Оценка применимости модели Э. Альтмана к прогнозированию дефолтов в российском банковском секторе. - Факторы финансовой устойчивости коммерческих банков и подходы к прогнозированию банкротств

Одной из всемирно известных и широко распространенных методик прогнозирования дефолтов на основе метода множественного дискриминантного анализа является методика Э. Альтмана. Как упоминалось выше, первоначально предложенная модель по моделированию финансовой устойчивости компаний реального сектора [15] в дальнейшем была модифицирована. Модель Z''-score была адаптирована под компании сферы услуг и развивающиеся рынки [14]:

,

Где:

- показатель ликвидности: отношение оборотного капитала к активам банка. Ввиду того, что показатель оборотного капитала не является стандартным для банковского сектора, в рамках данной работы он был вручную рассчитан как разность ликвидных активов и ликвидных обязательств в соответствии с отчетом о финансовом состоянии;

- показатель устойчивости: отношение нераспределенной прибыли прошлых лет к активам банка;

- показатель операционной эффективности: отношение операционной прибыли к активам банка;

- показатель финансового рычага: отношение собственного капитала к заемным средствам.

Расчетное значение Э. Альтмана имеет прямое соответствие с рейтинговой таблицей S&;P (рис. 7, [18]).

соответствие z''-score и s&;p

Рисунок 7. Соответствие Z''-score и S&;P

Для оценки применимости Z''-score модели для прогнозирования дефолтов российских банков в рамках данного исследования была произведена контролируемая проверка на 24 банках, лицензия которых была отозвана в 2009г. и при этом в публичном доступе есть данные финансовой отчетности. С целью проведения корректного анализа каждому из 24 обанкротившихся банков сопоставлен "здоровый" банк, аналогичный по размеру активов. Для всех 48 банков был произведен расчет Z''-score в соответствии с методикой, на основании полученных результатов были оценены предикативные характеристики модели: за полгода до наступления дефолта (YE 0,5), вероятность получить корректный прогноз по модели - 58% , с увеличением промежутка времени до фактического дефолта банка (YE 1 - YE 2,5) предикативная способность модели снижается (табл. 4).

Таблица 4. Предикативная способность Z''-score модели

Z-score

52%

YE 0,5

58%

YE 1

56%

YE 1,5

58%

YE 2

42%

YE 2,5

50%

YE 3

47%

Для понимания того, насколько значимыми для дискриминантной функции являются показатели, отраженные в модели, рассмотрим отличия в средних выборки обанкротившихся и не обанкротившихся банков (табл. 5).

Таблица 5. Описательная статистика. Банкроты и не банкроты

WC/TA

RE/TA

EBT/TA

E/L

Z cр

Def

Nondef

Def

Nondef

Def

Nondef

Def

Nondef

Def

Nondef

YE 0,5

0,037

0,061

0,040

0,043

0,002

0,006

0,365

0,500

0,771

1,104

YE 1

0,070

0,079

0,044

0,060

0,006

-0,003

0,323

0,411

0,983

1,120

YE 1,5

0,068

0,082

0,040

0,052

0,010

0,003

0,261

0,413

0,919

1,160

YE 2

0,067

0,058

0,032

0,043

0,011

0,010

0,226

0,330

0,861

0,937

YE 2,5

0,008

0,022

0,031

0,042

0,007

0,008

0,145

0,283

0,348

0,643

YE 3

0,010

-0,043

0,031

0,043

0,004

0,004

0,095

0,142

0,274

0,074

По результатам приведенной таблицы можно заметить, что у банков-банкротов среднее значение z''-score ниже, что говорит о целесообразности модели в целом. Также можно заметить, что у банков-банкротов систематически ниже доля оборотного капитала в активах, что говорит о недостатке ликвидности, и больший финансовый рычаг, что говорит о возможных проблемах с платежеспособностью. Показатель RE/TA у банков-банкротов систематически ниже, чем у здоровых банков, что говорит о долгосрочной неустойчивости объектов. Показатель EBT/TA не имеет выраженной взаимосвязи с обанкротившимся или не обанкротившимися банками, это может быть следствием того, что часто банки, испытывающие финансовые трудности прибегают к рискованным финансовым инструментам и могут показывать высокую прибыльность. Следует заметить, что все отличия в средних, приведенные в табл. 5 не являются статистически значимыми.

Наибольший интерес вызывают те банки, которые, несмотря на хорошие предсказания Z''-score модели, подверглись отзыву лицензии. Рассмотрим 11 таких банков (табл. 6).

