Расчет оптимального количества резервов под ипотечные ссуды

м ± z*у ,

где:

м - среднее значение коэффициента (точечная оценка);

z - значение, соответствующее вероятности для распределения. Для простоты я предполагаю, что мои прогнозные значения распределены нормально.

у - стандартная ошибка коэффициента.

Затем, я использую нижние и верхние границы доверительных интервалов коэффициентов, чтобы получить доверительный интервал регрессии на 16 кварталов вперед. Далее, получив доверительный интервал регрессии, я могу найти значение 10% VaR для получения уровня просроченных платежей, выше которого не будет с 10% вероятностью. В виду того, что модель прогнозирует уровень просроченной задолженности в процентах от всех выданных кредитов, то значение найденного 10% VaR надо умножать на общее число активов и получать минимальный размер резервов для этого портфеля. Таким образом, каждый раз модель будет выдавать разное значение VaRдля одного и того же портфеля ипотечных кредитов с просроченными платежами 90+ дней, которое более точно оценивает уровень кредитного риска ипотечного портфеля.

Заключение

Многолетний опыт банковских кризисов указывает на то, что все испробованные способы банковского регулирования не являются оптимальными, и поэтому им нужно постоянно развиваться. Международные нормы Базеля совершенствуются с каждым следующим кризисом, отражая в себе слабость предыдущих норм, однако этого может быть не достаточно. К сожалению, все изменения, относящиеся к определению минимальных размеров резервов под активы, способствуют лишь более точному определению уровня кредитного риска актива, что приводит к более точному статичному коэффициенту риска. Однако, кредитный риск не является постоянным во времени - в кризисный период, даже лучшие из лучших могут испытать непреодолимые трудности. В качестве примера можно привести фонд LTCM, который был одним из лучших в восьмидесятых годах. Однако кризис в России привел к тому, что они обанкротились, хотя этого никто не ожидал. Отсюда можно предположить, что кредитный риск любого актива является процикличным: увеличивается в период рецессии и уменьшается в период расцвета экономики. Этот факт, который в настоящее время никак не используется, может помочь в регулировании кредитных организаций для создания динамичного коэффициента риска для каждого портфеля актива, в зависимости от экономической ситуации в стране. В своей работе я работал с портфелем ипотечных кредитов крупнейших российских банков и разработал модель, которая способна предсказывать уровень просроченной задолженности 90+ дней, считающейся безнадежной, в зависимости от таких макроэкономических показателей, как уровень безработицы, уровень реальной заработной платы и процентной ставки по ипотечным кредитам. Далее, я использую значение 10% VaR уровня просроченной задолженности, чтобы получить уровень кредитного риска для портфеля в любой момент времени, который помогает мне определить минимальный размер резервов. По предложенной мной системе формирования резервов, если банк видит, что впереди кризис и прогнозируемый уровень просроченной задолженности растет, то он должен нарастить капитал на возможные потери сейчас, во время спокойного периода. Вопрос того, должны ли резервы под капитал быть контрциклическими, как в системе, предложенной мной, или процикличискими (текущая система) является особенно острым в последнее время. Существенным минусом текущей системы формирования резервов является то, что они способствуют ухудшению кризиса на рынке кредитов во время рецессии: банки не хотят выдавать деньги в долг, потому что для них слишком сложно оставлять деньги под резервы на новые кредиты, которые могут помочь стимулировать экономику. Поэтому, контрцикличная система, запасающая резервы в экономический бум, когда банкам проще найти деньги под резервы, является решением данной проблемы, и к тому же, банки могут лучше пережить потери во время рецессии.

Моя работа является лишь началом создания динамичного коэффициента риска для портфелей активов, соответственно у этой темы есть множество путей развития. Одним из таких путей, может быть оптимизация процесса получения коэффициента. В своей работе я предложил использовать значение 10% VaR в качестве коэффициента риска, однако, можно использовать другие способы. Например, можно проанализировать, как прогнозируемый уровень просрочки влияет на прогнозное значение коэффициента достаточности капитала, которое по текущим нормативам Центрального Банка РФ не должно быть ниже 10%, иначе у банка отнимут лицензию. Далее надо задать такой уровень резервов, который бы сглаживал поведение этого коэффициента. Это лишь небольшой пример того, как еще можно использовать прогнозируемое поведение портфеля с просроченными задолженностями для лучшего регулирования кредитных организаций.

