ЭКОНОМИКА

ПОДХОДЫ К ОЦЕНКЕ РИСКА

ФИНАНСОВОГО СЕКТОРА
М.А. Щепелева

Московский государственный институт международных отношений (университет)

МИД России. Россия, 119454, Москва, пр. Вернадского, 76.

Статья посвящена рассмотрению количественных методов оценки си-

стемного риска финансового сектора и возможностям их практического примене-
ния. Системный риск, который проявляется в возникновении срыва предоставле-
ния финансовых услуг и ухудшением состояния всей финансовой системы, является
сложным многоаспектным понятием и может реализовываться в нескольких
формах: риск заражения, экзогенный шок, приводящий к одновременному спаду
во всех финансовых институтах, и риск «накопления финансовой хрупкости».
Основными причинами возникновения дисбалансов в системе являются необос-
нованное снижение стандартов по оценке рисков в условиях подъёма, синхронное
процикличное поведение экономических агентов и асимметричность информа-
ции, а распространение риска связано с механизмом финансового акселератора.
Реализация системного риска в финансовом секторе влечёт за собой
серьёзные негативные последствия для реального производства и может «зара-
зить» не только всю национальную экономику, но и перекинуться на зарубежные
страны. В связи с этим количественная оценка риска, накопленного в системе,
представляет собой важную информацию для национальных органов макро-
пруденциального надзора, основной задачей которых является поддержание
стабильности развития финансового сектора. При этом очень важно, чтобы
данные, используемые регулятором, были точны и достоверны. После кризиса
2008 г. появилось большое количество новых подходов, но все они отражают
лишь отдельные аспекты риска. В статье в качестве основных рассматривают-
ся стресс-тесты, системы индикаторов раннего обнаружения кризисов, сетевые
модели, VaR-методы и специфические индексы. Согласно исследованиям, оценки,
получаемые при применении различных моделей, дают разные результаты.
Кроме того, из-за недостаточно обширной статистической базы создаваемые
эконометрические модели имеют хорошую прогностическую силу примени-
тельно к кризисам, которые уже свершились, но не могут идентифицировать
наступление стрессовых событий в будущем. На данный момент нет единого
универсального инструмента, который мог бы наиболее точно предсказывать
начало системных кризисов. Для получения целостной картины относительно
агрегированного уровня риска в системе необходимо применять набор разных
методов, как количественных, так и качественных, сравнивать их результаты.

Ключевые слова: системный риск, системный кризис, количественные методы

оценки риска, риск заражения, финансовая хрупкость.

117
 Экономика
П онятие системного риска финансового
сектора включает в себя разные аспекты
и отличается сложностью интерпретации.
Согласно определению экспертов Банка меж-
дународных расчётов, под системным риском
понимается возможность возникновения сры-
ва предоставления финансовых услуг, который
может быть вызван ухудшением состояния всей
финансовой системы или её части и имеет потен-
циальные серьёзные отрицательные последствия
для реальной экономики.
Можно выделить три формы системного
риска. Согласно первой из них, системный риск
представляет собой «риск заражения» финан-
сового сектора. Основная причина его возник-
новения – реализация эндогенных специфиче-
ских рисков отдельного финансового института
(или группы), которые по цепочке взаимосвязей
последовательно распространяются на других
участников («эффект домино»). Примером могут
служить банковские набеги вкладчиков. Изъя-
тие депозитов из одного банка по объективным
причинам может оказаться «заразным» и пере-
кинуться на других «невиновных» участников,
если вкладчики не обладают полной информаци-
ей и поддаются общей панике. Введение системы
страхования вкладов помогает частично решить
эту проблему1.
Следует отметить, что последствия «зараже-
ния» зависят от рассматриваемого банка. Иногда
проявляется эффект «бегства в качество», то есть
повышение доверия вкладчиков к одним финан-
совым организациям на фоне банкротства дру-
гих. В результате, некоторые банки могут даже
извлекать выгоду из неблагоприятной ситуации,
которой подвержены остальные участники. Но
чаще всё же в рамках системного кризиса проис-
ходит однонаправленное изменение показателей
финансовых институтов. Для оценки системного
риска в данном случае необходимо применять
сетевой анализ. В этом случае на регулирую-
щий орган ложится основная ответственность
за предотвращение ситуации, при которой фи-
нансовые институты (особенно крупные, так
называемые системно значимые игроки, потеря
доверия к которым способна быстро распро-
страниться на всю финансовую систему) на-
капливали чрезмерные риски и своевременно
выполняли свои обязательства.
Во второй интерпретации системный
риск проявляется в одновременном ухудше-
нии показателей всех финансовых организа-
ций в результате экзогенного шока. Для рас-
чёта вероятности реализации такого риска из
«хвостов распределений» используется теория
экстремальных значений, которая позволяет
определить, насколько глубоким будет спад в
отдельном банке при условии экстремальных
кризисных ситуаций. Целью пруденциального
1
В некоторых исследованиях показано, что система страхования вкладов не может заменить рыночную дис-
циплину. В отдельных случаях, стабильность банковской системы может даже снизиться из-за «морального
риска» [15].
118
надзора в данной ситуации должна быть иден-
тификация потенциальных шоков, которые
могут воздействовать на финансовый сектор, и
каналов их распространения. Особое внимание
уделяется деловому циклу, которому подвержен
национальный финансовый сектор, и угрозам со
стороны внешнего мира.
В третьем случае системным риском на-
зывают постепенное накопление эндогенных
«диспропорций» и нарастание «финансовой
хрупкости» системы. Последующее выявление
накопленных рисков в результате экзогенно-
го шока оказывает одновременное негативное
влияние на всех участников финансового рынка.
Отличие данного определения от второго случая
состоит в том, что внешний шок является всего
лишь «спусковым крючком» для начала кризиса,
но никак не его основной причиной.
Накопление системного риска происходит,
прежде всего, по причине чрезмерно оптими-
стического настроения участников рынка. В эко-
номической науке существуют особые термины,
характеризующие подобное состояние финан-
сового сектора – «animal spirits» и «irrational
exuberance». Первый введён Дж. М. Кейнсом
в 1930-х гг., второй – Робертом Шиллером на
рубеже 1990 – 2000-х гг. При этом оба термина
могут быть переведены как «чрезмерная, необ-
основанная жизнерадостность».
Как показывают эмпирические исследо-
вания, ключевым фактором возникновения
рыночной эйфории являются высокие темпы
экономического роста, превышающие долговре-
менный тренд развития той или иной нацио-
нальной экономики [1]. В таких условиях эко-
номические агенты склонны менее тщательно
оценивать уровень риска, что приводит к его по-
степенному и незаметному накоплению во всей
системе. В итоге, даже незначительные внешние
колебания могут подорвать стабильность систе-
мы и вызвать спад.
Другой источник нарастания «хрупкости»
финансовой системы – синхронное проциклич-
ное поведение экономических агентов, как раци-
ональное, так и иррациональное. Для характери-
стики такой ситуации часто используют термин
«стадное поведение», при котором участники
рынка используют подражательные стратегии
и принимают решения в результате анализа не
фундаментальных показателей, а основываясь на
действиях и стратегиях других экономических
агентов.
Например, банки, стремящиеся сохранить
репутацию в краткосрочном периоде, имеют
склонность к сокрытию убытков путём продле-
ния договоров с некредитоспособными заём-
щиками (если это происходит в течение долгого
времени, то финансовая система становится всё
более и более хрупкой). Если все участники сле-

