34
6,4%, а краткосрочное кредитование, в свою очередь, выросло за счет
наращения выданных межбанковских ссуд.
Наконец, стоит перейти к рассмотрению структуры корпоративного
кредитного портфеля в отраслевом разрезе, выбрав наиболее значимые
отрасли (рис. 3).
Рисунок 3. Оценка отраслевой структуры корпоративного
кредитного портфеля АО «Альфа-Банк» (без субъектов малого и
среднего бизнеса)
Источник: составлено автором по данным годовой бухгалтерской отчетности АО «Альфа-Банк» за 2014–
2017 гг. Режим доступа: https://alfabank.ru/about/annual_report/ (дата обращения: 21.05.2018)
Данные представленные на рисунке 3, свидетельствуют о том, что на
протяжении всего периода большую долю в корпоративном кредитном
портфеле составляли финансовое посредничество, операции с недвижимым
имуществом и оптовая и розничная торговля. Также с 2014 по 2017 гг. виден
рост долей по металлургии, а также снижение по добыче полезных
ископаемых, сельскому хозяйству и производству нефтепродуктов.
Согласно стратегическим направлениям развития кредитной политики
«Альфа-Банка» приоритетными линиями сотрудничества является работа с
5,3%
8,4%
7,5%
4,4%
0,7%
3,9%
7,6%
6,6%
4,7%
3,6%
5,7%
5,7%
6,2%
0,9%
1,85%
2,94%
22,7%
15,3%
10,5%
11,7%
14,5%
18,6%
18,3%
15,1%
6,1%
13%
10,5%
17,6%
0
10
20
30
40
50
60
70
01.01.2015 01.01.2016 01.01.2017 01.01.2018
Финансовое посредничество
Операции с недвижимм
имуществом
Оптовая и розничная
торговля
Сельское хозяйство, охота
Металлургия
Производство кокса,
нефтепродуктов
Добыча полезных
ископаемых
35
генерирующими и энергетическими компаниями, организациям химического
производства, предприятиями агропромышленного комплекса. Помимо этого
банк намерен активно развивать сотрудничество с экспортными компаниями,
чьи рублевые доходы и расходы в иностранной валюте более защищены в
условиях девальвации рубля. Несмотря на снижение доли оптовой и
розничной торговли, «Альфа-Банк» планирует повышать сотрудничество с
производителями и поставщиками товаров и услуг повседневного спроса
24
.
Наконец, перейдем к рассмотрению темпов прироста просроченной
задолженности по ссудам и резервов, создаваемых для их покрытия (рис. 4).
Рисунок 4. Сравнение темпов роста просроченной
задолженности и резервов АО «Альфа-Банк» за 2014-2017гг.
Источник: составлено автором по данным годовой бухгалтерской отчетности АО «Альфа-Банк» за 2014–
2017 гг. Режим доступа: https://alfabank.ru/about/annual_report/ (дата обращения: 21.05.2018)
Благодаря информации, отображенной на рисунке 4, мы можем сказать,
что на протяжении 2014-2015 гг. темпы прироста резервов значительно
отставали от темпов прироста просроченной ссудной задолженности. Причем
в 2015 году ситуация оказалась наихудшей, потому как темпы по резервам
были меньше темпов прироста задолженности по ссудам на 66%. Однако к
24
Годовой отчет АО «Альфа-Банк» за 2016 год // Официальный сайт АО «Альфа-Банк» [Электронный
ресурс]. - Режим доступа: https://alfabank.ru/f/1/about/annual_report/AB_AR_2017-WEB.pdf. (дата обращения:
18.05.2018
147%
255%
153%
87%
120%
189%
144%
88%
0%
40%
80%
120%
160%
200%
240%
280%
2014 2015 2016 2017
Темп роста
просроченной
задолженности, %
Темп роста резервов,
%
36
концу 2016 году «Альфа-Банку» удалось почти полностью выровнять данные
показатели, как и в 2017 году. Вероятно, в связи с тем, что банк
ориентируется на тесную работу с клиентами, которая выстраивается на
доверии, он не учел определенные риски, которые могли возникнуть у
заемщиков, отсюда и отставание в темпах прироста резервов в 2014–2015 гг.
Также в дополнение к представленному анализу можно выстроить
прогноз по просроченной задолженности методом экспоненциального
сглаживания, который широко применяется для оценки будущих тенденций
развития того или иного фактора.
