Вы находитесь на странице: 1из 338

Федеральное государственное образовательное бюджетное учреждение

высшего профессионального образования


«ФИНАНСОВЫЙ УНИВЕРСИТЕТ ПРИ ПРАВИТЕЛЬСТВЕ
РОССИЙСКОЙ ФЕДЕРАЦИИ»

Кафедра «Математическое моделирование


экономических процессов»

Н.В. Гринева

УЧЕБНОЕ ПОСОБИЕ
«ТЕОРИЯ РИСКА И МОДЕЛИРОВАНИЕ
РИСКОВЫХ СИТУАЦИЙ»

Направление «Экономика»
программа подготовки бакалавра
обучение очное

Москва 2011
Федеральное государственное образовательное бюджетное учреждение
высшего профессионального образования
«ФИНАНСОВЫЙ УНИВЕРСИТЕТ ПРИ ПРАВИТЕЛЬСТВЕ
РОССИЙСКОЙ ФЕДЕРАЦИИ»

Кафедра «Математическое моделирование


экономических процессов»

УТВЕРЖДАЮ
Ректор
___________М.А.Эскиндаров
«____»______________ 2011 г.

Н.В. Гринева

УЧЕБНОЕ ПОСОБИЕ
«ТЕОРИЯ РИСКА И МОДЕЛИРОВАНИЕ
РИСКОВЫХ СИТУАЦИЙ»

Направление «Экономика»
программа подготовки бакалавра
обучение очное

Москва 2011

2
УДК 330.43 (078)
ББК 65в641
Г82
Рецензенты:
Красс М.С., д.ф.-м.н. профессор кафедры «Математическое
моделирование экономических процессов» Финансового университета.
Зададаев С.А., к.ф.-м.н. доцент кафедры «Теории вероятностей и
математической статистики» Финансового университета.

Гринева Н.В.
Учебное пособие «Теория риска и моделирование рисковых ситуаций».
Для студентов направление «Экономика» программа подготовки бакалавра,
обучение очное. — М.: «Финансовый университет при Правительстве
Российской Федерации». Кафедра “Математическое моделирование
экономических процессов”, 2011. — 337 с.

Учебное пособие «Теория риска и моделирование рисковых ситуаций»


предназначен для студентов третьего и четвертого курсов, обучающихся по
направлению «Экономика» программа подготовки бакалавра, очного отделения.
Пособие включает в себя теорию, примеры и задачи для самостоятельной подготовки
в разделе 1. Во втором разделе приводятся примеры различных рисковых ситуаций в
экономике и предлагаются методы идентификации рисков, модели оценки рисков и
множество способов управления рисками.
УДК 651.51.8(075.8)
ББК 65.050
Учебное издание

Гринева Наталья Владимировна


«ТЕОРИЯ РИСКА И МОДЕЛИРОВАНИЕ
РИСКОВЫХ СИТУАЦИЙ»
УЧЕБНОЕ ПОСОБИЕ
Компьютерный набор, верстка

Формат 60х90/16. Гарнитура Times New Roman


Усл. п.л.___. Изд. № ___-2009. Тираж ____ экз.

Отпечатано в Финансовом университете


©Гринева Н.В.
Финансовый университет, 2010

3
Оглавление

ВВЕДЕНИЕ ................................................................................................................. 9

РАЗДЕЛ 1. ТЕОРЕТИЧЕСКИЕ АСПЕКТЫ ТЕОРИИ РИСКА И


МОДЕЛИРОВАНИЯ РИСКОВЫХ СИТУАЦИЙ ............................................ 10

ГЛАВА 1. ПРЕДМЕТ ИССЛЕДОВАНИЯ РИСКА. ЭТАПЫ УПРАВЛЕНИЯ РИСКОМ....... 10


1.1 ТЕРМИНЫ И ПРАВИЛА. ........................................................................................... 10
1.2 УПРАВЛЕНИЕ РИСКОМ ........................................................................................... 14
1.3 ЭТАПЫ УПРАВЛЕНИЯ РИСКОМ. .............................................................................. 14
ГЛАВА 2. ДИСКРЕТНЫЕ СЛУЧАЙНЫЕ ВЕЛИЧИНЫ. ПРАВИЛА РОСТА
СБАЛАНСИРОВАННОСТИ РИСКА................................................................................ 23

2.1 ТЕРМИНЫ И ПРАВИЛА. ........................................................................................... 24


2.2 СЛУЧАЙНЫЕ ВЕЛИЧИНЫ ........................................................................................ 25
2.3 ЧИСЛОВЫЕ ХАРАКТЕРИСТИКИ ДИСКРЕТНЫХ СЛУЧАЙНЫХ ВЕЛИЧИН ................... 29
2.4 ПРАВИЛА РОСТА СБАЛАНСИРОВАННОСТИ ДСВ .................................................... 34
ГЛАВА 3. ТРИВИАЛЬНЫЙ РАСЧЕТ ПРЕМИИ ЗА РИСК В СХЕМЕ
ПЕРЕРАСПРЕДЕЛЕНИЯ. ПРОБЛЕМА МАЛОЙ СОВОКУПНОСТИ. СВЕРТКИ

ДИСКРЕТНЫХ РАСПРЕДЕЛЕНИЙ. ............................................................................... 38

3.1 ТЕРМИНЫ И ПРАВИЛА. ........................................................................................... 38


3.2 ТРИВИАЛЬНЫЙ РАСЧЕТ ПРЕМИИ ЗА РИСК В СХЕМЕ ПЕРЕРАСПРЕДЕЛЕНИЯ ............ 41
3.3 ПРАВИЛО ПОСТРОЕНИЯ СВЕРТКИ ДИСКРЕТНЫХ РАСПРЕДЕЛЕНИЙ. ....................... 44
ГЛАВА 4. РАСЧЕТ РАЗМЕРА ФОНДА КОМПЕНСАЦИИ. МОДЕЛЬ ИНДИВИДУАЛЬНОГО
РИСКА. ПРИНЦИПЫ НАЗНАЧЕНИЯ СТРАХОВЫХ ПРЕМИЙ. ...................................... 52

4.1 НОРМАЛЬНОЕ (ГАУССОВСКОЕ) ПРИБЛИЖЕНИЕ. РАСЧЕТ РАЗМЕРА ФОНДА


КОМПЕНСАЦИИ. ........................................................................................................... 52

4.2 МОДЕЛЬ ИНДИВИДУАЛЬНОГО РИСКА..................................................................... 54


4.3 ПРИНЦИПЫ НАЗНАЧЕНИЯ СТРАХОВЫХ ПРЕМИЙ.................................................... 55

4
ГЛАВА 5. ПРОИЗВОДЯЩИЕ ФУНКЦИИ. ПРЕОБРАЗОВАНИЕ ЛАПЛАСА. МОДЕЛЬ
ИСКОВ. МОДЕЛЬ КОЛЛЕКТИВНОГО РИСКА. ............................................................. 63

5.1 ПРОИЗВОДЯЩИЕ ФУНКЦИИ. ................................................................................... 63


5.2 ПРЕОБРАЗОВАНИЕ ЛАПЛАСА. ................................................................................ 64
5.3 МОДЕЛЬ ИСКОВ. ..................................................................................................... 65
5.4 МОДЕЛЬ КОЛЛЕКТИВНОГО РИСКА.......................................................................... 66
5.5 СОСТАВНОЕ (СЛОЖНОЕ) ПУАССОНОВСКОЕ РАСПРЕДЕЛЕНИЕ. .............................. 73
ГЛАВА 6. ТЕОРИЯ ИГР ................................................................................................ 76
6.1 ОПРЕДЕЛЕНИЯ. КЛАССИФИКАЦИЯ ........................................................................ 76
6.2 ПРИНЦИП ДОМИНИРОВАНИЯ ................................................................................. 79
6.3 ПРИНЯТИЕ РЕШЕНИЙ В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ. ИГРЫ С ПРИРОДОЙ. ..... 80
ГЛАВА 7. ДОХОДНОСТЬ, ВОЛАТИЛЬНОСТЬ, ПОКАЗАТЕЛЬ VAR. ............................ 90
7.1. ДОХОДНОСТЬ И ВОЛАТИЛЬНОСТЬ. ........................................................................ 90
7.2. ПОКАЗАТЕЛЬ VALUE AT RISK (VAR) – СТОИМОСТЬ ПОД РИСКОМ. ...................... 93
7.2.1. Дельта-нормальный метод (ДНМ). ............................................................... 95
7.2.2. Выбор параметра сглаживания в методе Risk Metrics. ............................... 98
РЕКОМЕНДУЕМАЯ ЛИТЕРАТУРА К РАЗДЕЛУ 1. ........................................................... 100

РАЗДЕЛ 2. МОДЕЛИРОВАНИЕ РИСКОВЫХ СИТУАЦИЙ...................... 102

ГЛАВА 1. КРЕДИТНЫЙ РИСК ................................................................................... 102


1.1 ИДЕНТИФИКАЦИЯ И ОЦЕНКА КРЕДИТНОГО РИСКА ПРЕДПРИЯТИЯ В УСЛОВИЯХ
ФИНАНСОВОГО КРИЗИСА ........................................................................................... 102

1.1.1 Понятие кредитного риска предприятия, особенности его реализации в


кризисный период ................................................................................................... 103
1.1.2. Идентификация кредитного риска предприятия в условиях финансового
кризиса ...................................................................................................................... 106
1.1.3. Оценка кредитного риска предприятия в условиях финансового кризиса
................................................................................................................................... 116
СПИСОК ЛИТЕРАТУРЫ................................................................................................ 129
1.2. АНАЛИЗ МЕХАНИЗМОВ УПРАВЛЕНИЯ РИСКАМИ КРЕДИТНОГО ПОРТФЕЛЯ ......... 130

5
1.2.1. Кредитные портфели и риски, сопряженные с ними ................................ 132
1.2.2. Управление рисками кредитных портфелей .............................................. 135
СПИСОК ЛИТЕРАТУРЫ................................................................................................ 151
ГЛАВА 2. РИСК ЛИКВИДНОСТИ ............................................................................... 152
2.1. ИДЕНТИФИКАЦИЯ И ОЦЕНКА РИСКА ЛИКВИДНОСТИ ПРЕДПРИЯТИЯ .................. 152
2.1.1. Риск рыночной ликвидности........................................................................ 152
2.1.2. Факторы риска рыночной ликвидности...................................................... 157
2.2.ОЦЕНКА РИСКА РЫНОЧНОЙ ЛИКВИДНОСТИ С УЧЕТОМ СПРЭДА .......................... 159
2.3. ОЦЕНКА РИСКА РЫНОЧНОЙ ЛИКВИДНОСТИ С УЧЕТОМ ЭФФЕКТА ВЛИЯНИЯ НА
ЦЕНУ .......................................................................................................................... 164

2.4. СРАВНЕНИЕ МОДЕЛЕЙ РИСКА РЫНОЧНОЙ ЛИКВИДНОСТИ.................................. 167


2.5. РИСК БАЛАНСОВОЙ ЛИКВИДНОСТИ .................................................................... 169
2.5.1. Оценка риска балансовой ликвидности ...................................................... 172
2.5.2.ГЭП – АНАЛИЗ................................................................................................... 175
СПИСОК ЛИТЕРАТУРЫ................................................................................................ 176
ГЛАВА 3. РИСКИ ПОТРЕБИТЕЛЬСКОГО КРЕДИТОВАНИЯ....................................... 177
3.1. ИДЕНТИФИКАЦИЯ И ОЦЕНКА РИСКОВ В ПОТРЕБИТЕЛЬСКОМ КРЕДИТОВАНИИ .. 177
3.1.1. Определение понятия потребительского кредитования, его основных
принципов, классификация потребительских кредитов. .................................... 179
3.1.2. Идентификация рисков в потребительском кредитовании. ..................... 181
3.2. ОЦЕНКА РИСКОВ В ПОТРЕБИТЕЛЬСКОМ КРЕДИТОВАНИИ. .................................. 186
3.2.1. Скоринговая оценка рисков в потребительском кредитовании. .............. 186
3.2.2. Оценка рисков потребительского кредитования на основании статистики
по невозвратам ссуд. ............................................................................................... 196
3.2.3. Логико-вероятностная модель оценки риска в потребительском
кредитовании ........................................................................................................... 201
Список литературы: ................................................................................................ 215
ГЛАВА 4. ИПОТЕЧНОЕ КРЕДИТОВАНИЕ.................................................................. 216
4.1. ИДЕНТИФИКАЦИЯ И ОЦЕНКА РИСКОВ ИПОТЕЧНОГО КРЕДИТОВАНИЯ С ТОЧКИ
ЗРЕНИЯ ЗАЕМЩИКА .................................................................................................... 216

6
4.1.1. Основные понятия ипотечного кредита ..................................................... 217
4.1.2. Идентификация рисков ипотечного кредитования ................................... 221
4.1.3. Оценка рисков ипотечного кредитования .................................................. 236
Список литературы ................................................................................................. 245
4.2. ИДЕНТИФИКАЦИЯ И ОЦЕНКА РИСКОВ ИПОТЕЧНОГО КРЕДИТОВАНИЯ (СО СТОРОНЫ
БАНКА) ....................................................................................................................... 246

4.2.1. Определение основных терминов и перечень основных законов,


связанных с ипотечным кредитованием ............................................................... 248
4.2.2. Основные этапы предоставления и обслуживания ипотечных кредитов
банком....................................................................................................................... 250
4.2.3. Идентификация событий, возникающих внутри банка ............................ 252
4.2.4. Идентификация событий, возникающих под влиянием внешних факторов
................................................................................................................................... 257
4.2.5. Оценка риска ипотечного кредитования .................................................... 263
Список литературы ................................................................................................. 276
ГЛАВА 5 РИСКИ БЛАГОНАДЕЖНОСТИ ЮРИДИЧЕСКОГО ЛИЦА ............................ 276
5. АНАЛИЗ РИСКОВ ПРИ ОЦЕНКЕ БЛАГОНАДЕЖНОСТИ ЮРИДИЧЕСКОГО ЛИЦА ......... 276
5.1. ПОДХОД НА ОСНОВЕ НЕЧЕТКО-МНОЖЕСТВЕННОМ АНАЛИЗЕ. ............................ 280
5.1.1. Модель риска неблагонадежности организации........................................ 285
5.1.2. Метод оценки риска неблагонадежности ................................................... 287
5.2. СОВМЕСТНЫЙ УЧЕТ КОЛИЧЕСТВЕННЫХ И КАЧЕСТВЕННЫХ ПРИЗНАКОВ В
КОМПЛЕКСНОЙ ОЦЕНКЕ ............................................................................................. 294

Список литературы ................................................................................................. 298


ГЛАВА 6. ПОРТФЕЛЬНЫЕ ИНВЕСТИЦИИ ................................................................ 299
6.1. ОПТИМИЗАЦИЯ СТРАТЕГИИ УПРАВЛЕНИЯ ПОРТФЕЛЬНЫМИ ИНВЕСТИЦИЯМИ ... 299
6.1.1. Экономическое содержание проблемы управления портфельными
инвестициями........................................................................................................... 301
6.1.2. Определение критериев и методов оптимизации инвестиционного
процесса.................................................................................................................... 311
6.1.3. Задача оптимизации стратегии управления портфелем инвестиций....... 319

7
6.2. ОЦЕНКА И ПРОГНОЗИРОВАНИЕ СОСТОЯНИЙ РЫНКА ........................................... 330
6.3. АЛГОРИТМ ДИНАМИЧЕСКОЙ ОПТИМИЗАЦИИ ..................................................... 332
СПИСОК ЛИТЕРАТУРЫ................................................................................................ 335

8
Введение
Учебное пособие «Теория риска и моделирование рисковых ситуаций»
поможет в подготовке к реальной практической деятельности для принятия
решений в условиях неопределенности — аналитических отделах финансовых
служб, банков, актуарных отделах страховых компаний, аналитических
службах органов, осуществляющих надзор за исполнением страховой
деятельности, отделах управления риском корпораций или государственных
структур. Расчет и анализ риска является тем методическим инструментом, при
помощи которого потенциальная опасность может быть оценена
количественно.

Данное пособие исходит из принципов научности, доступности


материала для студентов, прочного усвоения основ теории риска и
моделирования рисковых ситуаций и, в достаточной мере, ориентирована на
применение этой теории к практике моделирования различных финансово-
экономических процессов. Изучение ученого пособия способствует
формированию у студентов основ теоретических знаний, первоначальных
умений и навыков применения и разработки количественных методов в области
управления риском, в развитии логико-математического мышления и общей
культуры математического моделирования в условиях риска.

В условиях рыночных отношений представляют особый интерес


принципиально новые возможности экономического анализа, в котором
проблема оценки и учета экономического риска приобретает самостоятельное
теоретическое и, главное, прикладное значение как важная часть менеджмента,
теории и практики управления.

Введение принципа свободного взаимодействия рыночных субъектов,


обеспечение здоровой рыночной конкуренции неизбежно повышают
неопределенность и коммерческий риск. В этих условиях чрезвычайно трудно
выбрать оптимальные решения и предвидеть их последствия в сфере бизнеса.
Поэтому коммерческий риск в системе рыночных отношений представляется
9
объективно необходимой категорией, которая требует совершенствования
теории и практики хозяйственного анализа и, следовательно, моделирования
рисковых ситуаций.

Учебное пособие состоит из двух больших разделов: теоретического и


практического. В первом разделе даются непосредственно теоретические
знания, и представляет синтаксис лекций и практических занятий. Приводятся
основные термины, используемые в теории риска, рассматриваются
теоретические сведения из теории вероятностей, решаются примеры и
моделируются рисковые ситуации. Во втором разделе на конкретных примерах
рассматриваются рисковые ситуации, проводится идентификация, оценка и
попытки управления конкретными рисками в финансово-экономической сфере.

Хочу выразить благодарность своим замечательным студентам за помощь


при подготовке данного учебного пособия.

Раздел 1. Теоретические аспекты теории риска и


моделирования рисковых ситуаций

Глава 1. Предмет исследования риска. Этапы управления


риском.

1.1 Термины и правила.


Цель — определить язык предмета количественного анализа рисковых
ситуаций. К терминам отнесем такие слова, которые используются в обиходе,
но в рамках нашего предмета приобретают свой специфический смысл. Для
терминов формулируются некоторые правила — утверждения, которые
принимаются как данность (без доказательства).
Риск [греч. risikon — утес] — возможная опасность какого-либо
неблагоприятного исхода. Слово «риск» в буквальном переводе означает

10
«принятие решений», результат которого неизвестен, то есть неопределен
однозначно, является возможно небезопасным.
Очевидно, что ряд явлений обладают следующим неприятным свойством:
если они происходят, то обязательно влекут за собой потери, размер которых
может принять катастрофический масштаб. Такие явления носят название
рискованных, или рисковых, по другому говорят, что существует «риск» или
«риск потерь». Дать точное определение «риска» не представляется
возможным, так как в различных источниках, при различных ситуациях
толкование его может быть чрезвычайно разнообразным.
Для примера приведем некоторые из наиболее часто встречающихся:
Риск — событие которое может произойти, а может и не произойти;
Риск — гипотетическая возможность наступления ущерба;
Риск — единственное случайное событие, которое наступает вопреки воле
человека;
Риск — вероятность определенного уровня потерь;
Риск — возможность отклонения фактических значений показателей
деятельности от плановых.
Их приведенных определений можно сделать вывод, что опасность
неблагоприятного исхода на одно ожидаемое событие называется риском.
Отметим важный момент. Каким бы термином мы не пользовались при
определении риска, всегда речь идет о двух факторах, имеющих случайную
природу и определяющих риск
1. Неблагоприятное событие, которое может произойти (или не произойти).
2. Если событие произошло, следовательно, влечет за собой потери.
В таблице 1.1 приведены термины и правила, необходимые для начала
разговора о риске.
Таблица 1.1.
Термины и правила
№ Термин Правило
1 Определенность — Определенность присутствует только в
однозначность представления настоящем и прошлом. В будущем любые
чего (кого)-либо. свойства и события характеризуются той

11
2 Неопределенность — или иной степенью неопределенности.
отсутствие однозначного
представления чего (кого) –
либо.
3 Достоверность — В будущем нет как достоверных, так и
определенность. невероятных событий.
4 Невероятность —
достоверность исключения.
5 Катастрофа (от гр. переворот) Катастрофа не существует вне сознания
— субъективное представление субъекта.
о возможности утраты свойств
некоторого объекта.
6 Риск — опасность, реализация Структурные детерминанты (фигуры)
которой является катастрофой. риска: опасность, объект, субъект. Риск:
видит субъект, реализуется опасность,
результат реализации — утрата свойств
объектом.

Мы будем пользоваться последним определением: риск — опасность,


реализация которой является катастрофой. Таким образом, понятие риска
неразрывно связано со следующими тремя понятиями – это опасность, объект
и субъект.
Пример 1.1 (выявление фигур риска): Рассмотрим группу терминов: (1)
пожар; (2) способность приносить прибыль; (3) смерть. Определите, какую
структурную детерминанту риска они характеризуют. Что в каждом случае
будет соответствовать остальным фигурам риска.
Решение:
(1) пожар — это опасность. Для нее объектом является имущество, а субъектом
— собственник имущества;
(2) способность приносить прибыль — это объект риска, разрушение ее свойств
может выглядеть катастрофой. Субъект — предприниматель, владелец
деятельности, приносящей прибыль. Опасностей здесь много, как
объективных (пожар, стихийное бедствие и т.д.), так и субъективных
(противоправные действия третьих лиц, ошибки планирования и пр.);
(3) смерть — это опасность. Объект — кормилец иждивенцев. В результате
реализации опасности разрушаются его свойство обеспечивать домочадцев.
Субъект — иждивенец (домочадцы).

12
Пример 1.2 (выявление предмета исследования риска): Рассмотреть фигуры
риска из примера 1 и показать для каждой фигуры, что несет в себе
неопределенность.
Решение:
Опасность пожара: Неопределенным является результат реализации
опасности (есть пожар, или его нет). Далее, мы можем говорить о причинах
реализации опасности, но не охватим всего списка. Можно также развивать
тему превентивных мер и факторов, повышающих опасность, но и здесь мы
может описать лишь то, что видим. Следовательно, не определен шанс
реализации опасности и его изменение в результате превентивных и
повышающих мер.
Объект пожара: первоначальные свойства объекта могут быть описаны
однозначно (следовательно, они определены). Степень разрушения указанных
свойств в результате реализации опасности заранее не известна. Это —
источник неопределенности риска.
Субъект пожара: все, что нам необходимо знать о субъекте, мы можем у
него непосредственно выяснить. Реализация опасности никак не меняет свойств
субъекта. Следовательно, здесь неопределенности нет.
Остальные — аналогично.
Вывод: неопределенность несут в себе две фигуры риска — опасность и
объект. Следовательно, исследование риска сосредоточено на изучении свойств
опасностей и объектов риска.
Что мы хотим получить в результате исследования риска? — Меры
устранения катастрофы для субъекта. Нужно понимать, что мы не можем
устранить опасность, но должны подготовиться к тому, чтобы быстро и
эффективно справиться с последствиями ее реализации.
В чем состоит исследование риска? — в последовательном исполнении
задач выявления, оценки и разработки механизмов управления риском.

13
1.2 Управление риском
Управление риском подразумевает определение характера
нежелательных событий, их серьезности, способы постановки данных событий
под контроль. К сожалению, управление риском как отдельная дисциплина, не
структурирована. В целом управление риском определяется как совокупность
методов идентификации, оценки и рационального противодействия угрозам,
которым подвергаются материальные или человеческие ресурсы конкретного
предприятия, а так же способность данного предприятия приносить прибыль.
Цель управления риском — снизить вероятность опасности,
укрепить важные свойства объекта. Одном из простых критериев
эффективности является расчет отношения эффекта на снижения риска к
соответствующим затратам на это снижение, т.е.:
Эффект снижения риска
> 1.
Затраты на снижение
Чем больше единицы эта величина, тем эффективнее удается управлять
риском.

1.3 Этапы управления риском.

I. Идентификация риска.
Цель данного этапа — получение подробного списка характеристик объекта
и опасностей, установление влияющих факторов.
На данном этапе необходимо собрать как можно больший список событий,
которые могут привести к негативному исходу. В основном используют два
метода выявления событий.
1. Экспертный (риск-менеджер должен исследовать риски организации)
- анкетирование;
Различают два типа вопросов – закрытые и открытые. В закрытых
вопросах предлагаются варианты ответов, а в открытых ставится вопрос,
например, «что по вашему мнению необходимо сделать?» Анкетирование
представляет собой общий опрос, не дающий конкретного ответа, но по его

14
результатам можно выявить людей, на которых можно положиться в
объективной оценке при дальнейших исследованиях.
- интервью; В процессе интервью задаются различные вопросы:
что, как, почему, какие риски присуще на ваш взгляд данному процессу и т.п.
- риск-аудит; Изучение организации с точки зрения ее внутренних
документов и описание технологий процессов.
2. Аналитический
- составление рейтингов; Существуют рейтинговые агенства,
составляющие рейтинги стран в различных областях, на основании которых,
например, проводится классификация меры рисков.
- проведение финансового анализа.
Входными данными будут являться: описание объектов, информация
об опасностях и их свойствах. Выходными — шаблон рисков.
Результатом идентификации рисков должен быть шаблон рисков, в котором
помимо выявленных событий, обязательно указываются повышающие и
понижающие вероятность этих событий факторы.
II. Оценка риска.
Цель — получение количественных характеристик для:
• опасности (вероятности реализации события в течение рискового
периода);
• ресурсов, которые могут пострадать (денежные средства,
необходимые для компенсации утраты свойств);
• тарифы снижения (повышения).
Наиболее распространенными методами оценки рисков на современном
этапе являются:
- VaR; Метод оценки рыночных рисков, позволяет на основе
статистики оценить потери с некоторой вероятностью.
- Benchmarking;
- имитационное моделирование;
- сценарный анализ;

15
- сравнительный анализ.
Входными данными является шаблон рисков, выходными – карта
рисков, определение линии талерантности.

Убытки

Вероятность

Рис. Карта рисков с линией талерантности.

III. Управление риском – разработка мер по управлению риском.


В зависимости от того, где находится тот или иной вид риска на карте
рисков и по отношению к линии талерантности и управление будет
различным.
1. Избежание риска
- продажа активов;
- выход из рынка;
- отказ от проекта.
2. Удержание риска
- принятие;
- самострахование.
3. Передача риска

16
- страхование;
- хеджирование;
- аутсорсинг (передача части функций внешним подрядчикам).
4. Снижение риска
- диверсификация;
- установка лимитов;
-повышение эффективности управления;
- мониторинг.
Основная задача – рассчитать адекватную «плату» за риск.

Пример 1.3 (этапы управления риском): Рассмотрим грузовой порт,


специализирующийся на обслуживании танкеров, перевозящих нефть.
Владельцы порта заметили, что несут большие убытки от горения нефти.
Требуется разработать систему мер, снижающих годовой уровень указанных
убытков (пример построен с большой долей условности).
Решение: работники отдела управления риском отметили, что катастрофа
наступает в случае утечки нефти и ее возгорания. Таким образом, опасность
риска состоит из одновременной реализации двух событий: (1.1) утечка нефти;
(1.2) возгорание. Объектом риска является (2.1) имущество порта; (2.2)
ответственность перед владельцами судов; (2.3) персонал; (2.4) способность
приносить прибыль. Субъект риска — владельцы порта.
I. Идентификация риска.
I.1. Идентификация опасности.
Событие (1.1) «Утечка нефти». Определим возможные причины утечки
нефти так: нефть утекает в результате аварии танкера, причем авария — это
удар разрушительной силы танкера о что-либо, который пришелся по
заполненным емкостям с нефтью. Выявлено, что:
(а)Танкер ударился о причал, либо
(б)Танкер ударился о другой танкер,
а также

17
(1) Удар пришелся по емкости с нефтью, при этом
(2) Емкости были загружены, и
(3) Угол удара острый (при ударе по касательной емкости невозможно пробить)
и, наконец,
(4) Емкости пробиты
Считаем, что список причин утечки нефти – полный.
Здесь еще требуется установить повышающие и понижающие факторы
опасности (пропускаем).
Событие (1.2) «Возгорание». По данным экспертной комиссии по выявлению
причин пожара, установлено, что возгорание происходит в результате:
(1) неосторожного обращение с огнем;
(2) нарушения техники безопасности;
(3) диверсии.
Здесь еще требуется установить повышающие и понижающие факторы
опасности (пропускаем).
I.2. Идентификация объекта.
Идентификация объектов состоит из описание их первоначальных свойств.
Очевидно, что решение этой задачи привязано к специфике объектов,
проводится по конкретным для данного риска категориям имущества,
ответственности и персонала. В результате идентификации получаются наборы
признаков, конкретизирующих объекты. Мы не будем детализировать.
Объект (2.1). «Имущество порта». Здание А (признак1, признак2,…), Здание Б
(признак1, признак2,..),…
Объект (2.2). «Ответственность перед владельцами судов». Суда категории А
(признак1, признак2,…), Суда категории Б (признак1, признак2,…),
Объект (2.3) «Персонал» Выплаты по несчастному случаю, выплаты по
травмам,…
Объект (2.4) «Способность приносить прибыль». Запасы нефти, текущая
прибыль,…
I.3. Идентификация субъекта.

18
Определяется уровень, начиная с которого убытки являются катастрофой. В
основе расчетов лежит объем высоко ликвидных ресурсов, имеющийся у
субъекта.
Задание. Построить шаблон рисков с понижающими и повышающими
причинами.
II. Оценка риска.
II.1. Оценка опасности.
На входе задач этого этапа — результаты идентификации опасности (I.1).
Оценка нацелена на получение частотных характеристик негативного исхода
опасности (выходная информация). В качестве внешней информации
используются данные от специализированных источников. Проводят работы по
оценки риска актуарии.
Событие (1.1) «Утечка нефти». Вероятности событий (а) и (б) получим на
основе анализа наблюдений столкновений танкеров в нашем порту за
последние 10 лет. Это: Р(а) =0,6 и Р(б) = 0,2.
(1) По данным технического отдела (специализированный источник) считаем,
что поверхность танкеров в среднем на 65% является поверхностью емкости
с нефтью, тогда Р(1) = 0,65.
(2) Танкер либо уже разгрузился, либо еще нет, и, следовательно, Р(2) = 0,5, и,
наконец,
(3) Далее, 38% ударов происходит под острым углом, тогда Р(3) = 0,38.
(4) Устанавливаем на основе собственных наблюдений Р(4) = 0,15.
Полученные таким образом характеристики позволяет нам определить
вероятность события – утечка нефти в порту. Для этого построим дерево
события, отражающее совместные события – Столкновение танкера с
причалом, Удар пришелся по емкостью с нефтью, Емкости были загружены,
Угол удара острый и, наконец, Емкости пробиты, которые приводят к утечки
нефти (над стрелками показаны вероятности отрицательного и положительного
исходов).

19
0.6 0.65 0.5 0.38 0.15

0.4 0.35 0.5 0.62 0.85


Поскольку перечисленные выше события независимы, то вероятность их
совместного наступления равна произведению вероятностей. Таким образом,
Р1 = вероятность утечки нефти в результате столкновения танкера с
причалом = 0.6 * 0.65 * 0.5 * 0.38 * 0.15 = 0.011115.
Аналогично,
Р2 = вероятность утечки нефти в результате столкновения одного танкера
с другим танкером = 0.2 * 0.65 * 0.5 * 0.38 * 0.15 = 0.003705,
Следовательно,
Ру = вероятность утечки нефти в нашем порту = 0.011115 + 0.003705 =
0,01482.
Событие (1.2) «Возгорание». Оценка производится аналогичным образом.
Здесь, в силу специфики причин негативного исхода, практически вся
информация для оценки поступает из специализированных источников
(пожарных служб, правоохранительных органов, обслуживание электричества).
Будем считать, что получены частоты для причин негативного исхода этой
опасности:
(1) неосторожное обращение с огнем, q1=0,005,
(2) нарушение техники безопасности, q2=0,01,
(3) диверсия, q3=0,02.
Полагаем, что возгорание сразу по двум причинам невероятно.
Таким образом, оценка опасности («Возгорание утекшей нефти») может быть
закончена:
P = вероятность «Возгорания утекшей нефти» = Py (q1 + q2 + q3 ) =
= 0,01482 * (0.005+0,01+0,02) = 0,00052.
II.2. Оценка объекта.

20
На входе задач этого этапа — результаты идентификации объекта. Поскольку
мы не обладаем необходимым количеством знаний для детального
исследования ущерба, то мы воспользуемся грубым приближением — каковы
максимальные потери в результате пожара в порту? Составим по возможности
их полный список:
(1) Сгорел весь порт, У1 = стоимость порта на момент анализа рисковой
ситуации;
(2) Сгорели все танкеры, находившиеся в порту, У2= их стоимость;
(3) Пострадали все люди по максимальной выплате, У3= сумма выплаченных
пособий и страховок;
(4) Сгорела вся нефть, находившаяся в порту, У4= ее стоимость (в общем случае
оценивается потеря способности приносить прибыль в будущем).

Тогда максимальный убыток составит У=У1+У2+У3+У4 . Пусть, например,


У=100 млн. $., и мы ничего дополнительного не сообщаем о свойствах убытков
(все значения равновероятны). Тогда средний уровень потерь
Уср.=1/2 * 100 млн. $ = 50 млн. $.
Средний уровень риска определим как произведение среднего уровня потерь и
вероятности наступления негативного исхода. В нашем случае
F (50%) = 50 млн. $*0,00052=26 тыс. $.
Таким образом, с вероятностью 50% потери в случае реализации негативного
исхода будут возмещены, или другими словами при наличии фонда в 26 тыс. $,
надежность нашего порта составляет 50%.

III. Разработка мер управления риском.


В общем случае, управление риском возможно двумя способами, это
1. Передача части риска другим субъектам, или
2. Непосредственное воздействие на причины негативного исхода.
Для реализации первого способа управления риском, необходимо еще раз
проанализировать список возможных потерь, ибо передача риска другим

21
субъектам это и есть перераспределение вероятного ущерба в случае
реализации негативного исхода. В нашем случае очевидны следующие
варианты:
• Страхование порта,
• При составлении договоров на обслуживание танкеров в порту,
оговаривается перераспределение потерь в случае утраты последних,
• Отчисления от фонда заработной платы в фонды страхования по несчастным
случаям и травматизму,
• другие.
Очевидно, что каждое из предложенных мероприятий предполагает
определенные прямые или косвенные затраты, что и составляет цену принятых
управленческих решений. Однако, на практике чаще оказывается более
выгодно воспользоваться вторым способом управления риском – оказать
непосредственное влияние на сам риск, т.е. на возможные причины, которое
могут привести к реализации негативного исхода. В основе разработки
мероприятий непосредственного воздействия на риск необходимо
проанализировать список возможных причин негативного исхода (что мы
делали в первом пункте нашей схемы анализа рисковой ситуации). В нашем
случае среди всех предложенных нашим техническим отделом мероприятий
выберем следующее: установка сигнализации, которая с высокой степенью
надежности позволит предотвратить пожар в случае столкновения танкера с
причалом, стоимостью 5 тыс. $.
Тогда, Р = вероятность пожара в порту при наличии сигнализации =
(Р(вероятность утечки нефти)- Р1(вероятность столкновения танкера с
причалом)*k(надежность сигнализации))(q1+q2+q3)=(0,01482-
0,01115*k)*(0,005+0,01+0,02)
Оценим k (надежность работы сигнализации). Для этого определим
вероятность события, что сигнализация не сработает. Это может произойти в
результате совместной реализации следующих событий:

22
• Произошло отключение электроэнергии, р1=0,25,
• Запасной генератор не сработал, р2=0,05,
• Страховочные батареи не сработали, р3=0,08.
События эти независимы, следовательно, вероятность их совместной
реализации равна произведению их вероятностей,
Р=сигнализация не сработала = р1* р2* р3 = 0,25 * 0,05 * 0,08 = 0,001
Следовательно, надежность k = 1- 0,001 = 0,99.
Таким образом, вероятность пожара в порту при наличии сигнализации равна
0,000134, что приблизительно в 4 раза меньше, чем вероятность пожара в порту
без установки сигнализации, аналогично средний уровень риска снизился в 4
раза:
F1 (50%) = 0,000134 * 50 млн. $ = 6,7 тыс.$.
Эффективность затрат на установку сигнализации оценим следующим образом:
26 тыс.$ − 5 тыс.$
R= = 3,86 .
5 тыс.$
Заметим, что данная величина значительно превосходит единицу,
следовательно приятые меры по управлению данным риском можно считать
эффективными.

Классификация рисков.
Эффективность организации управления риском во многом определяется
результатом идентификации рисков – классификацией рисков. В современной
литературе приводится множество классификаций. Важно, чтобы признак
классификации был совмещен с целью исследования.

Глава 2. Дискретные случайные величины. Правила роста


сбалансированности риска

23
2.1 Термины и правила.
Целью определения степени сбалансированности риска является
выработка рекомендаций по применению перераспределительного механизма
управления риском. Инструментом расчета сбалансированности риска
являются методы теории вероятностей. Входной информацией являются
характеристики фигур риска, полученные на этапах его идентификации и
оценки. Это — вероятность однократной реализации опасности, свойства
объекта риска и коэффициенты разрушения этих свойств. Выходной
информацией является схема перераспределения риска, включающая: (1)
параметры совокупности; (2) сбалансированность. В таблице 2.1. приведены
термины и правила, возникающие в рамках изучения данной темы.
Таблица 2.1.
Термины и правила расчета сбалансированности риска
№ Термин Правило
7 Рисковый период — интервал Длина рискового периода определяется
времени определенной плановой протяженностью
протяженности, в течение соответствующей хозяйственной операции
которого требуется (или набора операций). Субъект риска,
минимизировать потенциальное определяя деятельность, планирует
действие риска. хозяйственные операции с объектами.
8 Кратность риска — количество Кратность риска — свойство его опасности.
потенциальных реализаций
опасности на объекте в течение
рискового периода.
9 Лимит опасности —
максимальное значение
кратности риска.
10 Индивидуальный риск — риск, Лимит опасности индивидуального риска
лимит опасности которого определен (и равен единице).
равен единице (однократный).
11 Коллективный риск — риск, Лимит опасности коллективного риска не
кратность которого больше определен.
единицы.
12 Сбалансированность риска — Управление риском нацеливается на
показатель, характеризующий повышения его сбалансированности.
степень предсказуемости риска.

24
2.2 Случайные величины
Определение 2.1 /Случайная величина/. Случайной называется величина,
которая в результате единственного эксперимента принимает одно из
определенного списка значений.
Итак, набор значений — это все возможные результаты эксперимента.
Этот набор определен: мы знаем:
1. сколько результатов есть у эксперимента,
2. значение каждого из результатов. Неопределенность заключена в
том, что до начала эксперимента не известно чем он закончится
(какой результат принесет).
Множество всех потенциальных значений случайной величины является
ее областью определения. Каждому значению из области определения ставится
во взаимно-однозначное соответствие шанс его появления в результате
однократного эксперимента. Задать случайную величину значит определить
закон соответствия (функцию) потенциальных значений и шансов их
появления (или вероятностей). Такие функции называются законами
распределений вероятностей. Закон распределения вероятностей может быть
предъявлен любым способом задания функций (таблицей, графиком, формулой
и т.п.). На рисунке 2.1. проиллюстрировано то, как возникает закон
распределения вероятностей.

X1…
p1 …
X2…
p2 …
Xn…
pn …

Рис. 2.1. Построение закона распределения вероятностей

Определение 2.2 /Дискретная случайная величина/. Дискретной случайной


величиной (ДСВ) называется случайная величина, область определения
которой – не более чем счетное множество.

25
ДСВ мы будем использовать для описания кратности риска. Очевидно,
что, сколько случаев реализации опасности не предполагать, это все равно
«разы» и все случаи, в конечном итоге можно перенумеровать. Для описания
свойств объекта риска ДСВ полезна тогда, когда реализация опасности несет
полную потерю свойств (и это определено).
Задавать ДСВ мы будем при помощи явного закона распределения
вероятностей:
x x2 K xn K
X = 1 ,
 p1 p2 K pn K

где хk - значения случайной величины, а pk – соответствующая им вероятность,


т.е. pn = Р(Х = хn). Так как список возможных значений определен (список

значений полный), а веротяности pn неотрицательны, то ∑ pi =1.
i =0

Кроме того, мы будем использовать такое понятие как накопленную


вероятность, определенную как вероятность того, что значение ДСВ не
превысит некоторого определенного порога P(X ≤ A).
Пример 2.1. Для опасностей: (1) смерть; (2) дорожно-транспортное
происшествие; (3) пожар — описать кратность при помощи ДСВ. Рисковый
период положить равным одному году.
Решение:
(1) Смерть. Объектом этой опасности является человек. Очевидно, что смерть
не может наступить более одного раза, вне зависимости от того, какую
протяженность имеет рисковый период. Следовательно, лимит опасности равен
единице, риск смерти — индивидуальный. Кратность имеет два значения: 0,
если человек доживает до конца рискового периода и 1, в противном случае.
Пусть для данного человека шанс дожить до конца года равен q. Тогда
кратность смерти описывается ДСВ так:
 0 1
K1 =  .
1 − q q

26
(2) Дорожно-транспортное происшествие. Объектами этой опасности являются
транспортные средства (имущество), люди (водитель и пассажиры), имущество
третьих лиц и сами третьи лица (ответственность). В течение рискового
периода данная опасность может реализоваться с любым из своих объектов
неопределенное количество раз. Таким образом, лимит опасности не определен.
Риск дорожно-транспортного происшествия коллективный. Кратность имеет
значения 0 (в течение года ни одной аварии), 1 (одна авария в году), 2, …, 100,
… ДСВ, описывающая кратность опасности дорожно-транспортного
происшествия, выглядит так:
 0 1 2 K 100 K
K = .
p p p
 0 1 2 K p100 K

(3) Пожар. Объектами этой опасности могут быть имущество, люди,


ответственность, способность приносить прибыль и т.п. Очевидно, что пожар
может реализоваться на любом из объектов в течение рискового периода
столько раз, сколько захочет (не определено). Однако мы понимаем, что
получив катастрофу, субъект риска потратит определенное время на
восстановление первоначальных свойств объекта. Принято считать, что
вероятность вторичной реализации на одном объекте опасности «Пожар»
ничтожна настолько, что ее можно считать равной нулю. Тогда лимит
опасности «Пожар» равен единице. Кратность, таким образом, принимает два
значения, равные 0 (пожар не случился в течение года) и 1 (пожар случился в
течение года). Изучив свойства объекта-опасности, мы оценили вероятность
пожара в q. Тогда ДСВ, описывающая кратность пожара — это K1 (см. п. (1)).
Пример 2.2. Рассмотрим риск смерти гражданина Иванова в котором
субъект риска гражданин Петров хочет учесть причины реализации опасности
следующим образом. Рисковый период равен одному году. Если смерть
наступает по естественным причинам, субъект хочет получить возмещение
размером 250 000 (д.е.), а при несчастном случае размер компенсации
установлен равным 1 000 000 (д.е.). При оценке шансов реализации указанных
причин установлено, что для гражданина Иванова вероятность умереть в

27
течение года по естественным причинам равна 0,04, а несчастный случай
реализуется в смертельный исход с одним из 10 000 населения в среднем в год.
Написать закон распределения случайной величины, описывающей
компенсацию по данному риску.
Решение: Опасностью данного риска является смерть гражданина Иванова,
которая, как известно, не может реализоваться более одного раза.
Следовательно, риск индивидуальный. Кратность риска имеет два значения: 0
и 1 для случаев дожития гражданина Иванова до конца рискового периода и нет
соответственно. Вероятность 1 вычисляется просто: Иванов умирает или по
естественным причинам (0,04) или в результате несчастного случая (0,0001).
Причины независимые и взаимоисключающие. Тогда вероятность смерти
Иванова равна q = 0,04 + 0,0001 = 0,0401. Вероятность дожития до конца
рискового периода, следовательно, равна 1-q = 0,9599. Закон распределения
кратности опасности, таким образом, это:
 0 1
N = .
0.9599 0 .0401
Гражданин Петров реализацию этой опасности видит двояко —
естественная и противоестественная смерть. Каждый из случаев для Петров
имеет свою цену. Таким образом, компенсация реализации риска гражданину
Петрову имеет три варианта — 250 000, 1 000 000 и 0.Компенсация размером 0
соответствует дожитию гражданина Иванова до конца рискового периода. Ее
вероятность равна вероятности дожития, то есть 0,9599. Прочие компенсации
соответствуют реализации причин смерти, а их вероятности составляют 0,04
для 250 000 и 0,0001 для 1 000 000 соответственно. Таким образом, ДСВ,
описывающая компенсацию гражданину Петрову риска смерти гражданина
Иванова имеет закон распределения:
 0 25000 1000000
X = .
0.9599 0.04 0.0001
Задание 2.1. Пусть рисковый период равен 10 годам. Известно, что
вероятность несчастного случая не зависит от возраста гражданина,

28
постоянна во времени и равна 0,0001. Вероятность естественной смерти
зависит от возраста. Известны вероятности смерти в течение года по
возрастам:
возрас 60 61 62 63 64 65 66 67 68 69
т
вероят 0,04 0,041 0,041 0,042 0,042 0,043 0,043 0,044 0,045 0,04
ность 6
Гражданину Иванову из примера 2 сейчас 60 лет. Напишите законы
распределения кратности опасности и компенсации гражданину Петрову
для нового рискового периода (10 лет).

2.3 Числовые характеристики дискретных случайных величин

Пусть ДСВ задана законом распределения вероятностей


x x2 K xn K
X = 1 , (2.1)
 p1 p2 K pn K

где хk - значения случайной величины, а pk – соответствующая им вероятность,


т.е. pn = Р(Х = хn).
Определение 2.3 /математическое ожидание ДСВ/. Сумма ряда

EX = ∑ xnpn (2.2)
n =1

называется математическим ожиданием, средним значением или ожидаемым


средним, при условии, что ряд (2.2) сходится абсолютно.
Математическое ожидание случайной величины является
характеристикой «равновесия» неопределенности, которую эта случайная
величина описывает. Иными словами, значение EX на числовой оси показывает
на точку, в которой находится центр тяжести неопределенности. EX позволяет
дать некоторую оценку изучаемого процесса «в среднем» и, соответственно,
имеет ту же размерность (руб., шт.), что и сама случайная величина. Однако,
операции сравнения неопределенности с помощью математического ожидания
не всегда допустимы (разная размерность) и едва ли приведут к хорошим
результатам.

29
Пример 2.3. Вычислить математическое ожидание для ДСВ (кратности
опасности и компенсации гражданину Петрову), показанных в примере 2.2.
Решение: Для случайной величины N (кратность опасности):
EN = 0 ⋅ 0,9599 + 1 ⋅ 0,0401 (случаев).

Для компенсации гражданину Петрову:


EX = 0 ⋅ 0,9599 + 250000 ⋅ 0,04 + 1000000 ⋅ 0,0001 = 10100 (денег).

Задание 2.2. Вычислить математическое ожидание для ДСВ (кратности


опасности и компенсации гражданину Петрову), показанных в задании 2.
Определение 2.4 /Момент порядка k/. Моментом порядка k дискретной
случайной величины Х, заданной распределением (1) называется сумма ряда

ЕХk= ∑ x nk p n , (2.3)
n =1

при условии, что ряд сходится абсолютно.


