Диверсифицированное кредитование. Реферат управление ссудным портфелем коммерческого банка в современных российских условиях. Защита от рисков

Основной задачей диверсификация портфеля является снижение рисков потери денежных средств. Она представляет собой инвестирование в разнообразные активы. При этом целью диверсификации является также такое перераспределение собственных ресурсов, которое позволит сохранить или увеличить доходность портфеля. Для достижения этих задач применяются разные механизмы. В числе основных можно назвать использование разнообразных типов финансовых инструментов. Например, облигаций и акций. Кроме того, можно использовать разные инструменты одного вида. Примером является вложение денежных средств в акции нескольких организаций.

Виды рисков

Чтобы осуществить эффективную диверсификацию портфеля необходимо для начала классифицировать различные риски. В качестве примера предлагается рассмотреть акции кредитно-финансового учреждения. На деятельность банков влияют риски нескольких основных категорий. К их числу относятся государственные, экономические риски, а также риски отрасли, сегмента или отдельной компании. Для понимания процесса диверсификации портфеля инвестиций лучше их рассмотреть более подробно.

Итак, государственные риски представляют собой обстоятельства, которые способны изменить бизнес-климат в стране. Как правило, причиной таких перемен является принятие новых законов и других нормативно-правовых актов, а также национализация частной собственности. Кроме того, к пагубным воздействиям можно отнести революции или политические потрясения.

Экономические риски сопряжены, в первую очередь, с макроэкономической ситуацией. Нестабильность в этой области может быть вызвана финансовыми кризисами, рецессией или стагнацией. К рискам сегмента относятся кризисные явления на биржах. К рискам кредитно-финансовой отрасли можно отнести межбанковские кризисы. Кроме того, всегда существует вероятность банкротства конкретного банка. В данном случае речь идет о рисках отдельной организации.

Диверсификация рисков разных видов

Теперь можно подробно рассмотреть механизмы, позволяющие диверсифицировать портфель в зависимости от класса существующих угроз. Например, для распределения государственных рисков целесообразно разделить собственные финансовые ресурсы между сразу несколькими странами. Такой метод используют крупнейшие игроки на рынке. Речь идет о международных инвестиционных фондах. Такие организации концентрируют у себя значительные объемы сбережений физических и юридических лиц и имеют широкие возможности для диверсификации портфеля.

Для перераспределения вложений и минимизации влияния экономических рисков целесообразно использовать различные инвестиционные инструменты. Например, акции и драгоценные металлы. Во время рецессии и стагнации в экономике денежные ресурсы большинства инвесторов дрейфуют в материальные активы. Например, в золото. При падении стоимости акций возникает вероятность сохранения стабильных цен на рынке драгоценных металлов.

Диверсификация биржевых рисков

Эффективным механизмом для минимизации рисков, связанных с ситуацией на биржевых площадках, является так называемое бета-хеджирование. Оно заключается во включении в портфель инвестиций таких активов, тенденция к изменению стоимости которых противоположна движению на рынке. Также для диверсификации финансового портфеля можно использовать такой механизм, как приобретение разных типов активов. Например, акций и облигаций.

Риски в отдельной отрасли или компании

Чтобы предупредить отраслевые риски используют инвестирование в различные участки одного и того же типа активов. Например, акции кредитно-финансового учреждения. В данном случае целесообразно инвестировать ресурсы не только в ценные бумаги банка, но и в другие имущественные права. Хорошим вариантом является параллельное вложение в акции сырьевых компаний. Кроме того, для еще большего нивелирования рисков в портфель можно включить сразу нескольких предприятий, работающих в одной отрасли.

Наивная диверсификация

Одной из наиболее распространенных ошибок начинающих инвесторов можно назвать движение по пути так называемой наивной диверсификации портфеля инвестиций. Что это такое? Она заключается в покупке акций или облигаций разных компаний без предварительного анализа угрозы, от которой производится подобная подстраховка. В качестве примера можно привести приобретение инвестором ценных бумаг двух или нескольких нефтедобывающих компаний. В данном случае предпринимается попытка защитить свои вложения от падения котировок на черное золото, но значительное снижение его стоимости на мировых рынках неминуемо вызовет уменьшение цены инвестиционного портфеля.

Другими словами, наивная диверсификация инвестиционного портфеля — это такой тип, который способен обезопасить активы инвестора лишь на случай банкротства какого-то отдельного предприятия. А вот от изменения что в последние годы случается крайне часто, не защитит. Чтобы минимизировать риски проседания целой отрасли следует диверсифицировать капитал меду разными отраслями экономики. В то же время хорошим способом защититься от снижения стоимости энергоресурсов является включение в портфель инвестиций финансовых производных. Например, фьючерсов.

Диверсификация кредитного портфеля

Смысл данной разновидности заключается в его распределении среди заемщиков, которые характеризуются разной величиной капитала или формой собственности. Кроме того, банковские учреждения при выдаче займов учитывают и другие условия деятельности хозяйствующих субъектов. Например, отрасль экономики и географическое размещение производств. В связи с этим разделяют три основных вида диверсификации кредитного портфеля: портфельную, по отрасли и по географии.

Портфельная диверсификация

Данный вид распределения капитала предполагает выдачу кредитов самым разнообразным категориям заемщиков. Это могут быть крупные и средние компании, малый бизнес, частные лица, государственные учреждения или общественные организации, домохозяйства и другие субъекты. Например, займы, выданные представителям малого бизнеса, как правило, имеют более высокую доходность. В то же время им сопутствуют и значительные риски. Небольшие предприниматели не имеют возможности свободного выбора кредитора. Поэтому банки могут заключать сделки с представителями сферы малого бизнеса на своих условиях. А вот кредиты, выданные крупным компаниям, имеют меньшую доходность, но и риски тут незначительные.

Отраслевая диверсификация

Данный вид предполагает перераспределение капитала кредитно-финансового учреждения между заемщиками, которые осуществляют свою деятельность в разных отраслях экономики. Для эффективного подбора рекомендуется использовать статистические исследования специализированных компаний. Особого эффекта при отраслевой диверсификации кредитного портфеля банка можно добиться, если выбирать заемщиков, осуществляющих свою хозяйственную деятельность с противоположными фазами делового цикла.

Кроме того, целесообразно выбирать области экономики, в которых на результаты работы предприятий данного сегмента не оказывает серьезного влияния общая экономическая ситуация. Что это дает? Когда одна из отраслей находится в процессе роста, другая может испытывать рецессию или стагнацию. Вероятно, что с течением времени они поменяются местами. В таком случае уменьшение доходов от одной категории заемщиков будет компенсироваться увеличением выручки от другой группы. Иными словами, будут созданы условия для обеспечения стабилизации поступлений банка, что значительно уменьшит риски.

Географическая диверсификация

Сразу следует отметить, что данный механизм зачастую доступен лишь очень крупным кредитно-финансовым учреждениям. Они, как правило, имеют разветвленную сеть отделений и филиалов на большой территории. Смысл такой диверсификации рисков портфеля заключается в выдаче займов лицам и организациям, которые находятся в различных регионах страны и даже нескольких государствах. Неидентичные экономические условия благодаря широкой географии кредитования позволят минимизировать негативные влияния разного рода факторов.

Кроме того, в пользу такого вида диверсификации говорят и различные климатические условия, политические обстоятельства, уровень развития промышленности и производства в том или ином регионе. Следует отметить, что и небольшие кредитно-финансовые учреждения могу использовать данный способ. Но в основном лишь во время создания инвестиционного портфеля, дающего возможность снизить общую рисковость деятельности банка.

Похилый Евгений Юрьевич
Начальник экономико-планового отдела
ООО «Центр новых технологий»
ученая степень – кандидат экономических наук
адрес электронной почты – [email protected]

Дата публикации: 26.03.2018 г.

Аннотация. На текущий момент формирование структуры активов является основополагающей задачей инвесторов и банков. В статье рассмотрены основные предпосылки и критерии диверсификации портфеля исходя из аналитических данных различных отраслей промышленности. Выполнен анализ необходимости мониторинга и коррекции состава активов в зависимости от отраслевых рисков, экономических показателей и их динамики. Рассмотрены предпосылки анализа ретроспективных данных, модели и методики прогнозирования стоимостных показателей активов
Ключевые слова: актив, отраслевая диверсификация, анализ данных, модели и методы прогнозирования стоимостных показателей актива.

Abstract. At this moment the formation of the structure of assets is fundamental task for investors and banks. The article considers the main prerequisites and criteria for diversifying of the portfolio on the base of analytical data of different industries. There is performed the analysis of necessity for monitoring and correction of the structure of assets depending on industry risks, economic indicators and their dynamics. There are considered the prerequisites of the retrospective data analysis, models and methods for predicting the value of assets.
Keywords: asset, industry diversification, data analysis, models and methods for predicting of the assets value.

ФОРМИРОВАНИЕ КРЕДИТНОГО ПОРТФЕЛЯ БАНКА НА ОСНОВЕ ОТРАСЛЕВОЙ ДИВЕРСИФИКАЦИИ
FORMATION OF THE BANK CREDIT PORTFOLIO ON THE BASIS OF INDUSTRIAL DIVERSIFICATION

В современных условиях инвестиционной деятельности формирование портфеля активов является первостепенной задачей, решаемой аналитическими подразделениями инвесторов и кредитных организаций. Успешность решения данной задачи полностью определяет не только благополучие отдельного инвестора, его акционеров и менеджмент, но может оказать существенное влияние на основной сектор инвестирования и данную отрасль промышленности. В связи с чем, принятие инвестиционных решений требует значительных трудозатрат на аналитику подготовку сделок, особенно при размещение значительных сумм. Частично данную задачу может решить инвестирование в финансовые инструменты, состоящие из определенного набора активов, отвечающих требованиям инвестора к диверсификации, доходности и риску. К данным инструментам возможно отнести ценные бумаги выпущенные банками, портфель активов которых также распределен между определенными сегментами/отраслями, различные ценные бумаги выпускаемые фондами и инвестиционными компаниями, а также в те инструменты, доходность по которым привязана к индексам. При инвестировании в ценные бумаги крупных эмитентов, в т.ч. иностранных банков, в наличие различные риски, неконтролируемые инвесторов – так при приобретении облигаций, представляющих собой аллокирование кредитных требований к заемщикам банка (CLN и инструменты-аналоги), в наличие риск, что при дефолте долг будет конвертирован в капитал первоначального заемщика, что практически минимизирует возможности возврата.

