Поскольку выборка поделена на пять групп по типу кредитных продуктов, выданных на различные цели, мы наблюдаем большой разброс между крайними значениями срока кредитования. Минимальный срок выданного кредита составляет менее года, в то время как максимальный срок превышает отметку в пятнадцать лет. Это свидетельствует о том, что при реализации сделки урегулирования проблемной задолженности, банк вынужден обращать внимание на сроки кредитов с целью диверсификации рисков во времени.

В рамках проблемного портфеля наиболее распространенным типом кредитования оказалось проектное финансирование. Данный вид кредитования предполагает долгосрочное заемное финансирование, при котором источником погашения обязательств являются денежные потоки, генерируемые проектом. На втором месте по популярности оказалось финансирование оборотного капитала. Данный вил кредита предназначен для пополнения оборотных средств в связи с сезонным изменением структуры спроса либо в связи с расширением бизнеса. Самыми редкими кредитным обязательством, по которому возникала просроченная задолженность оказались финансовые услуги лизинга и факторинга.



Средний уровень обеспеченности кредита на момент проведения сделки составляет 70%, при том, что на момент кредитования сумма обеспечения, как правило, не бывает меньше суммы кредита. Это еще раз указывает на то, что мы исследуем портфель проблемных активов. Главной причиной столь низкого уровня обеспеченности является кредитование под будущие денежные потоки, под залог строящихся площадей или под залог будущего урожая. Также причиной низкого уровня обеспечения кредитов является падение рыночной стоимости недвижимости в России на протяжении последних трех лет.

Интересно заметить, что среди всех заемщиков, допустивших просроченную задолженность по кредиту, только 13% пришлось на представителей крупного бизнеса. Распределение между заемщиками малого и среднего бизнеса оказалось приблизительно равным.



Большинство проблемных компаний, попавших в выборку, ведут деятельность в отрасли торговли, строительства, сельского хозяйства и пищевой промышленности (Приложение 2). Этот факт повторно подтверждает гипотезу о том, что зачастую проблемными становятся кредитные обязательства, выданные под будущие денежные потоки.

Характеристики финансового состояния заемщиков в проблемном портфеле указывают на то, что, несмотря на большое количество клиентов с «плохим» финансовым положением, часть клиентов имеют стабильные денежные потоки и идентифицированы какпроблемные по нефинансовым причинам.

Наибольшее число сделок по урегулированию проблемной задолженности за исследуемый период было зафиксировано в 2016 году. В 2017 году банк реализовал только 134 сделки, что составило треть от общего объема сделок предыдущего года (Приложение 3).



Интересно отметить, что попарная корреляция переменных в большинстве случаев составляет менее 30%. Переменные с высоким показателем статистической взаимосвязи не использовались в модели одновременно. Это говорит об отсутствии мультиколлинеарности при оценке регрессионных моделей.



ГЛАВА 3. АНАЛИЗ РЕЗУЛЬТАТОВ ОЦЕНИВАНИЯ МОДЕЛЕЙ

Перейдем к результатам оценки регрессионных моделей. В ходе работы мы оценили влияние параметров кредитного договора и характеристик должника на вероятность выбора между кредитной стратегией работы с проблемным активом и другими вариантами урегулирования задолженности: процедуры принудительного взыскания и списание долга В Таблице 3 представлены предельные эффекты.

В первую очередь отметим значимое влияние характеристик кредитного договора на выбор банка в пользу кредитной стратегии. Действующая процентная ставка по договору, первоначальный срок кредита, вид кредитования и график погашения положительно влияют на дальнейшее взаимодействие банка с проблемным клиентом: с ростом данных показателей увеличивается вероятность выбора кредитной стратегии.

Процентные платежи формируют прибыль банка. Банк заинтересован в сохранении денежных потоков по процентным обязательствам, если спред между стоимостью кредита и стоимостью привлечения средств остается положительным. Банк готов предложить новые условия по договору с понижением процентной ставкой с целью сохранения положительной доходности по активу. С увеличением процентной ставки по кредиту на 1 процентный пункт, вероятность выбора кредитной стратегии увеличивается на 12,4%.

Модель демонстрирует значимое влияние первоначального срока кредита на выбор стратегии работы с должником. Чем выше срок обслуживания кредита, тем выше вероятность изменения условий кредитного договора с должником. Это может быть связано с тем, что долгосрочные кредиты являются более доходными для банка, и кредитная организация стремится сохранить такие активы в портфеле.

