ПРИМЕНЕНИЕ ЭКОНОМИКО-МАТЕМАТИЧЕСКОГО МОДЕЛИРОВАНИЯ В ПРОГНОЗИРОВАНИИ КРЕДИТНОГО РИСКА

ПРИМЕНЕНИЕ ЭКОНОМИКО-МАТЕМАТИЧЕСКОГО МОДЕЛИРОВАНИЯ В ПРОГНОЗИРОВАНИИ КРЕДИТНОГО РИСКА

Заживнова Арина Владимировна

студент, Национальный Исследовательский Мордовский Государственный Университет ИМ. Н.П. Огарёва,

РФ, г. Саранск

Еремина Ольга Ивановна

канд. юрид. наук, доц., Национальный Исследовательский Мордовский Государственный Университет ИМ. Н.П. Огарёва,

РФ, г. Саранск

APPLICATION OF ECONOMIC AND MATHEMATICAL MODELING IN FORECASTING CREDIT RISK

Arina Zazhivnova

student, National Research Mordovian N.P. Ogarev State University,

Russia, Saransk

Olga Eremina

cand. jurid. sciences, associate professor, National Research Mordovian N.P. Ogarev State University,

Russia, Saransk

АННОТАЦИЯ

Целью данной статьи является прогнозирование уровня кредитного риска методом корреляционного анализа. В результате прогнозирования было установлено снижение кредитного риска в ближайшей перспективе.

ABSTRACT

The purpose of this article is to predict the level of credit risk by the method of correlation analysis. As a result of the forecast, a reduction in credit risk was established in the near future.

Ключевые слова: прогнозирование, кредитный риск, коммерческий банк, экономико-математическое моделирование, управление кредитным риском.

Keywords: forecasting, credit risk, commercial bank, economic and mathematical modeling, credit risk management.

Предоставление кредитов физическим и юридическим лицам как основной вид деятельности коммерческих банков характеризуется повышенной рискованностью по сравнению с другими видами деятельности. Кредитный риск, под которым понимается вероятность невозврата выданных банком ссуд, представляет наибольшую угрозу для стабильного функционирования кредитной организации[4, с. 97].

Кроме того, из совокупности рисков, возникающих в процессе взаимодействия банков с внешней средой, кредитный риск оказывает определяющее влияние на финансовый результат деятельности банка. Оживление экономической активности, неопределенность и девалютизация на финансовом рынке способствуют повышению спроса на банковские кредиты со стороны населения и компаний[5, с. 78]. Однако при этом наблюдается и увеличение объема просроченной ссудной задолженности, что в сочетании с удорожанием фондирования приводит к росту уровня кредитного риска у российских коммерческих банков. В таких условиях для большинства отечественных кредитных организаций ключевой задачей является минимизация уровня кредитного риска для обеспечения своей надежности и устойчивости на финансовом рынке.

Следует отметить, что надежность банка важна не только для его акционеров и клиентов, обслуживаемых в нем, но и для экономической системы в целом. Поэтому грамотно организованный процесс оценки и управления кредитным риском способствует повышению эффективности банковского бизнеса, как в текущий момент, так и в долгосрочной перспективе. Все это подтверждает актуальность темы исследования[2, с. 137].

Кредитный риск – это риск, возникающий в связи с возможностью неуплаты кредита заемщиком. Хотя кредитный риск в основном определяется как риск неполучения платежей, банки также включают в эту категорию риск задержки платежей. Часто эти риски денежных потоков вызваны неплатежеспособностью заемщика. Следовательно, такого риска можно избежать, если банк проведет тщательную проверку и санкционирует выдачу кредитов только физическим и юридическим лицам, у которых вряд ли закончатся доходы за период кредита.

Для исследования выбран коммерческий банк ПАО «Сбербанк».

Для выявления уровня кредитного риска в ПАО «Сбербанк», была построена экономико-математическая модель. Построение  модели  было  выполнено с использованием программы Microsoft Excel.

Во время построения модели, была выдвинута следующая гипотеза:

К 2025 году уровень кредитного риска в России снизится на 16% и составит примерно 4%. В качестве результативного признака Y в данной модели был выбран относительный показатель – Уровень кредитного риска ПАО «Сбербанк». Данный показатель отражает влияние на предмет исследования как внутренних, так  и  внешних  факторов,  все  остальные  факторы  выступают  в  качестве переменных параметров (Приложение).

Необходимо выявить точную тесноту связи между  результативным фактором и внутренними и внешнимифакторами. С этой цельюбыла применена  программа  «Корреляция» меню надстройки «Анализ данных» Microsoft Excel. Матрица парных коэффициентов показывает корреляцию, как между результативным признаком, так и между самими факторными признаками, что представлено в таблице Приложения.

При построении многофакторных моделей должно соблюдаться требование меньшей коррелированности включенных в модель факторных признаков. Мультиколлинеарность факторов присутствует тогда, когда значение парного коэффициента корреляции по модулю превышает 0,7. Предпочтение в подобны моделях отдается фактору с наибольшей степенью связи с результативным признаком.

На следующем этапе с использованием программы «Регрессия» были получены данные и коэффициенты регрессионного анализа, представленные в Приложении.

По результатам анализа значение R- квадрата находится выше нормы и составляет 0,9657. Данный показатель демонстрирует долю дисперсии зависимой переменной, объясняемую рассматриваемой моделью зависимости.

По результатам расчетов множественный R равен 0,9658, то есть, связь между переменными является весьма тесной.

Проведенный анализ позволяет составить уравнение регрессии, имеющее следующий вид:

,                                                                        (1)

где  – количество КО, %; – РВПС от общего объема ссуд,%.

