Оцінка ризиків для кредитних інструментів в умовах цифровізації фінансового сектору економіки

Вдосконалена модель оцінювання резерву під очікувані кредитні збитки за кредитами, що оцінюються за амортизованою собівартістю відповідно до Міжнародного стандарту фінансової звітності 9. Відносні втрати, що можуть виникнути у позичальника в разі дефолту.

Рубрика Банковское, биржевое дело и страхование
Вид статья
Язык украинский
Дата добавления 17.09.2024
Размер файла 1,1 M

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Размещено на http://www.allbest.ru/

Оцінка ризиків для кредитних інструментів в умовах цифровізації фінансового сектору економіки

Клименко Наталія Анатоліївна, канд. екон. наук, доцент, доцент кафедри економічної кібернетики; Вороненко Ірина Вікторівна, Д-р. екон. наук, професор кафедри інформаційних систем і технологій; Колесник Марія Миколаївна, здобувач ОС «Магістр» факультету інформаційних технологій за спеціальністю «Економіка», Національний університет біоресурсів і природокористування України

Анотація

У роботі досліджено декілька підходів до оцінювання резервів під очікувані кредитні збитки: регуляторний за ПНБУ №351 та фінансовий за МСФЗ 9, який, в свою чергу, розглядається в контексті найбільш розповсюджених на практиці моделей оцінки. Моделі оцінювання очікуваних кредитних збитків, що були запропоновані в роботі, можуть знизити рівень суб'єктивних професійних суджень при прийнятті рішення щодо надання кредиту фінансовими установами, що дасть змогу покращити систему прийняття кредитних рішень в українських банках і підвищити достовірність фінансової звітності.

Ключові слова: цифровізація, фінансовий сектор, кредитний ризик, модель, кредитний збиток, мультиплікативний дискримінаційний аналіз.

На сучасному етапі основним трендом розвитку глобальної економіки є цифровізація, що являє собою процес поширення цифрових технологій в усіх аспектах бізнесу. Україна теж активно залучається до процесів глобалізації цифрового економічного простору та здійснює трансформацію економіки від аналогової до цифрової [1,2]. Цифрові технології, будучи ядром надання фінансових послуг, стимулюють проникнення інновацій у фінансовий сектор. Таким чином, виходячи із узагальнення різноманітних поглядів на сутність фінансових технологій, можна уточнити визначення цієї категорії. Фінансові технології являють собою синтез цифрових технологій та інновацій у фінансовій сфері, що використовуються для надання, розширення і розповсюдження фінансових послуг технологічними компаніями [3,4]. В умовах, що склалися, цифровізація економіки в цілому та фінансового сектору зокрема, стала одним із головних інструментів для подолання негативних наслідків [5,6].

Правильна оцінка кредитного ризику є одним з першочергових завдань в регуляторній та обліковій практиках, тому вдосконалення моделей оцінювання грає важливу роль для фінансового ринку, в особливості для банків.

Таким чином, у роботі запропонована вдосконалена модель оцінювання резерву під очікувані кредитні збитки за кредитами, що оцінюються за амортизованою собівартістю відповідно до МСФЗ 9.

Також був проведений порівняльний аналіз розрахунку очікуваних збитків за кредитами за новою моделлю, яка запропонована в роботі, з найбільш розповсюдженою моделлю та з рішенням, реалізованим в хмарному сервісі Macrofin 9™, що обране у якості еталонного.

Моделі оцінювання очікуваних кредитних збитків, що будуть представлені та запропоновані в роботі, можуть використовуватися українськими банками для покращення системи прийняття кредитних рішень, підвищення достовірності фінансової звітності, що дасть змогу знизити рівень впливу професійних суб'єктивних суджень на прийняття рішень щодо кредитів фінансовими установами. Кредитний ризик є одним з низки важливих ризиків у банківській діяльності.

Головну частину банківських активів складають кредитні операції, а проценти, що були отримані внаслідок проведення кредитних операцій, становлять основний дохід для банку.