Данный метод основывается на следующей формуле
25
:
Ŷt+1=k*Yt +(1-k)* Ŷt, (1)
где Ŷt+1 – это прогнозное значение на следующий период, Yt –
значение за текущий период, k – коэффициент сглаживания.
На основе данной формулы построим модель экспоненциального
сглаживая при различных коэффициентах. Стоит отметить, что коэффициент
сглаживания изменяется от 0 до 1, и чем ближе он к 1, тем сильнее при
прогнозе он учитывает последние тенденции фактора. Поэтому подбирать
данный коэффициент стоит эмпирическим путем уже после построения
модели. Тогда можно будет постепенно менять значение коэффициента
сглаживания и смотреть, насколько сильно изменяется точность прогноз,
средняя относительная ошибка и как в целом прогнозная линия отклоняется
от реального распределения фактора. В нашем случае фактором была
выбрана просроченная задолженность за последние 53 месяца. Первым
значение выступает январь 2014 года, а последним - май 2018 года (рис. 5).
25
Кричесвкий, М. Л. Методы бизнес-прогнозирования: электронное учебное пособие [Электронный ресурс]
// Единая электронная образовательная среда МБИ. - Режим доступа: http://eos.ibi.spb.ru/umk/15_3/ index.html
(дата обращения: 21.05.2018)
37
Рисунок 5. Распределение просроченной задолженности в
историческом разрезе и по методу экспоненциального
сглаживания
Источник: составлено автором по рассматриваемой методике
Нами были заранее проработаны различные варианты коэффициента
экспоненциального сглаживания, в результате чего был выбран коэффициент
со знанием 0,65, так как он не сильно тяготел к только предыдущим или
только текущим тенденциям и обеспечивал достаточную точность модели.
Для сравнения был также взят коэффициент сглаживания со значением 0,1,
который в основном отражал прошлые тенденции изменения просроченной
задолженности. Отсюда мы видим, что при k=0,65 обеспечивается
достаточная повторяемость тренда изменения просроченной задолженности,
а при k=0,1 линия значений оказалась чересчур сглаженной и не отражала
действительную картину по просроченным ссудам. При k=0,65 прогноз на
июнь 2018 года оказался равным 142774267,8 тыс. руб., что на 1,15% выше,
чем реальное значение за май 2017 года.
В целом по графику можно отметить, что, несмотря на ожидаемое
повышение просроченной задолженности, она прошла через зону перегиба
еще летом–осенью 2017 года и пошла на медленное снижение.
Далее перейдем к оценке качества кредитного портфеля «Альфа-
Банка».
0
20000000
40000000
60000000
80000000
100000000
120000000
140000000
160000000
180000000
January
April
July
October
January
April
July
October
January
April
July
October
January
April
July
October
January
April
Просроченная
задолженность, тыс. руб.
Экспоненциальная модель 1
Экспоненциальная модель 2
38
2.3 Оценка качества кредитного портфеля АО «Альфа-Банк»
В существующей действительности, когда банки являются
кредиторами огромного числа заемщиков, возникает необходимость
использования широкого круга коэффициентов и способов определения
категории качества однородных кредитных компонент. В российской
практике, как правило, для оценки качества ссуд используется Положение
Банка России от 28.06.2017 N 590-П «О порядке формирования кредитными
организациями резервов на возможные потери по ссудам, ссудной и
приравненной к ней задолженности»
26
и проводится на основе результатов
комплексного анализа деятельности заемщиков с учетом их финансового
положения, добросовестности в обслуживании долгов по ссудам, а также
всей доступной информации о рисках заемщиков.
При проведении комплексной оценки качества кредитного портфеля
считается необходимым использование финансовых показателей, которые
оказывают прямое влияние на кредитный портфель банка.
Комплексная оценка должна происходить в несколько этапов, среди
которых
27
:
1. Выбор группы финансовых показателей, которые оказывают
наибольшее влияние на качество кредитного портфеля.
2. На основе данной группы коэффициентов выстраивается рейтинговая
система оценки качества кредитного портфеля.
3. Разработка обобщающего показателя, оценивающего качество
кредитного портфеля банка.
Для оценки качества кредитного портфеля АО «Альфа-Банк»
воспользуемся методикой, предложенной Бражниковым А. С.
26
"Положение о порядке формирования кредитными организациями резервов на возможные потери
по ссудам, ссудной и приравненной к ней задолженности" (утв. Банком России 28.06.2017 N 590-П)
(вместе с "Порядком оценки кредитного риска по портфелю (портфелям) однородных ссуд")
27
Бражников, А. С. Методы сводной оценки качества кредитного портфеля коммерческого банка / А. С.