дуют данной стратегии, то отдельный банк тоже
будет её придерживаться: открыто признать
убытки в таких условиях означает нанести болез-
ненный удар по репутации кредитной организа-
ции. Однако если все признают убытки, то банк
тоже последует примеру своих конкурентов, и
тогда ухудшение показателей всех участников
можно будет списать на общую неблагоприят-
ную макроэкономическую ситуацию.
Отрицательный отбор и асимметричная ин-
формация также могут способствовать накоп-
лению системных диспропорций. Так, финан-
совая либерализация приводит к сокращению
банковской процентной маржи и кредито-
ванию менее надёжных заёмщиков по более
низкой процентной ставке в связи с растущей
банковской конкуренцией. Для отслеживания
накопления риска в системе применяются мо-
дели векторных авторегрессий (VAR – модели),
которые определяют зависимость какого-либо
показателя (отражающего уровень риска) от его
прошлой истории и лаговых значений показа-
телей других секторов.
Рассмотренные формы риска не являются
взаимоисключающими, их можно наблюдать в
чистом виде или совместно друг с другом (напри-
мер, риск заражения может проявляться ярче в
условиях общего экономического спада). Вто-
рая и третья формы риска особенно актуальны
в условиях цикличного развития финансового
сектора.
Большое значение для определения интен-
сивности распространения системного риска
имеет характер взаимосвязей всех участников. В
качестве таких взаимосвязей рассматриваются:
1) взаимосвязи финансовых институтов
между собой внутри национальной финансо-
вой системы;
2) национальная финансовая система и её
связи с реальным сектором экономики;
3) взаимосвязи национальных финансовых
систем разных стран.
Важно отметить, что распространение си-
стемных рисков на финансовом рынке возможно
в пределах не только одной страны, но и различ-
ных стран. В этом случае передаточным звеном,
осуществляющим перенос системных рисков,
являются международные потоки капитала.
История финансовых потрясений свиде-
тельствует о том, что распространение кризиса
может осуществляться даже между рынками, ко-
торые не имеют каких-либо общих финансовых
и торговых связей. Например, спад на фондовом
рынке одной из стран может являться сигналом
для инвесторов о переоценке аналогичных фи-
нансовых инструментов на рынках других стран,
что может спровоцировать отток иностранного
капитала.
Усиление распространения первоначальных
шоков в финансовом секторе возможно за счёт
действия финансового акселератора, который
приводит к тому, что ухудшение финансового
положения инвестора в текущий момент вре-
М.А. Щепелева
мени влечёт за собой снижение его финансовой
устойчивости в последующие периоды. В прин-
ципиальном плане возможны следующие два
способа возникновения эффекта финансового
акселератора.
Убытки банка, обусловленные, например,
обесценением некоторых видов финансовых
активов, могут спровоцировать отзыв ранее
открытых кредитных линий со стороны других
кредитных организаций на МБК и возникно-
вение дефицита ликвидности у банка. Продажа
активов банка по заниженным ценам для по-
крытия недостатка ликвидности приведёт к ещё
большим убыткам.
Другой способ возникновения финансово-
го акселератора основан на том, что рисковая
премия, заложенная кредиторами в процентную
ставку, зависит от финансового положения заём-
щика: снижение финансовой устойчивости при-
водит к росту рисковой премии. В свою очередь,
рост процентной ставки вызывает увеличение
убытков банка-заёмщика. Возникает спираль
взаимно усиливающихся последствий, способ-
ных привести к банкротству экономического
агента.
С 1985 г. общее число внешних финансовых
потрясений, пережитых мировыми банковскими
центрами, выросло в 14 раз, а взаимосвязи меж-
ду ними увеличились в шесть раз. Финансовые
продукты сами по себе стали намного сложнее.
Чтобы основательно разобраться в составляю-
щих ценной бумаги, известной как обеспеченное
долговое обязательство в квадрате или CDO²,
инвестору нужно было бы прочитать 1,125 млрд
страниц [2].
Степень взаимозависимости участников
также возросла, в частности, благодаря такому
новому механизму организации сделок и управ-
ления рисками, как секьюритизация. В итоге,
по мере появления новых финансовых инстру-
ментов и усложнения организации финансового
сектора, выявлять макрофинансовые взаимосвя-
зи и определять механизмы распространения
системного риска становится всё труднее.
Однако, принимая во внимание тот факт,
что реализация системного риска связана с не-
гативными эффектами для реального сектора
и потенциальными серьёзными последствиями
для мировой экономики, важно разработать мо-
дели, которые позволяли бы количественно оце-
нить уровень риска в системе и спрогнозировать
последующее ухудшение макроэкономических
условий.
Обзор современных подходов
к оценке системного риска
После кризиса 2008 г. проблема идентифика-
ции и оценки системных рисков вышла на пер-
вый план. Это повлекло за собой стремительное
развитие статистических методов и появление
