практика i банковское Риски
механизмы снижения кредитного риска при проведении секьюритизации лизинговых активов
В настоящем исследовании проанализирована применимость существующих теорий оценки кредитного риска для оценки кредитного риска при секьюритизации лизинговых активов. В работе также тестируется гипотеза о наличии связи между кредитным риском портфеля лизинговых активов и показателем экономической ситуации в стране (фондовый индекс) на примере немецкого рынка лизинговых услуг. В процессе проведения исследования была разработана схема минимизации кредитного риска, возникающего при секьюритизации лизинговых активов, которая может быть использована при проектировании и осуществлении секью-ритизации с участием отечественных лизинговых компаний.
н. и. нЕстЕРовА, аспирант кафедры фондового рынка и рынка инвестиций, НИУ «Высшая школа экономики», ведущий специалист управления кредитных рисков С1В ОАО «Сбербанк России»
Лизинг в России играет большую роль при реализации крупных инвестиционных проектов. По данным Leaseurope, Россия заняла 4-е место после Германии, Великобритании и Франции среди европейских стран по объему заключенных лизинговых сделок по итогам 2013 г., которые в сумме составили 18,5 млрд евро. И если учесть, что в вышеперечисленных странах активно реализуются сделки секьюри-тизации лизинговых активов, то потенциал России в этой сфере огромный. Более того, согласно статистическим данным текущая ситуация в России отличается крайней степенью износа основных средств и недостаточной инвестиционной активностью компаний. Многие российские компании в процессе обновления внеоборотных активов сталкиваются с такими проблемами, как недостаточность источников финансирования, высокая стоимость заемного капитала, невозможность задействовать в полном объеме собственный капитал, влияние несовершенств рынка капитала. Все эти проблемы стимулируют компании искать принципиально новые источники финансирования, например, использовать такой инновационный финансовый механизм, как секьюритизация активов.
Процесс секьюритизации сопряжен со множеством рисков. В данной работе рассматривается анализ кре-
дитного риска, возникающий в процессе секьюритизации лизинговых активов и предлагаются методы его снижения.
Существующие в экономической науке математические модели оценки кредитного риска можно разделить на несколько групп:
■ модели ценообразования кредитного риска (credit pricing models), которые в свою очередь делятся на структурные модели (structural-form models) и редуцированные модели (reduced-form models) [2];
■ модели оценки возможных потерь по кредитному портфелю (portfolio credit value-at-risk (VaR) models);
■ модели оценки кредитного риска на основе финансовых показателей (скоринговые модели, модели бинарного выбора).
структурные модели оценки кредитного риска
Рассмотрим сначала первый вид моделей ценообразования кредитного риска, а именно структурные модели, основная идея которых заключается в следующем: цены на активы компании-заемщика следуют стохастическому процессу, и в случае их падения
I 64 I банковское дело i №10 2015
■ ■ ш
практика
ниже уровня стоимости обязательств компания-заемщик объявляет дефолт. К структурным моделям также можно отнести теоретические разработки исследователей Мертона, Блэка и Кокса, Геске и Васичека. В соответствии со структурными моделями, элементы кредитного риска, такие как вероятность дефолта, показатель покрытия (recovery at default), являются функцией от структурных характеристик фирмы: стоимости активов, ее волатильности (риск предпринимательства) и левериджа (финансовый риск). Однако несмотря на значимый вклад в развитие теории ценообразования кредитного риска рыночные модели представляют меньшую ценность для практического использования, так как в реальности время наступления банкротства компании не совпадает со сроком погашения обязательств перед кредиторами.
Экономисты Лонгстаф и Шварц устранили главный недостаток первоначальной структурной модели, а именно, предпосылку о том, что дефолт наступает во время погашения задолженности. Таким образом, для оценки облигаций не нужно определять показатели стоимости фирмы и порогового значения, а в качестве прокси-переменной кредитного риска можно использовать, к примеру, кредитный рейтинг.
Рассмотренные модели могут применяться в случае необходимости оценки облигаций конкретной компании. Для оценивания риска портфеля, который состоит из нескольких активов, применяют однофакторную модель копулы Гаусса. Эта модель часто используется для оценки структурных финансовых продуктов, так как позволяет учесть наличие корреляции дефолтов активов, входящих в секьюри-тизируемый пул. Надо отметить важную особенность этой модели - она учитывает наличие связи между кредитным риском и состоянием макроэкономической среды.
