На правах рукописи

Федоров Борис Максимович

Разработка модели оценки риска ликвидности банка

Специальность 08.00.13 - Математические и инструментальные

методы экономики

АВТОРЕФЕРАТ

диссертации на соискание ученой степени

кандидата экономических наук

Москва – 2014 Диссертационная работа выполнена в федеральном государственном бюджетном образовательном учреждении высшего профессионального образования «Московский государственный университет экономики, статистики и информатики (МЭСИ)» на кафедре Управления знаниями и прикладной информатики в менеджменте.

доктор экономических наук, профессор

Научный руководитель Дик Владимир Владимирович

Официальные оппоненты Емельянов Александр Анатольевич доктор экономических наук, профессор, ФГБОУ ВПО «Национальный исследовательский университет «Московский энергетический институт» (филиал в г. Смоленск), профессор кафедры «Менеджмент и информационные технологии в экономике»

Пантина Ирина Викторовна кандидат экономических наук, доцент, Центральный Банк Российской Федерации, советник экономический Департамента финансовой стабильности Федеральное государственное

Ведущая организация образовательное бюджетное учреждение высшего профессионального образования «Финансовый университет при Правительстве Российской Федерации»

Защита диссертации состоится «25» июня 2014 г. в 14:00 часов на заседании диссертационного совета Д 212.151.01 на базе МЭСИ по адресу: 119501, г.Москва, ул. Нежинская, д.7.

С диссертацией можно ознакомиться в библиотеке и на сайте МЭСИ http://www.mesi.ru/.

Автореферат разослан «25» апреля 2014 г.

Ученый секретарь диссертационного совета И.Н. Мастяева

I.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы исследования. В современных экономических условиях для любой организации важнейшим вопросом в обеспечении собственной финансовой стабильности является эффективное управление рисками. Особое значение управление рисками принимает в банковском секторе, в котором негативный эффект может оказать множество как внешних, так и внутренних факторов. Нестабильность мировой экономики и кризисные явления в ряде стран еврозоны, наблюдавшиеся в последние годы, наглядно продемонстрировали взаимосвязь различных видов рисков в банковском секторе. По этой причине необходимо рассматривать подобные риски не отдельно, а как единую систему. Одним из основных банковских рисков является риск ликвидности, означающий невозможность банка своевременно, в полном объеме и без потерь обеспечивать выполнение своих долговых и финансовых обязательств, в том числе и в будущем. Мировой опыт показывает, что на сегодняшний день анализ и своевременная оценка риска ликвидности является одной из ключевых задач банковского риск-менеджмента. Однако не все банки в России уделяют достаточного внимания совершенствованию методов оценки риска ликвидности.

В действующей российской практике используются два основных метода оценки ликвидности банка - посредством коэффициентов и на основе потока денежной наличности. Существует также метод сценарного моделирования, заключающийся в моделировании определенных сценариев состояния самого банка и финансового рынка. В настоящее время отсутствует модель оценки риска ликвидности банка, которая в качестве факторов использовала бы не только изменение структуры активов и пассивов, но и показатели прочих рисков (валютный риск, процентный риск, кредитный риск и др.), которые влияют на эту структуру. Подобная модель позволит повысить обоснованность принимаемых решений при управлении риском ликвидности.

Указанные обстоятельства обусловливают актуальность диссертационного исследования и вызывают необходимость осуществить исследование процессов, связанных с риском ликвидности банка, выбрать подходящий метод анализа данных, разработать модель оценки риска ликвидности, а также программный инструментарий, поддерживающий ее реализацию.

Степень научной проработанности темы. Вопросам исследования понятий риска и неопределенности в теории управления финансовыми рисками посвящены работы российских ученых и практиков, в числе которых: И.А Бланк, В.И. Бариленко, Н.И. Валенцева, Е.Б. Герасимова, В.М. Гранатуров, В.В. Дик, Н.Е. Егорова, И.А. Киселева, О.И. Лаврушина, М.В. Мельник, А.И. Уринцов и др.