новых количественных моделей. В работе «A
Survey of Systemic Risk Analytics» [3] автора-
ми Dimitrios Bisias, Mark Flood, Andrew W. Lo,
119
 Экономика
Stavros Valavanis представлен обзор 31 методики 2) Индикаторы раннего обнаружения
количественной оценки, которые рассматрива- системного кризиса
ют разные стороны феномена системного риска. Суть данного метода заключается в том,
В статье рассмотрены лишь 5 основных групп, чтобы выявить периоды превышения эконо-
которые могут использовать органы надзора для мическими индикаторами, которые аппрок-
мониторинга системного риска. симируют уровень риска в системе, рассчи-
танных пороговых значений, что служит
1) Методы стресс-тестов сигналом начала кризиса. Одним из приме-
Стресс-тесты призваны оценить уязвимость ров построения системы раннего оповещения
отдельных финансовых институтов или всей си- кризисов может служить комплекс показа-
стемы по отношению к макроэкономическим телей финансовой устойчивости, использу-
или финансовым шокам. Банк имитирует своё емый МВФ [5].
поведение в условиях заданного сценария, в ре- Эта система разделена на две группы ин-
зультате чего может лучше оценить свои сла- дикаторов:
бые места. Стресс-тесты, в отличие от других – CAMELS (аббревиатура по начальным бук-
методов, определяют не вероятность того, что вам рассматриваемых индикаторов), характе-
системный риск реализуется, а дают ответ на ризующая микроэкономическую компоненту
вопрос «каковы будут последствия, если шок финансового кризиса. Она включает следую-
произойдет?» щие показатели: уровень основного капитала,
При проведении стресс-тестирования обыч- качество активов, надёжность управления, при-
но используется один или несколько сцена- быльность, ликвидность, чувствительность к
риев (например, позитивный, негативный, рыночному риску;
умеренный), различающихся своими парамет- – к макроэкономическим индикаторам отно-
рами: величиной начального шока, горизонтом сятся такие группы, как темпы экономического
прогнозирования, степенью распространения роста, состояние платёжного баланса, уровень
негативного влияния факторов риска на ста- инфляции, ставка процента и валютный курс.
бильность объектов стресс-тестирования [4]. В исследованиях российских учёных для
Выделяют следующие направления стрес- оценки уровня системных рисков банковского
с-тестирования: сектора используется сводный опережающий
– «снизу-вверх», когда банки самостоятель- индикатор (СОИ) системных банковских кризи-
но определяют уровень своих потерь по каждому сов. Этот индикатор строится на основе оценок
сценарию и передают их для агрегирования в отдельных видов рисков: кредитных, ликвидно-
мегарегулятор; сти и валютных.
– «сверху-вниз», предполагающий тестиро- В качестве порогового уровня кризиса для
вание всей системы Центральным банком по России принимаются значения СОИ в интер-
единой методологии. вале от 0,19 до 0,25. Этот интервал выбран, по-
Тестирование «снизу-вверх» помогает опре- скольку за год до кризиса 1995 г. СОИ принял
делить индивидуальный риск-профиль банков, значение 0,19, а перед более тяжёлым кризисом
но не учитывает сетевые эффекты, так как каж- 1998 г. — 0,25. Если пороговый интервал пре-
дый рассчитывает свои собственные потери, не вышен (больше 0,25), значит, в следующем году
принимая во внимание их влияние на контр- вероятность кризиса превышает вероятность
агентов. стабильного развития [6].
Недостатки стресс-тестов заключаются в Критика метода «индикаторов раннего об-
следующем: наружения» заключается в том, что подобные
неопределённость выбора сценария (воз- модели не учитывают эффекта посткризисного
можна недооценка силы шока); смещения – изменение поведения показателей
погрешности в сборе статистической ин- после начала кризиса [7]. Нет никакой гарантии,
формации; что установленные в прошлом закономерности
непредсказуемость поведения коммерче- будут иметь ту же силу в будущем.
ских банков в стрессовых условиях – каждый
банк индивидуален и переживает кризис по- 3) Сетевые методы
своему, кроме того, в шоковой ситуации могут Сетевые модели рассматривают финансо-
появляться нелинейные связи, которые не учи- вый сектор как набор игроков, которые связа-
тываются при разработке сценария; ны между собой заключаемыми договорами.
существование косвенных каналов влияния Например, межбанковский рынок представляет
макрошока на финансовый сектор. собой сеть банков, которые предоставляют друг
Несмотря на перечисленные недостатки, другу краткосрочные займы, часто на период
модели, основанные на анализе стресс-тестов, до начала следующего рабочего дня. В каждый
снабжают орган надзора ориентировочной ин- момент времени банки в сети имеют открытые
формацией об уровне накопления и концентра- позиции по отношению друг к другу, которые
ции риска в финансовых институтах, что может представлены совокупными требованиями или
в дальнейшем использоваться для построения обязательствами, накопленными вследствие кре-
более сложных системных моделей. дитования и заимствования [8].

