Применение экономико-статистических методов при анализе рисков кредитования девелоперских проектов

Тип работы:
Реферат
Предмет:
Экономические науки


Узнать стоимость

Детальная информация о работе

Выдержка из работы

Библиографический список
1. Буренок В. М., Ляпунов А. А., Мудров В. И. Теория и практика планирования и управления развитием вооружения / под ред. A.M. Московского. М.: Изд-во «Вооружение. Политика. Конверсия», 2004. 419 с.
2. Вопросы контрактных (договорных) отношений и ценообразования при поставках продукции (работ, услуг) по государственному оборонному заказу: сборник нормативных и методических документов- Обзор судебной практики. Вып. 1, ч. 1−4. 2-е изд., доп. М., 2004. 540 с.
N.S. Akinshin, A.V. Morozov
Methodology of price formation for armament specimens research and development
(R& amp-D)
Methodological principles of price formation for research and developed — and procurement of armament and special military equipment have been determined as well as costs predicting for design and development work are developed. Overall costs values for design and development work and research have been calculated on the basis of indirect methods.
Key words: contractual price, overall cost, purchase of arms, the top limit of the price,
costs.
УДК 330. 142. 222
A.B. Решетняк, аспирант, (4872) 75−05−53, (Россия, Москва, ВЗФЭИ)
ПРИМЕНЕНИЕ ЭКОНОМИКО-СТАТИСТИЧЕСКИХ МЕТОДОВ ПРИ АНАЛИЗЕ РИСКОВ КРЕДИТОВАНИЯ ДЕВЕЛОПЕРСКИХ ПРОЕКТОВ
Рассмотрен вариант применения корреляционного и регрессионного анализа с целью комплексной оценки девелоперского проекта с точки зрения банка-кредитора.
Ключевые слова: девелоперский проект, инвестиционный проект, источники финансирования инвестиционного проекта, дефолт, кредитный риск, корреляционный анализ, метод группировок, регрессионный анализ, логистическая регрессия, логистическое преобразование.
Введение
В современных условиях одним из приоритетных направлений развития активных операций коммерческих банков является кредитование корпоративных клиентов. Формируя на практике основную статью дохода кредитной организации, кредитование одновременно является и источником существенного риска для банка.
В зависимости от целевого назначения кредиты корпоративным заемщикам принято разделять на оборотные и инвестиционные. Первые привлекаются заемщиками для финансирования временной потребности в оборотных средствах предприятия, вторые же по своей природе используются для финансирования капиталовложений в рамках инвестиционного проекта. Особое место в ряду инвестиционных кредитных продуктов исторически занимает кредитование девелопмента — инвестиционных проектов, направленных на создание либо модернизацию объектов жилой или коммерческой недвижимости, а также развития земельных участков с целью извлечения прибыли при последующей реализации либо эксплуатации.
Схемы финансирования проектов подобного рода, как правило, достаточно сложны и включают в себя комбинацию различных источников, в том числе:
— собственных средств девелоперской организации, формируемых из чистого денежного потока, генерируемого бизнесом компании-
— привлеченных (средства инвесторов, участников долевого строительства, обеспечительные платежи и т. д.) —
— заемных средств (кредиты коммерческих банков, облигационные займы и т. д.).
Часто наиболее востребованным источником финансирования инвестиций в девелопмент является именно банковское кредитование, обладая следующими преимуществами:
1. Стоимость. На практике стоимость кредитных средств при финансировании девелоперских проектов малого и среднего масштаба (объем кредитования до $ 10 млн) ниже стоимости иных заемных и тем более собственных источников. С ростом объемов инвестиций в проект более выгодным становится размещение облигационных займов.
2. Объем финансирования. Анализ условий кредитования девелоперских проектов коммерческими банками — лидерами данного сегмента рынка — показал, что объем заемных средств может составлять от 50% до 85% бюджета проекта.
