Электронная библиотека диссертаций и авторефератов России
dslib.net
Библиотека диссертаций
Навигация
Каталог диссертаций России
Англоязычные диссертации
Диссертации бесплатно
Предстоящие защиты
Рецензии на автореферат
Отчисления авторам
Мой кабинет
Заказы: забрать, оплатить
Мой личный счет
Мой профиль
Мой авторский профиль
Подписки на рассылки



расширенный поиск

Оценка кредитных рисков банков в условиях информационной неопределенности Березин Алексей Сергеевич

Диссертация - 480 руб., доставка 10 минут, круглосуточно, без выходных и праздников

Автореферат - бесплатно, доставка 10 минут, круглосуточно, без выходных и праздников

Березин Алексей Сергеевич. Оценка кредитных рисков банков в условиях информационной неопределенности: диссертация ... кандидата Экономических наук: 08.00.10 / Березин Алексей Сергеевич;[Место защиты: ФГБОУ ВО Российская академия народного хозяйства и государственной службы при Президенте Российской Федерации], 2016.- 133 с.

Содержание к диссертации

Введение

Глава 1. Методологические аспекты оценки и аудита рисков кредитования крупных проектов 12

1.1. Актуальные задачи оценки рисков банковского бизнеса 12

1.2. Методологические аспекты аудита банковских рисков при кредитовании крупных проектов в условиях нестабильности и значительной

неопределенности 18

1.3. Оценка кредитных рисков банков на основе отечественных и международных стандартов и рекомендаций 21

1.4. Критический обзор методов и методик оценки рисков при принятии кредитных решений для крупных проектов 31

1.5. Выводы по главе 1 45

Глава 2. Концепция и моделирование системы банковских рисков кредитования сложных проектов в условиях нестабильности и значительной информационной неопределенности

2.1. Методологическое обоснование оценки кредитования сложных проектов на основе регуляризирующего байесовского подхода (РБП). 47

2.2. Создание сбалансированной системы факторов риска кредитования крупных проектов 61

2.3. Применение системы «Инфоаналитик» для моделирования кредитных проектных рисков на основе РБП и БИТ. 64

2.4. Построение шкал с динамическими ограничениями для оценки рисков кредитования проектов в условиях неопределенности информации 70

2.5. Методика обработки разнотипной информации при оценке рисков проектов на основе БИТ 744

2.6. Методика моделирования и измерения кредитного риска сложных проектов в условиях значительной информационной неопределенности на основе БИТ 777

2.7. Методика оценки рисков кредитного портфеля проектов в условиях неопределенности 802 2.8.Выводы по главе 2. 834

Глава 3. Моделирование и измерение системы кредитных рисков проекта модернизации энергогенерирующих объкетов в условиях неопределенности на основе БИТ . 856

3.1.Методика измерения показателей кредитных рисков энергетических проектов на шкале с динамическими ограничениями (ШДО) 856

3.2. Выбор системы сбалансированных показателей оценки кредитных рисков бизнес- плана проекта 902

3.3. Определение динамических моделей, тенденций и рисков показателей бизнес-плана котельных на основе БИТ 1078

3.4. Методика и рабочий пример оценки кредитных рисков проекта модернизации котельной 1115

3.5. Выводы по главе 3. 1160

Заключение 1171

Список литературы

Введение к работе

Актуальность темы диссертации. Одним из важнейших вопросов практической деятельности банков и банковской системы в целом является оценка банковских рисков. К числу основных для деятельности банков относятся риски кредитования.

Кредитование заемщиков связано со значительным количеством рисков для банков. Трудность оценки этих рисков связана с несколькими факторами. Прежде всего самой сложностью системы рисков, которая характеризуется как многочисленной номенклатурой рисков, так и сложностью их взаимосвязей. Кроме того, существуют еще факторы, определяющие сложность оценки рисков.

Во-первых, информация, поступающая в банк от заемщика чаще всего необъективна, неполна и неточна. Интерес заемщика к получению кредита обусловливает этот вид информационной неопределенности. Для получения дополнительной информации необходимо иметь перечень дополнительных источников информации и степень ее релевантности.