Бражников // Вестник Северо-Кавказского государственного технического университета. 2011. №1 (26).
39
Первая группа показателей методики оценивает рискованность
кредитной политики коммерческого банка и включает коэффициент риска
кредитного портфеля (К
1
).
К
1
= (КВ–П
р
П)/КВ, (2)
где КВ – кредитные вложения, П
р
П – прогнозируемые потери
коммерческого банка.
Вторая группа оценивает проблемность кредитного портфеля и
включает коэффициент проблемности кредитов (К
13
) и коэффициент
покрытия убытков по ссудам (К
14
).
К
13
=КВ
пр
/КВ, (3)
где КВ
пр
– объем просроченной ссудной задолженности.
К
14
=РВПС
ф
/КВ
пр
, (4)
где РВПС
ф
– фактически созданный резерв на возможные потери по
ссудам.
Третья группа оценивает обеспеченность кредитных вложений банка и
включает общий коэффициент обеспеченности кредитного портфеля (К
18
).
К
18
=ОБ/КВ, (5)
где ОБ – объем принятого обеспечения.
Четвертая группа оценивает кредитную активность коммерческого
банка и включает уровень кредитной активности (К
21
) и коэффициент
«агрессивности–осторожности» кредитной политики (К
23
).
К
21
=КВ/А, (6)
где А – активы коммерческого банка.
К
23
=КВ/ПС, (7)
где ПС – привлеченные средства коммерческого банка.
Пятая группа оценивает оборачиваемость кредитных вложений
коммерческого банка и включает коэффициент оборачиваемости кредитных
вложений в оборотах (К
27
).
К
27
=КО/КВ
ср
, (8)
40
где КО – кредитовый оборот кредитных вложений, КВ
ср
– средние
остатки кредитных вложений.
Шестая группа оценивает эффективность кредитной деятельности
банка и включает коэффициент доходности кредитного портфеля (К
29
),
коэффициент банковской маржи (К
30
) и коэффициент эффективности
кредитных операций банка (К
36
).
К
29
=ПК
п
/КВ, (9)
где ПК
п
– полученные за предоставленные проценты кредиты.
К
30
=П
м
/КВ, (10)
где Пм – процентная маржа.
К
36
=БП(ЧП)/КВ, (11)
где БП(ЧП) – балансовая (чистая) прибыль.
Последним шагов к определению качества кредитного портфеля
выступает подсчет обобщающего показателя.
К=0,211*К
1
+0,176*К
13
+0,058*К
14
+0,193*К
18
+0,045*К
21
+0,06*К
23
+0,076
*К
27
+0,063*К
29
+0,073*К
30
+0,045*К
36
(11)
Весовые коэффициенты были рассчитаны автором методики на основе
метода экспертных оценок. Так как рассматриваемые показатели
неодинаковы по своей значимости для каждого отдельного банка, поэтому
простое их сложение могло бы привести к ошибочному итоговому
показателю.
Таблица 7
Результаты расчетов показателей, оценивающих качество
кредитного портфеля АО «Альфа-Банк»
Название
Расчетное значение
Оптимальное
значение
2014
2015
2016
2017
К
1
0,918
0,892
0,846
0,869
0,6–0,7
К
13
0,046
0,071
0,107
0,090
Не более 0,04
К
14
1,793
1,531
1,44
1,461
Более 1
К
18
0,091
0,073
0,141
0,097
Не менее 1
К
21
0,775
0,759
0,803
0,764
0,39–0,4 или
0,5–0,55
К
23
0,859
0,834
0,912
0,857
0,53–0,78
К
27
0
0
0
0
–
К
29
0,107
0,091
0,108
0,106
–
41
Название
Расчетное значение
Оптимальное
значение
2014
2015
2016
2017
К
30
0,025
0,048
0,038
0,053
–
К
36
0,026
0,03
0,026
0,003
–
Источник: рассчитано автором на основе годовой бухгалтерской отчетности за 2014-2017 гг. - Режим
доступа: https://alfabank.ru/about/annual_report/ (дата обращения: 22.05.2018)
Как свидетельствуют расчеты, приведенные в таблице 7, «Альфа-Банк»
не смог уложиться ни в одно оптимальное значение, однако на основе ранее
проведенного анализа финансовой устойчивости можно с уверенностью
утверждать, что он по крайней мере в течение четырех последних лет не
испытывает проблем с операционной деятельностью. Поэтому, на наш
взгляд, в современных экономических условиях стоит пересмотреть
некоторые оптимальные границы рассчитанных в таблице 7 коэффициентов.
