. 45. Basel Committee of Banking Supervision Core principles for effective banking supervisory. April 1997. : [Электронный ресурс]. – Режим доступа: http://www.bis.org/publ/bcbs30a.pdf , свободный – Загл. с экрана. 46. Basel II: International convergence of capital measurement and capital standards: A Revised Framework // Basel: Basel Committee on Banking Supervision. – June 2004. – P. 1-251. 47. Battese, G. Prediction of firm-level technical efficiencies with a generalized frontier production function and panel data / G. Battese, T. Coelli // Journal of Econometrics. – 1988. – Vol. 38. – P. 387-399. 48. Beck, T. Bank concentration, competition, and crises: First results / T. Beck, A. Demirgϋç-Kunt, R. Levine // Journal of Banking & Finance. – 2006. – Vol. 30. – P. 1581-1603. 147 49. Bentson, G. Scale economies in banking: A restructuring an reassessment / G. Bentson, G. Hanweck, D. Humphrey // Journal of Money, Credit and Banking. – 1982. – Vol. 14. – P. 435-456. 50. Berger, A. Competitive viability in banking: Scale, scope, and product mix economies / A. Berger, G. Hanweck, D. Humphrey // Journal of Monetary Economics. – 1987. – Vol.20.– P. 501-520. 51. Berger, A. Measurement and efficiency issues in commercial banking / A. Berger, D. Humphrey. – in Zvi Griliches (ed.) Output Measurement in the Service Sectors : Chicago: The University of Chicago Press, 1993. – Ch. 7. – P. 245-279. 52. Black, F. The pricing of options and corporate liabilities / F. Black, M. Sholes // Journal of Political Economy. – 1973. – P. 637-659. 53. Brand, L. Rating Performance 1998 / L. Brand, B. Reza // Standard Poor’s & Corporation, 1999. – P. 1-56. 54. Byström, H. The market’s view on the probability of banking sector: crosscountry comparisons / Hans N.E. Byström // International Financial Markets, Institutions & Money. – 2004. – Vol. 14.– P. 419-438. 55. Canbas, S. Prediction of commercial bank failure via multivariate statistical analysis of financial structures: The Turkish case / S. Canbas, A. Cabuk, S. Kilic // European Journal of Operational Research. .– 2005. – Vol. 166. – P. 528-546. 56. Chiang, K. Predicting bank performance with financial forecasts: A case of Taiwan commercial banks / Kao Chiang, Liu Shiang-Tai // Journal of Banking & Finance. – 2004. – Vol. 28. – P. 2353-2368. 57. Charnes, A. Measuring the efficiency of decision making units / A. Charnes, W. Cooper, E. Rhode // European Journal of Operating Research. – 1978. – Vol. 2. – P. 429-444. 58. Coelli, T. A comparison of Parametric and Non-parametric Distance Functions: with application to European Railway / T. Coelli, S. Parelman // University of Liege, CREPP Discussion Paper. – 1996. – P. 326-339. 148 59. De Nicolo, G. Size, charter value and risk in banking : An international perspective / G. De Nicolo // Board of Governors of Federal Reserve System, International Discussion Paper. – #689. – 2000. – 42 p. 60. Debreu, G. The coefficient of resource utilization / G. Debreu // Econometrica. – 1951. – Vol. 19/3. – P. 273-292. 61. Demirgϋç-Kunt, A. Does deposit insurance increase banking system stability? An empirical investigations / A. Demirgϋç-Kunt, E. Detragiache // Journal of Monetary Economics. – 2002. – Vol. 49 (7). – P. 1373-1406. 62. Dimitras, A. Business failure prediction using rough set / A.I. Dimitras, C. Zouponidis, R. Slowinski, R. Susgama // European Journal of Operational Research. – 1999. – Vol.114. – P. 263-280. 63. Estrella, A. Capital Ratios as predictors of bank failure / A. Estrella, S. Park, S. Peristani // FRBNY Economic Policy Review. – 2000. – P. 33-52. 64. Falkenstein, E. Credit scoring for corporate debt / E. Falkenstein // Credit ratings: Methodologies, Rationale and Default risk : ed. Ong Michael K., Risk books. . – 2002 – P. 169-188. 65. Farrell, M. The measure of productive efficiency / M.J. Farrell // Journal of The Royal Statistical Society. – 1957. – Vol. 120. – P. 253-290. 66. Fixler, D. An index number approach to measuring bank efficiency: An application to mergers / D. Fixler, K. Zischang // Journal of Banking & Finance. – 1993. – Vol.17. – P.437-450. 67. Fry, M. Money, Interest and Banking in Economic Development / M.J.Fry. – London and Baltimore: The Johns Hopkins University Press, 1988. – 522 p. 68. Furfine, C. Bank portfolio allocation: the impact of capital requirements, regulatory monitoring and economic conditions / C. Furfine // Journal Financial Services Research. – 2001. – Vol. 20. – P. 33-56. 69. Glick, R. Banking and Currency Crises: How Common Are Twins? / R. Glick, M. Hutchison // Federal Reserve Bank of San Francisco Working Paper – 1999. – PB99-07. – P. 1-41. 149 70. Grifell-Tatje, E. The source of productivity change in Spanish banking / E. Grifell-Tatje, C.A.K. Lovell // European Journal of Operational Research. – 1997. – Vol. 98.– P. 364-380. 71. Hall, S. Measuring the risk of financial institution’s portfolios; some suggestions for alternative techniques using stock prices / S. Hall, D. Miles. – In: Henry, S.G.B., Patterson, K.D. (eds.), Economic Modeling at the Bank of England. Chapman and Hall, 1990. 72. Keenan, S. Special Comment: Historical Default Rates of Corporate Bonds Issuers 1920-1999 / S. Keenan, D. Hamilton, A. Berthault // Moody’s Investors, 2000. – 84 p. 73. Kohonen T. Self-Organizing Maps : 2-nd edition / T. Kohonen. – Springer 1997. – 521 p. 74. Koopmans, T.C. An analysis of a Productive efficient combination of activities. Activity analysis of production and allocation / T.C. Koopmans. – New York: John Wiley and Sons, Inc., 1951. – 404 p. 75. Li, H. Data visualization of asymmetric data using Sammon mapping and applications of Self-Organizing Maps : Dissertation for the degree of Doctor of Philosophy / H. Li ; College Park: University of Maryland, 2005. – 170 p. 76. Lindquist, K.-G. Banks buffer capital: how important is risk / K.-G. Lindquist // Journal of international money and Finance. – 2004. – Vol. 23. – P. 493513. 77. Martin, D. Early warning of bank failure: A logit regression approach / D. Martin // Journal of Banking and Finance. – 1977. – Vol. 1. – P. 249-276. 78. McCahery, J. Bank reputation in the private debt market / J. McCahery, A. Schwienbacher // Working paper, University of Amsterdam, 2006. – P. 1-47. 79. Mishkin, F. Financial consolidation: Danger and Opportunities / F.S. Mishkin // Journal of Banking & Finance. – 1999. – Vol. 23. – P. 675-691. 80. Morgan, D. Rating Banks: Risk and Uncertainty in opaque industry / D.P. Morgan // The American Economic Review. – 2002. – Vol. 92. – P. 874-888. 150 81. O’Neill, T. A primer on Canadian bankruptcies / T. O’Neill // Economic Analysis Bank of Montreal, 1998. – P. 1-9. 82. Pastor, J. Efficiency analysis in banking firms: An international comparison / J.M. Pastor, F. Perez, J. Quesada // European Journal of Operational Research. – 1991. – Vol. 98. – P. 395-407. 83. Peresetsky, A. Probability of default models of Russian banks / A. Peresetsky, A. Karminsky, S. Golovan // Bank of Finland Discussion Papers. – 2004. – #21. – 54 p. 84. Platt, H. A note on the use of industry-relative ratios in bankruptcy prediction / H. Platt, M. Platt // Journal of Banking & Finance. – 1997. – Vol. 15. – P. 1183-1194. 85. Resti, A. Evaluating the cost efficiency of Italian banking system: What we can learn from joint application of parametric and non-parametric techniques / A.Resti // Journal of Banking & Finance. – 1997. – Vol. 21. – P. 221-250. 86. Soest, A. An analysis of ratings of Russian banks / A.H.O. van Soest, A. Peresetsky, A. Karminsky // Tilburg University Center Discussion Paper Series. – 2003. – #2003/85. – 24 p. 87. Somerville, R. Banker judgment versus formal forecasting models: The case of country risk assessment / R. Somerville, R. Taffier // Journal of Banking & Finance. – 1995. – Vol. 19. – P. 281-297. 88. Ward, J. Hierarchical Grouping to optimize an objective function / J. Ward // Journal of American Statistical Association. – 1963. – Vol. 58. – P. 236-244. 89. West, R. A factor-analytic approach to bank condition / R. West // Journal of Banking & Finance. – 1985. – Vol.9. – P. 253-266. 90. Zopounidis, C. Multicriteria decision aid in financial management / C. Zopounidis // European Journal of Operational Research. – 1999. – Vol. 119. – P. 404-415. 91. Агентство по страхованию вкладов. : [Электронный ресурс]. – Режим доступа: http://www.asv.org.ru, свободный – Загл. с экрана. 151 92. Агентство Рус-Рейтинг. : [Электронный ресурс]. – Режим доступа: http://www.rusrating.ru, свободный – Загл. с экрана. 93. Национальное Рейтинговое Агентство. : [Электронный ресурс]. – Режим доступа: http://www.ra-national.ru, свободный – Загл. с экрана. 94. Информационное агентство Cbonds. : [Электронный ресурс]. – Режим доступа: http://www.cbonds.ru, свободный – Загл. с экрана. 95. Информационный портал Banki.ru: [Электронный ресурс]. – Режим доступа: http://www.banki.ru, свободный – Загл. с экрана. 96. Информационный ресурс издательства Elsevier. : [Электронный ресурс]. – Режим доступа: http://www.elsevier.com, подписка – Загл. с экрана. 97. Информационный ресурс издательства Elsevier: [Электронный ресурс]. – Режим доступа: http://www.elsevier.ru, подписка – Загл. с экрана. 98. Рейтинговое агентство Эксперт РА : [Электронный ресурс]. – Режим доступа: http://www.raexpert.ru, свободный – Загл. с экрана. 99. Центральный банк Российской Федерации. : [Электронный ресурс]. – Режим доступа: http://www.cbr.ru, свободный – Загл. с экрана. 100. Bank for International Settlements (BIS). : [Электронный ресурс]. – Режим доступа: http://www.bis.org, свободный – Загл. с экрана. 101. Fitch Ratings в России и СНГ. : [Электронный ресурс]. – Режим доступа: http://www.fitchratings.ru, свободный – Загл. с экрана. 102. Moody's Interfax Rating Agency. : [Электронный ресурс]. – Режим доступа: http://rating.interfax.ru, свободный – Загл. с экрана. 103. Moody’s в России и СНГ: [Электронный ресурс]. – Режим доступа: http://www.moodys.ru, свободный – Загл. с экрана. 104. Moody's Interfax Rating Agency. : [Электронный ресурс]. – Режим доступа: http://rating.interfax.ru, свободный – Загл. с экрана. 105. Standard & Poor's. : [Электронный ресурс]. – Режим доступа: http://www.standardandpoors.ru, свободный – Загл. с экрана. 152 Приложение 1. Расчет коэффициентов и формирование агрегированного баланса 1. 2. 3. 3.1. 3.2. 3.3. 4. 4.1. 4.2. 