120
 М.А. Щепелева
Методическую основу сетевого похода со- при условии, что агрегированные доходы всей
ставляет теория графов. При такого рода анали- системы меньше порогового значения. В работе
зе структура сети имеет большое значение. Если Acharya, L.H. Pederson, M. Richardson «Measuring
система является полной, то есть все институты Systemic Risk» продемонстрировано, что уровень
имеют связи друг с другом, то риск легко пере- левереджа и MES достаточно точно отражают
даётся от одного участника к другому. В этом появление «нездоровых» тенденций в экономике
случае, очевидно, частота возникновения шока (например, справедливо отражают увеличение
для отдельного участника будет выше, однако уровня риска системы для 2007–2009 гг.).
системный характер шока будет ниже, так как DIP (Distress Insurance Premium)
потери равномерно распределятся между всеми Это величина абстрактной «страховки» от
финансовыми институтами (институты оказы- риска системного кризиса, уровень которого ко-
ваются «слишком взаимосвязанными, чтобы личественно выражается в потерях капитала,
рухнуть»). Напротив, если система неполная, превышающих определённый размер, например,
то есть выделяются группы партнёров, то риск 15% от совокупных обязательств. Вклад каждого
может приобретать системный характер. банка в совокупный системный риск определя-
ется как функция от его размера, вероятности
4) Метрики, основанные на VAR дефолта и корреляции активов. Последние два
(CoVaR, MES, SRISK) параметра оцениваются по рыночным данным.
Показатели данной группы призваны оце- Показатель DIP тесно связан с MES, отличие со-
нить вклад каждого участника в системный риск. стоит лишь в некоторых технических моментах
Модель условной стоимости под риском CoVaR расчёта и использовании спредов по CDO вме-
Данная величина была предложена в 2011 г. сто equity returns. Доходы по CDO во многом
американскими экономистами Маркусом Бран- зависят от риск-аппетита инвесторов и премии
нермейером и Тобиасом Адриани [9]. CoVaR, за ликвидность. В связи с этим увеличение пока-
рассчитанная для некоторого института отно- зателя может происходить не за счёт роста риска
сительно системы в целом, определяется как как такового, а из-за снижения риск-аппетита.
значение VaR всего финансового сектора при Индекс SRISK
условии спада в данном институте. Модель, представленная Acharya, Viral V.,
Пусть Ri – мера риска финансового инсти- Lasse H. Pedersen, Thomas Philippon, and Matthew
тута I (например, ежедневная прибыль фирмы). Richardson «Measuring Systemic Risk» оценивает
Аналогично, Rs – мера риска всей финансовой ожидаемые убытки и потери капитала отдельных
системы, тогда: банков в случае системного кризиса, под кото-
рым понимается снижение капитала банковско-
CoVaR = pr [ܴ௦ ൏ ܳ௦ ȁܴ௜ ൑ ܳ௜ ] = p го сектора ниже показателя агрегированной сто-
имости определённой группы активов.
Также используется показатель ∆CoVaR, ко- SRISK представляет собой вклад фирмы i в
торый обозначает разницу между величиной системный риск и рассчитывается по формуле:
VaR, подсчитанной для финансовой системы при
условии спада соответствующего финансового ܴܵ‫ܭܵܫ‬௜௧ ൌ ƒšሾ ͲǢ ݇‫ܦ‬௜௧ െ ሺͳ െ ݇ሻܹ௜௧ ሺͳ െ ‫ܵܧܯܴܮ‬௜௧ ሻሿǡ где:
института I, и среднестатистическим «нормаль-
ным» состоянием упомянутого института [10]. k – пруденциальный показатель отношения
активов к капиталу;
��������� ��� � ���� ������� ��� � � ������ �50%��
Dit – совокупный размер обязательств (уро-
вень задолженности);
wit – стоимость чистых активов.
∆CoVaR отражает предельный вклад С точки зрения надзора, целесообразно
рассматриваемого института в генерирование устанавливать требования к финансовым инсти-
системного риска, который зависит от многих тутам так, чтобы SRISK равнялся нулю.
факторов, например, размера банка, его подвер- VaR-методы (SES, MES, CoVaR) рассчитыва-
женности различным шокам, характеристики ются на основе рыночных данных и дают точные
«спилловеров» в отношении других банков. оценки при условии совершенной информиро-
SES ваннности рыночных агентов, их способности
Это математическое ожидание убытков верно оценивать риски, отсутствия склонности
отдельного финансового института в условиях к «стадному поведению». Кроме того, все мет-
спада в системе. Данная величина не учитыва- рики не учитывают специфической для каждого
ет природу шока. SES для отдельного институ- института структуры капитала.
та увеличивается по мере возрастания уровня
заемных средств (левереджа), волатильности 5) Специфические индексы
акций, корреляции стоимости акций с рыноч- Расстояние Махаланобиса
ными индексами и хвостовой зависимости. По- В 1927 г. математическая модель, разрабо-
следние три фактора учитываются также при танная индийским статистиком Чандра Маха-
расчёте MES, который определяется как пре- ланобисом, применялась для идентификации
дельная ожидаемая величина убытков института сходства черепов. Критцман и Ли использовали