В рамках урегулирования обязательств по проектному финансированию, инвестиционному финансированию и контрактному кредитованию кредитная стратегия работы избиралась банком почти на 50% чаще, чем по задолженности других типов кредитования. Это связано с высоким уровнем неопределенности и низкой точностью долгосрочного планирования денежных потоков. Большая часть таких кредитов перестают обслуживаться по графику, поскольку количество требуемых инвестиций изменяется в течение реализации проекта из-за непредвиденных колебаний рынка и состояния экономики в целом.

Результаты оценки модели указывают на то, что на 41,5% чаще изменение условий кредитного договора предлагается по обязательствам с ежеквартальным графиком нежели по тем, которые погашаются ежемесячно или два раза в год.

Интересно отметить, что уровень обеспеченности кредита не оказывает значимого влияния на выбор в пользу кредитной стратегии работы с должником. Мы предполагаем, что данная переменная влияет только на принятие решения в рамках принудительного взыскания.

На выбор банком стратегии работы с должником влияют не только характеристики кредитного договора, но и характеристики самого должника. Наиболее значимое влияние на выбор в пользу кредитной стратегии оказывают переменные осведомленности банка о клиенте, доля непогашенной задолженности, срок просроченной задолженности и финансовое состояние заемщика.

Искусственно полученная переменная осведомленности банка о клиенте оказалась значимой на десяти процентном уровне значимости. Чем дольше клиент обслуживается в банке и, одновременно с этим, чем чаще банк взаимодействовал с клиентом в рамках сделок по изменению условий кредитования, тем вероятнее, что выбор остановится на кредитной стратегии работы с должником.

Доля непогашенной задолженности также оказывает положительное влияние на выбор банка в пользу кредитной стратегии работы из-заразмера суммы под риском. Чем больше кредитных средств находится под риском потерь, тем больше заинтересован банк в проведении мероприятий по возврату задолженности. Так, рост непогашенного остатка на 1% прямо пропорционально отражается на вероятности выбора банком кредитной стратегии, она увеличивается на 1,03%.

Продолжительность пребывания актива на счетах просроченных ссуд, наоборот, негативно влияет на вероятность мирного урегулирования проблемной задолженности: чем выше срок просроченной задолженности, тем более безнадежным к взысканию является кредит, и кредитные инструменты работы с активом являются неэффективными. Снижение срока просроченной задолженности на каждые 360 дней способствуют снижению вероятности выбора кредитной стратегии на 2,3%.

Совершенно закономерным представляется влияние финансового состояния заемщика на зависимую переменную. Вероятность изменения условий кредитования заемщика со «средним» финансовым состоянием вполовину выше, чем пересмотр условий по задолженности, обслуживаемой здоровым заемщиком.

Наконец, мы видим значимую зависимость между выбором банка и сегментом заемщика. Чаще всего банк избирал кредитную стратегию работыс представителями среднего бизнеса: на 50% чаще, чем с компаниями малого и крупного бизнеса.

Отрасль должника и регион филиала банка, в котором обслуживается клиент значимого влияния на выбор стратегии не оказали. Результаты контроля модели на переменную, отвечающую за год проведения сделки, демонстрируют, что на 38% чаще Банком выбиралась кредитная стратегия в 2017 году. Тем самым, наша гипотеза о том, что экономический кризис 2014-2015 годов оказал негативное влияние на платежеспособность бизнеса, что привело к росту количества проведенных реструктуризаций в посткризисный период, подтверждается.

Ранее была выдвинута гипотеза о том, что характеристики заемщика и параметры кредитного договора оказывают влияние не только на выбор банком стратегии работы с должником, но и на принятие решение о выборе инструмента урегулирования проблемной задолженности. Полученные результаты свидетельствуют о том, что в зависимости от условий первоначального кредитного договора, показателей обслуживания долга и особенностей бизнеса заемщика каждый из инструментов работы с проблемной задолженностью является более или менее приоритетным для банка по сравнению со списанием задолженности (Таблица 4).

Модель демонстрирует значимое влияние данных факторов на выбор в пользу реструктуризации по сравнению с инструментом списания долга. Поскольку реструктуризация является самым распространенным инструментом работы с должником в рамках кредитной стратегии, мы можем отметить сходство результатов данной модели с базовой. Факторы, оказывающие влияние на выбор Банка в пользу кредитной стратегии работы с должником, оказались значимыми в части влияния на вероятность выбора инструмента реструктуризации в качестве инструмента работы с должником.

