Проблемы БКИ в России и пути их решения

На первые грабли при создании БКИ мы наступили тогда, когда проигнорировали неприемлемость зарубежных методов и моделей для российских условий.

Зарубежные методы и модели разрабатывались в других условиях, для других КБ и даже для других заемщиков. Они в лучшем случае требуют для их внедрения в российские БКИ длительной, сложной и дорогостоящей доработки, а в худшем — вообще не годятся для России. Тем не менее некоторые БКИ все же попытались внедрить у себя кое-какие зарубежные модели, например Transferkript. Требуемых результатов это не дало.

На вторые грабли при создании БКИ мы наступили тогда, когда вели длительную широкомасштабную работу по рассмотрению и решению организационных и правовых вопросов БКИ. В результате работа БКИ неэффективна, а в ряде случаев вообще никому не нужна. Вместо рассмотрения второстепенных правовых и организационных вопросов создания БКИ надо было начинать с решения принципиальных вопросов, а именно с создания методической основы работы БКИ в виде, например, методов количественной оценки информации, заложенной в КИ заемщиков. В условиях ограниченной статистической информации о заемщиках получение достоверных количественных оценок дефолтов этих заемщиков является непростой математической задачей, требующей участия в ее решении опытных финансовых математиков и программистов. Тем более что подходящих для БКИ и опубликованных методов в современной математике предостаточно.

Перейдем теперь к рассмотрению технологических вопросов работы БКИ, и начнем с роли человека в этих вопросах.

Работы по минимизации финансовых потерь КБ-кредиторов от недобросовестных заемщиков сильно осложняются тем, что кредитные риски — это случайные процессы, о которых у КБ мало информации. Это значит, что и финансовые потери КБ также являются случайными процессами. Изменить это положение полностью невозможно. Поэтому оптимизировать финансовые потери КБ можно только в среднем.

Исчерпывающей характеристикой любого случайного процесса является его функция распределения (ФР), а все другие методы количественного определения риска как случайного процесса служат для того, чтобы в той или иной мере приблизиться к истинной ФР. Знаменитый американский экономист Христофор Мей (Christophor May) говорил так: "Если вы оказываетесь правы в 53% случаев на протяжении длительного времени, значит вы делаете все как надо. Вы не должны быть правы всегда".

К сожалению, далеко не все учитывают изложенное выше. В финансовой математике возникло даже такое понятие, как "отношение руководителя к риску". Известны графики, иллюстрирующие существенный рост прибыли при высоких рисках, однако эти графики не показывают, какие огромные потери могут быть в этом случае при проигрыше и что наступит раньше — выигрыш или проигрыш? Многие участники финансовых рисков игнорируют элементарные математические расчеты, прежде чем принять важное решение. Так, например, на практике нередки случаи, когда соотношение риск/прибыль составляет 10:1!

Перейдем теперь к рассмотрению математических вопросов технологий БКИ.

Задача оценки дефолта заемщика в БКИ для использования в КБ является более сложной, чем оценка экономического положения (ЭП) КБ для ЦБ РФ. Дело в том, что КБ — это сложная динамическая система (СДС), функционирующая в условиях неопределенностей. Такие системы, в принципе, можно формализовать, ибо любая система имеет свои характеристики. И тем не менее 75 тыс. сотрудников ЦБ РФ до сих пор не могут разработать приемлемые методы оценки ЭП КБ. Примером может служить недавнее обсуждение проекта указания ЦБ РФ "Об оценке ЭП КО". Проект этого указания вызвал бурную реакцию банкиров, Ассоциации российских банков и даже финансовых чиновников Совета Федерации. В то же время руководители ЦБ РФ заявляют, что "регулировать регулятора нельзя".

Это значит, что ЦБ РФ не слушает сейчас и не собирается слушать впредь никаких предложений со стороны специалистов.

Читайте также:

Классификация видов риска и показатели эффективности лизинговых сделок
Все риски, с которыми сталкиваются лизинговые компании в процессе своей деятельности, можно разделить на две большие группы: - общие – риски, с которыми сталкиваются все предприятия; -специфические – риски, связанные только с лизинговой деятельностью. Под общие попадают следующие категории рисков: ...

Рынок муниципальных ценных бумаг в России: история, количественная и качественная характеристика
Самым распространенным типом муниципальных ценных бумаг являются муниципальные облигации, которые представляют собой обязательства по возмещению долга к определенному сроку с выплатой фиксированных процентов. С точки зрения надежности помещения капитала муниципальные облигации стоят на втором месте ...

Модель с настраиваемым параметром матричного предиктора
Зададим матрицу для второй группы показателей . Настройка параметра осуществлялась на интервале от 2007 до 2011 года. Контрольным является 2012 год. Оптимальное значение параметра . В таблице 3.43 представлены результаты прогнозирования модели. В Приложении 2.5 отражены расчёты модели до настройки ...