Дипломная работа: Управление финансовыми рисками на микро и макроуровне
Внимание! Если размещение файла нарушает Ваши авторские права, то обязательно сообщите нам
69
Где
, RSS – сумма квадратов
остатков, df – число степеней свободы.
????
????
– отклонение прогнозного значения фактора от среднего
значения показателей фактора в выборочной совокупности.
????
????
– дисперсия.
После произведённых расчетов получили следующие данные:
Показатели
/Год
2021*
2020*
Se=
9783525,655
9783525,655
Число
наблюдений(n)
9
9
(X1*-X1 ср)^2
8617252424946,49
5984203072879,51
28549225726356,00
28549225726356,00
с.о(Employ^*)
11629437,50
11243485,07
Ошибка прогноза составляет 11243485,07 ед. и будет увеличиваться по
мере того насколько прогнозное значение фактора отдаляется от среднего
значения фактора по выборочной совокупности.
Для определения значений, в пределах которых может колебаться
значение Y – процентные доходы АО «ЮниКредит Банк», необходимо
построить доверительный интервал.
При нахождении границ доверительного интервала предварительно
необходимо определить средние квадратические отклонения истинных
значений от расчетных
????
????
????
????
Интервальный прогноз на % уровне определяется по следующим
формулам:
Y^*-с.о.(Y^*)*t
crit
(;df)<Y> Y^*+с.о.(Y^*)*t
crit
(;df) ,
где с.о.(Y^*) – стандартная ошибка уравнения прогноза, – уровень
значимости, соответствующий уровню доверия (обычно 95%), df – число
степеней свободы остатка, t
crit
– распределение Стьюдента.
Рассчитав все вышеперечисленные показатели, построим таблицу
соответствующих данных.
70
Исходя из данных таблицы, для более наглядного отображения
результата построим график зависимости величины процентного дохода Банка
от размера процентного риска, включив границы доверительных интервалов.
Рисунок 30. Доверительные интервалы прогноза
Источник: [составлено и рассчитано авторами по данным
информационного портала официального сайта АО «ЮниКредит Банк»].
На рисунке видно, что величина процентных доходов Банка находилась в
пределах нижней и верхней границы в течение всего рассматриваемого периода
времени. Данное обстоятельство подтверждает как эффективность проводимой
политики Банка на рынке, так и разработанной стратегии управления
финансовыми рисками в целом. С учетом нормального распределения остатков
при среднем значении процентного риска равном 3807169,00 тыс рублей с
вероятностью 0,7334 прогнозируемая величина процентного дохода АО
«ЮниКредит Банк» составит от 69060480,56 тыс руб. до 122512572,87 тыс руб.
Процентный доход Процентный риск Y^ X1-Xср
(X-Xср)
2
s
e
с.о(y^) tcrit дельта нижн. гран верх.гран
2011 42055220 859973 48002272,4 -2947196,00 8685964262416,00 9783525,65 11696306,92 2,36 27657371,00 20344901,40 75659643,40
2012 46630473 2914152 57845973,67 -893017,00 797479362289,00 10505035,26 24840461,14 33005512,53 82686434,81
2013 53429185 1683538 50054138,63 -2123631,00 4509808624161,00 11081612,80 26203850,37 23850288,25 76257989,00
2014 68934744 3534311 63169899,13 -272858,00 74451488164,00 10389016,34 24566119,99 38603779,14 87736019,12
2015 89210067 7001752 91121644,57 3194583,00 10205360543889,00 11912081,93 28167597,83 62954046,74 119289242,40
2016 86957361 3866715 72353526,26 59546,00 3545726116,00 10377568,78 24539050,81 47814475,44 96892577,07
2017 76855769 4373930 75232283,53 566761,00 321218031121,00 10428758,22 24660094,61 50572188,92 99892378,13
2018 82474649 4296283 80832593,02 489114,00 239232504996,00 10415571,23 24628912,33 56203680,70 105461505,35
2019 84839462 5733867 92774598,8 1926698,00 3712165183204,00 10960286,14 25916958,42 66857640,38 118691557,21
2020* 6253432,083 95786526,72 2446263,08 5984203072879,51 11302449,49 26726046,16 69060480,56 122512572,87
2021* 6742684,7 100913011,4 2935515,70 8617252424946,49 11686454,74 27634074,30 73278937,09 128547085,69
R² = 0,7334
0
20000000
40000000
60000000
80000000
100000000
120000000
140000000
71
в 2020 году, при этом условное среднее (наиболее вероятный объем
поступлений) ожидается 957866526,72 тыс руб.
Сложившиеся тенденции развития экономики Российской Федерации дают
основание полагать на положительную динамику функционирования
банковского сектора. Сокращение несостоятельных банков перераспределяет
капитал в пользу финансово устойчивых, крупных игроков рынка, что дает
возможность более стремительного развития и стабильного функционирования
системы. Однако, ввиду высокой концентрации банковского рынка, слабый
спрос на кредитование стимулирует аппетит мелких банков к риску, что может
привести к усилению влияния финансовых рисков (качество активов) и к более
стремительному очищению банковского сектора.
