Исследование вопросов прогнозирования вероятности дефолта кредитных организаций в Российской Федерации

Цель: формирование модели прогнозирования неисполнения кредитными организациями своих обязательств в современных условиях функционирования банковского сектора.

Методы: одномерный дисперсионный анализ, регрессионный анализ моделей бинарного выбора.

Результаты: устойчивость банковской системы в современной экономике во многом оказывает влияние не только на финансовый сектор, но и экономический, инвестиционный климат в стране. Понимание степени влияния банков на состояние экономики обусловливает необходимость формирования соответствующих эффективных систем прогнозирования, позволяющих выявлять проблемные банки до того момента, когда возникнет необходимость отзыва у них лицензии. Существующая методика Банка России характеризуется субъективизмом и неточностью оценки. Анализ исследований по тематике прогнозирования дефолта банков показал наличие разнообразных подходов к методике оценки вероятности банкротства кредитных организаций, вместе с тем имеющих ряд недостатков. На основе выбора ключевых факторов, влияющих на финансовую устойчивость банка, сформирована модель логистической регрессии по прогнозированию банкротства банков. Предложенная в настоящей статье методика включает в себя пять предикторов, выделенных на основе усовершенствованной методики отбора переменных для логит-регрессии, и дополняет существующие методики.

Научная новизна: разработана методика для оценки вероятности банкротства коммерческих банков в Российской Федерации, которая включает в себя пять предикторов, являющихся ключевыми при оценке финансовой устойчивости банка: рентабельность активов, удельный вес ликвидных активов в валюте баланса, удельный вес кредитного портфеля в валюте баланса, доля кредитов реальному сектору в валюте баланса, доля долгосрочных размещений в кредитном портфеле. Логистическая регрессионная модель бинарного выбора, предложенная в работе, позволяет отграничивать финансово устойчивые кредитные организации от проблемных банков с горизонтом прогнозирования в пять месяцев и классификационной точностью 88,33 %.

Практическая значимость: сравнительно высокая классификационная точность полученной модели допускает возможность ее использования как Банком России при контроле за функционированием кредитных организаций, так и непосредственно руководством кредитной организации для оценки финансовой устойчивости организации и прогнозирования вероятности ее дефолта, а также при формировании стратегии развития банка.