Во-вторых, кредитование осуществляется в проектной деятельности в самых разнообразных сферах хозяйствования. В банках, как правило, специалисты в этих областях, способные оценить производственные, социальные, экологические и другие виды нефинансовых рисков, отсутствуют. Поэтому банки, уделяя особое внимание финансовым показателям и финансовой модели заемщика, не детализируют нефинансовые показатели и не оценивают риски связанные с ними. Это может приводить к дополнительным рискам кредитования и составлять их значительную и неучтенную часть. Поэтому важна системность и методология интегрирования рисков различного типа в единую оценку рисков.

В-третьих, динамичность современной экономики, влияющая на ситуации заемщиков и окружающей их среды настолько значительна, что

первоначальная оценка рисков, произведенная банком на начальном этапе может значительно измениться за время рассмотрения заявки на кредитование, которое для крупных проектов может составлять несколько месяцев. Поэтому модели рисков должны рассматриваться в условиях такой ситуационной нестабильности в виде динамических моделей контролироваться в процессе мониторинга рисков.

Степень проработанности темы диссертации.

В настоящее время методология оценки рисков на теоретическом уровне выделилась в отдельную теорию риск-менеджмента. Основные теоретические работы в рамках этого направления были выполнены за рубежом. Так, в работах зарубежных ученых, начиная с конца прошлого столетия были сформулированы основные принципы, теоретические обоснования и модели риск-менеджмента для предприятий и организаций.

В последнее десятилетие прошлого века в производственной сфере произошел переход к новой парадигме оценки рисков, предусматривающей комплексное рассмотрение рисков сех подразделений и направлений деятельности фирмы. Однако, в банковской сфере риски кредитования по-прежнему рассматриваются отдельными группами: риски проекта (с ориентацией на оценки в бизнес-планах проектов); риски организации-заявителя и собственные риски банков, в том числе риски кредитных портфелей банков. Риски, связанные с изменением внешних ситуаций и условий реализации проекта либо определяются слишком укрупнено и приближенно, либо вообще не рассматриваются

Поэтому задача комплексной оценки рисков кредитования сложных проектов в условиях нестабильности и неопределенности является актуальной задачей современного банковского бизнеса.

Проблемы оценки рисками сложных систем в том числе банковских систем с использованием методов системного анализа рассматривались в трудах отечественных ученых В.С. Анфилатова, С.А. Айвазяна, В.Е. Баумана, В.Н. Буркова, М.А.Бухтина, Н.А.Валенцевой, Т.А.Волковой, И.А.Гиндина,

А.А.Емельянова, Е.Ф.Жукова, В.Н.Засько, Р.М.Качалова, Г.Б.Клейнера, В.Н.
Кузнецова, Б.Г. Литвака, В. М. Лохина, В.Г.Севрука, М.В.Мельника,
В.С.Мхитаряна, С.В.Прокопчиной, О.Д.Проценко, С.А.Редкозубова,

Н.Э.Соколовской, И.Д.Украинской, Л.В.Уткина, Я.З.Цыпкина и др., а также зарубежных ученых А.Гана, Дж.Кейнса, Ф.Найта, Л.Н.Тэпман, и других..

Однако, проведенный обзор современного состояния научно-методического аппарата оценок рисков показал, что, несмотря на большое количество работ по данной тематике, недостаточно освещены вопросы оценки банковских рисков в условиях нестабильности и информационной неопределенности.

Таким образом, можно констатировать, что тема диссертации, посвященная разработке методов контроля и снижения банковских рисков кредитования крупных проектов в условиях значительной неопределенности является актуальной.

Объектом исследования являются риски кредитования крупных проектов банками.

Предметом исследования являются методы и методики оценки рисков при управлении бизнес-процессами банка условиях нестабильности неопределенности.

Цель исследования состоит в повышении качества и эффективности кредитной деятельности банка путем разработки системы сбалансированных показателей моделей процессов, создании на х основе методики комплексной оценки рисков кредитования крупных проектов в условиях информационной неопределенности, вызванной в том числе динамичностью экономических ситуаций.

Основные задачи для реализации целей исследования:

охарактеризовать деятельность банков, осуществляющих
кредитование сложных проектов, выявить существующие проблемы в оценке
рисков кредитования, сформулировать требования методическому

обеспечению оценки рисков кредитования сложных проектов в условиях

нестабильности и неопределенности на основе отечественных и зарубежных нормативных и рекомендательных документов, а также к информационно-аналитическому сопровождению разрешения возникающих ситуаций;

– идентифицировать структуру процессов деятельности банков по кредитованию крупных проектов, и разработать модель для комплексной оценки рисков кредитования в условиях нестабильности и неопределенности;

– разработать систему сбалансированных показателей, по которым производится оценка рисков кредитования крупных проектов;

– разработать методику комплексной оценки и аудита рисков кредитования проектов в условиях нестабильности и неопределенности;

– исследовать возможность приложения разработанной методики и ее инструментария для оценки рисков кредитования энергетического проекта;

– провести исследования по экспериментальной апробации

разработанной методики для оценки рисков энергетических проектов и дать практические рекомендации по повышению качества оценки указанных рисков.