Очевидно, что момент порядка k является математическим ожиданием k-
ой степени ДСВ. Не будем вдаваться в физический смысл моментов порядка
больше, чем единица (первый момент — это математическое ожидание ДСВ).
Отметим лишь, что все моменты размерны и имеют единицы измерения — k-ые
степени исходных единиц измерения ДСВ.
Пример 2.4. Вычислить моменты второго порядка для ДСВ (кратности
опасности и компенсации гражданину Петрову), показанных в примере 2.2.
Решение: Для кратности опасности N ее вторая степень имеет закон
распределения:
 02 12  0 1
N = = . Значение ее момента второго порядка
0.95999 0.0401 0.95999 0.0401
равно значению момента первого порядка и составляет 0,0401.
Задание 2.3. Докажите, что все моменты этой случайной величины
равны между собой.
Для компенсации гражданину Петрову: вторая степень ДСВ X имеет закон
распределения:

30
 0 2 250002 10000002  0 1 4
X2 =  = 2500002 ×  .
0.95999 0.04 0.0001 0,95999 0,04 0,0001

Ее математическое ожидание равно:


EX 2 = 2500002 ⋅ (0 ⋅ 0,95999 + 1 ⋅ 0,04 + 4 ⋅ 0,00001) = 2502500000
(денег в квадрате ).
Определение 2.5 /Дисперсия ДСВ/. Дисперсией ДСВ, заданной законом
распределения (1) называется среднее квадратичное отклонение ее значений от
ее математического ожидания (2):

Var X= ∑ ( xn − EX )2 pn , (2.4)
n =1

Дисперсия является относительной характеристикой случайной величины


и показывает, насколько велик «размах» неопределенности, описываемой
данной ДСВ. Дисперсия большая, если либо среди значений ДСВ встречаются
очень отстоящие от среднего и имеющие при этом большие вероятности
значения. Иногда говорят, что дисперсия ДСВ является мерой
неопределенности, которую эта ДСВ описывает. Смысл этого утверждения в
том, что чем больше дисперсия ДСВ, тем меньше предсказуема ситуация, ею
описываемая.
Дисперсия – размерная характеристика, измеряется единицах исходной
ДСВ, возведенных в квадрат (в руб., шт., в квадрате).
Задание 2.4 Нельзя на основе дисперсии вести сравнение различных
неопределенностей. Почему?
Утверждение 2.1. Дисперсия ДСВ Y может быть вычислена при помощи
первого и второго моментов следующим образом:
Var Y= ЕY2-( ЕY)2 . (2.5)
Доказательство (предложить для самостоятельной работы):
∞ ∞ ∞
∑ ( xn − EX ) 2 pn = ∑ ( xn 2 − 2( EX ) xn + ( EX ) 2 )) pn = ∑ xn 2 pn -
n =1 n =1 n =1

∞ ∞
∑ 2( EX ) xnpn + ∑ ( EX ) 2 pn =
n =1 n =1

31
∞ ∞
= ЕХ -2(ЕХ) ∑ xnpn +(ЕХ) 2
2
∑ p = ЕХ n
2
-2(ЕХ) 2 + (ЕХ) 2 = ЕХ 2 -(ЕХ) 2 .
n =1 n =1

Эта формула представляется более удобной для вычислений.


Пример 2.5. Вычислить дисперсии для ДСВ (кратности опасности и
компенсации гражданину Петрову), показанных в примере 2.2
Решение: В примерах 3 и 4 вычислены моменты первого и второго порядков
для указанных величин. Следовательно, расчет дисперсии представляется
проведением арифметических операций и использования формулы (2.5).
Для кратности опасности N:

VarN = 0,0401 − (0,0401)2 = 0,0384199 (случаев в квадрате).


Для компенсации гражданину Петрову:
Var X = 2 502 500 000 — (10 010)2 =2 402 299 900 (денег в квадрате).
Определение 2.6 /Стандартное отклонение ДСВ/. Стандартным
отклонением дискретной (СКО) случайной величины Х называется величина
σX = VarX .
Стандартное отклонение является размерным, имеет единицы измерения,
совпадающие с единицами измерения ДСВ. Можно приблизительно говорить о
том, что стандартное отклонение показывает длину интервала разброса
наиболее вероятных значений ДСВ вокруг ее математического ожидания.
Пример 2.6. Вычислить СКО для ДСВ (кратности опасности и компенсации
гражданину Петрову), показанных в примере 2.2.
Решение: Вся подготовительная работа выполнена в примере 2.5. Осталось
лишь вычислить значение арифметического корня из соответствующей
дисперсии.
Для кратности опасности N:
σN = 0,1959826 (случаев).
Для компенсации гражданину Петрову:
σ X = 154 993,51 (денег).

32
Определение 2.7 /Коэффициент вариации ДСВ/. Коэффициентом вариации
случайной величины Х, заданной распределением (2.1) называется отношение
ее стандартного отклонения к среднему значению:
σX
WX= . (2.6)
EX
Коэффициент вариации безразмерен, является абсолютной характеристикой
ДСВ и позволяет проводить процедуры сравнения разных неопределенностей.
По смыслу коэффициент вариации показывает насколько «хорошо
сгруппированы» наиболее вероятные значения ДСВ вокруг среднего. Чем
меньше коэффициент вариации ДСВ, тем естественнее ориентироваться на
среднее значение при прогнозировании реализации неопределенности. Таким
образом, коэффициент вариации является показателем сбалансированности
неопределенности. Коэффициент вариации иногда называют степенью или
мерой риска.
Пример 2.7. Вычислить коэффициенты вариации для ДСВ (кратности
опасности и компенсации гражданину Петрову), показанных в примере 2.2.
Решение: Вся подготовительная работа выполнена в предыдущих примерах.
Осталось лишь вычислить значение отношения СКО к математическому
ожиданию для соответствующих случаев.
Для кратности опасности N:
WN = 4,8983404.
Для компенсации гражданину Петрову:
σ X = 15,483867.
Оба полученных результата показывают высокую степень непредсказуемости
опасности и компенсации гражданину Петрову соответственно. Очевидно, что
для принятия такого риска, необходимо осуществить какие либо меры
повышения сбалансированности.

33
2.4 Правила роста сбалансированности ДСВ

Перераспределение, как уже было определено, это создание совокупности


элементов, обладающей большей эффективностью, чем каждый из элементов,
рассмотренных в отдельности. Если элементами совокупности являются
неопределенности, которые описаны при помощи ДСВ, тогда самое
совокупность, является неопределенностью и описывается случайной
величиной, по смыслу совпадающей с суммой ДСВ элементов. Очевидно, что
для новой случайной величины существуют числовые характеристики,
определенные в 2.1-2.7. Правила роста сбалансированности риска интуитивно
формулируются следующим образом. Если совокупность получает меньшее
значение коэффициента вариации неопределенности, чем коэффициенты
вариации входящих ДСВ элементов, то риск перераспределился, а
предсказуемость неопределенности повысилась. Это простое правило и
положено в основу перераспределения рисков.
Замечание. Механизмы прямого воздействия на риск также нацелены на
снижение коэффициента вариации убытков от заданной опасности на заданном
объекте.
Для проведения расчетов необходимо уметь работать с суммами ДСВ.
Определение 2.8 / Независимые ДСВ/. ДСВ X и Y являются независимыми,
если вероятность наступления совместного события X = xi, в то время как Y = yj
не зависит ни от чего, кроме вероятностей прямых событий pi = P(X = xi) и qj
= P(Y = yj) и равна
P(X = xi, Y = yj) = P(X = xi) × P(Y = yj) = pi × qj.
Утверждение 2.2. Математическое ожидание суммы случайных величин равно
сумме их математических ожиданий.
Доказательство. Пусть случайная величина Х принимает значения
х1,х2,…хn…, а случайная величина Y принимает значения у1,у2,…,уk,…, а
р1,р2,…,рn,…. и q1,q2,…qk,… соответствующие вероятности. Тогда
случайная величина Х+Y принимает значения хn+уk с вероятностями рnqk.

34
∞ ∞ ∞ ∞ ∞ ∞
Е(Х+Y)= ∑ ( xi + yj ) piqj = ∑ ( ∑ ( xi + yj ) piqj ) = ∑ ( ∑ xipiqj + ∑ yjpiqj )
i , j =1 i =1 j =1 i =1 j =1 j =1

∞ ∞ ∞ ∞ ∞
= ∑ (xipi ∑ qj + pi ∑ yjqj ) = ∑ (xipi + piEY ) = EX + ∑ piEY = EX + EY
i =1 j =1 j =1 i =1 i =1

∞ ∞
∑ pi = 1; ∑ qj = 1 . В силу полноты вероятности.
i =1 j =1

Утверждение 2.3. Дисперсия суммы независимых случайных величин X+Y


равна сумме их дисперсий.
Доказательство. Пусть случайная величина Х принимает значения
х1,х2,…хn…, а случайная величина Y принимает значения у1,у2,…,уk,…, а
р1,р2,…,рn,…. и q1,q2,…qk,… соответствующие вероятности. Тогда
случайная величина Х+Y принимает значения хn+уk с вероятностями рnqk.
Var(X+Y)=
∞ ∞ ∞
= ∑ (( xi + yj ) − E ( X + Y )) 2 piqj = ∑ pi ∑ (( xi + yj ) − EX − EY ) 2 qj =
i , j =1 i =1 j =1

∞ ∞
= ∑ pi ∑ (( xi − EX ) + ( yj − EY )) 2qj =
i =1 j =1

∞ ∞
= ∑ pi ∑ (( xi − EX ) 2 + ( yj − EY ) 2 + 2( xi − EX )( yj − EY ))qj =
i =1 j =1

∞ ∞ ∞ ∞
= ∑ pi ( ∑ (( xi − EX ) 2 qj + ∑ ( yj − EY ) 2 qj + ∑ 2( xi − EX )( yj − EY ))qj ) =
i =1 j =1 j =1 j =1

∞ ∞ ∞ ∞
= ∑ pi( xi − EX ) 2 ∑ qj + EY + 2 ∑ pi ( xi − EX ) ∑ ( yjqj − EYqj ) =
i =1 j =1 i =1 j =1

∞ ∞ ∞
= EX + EY + 2 ∑ pi ( xi − EX )( ∑ yjqj − EY ∑ qj ) =
i =1 j =1 j =1


= EX + EY + 2 ∑ pi( xi − EX )( EY − EY ) =EX+EY
i =1
∞ ∞
∑ pi = 1; ∑ qj = 1 . В силу полноты вероятности.
i =1 j =1

35
Утверждение 2.4 /Правило роста сбалансированности неопределенности/.
Пусть совокупность включает элементы, неопределенность которых описана
ДСВ X1, X2, …, Xn. Пусть при этом коэффициенты вариаций ДСВ элементов
совокупности равны w1, w2, …, wn соответственно. Определим ДСВ
совокупности как X = X1 + X2 + … + Xn, а ее коэффициент вариации обозначим
как w. Если выполнено условие w ≤ w1, w ≤ w2, …, w ≤ wn и есть хотя бы один
знак строгого неравенства, то совокупность перераспределяет риск. На этом
условии и построен принцип диверсификации.
Пример 2.8. Мы рассматриваем возможность принятия на страхование риски
смерти граждан, с характеристиками Иванова от субъектов, аналогичных
гражданину Петрову. Всего таких лиц собралось 10 человек. Определить имеет
ли смысл создание совокупности, обеспечивающей компенсацию убытков всем
гражданам Петровым, или управлять каждым договором автономно.
Решение. Задача сводится к вычислению коэффициента вариации случайной
величины, описывающей совокупную компенсацию всем гражданам Петровым
по случаям смерти их застрахованных лиц. Очевидно, что такая случайная
величина — это Y = 10 × X, где X описывает компенсацию одному гражданину
Петрову. Все ее числовые характеристики рассчитаны в примерах 3-7.
Используя утверждения 3 и 4, мы без труда получим значения среднего и
дисперсии для Y:
EY = 10 ⋅ EX = 101000 ;
VarY = 10 ⋅ VarX =24 022 999 000.
Таким образом, коэффициент вариации совокупности равен
24022999000
WY = = 154993,54 / 101000 = 0,1597756. Это значение
100100
существенно меньше, чем коэффициент вариации одного риска. Следовательно,
согласно правилу 8, использование механизма перераспределения здесь
оправдано, а предсказуемость риска выросла существенно.
Пример 2.9. Рассмотреть важные дискретные распределения — (1) Бернулли и
(2) биномиальное и рассчитать их числовые характеристики.

36
 0 1
Решение: (1) Распределение Бернулли: Ni =  .
1 − q q
Математическое ожидание ЕNi= 1*q+0*(1-q) = q;
Момент второго порядка ЕN i2 = 12*q+02*(1-q) = q;
Дисперсия VarNi= ЕN i2 - (ЕNi) 2 = q-q2 = q(1-q);

Стандартное отклонение σX = VarX = q (1 − q ).

σX q (1 − q ) 1− q
Степень риска WX= = = .
EX q q
Таким образом, числовые характеристики случайной величины с
распределением Бернулли, описывающей событие, имеющее всего два исхода
(произойдет или нет), зависят от единственного параметра q. Параметр q
определяется исключительно характером и природой самого события и не
управляем (в рамках перераспределительных схем).
n
(2) Биномиальное распределение N = ∑ Ni ,где Ni – ДСВ, имеющие
i =0

распределение Бернулли. Для того, что найти числовые характеристики


биномиального распределения, воспользуемся Утверждениями 2,3 . Итак,
n n
Математическое ожидание EN = E ∑ Ni = ∑ ENi = nq ;
i =1 i =1

n n
Дисперсия VarN = Var ∑ Ni = ∑VarNi = nq (1 − q ) ;
i =1 i =1

Стандартное отклонение σX = VarX = nq(1 − q );

σX nq(1 − q ) 1− q
Степень риска WX= = = .
EX nq nq
Напомним, случайная величина, имеющая биномиальное распределение,
описывает совокупность договоров индивидуального риска, т.е. принимает
значения равные количеству положительных (или отрицательных) исходов
наших договоров. Как видно, числовые характеристики биномиального
распределения зависят от двух параметров – n (количества договоров) и q

37
(параметр договора). Параметр q- не управляемый, а параметр n – управляемый,
и, чем больше n, тем меньше степень риска.
Задание 2.5. Построить биномиальный закон распределения
вероятностей.
n  0 1
Ответ: N = ∑ Ni , Ni =  . Тогда P(N = k) = pk = Cnk q k (1 − q ) n − k , где
i =1 1 − q q
n!
Cnk = .
k!(n − k )!

Глава 3. Тривиальный расчет премии за риск в схеме


перераспределения. Проблема малой совокупности. Свертки
дискретных распределений.

3.1 Термины и правила.


Текущая задача состоит в моделировании механизма перераспределения
убытков и вычислении его параметров. Рассматривая набор одинаковых
рисков, мы уже установили, что степень риска кратности убывает
(сбалансированности портфеля растет) с ростом объема совокупности — чем
больше рисков в наборе, тем четче можно предсказывать ожидаемое число
случаев реализации опасности на всех объектах. Очевидно, что для убытков по
рискам, о которых известно, что в результате реализации опасности свойство
объекта утрачивается полностью, можно сделать аналогичный вывод: чем
больше рисков в наборе, тем легче предсказать суммарный убыток по всем
объектам.
Таблица 3.1.
Термины и правила расчета сбалансированности риска
№ Термин Правило
13 Фонд компенсаций убытков (резервы) — Резервы соответствуют операциям
набор правил, в соответствии с которыми в погашения убытков и имеют целевой
момент возникновения убытка характер.
осуществляется аккумуляция средств для
его погашения.
14 Гарантия (надежность, финансовая

38
устойчивость) фонда компенсаций
убытков (резерва) — директивно заданная
вероятность покрытия всех требований о
выплате возмещения по риску в течение
рискового периода.
15 Размер фонда компенсаций (резерва) — Размер фонда определяется
максимальная величина средств, гарантией, рисковым периодом и
аккумулируемых фондом компенсаций параметрами обслуживаемого риска.
убытков.
16 Совокупность рисков (портфель) — группа Портфель имеет собственный риск и
рисков, рассматриваемая с позиций рисковый период. Субъектом риска
создания единого фонда обеспечения всех портфеля является его владелец,
потенциальных убытков в течение объектом — величина фондов
рискового периода. (резервов) компенсаций убытков,
опасностью — превышение выплат
убытков над величиной резервов.
17 Однородность — наличие признака, Элементы множества, имеющие
принимающего одинаковое значение для одинаковое значение выбранного
всех элементов некоторого множества. признака, составляют однородную
(по этому признаку) группу.
18 Актуарно-однородная совокупность — Актуарная однородность означает
портфель, включающий риски одинаковых совпадение всех характеристик
объектов по одной опасности с одним рисков совокупности.
рисковым периодом.

Пример 3.1. Заключается 10 договоров кредитования лиц на сумму 100 денег.


Все заемщики по результатам обработки их документов попадают в один класс
платежеспособности. Оценка вероятности невозврата кредита для этого класса
равна q = 0,01. Чему равна степень риска соответствующего портфеля? Есть ли
резон рассматривать в одном портфеле два класса платежеспособности —
описанный выше и имеющий вероятность невозврата кредита p = 0,006,
состоящий из 20 клиентов с суммами 200 денег?
Решение. Опасностью риска (кредитный риск) является отказ клиента от
выполнения обязательства вернуть предоставленные в пользование деньги в
положенный срок. Рисковый период равен сроку кредитования. В течение
рискового периода указанная опасность не может реализоваться более одного
раза. Следовательно, лимит опасности определен (и равен единице), а риск
индивидуальный. И кратность риска (принимает два значения — 0 и 1) и
убыток по одному клиенту (принимает два значения — 0 и 100, или 200 от
класса) описываются бернуллиевой ДСВ. В примере 9 мы вычислили числовые

39
характеристики для распределения Бернулли. Таким образом, если
 0 1
Ni =  описывает кратность риска одного договора, то степень этого
1 − q q
1− q
риска рассчитывается как W ( Ni ) = . Для совокупности одинаковых
q
рисков кратность, как было показано выше (пример 9), описывается
n
биномиально распределенной ДСВ. Иными словами, если N = ∑ Ni —
i =1

количество потенциальных невозвратов кредитов по совокупности из n


договоров, то N имеет биномиальный закон распределения вероятностей.
Числовые характеристики для нее рассчитаны в примере 9. Коэффициент
вариации составляет
nq(1 − q) 1− q
W (N ) = = . (1)
nq nq

Убытки по одному договору описывает ДСВ, заданная как Yi = v × Ni. По


совокупности убытки описывает случайная величина
n n n
Y = ∑ Yi = ∑ v × Ni = v ∑ Ni . легко проверить, что ее числовые характеристики
i =1 i =1 i =1

EY = v × EN, Var Y = v2 × Var N, W(Y) = W(N). (2)


Теперь все формулы готовы и можно приступать к реализации решения
примера. Введем обозначения для параметров примера (Значения параметров
для примера показаны в таблице 3.2).
Таблица 3.2.
Параметры примера 3.1.
Наименование Обозначение значение
для первого для второго
портфеля портфеля
объем портфеля n1,2 10 20
убыток в случае v1,2 100 200
реализации опасности
вероятность реализации q1,2 0,01 0,006
опасности

40
Степень риска убытков по первому портфелю (используем (2) и (1))
1− q 1 − 0,01 1 − 0,006
составляет: w1 = = ≈ 3,146, по второму — w2 = ≈
nq 0,01 × 10 0,006 × 20

2,878. Для совокупности из двух портфелей числовые характеристики


рассчитываются так:
средний убыток портфеля: E(Y(1) +Y(2)) =EY(1) + EY(2),
дисперсия убытка портфеля: Var(Y(1) +Y(2)) = Var Y(1) + Var Y(2),
коэффициент вариации убытков портфеля:

VarY (1) + VarY ( 2) v12n1q1(1 − q1) + v22n2q2 (1 − q2 )


W(Y (1) (2)
+Y ) = =
EY (1) + EY ( 2) q1v1n1 + q2v2n2
Подставляя значения параметров, получим w = W(Y(1) +Y(2)) =
10000 ⋅ 10 ⋅ 0,01 ⋅ 0,99 + 40000 ⋅ 20 ⋅ 0,006 ⋅ 0,994
≈ 2,23.
100 ⋅ 0,01 ⋅ 10 + 200 ⋅ 0,006 ⋅ 20
Мы получили, что w ≤ w1 и w ≤ w2. Таким образом, в соответствии с правилом
роста сбалансированности риска, утверждаем, что совокупность из двух
портфелей является более предсказуемой по риску, чем каждый из отдельно
рассмотренных портфелей.

3.2 Тривиальный расчет премии за риск в схеме


перераспределения

Случай 1. Индивидуальный риск с полным разрушением объекта


Постановка задачи. Актуарно-однородная совокупность индивидуальных
рисков с полным разрушением объекта имеет известный объем. Требуется
определить размер фонда компенсаций убытков и взнос каждого элемента
портфеля. Заданными параметрами этой задачи в соответствие с определением
размера фонда компенсации убытков являются:
(1) рисковый период. В тривиальной схеме расчета премий положено, что
рисковый период одинаков для всех рисков, входящих в совокупность и
равен единице времени;

41
(2) параметры риска совокупности. Актуарно-однородная совокупность
индивидуальных рисков состоит из n элементов. Риск каждого элемента
задан параметрами: q — вероятность реализации опасности, v — величина
компенсации убытков в случае разрушения объекта;
(3) гарантия фонда — задана и равна γ.
Неизвестными величинами задачи являются:
(1) размер фонда компенсации убытков для портфеля U;
(2) размер взноса элемента совокупности p.
Решение: Кратность опасности одного риска совокупности описывается
бернулиевой, а кратности опасности портфеля — биномиальной случайной
величиной. Так как возмещение убытков на каждый случай одинаково, то и
возмещение убытков по всему портфелю X также имеет биномиальный закон
0 1K n
распределения вероятностей: X = v⋅ . Построим функцию
 p0 p1 K pn
распределения накопленной вероятности (вероятности того, что убыток
совокупности X не превысит произвольно выбранного числа x):
x 0 v 2v 3v nv
P(X ≤ p0 p0 + p1 p0 + p1 + p2 … 1
x)
Пусть x* — такое значение x, при котором накопленная вероятность первый раз
становится больше, чем γ. Тогда фонд U = x* с вероятностью большей, чем γ,
обеспечит все убытки по совокупности. Поскольку все риски одинаковы в
портфеле, взнос каждого элемента совокупности равен 1/n доле фонда и,
следовательно, составляет p = U/n.

Пример 3.2. Рассчитать взнос элемента совокупности (1) из примера 10, за счет
которого обеспечивается финансовая устойчивость портфеля 99 %.
Решение: так как предложенная совокупность является актуарно- однородной,
состоит их индивидуальных рисков, а убыток в случае одной реализации

42
одинаков для всех договоров портфеля, мы можем применить тривиальную
схему расчета взносов. Построим закон распределения убытка по портфелю:
x 0 100 200 300 400 … 1000
P(X ≤ x) 0,904382 0,995734 0,999886 0,999998 1 … 1
Очевидно, что x* = 100 и размер фонда составляет 100. Взнос элемента
совокупности, таким образом, равен p = U/n = 100/10 = 10. Таким образом,
премия составляет 10 единиц денежных средств, а это десять процентов суммы.
Следовательно, каждый кредитополучатель в качестве премии за риск
невозврата заема данной категории должен уплатить 10%. Портфель при этом
неустойчив (см. пример 3.1).
Рассмотрим теперь совокупность, состоящую из двух частей — актуарно-
однородных портфелей индивидуальных рисков с полным разрушением
объектов. Известно, что рассмотрение их с позиций общего фонда компенсаций
убытков приводит к повышению сбалансированности портфеля. Как в этом
случае определить размер фонда компенсаций убытков и чему при этом равны
взносы участников портфеля? Первая часть вопроса решается, очевидно, тем же
способом, что и выше — если построить распределение убытков по составной
совокупности и установить границу, попадание за пределы которой имеет
вероятность 1 — γ, то это и будет размер фонда компенсаций. Останется
только каким бы то ни было способом распределить его по участникам фонда.
Рассмотрим для начала то, как решается первая часть вопроса.
Задание 3.1 . Рассчитать взнос элемента совокупности (2) из примера
3.1, за счет которого обеспечивается финансовая устойчивость
портфеля 99 % и 95%.

Случай 2. Совокупность из двух групп рисков с полным разрушением


объекта
Постановка задачи: Есть два риска (две актуарно-однородные совокупности
рисков), кратности которых заданы при помощи ДСВ(1) и ДСВ(2). По каждой
группе в результате реализации опасности объект риска разрушается

43
полностью. Требуется определить размер фонда компенсации убытков для
совокупности, составленной из двух рисков.
Решение: будем рассуждать также, как и в тривиальном случае. Если
построить распределение ожидаемого убытка по совокупности и определить,
какому значению соответствует накопленная вероятность γ, то это значение и
составит размер фонда компенсаций убытков. Как мы уже отметили, если
объект разрушается полностью, то возмещение убытка составит стоимость
объекта, которая определена (и равна v1 и v2 для рисков (1) и (2)
соответственно). Кратности опасностей по актуарно-однородным
совокупностям заданы распределениями:
 0 1 K n1  0 1 K n2
K = и M = .
 p0 p1 K pn1 q0 q1 K qn2
Убытки по составной совокупности будут описываться случайной величиной
X = v1 × K + v2 × M,
распределение которой и требуется построить.
Определение 3.1 /Свертка дискретных распределений/. Распределение
суммы двух случайных величин называется сверткой их распределений.

3.3 Правило построения свертки дискретных распределений.

Пусть N1 и N 2 - две независимые дискретные случайные величины, заданные


распределениями:
0 1 ... n
N1 =  (3.1)
 p0 p1 ... pn

0 1 ... k
N2 =  (3.2)
q0 q1 ... qk

Для построения закона распределения ДСВ N1 + N2 в явном виде


необходимо:
1. Построить матрицу значений N1 + N 2 . Для матрицы размером n × k
подпишем строки и столбцы значениями первой и второй ДСВ
соответственно. Каждый элемент матрицы, расположенный на
44
пересечении i-го столбца и j-той строки, представляет собой сумму числа,
обозначенного в заголовке строки и столбца:
N 2 \ N1 0 1 2 3 ... n
0 0 1 2 3 ... n 
 
1 1 2 3 4 ... n +1
2 2 3 4 5 ... n + 2
  (3.3)
3 3 4 5 6 ... n + 3

... ... ... ... ... ... ... 
 
k  k k + 1 k + 2 k + 3 ... k + n 
2. Построить матрицу соответствующих им вероятностей. Каждый элемент
данной матрицы является вероятностью события N1 + N 2 , т.е.
вероятностью того, что первая ДСВ приняла значение, стоящее в
заголовке i-го столбца в то время, как вторая приняла значение, стоящее в
заголовке j-й строки. Поскольку эти события независимы, то вероятность
их суммы равна произведению вероятностей – piqj.:
N2 \ N1 p0 p1 p2 p3 ... pn

q0  p0 q0 p1q1 p2 q2 p3q0 ... pn q0 



q1  p1q1 p1q1 p2 q1 p3q1 ... pn q0 
 
q2  p0 q2 p1q2 p2 q2 p3q2 ... pn q2 
(3.4)
q3  p0 q3 p1q3 p2 q3 p3q3 ... pn q3 
 
...  ... ... ... ... ... ... 
qk p q p1 qk p2 qk p3qk ... pn qk 
 0 k
3. Написать распределение случайной величины N1 + N 2 в стандартном
виде. Значения величины N1 + N 2 определены нами и записаны в матрице
(3.3), а соответствующие вероятности в матрице (3.4). Заметим, что
значение, например 1, новая случайная величина может принимать в 2-х
случаях – по первому договору предъявлен иск, по второму – нет, либо
наоборот. Поэтому в первой матрице 3.1 встречается два раза, а
соответствующие ей вероятности в матрице 3.2 необходимо сложить и
т.д.

45
 0 1 2 ... m ... n + k

N1 + N 2 =  p q p1q0 + p0 q1 p0 q2 + p1q1 + p2 q0 ... ∑ pi q j ... pn qk
0 0
 i + j =m

Распределение суммы случайных слагаемых построено.


Пример 3.3. Построить распределение убытков по двум договорам из примера
2.2. Определить размер премии, соответствующей 99 % надежности фонда
компенсации убытков.
Решение: Убытки по одному договору в примере 2.2 описывала ДСВ с
 0 25000 1000000
распределением: X =  . Нормируем величину на 250
0.95999 0.04 0.00001
000. Матрицы значений и вероятностей:
0 1 4 0,95999 0,04 0,00001
0 0 1 4 0,95999 0,9215808 0,0384 9,6E-06
1 1 2 5 0,04 0,0383996 0,0016 4E-07
4 4 5 8 0,00001 9,5999E-06 4E-07 1E-10
Функции распределения вероятностей и накопленной вероятности:
x 0 1 2 4 5 8
P(X = x) 0,921581 0,076799 0,0016 1,91998E-05 0,0000008 1E-10
P(X ≤ x) 0,921581 0,99838 0,99998 0,9999992 1 1

Значение x*, при котором накопленная вероятность превышает гарантию фонда


компенсаций, таким образом, равно x* = 1 (250 000). Взнос каждого
гражданина, следовательно, составит p = 250 000 / 2 = 125 000.
Задание 3.2.. Построить распределение кратности опасности для
совокупности из двух портфелей примера 10 (используя ПК).
Определить размер фонда компенсации убытков, соответствующий 99 %
гарантии покрытия всех расходов. Решение: в Excel.

Случай 3. Совокупность рисков с частичными разрушениями объектов.


Постановка задачи. Для риска с известными характеристиками нельзя собрать
большой совокупности. Кроме того известно, что в результате реализации

46
риска объект разрушается не обязательно целиком (частичные убытки).
Требуется рассчитать величину взноса каждого элемента актуарно-однородной
совокупности, обеспечивающего заданный уровень надежности фонда
компенсаций.
Решение. Пусть N — дискретная случайная величина (ДСВ), описывающая
кратность опасности некоторого риска, а K — ДСВ, принимающая значения,
равные убыткам в результате однократной реализации этой опасности. ДСВ N и
K независимы. Распределения N и K известны:
0 1K nK ∞
N = , pi ≥ 0, ∑ pi = 1 , (3.5)
 p0 p1 K pn K i =0

k K km K ∞
K = 1 , qi ≥ 0, ∑ qi = 1 . (3.6)
q1 K qm K i =1

Случайная величина X = N × K в этом случае описывает совокупный убыток от


всех реализаций опасности в течение рискового периода. Для расчета размера
фонда компенсаций убытков требуется построить распределение X. Построим
его.
Построим шкалу убытка в результате одной реализации опасности таким
образом, чтобы он принимал значения 1, 2, 3, … . Тогда совокупный убыток
будет принимать значения x0 = 0, x1 = 1, … с вероятностями z0, z1, …
соответственно. Требуется найти значения и соответствующие им вероятности
 0 x1 x2 K xn K
и получить распределение X =  .
z z
 0 1 2z K z n K

Минимальное значение величины убытка от всех возможных реализаций


опасности равно x = 0. Событие, состоящее в том, что убытков нет, возникает
лишь, если опасность не реализовалась ни разу. Вероятность этого события
известна из (2) и равна p0. Таким образом,
z0 = P(X = 0) P(N = 0) = p0.
Следующее значение составляет минимальный убыток в x1. Его значение
можно получить, только если опасность реализовалась ровно один раз. Таким
образом,
47
z1 = P(X = x1) = P(N = 1| K = x1) = p1 × q1
в силу независимости N и K.
Значение x2 возникает в случаях, если опасность реализовалась один раз с
силой K = 2, или два раза с силой K = 1. Две реализации случайной величины
описывает их свертка K + K. Обозначим свертку распределения f порядка j для
значения x как f*j(x).
Таким образом,
z2 = P(X = x2) = P(N = 1| K = x2) + P(N = 2| K + K = x2) = p1 × q1 + p2 × f*2(x2)
Рассуждая аналогичным образом, для следующих случаев получим:
zn = P(X = xn) = P(N = 1| K = xn) + P(N = 2| K + K = xn) +
+ P(N = 3| K + K + K = xn) + … + + P(N = n| K + K + … + K = xn) =
n   n
= ∑ P( N = i) ⋅ P K + ... + K = xi  = ∑ P( N = i) ⋅ f *i ( xi )

i =1  i слагаемых  i =1
Функция распределения накопленной вероятности строится обычным образом:
n
P(X ≤ xn) = ∑ zi Размер фонда компенсаций убытков определяется таким
i =0

значением xn, для которого накопленная вероятность становится больше, чем


заданная надежность обеспечения выплат γ.
Пример 3.4. По некоторому риску в прошлом рисковом периоде удалось
пронаблюдать за n = 750 объектами одной опасности. Опасность реализовалась
в n* = 190 случаях, причем ни в одном из случаев не наблюдалось повторной
реализации опасности. По различным объектам убытки составили значения,
упорядоченные и приведенные в таблице 3.3.
Таблица 3.3.
Убытки от реализации риска
до 10 150 0,789474
от 10 до 50 30 0,157895
от 50 до 100 10 0,052632

48
Показать, что премия в 4 д.е. не обеспечивает и 50% надежности фонда
компенсаций (считать, что характеристики риска неизменны во времени и
ожидается заключение подобных 10 договоров).
Решение. Требуется рассчитать какая накопленная вероятность размера
совокупного убытка портфеля соответствует значению 4 (д.е.).Введем шкалу
разового убытка следующим образом. Случайная величина K принимает
значения 1, 5 и 10 с вероятностями 0,789; 0,158 и 0,053 соответственно.
Вероятность одной реализации опасности по имеющимся данным составляла q
= n*/n ≈ 0,253.
Так как опасность не реализовывается более одного раза на одном
объекте, можем считать риск индивидуальным. Кратность опасности
совокупности в этом случае будет имеет биномиальный закон распределения
вероятностей (кратность опасности портфеля является суммой кратностей
элементов и имеет биномиальный закон распределения вероятностей:
n!
P(N = k) = pk = Cnk q k (1 − q ) n − k , где Cnk = ).
k!(n − k )!
Параметры распределения принимают значения: n = 10, q = 0,253.
Таблица 3.4.
Распределение кратности портфеля
k 0 1 2 3 4 5 6 7 8 9 10
N = k 0,0541 0,1832 0,27926 0,25222 0,14949 0,06075 0,01714 0,00332 0,00042 3,17E- 1,07E-
05 06

Таблица 3.5.
Распределение свертки убытков второго порядка
x 2 6 10 11 15 20
K+K=x 0,623269 0,249307 0,024931 0,083102 0,01662 0,00277
Расчет распределения совокупного убытка портфеля:
P(X = 0) = P(N = 0) = 0,0541; P(X ≤ 0) = 0,0541;
P(X = 1) = P(N = 1|K = 1) = 0,1832 × 0,789 = 0,1446;

49
P(X ≤ 1) = 0,3585 + 0,1887 = 0,1986;
P(X = 2) = P(N = 1|K = 2) + P(N = 2|K + K = 2) = 0,1832 × 0 + 0,2793 × 0,6233 =
0,174; P(X ≤ 2) = 0,3585 + 0,1887 + 0,16 = 0,373;
P(X = 3) = P(N = 1|K = 3) + P(N = 2|K + K = 3) + P(N = 3|K + K + K =3) =
= 0,3774 × 0 + 0,1887 × 0 + 0,0596 × 0 = 0;
P(X ≤ 3) = 0,373;
P(X = 4) = P(N = 1|K = 4) + P(N = 2|K + K = 4) + P(N = 3|K + K + K = 4) + P(N =
4|K + K + K + K = 4) = 0,1495 × 0,389 = 0,058;
P(X ≤ 4) = 0,3585 + 0,1887 + 0,16 + 0,0944 + 0,077 = 0,43.
Таким образом, получено, что фонд, размером в 4 д.е. обеспечит надежность
компенсации всех убытков портфеля с вероятностью 43 %, то есть меньше 50%,
что и требовалось доказать.

Пример 3.5. Имеется портфель из двадцати договоров индивидуального риска,


вероятность реализации опасности которого равна q = 0,05. Число жертв
1 2 3 4
(убыток) в одной реализации риска имеет распределение K =  .
0,5 0,3 0,1 0,1
Определить размер премии элемента портфеля, обеспечивающий его
финансовую устойчивость на уровне 0,85.
Решение. Очевидно, что для решения задачи можно использовать механизм,
предложенный выше. Исходные данные не содержат в явном виде
распределения числа реализаций опасности по портфелю. Риски элементов
совокупности индивидуальны, следовательно, кратность опасности для них
описывает бернулиевская ДСВ (см., например, пример 3.1). Как было показано
в примере 2.9 (задание 2.2), кратность опасности портфеля является суммой
кратностей элементов и имеет биномиальный закон распределения
n!
вероятностей: P(N = k) = pk = Cnk q k (1 − q ) n − k , где Cnk = . Параметры
k!(n − k )!
принимают значения: n = 20, q = 0,05. В таблице 3.6 приведен фрагмент
распределения N.
50
Таблица 3.6.
Фрагмент биномиального распределения с параметрами : n = 20, q = 0,05.
k 0 1 2 3 4 5 6 7 8
N=k 0,358486 0,377354 0,188677 0,059582 0,013328 0,002245 0,000295 3,11E-05 2,66E-06
N≤k 0,358486 0,73584 0,924516 0,984098 0,997426 0,999671 0,999966 0,999997 1

Потребуются распределения сверток K различных порядков. Построим их на


ПК. В таблицах 3.7 и 3.8 приведены распределения K+K и K+K+K
соответственно.
Таблица 3.7.
Свертка второго порядка
x 2 3 4 5 6 7 8
K+K=x 0,25 0,3 0,19 0,16 0,07 0,02 0,01
Таблица 3.8.
Свертка третьего порядка
x 4 5 6 7 8 9 10 11 12 13 14 15 16
3 0,062 0,15 0,185 0,194 0,1671 0,1128 0,0692 0,036 0,0151 0,006 0,0018 0,0004 0,0001
K 5
=
x
3 0,062 0,212 0,397 0,5915 0,7586 0,8714 0,9406 0,9766 0,9917 0,9977 0,9995 0,9999 1
K 5 5 5

x
Расчет распределения совокупного убытка портфеля:
P(X = 0) = P(N = 0) = 0,3585;
P(X ≤ 0) = 0,3585;
P(X = 1) = P(N = 1|K = 1) = 0,3774 × 0,5 = 0,1887;
P(X ≤ 1) = 0,3585 + 0,1887 = 0,5425;
P(X = 2) = P(N = 1|K = 2) + P(N = 2|K + K = 2) = 0,3774 × 0,3 + 0,1887 × 0,25 =
0,16;
P(X ≤ 2) = 0,3585 + 0,1887 + 0,16 = 0,7025;

51
P(X = 3) = P(N = 1|K = 3) + P(N = 2|K + K = 3) + P(N = 3|K + K + K =3) =
= 0,3774 × 0,1 + 0,1887 × 0,3 + 0,0596 × 0 = 0,0944;
P(X ≤ 3) = 0,3585 + 0,1887 + 0,16 + 0,0944 = 0,7969;
P(X = 4) = P(N = 1|K = 4) + P(N = 2|K + K = 4) + P(N = 3|K + K + K = 4) + P(N =
4|K + K + K + K = 4) = 0,3774 × 0,1 + 0,1887 × 0,19 + 0,0596 × 0,0625 + 0,0133 ×
0,004 = 0,077;
P(X ≤ 4) = 0,3585 + 0,1887 + 0,16 + 0,0944 + 0,077 = 0,8739.
Полученная величина превышает заданную надежность фонда компенсаций.
Таким образом, размер фонда компенсаций для такого портфеля равен U = 4 ед.
Премия элемента совокупности составляет p = U / n = 4/20 =0,2.

Глава 4. Расчет размера фонда компенсации. Модель


индивидуального риска. Принципы назначения
страховых премий.

4.1 Нормальное (гауссовское) приближение. Расчет размера фонда


компенсации.

Простейшим способом является использование гауссовского


приближения для расчета размера резерва компании.
Формула плотности распределения Гаусса имеет вид:
x2
1 −
f (x ) = e 2 , где x ∈ (− ∞,+∞ ) ; функция f ( x ) – четная; при x → ±∞

функция f ( x ) → 0, f ( x ) > 0 ; имеет одну точку экстремуму – точку максимума
+∞
f (0 ) =
1
; выполняется нормировочное условие ∫ f ( x )dx = 1 .
2π −∞

Если случайная величина имеет плотность распределения f ( x ) , то она


стандартно распределена, не имеет параметров, следовательно –
сбалансирована.

52
ЦПТ: Если случайные величины X1, ..., XN независимы и одинаково
распределены со средним a и дисперсией σ2, то при N→∞ функция
распределения центрированной и нормированной суммы
2
S − ES X 1 + K + X N − Na x −t
имеет предел, равный Ф( x ) =
1
= ∫e 2 dt ,
VarS σ N 2π −∞

где S = X 1 + X 2 + K + X N

 S − ES 
Если N велико, то P ≤ x  ≈ Ф( x ) .
 VarS 
 S − ES U − ES   U − ES 
P (S ≤ U ) = P  ≤  ≈ Ф . (4.1)
 VarS VarS   VarS 

Пусть X i – величина оплаченного убытка по i-ому риску, n – объем


n
портфеля, тогда S = ∑ X i – убыток портфеля. Если:
i =1

1. договора независимы;
2. EX i и VarX i – ограничены;
3. γ – вероятность безубыточности портфеля;
4. U – размер резерва компенсации;
5. n – велико,
то выполняются условия ЦПТ. Следовательно, условие безубыточности
портфеля имеет вид:
P(S ≤ U ) ≥ γ .
По таблицам находим квантиль нормального распределения α (γ ) ,
соответствующий вероятности γ . Используя ЦПТ получим:
S − ES
≤ α (γ ) , S ≤ α (γ ) VarS + ES . (4.2)
VarS
Таким образом, минимальный размер резерва зависит от математического
ожидания и среднеквадратического отклонения убытка портфеля и вероятности
безубыточности:

53
U = α (γ ) ⋅ σS + ES . (4.3)
Пример 4.1. Имеется портфель из 250 одинаковых договоров. Вероятность
события равна q = 0,08 . Размер выплаты по одному договору равен ν = 1 .
Вероятность безубыточности портфеля равна γ = 0,99 . Вычислить, какой
должна быть премия по одному договору.
U
Решение. Премия p = , так как риск одинаковый в силу однородности
n
договоров, следовательно, необходимо рассчитать общий резерв U. Для этого
определим математическое ожидание и дисперсию портфеля, состоящего из
n=250 договоров. По таблице находим: α (0,99) = 2,33 .

ES = n ⋅ q ⋅ ν , VarS = n ⋅ q ⋅ (1 − q ) ⋅ ν 2 ,

U = α (γ ) n ⋅ q ⋅ (1 − q ) ⋅ ν 2 + n ⋅ q ⋅ ν = 29,99 .

U 29,99
Таким образом, премия по индивидуальному договору p = = = 0,12 .
n 250

4.2 Модель индивидуального риска.

N – случайная величина, описывающая общее число договоров


страхования;
Xi – случайная величина, описывающая размер индивидуального иска по
i- тому договору;
S=X1+...+XN – суммарный иск к страховой компании (общая сумма
выплат по всем договорам)
U – резервы страховой компании, то есть сумма, которую компания
может выплатить по данному портфелю.
Введём следующие предположения:
1). договоры страхования рассматриваемого портфеля имеют одинаковую
временную протяжённость, равную рассматриваемому периоду времени;
2). плата за страховку вносится страхователем полностью в начале
рассматриваемого периода и никаких дополнительных поступлений от
страхователей в течение этого периода нет;
54
3). размер требования в случае страхового события выплачивается
полностью и сразу по предъявлению иска (до конца рассматриваемого
периода);
4). число договоров страхования в портфеле N (объём портфеля)
фиксировано и неслучайно;
5). X1, ..., XN – независимые случайные величины.
Если суммарный иск S=X1+...+XN превысит резервы компании u, то
страховая компания не сможет выполнить свои обязательства и разорится.
Таким образом, вероятность разорения страховой компании равна
R=P(S>u).

4.3 Принципы назначения страховых премий.

Пусть p – страховая премия (за риск). Рассмотрим принцип


эквивалентности финансовых обязательств страховой компании и
застрахованного.
В рассматриваемой модели, когда плата за страховку полностью вносится
в момент заключения договора, обязательства застрахованного выражаются в
уплате суммы p, обязательства компании заключаются в оплате иска (убытка)
X. Нельзя выразить принцип эквивалентности обязательств равенством p=X,
так как премия p – детерминированная величина, а убыток X – случайная.
Назначим в качестве платы за страховку ожидаемую величину иска
(убытка) EX. Оценим возможность выполнения компанией своих обязательств,
то есть подсчитаем вероятность разорения.
Пусть N – число договоров в портфеле компании, случайные величины
X1, ..., XN выражают убытки по этим договорам (иски от этих договоров),
S=X1+...+XN – величина суммарного убытка (иска).

55
Так как в качестве платы pi за i-ый договор берётся EXi p i = EX i , то
N N N 
резервный фонд компании равен U = ∑ p i = ∑ EX i = E  ∑ X i  = ES , то
i =1 i =1  i =1 
вероятность разорения равна R = P(S > U ) = P(S > ES ) .
Применяя гауссовское нормальное приближение, получим
 S − ES  1 1
R = P(S − ES > 0 ) = P > 0  ≈ 1 − Ф(0 ) = 1 − = . Это неприемлемая
 VarS  2 2
величина вероятности разорения.

Назначим в качестве платы за i–тую страховку сумму pi=EXi+li, где li –


некоторая добавочная сумма.
N N
Тогда резервы компании равны U = ∑ p i = ∑ (EX i + l i ) = ES + l , где
i =1 i =1

N
l = ∑ l i – общая добавочная сумма.
i =1

Вероятность разорения компании равна P(S>u)=P(S>ES+l).


Применяя гауссовское приближение, получим
 S − ES l   l 
R = P >  ≈ 1 − Ф .
 VarS VarS   VarS 
Вероятность неразорения должна быть γ (некоторое число, близкое к 1)

 S − ES l   l  l
P ≤  ≈ Ф  , тогда = α (γ ) , l = α (γ ) ⋅ VarS ,
 VarS VarS   VarS  VarS
где α(γ) – квантиль нормального распределения.
Как справедливым образом разделить общую добавочную сумму l
между всеми договорами? Общепринятыми считаются три варианта:
1). Разделить l пропорционально ожидаемому убытку EXi.

56
N N N N
li=k·EXi, ∑ li = ∑ k ⋅ EX i , так как ∑ li = l и ∑ EX i = ES , то l=k·ES,
i =1 i =1 i =1 i =1

тогда поскольку l = α (γ ) ⋅ VarS , то α (γ ) ⋅ VarS = k ⋅ ES , коэффициент


VarS
пропорциональности k равен k = α (γ ) ⋅ .
ES
Для индивидуальных премий pi имеем

 VarS 
p i = EX i + l i = EX i + k ⋅ EX i = EX i ⋅ (1 + k ) = EX i ⋅ 1 + α (γ ) ⋅ .

 ES 
li
EXi – нетто-премия, li=k·EXi – страховая (защитная) надбавка, θ i =
EX i

– относительная страховая (защитная) надбавка.

Поскольку суммарная надбавка l связана с суммарной дисперсией


N
VarS = ∑ VarX i , то справедливо разделить l на части li, пропорциональные
i =1

дисперсии VarXi или СКО σX i = VarX i .