121
 Экономика
этот же метод для измерения нестабильности на методов, служит ориентиром для разработки
финансовых рынках. мер макропруденциальной политики. В свя-
«Индекс нестабильности» dt определяется зи с многообразием подходов к оценке риска,
как главной задачей надзора становится выделение
�� приоритетных методик, создание целостной
��� � ��� � �� � ��� � ��� , системы оценки и мониторинга системного рис-
ка. При этом очень важно, чтобы результатам
где yt – вектор доходности активов в период моделирования можно было доверять, так как
времени t, стоимость ошибок может оказаться высокой.
μ – вектор среднеисторической доходности, Однако на практике получается, что многие мо-
∑ – ковариационная матрица исторических дели дают точный прогноз кризиса a posteriori,
доходностей. Индекс имеет следующую интер- когда он уже произошёл (качество моделей
претацию: он отражает склонность доходности проверяется с помощью бэктестинга), но яв-
активов отклоняться от исторического среднего ляются несостоятельными для прогнозов на
значения. будущее [10].
Согласно исследованиям, изменения dt сов- Кроме того, все модели оценивают систем-
падают с теми явлениями, которые способство- ный риск не полностью, а учитывают отдельные
вали дестабилизации финансового рынка. его аспекты. Так, все рассмотренные выше моде-
Коэффициент поглощения ли можно разделить на 2 группы в зависимости
В 2010 г. Критцман и Ли опубликовали рабо- от аспекта системного риска (временного или
ту, в которой был предложен ещё один статисти- межсекторального), которому уделяется больше
ческий инструмент для измерения системного внимания [11].
риска. В основе данного подхода лежит метод К моделям, делающим акцент на про-
главных компонентов (Principal Components странственном аспекте, то есть на самом процес-
Analysis, PСA), который представляет собой се распространения риска между различными
один из способов сокращения размерности дан- институтами и секторами, их прямых и кос-
ных с сохранением максимального количества венных взаимосвязях, следует отнести сетевые
информации. PCA базируется на разложении ко- методы, метрики, оценивающие вклад каждого
вариационной матрицы исходных показателей института, стресс-тесты. Временной аспект от-
(главных компонентов) M по собственным зна- ражает динамику развития накопленного риска
чениям, которые представляют собой долю от финансового сектора за определённый интервал
общей вариации собственных векторов. времени, изменение его уровня в течение ма-
Критцман и Ли предлагают использовать кроэкономического цикла. Временной аспект
коэффициент поглощения в качестве меры вза- учитывают системы индикаторов раннего об-
имосвязи временных рядов. AR – доля общей наружения, специфические индексы, экономет-
вариации, которая объясняется («поглощается») рические VAR-модели.
группой собственных векторов: Стоит заметить, что многие результаты, по-
лучаемые с помощью количественных моделей,
∑���
��� ��
�
оцениваются, как противоречивые. Например,
�� � ∑� � , различные методики выделяют разные системно
��� ��
значимые институты. Согласно исследованию
ଶ – собственные векторы ко- Sylvain Benoit, Gilbert Colletaz, Christophe Hurlin,
где ߜଵଶ ǡ ߜଶଶ ǡ ߜே
где – собственные векторы ковариационной матрицы в
вариационной матрицы в порядке убывающей Christophe Perignon «A Theoretical & Empirical
порядке убывающей
величины, N – ранг величины,
матрицы. N – ранг матрицы.
Comparison of Systemic Risk Measures» (2012) в
Увеличение показателя AR предупреждает списках ТОП-10 системно значимых институтов,
об опасности и надувании пузыря на рынке не- определяемых по величине MES, SRISK и CoVaR,
движимости. нет ни одного совпадения.
В модели далее рассматривается стандарт- Для определения согласованности результа-
ное изменение коэффициента поглощения: тов, получаемых с помощью разных моделей, Jon
஺ோభఱ೏ೌ೤ೞ ି஺ோభ೤೐ೌೝ Danielsson в работе «Model Risk of Risk Models»
߂‫ ܴܣ‬ൌ , предлагает использовать Risk Ratio – коэффи-
ఋ циент, который будет указывать, насколько
где AR(15days) и AR1year – средние значе- используемые методы количественной оценки
ния AR за 15 дней и 1 год соответственно, а δ – согласуются между собой, и можно ли доверять
стандартное отклонение AR за прошлый год. полученным результатам [12]. Risk Ratio оце-
Опережающее падение фондового рынка США нивается по следующему алгоритму:
почти всегда предваряется отклонением пока- Рассчитывается уровень риска для опреде-
зателя AR в одну сигму месяцем ранее. ленного актива с использованием традиционных
количественных методов (скользящая средняя,
Проблемы количественной оценки GARCH, экспоненциально взвешенная сколь-
рисков и их практическая применимость зящая средняя и др.)
Уровень риска, рассчитываемый с ис- Определяется отношение наибольшей из
пользованием различных количественных полученных оценок уровня риска к наименьшей.

