Модели вероятности дефолта промышленных компаний
Кредитование корпоративного сектора представляет собой значительную часть российского банковского бизнеса. Между тем уровень просроченной задолженности корпоративного кредитного портфеля имеет тенденцию к росту, что может явиться причиной нестабильности банковского сектора и финансовой системы в целом [Тотьмянина, 2014ц].
Число исследований и моделей оценки вероятности дефолта для российского сектора корпоративного кредитования весьма ограничено, а использование моделей, основанных на зарубежных данных, не адекватно. Кризис 2008 г. показал, что в значительной степени системным рискам и влиянию макроэкономических шоков подвержены компании строительной отрасли. Это обусловливает интерес для построения модели именно для предприятий данного сектора с использованием logit-моделей бинарного выбора и данных финансовой отчетности и макроэкономических показателей. Будем использовать модель бинарного выбора в спецификации logit (3.7—ЗЛО).
Финансовые показатели были структурированы по группам, наиболее часто используемым при анализе кредитного риска нефинансовых компаний [Помазанов, Колокова, 2004; Peresetsky et al., 2011; Pesaran et al., 2005; Slnimway, 2001]:
- • размер: валюта баланса, капитал, величина чистых активов, чистая прибыль;
- • рентабельность: рентабельность активов, рентабельность продаж, рентабельность затрат, рентабельность капитала;
- • показатели оборачиваемости и мобильности средств: средний срок оборота готовой продукции, средний срок оборота дебиторской задолженности, средний срок оборота запасов, оборачиваемость активов, оборачиваемость собственного капитала;
- • показатели финансовой устойчивости: обеспеченность собственными оборотными средствами, доля кредитов и займов в пассивах, доля запасов в оборотных активах, финансовый рычаг, коэффициент автономии, доля долгосрочных обязательств и др.
Была сформирована база данных из финансовых показателей, включающая 159 компаний строительной отрасли, которые допустили дефолт в период 2005-2013 гг. В качестве критерия дефолта выступало объявление о банкротстве предприятия.
Для каждой дефолтной компании случайным образом были выбраны три компании-аналога, которые также относятся к строительной отрасли, но не объявляли дефолт и действуют в соответствующий период (по аналогии с [Lanine, Vennet, 2006]). Таким образом, итоговая выборка состояла из 636 компаний, в том числе 159 компаний, признанных дефолтными и 477 аналогичных компаний, не являющихся дефолтными. Данные по финансовой отчетности за год до даты объявления дефолта были взяты из информационно-аналитической системы FIRA PRO.
Для дальнейшего отбора риск-доминирующих показателей и построения многофакторной модели вся совокупность наблюдений была нормирована
где х яот — нормированное значение у-й объясняющей переменной /'-го наблюдения; х.. — значениеу'-й объясняющей переменной /-го наблюдения; Л/Ц) — среднее математическое у-й объясняющей переменной; а(х) — среднее квадратичное отклонение у'-й объясняющей переменной.