2). Пропорционально дисперсии убытка по одному договору –


N N
l i = k ⋅ VarX i , ∑ l i = ∑ k ⋅ VarX i ,
i =1 i =1

N N
так как ∑ li = l и ∑ VarX i = VarS , то l=k·VarS, тогда поскольку
i =1 i =1

l = α (γ ) ⋅ VarS , то α (γ ) ⋅ VarS = k ⋅ VarS , коэффициент пропорциональности k


α (γ )
равен k = .
VarS
Для индивидуальных премий pi получим
α (γ )
p i = EX i + l i = EX i + k ⋅ VarX i = EX i + ⋅ VarX i .
VarS

57
Относительная страховая (защитная) надбавка равна
li k ⋅ VarX i α (γ ) VarX i
θi = = = ⋅ .
EX i EX i VarS EX i

3). Пропорционально среднеквадратическому отклонению убытков по


N N
одному договору – l i = k ⋅ VarX i , ∑ l i = ∑ k ⋅ VarX i ,
i =1 i =1

N N
так как l = ∑ l i , то l = k ⋅ ∑ VarX i , тогда поскольку l = α (γ ) ⋅ VarS , то
i =1 i =1

N
α (γ ) ⋅ VarS = k ⋅ ∑ VarX i , коэффициент пропорциональности k равен
i =1

VarS
k = α (γ ) .
N
∑ VarX i
i =1

Для индивидуальных премий pi получим

VarS
p i = EX i + l i = EX i + k ⋅ VarX i = EX i + α (γ ) ⋅ VarX i .
N
∑ VarX i
i =1

Относительная страховая (защитная) надбавка равна


li k ⋅ VarX i VarS VarX i
θi = = = α (γ ) ⋅ .
EX i EX i N EX i
∑ VarX i
i =1

Если все договоры статистически однородны, то во всех трёх случаях


1),2),3)
VarX i
l i = α (γ ) .
N
Задача 4.2. Страховщик заключил N=10000 договоров страхования жизни
сроком на 1 год на следующих условиях: в случае смерти застрахованного в
течение года от несчастного случая страховая компания выплачивает
выгодоприобретателю 1000000 руб., а в случае смерти по естественным
причинам 250000 руб. Компания не платит ничего, если застрахованный дожил

58
до окончания срока страхования. Вероятность смерти от несчастного случая
одна и та же для всех застрахованных q = 0,0005 . Вероятность смерти от
естественных причин зависит от возраста. Застрахованных можно разбить на 2
возрастные группы, содержащих N1 = 4000 и N 2 = 6000 человек
соответственно с вероятностью смерти в течение года q1 = 0,004 и q2 = 0,002 .
Подсчитай премию, достаточную для выполнения компанией своих
обязательств с вероятностью 95% без привлечения дополнительных средств.
Защитная надбавка для индивидуального договора берется пропорционально:
1. нетто премии;
2. дисперсии выплат по договору;
3. среднеквадратическому отклонению по договору.
Решение. Для простоты решения примем 250000=1, тогда:
 0 1 4
X i1 =  , i = 1,K,4000,
(1 − q1 − q ) = 0,9955 q1 = 0,004 q = 0,0005

следовательно EX i1 = 1 ⋅ q1 + 4 ⋅ q = 0,006 ,

( )2 ≈ 0,012.
VarX i1 = 12 ⋅ q1 + 4 2 ⋅ q − EX i1
Для второй группы договоров
 0 1 4
X 2j =  , j = 1,K,6000,
(1 − q2 − q ) = 0,9955 q2 = 0,002 q = 0,0005

( )2 ≈ 0,01.
EX 2j = 1 ⋅ q2 + 4 ⋅ q = 0,004, VarX 2j = 12 ⋅ q2 + 4 2 ⋅ q − EX 2j

Теперь займемся защитными надбавками. Среднее значение и дисперсия


выплат по всему портфелю S = N 1 + N 2 , будут соответственно равны:

ES = N 1 ⋅ EX i1 + N 2 ⋅ EX 2j = 4000 ⋅ 0,006 + 6000 ⋅ 0,004 = 48,

VarS = N 1 ⋅ VarN i1 + N 1 ⋅ VarN 1j ≈ 4000 ⋅ 0,012 + 6000 ⋅ 0,01 = 108 .

Предположим, что суммарная премия равна U. Используя


Гауссовское распределение для центрированной и нормированной величины

59
суммарных выплат, можем представить неразорение компании в следующем
виде:
 S − ES U − ES   U − ES 
P (S ≤ U ) = P  ≤  ≈ Ф .
 VarS VarS   VarS 
Так как вероятность неразорения компании должна быть на уровне 95%,
U − ES
следовательно величина должна быть равна α (γ ) = 1,645 суммарная
VarS

премия равна U = ES + α (γ ) VarS . Первое слагаемое ES = N 1 ⋅ EX i1 + N 2 ⋅ EX 2j

является нетто премией (и она равна 48), а второе дает защитную надбавку l
(плата за риск):
l = α (γ ) ⋅ VarS ≈ 1,645 ⋅ 108 ≈ 17,095 .
Относительно защитных индивидуальных надбавок l1 и l2 для договоров

первой и второй групп соответственно знаем пока лишь что N 1 ⋅ l1 + N 2 ⋅ l2 = l .


1. Нетто премия распределена пропорционально математическому

ожидании, тогда l1 = Θ ⋅ EX 1 , l 2 = Θ ⋅ EX 2 , то относительная страховая


l
надбавка Θ одна и та же для всех договоров и равна Θ = = 35,6% .
ES
Поэтому для договоров первой группы премия равна

p1 = EX 1 (1 + Θ ) ≈ 0,00814 = 2034 руб ,


для второй группы:

p 2 = EX 2 (1 + Θ ) ≈ 0,00542 = 1356 руб .


2. Если добавленная сумма l делится пропорционально дисперсии, то
коэффициент пропорциональности k имеет вид:
l
k= ≈ 15,8% .
VarS
Поэтому для договоров первой группы страховая надбавка

l1 = k ⋅ VarX i1 ≈ 0,001899 ,
и тогда

60
p1 = EX i1 + l1 ≈ 0,007899 = 1975 руб. ,
а относительная страховая надбавка
l1
Θ1 = ≈ 31,7% .
EX i1
Для договоров 2-ой группы страховая надбавка

l 2 = k ⋅ VarX i2 ≈ 0,001583 ,

p 2 = EX 2j + l2 ≈ 0,005583 = 1396 руб. ,

l2
Θ2 = ≈ 39,6% .
EX 2j

3. Если добавочная сумма l делится пропорционально СКО (они

соответственно равны σX i1 = 0,1095 и σX 2j = 0,1 ), следовательно

l
k= ≈ 0,0165 .
N 1
⋅ σX i1 +N 2
⋅ σX 2j

Поэтому для договоров первой группы страховая надбавка равна

l1 = k ⋅ σX i1 ≈ 0,001804 ,
так что

p1 = EX i1 + l1 ≈ 0,007804 = 1951 руб. ,


относительная страховая надбавка
l1
Θ1 = ≈ 30% .
EX i1
Для договоров 2-ой группы страховая надбавка

l2 = k ⋅ σX i2 ≈ 0,001647 ,

p 2 = EX 2j + l2 ≈ 0,005647 = 1412 руб. ,

l2
Θ2 = ≈ 41% .
EX 2j

Замечание. Изменение принципа назначения индивидуальных премий


приводит к уменьшению страховой надбавки для договоров первой группы:

61
Θ1 = 35,6%; 31,7%, 30% .
Соответственно для договоров второй группы относительная защитная
надбавка увеличивается:
Θ 2 = 35,6%, 39,6%, 41% .
Это связано с тем, что коэффициент рассеивания суммарного ущерба есть
VarS
− 1 = 1,25 , в то время как для договоров первой и второй групп он равен
ES
соответственно

VarX i1 VarX 2j
−1 =1 и − 1 = 1,5 .
EX i1 EX 2j

Коэффициент вариации величины индивидуального убытка для


договоров первой и второй групп:

σX i1 σX 2j
WX i1 = ≈ 18,26 и WX 2j = ≈ 25 .
EX i1 EX 2j

Средний коэффициент вариации, усредненный по всему портфелю с


соответствующими весами будет равен:

2 N ⋅ EX j
2 2
N 1 ⋅ EX i1
WS = WX i1 ⋅ + WX j ⋅ = 21,63 .
ES ES
Таким образом, хотя дисперсия величины индивидуального убытка для

договоров второй группы меньше, чем для договоров первой, но W < WX i1 и

W > WX 2j , поэтому было бы оправданным принять один из принципов 2

(пропорционально дисперсии) или 3 (пропорционально СКО) в качестве


основы назначения индивидуальных премий.
Если иметь ввиду в качестве критерия только неразорение компании,
совершенно не важно, как общая защитная надбавка распределится по
договорам (в равной степени не играет никакой роли и распределение
суммарной нетто премии на индивидуальную нетто премию).

62
Однако, имея ввиду маркетинговые соображения, важно сделать это
наиболее «справедливым» образом. Прежде всего достаточно ясно, что в силу
статистической однородности договоров в пределах одной группы (из двух
рассматриваемых), защитная надбавка должна быть одной и той же для

договоров одно группы. Однако, одного соотношения N 1 ⋅ l1 + N 2 ⋅ l2 = l


недостаточно для однозначного определения индивидуальных нагрузок.
Задание 4.1. Подумайте, что еще необходимо учитывать?

Глава 5. Производящие функции. Преобразование


Лапласа. Модель исков. Модель коллективного риска.

5.1 Производящие функции.

Производящей функцией g (t ) неотрицательной целочисленной случайной

величины N называется сумма ряда с распределением P(n ) = P( N = n ) такая что

( ) ∞
g (t ) = E t N = ∑ t N P( N = n ) .
n =0

Свойства:
1). Если производящие функции g1(t) и g2(t) двух случайных величин N1
и N2 совпадают, то совпадают и распределения этих величин

g1(t)=g2(t) ⇒ P(N1=n)=P(N2=n).
То есть распределение однозначно восстанавливается по своей
производящей функции.

g (n ) (0 )

Разложим g(t) в ряд Тейлора g (t ) = ∑ t n
. Коэффициент при tn
n =0 n!

будет вероятностью P(N=n).


2
2). g’(1)=E(N), g”(1)=E(N )-E(N), поэтому Var(N)=g”(1)+g’(1)-
[g’(1)] 2.

63
N
Для доказательства надо продифференцировать равенство g(t)=E(t ) по t
в точке t=1.
3). Если случайные величины N1 и N2 независимы, то производящая
функция их суммы, g(t), равна произведению производящих функций
слагаемых
g(t)=g1(t)·g2(t).
( ) ( ) ( ) ( )
g (t ) = E t N1 + N 2 = E t N1 ⋅ t N 2 = E t N1 ⋅ E t N 2 = g1 (t ) ⋅ g 2 (t ) .

5.2 Преобразование Лапласа.


Преобразованием Лапласа неотрицательной случайной величины X
называется

( )= ∫ e
∞ ∞
ϕ (t ) = E e − Xt −tx
dF ( x ) = ∫ e −tx f ( x )dx ,
0 0

где F(x)=P(X<x) и f(x)=F’(x).


Свойства:
1). Если преобразование Лапласа φ1(t) и φ2(t) двух случайных величин X1
и X2 совпадают, то совпадают и функции распределения этих величин
φ1(t)= φ2(t) ⇒ F1(x)=F2(x).
То есть функция распределения или плотность однозначно
восстанавливаются по своему преобразование Лапласа.
2
2). φ’(0)=-E(X), φ”(0)=E(X ), поэтому E(X)=-φ’(0), Var(X)= φ”(0)-
[φ’(0)] 2.
Для доказательства надо продифференцировать равенство ϕ (t ) = E e − Xt ( )
по t в точке t=0.
3). Если случайные величины X1 и X2 независимы, то преобразование
Лапласа их суммы, φ(t), равно произведению преобразований Лапласа
слагаемых φ(t)= φ1(t)·φ2(t):

64
( ) ( ) ( ) ( )
ϕ (t ) = E e −( X1 + X 2 )t = E e − X1t ⋅ e − X 2t = E e − X1t ⋅ E e − X 2t = ϕ1 (t ) ⋅ ϕ 2 (t ) .

Задача для самостоятельного решения. Пусть портфель состоит из четырех


одинаковых договоров страхования жизни. Страховая сумма зависит от
причины смерти. Так, если смерть наступает в результате естественных причин,
то страховая сумма составит 250000 тыс. рублей, а если в результате
несчастного случая, то страховая сумма удваивается. Для каждого
застрахованного вероятность смерти от несчастного случая равна 0,1, и
вероятность смерти по естественным причинам так же 0,1. Найти
распределение суммарных выплат.

5.3 Модель исков.


N – случайная величина, описывающая число исков (требования о
выплате), поступивших по данному договору за время его действия (число
страховых случаев для данного договора);
X – случайная величина, описывающая размер выплат по данному
договору;
Yi – случайная величина, описывающая размер i-того по счёту
действительно предъявленного иска (размер убытка, в случае когда иск был
предъявлен, то есть в случае страхового события).
Случайная величина N и случайные величины X1, X2, ... независимы.
X=Y1+...+YN

E ( X ) = E (Y1 + K + YN ) = ∑ P( N = n ) ⋅ E (Y1 + K + YN N = n ) =
n =1
∞ ∞
= ∑ P ( N = n ) ⋅ E (Y1 + K + YN ) = ∑ P( N = n ) ⋅ n ⋅ E (Y ) = E (Y ) ⋅ E ( N )
n =1 n =1

65
EX( ) = E (Y1 + K + YN )
2 2

= ∑ P( N = n ) ⋅ E (Y1 + K + YN )2 =
n =1

(
= ∑ P ( N = n ) ⋅ E Y12 + K + YN2 + 2(Y1 ⋅ Y2 ⋅ K ⋅ Yn ) =)
n =1
∞ 
( )
= ∑ P(N = n ) ⋅  n ⋅ E Y 2 + 2

n(n − 1)
2

⋅ E (Y ) ⋅ E (Y ) =

n =1

( )
= E Y 2 ⋅ E ( N ) + E ( N ( N − 1)) ⋅ (EY )2

( )
Var ( X ) = EX 2 + (EX )2 = EN ⋅ EY 2 + EN 2 − EN ⋅ (EY )2 − (EY )2 ⋅ (EN )2 =
= EN ⋅ (EY 2 − (EY )2 ) + (EN 2 − (EN )2 ) ⋅ (EY )2 =
= EN ⋅ VarY + VarN ⋅ (EY )2 .

5.4 Модель коллективного риска.


Yi>0 – случайная величина, описывающая размер (величину) i-того по
счёту поступившего иска (требования о выплате) (размер i-того по счёту
страхового возмещения);
N – случайная величина, описывающая общее число исков (требования о
выплате), поступивших в рамках данного страхового портфеля за
рассматриваемый период времени (число страховых случаев по данному
портфелю рисков за рассматриваемый период, то есть количество выплат по
данному портфелю);
S = Y1 + Y2 + ... + YN – случайная величина, описывающая суммарный иск к
страховой компании (общий размер требований о выплате) (суммарная
величина страховых возмещений за рассматриваемый период), S=0⇔N=0;
U – резервы страховой компании, то есть сумма, которую компания
может выплатить по данному портфелю.
Предположения модели:
1). договоры страхования рассматриваемого портфеля имеют одинаковую
временную протяжённость, равную рассматриваемому периоду времени;

66
2). плата за страховку вносится страхователем полностью в начале
рассматриваемого периода и никаких дополнительных поступлений от
страхователей в течение этого периода нет;
3). размер требования в случае страхового события выплачивается
полностью и сразу по предъявлению иска (до конца рассматриваемого
периода);
4). случайные величины Y1, Y2, ... независимы и одинаково
распределены;
5). случайная величина N и случайные величины Y1, Y2, ... независимы.
Случайная величина S является суммой случайного числа случайных
слагаемых.
Если суммарный иск S=Y1+...+YN превысит резервы компании U, то
страховая компания не сможет выполнить свои обязательства и разорится.
Таким образом, вероятность разорения страховой компании равна
R=P(S>u).
Вероятность разорения равна R=P(S>u)=1-P(S≤u)=1-FS(u).
По формуле полной вероятности получим
R = P (S > U ) = P (Y1 + K + YN > U N = n ) =

= ∑ P (Y1 + K + YN > U N = n )P ( N = n ) =
n =0

= ∑ P(Y1 + K + Yn > U )P( N = n ).
n =0

Так как вероятность того что суммарный иск равен нулю, равна
вероятности того, что ни один иск не был предъявлен P(S=0)=P(N=0), то
P(Y1 + K + Y N > U N = 0 ) = P(S > U N = 0 ) = P(0 > U ) = 0,

тогда R = ∑ P(Y1 + K + Y N > U )P( N = n ) .
n =1

Рассмотрим случай, когда Y1, Y2, ... дискретные случайные величины,


тогда

67

P(Y1 + K + Yn > U ) = ∑ P(Y1 + K + Yn = k ), ,
k =U +1

следовательно
∞ ∞ ∞ 
R = ∑ P(Y1 + K + Yn > U )P( N = n ) = ∑  ∑ P(Y1 + K + Yn = k ) P( N = n ) =
n =1 n =1 k =U +1 
∞ ∞ ∞ ∞
=∑ ∑ (P(Y1 + K + Yn = k )P(N = n )) = ∑ ∑ P(Y1 + K + Yn = k )P( N = n ).
n =1k =U +1 k =U +1 n =1

Но по формуле полной вероятности


P(S = k ) = P (Y1 + K + Y N = k ) =

= ∑ P (Y1 + K + Y N = k N = n )P( N = n ) =
n =1

= ∑ P (Y1 + K + Yn = k )P( N = n ).
n =1

Тогда для вероятности разорения имеем


∞ ∞ ∞
R= ∑ ∑ P(Y1 + K + Yn = k )P(N = n ) = ∑ P(S = k ).
k =U +1 n =1 k =U +1

Рассмотрим случай, когда Y1, Y2, ... непрерывные случайные величины,


+∞
тогда P(Y1 + K + Yn > U ) = ∫ fY1 +K+Yn ( x )dx, следовательно
U

∞  +∞∞ 
R = ∑ P(Y1 + K + Yn > U )P ( N = n ) = ∑  ∫ fY1 +K+ Yn ( x )dx P( N = n ) =
n =1 n =1 U 
∞ +∞ +∞ ∞
= ∑ ∫ fY1 +K+ Yn ( x )P( N = n )dx = ∫ ∑ f Y1 +K+ Yn ( x )P( N = n )dx.
n =1 U U n =1

68
Но безусловная плотность случайной величины S равна

( ) ( )

f S ( x ) = E N fY1 +K+ YN ( x ) = ∑ fY1 +K+ YN ( x ) N = n =
n =1

= ∑ fY1 +K+ Yn ( x )P( N = n ).
n =1

Тогда для вероятности разорения имеем


+∞ ∞ +∞
R = ∫ ∑ fY1 +K+ Yn ( x )P( N = n )dx = ∫ f S ( x )dx.
U n =1 U

( ) ∞
Обозначим через g N ( z ) = E z N = ∑ z n P ( N = n ) производящую функцию
n =0

числа исков.
Рассмотрим случай, когда Y1, Y2, ... дискретные случайные величины,
будем использовать производящие функции.

Обозначим через gYi (t ) = E t Yi ( ) производящую функцию величины

предъявленного иска. Так как все предъявляемые иски одинаково


распределены, то gYi (t ) одинакова для всех i.

Обозначим через g S ( t ) = E (t S ) производящую функцию размера


суммарного иска.
Покажем, что в модели коллективного риска g S (t ) = g N ( gYi (t ) ) .

Если Y1, Y2, ..., Yn независимые одинаково распределённые случайные

g S (t ) = ( gYi (t ) ) ,
n n
величины и S = ∑ Yi , то
i =1

( ) ( ) [(
g S (t ) = E t S = E t Y1 +K+ Y N = E N E t Y1 +K+ YN N = n = )]

( ) ∞
(
= ∑ E t Y1 +K+ YN N = n P( N = n ) = ∑ E t Y1 +K+ YN P( N = n ) = )
n=0 n=0

( ) [( ) ]
= ∑ gYi (t ) n P ( N = n ) = E N gYi (t ) N = g N gYi (t ) .
n=0
( )

69
Рассмотрим случай, когда Y1, Y2, ... произвольные положительные
случайные величины, будем использовать преобразование Лапласа.

( )=
+∞
Обозначим через ϕYi (t ) = E e − tYi
∫ e dP(Yi < x )
− tx
преобразование
0

Лапласа величины предъявленного иска. Так как все предъявляемые иски


одинаково распределены, то ϕYi (t ) одинаково для всех i.

Обозначим через ( )
ϕ S (t ) = E e − tS преобразование Лапласа размера
суммарного иска.
Покажем, что в модели коллективного риска ϕ S (t ) = g N ϕYi (t ) . ( )
Если Y1, Y2, ..., Yn независимые одинаково распределённые случайные

( )
n
величины и S = ∑ Yi , то ϕ S (t ) = ϕYi (t ) n , где ϕ S (t ) - преобразование Лапласа.
i =1

( ) ( ) [(
ϕ S (t ) = E e − tS = E e − t (Y1 +K+YN ) = E N E e − t (Y1 +K+Y N ) N = n = )]

( ) ∞
(
= ∑ E e − t (Y1 +K+ YN ) N = n P( N = n ) = ∑ E e − t (Y1 +K+Y N ) P( N = n ) = )
n=0 n =0

( ) [( ) ]
= ∑ ϕYi (t ) n P( N = n ) = E N ϕYi (t ) N = g N ϕYi (t ) .
n=0
( )

( )
Из ϕ S (t ) = g N ϕYi (t ) получим E ( S ) = E (Yi ) ⋅ E ( N ) и

Var (S ) = Var ( N ) ⋅ [E (Yi )]2 + Var (Yi ) ⋅ E ( N ) для суммарного иска S.

[ ( )] ( )
1). E ( S ) = −[ϕ S (0)]' , [ϕ S (t )]′ = g N ϕYi (t ) ′ = g ,N ϕYi (t ) ⋅ ϕY′ i (t ),

E (S ) = −(ϕ S (0 ))′ = − g ′N (ϕYi (0 )) ⋅ ϕY′ i (0 ), ϕYi (0 ) = E (e − 0⋅Yi ) = 1,

E (S ) = − g ′N (1) ⋅ ϕY′ i (0 ) = −ϕY′ i (0 ) ⋅ g ′N (1), g ′N (1) = E ( N ),

− ϕY′ i (0 ) = E (Yi ), E (S ) = −ϕY′ i (0 ) ⋅ g ′N (1) = E (Yi ) ⋅ E ( N ).

70
(
2). Var (S ) = (ϕ S (0 ))″ − (ϕ S (0 ))′ ,
2
)
[ϕ S (t )]′ = [g N (ϕYi (t ))]′ = g ′N (ϕYi (t )) ⋅ ϕY′ i (t ),
[ϕ S (0)]′ = g ′N (ϕYi (0)) ⋅ ϕY′ i (0), ( )
ϕYi (0 ) = E e − 0⋅Yi = 1 ,

[ϕ S (0)]′ = g ′N (1) ⋅ ϕY′ i (0), g ′N (1) = E ( N ),

ϕY′ i (0 ) = − E (Yi ), [ϕ S (0 )]′ = − E (Yi ) ⋅ E ( N ),

[ϕ S (t )]″ = [g N (ϕYi (t ))]″ = [g ′N (ϕYi (t )) ⋅ ϕY′ i (t )]′ =


( )( ) ( )
= g ′N′ ϕYi (t ) ⋅ ϕY′ i (t ) 2 + g ′N ϕYi (t ) ⋅ ϕY′′i (t )

[ϕ S (0)]″ = g ′N′ (ϕYi (0)) ⋅ (ϕY′ i (0))2 + g ′N (ϕYi (0)) ⋅ ϕY′′i (0) =
= g ′N′ (1) ⋅ (ϕY′ i (0 ))2 + g ′N (1) ⋅ ϕY′′i (0 ),

( )
g ′N′ (1) = E N 2 − E ( N ), ϕY′′ (0) = E (Yi2 ),
i

[ϕ S (0)]″ = [E (N 2 ) − E (N )]⋅ [− E (Yi )]2 + E (N ) ⋅ E (Yi2 ) =


= E (N 2 )⋅ [E (Yi )]2 − E ( N ) ⋅ [E (Yi )]2 + E ( N ) ⋅ E (Yi2 ) =
= E (N 2 )⋅ [E (Yi )]2 + [E (Yi2 ) − [E (Yi )]2 ]E ( N ) =
= E (N 2 )⋅ [E (Yi )]2 + Var (Yi ) ⋅ E ( N ).

Var (S ) = [ϕ S (0 )]″ − ([ϕ S (0 )]′ ) = E (N 2 )⋅ [E (Yi )]2 + Var (Yi ) ⋅ E ( N ) − [− E (Yi ) ⋅ E ( N )]2 =
2

= E (N 2 )⋅ [E (Yi )]2 + Var (Yi ) ⋅ E ( N ) − [E (Yi )]2 ⋅ [E ( N )]2 =


= [E (N 2 ) − [E ( N )]2 ]⋅ [E (Yi )]2 + Var (Yi ) ⋅ E ( N ) = Var ( N ) ⋅ [E (Yi )]2 + Var (Yi ) ⋅ E ( N ).

Пример 5.1. Пусть распределение числа исков за рассматриваемый период


времени описывается геометрическим законом со средним m, а размер
предъявляемых исков имеет показательное (экспоненциальное) распределение
со средним a.

71
Найдём параметр p геометрического распределения, так как среднее для
q 1− p 1
геометрического распределения равно m = и q=1-p, тогда m = = −1,
p p p
1 m
значит p = и q= .
m +1 m +1
n
1  m 
Таким образом, P( N = n ) = pq 
n
 , n = 0,1,2,K Найдём
m + 1 m + 1
параметр λ показательного (экспоненциального) распределения, так как среднее
1 1
для показательного (экспоненциального) распределения равно a = ,λ= .
λ a
1
1 − x
Таким образом, f X i ( x ) = λe − λx
= e a .
a
Найдём плотность распределения случайной величины S=Y1+..+YN.
Случайные величины Y1, Y2, ... независимы и имеют показательное
(экспоненциальное) распределение с параметром λ и случайная величина N
имеет геометрический закон распределения с параметром p.

fYi ( x ) = λe − λx , x ≥ 0 - плотность показательного (экспоненциального)

распределения Yi, i=1, ...,n;

λn n −1 − λx
( )
fY1 +K+ Yn x = x e , x ≥ 0 – плотность гамма-распределения
Γ(n )
случайной величины Y1 + ... + Yn , являющаяся n-кратной свёрткой fYi ( x ) , так как

λn
Г(n)=(n-1)!, то fY +...+Y ( x ) = x n−1e − λ x , x≥0.
1 n
(n − 1)!
Число слагаемых N распределено по геометрическому закону
P(N=n)=pqn.
Тогда плотность безусловного распределения равна

72
( ) ( )

f S ( x ) = E N fY1 +K+ YN ( x ) = ∑ fY1 +K+ YN ( x ) N = n P( N = n ) =
n =1
∞ ∞ λn
= ∑ f Y1 +K+ Y N ( x )P( N = n ) = ∑ x n −1e − λx pq n =
n =1 n =1 (n − 1)!

= pqλe − λx
∞ λn n −1 n −1
= pqλe − λx
∞ (qλx )n −1 =
∑ x q ∑
n =1 (n − 1)! n =1 (n − 1)!
∞ (qλx )k
= pqλe − λx
∑ = pqλe − λx e qλx = pqλe (q −1)λx = pqλe − pλx .
k =0 k!
Таким образом, плотность безусловного распределения равна
f S ( x ) = pqλ e − pλ x .
Так как P(S=0)=P(Y1+...+YN=0)=P(N=0) и случайная величина N имеет
геометрическое распределение с параметром p, значит P(N=0)=p, и P(S=0)=p.
+∞
Тогда ∫ f S (x )dx = P(S > 0) = 1 − P(S = 0) = 1 − p = q ,
0
+∞ +∞
Действительно ∫ f S ( x )dx = ∫ pqλe − pλx dx = −qe − pλx +∞
0 = q.
0 0

Значит плотность величины суммарного иска имеет вид f S ( x ) = pqλ e − pλ x .


Для вероятности разорения компании имеем
+∞ +∞
R = ∫ f S ( x )dx = ∫ pqλe − pλx dx = −qe − pλx +∞
U = qe − pλU ,
U U

где U – резервы компании.

5.5 Составное (сложное) пуассоновское распределение.


λn
Пусть число исков N имеет распределение Пуассона P( N = n ) = e−λ ,
n!
n=0,1,2, ... EN=VarN=λ.
Размеры индивидуальных исков Y1, Y2, ... независимы и одинаково
распределены.

73
Тогда величина суммарного иска S=Y1+...+YN имеет составное (сложное)
пуассоновское распределение:

g N (t ) = E t ( )= ∑ t
N

n λn
n!
e − λ = e − λ ⋅ e λ t = e λt − λ
n =0

( )
ϕ S (t ) = E e − tS ; ϕY (t ) = E e − tY , ( )
ϕ S (t ) = g N (ϕY (t )) = e λϕY (t )− λ .
Если размеры индивидуальных исков имеют дискретное распределение,
то
g S (t ) = g N ( gY (t )) = eλ gY ( t )−λ , где g S (t ) = E (t S ) ; gY (t ) = E (t Y ) .
ES = E ( N ) ⋅ E (Y ) = λ EY ,

VarS = E ( N ) ⋅ Var (Y ) + Var ( N ) ⋅ (EY )2 = λ ⋅ Var (Y ) + λ ⋅ (EY )2 =


(( )
= λ E Y 2 − (EY )2 + (EY )2 = λ ⋅ E Y 2 . ) ( )
Теорема 5.1: Если случайные величины S1, S2, ... независимы и Si имеет
составное (сложное) пуассоновское распределение с параметром λi и функцией

распределения индивидуального иска Xi Fi(x), i=1, 2, ... и ряд ∑λ
i =1
i сходится, то

случайная величина S=S1+S2+... имеет составное (сложное) пуассоновское



распределение с параметром λ = ∑ λi и функцией распределения
i =1


λi
индивидуального иска F ( x ) = ∑ Fi ( x ) .
i =1 λ
Доказательство:
+∞
λiϕ i ( t )−λi
ϕ i (t ) = ∫ e − tx dFi ( x ) ; ϕ Si (t ) = E ( e − tSi ) , ϕ Si (t ) = e
0

74
 −t ∞ S 
( ) ( )
 ∑ i  ∞ ∞ ∞
ϕ S ( x ) = E e − tS = E  e i =1  = ∏ E e − tS i = ∏ ϕ S i (t ) = ∏ e λiϕ i (t )− λi =
  i =1 i =1 i =1
 
∞  ∞ ∞   ∞λ 
= exp  ∑ (λiϕ i (t ) − λi ) = exp  ∑ λiϕ i (t ) − ∑ λi  = exp λ ∑ i ϕ i (t ) −λ ;
i =1  i =1 i =1   i =1 λ 

+∞ +∞ ∞λ 
ϕ (t ) = ∫ e − tx
dF ( x ) = ∫ e − tx d  ∑ i Fi ( x ) =
0 0  i =1 λ 
∞ λi +∞ ∞λ
=∑ ∫ e − tx
d ( F ( x )) = ∑ i ϕi (t ),
i =1 λ 0
i
i =1 λ

ϕ S (t ) = e λϕ (t )− λ

ЧТД
Теорема 5.2. Если случайная величина S имеет составное (сложное)
пуассоновское распределение с параметром λ и функцией распределения
∞ ∞
индивидуального иска F(x) и F ( x ) = ∑ pi ⋅ Fi ( x ), pi ≥ 0, ∑ pi = 1, то случайная
i =1 i =1

величина S совпадает по распределению с суммой независимых случайных


величин S1+S2+..., где Si имеет составное (сложное) пуассоновское
распределение с параметром λi=λpi и функцией распределения
индивидуального иска Fi(x), i=1, 2, ...
Доказательство:
λi=λpi
∞ ∞ ∞ λi
∑ λi = ∑ λpi = λ ∑ pi = λ , pi = ,
i =1 i =1 i =1 λ
S1+S2+... имеет составное (сложное) пуассоновское распределение с

параметром λ = ∑ λi и функцией распределения индивидуального иска
i =1

75
∞ λi ∞
F ( x ) = ∑ Fi ( x ) = ∑ pi ⋅Fi ( x ) .
i =1 λ i =1

ЧТД

Глава 6. Теория игр


6.1 Определения. Классификация

Игра - упрощенная формализованная модель реальной конфликтной


ситуации. Математически формализация означает, что выработаны определенные
правила действия сторон в процессе игры: варианты действия сторон; исход игры
при данном варианте действия; объем информации каждой стороны о поведении
всех других сторон.
Одну играющую сторону при исследовании операций может представлять
коллектив, преследующий некоторую общую цель. Однако разные члены
коллектива могут быть по-разному информированы об обстановке проведения
игры.
Выигрыш или проигрыш сторон оценивается численно, другие случаи в
теории игр не рассматриваются, хотя не всякий выигрыш в действительности
можно оценивать количественно.
Игрок - одна из сторон в игровой ситуации. Стратегия игрока - его правила
действия в каждой из возможных ситуаций игры. Существуют игровые системы
управления, если процесс управления в них рассматривается как игра.
В теории игр не существует установившейся классификации видов игр. Однако по
определенным критериям некоторые виды можно выделить.
Количество игроков. Если в игре участвуют две стороны, то ее называют
игрой двух лиц. Если число сторон больше двух, ее относят к игре n игроков.
Наибольший интерес вызывают игры двух лиц. Они и математически более глубоко
проработаны и в практических приложениях имеют наиболее обширную
библиографию.
Количество стратегий игры. По этому критерию игры делятся конечные и
бесконечные. В конечной игре каждый из игроков имеет конечное число возможных

76
стратегий. Если хотя бы один из игроков имеет бесконечное число возможных
стратегий, игра является бесконечной.
Взаимоотношения сторон. Согласно данному критерию игры делятся на
кооперативные, коалиционные и бескоалиционные. Если игроки не имеют право
вступать в соглашения, образовывать коалиции, то такая игра относится к
бескоалиционным; если игроки могут вступать в соглашения, создавать коалиции
— коалиционной. Кооперативная игра — это игра, в которой заранее определены
коалиции.
Характер выигрышей. Этот критерий позволяет классифицировать игры с
нулевой и с ненулевой суммой. Игра с нулевой суммой предусматривает условие:
«сумма выигрышей всех игроков в каждой партии равна нулю». Игры двух игроков
с нулевой суммой относят к классу антагонистических. Естественно, выигрыш
одного игрока при этом равен проигрышу другого. Примерами игр с нулевой суммой
служат многие экономические задачи. В них общий капитал всех игроков
перераспределяется между игроками, но не меняется. К играм с ненулевой суммой
также можно отнести большое количество экономических задач.
Например, в результате тортовых взаимоотношений стран, участвующих в
игре, все участники могут оказаться в выигрыше. Игра, в которой нужно вносить
взнос за право участия в ней, является игрой с ненулевой суммой.
Вид функции выигрышей. По этому критерию игры подразделяются на
матричные, биматричные, непрерывные, выпуклые, сепарабельные и т. д.
Поясним суть некоторых из них.
Матричная игра - конечная игра двух игроков с нулевой суммой. В общем
случае ее платежная матрица является прямоугольной. Номер строки матрицы
соответствует номеру стратегии, применяемой игроком 1. Номер столбца
соответствует номеру стратегии игрока 2. Выигрыш игроки I является элементом
матрицы. Выигрыш игрока 2 равен проигрышу игрока 1. Матричные игры всегда
имеют решения в смешанных стратегиях. Они могут быть решены методами
линейного программирования.

77
Биматричная игра - конечная игра двух игроков с ненулевой суммой.
Выигрыши каждого игрока задаются своей матрицей, в которой строка
соответствует стратегии игрока 1, а столбец – стратегий игрока 2. Однако элемент
первой матрицы показывает выигрыш игрока 1, а элемент второй матрицы –
выигрыш игрока 2. Для биматричных игр так же, как и для матричных, разработана
теория оптимального поведения игроков.
Если функция выигрышей каждого игрока в зависимости от стратегий является
непрерывной, игра считается непрерывной. Если функция выигрышей выпуклая,
то и игра – выпуклая.
Если функция выигрышей может быть разделена на сумму произведений
функций одного аргумента, то игра относится к сепарабельной.
Количество Ходов. Согласно этому критерию игры можно разделить на
одношаговые и многошаговые. Одношаговые игры заканчиваются после одного
хода каждого игрока. Так, в матричной игре после одного хода каждого из игроков
происходит распределение выигрышей. Многошаговые игры бывают
позиционными, стохастическими, дифференциальными и др.
Информированность сторон. По данному критерию различают игры с полной и
неполной информацией. Если, каждый игрок па каждом ходу игры знает все
ранее примененные другими игроками на предыдущих ходах стратегии, такая
игра определяется как игра с полной информацией. Если игроку не известны
стратегии предыдущих ходов других игроков, то игра классифицируется как
игра с неполной формацией. Мы далее убедимся, что игра с полной
информацией имеет решение. Решением будет седловая точка при чистых
стратегиях.
Степень неполноты и информации. По этому критерию игры подразделяются
на статистические (в условиях частичной неопределенности) и стратегические (в
условиях паяной неопределенности). Игры с природой часто относят к
статистическим играм. В статистической игре имеется возможность получения
информации на основе статистического эксперимента, при котором вычисляется или
оценивается распределение вероятностей состояний (стратегий) природы. С

78
теорией статистических игр тесно связана теория принятия экономических
решений.
Получив некоторое представление о существующих под ходах к
классификации игр, можно остановиться на оценках игры.

6.2 Принцип доминирования

Матрицы размерностью 2х2 встречаются не так часто, как нам того бы


хотелось, поэтому рассмотрим принцип, позволяющий уменьшить размерность
матрицы.
Первый игрок стремиться максимизировать свой выигрыш и ему будет
выгодна та стратегия, которая принесет больший выигрыш. Если элементы
некоторой строки платежной матрицы С меньше соответствующих элементов
другой строки, то интуитивно ясно, первую можно вычеркнуть. Сформулируем
условия доминирования строк и столбцов платежной матрицы, позволяющие
уменьшить ее размерность.
Определение 6.1. Вектор x = ( x1 , K , x n ) доминирует вектор y = ( y1 , K , y n ) ,
если все элементы вектора x больше или равны соответствующим элементам
вектора y. То есть xi ≥ y i , для ∀i = 1, K , n , и хотя бы одно неравенство
выполняется как строгое. Про вектор y говорят, что он доминируется вектором
x.
Определение 6.2. Линейная комбинация векторов называется выпуклой, если
существуют такие коэффициенты k1 , k 2 , K , k n , k i ∈ [0,1] для i = 1, K , n , не

равные нулю одновременно, что выполнено условие k1 x1 + k1 x 2 + L + k n x n = x


Теорема 6.1.(о доминировании строк). Если в игре с платежной матрицей С
какая-либо строка доминируется выпуклой комбинацией остальных строк, то
она будет входить с нулевой вероятностью в оптимальную смешанную
стратегию первого игрока и ее можно вычеркнуть.
Замечания к теореме:

79
1. Если в матрице существуют несколько одинаковых срок, то все, кроме
одной можно вычеркнуть, и они будут входить с нулевой вероятностью в
оптимальную смешанную стратегию первого игрока.
2. Если какая-либо строка доминируется другой, то меньшую можно
вычеркнуть.
Теорема 6.2. (о доминировании столбцов). Если в игре с платежной матрицей
C какой-либо столбец доминирует выпуклую комбинацию остальных столбцов,
то он будет входить с нулевой вероятностью в оптимальную смешанную
стратегию второго игрока и его можно вычеркнуть.
Пример 6.1. Используя принцип доминирования найти оптимальную
стратегию.

 2 0 1 4
 
A =  1 2 5 3
 4 1 3 2
 
Решение. Третий и четвертый столбец доминируют над вторым, поэтому, в
соответствии с утверждением о доминировании строк, их можно вычеркнуть и
они будут входить с нулевой вероятностью в оптимальную смешанную
стратегию второго игрока.
Из оставшихся трех строк и двух столбцов, можно вычеркнуть первую
строку, так как она доминируется третьей строкой. Оставшуюся игру 2х2
просто решить. Таким образом, оптимальными смешанными стратегиями
 3 1 1 3  7
игроков будут: p 0 =  0, ,  , q 0 =  , ,0,0  , v = .
 4 4 4 4  4

6.3 Принятие решений в условиях неопределенности. Игры с


природой.

«Природа» может находиться в одном из множества возможных


состояний, которое может быть как конечным, так и бесконечным. Будем
считать, что множество состояний Sj конечно (j=1,…,m) или, по крайней мере,
количество состояний можно пронумеровать. Все возможные состояния

80
известны, не известно только, какое состояние будет иметь место в условиях,
когда планируется реализация принимаемого управленческого решения. Будем
считать, что множество управленческих решений (планов) Ai также конечно и
равно n.
Допустим, каждому действию Ai и каждому возможному состоянию
«природы» Sj соответствует результат (исход) cij , определяющий результат

(выигрыш, полезность) при выборе i-го действия и реализации j-го состояния.


Тогда платежная матрица будет иметь вид:
 c11 c12 K c1l K c1m 
 
 c21 c22 K c2l K c2 m 
 M M O M O M 
С = 
 ck1 ck 2 K ckl K ckm 
 M M O M O M 
c K cnm 
 n1 cn 2 K cnl

Для принятия решения в условиях неопределенности используется ряд


критериев, среди которых: критерий Вальда, критерий Гурвица, критерий
Сэвиджа, критерий Лапласа и др.

1. Критерий Вальда (критерий крайнего пессимизма).

Данный критерий опирается на принцип наибольшей осторожности и


основывается на выборе наилучшей из наихудших стратегий. Тем самым
выбранные варианты полностью исключают риск, т.е. принимающий решение
не может столкнуться с худшим результатом, чем тот, на который он
ориентируется. Данный критерий не требует знания вероятностей состояний
второго игрока и достаточно только матрицы.

В платежной матрице элемент cij представляет выигрыш (полезность)

лица, принимающего решение. Сначала игрок выбирает минимальный элемент


в стоке, что соответствует его гарантированному результату при применении
этой стратегии:

81
vi = min cij , для всех j = 1, K , m .
j

Далее, из всех своих гарантированных результатов он выбирает


наилучший:

V = max vi = max min cij .


i i j
{ }
Таким образом, наилучшей стратегией будет та, которая в наихудших
условиях принесет максимальный результат. Этот критерий применяется для
развивающейся экономике на ранней стадии или в условиях кризисной
ситуации.

2. Критерий максимакса. (критерий крайнего оптимизма).

Данный критерий основывается на предположении «все или


ничего». В платежной матрице элемент cij представляет выигрыш (полезность)

лица, принимающего решение. Сначала игрок выбирает максимальный элемент


в стоке:

тi = max cij , для всех j = 1, K , m .


j

Далее, из всех своих выбранных результатов он выбирает наилучший:

M = max mi = max max cij .


i i j
{ }
3. Критерий Гурвица (критерий пессимизма-оптимизма)

Данный критерий основан на следующих двух предположениях:


«природа» может находиться в самом невыгодном состоянии с вероятностью k
и в самом выгодном состоянии с вероятностью (1-k), где k – коэффициент
пессимизма.

Критерий Гурвица устанавливает баланс между случаями крайнего


пессимизма и крайнего оптимизма путем взвешивания обоих способов
поведения соответствующими весами (1-k) и k, где 0 ≤k≤ 1.

82
Если в исходной задаче матрица возможных результатов Cij
представляет выигрыш, прибыль, полезность, доход и т.п., то критерий Гурвица
записывается как:

hi = k min cij + (1 − k ) max cij , для всех i = 1, K , n ,


j j

тогда H = max hi
i

Если k = 1 , получим критерий Вальда, а если k = 0 , то приходим к


критерию максимакса.

В зависимости от значения коэффициента пессимизма критерий Гурвица


применяется при различном состоянии экономики.

4. Критерий минимаксного риска Сэвиджа

При применении этого критерия рассматривается матрица рисков | R = rij .

Матрица рисков является преобразованной определенным образом платежной


матрицей. Элементы матрицы рисков rji связаны с элементами матрицы
полезности (выигрышей) следующим соотношением:

rij = max cij − cij


i

(в каждом столбце выбирается максимальный элемент, а затем из него


вычитается соответствующий элемент столбца). Таким образом, получается
матрица рисков.

Далее в каждой строке выбирается максимальный элемент:

si = max rij ,. для всех i = 1, K , n .


j

Это гарантированный результат при применении игроком той или иной


стратегии, максимум, что игрок может потерять. Среди всех гарантированных
результатов игрок будет выбирать ту стратегию, которая принесет ему
минимальных проигрыш:

83
S = min rij .
i

Оптимальной является та стратегия, которая принесет максимально


возможный выигрыш при минимальном риске. Выбранная по данному
критерию оптимальная стратегия совпадет с выбранной стратегией по
критерию Вальда.

5. Критерий Ходжа-Лемана

Этот критерий опирается одновременно на минимаксный критерий


(критерий Вальда) и критерий Лапласа. С помощью параметра γ выражается
степень доверия к используемому распределений вероятностей. Если доверие
велико, то доминирует критерий Лапласа, в противном случае - минимаксный
критерий, т.е. мы ищем

 
 n 
Z = min γ ∑ cij qi + (1 − γ ) min cij  , 0≤ γ ≤1
i  j =1 j 
 
Правило выбора, соответствующее критерию Ходжа-Лемана,
формируется следующим образом: матрица результатов C дополняется

столбцом, составленным из сумм средних взвешенных (с весом γ=const)


математических ожиданий и наименьшего результата каждой строки. После
этого в данном столбце отбирается вариант с наибольшим значением.

При γ = 1 критерий Ходжа-Лемана переходит в критерий Лапласа, а при γ


= 0 становится минимаксным.

Выбор γ субъективен т.к. степень достоверности какой-либо функции


распределения - дело тёмное.

6. Критерий Гермейера

Этот критерий ориентирован на величину потерь, т.е. на отрицательные


значения матрицы С. При этом:

84
{
Z = max min cij q j
i j
}
Правило выбора согласно критерию Гермейера формулируется
следующим образом: матрица решений С дополняется ещё одним столбцом,
содержащим в каждой строке наименьшее произведение имеющегося в ней
результата на вероятность соответствующего состояния qj, а затем выбирается
вариант с наибольшим значением этого столбца.

Т.к. в хозяйственных задачах преимущественно имеют дело с ценами и


затратами, условие c ij < 0 обычно выполняется. В случае же, когда среди

величин c ij > 0 встречаются и положительные значения, можно перейти к

строго отрицательным значениям с помощью преобразования cij - t при

подходящем образом подобранном t > 0. При этом оптимальный вариант


решения зависит от t.

7. BL (MM) - критерий

Данный критерий является объединением критериев Лапласа и


минимакса.

Правило выбора для этого критерия формулируется следующим образом:


матрица решений С дополняется тремя столбцами. В первом из них
записываются математические ожидания каждой из строк, во втором - разность

i j
{ }
между опорным значением V0 = max max cij и наименьшим значением

{ }
MIi = min cij соответствующей строки. В третьем столбце помещаются
j

разности между наибольшим значением MAi = max{cij } каждой строки и


j

{ }
наибольшим значением max cij той строки, в которой находится значение V0.
j

После этого выбираются те варианты, строки которых дают наибольшее

математическое ожидание, а именно, соответствующее значение V0 - max cij


j
{ }
85
из второго столбца должно быть равно некоторому заранее заданному уровню
риска ξдоп. Значение же из третьего столбца должно быть больше значения из
второго столбца.

8. Критерий произведений

Данный критерий имеет следующую формулу расчета:

Z = max ∏ cij .
j i

В этом случае правило выбора формулируется так: матрица решений С


дополняется новым столбцом, содержащим произведения всех результатов
каждой строки, из которого затем выбирается вариант с наибольшим
значением.

Критерий произведений приспособлен в первую очередь для случаев,


когда все cij положительны. Если условие положительности нарушается, то

следует выполнять некоторый сдвиг cij + t с некоторой константой

i j
{ }
t > min min cij . Результат при этом будет, естественно зависеть от t. На

{ }
практике чаще всего t = | min min cij | +1 .
j
i

9. Критерий Лапласа

Данный критерий опирается на «принцип недостаточного основания»


Лапласа, согласно которому все состояния «природы» Si, i = 1, n полагаются
1
равновероятными qi = .
n
Если в исходной задаче матрица возможных результатов представлена
матрицей выигрышей С то для выбора оптимальной стратегии Rj выбирают
максимальное значение среди предварительно вычисленных по строкам
матрицы средних арифметических значений, дающих наибольший ожидаемый
выигрыш, т.е.:

86
1 n 
max  ∑ cij  .
R j  n i =1 

Если в исходной задаче матрица возможных результатов представлена


матрицей рисков R, то критерий Лапласа принимает следующий вид:

1 n 
max  ∑ r ji  .
R j  n i =1 

Пример 6.2.Телефонная компания должна определить уровень своих


возможностей по предоставлению телефонных услуг так, чтобы удовлетворить
спрос своих клиентов на планируемый период.

Для каждого уровня спроса существует наилучший уровень


возможностей телефонной компании (например с точки зрения возможных
затрат на ввод нового тарифа). Отклонения от этих уровней могут приводить к
дополнительным затратам. Ниже приводится таблица, определяющая
возможные прогнозируемые затраты на развитие телефонных возможностей:

Варианты Варианты спроса на телефонные


предоставляемых услуги
компанией телефонных
1 (S1) 2 (S2) 3 (S3) 4 (S4)
услуг

1 (R1) 7 10 18 22

2 (R2) 9 6 8 25

3 (R3) 21 18 16 21

4 (R4) 24 22 20 26

Необходимо выбрать оптимальную стратегию.

Имеются четыре варианта спроса на телефонные услуги, что равнозначно


наличию четырех состояний «природы»: S1, S2, S3, S4. Известны также четыре
варианта предоставляемых компаний телефонных услуг: R1, R2, R3, R4.

87
Решение

Критерий Лапласа.