3. Мобильность. Период времени с момента обращения заемщика в банк до фактического предоставления финансирования в среднем составляет 1,5−2 месяца, что существенно меньше сроков размещения облигационного займа либо проведения IPO.
4. Универсальность. Кредитными средствами банка могут быть профинансированы любые затраты, связанные с реализацией проекта на инвестиционной стадии. При этом ряд альтернативных источников, в том числе лизинг и привлечение средств участников долевого строительства, имеют существенные законодательные ограничения.
При этом для кредитной организации кредитование девелопмента является одним из наиболее рискованных направлений банковского бизне-
са, что обусловлено в том числе организационными и отраслевыми особенностями данного класса проектов:
1. Кредитование в форме проектного финансирования. Реализация проекта на балансе специально созданного юридического лица (SPV — англ. «special purpose vehicle»). Основным источником погашения кредита являются прогнозные денежные потоки на эксплуатационной фазе проекта. Обеспечением кредита, как правило, являются исключительно активы проекта, а именно права на земельный участок, а также на возводимые площади, в редких случаев реализуются схемы с частичным регрессом на действующий бизнес инициаторов проекта.
2. Присутствие проектных рисков, связанных с возможным увеличением сроков либо стоимости проекта, маркетинговых, конструкционных, юридических и иных рисков, реализация которых часто приводит к дефолту заемщика (невозможности возвратить кредитные средства).
Наиболее показательным параметром, характеризующим уровень реализации кредитных рисков, является величина просроченной задолженности. По официальным статистическим данным Банка России, величина просроченной задолженности по субпортфелю строительных кредитов, предоставленным юридическим лицам, превышает среднее значение по общему портфелю кредитных организаций. В кризисном 2009 г. просроченная задолженность для данного сегмента превышала средний уровень на 38%, в 2010—2011 гг. на 21−22%.
В условиях повышенных рисков кредитования девелоперских проектов одной из актуальных задач для кредитной организации является определение целесообразности участия в финансировании того или иного проекта на основании оценки его финансовых и нефинансовых характеристик.
1. Направления анализа девелоперского проекта
На практике при принятии решения о возможности кредитования инвестиционного девелоперского проекта банк-кредитор проводит ряд экспертиз проекта:
1. Финансовая экспертиза проекта включает анализ финансовой отчетности участников проекта, а также модели движения денежных средств по проекту. Результатом анализа служат:
— показатели финансового состояния инициатора проекта-
— показатели экономической эффективности инвестиций-
— показатели структуры финансирования проекта-
— порядок предоставления и погашения кредита.
2. Строительная экспертиза включает анализ исходно-разрешительной и проектно-сметной документации. Делаются выводы:
— о достаточности пакета разрешительной документации для завершения строительства объекта недвижимости-
— о конструктивных и технических особенностях объекта-
— о стоимости строительства и ее подтверждения договорной базой с подрядными организациями-
— о текущей стадии строительной готовности объекта.
3. Юридическая экспертиза проекта и его участников заключается в определении юридического статуса объекта строительства, предмета залога, полномочий органов участников проекта для одобрения кредитных и обеспечительных сделок.
4. Экспертиза деловой репутации участников проекта, в рамках которой анализируется:
— качество кредитной истории участников проекта, включающее проверку как платежной дисциплины потенциального заемщика, так и исполнение дополнительных условий кредитования по ранее привлеченным обязательствам-
— наличие акционерных конфликтов среди инициаторов проекта-
— наличие имущественных претензий со стороны третьих лиц.
5. Экспертиза обеспечения по кредиту, в рамках которой определяется возможная структура обеспечения, рыночная стоимость залогов, дисконты к различным видам закладываемых активов.
На основании результатов оценки проекта и его участников профильными подразделениями банка-кредитора решение о предоставлении кредита принимается коллегиальным органом кредитной организации либо ее филиала.