Методологическая, теоретическая и эмпирическая база исследования.

Методологическая часть работы основывается на регуляризирующем байесовском подходе (РБП), который позволяет производить оценку кредитных рисков в условиях информационной неопределенности, его использование позволяет оценить качество получаемых о ценок в виде показателей их точности, надежности и достоверности, а также сформировать оценки в виде совокупности альтернативных решений, что в условиях неопределенности позволяет существенно повысить эффективности получаемых результатов оценки.

Теоретическая часть работы выполнена на основе методов теории
управления, системного анализа, теории принятия решений, математической
статистики, теории нечетких множеств и регуляризирующего байесовского
подхода, принципов и подходов эффективного использования

международных стандартов в области управления рисками.

Эмпирическая часть работы выполнена на основе байесовских интеллектуальных технологий (БИТ) с использованием информационно-аналитической системы поддержки принятия управленческих решений «Инфоаналитик».

Научная новизна результатов, полученных ично автором,

заключается в следующем:

- на основе систематизации и классификации существующих кредитных
рисков разработан новый методический подход к оценке рисков кредитования
крупных проектов, позволяющий производить оценку и аудит кредитных
рисков по неполной и разнородной информации в условиях значительной
неопределенности экономико-социальных факторов;

разработана модель комплексной оценки рисков кредитования сложных проектов, отличающаяся возможностью учета как рисков реализации и окупаемости самого проекта, так и собственных рисков банка, а также рисков внешней экономической среды с учетом изменения условий реализации проекта;

разработана система оценки и мониторинга сбалансированных показателей рисков кредитования с учетом требований и рекомендаций Центрального банка Российской Федерации;

- научно обоснована методика оценки рисков кредитования сложных
проектов в условиях неопределенности, которая позволяет использовать
любую доступную информацию (включая экспертную) с целью повышения
качества и достоверности, на ее основе разработана система оценки рисков
кредитования и реализации энергетических проектов.

Практическая полезность результатов исследования состоит в том, что оно направлено на улучшение и повышение эффективности управления деятельностью банков по кредитованию сложных энергетических проектов

Практической полезностью отличаются методики оценки и измерения рисков проектного кредитования, аудита рисков процессе реализации проектов, доведенные до возможности получения инженерных расчетов

возникающих ситуаций. Методики и разработанный рабочий макет системы мониторинга и оценки кредитных рисков носят пилотный характер и могут быть использованы другими банками и кредитующими организациями.

В работе приведены примеры эффективного применения методики комплексного оценивания рисков в деятельности банков при кредитовании энергетических проектов в г. Краснодар.

Апробация работы. В процессе работы над диссертацией полученные автором результаты докладывались и обсуждались на научно-технических конференциях студентов, аспирантов и молодых ученых, на Международных конференциях по мягким вычислениям и измерениям «SCM» в Санкт-Петербургском государственном электротехническом университете «ЛЭТИ» в 2011-2015гг., на Международном инвестиционном форуме «Инновации и инвестиции в интеллектуальные технологии управления предприятиями и территориальным развитием» (С.-Петербург, 2011 г.), на конференциях, семинарах, круглых столах в высших учебных заведениях РФ (2012-2015 гг.).

Публикации. Основные научные результаты по теме диссертации опубликованы в 6 статьях, три из которых в журналах, включенных в «Перечень ведущих рецензируемых научных журналов и изданий, в которых должны быть опубликованы основные научные результаты диссертаций на соискание ученой степени доктора и кандидата наук».

Структура и объем работы. Работа состоит из введения , трех глав заключения списка литературы. Общий объем работы 136 страниц, в том числе 47 рисунков, 11 таблиц. Список использованных источников литературы включает 167 наименований.