1 1
Он предполагает, что S1, S2, S3, S4 равновероятны, т.е. q = = = 0,25
n 4
Тогда ожидаемые затраты при различных действиях R1, R2, R3, R4
составляют:

W{R1} = 0,25 * (7 + 10 + 18 + 22) = 14,25;

W{R2} = 0,25 * (9 + 6 + 8 + 25) = 12;

W{R3} = 0,25 * (21 + 18 + 16 + 21) = 19;

W{R4} = 0,25 * (24 + 22 + 20 + 26) = 23.

Таким образом, наилучшей стратегией развития телефонных


возможностей в соответствии с критерием Лапласа будет R2.

Критерий Вальда. Так как cij представляет потери (затраты), то

применим максиминный критерий. Необходимые результаты вычисления


приведены в следующей таблице:

Состояния Si Затраты ( cij ), ден. един. Max Min max

S1 S2 S3 S4 ( cij ) ( cij )
Стратегия Rj

R1 7 10 18 22 22 -

R2 9 6 8 25 25 -

R3 21 18 16 21 21 21

R4 24 22 20 26 26 -

Наилучшей стратегией развития телефонных возможностей в


соответствии с минимаксным критерием «лучшим из худших» (критерий
Вальда) будет третья (R3).

Критерий Сэвиджа.

88
Заданная матрица определяет потери (затраты). По формуле (5.1.9)
вычислим элементы матрицы рисков rij и запишем их в следующую таблицу:

Состояния Si Величина риска (rji) Max Min


max (rij)
S1 S2 S3 S4 (rij)

Стратегия Rj

R1 0 4 10 1 10 -

R2 2 0 0 4 4 4

R3 14 12 8 0 14 -

R4 17 16 12 5 17 -

Полученные результаты вычислений с использованием критерия


минимального риска Сэвиджа привели к выбору второй стратегии (R2),
обеспечивающей наименьшие потери (затраты) в самой неблагоприятной
ситуации (когда риск максимален).

Критерий Гурвица.

Положим k = 0,5. Результаты необходимых вычислений приведены в


таблице:

S1 S2 S3 S4 min cij max cij hi = k min cij + (1 − k ) max cij H = min hi


j j

R1 7 10 18 22 7 22 14,5 14,5

R2 9 6 8 25 6 25 15,5 -

R3 21 18 16 21 16 21 18,5 -

R4 24 22 20 26 20 26 23 -

Оптимальное решение заключается в выборе W1.


Таким образом, далее лицу принимающему решение (ЛПР) в примере
предстоит сделать выбор, какое из возможных решений предпочтительнее:
по критерию Лапласа — выбор стратегии R2,
по критерию Вальда — выбор стратегии R3,
89
по критерию Сэвиджа — выбор стратегии R2,
по критерию Гурвица при k = 0,5 - выбор стратегии R1.

Глава 7. Доходность, волатильность, показатель VaR.

7.1. Доходность и волатильность.

Рыночные риски часто измеряются дисперсией, разбросом возможных


исходов. «Плоский» график функции плотности распределения означает
больший риск, «острый» - меньший риск. При измерении рыночных рисков в
качестве случайной переменной берут доходность финансового актива.
Пусть период измерения равен одному месяцу. Доходы, измеренные на
конец предыдущего месяца, обозначим через (i − 1) , а на конец текущего - (i ) .
Арифметическая или дискретная доходность (r ) определяется как
прирост стоимости актива P плюс такие промежуточные выплаты, как,
например, дивиденты или купонные платежи D, при этом промежуточные
выплаты реинвестируются только в конце месяца:
Pi + Di − Pi −1
ri = . (7.1)
Pi −1
В долгосрочном плане практикуется использование геометрической или
непрерывно наращенной доходности ( x )
Pi + Di
x i = ln . (7.2)
Pi −1
Преимущество использования геометрической доходности двояко:
1. Она может быть экономически более содержательной, чем
арифметическая доходность. Если геометрическая доходность распределена
нормально, то это распределение никогда не приведет к тому, чтобы цена была
отрицательной, поскольку левый хвост распределения логарифмов отношения
цен стремиться к − ∞ при стремлении отношения цен к нулю, то есть при
текущей цене, стремящейся к нулю.

90
Напротив, в левом хвосте нормально распределенной арифметической
доходности величина стремится к − ∞ при отрицательной величине текущей
цены, что экономически бессмысленно.
Следовательно, использование геометрической доходности удобно при
конвертациях. Например, австралийский инвестор хочет измерить доходность в
евро. Она может быть выведена из данных с базовой валютой в долларах
 ε  ε   $ 
ln  = ln  + ln  .
 руб   $   руб 
Тогда геометрическая доходность, выраженная в евро, просто равна
геометрической доходности рубля, выраженной в долларах и геометрическая
доходности евро, выраженная в долларах.
2. Геометрическая доходность очень легко применяется для множества
периодов. Например, пусть доходность за двухмесячный интервал времени.
Геометрическая доходность может быть представлена как сумма двух
одномесячных доходностей.
Добавим, что очень часто разница между арифметической и
геометрической доходностью очень мала. Предположим, что
 P 
x i = ln i  = ln (1 + ri ) , (7.3)
 Pi −1 
если ri мало, следовательно xi можно разложить в ряд Тейлора как

ri2 ri3
x i = ri − + − K ≈ ri .
2 3
Но, геометрическая и арифметическая доходности могут иметь и
существенные отличия, если временной горизонт составляет годы или если
рынок совершает большие скачки.
Например в период галопирующей инфляции в первой половине
девяностых в России ставка рефинансирования ЦБ РФ составляла более 200%
годовых, то есть величина ri была очень значимой, и, следовательно, разница
между геометрической и арифметической доходностью была большой.

91
На практике, распределение доходности оценивается по ретроспективе,
предполагая, что наблюдения идентичны и независимо распределены. Если N –
число наблюдений, следовательно ожидаемая доходность может быть оценена
простой средней x , а риск – вариация дисперсии. Таким образом,
волатильность рассчитывается по формуле:

1 N
σ= ∑ (xi − x ) .
2
N − 1 i =1
Она измеряет риск актива как степень разброса значений доходности
вокруг ожидаемого уровня.
Коэффициенты вета и альфа.
Одним из популярных методов оценки рыночного риска является расчет
и анализ показателя систематического рыночного риска – β – коэффициента,
оценивающего чувствительность риска акции по отношению к иску всего
рынка в целом:
Cov(ri , rm )
βi = ,
Var (rm )
где β i - коэффициент i-ого актива, Cov (ri , rm ) - ковариация случайных величин
доходности i-ого актива и рынка (или рыночного индекса), Var (rm ) - дисперсия
доходности рынка.
Этот метод основан на модели оценки капитальных активов У. Шарпа
(Capital Asset Pricing Model – CAPM) и применяется для оценки риска акций,
котирующихся на фондовых биржах.
Одним из косвенных показателей риска служит величина премии за риск -
разность доходности данного актива ri , которому присущ риск и доходностью
безрисковых вложений r f , в качестве которого на практике часто принимают

уровень доходности по казначейским обязательствам:


ri − r f .

92
Модель CAPM предполагает, что премия за систематический риск данной
ценной бумаги пропорционален премии за риск по рыночному портфелю
(индексу) с коэффициентом пропорциональности β i :

( )
ri − r f = β i ⋅ rm − r f .

В реальности премии за риск могут отклоняться. Величина этих


отклонений может быть охарактеризована как несистематический
(специфический) риск активов, который описывается α – коэффициентом:

α i = ri − r f − β i ⋅ (rm − r f ).

7.2. Показатель Value at Risk (VaR) – стоимость под риском.

VaR – выражается в денежных единицах (базовой валюте). Является


оценкой величины, которую не превысят ожидаемые в течение данного
периода времени потери с заданной вероятностью. Показатель VaR не
используется, если на рынке существует кризисная ситуация.

Пусть фиксирован портфель открытых позиций. VaR портфеля для


данного доверительного интервала и данного периода поддержания позиций
определяется как такое значение. Которое обеспечивает покрытие возможных
потерь x держателя портфеля за время t с вероятностью (1 − γ ) :

P(VaR ≥ x ) = 1 − γ .

VaR- это наибольший ожидаемый убыток, обусловленный колебанием цен


на финансовых рынках, который рассчитывается:
1. на определенный промежуток времени в будущем (временной горизонт);
2. с заданной вероятностью его не превышения (уровень доверия);
3. при данном предположении о характере поведения рынка (метод
расчета).

Временной горизонт выбирается из минимального реального срока, на


протяжении которого можно реализовывать на рынке данный инструмент, без
существенного ущерба.

93
Глубина периода расчета VaR – объем ретроспективных или
искусственно смоделированных данных. На основе которых рассчитывается
оценка.

Уровень доверия или вероятность выбирается в зависимости от


предпочтения к риску (склонность к риску). Базельский комитет по
банковскому надзору рекомендует выбрать уровень доверия из отрезка [95%,
99]. На практике как правило выбирается нижняя граница данного отрезка.

95% – доверительный интервал

5%

Рис.7.1 Определение величины VaR на графике распределений прибылей


и убытков.

Существует две основных группы подходов к оценке VaR:


1. «локальное оценивание», то есть на линейной или немного более
сложной аппроксимации стоимости финансового инструмента.
Например, дельта-нормальный метод;
2. «полное оценивание», полный пересчет финансового инструмента без
аппроксимизирующих предположений. Например, метод исторического
моделирования или метод Монте-Карло.

Наиболее часто VaR получил распространение в риск-менеджменте.

94
7.2.1. Дельта-нормальный метод (ДНМ).

ДНМ расчета величины VaR позволяет получить оценку в замкнутом


виде. В его основе лежит предпосылка о нормальном распределении
логарифмических доходностей факторов рыночного риска (цен первичных «
неразложимых» активов, от которых зависит стоимость более сложных
инструментов, позиций и портфеля в целом).
 p 
rt = ln t  ~ N µ , σ 2 . ( )
 p t −1 

VaR для одного актива.

Пусть инвестиционная позиция состоит из одной единицы какого-либо


актива. Размер дневной прибыли или убытка будет в точности равен
изменению цены этого актива в данный день. Таким образом, наименьшая
ожидаемая цена следующего дня с заданной вероятностью (1-γ) рассчитывается
по формуле:

p t +1 = p t ⋅ e E (rt )−α (γ )⋅σ t .

Математическое ожидание дневной доходности обычно принимают


равным нулю. Она может быть определена по историческим данным или
исходя из предполагаемых волатильностей (полученных на основе котировок
опционов). Волатильность доходности – простейший метод экспоненциального
сглаживания:

σ t2 = λ ⋅ σ t2−1 + (1 − λ ) ⋅ rt2 ,

где λ – параметр сглаживания (система Risk Metrics).

Другой подход к оценке σ t доходности – расчет предполагаемой


волатильности на основе котировок опционов. VaR отражает наибольшее
ожидаемое изменение за один день:

(
VaR = p t ⋅ e −α (γ )⋅σ t − 1 . )

95
(
На практике величину e −α (γ )⋅σ t − 1 ) заменяют на ее приближенное значение
– α (γ ) ⋅ σ t . Эта линейная аппроксимация для малых значений σ t основана на
разложении в ряд Тейлора.

Для временных горизонтов больше одного дня.

Для временных горизонтов более одного дня допускают, что дисперсия


изменений пропорциональна длительности временного горизонта
прогнозирования, что позволяет получить оценку рыночного риска на
необходимую перспективу, путем простого масштабирования однодневной
величины VaR. Для отдельной позиции, состоящих из нескольких
инструментов, подверженных единственному фактору риска:

VaR = α (γ ) ⋅ V ⋅ σ t ⋅ T , (7.4)

где T – временной горизонт, V – текущая стоимость позиции (произведение


текущей цены на количество единиц актива).

VaR диверсифицированного портфеля.

Для расчета VaR дельта-нормальным методом стоимости всех входящих


в портфель, должны быть предварительно представлены в виде аналитических
зависимостей от некоторого набора факторов рыночного риска, однодневные
логарифмические измененсия которых подчиняются совместному нормальному
распределению с математическим ожидание равным нулю: rt ~ N (0, Σ ) ,
Σ - ковариационная матрица доходностей факторов риска.

Ковариационная матрица может быть представлена в виде:

Σ = ξT ⋅ Ω ⋅ξ = D ⋅ Ω ⋅ D,

где ξ - вектор-столбец волатильностей доходностей активов, Ω -


корреляционная матрица, D - диагональная матрица волатильностей.

96
Стоимость портфеля V является функцией многих переменных (факторов
риска). Приращение стоимости может быть линейно аппроксимировано
членами первого порядка ряда Тейлора:

∂V ∂V ∂V
∆V = ∆r1 + ∆r2 + K + ∆rn . (7.5)
∂r1 ∂r2 ∂rn

Это разложение позволяет в общем виде выразить изменение стоимости


портфеля через относительные изменения факторов риска:

 ∂V  ∆r1  ∂V  ∆r2  ∂V  ∆rn


∆V =  r1  +  r2  + K +  rn  , (7.6)
 ∂r1 1r  ∂r2 2r  ∂rn nr

в скобках – эластичности (чувствительности) изменений стоимости портфеля


по отношению к изменению факторов риска.

Таким образом, дисперсия портфеля имеет вид:

σ ∆2V ≈ S12σ 12 + S 22σ 22 + K + S n2σ n2 + 2 S1 S 2σ 1σ 2 ρ12 + K


K + 2 S n −1 S nσ n −1σ n ρ n −1,n = V 2σ ∆2 V , (7.7)
V

где S i – чувствительность изменения стоимости портфеля по отношению к


малым изменениям, σ i – стандартное отклонение i-ого фактора риска, ρ ij –

коэффициент корреляции между доходностью соответствующих факторов


риска.
Воспользуемся уравнением (7.4) и получим:

VaR = α (γ ) ⋅ S T ΣS = α (γ ) ⋅ V ⋅ W T ΣW , (7.8)
где S – вектор-столбец чувствительности абсолютных изменений стоимости
портфеля по отношению к доходности факторов риска, W – вектор-столбец
чувствительности доходности портфеля по отношению к факторам риска.
Дельта-гамма-вега приближение.
Если в портфеле содержатся опционы, то применение к нему дельта-
нормального подхода сталкивается с проблемами:
1. дельта портфеля может изменяться очень быстро;
97
2. дельта портфеля может быть различной для роста и падения цены
базисного актива;
3. может случиться так, что предельные потери портфеля нельзя оценить
исходя из предельных отклонений цены, то есть функция изменений
стоимости портфеля является не монотонной.
Дельта-нормальный метод не учитывает какие-либо иные виды риска, кроме
как дельты, тогда в расчет могут быть включены показатели, отражающие
гамма и вега риск., которые являются членами ряда Тейлора,
аппроксимирующего приращение функции стоимости инструмента. Для
опционов модель должна учитывать их нелинейные ценовые характеристики и
включать факторы риска, отражающие волатильность цен и процентных ставок
базисных активов. Таким образом:
1
dV = ∆dS + ГdS 2 + Λdσ + K ,
2
где ∆, Г , Λ – оценки дельта, гаммы и веги соответственно для портфеля в
целом, S – цена базисного актива.
Дельта-гамма-вега приближение позволяет рассчитать VaR для портфеля
опционов с одним и тем же базовым активом:

VaR = ∆ (α (γ ) ⋅ σ S ) −
1
Г (α (γ ) ⋅ σ S )2 + Λ S ⋅ dσ .
2

7.2.2. Выбор параметра сглаживания в методе Risk Metrics.


Стандартная формула для расчета VaR параметрическим методом с
горизонтом прогноза в один день имеет вид:
 



 − α (γ )⋅σ t + µ  
 
t −1

VaRt = Vt −1 ⋅ 1 − e   ,

 
 
 

98
где Vt −1 - стоимость актива в предыдущий период прогноза, σ t -
t −1

прогнозируемая волатильность доходности актива, µ - математическое


ожидание доходности. На практике широко используется следующая формула
расчета:
VaRt = Vt −1 ⋅ α (γ ) ⋅ σ t .
t −1

Экспоненциальная взвешенная волатильность.


Между параметром λ и глубиной перспективы T устанавливается
зависимость в виде:

T t −1
σ= (1 − λ ) ⋅ ∑ λ (rt r )2 ,
−~ (7.9)
t =1

T 1
где 0 < λ < 1, ∑ λt −1 = при T → ∞ .
t =1 1− λ
Для этого вводится переменная, которая называется уровнем
толерантности:

Ω T∞ = (1 − λ ) ⋅ ∑ λt = γ L .
t =T

Таким образом, уровень толерантности представляет собой сумму весов


данных, находящихся за пределами горизонта T. Решая уравнение (7.9),
получим:
ln γ L
T= .
ln λ
Известно, что

( )
σ t2 = E rt − Ert 2 = Ert2 − (Ert )2 = Ert2 , так как (Ert )2 = 0 .
Определим тогда ошибку прогноза следующим образом:

ε t +1 = rt2+1 − σ t2+1 .
t t

99
Считая математическое ожидание случайной величины (Ert ) = 0 , в
качестве критерия выбора оптимального параметра λ примем минимум
среднеквадратической ошибки:
2
 
1  2
T 
RMSE = ⋅ ∑  rt +1 − σ t +1 (λ ) .
2
T t =1 
 t 

Рекомендуемая литература к разделу 1.

а) основная
1. Дубров А.М. Моделирование рисковых ситуаций в экономике и
бизнесе: Учеб. пособие/ А.М. Дубров, Б.А. Лагоша, Е.Ю. Хрусталев; Под ред.
Б.А. Лагоши.— М.: Финансы и статистика, 2000.
2. Лабскер Л.Г., Бабешко Л.О. Игровые методы в управлении
экономикой и бизнесом. — М.: ДЕЛО, 2001.
3. Шапкин А.С. Экономические и финансовые риски. Оценка,
управление, портфель инвестиций. — 3-е изд. — М.: Дашков и К°, 2004. — 544
с.: ил.
4. Шапкин А.С., Шапкин В.А. Теория риска и моделирование рисковых
ситуаций: Учебник — 2-е изд. — М.: Дашков и К°, 2007.
5. Шикин Е.В., Чхартишвили А.Г. Математические методы и модели в
управлении. — М.: Дело, 2004.
6. Энциклопедия финансового риск-менеджмента. / Под ред.
А.А.Лобанова и А.В. Чугунова. — М.: Альпина Паблишер, 2003. — 762 с.

б) дополнительная
1. Берстайн П. Против богов: Укрощение риска. — М.: Олимп-Бизнес,
2000. – 400 с. : ил.
2. Брейли Ричард, Майерс Стюарт. Принципы корпоративных финансов:
Пер. с агл. —М.: Олимп-Бизнес, 1997. —1120 с.

100
3. Васин А.А., Морозов В.В. Теория игр и модели математической
экономики: Учебное пособие. — М.: МАКС Пресс, 2005. —272 с.
4. Салин В.Н., Абламская Л.В., Ковалев О.Н. Математико-экономическая
методология анализа рисковых видов страхования. — М.: Анкил, 1997 г. — 128
с.
5. Тоцкий М.Н. Методологические основы управления кредитным риском
в коммерческом банке (http://www.finrisk.ru)
6. Фалин Г.И., Фалин А.И. Теория риска для актуариев в задачах. — М.:
Мир, 2004. — 240 с.: ил.
7. Четыркин Е.М. Методы финансовых и коммерческих расчетов. — 2-е
изд., испр. и доп. — М.: Дело ЛТД, 1995. — 320 с.
8. Шарп У.Ф. Инвестиции : Учебник для студ. вузов по экон. спец. : Пер. с
англ. / У.Ф.Шарп, Г. Дж. Александер, Дж. В. Бэйли. - М.: ИНФРА-М, 2003. —
1028 с.
9. Шоломицкий А.Г. Теория риска. Выбор неопределенности и
моделирование риска : Учебн. пособ. для студ. вузов, обучающихся по
направлению «Экономика». – М. : ГУ ВШЭ, 2005. – 400 с.

101
РАЗДЕЛ 2. Моделирование рисковых ситуаций

Глава 1. Кредитный риск

1.1 Идентификация и оценка кредитного риска предприятия в


условиях финансового кризиса

Успех хозяйственной деятельности предприятия тесно связан с


факторами внешней среды: грамотное планирование на самом предприятии не
является гарантом его прибыльности и процветания.
В процессе деятельности предприятие имеет дело с множеством
различных контрагентов. Финансовое состояние контрагента не зависит от
предприятия, поэтому именно внешние контрагенты предприятия в большой
части порождают его кредитный риск, то есть риск невыполнения обязательств
в рамках сделки.
Финансовый кризис – явление, затрагивающее практически каждое
предприятие, не зависимо от отрасли. Таким образом, в кризисный период
опасность реализации кредитного риска возрастает за счет того, что каждый из
контрагентов также подвержен кредитному риску. В условиях финансового
кризиса при реализации кредитного риска возникает опасность потерять
большие объемы денежных средств, поступающих от контрагентов, то есть
потерять свои доходы, что может привести к банкротству самого предприятия.
Объектом исследования являются активы (в частности денежные
средства) абстрактного предприятия нефинансового сектора без указания
специфики его организационно-правовой формы, размера и сферы
деятельности. Предметом – взаимоотношения с различными контрагентами,
специфика договоров и система финансовой ответственности.
Возникновение риск-менеджмента на уровне предприятия приходится на
середину 90-х годов XX века [7]. В связи с этим на сегодняшний день не
существует фундаментального теоретического подхода к анализу кредитных
рисков предприятия, он производится на основании общий теории риск-

102
менеджмента. Среди исследователей-теоретиков, внесших большой вклад в
развитие теории риска, можно выделить таких ученых, как Дж. М.Кейнс,
А.Маршалл, Ф.Найт, Дж. Нейман, и другие. А. Маршаллом одним из первых
были рассмотрены проблемы возникновения экономических рисков, его труды
положили начало неоклассической теории риска. Дж. М.Кейнс ввел в науку
понятие «склонность к риску», характеризуя инвестиционные и
предпринимательские риски, одним из первых приступил к классификации
рисков. В работе Ф.Найта «Риск, неопределенность и прибыль» впервые была
высказана мысль о риске как количественной мере неопределенности. В трудах
О.Моргенштейна и Дж. Неймана также были разработаны вопросы теории
риска, отражающие взаимосвязь понятий «неопределенность» и «риск»,
отражена вероятностно-математическая трактовка риска.
В качестве методологической базы используется аппарат системного
анализа, эконометрического моделирования и финансового анализа. В рамках
оценки кредитного риска используется показатель VaR и ряд коэффициентов
финансовой деятельности предприятия. Для проведения оценки кредитного
риска привлекаются данные финансовых отчетов предприятия (бухгалтерского
баланса и отчета о прибылях и убытках).
Стоит отметить, что в процессе оценки кредитного риска предприятия
встает вопрос об оценке вероятности банкротств банков и страховых
организаций. Оценка этих вероятностей будет рассмотрена далее в данной
главе.

1.1.1 Понятие кредитного риска предприятия, особенности его


реализации в кризисный период
Понятие кредитного риска принято связывать в основном с
деятельностью банков, однако он существует и на предприятиях, причем здесь
его понятие намного шире.

103
Под кредитным риском понимается риск нарушения одной из сторон
условий договора или иного способа невыполнения обязательств в рамках
сделки. Кредитный риск также иногда называют риском контрагента.
Кредитный риск можно подразделить на два подвида: риск до
осуществления расчетов и риск расчетов. Первый включает в себя риски того,
что контрагент не исполнит взятое на себя обязательство. Второй – что
контрагент не перечислит денежные средства за поставленную продукцию или
оказанные услуги. В результате реализации кредитного риска предприятие
несет два вида потерь: потери прибыли и недополучение прибыли.
Кредитный риск может происходить как из внутренней среды
предприятия, так и из внешней. Внутренние факторы, порождающие кредитный
риск, – это персонал предприятия и финансовое состояние данного
предприятия.
Взаимодействием с контрагентами занимаются менеджеры предприятия,
поэтому их ошибки могут увеличить кредитный риск, а тщательная работа –
снизить. Это касается в первую очередь ошибок, допущенных в прошлом (не
очень тщательный отбор контрагентов, например), которые могли не
проявляться в стабильное время, но проявились в кризис.
Сотрудники предприятия заключают договора найма на работу,
следовательно, невыполнение этих договоров влечет за собой появление
кредитного риска. В период кризиса вспыхивает волна увольнений. Согласно
трудовому законодательству при сокращении работника предприятие обязано
выплатить ему компенсацию равную трехмесячному окладу. Выплаты данных
возмещений могут составлять достаточно большие суммы, поэтому данный вид
риска вносит существенный вклад в потери прибыли предприятия в условиях
финансового кризиса.
Неустойчивое финансовое состояние предприятия может повлечь
возникновение задолженностей по штрафам и пени перед контрагентами, что
также является реализацией кредитного риска.

104
В процессе хозяйственной деятельности предприятие имеет дело с
множеством контрагентов, которые и порождают его внешний кредитный риск.
К ним относятся: поставщики и подрядчики предприятия, заказчики
предприятия, государственные органы, коммерческие банки, страховые
компании.
Поставщики, подрядчики и заказчики предприятия являются источником
риска неплатежей и «непоставок». Этот риск возникает, когда предприятие-
конрагент в рамках договора не поставило в срок оплаченную продукцию, или
когда не оплатило в срок отгруженную продукцию.
Государственные органы являются источником политического риска. Под
политическим риском понимается возможность возникновения убытков или
сокращения размеров прибыли, являющихся следствием государственной
политики. Таким образом, политический риск связан с возможными
изменениями в курсе правительства, переменами в приоритетных направлениях
его деятельности. В условиях финансового кризиса данный вид риска опасен и
для государств с относительно стабильной политической обстановкой, так как
происходит пересмотр распределения бюджетных средств и их источников.
Риски, связанные с коммерческими банками и страховыми компаниями,
выражаются в невыполнении или изменении договоров банковского
обслуживания или страхования.
В условиях финансового кризиса вероятность кредитного риска сильно
возрастает. Это объясняется тем, что для каждой компании появляется риск
оказаться несостоятельным плательщиком, что по цепочке приведет к
проблемам их контрагентов.

105
1.1.2. Идентификация кредитного риска предприятия в условиях
финансового кризиса
Кредитный риск предприятия порожден множеством событий. Различные
события могут вести к возникновению одинаковых опасностей, одно событие
может приводить к различным опасностям.
В параграфе будет произведена идентификация кредитного риска
предприятия и построен шаблон этого риска.

Идентификация кредитного риска предприятия


В процессе идентификации кредитного риска выявим объект, субъект
риска, а так же события, которые могут привести к различным опасностям.
В случае невыполнения обязательств контрагентами, предприятие несет
убытки, то есть теряет часть фактической или потенциальной прибыли. В
условиях финансового кризиса в случае реализации политического риска
предприятие наряду с прибылью может понести потери своих активов. Таким
образом, объектом риска выступают активы предприятия, в частности
денежные средства и имущество.
За все процессы, происходящие на предприятии, несет ответственность
его руководитель. Однако, в конечном итоге, все убытки предприятия являются
убытками его владельца (акционеров). Таким образом, субъектом кредитного
риска предприятия являются его владельцы.
Перейдем к идентификации опасностей, которые составляют кредитный
риск предприятия.
По типам все события, инициирующие кредитный риск можно разделить
на следующие группы:
Банкротство, под которым понимается ликвидация предприятия,
переуступка прав требований, начало рассмотрения дела о
банкротстве в суде и т.д.
Дефолт по обязательству
Неплатежеспособность
106
Отказ или мораторий на осуществление платежа или выполнение
обязательства [7].
Как уже было отмечено, источниками возникновения кредитного риска
могут быть сама организация или ее внешние контрагенты.
В период кризиса предприятия стараются сокращать свои расходы.
Весомой статьей расходов является выплата заработной платы сотрудников,
поэтому в период кризиса происходит сокращение штата, особенно топ-
менеджеров. Данное событие влечет следующий риск:
1. Необходимость выплаты компенсаций работникам при
сокращении.
У предприятия может быть недостаточно средств на счетах в связи с
различными обстоятельствами: потери прибыли, снижение объемов продаж,
уменьшением ликвидности, ошибки менеджеров при планировании прибыли и
т.д. Это событие приводит к тому, что оно не может погасить свои
задолженности. Задолженности предприятия можно подразделить на
задолженность по выпущенным ценным бумагам и кредиторскую
задолженность. Невыплата процентов по акциям не влечет опасностей для
предприятия, а непогашение в срок кредиторской задолженности влечет
появление следующих опасностей:
2. Необходимость выплаты штрафов и пени за несвоевременно
поставленную продукцию.
3. Необходимость выплаты штрафов и пени за несвоевременную
оплату полученной продукции.
4. Необходимость выплаты штрафов и пени за просроченные
платежи по кредитам.
Теперь перейдем к идентификации опасностей, порожденных внешней
средой предприятия.
Стоит отметить, что помимо внешних факторов на появление внешнего
кредитного риска оказывают воздействие ошибки менеджеров самого
предприятия. К ошибкам такого рода относятся: выбор ненадежного

107
контрагента, неиспользование авансовых платежей при оплате, неправильное
составление договоров и т.д.
Предприятие контрагент (как поставщик, так и заказчик) так же может
иметь недостаток средств на своих счетах. Более того, банкротства
контрагентов в кризис явление достаточно распространенное. Данные события
могут привести к реализации кредитного риска предприятия через:
5. Несение дополнительных расходов в связи со срывом поставки
или сдачи выполнения работ. Опасность существует при
условии, что была внесена предоплата или полная оплата
непоставленной продукции (услуг).
6. Потери прибыли из-за неоплаты (частичной или полной)
отгруженной продукции.
В условиях финансового кризиса увеличивается вероятность
политических рисков. В кризисные периоды государство так же испытывает
недостаток денежных средств. В связи с этим государство пересматривает
бюджет и сокращает расходы по различным статьям. Тогда для предприятия
возникает следующая опасность
7. Отмена государственных субсидий и дотаций. Это не влечет
напрямую потерю денежных средств, однако субсидии и
дотации часто направлены на развитие инновационной
деятельности предприятия, так что их отмена повлечет
необходимость либо закрытия проекта, либо продолжения его
финансирования за счет собственных денежных средств.
Помимо сокращения расходов в период кризиса государство
заинтересовано в привлечении дополнительных доходов, основным
источником которых являются налоговые поступления. Это приводит к
увеличению налоговых ставок и возникновению еще одной опасности для
предприятия:
8. Потеря части прибыли из-за увеличения налоговых ставок.

108
Однако в период кризиса государство старается поддерживать наиболее
значимые для экономики предприятия. Одним из способов поддержания
деятельности предприятия является его национализация, однако
национализация несет в себе опасность для владельцев предприятия
9. Потери активов (части или предприятия в целом) в связи с
национализацией предприятия
На сегодняшний день все расчеты между предприятиями ведутся через
коммерческие банки. Коммерческие банки, наряду с другими финансовыми
институтами, более всех подвержены влиянию финансового кризиса. Таким
образом, проблемы банков в кризис превращаются в проблемы предприятий. В
период кризиса у банков в силу различных причин появляются проблемы с
ликвидностью, а следовательно, и с наличием денежных средств. Для
предприятия это может обернуться следующей опасностью:
10.Задержка зачисления платежей на счета предприятия. По сути,
задержка не является потерей прибыли, однако она ведет к тому,
что происходят задержки платежей по договорам, что влечет
потери прибыли за счет выплат штрафов и пени.
Функционирование предприятия, особенно его расширение, невозможно
без привлечения заемных средств. Источником таких средств чаще всего
является банковский кредит. В период кризиса банки часто пересматривают
проценты по кредитам, для покрытия своих убытков, что влечет опасность для
предприятия:
11. Потери прибыли из-за повышения ставок по ранее полученным
кредитам.
Более того, в период кризиса предприятие из-за недостатка денежных
средств часто не выплачивает проценты по кредиту, и банки, стараясь вернуть
свои средства, удерживают переводимые через них платежи. Это инициирует
еще две опасности для предприятия:
12. Удержание банком средств, перечисленных контрагентом в
качестве оплаты, в счет погашения задолженности.

109
13. Удержание банком средств, перечисленным предприятием в
качестве оплаты счетов своим контрагентам, в счет погашения
задолженности.
Обе эти опасности не влекут за собой окончательную потерю прибыли,
однако могут быть потерей средств за конкретный расчетный период. В связи с
этим возникнет необходимость привлечения собственных средств для
погашения задолженностей.
Самой большой угрозой для банка в кризис является банкротство или
отзыв лицензии. Банкротство банка влечет за собой потерю денежных средств
на счетах предприятия, открытых в этом банке, эту опасность для предприятия
можно сформулировать следующим образом:
14. Потеря денежных средств на своих счетах предприятием из-за
банкротства обслуживающего банка.
Еще одним типом финансовых институтов, испытывающий серьезные
проблемы в кризис, являются страховые компании. Они, подобно банкам,
испытывают недостаток денежных средств и в связи с этим задерживают
платежи по наступившим страховым событиям. Подобно банкам в период
кризиса для страховых компаний велик риск банкротства или отзыва лицензии.
Это инициирует еще одну опасность для предприятия:
15. Потери прибыли из-за задержки или невыплаты возмещений от
страховых компаний по наступившим страховым событиям.
Рассмотрим события, ведущие к кредитным потерям в виде
недополучения прибыли предприятием.
В связи со снижением расходов контрагентами и даже их банкротствами
расторгаются заключенные ранее договора, работы по которым еще не
проводились (услуги не предоставлялись). Это событие не влечет потерю
прибыли, однако несет следующую опасность:
16. Недополучение прибыли из-за расторжения заключенных ранее
договоров.

110
Предприятия размещают свободные денежные средства в другие
предприятия через покупку акций, облигаций или других финансовых
инструментов. В период финансового кризиса вероятность обвала фондового
рынка колоссальна. Падение цен на ценные бумаги влечет кредитный риск для
предприятия в следующей форме:
17. Недополучение прибыли из-за обвала фондового рынка.
В данной части получен полный список опасностей (рисков), которые
могут повлечь возникновение кредитного риска предприятия. Выявлено, что не
каждое опасное событие ведет к возникновению риска. На основе данного
списка опасностей в части 2.2. построен шаблон кредитного риска предприятия.

Построение шаблона кредитного риска предприятия


Для того чтобы оценить риск и управлять им, необходимо кроме списка
возможных опасностей выявить факторы, влияющие на степень риска. Для
этого будет построен шаблон кредитного риска предприятия в условиях
финансового кризиса.
Шаблон кредитного риска предприятия представлен в Таблице 1.1.1.

111

4
2

за
за

платежи
кредитам
Опасность

3 продукцию
продукцию
1 увольнении

оплаченную
Компенсация

поставленную

несвоеременно
несвоеременно

за просроченные
Штрафы и пени
Штрафы и пени
Штрафы и пени
сотрудникам при

по
Авансовая
система расчетов
штрафов и пени за
несвоевременное
выполнение

повыш.
повыш.
повыш.
обязательств
Фиксирова
нные ставки по
кредитам
(неизменные)
Наличие
расчетных счетов
в нескольких
банках
Наличие
резервных фондов
различного
профиля

Льготный
режим
налогообложения
ие является
стратегически
важным или
градообразующим

Квалифици
пониж.
пониж.
пониж.
повыш.

рованный
менеджмент

Надежные
контрагенты
Прибыль
предприятия
застрахована
Шаблон кредитного риска предприятия
Таблица 1.1.1
8
6

7 )
доп.
из-за

5 услуг

ставок
Отмена

дотаций
поставки

субсидий

(снижение

налоговых
продукции
отгруженной

необходимости
госудаственных

финансирования
материалов или

прибыли за счет

Средств

из-за увеличение
срыва

Потеря прибыли
и
Потеря прибыли
Потеря прибыли

из-за неоплаты

Использование
авансов при
пониж.
повыш.

расчетах
и пени за
несвоевременное
выполнение
пониж.
пониж.

обязательств

Фиксированные
ставки по кредитам
(неизменные)

Наличие расчетных
счетов в
нескольких банках

113
Наличие резервных
пониж.

фондов различного
профиля

Льготный режим
пониж.

налогообложения
является
стратегически
важным или
пониж.
пониж.

градообразующим
пониж.
пониж.

Квалифицированн
ый менеджмент

Надежные
пониж.
пониж.

контрагенты
Прибыль
предприятия
пониж.
пониж.

застрахована
Потеря активов в
связи с
национализацие
9 й предприятия повыш.
Задержка
зачислений
10
средств на счета
предприятия пониж. пониж.
Потеря прибыли
из-за повышения
ставок по ранее
выданным
11 кредитам пониж. пониж.
Удержание
банком средств
12
перечисленных
контрагентом пониж пониж.
штрафов и пени за

градообразующим

Квалифицированн
Наличие резервных

налогообложения
расчетных счетов
несвоевременное

Льготный режим

ый менеджмент
Фиксированные
Использование

стратегически
(неизменные)

в нескольких

застрахована
обязательств

предприятия
контрагенты
важным или
выполнение
авансов при

различного

Надежные
ставки по
кредитам

Прибыль
расчетах

профиля
Наличие

является
фондов
банках
Удержание
банком средств
перечисленных
13 контрагенту пониж пониж.

Потеря
14 денежных
средств из-за наличие пониж пониж.

114
банкротства
обслуживающег
о банка

Потеря прибыли
из-за невыплаты
страховыми
компаниями
15 возмещений пониж. пониж. пониж пониж. повыш.
Недополучение
прибыли из-за
срыва
заключенных
16 ранее договоров,
по которым еще
не
производились
операции пониж. пониж. пониж.
Недополучение
прибыли из-за
обвала
фондового пониж
17 рынка пониж. .

115
1.1.3. Оценка кредитного риска предприятия в условиях финансового
кризиса
Кредитный риск предприятия порожден множеством опасностей и
событий. Именно поэтому его оценка является комплексным, сложным
мероприятием. Сложность оценки кредитного риска предприятия заключается
в том, что его возникновении иногда порождено факторами, трудно
поддающимися количественной оценке, например, политическими.
В виду указанных выше причин, будем оценивать кредитный риск
предприятия с двух позиций: интегрального показателя, резюмирующего
общую опасность возникновения кредитного риска предприятия, и расчета
величины возможных потерь, отображающую количественные потери
предприятия при реализации кредитного риска.

Интегральный показатель оценки кредитного риска предприятия


Интегральный показатель оценки кредитного риска является моделью
множественной регрессии, где параметрами являются факторы, инициирующие
кредитный риск.
Приведем пример построения данного показателя на основе
бухгалтерских документов организации (баланса и отчета о прибылях и
убытков), внутренней информации организации (о количестве и структуре
договоров), а также на основе экспертной оценки лица, оценивающего данный
риск.
Ставится задача: найти вид интегрального показателя для конкретного
предприятия. Предполагается, что есть возможность собрать необходимое
количество данных для оценки модели.
Необходимо иметь следующие данные о деятельности предприятия за
несколько периодов:
π – чистая прибыль предприятия,
ССЧ – средне-списочная численность работников на предприятии,
d – директивно заданная величина объема сокращения работников (в %),

116
S – средний размер оклада труда на предприятии,
R(revenue) – доходы предприятия,
F (fine) – величина штрафа (пени) по договору за просрочку платежа,
AP (accounts payable) – кредиторская задолженность.
APs (accounts payable short) – краткосрочная кредиторская задолженность,
AR (accounts receivable) – дебиторская задолженность,
ARП (accounts receivable) – дебиторская задолженность планируемая,
MA (money in accounts) – денежные средства на счетах в банках,
CA (current assets) – оборотные активы,
NA (net assets) – активы-нетто (активы с вычетом долговых
обязательств),
EBIT (earning before interest and tax) – прибыль до уплаты налогов и
процентов по кредитам,
EC (equity capital) – собственный капитал,
IL (insured loss) – убытки по застрахованным объектам,
К – интегральный показатель оценки кредитного риска предприятия.
Пусть связь значения показателя с величиной прибыли предприятия и
кредитным риском выражается по критериям, приведенным в Таблице 1.1.21.
Выбор такого соответствия объясняется тем, что денежные средства,
полученные от контрагентов, являются основным источником прибыли
предприятия2, поэтому реализация кредитного риска предприятия воздействует
в первую очередь на потерю прибыли. Более того, получение прибыли является
основной задачей предприятия, следовательно, разумно рассматривать ее
(прибыли) взаимосвязь с кредитным риском.
Таблица 1.1.2.
Значение интегрального показателя кредитного риска
Величина
Связь K c ∆π (в%) Степень риска
показателя K

1
Данная таблица может быть пересмотрена для каждого предприятия. Графа степень риска требует
расширенной интерпретации для каждого предприятия в согласии с его особенностями.
Данная таблица должна помогать разрабатывать меры по управлению кредитным риском предприятия.
2
Для 40% предприятий прибыль от сделок составляет 75% от общей прибыли [12]

117
0 До 10 Кредитный риск отсутствует
Кредитный риск реализован слабо
1 10-20 (нет необходимости разработки
серьезных мер по его управлению)
2 21-30 Кредитный риск реализован средне
3 31-40 Кредитный риск реализован средне
4 41-50 Кредитный риск реализован средне
5 51-60 Кредитный риск высок
6 61-70 Кредитный риск высок
7 71-80 Кредитный риск высок
8 81-100 Кредитный риск достаточно высок
Кредитный риск очень высок.
Более 100% (но не
Предприятие находится на грани
9 более величины
банкротства. Необходима срочная
капитала предприятия)
реализация антикризисных мер
Более 100 % Кредитный риск реализован в полном
(приближение к объеме. Предприятие банкрот
10
величине капитала
предприятия)

Как было выявлено в пункте 1.2, кредитный риск предприятия имеет


следующие источники возникновения: финансовые проблемы самого
предприятия; действия поставщиков и покупателей, государства, банков и
страховых организаций. Рассчитаем вклад каждого источника в интегральный
показатель. Вклад каждого источника выражается как величина потерь
прибыли в связи с реализации риска от данного источника.
1. Расчет вклада в интегральный показатель рисков, порождаемых
самим предприятием.
Для начала рассчитаем потери, возникающие за счет выплаты
компенсаций работника. Расчет данного показателя имеет смысл проводить по

118
двум группам сотрудников – менеджерам среднего звена и топ-менеджерам в
связи с большими разрывами в величине оклада труда.
Тогда зная
ССЧ 1 – средне-списочная численность менеджеров среднего звена,

ССЧ 2 – средне-списочная численность топ-менеджеров,

d1 – директивнозаданный показатель увольнения менеджеров среднего-


звена,
d 2 – директивнозаданный показатель увольнения топ-менеджеров,

S1 – средний оклад труда менеджера среднего звена,

S 2 – средний оклад труда топ-менеджера.


Тогда
HL = CCЧ 1 ⋅ d1 ⋅ 3S1 + CCЧ 2 ⋅ d 2 ⋅ 3S 2 (1.1.1)
– убытки от выплаты компенсаций при увольнении работников.
Тогда риск потери прибыли от выплаты компенсаций в сокращения штата
может быть занесен в интегральный показатель как
HL
K1 = (1.1.2)
π
– вклад в интегральный показатель убытков при выплате компенсаций
работникам.
Зная величины штрафов и пени за просрочку платежей3, а также
величину дебиторской задолженности по каждому контрагенту рассчитываем
TF = F (M − AP ) (1.1.3)
– убытки в случае нарушения сроков оплаты по договорам.
Тогда K2 – показатель убыточности ввиду невыполнения обязательств
TF
, M − AP ≤ 0
составляет K2 =  π . (1.1.4)
 0, M − AP > 0

3
Для российской практики штрафы и пени рассчитываются, как 1% от суммы договора за каждый день
просрочки, но не больше указанной в договоре суммы

119
2. Расчет вклада в интегральный показатель рисков, возникающих из-за
неоплаты продукции и непоставки товаров (услуг).
Для этого рассчитаем вероятность, с которой контрагент не выполнит
свои обязательства [3]. Пусть Pк – вероятность нехватки интенсивности
денежного оборота у контрагентов.
Для совокупности контрагентов рассчитаем простую среднюю базы
возмещения в анализируемом периоде B . База возмещение – накопленная
величина, представляющая собой сумму обязательств за срок исполнения
обязательств. Рассчитаем для той же совокупности σ (B ) – стандартное
отклонение ежедневных данных о размере базы возмещения.
Выберем соответствующий уровень рисковой надбавки, в зависимости от
анализируемого периода. Величины рисковой надбавки размещены в Таблице
1.1.3.

Таблица 1.1.3.
Рисковые надбавки (Источник:[3], стр 67)
Периодичность оценки риска
Неделя Месяц Квартал Полугодие Год
Неделя 1,4329 2,2366 2,7093 2,98 3,2331
берется за

Месяц 1,3118 2,0476 2,4803 2,7281 2,9598


Выборка

Квартал 1,2916 2,0161 2,4421 2,6861 2,9143


Полугодие 1,2866 2,0082 2,4326 2,6757 2,9030
Год 1,2841 2,0043 2,2736 2,4279 2,8973

Рассчитаем:
LL = B − σ (B )α – нижний предел поступления средств в счет погашения
дебиторской задолженности (минимально гарантированные поступления)
UL = B + σ (B )α – верхний предел поступления средств в счет погашения
дебиторской задолженности (максимально возможны поступления).
 0, AR ≤ LL
 AR − LL
Тогда Pk =  , LL < AR,UL (1.1.5)
 UL − LL
 1, AR ≥ UL

и суммарная задолженность составляет

120
TAR = Pk ⋅ AR . (1.1.6)
K3 – показатель убыточности ввиду невыполнения обязательств контрагентами
составляет
TAR
K3 = . (1.1.7)
π
Стоит отметить, что данным способом получаем оценку не только потерь
от неоплаты счетов покупателями, а также потерь от непоставки товаров и
услуг, так как, если оплата работы (материалов) произошла, это вносится в
кредиторскую задолженность.
3. Внесем в интегральный показатель политические риски. Политические
риски являются рисками, которые сложно поддаются количественной оценке.
Для включения их в регрессионную модель обозначим данный вид рисков
через фиктивные переменные. Фиктивные переменные можно включать в
модель способом, показанным в таблицах 1.1.4 и 1.1.5

Таблица 1.1.4.
Показатель риска национализации для предприятия
Степень
К4 Соответствующая характеристика предприятия
риска
3 Высокий Предприятие является градообразующим или стратегически важным
2 Средний Предприятие занимается деятельностью, важной для государства
(специфические виды исследований, специфическая продукция)
1 Низкий Предприятие не является стратегически важным для государства

Таблица 1.1.5.
Показатель риска отмены государственных субсидий и дотация для
предприятия
Степень
К5 Соответствующая характеристика предприятия
риска
3 Высокий Предприятие не является стратегически важным для государства
2 Средний Предприятие занимается деятельностью, важной для государства
(специфические виды исследований, специфическая продукция)
1 Низкий Предприятие является градо- или системообразующим

4. Внесем в интегральный показатель риски, инициируемые банками.


Риск того, что банк изымет средства, перечисленные в оплату услуг, в
счет погашения задолженности перед банком можно расценивать как

121
неоплаченные обязательства, которые были включены в интегральный
показатель в пункте 1 и 2.
Для расчета риска, связанного с банкротством банка воспользуемся
показателем вероятности разорения банка Pб [3].
Устойчивость банка зависит от ряда показателей, но для упрощения
модели используются собственный капитал банка, коэффициент текущей
ликвидности и рентабельность работающих активов. Эти показатели легко
поддаются оценке, так как по законодательству РФ коммерческие банки
обязаны публиковать свою отчетность [1].
CA
K CL = (1.1.8)
APS
– коэффициент текущей ликвидности (current liquidity),
m
EBIT
ROA = 12 100% (1.1.9)
NA
– коэффициент рентабельности активов, где m-число месяцев в отчетном
периоде, NA – средняя хронологическая активов-нетто.
После расчета этих показателей необходимо перейти к их вероятностным
эквивалентам4. Для этого, как правило, используются экспертные оценки.
Например, в [3] предложен следующий способ перехода (см. Таблицу 1.1.6).

Таблица 1.1.6.
Вероятностные эквиваленты используемых параметров
Показатель Значения Характеристика
0 Обладает выраженной отрицательной
тенденцией или на конец анализируемого перил
составляет менее 5% активов-нетто
P(EC) – вероятностный
0,5 Не обладает выраженной отрицательной
эквивалент
тенденцией и на конец анализируемого периода
собственному капиталу
составляет менее 15% активов-нетто
1 Характеризируется позитивно во всех
отношениях
0 Обладает выраженной отрицательной
P(ROA) – вероятностный
тенденцией или является отрицательным
эквивалент коэффициента
0,5 Не обладает отрицательный тенденцией, но его
рентабельности
средний уровень не превышает темпа инфляции

4
Вероятностный эквивалент – безразмерная сопоставимая оценка показателя.