Моделирование рисковых ситуаций в экономике освещается в трудах Т.П. Барановской, А.М. Дуброва, А.А. Емельянова, Б.А. Лагоши, А.В. Мельникова, И.В. Пантиной, Е.Ю. Хрусталева. Основные зарубежные публикации об исследованиях сущности риска связаны с именем Ф. Найта. Среди зарубежных авторов следует выделить работы Э. Альтмана, Т. Коха, Э. Кэрри, П. Надлера, Дж. Пикфорда, Р. Стульца, Н. Тэрнбулла.

В целом теоретические основы анализа и управления банковскими рисками проработаны. Раскрыты также математические методы оценки банковских рисков. Вместе с тем вопросы математического моделирования и инструментальной поддержки процесса оценки риска ликвидности банка остаются малоизученными и требуют развития.

Отмеченные обстоятельства определили необходимость проведения исследования, его логику, цель, научную новизну.

Цель и задачи исследования. Цель диссертационного исследования заключается в разработке модели оценки риска ликвидности банка, ориентированной на совершенствование существующих методов управления данным риском.

Поставленная цель определила необходимость решения следующих задач:

1. Определить факторы риска ликвидности банка, учитывающие как показатели, характеризующие изменение прочих взаимосвязанных банковских рисков, так и показатели, отражающие состояние баланса.

2. Разработать модель оценки риска оттока депозитных средств, который является одним из факторов риска ликвидности банка.

3. Разработать модель оценки риска ликвидности банка, учитывающую влияние выявленных факторов риска.

4. Разработать программный инструментарий оценки риска ликвидности, реализующий модель оценки риска.

инструментария оценки риска ликвидности банка и провести оценку эффективности его применения.

Объектом исследования является деятельность банка.

Предметом исследования являются методы оценки риска ликвидности банка.

Область исследования.

Работа выполнена в соответствии с п. 1. «Математический анализ и моделирование процессов в финансовом секторе экономики, развитие метода финансовой математики и актуарных расчетов» паспорта специальности 08.00.13 - Математические и инструментальные методы экономики.

Теоретическая и методологическая основа исследования.

Теоретическую основу составили работы отечественных и зарубежных специалистов в области финансовой математики, системного анализа, математической статистики, экономико-математического моделирования, а также исследования в области банковских рисков. В работе исследованы следующие методы оценки риска ликвидности: коэффициентный анализ, GAP-анализ и методы, основанные на применении сценарного моделирования.

Информационная база исследования. Информационную базу составили материалы периодических печатных и электронных изданий в области риск-менеджмента, материалы научных и научно-практических конференций, публикуемые данные информационных агентств, отчеты аналитических и консалтинговых компаний, а также данные о структуре активно-пассивных операций крупного российского банка.

Научная новизна. В основе полученных в ходе исследования результатов, составляющих научную новизну работы, лежит разработанная автором модель оценки риска ликвидности банка, которая одновременно учитывает взаимосвязь между уровнем ликвидности, прочими банковскими рисками и структурой баланса.

В результате проведенного исследования в работе получены следующие результаты, обладающие научной новизной:

1. Выявлены факторы риска ликвидности, в составе которых одновременно учитываются: показатели, отражающие изменение прочих взаимосвязанных банковских рисков; показатели, характеризующие состояние баланса банка; норматив краткосрочной ликвидности; норматив чистого стабильного фондирования.

2. Разработана модель оценки риска оттока депозитных средств банка. Модель позволяет определить вероятность закрытия депозитных счетов. Применение модели оценки риска оттока депозитных средств банка способствует повышению достоверности результатов модели оценки риска ликвидности.

3. Разработана модель оценки риска ликвидности банка на основе выявленных факторов риска, в том числе оттока депозитных средств.

Отличительной особенностью модели является одновременный учет влияния показателей прочих банковских рисков и показателей, характеризующих структуру баланса.

4. Разработан программный инструментарий оценки риска ликвидности банка. Указанный программный инструментарий отличается от существующих возможностью использования показателей факторов риска в условиях определенных сценариев, при реализации метода стресстестирования, а также позволяет проводить объективный анализ данных для оценки риска ликвидности банка.