Оценка кредитных рисков банков на основе отечественных и международных стандартов и рекомендаций

Общеизвестно стремление многих банков кредитовать крупных, финансово состоятельных заемщиков, которые обеспечивают банку стабильный процентный доход и своевременный возврат денежных средств. В настоящее время нестабильность финансового состояния экономических систем обусловливает стремление банков ориентироваться на кредитование только тех заемщиков, финансовое благополучие которых или их поручителей не вызывает сомнений банка. Особенно приветствуются заемщики с государственным участием в кредитовании. В частности, к такого рода кредитам относятся кредиты крупных проектов, целью которых являются создание или модернизация инфраструктурных сооружений или территориально-производственных комплексов. Кредитные риски крупных проектов во многом определяются свойствами и характеристиками самих проектов и их окружающей среды.

В концепции рисков как сложной системы в условиях информационной неопределенности можно представить концептуальную модель этой системы в любой момент времени t в виде динамической модели G t : G t= G(tb) Gt(pr) Gtepr) / Yt (1.1), где Gt(b) – модель собственных рисков банка; Gt(pr) – модель проектных рисков; G(tepr) – модель рисков, связанных с влиянием окружающей среды; Yt – модель условий кредитования и реализации проекта; – символ свертки свойств и показателей составляющих моделей. Для моделирования и оценки кредитных рисков крупных проектов рассмотрим вначале составляющие, связанные с проектными рисками.

Под проектом принято понимать [23] любую целенаправленную деятельность в различных сферах хозяйствования, сопровождаемую преобразованием ресурсов проекта в направлении достижения цели.

Как известно, проект является частным случаем процесса. Для него характерны следующие черты: во-первых, планирование и управление им, равно как его организация и осуществление происходят в определенном временном интервале Т ; во -вторых, проект – это процесс, связанный с преобразованием исходного состоянияG(00 ) , в котором находится объект/ система/ ситуация, в состояниеG(T0 ) , являющееся целью осуществляемого проекта или требуемое в соответствии с его условиями. Иными словами, проект – это комплекс преобразовательных действий или мероприятий (FT), цель которого можно представить в виде [107] G(00 ) FT G(T0 ) Как отмечает С. В. Прокопчина, проект обладает целым рядом характерных признаков, таких как: – оригинальность и новизна; – сложность структуры и взаимосвязанность элементов; – ориентированность на достижение цели/ результата и на конкретный план действий; – ограниченность в ресурсах (временных, трудовых, материальных и др.), – зависимость от ресурсов (наличия ресурсов, эффективных производственных технологий и оборудования), – высокая степень зависимости от окружающей среды и внешних факторов; – наличие ответственности за качество; – ориентированность на клиента и оказание услуг [107]. Однако, как показывает практика, все эти свойства отличаются информационной неопределенностью, обусловленной неполнотой, неточностью и нечеткостью сведений о них , причем с возрастанием сложности проекта информационная неопределенность также ув еличивается. Кроме того, большое влияние на реализацию проекта оказывают различные внешние и внутренние факторы, которые могут привести к изменению не только сроков проекта, используемых ресурсов, последовательности реализации этапов и их содержания, состава исполнителей, заказчиков, но и целей проекта.

В связи с этим современные подходы к проектной деятельности учитывают как обязательный элемент оценку риска проекта по всем его компонентам.

Важную роль играет и система управления проектом, от эффективности которой зависит качество и своевременность выполнения работ , поэтому к системе управления проектом предъявляются высокие требования. В число этих требований входят и требования к аппарату принятия решений, главное из которых – способность функционировать в условиях многочисленности и неопределенности информационных потоков, проходящих через систему управления.

Существующие сегодня системы управления проектами (Microsoft Project 98, Powerproject 4.1, Suretrak 2.0, Primavera Project Planner PD, CS Project Professional, AMS Real time Projects 5.0, Turbo Project 2.0 Professional) в основном ориентированы на четкие концепции и планы проектов и на жесткие схемы управления. Но, как отмечают некоторые исследователи (В. М. Мишин, Н. Э. Соколинский, И. Е. Шакер) [23, 89], их аппарат не позволяет адаптировать их к условиям неопределенности проектов.

Рыночные условия, в которых работают банки, обладают высокой степенью изменчивости, что подвергает банки сложным и многообразным рискам,. Следовательно, банкам, чтобы устойчиво функционировать в рыночно ориентированной среде необходимо научиться быстро оценивать контролировать степень значимости рисков и управлять рисками.