122
1 Характеризируется позитивно во всех
отношениях
0 Обладает выраженной отрицательной
тенденцией, его значение меньше 1
P(KCL) – вероятностный
0,5 Обладает отрицательной тенденцией, но его
эквивалент коэффициента
значение больше или равно 1
текущей ликвидности
1 Характеризируется позитивно во всех
отношениях

Теперь рассчитаем вероятность банкротства банка. Для получения


наиболее точного результата стоит провести оценку вероятности банкротства
каждого обслуживающего банка5
Pб = b0 + b1 ⋅ P (EC ) + b2 ⋅ P(ROS ) + b3 ⋅ P(K CL ) (1.1.10)
После проведения оценки (1.1.10) можно пользоваться данной формулой
для оценки вероятности банкротства обслуживающего банка.
С учетом того, что по законодательству РФ предприятие может иметь
счета в нескольких коммерческих банках (n штук) [2] получим вклад данного
риска в интегральный показатель:
n
TMA = ∑ Pбi ⋅ MAi , (1.1.11)
i =1

TMA
K6 = . (1.1.12)
π

5. Принцип оценки риска, порожденного страховыми компаниями, имеет


ту же логику, что и оценка рисков от коммерческих банков, так как эти
финансовые институты схожи по структуре.
Для оценки вероятности дефолта страховой компании PСК используются
следующие показатели: активы-нетто страховой компании, KCL – коэффициент
текущей ликвидности страховой компании, RIA – рентабельность страховой
деятельности, NPI – доля страховой премии-нетто. Формула для расчета
коэффициента текущей ликвидности аналогично указанной в п.4. Расчет RIA

5
В период стабильности экономики можно воспользоваться существующими оценками данного показателя,
например, приведенного в [3]. Однако данные оценки будут неадекватны в период кризиса.

123
происходит аналогично ROA с поправкой на то, что вместо показателя EBIT
берется совокупный доход от операций страхования.
Показатель NPI рассчитывается следующим образом:
PI Y
NPI = 1 − (1.1.13)
PI t
где PIr – сумма страховых премий, переданных на перестрахование, PI t –
суммарный размер собранных премий.
Вероятностные эквиваленты для NA, KCL и RIA, как правило, находятся
аналогичным образом, что ив п.4, за вероятностный эквивалент NPI берется его
средняя хронологическая за рассматриваемый период.
Тогда аналогично случаю с банком необходимо произвести оценку
вероятности банкротства страховой компании и использовать ее для расчетов.
PCK = c0 + c1 ⋅ P( NA ) + c2 ⋅ P(RIA) + c3 ⋅ P(K CL ) + c4 ⋅ P( NPI ) (1.1.14)
Предприятие может иметь требование к нескольким страховым
компаниям (пусть их число n), тогда общий риск, инициируемый страховыми
компаниями равен
n
TIL = ∑ PCK i ⋅ ILi , (1.1.15)
i =1

TIL
K7 = . (1.1.16)
π
Через показатели K1 − K 7 в интегральный показатель риска включены
риски, влекущие потерю прибыли компании. Однако для получения полной
картины кредитных потерь необходимо внести в показатель риски
недополучения планируемой прибыли.
Этот показатель можно оценить аналогично показателю (1.1.6) при
условии рассмотрения будущих договоров. Тогда
PK ⋅ AR П
K8 = (1.1.17)
π

124
– показатель недополучения прибыли в связи с расторжением заключенных
договоров, по которым еще не производились операции.
Недополучением прибыли также является неполучение дивидендов на
ценные бумаги, содержащиеся в портфеле предприятия.
Для расчета потерь от обвала фондового рынка используется метод VaR.
VaR – выраженная в денежных единицах оценка максимальных ожидаемых в
течение данного периода времени с данной вероятностью потерь данного
портфеля под воздействие рыночных факторов [4].
Простейшая формула для расчета VaR имеет вид:

VaR = pV α n , (1.1.18)
где p – текущая стоимость ценной бумаги,
σ
V= – коэффициент вариации ( σ – стандартное отклонение цены,
Ep

полученное путем исторического моделирования, Ep – математическое


ожидание цены ценной бумаги)
α – рисковая надбавка. Рассчитывается согласно Ошибка! Источник
ссылки не найден.,
n – число дней банковского периода оплаты.
Пусть в портфеле предприятия содержится n ценных бумаг. Управление
ими не производится. Тогда вклад недополучения прибыли из-за обвала
фондового рынка будет иметь вид
n
∑VaRi
K 9 = i =1 . (1.1.19)
π
Таким образом, имеем 9 регрессоров для оценки совокупного кредитного
риска. Строим регрессионную модель:
K = a0 + a1K1 + a2 K 2 + a3 K 3 + a4 K 4 + a5 K 5 + a6 K 6 + a7 K 7 + a8 K 8 + a9 K 9
(1.1.20)

125
Включение в модель свободного члена a0 обосновано тем, что потери
прибыли происходят не только по причине кредитного риска предприятия, а
также операционного риска, риска ликвидности и других.
После оценки регрессионной модели, риск-менеджер получит оценки ее
коэффициентов, по которым он сможет сделать вывод о значимости того или
иного фактора при реализации кредитного риска предприятия. В дальнейшем
он сможет оценивать кредитный риск, принимая эти коэффициенты как
данные, и интерпретировать результаты согласно Таблице 1.1.2.
Однако интегральный показатель риска является лишь индикатором
опасности, мерой его величины. На практике же наибольший интерес
представляет величина кредитных потерь. Расчету этого показателя посвящена
следующая часть работы.

Расчет кредитных потерь предприятия


В данной части получим формулу для оценки величины кредитных
потерь предприятия путем суммирования абсолютных показателей потерь,
использовавшихся для построения интегрального показателя (1.1.20).
Стоит отметить, что максимально точно количественно оценить потери
при реализации кредитного риска возможно для тех опасностей, вероятность
которых может быть найдена и ущерб от которых может быть оценен. Именно
поэтому в этой части работы не рассматривается политический риск.
Для начала рассчитаем денежные средства, которые предприятие теряет
полностью (потери прибыли).
Не все неоплаченные счета будут окончательными потерями
предприятия. В ходе процедуры банкротства контрагента, судебных
разбирательств т.д. предприятие может получить возмещение своих средств.
Уровень возмещения средств принято называть уровнем восстановления
платежеспособности контрагента, рассчитываемый с помощью
соответствующего коэффициента.
Данный коэффициент рассчитывается по следующей формуле:
126
K CL K +
Y
T
(
K CL K − K CL H )
Kв = , (1.1.21)
2
где K CL K , K CL H – коэффициенты текущей ликвидности на конец и начало

отчетного периода соответственно,


Y – период восстановления платежеспособности (как правило 6 месяцев),
T – продолжительность отчетного периода в месяцах.
Данный показатель может быть легко рассчитан для банков и страховых
показатель, однако получение соответствующих данных по контрагенту-
предприятию достаточно затруднительно и возможно только для крупных
компаний, для мелких и средних контрагентов данная величина может быть
оценена исходя из опыта риск-менеджера.
Рассчитаем показатель CL - суммарные кредитные потери. Они будут
складываться из потенциальных убытков по контрагенту с корректировкой на
коэффициент восстановления платежеспособности. На основе формул (1.1.1),
(1.1.3), (1.1.6), (1.1.11), (1.1.15), (1.1.21) получим
n n
CL = HL + TF + K в k ⋅ TAR + ∑ K вб ⋅ Pбi ⋅ MAi + ∑ K вCK ⋅ PCK i ⋅ ILi (1.1.22)
i i
i =1 i =1

Недополучение прибыли является безвозвратной потерей денежных


средств предприятия. Логика расчета данных потерь аналогично (1.1.22) без
учета коэффициента восстановления платежеспособности. Воспользовавшись
(1.1.17) и (1.1.18) получим величину недополученной прибыли предприятием
FCL .
n
FCL = PK ⋅ AR П + ∑VaRi . (1.1.23)
i =1

Тогда общие потери в денежном выражении при реализации кредитного


риска равны
TCL = CL + FCL . (1.1.24)

127
Приведенные показатели (1.1.22), (1.1.23) и (1.1.24) могут
использоваться для оценки кредитных потерь предприятия в денежном
выражении.
Таким образом, пункте 1.3 были приведены два способа оценки
кредитного риска: интегральный и количественный. Интегральный показатель
служит индикатором риска и дает риск-менеджеру общую картинку степени
подверженности предприятия кредитному риску, указывает на те факторы,
которые наиболее опасны для данного предприятия. Количественная оценка
кредитного риска показывает величину потерь в денежном выражении при
реализации кредитного риска.
Применение данных методов оценки может дать полную картину степени
кредитного риска предприятия и последствий его реализации.

Выводы. В данном параграфе дано определение и определены


особенности кредитного риска предприятия. Очевидно, что кредитный риск
занимает одно из первых мест по опасности для предприятия, ему подвержено
каждое предприятие. Данный факт указывает на то, что возникновение
«проблем» у одного предприятия влечет возникновение проблем у других, его
контрагентов. Таким образом, нарастание кредитного риска происходит по
цепочке. Кредитный риск предприятия может реализовываться двумя путями:
влечет за собой потерю прибыли или ее недополучение.
В ходе идентификации и построения шаблона кредитного риска было
выявлено, что в условиях финансового кризиса помимо «стандартных»
опасностей (непоставки и неплатежа) возникают специфические риски. К
специфическим рискам относятся риски, инициируемые государственными
органами, риски, связанные с сокращением штата, сильное повышение рисков
банкротств контрагентов, риски удержания банками перечисленных платежей в
счет задолженностей, риски повышения кредитных ставок.
Также было выявлено, что не все опасные событие влекут риски для
предприятия. Некоторые опасности могут инициировать один вид риска для

128
предприятия, например, банкротство и отзыв лицензии у обслуживающего
банка являются разными событиями, но влекут один риск – риск потери
денежных средств на счетах организации.
При построении шаблона риска выявлено, что не все риски поддаются
управлению. Некоторые риски можно снизить или устранить, создавая резервы,
уточняя договора. Однако все эти меры следует применять еще в докризисный
период. Некоторыми управлять невозможно – риск национализации,
повышения налоговых ставок.
Кредитный риск сложно поддается количественной оценке, так как
включает параметры, которые сложно оценить количественно. Именно поэтому
был построен показатель интегрального риска, который указывает на степень
подверженности предприятия кредитному риску. Интегральный показатель
степени риска является достаточно емким и информационным показателем. Он
учитывает практически все риски и при его построение производится расчет
многих показателей, которые также являются информативными. Интегральный
показатель степени кредитного риска легко трансформируется под конкретное
предприятие и подходит для оценки риска в любой экономической ситуации.
Предложенный вариант количественной оценки кредитного риска
является достаточно полным и позволяет максимально точно оценить
потенциальные убытки компании.
Приведенный метод оценки является универсальным, однако требует
адаптации под каждое конкретное предприятие. Метод расчета кредитного
риска является достаточно трудоемким и требует большого объема
информации, как о самом предприятии, так и о его контрагентах.
Оценка кредитного риска предприятия строится не только исходя из
конкретных экономических величин, но и исходя из опыта риск-менеджера его
оценивающего.

Список литературы
Законы и нормативно-правовые акты

129
1. ФЗ № 395-1 от 02.12.1990 «О банках и банковской деятельности» (в
редакции от 19.06.2001 82-ФЗ), глава 1, статья 8
2. Указ Президента РФ от 21 марта 1995 г. № 291 «О признании
утратившим силу пункта 2 Указа Президента РФ от 23 мая 1994 г. № 1006»

Книги, монографии и другие научные труды


3. Гончаров Д.А.Комплексный подход к управлению рисками для
российских компаний. М.:Вершина, 2008, 224 с.
4. Долматов А.С. Математические методы риск-менеджмента. М.:Экзамен,
2007, 319 с.
5. Куницына Н.Н. «Экономические методы оценки политических
рисков»,2002, Северо-Кавказский Технический университет
6. Уткин Э.А., Фролов Д.А. Управление рисками предприятия. М.: ТЕИС,
2003, 247с.
7. Энциклопедия финансового риск-менеджмента. Под ред. Лобанова А.А.,
Чугунова А.В. М.: Альпина Паблишер, 2003, 786 с.
Периодические издания
8. Капустина Н. В., Крюкова О. Г., Федосова Р.Н., Наянова М.В. Новая
методика оценки рисков деятельности предприятия.// «Менеджмент в
России и за рубежом», 2008 - № 4
9. Комаров В. Экономическая безопасность в условиях кризиса. //
«Технологии безопасности бизнеса», , ноябрь-декабрь 2008 - № 11-12
10. Рыхтикова А.Н. Особенности применения технологий
идентификации рисков в рамках современного риск-менеджмента
организаций в России. // «Менеджмент в России и за рубежом», 2009 - № 1
11.Федосова Р.Н, Крюкова О.Г., Бать С.С.Управление предпринимательскими
рисками на промышленном предприятии. //«Вестник ФА», 2007 - № 1
Литература на иностранном языке
12. Contract risk & Compliance Survey. Prepared by Deloitte, 2007

130
1.2. Анализ механизмов управления рисками кредитного портфеля

Главная цель процесса управления кредитным портфелем банка


заключается в обеспечении максимальной доходности при допустимом уровне
риска. Уровень доходности кредитного портфеля зависит от структуры и
объема портфеля, а также от уровня процентных ставок по кредитам. На
формирование структуры кредитного портфеля банка существенным образом
влияет специфика сектора финансового и других рынков, которые
обслуживаются данным банком. Для специализированных банков структура
кредитного портфеля концентрируется в определенных областях экономики.
Для ипотечных банков характерным является долгосрочное кредитование. В
структуре кредитного портфеля сберегательных банков преобладают
потребительские кредиты и ссуды физическим лицам. На текущем этапе
развития банковской системы главная задача состоит в поиске реальных путей
минимизации рисков и получения достаточных прибылей для сохранности
средств вкладчиков и поддержания жизнедеятельности банка. Успешное
решение этой сложной проблемы нуждается в использовании многих методов,
приемов, способов, систем и разработки новых подходов к управлению
рисками коммерческих банков.

Неэффективное управление рисками в банковской деятельности (в том


числе и кредитной) может привести банк к банкротству, а в силу его положения
в экономике, и целому ряду банкротств, связанных с ним предприятий, банков
и частных лиц. В этой связи разработка методов управления рисками
кредитного портфеля обеспечивает укрепление финансового положения банка.

Объект исследования: кредитная портфель банка, а также кредитный


риск, как неотъемлемая составляющая любой кредитной операции. Предмет
исследования: теоретический и методологический инструментарий управления
рисками кредитного портфеля банка.

Среди основных научно-практических источников, которые


используются в исследовании, стоит отметить работы Лобанова [1], Ковалева

131
[2], Морсмана [3], отражающие различные стороны управления кредитным
портфелем банка, а также документы, содержащие техническую документацию
к рассматриваемым моделям [8], [10]-[11].

1.2.1. Кредитные портфели и риски, сопряженные с ними

Среди традиционных видов банковской деятельности кредитные


операции – это основные операции, обеспечивающие их доходность и
стабильность существования.
Виды кредитных портфелей

В российской экономической литературе кредитный портфель


определяется как совокупность требований банка по кредитам, которые
классифицированы на основе определенных критериев. Одним из таких
критериев, применяемых в зарубежной и отечественной практике, является
степень кредитного риска. В соответствии с этим критерием, различают:
• Риск–нейтральный кредитный портфель. Характеризуется
относительно низкими показателями рискованности, но, в то же
время, и низкими показателями доходности, а рискованный
кредитный портфель имеет повышенный уровень доходности, но и
значительный уровень риска.
• Оптимальный кредитный портфель. Наиболее точно соответствует
по составу и структуре кредитной и маркетинговой политике банка
и его плану стратегического развития.
• Сбалансированный кредитный портфель. Портфель банковских
кредитов, который по своей структуре и финансовым
характеристикам лежит в точке наиболее эффективного решения
дилеммы «риск-доходность».

Оптимальный портфель не всегда совпадает со сбалансированным: на


определенных этапах своей деятельности банк может в ущерб

132
сбалансированности кредитного портфеля осуществлять выдачу кредитов с
меньшей доходностью и с большим риском. Делается это обычно с целью
укрепления конкурентной позиции, завоевания новых ниш на рынке,
привлечения новых клиентов и т.д.6
Классификация основных видов кредитных рисков

Все рассмотренные в данной курсовой работе модели управления риском


кредитного портфеля оперируют с таким понятием, как «дефолт». Для полного
понимания смысла этого понятие необходимо рассмотреть кредитные риски,
которые оказывают непосредственное влияние на портфель.

Кредитные портфели всегда сопряжены с кредитными рисками. [3]


Согласно Большому Юридическому Словарю, кредитный риск — это риск
невыполнения долговых обязательств, принятых на себя заемщиком перед
кредитором, т.е. риск, что кредит останется непогашенным.7 Кредитный риск
также можно определить как относительную величину потерь, приходящуюся
на единицу выданных кредитов.

Риски кредитования в зависимости от места их возникновения и степени


воздействия на них внешней среды могут быть разделены на две большие
группы: внешние (систематические) и внутренние (несистематические) [2].
Внешние риски не связны с конкретно выданными кредитами. Они зависят от
внешних факторов, не зависящих от деятельности банка или конкретного
заемщика. На них влияют факторы мирового или национального характера (это
так называемые макроэкономические факторы, которые учитываются в одной
из нижеследующих моделей). Причем кредитор не сможет вернуть свои
средства, не понеся потерь. Эти виды риска прогнозируются путем изучения
мирового и национального текущего кредитного рынка и его дальнейшего
развития на основе анализа макропоказателей. Внутренние риски связаны с
недополучением ожидаемого дохода или потерей средств в связи с финансовым

6
www.ru.wikipedia.org - Свободная энциклопедия
7
Большой Юридический словарь, электронная версия, www.slovari.yandex.ru

133
положением конкретного заемщика и уровнем управления банком-кредитором,
то есть риски, зависящие от коммерческой деятельности заемщика и банка:
специфики их работы, профессионального уровня, характера операций,
рентабельности, репутации и пр. Внутренние риски в свою очередь
подразделяются на несколько групп. Их удобно представить в виде следующей
схемы:

134
Кредитные риски

Внешние Внутренние
(систематические) (несистематические)

Риски связанные с Риски связанные с


заемщиком банком-кредитором

Риск рыночной стратегии


Риск эффективности
текущей деятельности
Риск кредитной политики

Риск ликвидности Структурный риск (диверсификации)

Процентный риск
Риск невыполнения
обязательств Отзывной риск

Временной риск
Финансовый риск
Операционный (селективный)
риск

Риск мошенничества
Риски по балансовым и
забалансовым операциям

Риск банковских злоупотреблений

Схема 1.2.1. Классификация кредитных рисков

Отметим, что реализация любого из этих рисков в рассматриваемых


моделях будет пониматься как наступление случайного события «дефолт», т.е.

135
заемщик по каким-либо причинам не может выплатить кредит полностью или
частично не зависимо от наступления конкретного вида риска.

Таким образом, рассмотрена классификация кредитных портфелей по


степени риска, в которой различают риск-нейтральные, оптимальные и
сбалансированные портфели. Также определено такое неотъемлемое понятие,
как «дефолт», которое в дальнейшем используется во всех рассматриваемых
моделях управления рисками кредитных портфелей. Под дефолтом понимается
наступление любого события, из-за которого владелец кредитного портфеля (в
данном случае банк) несет некоторые убытки, т.е. это может быть, например,
полный или частичный невозврат выданного кредита. При этом совершенно
неважно из-за каких причин наступает данное событие. В качестве примера
возможных событий, влекущих за собой «дефолт», была рассмотрена
классификация кредитных рисков, которые являются наиболее часто
встречающимися и оказывают сильное влияние на наступление такого события,
как «дефолт».

1.2.2. Управление рисками кредитных портфелей

Управление кредитным портфелем представляет собой организацию


деятельности банка при осуществлении кредитных операций, которая
направлена на предотвращение или минимизацию кредитного риска.
Конечными целями кредитной организации при управлении кредитным
портфелем является, во-первых, получение прибыли от активных операций, во-
вторых – поддержание надежной и безопасной деятельности банка.

За последние годы крупные зарубежные финансовые институты


разработали целый ряд моделей управлений рисками кредитных портфелей,
различающихся по применяемой методологии и степени сложности, которые
получили широкое признание в мире и фактически стали отраслевыми
стандартами. Наибольшей известностью пользуются следующие модели: Credit
Metrics, Credit Risk +, Moody’s KMV Portfolio Manager и Credit Portfolio View.
136
Эти модели являются своего рода универсальными моделями, так как в них
производится оценка риска портфеля, а затем предлагаются различные пути его
снижения.

Модель Credit Metrics

Данная модель позволяет построить распределение и найти


максимальные убытки, которые могут быть превышены лишь в 1% случаев.

Здесь используется так называемая матрица миграций, т.е. все возможные


состояния заемщика разбиваются на 8 подсостояний, которые располагаются в
порядке от самого благоприятного до непосредственно наступления дефолта и
обозначаются следующим образом:

1 ААА

2 АА

3 А

4 BBB

5 BB

6 B

7 CCC

8 Default

По историческим данным строятся переходные матрицы (матрицы


вероятностей), и затем при помощи метода Монте-Карло, моделируется
итоговое состояние портфеля.

С помощью данных расчетов имеется возможность планировать меры


работы с проблемными заемщиками вплоть до наблюдения и внешнего
управления. Своевременное выявление таких заемщиков позволяет банку
заблаговременно принять меры профилактики для снижения рисков дефолта и
повысить эффективность управления кредитным портфелем в целом.

137
Существенный недостаток модели Credit Metrics заключается в том, что
при оценке подверженности риску по всем заемщикам убытки могут возникать
только при наступлении конкретных событий. При этом не учитываются
факторы макроэкономического порядка, такие как случайные изменения
процентных ставок и валютных курсов. В системе Credit Metrics используется
только среднее значение подверженности риску для всех периодов времени [8].
Таким образом, могут возникать неточности и погрешности при расчете. В
связи с этим данная модель должна использоваться наряду с моделями,
учитывающими влияние макроэкономической среды.

Модель Moody’s KMV Portfolio Manager

Данная модель также предназначена для оценки и управления рисками


кредитного портфеля. Кредитный риск не отождествляется только с дефолтом,
а определяется как изменение будущей рыночной стоимости активов.

Вероятность наступления дефолта рассматривается как вероятность того, что


рыночная стоимость активов контрагента будет меньше, чем балансовая
стоимость к моменту выплаты обязательств, то
есть pt = P(V At ≤ X t | V A0 = V A ) = P(ln V At ≤ ln X t | V A0 = V A ) ,

где pt – вероятность дефолта в момент времени t, VAt – рыночная стоимость


активов контрагента в момент времени t, VA0 – рыночная стоимость активов
контрагента в начальный момент времени.

Изменение стоимости активов фирмы описывается формулой

dV A = µV A dt + σ AV A dz ,

где VA и dVA – рыночная стоимость и ее изменение, µ и σA – ожидаемое


значение и волатильность рыночной стоимости активов, dz – Винеровский
процесс.

Таким образом, значение рыночной стоимости активов в момент времени


t, как функцию от начального значения, можно задать как
138
 σ2 
ln V At = ln V A0 +  µ − A t + σ A t ε .
 2 

Комбинируя предыдущие формулы можно записать, что

 σ 2 
pt = P (lnV A +  µ − A t + σ A t ε ≤ X t ),
 2 
 

 V A  σ A2  
 ln + µ− t 
 X t  2  
или p t = P − ≥ε
 σA t 
 
 

и зная, что ε – нормальная случайная величина с нулевым математическим


ожиданием и дисперсией равной единице, итоговую формулу можно записать
как

 V A  σ A2  
 ln + µ− t
 X t  2  
pt = N − .
 σ A t 
 
 

Модель позволяет анализировать риск больших кредитных портфелей


[11]. Для больших однородных групп активов предусмотрена возможность их
агрегированного представления как типичного актива для данной группы,
умноженного на количество активов такого рода.

Если ожидаемый риск кредитного портфеля превышает некоторую


заранее заданную величину, то рекомендуется проводить меры по снижению
риска, изменяя основные параметры кредита, такие как, например, цена
кредита, срок погашения кредита, применение плавающих или фиксированных
процентных ставок, различные варианты обеспечения кредита и т.д. Такие
решения следует принимать на основе многосторонних оценок, в зависимости
от специфики банка. Рассмотрим некоторые особенности этих решений:

139
• Изменение цены кредита. Руководство банка может принять
решение о снижении цены кредита. Такая скидка привлекает
клиентов и увеличивает финансовые потоки, но снижает
рентабельность кредитования. Здесь, как правило, наступает
конфликт внутри банка между коммерческой (прибыль) и
финансовой (размер денежного потока) дирекциями. Спор в таком
конфликте должен решать итоговый индикатор – увеличение или
уменьшение чистых активов банка. Увеличение цены кредита выше
уровня среднего рыночного предложения как правило является не
целесообразным, так как банк может потерять свои конкурентные
позиции на рынке.
• Изменение срока погашения. Сокращение сроков кредитования
(«короткие кредиты») приводит к росту объема клиентских счетов
и затрат на их обслуживание. Это влечет рост себестоимости
работы банка, снижает ее рентабельность и в итоге может повлиять
на чистые активы банка. В этом смысле надо соотносить затраты на
ведение счетов клиентов с эффектом от снижения убытков в
результате невозврата или задержки возврата кредита. Однако,
увеличение сроков погашения кредита наряду с сокращением
операционных затрат банка может одновременно увеличивать
степень риска и сокращать доходность, так как «длинные кредиты»
невозможно разместить среди контрагентов на условиях высокой
кредитной ставки. Поэтому рекомендуется комбинировать в
портфеле «короткие» и «длинные» кредиты в зависимости от
макроэкономической конъюнктуры.
• Изменение типа процентной ставки. Банк имеет возможность
использования плавающей и фиксированной процентной ставки.
Плавающая процентная ставка позволяет снизить риск банка в
условиях высокого инфляционного фона. Однако, использование
такого инструмента обычно негативно воспринимается заемщиками

140
и даже при наличии подписанного кредитного договора
эффективность этого инструмента может быть блокирована
дефолтом заемщика. В этой связи предпочтительнее применение
фиксированных процентных ставок с корректировкой их величины
для новых портфелей договоров.
• Обеспечение кредита. Для отдельных групп заемщиков банк может
использовать кредитование без обеспечения (малый бизнес и
потребительские кредиты населению). Однако данный инструмент
значительно повышает риск убытков банка. Напротив, требование
обеспечения кредита различными активами заемщика снижает
данный риск, но уменьшает объем финансовых потоков по данному
направлению.

Отметим, что отличительная особенность модели Moody’s KMV Portfolio


Manager заключается в том, что она основана на использовании показателя
ожидаемой частоты дефолта (EDF). Значительным преимуществом данной
модели является то, что оценка вероятности дефолта и корреляция между
дефолтами рассчитывается на основе самой доступной информации о компании
– цен ее акций на рынке. Корпорация Moody’s KMV утверждает, что модель
EDF осуществляет прогноз вероятности дефолта намного точнее и
своевременнее, чем изменение кредитных рейтингов. Как и в лежащей в ее
основе модели EDF, основной недостаток Moody’s KMV Portfolio Manager
заключается в том, что биржевая стоимость акций практически не отражает
данных финансовой отчетности относительно сумм обязательств компаний, что
несет в себе достаточно высокий риск дефолта при искажениях в отчетности
[6].

Модель Credit Risk +

141
Одной из наиболее часто используемых моделей в России и за рубежом
является модель Credit Risk +. Вот несколько причин, по которым эта модель
стала столь популярной:
• требует ограниченного количества исходных данных и допущений;
• предоставляет аналитические решения для расчета распределения
потерь;
• выделяет один из самых важных факторов риска кредитного
портфеля – концентрацию.

Существуют различные модификации данной модели, которые приводят


к производящей функции момента (или к распределению) нормированных
убытков портфеля, а именно8:
• Модель предполагает, что вероятности дефолта заемщиков не
случайны и имеют распределение Бернулли (применима когда есть
малая неопределенность относительно вероятностей дефолта,
вероятности дефолта относительно велики и портфель содержит не
более нескольких тысяч кредитов)
 N
[ 
Model 1 : G λ , B ( z ) = IFFT  ∏ {FFT G λ , n ( z ) }.]
 n =1 
• Модель предполагает, что вероятности дефолта заемщиков не
случайны и использует Пуассоновское приближение для
определения этих вероятностей (применима в аналогичных модели
1 ситуациях)
  J µ j v j 
Model 2 : G λ , Fixed ( z ) = expµ  ∑ z − 1.
  j =1 µ 

• Модель предполагает, что вероятности дефолта заемщиков
случайны и имеют Гамма-распределение (применима для очень

8
Renzo G. Avesani, Kexue Liu, Alin Mirestean, Jean Salvati. Review and Implementation of Credit Risk Models of the
Financial Sector Assessment Program, p. 18

142
больших портфелей, когда вероятности дефолта подвержены
влиянию ряду случайных факторов)
 K 1
[ ]

Model 3 : G λ , CR + ( z ) = exp− ∑ 2 ln 1 − σ k2 Pk ( z ) .
 k =1 σ 
• Модель предполагает, что вероятности дефолта заемщиков
случайны, имеют Гамма-распределение и подвержены влиянию
ряда коррелированных факторов на портфель (применима даже для
очень больших портфелей, когда вероятности дефолта подвержены
влиянию ряду случайных факторов и коррелированны между
собой)
 1  K 1 
Model 4 : G λ , Corr ( z ) = exp− 2 ln 1 + σ ∑
2
ln(1 − β k Pk ( z ) , где
 σ  k =1 β k 
• λ – нормированный убыток по портфелю;
• G λ , ( z) - производящая функция момента нормированного

совокупного убытка портфеля; G λ ,n ( z ) = (1 − p n ) + p n z vn ; z –

аргумент функции;
• µj – среднее ожидаемое число дефолтов в группе j;
• µ – общее ожидаемое число дефолтов в портфеле;
• σk – среднеквадратичное отклонение числа дефолтов k-ого
заемщика;
• σ – среднеквадратичное отклонение числа дефолтов по портфелю;
• vi – округленное нормированное влияние i-ого заемщика на
портфель;
• Pk – вероятность наступления дефолта k-ого заемщика;
• β – параметр масштаба гамма-распределения
• символом FFT обозначено быстрое преобразование Фурье.

Если средние ожидаемые нормированные убытки по портфелю


превышают некоторое заранее определенное значение, то производится анализ

143
каждого заемщика по отдельности, а именно вычисляются средние
нормированные потери от каждого заемщика и определяется, в какую из
следующих групп попадает заемщик:

Категория риска Процент возможных потерь активов


банка в результате риска
1 0
2 0,5 – 1,0%
3 1,0 – 2,0%
4 2,0 – 5,0%
5 Более 5,0%

По категории 1 – кредит в отведенном лимите выдачи предоставляется


без предварительной проверки клиента.

По заемщикам, попадающим в категории 2-4, риски можно снизить,


путем дополнительных проверок платежеспособности и благонадежности
контрагентов и установлением предельных значений выдаваемых кредитов:
• По категории 2 – кредит ограничивается определенным пределом,
т.е. максимальным значением.
• По категории 3 – необходимо усиление проверки клиента и
регламента наблюдения во время пользования кредитом.
• По категории 4 – предполагаются особые меры информации о
состоянии заемщика и бизнес-плана.

Риска, связанного с заемщиками, попадающими в 5 категорию, нужно


избегать, а именно такие кредиты не подлежат выдаче в связи с угрозой,
несовместимой с продолжением деятельности банка.

Такая классификация заемщиков по категориям рисков позволяет банку


вести постоянный мониторинг, управление и планирование кредитного
портфеля, что несомненным преимуществом этой модели.

По используемой методологии эта модель коренным образом отличается


от Credit Metrics, так как она основа на актуарном подходе [9]. Модель Credit

144
Risk + учитывает только риск наступления дефолта (под дефолтом здесь
понимается любая причина, по которой банк терпит убытки от заемщика), она
не рассматривает потери от наступления других кредитных событий.
Особенность применяемого в модели метода заключается в том, что
вероятность дефолта не является постоянной величиной, а может меняться во
времени под влиянием ограниченного набора факторов.

Базовая модель с дефолтами, имеющими распределение Бернулли и не


случайными вероятностями, это единственная модель, которая не использует
пуассоновского приближения. Обе модели G λ , B ( z ) и G λ , Fixed ( z ) развиты в

предположении, что риски дефолтов не случайны. Таким образом, точность


пуассоновского приближения может быть оценена сравнением G λ , B ( z ) и

G λ , Fixed ( z ) .

Каждая из рассмотренных моделей имеет свои специфические


особенности, которые делают их полезными в конкретных ситуациях. Базовая
модель с известными вероятности и распределенными по Бернулли дефолтами
применима, когда есть малая неопределенность относительно вероятностей
дефолта, вероятности дефолта относительно велики и портфель содержит не
более нескольких тысяч кредитов.

Модель CreditRisk+ и его расширенная модификация находят


квазинепрерывные решения – даже для очень больших портфелей – когда
вероятности дефолта подвержены влиянию ряду случайных факторов [7].
Альтернатива этому метод – использование метода Монте-Карло. Для одного и
того же портфеля результаты, полученные с помощью CreditRisk+ более
точные, чем полученные с помощью метода Монте-Карло.

Преимуществами модели Credit Risk + является аналитический метод


расчета VaR кредитного портфеля, для реализации которого требуется
относительно немного входных данных, а так же учет макроэкономических
факторов при оценке вероятности дефолта. В то же время данная модель

145
является достаточно упрощенной и, как и модель Credit Metrics, не позволяет
интегрировать кредитный риск с рыночным [5].

Модель Credit Portfolio View

Отличительной особенностью данной модели является учет влияния


макроэкономических показателей на риск кредитного портфеля, состоящего
преимущественно из инструментов, которые обычно особенно чувствительны к
кредитным циклам и изменениям в экономике в целом.

Вероятности дефолта моделируются с помощью логит-функции где


переменной является специальный индекс «спекуляций в стране», который
зависит от текущих и исторических макроэкономических переменных.

1
p j ,t = −Y j , t
,
1+ e

где Pj,t - условная вероятность дефолта в момент времени t, для оценки уровня
спекулятивности заемщика в стране/отрасли/спекулятивном классе j; Yj,t –
макроэкономический индекс в момент времени t в
стране/отрасли/спекулятивном классе j, значение которого получается путем
оценки многофакторных моделей:

Y j , t = β j ,0 + β j ,1 X j ,1, t + β j ,2 X j ,2, t + ... + β j , m X j , m, t + v j , t ;

где β j = ( β j ,0 , β j ,1 , β j ,2 ,..., β j ,m ) – вектор коэффициентов;

X j ,t = (X j ,1,t , X j , 2,t ,..., X j , m ,t ) – значение макроэкономических переменных в

момент времени t; vj,t – случайная величина, распределенная нормально с


нулевым математическим ожиданием и дисперсий σj (погрешность
вычисления).
В данной модели распределение потерь строится исходя из количества и
объемов активов по субпортфелям, объединяющим однородные, с точки зрения
отраслевой и страновой принадлежности, группы активов. В отличие от
рассмотренных выше моделей, вероятности миграции кредитных рейтингов

146
уже не являются постоянными, а зависят от переменных, отражающих
состояние экономики страны, в частности процентных ставок, валютных
курсов, темпа роста экономика, уровня безработицы, уровня государственных
расходов и среднего уровня сбережений населения [4]. Предполагается, что
вероятность дефолта возрастает в периоды экономических спадов.

Если средние ожидаемые убытки превышают некоторое заранее заданное


значение (устанавливается каждым банком самостоятельно в зависимости от
специфики деятельности), то необходимо снижать риск. Это предлагается
делать с помощью перегруппировки заемщиков внутри портфеля, а именно,
весь портфель разделяется на три субпортфеля в зависимости от надежности
заемщиков следующим образом:
• К первой, наиболее надежной группе с низкими, но стабильными
процентами, относятся компании «старой традиционной
экономики». Это компании, создающие и поддерживающие
инфраструктуру экономики: энергетика, транспорт, тяжелая
промышленность, машиностроение и другие отрасли. Как правило,
они имеют большой возраст и солидную репутацию, а также в
условиях кризиса могут рассчитывать на поддержку государства
(это так называемые национальные проекты).
• Ко второй группе с более высокими процентными доходами
относят компании «новой экономики». Примером могут служить
телекоммуникации, имеющие большие темпы роста, но
одновременно значительную конкуренцию. В этой группе возраст
компаний обычно составляет 3-5 лет.
• К третьей группе с максимальными прибылями и процентными
доходами относят компании, работающие в рискованных сферах
научно-технических исследований и новых технологий. Здесь
перспектива высоких доходов уравновешивается высокой степенью
риска по валоризации (освоению) их продукции рыночной средой.

147
В результате такой перегруппировки заемщиков, получаем три
субпортфеля, с различным уровнем риска. На первый взгляд, казалось бы, риск
третьего субпортеля будет выше, чем риск портфеля в целом, однако это не так,
что подтверждается статистическими данными и компаниями, использующими
модель Credit Portfolio View для управления рисками своих кредитных
портфелей.

Модель Credit Portfolio View построена по принципу “сверху вниз” и


поэтому не позволяет детально (не значит, что вовсе) анализировать кредитный
риск по отдельным контрагентам, однако она выгодно отличается от других
моделей тем, что в ней учитывается влияние макроэкономической и отраслевой
конъюнктуры на вероятность дефолта контрагента.

148
Сравнительная характеристика моделей

Таблица 1.2.1.
Сравнительная характеристика моделей упарвления рисками кредитных портфелей
CreditMetrics Moody's KMV CreditRisk+ Credit Portfolio View
Portfolio Manager
Компания разработчик J.P. Morgan KMV Corporation Credit Suisse Financial McKinsey & Co.
Products
Подход к моделированию Снизу вверх Снизу вверх Снизу вверх Сверху вниз
Вид риска кредитного Изменение рыночной Изменение Потери при дефолте Потери при дефолте
портфеля стоимости рыночной
стоимости
Факторы риска Стоимость активов Стоимость активов Вероятность дефолта Макроэкономические
факторы
Кредитное событие Изменение кредитного Непрерывная Дефолт Изменение кредитного
рейтинга/дефолт вероятность рейтинга/дефолт
дефолта (EDF)
Вероятаность дефолта Безусловная Безусловная Безусловная Условная
Вероятность изменения Исторические данные по На основе модели Не учитывается На основе
рейтинга миграциям рейтингов EDF макроэкономической
модели
Волатильность Постоянная величина Постоянная Случайная величина Случайная величина
величина
Корреляция между На основе цен акций На основе цен акций На основе процесса Факторная модель
дефолтами (факторная модель) дефолта
Уровень возмещения потерь Случайная величина Случайная величина Постоянная величина Случайная величина
при дефолте в пределах
149
определенных
диапазонов
Методология расчета Имитационное моделирование Аналитическое Аналитическое Имитационное
/ решение решение моделирование
Аналитическое решение
Метод управления рисками Снижение риска путем работы Снижение риска Снижение риска путем Снижение риска путем
с проблемными группами путем изменения установления перегруппировки активов
заемщиков основных дополнительных внутри потрфеля
параметров ограничений и (разбиение на 3
выдаваемых избежание риска по субпортфеля)
кредитов отдельным группам
заемщиков

150
Выводы. Таким образом, были рассмотрены четыре основных
применяемых модели для управления рисками кредитных портфелей банков
и проанализированы их достоинства и недостатки. Основное различие
данных моделей состоит в том, что на этапе оценки риска они используют
различные подходы к моделированию, однако на конечном этапе
результатом является производящая функция момента убытков (в некоторых
случаях нормированных). Данные модели и механизмы управления
применяются российскими и зарубежными банками. Каждая модель, в
зависимости от исходных предпосылок, имеет небольшие погрешности.
Чтобы минимизировать влияние ошибок на точность прогноза и на
принимаемые решения, с уверенностью можно сказать, что для получения
наилучших результатов необходимо комбинирование и совместное
использование данных механизмов управления рисками кредитных
портфелей.

В современных условиях сильно возрастает важность проработки


кредитной политики, определяющей меры воздействия на риски кредитного
портфеля. Без адекватной нормативной базы невозможно управление
рисками.

Более того, правильная кредитная политика позволяет выбирать


сместить ли акцент в управлении рисками на этап формирования портфеля,
когда выбор доступных средств значительно шире, или же на этап
обслуживания кредитного портфеля. Управление рисками уже заключенных
договоров осложняется более высокой зависимостью от заемщика, без
согласия которого некоторые методы не применимы.

Следует отметить, что для грамотного управления рисками также


необходима профессиональная оценка возможных потерь, особенно когда
речь идет о кредитном риске.

Можно с уверенностью сказать, что наилучшие результаты


достигаются банком, когда он способен комбинировать различные
механизмы снижения рисков, максимально используя их достоинства и
сокращая недостатки. Таким образом, для наиболее эффективного
управления риском кредитного портфеля банкам необходимо применять
комплексную систему механизмов управления.
Список литературы.

1. А.А. Лобанов, А.В. Чугунов. Энциклопедия финансового риск-


менеджмента. – М.: Альпина Паблишер, 2009.

2. П.П. Ковалев. Концептуальные вопросы управления кредитными


рисками // Управление финансовыми рисками. – 2005. - № 4. – С.
12-21.

3. Эдгар М. Морсман-младший. Управление кредитным портфелем /


перeвод с английского под редакцией Ионова В. — М Альпина
Бизнес Букс, 2004.

4. Renzo G. Avesani, Kexue Liu, Alin Mirestean, Jean Salvati. Review and
Implementation of Credit Risk Models of the Financial Sector
Assessment Program. – International Monetary Fund Working Paper
WP/06/134 May 2006.

5. Dan Rosen, David Saunders. Risk factor contributions in portfolio credit


risk models. - Journal of Banking & Finance, № 34, 2010

6. Rudiger Frey, Thorsten Schmidt. Filtering and Incomplete Information in


Credit Risk. - Journal of Banking & Finance, № 34, 2010

7. Ridha M. Mahfoudhi, Portfolio Credit Risk: A Model of Correlated


Credit Losses Dynamics and the Inverse-Gamma Approximation. -
Journal of Banking & Finance, № 21, 2008

8. J.P.Morgan Group. Credit Metrics – Technical Document. – New York,


1997

9. Michel Crouhy, Dan Galai, Robert Mark. A comparative analysis of


current credit risk models. Journal of Banking & Finance, № 24, 2006
152
10. CreditRisk+ — A credit risk management framework. Technical
Document.— L./N.Y.: Credit Suisse Financial Products, 1997.

11. Kealhofer S. Portfolio management of default risk. Document No.


999N0000N033, revision 2.1. KMV Corporation, 1998

12. Большой Юридический Словарь под проф. Сухарева А. Я., Москва,


2006

13. wikipedia.org – Свободная Энциклопедия.

Глава 2. Риск ликвидности


2.1. Идентификация и оценка риска ликвидности предприятия

Роль финансовых институтов за последние десятилетия заметно


выросла. Виной тому глобализация, фактически уже приведшая к
формированию мировой финансовой системы. В связи с появлением новых
возможностей инвестирования и их объемом усиливается и роль оценки
рисков. Кризис, начавшийся в 2007 году, мог быть предотвращен, если бы
финансовые институты не гнались за сверхприбылями, а умерили бы свою
деятельность, руководствуясь соображениями о риске. Сейчас наблюдаются
последствия критической недооценки или, возможно, неправильной, оценки
опасностей при совершении определенных сделок. Таким образом, можно
сделать вывод о том, что каждый вид риска должен быть учтен, чтобы
предотвратить кризисные явления на рынках. Объектом исследования
является предприятие. Предметом – методы идентификации и оценки риска
ликвидности, рыночной и балансовой.

2.1.1. Риск рыночной ликвидности

Отсутствие рыночной ликвидности уже не раз вело к разрушающим


последствиям для рынка [2]. Примером тому служит кризис в октябре 1987

153
года и недавний кризис в Азии и в России, когда ликвидность на рынках по
всему миру исчезла неожиданно и моментально.

Экономический институт подвержен риску рыночной ликвидности,


если цена, по которой ликвидируется позиция на основе рыночной заявки,
отличается от текущей средней рыночной цены актива. На большинстве
финансовых рынков отклонение от средней цены актива разделяется на
комиссионное вознаграждение, бид-аск спрэд (bid-ask spread), и так
называемый эффект влияния на цену (price impact). Бид-аск спрэд
представляет собой разницу между ценами покупателя (bid) и продавца (ask).
Комиссионное вознаграждение и бид-аск спрэд составляют транзакционные
издержки при исполнении заявок небольшого объема на покупку или
продажу актива. В случае если речь идет о крупных сделках, к ним
добавляется также эффект влияния на цену, показывающий чувствительность
цены к дополнительным покупкам или продажам.
Таблица 2.1.2.
Характеристики отклонения от средней цены

Вид отклонения от Порядок величины


Причина появления
средней цены актива отклонения

Bid-ask спрэд
встречается на всех На фондовых биржах
фондовых биржах обычно не более 5% от
Bid-ask спрэд
постоянно, так как средней цены, но в целом
составляет комиссию неограниченна
брокеру
Возникает при
попытке продать/купить
Эффект влияния на большее количество актива,
Неограниченна
цену чем возможно без
уменьшения/увеличения
цены

BIS использует предложенный Кайлом [2] и используемый во многих


моделях микроструктуры рынка подход — рассматривать отдельные, более
мелкие характеристики рынка, которые описывают ликвидность рынка с
разных углов зрения и при объединении дают достаточно полную картину.
154
По мнению Кайла, ликвидность не является четкой концепцией,
потому что охватывает ряд различных свойств рынка, связанных
неразрывно с самим процессом торговли. Он выделил три таких свойства,
которые в литературе часто называют аспектами (атрибутами или изме-
рениями ликвидности:
• «сжатость»;
• «глубина»;
• «релаксация».

В некоторых случаях к выделенным Кайлом [3] аспектам ликвидности


добавляют еще немедленность рынка (Рис. 2.1.1).

«Сжатость» рынка (tightness) отражает стоимость закрытия позиции в


короткий период времени. Другими словами, рассматриваются общие
издержки, которые несет трейдер независимо от уровня рыночных цен. Для
измерения «сжатости» рынка в подавляющем большинстве случаев
используется величина бид-аск спрэда (bid-ask spread) который трактуется
как уровень транзакционных издержек. Чем меньше спрэд, тем больше
ликвидность.

Стоит отметить, что на величину бид-аск спрэда непосредственно влияет


количество брокеров. Если число брокеров недостаточно велико, чтобы
обеспечить активную торговлю, то конкуренция между ними уменьшается и
они могут действовать как монополисты. С целью увеличения конкуренции
на некоторых биржах проводят дополнительный аукцион между брокерами
на реализацию заявки. На Нью-йоркской фондовой бирже, например, такой
аукцион устраивается, если спрэд больше 1/8 доллара.

“Глубина рынка” (depth) показывает, какое количество актива можно


купить/продать без существенного отклонения цены от цены покупки или
продажы. Такой показатель характеризует спрос и предложение бумаг к
моменту сделки. Данный аспект ликвидности позволяет судить о развитости
рынка в категориях его объема, числа участников и интенсивности торговли.

155
Глубина рынка может быть измерена двумя способами: либо количеством и
объемом заявок на рынке на покупку и продажу, либо значением эффекта
влияния на цену. Но по мнению многих авторов для измерения глубины все
же лучше применять эффект влияния на цену. Его можно измерить как
разность между средней ценой ликвидации актива и первоначальной средней
рыночной ценой (на момент размещения заявки).

“Релаксация рынка” (resiliency) характеризуется временем, за которое


восстанавливаются нормальные рыночные условия после флуктуации цены,
вызванные совершением сделки. Другими словами, речь идет о времени, за
которое устраняется возникший дисбаланс между спросом и предложением.
Измерение этого аспекта ликвидности, несомненно, имеет практическую
ценность для понимания потенциальной глубины рынка, которая не может
быть наблюдаема в нормальных рыночных условиях.

Для объяснения релаксации рынка измеряется скорость возврата


величины бид-аск спрэда к его значению накануне сделок. Значение этого
показателя можно получить, измерив вызванное сделками расширение
рыночного спрэда и время, требуемое для восстановления «досделочного»
значения спрэда.Все вышеперечисленные характеристики
проиллюстрированы на Рис. 2.1.1.