Особенное внимание требуется уделить мониторингу активов банков, т.к. деятельность банковской сферы является основой для формирования денежно-кредитной политики в большинстве стран. Также в связи с тем, что банки, негосударственные пенсионные фонды (далее – «НПФ») преимущественно фондируются средствами физических лиц. Значительное кол-во отзывов лицензий на осуществление банковской деятельности обусловлены высокорискованной кредитной политикой и финансированием проектов с повышенным уровнем риска. Таким образом, на текущий момент целесообразна разработка комплекса мер для мониторинга и своевременной коррекции состава и качества активов банков.

Согласно Федеральному закону «О банках и банковской деятельности» от 02.12.1990 г. №395-1 , Федеральному закону «О Центральном банке Российской Федерации (Банке России)» от 10.07.2002 г. № 86-ФЗ основными задачами деятельности Центрального банка Российской Федерации (далее – «ЦБ РФ») являются защита и обеспечение устойчивости рубля, развитие и укрепление банковской системы РФ, обеспечение эффективного и бесперебойного функционирования платежной системы. Исходя из ретроспективы, реагирование осуществляется только на достаточно резкие изменения финансового положения кредитных организаций, что преимущественно приводит к значительной потери средств клиентов.

Проведенный в настоящей статье анализ выполнен на основе данных 2017 г. исходя из финансовых показателей банков, у которых была отозвана лицензия в течение данного года .

Таблица 1

Перечень отозванных лицензий кредитных организаций

№	Наименование	Дата отзыва	Активы, млрд. руб.	Доля кредитов в активах	Доля кредитов ЮЛ	Распределение кредитов ЮЛ по основным отраслевым направлениям
						Строительство	Промышленность	Торговля
	Югра	28.07.2017	322,0	54,08%	79,52%	26,58%	21,55%	35,92%
	Татфондбанк	03.03.2017	210,6
	Росэнергобанк	10.04.2017	56,9
	Образование	21.04.2017	55,9
	Межтопэнергобанк	20.07.2017	48,9
	Интехбанк	03.03.2017	30,3
	Русский Международный Банк	04.09.2017	28,2
	Спурт Банк	21.07.2017	22,7
	Легион	07.07.2017	22,7
	Темпбанк	02.10.2017	17,2
	Солидарность (Москва)	15.12.2017	14,6
	ГПБ-Ипотека	21.02.2017	13,9
	Новопокровский	04.12.2017	11,4
	Нефтяной Альянс	14.03.2017	11,0
	Торговый Городской Банк	13.03.2017	9,8
	Енисей	09.02.2017	9,2
	Анкор Банк	03.03.2017	8,0
	Северный Кредит	29.12.2017	7,9
	Северо-Восточный Альянс	21.08.2017	7,5
	Владпромбанк	28.04.2017	5,8
	Гаранти Банк - Москва	27.04.2017	4,9
	МФБанк	04.10.2017	4,5
	Крыловский	02.08.2017	4,0
	Айви Банк	29.05.2017	3,9
	Риабанк	17.08.2017	3,5
	Банк Экономический Союз	13.03.2017	3,5
	Рапида	27.04.2017	3,3
	Новый Символ	27.11.2017	3,3
	Сибэс	28.04.2017	3,2
	Банк Премьер Кредит	10.07.2017	2,8
	Канский	13.12.2017	2,7
	Татагропромбанк	05.04.2017	2,7
	Тальменка-Банк	23.01.2017	2,4
	Новация	23.01.2017	2,4
	Резерв	09.08.2017	2,2
	Международный Строительный Банк	28.04.2017	2,2
	Преодоление	22.12.2017	2,0
	Сириус	23.01.2017	1,7
	Булгар Банк	16.01.2017	1,6
	Северо-Западный 1 Альянс Банк	16.02.2017	1,2
	Регионфинансбанк	17.11.2017	1,1
	Сталь Банк	10.07.2017	1,1
	Финарс Банк	21.04.2017	1,1
	Арсенал	21.09.2017	0,9
	Московский Национальный Инвестиционный Банк	05.07.2017	0,9
	Анелик РУ	09.08.2017	0,7
	РИТЦ Банк	29.05.2017	0,6
	Европейский Стандарт	04.12.2017	0,6
	Интеркоопбанк	15.05.2017	0,4
	Информпрогресс	15.05.2017	0,4
	Континент Финанс	09.08.2017	0,2
	Фидбэк	19.06.2017	0,1
	Расчетный Финансовый Дом	19.06.2017	0,1
	Платежный Клиринговый Дом	14.11.2017	0,1

Согласно данным из общедоступных источников основную часть нетто-активов банков составляет кредитный портфель, большею часть которого формируют требования к юридическим лицам. Таким образом, основным источником риска деятельности банков является кредитный портфель, в структуре активов банков - более 55% доля кредитов, в т.ч. 80% из них выдано юридическим лицам согласно табл.1 .

Рис.1. Динамика доходности основных отраслей согласно данным ММВБ

Согласно данным рис.1 и табл.1 возможно сделать вывод, что наибольшая часть кредитного портфеля банков, у которых ЦБ РФ отозвал лицензию в 2017 г., относятся к направлениям девелопмента (в т.ч. строительство и сделки с недвижимостью), торговли и в меньшей степени - промышленность.

Динамика стоимости активов данных секторов в 2017 г. и, соответственно, доходность вложения в них имели отрицательные показатели, что в целом подтверждает предпосылки отзыва лицензий. Кредитование направлений, которые находятся в низводящем тренде, подразумевает повышенный риск дефолта заемщика, т.к. рискам отдельного проекта или заемщика добавляются значительные отраслевые риски и связанная с ними непредсказуемость. Данные показатели подтверждают необходимость разработки новых моделей и методик для анализа кредитного риска и подходов к его минимизации - существующие не позволили своевременно учесть риски, приведшие к дефолту банков. Основанием для отзыва лицензий большинства банков, представленных в табл.1, является высоко рискованная кредитная политика. Наличие критериев и требований к составу портфеля может позволить снизить количество случаев форс-мажора, приводящих к отзыву лицензий банков и, соответственно, снизить выплаты.

Мониторинг качества кредитного портфеля является одной из основополагающих функций регулятора. Кредитный портфель и категорирование ссуд выполняется преимущественно исходя из Положения Банка России от 26.03.2004 №254-П «О порядке формирования кредитными организациями резервов на возможные потери по ссудам, по ссудной и приравненной к ней задолженности» . Данный документ предполагают анализ конкретных ссуд и не предусматривают рассмотрение показателей отрасли заемщиков. Возможность учета показателей отраслей и сфер деятельности укрупненно применяется частью банков в рамках использования рейтинговых моделей, соответствующих требованиям базельских соглашений. Но данные модели предусматривают использование данных о состоянии отрасли преимущественно при вводе качественных показателей, а не количественных. Использование данных моделей имеет фактор субъективности при оценке влияния качественных показателей на расчетные рейтинги заемщиков. Целесообразно внедрение и разработка моделей, которые позволят учесть динамику показателей различных отраслей заемщиков через количественные показатели.

Таким образом, на текущий момент необходима разработка моделей и методик формирования, мониторинга кредитных портфелей банков устанавливающих требования не только к качеству заемщиков, но и отраслевому составу кредитного портфеля на основе следующих направлений:

1. анализ ретроспективы экономических показателей отраслей, которые финансирует банк;
2. прогноз экономических показателей отраслей, исходя из которых банк планирует формировать кредитный портфель;
3. анализ качества заемщиков исходя из требований нормативных документов, регулирующих банковский сектор и базельских соглашений.

Требования к отраслевой диверсификации кредитного портфеля целесообразно варьировать в зависимости от суммы активов кредитных организаций. Так для небольших банков и микрофинансовых организаций возможно не устанавливать требования к составу портфелю, т.к. часть из них имеют моно отраслевое направление деятельности. Возможно внести ранжирование к требованиям диверсификации на основе размера активов банков .

Таблица 2

Ранжирование отзывов по величине активов и распределение банков на группы

№	Активы	Кол-во отзывов в 2017 г.	Сумма активов в 2017 г., млрд. руб.	Целесообразность требований к составу портфеля
	Более 100 млрд. руб.		532,6
	От 50 млрд. руб. до 100 млрд. руб.		112,8
	От 20 млрд. руб. до 50 млрд. руб.		152,8
	От 10 млрд. руб. до 20 млрд. руб.		68,1
	От 5 млрд. руб. до 10 млрд. руб.		48,2
	До 5 млрд. руб.		66,2

Согласно табл.2 наибольшее количество отзывов лицензий характерно для банков с величиной активов до 5 млрд. руб, но более 88% суммы приходится на банки с активами от 10 млрд. руб. Исходя из чего для разработки первичных моделей и методик формирования состава активов целесообразно рассматривать для банков с величиной активов от 10 млрд. руб. и более.