Критический обзор методов и методик оценки рисков при принятии кредитных решений для крупных проектов

Как было обосновано выше, для повышения эффективности кредитной деятельности банков необходим эффективный инструментарий, позволяющий обрабатывать количественную и качественную информацию как о кредитной деятельности банка, так и о состоянии кредитуемого проекта и объекта кредитования. Такими возможностями, как указывалось в предыдущей главе, обладает РБП.

РБП предназначен для обработки как дан ных, так и знаний для оценки состояния сложных объектов и управления или генерации управленческих решений для их функционированием.

Задачи определения состояний и свойств сложных объектов, как было определено и указывалось в работах проф. С. В. Прокопчиной и научной школы байесовских интеллектуальных технологий, состоят «в непрерывном изучении свойств и характеристик этих объектов путем обобщения прошлого опыта работы с ним и вновь поступающей информации с позиций измерительного подхода, принципиальную основу которого составляет метрологическое обоснование получаемых решений. Новые знания, получаемые в ходе такого измерительного процесса, объединяются с архивами прошлых и служат априорной информацией для будущих экспериментов. Причем, чем объемнее и разнообразнее поступающая информация, обобщаемая далее на основе принципов теории измерений и метрологии, тем полнее и достовернее получаемые результаты» [106]. Принципы классического байесовского подхода, определенные в работах ученых Г. Джеффриса, М. Де Гроота, И. Д. Гуда, В. П. Савчука и других ученых байесовского направления, могут быть рассмотрены как индуктивная (обобщающая) логика.

В трудах С. В. Прокопчиной [96, 104–109] разработан новый вариант байесовского подхода, названный регуляризирующим байесовским подходом Преимуществом этого варианта является то, что он позволяет использовать байесовское решающее правило даже в том случае , когда отсутствует полная, четкая, точная информация, то есть составляющие байесовской формулы не определены. Как справедливо отмечает А. А. Лукьянец, регуляризирующий байесовский подход может применяться «для принятия решений и построения интеллектуальных технологий моделирования, аудита и управления в условиях рисков и неопределенности информации об объекте и среде его функционирования» [79]. Кроме того, этот подход применим и для решения задач информатизации энергетики, поскольку соответствует сформулированным в работе требованиям и информационным свойствам реальных энергетических объектов. К несомненным преимуществам этого подхода А. А. Лукьянец относит такие свойства подхода, как: подход обладает свойством внутреннего единства методологии, что делает его универсальным дли применений в параметрических, функциональных и системных интеллектуальных технологий (ИТ); подход позволяет строить соответствующие модели ИТ иерархической структуры на основе единой методологии, обеспечивающей формализованную связь всех видов ИТ, системность и комплексность их результатов; благодаря использованию подхода может быть достигнута максимальная объективность и полнота решений, поскольку он позволяет учитывать все данные и знания при получении результата ИТ; следствием применения подхода является последовательное накопление и коррекция знаний об объекте изучения, благодаря чему становится возможной реализация основной функции ИТ (познания объекта), а также закладывается основа для развития модельных представлений объекта управления (ОУ), влияющих факторов (ВФ); поскольку для задач ИТ характерно длительное изучение объекта, применение данного подхода поз воляет получать все более точные результаты, так как по мере накопления знаний байесовские решения концентрируются вокруг истинного решения (что, как пишет А. А. Лукьянец, вполне согласуется с принципом теории измерений о возможности постоянного увеличения точности измерений [79]); применение данного подхода создает условия для перспективного и ретроспективного изучения свойств объекта на основе индуктивной логики, что в свою очередь позволяет получать объективные и достоверные прогнозы, а также реконструировать историю развития объекта; все вышеперечисленные свойства обусловливают эффективность подхода при использовании новых технологий получения и обобщения знаний, в частности, в виде экспертных систем и интеллектуальных измерительных комплексов.

Создание сбалансированной системы факторов риска кредитования крупных проектов

После того как гиперкуб ШДО д ля моделируемого объекта и внешней среды построен, необходимо выработать план измерений и вычислений – план, который определит последовательность измерительных и вычислительных этапов алгоритма информационной технологии. Совокупность этих технологий и является конкретной информационной технологией, используемой для решения прикладной задачи. Как пишет проф. В. Г. Котельников, модули подсистемы планирования отвечают на вопросы «что?», «где?», «когда?», «сколько времени?», «какими средствами?», «с какими метрологическими характеристиками?» должны быть произведены измерения или вычисления, чтобы они соответствовали требованиям поставленной задачи. Строго говоря, именно эти модули позволяют осуществить метрологический синтез информационной технологии, поскольку являются не чем иным, как инструментарием для управления информационно-технологическим процессом, направленным на решение задачи в ситуации неопределенности информации.