Цена Сжатость Релакс


лимитиро-
ванных
Глубина
заявок

Объём 156 Объём


лимитирован лимитирова
ных заявок ных заявок
на покупку на продажу
Рисунок 2.1.1. Аспекты рыночной ликвидности.

Таким образом, приведенное выше определение ликвидности,


сформулированное Комитетом по глобальной финансовой системе Банка
международных расчетов [2], распадается на несколько частных
определений, которые можно назвать рабочими, поскольку они указывают на
метод измерения ликвидности (если не всей сразу, то хотя бы отдельных ее
«частей» (аспектов). И, как правило, когда речь идет о том или ином
показателе ликвидности, то подразумевается какой-нибудь частный
показатель, характеризующий немедленность, «сжатость», глубину или
релаксацию. Но стоит учитывать и особенности рынка, так как какой-то один
аспект ликвидности может быть очень информативен для одного рынка, в то
время как на другом рынке он не имеет смысла. Другая сложность
заключается в том, что улучшение одного из аспектов ликвидности может
приводить к ухудшению другого.

157
2.1.2. Факторы риска рыночной ликвидности

Факторы, влияющие на рыночную ликвидность довольно сложны и


связаны между собой. Тем не менее Bank of International settlements [2]
выделяет три группы факторов, кажущиеся наиболее важными и
одновременно довольно легко определяемыми.

Эффект структуры продукта


Ключевой элемент во взаимоотношении рыночной ликвидности и
структуры продукта – это “заменяемость” продукта. Если некоторое
множество продуктов легко заменяемы, то скорее всего ликвидность будет
сконцентрирована в каком-то одном из них. Например, государственные
ценные бумаги более однородны чем ценные бумаги различных компаний. А
если ценные бумаги правительства еще и совпадут по сроку исполнения, то
однородность между ними настолько высока, что нет особых оснований
предпочесть одну другой. Но вот если по какой-то причине вырастет
ликвидность одной из них, то вся ликвидность будет сконцентрирована в
этой ценной бумаге, так как ликвидность является предпочтительным
фактором. Таким образом, появление на рынке конкурирующей бумаги
увеличивает риск ликвидности.

Эффект рыночной микроструктуры


Различия в микроструктуре рынка так же имеют большое влияние на
ликвидность актива. Микроструктура включает в себя многие элементы:
система торгового исполнения, комиссия брокера, доступность информации
о торгах, и правила рынка.

Система торгового исполнения обычно бывает двух типов: дилерский


рынок (dealer market) и аукционный рынок (auction-agency market). Первый
тип характерен тем, что дилеры называют цену продавца и покупателя и
трэйдер решает совершать ли сделку. Во втором случае заявки на покупку и
продажу поступают в книгу заявок и затем с помощью специальных правил
соотносятся заявки на покупку и продажу. Так вот аукционные рынки

158
предоставляют большее количество информации для участников, которая
может быть учтена ими в последующих сделках.

Транзакционные издержки включают в себя все, что влияет на легкость


совершения сделки. Внешние транзакционные издержки включают налоги на
совершение транзакции и брокерские комиссии. Тогда как внутренние
транзакционные издержки включают выбор между издержками торговли по
плохой цене и альтернативными издержками ожидания хорошей цены. Во
втором случае остается подверженность рыночному риску.

Прозрачность рынка обычно характеризует доступность информации


участникам рынка. Эмпирические исследования свидетельствуют о том, что
при уменьшении доступности информации происходят следующие
изменения: 1) более информированные участники рынка получают
превосходство над менее информированными, 2) трэйдеры откладывают
время совершения сделок, чтобы собрать побольше информации.

Эффекты поведения участников рынка


Поведение участников рынка так же влияет на рыночную ликвидность.
Здесь важную роль играют такие элементы как временной горизонт
ликвидации позиции, уверенность в собственных представлениях о будущем.
Как только участники становятся более осторожны, то рыночная
ликвидность падает.

Рыночная ликвидность так же находится под влиянием однородности


участников рынка. Чем более разнороден состав участников рынка, тем более
такой рынок ликвиден.
Исходя из перечисленных факторов, влияющих на возникновения риска
рыночной ликвидности, можно составить шаблон риска (Таблица 2.1.2.).
Таблица 3.1.2.
Шаблон риска рыночной ликвидности
Группа риска рыночной Факторы, повышающий Факторы, понижающий
ликвидности риск рыночной риск рыночной
ликвидности ликвидности
Эффект структуры актива Приход конкурента на Ухудшение характеристик
159
рынок конкурентного актива
Эффект структуры рынка Увеличение Улучшение доступности
неопределенности ожиданий информации для трейдеров
Эффект поведения Появление на рынке новых Усиление однородности
участников рынка игроков рынка

2.2.Оценка риска рыночной ликвидности с учетом спрэда

Для полноценного моделирования риска рыночной ликвидности


должен быть учтен каждый из трех аспектов ликвидности. Однако на данный
момент для практических целей в литературе выделяют следующие издержки
ликвидации портфеля: бид-аск спрэд (bid-ask spread) и эффект влияния на
цену (price/market impact), оказываемый величиной ликвидируемой позиции.
Очевидно, что отмеченным издержкам можно поставить в соответствие
«сжатость» и глубину в микроструктурных моделях.

Имеет смысл рассмотреть классификацию рисков рыночной


ликвидности, предложенную Бангя, Диеболд, Шуерманном и Стругхайером
[4]. Авторы подразделяют неопределенность в рыночной стоимости
(uncertainty in market value), т.е. общий рыночный риск, на неопределенность
в доходности актива (uncertainty in asset returns) и неопределенность,
относящуюся к риску ликвидности (uncertainty due to liquidity risk). Первая
вполне моделируется с помощь стандартного метода оценивания Value-at-
risk.

Стоит отметить, что методология VaR оценивает максимальные


потенциальные потери портфеля, которые понесет трейдер при закрытии
позиции до того, как позиция будет полностью ликвидирована на рынке.
Следовательно, стандартный VaR допускает следующие идеальные условия:
позиция ликвидируется одной сделкой по фиксированной рыночной цене,
равной текущей средней цене, за фиксированный период (обычно один
торговый день) вне зависимости от размера позиции. Очевидно, что такие
допущения в методологии приводят к систематической недооценке
потенциальных убытков.
160
В модели Бангя, Диеболда, Шуерманна и Стругхайера [4] VaR с учетом
ликвидности (Liquidity adjusted value at risk, далее - LVaR) может быть оценен
добавлением к стандартному VaR ожидаемых издержек от наличия
котируемого спрэда. Эти издержки состоят из произведения половины
выраженного в процентах бид-аск спрэда и размера позиции (рыночная
стоимость для акций, номинальная стоимость (national) для производных
финансовых инструментов). Спрэд делится на два, так как сам по себе спрэд
– это сумма отклонений от среднерыночной цен покупателя и продавца, а
нам необходимо учесть издержки только для одного из них. Тогда для j-й
позиции получается следующее выражение:

LVaR j = VaR j + Size j ⋅


( ),
E Sj
2

где LVaR – скорректированный на ликвидность VaR, VaR — стандартная


мера рыночного риска, E(.) – оператор математического ожидания и S –
процентный котируемый спрэд, равный отношению разности цен
покупателя и продавца к средней рыночной цене. Size – размер
ликвидируемой позиции.

В этом способе учета ликвидности анализируются только нормальные


или ожидаемые рыночные условия. Важные факторы ликвидности, такие
как изменчивость бид-аск спрэда и влияние размера позиции на цену
исполнения, не учитываются.

Развивая предыдущую методологию, можно посчитать компонент


ликвидности в VaR, заменив текущее или ожидаемое значение спрэда
квантилем для заданной вероятности. Данный подход был впервые
предложен Бангя, Диеболдом, Шуерманном и Стругхайером [4]. Он призван
оценить наихудшие ожидаемые издержки ликвидации с определенной
вероятностью. Учитывается только один из четырех аспектов ликвидности —
«сжатость» рынка.

Формула LVaR в данном случае имеет вид:

161
QS j ( p )
LVaR j = VaR j + Sizeϕ ⋅ ,
2

где Qsj (•) – квантиль функции распределения котируемого спрэда (т.е.

обратная функция от функции распределения спрэда) и p — значение


вероятности, для которой рассчитан LVaR.

Авторы [4] используют стандартный дельта-нормальный подход к


построению VaR и получают следующее значение наихудшей ожидаемой в
99% случаев цены актива:

P99% = Pt ⋅ e ( E (rt )− 2,33σ t ) ,

где E(r) и σ t2 являются первыми двумя моментами распределения


доходности актива, а множитель 2,33 для стандартного отклонения
появляется из допущения о нормальности. Без потери общности авторы
допускают, что ожидаемое значение дневной доходности E(r) равно нулю.
Таким образом, стандартный VaR, (далее P-VaR) имеет следующий вид:

(
P − VaR = Pt ⋅ 1 − e (− 2,33σ t ) ). )
Выведенные выше выражения для наихудшей ожидаемой цены P99% и
потенциальных потерь (Р-VaR) рассматривают только волатильность
средней цены. В то же время, имея открытую длинную позицию, трейдер
при ее ликвидации будет ожидать получения цены, равной разности цены
1 
покупки (bid) и половины среднего рыночного спрэда  S  .
2 

Отличительной особенностью модели Бангя — Диеболда — Шуер-


манна — Страугхайера [4] является тот факт, что авторы определяют риск
ликвидности в терминах доверительного интервала. Они вводят так
называемую “стоимость ликвидности” (CoL), основанную на определенном
среднем бид-аск спрэде S , которая суммируется с величиной волатильности

162
спрэда, умноженного на определенный множитель, a ⋅ σ~ (чтобы учесть
большую часть (например, 99%) возможных значений спрэда):

COL =
1
(Pt (S + aσ~ )),
2

где Р — сегодняшняя средняя рыночная цена для актива, S — средний


относительный спрэд (относительный спрэд равен отношению разности цен
продажи и покупки к средней рыночной цене), σ – волатильность
относительного спрэда, a – фактор масштаба, подбираемый таким образом,
чтобы охватить нужную часть распределения.

В варианте, предложенном авторами [4], параметр a побирается с


помощью экспертных оценок, что делает метод довольно неточным. Так же
нельзя предполагать распределение спрэда нормальным.

Для того чтобы рассматривать совместно риск ликвидности и


рыночный риск (выражаемый волатильностью доходности актива), авторы
ввели предположение, что при неблагоприятных рыночных условиях
экстремальные значения доходности и спрэда соответствующего актива
происходят одновременно. Другими словами, низкие значения доходностей
сопровождаются большим значением рыночного спрэда. Допущение о том,
что присутствует достаточно сильная, пусть и не совершенная, корреляция
между движениями средней цены и спрэда, позволяет авторам [4] считать,
что экстремальные значения, характеризующие рыночный риск и риск
ликвидности, происходят в одно и то же время.

В итоге авторы получили следующее выражение для наихудшей


ожидаемой с вероятностью в 1% цены (P’):

P′ = Pt ⋅ e (− 2,33σ t ) −
1
(Pt (S + aσ~ )).
2

Таким образом, окончательный вариант VaR с учетом ликвидности (LAdj-


VaR) принимает следующий вид:

163
(
LAdj − VaR = Pt ⋅ 1 − e (− 2,33σ t ) − ) 1
2
(Pt (S + aσ~ )).
В 2009 году вышла статья [8] Корнелии Эрнст из Мюнхенского
Технического университета, в которой предложен вариант замены параметра
a в модели Банги, воспользовавшись поправкой Корниша-Фишера.

1
(
zα ≈ zα + zα2 − 1 ⋅ γ +
~
6
)1 3
24
(
zα − zα ⋅ k −
1
36
) (
2 zα4 − 5 zα ⋅ γ 2 , )
где zα - квантиль стандартного нормального распределения γ – ассиметрия
и k - эксцесс случайной величины. Таким образом, чтобы посчитать
квантиль распределения случайной величины необходимо знать четыре ее
момента.

С учетом поправки Корниша Фишера:

L − VaR = 1 − e (µ r + zα (r )σ r ) ⋅ 1 − (µ s + ~
 1 
zα (S )σ S ) ,
~

 2 

где µ r – математическое ожидание доходности, µ s - математическое


ожидание величины спрэда.

Такое моделирование LVaR, предлагая интуитивно понятный и


простой способ измерения и интеграции риска ликвидности в методологию
VaR, имеет ряд серьезнейших недостатков:
1. Объединение рыночного риска и риска ликвидности. Такая
асинхронная динамика цены и спрэда приводит к переоценке риска.

2. Отсутствие эндогенного риска ликвидности.


3. Отражение внутридневной (intraday) динамики. Модель
полностью игнорирует динамический аспект ликвидности внутри торговой
сессии.

Применение этого подхода затруднено на рынках, где он более всего


необходим, т.е. на «тонких» или очень волатильных рынках. Кроме того, он
абсолютно не применим в кризисных ситуациях, когда данные о бид-аск

164
спрэде, требуемые моделью, недоступны, так как маркет-мейкеры
воздерживаются от котирования издержек немедленного исполнения заявки
вблизи равновесной иены. Другими словами, маркет-мейкеры выставляют
котировки, неприемлемые либо для покупателей, либо для продавцов.

Альтернативный подход требует модели эффекта влияния на цену,


возникающего вследствие отдельных торговых решений, которые
специфичны и сложны для эмпирической оценки.

2.3. Оценка риска рыночной ликвидности с учетом эффекта


влияния на цену

Альмгрен и Крисс [5] рассматривают общие условия минимизации


ожидаемых потерь полезности от торговых издержек, где потеря полезности
тождественна мере, равной сумме ожидаемых издержек от торговли и
константы, умноженной на дисперсию издержек.

Пусть инвестор имеет блок из X единиц актива, который он желает


полностью ликвидировать до окончания момента времени Т. Авторы делят
T
период Т на N интервалов длиной τ = каждый и определяют дискретные
N
величины t k = k ⋅ τ для k=0,..., N. В данной модели торговая траектория
определяется как ряд x0 , K , x N где x k – число единиц актива, которые
инвестор планирует держать в момент времени t k . Начальная позиция
равна x0 = X , и условие ликвидации в момент времени T требует x N = 0 .
Любой стратегии можно также поставить в соответствие ряд торговли
n0 , K , n N . Работа рассматривает случай ликвидации длинной позиции
продажей X единиц актива. Случай покупки против короткой позиции, по
утверждению авторов, требует схожего анализа.

Торговая стратегия определяется как правило для определения n k на


основе информации, доступной в момент времени t k −1 . Существуют два

165
основных типа стратегий: статические стратегии определяются в
преддверие торговли; в динамических стратегиях, наоборот, каждый n k
зависит от всей доступной до этого момента информации, включая на
момент времени t k −1 .

Пусть начальная цена актива равна S 0 . Следовательно, начальная


рыночная стоимость позиции инвестора равна XS0 . Цена актива изменяется
согласно двум экзогенным факторам (под действием случайных сил,
независящих от совершаемых инвестором сделок) — волатильности и
смещения, и одного эндогенного фактора, вызванного торговлей с участием
инвестора — эффекта влияния на цену. Авторы подразделяют оказываемое
на равновесную цену влияние на временное и постоянное. Постоянное
влияние имеет действие, по меньшей мере, в течение ликвидации всей
позиции. В модели допускается, что цена актива изменяется согласно
дискретному процессу арифметического случайного блуждания.

В этой модели дефицит исполнения, то есть издержки, понесенные


из-за риска неликвидности реализуемой позиции, являются случайной
величиной. Поэтому для анализа используются математическое ожидание и
дисперсия данной величины:

N N τ N  nk  N n 
V (x ) = σ 2
∑τxk2 =σ T ∑
2
xk2 E ( x ) = ∑ τxk g   + ∑ nk h k 
k =1 k =1 T k =1  τ  k =1  τ 
где τ – длина интервала времени, за которое совершается одна сделка с
n 
активом, x k – количество оставшегося на руках актива, g  k  – функция,
τ 
отражающая влияние действий трейдера на стоимость актива, n k –

n 
количество единиц актива, проданного за один временной отрезок, h k  –
τ 
функция, отражающая влияние, оказываемое трейдером за один интервал
n  n
времени. Функция g  k  = γ k , где γn – это величина, на которую
τ  τ
166
упадет цена актива, если мы продадим n единиц актива. Функция
n  η
h k  = ε ⋅ sgn (n k ) + n k , ε – фиксированные издержки, такие как
τ  τ
комиссия.

Дисперсия дефицита исполнения зависит только от экзогенной


волатильности. Функции, выражающие эффект влияния на цену, признаются
детерминистическими. Стоит отметить; что V(x) рассчитывается как
потенциальные потери вследствие шока, равного волатильности на
временном горизонте Т, позиции, размер которой есть средневзвешенная по
времени квадратов объемов позиции, поддерживаемой между t 0 и t N .

При условии арифметического броуновского движения общие


издержки нормально распределены с известным математическим ожиданием
и дисперсией, а VaR для стратегии х определяется формулой:

VaR p ( x ) = λ V ( x ) + E ( x )

Таким образом, с вероятностью p торговая стратегия не приведет к


потерям, большим чем VaR p ( x ) от рыночной стоимости торговли. Стратегия

х является эффективной, если она имеет наименьшее возможное значение


VaR p ( x ) для заданной вероятности р.

VaR p ( x ) — сложная нелинейная функция от всех x j , составляющих x.

Другими словами, можно легко оценить ее для любой заданной траектории,


но прямое нахождение минимизирующей траектории представляет трудную
задачу, для решения которой нужно оценивать функции полезности и т.д.
Несмотря на все эти трудности, авторы предлагают использовать
наименьшее возможное значение ( х) как информативную меру
потенциальных потерь портфеля относительно начального значения с учетом
ликвидности рынка.

167
2.4. Сравнение моделей риска рыночной ликвидности

К сожалению, каждый из рассмотренных подходов не отличается


отражением всех четырех атрибутов ликвидности. Если анализировать
подходы, основанные на учете транзакционных издержек и оптимальной
стратегии ликвидации, то они, обладая концептуальной привлекательностью,
не рассматривают совместно бид-аск спрэд и эндогенную стратегию
ликвидации. Подходы, основанные на учете экзогенного бид-аск спрэда не
охватывают эндогенную ликвидность.

Огромным преимуществом модели Бангя — Диебодда — Шуерманна


— Страугхайера является ее относительная простота для применения как на
уровне актива, так и на портфельном уровне при условии доступности
надежных данных по котировкам цен покупки и продажи. В отличие от
модели Альмгрена — Крисса время ликвидации не является эндогенной
(оптимизируемой) переменной. Таким образом, модель не рассчитывает ни
оптимальное время для ликвидации, ни оптимальную последовательность
торгов. В модели Джэрроу — Субраманиана издержки ликвидации требуют
оценки функции постоянного эффекта влияния на цену (дисконта за
количество) и лага исполнения, в то время как в модели Бангя — Диеболда
— Шуерманна — Страугхайера допускается, что котируемые спрэды
включают такую информацию и, следовательно, размер позиции не важен.
Что касается релевантности модели Альмгрена — Крисса, можно отметить,
что методика определения оптимальных стратегий исполнения имеет
больший практический интерес, нежели выводы модели о риске ликвидности
и его управлении [6].

Таким образом, риск ликвидности является до сих пор малоизученной


проблемой, если судить об этом по рассмотренной литературе. В принципе,
можно допустить, что определенные финансовые институты располагают
методикой учета ликвидности в оценке потенциальных потерь портфеля, но

168
не обнародовали ее вплоть до настоящего времени, чтобы, таким образом,
иметь сравнительное преимущество перед конкурентами[6].

На практике требования по наличию данных для расчета LVaR,


охватывающего все виды издержек при ликвидации позиции (особенно
значительного объема), впечатляют. Так, исследования ликвидности,
учитывающие глубину рынка, требуют обработки колоссальных объемов
исторических данных. Для анализа необходимы временные срезы рынка с
максимально возможной глубиной (например, на РТС в интерактивном
режиме можно наблюдать всего пять лучших выставленных заявок на
покупку и пять лучших выставленных заявок на продажу). Такая
информация, несомненно, представляет огромную ценность для учета
ликвидности в различных практических процедурах управления
финансовыми рисками. Однако для ее сбора нужно вести фактически
непрерывный мониторинг рынка, что является само по себе
трудновыполнимой задачей, решение которой под силу только или
организаторам торгов, или основным участникам.

К сожалению, на данный момент доступны лишь данные, которые


характеризуют «сжатость» рынка – данные о котируемом спрэде. Такого
рода данных недостаточно, чтобы судить о глубине рынка и, следовательно,
об оптимальной стратегии ликвидации портфеля. Другими словами, с
помощью таких данных нельзя учесть в полной мере ликвидность рынка,
если ликвидируемая позиция превышает значение глубины.

В таблице 2.1.3. сравниваются две модели оценки риска рыночной


ликвидности.
Таблица 2.1.4.
Сравнение моделей оценки риска рыночной ликвидности
Особенность модели Banga Et al Almgren
Недоступность многих
Наличие данных для модели Данные вполне доступны
необходимых данных
Максимально возможная Максимально возможная
Итоговый результат
величина потерь при величина потерь при

169
заданной вероятности заданной вероятности
В модели не учитываются
риски ликвидности,
В модели слабо
связанные с действиями
Упущения модели учитывается изменение
самого трейдера. Риски
спрэда
появляются при реализации
больших объемов актива
Помимо характеристики
Модель позволяет оценить
актива модель отвечает на
риск ликвидности по
Информативность для вопрос, как оптимально
разным активам и позволяет
трейдера ликвидировать позицию за
сравнивать активы с целью
определенный промежуток
оптимального выбора
времени
Модель применима только Модель применима для
для небольших объемов любого объема, но дает
Итог
реализуемого актива и дает удовлетворительную оценку
хорошую оценку риска риска

2.5. Риск балансовой ликвидности

Риск балансовой ликвидности – это риск отсутствия к необходимому


моменту времени активов подходящего вида для исполнения своих
обязательств. Это не есть риск невыполнения своих обязательств вообще, а
риск отсутствия необходимого количества подходящего актива в нудное
время в нужном месте.

Действительно, любая производственная компания должна


расплачиваться с поставщиками сырья, получает доходы от продажи своей
продукции (возможно не сразу). А значит, для выполнения своих
обязательств предприятие должно иметь свободные средства в нужный срок
причем это условие является необходимым для непрерывной работы
предприятия.
Идентификация риска ликвидности

Субъектом балансовой ликвидности являются учредители


предприятия. Объектом риска являются плата клиентов, изменение
процентной ставки и многое другое, рассмотренное ниже.

Можно выделить следующие факторы риска ликвидности:

170
Кредитный риск
Риск изменения процентной ставки
Рыночный риск
Операционный риск
Риск изменения курса валют
Рассмотрим каждый фактор по отдельности:

Кредитный риск – это риск того, что обещанные по договорам потоки


платежей не будут осуществлены. Это наиболее важный аспект, который
может привести к дисбалансу активов и пассивов предприятия.

Риск изменения процентной ставки может появится если у


предприятия сроки исполнения пассивов и активов разные. Тогда может
появится один из следующих видов риска:
1. Риск рефинансирования. Риск того, что стоимость заемных средств
будет выше, чем доход, полученный от инвестирования активов.
2. Риск того, что отдача от инвестированных активов будет ниже, чем
стоимость заемных средств.
3. Риск связанный с изменением NPV потока платежей.

Рыночный риск связан с неопределенностью рыночной конъюнктуры и


динамики рынка. Например, ситуация, когда резко упал спрос на продукцию
фирмы, что повлекло падение цены. В таком случае уменьшаются выручка и
прибыль компании.

Риск изменения курса валют может обесценить активы или увеличить


стоимость пассивов если они выражены в иностранной валюте.

Операционный риск состоит в несбалансированной структуре


будущих платежей и является наиболее серьезной составляющей риска
неплатежеспособности. В техническом риске неплатежеспособности, в свою
очередь, выделяют две составляющие: I) несбалансированность ожидаемых
доходов и расходов и 2) высокая неопределенность размеров будущих
платежей. Первая составляющая при внимательном отношении компании к
171
структуре своих платежей, как правило, легко минимизируется. Со второй
составляющей дело обстоит сложнее: неопределенность будущих платежей
требует поддержания определенного резерва ликвидных средств. Компания
не может держать в качестве ликвидных средств наличность без уменьшения
рентабельности своей деятельности, поэтому, как правило, использует в
качестве таких средств заемные средства либо ликвидные активы, которые
могут быть быстро переведены в денежные средства, например ценные
бумаги. Однако в кризисных ситуациях оба эти источника могут оказаться
недоступны в нужном объеме. Для снижения данного вида риска следует
проводить исторический анализ структуры платежей компании для
оппонирования объема ликвидных средств. Однако в случае нестандартной
ситуации на рынке ретроспективный анализ может оказаться
малоэффективным.

Указанные факторы могут иметь различное значение в зависимости


от обстоятельств, но все они приводят к тому, что активы и пассивы баланса
не будут достаточно сбалансированы и по количеству и по сроку исполнения.
При оценке рисков необходимо принимать во внимание также такие
факторы, как доверие фирме со стороны кредиторов, что отражается на
стоимости кредита для предприятия.
Таблица 2.1.5.
Факторы, влияющие на риск балансовой ликвидности

172
Тип риска, к которому Факторы повышающие Факторы понижающие
относится фактор риск балансовой риск балансовой
ликвидности ликвидности
Кредитный Разорение агента- Исследование отрасли, в
должника которой работает
потенциальный должник
Процентной ставки Большое количество Самофинансирование
планируемых заемных
средств
Рыночный Изобретение конкурентом Диверсификация
менее затратного оказываемых предприятием
производства продукта услуг
Операционный Недостаточный контроль Создание регламентов
за качеством подбора работы каждого
персонала сотрудника
Риск изменений Присутствие филиалов Создание предприятия
процентной ставки предприятия за рубежом полного цикла за рубежом

2.5.1. Оценка риска балансовой ликвидности

Прежде всего, стоит отметить, что постоянно приходится сталкиваться


с проблемой агрегации риска ликвидности. Ниже будет предложено
несколько способов измерения некоторых факторов риска ликвидности. Но
так как способы абсолютно разные по подходу, то задача приведения
подсчитанных показателей к одному представляется довольно сложной.

1. Коэффициентный анализ
Коэффициентный метод анализа ликвидности является наиболее
простым. Он включает:
• определение состава и периодичности расчета показателей
ликвидности и их предельных значений;
• анализ и оценку состояния показателей ликвидности на основе: а)
сравнения фактических значений показателей с нормативными,
предельными; б) анализа динамики фактических значений показателей;
в) осуществления факторного анализа изменений фактических
значений;

173
• выбор способов устранения несоответствий, установленных на основе
проведенного анализа;
• формирование информационной базы для анализа.

Состав показателей ликвидности определяется каждым банком, исходя из


рекомендаций надзорного органа и выделения специфических факторов,
влияющих на ликвидность конкретного банка.

По Постановлению Правительства РФ от 25 июня 2003 г. N 367 "Об


утверждении Правил проведения арбитражным управляющим финансового
анализа" при определении платежеспособности рассчитываются следующие
коэффициенты:
1. Коэффициент абсолютной ликвидности.

Коэффициент абсолютной ликвидности показывает, какая часть


краткосрочных обязательств может быть погашена немедленно, и
рассчитывается как отношение наиболее ликвидных оборотных активов к
текущим обязательствам должника.

2. Коэффициент текущей ликвидности.

Коэффициент текущей ликвидности характеризует обеспеченность


организации оборотными средствами для ведения хозяйственной
деятельности и своевременного погашения обязательств и определяется как
отношение ликвидных активов к текущим обязательствам должника.

3. Показатель обеспеченности обязательств должника его активами.

Показатель обеспеченности обязательств должника его активами


характеризует величину активов должника, приходящихся на единицу долга,
и определяется как отношение суммы ликвидных и скорректированных
внеоборотных активов к обязательствам должника.

4. Степень платежеспособности по текущим обязательствам.

Степень платежеспособности по текущим обязательствам определяет


текущую платежеспособность организации, объемы ее краткосрочных
174
заемных средств и период возможного погашения организацией текущей
задолженности перед кредиторами за счет выручки.

Степень платежеспособности определяется как отношение текущих


обязательств должника к величине среднемесячной выручки.

Управляющему компанией стоит учитывать, что невыполнение своих


обязательств перед контрагентом в течение трех и более месяцев может
привести к банкротству предприятия или к назначению арбитражного
управляющего.

На первом этапе коэффициентного анализа необходимо составить


таблицу, характеризующую фактический уровень экономических
нормативов. Ее структура может быть представлена в виде таблицы 2.1.2.

На втором этапе производится сопоставление фактического значения


каждого показателя соответствующему нормативному (предельному)
уровню.

Особое внимание уделяется последней отчетной дате, отражающей


текущее состояние ликвидности. На этом этапе анализа могут быть выявлены
факты, отрицательно характеризующие систему управления ликвидностью
организации, а именно:
• нарушение нормативных значений основных показателей, означающее
наличие проблем с ликвидностью;
• нарушение предельных значений основных и дополнительных
показателей, свидетельствующее о несоблюдении кредитной
организацией собственных установок в области управления
ликвидностью либо о необоснованности выбранных значений;
• значительные отклонения от нормативных (или предельных) значений
показателей, обусловленные «излишком» или «дефицитом»
ликвидности.

175
На третьем этапе необходимо рассмотреть состояние каждого
показателя в динамике, чтобы убедиться в устойчивости или случайности
возникшей ситуации.

На четвертом этапе необходимо провести факторный анализ


выявленных отрицательных факторов и тенденций. В случае устойчивости
отрицательных тенденций такой анализ необходимо осуществить на ряд дат,
что позволит выявить наиболее важные факторы снижения ликвидности.

Конечно, это очень примитивный подход к оценке риска ликвидности,


однако он отлично применим в различных условиях и обязательно должен
проводиться, так как именно на нем основано принятие решения о
платежеспособности компании государственными органами.

2.5.2. ГЭП – анализ


Для оценки риска изменения процентной ставки, используя дюрацию
потока платежей. Во-первых необходимо рассчитать дюрацию всех активов и
пассивов компании в балансе. Учитывая аддитивность дюрации можно
рассчитать среднюю дюрацию активов и пассивов и затем использовать
полученные значения для оценки эффекта изменения процентных ставок.
L
DURgap = DURa − ⋅ DURl ,
A
где DURα – средняя дюрация активов, DURl – средняя дюрация пассивов, L
– рыночная стоимость пассивов, A – рыночная стоимость активов.
Так же можно рассчитать изменение в рыночной стоимости активов
при определенном изменении процентной ставки:
∆NW ∆i
≈ − DUR gap ⋅ .
A 1+ i

Выводы. В данном разделе понятие ликвидность было разделено на


два вида: рыночную ликвидность и балансовую ликвидность.

Рыночная ликвидность – это отклонение цены актива во время его


купли/продажи от среднерыночной цены. Балансовая ликвидность – это

176
способность предприятия покрывать свои обязательства вовремя. Для оценки
риска рыночной ликвидности были предложены модели Банга, дополненная
Корнелией Эрнст. Так же была представлена модель Альмгрена и Крисса.
Существенное отличие моделей заключается в том, что модель Банга
учитывает лишь спрэд рыночной цены, в то время как модель Альмгрена
Крисса дает представление о том, как на цене актива отражается стратегия
продажи этого актива. Безусловно, последняя модель по своим
теоретическим возможностям более интересна, однако на практике ее
применение ограничено, в связи с недостаточным количеством данных для ее
применения. В то время как для модели Банга данные найти несложно.

Анализ балансовой ликвидности помог выделить 5 групп рисков, а


именно:
1) Кредитный риск.
2) Риск изменения процентной ставки.
3) Рыночный риск.
4) Операционный риск.
5) Риск изменения курса валют.

Для оценки риска балансовой ликвидности был применен метод


коэффициентов, который, к сожалению, не позволяет оценить потенциальные
убытки с достаточной точностью. Гэп – анализ позволяет судить об
изменении разрыва сроках погашения пассивов и активов при изменении
процентной ставки.

Список литературы
Нормативно-правовые документы:

1. Постановление Правительства РФ от 25 июня 2003 г. N 367 "Об


утверждении Правил проведения арбитражным управляющим финансового
анализа"

Статьи:

177
1. Bank for international Settlements. Market liquidity: Research findings and
selected policy implications / Bank for international Settlements – Monetary
and economic department, Committee on the global financial system, Basel.
1999 (May)
2. Kyle, A. S. (1985): "Continuous Auctions and Insider Trading,"
Econometrica, 53, 1315-1335
3. Bangia A., Diebold F. X., Schuermann T., Stroughair J. D., Modelling
liquidity risk with implications for traditional Market Risk Measurment and
Management, Warton. 1988
4. Almgren R., Chriss N.A. Optimal Execution of Portfolio Transactions.
University of Chicago, Department of Mathematics, 1999a.
5. Науменко, В. В. Моделирование риска ликвидности с учетом глубины
рынка, ГУ-ВШЭ 2007
6. Лобанов А.А. Чугунов А.В. Энциклопедия финансового риск-
менеджмента. – М.: Альпина Бизнес Букс, 2007
7. Ernst C., Stange S., Kaserer C., Accounting for non-normality in liquidity
risk, Technische Universität München, 2009

Глава 3. Риски потребительского кредитования


3.1. Идентификация и оценка рисков в потребительском
кредитовании

В последние годы потребительское кредитование в России развивалось


поистине стремительными темпами, количество игроков на рынке росло в
геометрической прогрессии, однако в недавнем времени ситуация
изменилась: рост рынка заметно приостановился и некоторые аналитики
даже прогнозируют в недалеком будущем отрицательную динамику
развития. А ведь развитие потребительского кредитования оказывает
положительное влияние на банковский сектор, способствует развитию
бизнеса, улучшает социальную обстановку, увеличивает конечный

178
потребительский спрос, что развивает производство и торговлю, а,
следовательно, улучшает состояние экономики в целом. Причинами такой
тенденции является общий экономический кризис, насыщение рынка,
недобросовестность банков при установлении процентной ставки, большое
количество невозвратов со стороны населения, а как следствие ужесточение
банковской политики при выдаче самих кредитов.

Объектом являются денежные средства кредитного учреждения, а


субъектом - коммерческие банки, специальные учреждения
потребительского кредита, магазины, сберкассы (в основном в данной главе
под субъектом подразумевается коммерческий банк). Предмет – риски,
возникающие в потребительском кредитовании.

Среди всех видов банковских кредитов потребительское кредитование


очень быстро превратилось в наиболее динамично растущую сферу
банковских услуг. Данное явление обусловлено рядом объективных причин –
стабилизирующаяся экономика; развитие рынка товаров длительного
пользования; ограниченное количество людей, способных сразу заплатить за
эти товары; предполагаемое присутствие на российском банковском рынке
зарубежных финансовых институтов – присутствует еще и внутренняя
необходимость: потребительское кредитование необходимо самим банкам,
чтобы снизить кредитные риски, путем дополнительной диверсификации
кредитного портфеля. При потребительском кредитовании, благодаря
большому количеству заемщиков, кредитные риски ниже, чем при работе с
несколькими десятками предприятий. Таким образом, кредитование
физических лиц дает банкам реальную возможность диверсифицировать
риски при формировании кредитных портфелей с учетом сохранения
достаточного уровня доходности.

Расширение потребительского кредитования положительно


сказывается на развитии банковского сектора, открывая новые ниши для
бизнеса, оно благоприятно влияет на социальную обстановку, а в

179
макроэкономическом плане расширяет конечный потребительский спрос, что
теоретически дает импульс развитию производства и торговли. По оценке
Центра развития, около 40% прироста объема розничной торговли
обеспечено доступностью потребительского кредита. С помощью кредита
оплачивается от 25 до 35% покупок бытовой техники, мебели и других
предметов длительного пользования.
Однако следует отметить, что в 2007-2008 произошел переломный
(изменения в худшую сторону) момент на рынке потребительского
кредитования, который был вызван как ухудшением глобальных
экономических условий, так и следующими факторами: недобросовестной
политикой банков в отношении заемщиков (многие важные пункты договора
прописаны мелким шрифтом, внимание заемщика не акцентируется на
важных моментах кредитного договора, что приводит к невозвратам);
неграмотной, поверхностной оценкой заемщиков, что также ведет к росту
проблемных заемщиков и как следствие невозвратам кредитов; неверной
политикой банков в отношении оценки рисков при выдаче потребительского
кредита, как следствие установление неадекватных рискам процентов,
которые не способны покрыть все риски. В результате чего увеличилось
количество «безнадежных кредитов», что является серьезной проблемой всей
банковской системы нашей страны.

3.1.1. Определение понятия потребительского кредитования, его


основных принципов, классификация потребительских кредитов.

Потребительский кредит – это сумма денежных средств, переданных


кредитной организацией (как правило, банком) на определенных условиях
физическому лицу (гражданину) для приобретения товаров длительного
пользования и оплаты различных услуг (медицинских, образовательных,
туристических) [3].

180
Потребительский кредит реализуется или в форме продажи товара с
отсрочкой платежей через различные магазины, или в форме предоставления
банковской ссуды на потребительские цели. Субъектами кредита являются
кредиторы: коммерческие банки, специальные учреждения потребительского
кредита, магазины, сберкассы и другие предприятия.
Потребительские кредиты различаются:
1. по виду обеспечения обязательств заемщика. Потребительские кредиты
бывают с обеспечением или без него (бланковые), при этом форма
обеспечения может быть разной (залог, гарантии, поручительство,
страхование);
2. по принадлежности кредитуемого предмета потребления к категории
товаров или услуг (кредит на товары или кредит на услуги);
3. по скорости и содержанию процедуры предоставления кредита –
экспресс-кредиты (такие кредиты чаще всего выдаются
непосредственно в магазине, где вы хотите приобрести товар) и
обыкновенные кредиты;
4. по кратности предоставления, т.е. предоставляемые однократно (на
приобретение одного наименования товара или услуги) либо
многократно (по кредитной карте в соответствии с принципом
"возобновляемой кредитной линии"), что соответственно позволяет
заемщику приобретать в кредит несколько наименований товаров или
услуг одновременно, но в пределах овердрафта.
5. по размеру кредита - мелкие (до 20 тыс. руб.), средние (от 20 до 200
тыс. руб.) и крупные (свыше 200 тыс. руб.);
6. по размеру ставки кредитования - недорогие (до 10% годовых),
умеренно дорогие (от 10 до 30% годовых) и дорогие (свыше 30%
годовых);
7. по способу погашения - погашаемые аннуитетно (ежемесячно равными
платежами), единовременно либо в соответствии с индивидуальной
схемой погашения.

181
8. по направлению использования кредита (цель, для чего кредит
берется). Это могут быть кредиты на неотложные нужды,
образовательные кредиты и т.д.
9. по субъектам кредитной сделки различают: банковские
потребительские кредиты, кредиты предоставленные населению
торговыми организациями, потребительские кредиты кредитных
учреждений небанковского типа (ломбарды, пункты проката, кассы
взаимопомощи, кредитные кооперативы, строительные общества,
пенсионные фонды и т.д.), личные или частные потребительские
кредиты, предоставляемые частными лицами, потребительские
кредиты предоставляемые заемщикам непосредственно по месту
работы.

3.1.2. Идентификация рисков в потребительском кредитовании.

На данном этапе необходимо определить риски, которые возникают в


потребительском кредитовании, как со стороны кредитного учреждения, так
и со стороны заемщика (в данном случае основной уклон сделан на
рассмотрение рисков со стороны банка).
Сочетание двух условий – возможности проявления неблагоприятного
события и восприимчивости объекта к его влиянию – является достаточным
основанием для признания факта существования риска. Решение задачи
идентификации рисков состоит в выявлении возможных опасностей, их
источников, причин и фактов, обуславливающих проявление
соответствующих неблагоприятных событий, а также информации об
объекте, степени подверженности влиянию различных событий.
Шаг 1.
Сначала определим, что является объектом рассматриваемой темы.
Здесь в качестве объекта выступают денежные средства (ссуда, заем),
которые предоставляются банком заемщику. Что касается субъекта, то им
может быть любое кредитное предприятие (банки, специальные учреждения

182
потребительского кредита, магазины, сберкассы), являющееся владельцем
объекта, т.е. денежных средств. Именно оно в случае реализации опасности
понесет убытки в размере потери части или всей суммы предоставленных
денежных средств.
Шаг 2.
На этом этапе выявляются основные события, которые могут
возникнуть с объектом и субъектом в потребительском кредитовании.
1)События, возникающие с заемщиком.
1.1. Потеря работы как основного источника финансирования выплат.
1.2. Снижение работодателем получаемой заработной платы.
1.3. Понижение работника в должности (что приведет к понижению
заработной платы и, возможно, лишению части социальных привилегий).
1.4. Временная или постоянная потеря трудоспособности заемщика (может
быть связана с болезнью заемщика, несчастным случаем и.т.д.).
1.5. Смерть заемщика.
1.6. Наличие у заемщика простроченного или невыплаченного кредита
другим банкам.
1.7. Наличие плохой репутации заемщика, которая является следствием
криминального прошлого гражданина или проблем с кредитными
учреждениями в прошлом.
В результате вышеописанных событий может возникнуть кредитный
риск, смысл которого заключается в том, что заемщик кредита нарушит свои
обязательства по кредитному договору. Это может выражаться в невозврате
всей суммы или ее части, в просрочке выплат и т.д.
2)События, возникающие с залогом по кредиту.
2.1. Невозможность или сложность реализации предмета залога.
2.2. Обесценение предмета залога за время действия кредитного договора.
2.3. Уничтожение предмета залога или утрата его важных свойств.
Данные события приводят к риску ликвидности. Он заключается в
невозможности или сложности реализации имущества, которое переходит в

183
собственность кредитного учреждения в результате невозврата кредита или
каких-либо других нарушений кредитного договора заемщиком.
3)События, связанные макросредой.
3.1. Изменения в законодательстве.
3.2. Изменения в налоговой системе.
3.3. Изменения в экономической и политической обстановке.
3.4. Международные события.
Приведем пояснения некоторых событий. Например, экономический
кризис отрицательно повлияет на платежеспособность заемщика. Или
изменение в налоговом законодательстве в пользу увеличения налогов также
снизит располагаемый доход заемщика, что повлияет на погашение его
кредита. В результате изменений в экономической и политической системах
может изменится кредитоспособность заемщика, что приведет к его
неспособности выплачивать кредит или банку придется изменить ставку по
кредиту, в результате чего изменяться условия возврата кредита и
вероятность его возврата значительно снизится. Два последних события
несут в себе косвенную опасность, однако результатом их возникновения,
также как и всех остальных событий этой группы является риск невозврата
кредита заемщиком и риск изменения политики банка.
4) События, связанные с вероятностью потерь финансовых ресурсов.
4.1. Повышение инфляции.
В результате этого события возникает инфляционный риск, который
заключается в том, что банк, в результате обесценения денег получит
меньшую сумму, чем он планировал, эта сумма может даже быть меньше
выданной, если процент инфляции превышает ссудный процент.
4.2. Изменение курсов валют.
Вследствие данного события может возникнуть валютный риск. Он
состоит в следующем: банк предоставляет кредит физическому лицу в
валюте (доллары, евро, рубли), в результате изменений на валютном рынке с
течением времени прямые курсы валют изменились (пример укрепление

184
доллара и евро по отношению к рублю). Следовательно, если банк выдал
кредит в валюте, курс которой снизился по отношению к корзине других
валют, то банк понесет убытки.
4.3. Изменение процентной ссудной процентной ставки банком.
Это событие может спровоцировать возникновение процентного риска,
который заключается в изменении процентной ставки, как правило, в сторону
ее увеличения, это становится причиной увеличения размера выплачиваемой
заемщиком суммы, что может привести к задержкам или невыплатам по
кредиту. Или может быть такой случай: банк для привлечения новых
клиентов решил снизить свои ставки по кредитам, однако это привело к
снижению получаемой банком прибыли по процентам, как следствие
снижению процентов по привлечению средств и потери части клиентов.

Все события этой группы образуют финансовый риск, который связан с


вероятностью потерь финансовых ресурсов.

5) События, связанные с административными ошибками.

5.1. Неправильная оценка кредитоспособности заемщика.

5.2. Неграмотное составление и оформление кредитного договора, гарантии,


договора страхования, составления и оформление договора залога.

5.3. Халатного, несерьезного отношения к работе, выраженный в выдаче


кредитов неблагонадежным гражданам.
Перечисленные события образуют административный риск.
Результатом этого может быть потеря денежных средств, потеря клиентов,
падение деловой репутации.
Итак, подводя итог, можно выделить следующие риски, которые возникают в
потребительском кредитовании:
• Кредитный риск
• Риск ликвидности
• Системный риск
• Финансовый риск
185
• Административный риск
Шаг 3
Теперь необходимо построить шаблон рисков, в котором будут отмечены
основные события, вызывающие соответствующие риски и свойства,
которые способны как увеличить, так и уменьшить их.
Свойства, понижающие опасности:
1) Гибкая и лояльная политика банка в отношении заемщика.
2) Адекватная действительности, точная оценка заемщика.
3) Сотрудничество банка со страховыми компаниями для защиты от
некоторых рисков и потерь.
4) Включение в условия договора предоставления залога в случаях довольно
крупных кредитов.
5) Включение в условия договора условия реализации залога, при
несоблюдении заемщиком условий договора.
6) Ставка процента по кредиту прямо пропорциональна рискам,
возникающим при потребительском кредитовании .
7) Переменная процентная ставка по предоставленному кредиту.
8) Фиксированная ставка процента по предоставленному кредиту.
9) Наличие собственной крупной истории кредитования или заимствование
ее у других кредитных учреждений и кредитных бюро.
10) Наличие в банке психологов, специалистов по работе с клиентами,
аналитиков.
11) Высокопрофессиональный, квалифицированный, мотивированный
персонал банка.
12) Наличие аналитического отдела, анализа рисков.
13) Включение в условия договора поручителя.
14) Наличие в банке современного оборудования, методик, программ,
которые способствуют процессу оценки рисков, платежеспособности клиента
и.т.д.

186
Свойства, повышающие опасности:
1) Сложная экономическая, политическая ситуация в стране (экономический,
финансовый кризис).
2) Плохое состояние здоровья заемщика, вредные условия работы, плохая
экология.
3) Девальвация национальной валюты, стремительное изменение
соотношений курсов валют.
4) Принятие банком в качестве залога редких, нестандартных вещей.
5) Малоквалифицированный персонал.
6) Плохая система оценки заемщика.
7) Массовые сокращения, кризис конкретных отраслей, учреждений.
8) Проведение банком неграмотной политики, неверных расчетов рисков при
принятии процентных ставок, неверный расчет рисков.
9) Халатное, несерьезное отношение заемщика к своей работе.
10) Смена руководства банка, управленческого персонала, политики
управления.

3.2. Оценка рисков в потребительском кредитовании.


Для оценки рисков в потребительском кредитовании рассматриваются
четыре метода.

3.2.1. Скоринговая оценка рисков в потребительском


кредитовании.

Скоринговая система платежеспособности заемщика (в случае


потребительского кредита) – это статистическая модель, оценивающая
вероятность того, что заемщик не заплатит по своим обязательствам в срок.
Для построения любой статистической модели необходимо иметь
достаточную по объему и качественную базу данных. База данных для
построения скоринговой модели (собственная или приобретенная) должна
содержать всю возможную информацию по клиентам за последние 2–5 лет,

187
банковский продукт, решение по кредитной заявке, дату открытия счета,
статус задолженности, баланс на счету и т.д.

Все данные в выборке должны быть разбиты на категории: «хороший»


(платежеспособный), «плохой» (неплатежеспособный) клиент или «отказ» в
выплате кредита.

Перед тем как переходить к анализу скоринговых показателей и


построению первичной модели, банку необходимо точно сформулировать
свое определение «плохого» случая (дефолта). Примерами определения
дефолта являются: уровень просроченной задолженности (свыше 30 дней, 60
дней или 90 и более дней) на текущий момент или худший статус за все
время кредитной истории, а также списание со счета, 3 раза задолженность
свыше 30 дней, 2 раза задолженность свыше 60 дней, один раз задолженность
свыше 90 дней и т. д. Базель II определяет понятие дефолта как
существование просроченной задолженности на счету свыше 90 дней когда-
либо на протяжении всей кредитной истории. Подтверждение правильности
выбранного определения может осуществляться экспертным путем или
аналитическими методами.