5. Создана методика применения программного инструментария оценки риска ликвидности банка, которая обеспечит повышение обоснованности принимаемых решений в условиях динамичного изменения внутренней и внешней среды субъекта экономики. Также был рассчитан экономический эффект от внедрения в деятельность подразделений риск-менеджмента ОАО «Газпромбанк» программного инструментария.

Теоретическая значимость исследования. Теоретическая значимость исследования заключается в совершенствовании методов моделирования оценки риска ликвидности банка; адаптации этих математических и инструментальных методов для решения задачи оценки риска ликвидности банка; разработке модели оценки риска ликвидности банка; разработке модели оценки риска оттока депозитных средств.

Полученные результаты исследования позволяют повысить обоснованность принимаемых решений при управлении риском ликвидности банка.

Практическая значимость исследования. Практическая значимость исследования состоит в возможности использования разработанных автором модели, программного инструментария, а также методики применения программного инструментария в деятельности любой финансово-кредитной организации в связи с их высокой адаптивностью под требования риск-менеджмента в условиях динамичного изменения внутренней и внешней среды. Полученные результаты позволяют снизить возможные финансовые потери банка за счет своевременного исполнения в полном объеме своих обязательств.

Апробация результатов исследования. Основные результаты диссертационного исследования нашли отражение в докладах и выступлениях и получили положительную оценку на: VI Международном научном конгрессе «Роль бизнеса в трансформации российского общества - 2011» (г. Москва, Московская финансово-промышленная академия, 18-22 апреля 2011г.); Международной конференции «ECOMMIS. Tempus Project» (Германия, Берлин, 2-4 апреля 2012г.), VII Международном научном конгрессе «Роль бизнеса в трансформации российского общества - 2012» (г.Москва, Московский финансово-промышленный университет «Синергия», 16-20 апреля 2012г.); XV научно-практической конференции «Реинжиниринг бизнес-процессов на основе современных информационных технологий. Системы управления знаниями» (г.Москва, Московский государственный университет экономики, статистики и информатики, 26-27 апреля 2012г.); Международной заочной научнопрактической конференции «Наука и образование в XXI веке» (г.Тамбов, Юком, 30 сентября 2013г.).

Отдельные результаты диссертационного исследования внедрены в практическую деятельность ОАО «Газпромбанк» в виде разработанного программного инструментария оценки риска ликвидности банка, что способствовало повышению эффективности и обоснованности решений в части управления банковской ликвидностью.

Результаты исследования использовались в научноисследовательской работе «Разработка модели оценки результативности предприятия (подразделения)», которая проводилась кафедрой «Управление знаниями и прикладная информатика в менеджменте»

МЭСИ.

Материалы исследования используются в учебном процессе кафедрой «Управление знаниями и прикладная информатика в менеджменте» Московского государственного университета экономики, статистики и информатики (МЭСИ) при обучении по дисциплине «Информационный менеджмент».

Внедрение результатов диссертации в указанных организациях подтверждено соответствующими справками.

Публикации. Основные положения, выводы и рекомендации диссертационного исследования изложены в 8 опубликованных работах, включая 3 статьи в научных журналах и изданиях, которые включены в перечень российских рецензируемых научных журналов и изданий для опубликования основных научных результатов диссертации. Общий объем публикаций 2,8 п.л. (из них авторских 2,7 п.л.).

Структура и объем диссертационной работы. Диссертационная работа включает введение, три главы, заключение, библиографический список литературы, приложения. Объем диссертации – 165 страниц.

Работа содержит 13 таблиц, 16 рисунков и 3 приложения. Список цитируемой литературы включает 110 источников, в том числе иностранных источников.

II. ОСНОВНЫЕ ПОЛОЖЕНИЯ ДИССЕРТАЦИИ,

ВЫНОСИМЫЕ НА ЗАЩИТУ

1. Выявлены факторы риска ликвидности банка, учитывающие как показатели, отражающие изменение прочих банковских рисков, так и показатели, характеризующие состояние баланса.