На основе результатов модели можно сделать вывод, что процентная ставка и срок кредита положительно влияют на вероятность реструктуризации задолженности из-за желания банка сохранить положительную доходность по активу. С ростом процентной ставки на один процентный пункт, частота проведенных реструктуризаций увеличивается на 14,5%, в то время, как рост срока кредитования на один год приводит к увеличению вероятности изменения условий кредитования на 0,16%.

Наиболее распространенными типами кредитов, в отношении которых была проведена реструктуризация стали проектное и инвестиционное финансирование. Это связано с высокой долей неопределенности на этапе выдачи данных кредитов.

Чаще всего реструктуризация проводилась по тем кредитным договорам, которые предусматривали ежеквартальный график погашения. Реже данная сделка проводилась по кредитам с графиком погашения два раза в год.

Интересно заметить, что уровень обеспеченности кредита не влияет на решение банка о проведении реструктуризации. Это связано с тем, что при принятии решения об изменении условий кредитования, банк в первую очередь опирается на анализ денежных потоков от деятельности заемщика и расчет долговой нагрузки на бизнес. В данном случае обеспечение выполняет только роль гаранта исполнения обязательств перед банком.

Необходимо отметить значимое влияние характеристик заемщика на выбор банка в пользу инструмента реструктуризации по сравнению со списанием задолженности с баланса. Так, высокий уровень осведомленности банка о клиенте, крупный остаток непогашенной задолженности, нестабильное финансовое состояние и размер бизнеса крупнее среднего увеличивают шансы заемщика на получение согласия банка на изменение условий кредитования.

Уровень просроченной задолженности негативно сказывается на вероятности проведения реструктуризации. Чем больше продолжительность пребывания актива на счетах просроченных ссуд, тем вероятнее отказ банка от проведения реструктуризации в рамках кредитной стратегии и переход к дефолтной стратегии либо списание задолженности. С увеличением срока просроченной задолженности на год, вероятность проведения реструктуризации увеличивается на 2,9%.

Отрасль должника и регион ведения деятельности не повлияли на выбор инструмента работы с проблемной задолженностью. Можно заметить, что аналогично результатам базовой модели, наибольшая доля проведенных реструктуризаций пришлась на 2017 год.

Результаты оценки модели в части выбора инструмента мирового соглашения демонстрируют значимое влияние факторов, определивших выбор в пользу реструктуризации. Это объясняется схожестью структуры сделок реструктуризации и мирового соглашения, которые предполагают пересмотр процентной ставки и графика платежей по договору. Основным отличием двух инструментов является состав участников сделки. Мировое соглашение, в отличие от реструктуризации, может быть утверждено только в арбитражном или третейском суде.

Выбор банка в пользу инструмента мирового соглашения может быть определен процентной ставкой, сроком первоначального кредита, типом кредита и графиком гашения. Процентная ставка и срок кредита положительно влияют на вероятность принятия решения о выборе мирового соглашения в качестве инструмента работы с активом.

Согласно результатам модели, мировые соглашения заключаются чаще в рамках проектного и инвестиционного финансирования на 41% и 34% соответственно, чем по договорам других типов кредитования.

Результаты указывают на то, что только график с полугодовым погашением оказал значимое влияние на выбор инструмента работы с проблемным кредитом по сравнению с ежемесячным и ежеквартальным графиками погашения.

Интересно отметить, что остаток непогашенной задолженности и уровень обеспеченности кредита не оказали влияния на выбор мирового соглашения в качестве инструмента урегулирования долга.

Также отметим влияние параметров заемщика на зависимую переменную на пятипроцентном уровне значимости: с ростом уровня осведомленности банка о клиенте увеличивается вероятность проведения сделки мирового соглашения.

На 42% чаще решения о пересмотре графика погашения задолженности в суде принимались в отношении должников, чье финансовое состояние идентифицировалось как «среднее». В то же время, с ростом срока просроченной задолженности количество мировых соглашений будет снижаться.

Контрольные переменные модели влияния на решение банка об отказе от принудительного взыскания не оказали. В случае мирового соглашения сделки заключались значительно чаще в 2016 и 2017 годах по сравнению с 2015 годом.