После точного определения и документации понятия дефолта всех


розничных клиентов, попадающих в эту категорию, необходимо
охарактеризовать как «неплатежеспособных», а остальных - как
«платежеспособных». Размер выборки, придерживаясь грубого правила,
должен составлять около 1500 «плохих» случаев и 1500 «хороших».

Анализ скоринговых переменных

Следующим основным этапом построения модели является выбор и


анализ независимых переменных. Основным источником данных являются
анкетные данные клиента на момент подачи кредитной заявки:

-демографические показатели: возраст, пол, национальность, место


проживания, длительность проживания в актуальном месте жительства,

188
образование, профессия, длительность трудоустройства, наличие
собственности, семейное положение, наличие детей и др;

-данные по запрашиваемому кредиту: цель кредита, общий размер


займа, срок финансирования, первоначальный взнос, отношение размера
займа к размеру обеспечения по кредиту и др;

-финансовые показатели: при учете количественных характеристик в


модели рекомендуется избегать абсолютных величин и использовать
коэффициенты, как например: сумма задолженности к доходу, ежемесячные
выплаты по кредиту к ежемесячному доходу, месячный свободно
располагаемый бюджет к ежемесячному доходу, ежемесячные выплаты по
кредиту к месячному свободно располагаемому бюджету и др;

-маркетинговые показатели: источник поступления кредитной анкеты,


проводимая программа, побуждающий мотив и др.

Анализ скоринговых показателей необходимо начинать с проверки их


состоятельности и поиска возможных ошибок. Кроме того значения
переменных необходимо проверить на предмет экстремальных величин, и
при наличии таковых удалить их из дальнейшего анализа или присвоить
средние результаты по группе.

Корреляционный анализ является важным этапом оценки скоринговых


характеристик. Все использующиеся в модели переменные необходимо
проверить на наличие между ними корреляции. В случае присутствия
проблемы мультиколлинеарности необходимо найти оптимальное сочетание
между удалением статистически незначимых характеристик и группировкой
или выбором одной общей переменной из каждого коррелирующего
кластера.

Следующим этапом анализа независимых переменных является


проверка их статистической значимости. Данный анализ заключается в
проверке наличия и силы связи между одной зависимой и независимой
переменными, что позволяет определить, какие переменные являются
189
наиболее точными предсказателями модели. Основные статистические
методы, использующиеся в анализе отдельных характеристик, основываются
на сравнении распределения «плохих» и «хороших» клиентов. Ими
являются:

1) статистика χ² ;

2) коэффициент Крамера V;

3) информационное Значение (IV – Information Value) ;

Статистика χ² используется для сравнения двух выборок и определения


их схожести. В данном случае сравнивается распределение
«платежеспособных» и «неплатежеспособных» клиентов для каждой
анализируемой отдельно переменной. Статистика χ² определяется по
формуле:

χ 2 (v) = ∑ (( xi − E ) 2 / E ) , где ν – число степеней свободы, xi–


наблюдаемое значение, E – ожидаемое значение.

Если χ² меньше критического значения (по грубому правилу 0,5), то


гипотеза H0 об одинаковом распределении «платежеспособных» и
«неплатежеспособных» клиентов подтверждается, и, следовательно,
анализируемая переменная не является статистически значимой.

Коэффициент Крамера V – это коэффициент, полученный на основе


статистики χ², который принимает значения от 0 до 1, где 0 говорит о том,
что две выборки идентичны, а 1, что они абсолютно разные. Коэффициент

рассчитывается по формуле: V = χ 2 / N (k − 1) , где χ² – статистика χ², N –


объем выборки, k – наименьшее число строк и столбцов в выборке.

Данный коэффициент позволяет таким образом сравнивать


относительную значимость отдельных скоринговых показателей. Обычно
значения его лежат в промежутке 0,06 – 0.35, чем больше значение, тем
статистически значимее переменная.

190
Информационное Значение (IV) – считается самой распространенной
мерой определения значимости переменных и измерения разницы в
распределении «плохих» и «хороших» клиентов. Информационное Значение
определяется по формуле: IV = ∑ (Gi − Bi ) ln(Gi / Bi ) , где Gi– процент всех
«хороших» случаев, Bi – процент всех «плохих» случаев.

По грубому правилу значения данного коэффициента трактуются


следующим образом:
• менее 0,02 – статистически незначимая переменная;
• 0,02 – 0,1 - статистически малозначимая переменная;
• 0,1 – 0,3 - статистически значимая переменная;
• 0,3 и более – статистически сильная переменная.

Заключительным моментом анализа скоринговых показателей является


группировка внутри переменных на классы. Особенно это касается
интервальных и качественных переменных с большим количеством
характеристик, например профессия. Группировка внутри показателей
позволяет легче понять существующие зависимости в модели, скоринговые
баллы становятся более устойчивы к небольшим изменениям в клиентской
базе, она решает проблему экстремальных величин и редких значений и
придает больше статистической значимости скоринговым переменным. При
группировке на классы внутри независимых показателей следует
руководствоваться следующими основными критериями:

1. размер группы – в каждом классе должно содержаться не менее 4-5%


выборки;

2. коэффициент дефолта (bad rate) – процентное соотношение


«неплатежеспособных» клиентов ко всем клиентам в группе;

3. WOE (Weight of Evidence) – измеряет статистическую значимость


каждого класса переменной и рассчитывается как ℓn (Gi/Bi), где Gi– процент
всех «хороших» случаев, Bi – процент всех «плохих» случаев;

191
4. здравый смысл.

Таким образом, если внутри скоринговой переменной существуют две


подгруппы небольшого размера, которые ведут себя одинаково, имеют
сравнимый коэффициент дефолта и одинаковый WOE, то имеет смысл
сгруппировать их в один класс, если это не противоречит здравому смыслу.
При анализе интервальных переменных следует построить график
коэффициента дефолта или WOE и сгруппировать схожие значения в классы.
Важно иметь ввиду, что любая группировка должна быть в первую очередь
логична и полученные связи между различными подгруппами и
платежеспособностью клиентов должны быть объяснимы с точки зрения
ведения бизнеса.

Построение скоринговой модели

Анализ скоринговых переменных позволил выделить ряд самых


сильных и качественных характеристик (обычно около 12–18 штук), на
которых основывается построение статистической модели. Следует иметь
ввиду, что качественные показатели необходимо преобразовать в фиктивные
переменные, принимающие значение 0 или 1. Зависимой характеристикой
является в модели платежеспособность клиента, которая также отображается
в виде фиктивной переменной, в случае логарифмической регрессии
«неплатежеспособный» клиент приобретает значение 0, «платежеспособный»
клиент – 1.

За основу банковской скоринговой системы анализа


платежеспособности физического лица могут быть взяты различные
статистические модели:

-множественная линейная регрессия,

-множественная логарифмическая регрессия,

-нейросети,

-деревья решений.

192
Далее будет рассмотрена множественная логарифмическая модель,
поскольку она является наиболее простой в плане расчетов, довольно точной
и адекватной в отношении полученных результатов, по этой причине она
чаще всего используется российскими банками.

. Множественная логарифмическая регрессия

Множественная логарифмическая регрессия связывает поведение


зависимой переменной с функцией ряда независимых переменных. Она
использует принцип максимального правдоподобия для того, чтобы
достигнуть равновесия.

Множественная логарифмическая регрессия находит наилучшее


статистическое соответствие и имеет формулу:

y = w0 + w1lnx1 + w2lnx2 + ... + wnlnxn , y= logit(pi),

где рi – вероятность i-ого дефолта (невозврата кредита), w параметры модели


(скоринговые веса), х - независимые переменные (скоринговые
характеристики).
В результате распознавания или классификации по предъявляемому
объекту – потенциальному заемщику уравнение логистической регрессии
дает оценку вероятности дефолта (невозврата) кредита. Если разработчиками
скоринговой системы заранее установлено определенное пороговое значение
этой вероятности для разделения двух классов объектов (например,
"надежный заемщик" и "проблемный заемщик"), такая конструкция будет
способна в автоматическом режиме формировать вывод о допустимости или
недопустимости выдачи кредита. Все регрессионные методы чувствительны
к корреляции между характеристиками, поэтому в модели не должно быть
сильно коррелированных независимых переменных.

В логарифмической регрессии скоринговые баллы трансформированы


в вероятности со значениями от 0 до 1. Множественная логарифмическая

193
регрессия строится, на основе неизмененной изначальной выборки и
реальной пропорции между количеством «плохих» и «хороших» случаев.

Шкалирование и переход к конечным скоринговым баллам

В логарифмической регрессии в качестве результата выступает


вероятность наступления «плохого» случая, поэтому скоринговые значения
этой модели всегда будут лежать в промежутке от 0 до 1, независимо от
используемой пропорции «плохих» и «хороших» клиентов. Это является
причиной тому, что в логарифмической регрессии рекомендуется
использовать изначальную полноценную выборку. Скоринговый балл
равный 0 означает 50% вероятность клиента быть «платежеспособным» или
соотношение «хороших» к «плохим» случаям равное 1:1. w – параметры
являются скоринговыми весами модели. Так как значения w – параметров и
общего балла в логарифмической регрессии являются, как правило, очень
маленькими числами, в дальнейшем они шкалируются для более удобного
вида.
Механизм расчетов.
По результатам характера и результата погашений все заемщики
разделены на два класса: благонадежный и неблагонадежный (зависимая
переменная). В качестве независимых переменных выбираются величины,
которые являются наиболее статистически значимыми, то есть определяются
переменные, имеющие наибольшую связь с зависимой переменной. В
дальнейшем между выбранными переменными определяется корреляция, и в
конечном результате формируются независимые переменные.
Независимыми переменными являются анкетные данные заемщиков:
1. Возраст, лет;
2. Пол (ж/м);
3. Семейное положение: состоит в браке (да/нет);
4. Количество иждивенцев, шт.;
5. Подтвержденный среднемесячный доход, руб.;
6. Стаж работы, лет;
194
7. Квалификация (есть/нет);
8. Занимаемая должность

n.

Как было отмечено выше для создания адекватной скоринговой модели


необходимо использовать большой объем выборки. Стоит напомнить, что
зависимая переменная (1 – благонадежный, 0 – неблагонадежный заемщик).

Теперь для расчета коэффициентов необходим перевод качественных


переменных в количественные. Рассмотрим логарифмическую регрессию
y = w0 + w1lnx1 + w2lnx2 + ... + wnlnxn.
Существует несколько способов нахождения ее коэффициентов. На
практике часто используют метод максимального правдоподобия. Он
применяется в статистике для получения оценок параметров генеральной
совокупности по данным выборки. Основу метода составляет функция
правдоподобия, выражающая вероятность совместного появления
результатов выборки у1, у2,…,уk:
L( y1 , y 2 ,..., y n ;θ ) = p ( y1 , θ ) ⋅ p ( y 2 , θ ) ⋅ ... ⋅ p ( y k , θ ) .
Согласно методу максимального правдоподобия в качестве оценки
неизвестного параметра принимается такое значение θ = θ ( y1 ,..., y k ) ,
которое максимизирует функцию L.
Нахождение оценки упрощается, если максимизировать не саму
функцию L, а натуральный логарифм ln(L), поскольку максимум обеих
функций достигается при одном и том же значении θ:

L* (Y ;θ ) = ln( L(Y ;θ )) → max .


В случае бинарной независимой переменной, выкладки можно
продолжить следующим образом. Обозначим через Pi вероятность появления
дефолта: Pi=Prob(Yi=0). Эта вероятность будет зависеть от XiW, где Xi –
строка матрицы регрессоров, W – вектор коэффициентов регрессии:

195
1
Pi = F ( X iW ), Pi = .
− yi
1+ e
Логарифмическая функция правдоподобия равна:
k
L* = ∑ ln Pi (W ) + ∑ ln(1 − Pi (W )) = ∑ [Yi ln Pi (W ) + (1 − Yi ) ln(1 − Pi (W ))] ,
i∈I 0 i∈I 1 i =1

где I0, I1 – множества наблюдений, для которых Yi=0 и Yi=1 соответственно.


Можно показать, что градиент g и гессиан H функции правдоподобия равны:

g = ∑ (Yi − Pi ) X i , H = −∑ Pi (1 − Pi ) X iT X i ≤ 0 .
i i

Гессиан всюду отрицательно определенный, поэтому логарифмическая


функция правдоподобия всюду вогнута. Для поиска максимума можно
использовать метод Ньютона, который здесь будет всегда сходиться
(выполнено условие сходимости метода):

Wt +1 = Wt − ( H (Wt )) −1 g t (Wt ) = Wt − ∆Wt .

В результате вычисления коэффициентов каждой независимой


переменной, получим модель. В дальнейшем, для определения заемщика в
категорию платежеспособного или нет, необходимо использовать эту модель,
подставляя данные заемщика. Таким образом, для каждого заемщика можно
рассчитать вероятность невозврата кредита, что и является оценкой риска.

Недостатками скорингового метода являются:

1) сложность в формализации ключевых характеристик заемщика.

2) балльные оценки признаков, как правило, субъективны.

Так, мужчина и женщина получают разные баллы при оценке


кредитных рисков. При этом количественные значения этих баллов
формируются либо экспертным путем, либо по весьма субъективным
расчетным схемам. На наш взгляд, в подобной ситуации можно было бы
повысить объективность балльных оценок, вычисляя их на основе
ретроспективной информации о невозвратах клиентами полученных
кредитов, в т.ч. с использованием половозрастных критериев. В этом случае

196
балльная оценка представляла бы собой процент возвращенных кредитов
среди мужчин и женщин. Однако и такая процедура не устраняет
«размытости» балльных характеристик, так как период усреднения
ретроспективных данных может быть различным и выбирается субъективно.
Между тем искомые баллы сильно зависят от значения анализируемого
периода, что затруднено в отсутствие длительных кредитных историй.

3) используемые в расчетах балльные оценки не являются


постоянными во времени величинами, поскольку сдвиги в социально-
экономических условиях приводят к изменению уровня риска каждого
признака. Иными словами, система баллов должна оперативно обновляться.
При этом пересчет балльной шкалы идет для каждого временного интервала
с учетом специфики конкретного банка и выдаваемых им кредитов
(краткосрочный, долгосрочный и т.п.).

4) критическое значение суммы баллов, с которым сравнивается ее


фактическая величина, определяется эмпирически. Никаких серьезных
теоретических обоснований этой величины нет. Очевидно, что в общем
случае критический порог также является «плавающей» во времени
величиной и должен быть дифференцирован в зависимости от вида кредита.
Любые ошибки и погрешности в определении критической величины суммы
баллов могут давать принципиально неверный результат, особенно когда
фактическое значение баллов лежит близко к критическому.

3.2.2. Оценка рисков потребительского кредитования на основании


статистики по невозвратам ссуд.

Для того, чтобы оценить риск невозврата ссуды в потребительском


кредитовании в общем для любого среднестатистического потребителя, не
учитывая никакие его качества и характеристики платежеспособности,
можно использовать следующий метод.

На сайте ЦБ РФ размещена статистика по просроченной


задолженности потребительских кредитов крупнейших банков России.
197
Рассчитать вероятность невозврата по каждому периоду можно по
следующей формуле:

Просроченный _ кредиты
Pневозв. = × 100%
Общая _ величина _ кредитов

Вся статистика и расчеты представлены в таблице 3.1.1, на основании


которой можно посмотреть динамику и построить тенденцию (рис. 3.1.1).

Таблица 3.1.1.

Дата Величина Из них Вероятность


потребительского просроченная невозврата
кредита задолженность
01.01.2006 1 179 250 22 060 1,87%
01.02.2006 1 183 750 25 036 2,12%
01.03.2006 1 219 427 27 550 2,26%
01.04.2006 1 289 240 30 171 2,34%
01.05.2006 1 351 348 33 183 2,46%
01.06.2006 1 429 596 36 731 2,57%
01.07.2006 1 522 176 40 064 2,63%
01.08.2006 1 606 208 43 206 2,69%
01.09.2006 1 704 215 45 605 2,68%
01.10.2006 1 797 644 48 022 2,67%
01.11.2006 1 874 185 51 028 2,72%
01.12.2006 1 955 384 53 620 2,74%
01.01.2007 2 065 199 53 946 2,61%
01.02.2007 2 088 145 58 453 2,80%
01.03.2007 2 148 154 63 145 2,94%
01.04.2007 2 239 189 66 379 2,96%
01.05.2007 2 338 947 71 343 3,05%
01.06.2007 2 440 594 76 435 3,13%
01.07.2007 2 559 167 80 200 3,13%
01.08.2007 2 679 151 87 076 3,25%
01.09.2007 2 812 012 92 281 3,28%
01.10.2007 2 909 641 97 200 3,34%
01.11.2007 3 021 165 96 482 3,19%
01.12.2007 3 139 656 103 405 3,29%
01.01.2008 3 242 111 100 700 3,11%
198
01.02.2008 3 012 496 103 306 3,43%
01.03.2008 3 091 845 107 545 3,48%
01.04.2008 3 198 632 110 540 3,46%
01.05.2008 3 342 599 112 724 3,37%
01.06.2008 3 464 940 115 887 3,34%
01.07.2008 3 589 765 119 260 3,32%
01.08.2008 3 738 921 122 426 3,27%
01.09.2008 3 890 267 123 453 3,17%
01.10.2008 4 017 577 131 368 3,27%
01.11.2008 4 083 024 133 854 3,28%
01.12.2008 4 054 816 143 546 3,54%
01.01.2009 4 017 212 148 568 3,70%

4,00%

3,50%

3,00%
% невозвратов

2,50%

2,00%

1,50%

1,00%

0,50%

0,00%
6

9
.0

.0

.0

.0

.0

.0

.0

.0

.0

.0

.0

.0

.0
1

1
.0

.0

.0

.1

.0

.0

.0

.1

.0

.0

.0

.1

.0
01

01

01

01

01

01

01

01

01

01

01

01

01

временной интервал

Рис.3.2.1. Динамика и тенденция по невозвратам потребительских


кредитов.
Исходя из расчетов видно, что вероятность невозврата кредита за
последние 3 года увеличилась практически в два раза (1,9786 раза) и имеется
тенденция дальнейшего роста. Данная вероятность дает лишь общую оценку
риска по невозврату кредита, то есть банк, используя такой метод
199
оценивания рисков, может лишь учесть тот факт, что примерно четыре
выданных кредита из 100 не будут погашены. При этой методике оценки
риска не учитываются такие важные параметры как данные по заемщику,
экономическая и политическая ситуация, общее состояние на рынке
кредитования и др.

Оценка риска на основе расчета вероятностей опасностей

Рисковое событие – невозврат потребительского кредита физическим


лицом.

Кредит
возвращен

1-P1
Выданный
кредит Добросовестный
1-P2 заемщик
P
Кредит не
возвращен Намеренный
P2 невозврат

Рис. 3.2.2. Построение модели p = P1 ⋅ P 2 – вероятность потерь банка

Далее схему построения можно достроить для добросовестного


заемщика, где P1 определяется следующими вероятностями: P3,P4,P5,P6,P7,
где Р3 – вероятность наступления одного из перечисленных негативных
событий с заемщиком, Р4 – вероятность возникновения проблем с
реализацией залога, Р5 – вероятность наступления кризисных событий для
заемщика в макросреде, Р6 – вероятность потерь финансовых ресурсов
заемщиком, Р7 – вероятность неверного определения заемщика в категорию
платежеспособных при выдаче кредита. Вероятность для каждого случая или
же группы случаев можно рассчитывать исходя из статистики: как
отношение негативных исходов к общему количеству исходов. Событие

200
невозврата кредита добросовестным заемщиком может наступать как при
одном каком-либо из перечисленных событий, так и при совместном
наступлении некоторых из них. В зависимости от этого будет по-разному в
каждом конкретном случае будет рассчитываться вероятность Р1.

P3

P4
Добросовестный
заемщик
P5

P6
P7

Рис. 3.2.3. Построение модели


Данный метод оценки риска наиболее точен и только он учитывает все
опасности образующие данный риск. Данный метод необходимо
использовать уже после определения платежеспособности заемщика, будь то
метод оценки его платежеспособности на основе данных о среднемесячном
доходе за последние шесть месяцев или скоринговый метод. Однако стоит
отметить, что расчеты по определению вероятности каждого события
довольно сложны, требуют длительного времени по сбору и обработке
информации по каждому конкретному заемщику. Оптимизация и создание
общего шаблона, определяющего перечисленные вероятности - сложный
процесс, однако его реализация вполне возможна, единственное, что является
минусом для заемщиков при использовании такого метода оценки рисков и
впоследствии отнесения его к статусу платежеспособного или нет - это

201
длительность процесса и необходимость предъявления большого количества
сведений о себе.

3.2.3. Логико-вероятностная модель оценки риска в


потребительском кредитовании

Каждый выданный кредит описывается признаками, каждый из


которых имеет градации. На практике число признаков может быть от 10 до
20, а количество градаций в признаках — 2–11. Во время проведения
исследования кредиты физических лиц в одном из коммерческих банков
описывались признаками с различным числом градаций (табл.3.1.2.).

Таблица 3.1.2.

Описание признаков и градаций кредитов физических лиц

Номер Наименование Номер


Градации признака
признака признака градации
1 До 3-х месяцев и менее
1 Срок кредита 2 От 3-х месяцев и до года
3 От года до 2-х лет
1 До 3000 руб.
2 До 5000 руб.
3 От 5000 до 30000 руб.
2 Сумма кредита
4 От 30000 до 100000
5 От 100000 до 200000
6 От 200000 и выше
1 Бесцелевой
3 Цель кредита
2 На конкретные цели
Добросовестная
1
кредитная история
Кредитная Приемлемая кредитная
4 2
история в банке история
Не пользовался
3
кредитами
Наличие Нет вкладов или вклад
5 1
рублевого или на сумму менее $500

202
валютного
На сумму от $500 до
вклада в банке 2
$1000
На сумму от $1000 до
3
$5000
1 Нет карты
VISA Electron
2 (Cirrus/Maestro,ICB-
card)
Владение
6 пластиковыми VISA Classic
картами 3 (Eurocard/Mastercard
Mass)
VISA Gold
4 (Eurocard/Mastercard
Gold)
Наличие в
1 собственности дома,
квартиры
Жилищные Проживает в
7
условия муниципальной
2
квартире, арендует
квартиру
3 Другие варианты
1 Нет такого имущества
Наличие в
2 Автомобиль
собственности
8 Рыночные ценные
дорогостоящего
имущества 3 бумаги на сумму не
менее $1000
1 18-25 лет
Возраст
9 2 26-50 лет
заемщика
3 51-55(60) лет
Период 1 До года
постоянного
2 От года до 3-х лет
проживания в
10
городе, где
происходит 3 Свыше 3-х лет
выдача кредита
Менеджер высшего
1 звена, руководитель
фирмы
Должностной Менеджер среднего
11 2
уровень звена, начальник отдела
Специалист высокой
3
квалификации
4 Специалист
203
Стабильность 1 До года
занятости 2 От года до 3-х лет
12 (период работы
в указанной 3 От 3-х лет до 5 лет
компании) 4 Свыше 5 лет
1 До $5000 в год
2 От $5000 до $1000
Чистый доход
13 по основному 3 От $1000 до $30000
месту работы 4 От $30000 до $60000
5 $60000 в год и более
1 Нет таковых
Количество
14 неработающих 2 Менее 2-х
членов семьи
3 2 и более

Признак успешности кредита — Y (две градации). Другие признаки


кредита:

Z1 — срок кредита (три градации);

Z 2 — сумма кредита (шесть градаций);

Z 3 — цель кредита (две градации);

Z 4 — кредитная история в банке (три градации);

Z 5 — наличие рублевого или валютного вклада в банке (четыре градации);

Z 6 — владение пластиковыми картами банка (четыре градации);

Z 7 — жилищные условия (три градации);

Z 8 — наличие в собственности дорогостоящего имущества (три градации);

Z 9 — возраст заемщика (три градации);

Z 10 — период постоянного проживания (три градации);

Z 11 — должностной уровень (четыре градации);

Z 12 — стабильность занятости, период работы в указанной компании (четыре

градации);

204
Z 13 — чистый доход по основному месту работы (пять градаций);

Z 14 — количество неработающих членов семьи (три градации).

В исследовании использовалась статистика по кредитам физических


лиц — клиентов банка. Данные для признаков получены из кредитного дела
каждого заемщика, при этом отнесены к соответствующей градации.
Количественные данные (срок, сумма кредита) разбиты на интервалы,
которым присвоены номера градаций (табл. 1, признаки 1, 2, 9, 13, 14).

В каждом кредите признаку успешности Y была присвоена градация 1


(«хороший») или градация 0 («плохой»). В итоге была получена табл. 3.1.3., в
строках которой представлены данные по кредитам, в последнем столбце —
градация успешности кредита, а в остальных столбцах — градации для
признаков по каждому кредиту. Структура данных по кредитам приведена на
рис. 3.2.4. Ее элементы:

1) множество кредитов банка;

2) кредиты множества;

3) признаки описания кредита, признак его эффективности;

4) градации признаков описания кредита и его эффективности.

Наибольшее число комбинаций (разных кредитов или состояний):

N max = N1 × N 2 × ... × N j × N n , (3.2.1.)

где N1 , N 2 ,..., N j ,..., N n — числа градаций в признаках.

205
Рис. 3.2.4. Структура данных для оценки и анализа кредитных рисков

Статистические данные о кредитах банка представлены в виде табл.


3.1.3., где приведены значения градаций соответствующих признаков.
Структурная модель риска неуспеха кредита представлена на рис. 3.2.5., где
стрелки означают логические связи.

Основные уравнения

Признаки кредита и их градации будем считать случайными


событиями (события-признаки и события-градации). Каждое событие-
признак имеет несколько событий-градаций, которые составляют группу
несовместных событий (ГНС). Названные события с определенной
вероятностью приводят к неуспеху кредита. Сценарий неуспеха кредита
формулируется так: неуспех происходит в случае наступления одного, двух
или всех инициирующих событий-признаков. Данная методика использует
сценарий, охватывающий все возможные кредиты.

Таблица 3.1.3.

206
Кредиты и их признаки и градации

Рис.3.2.5. Структурная модель риска неуспеха кредита

Бинарная логическая переменная Z j равна 1 с вероятностью Pj , если

признак j привел к неуспеху, и равна 0 с вероятностью Q j = 1– Pj в


противоположном случае. Бинарная логическая переменная Z jr ,

соответствующая градации r признака j, равна 1 с вероятностью P jr и равна

0 с вероятностью Q jr = 1– P jr . Вектор Z (i) = ( Z 1 ,..., Z j ,..., Z n ) описывает кредит

i (табл. 3.1.3.). Для вычисления риска кредита i вместо логических


переменных ( Z1 ,..., Z j ,..., Z n ) нужно подставить логические переменные Z jr

для градаций признаков именно этого кредита i. Запишем Л-функцию


(логическая функция) риска неуспеха кредита:

Y = Z1 ∪ Z 2 ∪ ... ∪ Z j ∪ ... ∪ Z n . (3.2.2)

207
Л-функция риска неуспеха кредита в эквивалентной форме после
ортогонализации:

Y = Z1 ∪ Z 2 Z1 ∪ Z 3 Z 2 Z1 ∪ ... . (3.2.3)

В-функция (вероятностная функция) (В-модель, модель-полином)


риска неуспеха кредита:

P = P1 + P2 Q1 + P3Q1Q2 + ... . (3.2.4)

«Арифметика» в В-модели риска такова, что для итогового события


величина риска находится в пределах [0, 1] при любых значениях
вероятностей инициирующих событий. Для каждого события-градации в
ГНС введены три вероятности:

P2 jr — относительная частота градации в кредитах (табл. 3.1.3.);

P1 jr — вероятность события-градации в ГНС;

P jr — вероятность события-градации, подставляемая в формулу (3.2.4)

вместо вероятности Pj .

Вероятности для ГНС определены следующим образом:

Nj
P 2 jr = P{ Z jr = 1 }; ∑ P 2 jr = 1; r = 1,2,.., N j ; (3.2.5)
r =1

}
Nj
P1 jr = P{ Z jr = 1 Z j = 1 ; ∑ P1 jr = 1; r = 1,2,.., N j ; (3.2.6)
r =1

}
P jr = P{ Z jr = 1 Z j = 1 ; r = 1,2,.., N j ; (3.2.7)

Средние значения вероятностей P2 rj , P1rj и Prj для градаций в ГНС

равны:

Nj Nj
P 2 jr = P / N j ; P jm = ∑ P jr P 2 jr ; P1 jm = ∑ P1 jr P 2 jr . (3.2.8)
r =1 r =1

208
Риск кредита Pi вычисляют по формуле (3.2.4) при подстановке
вероятностей P jr вместо Pj . Вероятности Pjr будем оценивать при

алгоритмическом итеративном обучении (идентификации) В-модели риска


по данным табл. 3.1.3. Вначале нужно определить вероятности P1 jr ,

удовлетворяющие (3.2.6) (сумма вероятностей в ГНС равна 1), и перейти от


вероятностей P1 jr к вероятностям P jr . Число независимых вероятностей P jr

равно:

n
N ind = ∑ N j − n . (3.2.9)
j =1

Вероятности P jr и P1 jr связаны по формуле Байеса через средние

вероятности P jm и P1 jm :

P jr = P1 jr × ( P jm / P1 jm ) = P1 jr × K j ;
. (3.2.10)
r = 1,2,..., N j ; j = 1,2,..., n

Рис.3.2.6. Вероятности в группе несовместных событий


Меры риска и цена за риск

209
Введем допустимый риск Pad , который разделяет кредиты на
«хорошие» и «плохие»: если Pi > Pad , то кредит «плохой»; если Pi < Pad , то
кредит «хороший» (рис. 3.2.7.).

Рис.3.2.7. Схемы классификации кредитов по риску


Если выполняется группировка кредитов по большему числу классов,
то вводят соответствующее число допустимых рисков Pad1 , Pad 2 ,….
Предположим, что известны вероятности событий-градаций P jr , j = 1, 2, ...,n;

r = 1, 2, ..., N j . В этом случае вычислим риски всех N кредитов (табл. 3.1.3)


по В-модели кредитного риска. Нанесем риски кредитов на ось рисков. Если
итоговое событие Y имеет две градации (рис. 3.2.7.), то выберем допустимый
риск Pad так, чтобы N bc кредитов из общего числа N были «плохими», а
N gc кредитов — «хорошими». Мерой того, насколько «хорош» или «плох»

кредит i, есть расстояние между риском кредита Pi и допустимым риском


Pad :

d i = | Pi – Pad |. (3.2.11)

Введенная мера используется для вычисления цены за риск (процент за


кредит). Простейшая формула цены за риск кредита:

Ci = C ad + C × ( Pi − Pad ), (3.2.12)

где C ad - цена за допустимый риск, С – коэффициент.

210
Идентификация ЛВ-модели кредитного риска по статистическим
данным

Из-за сложности задачи идентификации она решается


алгоритмическими методами. Предложена следующая схема решения задачи.
Предположим, что известны в первом приближении вероятности для
градаций P jr , r = 1, 2, …, N j j = 1, 2, …, n и вычислены риски Pi , i = 1, …, N

кредитов (табл. 3.1.3). Определим допустимый риск Pad (рис. 3.2.7) так,
чтобы принятое нами расчетное число «хороших» кредитов N gc имело риск

меньше допустимого, а число «плохих» кредитов N bc =N – N bc


соответственно имело риск больше допустимого. На шаге оптимизации
нужно так изменить вероятности P jr , r = 1, 2, …, N j ; j = 1, 2, …, n, чтобы

число правильно распознаваемых кредитов увеличилось. Переменные Pad и


N g связаны однозначно. В алгоритме решения задачи удобнее задавать N gc

и определять допустимый риск Pad , т. к. последний параметр пришлось бы


задавать с точностью до шестого-седьмого знака после запятой. Условие Pi >
Pad выделяет следующие типы кредитов:

g
= N gc — «хорошие» по методике и статистике;
g

g
= N g − N gc — «хорошие» по методике и «плохие» по статистике;
b

b
= N b − N bc — «плохие» по методике и «хорошие» по статистике;
g

b
= N bc — «плохие» по методике и статистике.
b

g b g b
Риски кредитов , , , перемещаются относительно Pad при
g g b b
изменении Pjr . При переходе одних кредитов вправо (рис. 3.2.7) от Pad по

211
величине риска такое же число кредитов переходит влево. Оптимальным
g b
будет такое изменение Pjr , которое переводит кредиты и через Pad
b g
навстречу друг другу, функция F увеличивается при этом на две единицы.

Задача идентификации В-модели риска сформулирована следующим


образом. Заданы: табл. 3.1.3, имеющая N g «хороших» и N b «плохих»

кредитов, и В-модель риска типа (3.1.4). Требуется определить: вероятности


P jr , r = 1, 2,…, N j ; j = 1, 2, …, n событий-градаций и допустимый риск Pad ,

разделяющий кредиты на «хорошие» и «плохие». Целевая функция (ЦФ):


число корректно классифицируемых кредитов должно быть максимальным.

F = N bs + N ds → MAX , (3.2.13)

где N gc , N bc , P jr — соответственно числа кредитов, определяемых как

«хорошие» и «плохие» и статистикой, и В-моделью (совпадающие оценки).

Из выражения (3.2.13) следует, что точность В-модели риска в


классификации «хороших» кредитов E g , «плохих» кредитов Eb и в целом

E m равна:

E g = ( N g − N gs ) / N g ; Eb = ( N b − N bs ) / N b ;

Em = ( N − F ) / N . (3.2.14)

Ограничения:

1) вероятности P jr должны удовлетворять условию:

0 < Pjr < 1, j = 1,2,..., n; r = 1,2,..., N j . (3.2.15)

2) средние риски кредитов по В-модели и по таблице должны быть


равны; при идентификации В-модели риска будем корректировать
вероятности P jr на шаге по формуле:

Prj = Pjr × ( Pav / Pm ); j = 1,2,..., n; r = 1,2,..., N j , (3.2.16)

212
где Pav = N b / N — средний риск банка по статистике, Pm — средний риск
банка по модели риска;

3) допустимый риск Pad должен определяться при заданном


отношении некорректно классифицируемых «хороших» и «плохих» кредитов
из-за неэквивалентности ущерба при их неправильной классификации

E gb = ( N g − N gs ) /( N b − N bs ). (3.2.17)

Формула для обучения ЛВ-модели риска:

( N opt − N t )
dP1 jr = Amax × × K 3 × P1 jr ,
N opt (3.2.18)
j = 1,2,..., n; r = 1,2,..., N j ,

где Amax — относительная максимальная амплитуда приращений


вероятностей, N opt , N t — число оптимизаций и номер текущей оптимизации,

K 3 - случайное число в интервале [–1, +1]. В процессе оптимизации


величина dP1 jr стремится к 0.

Анализ риска кредита и ЛВ-модели кредитного риска банка

Предположим, что В-модель риска идентифицирована и известны


вероятности P jr . Для анализа нужно определить вклад событий-признаков и

событий-градаций в риск кредита и средний риск множества кредитов, а


также в точность ЛВ-модели риска с помощью компьютерной программы,
вычисляя разности между значениями названных характеристик для
оптимальной модели при условии 1 придания соответствующим
вероятностям событий-градаций нулевых значений. По результатам анализа
характеристик риска градаций, признаков, кредита и множества кредитов
оптимизируется сама модель риска для повышения ее точности.

Вклад признака (всех его градаций) в риск кредита i:

213
dPj = P(i ) − P(i ) Pj = 0 , j = 1,2,..., n . (3.2.19)

Вклад признака в средний риск Pm множества кредитов:

dPjm = Pjm − Pjm ) P j = 0 , j = 1,2,..., n . (3.2.20)

Вклады градаций в средний риск Pm множества кредитов:

dP jrm = P jm − P jm ) Pir =0 , j = 1,2,..., n; r = 1,2,..., N j . (3.2.21)

Вклад признака в целевую функцию Fmax :

dF j = Fmax − F Pj = 0 , j = 1,2,..., n. (3.2.22)

Вклады градаций в целевую функцию F max


:

dF jr = Fmax − F P jr = 0 , j = 1,2,..., n; r = 1,2,..., N . (3.2.23)

Заметим, что при вычислении dP jrm и dF jr допущена некорректность,

поскольку неясно, как корректировать частоты других градаций P2 rj в ГНС,

если одной из них придается нулевое значение. Поэтому вместо вкладов dF jr

будем вычислять, по аналогии с (3.1.14), ошибки классификации кредитов по


каждому событию-градации:

E jrg = ( N jrg − N jrgs ) / N jrg ; E jrb = ( N jrb − N jrbs ) / N jrb ;


(3.2.24)
E jrn = ( N jr − N jrs ) / N jr ,

где N jrg , N jrb , P jr — числа «хороших», «плохих» и общее число кредитов с

градацией; N jrgs , N jrbs — числа «хороших», «плохих» и общее число

кредитов с корректной классификацией.

Прозрачность методики и модели риска

Прозрачность сценария риска. Сценарий неуспеха кредита охватывает


все возможные кредиты: неуспех происходит, если случается одно, два и

214
более или все инициирующие события. По этому сценарию, как было
показано выше, просто записывается логическая функция риска (3.2.2), а
затем — вероятностная функция риска неуспеха кредита (3.2.4).

Прозрачность целевой функции. Формулировка целевой функции


отличается простотой и ясностью: число корректно классифицируемых
«хороших» и «плохих» кредитов должно быть максимальным (3.2.13).
Корректная классификация означает, что оценки кредитов по статистике и
ЛВ-модели риска совпадают. В отличие от других методик, для
классификации не используется построение разделяющей поверхности или
метод наименьших квадратов (экспертная система), что делает решение
задачи непрозрачным.

Простой выбор начальных условий. Возможны несколько простых


способов задания начальных значений вероятностей для событий-градаций.
Вероятности P jr , r = 1, 2, …, N j , j = 1, 2, …, n одинаковы. Вычисляются по

среднему риску кредитов Pav по статистике из выражения (3.2.4).


Вероятности P1 jr , r = 1, 2, …, N j , j = 1, 2, …, n равны среднему значению в

группе несовместных событий, легко вычисляемому из выражения (3.2.8).


Вероятности P1 jr равны частотам событий-градаций в статистике «плохих»

кредитов. Вероятности P1 jr и P jr равны значениям предыдущего сеанса

оптимизации.

Среднее значение риска по модели Pm должно примерно равняться


среднему значению риска по статистике Pav , а начальное значение целевой
функции — примерно половине числа кредитов в статистике.

Простая оценка точности вероятностей событий-градаций. В


формуле оптимизации (идентификации) вероятностной модели риска
неуспеха методом Монте-Карло (3.2.18), приращения вероятностей dP1 jr , r =

1, 2, …, N j , j = 1, 2, …, n генерируются как случайные числа в интервале [–1,

215
+1]. Абсолютные значения приращений вероятностей dP1 jr , умноженные на

100, переводятся в проценты.

Выводы. В результате кредитных отношений между банком и


заемщиком, в роли которого выступает физическое лицо, возникает большое
число событий, которые приводят к появлению рисков различного рода:
кредитному риску, риску ликвидности, системному риску, финансовому
риску, административному риску. Все эти риски объединены общим
характером, а именно их проявление приводит к риску полного или
частичного невозврата ссуды или иными словами потери кредитным
учреждением средств, времени, возникновение различных транзакционных
издержек.
Для избежания перечисленных рисков банку необходимо, во-первых,
идентифицировать все события, которые способствуют данному риску, во-
вторых, проводить грамотную оценку всех рисков. Для этого в работе
изложена идентификация событий, образующих риски, а также несколько
способов оценки рисков.

Список литературы:
Книги

1)Тэпман Л.Н. Т96 Риски в экономике: Учеб. пособие для вузов М.:
ЮНИТИ-ДАНА, 2002, стр.218-279

2)Ю. Демин все о кредитах. Понятно и просто СПБ Питер, 2007, стр.29-22

3) Е. Колесников Потребительские кредиты: «за» и «против» М. АСТ СПБ,


2006, стр. 4-7

4)Б. Федоров Как правильно взять и вернуть кредит: на покупку


недвижимости, автомобиля, техники СПБ, Питер, 2006, стр.24-30

5)О.И. Лаврушин Банковское дело: современная система кредитования . М.:


2007, стр. 30-117

216
Статьи, журналы, периодические издания

6) Управление финансовыми рисками «Логико-вероятностная модель оценки


кредитного риска физических лиц в коммерческом банке», 2004, №4

7)Бизнес и банки «Комплексный подход к оценке кредитоспособности


клиентов банка», 2008, № 22, С1-5

8) Банковское дело «Специфические риски потребительского кредитования»


М. К. Беляев 2006, № 5.

9)Компания «Гадание на скоринговой гуще» М. Логвинов, 2008, №23


10)Банковское кредитование «Риски потребительского кредитования:
принципы построения системы страхования с учетом негативного опыта
РОСНО», 2007, №2

11)«Проблемы материальной культуры - экономические науки Риски


банковского кредитования физических лиц и методы их минимизации»
Щеглоева С.С.

11) Банковские услуги № 10, 2005, С2-31

Сайты, электронные издания

11)http://buhi.ru.html
12)http://www.riskm.ru/04405.html
13)http://www.bizcom.ru/
14) http://www.franklin-grant.ru/ru/services/banks-credit-profile.asp

Глава 4. Ипотечное кредитование.


4.1. Идентификация и оценка рисков ипотечного кредитования с
точки зрения заемщика

Значимость ипотечного кредитования с каждым днем становиться все


очевиднее. Его смогли оценить те, кто приобрел квартиру и живет в ней.
Схемы ипотечного кредитования дают возможность воспользоваться ими
самому широкому кругу населения. Современное ипотечное кредитование -
217
это возможность купить не только квартиру, а и комнату в коммунальной
квартире или коммерческую недвижимость. Ипотека без начального взноса -
это реальная помощь многим семьям при покупке собственного жилья.
Сегодня ипотечным кредитом пользуются многие люди и семьи. Но
необходимо отметить тот факт, что такой вид кредита несет достаточно
большое число рисков, о некоторых из которых заемщики даже не
подозревают. Значимость идентификации и оценки рисков становится на
первый план. Заемщик должен знать не только о рисках, подстерегающих
его, но и о потерях, которые он может понести. Эта информация напрямую
повлияет на решение о подписании договора кредитования.
Степень освещенности данной проблемы не достаточно высока. Во-
первых, до 1995 года в России развитие ипотечного кредитования
ассоциировалось всего с двумя-тремя банками, что говорит о том, что и
начались исследования в этой области всего 15 лет назад. Во-вторых, в
литературе основной акцент делается на рассмотрение рисков со стороны
банков-кредиторов, в отличие от рисков, несущих заемщиками. Объектом
исследования является договор ипотечного кредитования. Предметом –
методы идентификации и оценки рисков заемщика в ипотечном
кредитовании.

4.1.1. Основные понятия ипотечного кредита

Ипотека является одним из подвидов залога без передачи заложенного


имущества залогодержателю. Ипотека (от греч. hypotheka —залог, заклад)
представляет собой залог недвижимости для обеспечения денежного
требования кредитора-залогодержателя к должнику (залогодателю). В России
порядок осуществления ипотеки регулируется Гражданским кодексом РФ,
Федеральным законом от 16 июля 1998 г. № 102-ФЗ «Об ипотеке (залоге
недвижимости)» и другими, принимаемыми в соответствии с ними
нормативными правовыми актами. Ипотекой признается залог земельных

218
участков, предприятий, зданий, сооружений, квартир и другого недвижимого
имущества.

В силу залога кредитор по обеспеченному залогом обязательству имеет


право в случае неисполнения должником этого обязательства получить
удовлетворение из стоимости заложенного имущества преимущественно
перед другими кредиторами.
Договор ипотеки является залогом именно недвижимого имущества. К
недвижимому имуществу относятся [1]:

1) земельные участки, за исключением земельных участков, указанных


в статье 63 настоящего Федерального закона;

2) предприятия, а также здания, сооружения и иное недвижимое


имущество, используемое в предпринимательской деятельности;

3) жилые дома, квартиры и части жилых домов и квартир, состоящие из


одной или нескольких изолированных комнат;

4) дачи, садовые дома, гаражи и другие строения потребительского


назначения;

5) воздушные и морские суда, суда внутреннего плавания и


космические объекты.

По договору о залоге недвижимого имущества (договору об ипотеке)


одна сторона — залогодержатель, являющийся кредитором по обязательству,
обеспеченному ипотекой, имеет право получить удовлетворение своих
денежных требований к должнику по этому обязательству из стоимости
заложенного недвижимого имущества другой стороны — залогодателя
преимущественно перед другими кредиторами залогодателя. Залогодателем
по договору об ипотеке может быть как сам должник по основному
обязательству, так и лицо, участвующее в таком обязательстве (третье лицо).

Таким образом, ипотечный кредит — это кредит, обеспеченный


определенной недвижимой собственностью. Ипотечное кредитование — это

219
предоставление кредита под залог недвижимого имущества. Создание
действенной системы ипотечного кредитования возможно на базе развития
первичного и вторичного рынков ипотечного капитала. [3]

Предметом ипотечного договора могут являться перечисленные выше


наименования имущества, а также предметом ипотеки может быть и
незаконченное строительство, которое рассматривается как недвижимое
имущество, возводимое на отведенном земельном участке.

Существует ряд ограничений, предусмотренных законом, в отношении


имущества, которое не может быть предметом ипотеки. Во-первых, это
имущество, изъятое из оборота т.е. то, которое не может свободно
отчуждаться или переходить от одного лица к другому (например, ресурсы
континентального шельфа, объекты оборонного производства и др.). Во-
вторых, имущество, на которое в соответствии с федеральным законом не
может быть обращено взыскание. В-третьих, не может быть предметом
ипотеки имущество, в отношении которого в установленном федеральным
законом порядке предусмотрена обязательная приватизация либо
приватизация которого запрещена.
Субъектами залогового правоотношения являются залогодатель и
залогодержатель. Залогодатель — это лицо, предоставляющее имущество в
залог. Залогодержатель — лицо, принимающее его в залог. Как следует из
определения залога, залогодержателем по договору залога всегда выступает
кредитор по основному обязательству, то есть кредитор и залогодержатель —
одно лицо. С юридической точки зрения собственником жилья, купленного
по условиям ипотеки, является его покупатель - заемщик. Но при
оформлении права собственности на жилье, приобретенного полностью или
частично на кредитные средства, Федеральная регистрационная служба
одновременно регистрирует залог недвижимости. Таким образом, возникает
обременение, которое ограничивает права владельца в отношении квартиры
или дома [3].

220
Ипотечный кредит для многих людей – это разумный способ покупки
квартиры. Некоторые доводы в пользу ипотеки:

1. Покупая жилье в кредит, жить в ней можно уже сегодня.

2. Заемщик сразу же становится собственником квартиры и может


прописать туда своих родственников.

3. За весь срок кредита выплачивается дополнительно 70-90% к


стоимости квартиры. Если копить деньги, и купить квартиру через
несколько лет, из-за ее удорожания возможна переплата. Кроме того,
нельзя забывать о том, что пока заемщик будет копить, необходимо
платить арендную плату, которая лишь немногим ниже процентов по
кредиту.

4. Взяв кредит, заемщик инвестирует в свою собственность.

5. Срок погашения кредита достаточно велик.

6. Стоимость квартиры фиксируется.

7. Существует возможность расплатиться досрочно.

8. Возможно увеличение суммы кредита путем привлечения


созаемщиков.

9. Для получения ипотечного кредита не обязательно иметь


официальную зарплату;

10. Возможно получать дополнительный доход, сдавая в аренду


квартиру, приобретенную в кредит.

11. Доход заемщика на сумму процентов, которые он выплачивает


ежемесячно по кредиту, не облагается подоходным налогом. Кроме того,
налогом не будет облагаться 1 миллион рублей, потраченный на покупку
квартиры.

221
12. Существует система страхования имущества, жизни и
трудоспособности, ипотечные и другие кредиты в банках на более
выгодных условиях.

Однако, несмотря на явные положительные возможности, которые


даются ипотекой, она несет серьезные риски, как для заемщика, так и для
кредитора.

Стоит отметить, что в России система ипотечного кредитования нова и


постоянно претерпевает изменения. Вопрос о том, брать ли ипотечный
кредит или нет, заключен в взаимосвязи некоторых факторов: постоянность
заработной платы, экономические сдвиги, возможность альтернативных
вариантов и др. Прежде чем ответить на этот вопрос, потенциальный
заемщик должен тщательно проанализировать все возможные опасности и
порождаемые ими риски.