4.2.1 СТРУКТУРА АКТИВОВ ДЕНЕЖНЫЕ СРЕДСТВА И 1 а. + 1 б. МЕТАЛЛЫ а) Денежные средства 20202 + 20203 + 20204 + 20205 + 20206 + 20207 + 20208 + 20209 + 20210 б) Драгоценные металлы 20302 + 20303 + 20305 + 20308 + 20401 + 20402 + 20403 СРЕДСТВА В ЦБ РФ И НА 2.а. + 2.б. + 2.в. + 2.г. СЧЕТАХ РЦ ОРЦБ а) Средства до востребования в ЦБ 30102 + 30104 + 30106 + 30206 + РФ 30208 + 30210 б) Обязательные резервы в ЦБ РФ 30202 + 30204 + 30224 в) Депозиты в ЦБ РФ 31901 + 31902 + 31903 + 31904 + 31905 + 31906 + 31907 + 31908 + 31909 г) Средства на счетах РЦ ОРЦБ 30402 + 30404 + 30406 + 30409 СРЕДСТВА В БАНКАХ 3.1. + 3.2. – 3.3. Корреспондентские счета 3.1.а. + 3.1.б. а) Средства в банках-резидентах 30110 + 30118 + 30213 + 30215 + 30125 б) Средства в банках-нерезидентах 30114 + 30115 + 30119 Межбанковские кредиты выданные 3.2.а. + 3.2.б. + 3.2.в. а) Кредиты и депозиты в банках32001 + 32002 + 32003 + 32004 + резидентах 32005 + 32006 + 32007 + 32008 + 32009 + 32010 + 32201 + 32202 + 32203 + 32204 + 32205 + 32206 + 32207 + 32208 + 32209 + 32210 + 20315 б) Кредиты и депозиты в банках32101 + 32102 + 32103 + 32104 + нерезидентах 32105 + 32106 + 32107 + 32108 + 32109 + 32110 + 32301 + 32302 + 32303 + 32304 + 32305 + 32306 + 32307 + 32308 + 32309 + 32310 + 20316 в) Просроченная задолженность 32401 + 32402 Резервы под возможные потери 32015 + 32115 + 32211 + 32311 + 32403 ВЛОЖЕНИЯ В ЦЕННЫЕ БУМАГИ 4.1. + 4.2. – 4.3. Государственные долговые 50105 + 50206 + 50306 обязательства Негосударственные ценные бумаги 4.2.1 + 4.2.2 Ценные бумаги резидентов 4.2.1.а + 4.2.1.б + 4.2.1.в 153 а) субъектов РФ и местных органов власти б) банков-резидентов в) прочие 4.2.2 Ценные бумаги нерезидентов а) органов власти иностранных государств б) банков-нерезидентов в) прочие 4.3. Резервы под возможные потери 5 5.1. УЧТЕННЫЕ ВЕКСЕЛЯ Учтенные векселя резидентов а) субъектов РФ и местных органов власти б) банков-резидентов в) прочие 5.2. Учтенные векселя нерезидентов а) органов власти иностранных государств б) банков-нерезидентов в) прочие 5.3. Векселя просроченные к оплате 5.4. Резервы под возможные потери 6. КОММЕРЧЕСКИЕ КРЕДИТЫ 6.1. Кредиты клиентам а) Кредиты органам власти 50105 + 50206 + 50306 50106 + 50207 + 50307 + 50605 + 50705 + 50805 50107 + 50113 + 50115 + 50208 + 50308 + 50606 + 50706 + 50806 + 50611 + 50613 + 50505 4.2.2.а + 4.2.2.б + 4.2.2.в 50108 + 50309 + 50209 50109 + 50210 + 50310 + 50607 + 50707 + 50807 50110 + 50211 + 50311 + 50608 + 50708 + 50808 50114 + 50213 + 50312 + 50612 + 50709 + 50212 + 50506 + 50507 + 50809 5.1. + 5.2. + 5.3. – 5.4. 5.1.а + 5.1.б + 5.1.в 51201 + 51202 + 51203 + 51204 + 51205 + 51206 + 51207 + 51301 + 51302 + 51303 + 51304 + 51305 + 51306 + 51307 51401 + 51402 + 51403 + 51404 + 51405 + 51406 + 51407 51501 + 51502 + 51503 + 51504 + 51505 + 51506 + 51507 5.2.а + 5.2.б + 5.2.в 51601 + 51602 + 51603 + 51604 + 51605 + 51606 + 51607 + 51701 + 51702 + 51703 + 51704 + 51705 + 51706 + 51707 51801 + 51802 + 51803 + 51804 + 51805 + 51806 + 51807 51901 + 51902 + 51903 + 51904 + 51905 + 51906 + 51907 51208 + 51209 + 51308 + 51309 + 51408 + 51409 + 51508 + 51509 + 51608 + 51609 + 51708 + 51709 + 51808 + 51809 + 51908 + 51909 51210 + 51310 + 51410 + 51510 + 51610 + 51710 + 51810 + 51910 6.1. – 6.2. 6.1.а + 6.1.б + 6.1.в + 6.1.г + 6.1.д + 6.1.е 44101 + 44102 + 44103 + 44104 + 44105 + 44106 + 44107 + 44108 + 154 б) Кредиты государственным предприятиям и организациям в) Кредиты негосударственным предприятиям и организациям 44109 + 44201 + 44202 + 44203 + 44204 + 44205 + 44206 + 44207 + 44208 + 44209 + 44210 + 44301 + 44302 + 44303 + 44304 + 44305 + 44306 + 44307 + 44308 + 44309 + 44310 + 44401 + 44402 + 44403 + 44404 + 44405 + 44406 + 44407 + 44408 + 44409 + 44410 + 46001 + 46002 + 46003 + 46004 + 46005 + 46006 + 46007 + 46101 + 46102 + 46103 + 46104 + 46105 + 46106 + 46107 + 46201 + 46202 + 46203 + 46204 + 46205 + 46206 + 46207 + 46301 + 46302 + 46303 + 46304 + 46305 + 46306 + 46307 44501 + 44503 + 44504 + 44505 + 44506 + 44507 + 44508 + 44509 + 44601 + 44603 + 44604 + 44605 + 44606 + 44607 + 44608 + 44609 + 44701 + 44703 + 44704 + 44705 + 44706 + 44707 + 44708 + 44709 + 44801 + 44803 + 44804 + 44805 + 44806 + 44807 + 44808 + 44809 + 44901 + 44903 + 44904 + 44905 + 44906 + 44907 + 44908 + 44909 + 45001 + 45003 + 45004 + 45005 + 45006 + 45007 + 45008 + 45009 + 46401 + 46402 + 46403 + 46404 + 46405 + 46406 + 46407 + 46501 + 46502 + 46503 + 46504 + 46505 + 46506 + 46507 + 46601 + 46602 + 46603 + 46604 + 46605 + 46606 + 46607 + 46701 + 46702 + 46703 + 46704 + 46705 + 46706 + 46707 + 46801 + 46802 + 46803 + 46804 + 46805 + 46806 + 46807 + 46901 + 46902 + 46903 + 46904 + 46905 + 46906 + 46907 45101 + 45103 + 45104 + 45105 + 45106 + 45107 + 45108 + 45109 + 45201 + 45203 + 45204 + 45205 + 45206 + 45207 + 45208 + 45209 + 45301 + 45303 + 45304 + 45305 + 45306 + 45307 + 45308 + 45309 + 47001 + 47002 + 47003 + 47004 + 47005 + 47006 + 47007 + 47101 + 47102 + 47103 + 47104 + 47105 + 47106 + 47107 + 47201 + 47202 + 155 г) Кредиты физическим лицам д) Кредиты нерезидентам е) Просроченная задолженность 6.2. Резервы под возможные потери 7. УЧАСТИЕ 8. ИМУЩЕСТВО БАНКА 9. ПРОЧИЕ АКТИВЫ а) Расчеты по ценным бумагам б) Расчеты по факторингу, форфейтингу в) Расчеты по покупке/продаже валюты г) Использование бюджетных средств 47203 + 47204 + 47205 + 47206 + 47207 + 20311 45401 + 45403 + 45404 + 45405 + 45406 + 45407 + 45408 + 45409 + 45502 + 45503 + 45504 + 45505 + 45506 + 45507 + 45508 + 45509 45601 + 45602 + 45603 + 45604 + 45605 + 45606 + 45607 + 45608 + 45701 + 45702 + 45703 + 45704 + 45705 + 45706 + 45707 + 45708 + 47301 + 47302 + 47303 + 47304 + 47305 + 47306 + 47307 + 20312 40310 + 45801 + 45802 + 45803 + 45804 + 45805 + 45806 + 45807 + 45808 + 45809 + 45810 + 45811 + 45812 + 45813 + 45814 + 45815 + 45816 + 45817 + 60315 + 20317 + 20318 44215 + 44315 + 44415 + 44515 + 44615 + 44715 + 44815 + 44915 + 45015 + 45115 + 45215 + 45315 + 45415 + 45515 + 45615 + 45715 + 45818 + 46008 + 46108 + 46208 + 46308 + 46408 + 46508 + 46608 + 46708 + 46808 + 46908 + 47008 + 47108 + 47208 + 47308 + 20321 60101 + 60102 + 60103 + 60104 + 60201 + 60202 + 60203 + 60204 + 60205 – 60105 – 60206 60401 + 60402 + 60403 + 60404 + 60405 + 60501 + 60502 + 60503 + 60504 + 60505 + 60606 + 60701 + 60801 + 60802 + 60901 + 60902 + 61001 + 61002 + 61003 + 61004 + 61005 + 61006 + 61007 + 61101 + 61102 + 61202 - 60601 - 60602 60603 - 60604 - 60605 - 60607 60608 - 60609 - 60610 - 60611 60803 - 60903 - 61103 - 61201 9.а + 9.б + 9.в + 9.г + 9.д + 9.е – 9.ж 30602 + 30605 47402 47404 + 47406 + 47408 + 47410 40103 - (40102 - 40101) + (40109 40108) + (40111- 40110) + 40308 + 156 д) Просроченные проценты по кредитам е) Прочие активы 10. 11. 12. (40313 - 40312) + 60302 + 60304 20319 + 20320 + 32501 + 32502 + 40311 + 45901 + 45902 + 45903 + 45904 + 45905 + 45906 + 45907 + 45908 + 45909 + 45910 + 45911 + 45912 + 45913 + 45914 + 45915 + 45916 + 45917 30221 + 32802 + 47413 + 47415 + 47417 + 47420 + 47423 + 47427 + 47502 + 52502 + 60306 + 60308 + 60310 + 60312 + 60314 + 60317 + 60318 + 60319 + 60321 + 60323 + 60337 + 60339 + 60341 + 60343 + 61204 + 61309 + 61401 + 61402 + 61403 + 61404 + (40908 - 40907) 47425 + 60324 1+2+3+4+5+6+7+8+9 ж) Резервы под возможные потери АКТИВЫ - НЕТТО (без межфилиальных расчетов) а) Межфилиальные расчеты (актив) 30302 + 30304 + 30306 АКТИВЫ, всего 10 + 10.а СТРУКТУРА ПАССИВОВ СРЕДСТВА Банка России. а) Кредиты, полученные от Банка России б) Просроченная задолженность 13. СРЕДСТВА БАНКОВ. 13.1 Корреспондентские счета . а) Средства банков-резидентов б) Средства банков-нерезидентов 13.2 Межбанковские кредиты полученные . а) Кредиты и депозиты, полученные от банков-резидентов б) Кредиты и депозиты, полученные от банков-нерезидентов 12.а + 12.б 31201 + 31202 + 31203 + 31204 + 31205 + 31206 + 31210 + 31212 + 31213 + 31214 + 31215 + 31216 + 31217 + 31218 + 31219 + 31220 + 31221 31701 + 31704 13.1. + 13.2. 13.1.а + 13.1.б 30109 + 30116 + 30214 30111 + 30112 + 30113 + 30117 + 30122 + 30123 13.2.а + 13.2.б + 13.2.в 31301 + 31302 + 31303 + 31304 + 31305 + 31306 + 31307 + 31308 + 31309 + 31310 + 31501 + 31502 + 31503 + 31504 + 31505 + 31506 + 31507 + 31508 + 31509 + 31510 + 20313 31401 + 31402 + 31403 + 31404 + 31405 + 31406 + 31407 + 31408 + 31409 + 31410 + 31601 + 31602 + 31603 + 31604 + 31605 + 31606 + 157 14. 31607 + 31608 + 31609 + 31610 + 20314 в) Просроченная задолженность 31702 + 31703 14.а + 14.б + 14.в + 14.г + 14.д + СРЕДСТВА КЛИЕНТОВ 14.е + 14.ж а) Средства бюджета и внебюджетных 40101 + (40102 - 40103) + 40105 фондов +40106 + 40107 +(40108 40109)+(40110 - 40111) + 40113 + 40114 + 40201 + 40202 + 40203 + 40204 + 40205 + 40206 + 40301 + 40302 + 40306 + 40307 + 40309 + (40312 - 40313)+ 40314 + 40401 + 40402 + 40403 + 40404 + 40406 + 40408 + 40409 + 40410 + 41001 + 41002 + 41003 + 41004 + 41005 + 41006 + 41007 + 41008 + 41101 + 41102 + 41103 + 41104 + 41105 + 41106 + 41107 + 41108 + 41201 + 41202 + 41203 + 41204 + 41205 + 41206 + 41207 + 41208 + 41301 + 41302 + 41303 + 41304 + 41305 + 41306 + 41307 + 41308 + 42701 + 42702 + 42703 + 42704 + 42705 + 42706 + 42707 + 42801 + 42802 + 42803 + 42804 + 42805 + 42806 + 42807 + 42901 + 42902 + 42903 + 42904 + 42905 + 42906 + 42907 + 43001 + 43002 + 43003 + 43004 + 43005 + 43006 + 43007 б) Средства государственных 40501 + 40502 + 40503 + 40504 + предприятий и организаций 40505 + 40601 + 40602 + 40603 + 41401 + 41402 + 41403 + 41404 + 41405 + 41406 + 41407 + 41408 + 41501 + 41502 + 41503 + 41504 + 41505 + 41506 + 41507 + 41508 + 41601 + 41602 + 41603 + 41604 + 41605 + 41606 + 41607 + 41608 + 41701 + 41702 + 41703 + 41704 + 41705 + 41706 + 41707 + 41708 + 41801 + 41802 + 41803 + 41804 + 41805 + 41806 + 41807 + 41808 + 41901 + 41902 + 41903 + 41904 + 41905 + 41906 + 41907 + 41908 + 43101 + 43102 + 43103 + 43104 + 43105 + 43106 + 43107 + 43201 + 43202 + 43203 + 43204 + 43205 + 43206 + 43207 + 43301 + 43302 + 43303 + 43304 + 43305 + 43306 + 158 15. 