Перейдем к анализу факторов, оказывающих определяющее воздействие на выбор инструмента дополнительного финансирования проекта. Данный инструмент обладает самым высоким кредитным риском по сравнению с другими инструментами. Возможно с этим связано значительное влияние процентной ставки на зависимую переменную. С ростом первоначальной ставки по кредиту на 1%, вероятность выдачи дополнительных кредитных средств по сравнению с применением инструмента списания увеличивается на 20%. Банк заинтересован в получении высокого дохода по активу и увеличивает кредитную нагрузку клиента в случае высокого значения прогнозного коэффициента покрытия долга. Чаще всего инструмент дополнительного финансирования применялся для договоров проектного финансирования. Основная часть кредитов в рамках проектного финансирования выдается на строительство объектов: из-за инфляции и роста валютного курса происходит удорожание первоначально запланированной стоимости проекта и требуются дополнительные средства для завершения строительства.

Факторы, характеризующие заемщика, также оказывают влияние на выбор банка в пользу инструмента дополнительного кредитования. Уровень осведомленности о клиенте и остаток непогашенной задолженности оказывают положительное влияние на зависимую переменную. Так, с увеличением непогашенного остатка на 1%, сделки дополнительного финансирования заключаются на 5% чаще. Финансовое положение должника и количество дней просроченной задолженности по кредиту оказывают негативное воздействие на принятие решения о дополнительном финансировании. Инструмент кредитования значительно реже применялся по заемщикам с «хорошим» финансовым состоянием. Каждые 360 дней просроченной задолженности снижают вероятность дополнительного финансирования более чем на 5%. Контрольные переменные в данном случае оказались незначимыми.

Перейдем к анализу факторов, определяющих принятие решения о нецелесообразности обращения в суд с иском о взыскании просроченной задолженности. Интересно отметить, что решение о неподаче иска в суд - единственный инструмент из кредитной стратегии, выбор которого зависит от уровня обеспечения по кредиту. С ростом обеспечения на 1% вероятность принятия решения о нецелесообразности обращения в суд растет на 1,4%. Это свидетельствует о том, что Банк не заинтересован в принудительном взыскании, если клиент гарантирует вернуться в графикв то время, как продажа залогового имущества не обеспечит полного погашения задолженности. Помимо обеспечения на выбор данного инструмента значимое влияние оказывают такие характеристики кредитного договора, как процентная ставка и срок погашения по кредиту. Стоимость и срок кредита оказывают положительное влияние на выбор банка в пользу инструмента нецелесообразности обращения в суд. С ростом процентной ставки на 1%, частота принятия решений о нецелесообразности обращения суд увеличится на 13%. В это же время, при увеличении срока кредита на один год, вероятность не обращения в суд увеличится лишь на 0,27%.

Отметим, что чаще всего решения о нецелесообразности подачи иска в суд принимались в отношении заемщиков среднего бизнеса. Возможно, это связано с тем, что средний бизнес является более устойчивым, чем малый бизнес, и, в то же время, достаточно гибким к шокам рынка, что позволяет более оперативно в отличие от крупного бизнеса разрешить возникшую проблему.

Модель демонстрируем влияние трех характеристик заемщика на выбор банка. С ростом осведомленности Банка о клиенте, увеличивается частота решений об отказе от принудительного взыскания. При увеличении количества дней пребывания задолженности на счетах просроченных ссуд происходит падение числа таких решений. Это связано с тем, что продолжительная просроченная задолженность свидетельствует о проблемах бизнеса должника и не может быть последствием непредсказуемого увеличения дебиторской задолженности у должника. На 41% чаще решение о нецелесообразности обращения в суд принималось в отношении представителей среднего бизнеса.

Основной целью данной модели являлось выявление причин выбора того или иного инструмента в рамках кредитной стратегии. Помимо этого, мы можем проанализировать факторы, определяющие выбор Банка в пользу дефолтной стратегии.

Наиболее значимой переменной, оказывающей влияние на принятие банком решения о введении судебного производства либо уступки прав требований, является уровень обеспеченности кредита залогом. С ростом обеспечения, расчет частота сделок принудительного взыскания, поскольку банк заинтересован вернуть вложенные средства по проблемному кредиту в полном объеме в максимально короткие сроки и восстановить резервы на возможные потери по ссудам, оказав положительное влияние на финансовый результат.

