Анализ прогнозной силы моделей.

Анализ распределения стандартной ошибки моделей показал, что присутствует небольшая отрицательная асимметрия с более длинными левыми хвостами распределения (рис. 2.13), т.е. для предсказаний моделей больше характерны ошибки первого рода (рейтинги всех агентств переоцениваются). Для агентств S&P и Fitch коэффициенты асимметрии равны —0,256 и -0,241. Для Moody’s смещение более су-

Распределение стандартной ошибки рейтинговой модели

Рис. 2.13. Распределение стандартной ошибки рейтинговой модели

щественно и равняется —0,550. Таким образом, рейтинги всех получившихся моделей менее консервативны, чем фактические. Частично это вызвано тем, что в выборке преобладают высокие рейтинги, соответствующие развитым странам, которые и оказывают большое влияние при формировании моделей. Поэтому при использовании моделей для развивающихся стран требуется тщательный учет страновой принадлежности.

Процент точных предсказаний соответствует уровню 40-44% в зависимости от агентства и типа рейтинга. Прогнозирование рейтингов с ошибкой в одну градацию шкалы составляет 90-91%, а с точностью до двух градаций находится на уровне порядка 99% (табл. 2.17).

Таким образом, выявлено значительное влияние ряда финансовых показателей банков на присваиваемые агентствами кредитные рейтинги. Положительное влияние на уровень опенки РА оказывают такие показатели, как размер банка (логарифм от активов), уровень капитализации (достаточности капитала), отношение нераспределенной прибыли к активам, рентабельность активов. Отрицательно влияют следующие показатели: отношение процентных расходов к процентным доходам, высокий уровень долгосрочного долга, доля резервов на потери по ссудам и отношение депозитов к акционерному капиталу.

Положительное воздействие на кредитные рейтинги оказывают такие макроэкономические показатели, как годовой ВВП, отношение экспорта к импорту, а отрицательное — годовая инфляция, уровень коррупции. Выявлено, что зависимость от временного лага достаточно полога; небольшое преимущество в прогнозной силе предсказания рейтингов имеет лаг в один год, который и использовался в моделях. Развитые страны имеют более высокие рейтинги, нежели развивающиеся рынки, что объясняется лучшей экономической средой и меньшими геополитическими рисками.

Исследована предсказательная сила рейтинговых моделей. Процент точных предсказаний находится на уровне 40-44%. Прогнозирование рейтингов с ошибкой в одну градацию составляет 90—91%. Показана сопоставимость рейтинговых оценок различных зарубежных агентств, в том числе в части набора объясняющих переменных. Эти модели могут быть использованы для дистанционного предсказания кредитных рейтингов на основе открытой информации участниками финансовых рынков и регулирующими органами, т.е. для получения будущих значений рейтинговой оценки, а также для распространения оригинальных рейтингов на кредитные организации, которые их не имеют.

Целесообразно исследование новых подходов и методов их формирования для увеличения предсказательной силы моделей. Среди таких подходов можно отметить исследование панельных данных, внедрение новых финансовых параметров и оценка квадратичных зависимостей, анализ чувствительности компаний к рынку, влияние рода деятельности банка на его рейтинг (коммерческий, инвестиционный), влияние типа владения (государственное, частное, иностранное).

 
Посмотреть оригинал
< Пред   СОДЕРЖАНИЕ ОРИГИНАЛ   След >