Внедрение предлагаемых к разработке моделей и методик позволит контролировать финансирование проектов собственника кредитной организации, т.к. может стать дополнением к нормативу Н6 (согласно ст.64 - «Максимальный размер риска на одного заемщика или группу связанных заемщиков…» ФЗ от 10.07.2002 №86-ФЗ «О Центральном банке Российской Федерации (Банке России)») – в рамках предотвращения недобросовестных действий владельцам банков, связанных с финансированием собственных проектов, преимущественно относящихся к одной отрасли. Актуальность вышесказанного подтверждается тем, что деятельность части банков, преимущественно средних и маленьких исходя из суммы активов) обусловлена необходимостью фондирования их владельцами своих проектов – банк является инструментов привлечения финансирования. Также внедрение новых моделей и методик позволит увеличить прозрачность финансового сектора для упрощения привлечения фондирования, в т.ч. у иностранных инвесторов. Наличие позадачности в структуре активов и понимание наличия высокой степени сохранности средств является одним из главных требований при присвоении рейтинга специализированными агентствами.

Разработка новых моделей и методик, отвечающих заданным критериям также потребует:

• учесть особенности инвестирования в различные активы реального сектора по сравнению с финансовыми инструментами. Постоянное влияние внешних факторов, должно коррелировать с требованием к составу отраслей кредитного портфеля;
• выполнять постоянный анализ отраслевых рисков. С учетом высокой степени влияния санкций на ситуация в отраслях требуется ежеквартально выполнять мониторинг текущей ситуация, обновляя требования к составу портфеля банков. После публикации актуализированных рекомендаций – с данной даты целесообразно предоставление кредитов банками исходя из новых рекомендаций без изменений в уже существующих портфель;
• сохранить возможность предоставления банком мотивированного суждения для возможности частичного отклонения от критериев состава портфеля при ретроспективных индивидуальных особенностях деятельности части банков;
• предоставить рекомендации банкам в рамках работы с заемщиками по активному участию в работе с отраслевыми министерствами для привлечения различной поддержки своих заемщиков и улучшения качества своего кредитного портфеля на основе субсидий и пр. Указанное позволит повысить экономическую устойчивость и снизить риск. На текущий момент активно развиваются и успешно действуют программы субсидирования различных отраслей Министерством промышленности, сельского хозяйства, туризма и пр.

Основными предпосылки при составление портфеля будут являться показатели рынка: составление анализа доходности отраслей на основе крупнейших аналогов, представленных в листинге фондовых площадок - т.к. их изменение их экономических показателей в целом отражает ситуацию в отдельных отраслях.

Анализ ретроспективы экономических показателей отраслей и кредитного портфеля

Для первичного анализа кредитного портфеля и иллюстрации соответствующих данных возможно выполнить расчёт нескольких показателей, характеризующих отрасли основных направлений кредитования, а также совокупные средневзвешенные данные для банков, у которых в 2017 г. были отозваны лицензии. Ретроспектива стоимостных показателей отраслей приведена на рис.1 и характеризуется спадом для основных секторов кредитования банками – девелопмент, торговля.

Анализ кредитного портфеля выполняется исходя из перечня банков, приведённых в табл.1. Распределение портфеля в табл.3 соответствует средневзвешенным показателям для банков, у которых в 2017 г. была отозвана лицензия. Для прочих отраслей, доля которых не детализирована – показатели рассчитана исходя из индекса MICEX, характеризующего средние показатели всего рынка России. Для первичного укрупненного анализа целесообразно выполнить расчет базовых показателей для отдельных отраслей и совокупного портфеля :

Коэффициент Шарпа: используется для определения того, насколько доходность актива компенсируется риском актива.

SR i – коэффициент Шарпа (в ед.);
SD i – стандартное отклонение i-ого актива;
D i – дисперсия i-ого актива;
E(R i ) – ожидаемая доходность i-ого актива;
E(R f ) – ожидаемая доходность безрискового актива.

Анализ текущего и оптимального портфеля исходя из критериев Марковица (метод Хуанга и Литценбергера): оптимизация в рамках поиска эффективного портфеля в контексте соотношения «средняя доходность – дисперсия», где эффективные точки характеризуют максимальную ожидаемую доходность для заданного риска.

(2), где:

R p – доходность портфеля;
V – доля актива в портфеле.

(3), где:

P ij – коэффициент корреляции.

Метод Хуанг и Литценбергер предлагает найти две точки эффективного множества и затем получить из этих точек все эффективное множество (принимаем, что в оптимизационной задаче нет ограничений на веса активов). Чтобы найти два эффективных портфеля (g и h) вычисляются четыре скалярные величины (A, B, C, D - первые три являются произведениями векторов и матриц, а четвертая зависит от трех предыдущих):

Показатели для средневзвешенного портфеля кредитов банков у которых была отозвана лицензия в 2017 г. приведена в табл.3. В качестве безрисковой принята ставка ОФЗ.

Таблица 3

Расчетные показатели портфеля кредитов на основе данных рынка

№	Наименование отрасли	Доля	Доходность*	Станд. откл.	Безрисковая ставка (доходность ОФЗ)*	Коэф. Шарпа	Требование к позициям
	Торговля	35,92%	0,09%	1,95%	0,16%	0,13	41,69%
	Производство	21,55%	0,06%	1,72%	0,16%	0,05	118,46%
	Строительство, девелопмент	26,58%	0,56%	3,10%	0,16%	0,23	22,00%
	Прочее	15,95%	0,02%	2,18%	0,16%	0,06	38,15%
-	Итого	100,00%	0,17%	2,25%	0,16%	0,14	0,00%

* процентов в неделю по 2017 г.

Исходя из коэф. Шарпа наиболее оптимальным направлением является кредитование производства, т.к. для остальных отраслей показатель ниже. Требования к позициям отражает то, что только в рамках производства и торговли (в меньшей степени) возможны положительные вложения, в рамках прочих отраслей целесообразно снижать активы. Таким образом структура средневзвешенного портфеля кредитов банков исходя из общего анализа данных рынков является несбалансированной и рискованной, положительная динамика в рамках которого возможно только исходя из уникальных качеств отдельных проектов, а не их отраслей.

Прогноз экономических показателей отраслей

Для прогнозирования показателей различных отраслей целесообразно рассмотреть имеющиеся на текущей момент модели и методы и на их основе предложить разработать оптимизированные – для решения задачи банковского регулирования .

1. Модель экономический рядов на основе вейвлет-преобразования

Данная математическая модель анализирует данные, обеспечивает представление времени и частоты (анализ временного масштаба). Используется для анализа ценовых временных рядов .

Вейвлет-преобразования наиболее подходят для нестационарных данных - ценовые ряды нестационарны и неустойчивы по своей природе, поэтому использование вейвлет-преобразований дает точные результаты прогнозирования.

Преобразование Фурье распределяет первоначальную стоимость в серию линейных комбинаций. Используя вейвлет-преобразования возможно распределение на более гибкие функции исходя частоты и времени. в сумму более гибкие функции, то есть. локализованных как по времени, так и по частоте. Вейвлет-преобразование разделяется на непрерывное вейвлет-преобразование (далее – «НВП») и дискретное вейвлет-преобразование (далее – «ДВП»).

НВП имеет следующий вид:

Где:

Ψ - комплексное сопряжение;

a - параметр масштабирования;

b - переводный параметр.

Каждый вейвлет создается путем масштабирования и перевода операций.

ДВТ имеет следующий вид:

Где:

m - параметр масштабирования

n - параметр выборки.

Технически данные о ценах преобразуются в низкие и высокие коэффициенты. Низкие коэффициенты - это данные на основе фильтрации нижних частот, а высокие коэффициенты - содержат информацию о пиках, которые происходят в исходных данных колебания стоимости.

2. Модели прогнозирования на основе линейных регрессий

Подходящая модель для стационарных временных рядов, но большинство стоимостных показателей не стационарны. Чтобы преодолеть эту проблему и позволить модели ARMA обрабатывать нестационарные данные, новая модель вводится для нестационарных данных используется Auto-Regressive Integrated Moving Average (ARIMA), которая успешно применяется для прогнозирования стоимости на сырьевые товары .

Существует много моделей ARIMA – преимущественно в модели ARIMA в наличии следующие переменные:

p - количество авторегрессионных членов;

q - количество прогнозируемых ошибок в уравнении прогнозирования;

d - количество различий.

Если нет различия (d = 0), то модель ARIMA можно назвать моделью ARMA.

Модели ARIMA исходит из авторегрессии (AR), скользящей средней (MA) и авторегрессивной скользящей средней (ARMA). В моделях AR, MA и ARMA выполняются условия стационарного состояния, поэтому они применимы только к стационарным рядам. Модель ARIMA исходит из изменения стоимости вместо стоимости.

2.2. Модель вторегрессионной условной гетероскедастичности (GARCH)

GARCH означает обобщенную авторегрессивную условную гетеросекастичность – нацелена на моделирование волатильности цен, в то время как ARIMA нацелены на моделирование и прогнозирование самой изменяющейся стоимости .

Существует значительное количесвто разновидностей данной модели: ARCH, GARCH, GARCH-M, асимметричные модели GARCH (EGARCH, AGARCH, TGARCH, GJR-GARCH, QGARCH, IGARCH (Модели с долгой памятью), APGARCH (Обобщающие модели), Регрессионные модели с GARCH-ошибкой и пр.

В данной модели предполагается, что термин ошибки будет последовательно скоррелирован и может быть смоделирован с помощью процесса авторегрессии . Таким образом, процесс GARCH может измерять волатильность временного ряда колебаний стоимости. Модель GARCH имеет следующий вид:

Где:

p - порядок GARCH-членов σ 2 t - j ;

q - порядок ARCH-членов u 2 t - i .