Модель демонстрирует значимость первоначального срока кредита на пятипроцентном уровне значимости, однако предельный эффект данной переменной близок к нулю. Процентная ставка не влияет на принятие решения о выборе дефолтной стратегии. Стоит отметить, что чаще всего процедуры принудительного взыскания инициировались по проектному и инвестиционному финансированию. Это связано с тем, что данные виды кредитования являются наиболее долгосрочными и в большей степени подвержены неопределенности на этапе выдачи кредита и влиянию внешних факторов, приводящихк дефолту по ссуде. На выбор дефолтной стратегии влияет уровень осведомленности Банка о клиенте. В случае, если Банк имеет полную информацию о залоговом и не залоговом имуществе должника, он может точно определить перспективы возврата задолженности в процедуре принудительного взыскания и принять верное решение о выборе стратегии работы с проблемным активом. Отметим, что срок нахождения кредита на счетах просроченных ссуд оказывает негативное влияние на выбор банка в пользу дефолтной стратегии по сравнению со списанием задолженности. Этот результат объясняется тем, что Банк нацелен на урегулирование задолженности в максимально сжатые сроки. В затянутых процедурах принудительного взыскания Банк может столкнуться с риском вывода залогов. Стоит отметить, что процедуры принудительного взыскания чаще инициировались в отношении представителей среднего и крупного бизнеса. Это связано с прямой зависимостью размера бизнеса и качества обеспечения. Как правило, малый бизнес не имеет возможности предоставить в залог высоколиквидное имущество в хорошем состоянии, что снижает шансы Банка на возврат обязательств в полном объеме за счет реализации залога. Также стоит отметить значимое влияние контрольной переменной, отвечающей за год проведения сделки. Мы видим, что наиболее высокая частота введения судебного производства и уступки прав требований наблюдалась на протяжении первого посткризисного 2016 года.

Рассмотрим результаты оценок моделей эффективности инструментов работы с проблемной задолженностью, примененных в рамках кредитной стратегии (Таблица 5).



В соответствии с результатами модели эффективности сделки, определенной на основании динамики срока пребывания проблемной задолженности на счетах просроченных суд, мировое соглашение является оптимальным инструментов урегулирования долга. После заключения мирового соглашения, заемщик на 54% реже допускал просроченную задолженность, чем при выборе других инструментов. Это объясняется тем, что мировое соглашение предполагает мгновенный переход к принудительному взысканию в случае неисполнения условий договора, заключенного в суде. Заемщик рискует потерять все залоговое имущество в случае повторного дефолта по обязательствам.

Интересно отметить, что реже всего просрочку допускали клиенты с высоким уровнем обеспечения по кредиту и клиенты с маленьким остатком задолженности на балансе. С ростом обеспеченности кредита на один процент, вероятность успеха сделки увеличивается на 0,58%, в то время, как снижение непогашенного остатка на один процент приводит к росту эффективности сделки на 1,1%. Это свидетельствует о том, что заемщики, погасившие большую часть ссуды, заинтересованы в полном погашении долга, поскольку залоговая стоимость обеспечения на данном этапе может превышать остаток по задолженности. Уровень осведомленности банка о клиенте и финансовое состояние должника также положительно повлияли на эффективность проведения сделки. Заемщики, по которым у банка имеется вся необходимая информация, являются более уязвимыми. Такие должники опасаются противодействия банка и исполняют обязательства без допущения просрочек.

Результаты модели демонстрируют значимое влияние региона на эффективность сделок. Так, наименее успешные сделки были заключены в Брянской и Тверской областях. Также отметим, что отрасль бизнеса заемщика определяет успех применения того или иного инструмента работы: решения, принятые по заемщикам, представляющим отрасль строительства, оказались наименее эффективными, в то время, как наиболее эффективными стали сделки по представителям отрасли сельского хозяйства. Сегмент бизнеса значимого влияния на эффективность не оказал.

Результаты модели, определяющей эффективность сделки по динамике погашения задолженности демонстрируют значимое влияние других факторов. Интересно отметить, что самым неэффективным инструментов работы с проблемной задолженностью оказалась реструктуризация. Возможно, это связано с тем, что внесудебное изменение условий кредитования приводит к расхолаживанию заемщика. У должника формируются ожидания лояльного отношения банка и внесения повторных корректировок условий кредитного договора в благоприятную для заемщика пользу. Отметим значимое влияние осведомленности банка о заемщике и первоначального срока кредитования на успешность проведенной сделки. При увеличении первоначального срока кредита на один год, эффективность кредитной стратегии увеличивается в среднем на 0,17%.

Общими факторами, определяющими успешность проведенной сделки, оказались инструмент работы с проблемной задолженностью, финансовое положение заемщика и уровень осведомленности банка о клиенте. Интересно отметить, что уровень обеспеченности кредита и принадлежность к определенной отрасли оказали влияние только на эффективность сделки по динамике срока просроченной задолженности.

