Рис. 4 Финансовая модель управления рисками банков
На начальном этапе построения математической модели необходимо определиться с понятием «риск» с экономико-математической точки зрения. Под экономическим риском будем понимать случайную величину, которая взаимодействует с другими случайными величинами экономической природы на разных этапах моделирования с различной долей вероятности. Задачи сравнения рисков различной экономической природы являются неразрешимыми, если риски рассматривать, как функции, зависящие от аргументов имеющих различный смысл. Рассматривая экономические риски, как функцию распределения мы можем применять к ее исследованию методы теории вероятностей применимые к случайным величинам. Такое представление в большей степени включает в себя важную и богатую результатами область - имитационное моделирование. Если сравнивать аналитическое и имитационное моделирования, то аналитическое можно охарактеризовать как моделирование простых и идеализированных задач. Сложные объекты не всегда можно описать аналитически. Имитационное моделирование позволяет разложить процесс на части с которыми можно работать по отдельности и которые можно группировать в отдельные модели сложные или простые. Имитационное моделирование объектно-ориентированно. Имитационную модель можно усложнять постепенно, аналитический способ этого не позволяет. Структура взаимодействия аналитической и имитационной модели представлена на рисунке 5.

Рис. 5 Аналитическое (статистическое) и имитационное (динамическое) моделирование
Имитационное моделирование является основой финансовой модели. Это позволяет создать перспективные направления в управлении и принятии решений в финансовых сферах. Математическое и имитационное моделирование считается наиболее эффективным методом который с большей долей реальности воспроизводит финансовые процессы и денежные расчеты с внешними и внутренними контрагентами. Основной идеей имитационного метода можно назвать план или сценарий, который позволяет по различным критериям сравнить несколько проектов, на каждый из которых действуют разные факторы. Пропустив финансовый проект через несколько сценариев делается вывод о приемлемости проекта, о его достоинствах и недостатках, о факторах которые делают данный проект уязвимым. Следует отметить, что информационные технологии и инновационные программные продукты делают процесс моделирования более доступным для экономистов и финансистов. Сегодня регулятор стремится ориентировать банки на применение продвинутых подходов оценки риска. Одной из предпринятых им мер стал выход письма Центрального банка Российской Федерации от 29.12.2012 № 192-Т «О методических рекомендациях по реализации подхода к расчету кредитного риска на основе внутренних рейтингов банков». Что бы, качественно применять рекомендованные инновационные подходы к регулированию банковской системы необходимо обратить внимание на уровень автоматизации процессов по управлению рисками в банковской системе. Для этого потребуется провести сбор необходимых данных, их математико-статистическая оценка сформировать систему принятия решений на основании которой можно промоделировать например вероятности дефолта или же восстановление залога. Обращение заемщика в банк начинается с кредитной заявки и проходит многоуровневый процесс обработки: анализ кредитного риска, оценка залогов и обеспечения, регулярный мониторинг последующего состояния сделки, который только частично автоматизирован. На сегодняшний день банки приходят к пониманию необходимости моделей, направленных на оценку риска, на управление активами и пассивами организации в целом. Это

---

сложные имитационные модели, так как в них заложена вся деятельность банка.

В основу имитационной модели управления банковскими рисками положена методика оценки интегрального показателя кредитного риска, основанная на данных балансов и отчетности и анализе внутренних ресурсов банка.

Данная математическая методика находит применение в ряде коммерческих банков и предполагает:

- идентификацию ключевых показателей кредитного риска (Key Risk Indicator — KRI);

- определение правил расчета KRI;

- вывод интегральной оценки рискованности релевантных операций банка (Integral Risk Indicator IRI).

Ключевые показатели кредитного риска (KRI) могут принимать определенные математические числовые значения в зависимости от ряда факторов. Выделяется несколько групп KRI в зависимости от вида релевантных операций финансовых инструментов [3, с.40-42].

Интегральная оценка риска (IRI) вычисляется по следующим формулам:
= (1.1)
где:

– удельный вес показателя;

– значение показателя, рост которого является для предприятия положительным фактором;

— число показателей рост которых для предприятия можно считать положительным фактором;

- значение показателя, понижение которого для предприятия является положительным фактором;

– число показателей, понижение которых для предприятия можно считать положительным фактором.
= (1.2)

где:

– общее количество KRI;

---

- коэффициент влияния n-го KRI;

- коэффициент влияния группы, к которой относится -ный

Коэффициенты влияния ключевых показателей кредитного риска и их групп на интегральный показатель могут быть определены разными способами, в частности, экспертным путем.

В модели могут быть использованы значения, представленные в таблице 1.

