Модели рейтингов: тип моделей, компоненты и характеристики.

В данном исследовании использовались модели упорядоченного выбора. В результате предварительного анализа возможных объясняющих переменных уравнений множественного упорядоченного выбора было сформировано несколько спецификаций модели и проведено их сравнение на основе статистических критериев. В соответствии с выбранной порядковой числовой шкалой отображения рейтингов отрицательное значение коэффициента при объясняющей переменной соответствует положительному влиянию, и наоборот.

При построении модели учитывалась принадлежность переменных к следующим группам (см. табл. 2.27): показатели банковского сектора, внешнего сектора, монетарной политики, экономического роста и развития, государственных финансов и фондового рынка. Преимущество отдавалось тем спецификациям, которые включали переменные из наибольшего числа групп.

В базовую модель (табл. 2.29) вошли следующие показатели: отношение объема выданных кредитов частному сектору к объему ВВП, ВВП на душу населения (в долларах, в ценах 2000 г.), темпы инфляции, профицит (дефицит) бюджета (в процентах от ВВП), отношение объемов экспорта к объему импорта, размер фондового рынка (в процентах от ВВП). Отношение объемов экспорта к

Перечень рассматриваемых макроэкономических показателей

Таблица 2.28

Перечень рассматриваемых качественных показателей

объему импорта и размер фондового рынка были взяты с лагом в один год. Выборка была очищена от выбросов на основании предварительных выборочных статистик: из анализа исключались наблюдения, если дефицит бюджета или темпы инфляции превышали 30%, объем фондового рынка превышал 500% ВВП.

Анализ базовой модели показывает положительное влияние на суверенный рейтинг ВВП на душу населения, объема выданных кредитов частному сектору по отношению к объему ВВП, а также величины фондового рынка в сравнении с объемом экономики конкретной страны. Такое влияние вполне ожидаемое, как и отрицательное влияние на рейтинг уровня инфляции. В то же время неопределенное влияние отношения экспорта к импорту не совсем ожидаемое и может быть объяснено разнонаправлен-

Рис. 2.17. Распределение количества наблюдений в выборке по градациям рейтингов

Рис. 2.18. Распределение количества наблюдений в выборке по годам

Рис. 2.19. Распределение количества наблюдений в выборке по уровню развития и географическим регионам

2.5. Суверенные рейтинги и их модели

Базовая и производные модели суверенного рейтинга

Таблица 2.29

ностью влияния этого фактора в различных частях интервала значений из-за нелинейности. Поэтому была предпринята попытка анализа влияния этого отношения в квадратичной спецификации (модель 4).

Кроме того, для улучшения предсказательной способности моделей были включены доля неработающих активов в банковском секторе (модель 3) и доля ликвидных активов (модель 2). Включение в модель этих показателей обеспечивает несколько более высокий уровень статистических характеристик, чем модели с включением в спецификацию объема выданных кредитов к ВВП, однако использование этих показателей в модели существенно сокращает объем выборки.

Следует также отметить, что отношение объемов экспорта к объемам импорта, не оказывающее значимого влияния на суверенный рейтинг в базовой модели, а в модели 2 оказалось значимым на 5%-м уровне при отрицательном влиянии на рейтинг, что не соответствует предварительным представлениям. Для проверки наличия нелинейности в модели 4 тестирована квадратичная зависимость по этому показателю. Согласно полученным результатам, превышение объемов экспорта более чем в 2,2 раза над импортом отрицательно влияет на суверенный рейтинг. Это можно объяснить экспортной зависимостью экономики, как правило, сырьевой зависимостью.

Дальнейшие попытки повышения качества модели были связаны с включением индекса коррупции и Л//и/?гу-переменных, характеризующих условия развития бизнеса и социального развития страны, также ее географическое положение или принадлежность к группе стран с близкими бизнес-моделями, а также dummy на наличие в стране кризиса суверенного долга. В одну из спецификаций модели были включены объем ВВП и темпы роста экономики за предыдущий год.

Результаты свидетельствуют о том (табл. 2.30), что географическое положение страны оказывает значимое влияние на суверенный рейтинг. Страны в Латинской Америке, Азии, Южной Европе, Северной Африке и на Ближнем Востоке в среднем имеют более низкие рейтинги.

Принадлежность к группе развитых стран положительно влияет на рейтинг. Как и ожидалось, страны — экспортеры нефти имеют более низкие рейтинги при прочих равных условиях. Принадлежность к группе BRICS в одной из спецификаций модели

155

негативно влияет на рейтинг, однако в другой спецификации параметр оказался незначимым.

В то же время страны так называемой группы PIIGS (Португалия, Италия, Ирландия, Греция и Испания) обладают более высокими рейтингами, что может свидетельствовать о превышении рейтинга над уровнем стран с аналогичными экономическими характеристиками в силу принадлежности к Евросоюзу и надежде на поддержку с его стороны этих экономик. Проблемы с финансовым состоянием, усугубившиеся во время кризиса 2007—2009 гг., проявились после кризиса, что вынудило рейтинговые агентства, в том числе Moody’s, снижать их суверенные рейтинги.