43307 + 43401 + 43402 + 43403 + 43404 + 43405 + 43406 + 43407 + 43501 + 43502 + 43503 + 43504 + 43505 + 43506 + 43507 + 43601 + 43602 + 43603 + 43604 + 43605 + 43606 + 43607 + 41408 в) Средства негосударственных 30220 + 30223 + 30601 + 40701 + предприятий и организаций 40702 + 40703 + 40704 + 40801 + 40901 + 40903 + 40905 + 40906 + 40909 + 40911 + 42001 + 42002 + 42003 + 42004 + 42005 + 42006 + 42007 + 42008 + 42101 + 42102 + 42103 + 42104 + 42105 + 42106 + 42107 + 42108 + 42201 + 42202 + 42203 + 42204 + 42205 + 42206 + 42207 + 42208 + 43701 + 43702 + 43704 + 43703 + 43705 + 43706 + 43707 + 43801 + 43802 + 43803 + 43804 + 43805 + 43806 + 43807 + 43901 + 43902 + 43903 + 43904 + 43905 + 43906 + 43907 + 20309 + (40907 – 40908) г) Средства физических лиц 40802 + 40810 + 40811 + 42301 + 42302 + 42303 + 42304 + 42305 + 42306 + 42307 + 42308 + 42309 + 42310 + 42311 + 42312 + 42313 + 42314 + 42315 д) Средства нерезидентов 30606 + 40902 + 40910 + 40803 + 40804 + 40805 + 40806 + 40807 + 40809 + 40812 + 40813 + 40814 + 40815 + 42501 + 42502 + 42503 + 42504 + 42505 + 42506 + 42507 + 42601 + 42602 + 42603 + 42604 + 42605 + 42606 + 42607 + 42608 + 42609 + 42610 + 42611 + 42612 + 42613 + 42614 + 42615 + 44001 + 44002 + 44003 + 44004 + 44005 + 44006 + 44007 + 20310 + 42508 + е) Средства участников РЦ ОРЦБ 30401 + 30403 + 30405 + 30408 ж) «Картотека» 47418 ВЫПУЩЕННЫЕ ЦЕННЫЕ БУМАГИ 15.а + 15.б + 15.в + 15.г а) Облигации 52001 + 52002 + 52003 + 52004 + 52005 + 52006 + 52401 б) Депозитные сертификаты 52101 + 52102 + 52103 + 52104 + 52105 + 52106 + 52403 в) Сберегательные сертификаты 52201 + 52202 + 52203 + 52204 + 52205 + 52206 + 52404 159 г) Векселя и банковские акцепты 16. ПРОЧИЕ ПАССИВЫ а) Расчеты по ценным бумагам б) Расчеты по факторингу, форфейтингу в) Расчеты по покупке/продаже валюты г) Прочие пассивы 17. ОБЯЗАТЕЛЬСТВА, всего 18. УСТАВНЫЙ КАПИТАЛ 19. СОБСТВЕННЫЕ АКЦИИ ВЫКУПЛЕННЫЕ (активные счета) ДОБАВОЧНЫЙ КАПИТАЛ ФОНДЫ ПРИБЫЛЬ ОТЧЕТНОГО ГОДА а) Доходы 20. 21. 22. б) Расходы 23. 24. 25. 26. 52301 + 52302 + 52303 + 52304 + 52305 + 52306 + 52307 + 52406 16.а + 16.б + 16.в + 16.г 30603 + 30604 47401 47403 + 47405 + 47407 + 47409 30222 + 31801 + 31802 + 31803 + 32801 + 47411 + 47412 + 47414 + 47416 + 47419 + 47422 + 47426 + 47501 + 47601 + 74602 + 47603 + 47604 + 47605 + 47606 + 47607 + 47608 + 47609 + 52402 + 52405 + 52407 + 52501 + 60301 + 60303 + 60305 + 60307 + 60309 + 60311 + 60313 + 60316 + 60320 + 60322 + 60338 + 60340 + 60342 + 60344 + 61203 + 61301 + 61302 + 61303 + 61304 12 + 13 + 14 + 15 + 16 10201 + 10202 + 10203 + 10204 + 10205 + 10206 + 10301 + 10302 + 10304 + 10303 + 10305 + 10306 + 10401 + 10402 + 10403 + 10404 + 10405 + 10406 10501 + 10502 10601 + 10602 + 10603 + 10604 10701 + 10702 + 10703 + 10704 22.а – 22.б + 70301 - 70401 - 70501 70101 + 70102 + 70103 + 70104 + 70105 + 70106 + 70107 + 61306 + 61308 + 50111 + 50405 + 50609 70201 + 70202 + 70203 + 70204 + 70205 + 70206 + 70207 + 70208 + 70209 + 61406 + 61408 + 50112 + 50406 + 50610 70302 - 70402 - 70502 ПРИБЫЛЬ ПРЕДШЕСТВУЮЩИХ ЛЕТ СОБСТВЕННЫЕ СРЕДСТВА, всего 18 – 19 + 20 + 21 + 22 + 23 ПАССИВЫ (без межфилиальных 17 + 24 расчетов) а) Межфилиальные расчеты (пассив) 30301 + 30303 + 30305 ПАССИВЫ, всего 25 + 25.а ВНЕБАЛАНСОВЫЕ ОБЯЗАТЕЛЬСТВА 160 27. 28. 29. 30. 31. 32. 33. 34. Гарантии 91404 СИНТЕТИЧЕСКИЕ ПОКАЗАТЕЛИ. КАПИТАЛ К 18 – 19 + 20 + 21 + 22 + 23 АКТИВЫ-НЕТТО ИЛИ ЧИСТАЯ ВАЛЮТА Ан 10 – 10.а БАЛАНСА ЛИКВИДНЫЕ АКТИВЫ для ЛАм 202**а + 20302 + 20303 + 20305 + расчета мгновенной 20306 + 20308 + 30102 + 30206 + ликвидности 30210 + 30213 + 30402 + 30404 + 30409 + 31901 + 32210 + 32310 – 47418 + (32301 + 30114) * 0,8 + (30110 + 50101 + 50102 ) * 0,3 ЛИКВИДНЫЕ АКТИВЫ ЛАт ЛАм + 204**а + (32301 + 30114) * ТЕКУЩИЕ 0,2 + 30110 * 0,7 + 30115 + 30118 + 30119 + 30406 + 32001 + 32002 + 32101 + 32102 + 32201 + 32202 + 32302 + 44101 + 44201 + 44202 + 44301 + 44302 + 44401 + 44402 + 44501 + 44601 + 44701 + 44801 + 44901 + 45001 + 45101 + 45201 + 45301 + 45401 + 46001 + 46101 + 46201 + 46301 + 46401 + 46501 + 46601 + 46701 + 46801 + 46901 + 47001 + 47101 + 47201 + 47301 + 51201 + 51301 + 51401 + 51501 + 51601 + 51701 + 51801 + 51901 + (32003 + 32004 + 32103 + 32104 + 32203 + 32204 + 32303 + 32304 + 44102 + 44103 + 44203 + 44204 + 44303 + 44304 + 44403 + 44404 + 44503 + 44603 + 44703 + 44803 + 44903 + 45003 + 45103 + 45203 + 45303 + 45403 + 45502 + 45601 + 45701 + 46002 + 46102 + 46202 + 46302 + 46402 + 46502 + 46602 + 46702 + 46802 + 46902 + 47002 + 47102 + 47202 + 47302 + 51202 + 51302 + 51402 + 51502 + 51602 + 51702 + 51802 + 51902) * 0,5 + (50101 + 50102 ) * 0,4 КРЕДИТНЫЙ ПОРТФЕЛЬ, КПн 2.в + 3.2 – 3.3 + 6 НЕТТО КРЕДИТНЫЙ ПОРТФЕЛЬ, КПб 2.в + 3.2 + 6.1 БРУТТО УЧТЕННЫЕ ВЕКСЕЛЯ, УВн 5 161 35. 36. 37. 38. 39. НЕТТО УЧТЕННЫЕ ВЕКСЕЛЯ, БРУТТО ДОХОДНЫЕ АКТИВЫ, НЕТТО ДОХОДНЫЕ АКТИВЫ, БРУТТО ОБЯЗАТЕЛЬСТВА ДО ВОСТРЕБОВАНИЯ УВб 5 + 5.4 ДАн 4 + 7 + КПн + УВн ДАб 4 + 4.3 + 7 + КПб + УВб ОБв 20309 + 20310 + 301**п + 304**п + 30601+ 30604 + 30606 + 31501 + 31510 + 31601 + 31610 + 317**п + 318**п + 40101 + (40102 - 40104) + 40105 + 40106 + 40107 + (40108 40109) + 402**п + 40301 + 40302 + 40309 + 404**п + 405**п + 406**п + 407**п + 408**п + 40901 + 40902 + 40903 + 40905 + (40907 40908) + 40909 + 40910 + 41001 + 41008 + 41101 + 41108 + 41201 + 41208 + 41301 + 41308 + 41401 + 41408 + 41501 + 41508 + 41601 + 41608 + 41701 + 41708 + 41801 + 41808 + 41901 + 41908 + 42001 + 42008 + 42101 + 42108 + 42201 + 42208 + 42301 + 42308 + 42501 + 42508 + 42601 + 42608 + 42701 + 42801 + 42901 + 43001 + 43101 + 43201 + 43301 + 43401 + 43501 + 43601 + 43701 + 43801 + 43901 + 44001 + 47403 + 47405 + 47407 + 47409 + 47422 + 52301 + 60301 + 60303 + 60305 + 60307 + 60309 + 60311 + 60313 + 60322 20309 + 20310 + 301**п + 304**п + 30601+ 30604 + 30606 + 31201 + 31202 + 31203 + 31301 + 31302 + 31303 + 31304 + 31401 + 31402 + 31403 + 31404 + 31501 + 31502 + 31503 + 31504 + 31510 + 31601 + 31602 + 31603 + 31604 + 31610 + 317**п + 318**п+ 40101 + (40102 40104) + 40105 + 40106 + 40107 + (40108 - 40109) +(40110 - 40111) + 402**п + 40301 + 40302 + 40309 + 404**п + 405**п + 406**п + 407**п + 408**п + 40901 + 40902 + 40903 + 40905 + 40909 + (40907 40908) + 40910 + 40911 + 41001 + 41002 + 41008 + 41101 + 41102 + ОБЯЗАТЕЛЬСТВА ТЕКУЩИЕ ОБт 162 40. 41. 42. 43. 44. 45. 46. 47. 48. 49. 50. 51. 52. ПРОСРОЧЕННЫЕ ССУДЫ РЕЗЕРВЫ НА ВОЗМОЖНЫЕ ПОТЕРИ ПО ССУДАМ ОБЕСПЕЧЕНИЕ ПрС Рез Об 41108 + 41201 + 41202 + 41208 + 41301 + 41302 + 41308 + 41401 + 41402 + 41408 + 41501 + 41502 + 41508 + 41601 + 41602 + 41608 + 41701 + 41702 + 41708 + 41801 + 41802 + 41808 + 41901 + 41902 + 41908 + 42001 + 42002 + 42008 + 42101 + 42102 + 42108 + 42201 + 42202 + 42208 + 42301 + 42302 + 42308 + 42501 + 42502 + 42508 + 42601 + 42602 + 42608 + 42701 + 42702 + 42801 + 42802 + 42901 + 42902 + 43001 + 43002 + 43101 + 43102 + 43201 + 43202 + 43301 + 43302 + 43401 + 43402 + 43501 + 43502 + 43601 + 43602 + 43701 + 43702 + 43801 + 43802 + 43901 + 43902 + 44001 + 44002 + 47403 + 47405 + 47407 + 47409 + 47422 + 52001 + 52101 + 52201 + 52301 + 52302 + 60301 + 60303 + 60305 + 60307 + 60309 + 60311 + 60313 + 60322 3.2.в + 5.3. + 6.1.е 3.3 + 5.4 + 6.2 91303 + 91304 + 91305 + 91307 + 91308 8+7 ИММОБИЛИЗАЦИЯ Им КАПИТАЛА КРЕДИТЫ КЛИЕНТАМ КК 6.1 БАНКА ОБЯЗАТЕЛЬСТВА ПЕРЕД ОК 14 КЛИЕНТАМИ ОСТАТКИ ПО РАСЧЕТНЫМ ОРС Счета 401** - 409 ** СЧЕТАМ КЛИЕНТОВ К ИМУЩЕСТВО И БУМАГИ, ИмБЗ 91401 + 91405 ПЕРЕДАННЫЕ В ЗАЛОГ АКТИВЫ С НУЛЕВЫМ А0 30102+30224+30402+30404+30406 РИСКОМ +30407+30409+319**а+30106+1.+ 30202+30204+30206+30210+50108 +50104+50305 КАПИТАЛ основной Косн 102**п+103**п+104**п+10602+ 10701+105**а КАПИТАЛ дополнительный Кдоп 10601+10603+10604+10702+ 10703+10704 Процентный доход Д% 70101 Доходы от операций с Дцб 70102 163 53. ценными бумагами Безнадежные ссуды Сбн 916**а+917**а+918**а 164 Приложение 2. Определение специализации с помощью Самоорганизующихся Карт Кохонена Рисунок 8. Качество кластеризации57 Рисунок 9. Карта кластеров Рисунок 10. Распределение значений Рисунок 11. Распределение значений показателя доли ценных бумаг в показателя доли МБК в кластерах кластерах 57 Кластеризация осуществлена с помощью программного пакета Viscovery SOMine (www.eadaptics.com) 165 Рисунок 12. Распределение значений Рисунок 13. Распределение значений показателя доли кредитов, выданных показателя доли кредитов, выданных физическим лицам, в кластерах юридическим лицам, в кластерах 166 Приложение 3. Состав исследуемой группы банков, получивших рейтинг международных агентств Таблица 34. Группа «ВВВ» Наименование БАНК МОСКВЫ ВНЕШТОРГБАНК МЕЖДУНАРОДНЫЙ МОСКОВСКИЙ БАНК ПРОМЫШЛЕННОСТРОИТЕЛЬНЫЙ БАНК ВНЕШТОРГБАНК РОЗНИЧНЫЕ УСЛУГИ РОССЕЛЬСКОХОЗБАНК СБЕРБАНК РФ Ном. лиц. S&P 2748 1000 BBB+ Moody's Baa2 Baa2 1 BBB439 1623 BBB+ 3349 1481 Fitch BBB BBB+ Спец. 1 1 A- 1 Baa2 BBB 1 Baa2 Baa2 Baa2 BBB+ BBB+ BBB+ 2 4 Moody's Ba2 Ba1 Baa2 Ba3 Ba1 Baa3 Fitch BBBB- Moody's Baa3 Ba3 Fitch B B B- Таблица 35. Группа «BB» Наименование АКБАРС БАНК АЛЬФА-БАНК ГАЗПРОМБАНК ДАЛЬНЕВОСТОЧНЫЙ БАНК МДМ-БАНК КМБ-БАНК Ном. лиц. 2590 1326 354 843 2361 2216 S&P BB BB+ BB- Спец. 1 1 1 1 1 2 BB- Таблица 36. Группа «B» Наименование АБСОЛЮТ БАНК БАНК ЗЕНИТ БИН-БАНК ВОЗРОЖДЕНИЕ МЕЖДУНАРОДНЫЙ ПРОМЫШЛЕННЫЙ БАНК НОМОС БАНК ОРГРЭСБАНК ПЕТРОКОММЕРЦ ПРОМСВЯЗЬБАНК РОСЕВРОБАНК ТРАНСКАПИТАЛБАНК ТРАНСКРЕДИТБАНК ПРОБИЗНЕСБАНК РОСБАНК СИБАКАДЕМБАНК ЦЕНТР-ИНВЕСТ Ном. лиц. S&P 2306 3255 2562 B1439 2056 2209 3016 1776 3251 3137 2210 2142 2412 2272 323 2225 Ba3 B+ B1 Ba3 B+ B+ Ba3 Ba3 B1 B1 Ba1 BB+ Ba2 Ba3 B1 B B+ BB+ BB+ B Спец. 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 167 Наименование НАЦИОНАЛЬНЫЙ РЕЗЕРВНЫЙ БАНК ПЕРВЫЙ ЧЕШСКОРОССИЙСКИЙ БАНК РОССИЯ СОЮЗ УРАЛСИБ МОСКОВСКИЙ БАНК РЕКОНСТРУКЦИИ И РАЗВИТИЯ НАЦИОНАЛЬНЫЙ БАНК ТРАСТ Ном. лиц. S&P Moody's 2170 Fitch Спец. B- 3 B- 3 3 3 2275 B+ B+ 3 2268 B 4 B1 B- 4 Moody's B3 Fitch 3291 328 2307 B- 3279 B3 B1 Таблица 37. Группа «ССС» Наименование АКИБАНК МЕЖРЕГИОНАЛЬНЫЙ ИНВЕСТИЦИОННЫЙ БАНК НАЦИОНАЛЬНЫЙ КОСМИЧЕСКИЙ БАНК ПРОМТОРГБАНК РОСДОРБАНК РУСЬ-БАНК СЛАВЯНСКИЙ БАНК СОЛИДАРНОСТЬ (САМАРА) ТАТФОНДБАНК УРАЛЬСКИЙ БАНК РЕКОНСТРУКЦИИ И РАЗВИТИЯ ФОНДСЕРВИСБАНК АЛЬТА-БАНК БАЛТИЙСКИЙ БАНК ГАЗБАНК КЕДР ПЕТЕРБУРГСКИЙ СОЦИАЛЬНЫЙ КОММЕРЧЕСКИЙ БАНК СОЦГОРБАНК ЮНИАСТРУМ БАНК ЕВРОПЕЙСКИЙ ТРАСТОВЫЙ БАНК МЕЖДУНАРОДНЫЙ БАНК САНКТ-ПЕТЕРБУРГА Ном. лиц. S&P 2587 Спец. 1 2788 B2 1 2755 1961 1573 3073 383 554 3058 B3 B2 B3 B2 B3* B3 B2 1 1 1 1 1 1 1 B3 B2 B2 B2 B2 B2 1 1 2 2 2 2 429 2989 2269 128 2316 1574 ССС+ 2551 1827 CCC+ 2771 CCC+ B2 2968 CCC+ 197 CCC+ 2 2 2 3 B- 3 168 Наименование СЕВЕРНАЯ КАЗНА ЦЕНТРОКРЕДИТ ЭКСПОБАНК КОНВЕРСБАНК СУДОСТРОИТЕЛЬНЫЙ БАНК * Рейтинг отозван Ном. лиц. S&P 2083 121 CCC+ 2998 122 2999 Moody's B2 Fitch Спец. 3 3 3 4 BB3 CCC+ B3 4 Таблица 38. Группа «CC» Наименование АВТОВАЗБАНК ДОНСКОЙ НАРОДНЫЙ БАНК Ном. лиц. S&P 23 2126 Moody's Caa1 Caa1 Fitch Спец. 1 2 169 Приложение 4. Корреляция показателей a. Специализация 1 («Корпоративные банки») Таблица 39. Показатели качества капитала Корреляция Показатель капитала взвешенного с учетом риска Показатель достаточности капитала взвешенного с учетом риска Показатель достаточности капитала 1-го уровня Показатель общей достаточности капитала Финансовый рычаг Показатель