Самыми эффективные сделки были заключены с представителями среднего и малого бизнеса. Возможно это связано с тем, что маленькие компании не имеют достаточное количество административных ресурсов для сглаживания взаимоотношений с банков и предпочитают погашение задолженности процедурам принудительного взыскания. Наконец, отметим, что данная модель демонстрирует эффективность только по строительным компаниям. Различные подходы к определению успешных сделок породили противоположные результаты в отношении компаний строительного сегмента. Тем не менее, данные результаты не являются противоречащими. Ранее мы обращали внимание на высокий уровень неопределенности при прогнозировании денежных потоков от проектного финансирования: невозможно точно спрогнозировать объем продаж квартир или офисных помещений. Поэтому после проведения сделки может наблюдаться погашение задолженности заемщика одновременно с допущением просрочки по отдельным платежам.

Эффективность сделок может быть предсказана с помощью расчетной прогнозной вероятности повторного дефолта заемщика после проведения сделки урегулирования проблемного кредита. С помощью метода линейного дискриминантного анализа мы построили скоринговую модель, определяющую успешность отдельной сделки. Переменными модели стали факторы, влияющие на эффективность работы с проблемной задолженностью в соответствии с полученными результатами (Таблица 5): инструмент урегулирования проблемного актива, финансовое положение заемщика, доля непогашенной задолженности от общего долга и уровень осведомленности банка о клиенте были использованы для построения прогноза. Выборка из 343 сделок была разбита на обучающую и тестовую части в соотношении 75% и 25% соответственно. Модель была построена на данных по 258 реализованным банком сделкам. Прогноз был построенна 85 сделках по урегулированию проблемной задолженности на сумму 50,5 млрд.руб.



Для каждого кредитного договора из тестовой выборки, по которым были проведены сделки, мы определили вероятность дефолта (PD) и уровень ожидаемых потерь при дефолте (LGD). Вероятность дефолта по заемщику определялась следующим образом:

, (5)

где x- скоринговый балл, полученный методом линейного дискриминантного анализа (Приложение 4). В качестве функции, описывающей CAP-кривую, была определена парабола. Коэффициент оценки качества модели Accuracy Ratio составил 34,3%.

Уровень потерь при дефолте определялся как отношение рыночной цены обеспечения к остатку задолженности на момент проведения сделки. Сумма под риском (EAD) по каждому из обязательств эквивалентна остатку задолженности на момент заключения сделки.

С помощью данной модели кредитная организация имеет возможность определить сумму, которая с большой долей вероятности не будет получена банком. Ожидаемые потери банка вычисляются по общепринятой формуле:

(6)

Если ожидаемые потери банка от сделки превышают текущий уровень сформированных резервов на возможные потери по ссудам, банк вынужден начислить дополнительные резервы и понести дополнительные расходы. В нашем случае, по 85 проблемным активам на сумму 50,5 млрд.руб. в результате проведения сделок ожидаемые потери банка составят 11,4 млрд.руб. На данную сумму должен быть сформирован резерв на возможные потери по ссудам.



Заключение

Исследование портфеля проблемных кредитов крупного российского банка в период с 2015 по 2017 год позволило нам выявить факторы, определяющие выбор стратегии и инструмента работы с проблемной задолженность, а также оценить эффективность их применения.

Банки ориентируются на параметры действующего кредитного договора, характеристики бизнеса и финансовое положение заемщика при принятии решения о способе урегулирования проблемного актива. Наличие проблемной задолженности подразумевает блокировку средств в недоходных активах и негативно отражается на финансовом результате банка. Кредитные организации заинтересованы в обеспечении максимального возврата денежных средств в короткие сроки, поэтому решения о способе урегулирования кредита является ключевыми в работе с проблемной задолженностью и принимаются на основе детального анализа деятельности заемщика и особенностей заключенного кредитного договора.

В рамках исследования было построено две логистические и одна мультиноминальная регрессионные модели. Первая модель оценивала влияние финансового состояния должника, качества обслуживания долга и набор ключевых параметров кредитного договора на вероятность применения банком кредитной стратегии работы с должником: отказ от процедур принудительного взыскания либо списания просроченного долга. Вторая модель рассматривала влияние тех же факторов на выбор инструмента урегулирования проблемной задолженности в рамках кредитной стратегии. Третья модель оценивала эффективность применения того или иного инструмента в зависимости от характеристик заемщика и первоначального кредитного соглашения.

