Ознакомительная версия.
5) не учитывает торговый риск в течение одного дня.
Названные исследователи исходя из анализа предположений, принятых в рамках методологии VаR, и ее недостатков, приходят к заключению, что после августовского кризиса 1998 г. в российских условиях она неприменима по следующим причинам:
1) в течение ближайших нескольких лет в России не будет финансовых рынков, отвечающих требованиям развитости, емкости и ликвидности, предъявляемым VаR;
2) до новой стабилизации финансовых рынков Российской Федерации корректность предположений, связанных с исторической изменчивостью, является спорной;
3) в связи с резким падением российского рубля не выполняются ограничения, связанные с устойчивостью корреляций валютных курсов.
Таким образом, В.А. Купчинский и А.С. Улинич считают, что из всего многообразия методик финансового анализа, распространенных на Западе, в России «работают» лишь методика анализа разрывов платежной позиции банка (GAP-анализа) и методика анализа изменения чистой текущей стоимости (NPV) банков, базовая рыночная ставка которых моделируется путем анализа сценариев.
Однако этого недостаточно для корректного анализа уровня финансового риска коммерческого банка, особенно кредитного риска.
Моделирование кредитного риска отличается повышенной сложностью, что обусловлено наличием как минимум трех причин.
Во-первых, оценку кредитного риска на конкретный срок по каждому заемщику сильно затрудняют отсутствие ликвидного рынка и острая нехватка статистических данных для анализа риска дефолта (сам по себе дефолт не относится к категории часто происходящих общественных явлений). Особенно остро проблема нехватки данных стоит перед развивающимися рынками. Кредиты как частные контракты оценивать еще сложнее из-за конфиденциальности большей части информации.
Во-вторых, текущие вероятности дефолта, основанные на рыночных ценах, нельзя считать однозначно достоверными. Заинтересованные участники должны определять вероятность дефолта, либо принимая в расчет показатели, основанные на исторических данных об изменениях кредитных рейтингов, либо исходя из субъективных оценок при принятии решения о кредитовании.
В-третьих, корреляции между дефолтами весьма сложны для наблюдения и оценки, что затрудняет решение задачи агрегирования кредитного риска.
Сложность моделирования кредитных рисков обусловила появление альтернативных методов оценки вероятности дефолта, ожидаемых убытков и капитала, необходимого для поддержания существующих кредитных позиций. На базе этих методов участниками рынка и специализированными компаниями был разработан ряд моделей VaR, главные из которых нам представляется важным кратко охарактеризовать.
Модель CreditRisk+ была разработана специалистами Credit Suisse Financial Products – одним из ее инвестиционных подразделений группы Credit Suisse и появилась на рынке в середине 1997 г. В основе ее аналитического подхода лежат показатели вероятности дефолта, сопоставляемые с иными показателями определенной рейтинговой группы, изменчивость данных вероятностей, а также общее исследование отдельного сектора экономики. Математическая основа модели схожа с применяемой в аналогичных ситуациях в страховании. Вместо нормального вероятностного распределения и допущения случайных отклонений, стандартно используемых в финансовой математике для описания ценовых движений активов, в CreditRisk+ используются распределение Пуассона и связанные с ним математические методы.
Отметим, что модель CreditRisk+ предназначена не для изучения причин дефолта, а для анализа такого показателя, как случайное событие. Поэтому в ней адаптируются математические методы, применяемые для анализа страховых рисков, аналогичные актуарным расчетам.
В отличие от CreditMetrics и Portfolio Manager в CreditRisk+ не используются абсолютные уровни риска дефолта – уровни дефолтов выступают как непрерывная случайная величина. Будучи основой для присвоения кредитного рейтинга, они меняются с течением времени, и это непостоянство отражается в числовом значении их изменчивости (стандартное отклонение). Уровни дефолтов, сопоставленные с определенными рейтинговыми классами и распределенные по конкретным субъектам, вместе с показателями изменчивости определяются в CreditRisk+ как исходные данные.
В CreditRisk+ отрицается обязательное наличие корреляций между случаями дефолта, поэтому такие корреляции подробно не моделируются. Невозможность анализа взаимосвязи между отдельными кредитами, входящими в портфель, означает, что на практике самой важной является взаимосвязь между экономическими условиями и уровнем дефолтов. Однако и эта связь не является достаточно четкой: уровень дефолтов из года в год сильно колеблется, а различные секторы экономики в разной степени подвержены влиянию общей экономической ситуации. Поэтому в качестве исходных данных в CreditRisk+ используется волатильность этих уровней, причем чем больше будет охватываемый волатильностью временной период и чем большее число спадов и подъемов он будет включать, тем в большей степени модель будет отражать эффект экономических циклов.
Упомянутые особенности модели CreditRisk+ позволяют сделать вывод о том, что она наиболее применима для вычисления общего уровня потерь и менее точна в анализе влияния отдельного сектора или субъекта на профиль портфельного риска. Это не представляется большим упущением, поскольку существующая корреляция сама не отличается необходимой стабильностью. В то же время минимум требований к исходным данным делает эту модель более простой в применении, дополнительную привлекательность ей придает быстрота аналитических расчетов распределения убытков по портфелю.
Методология CreditMetrics была разработана сотрудниками ведущего оператора рынка кредитных деривативов – банка Дж.П. Моргана и стала применяться наряду с CreditRisk+ с 1997 г. Впоследствии подразделение, занимавшееся данным проектом, было выделено в отдельную структуру – Risk Metrics Group (RMG). В отличие от CreditRisk+ CreditMetrics – это всего лишь методология и первоначальные исходные данные, т.е. для работы с ними и добавления собственных данных нужно дополнительное программное обеспечение.
Методология CreditMetrics базируется на методе статистических испытаний Монте-Карло (Monte Carlo simulation). Это означает, что распределение убытков определяется на основе значений вероятностей так называемой кредитной миграции и корреляции между изменениями кредитных рейтингов. Применение этого метода обусловливается тем, что статистические приемы, используемые в нем для моделирования возможной стоимости кредитов в портфеле, порождают значительное увеличение количества расчетов, необходимых для оценки результата при добавлении в портфель еще одного кредита. Так, для портфеля из 3 активов с помощью рассматриваемой модели исследуется 512 возможных сочетаний, а в случае с 5 активами их число достигнет уже 32 768.
Ознакомительная версия.