качества капитала Показатель достаточности капитала 1-го уровня Показатель общей достаточности капитала Показатель качества капитала Финансовый рычаг 1,00 0,94 0,98 0,94 -0,08 0,94 1,00 0,93 0,88 -0,33 0,98 0,94 -0,08 0,93 0,88 -0,33 1,00 0,96 -0,09 0,96 1,00 -0,10 -0,09 -0,10 1,00 Таблица 40. Показатели качества активов Корреляция Показатель резервирования Показатель доли просроченных ссуд Показатель доли прочих активов Показатель кредитования Показатель доли ценных бумаг в активах Показатель покрытия кредитного портфеля Показатель доли безнадежных ссуд Показатель доли работающих активов Показатель резервирова ния 1,00 0,67 0,07 0,19 0,05 Показатель доли просроченны х ссуд 0,67 1,00 0,09 0,01 -0,01 Показатель доли прочих активов 0,07 0,09 1,00 -0,24 0,21 Показатель кредитовани я 0,19 0,01 -0,24 1,00 -0,35 Показатель доли ценных бумаг в активах 0,05 -0,01 0,21 -0,35 1,00 Показатель покрытия кредитного портфеля 0,14 0,16 0,06 -0,22 0,02 Показатель доли безнадежны х ссуд 0,39 0,42 0,03 0,02 -0,06 Показатель доли работающих активов -0,18 -0,29 -0,14 0,50 0,19 0,14 0,39 -0,18 0,16 0,42 -0,29 0,06 0,03 -0,14 -0,22 0,02 0,50 0,02 -0,06 0,19 1,00 0,13 -0,16 0,13 1,00 -0,13 -0,16 -0,13 1,00 170 Таблица 41. Показатели качества менеджмента Корреляция Показатель зависимости от краткосрочных межбанковских заимствований Показатель доли неустойчивых обязательств Показатель зависимости от расчетных счетов Показатель доли выпущенных ценных бумаг в обязательствах Показатель зависимости от краткосрочных межбанковских заимствований Показатель доли неустойчивых обязательств Показатель зависимости от расчетных счетов Показатель доли выпущенных ценных бумаг в обязательствах 1,00 0,25 0,30 -0,04 0,25 1,00 0,21 -0,15 0,30 0,21 1,00 -0,70 -0,04 -0,15 -0,70 1,00 Таблица 42. Показатели прибыльности Корреляция Показатель доходности активов (ROA) Показатель доходности капитала (ROE) Показатель доходности операций с ценными бумагами Показатель маржи прибыли Показатель процентной маржи Показатель доходности активов (ROA) 1,00 0,81 0,04 0,30 -0,09 Показатель доходности капитала (ROE) 0,81 1,00 0,09 0,37 -0,03 Показатель доходности операций с ценными бумагами 0,04 0,09 1,00 0,02 -0,01 Показатель маржи прибыли 0,30 0,37 0,02 1,00 -0,04 -0,09 -0,03 -0,01 -0,04 1,00 Показатель процентной маржи 171 Таблица 43. Показатели ликвидности Корреляция Показатель мгновенной ликвидности Показатель доли ликвидных активов Показатель текущей ликвидности Соотношение высоколиквидных активов и привлеченных средств Показатель мгновенной ликвидности 0,96 0,04 Соотношение высоколиквидных активов и привлеченных средств 0,97 0,09 0,04 1,00 0,99 0,09 0,99 1,00 1,00 0,08 Показатель доли ликвидных активов 0,08 1,00 0,96 0,97 Показатель текущей ликвидности 172 b. Специализация 2 («Ссудные банки») Таблица 44. Показатели качества капитала Корреляция Показатель капитала взвешенного с учетом риска Показатель достаточности капитала взвешенного с учетом риска Показатель достаточности капитала 1-го уровня Показатель общей достаточности капитала Финансовый рычаг Показатель качества капитала Показатель достаточности капитала 1-го уровня Показатель общей достаточности капитала Показатель качества капитала Финансовый рычаг 1,00 0,95 0,92 0,82 -0,04 0,95 1,00 0,90 0,77 -0,19 0,92 0,82 -0,04 0,90 0,77 -0,19 1,00 0,89 -0,04 0,89 1,00 -0,02 -0,04 -0,02 1,00 Таблица 45. Показатели качества активов Корреляция Показатель резервирования Показатель доли просроченных ссуд Показатель доли прочих активов Показатель кредитования Показатель доли ценных бумаг в активах Показатель покрытия кредитного портфеля Показатель доли безнадежных ссуд Показатель доли работающих активов Показатель резервирова ния 1,00 0,80 0,06 -0,15 -0,04 Показатель доли просроченны х ссуд 0,80 1,00 0,08 -0,24 -0,04 Показатель доли прочих активов 0,06 0,08 1,00 -0,19 0,06 Показатель кредитовани я -0,15 -0,24 -0,19 1,00 -0,01 Показатель доли ценных бумаг в активах -0,04 -0,04 0,06 -0,01 1,00 Показатель покрытия кредитного портфеля 0,49 0,57 0,03 -0,21 -0,05 Показатель доли безнадежны х ссуд 0,59 0,64 0,04 -0,22 -0,06 Показатель доли работающих активов -0,23 -0,25 -0,16 0,69 0,22 0,49 0,59 -0,23 0,57 0,64 -0,25 0,03 0,04 -0,16 -0,21 -0,22 0,69 -0,05 -0,06 0,22 1,00 0,83 -0,14 0,83 1,00 -0,19 -0,14 -0,19 1,00 173 Таблица 46. Показатели качества менеджмента Корреляция Показатель зависимости от краткосрочных межбанковских заимствований Показатель доли неустойчивых обязательств Показатель зависимости от расчетных счетов Показатель доли выпущенных ценных бумаг в обязательствах Показатель зависимости от краткосрочных межбанковских заимствований Показатель доли неустойчивых обязательств Показатель зависимости от расчетных счетов Показатель доли выпущенных ценных бумаг в обязательствах 1,00 0,19 0,27 0,01 0,19 1,00 0,17 -0,05 0,27 0,17 1,00 -0,63 0,01 -0,05 -0,63 1,00 Таблица 47. Показатели прибыльности Корреляция Показатель доходности активов (ROA) Показатель доходности капитала (ROE) Показатель доходности операций с ценными бумагами Показатель маржи прибыли Показатель процентной маржи Показатель доходности активов (ROA) 1,00 0,86 Показатель доходности капитала (ROE) 0,86 1,00 Показатель доходности операций с ценными бумагами 0,13 0,16 Показатель маржи прибыли 0,29 0,43 Показатель процентной маржи -0,06 0,01 0,13 0,29 -0,06 0,16 0,43 0,01 1,00 0,23 0,07 0,23 1,00 -0,01 0,07 -0,01 1,00 174 Таблица 48. Показатели ликвидности Корреляция Показатель мгновенной ликвидности Показатель доли ликвидных активов Показатель текущей ликвидности Соотношение высоколиквидных активов и привлеченных средств Показатель мгновенной ликвидности Показатель доли ликвидных активов Соотношение высоколиквидных активов и привлеченных средств 0,38 0,78 1,00 0,34 0,34 1,00 Показатель текущей ликвидности 0,52 0,45 0,52 0,45 1,00 0,23 0,38 0,78 0,23 1,00 175 c. Специализация 3 («Универсальные банки») Таблица 49. Показатели качества капитала Корреляция Показатель капитала взвешенного с учетом риска Показатель достаточности капитала взвешенного с учетом риска Показатель достаточности капитала 1-го уровня Показатель общей достаточности капитала Финансовый рычаг Показатель качества капитала Показатель достаточности капитала 1-го уровня Показатель общей достаточности капитала Финансовый рычаг Показатель качества капитала 1,00 0,82 0,97 0,74 0,06 0,82 1,00 0,77 0,59 -0,24 0,97 0,74 0,06 0,77 0,59 -0,24 1,00 0,70 0,04 0,70 1,00 0,06 0,04 0,06 1,00 Таблица 50. Показатели качества активов Корреляция Показатель резервирования Показатель доли просроченных ссуд Показатель доли прочих активов Показатель кредитования Показатель доли ценных бумаг в активах Показатель покрытия кредитного портфеля Показатель доли безнадежных ссуд Показатель доли работающих активов 1,00 0,32 0,01 -0,18 0,38 Показатель доли просроченны х ссуд 0,32 1,00 0,07 -0,24 0,07 0,32 0,22 0,15 -0,23 0,62 -0,13 Показатель резервирова ния -0,18 -0,24 -0,20 1,00 -0,30 Показатель доли ценных бумаг в активах 0,38 0,07 -0,09 -0,30 1,00 Показатель покрытия кредитного портфеля 0,32 -0,23 0,07 -0,26 0,25 Показатель доли безнадежны х ссуд 0,22 0,62 0,00 -0,31 0,23 Показатель доли работающих активов 0,15 -0,13 -0,30 0,43 0,35 -0,26 -0,31 0,43 0,25 0,23 0,35 1,00 0,12 0,10 0,12 1,00 0,00 0,10 0,00 1,00 Показатель доли прочих активов Показатель кредитовани я 0,01 0,07 1,00 -0,20 -0,09 0,07 0,00 -0,30 176 Таблица 51. Показатели качества менеджмента Корреляция Показатель зависимости от краткосрочных межбанковских заимствований Показатель зависимости от краткосрочных межбанковских заимствований Показатель доли неустойчивых обязательств Показатель доли неустойчивых обязательств Показатель зависимости от расчетных счетов Показатель доли выпущенных ценных бумаг в обязательствах 1,00 0,36 0,44 0,02 0,36 1,00 0,48 -0,32 Показатель зависимости от расчетных счетов 0,44 0,48 1,00 -0,59 Показатель доли выпущенных ценных бумаг в обязательствах 0,02 -0,32 -0,59 1,00 Таблица 52. Показатели прибыльности Корреляция Показатель доходности активов (ROA) Показатель доходности капитала (ROE) Показатель доходности операций с ценными бумагами Показатель маржи прибыли Показатель процентной маржи Показатель доходности активов (ROA) 1,00 0,86 Показатель доходности капитала (ROE) 0,86 1,00 Показатель доходности операций с ценными бумагами 0,13 0,16 Показатель маржи прибыли 0,29 0,43 Показатель процентной маржи -0,06 0,01 0,13 0,29 -0,06 0,16 0,43 0,01 1,00 0,23 0,07 0,23 1,00 -0,01 0,07 -0,01 1,00 177 Таблица 53. Показатели ликвидности Корреляция Показатель мгновенной ликвидности Показатель доли ликвидных активов Показатель текущей ликвидности Соотношение высоколиквидных активов и привлеченных средств Показатель мгновенной ликвидности Показатель доли ликвидных активов Показатель текущей ликвидности Соотношение высоколиквидных активов и привлеченных средств 1,00 0,34 0,34 1,00 0,52 0,45 0,38 0,78 0,52 0,45 1,00 0,23 0,38 0,78 0,23 1,00 178 d. Специализация 4 («Банки для банков») Таблица 54. Показатели качества капитала Корреляция Показатель капитала взвешенного с учетом риска Показатель достаточности капитала взвешенного с учетом риска Показатель достаточности капитала 1-го уровня Показатель общей достаточности капитала Финансовый рычаг Показатель качества капитала Показатель достаточности капитала 1-го уровня Показатель общей достаточности капитала Финансовый рычаг Показатель качества капитала 1,00 0,86 0,91 0,87 -0,03 0,86 1,00 0,78 0,77 -0,40 0,91 0,87 -0,03 0,78 0,77 -0,40 1,00 0,96 -0,02 0,96 1,00 -0,07 -0,02 -0,07 1,00 Таблица 55. Показатели качества активов Корреляция Показатель резервирования Показатель доли просроченных ссуд Показатель доли прочих активов Показатель кредитования Показатель доли ценных бумаг в активах Показатель покрытия кредитного портфеля Показатель доли безнадежных ссуд Показатель доли работающих активов 1,00 0,03 0,00 0,17 0,13 Показатель доли просроченны х ссуд 0,03 1,00 0,05 -0,22 0,26 0,05 -0,01 0,18 0,00 0,97 -0,04 Показатель резервирова ния 0,17 -0,22 -0,09 1,00 -0,11 Показатель доли ценных бумаг в активах 0,13 0,26 0,10 -0,11 1,00 Показатель покрытия кредитного портфеля 0,05 0,00 0,02 -0,35 0,09 Показатель доли безнадежны х ссуд -0,01 0,97 0,00 -0,25 0,26 Показатель доли работающих активов 0,18 -0,04 -0,21 0,47 0,29 -0,35 -0,25 0,47 0,09 0,26 0,29 1,00 0,02 0,02 0,02 1,00 -0,02 0,02 -0,02 1,00 Показатель доли прочих активов Показатель кредитовани я 0,00 0,05 1,00 -0,09 0,10 0,02 0,00 -0,21 179 Таблица 56. Показатели качества менеджмента Корреляция Показатель зависимости от