Данный подход, широко используемый на практике, наряду с очевидным достоинством — привлечением к анализу проекта специалистов с профессиональными компетенциями — имеет и свои недостатки, а именно:
— субъективность принимаемого окончательного решения о кредитовании проекта-
— отсутствие возможности сравнения различных проектов по уровню кредитного риска-
— не используется в полной мере опыт участия кредитной организации в кредитных сделках подобного рода.
Одним из методов устранения данных недостатков может служить ориентация при принятии решения на интегральный показатель эффективности/риска проекта, сформированный на базе результатов профильных экспертиз проекта. В рамках настоящей статьи приведен подход к моделированию интегрального показателя, основанного на применении математического аппарата экономической статистики. Предложены решения, позволяющие осуществить отбор факторных признаков проектов (индикато-
ров риска), а также оценить влияния значения совокупности факторов на результат реализации проекта.
2. Механизм отбора индикаторов модели
Каждый инвестиционный проект, как показано выше, характеризуется целым рядом показателей как количественных, так и атрибутивных. Отбор конкретных характеристик для оценки проектов производится на основании выявления корреляционной зависимости между значением фактора и результатом реализации проекта. Также немаловажным является определение типа взаимосвязи показателей, а именно прямой (с ростом значения показателя возрастает вероятность дефолта) или обратной (с ростом значения показателя вероятность дефолта снижается).
С целью обеспечения возможности проведения данного анализа предлагается использование опыта кредитных организаций по финансированию девелоперских проектов. На основании ретро-данных формируется «обучающая выборка» проектов. Данная выборка предполагает сбор информации о результатах профильных экспертиз ранее профинансированных проектов с указанием максимального количества оцениваемых показателей, а также результата завершения проекта (успешное завершение или дефолт: технический либо полный).
В результате для анализа представляется набор характеристик проектов, принимающих как дискретные, так и непрерывные значения, например:
— NPV (net present value) — чистая приведенная стоимость проекта отражает экономическую эффективность инвестиционного проекта, принимает как отрицательные, так и положительные значения-
— LTV (loan to value) — отношение сумм кредитного финансирования к рыночной стоимости актива, создаваемого в результате проекта, фактически показывает уровень «закредитованности» объекта недвижимости, принимает только положительные значения-
— полнота пакета исходно-разрешительной документации, показатель, влияющий на уровень юридических и административных рисков проекта, может быть оценен в дискретной шкале («полный пакет в соответствии с законодательством», «получены основные документы», «неполный пакет документации») —
— и другие характеристики.
Также каждому проекту присваивается дискретный результирующий показатель, имеющий две градации («возврат кредита», «дефолт по обязательствам»).
С целью выявления корреляционной взаимосвязи возможно использование метода группировок. Результаты группировки проектов обучаю-
щей выборки сводятся в таблицы взаимной сопряженности, в которых проводится комбинационное распределение единиц выборки (проектов) по двум признакам:
— значению исследуемого индикатора-
— результату реализации проекта.
В строках таблицы располагаются значения факторного признака (индикатора), в столбцах — результирующего (признак завершения проекта), в ячейках на пересечении значений х и у указывается число случаев
совпадения конкретных признаков — / (фактически количество проектов
успешно завершенных и испытавших дефолт с одним и тем же значением индикатора).
В случае количественного индикатора, принимающего непрерывные значения, обучающая выборка ранжируется по возрастанию значения факторного признака, после чего разбивается на к равных интервалов. Количество интервалов может варьироваться в зависимости от объема обучающей выборки и фактически наблюдаемых значений показателя. Частота дефолтов в данном случае оценивается не для конкретного значения факторного показателя, а для интервала значений.
В случае атрибутивного индикатора, принимающего заранее определенные дискретные значения, осуществляется ранжирование значений факторного признака от «плохого» к «хорошему». Частота дефолтов в данном случае оценивается для каждого конкретного значения индикатора.