Таблица 6. Банки-банкроты с высокими показателями Z''-score

Название банка

WC/TA

RE/TA

EBT/TA

E/L

Z'' score

ВЕФК-УРАЛ

0,006

0,064

0,064

0,216

0,906

ВЫМПЕЛ

0,401

0,003

0,002

1,329

4,050

КАУРИ

0,293

0,101

0,003

0,189

2,473

КУБАНЬ

0,173

0,006

0,003

0,314

1,507

МЕГА БАНК

0,072

0,055

0,002

0,456

1,140

МИБ

0,501

0,042

-0,001

0,385

3,824

МУНИЦИПАЛЬНЫЙ КОММЕРЧЕСКИЙ БАНК

0,267

0,016

0,004

0,334

2,177

ПРИКАМЬЕ

0,363

0,044

0,006

0,244

2,819

СИР

0,057

0,030

0,001

0,318

0,813

СОЦКРЕДИТБАНК

0,155

0,022

0,002

0,217

1,331

УНИВЕРСАЛ

0,102

0,040

0,005

0,418

1,275

По информации, размещенной на сайте ЦБ РФ:

    - 5 из 11 вышеприведенных банков предоставляли в ЦБ РФ недостоверную отчетность (Вымпел, Каури, Кубань, МИБ, Муниципальный коммерческий банк); - 3 из 11 банков нарушали требования к ведению бухгалтерского учета (Универсал, СИР, Мега банк).

Таким образом, предсказать дефолт 8 из 24 рассматриваемых банков не представлялось возможным вследствие предоставления регулятору некорректных данных. Специфика российского банковского сектора такова, что классические модели развитых экономик не в полной мере могут оценить риск дефолта кредитных организаций. Однако исключив 8 банков, фактически предоставляющих некорректностью отчетность, можно заметить значительное улучшение предикативных характеристик модели (табл. 7): за полгода до дефолта с использованием Z''-score можно предсказать 68% банкротств.

Таблица 7. Предикативные характеристики моделей

До

После

Итого

52%

58%

YE 0,5

58%

68%

YE 1

56%

63%

YE 1,5

58%

66%

YE 2

42%

45%

YE 2,5

50%

55%

YE 3

47%

50%

Проведем статистический анализ отличий в средних между обанкротившимися и не обанкротившимися банками в выборке, сокращенной на 5 нерепрезентативных банков (табл. 8).

8. Описательная статистика. Скорректированные выборки

WC/TA

RE/TA

EBT/TA

E/L

Z cр

Def

Non

Def

Non

Def

Non

Def

Non

Def

Non

YE 0,5

Mean

-0,040

0,063

0,042

0,045

0,002

0,007

0,327

0,470

0,236

1,099

Sigma

0,162

0,180

0,033

0,074

0,021

0,012

0,166

0,542

1,035

1,580

Diff

*

*

*

*

YE 1

Mean

-0,005

0,077

0,037

0,064

0,007

-0,005

0,292

0,377

0,439

1,078

Sigma

0,154

0,149

0,030

0,052

0,012

0,065

0,158

0,418

0,998

1,245

Diff

*

*

*

*

*

*

YE 1,5

Mean

0,000

0,082

0,032

0,052

0,010

0,003

0,249

0,378

0,438

1,126

Sigma

0,138

0,143

0,023

0,044

0,021

0,023

0,139

0,498

0,875

1,436

Diff

*

*

*

*

*

*

YE 2

Mean

0,019

0,064

0,030

0,042

0,013

0,012

0,214

0,271

0,534

0,921

Sigma

0,170

0,148

0,027

0,027

0,028

0,016

0,140

0,282

1,269

1,241

Diff

YE 2,5

Mean

-0,050

0,035

0,028

0,043

0,006

0,010

0,117

0,288

-0,077

0,727

Sigma

0,147

0,200

0,025

0,031

0,007

0,009

0,075

0,385

1,026

1,749

Diff

*

*

*

*

YE 3

Mean

-0,034

-0,027

0,026

0,043

0,005

0,004

0,097

0,149

-0,026

0,110

Sigma

0,150

0,123

0,022

0,029

0,003

0,002

0,074

0,079

0,994

0,798

Diff

*

*

*

*

Можно заметить, что после очистки выборки от банков, предоставлявших недостоверную отчетность, отличия в средних по показателям WC/TA, RE/TA, E/L и непосредственно Z''-score стали статистически значимы. Таким образом, все показатели, за исключением характеристики EBT/TA, могут быть использованы в качестве основных определяющих факторов при дискриминантном анализе.

Применение модели Z''-score на выборке из всех обанкротившихся банков дало следующие результаты (что существенно ниже, чем применение на ограниченной выборке за 2009г.):

9. Предикативные характеристики модели Z''-score на полной выборке

Z-score

52%

YE 0,5

54%

YE 1

53%

YE 1,5

51%

YE 2

51%

Таким образом, по результатам анализа применимости Z''-score модели Э. Альтмана на выборке из 48 банков, из которых у 24 была отозвана лицензия, можно сказать, что показатель ликвидности (WC/TA), финансового рычага (E/L) и систематической устойчивости (RE/TA) являются хорошими дискриминирующими факторами. Предикативная способность модели на данных за 1 год до дефолта составляет 56%, при этом после очистки выборки от банков с недостоверной отчетностью данный показатель улучшился до 63%. На выборке из всех банков точность предсказаний дефолтов составляет 54%, в связи с этим в рамках данной магистерской диссертации предлагается улучшить модель Э. Альтмана в соответствии со спецификой российского банковского сектора.

Похожие статьи




Оценка применимости модели Э. Альтмана к прогнозированию дефолтов в российском банковском секторе. - Факторы финансовой устойчивости коммерческих банков и подходы к прогнозированию банкротств

Предыдущая | Следующая