Развитие методов оценки кредитного риска для формирования резервов на возможные потери по ссудам // Developing Credit Risk Assessment Methods to Make loss Provisions for Potential loans

V. Rakhaev A. and В. Рахаев А.
Additional contact information
V. Rakhaev A.: Samara State University of Economics
В. Рахаев А.: Самарский государственный экономический университет

Финансы: теория и практика/Finance: Theory and Practice // Finance: Theory and Practice, 2020, vol. 24, issue 6, 82-91

Abstract:

According to Bank of Russia Regulation No. 590-P dated June 28, 2017, Russian banks assess credit risk and make loss provisions for potential loans. Since 01.01.2018, credit institutions have been required to create loss provisions for expected losses in accordance with international standards (IFRS 9). This novation seems relevant due to the lack of a common risk assessment method and the importance of cost optimization on loan provisions. The aim of the study is to improve the credit risk assessment method for making loss provisions for potential loans. The author used the methods of system and logical analysis and synthesis, techniques of high financial calculations, the balance method, the method of financial ratios. When estimating the probability of borrowers’ default, potential credit losses and loan provisions, the author applied actuarial, market, statistical and econometric methods. Based on a Russian bank’s sample data for 2012-2019, the author developed a regression model that establishes the relationship between financial ratios and the default of corporate borrowers — agricultural producers, and checked the significance of the model’s financial ratios. The author divided the borrowers into rating groups by score. The probability of default is the ratio of the number of defaults to the number of borrowers by group. The average default loss for each group depends on the collection / debt ratio in the bank under review. The score of a borrower brings them into a certain rating group, helps calculate the probability of a default and losses in case of default. The calculated expected losses may be of further use when determining loss provisions for potential loans. The author concludes that this method allows assessing risks and making a decision on lending to borrowers — agricultural producers. The expected credit loss approach will allow for more reasonable provisioning, which corresponds to other authors’ findings. Applying this method in a particular bank requires considering the specifics of the composition and structure of the loan portfolio. It is necessary to analyze the impact of the expected credit loss method on the profitability of banks.

Согласно положению Банка России от 28.06.2017 № 590-П российские банки осуществляют оценку кредитного риска и формирование резервов на покрытие понесенных потерь. В то же время с 01.01.2018 кредитные организации обязаны формировать резервы на покрытие ожидаемых потерь в соответствии с международными стандартами [МСФО (IFRS) 9]. Представляется актуальным осмысление такой новации в связи с отсутствием общепринятой методологии оценки риска и важностью оптимизации расходов на резервирование ссудной задолженности. Цель исследования — совершенствование методологии оценки кредитного риска для формирования резервов на возможные потери по ссудам на основе ожидаемых потерь. Использованы такие методы, как системный и логический анализ и синтез, приемы высших финансовых вычислений, балансовый метод, метод финансовых коэффициентов. При оценке вероятности дефолта заемщиков, ожидаемых кредитных убытков и резервов на возможные потери по ссудам применены актуарные, рыночные, статистические и эконометрические методы. На основе выборочных данных российского банка за 2012-2019 гг. разработана регрессионная модель, устанавливающая зависимость между финансовыми коэффициентами и наличием дефолта корпоративных заемщиков — сельскохозяйственных товаропроизводителей, проведена проверка значимости финансовых коэффициентов модели. В соответствии с балльной оценкой заемщики разделены на рейтинговые группы. Вероятность дефолта рассчитана как отношение числа дефолтов к количеству заемщиков по группам. Средний уровень потерь при дефолте по каждой группе определен на основе показателя «взыскание/долг» в исследуемом банке. Расчет балльной оценки по конкретному заемщику позволяет отнести его к определенной рейтинговой группе, рассчитать вероятность дефолта и уровень потерь при дефолте. Рассчитанные ожидаемые потери могут быть использованы для определения резерва на возможные потери по ссудам. Автор делает вывод, что данная методика позволяет оценить риски и принять решение о целесообразности кредитования заемщиков — сельскохозяйственных товаропроизводителей. Подход на основе ожидаемых кредитных убытков позволит более обоснованно формировать резервы, что соответствует выводам других авторов. Применение данной методики в конкретном банке требует учета особенностей состава и структуры кредитного портфеля. Необходим анализ влияния метода ожидаемых кредитных убытков на рентабельность банков.

Keywords: E51, G17, G21; E51, G17, G21; financial condition; credit risk; actual losses; financial ratios; expected credit losses; loss provisions for potential loans; финансовое положение; кредитный риск; фактические потери; финансовые коэффициенты; ожидаемые кредитные убытки; резерв на возможные потери по ссудам (search for similar items in EconPapers)
Date: 2020-12-11
References: Add references at CitEc
Citations:

Downloads: (external link)
https://financetp.fa.ru/jour/article/viewFile/1093/765.pdf (application/pdf)
https://financetp.fa.ru/jour/article/viewFile/1093/764.pdf (application/pdf)

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:scn:financ:y:2020:i:6:p:82-91

Access Statistics for this article

More articles in Финансы: теория и практика/Finance: Theory and Practice // Finance: Theory and Practice from ФГОБУВО Финансовый университет при Правительстве Российской Федерации // Financial University under The Government of Russian Federation
Bibliographic data for series maintained by Алексей Скалабан ().