Необходимое условие стационарности:

Модель GARCH может измерять подразумеваемую волатильность из-за скачков цен.

3. Модели прогнозирования, основанные на нелинейные эвристики

3.1. Модель искусственной нейронной сети

Большинство моделей временных рядов являются линейными, в то время как стоимость является нелинейной функцией, что затрудняет использование методов временных рядов для полного воспроизведения поведения стоимости. Нейронные сети представляют собой взаимосвязанные простые процессы, предназначенные для моделирования того, как выполняется определенная задача. Сеть обычно состоит из трех-четырех слоев, и во время моделирования нейроны во входном слое передают необработанную информацию остальным нейронам в других слоях. Нейронная сеть использует функцию обучения для изменения веса переменных соединения на входе каждого элемента обработки. Модели могут быть дифференцированы в зависимости от типа функции обучения, алгоритма обучения и скрытых слоев и т.д. Обычно для прогнозирования стоимости выбираются трехслойные нейронные сети .

Данные модели приобрели популярность благодаря возможностям решения неопределенной взаимосвязи между входными и выходными переменными, приближенной комплексной нелинейной функцией и внедрением нескольких алгоритмов обучения. Тем не менее, у нейронной сети также есть недоставки - сеть не будет достаточно гибкой, чтобы хорошо моделировать данные со слишком небольшим количеством входных единиц, будет слишком сложной. Модель развивается и интегрируется с прочими эконометрическими возможностями.

3.2. Сеть радиально-базисных функций нейронная сети

Данная модель имеет сравнительно меньшие возможности отразить локальные минимумы, но имеет более высокую скорость обучения. Используется радиально-базисную функцию для нейронов скрытого слоя, в сравнении с искусственной нейронной сетью. Модель также содержит три уровня - входной слой, выходной слой, а также один скрытый слой .

Обучение состоит из трех шагов: центральный отбор, выбор базовой функции, определение веса для выходного слоя.

3.3. Модель нейро-нечетких систем

Модель выполняет сопоставление ввода-вывода на основе нейро-нечетких систем – традиционная модель адаптивный нейро-нечетких систем предусмотрена, что бы скомбинировать функцию линейного выхода и нечеткой логикой для прикладного управления при классификации проблем .

Данная модель изначально была предложена для прогнозирования временных рядов и была расширена для прогнозирования стоимости. Этот подход является модельным и эвристическим. Общая структура построена так, чтобы сочетать как количественную, так и качественную информацию. Данная модель использует алгоритмы обучения, что делает ее более эффективной, чем ARMA или GARCH и пр.

По сравнению с искусственной нейронной сетью, данная модель обеспечивает прозрачную качественную аналитическую и калькуляционные базы. Исходные данные могут быть изменены вручную, чтобы включить экспертные знания. Модель обеспечивает преимущество интерпретируемости и прозрачности, а также алгоритм может быть изменен для повышения точности и эффективности.

3.4. Модель нейро-нечетких систем на основе ARTMAP

В основном обычные модели нейронной сети страдают от пластической и устойчивости, что связано с возможностью адаптироваться к новым входным параметрам . Данная проблема решается путем включения механизма обратной связи между слоями, чтобы дать возможность для самообучения на основе новой информации без исключения ранее полученных данных. Таким образом, данная модель является более стабильной. Система ARTMAP включает в себя модули ARTa и ARTb для создания стабильных категорий распознавания, соответствующих произвольным шаблонам ввода.

4. Модели прогнозирования на основе симуляционных методов

Моделирование выполняется по характеру их хронологических моделей, учитывает ограничения и характеристики систем, изменяющихся во времени . Определяющие предпосылки учитываются при реализации программы моделирования рынка. Программа автоматически симулируют стоимость на рынке для любого кейса, определяет узкие места. Методы симуляционного моделирования предназначены для детального понимания системных стоимостных параметров. Однако симуляционные методы имеют два недостатка - требуют подробных данных о работе системы и данную модель достояно сложно реализовать из-за необходимых значительных вычислительных возможностей.

5. Модели прогнозирования, основанные на теории игр

Было проведено много исследований для понимания рынков, различных возможностей моделирования, анализа и выбора стратегий . Теория игр - естественная платформа для анализа рыночных показателей. Представляет большой интерес для моделирования стратегии, т.к. модель обеспечивает решение задачи максимизации результата. Игровые модели обычно используются для определения стратегий.

6. Динамичные стохастические модели дисконтирования (DSGE)

Данная модель полностью связана с экономическими предпосылками и базисом исходя из полной детализации всех входящих функций с описанием их участия в экономическом процессе, а также предпосылок действия на всех рынках . В данной модели применяются все ограничения и возможности экономической теории на современном этапе развития и условий равновесия на рынках. Использовать данную модель позволяет развитие численных методов решения динамических систем, что сократило разрыв между с теоретическими моделями и реальным сектором.

7. Поведенческие финансы

Данное направление предполагает, что участники экономических процессов могут действовать иррационально, что используется в формирование экономических моделей . Данное направление является наиболее перспективным для внедрения в прочие модели прогнозирования экономических процессов.

Разработка моделей и методик для формирования, мониторинга кредитных портфелей банков исходя из рассмотренных ретроспективных данных, направлений прогнозирования и используемых на текущий момент возможностей оценки риска отдельных заемщиков позволят стабилизировать банковскую систему и повысить ее прозрачность для всех участников экономических процессов. Использование совокупности данных направлений даст возможность создать долгосрочную модель деятельности банковского сектора, нивелируя значительное количество рисков кредитования.

Список использованных источников

1. Федеральный закон «О банках и банковской деятельности» от 02.12.1990 №395-1 опубликован в Ведомостях съезда народных депутатов РСФСР от 06.12.1990;
2. Федеральный закон «О Центральном банке Российской Федерации (Банке России)» от 10.07.2002 № 86-ФЗ опубликован в «Российской газете» от 13.07.2002;
3. Положения Банка России от 26.03.2004 №254-П «О порядке формирования кредитными организациями резервов на возможные потери по ссудам, по ссудной и приравненной к ней задолженности» опубликован в «Вестнике Банка России» от 07.04.2004;
4. Рудык Н.Б. Поведенческие финансы или между страхом и алчностью. М.: Дело, 2004 – 272 с.;
5. Скрипниченко М.В. Портфельные инвестиции: Учебное пособие. СПб: Университет ИТМО, 2016 – 40 с.;
6. Шарп У., Александер Г., Бэйли Дж. Инвестиции / У. Шарп, Г. Александер, Дж. Бэйли - М.:ИНФРА-М, 2001 – 1028 с.;
7. Adolfson M., Linde J., Villani M. (2007). Forecasting Performance of an Open Economy DSGE Model // Econometric Reviews -2007 - Vol. 26 (2–4) – p.289–328;
8. Bastian J., Zhu J., Banunarayanan, V. and Mukerji, R. Forecasting Energy Prices in a Competitive Market // IEEE – 1999 - №12 - p. 40-45;
9. Chinn M.D., LeBlanc, M. and Coibion, O. The Predictive Characteristics of Energy Futures: Recent Evidence for Crude Oil, Natural Gas, Gasoline and Heating Oil. // UCSC Dept. of Economics Working Paper – 2001 - №490;
10. Conejo A.J., Plazas M.A., Espinola, R. and Molina, A.B. Day-Ahead Electricity Price Forecasting Using the Wavelet Transform and ARIMA Models // IEEE – 2005 - №20 – p.1035-1042;
11. Hamilton J.D. Time Series Analysis // Princeton University Press – 1994;
12. Haykin, S. Neural Networks: A Comprehensive Foundation. 2nd Edition – 2004;
13. Jang, J.S.R. ANFIS: Adaptive-Network-Based Fuzzy Inference System // IEEE – 1993 - №23 – p.665-685;
14. Singh N., Mohanty S. R. A Review of Price Forecasting Problem and Techniques in Deregulated Electricity Markets // SciRes – 2015;
15. Osborne M.J., Rubinstein A. A Course in Game Theory // MIT Press, Cambridge, MA – 1994;
16. Singh N.K., Tripathy M., Singh, A.K. A Radial Basis Function Neural Network Approach for Multi-Hour Short Term Load-Price Forecasting with Type of Day Parameter // IEEE – 16-19.08.2011 - p. 316-321;
17. Ul Haque A., Meng J. Short-Term Wind Speed Forecasting Based on Fuzzy Artmap // International Journal of Green Energy – 2011 - №8 – p.65-80;
18. Weiss E. Forecasting Commodity Prices Using ARIMA // Technical Analysis of Stocks & Commodities -2011 - №18 – p.18-19;
19. Московская биржа [Электронный ресурс] - Режим доступа: http://www.moex.com/ (дата обращения: 16.02.2018);
20. Центральный банк Российской Федерации [Электронный ресурс] - Режим доступа: https://www.cbr.ru/ (дата обращения: 15.02.2018).

6. Степень диверсификации кредитного портфеля.

По данным Банка России показатель отношения совокупной величины кредитных рисков к капиталу (Н7) постепенно увеличивается. При этом из анализа структуры задолженности по кредитам, предоставленным кредитными организациями, следует увеличение доли кредитов, направленных на финансирование строительства, а также ипотечных кредитов для физических лиц, которые в совокупности составляют 7,3% суммарного объема кредитного портфеля кредитных организаций России. В то же время, даже принимая во внимание, что доля ипотечного кредитования в общем объеме розничного рынка в России пока невелика, нельзя не учитывать возникновение дополнительных рисков, вызванных увеличением кредитования рынка недвижимости российскими банками при еще недостаточно развитой системе кредитования строительства и покупки недвижимости.