краткосрочных межбанковских заимствований Показатель зависимости от краткосрочных межбанковских заимствований Показатель доли неустойчивых обязательств Показатель доли неустойчивых обязательств Показатель зависимости от расчетных счетов Показатель доли выпущенных ценных бумаг в обязательствах 1,00 0,40 0,56 -0,20 0,40 1,00 0,46 -0,33 Показатель зависимости от расчетных счетов 0,56 0,46 1,00 -0,56 Показатель доли выпущенных ценных бумаг в обязательствах -0,20 -0,33 -0,56 1,00 Таблица 57. Показатели прибыльности Корреляция Показатель доходности активов (ROA) Показатель доходности капитала (ROE) Показатель доходности операций с ценными бумагами Показатель маржи прибыли Показатель процентной маржи Показатель доходности активов (ROA) 1,00 0,81 Показатель доходности капитала (ROE) 0,81 1,00 Показатель доходности операций с ценными бумагами 0,12 0,05 Показатель маржи прибыли 0,65 0,57 Показатель процентной маржи 0,00 0,00 0,12 0,65 0,00 0,05 0,57 0,00 1,00 0,11 -0,03 0,11 1,00 0,02 -0,03 0,02 1,00 180 Таблица 58. Показатели ликвидности Корреляция Показатель мгновенной ликвидности Показатель доли ликвидных активов Показатель текущей ликвидности Соотношение высоколиквидных активов и привлеченных средств Показатель мгновенной ликвидности Показатель доли ликвидных активов Показатель текущей ликвидности Соотношение высоколиквидных активов и привлеченных средств 1,00 0,31 0,31 1,00 0,55 0,31 0,48 0,73 0,55 0,31 1,00 0,25 0,48 0,73 0,25 1,00 181 Приложение 5. Качественный состав исследуемой выборки в динамике Таблица 59. Качественный состав исследуемой выборки на основе результатов кубической модели без учета специализации BBB BB B CCC CC C DDD DD ВСЕГО 01.07.04 2 8 28 77 161 106 16 3 401 01.08.04 3 7 28 91 156 102 11 3 401 01.09.04 4 7 32 92 160 95 8 3 401 01.10.04 3 12 27 95 165 90 5 4 401 01.11.04 5 10 28 103 171 74 9 1 401 01.12.04 3 12 32 100 168 79 6 1 401 01.01.05 2 13 31 99 163 87 3 3 401 01.02.05 4 8 35 100 164 79 10 1 401 01.03.05 5 7 37 101 155 86 8 2 401 01.04.05 4 8 29 106 160 83 6 5 401 01.05.05 4 9 34 96 166 81 8 3 401 01.06.05 7 7 37 98 167 73 9 3 401 01.07.05 5 8 36 86 180 70 12 4 401 01.08.05 5 8 38 84 178 73 11 4 401 BBB BB B CCC CC C DDD DD ВСЕГО 01.09.05 01.10.05 01.11.05 01.12.05 01.01.06 01.02.06 01.03.06 01.04.06 01.05.06 01.06.06 01.07.06 01.08.06 01.09.06 01.10.06 4 3 3 3 4 3 4 4 6 7 7 7 6 5 12 13 13 14 11 13 12 11 9 8 8 10 11 13 37 35 37 38 40 39 39 42 35 36 34 35 40 39 86 88 90 93 94 98 100 92 96 103 103 105 98 97 168 173 170 164 159 152 150 163 167 163 165 162 167 168 80 76 74 78 82 84 84 77 77 74 72 71 68 69 8 7 9 5 5 8 9 8 6 6 6 5 7 6 6 6 5 6 6 4 3 4 5 4 6 6 4 4 401 401 401 401 401 401 401 401 401 401 401 401 401 401 182 Таблица 60. Качественный состав выборки на основе результатов линейной модели учитывающей специализацию BBB BB B CCC CC C DDD DD ВСЕГО 01.07.04 2 7 28 76 179 85 18 6 401 01.08.04 2 8 28 78 164 97 18 6 401 01.09.04 2 9 28 77 175 86 20 4 401 01.10.04 2 11 28 78 171 95 12 4 401 01.11.04 2 10 29 79 183 90 5 3 401 01.12.04 2 10 30 86 178 87 5 3 401 01.01.05 1 11 33 89 178 81 6 2 401 01.02.05 3 11 40 78 186 73 9 1 401 01.03.05 3 12 35 81 175 84 10 1 401 01.04.05 3 9 39 89 174 78 7 2 401 01.05.05 3 10 35 97 172 73 8 2 400 01.06.05 4 9 35 92 171 77 10 3 401 01.07.05 3 9 38 87 179 73 8 4 401 01.08.05 4 8 37 87 186 67 7 5 401 01.09.05 01.10.05 01.11.05 01.12.05 01.01.06 01.02.06 01.03.06 01.04.06 01.05.06 01.06.06 01.07.06 01.08.06 01.09.06 01.10.06 BBB 2 2 2 2 0 2 2 3 2 4 5 4 3 4 BB 11 11 10 9 12 9 10 11 15 12 10 10 11 10 B 38 36 40 38 38 37 40 35 33 37 38 37 37 39 CCC 82 84 92 82 90 88 83 100 84 91 84 88 87 92 CC 184 189 173 171 160 174 170 165 173 157 177 170 180 179 C 72 70 75 89 94 80 84 77 78 87 74 78 72 69 DDD 8 6 6 8 6 9 10 7 10 8 10 10 9 5 DD 4 3 3 2 1 2 2 3 6 5 3 4 2 3 ВСЕГО 401 401 401 401 401 401 401 401 401 401 401 401 401 401 183 Приложение 6. Рейтинг-лист кредитных организаций (Результат применения модели, учитывающей специализацию банка) Таблица 61. Рейтинг-лист кредитных организаций 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 НАИМЕНОВАНИЕ МЕЖДУНАРОДНЫЙ МОСКОВСКИЙ БАНК ПРОМЫШЛЕННОСТРОИТЕЛЬНЫЙ БАНК МДМ-БАНК РОССЕЛЬХОЗБАНК ГАЗПРОМБАНК ВНЕШТОРГБАНК АЛЬФА-БАНК ВНЕШТОРГБАНК РОЗНИЧНЫЕ УСЛУГИ НОМОС-БАНК КМБ-БАНК УРАЛСИБ БАНК МОСКВЫ МОСКОМПРИВАТБАНК ХКФ БАНК СИБАКАДЕМБАНК НОВОСИБИРСКВНЕШТ ОРГБАНК УРАЛЬСКИЙ БАНК РЕКОНСТРУКЦИИ И РАЗВИТИЯ СОЛИДАРНОСТЬ ДАЛЬНЕВОСТОЧНОЕ ОВК ДАЛЬНЕВОСТОЧНЫЙ БАНК МОСКОВСКИЙ ИНДУСТРИАЛЬНЫЙ БАНК ЭКОНОМБАНК ВОЗРОЖДЕНИЕ РОСДОРБАНК ПЕТРОКОММЕРЦ ТРАНСКРЕДИТБАНК НАЦИОНАЛЬНЫЙ РЕЗЕРВНЫЙ БАНК ТРАНСКАПИТАЛБАНК ЦЕНТР-ИНВЕСТ МОСКОВСКИЙ БАНК РЕКОНСТРУКЦИИ И РАЗВИТИЯ РОСБАНК Ном. Лиц. Среднее Медиана Медиана за 2006 Мин Макс 1 5 5 5 4 5 439 2361 3349 354 1000 1326 5 4 4 4 5 4 5 4 3 4 5 4 5 5 5 4 4 4 4 4 3 3 4 4 5 5 5 5 5 4 1623 2209 2216 2275 2748 2827 316 323 4 3 4 4 4 4 3 3 4 3 4 4 4 4 3 3 4 4 4 4 4 4 3 3 3 2 3 3 3 3 3 2 4 4 4 4 5 4 4 4 410 2 2 3 1 3 429 554 3 2 3 2 3 3 2 2 3 3 719 2 2 3 1 4 843 3 3 3 2 3 912 1319 1439 1573 1776 2142 3 3 3 2 3 3 3 3 3 2 3 3 3 3 3 3 3 3 3 2 2 2 3 2 3 3 3 3 4 3 2170 2210 2225 3 3 3 3 3 3 3 3 3 3 2 2 4 3 3 2268 2272 3 3 3 3 3 3 2 3 4 4 184 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 НАИМЕНОВАНИЕ ИМПЭКСБАНК АБСОЛЮТ БАНК СОЮЗ ПРОБИЗНЕСБАНК МЕТРОБАНК БИНБАНК АК БАРС ЭКСПОБАНК ОРГРЭСБАНК ТАТФОНДБАНК РУСЬ-БАНК РОСЕВРОБАНК ПРОМСВЯЗЬБАНК БАНК ЗЕНИТ ТРАСТ ПЕРВЫЙ ЧЕШСКОРОССИЙСКИЙ БАНК РТС-БАНК ВИКИНГ КРЕДИТ-МОСКВА АВТОВАЗБАНК ЦЕНТРОКРЕДИТ БАЛТИЙСКИЙ БАНК МЕЖДУНАРОДНЫЙ БАНК САНКТПЕТЕРБУРГА ПРИО-ВНЕШТОРГБАНК СПЕЦСТРОЙБАНК УРАЛЬСКИЙ ФИНАНСОВЫЙ ДОМ РОССИЙСКИЙ КРЕДИТ РОССИЯ САРАТОВ СЛАВЯНСКИЙ БАНК УРАЛСИБ-ЮГ БАНК ЧЕЛИНДБАНК ЭЛЕКТРОНИКА ЧЕЛЯБИНВЕСТБАНК КАМЧАТКОМАГРОПРО МБАНК КАПИТАЛ ВОРОНЕЖ НИКО-БАНК ТАТАГРОПРОМБАНК ЮГРА МОССТРОЙЭКОНОМБА НК БАШПРОМБАНК РУССЛАВБАНК Ном. Медиана Лиц. Среднее Медиана за 2006 Мин Макс 2291 2 2 3 2 3 2306 3 3 3 2 4 2307 3 3 3 1 3 2412 3 3 3 2 4 2548 2 2 3 0 5 2562 2 2 3 2 3 2590 3 3 3 3 3 2998 3 3 3 2 3 3016 3 3 3 3 3 3058 3 3 3 3 3 3073 3 3 3 2 3 3137 3 3 3 2 3 3251 3 3 3 2 4 3255 3 3 3 3 3 3279 3 3 3 2 3 3291 3401 2 5 23 121 128 3 3 2 3 2 2 3 3 3 2 3 2 2 3 3 3 2 2 2 2 2 3 2 2 2 1 2 2 3 4 3 3 2 4 3 197 212 236 2 1 2 2 1 2 2 2 2 2 1 1 2 3 2 249 324 328 330 383 457 485 488 493 1 1 3 2 2 2 2 2 1 1 1 3 2 2 2 2 2 1 2 2 2 2 2 2 2 2 2 1 -1 2 1 2 2 1 1 1 2 2 3 2 3 3 3 2 3 545 575 654 702 728 880 2 2 1 1 1 2 3 2 1 1 1 2 2 2 2 2 2 2 -2 1 1 1 1 1 3 3 3 2 2 2 948 1006 1073 2 1 2 2 1 2 2 2 2 1 -1 0 3 2 2 185 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 Ном. Медиана НАИМЕНОВАНИЕ Лиц. Среднее Медиана за 2006 Мин Макс ОМСК-БАНК 1189 1 1 2 0 2 ПРИУПСКБАНК 1203 1 1 2 1 3 РИБ-СИБИРЬ 1221 1 1 2 -2 2 СТАВРОПОЛЬПРОМСТР ОЙБАНК 1288 1 1 2 0 2 СОБИНБАНК 1317 2 2 2 2 2 ЧИТАПРОМСТРОЙБАНК 1339 2 2 2 1 2 ВУЗ-БАНК 1557 2 2 2 0 3 КЕДР 1574 2 2 2 2 3 НЭКЛИС-БАНК 1671 2 2 2 1 2 АЗИАТСКОТИХООКЕАНСКИЙ БАНК 1810 1 1 2 0 2 СОЦГОРБАНК 1827 2 2 2 2 2 НИЖЕГОРОДПРОМСТРО ЙБАНК 1851 2 2 2 2 3 ЕВРОСИТИБАНК 1869 1 1 2 0 2 СКА-БАНК 1957 1 1 2 1 2 ПРОМТОРГБАНК 1961 2 2 2 2 3 ПАРТНЕРБАНК 1992 2 2 2 1 3 БАЛТКРЕДОБАНК 2039 1 1 2 -2 3 САРОВБИЗНЕСБАНК 2048 2 2 2 1 2 МЕЖДУНАРОДНЫЙ ПРОМЫШЛЕННЫЙ БАНК 2056 2 2 2 2 3 СЕВЕРНАЯ КАЗНА 2083 2 2 2 2 3 МУНИЦИПАЛЬНЫЙ КАМЧАТПРОФИТБАНК 2103 2 2 2 1 2 АЛЕФ-БАНК 2119 1 1 2 0 2 КОР 2148 2 2 2 1 2 АЛЬТА-БАНК 2269 2 2 2 1 3 ТАВРИЧЕСКИЙ 2304 2 2 2 1 2 ГАЗБАНК 2316 2 2 2 2 2 ТЮМЕНЬЭНЕРГОБАНК 2419 1 1 2 1 2 ПРОМИНВЕСТБАНК 2433 1 1 2 0 2 МОСУРАЛБАНК 2468 2 2 2 2 2 ТОЛЬЯТТИХИМБАНК 2507 2 2 2 2 2 НОВИКОМБАНК 2546 1 1 2 1 2 ПЕТЕРБУРГСКИЙ СОЦИАЛЬНЫЙ КОМ. БАНК 2551 2 2 2 2 3 СИТИБАНК 2557 2 2 2 2 4 КРЕДИТ УРАЛ БАНК 2584 2 2 2 1 3 ЮНИКОР 2586 2 2 2 1 2 АКИБАНК 2587 2 2 2 2 2 ЕНИСЕЙСКИЙ ОБЪЕДИНЕННЫЙ БАНК 2645 2 2 2 0 3 ФЕДЕРАЛЬНЫЙ БАНК ИННОВАЦИЙ И 2647 1 1 2 0 2 186 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 НАИМЕНОВАНИЕ РАЗВИТИЯ АВТОМОБИЛЬНЫЙ БАНКИРСКИЙ ДОМ ПРИМСОЦБАНК ДЕРЖАВА НАЦИОНАЛЬНЫЙ КОСМИЧЕСКИЙ БАНК ИНВЕСТСБЕРБАНК ЮНИАСТРУМ БАНК МИБ РУСИЧ ЦЕНТР БАНК ВЯТИЧ ТРАНССТРОЙБАНК ПОВОЛЖСКОЕ ОВК АВАНГАРД СИНЕРГИЯ ОРЛОВСКИЙ СОЦИАЛЬНЫЙ БАНК МЕЖТОПЭНЕРГОБАНК ЕВРОТРАСТ СВЕРДЛОВСКИЙ ГУБЕРНСКИЙ БАНК ФОНДСЕРВИСБАНК СУДОСТРОИТЕЛЬНЫЙ БАНК ЭКСТРОБАНК ВОЛГОИНВЕСТБАНК МЕЖДУНАРОДНЫЙ ФОНДОВЫЙ БАНК СИТИ ИНВЕСТ БАНК ГАРАНТИ БАНКМОСКВА КРАЙИНВЕСТБАНК ОХОТНЫЙ РЯД МБА-МОСКВА РБА АЛЕКСАНДРОВСКИЙ ЭНЕРГОБАНК МОРСКОЙ БАНК ДАЛЬКОМБАНК ЖЕЛДОРБАНК РАСЧЕТНОКРЕДИТНЫЙ БАНК ИНВЕСТБАНК КОНВЕРСБАНК УРАЛПРИВАТБАНК ТВЕРЬ ВОКБАНК ЮГО-ВОСТОК Ном. Лиц. Среднее Медиана Медиана за 2006 Мин Макс 2668 2733 2738 2 1 2 2 1 2 2 2 2 0 1 0 2 2 3 2755 2766 2771 2788 2793 2796 2807 2870 2879 2884 2 2 2 2 1 2 2 2 2 2 2 2 2 2 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 1 2 1 -1 1 1 1 1 0 2 2 2 2 3 3 2 4 2 2 2921 2956 2968 1 2 2 1 2 2 2 2 2 0 1 2 2 2 2 2975 2989 2 3 2 3 2 2 1 2 2 3 2999 3052 3141 2 2 2 2 2 2 2 2 2 2 1 1 2 3 2 3163 3194 2 2 2 2 2 2 1 1 3 2 3275 3360 3375 3395 3413 53 67 77 84 99 2 1 2 2 2 1 2 0 1 1 2 1 2 2 2 1 2 0 1 1 2 2 2 2 2 1 1 1 1 1 0 0 1 1 1 -2 1 -1 1 0 2 2 3 3 2 2 2 1 2 1 103 107 122 153 256 312 414 1 1 1 1 0 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 0 0 1 0 -1 0 1 1 2 2 2 2 2 2 187 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 НАИМЕНОВАНИЕ БАЛАКОВО-БАНК ДОНКОМБАНК АГРОИМПУЛЬС ПЕРВОМАЙСКИЙ ФЛОРА-МОСКВА ВОРОНЕЖПРОМБАНК БЕЖИЦА-БАНК ПЕРВОМАЙСКИЙ РУССКИЙ РЕГИОНАЛЬНЫЙ БАНК СКБ-БАНК ВЫБОРГ-БАНК АССОЦИАЦИЯ МОРДОВПРОМСТРОЙБ АНК БЕЛГОРОДСОЦБАНК КАМАБАНК ЗАРЕЧЬЕ ЯРСОЦБАНК ДОЛИНСК ПЕРМЬ ТЮМЕНЬАГРОПРОМБА НК НИЖНИЙ НОВГОРОД НИЖНЕВОЛЖСКИЙ КОММЕРЧЕСКИЙ БАНК СОВКОМБАНК АЛЬФА-БАНКБАШКОРТОСТАН ПОТЕНЦИАЛ ВКАБАНК ПРОМСБЕРБАНК ХАКАССКИЙ МУНИЦИПАЛЬНЫЙ БАНК БАЙКАЛРОСБАНК МАК-БАНК СОЦИНВЕСТБАНК БУМ-БАНК БРАТСКИЙ АНКБ КАЛУГА ВОЛГА-КРЕДИТ РАДИОТЕХБАНК КАМЧАТПРОМБАНК ДРАГОЦЕННОСТИ УРАЛА КУРГАНПРОМБАНК ЛИПЕЦККОМБАНК ТААТТА Ном. Медиана Лиц. Среднее Медиана за 2006 Мин Макс 444 1 1 1 0 2 492 1 1 1 1 2 514 0 0 1 -1 2 518 0 0 1 -1 1 533 1 1 1 0 3 562 1 1 1 0 1 650 1 1 1 1 1 652 1 1 1 -2 1 685 705 720 732 1 1 1 1 1 1 1 1 1 1 1 1 0 1 0 0 1 2 1 1 752 760 803 817 828 857 875 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 -1 -1 0 1 1 1 1 1 2 1 1 2 917 926 1 1 1 1 1 1 1 1 1 1 931 963 1 1 1 1 1 1 0 1 1 1 991 1019 1027 1043 1 1 2 1 1 1 1 1 1 1 1 1 -1 0 0 1 1 1 3 1 1049 1067 1088 1132 1137 1144 1151 1153 1166 1194 1 0 1 1 1 1 2 1 1 1 1 0 1 1 1 1 2 1 1 2 1 1 1 1 1 1 1 1 1 1 0 0 0 1 1 1 1 0 0 -2 1 1 2 1 1 2 2 1 1 3 1214 1218 1242 1249 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 1 1 2 1 188 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 НАИМЕНОВАНИЕ ЧУВАШКРЕДИТПРОМБ АНК БОРСКИЙ КОММЕРЧЕСКИЙ БАНК