Итак, под ипотечным риском будем понимать любое отклонение,


вызванное какими-либо факторами. В общем понимании, ипотечный риск –
это совокупность разного рода рисков, связанных с отклонением от условий
договора ипотечного кредитования. Объектом риска являются финансовые
ресурсы заемщика, сама недвижимость, под залог которой взят кредит.
Субъектом риска является ипотечный заемщик. В более широком смысле к
субъектам риска можно отнести государство, заинтересованное в
стабильности экономического развития и обеспеченности своих граждан
жильем.

4.1.2. Идентификация рисков ипотечного кредитования


Опасности, влияющие на возникновение ипотечного риска можно
классифицировать следующим образом:

1. Опасность появления лиц с правами на имущество.

222
Это может произойти, если не соблюдены права несовершеннолетних
детей и других категорий недееспособных и неправоспособных лиц,
имеющих права на квартиру, приобретаемую в кредит. Возможна ситуация,
при которой дееспособный собственник жилья, покупаемого в кредит,
надеется продать ее до достижения детьми совершеннолетия. Такая сделка
может быть оспорена и признана недействительной. Для того чтобы
избежать подвоха, необходимо выяснить, зарегистрированы ли по данному
адресу несовершеннолетние дети, недееспособные и неправоспособные лица.
Если да, то необходимо получить обстоятельную консультацию в органах
опеки и попечительства.

Также существует опасность купли арендованного имущества,


настоящие владельцы которого, могут объявиться позднее, после заключения
договора.

Не исключено, что на квартиру, которую заемщик планирует купить в


кредит, сохраняются права временно выбывших из нее лиц или согласие
жильцов на продажу жилья не получено. Владелец, продавая квартиру, под
покупку которой заемщик берет кредит, не располагает достаточными
полномочиями для ее отчуждения. Спустя время, возможно даже
значительное, заемщик может столкнуться с претендентами на жилье,
купленное им в кредит и имеющими достаточные права на него.

Страхование от утраты титула, причем на полную стоимость


приобретенной недвижимости, является на данный момент наиболее
надежным способом защитить, прежде всего, самого заемщика от рисков,
связанных с прекращением права собственности на предмет ипотеки. В
противном случае может сложиться ситуация, когда заемщик не только
лишится приобретенной недвижимости и будет обязан вернуть кредит банку,
но еще и потеряет собственные средства, вложенные в ее приобретение.

Итак, данная группа событий приводит к риску утраты права


собственности [10].

223
2. Опасность просрочки выплат по кредиту

Проблемы ипотеки неминуемо возникают, если заемщик не успевает


вовремя погасить условленную часть кредита. Не стоит думать, что банки и
агентства ипотечного кредитования будут попустительски относиться к
задолженностям. Суммы штрафов и пени по ипотеке на жилье достаточно
велики, чтобы желающий купить квартиру в кредит ощутил всю тяжесть
карательных мер, и если банк почувствует наличие финансовых проблем у
плательщика, то помимо занесения в "черный список", будет настаивать на
продаже квартиры и досрочном погашении ипотеки на жилье, а в худшем
случае обратится в суд.

Если заемщик, желающий купить квартиру в кредит, попал в ситуацию,


когда он не может вовремя перечислить деньги банку, единственно
правильным выходом будет личная беседа с кредитором, в ходе которой, при
четких объяснениях сложившихся обстоятельств и доказательстве
способности заемщика оплачивать дальнейшие взносы, банк может пойти
заемщику навстречу и разрешить отсрочку платежа. Однако общепринятой
практикой отсрочки в банках не являются, поэтому здесь все зависит от
убедительности и честности заемщика. Впрочем, среди основной массы
банков установлен стандарт, что задержка выплат на срок менее 30 дней за
просрочку не считается. Эти ситуации приводят к риску появления
дополнительных издержек. В договорах кредитования рассматривается
система мер наказания по просрочке выплат, вплоть до досрочного
погашения кредита:

а) при просрочке Должником ежемесячного платежа по исполнению


денежного обязательства и (или) уплате начисленных процентов более чем
на 30 (тридцать) календарных дней;

б) при допущении просрочек по внесению ежемесячных платежей по


исполнению денежного обязательства и (или) уплате начисленных процентов

224
более трех раз в течение 12 (Двенадцати) месяцев, даже если каждая
просрочка незначительна;

в) в случае, если требование Залогодержателя о досрочном исполнении


обеспеченного ипотекой денежного обязательства и (или) уплате процентов
за пользование им не будет удовлетворено Должником в течение 30
(Тридцати) календарных дней, считая от даты получения письменного
уведомления о таком требовании;

Банк требует срочно вернуть стоимость кредита, в этом случае


единственный выход заемщика – перезанять или продать недвижимость по
требованию банка, в результате чего из-за падения цен на рынке (см. пункт
«Опасность снижения цен на недвижимость») заемщику придется нести
дополнительные финансовые траты. Т.е. имеет место риск потери
недвижимости и риск повышения издержек[10].

3. Опасность расстаться с недвижимостью

Как было отмечено выше, наступление риска потери имущества может


произойти из-за задержек по выплате кредита.

Рассмотрим опасность расставания с имуществом с другой стороны.


Такие события как: смена места жительства, увеличение семьи, развод
супругов и прочее, влияют на возможность расстаться с имуществом.
Возможно решение этих проблем с помощью сделки с заложенной квартирой
(продать предмет залога и взять кредит на две квартиры или наоборот взять
кредит на квартиру большего размера), если это оговорено в договоре.

Также важно отметить, что существует опасность утраты


недвижимости по доверенности. Например, в ситуации, когда родственники
дают доверенность на имущество, а потом ее отменяют и требуют вернуть
деньги либо имущество[6].

4. Опасность повреждения имущества

225
Если переданная в залог квартира каким-то образом пострадает (от по-
жара, затопления и т. п.) и уже будет непригодна для проживания,
обязательства заемщика по возврату кредита формально не прекратятся.
Здесь имеет место быть риски повреждения имущества, которые страхуются,
и тогда фактические затраты по возврату кредита банку несет не заемщик, а
страховая компания.

Заёмщик всё равно будет обязан вернуть банку кредит, средства от


которого он израсходовал на приобретение "пострадавшей" недвижимости.

Кроме того, заёмщик согласно договору ипотеки, обязан будет


предоставить кредитору в обеспечение исполнения своих обязательств по
кредитному договору дополнительный залог. Т.е. имеет место быть риск
повреждения имущества.

5. Опасность изменения курса валюты

Пускай заемщик заключил договор об ипотечном кредитовании в


валюте США – в долларах. Его заработная плата в России по стандартам
выплачивается в рублях. Таким образом, при ослаблении национальной
валюты – рубля по кредиту заемщику придется платить больше суммы,
зафиксированной в договоре, при той же заработной плате, что может
привести к отказу или невозможности покрыть сумму кредита. Изменения
курсов валют происходят под воздействием следующих факторов: изменение
внутренней стоимости валют, постоянный перелив денежных потоков из
страны в страну, спекуляции. Оценить этот риск можно в контексте
состояния валютного рынка и общей экономической ситуации в стране.
Однако такая оценка будет точна в краткосрочном периоде, тогда как
ипотечные кредиты берутся на срок около 15 лет. В нашей стране
спрогнозировать курс национальной валюты на такую перспективу
практически невозможно, особенно в свете мирового кризиса. Так или иначе,
снизить этот риск у ипотечных заемщиков нет никакой возможности. Можно

226
лишь избежать его, взяв кредит в той валюте, в которой он получаете
заработную плату. Подобную ситуацию обычно называют валютным риском[12].

6. Опасность изменения процентной ставки по договору кредитования

В классическом варианте ипотечного кредита, который более


распространен в нашей стране, процент по кредиту фиксирован на весь срок
действия договора. Это дает заемщику возможность равномерно
распределить свои обязательства по возврату кредита. В данном случае он
ничем не рискует при росте процентных ставок на рынке: ставка по кредиту
остается неизменной, и заемщик оказывается в преимуществе[6].

Что касается процентной плавающей ставки, то она представляет


серьезную опасность переплаты для заемщика или убытков для банка.
В чем ее суть? Как правило, плавающая ставка рассчитывается на базе
так называемой ставки MosPrime (Mosсow Prime Offered Rate) –
индикативная ставка предоставления рублевых кредитов на московском
рынке, формируемая Национальной валютной ассоциацией на основе ставок,
объявляемых ведущими участниками российского денежного рынка
первоклассным финансовым институтам. Плавающая ставка состоит из двух
частей. Первая часть – базовая, именно в качестве базы берется ставка
MosPrime. Вторая часть представляет собой процент от базы. Основные
риски для получения кредита с плавающей ставкой для заемщика –
зависимость его благополучия от текущего состояния экономики. Если оно
ухудшится, ставки по ипотечным кредитам поднимутся. К тому же,
переменные процентные ставки не всегда верно отражают уровень
инфляции, а также достаточно сложны при расчете. Для повышения
привлекательности таких кредитов ставки по ним устанавливаются ниже, чем
по кредитам с фиксированной ставкой, часто к тому же определяется
максимальный предел увеличения процента за весь кредитный период[7].

Итак, изменение процентной ставки по кредиту возможно, если в


договоре изначально оговорено о плавающей процентной ставке. Это

227
означает, что банк имеет право увеличить или уменьшить процентную ставку
в зависимости от конъюнктуры рынка. Увеличение процентной ставки
действует на заемщика, уменьшая его мотивацию оплатить кредит.
Подобную ситуацию обычно называют процентным риском.

7. Опасность одностороннего изменения условий договора

Вполне возможно, что в договоре присутствует пункт о том, что банк


вправе в одностороннем порядке изменять условия по договору, например
процентные ставки, срок и т. д. Если такой пункт есть, то даже в ходе
судебного разбирательства с банком суд может оказаться на стороне банка,
но если такой пункт отсутствует, то менять в одностороннем порядке
условия по кредиту банк не имеет права, и суд, скорее всего, примет сторону
заемщика. Хотя на самом деле в данном случае очень многое определяется
мнением суда в отношении того, какая из сторон все же права.

Такие требования банк может предоставить в результате изменения


рыночной цены недвижимости, повышения минимального уровня
процентной ставки, устанавливаемой законодательством РФ, ухудшения
финансового состояния банка и др.

Но такие изменения могут произойти, если эта возможность прописана


в договоре!

8. Опасность передачи кредита другому банку

Получение ипотечного кредита — это тот редкий случай, когда


надежность банка не должна беспокоить заемщика. Ведь, купив с его
помощью квартиру, заемщик сразу же становится собственником, а у банка
остается лишь закладная. Опасность передачи кредита другому банку может
происходит в связи с банкротством банка. Если кредитор разорится, то на
заемщике это никак не отразится. Если, конечно нет условий в договоре, о
возможности изменить процентную ставку и сроки погашения в будущем.

228
Если ваша сделка только в стадии заключения – она, скорее всего,
сорвется. Например, банк “Диалог-Оптим” активно работал с ипотекой, и
когда минувшим летом его лишили лицензии, все работа заемщиков пошла
насмарку. Хотя денег они, конечно, не лишились – все, что заложено в
депозитные ячейки, активом банка не считается и остается
неприкосновенным даже при банкротстве.

А вот если кредит получен, квартира куплена, то заемщик почти не


заметит, что банк “упал”: ему просто придет уведомление, что платежи
теперь нужно делать по другому адресу. Ипотечные долги во всем мире
считаются очень привлекательными, их охотно возьмет себе новый
собственник. Принципиальный момент: условия платежей (сроки, проценты
и т.д.) не могут измениться в одностороннем порядке ни при каких
обстоятельствах, Федеральной программой ИЖК они установлены раз и
навсегда.

Поэтому, событие передачи договора другому банку несет риски для


заемщика только, если в договоре есть условия, поддающиеся изменениям.
Тогда возможен процентный риск и риск изменения условий договора,
который рассмотрен выше.

9. Опасность снижения стоимости недвижимости


Основная опасность заемщика – это снижение стоимости
недвижимости с течением времени. Заемщик в течение длительного периода
(от 15-20 лет) выплачивает фиксированную в договоре кредитования сумму,
которая уже через несколько лет после начала действия договора может
много превышать реальную стоимость имущества. В результате такого
падения цен, снижается мотивация к выплате кредита заемщиком. Он может
продать недвижимость и погасить кредит. Но возможна такая ситуация, что
заемщик и тогда не сможет покрыть сумму в полном объеме, определяемой к
дате фактического удовлетворения, включая основной долг, начисленные
проценты за пользование кредитом, пеню, начисленную за просрочку

229
исполнения обязательств, расходы по взысканию, оценке и реализации
заложенного имущества, судебные издержки и прочие расходы, вызванные
неисполнением или ненадлежащим исполнением обязательств. В результате
этого Залогодержатель имеет право получить недостающую сумму из
прочего имущества Залогодателя.

Риск снижения стоимости активов (недвижимости в нашем случае)


называют рыночным риском.

10. Опасность потери дохода


Существует две основных причины потери дохода заемщика.

1) Потеря заработной платы в связи с увольнением, сокращением.

2)Утрата трудоспособности. В случае его наступления заемщик уже не


имеет возможности зарабатывать деньги и возвращать кредит, что приводит
к обращению взыскания на заложенное имущество и к еще большему
усугублению ситуации. К примеру, заемщик добросовестно платил по
кредиту, часть суммы уже погасил, но наступил несчастный случай. По
правилам, кредитор должен его выселить в квартиру из резервного фонда, а
это означает, что человек из нормальной квартиры должен переехать,
например, в общежитие гостиничного типа. Необходимо отметить, что
подобная практика отсутствует в России, и в случае реализации заложенного
имущества заемщик взамен получит только денежную сумму, оставшуюся
после погашения кредита и всех издержек кредитора. В данном случае эта
сумма может оказаться значительно меньше уже выплаченной по кредиту. С
любой точки зрения это неблагоприятный исход для заемщика. Чтобы из-
бежать этого, при выдаче кредита кредиторы требуют страхования заемщика
от риска утраты трудоспособности.

При наступлении страхового случая имущественные интересы


заемщика не страдают. Средства, вложенные в приобретение недвижимости,
будут возмещены страховой компанией. В случае смерти или полной
нетрудоспособности заемщика страховая компания выплачивает банку всю

230
оставшуюся сумму долга; квартира не переходит банку, а остается в
собственности созаемщиков (если такие были) или наследников. Разумеется,
договор страхования не защитит от всех неприятностей, но позволит
избежать серьезных финансовых потерь. Такую ситуацию называют риском
потери доходности.

11. Опасность заморозки строительства

Этот риск связан с нарушением сроков сдачи объекта недвижимости


или вообще с полной заморозкой строительства. Причиной этому может
стать колебание финансового состояния застройщика, которые сегодня
переживают не лучшие времена. Эту отрасль реального сектора экономики
эксперты причисляют к наиболее пострадавшим от кризиса[9].

Не стоит забывать, что договор кредитования, заключаемый с банком,


договор, по которому заемщик приобретает права на новостройку по
договору участия в долевом строительстве,– независимые документы. В
случае продления сроков строительства заемщик остается обязанным
выплачивать кредитные платежи. В случае замораживания строительства
платежи по кредиту также никто не отменит. Заемщик будет продолжать
платить по кредиту, не имея жилья. Особенно ситуация усугубляется, когда
(как это обычно и бывает) заемщик не имеет иного жилья кроме того, на
который взял ипотечный кредит. Таким образом, ему приходится оплачивать
проживание на съемной квартире (арендную плату) и еще выплачивать
проценты по кредиту при замороженной стройке. Основной риск все же
ложится на плечи заемщика. Заметим, что для заемщика есть возможность
застраховать финансовый риск при долевом участии в строительстве
объектов недвижимости. При использовании такого вида страхования
страхуется не объект недвижимости, который еще фактически не существует,
а риск потерять деньги.

12. Опасность появления новых условий кредитования

231
Такая опасность может возникнуть из-за невнимательного прочтения
договора кредитования. В такой ситуации существует опасность
неправильного подсчета процентной ставки, срока погашения кредита и
определения прав и обязанностей, которые несут обе стороны договора. В
результате, даже при судебном вмешательстве, выиграет банк, не смотря, на
то, что заемщик ссылается на невнимательность и прочее. Эта опасность
приводит к риску неосведомленности.

13. Опасность невозможности продать залоговую квартиру, пока не


выплачен кредит
Можно ли будет поменять квартиру с невыплаченным кредитом или
семья должна жить в ней до полного погашения кредита? Этот вопрос
интересует многих. Конечно, квартира находится в залоге у банка и продать
ее без его согласия невозможно. Но если все обстоятельства и условия
продажи согласованы с банком, то это возможно. Вы просто должны
договориться с покупателем вашей квартиры о схеме взаиморасчетов, по
которой он частью своих средств будет рассчитываться с банком, а частью с
вами. Если вы при этом приобретаете на кредитные средства другую
квартиру, это тоже выполнимо. Такие механизмы пока, конечно, еще сложны
в реализации, но вполне возможны[8].

14. Опасность банкротства банка

В классической ипотечной схеме дефолт кредитора никак не отразится


на правах клиента, если не была использована квазиипотечная схема, при
которой банк оставляет приобретенную квартиру в своей собственности до
полного погашения долга, так называемый псевдоипотечный кредит. В
данном случае, заемщик может экономить на ряде платных процедур, однако
в случае отзыва у банка лицензии, он может потерять как уже выплаченные
средства, так и не получить квартиру. Так как эта опасность связана с
невнимательностью и незнанием всех возможностей банка, отнесем ее к
риску неосведомленности.

232
Шаблон рисков ипотечного кредитования
Ниже представлены риски и группы рисков и их понижающие и
повышающие факторы.

233
Таблица 4.1.1
Шаблон рисков ипотечного кредитования

Группа рисков Риск Факторы, повышающие риск Факторы, понижающие риск


Имущественные риски
Риск порчи имущества -курение рядом с газовой плитой -соблюдение техники безопасности
-старая система трубопровода -контроль за трубопроводной
системой внутри жилого помещения
-отсутствие системы
пожаротушения -страхование от порчи имущества

Риски потери или снижения дохода 1)Риск потери -увеличенный график работы -использование спец одежды, если
трудоспособности -работа с химическими и предусмотрено уставом организации
взрывоопасными веществами -наличие аптечки
-несоблюдение техники -вождение с пристегнутым ремнем
безопасности -страховка от потери
-рабочая деятельность не в трудоспособности
трезвом состоянии
-вождение не в трезвом виде
-отсутствие аптечки
2)Риск увольнения -кризисное финансовое -курсы повышения квалификации
(сокращения) состояние компании
-поиск работы с более высокой з\п
-периодические опоздания
-стабильное состояние экономики
-низкая квалификация

Риски непредвиденных расходов 1)Риск дополнительных -просроченные выплаты по -наличие чистой кредитной истории

234
штрафов и пени кредиту -стабильные выплаты
-переоформление на другое лицо
-снижение дохода
2)Процентный риск -наличие в договоре условия о -отсутствие условия о перемене
возможности изменения процентной ставки
процентной ставки
-ухудшение финансового
состояния банка
3)Валютный риск -исчисление заработной платы и -исчисление заработной платы и
кредита в разных валютах кредита в одной валюте
-изменение курса
Риск нецелесообразности покупки 1)Рыночный риск -повреждение имущества -жилье рядом со станцией метро
недвижимости с помощью
-постройка по соседству морга -рядом ТЦ
ипотечного кредита
-стройка рядом с
недвижимостью
2)Риск невозможности -отсутствие спроса -заниженная цена
продажи недвижимости
-высокая цена -дополнительный ремонт в квартире
Риск замораживания строительства -не все покупатели заплатили -не участвовать в долевом
долю строительстве
-плохие погодные условия -страхование
-проблемы с поставкой кирпича
Риск утери имущества 1)Риск потери прав -покупка недвижимости у -выписка из домовой книги о
собственности сомнительной компании зарегистрированных по данному
-низкая цена квартиры адресу
из домовой книги о
-претенденты на право владения -выписка

235
имуществом временно выбывших или безвестно
отсутствующих лиц
-страхование от утраты прав
собственности
2)Риск утраты имущества -содействие с мало известными -нотариальное подтверждение
людьми

Риск неосведомленности -подписание договора в спешке -подписание договора в присутствии


нотариуса
-не предоставление оригинала
-внимательный разбор каждого
-мелкий шрифт договора
пункта договора

236
4.1.3. Оценка рисков ипотечного кредитования

Для оценки конкретно ипотечного риска нет модели, которая бы


использовалась в настоящее время. В данном случае рассмотрим построить
линейную регрессионную модель вида:

Risk = w1 X 1 + w2 X 2 + ... + wn X n ,

которая подсчитывает вероятность наступления риска ипотечного


кредитования для заемщика.

В данной модели X i для i=1,…,n, вероятность наступления группы


рисков определенных в начале, wi - это коэффициенты, которые необходимо
оценить при помощи Excel, используя функцию «ЛИНЕЙН».

Для оценки данных весовых коэффициентов необходимо знать


значения вероятностей наступления групп рисковых ситуаций и сам Risk,
который можно оценить как вероятность невозможности выплаты по
кредиту. Для этого можно использовать статистическую информацию и
посчитать вероятность как отношения не возвратов к общему числу
выданных ипотечных кредитов.

Далее будут рассмотрены некоторые оценки данных рисков.


1. Оценка группы рисков потери трудоспособности или снижения
уровня дохода

Риск утраты заработной платы можно оценить статистическим


методом. Вероятность наступления такой рисковой ситуации есть
отношение уволенных работников в предыдущий период времени к числу
всего работающих в данной компании.

Вероятность наступления события потери трудоспособности Y2


можно оценить, используя следующую формулу:
v1 f1 + v 2 f 2 + v3 f 3 + ... + v n f n
Y2 = ,
n
∑ vi
i =1

где f i – это балл, соответствующий фактору, повышающему вероятность


n
наступления рисковой ситуации, ∑ f i ≤ 1, vi - балл, который ставится в
i =1

соответствие данному фактору. (Например, фактор – работа с химическими


веществами = 0,5, балл = 2, если непосредственное воздействие, 1 балл, если
посредственное, 0 баллов – если вообще нет контакта.)

Тогда группа рисков, включающая выше рассмотренные риски – это


есть вероятность X 1 = Y1 + Y2 .
2. Оценка группы имущественных рисков

Для оценки риска повреждения имущества в следствие ряда


человеческих и природных факторов воспользуемся аналитическим методом
и рассмотрим вариант построения логического дерева решений.

Логическое дерево событий предназначено для графического


отображения общего характера развития возможных аварийных ситуаций и
аварий с отражением причинно-следственной взаимосвязи событий в
зависимости от специфики опасности объекта. Данный метод позволяет
проследить развитие возможных аварийных ситуаций и аварий,
возникающих вследствие реализации событий, инициирующих аварийную
ситуацию.

При построении логических деревьев событий учитываются


следующие положения:

- выбирается аварийная ситуация, которая может повлечь за собой


возникновение аварии с пожаром (взрывом), наводнением, землетрясением;

- развитие аварийной ситуации и аварии должно рассматриваться


постадийно с учетом места ее возникновения на объекте оценки риска,

238
уровня потенциальной опасности каждой стадии и возможности ее
локализации и ликвидации;

- переход с рассматриваемой стадии на новую определяется


возможностью либо локализации аварии на рассматриваемой стадии, либо
развития аварии. Вероятности переходов аварии со стадии на стадию одной
ветви или с ветви на ветвь определяется, исходя из величин зон поражения
опасными факторами аварии;

- переход со стадии на стадию отображается в виде соединяющих


линий со стрелками, указывающими направления развития опасной
ситуации и последующего пожара. При этом соединения стадий должны
отражать вероятностный характер события с выполнением условий «И»,
«ИЛИ» и «И/ИЛИ»;

- для каждой стадии должен устанавливаться уровень ее опасности,


характеризующийся возможностью перехода аварийной ситуации или
аварии на соседние с пожароопасным участки объекта;

При анализе логических деревьев событий руководствуются


следующими положениями:

- возможность предотвращения дальнейшего развития аварийной


ситуации и аварии зависит от количества стадий / времени их протекания
(т.е. от длины пути развития аварийной ситуации и аварии). Это
объясняется большей вероятностью успешной ликвидации аварийной
ситуации и аварии, связанной с увеличением времени на локализацию
аварийной ситуации и аварии и количеством стадий, на которых эта
локализация возможна;

- наличие у стадии нескольких разветвлений по принципу «И» или


«И/ИЛИ» свидетельствует о приобретении аварийной ситуацией и аварией
«цепного» характера развития, т.е. одновременного развития аварии по
нескольким путям с дальнейшим увеличением их количества (так

239
называемый «эффект домино»), что в значительной мере затрудняет
успешную локализацию и ликвидацию пожара;

- наличие у стадии разветвлений по принципу «ИЛИ», одно из


которых приходит на стадию локализации аварийной ситуации или аварии
(например, тушение очага пожара, своевременное обнаружение утечки и
ликвидация пролива, перекрытие запорной арматуры и т.п.),
свидетельствует о возможности предотвращения дальнейшего развития
аварийной ситуации и аварии по этому пути. Отсутствие стадии
локализации аварийной ситуации и аварии на разветвлениях по принципу
«ИЛИ» свидетельствует о невозможности приостановления дальнейшего
развития аварийной ситуации и аварии на разветвляемой стадии;

- чем больше возможных путей развития аварийной ситуации и аварии


приходит на одну стадию, тем больше вероятность возникновения этой
стадии.

Для оценки вероятности перехода аварии со стадии на стадию, прежде


всего, необходимо определение условной вероятности реализации
различных ветвей дерева событий. Далее необходимо определение
вероятностей срабатывания соответствующих средств предотвращения или
локализации аварии. Кроме того, необходима оценка вероятности
поражения расположенного в зоне возникновения аварии оборудования.
Данные оценки могут также осуществляться на основе статистических
данных и с использованием весовых коэффициентов.
3. Оценка валютного риска

Изменение валютного курса может быть представлено в виде:

dS = µ s Sdt + Sσ s ε dt ,

где S – валютный курс; σ s - волатильность валютного курса; µ s -


ожидаемый темп роста валютного курса; ε - значение норм случайной
величины со стандартным нормальным распределением.

240
В этом случае изменение валютного курса подчиняется
логнормальному распределению:

0, ( St ≤ 0) 
 
 −(ln(St / S 0)− µ s (t ))2 
g (S ) =  
1 2(σ (t ))2 s
 e , s (t ) f 0
σ s (τ ) St 2π 

Необходимо оценить σˆ s и µ̂ s . Преобразуем равенство

dS = µ s Sdt + Sσ s ε dt в dS / dt = µ s S + Sσ s ε / dt , прологарифмировав
данное выражение получим:

ln S = µ s t + ∫ σ s ε / dt .

По определению:
1/ 2
 1 2
N −1 (ln S n +1 / S n − aˆ s t n ) 
σˆ s = 
 N − 1 ∑ n =0 tn 
 

µˆ s = aˆ s + σˆ s 2 / 2 , где aˆ s = (ln(S N ) − ln( S 0 )) / T , N – количество дискретных


наблюдений величины S за [0,T], t n - неравномерные интервалы времени

τ
между наблюдениями S n и S n +1 и σ s (t ) = σˆ s (T ) , µ s (t ) = µˆ sτ .
T

Тогда вероятность того, что S t > S * t не превышает α =0,01 равна:

S *t
∫0 g ( St )dSt = N [(ln S t* − ln(S 0 )) − µ s (t )) / σ s (t ) = 1 − α ,

−1 (1−α ) + ln( S ) + µ (t )]
где St* = e[σ s (t ) N 0 s , N
−1
- обратная кумулятивная функция
нормального распределения.

Таким образом, S t* это верхняя граница изменения валютного курса за


τ . Тогда вероятность того, что валютный курс вырастет – это есть

241
вероятность того, что St попадет в интервал [S, S t* ], где S- валютный курс в

S *t
момент заключения договора: ∫S g ( St )dSt [2] .

4. Оценка рыночного риска

Вероятность того что цена недвижимости в будущем упадет, т.е. Vt < Vt*
рассчитывается аналогично вероятности увеличения валютного курса,
только рыночный риск для заемщика – это уменьшение стоимости
недвижимости т.е. необходимо найти вероятность того, что будущая цена
−1 (1−α ) + ln(V ) + µ (t )]
недвижимости попадет в [Vt*− ;V ] , где Vt*− = e[σ s (t ) N 0 s –
V
нижняя цена имущества. Т.е. вероятность падения цены равна ∫ *− g (Vt )dVt ,
V t

V – цена жилья, в момент заключения договора, а


0, (Vt ≤ 0) 
 
 −(ln(Vt / V 0)− µ s (t ))2 
g (V ) =   .
1 σ 2
 e 2 ( ( t )) s , v(t ) f 0
σ v (τ )Vt 2π 

5. Оценка процентного риска

Отметим еще раз тот факт, что существует необходимость оценки


процентного риска для заемщика только в случае наличия в договоре
условия об изменении процентной ставки на протяжении действия договора.

Поэтому, пуска r – процентная ставка и предположим, что функция


распределения нормальная, что допускается при стабильном состоянии
экономики, имеет вид:

( r − µк ) 2

1 2σ t 2 (τ )
f (r ) = e , где σ r (τ ) - среднеквадратичное
σ r (τ ) 2π
отклонение процентной ставки за период τ , µr - математическое ожидание
(среднее значение) процентной ставки.
242
1 T
µr = ∑ rt , где Т – период изменений процентной ставки.
T t =1

1
σ r (T ) = ( ∑Tt=1 (ri − µ r ) 2 )1/ 2 .
T

Если известно значение среднеквадратичного отклонения за Т, тогда


τ
для τ : σ r (τ ) = σ r (T ) ,
T

(r * (τ ) − µr
P(rt < r (T )) = F (r ) = N
*
= 0,99 ,
σ r (τ )

N – кумулятивная функция нормального распределения.

Значение процентной ставки, которая не может быть превышена с

вероятностью 0,99 равно r * (τ ) N −1 (0,99) + µr .

Тогда вероятность того, что процентная ставка будет увеличена равна



вероятности: ∫r g (rt )drt .

6. Оценка рисков других групп

Так как риски других групп: риск потери прав собственности, риск
неосведомленности, риск утраты имущества и риск дополнительных
штрафов возможно избежать вовсе, то автор считает целесообразным их
v1 f1 + v 2 f 2 + v3 f 3 + ... + v n f n
оценить при помощи баллов и весов: Y2 = .
n
∑ vi
i =1

Например: риск потери прав собственности.

Фактор Балл (ставится в Вес


соответствии с
действиями заемщика)

покупка недвижимости 0 0,3


у сомнительной

243
компании

низкая цена квартиры 1 0,2

претенденты на право 2 0,5


владения имуществом

Тогда, RiskPP=(0,2*1+0,5*2)/3=0,4

Оценка рисков с помощью бального и весового метода достаточно


проста и является достаточно гибкой, в нее можно добавлять различные
факторы, характерные именно для заемщика и для данного риска, и для
оценки рисков заемщика вполне пригодна.

Линейна регрессионная модель, рассмотренная в начале данного


раздела, включает в себя элементы, оцененные статистически, что говорит о
том, что в этой модели можно использовать данные до кризиса финансового
сектора, иначе модель будет неадекватной. Также оценка рисков,
основанная на нормальном распределении имеет ряд недостатков:
непосредственно предположение о нормальном распределении, что не верно
во время кризиса и вообще, на длительном периоде времени (что характерно
для ипотеки); не учитывает возможных больших потерь, которые могут
произойти с маленькими вероятностями. Так как существуют неучтенные
факторы в данной модели, автор считает целесообразным добавить
 Risk t = w1 X 1t + w2 X 2t + ... + wn X nt + u t
случайный остаток:  , t =1…n –
 E (u t ) = 0, D(u i , u j ) = 0, i ≠ j

период (год).

Выводы. Под ипотечным риском будем понимать понимать любое


отклонение, вызванное какими-либо факторами. Т.е. в общем понимании,
ипотечный риск – это совокупность разного рода рисков, связанных с
отклонением от условий договора ипотечного кредитования. Объектом

244
риска являются финансовые ресурсы заемщика, сама недвижимость, под
залог которой взят кредит. Субъектом риска является ипотечный заемщик.

Итак, рассмотрев ряд опасностей и событий, которым подвергается


заемщик, были выделены следующие риски и группы рисков:

Таблица 4.1.6
Классификация рисков ипотечного кредитования со стороны заемщика
Имущественные риски
Риск порчи имущества

Риски потери или снижения дохода 1)Риск потери трудоспособности


2)Риск увольнения (сокращения)
Риски непредвиденных расходов 1)Риск дополнительных штрафов
и пени
2)Процентный риск
3)Валютный риск
Риск нецелесообразности покупки недвижимости с 1)Рыночный риск
помощью ипотечного кредита
2)Риск невозможности продажи
недвижимости
Риск замораживания строительства
Риск утери имущества 1)Риск потери прав
собственности
2)Риск утраты имущества
Риск неосведомленности

Данная таблица не включает незначительные риски или


маловероятные. Самыми существенными рисками для заемщика являются:
риск потери дохода, валютный риск и рыночный риск.

Что касается оценки рисков ипотечного кредитования, то автор


данной работы предлагает построить линейную регрессионную модель
вида:

 Risk t = w1 X 1t + w2 X 2t + ... + wn X nt + u t
 , которая подсчитывает
 E (u t ) = 0, D(u i , u j ) = 0, i ≠ j

вероятность наступления риска ипотечного кредитования для заемщика.

245
В данной модели X i для i=1,…,n, вероятность наступления группы
рисков определенных выше, а wi - это коэффициенты, которые необходимо
оценить.

Для оценки данных весовых коэффициентов необходимо знать


значения вероятностей наступления групп рисковых ситуаций и сам Risk,
который можно оценить как вероятность невозможности выплаты по
кредиту. Для этого можно использовать статистическую информацию и
посчитать вероятность как отношения не возвратов к общему числу
выданных ипотечных кредитов.

Но нужно учесть тот факт, что данная модель включает в себя


элементы, оцененные статистически, что говорит о том, что в этой модели
можно использовать данные до кризиса финансового сектора, иначе модель
будет неадекватной. Также оценка рисков, основанная на нормальном
распределении имеет ряд недостатков: непосредственно предположение о
нормальном распределении, что не верно во время кризиса и вообще, на
длительном периоде времени (что характерно для ипотеки); не учитывает
возможных больших потерь, которые могут произойти с маленькими
вероятностями.

Список литературы
1. Об ипотеке (залоге недвижимости): федеральный закон от 16 июля 1998
г. № 102-ФЗ. – М.: Омега-Л, 2008.
2. Селюков В.К. Управление рисками: Ипотечная сфера. М.: Изд-во МГТУ
им. Н. Э. Баумана, 2001. - 360 с
3. Грудицына Л.Ю., Козлова М.Н. Ипотека. Кредит. Комментарий
жилищного законодательства. – М.: Эксмо, 2006;
4. Берестова Ю.С., Риски ипотечного кредитования: причины, последствия
и способы их минимизации. // Вестник Челябинского государственного
университета. – 2009г. - №1(39) с81-88;
246
5. Кульмухаметова Ф.М., Основные особенности и риски ипотечного
кредитования. // Финансы и кредит – 2007г. -№23(263)
6. Ипотека: риски заемщика и кредитора (банка) // Недвижимость и цены. –
2005. – № 26.
7. Казанков В.П., Риски ипотечного кредитования требуют
переосмысления. // Банковские услуги – 2008г. - № 9
8. Забродина И.А., Риски клиентов при ипотечном жилищном
кредитовании: вчера, сегодня, завтра. // публикация группы компаний
«Адвекс» (Санкт-Петербург, Россия)
9. (http://credit.rbc.ru/recommendation/ipoteka/2009/04/01/70997.shtml)
10.((http://www.newipoteka.ru/useful/hardship/)
11. http://www.123credit.ru/prava-sobstvennika/TabID/61/Default.aspx

4.2. Идентификация и оценка рисков ипотечного кредитования


(со стороны банка)

В последние годы ипотечное кредитование в России стало популярно.


Однако в данной области присутствует множество рисков, влияние которых
трудно учесть в связи с длительным скором погашения ипотеки, что
приводит к необходимости долгосрочного прогнозирования не только
доходов потребителя, но и ситуации в стане в целом. Вместе с тем, данный
вид кредитования является очень привлекательным для банка.

Для того, чтобы банки продолжали выдавать ипотечные кредиты в


количестве, удовлетворяющем спрос, и могли уменьшить процентные
ставки, необходимо идентифицировать и оценить возможные риски.

За последние годы объем просроченной задолженности по ипотечным


кредитам очень возрос: с 26 млн. руб. в начале 2007 года до 6,256 млрд. руб.
к началу 2009 года по кредитам, выданным в иностранной валюте и с 22
млн. руб. до 5,846 млрд. руб. по ипотечным кредитам в рублях. [6] Это

247
свидетельствует о том, что проблема рисков в ипотечном кредитовании
почти не рассматривается, банки пытаются минимизировать их самым
простым путем - перекладывая их на потребителей, устанавливая высокие
проценты. В то же время, банки в течение последних лет снижали ставку на
ипотечные кредиты при возрастающей просроченной задолженности, что
совершенно точно характеризует халатное отношение к проблеме рисков в
этой сфере. Сейчас объемы кредитования снижаются, а ставки в свою
очередь повышаются, но, к сожалению, это никак не повлияет на уже
выданные кредиты. А возникновение просроченной задолженности, даже по
небольшому количеству кредитов, приведет к серьезным денежным потерям
банка.

Исходя их этого, в России идентификация рисков будет востребована,


так как, зная их, банки смогут снизить свои ставки по ипотечным кредитам,
что приведет к увеличению спроса и в итоге к увеличению получаемой
прибыли.

Объект: денежные средства банка – средства, которые


предоставляются в виде ипотечных кредитов и возможная прибыль банка,
получаемая в процессе ипотечного кредитования. Предмет –: риски,
возникающие при ипотечном кредитовании.

Статистический анализ риска ипотечного кредитования с 2006 года по


начало 2009 года в России демонстрирует противоречие в динамике между
значением риска и ставкой ипотечного кредитования. Перечень событий
дает возможность составить наиболее точное представление о рисках
данного вида кредитования, а шаблоны событий – о факторах, с помощью
которых банк может влиять на них. Перечисленные методы оценки каждого
риска в отдельности для оценки суммарного риска, возникающего в
ипотечном кредитовании, дают возможность по-другому оценить ставку
ипотечного кредитования с учетом значения риска, что позволяет устранить
существующее противоречие. Практическая значимость данной курсовой

248
работы состоит в том, что используемый метод оценки рисков ипотечного
кредитования дает наиболее точное значение суммарного риска, учитывая
который ипотечное кредитование становится более безопасным и
прибыльным видом банковской деятельности.

Это исследование ему необходимо для:


• Повышения надежности механизма ипотечного кредитования.
• Повышения мотивации потенциальных заемщиков.
• Увеличения прибыли по ипотечному кредитованию.

Специфика рассматриваемой темы:


• Длительный срок погашения ипотечных кредитов, в течение
которого могут произойти существенные изменения в экономике, кредитной
и банковской политике, в системе налогообложения, доходах населения, а
также покупательной способности денег и стоимости недвижимости;
• Высокие процентные ставки, которые устанавливают банки для
снижения рисков, ограничивают платежный спрос населения;
• Заинтересованность банков, государства и населения в развитии
ипотечного кредитования;
• Высокий уровень заинтересованности к идентификации рисков
ипотечного кредитования.

4.2.1. Определение основных терминов и перечень основных


законов, связанных с ипотечным кредитованием

«Ипотека – это способ обеспечения обязательства заемщика перед


кредитором залогом недвижимого имущества, заключающейся в праве
кредитора получить удовлетворение своих денежных требований из
стоимости заложенного недвижимого имущества.»9

9
«Основы ипотечного кредитования»/ Науч. ред. и рук. авт. колл. Н.Б.Косарева. – М.: Фонд «Институт
экономики города»: Инфра-М, 2007. – 9с.

249
«Ипотечное кредитование – предоставление банками долгосрочных
кредитов на приобретение или строительство недвижимости под залог
недвижимого имущества.»10

Первоначальный взнос – внесение заемщиком собственных средств на


оплату части предмета залога.

Обеспечение кредита – приобретенным в кредит объект служит в


качестве обеспечения кредита (передается в залог кредитору).

Валюта кредита – валюта, оговоренная в условии предоставления


ипотечного кредита как средство погашения.

Ипотечные ставки - сумма, указанная в процентном выражении к


сумме ипотечного кредита, которую платит получатель ипотечного кредита
за пользование им в расчете на определенный период.

Заемщик - получатель кредита, займа, принимающий на себя


обязательство, гарантирующий возвращение полученных средств, оплату
предоставленного кредита.

Риск – угроза того, что субъект понесет потери в результате


наступления определенных событий.

Андеррайтинг - проверка банком платежеспособности клиента,


желающего взять кредит.

Согласно российскому законодательству, ипотеку регулируют


напрямую следующие законы и документы: [8]
• Федеральный закон от 16 июля 1998 г. №102-ФЗ "Об ипотеке
(залоге недвижимости)".
• Федеральный закон №188-ФЗ от 29 декабря 2004 "Жилищный
кодекс Российской Федерации".

10
«Основы ипотечного кредитования»/ Науч. ред. и рук. авт. колл. Н.Б.Косарева. – М.: Фонд «Институт
экономики города»: Инфра-М, 2007. – 9с.

250
• Федеральный закон от 21 июля 1997 г. №122-ФЗ "О
государственной регистрации прав на недвижимое имущество и сделок с
ним".
• Федеральный закон №218-ФЗ от 30 декабря 2004 г. "О
кредитных историях".

Для того, чтобы ориентироваться в предметной области необходимо


четко знать перечисленные термины и нормативно-правовые акты,
которыми регламентируется ипотечное кредитование в России.

4.2.2. Основные этапы предоставления и обслуживания


ипотечных кредитов банком

Необходимо иметь ясное представление о механизме работы банка по


предоставлению и обслуживанию ипотечного кредитования, чтобы
составить наиболее четкий и полный перечень событий, вызывающих риски.

Перечислим основные этапы:


1. Составление банком предварительной характеристики
потенциальных заемщиков, которые могут взять ипотечный кредит.
2. Предоставление потенциальному заемщику максимально
подробной информации об условиях ипотечного кредитования.
3. Информирование заемщика о предстоящих затратах, связанных
с получением кредита.
4. Сбор и проверка подробной информации о финансовом
состоянии потенциального заемщика, необходимой банку для принятия
решения о выдаче ипотечного кредита.
5. Составление отчета об андеррайтинге.

5.1 Оценка платежеспособности потенциального заемщика (на


основе анализа его доходов и расходов).

251
5.2 Оценка готовности заемщика погасить кредит (на основе
анализа его кредитной истории).

5.3 Оценка достаточности наличных средств, которыми располагает


потенциальный заемщик для выплаты первоначального взноса на покупку
жилья и оплаты всех других необходимых расходов по совершаемым
сделкам.

5.4 Оценка достаточности обеспечения возвратности кредита (по


соотношению суммы запрашиваемого кредита и оценочной стоимости
приобретаемого объекта залога).

6. В случае положительного решения о выдаче ипотечного


кредита, банк сообщает заемщику окончательные параметры кредита (сумма
кредита, сроки и условия его погашения).

7. Банк часто осуществляет защиту прав заемщика при


взаимоотношениях с продавцом и заключению договора по приобретению
жилья, а также страхованию.

8. Заключение кредитной сделки.

9. Обслуживание ипотечного кредита в банке: ведение кредитных


дел заемщика, прием платежей от заемщика по ипотечным кредитам,
принятие мер при нарушении заемщиком обязательств по кредитному
договору, контроль за уплатой налогов, коммунальных платежей по объекту
залога и внесением страховых премий, периодический контроль за
состоянием объекта залога, являющегося обеспечением ипотечного кредита,
и выполнение иных обязательств заемщика по договору об ипотеке.

Если каждый из перечисленных этапов проведен без ошибок, то это в


значительной мере снижает вероятность возникновения риска в сфере
ипотечного кредитования.

252
4.2.3. Идентификация событий, возникающих внутри банка

Учет, анализ и оценка рисков – важнейшая составляющая построения


надежной системы долгосрочного ипотечного кредитования. Риски могут
возникать как внутри самого банка, так и под влиянием внешних факторов,
на которые банк повлиять не может.

Начнем с тех рисков, которые возникают на этапах предоставления и


обслуживания ипотечных кредитов.

Определим события и соответствующие им риски, связанные с


организацией работы внутри банка.

События:

1. Предоставление банком потенциальному клиенту некорректной


информации об ипотечном кредитовании и условиях выдачи кредита, из-за
которой заемщик может понять свои права и меру своей ответственности в
искаженном свете.

2. Установлением банком заниженного или завышенного размера


предстоящих трат, связанных с сопутствующими расходами при получении
ипотечного кредита и совершении сделки.

3. Предоставление потенциальным заемщиком некорректной


информации о его доходах, расходах и других общих сведений,
запрашиваемых банком. В России это очень сложный этап в ипотечном
кредитовании из-за непрозрачности доходов граждан, получение части
доходов неофициально, нежелание работодателя потенциального заемщика
идти на сотрудничество с банком.

4. При оценке платежеспособности потенциального заемщика


российские банки, осуществляющие ипотечное кредитование, используют
«коэффициенты риска» (платеж/доход, обязательства/доход, кредит/залог).
Банк может самостоятельно устанавливать максимальные значения для
каждого коэффициента или воспользоваться значениями, принятыми на

253
Западе. [3, 198-200 с.] Значения этих показателей должны с одной стороны,
уменьшать риск невозврата кредита, а с другой – не должны отсеивать тех
заемщиков, которые смогут погасить ипотечный кредит. Банк может
установить неверные значения этих показателей.

5. Банковский служащий сформировал ошибочные выводы из


кредитной истории потенциального заемщика. В России очень мало людей,
которые берут ипотеку, уже имея или погасив до этого кредиты. Поэтому
банку необходимо анализировать своевременность оплаты заемщиком
обязательных платежей по жилью (налог на имущество физических лиц,
коммунальные платежи, аренда жилья и др.).

6. Неверная оценка достаточности наличных средств, которыми


располагает потенциальный заемщик для выплаты первоначального взноса
на покупку жилья и оплаты всех других необходимых расходов по
совершаемым сделкам. Или неверное определение необходимых размера
первоначального взноса и других расходов.

События с 1 по 6 приводят к возникновению кредитного риска.

«Кредитный риск – это риск возникновения убытка банка в силу


неисполнения заемщиком своих обязательств по кредиту, риск
неплатежа.»11

7. Банковский служащий невнимательно проверил законность


(юридическую чистоту) прав собственности на приобретаемое жилье и
физическое состояние имущества. Указанные события являются страховыми
случаями, и риск их возникновения должен быть застрахован.

8. Оценка объекта залога может быть проведена не полностью или


некорректно, могут быть учтены не все необходимые факторы, влияющие
на формирование его стоимости.

11
«Основы ипотечного кредитования»/ Науч. ред. и рук. авт. колл. Н.Б.Косарева. – М.: Фонд «Институт
экономики города»: Инфра-М, 2007. – 107 с.

254
События 7 и 8 могут стать причиной риска недополучения прибыли.

9. Выбор банком неэффективных методов работы с проблемными


ипотечными кредитами. Кредитный риск.

10. Снижение стоимости объекта залога при его продаже в случае


неплатежеспособности заемщика. Ипотека попадает в группу
трудноликвидных активов, поэтому банк не может в кратчайшие сроки
реализовать объект залога при неплатежеспособности заемщика. Поэтому
для скорейшего получения денежных средств, банку необходимо снижать
стоимость объекта залога.

Риск ликвидности - риск, возникающий при появлении затруднений с


продажей актива.

В России риски, возникающие внутри банка, имеют невысокое


значение, так как большинство свойств, описанных в шаблоне, применяются
в организации работы банка в сфере ипотечного кредитования.

Свойства, описанные в шаблоне, снижают вероятность возникновения


описанных свойств, а их отсутствие – повышает.

255
Таблица 4.2.1.
Шаблон событий, возникающих внутри банки

квалификация
к

сфере

размера
банка,

страховая

риэлторовская

оценочная
Внеплановые частные и
полные проверки качества

качества

экспертиза объекта залога


ипотечного кредитования
нанимаемого персонала

Инженерно-техническая
требования

выполняемой работы
выполняемых работ
Свойства

от
квалификации

работающих

Зависимость
служащих

компания

компания

компания