122

Коэффициент, превышающий 1, отражает,
в какой степени модели отличаются, насколько
разным будет предсказанное значение риска. Со-
гласно выводам, полученным в исследовании,
модели дают одинаковый прогноз риска в усло-
виях стабильно развивающейся экономики, но
их показатели сильно разнятся для кризисного
периода.
К основным причинам недостаточно хоро-
шего качества моделей относят:
Низкая частота финансовых кризисов
(кризисы происходят не так часто, поэтому
представительную выборку собрать сложно).
Подсчитано, что для стран ОЭСР вероятность
финансового кризиса составляет 2,3% в год, то
есть в «средней» стране кризис случается раз в
43 года. Исследователям приходится использо-
вать статистику за стабильные годы, которая
не может свидетельствовать о динамике пока-
зателей в периоды спадов. По таким данным
сложно сделать качественный прогноз будущего
финансового кризиса или хотя бы диагностиро-
вать «накопление дисбалансов». И наоборот, мо-
дель, построенная на основе только кризисных
данных, будет экстраполировать больший си-
стемный риск для стабильных периодов. Из-за
недостаточности статистической базы полу-
чаемая оценка системного риска оказывается
смещённой [13].
Предположение об экзогенной природе рис-
ка. Риск является эндогенным с той точки зре-
ния, что участники рынка имеют сильные сти-
мулы для обхода установленных нормативных
требований в отношении принимаемых рисков,
в результате чего они берут на себя чрезмерные
риски, но скрывают это. Получается, что регуля-
тор не может отследить накопление риска, и кри-
зис реализуется самым неожиданным образом.
Для улучшения качества прогнозов необ-
ходимо:
помимо точечных оценок использовать
доверительные интервалы, чувствительные к
спецификации модели;
М.А. Щепелева
модели должны строиться с учётом не толь-
ко имеющейся на данный момент рыночной ин-
формации, но также учитывать предкризисное
накопление диспропорций;
вероятности, используемые в моделях,
должны согласовываться с реальной вероятно-
стью возникновения кризиса.
В итоге, применять результаты прогнозиро-
вания уровня риска с помощью количественных
моделей надо с определённой долей осторожно-
сти и сочетать их с эвристическими методами.
Реализация системного риска в финансовом
секторе влечёт за собой серьёзные негативные
последствия для реального производства и мо-
жет «заразить» не только всю национальную
экономику, но и зарубежные страны. Ввиду
масштабности последствий, которые связаны с
этим явлением, исследование системного риска
представляет большую значимость.
Многочисленные модели количествен-
ной оценки системного риска снабжают орган
надзора ценной информацией, которая может
помочь в раннем выявлении негативных тен-
денций и принятии своевременных мер для ис-
правления положения. Однако надо понимать,
что все модели являются своего рода «снимка-
ми», фиксирующими реальный мир и никогда
не учитывающими всех возможных реальных
факторов (риск модели), не говоря уже о том,
что возможны чисто технические ошибки изме-
рения. Большинство методик учитывают только
один или несколько аспектов системного риска.
Методы количественного анализа надо сочетать
с качественными подходами, суждением экспер-
тов, анализом косвенной информации из других
секторов и т.д.
В заключение стоит отметить, что пока нет
единого универсального инструмента, который
мог бы наиболее точно предсказывать начало си-
стемных кризисов. Система мониторинга рисков
финансовой системы должна строиться с учётом
специфических условий в конкретной стране и
различных аспектов системного риска.

