Время цифровизировать риски

Моисеев Виктор Дмитриевич, Долгушев Никита Владимирович, Колошин Антон Борисович

Кредитные рейтинги – это признанный в мировом сообществе инструмент отражения кредитного качества, который участники рынка часто используют для принятия кредитных решений, а центробанки (на основании рекомендаций Базельского комитета) для решения регуляторных задач, в том числе:

• принятия рыночных активов в качестве залога для целей денежно-кредитной политики и обеспечения финансовой стабильности,
• для оценки кредитного качества секьюритизированных инструментов в рамках требований к кредитным организациям и инвестиционным компаниям, а также;
• в отношении требований к капиталу кредитных организаций

При создании системы сопоставления рейтинговых шкал кредитных рейтинговых агентств (мэппинг), которым Центральный банк занимается с 2011 года, он решает сложную задачу: как учесть несовершенства, с которыми сопряжена деятельность национальных рейтинговых агентств.

На сегодняшний день в России всего два аккредитованных рейтинговых агентства, и охват некоторых отраслей экономики оставляет желать лучшего, например, военно-промышленный комплекс, ЖКХ и строительство, а также подавляющее большинство компаний среднего бизнеса.

Одну из причин недостаточного применение рейтингов кредитоспособности в национальной экономике мы усматриваем в отсутствии отчетности, адекватно отражающей финансовую позицию компаний корпоративного сектора (аналог МСФО). Не случайно, в банковском секторе, например, где такую отчетность банки готовят уже много лет, уровень покрытия кредитными рейтингами в разы выше. Другой причиной могут являться вопросы регулятора к методологии рейтингования корпоративного сектора национальными агентствами.

Интересно, что среди более 400 банков Российской Федерации, которые кредитуют корпоративный сектор, и, казалось бы, должны обладать способностью к оценке кредитного риска, ЦБ согласовал применение внутренних рейтингов (ПВР) только двум из них. Кроме того, руководитель первого из этих двух банков, Герман Греф заявил о неактуальности перехода на ПВР, ссылаясь на его отставание от новых технологий, основанных на нейронных сетях.

Развитие методов многофакторного цифрового моделирования позволяет оценивать кредитное качество путем сбалансированного учета взаимосвязей «внешних» и «внутренних» факторов компаний, связанных с ведением бизнеса, качеством управления и финансового состояния заемщиков. Отчуждаемость модели облегчает процесс ее валидации и согласования с регулятором.

При оценке кредитного качества учитываются три категории риск-факторов: отраслевые, операционные и финансовые. Эти факторы тесно взаимосвязаны между собой и влияют на кредитоспособность как по-отдельности, так и последовательно. Например, (1) степень концентрации отрасли влияет на (2) значимость конкурентной позиции компании, которая, в свою очередь, влияет на ее (3) способность генерировать денежный поток.

Согласно традиционному подходу рейтингования, все три перечисленных фактора, учитываются при оценке кредитного рейтинга с определенным весом, в каждой из трех категорий, к которым они относятся. Эта, так называемая традиционная оценка – результат годами проверенных взвешенных методик рейтинговых агентств многократно доказала свою эффективность с одним «но»: она оставляет без внимания иерархическую и сетевую взаимосвязи между риск-факторами. А именно разветвленная (не только внутри категорий, но и между ними) связь между факторами призвана наиболее точно определить уровень кредитоспособности – ведь, по-хорошему, финансовые показатели являются ничем иным, как отражением долгосрочной эффективности бизнеса и его управления: чем выше эффективность, тем менее волатильны финансовые показатели. В данном случае долгосрочная эффективность прямопропорциональна консервативности финансовой политики объекта рейтинга.

Развитие современных технологий позволяет математически рассчитать величину кредитоспособности, составив цепочки зависимостей (almaGRID) от основания виртуальной пирамиды, в которой лежат операционные риск-факторы с учетом отраслевой специфики до ее вершины, где находятся финансовые факторы такие, как, например, DSCR (debt service coverage ratio). Такие факторы как суверенный риск и платежеспособность правительства, на наш взгляд, довольно субъективны и могут являться предметом долгих обсуждений, но не являются определяющими платежеспособность объекта рейтинга, особенно в глазах национального кредитора.