К сожалению, из-за отсутствия необходимых данных не удалось рассчитать
показатель К
27
, однако из-за его относительно небольшого весового
коэффициента, по моему мнению, в рамках производимых подсчетов можно
сделать допущение о равенстве показателя 0.
Таблица 8
Обобщающий показатель по ближайшим конкурентам АО
«Альфа-Банк»
Название банка
Показатель
Средний
показатель
2014
2015
2016
2017
АО «Россельхозбанк»
0,482
0,416
0,490
0,483
0,468
ПАО «ФК Открытие»
0,524
0,481
0,460
0,495
0,490
АО «Альфа-Банк»
0,420
0,398
0,410
0,399
0,407
Источник: рассчитано автором по рассматриваемой методике
Поскольку у данного итогового показателя не заданы оптимальные
рамки, поэтому в таблице 8 были рассмотрены ближайшие конкуренты
«Альфа-Банка» по критерию нетто-активов
28
. В рейтинге по данному
критерию «Россельхозбанк» находится выше «ФК Открытие», а тот, в свою
очередь, опережает «Альфа-Банк». Как мы видим из расчетов, по качеству
28
Рейтинг российских банков по показателю нетто-активов за май 2017 года [Электронный ресурс] //
Информационное агентство «Банки.ру». - Режим доступа: http://www.banki.ru/banks/ratings/ (дата обращения:
22.05.2018)
42
кредитного портфеля рассматриваемые банки не повторили свое
расположение в указанном ранее рейтинге. В среднем «ФК Открытие» за
последние четыре года находилось на более сильных позициях по качеству
кредитного портфеля, чем остальные представленные банки. В целом можно
сказать, что для федеральных банков рассмотренные финансовые
учреждения проявили достаточно хороший уровень качества кредитного
портфеля. Данная модель не предполагает присвоение тому или иному банку
категории качества, а только позволяет в общем понять ситуацию с
кредитным портфелем на основе сравнения обобщающего показателя с
близкими конкурентами.
Таким образом, мы выяснили, что для расчета обобщающего
показателя качества кредитного портфеля используется достаточно простая
для вычислений модель. Из-за отсутствия оптимальных границ расчетное
значение итогового показателя было сравнено с такими же показателями
ближайших конкурентов, что позволило понять, какой из банков имеет
лучший кредитный портфель.
Таким образом, «Альфа-Банк» обладает хорошей финансовой
устойчивостью и ответственно подходит к соблюдению нормативов,
установленных Банком России. За последние годы банк стал переходить от
агрессивной кредитной политики к более консервативной и начал
задумываться о расширении межбанковского кредитования. В связи с этим
далее стоит обратиться к оценке финансовой защищенности банка,
вероятности его дефолта и оценке совокупного риска по кредитному
портфелю.
43
Глава 3. Методики оценки совокупного риска и
финансовой стабильности коммерческого банка
3.1 Оценка устойчивости АО «Альфа-Банк» по методике Moody’s
Такие характеристики кредитного портфеля, как его структура и
качество, непосредственно влияют на общее финансовое состояние
коммерческого банка. В данной связи можно говорить о явной зависимости
между состоянием кредитного портфеля и устойчивости функционирования
финансового института.
Для оценки финансовой защищенности и вероятности дефолта банка
можно использовать одну из общепризнанных методик, разработанных
рейтинговым агентством Moody’s под названием BCA (Baseline Credit
Assessment). Данная методика предполагает оценку финансового профиля
коммерческого банка в связи с макропрофилем, который определяет набором
макроэкономических показателей, а также корректировку полученного
рейтинга на качественные показатели. Итоговый показатель отражает
уровень финансовой стабильности банка и вероятность его дефолта с
предположением о том, что ему не будет оказана никакая помощь извне. В
данной работе будет рассмотрена упрощенная методика рейтингования
банка, которая предполагает концентрацию внимания на финансовом
профиле, являющимся ключевой и достаточно значимой составляющей
рейтинга.
Макропрофиль банка определяет исходя из среды, в которой он
осуществляет коммерческую деятельность. В данном случае учитывается
распространение банка в мировом масштабе, то есть зоны его присутствия.
Если финансовое учреждение оперирует только в одной стране, то его
макропрофиль будет выстраиваться в соответствии с макроэкономической
ситуацией в данной стране. Если же банк осуществляет коммерческую
деятельность в нескольких странах, то в таком случае макропрофиль