С целью выявления факторов риска ликвидности банка был проведен анализ структуры активов и пассивов системно значимых банков России, определенных согласно методическим рекомендациям ЦБ РФ1. Анализ был проведен в разрезе следующих показателей: объем в группе активов кредитов, выданных физическим лицам; объем в группе активов кредитов, выданных предприятиям и организациям; объем в группе пассивов кредитов, выданных физическим лицам; объем в группе пассивов кредитов, выданных предприятиям и организациям. Каждый из показателей рассматривался также в разрезе сроков: краткосрочные, среднесрочные, долгосрочные. Данный анализ и последующая разработка модели оценка риска ликвидности проводилась с использованием данных о деятельности системно значимых банков с сентября 2008 года по сентябрь 2013 года на основании 101 и 134 форм отчетности ЦБ РФ, а также ведущих поставщиков информации для участников финансового рынка2.

В результате проведенного анализа было установлено, что основную часть активов (более 70%) составляют кредиты и прочие ссуды, из которых на долю кредитов и прочих размещенных средств, предоставленных предприятиям и организациям 59% от всех активов.

Также в составе группы активов можно выделить такую группу как ценные бумаги (19,3%). Необходимо отметить, что большую часть предоставленных кредитов составляют долгосрочные кредиты.

В структуре пассивов выделяются две группы средств:

привлеченные банком средства, а также прочие пассивы, в состав которых входят фондовые средства. Специфика привлеченных средств банков Указания ЦБ РФ "Об определении перечня системно значимых кредитных организаций" Агентства финансовой информации Bloomberg, Reuters, ММВБ заключается в том, что ее основную часть составляют депозиты, а меньшую — недепозитные источники. Средний объем привлеченных депозитов рассматриваемых банков на сентябрь 2013 года составил более 60%, а совокупный объем - более 20,5 трлн. руб.

На основании проведенного анализа в качестве факторов риска предлагается использование не только показателей, характеризующих структуру активов и пассивов банка, но и показателей прочих банковских рисков, непосредственно влияющих на уровень ликвидности банка:

p1 – показатель уровня риска отзыва депозитных средств;

p2 – показатель уровня риска продажи актива ниже балансовой цены;

p3 – показатель уровня риск уменьшения стоимости части активов кредитора, характеризующегося возможностью убытка в связи с уменьшение стоимости кредитного портфеля;

p4 – показатель уровня валютного риска, характеризующийся вероятностью резкого изменения курсов валют;

p5 – показатель уровня риска отзыва прочих привлеченных средств;

p6 – показатель уровня риска размещения крупных излишков ликвидности по ставкам ниже среднерыночных;

p7 – показатель уровня риска неуплаты в срок суммы долга и процентов по нему, возникающий в связи с частичной или полной неплатежеспособностью заемщиков к моменту погашения займа;

p8 – показатель уровня операционного риска, характеризующийся появлением ошибок в процедурах или операционных сбоев в процессах, обеспечивающих бесперебойное осуществление платежей банка;

p9 – коэффициент норматива мгновенной ликвидности;

p10 – коэффициент норматива краткосрочной ликвидности;

p11 – коэффициент норматив чистого стабильного фондирования.

Для создания модели оценки риска ликвидности банка используются значения выявленных факторов, рассчитываемые согласно имеющейся в каждом банке методологии или методологии ЦБ РФ при ее наличии.

Однако в существующих опубликованных исследованиях по вопросам банковского риск-менеджмента отсутствует модель оценки риска оттока депозитных средств. В связи с этим предлагается разработать модель, позволяющую дать более точные показатели уровня указанного риска, что является важным для дальнейшего создания модели оценки риска ликвидности.

2. Разработана модель оценки риска оттока депозитных средств банка.

Для учета влияния на риск ликвидности случайных процессов на депозитарных счетах, выражающихся в риске отзыва депозитных средств, в диссертационной работе разработана модель оценки данного риска. Для создания модели оценки риска оттока депозитных средств предложен четырехэтапный процесс.

На первом этапе на основании данных о состоянии счетов была сформирована выборка по признаку закрытия счета, которая представлена в виде матрицы X «объект-свойство». Для всех групп счетов поставлен в соответствие признак закрытия или отсутствия закрытия счета, который можно записать в виде вектора Y:

где xij - значение j-ого признака для i-ого счета, i 1...N, j 1...n, 0, если для i го счета есть признак закрытия 1, если для i го счета нет признака закрытия Признак закрытия счета можно определить как бинарную переменную по причине того, что он определяет принадлежность счета к одному из двух указанных классов.