УРАЛФИНАНС СНЕЖИНСКИЙ НАЦИОНАЛЬНЫЙ БАНК РАЗВИТИЯ УРАЛЬСКИЙ МЕЖРЕГИОНАЛЬНЫЙ БАНК АВТОГРАДБАНК УРАЛВНЕШТОРГБАНК ЛЕФКО-БАНК ДОНИНВЕСТ УРАЛЛИГА СДМ-БАНК МЕТРОПОЛЬ УХТАБАНК МБХХС ТОМСКПРОМСТРОЙБА НК ПЕРВЫЙ РЕСПУБЛИКАНСКИЙ БАНК ТАТИНВЕСТБАНК ФОРА-БАНК НАРАТБАНК ЛАНТА-БАНК ЭЛЛИПС БАНК НБД-БАНК МОСКОВСКИЙ КРЕДИТНЫЙ БАНК МЕТРАКОМБАНК РСКБ ФОРБАНК РУСЮГБАНК ПРОМРЕГИОНБАНК ДОНСКОЙ НАРОДНЫЙ БАНК РУССКИЙ БАНК РАЗВИТИЯ БАШИНВЕСТ СПУРТ РОСЭНЕРГОБАНК КУЗНЕЦКИЙ МОСТ АМИ-БАНК КРАНБАНК ВЕК Ном. Лиц. Среднее Медиана Медиана за 2006 Мин Макс 1280 0 0 1 0 1 1303 1370 1376 1 1 1 1 1 1 1 1 1 0 0 1 1 1 1 1414 1 1 1 1 2 1441 1455 1522 1605 1617 1626 1637 1639 1663 1717 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 0 1 1 1 0 0 1 3 1 2 2 1 2 1 1 1 2 1720 1 1 1 0 1 1730 1732 1885 1902 1920 1950 1966 1 1 1 1 1 0 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 -1 0 0 1 -1 0 0 2 1 1 2 2 1 1 1978 2003 2050 2063 2093 2123 1 1 2 1 1 1 1 1 2 1 1 1 1 1 1 1 1 1 0 0 1 0 1 0 2 3 2 1 1 1 2126 1 1 1 1 1 2179 2189 2207 2211 2254 2270 2271 2299 1 1 1 0 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 2 1 2 2 2 2 2 1 189 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 НАИМЕНОВАНИЕ СОВИНКОМ БАНК КИТАЯ (ЭЛОС) РУССОБАНК ОГНИ МОСКВЫ ЗЕРНОБАНК ТУЛЬСКИЙ ПРОМЫШЛЕННИК АЛЕМАР ИТУРУП ЮЖНЫЙ РЕГИОН БАШЭКОНОМБАНК ЮЖНЫЙ ТОРГОВЫЙ БАНК ОНЕГО ИНГ БАНК (ЕВРАЗИЯ) ТРАСТКОМБАНК СЕВЕРО-ВОСТОЧНЫЙ ИНВЕСТИЦИОННЫЙ БАНК УРАЛЬСКИЙ ТРАСТОВЫЙ БАНК АКТИВ БАНК ИНВЕСТИЦИОННЫЙ ГОРОДСКОЙ БАНК ФИА-БАНК СОЦКРЕДИТБАНК ГАРАНТ-ИНВЕСТ СЕМБАНК КРОСНА-БАНК АПР-БАНК КАПИТАЛ КРЕДИТ ЦЕРИХ БАЙКАЛБАНК УНИФИН АЛТАЙКАПИТАЛБАНК ИНКАСБАНК РУССКИЙ БАНКИРСКИЙ ДОМ СЕТЕВОЙ НЕФТЯНОЙ БАНК ПРОМЭНЕРГОБАНК ТРАСТ НОВОСИБИРСКИЙ МУНИЦИПАЛЬНЫЙ БАНК ЭКОНОМИЧЕСКИЙ СОЮЗ СОКОЛОВСКИЙ ЕВРАЗИЯ-ЦЕНТР Ном. Медиана Лиц. Среднее Медиана за 2006 Мин Макс 2302 0 0 1 0 1 2309 1 1 1 0 2 2313 1 1 1 0 2 2328 2 2 1 1 2 2337 1 1 1 1 1 2382 2384 2390 2409 2436 1 1 1 0 1 1 1 1 0 1 1 1 1 1 1 0 1 0 -1 1 2 1 2 1 1 2478 2484 2495 2499 1 1 1 1 1 1 1 1 1 1 1 1 0 0 1 0 1 1 1 2 2506 1 1 1 0 1 2523 2529 1 1 1 1 1 1 -1 0 1 2 2534 2542 2553 2576 2606 2607 2618 2625 2627 2632 2654 2659 2685 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 -1 0 0 -1 1 0 -1 0 1 1 2 1 2 1 2 1 1 2 1 2 1 1 1 2686 1 1 1 0 1 2720 2728 2783 1 1 1 1 1 1 1 1 1 0 0 0 1 1 2 2786 1 1 1 0 1 2798 2830 2839 2 1 1 2 1 1 1 1 1 1 1 1 3 2 2 190 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 НАИМЕНОВАНИЕ ВЕКОМБАНК ИНТЕГРАЛ ЭРГОБАНК НЕФТЯНОЙ АЛЬЯНС АГРОРОС СОФИЯ КАЗАНСКИЙ КУБАНСКИЙ УНИВЕРСАЛЬНЫЙ БАНК ЗЕМСКИЙ БАНК ЕВРОМЕТ МЕДПРОМИНВЕСТ БАНК СОДРУЖЕСТВО НОВЫЙ МОСКОВСКИЙ БАНК СТЕЛЛА-БАНК УРАЛПРОМБАНК ПОВОЛЖСКИЙ НЕМЕЦКИЙ БАНК СОФРИНО ДОНСКОЙ ИНВЕСТИЦИОННЫЙ БАНК УГЛЕМЕТБАНК ЮЖНЫЙ РЕГИОНАЛЬНЫЙ БАНК АКРОПОЛЬ БУРГ КАПИТАЛ БАНК СИБИРЬГАЗБАНК МОСКОВСКИЙ КАПИТАЛ ИНВЕСТИЦИОННЫЙ ПРОМЭНЕРГОБАНК ГРАНД ИНВЕСТ БАНК АДМИРАЛТЕЙСКИЙ ТРЕТИЙ РИМ НАЦИОНАЛЬНЫЙ ИНВЕСТИЦИОННОПРОМЫШЛЕННЫЙ НАЦИОНАЛЬНЫЙ ТОРГОВЫЙ БАНК АНТАЛБАНК УРАЛФИНПРОМБАНК ДОНАКТИВБАНК АЗИМУТ ЕКАТЕРИНБУРГ БВТ Ном. Медиана Лиц. Среднее Медиана за 2006 Мин Макс 2844 2 1 1 0 4 2853 1 1 1 0 1 2856 1 1 1 0 2 2859 1 1 1 0 1 2860 1 1 1 0 2 2867 1 1 1 0 1 2888 1 1 1 1 2 2898 2900 2902 1 1 0 1 1 0 1 1 1 0 0 0 1 1 1 2908 2923 0 1 0 1 1 1 -1 0 1 2 2932 2948 2964 1 1 1 1 1 1 1 1 1 0 0 0 1 2 1 2967 2972 1 1 1 1 1 1 0 0 1 2 2984 2997 0 1 0 1 1 1 0 0 1 2 3015 3027 3036 3042 1 1 1 1 1 1 1 1 1 1 1 1 0 0 1 1 1 1 2 1 3044 1 1 1 1 2 3046 3053 3054 3061 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 1 2 1 2 2 3077 1 1 1 1 1 3087 3115 3119 3120 3154 3161 3167 1 1 1 1 1 2 1 1 1 1 1 1 2 1 1 1 1 1 1 1 1 0 1 0 1 -1 0 0 1 1 1 1 1 2 2 191 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 Ном. Медиана НАИМЕНОВАНИЕ Лиц. Среднее Медиана за 2006 Мин Макс ИС БАНК 3175 0 0 1 -1 1 БАЛТИНВЕСТБАНК 3176 1 1 1 1 2 ЕДИНСТВЕННЫЙ 3187 1 1 1 1 2 ПЕТРО-АЭРО-БАНК 3227 1 1 1 1 1 ЭКСПРЕСС-ТУЛА 3237 1 1 1 0 1 МОСКВА-СИТИ 3247 1 2 1 0 2 ИНТЕРПРОМБАНК 3266 1 1 1 0 2 БАНК ОРЕНБУРГ 3269 1 1 1 0 2 ВСЕРОССИЙСКИЙ БАНК РАЗВИТИЯ РЕГИОНОВ 3287 1 1 1 1 2 ФИНАНСОВЫЙ КАПИТАЛ 3288 1 1 1 1 2 НАШ ДОМ 3296 1 1 1 0 1 АЗИЯ-ИНВЕСТ БАНК 3303 2 1 1 1 3 ДОЙЧЕ БАНК 3328 1 1 1 0 2 БАНК ХАКАСИИ 3334 1 1 1 0 1 НАЙТОВ 3385 1 1 1 0 2 ИНКРЕДБАНК 3405 1 1 1 -1 2 ХЛЫНОВ 254 0 0 0 0 1 ДОРОЖНИК 269 2 2 0 0 3 ВОЛГО-КАМСКИЙ БАНК 282 1 1 0 0 1 СТРОМКОМБАНК 404 1 1 0 0 1 МЕЧЕЛ-БАНК 419 0 0 0 0 1 КАМСКИЙ КОММЕРЧЕСКИЙ БАНК 438 0 0 0 0 1 ЕНИСЕЙ 474 0 0 0 0 2 ВЕНЕЦ 524 1 1 0 0 1 ПЕРВОЕ ОБЩЕСТВО ВЗАИМНОГО КРЕДИТА 605 1 1 0 -1 2 ГАГАРИНСКИЙ КОММЕРЧЕСКИЙ БАНК 606 0 0 0 -1 0 АСПЕКТ 608 0 0 0 0 1 ИЖКОМБАНК 646 0 0 0 0 1 ПЕРМИНВЕСТБАНК 784 0 0 0 0 1 ВЛАДИМИРСКИЙ ПРОМЫШЛЕННЫЙ БАНК 870 1 1 0 0 1 ВЯТКА-БАНК 902 0 0 0 0 1 ОБЪЕДИНЕННЫЙ БАНК РЕСПУБЛИКИ 1016 0 0 0 0 1 СТАРООСКОЛЬСКИЙ АГРОПРОМБАНК 1050 0 0 0 -1 2 ДЗЕРЖИНСКИЙ 1113 1 1 0 0 2 ГРАНКОМБАНК 1125 0 0 0 -1 1 КУЗНЕЦКБИЗНЕСБАНК 1158 0 0 0 0 1 СОЧИ 1271 0 0 0 -1 1 МОНЧЕБАНК 1276 0 0 0 0 1 НОВОБАНК 1352 0 0 0 0 1 192 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 НАИМЕНОВАНИЕ БАШКОМСНАББАНК МОСКОВСКИЙ НЕФТЕХИМИЧЕСКИЙ БАНК КРАСБАНК ЕВРОПЕЙСКИЙ ТАГИЛБАНК ПРОМСЕРВИСБАНК БПФ БЕЛОН РОСТПРОМСТРОЙБАНК ИРОНБАНК ИЖЛАДАБАНК КС-БАНК РУСФИНАНС БАНК ЛЕСПРОМБАНК КИТ ФИНАНС ИНВЕСТИЦИОННЫЙ БАНК ТАНДЕМ ЭКОПРОМБАНК МКБ ИМ. С. ЖИВАГО ОБЪЕДИНЕННЫЙ НАЦИОНАЛЬНЫЙ БАНК ФИНПРОМБАНК КОНСТАНС-БАНК ВОСТОЧНОЕВРОПЕЙСКИЙ ТРАСТОВЫЙ БАНК ДОНХЛЕББАНК ИНВЕСТКАПИТАЛБАНК МЕТКОМБАНК ИНТЕРНАЦИОНАЛЬНЫ Й ТОРГОВЫЙ БАНК ПРЕОДОЛЕНИЕ БКФ РЕГИОНАЛЬНЫЙ БАНК РАЗВИТИЯ КОНВЕРСБАНКМОСКВА СИНКО-БАНК НОВОКУЗНЕЦКИЙ МУНИЦИПАЛЬНЫЙ БАНК БИЗНЕС-СЕРВИС-ТРАСТ ХОЛДИНГ-КРЕДИТ ВЕРХНЕ-ВОЛЖСКИЙ НЕФТЕБАНК Ном. Медиана Лиц. Среднее Медиана за 2006 Мин Макс 1398 0 0 0 -1 0 1411 1569 1616 1635 1659 1677 1704 1705 1724 1745 1752 1792 1835 1 0 0 0 1 0 0 0 -1 0 0 0 0 1 0 0 0 1 0 0 0 -1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 -1 0 0 0 -1 0 0 0 -1 2 0 1 1 2 1 1 0 1 1 1 1 1 1911 1951 2011 2065 0 0 1 0 0 0 1 0 0 0 0 0 0 -1 0 0 2 1 2 0 2074 2157 2228 1 0 0 0 0 0 0 0 0 0 0 0 3 2 2 2253 2285 2377 2443 0 0 0 1 0 0 0 1 0 0 0 0 -1 0 0 0 1 0 0 1 2609 2649 2684 1 1 1 1 1 1 0 0 0 0 0 0 1 1 2 2782 0 0 0 0 1 2797 2838 0 0 0 0 0 0 0 0 1 1 2865 2883 3030 0 0 1 0 0 1 0 0 0 -2 0 0 1 1 1 3033 1 1 0 0 1 193 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 НАИМЕНОВАНИЕ ФЕДЕРАЛЬНЫЙ ДЕПОЗИТНЫЙ БАНК ЭКСПРЕСС РУБЛЕВ ПРИОРИТЕТ МЕЖРЕГИОНАЛЬНЫЙ ПОЧТОВЫЙ БАНК ОБИБАНК ГАЗНЕФТЬБАНК ГАЗЭНЕРГОБАНК РОССИТА-БАНК МЕЖБИЗНЕСБАНК ОРГБАНК ОБЪЕДИНЕННЫЙ БАНК РАЗВИТИЯ МЕТАЛЛУРГИЧЕСКИЙ КОММЕРЧЕСКИЙ БАНК ПРОМТРАНСБАНК СЕВЕРО-ВОСТОЧНЫЙ АЛЬЯНС ИНТЕРКРЕДИТ ТРАНСПОРТНЫЙ КИТЕЖ ГОРОДСКОЙ КЛИЕНТСКИЙ СТРУКТУРА МАСС МЕДИА БАНК РЕГИОНФИНАНСБАНК Ном. Лиц. Среднее Медиана Медиана за 2006 Мин Макс 3071 3084 3098 3135 0 0 0 0 0 0 0 0 0 0 0 0 -1 -1 0 0 1 2 1 1 3171 3185 3223 3252 3257 3280 3312 0 0 0 1 1 -1 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 -1 0 0 0 -2 -3 1 0 0 1 2 3 1 3345 0 0 0 -1 0 901 2638 -1 0 -1 0 -1 -1 -2 -1 2 0 2768 3047 3174 3208 -1 0 -1 0 -2 0 -1 0 -1 -1 -1 -1 -3 -1 -1 -1 1 0 0 1 3392 3397 1859 3357 -1 -1 -2 -2 -1 -1 -2 -2 -1 -1 -2 -2 -1 -2 -3 -2 0 2 -1 -1 194 Приложение 7. Исследуемая группа банков, лицензии у которых были отозваны Банком России Таблица 62. Причина отзыва лицензий исследуемых банков РЫБХОЗБАНК 241 Дата отзыва лиц. 06.03.08 МОСОБЛИНВЕСТ 470 14.07.06 ДЕЛНА-БАНК 971 27.02.06 Наименование 58 Ном. лиц. http://www.banki.ru/banks/memory/ Причина отзыва лицензии 58 Лицензия отозвана в связи с неисполнением ЗАО «Коммерческий банк рыбного хозяйства» (Рыбхозбанк) федеральных законов, регулирующих банковскую деятельность, нормативных актов Банка России, установлением фактов существенной недостоверности отчетных данных, снижением достаточности капитала ниже 2 процентов, неспособностью удовлетворить требования кредиторов по денежным обязательствам и исполнить обязанность по уплате обязательных платежей. Лицензия отозвана в связи с неспособностью кредитной организации удовлетворить требования кредиторов по денежным обязательствам в течение 14 дней. ООО КБ «Мособлинвестбанк» не исполнял федеральные законы, регулирующие банковскую деятельность, и нормативные акты Банка России, допускал нарушения Федерального закона «О противодействии легализации (отмыванию) доходов, полученных преступным путем, и финансированию терроризма». Лицензия отозвана в связи с неисполнением кредитной организацией федеральных законов, регулирующих банковскую деятельность, и нормативных актов Банка России, неоднократными нарушениями Федерального закона «О противодействии легализации (отмыванию) доходов, полученных преступным путем, и финансированию терроризма», а также учитывая неоднократное в течение одного года применение к ней мер в порядке надзора. Данная кредитная организация допускала нарушения порядка формирования резервов на возможные потери по ссудам, предоставления отчетности в Банк России, несвоевременно направляла в Федеральную службу по финансовому мониторингу сообщения по операциям, подлежащим обязательному контролю, не осуществляла идентификацию клиентов, а также допускала иные нарушения законодательства о противодействии легализации преступных доходов. 195 ДИСКОНТ Дата отзыва лиц. 1234 01.09.06 ВИП 1421 16.06.06 НЕФТЯНОЙ 1423 04.05.06 Наименование Ном. лиц. Причина отзыва лицензии 58 Лицензия отозвана в связи с неисполнением банком федеральных законов, регулирующих банковскую деятельность, нормативных актов ЦБ РФ, неоднократным нарушением в течение одного года Федерального закона «О противодействии легализации (отмыванию) доходов, полученных преступным путем, и финансированию терроризма», а также учитывая неоднократное применение мер в порядке надзора. «Дисконт» нарушал законодательство о противодействии отмыванию преступных доходов, в том числе в части порядка и сроков направления в Федеральную службу по финансовому мониторингу сообщений об операциях, подлежащих обязательному контролю, допускал «недосоздание» резервов на возможные потери по ссудам и прочим активам и представление в Банк России недостоверной отчетности, не выполнял требования предписаний ЦБ РФ. Лицензия отозвана в связи с неисполнением банком федеральных законов, регулирующих банковскую деятельность, и нормативных актов Банка России, нарушениями Федерального закона «О противодействии легализации (отмыванию) доходов, полученных преступным путем, и финансированию терроризма». Банк допускал нарушения законодательства о противодействии отмыванию преступных доходов, в том числе несвоевременно направлял в Федеральную службу по финансовому мониторингу сообщения по операциям, подлежащим обязательному контролю. Банк проводил рискованную кредитную политику и не создавал адекватные резервы по активам, нарушал порядок ведения бухгалтерского учета и кассовых операций, а также представлял недостоверную отчетность. Банком России неоднократно применялись меры воздействия к кредитной организации за допущенные в ее деятельности нарушения. Решение об отзыве лицензии на осуществление банковских операций принято Банком России в связи с неоднократным нарушением банком требований Федерального закона «О противодействии легализации (отмыванию) доходов, полученных преступным путем, и финансированию терроризма». В частности, банк направлял с нарушением установленного срока в Федеральную службу по финансовому мониторингу сообщения по операциям, подлежащим обязательному контролю, не осуществлял должным образом идентификацию своих клиентов. Анализ финансового состояния банка показал резкое снижение его деловой активности и нарастание негативных тенденций в его деятельности, начиная с декабря 2005 года, т.