3.2 СРАВНИТЕЛЬНЫЙ АНАЛИЗ МЕТОДИК СТРЕСС-ТЕСТИРОВАНИЯ
СОБСТВЕННОГО КАПИТАЛА
В период с 2007 по 2019 годы Россия столкнулась с двумя кризисами,
оказавшими сильное воздействие на национальную экономику. Кризис 2008-
2009 гг. повлиял в большей степени на реальный сектор экономики. После того
как Банк России поднял ставку рефинансирования до уровня 13% произошло
удорожание займов (18-24%) для бизнеса, что привело к увеличению дефолтов
в 3 раза (в 2007 году уровень дефолта находился на уровне 2%)
24
. Кризис 2014-
2015 гг. отличался сильным воздействием на национальную валюту и
финансовый сектор экономики. В октябре 2014 года курс рубля по отношению
к доллару вырос более чем в 2,5 раза и достиг максимального значения в 84
рубля. К концу 2015 года 30% кредитных организаций банковского сектора
получили убыток (совокупная сумма составила 348,332 млрд руб.)
25
. На
сегодняшний день отечественная экономика столкнулась с новым кризис,
вызванным одновременно беспрецедентным падением цен на нефть и
последствиями распространения в мире коронавирусной инфекции, степень
24
Сценарии реализации банковских операций в условиях кризисных явлений: автореферат диссертация на
соискание ученой степени кандидата экономических наук: 08.00.10 / Соколов Артур Анатольевич - Москва,
2014. URL: https://dlib.rsl.ru; Кудрин А.Л. Влияние доходов от экспорта нефтегазовых ресурсов на денежно-
кредитную политику России // Вопросы экономики. 2013. №3.
25
Информационный портал «banki.ru». URL: https://www.banki.ru/news/bankpress/?id=735647
72
влияния которого на данном этапе оценить довольно сложно
26
. В условиях
макроэкономической нестабильности вопросы предупреждения и снижения
рисков стали все более востребованными в банковской практике.
В мировой практике для оценки проблем и перспектив развития как
банковской системы в целом, так и отдельно взятого банка применяются
различного рода модели стресс-тестирования, целью разработки и реализации
которых является как можно более раннее выявление проблем снижения их
финансовой устойчивости. В основу данных моделей закладываются
специфические для конкретной страны предикторы, отражающие состояние
экономики и показатели банка.
Существует довольно много различных видов стресс-тестов, среди
которых выделяют следующие группы (см. рис.31):
Рисунок 31. Методики стресс-тестирования
Источник: [составлено автором по данным официального сайта
«Ассоциация российских банков»].
Однофакторное стресс-тестирование – тестирование, при котором
рассматривается влияние изменения одного из факторов риска на стоимость
портфеля. Недостаток подхода заключается в том, что при стрессовых
26
Информационный портал «ГАЗЕТА.RU». URL:
https://www.gazeta.ru/business/2020/03/11/12999109.shtml?updated
Стресс-тест
Однофакторный
Многофакторный
Исторический
Гипотетический
Несистематический
Наихудший
Субъективный
Систематический
Корреляция
Монте-
Карло
Теория
экстремальных
значений
73
ситуациях изменяются и остальные факторы риска, поэтому если
рассматривать изменение только одного из них, то результаты могут
получиться некорректными (т.е. более благоприятными)
27
.
Многофакторное стресс-тестирование – тестирование, при котором
рассматриваются изменения сразу нескольких факторов риска. Такие сценарии
могут основываться на исторических и вероятностных сценариях
28
.
Наиболее распространённые стресс-тесты основываются на исторических
сценариях. В этом случае подразумевается оценка влияния на текущее
финансовое состояние кредитной организации изменений факторов риска,
которые уже происходили в прошлом. Проведение стресс-тестирования
исключительно на основе анализа прошлых событий недостаточно для
полноценной оценки рисков, так как они не описывают максимально
возможную величину потерь для кредитной организации
29
Помимо исторических сценариев могут использовать вероятностные
(гипотетические) сценарии. Они используются для получения более
корректных результатов, так как учитывают большое число факторов риска и
отвечают характеристикам портфеля. Данные сценарии являются наиболее
гибкими и применяются для определения возможных событий, по отношению к
которым рассматриваемый портфель наиболее уязвим. Недостаток заключается
в сложности определения событий, которые никогда ранее не происходили
30
.
Гипотетические сценарии должны учитываться системные и присущие
банку возможные изменения в настоящем и ближайшем будущем и таким
образом быть ориентированными на перспективу и моделировать ранее не
происходившие шоки. При разработке гипотетических сценариев необходимо
учитывать взаимосвязь между факторами риска. Разработка такого сценария
27
Крашенинников Н.В. Методические подходы и международный опыт организации стресс-тестирования в
коммерческих банках // Банковская деятельность. 2015. № 24.
28
Внутренние процедуры оценки достаточности капитала (ВПОДК) банка: монография / Р. В. Пашков, Ю. Н.
Юденков. - Москва: РУСАЙНС, 2018.
29
Официальный сайт Банка России. URL: http://cbr.ru/analytics/bank_system/stress/
30
Ткаченко Р.В. Стресс-тестирование в коммерческом банке: обзор и анализ методологии //Экономика и
предпринимательство. 2014. № 22.; Кузнецов И.В., Жевага А.А. Стресс-тестирование кредитного риска в
коммерческого банке на основе макроэкономических показателей // Управление финансовыми рисками. 2018.
№1.
Источник: https://baza.diplomsite.ru/previewfile/258