На следующем этапе выполнен отбор факторов риска оттока депозитных средств. Для этого проведен анализ тесноты связи характеристик счетов и признака «закрытие счета». Выбор метода проверки связи между значением Y и признаками Xi, где Xi - вектор значений признаков i -го платежа зависит от того, в какой шкале они измерены. В рассматриваемом случае Y и признаки Xi измерены в номинальной шкале, поэтому выбран метод анализа таблиц сопряженности. Для проверки наличия связи между ними предлагается использование критерия «хи-квадрат». В таблице 1 представлены результирующие признаки, для которых достигнут приемлемый уровень значимости при расчете тесноты связи характеристик счетов и признака «закрытие счета» на основе данных.

Таблица 1 - Результаты анализа взаимосвязи признаков депозитных Признак наличия ставки досрочного погашения 2 2437, Для определения силы влияния признаков Xi на результирующий признак Y были рассчитаны коэффициент Гудмана-Краскала и коэффициент Крамера, которые представлены в таблице 2.

Таблица 2 - Коэффициенты, характеризующие силу взаимосвязи признаков счетов и признака «закрытие счета»

Признак наличия ставки досрочного погашения 0,773 0,598 В результате расчета коэффициентов можно сделать вывод, что учет совместного распределения признаков «закрытие счета» и «признак наличия ставки досрочного погашения» позволяет улучшить прогноз признака «закрытие счета» более чем на 60% и на 43% с признаком «тип привлечения».

Третьим этапом является оценка параметров модели. Предлагается использовать двухступенчатую модель, сочетающую модель бинарного выбора для определения вероятности риска отзыва депозитных средств. В качестве меры риска принимается вероятность закрытия счета Pyi 1 X i, где yi – значения признака «наличие признака закрытия», X i - вектор значений факторных признаков i -й группы счетов.

Применение модели бинарного выбора обусловлено тем фактом, что признак нарушения уровня ликвидности принимает значения «0» и «1», и описывать вероятность Pyi 1 X i линейной функцией нецелесообразно.

По этой причине для моделирования значений Pyi 1 X i выбрана функция, у которой область значений определяется отрезком [0,1].

При использовании законов распределения случайной ошибки существуют различные варианты выбора модели с бинарными результативными показателями: гомпит-, логит-, пробит- модели. Проведя анализ информационных критериев Акаике, Шварца и Хенана-Куинна в диссертационном исследовании была выбрана логит-модель, которая имеет следующий вид:

где Xi - вектор значений признаков i-го счета, - вектор коэффициентов. С максимального правдоподобия.

В рамках создания модели оценки риска отзыва депозитных средств выполнены изменения номинальных переменных, которые имеют более двух градаций, в бинарные переменные. В таблице 3 представлены результаты оценки параметров модели.

Таблица 3 - Результаты оценки параметров модели зависимости состояния депозитных счетов от факторных признаков 1, если тип привлечения «Депозит»

1, если периодичность начислений 1, если порядок уплаты процентов Модель оценки риска имеет вид:

На четвертом этапе выполняется оценка точности модели. Она производится на основании классификационной таблицы, в которой отображено количество правильно распознанных случаев. Точность модели задается ответственным сотрудником и может варьироваться, но как правило, устанавливается на уровне 0,5. При таком уровне разработанная модель корректнo распознает 97% случаев закрытия счета и 86% случаев, когда счет остается открытым (таблица 4).

В качестве второго способа проверки предложенной модели используется расчет индекса соотношения правдоподобия (Likelihood ratio, LRI ), который может принимать значение на интервале [0, 1].

Причем при росте числа совпадений между фактическими и расчетными значениями его значение становится ближе к 1. Для полученной модели он составляет 0,74.

Таблица 4 - Классификационная таблица для модели оценки риска отзыва Предсказываемое по модели значение Нет закрытия Есть закрытие Нет досрочного закрытия Есть досрочного закрытия Разработанная модель позволяет на основе данных о счетах оценить риск отзыва депозитных средств, что в свою очередь обеспечит оценку риска ликвидности банка.