е. после вступления в систему страхования вкладов. В связи с наличием оснований для отзыва лицензии Банк России отказался удовлетворить ходатайство ООО КБ «Нефтяной» об аннулировании лицензии в порядке добровольной ликвидации. 196 Наименование НАЦИОНАЛЬНЫЙ КАПИТАЛ Дата отзыва лиц. 1758 05.12.05 Ном. лиц. СИБЭКОНОМБАНК 1824 18.01.07 ЕВРОПРОМИНВЕСТ 1952 03.11.06 Причина отзыва лицензии 58 Лицензия отозвана в связи с неисполнением банком федеральных законов, регулирующих банковскую деятельность, нормативных актов Банка России, достаточностью капитала ниже 2 процентов, снижением собственных средств (капитала) ниже минимального значения уставного капитала, установленного Банком России на дату государственной регистрации кредитной организации, неспособностью удовлетворить требования кредиторов по денежным обязательствам, а также учитывая неоднократное применение мер в порядке надзора. АКБ «НАЦИОНАЛЬНЫЙ КАПИТАЛ» (ЗАО) осуществлял высокорискованную кредитную политику, что привело к дефициту денежных средств, необходимых для своевременного удовлетворения требований кредиторов. Кроме того, реальные значения финансового результата и собственных средств (капитала) банка отрицательные. Лицензия отозвана в связи с неисполнением ОАО «Сибирский Экономический Банк» (Сибэкономбанк) федеральных законов, регулирующих банковскую деятельность, нормативных актов Банка России, неоднократным нарушением в течение одного года Федерального закона «О противодействии легализации (отмыванию) доходов, полученных преступным путем, и финансированию терроризма». Сибэкономбанк допускал неоднократные нарушения законодательства о противодействии отмыванию преступных доходов, в том числе в части выявления операций, подлежащих обязательному контролю, и направления по ним соответствующих сообщений в Росфинмониторинг. Решение принято в связи с неисполнением вышеуказанной кредитной организацией Федерального закона «О противодействии легализации (отмыванию) доходов, полученных преступным путем, и финансированию терроризма». «Европроминвест» допускал неоднократные нарушения законодательства о противодействии отмыванию преступных доходов в части несвоевременного направления в Федеральную службу по финансовому мониторингу сообщений по операциям, подлежащим обязательному контролю, а также ненадлежащего осуществления процедур идентификации клиентов. С середины 2005 года клиентами было проведено через банк свыше 38 млрд. рублей в рамках операций, имевших сомнительный характер. 197 Наименование ИНВЕСТИЦИЙ И КРЕДИТОВАНИЯ Дата отзыва лиц. 2102 10.08.06 Ном. лиц. ИНТЕРСВЯЗЬБАНК 2154 03.11.06 ИМИДЖ 2392 01.11.07 Причина отзыва лицензии 58 Лицензия отозвана в связи с неисполнением банком федеральных законов, регулирующих банковскую деятельность, нормативных актов Банка России, неоднократными нарушениями в течение одного года Федерального закона «О противодействии легализации (отмыванию) доходов, полученных преступным путем, и финансированию терроризма». Банк допускал грубые нарушения законодательства о противодействии отмыванию преступных доходов, в том числе в части порядка и сроков направления в Федеральную службу по финансовому мониторингу сообщений об операциях, подлежащих обязательному контролю, организации системы внутреннего контроля, а также не выполнял обязательные к исполнению требования предписания Банка России. В течение июня 2006 года юридическими лицами с расчетных счетов, открытых в КБ «Банк инвестиций и кредитования» (ООО), было получено наличными свыше 25 млрд. рублей на покупку ценных бумаг. В период действия введенного Банком России запрета на осуществление кассовых и валютных операций банком было выдано из кассы наличных денежных средств на 3 млрд. рублей и осуществлено конверсионных операций на 4,6 млрд. рублей. Лицензия отозвана в связи с нарушениями банком Федерального закона «О противодействии легализации (отмыванию) доходов, полученных преступным путем, и финансированию терроризма». Интерсвязьбанк направлял в Федеральную службу по финансовому мониторингу с нарушением установленного срока сообщения по операциям, подлежащим обязательному контролю, не выполнял в полном объеме требования по идентификации своих клиентов. В 2006 году за достаточно короткий срок банк выдал клиентам наличные денежные средства на общую сумму 1,4 млрд. рублей. Кроме того, в середине 2006 года через банк были проведены операции, имеющие признаки сомнительных, на общую сумму 2,6 млрд. рублей. За указанные нарушения к Интерсвязьбанку неоднократно применялись меры воздействия. Решение о применении крайней меры воздействия - отзыве лицензии на осуществление банковских операций - принято Банком России в связи с неисполнением вышеуказанной кредитной организацией федеральных законов, регулирующих банковскую деятельность, и нормативных актов Банка России, неоднократным нарушением в течение одного года требований Федерального закона «О противодействии легализации (отмыванию) доходов, полученных преступным путем, и финансированию терроризма», а также учитывая неоднократное применение мер в порядке надзора. 198 Наименование ФЕДЕРАЛЬНЫЙ ПРОМЫШЛЕННЫЙ БАНК УНИВЕРБАНК Дата отзыва лиц. 2489 24.08.06 Ном. лиц. 2525 24.08.06 Причина отзыва лицензии 58 Лицензия отозвана в связи с неисполнением банком федеральных законов, регулирующих банковскую деятельность, и нормативных актов ЦБ РФ, нарушениями Федерального закона «О противодействии легализации (отмыванию) доходов, полученных преступным путем, и финансированию терроризма», а также учитывая неоднократное в течение одного года применение мер в порядке надзора. Банк допускал нарушения законодательства о противодействии отмыванию преступных доходов, в том числе направлял в Федеральную службу по финансовому мониторингу с нарушением установленного срока сообщения по операциям, подлежащим обязательному контролю, не осуществлял надлежащую классификацию операций, подлежащих обязательному контролю, не выполнял в полном объеме требования по идентификации своих клиентов, не создавал адекватные резервы на возможные потери по ссудам. Деятельность банка связана с проведением платежей клиентов в целях вывода средств за рубеж и уклонения от обязательных таможенных процедур. Так в период с июня 2005 года по март 2006 года общий объем вывода за рубеж денежных средств, в основном в оффшорные зоны, составил 31,5 млрд. рублей. За допущенные нарушения в течение последних двенадцати месяцев к кредитной организации неоднократно применялись принудительные меры воздействия. Деятельность банка свидетельствовала о наличии реальной угрозы интересам его кредиторов. Лицензия отозвана в связи с неисполнением банком федеральных законов, регулирующих банковскую деятельность, и нормативных актов ЦБ РФ, нарушениями Федерального закона «О противодействии легализации (отмыванию) доходов, полученных преступным путем, и финансированию терроризма», а также учитывая неоднократное применение мер в порядке надзора. Универбанк допускал нарушения законодательства и нормативных актов Банка России о противодействии отмыванию преступных доходов, в том числе несвоевременно направлял в Федеральную службу по финансовому мониторингу сообщения по операциям, подлежащим обязательному контролю. 199 ГРАДОБАНК Дата отзыва лиц. 2563 25.01.07 ФОРПОСТ 2575 27.12.06 НАЦИОНАЛЬНЫЙ РАСЧЕТНЫЙ 2899 11.03.05 Наименование Ном. лиц. Причина отзыва лицензии 58 Лицензия отозвана в связи с нарушением банком Федерального закона «О противодействии легализации (отмыванию) доходов, полученных преступным путем, и финансированию терроризма», а также с учетом возникшей угрозы интересам кредиторов и вкладчиков банка. ООО КБ «ГРАДО Банк» направлял в Федеральную службу по финансовому мониторингу с нарушением установленного срока сообщения по операциям, подлежащим обязательному контролю. В первой половине декабря 2006 через кассу банка были проведены операции по выдаче одному клиенту – юридическому лицу наличных денежных средств в сумме 4,3 млрд. рублей на покупку ценных бумаг, а также переведено на счета трёх банков–нерезидентов более 1 млрд. рублей. Лицензия отозвана в связи с неисполнением банком федеральных законов, регулирующих банковскую деятельность, нормативных актов Банка России, неоднократным нарушением в течение одного года Федерального закона «О противодействии легализации (отмыванию) доходов, полученных преступным путем, и финансированию терроризма». Банк допускал грубые нарушения законодательства о противодействии отмыванию преступных доходов, в том числе в части порядка и сроков направления в Росфинмониторинг сообщений об операциях, подлежащих обязательному контролю, не создавал адекватные резервы на возможные потери по ссудам, представлял в Банк России недостоверную отчетность, а также допускал нарушения нормативных актов Банка России в части кассовой дисциплины и ведения бухгалтерского учета. В течение последних полутора лет по счетам клиентов - резидентов АКБ «ФОРПОСТ» (ЗАО) осуществлены операции, имеющие признаки сомнительных сделок, на общую сумму более 39 млрд. рублей. Лицензия отозвана в связи с неисполнением банком федеральных законов, регулирующих банковскую деятельность, нормативных актов Банка России, установлением фактов существенной недостоверности отчетных данных. КБ «НРБ» ООО занижал уровень принимаемых кредитных рисков, что привело к значительному падению размера его собственных средств (капитала). При этом отчетность маскировала неудовлетворительное финансовое положение банка. В связи с недостаточностью средств на корреспондентских счетах КБ «НРБ» ООО оказался неспособным удовлетворить требования кредиторов по денежным обязательствам и исполнить обязанность по уплате обязательных платежей. 