Таким образом, можно выделить основные виды рисков, на управление которыми коммерческим банкам необходимо обратить особое внимание при деятельности в сегменте розничного кредитования (рис. 3.2).

По соотношению розничных кредитов к ВВП Россия отстает от многих стран, поэтому потенциал роста велик. Согласно прогнозам рынок потребительского кредитования в нашей стране продолжит развиваться быстрыми темпами: через два года кредитами будут пользоваться уже 30–40% населения, а через пять-семь лет Россия по этому показателю достигнет уровня западных стран (80–90% населения).

Рис. 3.2 - Основные виды рисков

При этом продукты, наиболее востребованные на рынке в настоящее время, имеют различный потенциал роста (рис. 3.3).

Наибольшие ожидания рынка связаны с двумя продуктами: ипотечное кредитование и кредитные карты.

Ипотека составляет только 0,3% ВВП. Рост розничных кредитов в последние годы был связан в основном с расширением потребительского кредитования. Только в 2005 году объем розничных кредитов вырос почти на $20 млрд. или на 84% за год. На ипотеку приходится порядка $3 млрд. или менее 10% от общего объема розничных кредитов, в то время как в Европе объем выданных ипотечных кредитов составляет порядка 70% ВВП, а в США - 50%.

По оценкам аналитиков, к концу 2007 г. объем ипотечного кредитования в России возрастет до $7 млрд., а в 2008 г. достигнет $12 млрд. Потенциал рынка ипотеки составляет 2000–4000% от текущих показателей. Такой вывод основывается на сравнении задолженности по ипотечным кредитам на душу населения в Восточной Европе и в России.

Рисунок 3.3 - Наиболее востребованные на рынке продукты

В России среднестатистическая ипотечная задолженность на душу населения составляет всего $21. Таким образом, обремененность россиян ипотечными займами почти в 40 раз меньше, чем, к примеру, в Венгрии ($931 на человека), и в 30 раз меньше, чем в Чехии ($631 на человека).

В настоящее время статистика выдачи банковских кредитов свидетельствует о том, что с 2003 г., то есть с начала развития розничного кредитования в России, доля ипотеки в общей структуре рынка кредитов фактически не изменилась. По состоянию на конец 2005 г. размер ипотечного рынка составил приблизительно $3 млрд. Для сравнения: на долю персональных кредитов в России приходится $29,5 млрд., общий объем автокредитов составляет $4,5 млрд., а потребительских кредитов - $3 млрд. Таким образом, на долю ипотечного кредитования приходится менее 10% общего объема розничного рынка.

Сегодня кредиты на покупку жилой недвижимости предлагают порядка 160 российских банков. Подавляющее большинство из них работает по программе Агентства по ипотечному жилищному кредитованию (АИЖК). Около 20 банков разрабатывают собственные программы. Кредиты на приобретение жилья в настоящее время составляют 9,9% от общей суммы розничных активов, а собственно ипотечные жилищные кредиты - 3,3%.

Небольшая доля жилищных кредитов объясняется следующими причинами:

Медленное строительство нового жилья, наличие значительного жилого фонда, требующего капитального ремонта. По данным Федеральной службы государственной статистики, на одного жителя России в 2005 г. приходилось по 20,8 кв. м жилья. За последние три года эта величина фактически не изменилась, что свидетельствует об ограниченном предложении жилых площадей;

Быстрым ростом цен на недвижимость. Значительная часть заемщиков вынуждена отказываться от запрошенных в банке ипотечных займов, так как за время, проходящее с момента оформления кредита до момента завершения поиска квартиры, цены вырастают настолько, что нужно переоформлять кредит на большую сумму;

- «инфляционные» риски, возникающие у коммерческих банков: выдача ипотечных кредитов сроком на 20–25 лет при нынешних годовых темпах роста инфляции в 10–11 процентов для банкиров весьма рискованна;

Многие заемщики предпочитают кредиты на покупку недвижимости оформлять в виде обычных потребительских кредитов на относительно непродолжительный срок, чтобы избежать весьма длительной, связанной со сбором множества сопроводительных документов и справок процедуры оформления ипотечного кредита;

Высокий уровень требований к потенциальному заемщику;

Пока еще небольшое количество людей, которые могут подтвердить свой доход официальными документами;

Высокий уровень ставок по жилищным кредитам и отсутствие их заметного снижения;

Наличие проблем с дешевыми долгосрочными ресурсами у банков и неразвитость системы рефинансирования отечественных кредитных организаций Банком России.

Тем не менее, очевидно, что развитие ипотечного рынка, усиление конкуренции среди банков, проведение продуманной государственной политики, направленной на стимулирование спроса населения на ипотечные кредиты, а также продолжающийся рост реальных доходов населения приведет к изменениям в структуре выданных населению кредитов в сторону увеличения доли ипотечных кредитов.

В связи с этим в настоящее время для увеличения спроса со стороны населения на ипотечные кредиты коммерческими банками:

Снижаются ставки по ипотечным кредитам;

Увеличиваются сроки кредитования - с максимальных 5–10 лет до 25–30 лет;

Значительно упрощается процедура оформления кредита, сокращается минимально необходимый пакет документации, необходимой для оформления кредита. Срок рассмотрения заявки на получение кредита сокращен до 2–3 часов по сравнению с несколькими днями ранее, минимально необходимый комплект документов сокращен с более чем 30 до 4 документов;

Предоставлена возможность рефинансирования ипотечного кредита: срок кредита может быть сокращен или, наоборот, увеличен, а ставки, соответственно, уменьшены;

Отменяется первоначальный взнос или предоставляется отсрочка по его платежу. По данным исследовательской компании Business Vision, порядка 70% населения крупных российских городов считают основным критерием выбора банка для обращения за ипотечным кредитом низкие ставки по его обслуживанию.

По результатам опроса, проведенного Фондом общественного мнения, если с текущих 14–15% годовых в рублях ставка по кредиту будет снижена вдвое, то число потенциальных заемщиков увеличится более чем втрое - с 5% населения до 17%. АИЖК ожидает снижения ставки до 8% к 2010 г. Пока что даже значительно сниженные ставки по ипотеке в России довольно высоки по сравнению с развитыми странами. Так, в США ипотечный кредит обходится заемщику от 0% до 5–6% годовых, в Европе (Испания) заемщику приходится выплачивать порядка 3–4% годовых.

По экспертным оценкам, сейчас кредитные карты занимают не более 7–8% в розничном кредитном портфеле российских банков, в то время как на развитом рынке этот показатель должен составлять до 25%. Рынок кредитных карт в России растет опережающими темпами, и в ближайшие два-три года их число с сегодняшних 5 млн. может увеличиться втрое.

Направления развития этого продукта:

Оптимизация технологий: сокращение сроков выдачи кредитных карт и рост качества скоринговой оценки, что является необходимым условием для дальнейшего проникновения кредитных карт в сегмент экспресс-кредитования в торговых точках;

Снижение процентных ставок до уровня чуть выше «традиционных» кредитов, что позволит кредитным картам успешно конкурировать с многоцелевыми краткосрочными кредитами;

Распространение на сегменты клиентов, в настоящее время охваченные дебетовыми картами (в первую очередь зарплатные проекты).

Еще два продукта, как предполагается, скоро достигнут точки насыщения рынка: автомобильное кредитование и кредиты на неотложные нужды.

Рынок автокредитования в настоящее время является одним из наиболее динамично развивающихся. По оценке участников рынка, доля кредитных продаж уже достигла 30% от общего объема рынка новых иностранных автомобилей, и в ближайшее время может быть увеличена до 40%. В то же время условия по кредитам улучшаются, постоянно расширяется линейка предлагаемых банками видов автокредитов, а средняя процентная ставка снижается, что является показателем рынка, близкого к насыщению.

Рост доли экспресс-кредитования;

Появление кредитов со стартовым взносом 0%: клиент оплачивает только страховку;

Появление нишевых продуктов (на приобретение дополнительного оборудования и т.п.) и развитие новых программ (buy-back);

Дальнейшее расширение сферы кредитования (подержанные автомобили).

Прогнозируемые тенденции рынка:

Рост продаж кредитов buy-back (обратный выкуп);

Рост продаж рублевых кредитов на длинные сроки;

Рост продаж кредитов с низким или нулевым первым взносом;

Увеличение сроков кредитования, снижение ставки кредита;

Повышение востребованности специальных кредитных программ (совместных программ банка, автопроизводителя, автосалона и страховой компании).

Продукт является востребованным на рынке, однако его дальнейший рост будет сдерживаться частичным замещением кредитными картами в сегменте краткосрочных кредитов (до 1 года). Можно ожидать, что такое замещение примет значительные размеры по мере распространения зарплатных кредитных карт.

Основные тенденции развития продукта:

Улучшение удобства обслуживания, расширение количества каналов для погашения кредита;

Либерализация условий предоставления кредитов (снижение доли залоговых кредитов и кредитов под поручительство);

Перемещение акцента на долгосрочные продукты (в связи с ростом конкуренции с кредитными картами в краткосрочном сегменте).

Экспресс-кредитование в торговых точках и овердрафтное кредитование уже начали замещаться более функциональными кредитными картами. Рост экспресс-кредитования еще поддерживается за счет регионов, однако этот потенциал должен быть исчерпан в ближайшее время, особенно с распространением зарплатных кредитных карт. Овердрафтное кредитование получило максимальное развитие в начале 2003 г. (6,2% рынка), но затем его роль снижалась (октябрь 2006 г. - 4,9%).

