Агеев В.И.Опубликовано в журнале:
Глобальные рынки и финансовый инжиниринг
– Том 2, Номер 3 (Июль-Сентябрь 2015)

JEL classification: C58, G21, G32

Ключевые слова: дефолт, кредитный дефолтный своп, кредитоспособность, модели оценки кредитного риска, производный финансовый инструмент, риск-менеджмент


Поделиться этой страницей:

Аннотация:

Статья является продолжением предыдущей публикации автора «О применимости CDS для оценки кредитоспособности финансовых институтов РФ», посвященной вопросам использования кредитных дефолтных свопов (Credit Default Swap – CDS) для оценки контрагентного риска российскими финансовыми институтами и компаниями. В настоящей статье построена модель оценки теоретических значений спредов CDS для банков из группы развивающихся стран БРИКС, CDS на долг которых не торгуются на рынке. Данная модель основана на каждодневном изменении спреда суверенного CDS, показателях финансовой отчетности банков и переменных, характеризующих определенные особенности анализируемых банков. Приведено сопоставление полученных спредов CDS с их реальными значениями для тех российских банков, CDS на долг которых существуют. Также рассматриваются возможные варианты использования полученных теоретических спредов CDS для оценки вероятности дефолта контрагентов российских финансовых институтов и компаний.

Основные тезисы:

► присваиваемые международными рейтинговыми агентствами рейтинги обладают существенными недостатками, так как между процессом анализа финансовых данных и моментом присвоения рейтинга существует определенный временной лаг; к тому же рейтинги присвоены меньшей части существующих банков
► преимущество CDS заключается в том, что его постоянно оценивают участники рынка, которые учитывают не только данные отчетности банков, их кредитные рейтинги и другие фундаментальные оценки, но и всю доступную информацию фактически в режиме реального времени
► современные модели оценки рисков могут основываться не только на использовании информации о тех CDS, которые торгуются на рынке, но и на построении теоретических значений CDS для контрагентов, в случае если такие инструменты на данный момент на рынке не представлены
► по итогам оценивания модели на величину спреда CDS банка оказывают влияние следующие факторы: суверенный спред CDS страны, которую представляет анализируемый банк, вероятность ее дефолта, несколько факторов, характеризующих банк, – наличие или отсутствие государственного участия в акционерном капитале и то, из какой он страны, а также финансовые показатели из отчетности банка: изменение итого вой величины активов (обратная зависимость со спредом CDS) и доля оставшейся операционной прибыли в активах (прямая зависимость)
► полученные оценки CDS могут быть использованы для оценки вероятности дефолта банков-контрагентов и установления на них максимально допустимых лимитов кредитного риска

---

Источники:
Агеев, В.И. (2015). О применимости CDS для оценки кредитоспособности финансовых институтов РФ. Глобальные рынки и финансовый инжиниринг, 2(1), 61–76.
Агеев, В.И. (2011). Основные модели оценки кредитного риска в коммерческом банке. Исследовано в России, 14, 898–908.
Агеев, В.И., Красильникова, Е.В. (2014). Стимулирование инновационного роста экономики с позиций анализа подсистем: корпоративного сектора и устойчивости банков. Креативная экономика, 3, 36–48.
Агеев, В.И., Чернышов, П.В. (2013). Эволюция подходов к управлению кредитными рисками в коммерческих банках. Российское предпринимательство, 19, 59–68.
Алешина, А.В., Сигалова, О.М., Гайдукова, Л.А. (2010). Рынок свопов на кредитный дефолт (CDS) как источник информации для финансовой системы: исследование прогнозной силы рынка CDS. Научные исследования экономического факультета. Электронный журнал, 2(1), 82–113.
Берзон, Н.И., Мезенцев, В.В. (2012). Применение структурных и редуцированных моделей для оценки кредитных дефолтных свопов на российские компании. В книге XII Международная научная конференция по проблемам развития экономики и общества (Кн. 1; С. 633–642). М.: ИД НИУ ВШЭ.
Кошелюк, Ю.М. (2007). Граничный анализ эффективности функционирования российских банков. В книге VIII Международная научная конференция. Модернизация экономики и общественное развитие (Кн. 3; С. 113–121). М.: ИД ГУ-ВШЭ.
Мезенцев, В.В. (2012). Оценка кредитного дефолтного свопа на российские компании при помощи редуцированной модели и модели Мертона. Корпоративные финансы, 1, 44–57.
Alexander, C., Kaeck, A. (2008). Regime Dependent Determinants of Credit Default Swap Spreads. Journal of Banking & Finance, 32(6), 1008–1021. doi: 10.1016/j.jbankfin.2007.08.002
Hull, J.C., White, A.D. (2000). Valuing Credit Default Swaps I: No Counterparty Default Risk. The Journal of Derivatives, 8(1), 29–40. doi: 10.3905/jod.2000.319115
Norden, L., Weber, L. (2009). The Co-movement of Credit Default Swap, Bond and Stock Markets: an Empirical Analysis. European Financial Management, 15(3), 529–562. doi: 10.1111/j.1468 036X.2007.00427.x
Wallison, P.J. (2009). Everything You Wanted to Know about Credit Default Swaps, but Were Never Told. The Journal of Structured Finance, 15(2), 20–30. doi: 10.3905/JSF.2009.15.2.020
Ратникова, Т.А. (2004). Анализ панельных данных в пакете «Stata». М.: ИД НИУ ВШЭ.
Chen, R.-R. (2002). Credit Risk Modeling: A General Framework. Retrieved from: http://www.financerisks.com/filedati/WP/credit_risk_2/unified_theory_v2.pdf
Ericsson, J., Jacobs, K., Oviedo, R.A. (2004). The Determinants of Credit Default Swap Premia. Montreal: Cirano.
Naifar, N., Abid, F. (2005). The Determinants of Credit Default Swap Rates: An Explanatory Study. Retrieved from: http://www.yieldcurve.com/Mktresearch/files/Naifar_CDSArticle_Jun05.pdf
Peresetsky, A., Karminsky, A., Golovan, S. (2004). Probability of Default Models of Russian Banks (BOFIT Discussion Papers, № 21). Retrieved from: http://www.suomenpankki.fi/bofit_en/tutkimus/tutkimusjulkaisut/dp/Documents/dp2104.pdf
Weistroffer, C. (2009). Credit Default Swaps: Heading Towards a More Stable System. Retrieved from: https://www.dbresearch.com/PROD/DBR_INTERNET_EN-PROD/PROD0000000000252032.PDF