200 КОМИНБАНК Дата отзыва лиц. 3029 30.08.07 РТБ-БАНК 3076 21.04.06 ДИАЛОГ-ОПТИМ 3107 11.08.04 Наименование Ном. лиц. Причина отзыва лицензии 58 Лицензия отозвана в связи с неисполнением банком федеральных законов, регулирующих банковскую деятельность, нормативных актов Банка России, неоднократным нарушением требований Федерального закона «О противодействии легализации (отмыванию) доходов, полученных преступным путем, и финансированию терроризма». В августе 2007 года объем операций банка, связанных с платежами резидентов в пользу нерезидентов по сомнительным сделкам с товарами, составил 5,8 млрд. рублей. В тот же период банк выдал из кассы на покупку ценных бумаг двум юридическим лицам наличные денежные средства на общую сумму около 4,4 млрд. рублей. Решение о применении крайней меры воздействия – отзыве лицензии на осуществление банковских операций - принято Банком России в связи с неисполнением вышеуказанной кредитной организацией федеральных законов, регулирующих банковскую деятельность, и нормативных актов Банка России. В деятельности ООО КБ «РТБ-Банк» установлены многочисленные факты осуществления банком рискованной кредитной политики и отсутствия адекватных резервов по кредитным рискам, несвоевременного направления в Федеральную службу по финансовому мониторингу сообщений по операциям, подлежащим обязательному контролю, а также представления недостоверной отчетности, за которые Банком России неоднократно применялись меры воздействия. Лицензия отозвана в связи с неисполнением банком федеральных законов, регулирующих банковскую деятельность, нормативных актов Банка России, установлением фактов существенной недостоверности отчетных данных, неспособностью удовлетворить требования кредиторов по денежным обязательствам и исполнить обязанность по уплате обязательных платежей. Основной причиной ухудшения финансового состояния банка и возникновения оснований для отзыва у него лицензии явилась нехватка собственных средств (капитала) банка и существенная несбалансированность его операций по срокам привлечения и размещения денежных средств (долгосрочные кредитные вложения рефинансировались краткосрочными заимствованиями). Вследствие кризиса доверия к банку со стороны клиентов и вкладчиков в июнеиюле 2004 года банк не сумел обеспечить своевременное исполнение своих денежных обязательств. 201 Наименование МЕЖПРОМБАНК Дата отзыва лиц. 3133 21.04.06 Ном. лиц. ЕВРОПЕЙСКИЙ РАСЧЕТНЫЙ 3148 07.06.06 СПБРР 3150 03.05.07 Причина отзыва лицензии 58 Лицензия отозвана в связи с неисполнением банком федеральных законов и нормативных актов Банка России, регулирующих банковскую деятельность, нарушениями Федерального закона «О противодействии легализации (отмыванию) доходов, полученных преступным путем, и финансированию терроризма. Банк не направлял сообщения в Росфинмониторинг об операциях, подлежащих обязательному контролю, а также допускал нарушение срока отправки таких сообщений. В Банке России имеется также информация правоохранительных органов о фактах, свидетельствующих о легализации банком денежных средств, приобретенных преступным путем, выдаче наличных с расчетных счетов фирм «однодневок», оформленных по утраченным паспортам или на подставных лиц. В течение последних месяцев банк практически свернул свою деятельность – валюта баланса и капитал уменьшились на треть, привлеченные средства сократились в 20 раз. Лицензия в связи с неисполнением банком федеральных законов, регулирующих банковскую деятельность, нормативных актов Банка России, неоднократным нарушением Федерального закона «О противодействии легализации (отмыванию) доходов, полученных преступным путем, и финансированию терроризма». Банк допускал грубые нарушения законодательства о противодействии отмыванию преступных доходов, в том числе не направлял, а также направлял несвоевременно в Федеральную службу по финансовому мониторингу сообщения по операциям, подлежащим обязательному контролю. В марте-апреле 2006 года клиентами банка было «обналичено» через кассу банка более 20,6 млрд. руб, при валюте баланса банка – 562,8 млн.руб. по состоянию на 01.04.2006. Банк несвоевременно осуществлял расчеты по поручению клиентов, проводил рискованную кредитную политику и не соблюдал обязательные нормативы. Лицензия отозвана в связи с неисполнением ОАО «Коммерческий банк «Санкт-Петербургский Банк Реконструкции и Развития» (КБ «СПБРР») федеральных законов, регулирующих банковскую деятельность, нормативных актов Банка России, неоднократным нарушением в течение одного года Федерального закона «О противодействии легализации (отмыванию) доходов, полученных преступным путем, и финансированию терроризма», неспособностью удовлетворить требования кредиторов по денежным обязательствам. По состоянию на 25.04.2007 банком не исполнены расчетные документы клиентов на общую сумму более 172 млн. рублей. 202 Наименование СОЮЗОБЩЕМАШ БАНК Дата отзыва лиц. 3162 19.01.05 Ном. лиц. АЛЬЯНС БАНК 3182 27.09.07 ОБЩИЙ 3218 06.06.07 Причина отзыва лицензии 58 Лицензия отозвана в связи с неисполнением банком федеральных законов, регулирующих банковскую деятельность, и нормативных актов Банка России, установлением фактов существенной недостоверности отчетных данных, неспособностью удовлетворить требования кредиторов по денежным обязательствам и исполнить обязанность по уплате обязательных платежей. План мер по финансовому оздоровлению кредитной организации, соответствующий требованиям законодательства и Банка России, представлен не был. Лицензия отозвана в связи с неоднократным нарушением банком Федерального закона «О противодействии легализации (отмыванию) доходов, полученных преступным путем, и финансированию терроризма». В частности, ООО КБ «АЛЬЯНС БАНК» несвоевременно направляло в Росфинмониторинг сведения по операциям, подлежащим обязательному контролю. В первой половине сентября 2007 года банк осуществлял масштабную деятельность, связанную с транзитными переводами крупных рублевых денежных средств в пользу резидентов - клиентов кредитной организации, у которой Банком России была отозвана лицензия на осуществление банковских операций, и дальнейшим приобретением за их счет наличной иностранной валюты. Общий объем таких операций за этот период составил примерно 3,7 млрд. рублей. Лицензия отозвана в связи с неоднократным нарушением банком Федерального закона «О противодействии легализации (отмыванию) доходов, полученных преступным путем, и финансированию терроризма». АКБ «Общий» (ОАО) с нарушением установленного срока направлял в Федеральную службу по финансовому мониторингу сообщения по операциям, подлежащим обязательному контролю, не осуществлял надлежащую идентификацию своих клиентов. В течение 2006-2007 гг. через банк были проведены крупномасштабные «сомнительные» операции, в т.ч. было перечислено клиентам кредитных организаций, у которых в настоящее время отозваны лицензии на осуществление банковских операций, более 12 млрд. рублей. 203 ДИАМОНД Дата отзыва лиц. 3225 26.04.07 ИБЕРУС 3259 05.09.07 ОБЪЕДИНЕННЫЙ БАНК МАЛОГО БИЗНЕСА 3374 11.01.08 Наименование Ном. лиц. Причина отзыва лицензии 58 Лицензия отозвана в связи с неисполнением банком Федерального закона «О противодействии легализации (отмыванию) доходов, полученных преступным путем, и финансированию терроризма»,а также нормативных актов Банка России. ООО КБ «ДИАМОНД-БАНК» допускал неоднократные нарушения законодательства о противодействии отмыванию преступных доходов в части несвоевременного выявления и направления в Федеральную службу по финансовому мониторингу сообщений по операциям, подлежащим обязательному контролю. В декабре 2006 – апреле 2007 года клиентами ООО КБ «ДИАМОНДБАНК» были осуществлены платежи в пользу нерезидентов по сомнительным сделкам в общем объеме около 29 млрд. рублей. Лицензия отозвана в связи с нарушением банком Федерального закона «О противодействии легализации (отмыванию) доходов, полученных преступным путем, и финансированию терроризма». В частности, банк не выявлял операции, подлежащие обязательному контролю, и не направлял по ним сообщения в Росфинмониторинг. В первой половине августа 2007 года пятью резидентами – клиентами банка были осуществлены платежи в пользу нерезидентов по сомнительным сделкам с товарами в объеме более 12 млрд. рублей. Получателями денежных средств являлись пять офшорных компаний, зарегистрированных в Белизе и на Британских Виргинских островах. Со счетов этих компаний денежные средства по их поручениям переводились в пользу нерезидентов – клиентов банков Латвии, Литвы, Эстонии, Киргизии через корреспондентские счета, открытые банку в некоторых украинских банках. Лицензия отозвана в связи с неоднократным нарушением банком Федерального закона «О противодействии легализации (отмыванию) доходов, полученных преступным путем, и финансированию терроризма». ООО «ОРБ» допускало нарушения порядка и сроков направления в Росфинмониторинг информации по операциям, подлежащим обязательному контролю, а также не осуществляло надлежащую идентификацию своих клиентов. Во второй и третьей декадах декабря 2007 года на расчетные счета двух английских компаний, открытые в банке, от резидентов по сомнительным сделкам с товарами на территории Российской Федерации поступило более 9 млрд. рублей. Кроме этого, в этот же период банком ежедневно выдавались двум клиентам наличные денежные средства по основанию «на покупку ценных бумаг», общий объем которых превысил 7 млрд. рублей. Уже после отзыва лицензии банк был переименован в «Объединенный банк малого бизнеса». 204 Наименование ЭКСИТОН Дата отзыва лиц. 3412 23.06.06 Ном. лиц. Причина отзыва лицензии 58 Лицензия отозвана в связи с неоднократным нарушением банком в течение одного года требований Федерального закона «О противодействии легализации (отмыванию) доходов, полученных преступным путем, и финансированию терроризма». В ходе проведения инспекционной проверки деятельности КБ «ЭКСИТОН» (ООО) выявлены многочисленные факты несоблюдения законодательства о противодействии легализации (отмыванию) преступных доходов. Банк не осуществлял надлежащую классификацию операций, подлежащих обязательному контролю, и нарушал порядок направления информации о таких операциях в Федеральную службу по финансовому мониторингу. В Банке России имеется достоверная информация только об одном факте (май 2003 года) направления кредитной организацией сведений в уполномоченный орган. Кроме того, банк не соблюдал установленные законом процедуры идентификации клиентов.