На рис. 2.5.1 приведен компонент работы с разнотипной информацией, которая может быть представлена в виде числовых данных, измерительной информации, мнений экспертов, лингвистической, текстовой информации, картографических представлений информации, графиков, схем, диаграмм, результатов расчетов и других ви дов информации. На этом этапе происходит сортировка, описание и аттестация данных и знаний.

На следующем этапе реализуется измерительно-вычислительный процесс по сгенерированной информационной технологии, которая была определена ранее (см. выше). Основным содержанием реализации процесса на этом этапе является изменение, обобщение и интерпретация исходной информации, что необходимо для огоо, чтобы найти решения задачи. Параллельно с преобразованием информации осуществляется метрологическое обоснование получаемых промежуточных решений (определяются показатели точности, надежности, достоверности и рисков получаемых решений), а также проводится мониторинг качества ИТ.

В соответствии с Письмом ЦБ «Об организации управления операционным риском в кредитных организациях № 76-Т от 24.05.2005» формирование решений БИТ ведется на основе критерия минимума среднего риска решения [6].

Контролировать качество получаемых решений призвана подсистема контроля ачества решений, стабильности информационной ситуации и управления. Она осуществляет конрол информации, которая поступает систему, а также метрологических требований и ограничений в соответствии с требованиями текущей ситуации. Кроме того, контролируется и сама постановка задачи, что необходимо в случае изменения цели, объекта или типа задачи. Результатом осуществления этого этапа становятся рекомендации, которые затем используются системой управления качестве предупреждающих и корректирующих действий. Просмотрев рекомендации, которые предлагает система «Инфоаналитик» (они отражаются в отдельном окне с учетом того, как регулируется фактор в ту или иную сторону, здесь же выводится и информация о состоянии фактора, а также предлагаются альтернативные гипотезы о его состоянии), руководитель может перейти к корректирующим мероприятиям. На рис. 2.5.2 показано, как в системе «Инфоаналитик» выглядит закладка «Интерпретация», на которой отображаются факторы, влияющие на состояние интересующего показателя.

Как пишет Л. Заде, в случае недостаточного качества решений может быть отправлен запрос на ввод дополнительной информации, смягчение требований к качеству решений и их виду, или коррекцию типа за дачи (ее упрощение в допустимых пределах) [57].

В целом необходимо отметить, что принцип непрерывной перестройки методологии управления ИТ является основным, поскольку такая перестройка необходима для улучшения качества решений и повышения их эффективности. Еще одной важной особенностью этого принципа является то, что для его реализации все составляющие блоки (рис. 2.1.1, 2.1.4, 2.3.3), в том числе и блоки постановки задачи, определения модели и идентификации информационной ситуации, должны быть соединены о братной связью. Это необходимо для коррекции блоков, а также для непрерывного развития и совершенствования ИТ в процессе получения решения.

В соответствии с общей моделью кредитного риска (1.1) одной из важнейших ее составляющих является модель оценки кредитного риска банка. Для управления э той составляющей модели кредитного риска необходимо разработать детализированную модель оценки кредитного риска самим банком.

Кредитный риск определяется как вероятность того, насколько возможна задержка или даже невыплата платежей заемщика, что может сформировать риски в движении денежных средств и отразиться на оценке ликвидности банка, финансовой устойчивости и рейтинге банка.

Хотя существует значительное количество методик, позволяющих оценивать кредитные риски, тем не менее до сих пор нет эффективной методики., кредитный риск остается самым значимым и 80% содержания балансовых отчетов банков содержит оценочные материалы именно по этому виду банковских рисков.