3. Разработана модель оценки риска ликвидности банка на основе выявленных факторов риска, включающая в себя в том числе риск оттока депозитных средств.

Для создания модели оценки риска ликвидности предлагается использовать четырехэтапный процесс. Этапы выполняются последовательно, но могут требовать итерационного возврата на предыдущий. Например, если на этапе отбора наиболее информативных факторов риска были исключены те из них, уровень значимости которых недостаточен, то для увеличения точности модели необходимо снова провести этап определения значимости.

необходимо выявить существующие взаимосвязи. Данный подход требует определения таких зависимостей между процессами, когда изменение одного из них является следствием изменения другого. Не все из представленных факторов риска в одинаковой мере влияют на уровень риска, поэтому на первом этапе выполняется процесс определения значимости факторов риска.

Рассматриваемый вектор значений факторов риска подчиняется нормальному закону распределения вероятностей. Для выявления наличия связи между признаком Y и качественными признаками Pi предлагается использовать корреляционный анализ.

С целью анализа линейной зависимости между риском ликвидности и каждым из факторов риска, а также оценки взаимного влияния факторов риска между собой, предлагается использование матрицы парных коэффициентов корреляции R.

pij – парный коэффициент корреляции факторов риска.

корреляции выявлено, что наиболее тесно с риском ликвидности связаны риск отзыва депозитных средств, кредитный риск и риск продажи актива ниже балансовой цены. В то же время существующая связь между факторами риска достаточно тесная. Так, существует практически функциональная зависимость между риском продажи актива ниже балансовой цены (p2) и риском размещения крупных излишков ликвидности по ставкам ниже среднерыночных (p6) – rp2p6=0,96, а также кредитным риском (p3) и риском уменьшения стоимости части активов (p7) - rp3p7=0.93. Влияние на риск ликвидности операционного риска (p8) и риска отзыва прочих привлеченных средств (p5) также незначительно и составляет соответственно 0,03 и 0,05.

После выявления наличия статистически значимых связей между математически описать вид зависимостей с использованием регрессионного анализа. В рамках использования регрессионного анализа необходимо задействовать модель множественной регрессии. Модель множественной регрессии позволяет построить модель с большим числом факторов, определив при этом влияние каждого из них на моделируемый показатель. Из уравнения регрессии следует, что не все коэффициенты являются статистически значимыми, а экономическая интерпретация обратного влияния части факторов риска не поддается экономическому обоснованию.

Для повышения достоверности модели необходимо изменение состава факторов риска путем исключения тех из них, которые не несут существенной информации в дополнение к той, что содержится в оставляемых в модели факторах. Поэтому на втором этапе построения модели предлагается произвести отбор факторов риска с показателем значимости ниже заданного уровня. На основании экспертного заключения риск-подразделения банка, что ниже определенного уровня значимости факторы риска не оказывают существенного влияния на риск ликвидности, их возможно не учитывать для упрощения модели. Если значимыми являются не все факторы риска, то составляется новое уравнение, в котором незначимые регрессоры будут отсутствовать. Далее модель переходит на второй этап, после чего происходит новая итерация.

Переход к следующему этапу осуществляется после того, как все диссертационного исследования предложено использование для построения модели нижнего порогового уровня значимости факторов риска на уровне выше значения 0,05. В результате в дальнейших расчетах не будут учитываться операционный риск и риск оттока прочих привлеченных средств. Учитывая тесную взаимосвязь между риском уменьшения стоимости части активов кредитора и риском неуплаты в срок суммы долга и процентов по нему отдельно взятым заемщиком, предлагается в дальнейшую модель оценки риска ликвидности включить только один из них. Обоснованием данного решения служит тот факт, что при экономической интерпретации можно сделать заключение, что указанные факторы представляют собой отражение кредитного риска.

Поэтому целесообразно оставить тот из факторов, который имеет большее влияние на риск ликвидности (p3), понимая под этим выражение кредитного риска. Аналогично, в связи с выявленной теснотой связи между риском продажи актива ниже балансовой цены и риском среднерыночных, факторы можно представить в форме проявления ценового риска.