Кредитний ризик властивий всім видам банківської діяльності, які залежать від дій емітента, позичальника або контрагента. Він виникає кожного разу, коли банківською установою надаються або інвестуються кошти.

Відповідно до методичних рекомендацій НБУ кредитний ризик (credit risk) - наявний або потенційний ризик для надходжень і капіталу, який виникає через неспроможність сторони, що взяла на себе зобов'язання, виконати умови будь-якої фінансової угоди із банком або в інший спосіб виконати взяті на себе зобов'язання.

Вивчаючи тематику кредитного ризику, було виявлено, що його поняття має неоднозначне формулювання.

Йдеться мова про визначення кредитного ризику: за вимогами НБУ - Національного банку України та за МСФЗ 9 - Міжнародний стандарт фінансової звітності 9.

Відмінність полягає в тому, що кредитні ризики, про які йдеться в пунктах 1) та 2) визначаються за різними правилами.

Якщо у випадку 1) кредитний ризик розраховується суворо за вимогами НБУ, тобто згідно з ПНБУ №351 - Положення про визначення банками України розміру кредитного ризику за активними банківськими операціями, то в

яка грунтується на такій формулі:

де EADjttd - експозиція під ризиком за активом на дату оцінки;

CVi - вартість i-го виду забезпечення, що береться до розрахунку кредитного ризику (у разі наявності кількох видів забезпечення за одним активом). Якщо забезпечення немає або не відповідає переліку, критеріям та принципам прийнятності, визначеним у розділі X цього Положення, то до розрахунку береться значення CV, що дорівнює "0";

ki - коефіцієнт ліквідності i-го виду забезпечення, що визначається банком згідно з додатком 6 до цього Положення.

RC - інші надходження, зокрема страхове відшкодування, фінансова порука, реалізація майна боржника/майнового поручителя, крім майна, уключеного до розрахунку значення CV; обсяг грошових надходжень боржника від операційної діяльності.

Ще з 1 січня 2018 року, як відповідь на кризу 2008 року, був впроваджений новий стандарт фінансової звітності - МСФЗ 9, що прийшов на зміну МСФЗ 39.

Відмінності цих методів полягають в тому, що МСФЗ 9 вимагає враховувати макроекономічні сценарії та сценарії поведінки боржників під впливом деяких чинників ризику, також варто зауважити, що МСФЗ 9 володіє певною «проактивністю», тобто він націлений на прогнозування збитків, а не визнання їх по факту, що є буде доречним, оскільки в процесі аналізу збитків важливим є прогноз, який може передбачити подальший перебіг подій [7].

Розглянемо загальну методику обчислення очікуваних кредитних збитків за кредитами в момент часу t з урахуванням макроекономічних сценаріїв:

де CCFtsi - загальна контрактна потокова грошова сума;

RE- ефективна процентна ставка;

RR[Si = тіп

ps - ймовірність настання певного макроекономічного сценарію;

EADtsi - сума боргу на кінець періоду, яка має бути погашена потоками від стягнення забезпечення кредиту, яке йому притаманне;

EDtsi - маржинальна ймовірність дефолту, що демонструє ймовірність дефолту позичальника в поточному періоді /приумові, що в попередніх періодах дефолту не сталося:

При

де EDtsj - безумовна ймовірність дефолту в j - ому періоді для сценарію s, яка визначається на момент часу t на основі PIT.

LEEtsi - відносні втрати, що можуть виникнути у позичальника при дефолті, які можна виразити через коефіцієнт відновлення:

RRtsi обчислюється наступним чином:

Величина RRtsi демонструє факт неможливості стягнення з позичальника суми PVtsi, що є більшою за борг EADtSi, де PVtSi - справедлива вартість застави, що визначається як дисконтований потік за ринковою ставкою від її реалізації.

Розглянемо розрахунки на другій стадії знецінення.