В результате активное наполнение кредитных портфелей целым ассортиментом розничных продуктов у крупных банков постепенно сменится более четким позиционированием на рынке и подчас свертыванием изначальных программ.

Как следствие, преимущество будут иметь банки, которые окажутся в состоянии:

Предложить клиенту технологическое и сервисное преимущество (функциональность продуктов, удобство и доступность каналов продаж и обслуживания);

Выдержать падение ставок, то есть обеспечить высокую эффективность кредитных операций и низкий уровень потерь.

Таким образом, развитие в таких направлениях потребительского кредитования как экспресс-кредитование, кредитования с помощью кредитных карт, ипотечное кредитование и автокредитование должно являться приоритетом для банков, настроенных на поддержание долгосрочного конкурентного преимущество в области розничного кредитования.

Теперь, говоря исключительно о диверсификации в роли метода управления качеством кредитного портфеля, перейдем к вопросу о том, какие мнения существуют в научных кругах относительно этого инструмента, силы и направления его влияния. Так, изучив довольно обширный круг работ, можно сделать вывод, что взгляды на данный инструмент совершенно неоднозначны.

Начнем с тех трудов, которые причисляют диверсификацию скорее к позитивным методам воздействия и приводят аргументы в пользу увеличения ее степени в вопросах управления риском и доходностью. В защиту данной позиции выступает абсолютное большинство базовых работ и учебных пособий по теме. Так, например, (Diamond, 1984) замечает, что рассматриваемый метод имеет исключительно положительный эффект на уменьшение вероятности дефолта банка, а также на показатели его прибыльности. Главная причина здесь кроется в существенном сокращении издержек финансового посредничества, а также в том, что банки с высоким уровнем концентрации кредитного портфеля по тем или иным признакам в период экономических спадов начинают испытывать значительные, порой непреодолимые трудности. В учреждениях с должной долей диверсификации тяжесть последствий не так ощутима.

Конечно, в доказательство тезисов, представленных выше, целесообразно привести ряд исследовательских работ, которые строятся непосредственно на реальных данных. Статей, указывающих на позитивные особенности диверсификации, довольно много. Так, например, (Rossi, Schwaiger, & Winkler, 2009) описывают влияние рассматриваемого нами фактора на такие банковские показатели, как риск, капитализация, а также эффективность в области прибыли и издержек. Работа эта, безусловно, будет полезной и для текущего исследования, поскольку в своей основе содержит ряд схожих переменных, а также содержательна в плане аргументированности выдвигаемых гипотез и использовании методологии. В качестве объясняющей переменной авторами выбран индекс Херфиндаля-Хиршмана, который, по нашему мнению, целесообразно использовать в работах подобной направленности. Построено исследование на данных о банках Австралии в период с 1997 по 2003 года. В нем использованы показатели диверсификации по отраслям экономики и по размеру выданных кредитов. Как будет указано в главе, просвещённой методологии, первый способ измерения будет использован и в текущем исследовании. Что касается конечных результатов рассматриваемой статьи, то авторы обнаружили положительный эффект диверсификации на такие показатели, как капитализация и эффективность по прибыли. Кроме того, было подтверждено первоначальное предположение, что более интенсивное использование выбранного метода приводит к уменьшению степени риска кредитного портфеля. Хотя влияние на эффективность в области издержек получилась отрицательной, для нашего исследования это не играет существенной роли.

В качестве дополнительного доказательства положительного влияния высокой степени диверсификации может служить и еще одна работа (Deng, Elyasiani, & Mao, 2007).Если оперировать её выводами, то рассматриваемый метод, безусловно, хорош, однако величина эффекта зависит от выбранного способа ухода от концентрации. Из предыдущей статьи (Rossi, Schwaiger, & Winkler, 2009) мы выяснили, что может применяться кредитование по различным отраслям и по размеру выданных займов. Авторы же второго исследования приводят доказательства того, что наиболее ощутимый и стабильный эффект имеет диверсификация по географическому признаку. К сожалению, применение этого способа в рамках текущего исследования представляется едва ли возможным, поскольку в финансовой отчетности лишь очень ограниченного числа банков в России можно найти соответствующие данные в количественном выражении. Однако, для общего понимания эффекта и воздействия других способов эта работа также важна. Автором было обнаружено, что использование обозначенного метода улучшает положение в связке риск-доходность кредитного портфеля в банковских компаниях США.

Интересной является также статья (Bebczuk & Galindo, 2008). Её авторы исследовали влияние диверсификации на риск и доходность в период финансового кризиса в Аргентине в 2001-2002 годах. Они выяснили, что в случае данной страны состав кредитного портфеля не значительно меняется в период экономических спадов, а влияние выбранного метода становится только эффективнее. В целом же, диверсификация положительно воздействует как на кредитный риск, так и на будущую доходность, причем особенно это актуально для крупных аргентинских банков.

Завершая рассмотрения работ, выступающих за высокую степень диверсификации можно также взять во внимание исследование (Hughes, Lang, Mester, & Moon, 1996), которые изучали целесообразность использования метода в плане воздействия на эффективность производства. Так, конечные результаты говорят о положительном влиянии диверсификации по различным штатам (географический метод). Главная причина выявленной закономерности они объясняют появлением Riegle-Neal Interstate Banking and Banking Efficiency Act в 1994 году.

Теперь перейдем к авторам, которые более скептично относятся к высокой степени диверсификации и приводят аргументы в защиту концентрации кредитного портфеля. В первую очередь, стоит указать на корни данной идеи. Берет начало она, как было выяснено, из теории корпоративных финансов (Rossi, Schwaiger, & Winkler, 2009). В работе (Hellwig, 1998) продемонстрировано, что для многих банков было бы целесообразнее заострить свое внимание на ограниченном числе наиболее значимых проектов с целью снижения издержек мониторинга. В некотором роде, данное утверждение послужило основой для выдвижения альтернативных гипотез в нашей работе, что будет продемонстрировано в следующей главе. Обозначенный факт говорит в пользу концентрации. Интересно, что рассматриваемая работа является расширением классической модели (Diamond, 1984), который, как было продемонстрировано, выступал как раз таки в защиту высокого уровня диверсификации. К еще большему убеждению в обратном эффекте приводит анализ исследования (Winton, 1999). Данный автор попытался моделировать выбор финансового учреждения между высокими степенями концентрации и диверсификации. Им было найдено, что применение второй стратегии может быть оправданно лишь в том случае, когда у банка существуют слабые стимулы к мониторингу, а величина выданных кредитов умеренно реагирует на спады в экономике. В тех же случаях, когда уровень риска чрезмерно высок или, наоборот, несущественен, диверсификация может привести к возрастанию вероятности дефолта, а также оказаться весьма дорогой для финансового учреждения. Таким образом, впервые была продекларирована возможность существование U-образной связи между уровнем диверсификации и степенью риска. Впоследствии, на примере данных некоторых стран, как это будет видно далее, многие авторы пытались доказать подобного рода зависимость. В нашей же работе, для российских банков в модель также будет введена соответствующая гипотеза для проверки немонотонного по риску влияния концентрации на доходность банков.

Переходя непосредственно к исследованиям и журнальным статьям, описывающим негативное влияние диверсификации на различные показатели рассматриваемых финансовых учреждений, во внимание стоит принять две довольно содержательных работы. Первая из них (Kamp, Pfingsten, Memmel, & Behr, 2006) построена на данных немецкого банковского сектора в период с 1993 по 2003 годы и пытается ответить на похожие с поставленными нами вопросы. Что касается меры риска и доходности, влияние диверсификации на которые и предполагается найти, то здесь авторы утверждают, что концентрированный кредитный портфель будет лучшим решением для коммерческого банка. В роли объясняющих переменных для степени риска выступают величина резервов на потери по ссудам (LLP) и показатель недействующих кредитов (Non-Performing Loans, NPL). Для доходности в роли прокси-переменных находятся показатели ROE и ROA. В нашей работе задействовать предполагается те же показатели (LLP в качестве прокси для риска и ROE - прокси для доходности). Стоит, однако, заметить, что авторами также была протестирована модель со стандартным отклонением риска в качестве объясняющего показателя. В этом случае высокая степень диверсификации наоборот оказалось предпочтительней для банка. Вторая работа, которую стоит принять во внимание (Acharya, Hasan, & Saunders, 2006) также говорит о том, что высокая степень использования выбранного метода управления кредитным портфелем не может дать сколь бы то ни было подходящих результатов. Как в случае диверсификации по отрасли, так и по типу заемщика (государство, физические, юридические лица, МБК) и географическому признаку, влияние на качество не было удовлетворяющим. Стоит заметить, что показатель по типу заемщика также было решено использовать и в нашем исследовании. Тем самым, данная статья представляется довольно полезной для дальнейшего анализа. Во внимание здесь бралась и упомянутая выше гипотеза о U-образном характере отношений. Так, в случае организации с чрезмерно малым уровнем кредитного риска наблюдался пусть и незначительный, но все же положительный эффект диверсификации по типу заемщика и по географическому признаку на доходность. В случае же переменной по отраслям производства, выбранный метод ассоциируется лишь с издержками.

Наконец, некоторые представления об исследуемом вопросе может дать и еще одна статья (Tabak, Fazio, & Cajueiro, 2011). Основываясь на работе (Hass, Ferreira, & Taci, 2010), ее авторы исследовали влияние концентрации кредитного портфеля вкупе с типом собственности, в которой находился тот или иной банк. Исследованием, построенным на данных о бразильской системе, были подтверждены все базовые гипотезы, что и в предыдущих работах. Было выявлено, что особенно эффективным концентрированный кредитный портфель являлся бы иностранных банков и банков в государственной собственности. Тенденция эта отчетливо видна для всей совокупности бразильских финансовых учреждений подобного типа особенно в период после кризиса 2008 года.