Общий вид таблицы взаимной сопряженности приведен ниже (табл. 1).
Таблица 1
Значение индикатора, (х) Результат реализации проекта, (у.) Итого:
Успех Дефолт
Х1 /11 /12 П1
Х2 /21 /22 П2
хз /31 /32 пз

Хк /к1 /к 2 Пк
Итого: т1 т2 Объем обучающей выборки (К)
пг и т^ отражают итоговые частоты по строкам и столбцам таблицы
сопряженности.
к, 2
N = ^ / - объем обучающей выборки (количество анализируемых
г'-, }=1
проектов).
Наряду с фактически наблюдаемыми частотами I ц необходимо рассчитать теоретические частоты:
пг • т¦
I =
г г
N
На основании полученных результатов возможно рассчитать критерий Пирсона:
к, 2 (I _ I-ч2 «2 _ ^ '-г ?г}) /С Э
1, ] !г]
где — Критерий Пирсона- - эмпирические частоты- /г] - теоретические частоты.
Теснота связи между показателями определяется на основании коэффициента Пирсона:
КРгг —
ж2 + N ^
Интерпретация результата осуществляется с применением шкалы Чеддока (табл. 2).
Таблица 2
Теснота связи Величина показателя КРгг
Мин. граница Макс. граница
Отсутствие связи 0 0,1
Слабая 0,1 0,3
Умеренная 0,3 0,5
Заметная 0,5 0,7
Высокая 0,7 0,9
Очень высокая 0,9 0,99
Для использования в модели целесообразно отбирать индикаторы, показывающие умеренную и более тесную связь с результирующим показателем.
Направление связи (прямое или обратное) определятся на основании анализа накопленной частоты дефолтов по ранжированному ряду значений анализируемого индикатора согласно следующей формуле:
I =? пр. (2)
р=1
Темп роста количества дефолтов при изменении факторного показателя будет указывать на направление связи.
3. Моделирование интегрального показателя
В качестве интегрального показателя проекта предлагается использование взвешенной линейной комбинации значений индикаторов риска:
Sproject = ^ ki & quot- Xi, (3)
i=1
где Svoojcct — комплексный показатель риска проекта- n — количество индикаторов, характеризующих проект- x — значение i-ro индикатора- ki — весовой коэффициент, характеризующий вклад i-ro индикатора в комплексный показатель.
Применение данного подхода к оценке проекта сопряжено с решением двух основных задач:
1. Приведение к единой шкале значений индикаторов риска проектов
X.
2. Оценка весовых коэффициентов k.
Учитывая особенности исходной выборки, а именно бинарный отклик зависимой переменной на изменение независимых (характеристик проекта), с целью оценки „силы“ влияния отдельных показателей возможно использование модели логистической регрессии. Данный тип регрессионной модели накладывает ограничение на значение зависимой переменной, изменение которой возможно в интервале от 0 до 1.
Регрессионное уравнение в данном случае имеет следующий вид:
Y = - =, (4)
1 — ez 1 + e~z W
где Y — зависимая переменная- e — основание натурального логариф-
n
ма- z = ^ b • x + b0 — линейная комбинация независимых переменных.
i=1
С целью обеспечения сравнимости вклада в результирующий показатель независимых переменных, принимающих, как показано выше, различные значения (непрерывные и дискретные, положительные и отрицательные), применим двухшаговый метод трансформации реальных значений переменных в псевдозначения для использования в регрессионной модели:
1. Преобразование реально наблюдаемых значений переменных в псевдозначения с использованием логистической трансформации.
2. Приведение значений переменных по итогам реализации предыдущего шага к нормальному распределению с нулевым средним арифметическим.
