Совершенствование прогнозной оценки ожидаемых кредитных убытков при мониторинге кредитного риска в коммерческих банках с учетом международного и российского опыта

Аннотация

В современных условиях функционирования банковской системы актуализируются вопросы, возникающие в связи с трансформацией прогнозной оценки ожидаемых кредитных убытков при проведении мониторинга и оценки кредитного риска в коммерческих банках, связанной с их переходом на стандарт IFRS 9 «Финансовые инструменты». В этой связи значимость приобретает комплексная систематизация существующей российской и мировой практики реализации мониторинга и оценки кредитного риска в коммерческих банках. Целью исследования является разработка комплексного подхода к использованию эффективной модели обесценения ожидаемых убытков в банковской деятельности. Новизна исследования заключается в совершенствовании инструментария прогнозной оценки ожидаемых кредитных убытков клиентов коммерческого банка для повышения эффективности управления кредитным риском. На основании анализа результатов внедрения в банковскую сферу стандарта IFRS 9 «Финансовые инструменты» сделан вывод о том, что в современных условиях сохраняется неопределенность в отношении долгосрочного влияния кредитного риска на деятельность коммерческих банков, а также имеются значительные сложности при использовании большого объема дополнительной информации, что создает трудности в расчете будущих кредитных убытков банков. Обосновано, что использование модели прогнозной оценки ожидаемых кредитных убытков клиентов при мониторинге и оценке кредитного риска в банке должно осуществляться на коллективной или индивидуальной основе. Раскрыто содержание процесса эффективного применения модели обесценения ожидаемых убытков в банковской деятельности как базового инструмента для моделирования ожидаемых кредитных убытков с целью формирования резервов под обесценение. Показано, что данная модель будет основана на специфике кредитной деятельности и портфеля банка, типов его финансовых инструментов, источников доступной информации, а также используемых ИТ-систем. Предложенный алгоритм валидации модели ожидаемого убытка обесценения позволит снизить ожидаемые кредитные убытки, сократить объем формируемых оценочных резервов, а также повысить эффективность работы коммерческого банка в целом. Теоретическая значимость исследования состоит в развитии положений риск-менеджмента кредитных убытков с учетом трансформационных явлений в мировой и российской банковской практике. Практическая значимость исследования определяется возможностями создания эффективной модели прогнозной оценки ожидаемых кредитных убытков клиентов коммерческого банка, которая будет способствовать повышению рентабельности кредитной деятельности банков. Перспективным направлением будущих исследований является разработка инструментария оценки результатов кредитной деятельности коммерческих банков с учетом принятых нововведений, связанных с внедрением стандарта IFRS 9 «Финансовые инструменты» в российском банковском секторе.

Ключевые слова

ожидаемые кредитные убытки, кредитный риск, управление кредитным риском, анализ кредитного риска, дефолт, банковский заемщик, коммерческий банк, банковский мониторинг, финансовая устойчивость, бизнес-модель банка.