Таблица 1

Интегральные показатели риска (IRI)

Группа интегрального показателя риска	Пороговая величина	Коэффициент влияния IRI	Коэффициент влияния группы (KRI) (допустимая величина)
- KRI средств до востребования в других банках;	> 25 % основного капитала (ОК) банка на момент расчета KRI.	0,5	0,5
Количество банков корреспондентов	< 5 банков	0,2	0,5
Суммарная учетная стоимость ценных бумаг одного эмитента	> 25 % ОК	0,4	1,5
Суммарная стоимость ценных бумаг одного типа	> 50 % ОК	0,3	1,5
Количество эмитентов	< 5	0,3	1,5
KRI Кредитных финансовых инструментов
Сумма просроченной задолженности	> 2% ОК	0,2	6,0
Сумма финансовых инструментов одного типа	> 50 % ОК	0, 05	6,0
Суммы межбанковских кредитов	> 20 % ОК	0,05	6,0
Суммы задолженности по контрагентам одной формы	> 20 % ОК	0, 05	6,0
Сумма max большого кредита	> 20 % ОК	0,15	6,0
Общая сумма max больших кредитов	> 80 % ОК	0,15	6,0
Общая сумма по инсайдерам	> 20 % ОК	0,15	6,0

---

Для операционализации изложенной выше методики применяется системно—динамическая модель, реализованная в среде Vensim1. Vensim 1 – это пакет имитационного моделирования, реализующий концепцию системной динамики. Метод системной динамики, предложенный Дж. Форрестером, базируется на аналогии между процессами ресурсного обмена. Применимо к нашей теме исследования структура модели представлена на рисунке 6.

Рис. 6 Общая структура имитационной модели.
Описывая вспомогательный блок модели необходимо заметить, что он должен быть разделен на несколько частей по типам контрагентов банка (они запрашивают и получают кредиты, выполняют перед банком свои финансовые обязательства) и каждый контрагент должен быть представлен блоком выдачи и погашения кредита. Замечания к построению математического аппарата необходимо сделать следующие:

- спрос на кредит и сумма требований банка к контрагентам представляют собой равномерно распределенную случайную величину;

- сроки для погашения долга для всех заемщиков одинаковы и составляют один год;

- не учитывается целевое назначение кредитов;

- принята единая ставка процента на все кредиты в размере семнадцати процентов.

Важной составляющей данной модели является блок 3 – Блок капитала банка. При анализе кредитного риска, обязательной является процедура выяснения достаточности капитала. Капитал банка учитывается и должен соответствовать принятым нормативам.

Необходимо учитывать, что Регулятивный капитал банка составляют Основной и Дополнительный капитал. Неизменный капитал, не подлежащий перераспределению и покрывающий все текущие убытки, считается Основным капиталом. Капитал, величина которого не постоянна и варьируется на протяжении времени, считается Дополнительным капиталом. Суммарные активы банка состоят из Регулятивного капитала и денежных средств, лежащих на депозитах в банке.

Обсуждение и заключение.

Описываемая ранее имитационная модель должна стать механизмом управления рисками в банковской сфере. Позволить прогнозировать финансово-экономические показатели необходимые для управления рисками в банковской системе. Примерами таких показателей могут стать:

- величина задолженности контрагентов банка;

- величина суммарной просроченной задолженности;

- величина процентного дохода от кредитов;

- величина задолженности различной экономической типологии (типам финансовых инструментов,

---

типам обеспечения, типам ценных бумаг);

- величины характеризующие «большие кредиты»;

- интегральный показатель кредитного риска.

Данные, полученные эмпирическим путем, по средствам предлагаемой модели, позволят провести детальный анализ финансово-экономических показателей влияющих на формирование кредитной политики банка и на работу кредитно-банковской системы в целом. Моделирование финансово-экономических процессов при оценке банковских рисков позволит повысить эффективность работы системы кредитования. Применение новых технологий позволит автоматизировать некоторые операции, уменьшить время принятия решения, повысить качество оценки рисков, уменьшить вероятность возможных потерь и риск мошенничества, быть ориентированной на конкретного клиента банка. Предлагаемая модель должна позволить управлять процентной политикой банка работать на снижение будущих потерь и увеличение прибыли банка. Недостаток рассматриваемой методики оценки рисков в банковской системе в том, что она, к сожалению, не позволяет проанализировать и оценить все факторы рисков.

На основании выше изложенного можно сделать следующие заключение: при управлении банковскими рисками в каждом конкретном случае необходимо учитывать экономическую и социально-политическую ситуацию в регионе, принимать во внимание внешние и внутренние факторы, влияющие на работу банковской системы и рисковые ситуации, уметь определять свою собственную кредитную политику. Разработка новых методов позволяющих анализировать факторы и оценивать риски банковской системы является актуальной задачей. Эффективность предложенного подхода отмечают многие экономисты, использующие математические имитационные модели в своих научных исследованиях связанных с управлением банковской системой. Задачей следующего этапа исследования является привязка реальных факторов и показателей банковской отчетности к формируемой модели. Это позволит повысить практическую значимость исследования.
Список используемых источников:

1. Экономика [Текст] : Толковый словарь : Англо-русский / Джон Блэк. - Москва : ИНФРА-М : Весь Мир, 2000. – 829с. – С.582.

2. Количественный анализ в экономике и менеджменте: Учебник / Малугин В.А., Фадеева Л.Н. - М.:НИЦ ИНФРА-М, НИЦ ИНФРА-М, 2016. - 700 с. – С.504-570.

3. Беспалова И.В. Финансовая модель управления рисками российских банков //Фундаментальные исследования – 2014. – № 6. – С.40-42.

---

Смотрите также файлы

• Протокол 1 от 2022 года Шакирова Л. М. Согласовано Заместитель директора по увр от 2022 года.docx

• Закон Ома для полной цепи.ppt

• Павлодарский высший экономический колледж Казпотребсоюза Кабинет бухгалтерского учета и аудита.docx

• Блім 1блім Кне кндерден жеткен ждігерлер.docx

• Снежный барс (Ирбис).docx