Подводя итог главы, стоит заметить, что нами были рассмотрены основные теоретические аспекты исследуемого вопроса. Кроме того, с помощью множества проанализированных исследований был изучен иностранный опыт применения в управлении кредитным портфелем банков такого метода, как диверсификация. Проделанная работа позволяет с опорой на мнение авторитетных ученых разработать методологию для выполнения поставленной цели и выявить на ее основе необходимые закономерности.

Диверсификация кредитного портфеля банка должна происходить на стадии принятия решения банком.

Диверсификация по суммам означает отсутствие либо наличие крупных кредитных рисков и их концентрация. Крупный риск – это размер кредита, предоставленного одному кредитополучателю, либо взаимосвязанным с ним лицам, который превышает 10% от нормативного капитала. НБРБ установлен норматив максимального размера крупных рисков для банка: совокупная величина всех крупных рисков банка не должна превышать шестикратного размера нормативного капитала банка. НБРБ установлен еще 1 норматив в целях управления и минимизации кредитного риска: норматив максимального размера кредитного риска на одного кредитополучателя и взаимосвязанных с ним лиц – не должен превышать 25% нормативного капитала банка.

Диверсификация по срокам: кредиты, предоставленные сроком до 1 года – краткосрочные; кредиты, предоставленные на срок свыше 1 года – долгосрочные. С точки зрения кредитного риска большая степень риска у долгосрочных кредитов.

Диверсификация кредитного портфеля по валютам: наиболее оптимальной является структура кредитного портфеля в разрезе валют, если: в национальной валюте сформирована не менее 50% кредитного портфеля.

Квадрат устойчивости: срочность, ликвидность залога, отсутствие или наличие негативной информации.

Классификация активов по группам риска в целях создания специального резерва на покрытие возможных убытков по активам, подверженным кредитному риску и операциям не отраженным на балансе (внебалансовые операции)

Формирование специальных резервов осуществляется банком на основании произведенной банком классификации активов и условных обязательств, отраженных на внебалансовых счетах. Для этого банком разрабатываются локальные нормативно-правовые акты (ЛНПА) на основе требований национального банка (инструкция о порядке формирования и использования банками и небанковскими кредитно-финансовыми организациями специальных резервов на покрытие возможных убытков по активам и операциям, не отраженным на балансе, утверждена инструкция постановлением правления НБРБ 28.09.2006 №138, последние изменения – 30.03.2011, 29.09.2011). Кроме этого в этих ЛНПА банком самостоятельно разрабатывается порядок классификации активов и условных обязательств по степени их надежности, используемые при этом критерии, факторы, методики, а также процедуры принятия решений. В этих ЛНПА должны быть установлены признаки финансовой неустойчивости должника, эмитента ценных бумаг, контрагента по условным обязательствам, требования к содержанию негативной информации, а также иные критерии, основанные на мотивированном суждении об уровне риска. Способность должника, гаранта (поручителя), эмитента ценных бумаг, контрагента по условным обязательствам исполнить свои обязательства оценивается путем комплексного и объективного анализа показателей, включая качественные показатели, характеризующие деятельность должника, деловую репутацию, финансовое состояние, перспективы функционирования, а также наличие внешних факторов (макроэкономических, форсмажорных и др.) влияющих на способность должника исполнить свои обязательства перед банком.

Банк осуществляет классификацию всех активов, подверженных кредитному риску и внебалансовых обязательств на регулярной основе (ежедневно, отчетность в НБ направляется ежемесячно). Банк производит классификацию по 5 группам риска:

1) резерв создается в размере 1%;

2) резерв создается от 10 до 30%;

3) резерв от 30 до 50%;

4) резерв от 50 до 100%;

5) резерв 100%.

После проведенной классификации активов по группам риска специальный резерв рассчитывается следующим образом: сумма задолженности по группе риска умножается на соответствующий процент, при этом банком в ЛНПА должно быть определено, какую границу он применяет по второй, третьей и четвертой группам риска (в установленных выше пределах). Рассчитанный таким образом специальный резерв относится на расходы банка, уменьшая тем самым его прибыль. Банком должен создаваться резерв в полном объеме, даже если в результате банк получает убыток. По экономической сути резерв относится на расходы банка потому, что эта сумма потенциальных потерь (!) банка и исходя из консервативности подхода банк заранее эту сумму признает как свой расход.

В случае улучшения финансового состояния должника, ликвидности его залога, отсутствия негативной информации и исполнения должником своих обязательств по возврату кредита, банк может изменить классификацию, при этом сумма созданного специального резерва должна быть уменьшена и отнесена на доходы банка, увеличивая тем самым его прибыль.

В зависимости от уровня кредитного риска к первой группе риска относятся: [№138 п.27] срочная или пролонгированная 1 и более раз задолженность по межбанковским кредитам при отсутствии признаков ухудшения финансового состояния и негативной информации ; срочная, просроченная до 30 дней или пролонгированная не более одного раза задолженность по кредитам физлиц ; срочная или непогашенная в течение 7 дней задолженность по иным активам при отсутствии негативной информации . Задолженность по активам, классифицированная по первой группе риска является стандартной (не проблемной).

Ко второй группе риска относятся: срочная или пролонгированная 1 и более раз задолженность по межбанковским кредитам ; обеспеченная срочная или просроченная до 7 дней или пролонгированная не более 1 раза задолженность по кредитам юридических лиц при наличии негативной информации . Ко второй группе риска относятся активы, которые пока еще не являются проблемными для банка, но по ним есть негативная информация.

К третьей группе риска относится: задолженность по межбанковским кредитам, непогашенная в течение 30 дней с момента наступления срока платежа; обеспеченная задолженность по кредитам юридических лиц при наличии негативной информации и пролонгированная более 1 раза; задолженность по ценным бумагам при наличии признаков финансовой неустойчивости эмитента.

К четвертой группе риска относятся: необеспеченная задолженность по кредитам юридических лиц при наличии негативной информации, пролонгированная 1 и более раз; необеспеченная задолженность по кредитам юридических лиц, просроченная от 8 до 90 дней; обеспеченная задолженность по кредитам юридических лиц, просроченная от 91 до 180 дней; задолженность по иным активам, подверженным кредитному риску, непогашенная в срок от 31 дня до 90 дней.

К пятой группе риска относится: необеспеченная задолженность по кредитам юридических лиц, просроченная свыше 90 дней; обеспеченная, либо недостаточно обеспеченная задолженность по кредитам юридических лиц, просроченная свыше 180 дней; задолженность по иным активам, подверженным кредитному риску, непогашенная в срок свыше 90 дней с момента наступления срока платежа.

В зависимости от качества и достаточности обеспечения задолженность по кредитам юридическим лицам подразделяется на:

1) обеспеченную;

2) недостаточно обеспеченную;

3) необеспеченную.

К обеспеченной относится задолженность, по которой имеющееся обеспечение в виде залога, стоимость которого покрывает: сумму основного долга и процентов в первые 12 месяцев.

Недостаточно обеспеченной является задолженность, обеспечение по которой покрывает сумму основного долга и процентов в размере более 70%.

Необеспеченной является задолженность, по которой имеется обеспечение, стоимость которого покрывает менее чем на 70% сумму основного долга и процентов, причитающихся к уплате в ближайшие 12 месяцев.

Если кредиты классифицированы по первой группе риска – стандартная кредитная задолженность; если по второй – субстандартная задолженность; 3-5 группы риска – проблемная задолженность.

Финансовое состояние. Структура прибыли и капитала

Базовые концепции

1) денежный поток (cush flow) – представление банка как чередующейся последовательности притоков и оттоков денежных средств. Денежный поток должен быть сопоставим с: притоком и оттоком денежных средств по временным интервалам (до 30 дней, от 30 дней до 1 года, от 1 года); по суммам; по валютам. По своей сути денежный поток обеспечивает ликвидность банка, т.е. способность банка исполнять свои обязательства перед кредиторами и вкладчиками в полном объеме и в установленные сроки.

2) временная ценность денег (time value of money) – денежная единица, имеющаяся сегодня, и денежная единица, ожидаемая к получению через какое-то время, неравноценны (дисконтированная стоимость денег во времени). Метод дисконтированного денежного потока позволяет оценить настоящую стоимость будущих денежных поступлений и оттоков.

3) компромисс между риском и доходностью () – получение любого дохода сопряжено с риском, чем выше обещаемая, требуемая или ожидаемая доходность, тем выше и степень риска, связанного с возможным неполучением этой доходности.

4) стоимость капитала (cost of capital) – не существует бесплатных источников финансирования, каждый источник финансирования имеет свою стоимость в виде относительных расходов, которые банк вынужден нести за пользование им.

5) эффективность рынка () – уровень насыщения рынка релевантной информацией и ее доступностью, это означает, что все участники рынка должны иметь одинаковую возможность к получению информации и эта доступность должна быть недорогой по стоимости.

Какова цель деятельности любого банка:

1) повышение прибыли банка;

2) снижение стоимости привлекаемых ресурсов (р-т пошение прибыли);

3) рост благосостояния акционеров;

4) привлечение на работу высококлассных профессионалов;

5) функционирование банка в условиях всех требований по минимизации рисков.

Один из наиболее важных показателей, влияющих на рыночную стоимость банка, это прибыль на акцию, которая определяется следующим образом: чистая прибыль банка/количество обыкновенных акций. Дивиденды на акцию – показывает сумму дивидендов, распределяемых на каждую обыкновенную акцию: дивиденды по обыкновенным акциям/количество обыкновенных акций.