Помимо однофакторной модели Гаусса существует еще ряд исследований, в которых авторы, используя структурный подход, тестировали гипотезу о наличии контрцикличности кредитного риска. Так, экономисты Бернхилл и Максвелл делают вывод о том, что показатели дефолта ведут себя циклично, то есть кредитный риск подвержен влиянию экономических циклов. Исследователь Якубик в работе «Макроэкономическая среда и кредитный риск» с помощью структурной модели анализирует взаимосвязь между кредитным риском и макроэкономическими показателями чеш-
ской экономики. Результаты исследования показывают, что вероятность дефолтов чувствительна к макроэкономическим переменным.
Редуцированные модели оценки кредитного риска
Попыткой устранить недостатки структурных моделей стала разработка в 1990-х гг. редуцированных моделей, основоположниками которых принято считать экономистов Джерроу и Тернбулла (1995), Даффи и Синглтона (1998,1999). Основным отличием редуцированных моделей (или моделей интенсивности) от структурных является гипотеза, что дефолт происходит внезапно. Структурные модели предполагают полноту информации, которая доступна менеджерам фирм. В редуцированных моделях такая предпосылка ослаблена, то есть компаниям не всегда доступна часть необходимой информации для прогнозирования дефолта, и поэтому время наступления банкротства зачастую предсказать невозможно [8].
многие российские компании в процессе обновления внеоборотных активов сталкиваются с такими проблемами, как недостаточность источников финансирования, высокая стоимость заемного капитала, невозможность задействовать в полном объеме собственный капитал, влияние несовершенств рынка капитала. все эти проблемы стимулируют компании искать принципиально новые источники финансирования, например, использовать такой инновационный финансовый механизм, как секьюритизация активов.
Интенсивность дефолтов является главным фактором почти во всех моделях сокращенных форм. Она моделируется с помощью неотрицательного стохастического процесса и зависит от вероятности дефолта, подразумеваемой рынком. Модель интенсивности калибруется на данных рыночной стоимости рисковых ценных бумаг.
Исследователи Купмэ, Краусл, Лукас, Монтейро анализируют влияние ряда макроэкономических показателей на рейтинговую активность. В качестве показателя кредитного риска выступили матрицы перехода от одного кредитного рейтинга к другому. Чтобы оценить влияние макроэкономических факторов на веро-
Abstract. The present study examines the applicability of all the main credit risk theories in order to assess credit risk in leasing assets securitization. This article includes testing the hypothesis of a negative relation between the credit risk of the leased assets portfolio and an economic situation indicator of the country (stock market index) on the example of the German leasing market. This article describes a scheme how to minimize credit risk arising from leased assets securitization, which can be used in the design and implementation of securitization by Russian leasing companies.
Keywords. Securitization, leased assets, credit risk, structural-form models, reduced-form models.
ключевые слова. Секьюритизация, лизинговые активы, кредитный риск, структурные модели, редуцированные модели.
№10 2015 i банковское дело I 65 I
практика i банковское Риски
ятность дефолтов, авторы построили функцию интенсивности, которая помимо наблюдаемых переменных включает в себя так называемый фактор неустойчивости - латентный показатель (frailty factor).
Полученные в ходе исследования результаты говорят о том, что многие макроэкономические переменные оказывают значительное влияние на смену кредитного рейтинга. Верными оказались предположения о взаимосвязи ВВП и интенсивности дефолтов, при этом чувствительность к факторам сильнее в условиях экономического спада, когда рейтинги фирм снижаются. Также подтверждается гипотеза о положительной корреляции между инфляцией, учетной ставкой и ростом дефолтов. Что касается показателей финансового рынка, то здесь также наблюдается значимость коэффициентов. Рост кредитных спредов, как и предполагалось, сопровождается ухудшением кредитного качества компаний. Доходность индекса отрицательно коррелирует с ростом кредитного риска, а волатильность и леверидж - положительно.
Однако некоторые предположения ученых не подтверждаются эмпирически. Взаимосвязи между временной структурой процентной ставки, уровнем коммерческого кредитования, предложением денег и интенсивностью дефолтов оказались противоположными по знаку, что не соответствует предположениям, выдвинутым в исходной теории [10].
Проанализировав модели сокращенных форм, можно сделать следующий вывод: редуцированные модели представляют большую значимость для эмпирических исследований, чем структурные, поскольку используют более реалистичные предпосылки. Однако для тестирования гипотезы в рамках данного исследования модели интенсивности дефолтов не применимы. Это связано с тем, что облигации, обеспеченные лизинговыми активами, рейтингуются как высоконадежные ценные бумаги, которым присваивается высокий рейтинг. Кроме того, во время кризиса рейтинг был понижен у незначительного числа ценных бумаг, следовательно, для проведения эмп
Для дальнейшего прочтения статьи необходимо приобрести полный текст. Статьи высылаются в формате PDF на указанную при оплате почту. Время доставки составляет менее 10 минут. Стоимость одной статьи — 150 рублей.