Список литературы

1. Demyanyk Y., Hasan I. Financial crises and bank failures: A review of prediction methods // Omega. 2010. Vol. 38 (5). P. 315–324. doi: 10.1016/j.omega.2009.09.007.
2. Mayes D., Stremmel H. The effectiveness of capital adequacy measures in predicting bank distress. SUERF Studies, 2014. URL: https://www.suerf.org/studies/3991/the-effectiveness-of-capital-adequacy-measures-in-predicting-bank-distress (дата обращения: 01.08.2020).
3. Bernanke B.S. Nonmonetary effects of the financial crisis in the propagation of the Great Depression // American Economic Review. 1983. Vol. 73 (3). P. 257–276.
4. Schularick M., Taylor A. Credit booms gone bust: Monetary policy, leverage cycles, and financial crises, 1870–2008 // American Economic Review. 2012. Vol. 102. P. 1029–1061. doi: 10.1257/aer.102.2.1029.
5. Dell’Ariccia G. Asymmetric information and the structure of the banking industry // European Economic Review. 2001. Vol. 45 (10). P. 1957–1980.
6. Rajan R.G. Has financial development made the world riskier? // Proceedings – Economic Policy Symposium. Jackson Hole, Federal Reserve Bank of Kansas City, 2005. Iss. Aug. P. 313–369. doi: 10.3386/w11728.
7. Kaminsky G., Reinhart C. The twin crises: The causes of banking and balance-of-payments problems // American Economic Review. 1999. Vol. 89 (3). P. 473–500. doi: 10.1257/aer.89.3.473.
8. Domac I., Martinez-Peria M.S. Banking crises and exchange rate regimes: Is There a Link? // Journal of International Economics. 2003. Vol. 61. P. 41–72.
9. Demirgüç-Kunt A., Feyen E., Levine R. The evolving importance of banks and securities markets // World Bank Economic Review. 2013. Vol. 27 (3). P. 476–490. doi: 10.1093/wber/lhs022.
10. Schumpeter J.A. A Theory of economic development. Cambridge, MA: Harvard University Press, 1911. 255 p.
11. Cipullo N., Vinciguerra R. The impact of IFRS 9 and IFRS 7 on liquidity in banks: Theoretical Aspects // Procedia – Social and Behavioral Sciences. 2014. Vol. 164. P. 91–97. doi: 10.1016/j.sbspro. 2014.11.055.
12. Jiang C., Wang Z., Zhao H. A prediction-driven mixture cure model and its application in credit scoring // European Journal of Operational Research. 2019. Vol. 277, Iss. 1. P. 20–31. doi: 10.1016/j.ejor. 2019.01.072.
13. Liu F., Hua Zh., Lim A. Identifying future defaulters: A hierarchical Bayesian method // European Journal of Operational Research. 2015. Vol. 241, Iss. 1. P. 202–211. doi: 10.1016/j.ejor.2014.08.008.
14. Osmundsen K.K. Using expected shortfall for credit risk regulation // Journal of International Financial Markets, Institutions and Money. 2018. Vol. 57. P. 80–93. doi: org/10.1016/j.intfin.2018.07.001.
15. Landini S., Uberti M., Casellina S. Credit risk migration rates modelling as open systems II: A simulation model and IFRS9-baseline principles // Structural Change and Economic Dynamics. 2019. Vol. 50. P. 175–189. doi: /10.1016/j.strueco.2019.06.013.
16. Pathiranage N.P.W., Jubb C.A. Does IFRS make analysts more efficient in using fundamental information included in financial statements? // Journal of Contemporary Accounting and Economics. 2018. Vol. 14, Iss. 3. P. 373–385. doi: 10.1016/j.jcae.2018.10.004.
17. Tanoue Y., Kawada A., Yamashita S. Forecasting loss given default of bank loans with multi-stage model // International Journal of Forecasting. 2017. Vol. 33, Iss. 2. P. 513–522. doi: 10.1016/j.ijforecast. 2016.11.005.
18. Barton D., Newell R., Wilson G. Dangerous markets: Managing in financial crisis. Hoboken, New Jersey: John Wiley and Sons, 2002. 320 p.
19. Enchengreen B., Portes R. The anatomy financial crises // National Bureau of Economic Research. 1987. Working Paper №. 2126. URL: http://www.nber.org/papers/w2126.pdf (дата обращения: 05.01.2020).
20. Minsky H.P. Financial instability revisited: The economics of disaster. In the Board of Governors of the Federal Reserve System (ed.), Reappraisal of the Federal Reserve Discount Mechanism. Vol. 3. Washington, DC: Board of Governors of the Federal Reserve System, 1972. 91 p.
21. Травкина Е.В. Факторы, обуславливающие необходимость проведения мониторинга рисков российского банковского сектора // Финансы и кредит. 2013. № 1 (529). С. 29–33.
22. Ларионова И.В. Триггеры и барьеры на пути обеспечения финансовой стабильности // Банковские услуги. 2020. № 2. С. 20–27. doi: 10.36992/2075-1915_2020_2_20.
23. Травкина Е.В. Современные тренды в оценке и управлении кредитным риском в деятельности российских коммерческих банков // Интеллект. Инновации. Инвестиции. 2019. № 6. С. 117–124. doi: 10.25198/2077-7175-2019-6-117.
24. Травкина Е.В. Современное проявление кредитного риска в российской банковской сфере // Вестник Саратовского государственного социально-экономического университета. 2018. № 3 (72). С. 138–141.