Список литературы
1. Прикладная макроэкономика: базовые модели для экономической политики. Учебное пособие // Под
общей редакцией М.В. Сафрончук. – М.: Издательский дом «НАУЧНАЯ БИБЛИОТЕКА», 2014. – 156 с.
2. Органическая механика финансовой системы (по материалам «The Financial Times»). Источник: Forexpf.
Ru, режим доступа: http://www.forexpf.ru/forum/index.php?showtopic=454896
3. Nicolas Blancher, Srobona Mitra, Hanan Morsy, Akira Otani, Tiago Severo, and Laura Valderrama. Systemic
Risk Monitoring (SysMo) Toolkit— A User Guide. IMF Working paper, July 2013.
4. Методические комментарии и разъяснения к Обзору денежного рынка. Режим доступа: http://www.
cbr.ru/analytics/fin_stab/MMR_comments.pdf
5. Показатели финансовой устойчивости. Руководство по составлению. — Вашингтон, округ Колумбия,
США: Международный Валютный Фонд, 2007 г.
6. Солнцев О., Шатковская Т. «Чем рискуем?» // Банки и деловой мир, сентябрь 2008, режим доступа:
http://www.forecast.ru/_ARCHIVE/Analitics/Crisis08/Forecast/july_2008_BDM.pdf
7. Солнцев О.Г., Пестова А.А., Мамонов М.Е., Магомедова З.М. Опыт разработки системы раннего опове-
щения о финансовых кризисах и прогноз развития банковского сектора России на 2012 год // Журнал

123
 Экономика
Новой экономической ассоциации. 2011. № 12. Режим доступа: http://www.forecast.ru/_ARCHIVE/
Analitics/EcoAs/CMASF12-2011.pdf
8. Миною К. Сеть, из которой не вырваться. // Финансы и развитие, сентябрь 2012, режим доступа: http://
www.imf.org/external/russian/pubs/ft/fandd/2012/09/pdf/minoiu.pdf
9. Adrian T., Brunnermeier M. CoVaR. Staff Report №348. – Federal Reserve Bank of New York. 2008. –
September. URL: https://www.princeton.edu/~markus/research/papers/CoVaR
10. Барабаш В.А., Сидоров С.П. Анализ взаимного влияния экономических субъектов с использованием
меры риска CoVaR на примере российских компаний. Электронный журнал «Корпоративные финан-
сы». Выпуск № 1 (29), 2014, с. 72 – 82.
11. Gunter Loffler, Peter Raupach. Robustness and Informativeness of Systemic Risk Measures. Discussion Paper,
Deutsche Bundesbank, № 04/2013.
12. Lukas Scheffknecht (2013). «Contextualizing Systemic Risk». Discussion Paper Series ISSN 1865–7052.
13. Jon Danielsson, Kevin James, Marcela Valenzuela, Ilknur Zer. «Model Risk of Risk Models». April 2014.
14. Lars Peter Hansen. Challenges in Identifying and Measuring Systemic Risk. Working Paper, February 11, 2013.
15. Michail Stolbov (2013). Anatomy of International Banking Crises at the Onset of the Great Recession. MPRA
Paper № 51236.

Об авторе
Щепелева Мария Александровна – аспирант кафедры прикладной экономики МГИМО(У) МИД России.
E-mail: mschepeleva@yandex.ru

MEASURING SYSTEMIC RISK IN THE FINANCIAL SECTOR

M. Shchepeleva

Moscow State Institute of International Relations (University), 76 Prospect Vernadskogo, Moscow,

119454, Russia

Abstract: The article discusses quantitative methods of assessing systemic risk of the financial
sector and the possibilities of their practical application.
Systemic risk, which is manifested in the failure of financial services provision and deterioration
of the financial system, is a complex concept that can be realized in several forms: the risk of infection,
exogenous shock, leading to a simultaneous decline in all financial institutions, and the risk of
«financial fragility accumulation". The main causes of the imbalances in the system are unjustified
loose standards of risk assessment during economic booms, procyclical behavior of economic agents
and asymmetric information. The spread of the risk is associated with the financial accelerator
mechanism.
Realization of systemic risk in the financial sector leads to serious negative consequences for
the real sector not only in the national economy, but also abroad. Quantitative methods of risk
assessment provide national authorities with useful information for macroprudential supervision
aimed at maintaining financial stability. At the same time it is very important that the data used by
the regulator is accurate and reliable. After 2008 crisis, a large number of qualitative approaches
appeared, but they all reflect only certain aspects of the risk. The article focuses on stress tests,
early-warning indicators, network models, VaR- methods and specific indices. According to research,
different assessment methods produce different results. In addition, due to insufficient statistical
database existing models are good at predicting crises with hindsight, but cannot identify stressful
episodes ex-ante. Thus model results should be treated with caution and require further scrutiny.
To get a holistic understanding of the systemic risk regulating authorities should apply different
quantitative methods together with qualitative approaches and expert judgement.