В этой связи, для чистоты анализа этот фактор исключается из предмета исследования. Остается калибровать эти значения на шкалу вероятности дефолта, которая на основе подтвержденной дефолтной статистики может сопоставляться с другими шкалами (например, шкалы рейтинговых агентств или ПВР), предоставляя дополнительные возможности для мэппинга.

Рисунок 1. Дополнение традиционного анализа кредитоспособности анализом взаимосвязей между риск-факторами

Такой подход поддерживает логику традиционной оценки кредитного качества, практикуемую рейтинговыми агентствами и рекомендуемую Базельским комитетом (область А. на Рисунке 1). В то же время она предлагает возможность дополнить ее новым измерением, в котором определяются взаимосвязи между фундаментальными показателями бизнеса - факторами операционной эффективности (бизнес-моделью, рыночной позицией и качеством управления и т.д.) и вероятностью дефолта (область Б. на Рисунке 1).

Такой подход позволяет учесть показатели эффективности бизнеса и управления, например, согласно логике APQC, McKensey или Accentures, и оцифровать не только количественные, но и качественные факторы, которые при присвоении рейтинга сегодня во многом зависят от субъективного мнения кредитного аналитика. Предлагаемый подход призван повысить прозрачность процесса кредитного рейтингования. Используя цифровую модель, заемщик (эмитент, проект) сможет самостоятельно оценить свой кредитный рейтинг, выявить наиболее значимые цепочки факторов, на него влияющие, и поработать над его повышением. Получив более высокий результат по внутреннему скорингу (область Б. на Рисунке 1), он возвращается к логике рейтинговых агентств или кредитующего банка (область А. на Рисунке 1) и транслирует улучшение, претендуя на повышение кредитного рейтинга. Если зафиксированные улучшения позволяют перейти на следующую ступень кредитного качества по шкале рейтингового агентства или банка, то результатом должна стать экономия на процентной ставке. Кроме усовершенствования корпоративной системы управления рисками (риск-менеджмент), такой дополненный подход к оценке кредитного качества призван помочь решить следующие проблемы «верхнего уровня»:

1. Сгладить проблему качества финансовой отчетности при оценке кредитоспособности, сбалансировав акценты между результатами финансового и бизнес-репортинга (ERP, ERM, SCM, и т.п.),
2. Привести к ослаблению критики в адрес рейтинговых агентств. Недавнее исследование (A. Seetharaman, Vikas Kumar Sahu, A. S. Saravanan, John Rudolph Raj and Indu Niranjan, The Impact of Risk Management in Credit Rating Agencies //Risks, 2017, 5, 52) показывает, что адекватность присвоенного рейтинга бизнес и операционные риск-факторы, в отличие от финансовых и рыночных, являются фундаментальными и имеют очень слабое влияние на отклонение кредитного рейтинга. Таким образом, если рейтинговые агентства будут в большей степени основывать рейтинги на анализе операционных и бизнес-риск-факторов, то они будут менее подвержены конъюнктурным искажениям, как, например, присвоение рейтингов высшего кредитного качества структурным ипотечным облигациям 2008-2010гг.,
3. Упростить процесс согласования ПВР организаций с целью снижения норм резервирования, отражающих многостороннюю оценку кредитного качества заемщика, принимающую во внимание долгосрочные показатели качества бизнес-модели и структуры национальной экономики.

Использование многофакторной цифровой модели дополняет традиционную методологию оценки кредитного качества, делая процесс рейтингования более последовательным и прозрачным как для внутреннего, так и внешнего потребителя.

Не зависимо от того, будет ли эта логика принята на вооружение рейтинговыми агентствами и регулятором (что является вопросом инфраструктурным, а значит - долгосрочным), она будет востребована представителями корпоративного сектора, заинтересованными в повышении кредитного рейтинга по принятой шкале рейтингового агентства или кредитующего банка.

Современная эпоха цифровизации и искусственного интеллекта требует усовершенствования подходов к традиционным процессам. И процесс оценки кредитного качества не является исключением. Современные цифровые модели позволяют отслеживать и обрабатывать сотни взаимосвязей в минуту, в то время как аналитик может потратить на это дни и недели. Мы согласны с представителями профессионального сообщества, утверждающими, что использование современных технологий в процессе оценки кредитоспособности – это только вопрос времени. Хотя никакой автопилот не заменяет опытного летчика, сегодня самолеты без них не вылетают.