Список использованной литературы

1. Положение ЦБ РФ №254-П от 26.03.2004

2. Basel Committee on Banking Supervision, Guidance for National AuthoritiesOperating the Counter-cyclical Capital Buffer, 2010

3. Berger A. N., Herring R. J., Szegц G. P., The Role of Capital in Financial Institutions, Journal of Banking & Finance, 1995, 19(3), 393-430

4. Bernanke B., Financial Regulation and Supervision after the Crisis: The Role of the Federal Reserve, speech at the Federal Reserve Bank of Boston 54th Economic Conference, Chatham, Massachusetts, 2009

5. Calem P. S., LaCour-LittleМ., Risk-based Capital Requirements for Mortgage Loans, Journal of Banking & Finance, 2001

6. Calem P. S., Rob R., The Impact of Capital-Based Regulation on Bank Risk- Taking, Journal of Financial Intermediation, 8(4), 1999, 317-52

7. Dietz M., Levy C., Strategic insight through stress-testing, McKinsey Working Papers on Risk, 35, 2012

8. Federico P., Vegh C. A., Vulentin G., Reserve requirement policy over the business cycle, IMES Discussion Paper Series 14E-06, Institute for Monetary and Economic Studies, Bank of Japan, 2014

9. Gorton G., Pennacchi G., Financial Intermediaries and Liquidity Creation, Journal of Finance, 45, 1990, 49-71

10. Greenspan A., The Role of Capital in Optimal Banking Supervision and Regulation, speech at The Federal Reserve Board, 1998[Доступно по ссылке на 16.06.2015: http://www.federalreserve.gov/boarddocs/speeches/1998/19980226.htm]

11. Hancher J., Chhatwal G., Capital Adequacy stress tests, Global research and analytics crisil, 2014[Доступно по ссылке на 16.06.2015:http://www.crisil.com/pdf/global-offshoring/capital-adequacy-stress-tests.pdf]

12. KowalikM., Countercyclical Capital Regulation: Should Bank Regulators Use Rules or Discretion?, Federal Reserve Bank of Kansas city, 2011[Доступно по ссылке на 16.06.2015:https://www.kansascityfed.org/publicat/econrev/pdf/11q2Kowalik.pdf]

13. Kydland F., Prescott E., Rules Rather than Discretion: The Inconsistency of Optimal Plans, Journal of Political Economy, 85, 1977, 473-92

14. MitchellА., WayneA. E., The Impact of the Risk-Based capital requirements on the indigenous banks of the eastern Caribbean central bank area, Savings and development : quarterly review, 22 (2), 1998, 181-202

15. Modigliani F., Miller M., The Cost of Capital, Corporation Finance, and the Theory of Investment, The American Economic Review, 48, 1958, 261-297

16. Nachane D. M., Ghosh S., Risk-Based Standards, Portfolio Risk and Bank Capital: An Econometric Study, Economic and political weekly : a Sameeksha Trust, 36(10), 2001, 871

17. Prasad A., Practical Challenges in Building Effective Models for Stress Testing, Global research and analytics crisil , 2014

[Доступно по ссылке на 16.06.2015:http://www.crisil.com/pdf/global-offshoring/practical-challenges-in-building-effective-models-for-stress-testing.pdf]

18. Repullo R., Saurina J., Trucharte C., Mitigating the Pro-Cyclicality of Basel II, Bank of Spain Working Paper 1028, 2010

19. Shrieves R., Dahl D., The Relationship Between Risk and Capital in Commercial Banking”, Journal of Banking & Finance, 16(2), 1992, 439-457

20. Федеральная служба государственной статистики [Доступно по ссылке:http://www.gks.ru]

21. Центральный Банк РФ [Доступно по ссылке:http://www.cbr.ru/]

22. Базельский комитет по банковскому надзору [Доступно по ссылке: http://www.bis.org]

23. Финансовый портал Investing.com[Доступно по ссылке:http://ru.investing.com/]

Приложение 1. Индекс ММВБ 2007-2014 года

График 6. Индекс ММВБ 2007-2014 года

Источник: http://www.investing.com

Приложение 2. Регрессия с использованием темпов роста в качестве объясняющих переменных

Таблица 9. Регрессия с использованием темпов роста в качестве объясняющих переменных

(Источник: расчеты автора)

Приложение 3. Матрица корреляций

Таблица 10. Матрица корреляций

(Источник: расчеты автора)

Приложение 4. Модель №2

Таблица 11. Отдельная регрессия для первой когорты LTV ? 70 и PTI ? 50

(Источник: расчеты автора)

Таблица 12. Отдельная регрессия для второй когорты LTV ? 70 и PTI > 50

(Источник: расчеты автора)

Таблица 13. Отдельная регрессия для третей когорты LTV > 70 и PTI ? 50

(Источник: расчеты автора)

Таблица 14. Отдельная регрессия для третей когорты LTV > 70 и PTI > 50

(Источник: расчеты автора)

Размещено на Allbest.ru