Тут слід брати до уваги те, що в поточному періоді при дефолті, позичальник має несплачену частину боргу, яку має погасити в цьому періоді. Саме тому, цей факт має враховуватись додатковим нарахуванням суми процентних платежів на непогашену частину боргу в формулі для розрахунків:

LGDtsi також має враховувати нарахування суми процентних платежів на непогашену частину боргу:

де EADtsi-борг, що формується відповідно до контракту за звичайних умов погашення в кінці періоду.

Виходячи з підходу, за яким на другій стадії формула використовується у відповідності до вимог стандарту, на першій стадії застосуємо вимоги до дефолту за період Т - за перші 12 місяців або менше для кредитів з терміном виплати менше 1 року:

Протягом періоду Т проміжних виплат не передбачається, тому величина EADtSi-1(1 + RE)Ni дисконтована від початку періоду до моменту розрахунку t і буде дорівнювати кредитній експозиції в той самий момент t, що не є залежною від сценарію, тобто EADt.

Відносні втрати, що можуть виникнути у позичальника в разі дефолту також не є залежними від часу:

Необхідно зауважити, що сума всіх маржинальних ймовірностей дорі внює кумулятивній ймовірності періоду за визначенням:

Таким чином, отримуємо кінцеву спрощену формулу для першої стадії знецінення:

Розглянемо відмінності між методами оцінки кредитного ризику та методами оцінки очікуваних кредитних ризиків за МСФЗ 9.

Як вже зазначалось вище, для МСФЗ 9 на відміну від наступної для формули кредитного ризику:

ECLCR(t) = PDCtTLGDT EADt

де PDCtr- кумулятивна ймовірність, що розраховується на основі ТТС.

За МСФЗ9 формула також має показник LGDts, але який залежить від макроекономічного сценарію, оскільки вартість потоків від застави PVts також залежить від макроекономічних чинників. Покладемо, що LGDts буде оцінено як константу за МСФЗ 9, маємо:

В такому випадку, можна знайти аналог до кумулятивної ймовірності PDCtr, що розраховується на основі ТТС:

при

З цього можна зробити висновок, що навіть у випадку, коли відносні втрати, які може понести позичальник у випадку дефолту, є сталими і кумулятивні ймовірності дефолту визначається за різними шляхами для кредитного ризику та МСФЗ, тобто: PDCtT * PDCtT

Тепер розглянемо банківську практику. Проаналізувавши формули та показники, за допомогою яких обчислюється кредитний ризик, ми прийшли до того, що формула виду

яку застосовують в регуляторних цілях, а саме в ПНБУ №351 не є коректною. За МСФЗ 9, на першій стадії знецінення має застосовуватися формула, що була приведена вище:

Але банки на першій стадії часто використовують досить грубе припущення про те, що показник LGDts не є залежним від макроекономічного сценарію і саме через це розраховують кумулятивну ймовірність дефолту за наступною формулою:

На другій стадії розглядається наступна формула:

Борг EADtsi-i залежить від часу і за стандартом цей факт має бути врахованим. Але банки часто використовують усереднення за часовим проміжком, через що мають змогу винести величину боргу за знак суми, визначивши оціночну кредитну експозицію:

Наступний крок спрощення, що використовується банкам, полягає в тому, що застосовується гіпотеза про сталість LGDtSi, що є прийнятним спрощенням, за умови незмінності вартості застави та експозиції:

Далі в розрахунках вважається також, що безумовна ймовірність дефолту для сценарію s, PDts в Дому періоді в момент розрахунку t на основі РІТ є незалежною від часу:

SDtsi = PDtsiStsi-1,

Stsi = (1 - PDts)i, Sts0 = 1

де PDts - безумовна ймовірність дефолту в періоді j для сценарію s, яка визначається на момент розрахунку t на основі PIT.

Таким чином, вираз може розраховуватися в якості суми геометричної прогресії:

За таких умов, формула для оцінки очікуваних кредитних збитків набуває наступного вигляду:

Одним із завдань досліджень було проведення розрахунків для подальшого аналізу та дослідження вказаної теми.