Полученные результаты свидетельствуют о том, что процентная ставка по договору, первоначальный срок кредита и вид кредитования оказывают положительное влияние на выбор банка в пользу кредитных инструментов урегулирования проблемной задолженности. С ростом стоимости и срока кредита увеличивается вероятность принятия решения о проведении реструктуризации, мирового соглашения и о нецелесообразности обращения в суд с иском о взыскании проблемного долга. Большинство кредитных сделок проводилось в рамках урегулирования обязательств по проектному и инвестиционному финансированию, что обусловлено высокой степенью неопределенности при долгосрочном кредитовании. Результаты демонстрируют отсутствие влияния уровня обеспеченности долга на выбор кредитных инструментов, обеспечение является определяющим фактором только для процедур принудительного взыскания.

В ходе работы мы доказали, что значимое влияние на выбор банка в пользу кредитной стратегии оказывают индивидуальные характеристики заемщика: доля непогашенной задолженности, продолжительность просрочки по кредиту, финансовое состояние и размер бизнеса заемщика. С ростом доли непогашенного кредита, увеличивается сумма под риском и, соответственно, вероятность внесудебного урегулирования долга. В то же время с ростом срока просроченной задолженности, вероятность внесудебного урегулирования проблемной задолженности снижается. Чаще всего кредитные сделки проводились банком в отношении представителей среднего и малого бизнеса с нестабильным финансовым положением.

В ходе анализа эффективности сделок урегулирования проблемной задолженности, мы пришли к выводу, что инструмент урегулирования проблемного актива и финансовое положение заемщика стали определяющими факторами успеха проведенной сделки. Наиболее эффективным инструментом урегулирования долга в рамках кредитной стратегии стало мировое соглашение. Это связано с тем, что данный инструмент позволяет придать легитимность изменению условий кредитования за счет заключения соглашения в суде и подразумевает мгновенный переход в процедуру принудительного взыскания при нарушении установленного соглашения.

Результаты данной работы позволили получить новые практические знания и могут быть использованы банками при работе с проблемной задолженностью и способствовать снижению уровня проблемной задолженности в России. Выявленные факторы выбора стратегии работы с должником могут послужить предметом доработки действующих моделей вероятности наступления банкротства. Также полученные результаты могут быть полезны заемщикам, попавшим в затруднительное финансовое положение, с целью оценки шансов на изменение условий кредитования в более благоприятную для должника сторону.



Список литературы

1. Albertazzi, U., Marchetti, D.J. (2010). Credit supply, flight to quality and evergreening: an analysis of bank-firm relationships after Lehman. Banca d'Italia. Temi di discussione (Working papers), No. 756, pp. 1-51.

2. Allen, F., Carletti, E. (2010). An Overview of the Crisis: Causes, Consequences, and Solutions. International Review of Finance, Vol. 10:1, pp. 1-26

3. Altman, E., (1968) «Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy», The Journal of Finance, Vol. 23, No. 4, pp. 589-609.

4. Altman, E., Saunders, A., (1998) «Credit risk measurement: Developments over the last 20 years», Journal of Banking and Finance, Vol. 21, pp. 1721-1742.

5. Bandyopadhyay, A. (2006). Predicting probability of default of Indian corporate bonds: logisticand Z-score model approaches. The Journal of Risk Finance, Vol. 7 No. 3, pp. 255-272.

6. Bengoa, M., Sanchez-robles, B. (2003). Foreign direct investment, economic freedom and growth: new evidence from Latin America. European Journal of Political Economy, Vol. 19, No. 3, pp. 529-545.

7. Berger, A.N. (1995). The Relationship between Capital and Earnings in Banking. Journal of Money, Credit and Banking, Vol. 27, No. 2, pp. 432-456.

8. Bottazzi, G., Grazzi, M., Secchi, A., Tamagni, F. (2011). Financial and Economic Determinants of Firm Default. Journal of Evolutionary Economics, Vol. 21, No. 3, pp. 373-406.

9. Caballero, R.J., Hoshi, T., Kashyap, A.K. (2006). Zombie Lending and Depressed Restructuring in Japan, Massachusetts Institute of Technology, Department of Economics, Working Paper 06-06

10. Chang, C., Liao, G., Yu, X., Ni, Z., (2014) «Information from Relationship Lending: Evidence from Loan Defaults in China», Journal of Money, Credit and Banking, №12.

11. Carling, K., Jacobson, T., Linde, J., Roszbach, K., (2007) «Corporate credit risk modeling and the macroeconomy», Journal of Banking and Finance, Vol. 31, pp. 845-868

12. Dalla Valle, L., De Giuli, M., Tarantola, C., Manelli, C., (2016) «European Journal of Operational Research», Vol. 249, pp. 298-311.