Отчет о прибылях и убытках (ОПУ):

1) Выручка (операционный доход);

2) операционные затраты кратковременные затраты без амортизации долговременные затраты;

3) прибыль до налогов, амортизация, проценты;

4) амортизация материальных и нематериальных активов;

5) операционные затраты всего; (2+4)

6) прибыль до уплаты процентов и налогов; (3-4)

7) проценты к уплате;

8) прибыль до уплаты налогов; (6-7)

9) налоги;

10) чистая прибыль до выплаты дивидендов по привилегированным акциям;

11) дивиденды по привилегированным акциям;

12) чистая прибыль; (10-11)

13) дивиденды по обыкновенным акциям;

14) прирост нераспределенной прибыли банка.

Показатели прибыли:

1) чистая прибыль;

2) чистая процентная маржа; ЧПМ= (ПД-ПР)/А д.прин. ; (ПД – процентные доходы; ПР – процентные расходы; А – активы, дохоприносящие)

3) чистый процентный спред; ЧС= ПД/ПА *100% - ПР/ПП *100%; ПД/ПА – доходность активов; ПР/ПП – стоимость пассивов; ПА – актив, приносящий доход; ПП – пассив, по которым выплачиваются проценты;

4) чистая прибыль в расчете на акцию; EPS= NP/кол-во акций;

5) показатель прибыли на активы: ROA= NP/A *100%; ROA= NP/A i *100% , А i – активы, приносящие доход;

6) показатель прибыли на капитал: ROE= NP/K *100%.

Процентные риски. Оценка

Метод ГЭП-анализа: ГЭП = ЧПА-ЧПП; ЧПД увеличивается при отрицательном ГЭП при уменьшении процентных ставок; ЧПД увеличивается при положительном ГЭП при увеличении процентных ставок.

ГЭП-анализ:

1) все активы и пассивы подразделяются на чувствительные и нечуствительные к процентной ставке;

2) чувствительные к изменению процентной ставки активы и пассивы разбиваются по срокам и валютам;

3) к чувствительным активам относятся – по которым процентная ставка привязана к: ставке рефинансирования, ЛИБОР; и др.; договором предусмотрено изменение процентной ставки.

ЧПА (отдельно по валютам):

(по срокам) до 30 дн, до 1 года, св 1 года.

ЧПП (отдельно по валютам):

(по срокам) 30 дн, до 1 года, св 1 года.

Выводы: при положительном ГЭП (чувствительные активы превышают чувствительные пассивы) при снижении рыночных ставок у банка будет снижаться процентный доход; при отрицательном ГЭП (чувствительные активы меньше чувствительных пассивов) при снижении рыночных ставок доходы банка увеличатся (за всеет снижения процентных расходов). Конечная цель управления ГЭП-анализом – определение позиции банка по ГЭП-разрывам (суммарно по всем срокам и валютам) по отношению к активам банка). Принято считать, что если суммарный ГЭП по отношению к активам не превышает 10% -- позиция банка нормальная; если от 10 до 15% -- позиция банка стратегическая; свыше 15% -- спекулятивная.

Управление кредитным риском. Оценка финансового состояния кредитополучателя

В целях оценки финансового состояния кредитополучателя необходимо проанализировать 5 групп коэффициентов, отражающих различные стороны финансового состояния и деловой активности предприятия.

1) коэффициенты ликвидности;

2) коэффициенты оборачиваемости активов;

3) коэффициенты управления задолженностью;

4) коэффициенты рентабельности;

5) коэффициенты инвестиций и рыночной стоимости.

1. Ликвидность – легкость реализации, продажи, превращения материальных и иных ценностей в денежные средства для покрытия текущих финансовых обязательств. Ликвидность баланса характеризуется степенью покрытия обязательств предприятия его активами, срок превращения которых в денежную форму соответствует сроку погашения обязательств.

Коэффициент текущей ликвидности: CR= текущие (краткосрочные) активы / краткосрочные обязательства. Текущие активы:

Деньги (и их эквиваленты), высоколиквидные ценные бумаги;

Дебиторская задолженность;

Товарно-материальные ценности (ТМЦ): сырье, материалы, незаконченное производство, готовая продукция на складе.

Коэффициент срочной ликвидности (Quick Ratio, or Acid test Ratio):

QR= (текущие активы – ТМЦ) / краткосрочные обязательства.

Коэффициент абсолютной ликвидности: AR= (денежные средства + их эквиваленты + ЦБ) / краткосрочные обязательства >0.2.

Золотое правило баланса – его абсолютная ликвидность. Баланс считается абсолютно ликвидным:

А1: деньги и их эквиваленты, ценные бумаги;

А2: дебиторская задолженность;

А4: долгосрочные активы;

П1: срочные обязательства;

П2: прочие кредиторы (краткосрочные);

П3: долгосрочные кредиторы;

П4: собственный капитал.

Должно соблюдаться 4 неравенства:

Коэффициент чистого оборотного капитала: NWC= CA (оборотные активы) – CL (краткосрочные обязательства). Недостаток оборотного капитала свидетельствует о неспособности предприятия своевременно погасить краткосрочные обязательства.

2. Коэффициенты оборачиваемости активов (Asset management ratios).

Коэффициент оборачиваемости запасов (In/entory turnover ratio): ITR = выручка (или себестоимость) / запасы (ТМЦ).

Чем этот показатель выше, тем лучше для предприятия.

Срок оборачиваемости дебиторской задолженности (Days sales Outstanding):

1) SO= дебиторская задолженность / (выручке/365)

показывает среднее число дней, требуемое для взыскания задолженности (средний период сбора выручки). Чем меньше коэфф – тем лучше, т.е. быстрее дебиторская задолженность превращается в деньги, следовательно повышается ликвидность оборотных средств.

Коэффициент оборота основных средств (Fixed Assets turnover Ratio): FATR= выручка / (основные средства – амортизация). Если коэффициент меньше 1, это свидетельствует о медленном использовании основных средств.

Коэффициент оборачиваемости активов (Total Assets turnover Ratio): TAT= выручка/активы.

3. Коэффициенты управления задолженностью (Debt Management Ratio).

Коэффициент отношения общей задолженности к общим активам: TD/TA= все обязательства (текущие + долгосрочные) / Активы. Кредиторы предпочитают низкие коэффициенты задолженности, поскольку чем ниже этот коэффициент, тем больше защита от убытков для кредиторов в случае ликвидации предприятия, но акционеры могут хотеть чтобы леверидж был больше, поскольку он способствует более активной деятельности предприятия и соответственно получению большей прибыли.

Возможность выплачивать % -- коэффициент покрытия процентов (Times – Interest – earned Ratio): TIE = прибыль до уплаты % и налогов (operating income) / сумме процентов. Рекомендуемое значение – больше 1, но вообще – чем больше, тем лучше.

Коэффициент покрытия фиксированных платежей – показывает возможность обеспечивать долг, т.е. обеспечивать покрытие кредитной задолженности. КПФП= (Прибыль до налогооблож. + арендные платежи)/(сумме%+сумме основного долга+ сумме арендных платежей). Рекомендуемое значение – больше 1.

Коэффициент финансовой независимости: EQ/TA (собственный капитал / все активы). Рекомендуемое значение 0,4 – 0,6. Этот коэффициент характеризует зависимость предприятия от внешних займов; чем ниже значение этого коэффициента, тем больше займов у предприятия и, соответственно, тем выше риск неплатежеспособности. Слишком высокое значение этого коэффициента (от 0,7 и выше, означает что у предприятия имеющийся потенциал наращивания активов используется недостаточно эффективно, что влияет на снижение показателей прибыли и рентабельности.

4. Коэффициенты рентабельности (Profitability Rations)

Рентабельность предприятия – конечный результат деятельности предприятия, характеризующий, насколько эффективно менеджмент управляет: собственным капиталом, активами, операционными издержками и др. Коэффициенты рентабельности показывают совместное влияние: левериджа (финансового рычага), эффективности управления активами, задолженности по внешним займам; на конечный результат деятельности предприятия.

Рентабельность продаж: ROS (Return of Sales) = чистая прибыль, доступная обыкновенным акционерам (Net Profit) / выручка.

Рентабельность активов: ROA (Return of Assets) =Net Profit / Assets. Отношение чистой прибыли к общему количеству активов показывает, насколько эффективно использовались активы и сколько получено прибыли на имеющиеся в распоряжении предприятия активы.

Рентабельность собственного капитала: ROE (Return of Equity) = Net Profit / Equity. Обычно этот показатель сравнивают с возможным альтернативным вложением средств в ценные бумаги; например: правительства, ЦБ, т.к. эти вложения наименее рискованны.

Рентабельность инвестиций: ROI = Net Profit/ вложенный капитал.

5. Коэффициенты инвестиций и рыночной стоимости (Investment and Market Value).

Прибыль на акцию: Earning per share=Net Profit/число обыкновенных акций. Показывает долю чистой прибыли (в ден единицах), приходящуюся на одну обыкновенную акцию. Один из самых важных показателей, влияющих на рыночную стоимость компании.

Дивиденды на акцию: Dividends per share = сумма дивидендов, выплаченных по обыкновенным акциям / число обыкновенных акций. Показывает сумму дивидендов, которую получит каждый акционер (держатель простой акции). Коэффициент имеет огромное значение для привлечения новых инвесторов.

Соотношение цены акции и прибыли: Earning = Рыночная цена акции / Прибыль на акцию. У акции есть 2 стоимости – балансовая и рыночная. Коэффициент показывает, сколько денежных единиц согласны платить акционеры за одну денежную единицу чистой прибыли компании. Этот коэффициент также показывает, насколько быстро могут окупиться инвестиции в акции компании.