Розрахунки були проведені за допомогою пакету програм Microsoft Office та мови формул Power Query M. Інтерфейсна частина відсутня, всі результати роботи виводяться безпосередньо в середовищі Microsoft Excel.

Після проведених обчислень, маємо таблицю «CHK_DATA_1 Stage» (рис.1) з розрахунками на першій стадії:

Рис.1. Розрахунки очікуваних кредитних збитків на першій стадії

Аналогічну до «CHK_DATA_1 Stage» маємо таблицю «CHK_DATA_2 Stage» (рис.2) для другої стадії:

На рисунках 3-4 зображено графіки, що наочно демонструють відмінність між значеннями ECL на першій та другій стадіях, які були розраховані за допомогою хмарного сервісу, нової моделі та даними з банку:

З графіків можемо зробити висновок, що розрахунки за оновленою моделлю мають кращий результат, у порівнянні з розрахунками, що надаються і використовуються банками. Це, власне, доводить необхідність переглядання та коригування методів розрахунку очікуваних кредитних збитків.

Рис. 2. Розрахунки очікуваних кредитних збитків на другій стадії

Рис.3. Розрахунки очікуваних кредитних збитків на першій стадії за допомогою різних методів

Рис.4. Розрахунки очікуваних кредитних збитків на другій стадії

Тепер продемонструємо яку ж вигоду з цього отримають банки. На основі реального кредитного портфелю одного з комерційних банків з валовою балансовою вартістю, що складає 565,600,000 грн було розраховано очікувані кредитні збитки на двох стадіях знецінення за допомогою нової моделі та порівняно з результатами з хмарного сервісу Macrofin 9 і даними з банку та отримано наступні результати (табл.1):

Таблиця 1. Порівняльна таблиця розрахунків очікуваних кредитних збитків

Macrofin 9

Нова модель

Банк

Зменшення резерву

Стадія 1

3,712,622

25,944,415

29,863,377

3,918,962

Стадія 2

7,759,338

17,519,328

19,509,493

1,990,166

Загалом

11,471,960

43,463,743

48,372,870

5,909,128

Що дає банку змогу зменшення резервних нарахувань під кредитні збитки в сумі 5,909,128 грн, що становить 1.04% від основної валової балансової вартості портфелю.

Висновки

Таким чином, запропоновані в роботі покращені моделі оцінювання резервів під кредитні збитки за кредитними інструментами можуть бути рекомендовані до практичного застосування в банківській практиці з метою обґрунтованого зменшення норм резервування.

резерв кредит звітність собівартість

Список використаних джерел

1. Вороненко І.В.(2019). Взаємозв'язок між добробутом суспільства та інформацією. Бізнесінформ. 4, 366-371.

2. Voronenko I, Klymenko N., Nahorna O. (2022). Priority areas of Ukraine's innovative potential in the conditions of digital transformation. Financial and Credit Activity Problems of Theory and Practice, 1(42), 313-321.

3. Skrypnyk A., Nehrey M. (2015). The Formation of the Deposit Portfolio in Macroeconomic Instability in ICT in Education, Research and Industrial Applications: Integration, Harmonization and Knowledge Transfer proceedings of ICTERI 2015 in Lviv, Ukraine, pp. 225-235

4. Klymenko N., Nosovets O., Sokolenko L. Hryshchenko O., Pisochenko T. (2019). Off- balance accounting in the modern information system of an enterprise .Academy of Accounting and Financial Studies Journal, 23(2).

5. Орлов В.М., Політова І.В., Павлюк В.І. (2011) Складові забезпечення ефективного регулювання сучасного ринку послуг. Вісник Чернівецького торговельно-економічного інституту, II (42), 200-214.

6. Вороненко І.В., Клименко Н.А. (2022). Інноваційний розвиток в умовах цифровізації: оцінка та пріоритети. Економіка та держава, 2, 38-45.

7. Нагорна Ю. (2022). Огляд МСФЗ 9

Размещено на Allbest.ru

...

Подобные документы

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.