Коэффициенты при факторных признаках показывают, насколько изменится результативный признак при изменении определенного факторного признака на единицу. Так, коэффициенты b при всех регрессорах указывают на то, что при прочих равных условиях рост данных факторов на 1 процент приводит к повышению балльной оценки на 0,04%,2,00% соответственно.

Критическое значение рассчитано с использованием функции Microsoft Excel «Стьюдраспобр» с указанием уровня значимости и количества степеней свободы. Уровень значимости в модели примем за 0,05 (уровень надежности 95% соответственно), а число степеней свободы (n-2) равняется 46, т.к. для анализа была использована выборка из 48 измерений. Критическое значение tкр (0,05;46) = 2,0129.  Наблюдаемые  значения  демонстрирует  пакет  анализа Microsoft Excel в регрессионной статистике в виде столбца с названием «t-статистика». Все фактические значения tнабл, взятые по модулю, превышают значение критического значения tкр. Это говорит о том, что коэффициенты регрессии статистически значимы и отличны от нуля.

Далее использовав формулу ПРЕДСКАЗ в MicrosoftExcel был построен прогноз значений факторов Х:

 – количество КО, %; – РВПС от общего объема ссуд, %, которые были выбраны при анализе и прогноз значений фактора;

Y – Уровень кредитного риска ПАО «Сбербанк», %. Результаты прогнозирования отражены на рис.1.

Рисунок 1. Сценарный анализ зависимого показателя Y – Уровень кредитного риска в ПАО «Сбербанк»

Из рисунка 1 можно сделать вывод, что исходя из сценарного анализа, два сценария подтверждают выдвинутую гипотезу о снижении кредитного риска до 4%. Это говорит об эффективной деятельности банка в управлении кредитном риском. Выдвинутая нами гипотеза подтвердилась частично, так как 2 сценария не подтвердили прогнозируемые значения, и к 2025 году уровень кредитного риска снизится на 16% и составит 4%.

Таким образом, можно сделать вывод, что ПАО «Сбербанк» стабильно развивается и совершенствует методы управления кредитным риском[3, с. 146]. Также можно отметить, что уровень кредитного риска имеет тенденцию к снижению, это подтверждает экономико-математическая модель, построенная в процессе написания работы.

Будущее банковского дела, несомненно, будет зависеть от динамики управления рисками. Только те банки, которые имеют эффективную систему управления рисками, выживут на рынке в долгосрочной перспективе[1, с. 27]. Кредитный риск является старейшим и самым большим риском, который наследует банк в силу самой природы своей деятельности. Однако в недавнем прошлом по разным причинам это приобрело большее значение. Управление кредитным риском на сегодняшнем нерегулируемом рынке представляет собой серьезную проблему. Повышенная волатильность рынка привела к необходимости интеллектуального анализа и специализированных приложений для управления кредитным риском. Необходима четко определенная политическая основа, чтобы помочь операционному персоналу идентифицировать риск-событие, назначить вероятность для каждого, количественно оценить вероятные убытки, оценить приемлемость воздействия, оценить риск и отслеживать их вплоть до момента, когда они оплачиваются.

Список литературы:

1. Абрамова А. А. Совершенствование управления рисками в российских банках / А. А. Абрамова, Д. А. Турдасова – Текст : непосредственный // Финансы и реальный сектор экономики в современных условиях : сборник статей III Международной научно-практической конференции, Пенза, 05 декабря 2021 года. – Пенза: Наука и Просвещение (ИП Гуляев Г.Ю.), 2021. – С. 26-28.
2. Глушкова Н. Б. Банковское дело : учебное пособие / Н. Б. Глушкова. – Тверь : Тверской государственный университет, 2022. – 254 с. – ISBN 978-5-7609-1752-2.
3. Кашапова А. А. Кредитные риски ПАО «Сбербанк России» / А. А. Кашапова – Текст : непосредственный // Молодой исследователь: вызовы и перспективы : сборник статей по материалам CCXXXVI международной научно-практической конференции, Москва, 08 ноября 2021 года. – Москва: Общество с ограниченной ответственностью «Интернаука», 2021. – С. 144-147.
4. Кроливецкая Л. П. Банковское дело : Учебное пособие для вузов / Л. П. Кроливецкая, В. Э. Кроливецкая, И. В. Солдатенкова. – Издание второе, дополненное и переработанное. – Гатчина : Государственный институт экономики, финансов, права и технологий, 2020. – 232 с. – ISBN 978-5-94895-148-5.
5. Черкесов А. Т. Банковские риски: понятие, факторы воздействия и подходы к управлению / А. Т. Черкесов, А. В. Пенюгалова // Современное общество и наука: приоритетные направления и проблемы развития : сборник научных трудов по материалам Междисциплинарного форума speed-up, Санкт-Петербург, 15 сентября 2020 года. – Санкт-Петербург: Профессиональная наука, 2020. – С. 77-81.
6. Черкесов А. Т. Банковские риски: понятие, факторы воздействия и подходы к управлению / А. Т. Черкесов, А. В. Пенюгалова // Современное общество и наука: приоритетные направления и проблемы развития : сборник научных трудов по материалам Междисциплинарного форума speed-up, Санкт-Петербург, 15 сентября 2020 года. – Санкт-Петербург: Профессиональная наука, 2020. – С. 77-81.
7. Чертоляс И. С. Сущность и значение банковского менеджмента в деятельности кредитной организации / И. С. Чертоляс, О. А. Голикова – Текст : непосредственный // Оценка социально-экономического развития: опыт и перспективы : Тезисы докладов и выступлений III Международной научно-практической конференции студентов и молодых ученых, Донецк, 04–05 апреля 2019 года / Общая редакция О.Н. Головинова. – Донецк: Донецкий национальный университет, 2019. – С. 171-173.