13. Davydenko, S., Franks, J., (2008) «Do bankruptcy codes matter? A study of defaults in France, Germany, and the U.K.», Vol. 63, No 2, pp. 565-608.

14. Fantazzini, D., Figini, S. (2009). Random Survival Forests Models for SME Credit Risk Measurement. MethodolComputApplProbab, Vol. 11, No. 1, pp. 29-45

15. Gardner, M., Mills, D., (1989) «Evaluating the Likelihood of Default on Delinquent Loans», Financial Management, Vol. 18, No 4, pp. 55-63.

16. Hillegeist, S. A., Keating, E. K., Cram, D. P., Lundstedt, K. G. (2004). Assessing the probability of bankruptcy. Review of Accounting Studies, Vol. 9, No. 1, pp. 5-34.

17. Hoshi, T., Kashyap, A.K. (2004). Japan's Financial Crisis and Economic Stagnation. Journal of Economic Perspectives, Vol. 18, No. 1, pp. 3-26.

18. Kaminsky, G., Reinhart, C. (1998). Financial crises in Asia and Latin America: Then and now. American Economic Review, Vol. 88, May, pp. 444-449.

19. Kealhofer, S. (2003). Quantifying Credit Risk I: Default Prediction. Financial Analysts Journal, Vol. 59, No. 1, pp. 30-44.

20. Kim, Se-Jik (2004). Macro Effects of Corporate Restructuring in Japan. IMF Staff Papers, Vol. 51, No. 3, pp. 457-492.

21. Kim, D., Santomero, A., (1993) «Forecasting required loan loss reserves», Journal of Economics and Business, Vol. 63, pp. 315-329.

22. Messai, A.S., Jouini, F. (2013). Micro and Macro Determinants of Non-performing Loans. International Journal of Economics and Financial Issues, Vol. 3, No. 4, pp.852-860.

23. Schoors, K., Sonin, K. (2005). Passive Creditors. International Finance, Vol. 8, No. 1, pp. 57-86.

24. Treacy, W., Carey, M., (2000) «Credit risk rating systems at large US banks», Journal of Banking & Finance, Vol. 24, pp. 167-201.

25. Tudela, M., Young, G. (2005). A Merton Model Approach to Assessing the Default Risk of UK Public Companies. International Journal of Theoretical and Applied Finance, Vol. 08, No. 06, pp. 737-761

26. Verma, S., (2017) «Determinants of Sovereign Defaults What Does the Empirical Evidence Tell Us?», Economic and Political weekly, Vol. 37, No 48, pp. 4817-4822.

27. Wade, R. (2001). The US Role in the Long Asian Crisis of 1990-2000. In A. J. Lukauskas, F. Rivera-Batiz (Eds.), The Political Economy of the East Asian Crisis and its Aftermath: Tigers in Distress. London: EdwardElgar.

28. Белоглазова Г.Н., Кроливецкая Л.П. Банковское дело: Учебник - 5-е изд., перераб и доп. - М.: Финансы и статистика, 2003. - 592 с.

29. Давыдов, В.А. (2016). «Методы и инструменты урегулирования проблемной задолженности кредитных организаций», диссертация на соискание ученой степени кандидата экономических наук, Санкт-Петербургский государственный университет, Санкт-Петербург, 2016.

30. Жданухин Д.Ю. Проблемная задолженность в коммерческом банке: профилактика возникновения и эффективные методы взыскания: методическое пособие / Д.Ю. Жданухин, Н.С. Иванов, Е.А. Новиков, В.Ю. Рослов. - М.: ИД «Регламент», 2009. - 188 с.

31. ТавасиеваА.М. Банковское дело. Управление и технологии: Учебник для студентов вузов, обучающихся по экономическим специальностям - 2-е изд., - М.:ЮНИТИ-ДАНА, 2005 - 671 с.

32. Костюченко Н.С. Анализ кредитных рисков: часть II. Проблемная задолженность / Н.С. Костюченко. -- СПб.: ИТД «Скифия», 2012. -- 368 с.

33. Славянский А.В. Управление проблемной задолженностью банка // Аудит и финансовый анализ. 2009. №1



Приложение

Приложение 1



Приложение 2



Приложение 3



Приложение 4

Построение скоринговой модели методом линейного дискриминантного анализа

,



где - обратная матрица ковариации;

- разность между средними значениями показателей для групп успешных и неуспешных сделок.

Размещено на Allbest.ur

...