Выбор системы сбалансированных показателей оценки кредитных рисков бизнес- плана проекта

Измерение рисков проводится в соответствующих шкалах. Для этого могут быть использованы числовая шкала, шкалы с динамическими ограничениями,. Рассмотрим виды шкал более подробно. Числовая шкала предназначена для работы с численными значениями величин с использованием математических методов. Шкала этого вида отличается типизированностью структуры носителя и допустимого множества отношений для каждого типа решения. При использовании числовых шкал информация в ней представляется в стандартной форме, что также является характерной особенностью этого вида шкал, помогая абстрагироваться от конкретных единиц ее представления. Для числовых шкал характерно использование стандартного набора реперов (как правило, их бывает девять), что позволяет обеспечить достаточную точность принимаемых решений, как показано на рис. 3.1.1. Шкалы с динамическими ограничениями (ШДО) обладают целым набором уникальных свойств, необходимых для решения поставленных в работе задач. Так, например, ШДО способны осуществлять синтез многомерных иерархических шкал сложных свойств объекта исследования в условиях поступления новой информации [СВ]. Это свойство особенно важно при исследовании рисков в системах с большим количеством действующих факторов, как это имеет место в практической деятельности предприятий по перевозке грузов на дальние расстояния с использованием для доставки различных видов транспорта.

ШДО метризованы, то есть на них определена метрика как расстояние между двумя реперами. Благодаря этой особенности ШДО при оценке состояния фактора возможно определить, насколько это расстояние отличается от нормы в единицах принятой метрики расстояния. Таким образом, при использовании ШДО, по мнению М. А. Калугиной, возможно определение моделей благоприятного, неблагоприятного и критического состояний ситуации [64].

Построения ШДО применительно к практическим решениям конкретных задач приведены в главе 2. При этом степень риска вычисляется как произведение ожидаемого ущерба на вероятность того, что такой ущерб произойдет. Количественная оценка риска осуществляется по выражению, в котором участвуют регуляризирующие байесовские оценки (р.б.о.) [CВ]: {hk(R) {MXk(R)}}={hk(HП ) {MXk(HП )}}{hk( p) {MXk( p)}}, (3.3), где hk(R) – р.б.о. степени риска; MXk(R) – метрологические характеристики степени риска; hk(HП ) – р.б.о. величины потерь; MXk(HП ) – метрологические характеристики величины потерь; hk( p) – р.б.о. вероятности наступления рискового события; MXk( p) – метрологические характеристики вероятности наступления рискового события. Для проведения количественной оценки риска проекта, связанного с вложением капитала, в качестве основных критериев в инвестиционно-финансовой сфере традиционно используются два показателя: среднее ожидаемое значение (X )возможного результата (отдачи) – этот показатель представляет собой средневзвешенное для всех возможных результатов, причем вероятность каждого результата учитывается в качестве частоты или веса соответствующего значения: (3.4) где hk(X ) – р.б.о. среднего ожидаемого значения возможного результата; MXk(X)– метрологические характеристики среднего ожидаемого значения возможного результата; hk(X i ) – р.б.о. значения случайной величины; MXk(X i ) – метрологические характеристики значения случайной величины; hk(Pi ) – р.б.о. вероятности появления случайной величины; MXk(Pi ) – метрологические характеристики вероятности появления случайной величины; среднеквадратическое отклонение () – этот показатель рассчитывается как мера изменчивости колебания возможного результата: hk \MXk }}- I N (({hk i {MXk i }}-{hk {MXk }}) {hk Pi \MXkPi))), (3.5) где /гст) - р.б.о. среднеквадратического отклонения; МКка - метрологические характеристики среднеквадратического отклонения; h(kXi) - р.б.о. значения случайной величины; МХк - метрологические характеристики значения случайной величины; hk(X ) – р.б.о. среднего ожидаемого значения; MXk(X)– метрологические характеристики среднего ожидаемого значения; hk(Pi ) – р.б.о. вероятности появления случайной величины; MXk(Pi ) – метрологические характеристики вероятности появления случайной величины. К сожалению, описанный подход к определению риска имеет ряд немаловажных недостатков, один из которых связан с тем, что этот подход не позволяет учесть влияние субъективных факторов, таких как, например, отношение субъекта к соотношению возможных потерь и выигрыша, которое во многом определяется его текущим имущественным состоянием. В связи с этим в реальной практике нередко используют коэффициент риска, который вычисляется как отношение возможных максимальных потерь к объему собственных финансовых ресурсов предпринимателя:

Следует подчеркнуть, что по в еличине этого коэффициента можно определить, насколько значителен риск банкротства. Как правило, указанные выше методы оценки риска используются для определения отдельных видов рисков, тем не менее эти методы вполне можно применять и для оценки рисков проекта в целом, что возможно, например, в ситуации, когда есть данные о рисках каждого вида, а также при использовании экспертных методов для оценки риска проекта, поскольку в процессе применения экспертных методов анализируется вероятность успешного завершения проекта и/или величина возможных потерь в случае неудачного развития событий.