Key words: systemic risk, systemic crisis, quantitative methods of risk assessment, contagion risk,
financial fragility.

References
1. Prikladnaya makroekonomika bazovye modeli dlya ekonomicheskoi politiki. Uchebnoe posobie [Applied
Macroeconomics Basic Models for Economic Policy. Textbook] // Pod obshchei redakciei M.V. Safronchuk. –

124
 М.А. Щепелева
M.: Izdatel'skiy dom «NAUCHNAYA BIBLIOTEKA», 2014. – 156 s. [Edited by M. Safronchuk. – M.: Publishing
House "SCIENTIFIC LIBRARY". 2014. 156 p.]
2. Organicheskaya mekhanika finansovoi sistemy (po materialam «The Financial Times»). [Organic Mechanics
of the Financial System (according to «The Financial Times»). URL: http://www.forexpf.ru/forum/index.
php?showtopic=454896
3. Nicolas Blancher, Srobona Mitra, Hanan Morsy, Akira Otani, Tiago Severo, and Laura Valderrama. Systemic
Risk Monitoring (SysMo) Toolkit— A User Guide. IMF Working paper, July 2013
4. Metodicheskie kommentarii i razyasneniya k Obzoru denezhnogo rynka. [Methodological Comments and
Clarifications to the Review of the Money Market.]
5. Pokazateli finansovoi ustoichivosti. Rukovodstvo po sostavleniyu — Vashington, okrug Kolumbiya, SShA:
Mezhdunarodnyi Valyutnyi Fond, 2007 g. [Indicators of financial stability. Compilation Guide – Washington,
DC, USA: International Monetary Fund, 2007]
6. Solntsev O., Shatkovskaya T. Chem riskuem? [What Is at Risk?] // «Banki i delovoi mir», sentyabr' 2008,
[Banks and Business World. September 2008], URL:http://www.forecast.ru/_ARCHIVE/Analitics/Crisis08/
Forecast/july_2008_BDM.pdf
7. Solntsev O.G., Pestova A.A., Mamonov M.E., Magomedova Z.M. Opyt razrabotki sistemy rannego
opoveshcheniya o finansovyh krizisah i prognoz razvitiya bankovskogo sektora Rossii na 2012 god [Experience
in Developing Early Warning System for Financial Crisis and the Outlook for the Banking Sector in Russia in
2012]. // Zhurnal Novoi ekonomicheskoi associacii. 2011. № 12. [Journal of the New Economic Association,
№ 12, 2011], URL: http://www.forecast.ru/_ARCHIVE/Analitics/EcoAs/CMASF12-2011.pdf
8. Minoyu K. Set', iz kotoroi ne vyrvatsa. [Network with No Escape]. // «Finansy i razvitie», sentyabr' 2012 [Finance
& Development, September 2012], URL: http://www.imf.org/external/russian/pubs/ft/fandd/2012/09/pdf/
minoiu.pdf
9. Adrian T., Brunnermeier M. CoVaR. Staff Report №348. – Federal Reserve Bank of New York.
2008. – September. URL: https://www.princeton.edu/~markus/research/papers/CoVaR
10. Barabash V.A., Sidorov S.P. Analiz vzaimnogo vliyaniya ekonomicheskih sub’ektov s ispol’zovaniem mery
riska CoVaR na primere rossiyskih kompaniy [Analysis of the Mutual Influence of Economic Actors Using Risk
Measures CoVaR: the Example of Russian Companies]. Elektronnyi zhurnal «Korporativnye finansy». Vypusk
№ 1 (29), 2014, s. 72 – 82. [Electronic Journal "Corporate Finance". Issue number 1 (29), 2014, p. 72– 82.]
11. Gunter Loffler, Peter Raupach. Robustness and Informativeness of Systemic Risk Measures. Discussion Paper,
Deutsche Bundesbank, № 04/2013.
12. Lukas Scheffknecht (2013). «Contextualizing Systemic Risk» Discussion Paper Series ISSN 1865–7052.
13. Jon Danielsson, Kevin James, Marcela Valenzuela, Ilknur Zer. «Model Risk of Risk Models». April 2014.
14. Lars Peter Hansen. Challenges in Identifying and Measuring Systemic Risk. Working Paper, February 11, 2013.
15. Michail Stolbov (2013). «Anatomy of International Banking Crises at the Onset of the Great Recession».
MPRA. Paper № 51236.

About the author

M. Shchepeleva – Post-graduate student, Department of Applied Economics, Moscow State Institute of
International Relations (University), 76 Vernadskogo prospect, Moscow, 119454, Russia, mschepeleva@yandex.ru

125