В результате построения матрицы парных коэффициентов для проведения дальнейшего анализа были определены факторы риска, имеющие достаточную тесноту связи с показателем риска ликвидности банка, а также были обобщены те факторы, теснота связи между которыми была близка к функциональной, а именно: риск отзыва депозитных средств, риск несбалансированных активно-пассивных операций по срокам, рыночный риск, валютный риск, ценовой риск.

Множественная детерминация R2=0,83 указывает на адекватность модели, а величина критерия t-статистики превышает значение |2| почти для всех коэффициентов уравнения регрессии, что свидетельствует о значимости всех включенных в модель объясняющих переменных.

Разработанная модель оценки риска ликвидности банка позволяет повысить точность оценки наступления данного риска, связанного с неисполнением банком своих обязательств, что в свою очередь будет управления ликвидностью.

4. Разработан программный инструментарий оценки риска ликвидности банка.

В рамках осуществления деятельности подразделений рискменеджмента банка возникла необходимость в создании программного инструментария, который позволит автоматизировать процесс оценки риска ликвидности.

В диссертационном исследовании сформулированы следующие требования к программному инструментарию оценки риска ликвидности:

1. Интеграция: данные, необходимые для анализа и построения модели оценки риска ликвидности банка, должны поступать из внешних источников и размещаться в базе данных. Схема базы данных должна быть разработана с учетом специфики системы.

2. Совместимость: реализация модели оценки риска ликвидности банка в виде программных модулей должна обеспечивать совместимость результатов работы разработанного алгоритма с существующими процессами управления ликвидностью.

3. Модульность: модель должна использоваться при разработке модулей оценки риска и проведения стресс-тестирования риска, по результатов работы согласно потребностям риск-подразделений банка.

4. Актуальность данных: для функционирования программного инструментария должна использоваться актуальная информация из центральных банковских справочников, которая необходима для проведения расчетов, что в свою очередь исключит возможность выдачи неактуально информации об уровне риска.

5. Информационная безопасность: в программном инструментарии должны обрабатываться данные о различных банковских процессах, состоянии баланса, расчеты внешних рисков, а также данные, которые можно отнести к категории банковской тайны и коммерческой тайны.

Исходя из поставленных задач оценки риска ликвидности банка, а также определенных требований, была разработана архитектура программного инструментария оценки риска ликвидности, которая представлена на рисунке 1.

Предложенная архитектура программного инструментария оценки подсистемы проведения стресс-тестирования банковской ликвидности.

Все подсистемы используют единую базу данных, агрегирующую данные из внешних источников для проведения дальнейшей оценки риска и мероприятий по проведению стресс-тестирования.

источники банковские системы Рисунок 1 - Архитектура программного инструментария оценки риска В результате проведенного анализа применяемых технологий в области реализации функций банковского риск-менеджмента были определены программные средства, которые необходимы для создания инструментария оценки риска ликвидности. Программные средства представлены в таблице 5.

осуществить процесс извлечения данных из внешних источников, очистку и загрузку, предлагаемый в качестве ETL-инструмента IBM InfoSphere DataStage.

Таблица 5 - Программные средства, используемые для разработки инструментария оценки риска ликвидности банка Выполняемая функция при анализе риска Программное средство Извлечение данных, трансформация и IBM InfoSphere DataStage очистка, загрузка (ETL) в БД Интерфейс инструментария оценки риска Интерфейс реализован с Применение разработанного программного инструментария, реализующего модель оценки риска ликвидности банка, способствует:

управлении ликвидностью, а также определении стратегии формирования структуры баланса банка;

повышению скорости обработки информации, что в свою очередь сказывается на своевременности принимаемых решений;

снижению уровня операционного риска за счет минимизации операций ручной обработки и повышению объективности получаемой из внешних источников информации.

инструментария оценки риска ликвидности банка. Также был рассчитан экономический эффект от его внедрения в деятельность подразделений ОАО «Газпромбанк».