В периоды кризиса суверенного долга кредитный рейтинг страны при прочих равных условиях ниже, однако в модели 6 параметр статистически незначим. Индекс коррупции отрицательно влияет на рейтинг, т.е. страны с низким уровнем коррупции имеют более высокие рейтинги (знак перед коэффициентом отрицательный, а шкала индекса имеет обратное направление). Размер экономики и темпы роста ВВП оказывают положительное влияние на суверенный рейтинг.

Полученный уровень прогнозной силы вполне приемлем и находится на уровне около 50% для точного предсказания и на уровне 76-78% для предсказания с ошибкой в одну рейтинговую градацию. Модель 6 превышает по уровню предсказательной силы модель 4, в связи с чем и предсказательная сила моделей по различным группам рейтингов также будет выше, чем приведенные данные в табл. 2.31.

Можно предположить, что для суверенных рейтингов существует различие в описании модели в зависимости от рейтингового интервала, в том числе есть отличия в моделях для инвестиционных и спекулятивных рейтингов. Для проверки этой гипотезы далее будем использовать модель 4 суверенного рейтинга. Эта модель была взята для тестирования по трем группам рейтингов, для чего выборка была соответствующим образом разбита на три подвыборки. В первую подвыборку вошли страны с самыми высокими рейтингами (классов Ааа, Аа), во вторую подвыборку — остальные страны с рейтингами инвестиционного уровня (классов А и ВВВ), в третью — страны спекулятивного уровня (классов ВВ и В, т.е. кроме стран с самыми низкими рейтингами Caal и ниже). Согласно полученным результатам (табл. 2.31), показатели модели обладают хорошей предсказательной силой для стран с высокими рейтингами. В то же время данный набор объМодели рейтингов с разбивкой по классам

ясняющих переменных хуже описывает рейтинги спекулятивного уровня. Модель 4 была также исследована на устойчивость во времени. Для этого были добавлены dummy по годам. Dummy на 1995 и 1996 гг. оказались значимыми на 5%-м уровне. Изменения 1995-1996 гг. могут быть частично объяснены тем, что в этот период возросло количество стран, имеющих суверенные рейтинги (см. рис. 2.23). В значительной мере это было следствием преобразований, произошедших в странах Центральной и Восточной Европы на стыке 80-х и 90-х годов XX в.

Для проверки предсказательной силы модель 7 была протестирована на данных за 2010 г. В выборку вошли 57 стран, которые имели на конец года рейтинг агентства Moody’s и по которым были доступны необходимые макроэкономические показатели. Модель точно предсказала значения суверенных рейтингов для 19 стран (33,3%), с ошибкой не более одной градации были предсказаны рейтинги для 39 стран (68,4%) и с ошибкой не более двух градаций — для 45 стран (78,9%). Более низкие показатели предсказательной силы модели можно объяснить более высокой долей стран с низкими рейтингами по сравнению с исходной выборкой. Распределение количества наблюдений в выборке по рейтинговым градациям для модели и выборки out of sample приведено на рис. 2.20.

Прогноз рейтингов для стран, не имеющих рейтинга. На основании построенных моделей были получены оценки рейтингов для стран, не обладающих суверенным рейтингом Moody’s. Рейтинги оценены по шести моделям для 14 стран, имеющих основные финансовые индикаторы за 2007-2009 гг. Результаты представлены в табл. 2.32 на самую позднюю дату, на которую имелись макроэкономические данные.

Исходя из полученных оценок, можно придти к заключению, что результаты по различным моделям расходятся не более чем в две градации.

Следует отметить, что на наивысшие из рассматриваемых стран рейтинги на основе экономических факторов могут претендовать прежде всего Израиль и Бахрейн (на рейтинги инвестиционного уровня). Группа стран (от Иордании до Сербии включительно) может претендовать на рейтинги верхней части спекулятивного уровня.

Таким образом, выявлено значимое влияние на суверенные рейтинги показателей экономического роста и развития, показателей государственного бюджета, монетарной политики, бан-

Рис. 2.20. Распределение количества наблюдений в выборке out of sample по градациям рейтингов

Результаты моделирования кредитных рейтингов суверенных государств, не имеющих рейтинга (2010 г.)

ковского и внешнеторгового секторов, а также фондового рынка. К важным факторам, влияющим на рейтинг, относятся географическое положение страны и ее принадлежность к той или иной группе стран.

Предсказательная сила набора факторов существенно варьируется для стран с высокими и низкими рейтингами. В то время как для стран с рейтингами спекулятивного уровня важны дефицит бюджета и темпы инфляции, отношение объемов экспорта к импорту, данные показатели не оказывают значимого влияния на страны с наивысшими рейтингами, для которых важны показатели финансового сектора (объем выданных кредитов частному сектору и размер фондового рынка). Однако такой показатель, как ВВП на душу населения обладает значимой объясняющей силой для всех групп стран.