В диссертационной работе разработана и описана методика применения программного инструментария оценки риска ликвидности, который предназначен для сотрудников Департамента управления ликвидностью, а также сотрудников Департамента контроля рисков.

Разработанный инструментарий позволяет осуществлять оценку риска ликвидности двумя способами: на текущий момент в режиме реального времени и используя сценарии стресс-тестирования. Для каждого способа реализована соответствующая подсистема. При этом для каждой из них алгоритм отличен. Для подсистемы проведения стресстестирования применяется следующая методика.

ликвидности банка предполагает ввод используемых показателей используются данные определенного сценария. Этап реализуется программно с помощью пункта меню «Заполнить значения факторов риска». Возможна реализация при которой уровни риска будут автоматически генерироваться в рамках определенных диапазонов в случае выбора на форме того или иного стресс-сценария. При этом в качестве модели оценки риска используется модель, имеющая факторы риска, определенные в модуле определения факторов риска. После заполнения значений факторов риска сотрудник риск-подразделения, ответственный за проведение стресс-тестирование, нажимает на кнопку «Рассчитать». На экране высвечивается окно подтверждения «Рассчитать уровень риска ликвидности для заданного сценария?». В случае подтверждения происходит расчет и выдача результата.

программный инструментарий оценки риска ликвидности банка прошли апробацию в ОАО «Газпромбанк». В целях анализа экономического эффекта от применения разработанного инструментального средства рассмотрена динамика количества выявленных случаев нарушения уровня ликвидности банка. Так, количество выявленных случаев нарушения ликвидности на октябрь 2013 года снизилось на 22% по сравнению с аналогичным периодом в 2012 году. Также на 94 млн. рублей уменьшилась сумма на покрытие дефицита ликвидности.

возможности эффективного применения разработанных модели и программного инструментария оценки риска ликвидности банка.

Указанный инструментарий способствует повышению обоснованности принимаемых решений, а также снижению выявленных случаев нарушения уровня риска ликвидности банка.

III. ОСНОВНЫЕ ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

Научные статьи в журналах, рекомендованных ВАК Министерства образования и науки России:

1. Федоров Б.М. Оценка риска оттока отдельных групп привлеченных средств банка // Экономика, статистика и информатика. Вестник УМО – 2013. – №5. - с.112-116. – 0,6 п.л.

2. Федоров Б.М. Разработка модели оценки риска ликвидности банка // РИСК: Ресурсы. Информация. Снабжение. Конкуренция, 2013. – № 3. – с.222–225. – 0,6 п.л.

3. Федоров Б.М. Определение факторов риска ликвидности банка с учетом структуры активно-пассивных операций // Интеграл. - 2013. с.76-77. – 0,3 п.л.

Труды конференций и статьи в других изданиях:

4. Федоров Б.М. Торговые советники как экспертная система для торговли на финансовых рынках // XV Научно-практическая конференция «Реинжинринг бизнес-процессов на основе современных информационных технологий. Системы управления знаниями (РБПСУЗ-2012): Материалы конференций» - МЭСИ. Москва - с.219-222. п.л.

5. Федоров Б.М. Valuation methods of influence of e-payments on the bank liquidity risk level // "ECOMMIS" TEMPUS Project", Berlin Institute of Technology, - 0,2 п.л.

6. Федоров Б.М. Применение методики стресс-тестирования для оценки риска ликвидности банка // Федерация, 2013. - №9-10. – с.44-48. – 0, 7. Федоров Б.М. Применение имитационных моделей при управлении банковскими рисками // Наука и образование в XXI веке: сборник научных трудов по материалам Международной научно-практической конференции 30 сентября 2013г.: в 34 частях. Часть 6. – 2013 – с.146п.л.

8. Дик В.В., Федоров Б.М. Создание инструментального средства управления риском ликвидности банка // Федерация, 2014. - №1-2. – с.29-31. - 0,3 п.л. (из них авторские - 0,2 п.л.) Подписано к печати 24.04. Формат издания 60х84/16 Бум. офсетная №1 Печать офсетная Печ.л. 1,5 Уч.-изд. л. 1,4 Тираж 100 экз.

Заказ № Типография издательства МЭСИ. 119501, Москва, Нежинская ул.,