Логит-преобразование количественных переменных производится согласно следующему механизму:
1
ХЬ. », д «Ч Ч
(5)
pr 1 + er-(Med (x) — xi)
x + x
где Med (x) = max ^ min — медиана распределения преобразуемой величи-
5%
ны- r = ln (--) • (xmax — Med (x)) — корректирующий коэффициент, который вводится для отсечения 5% квантиля распределения логистической кривой с целью устранения влияния аномальных значений независимой переменной на результирующий показатель- xpr — значение переменной
после логистического преобразования- xmax — максимальное значение преобразуемой величины в выборке- xmin — минимальное значение преобразуемой величины в выборке.
В результате преобразования получаем величину, изменяющуюся в интервале от 0 до 1, с присвоением значения 0,05 минимальному значению реальной переменной и 0,95 — максимальному.
Преобразованная в соответствии с формулой (5) величина xpr применяется для показателей с прямой связью с показателем дефолтов для характеристик проекта, показывающих обратную связь с показателем дефолта. Преобразованная величина xpr заменяется на xpr:
xpr = 1 — xpr. (6)
Преобразование атрибутивных переменных, принимающих дискретные значения, основано на учете частоты дефолтов в пуле проектов с одинаковым значением переменной.
xpr = F (def), = Ш1., (7)
где F (def) — частота дефолтов- Ni — количество проектов в обучающей выборке с 1-м значением дискретной переменной- N (def)i — количество дефолтов в пуле проектов N.
В результате преобразования реальные дискретные значения переменной заменяются величиной, характеризующей долю несостоятельных проектов в пуле проектов с одинаковым реальным значением дискретной переменной. Из формулы преобразования следует принадлежность выходной величины к интервалу значений от 0 до 1.
Следующим шагом модели является нормализация псевдозначений исходных независимых переменных:
_ xi ~ xav xnorm — с.
5, (8) где xnorm — нормализованное значение переменной- xt — нормализуемое значение переменной- xav — среднее арифметическое распределения нор-
мализуемых значений- 5 =
N -1
деления нормализуемых значений.
Е (x & quot- xav)2
— стандартное отклонение распре-
После проведения преобразования реальных значений характеристик проекта в псевдозначения модели возможно проведение оценки неизвестных коэффициентов множественно регрессии. Учитывая нелинейный характер исходной функции, оценка проводится методом максимального правдоподобия. Согласно данному методу за оценки неизвестных коэффициентов регрессии принимаются значения, максимизирующие функцию правдоподобия.
Функция правдоподобия в данном случае примет вид
_ N _. _.
т=п g (ьх) y • (i -g (ьх)ty, (9)
г=1
где Ь = (Ь0, Ъх…, Ът) — х = (1, х- ,… х'-т) — Ъх = Ъ + Ъ • X +… + Ът • х'-т- т — количество характеристик проектов в модели- N — количество проектов в обучающей выборке модели.
Для упрощения вида (9) функции правдоподобия проводится ее логарифмирование:
_ N _. _.
I (Ъ) = Е (У ¦1п 8(Ъх) + (1 -у,) • 1п (1 — Е (Ъх)). (10)
г=1
Для отыскания значений неизвестных параметров, при которых максимизируется функция, вычисляются частные производные по данным параметрам и приравниваются к нулю. В результате имеем следующую систему уравнений:
'- _ N _.
/о (Ъ) 8(Ъх) — Е 1 = 0
г=1 {.: У. =1}
N
(11)
f (Ь)g (Ьх) • Xj — Z xj = 0
i=1 {г: Л=1}
Для решения данной системы уравнений возможно использовать метод Ньютона-Рафсона, заключающийся в выборе начального приближения решения и последующего его итерационного улучшения. На практике данный метод реализован в пакетах прикладных статистических программ, в том числе SPSS, Statistica, позволяющих осуществить оценку неизвестных коэффициентов регрессии.
В результате решения системы уравнений (11) получаем оценку коэффициентов регрессии в виде вектора Ь. Учитывая проведенные преобразования реальных значений характеристик проектов в псевдозначения согласно (5), (6), (7), а также их нормализации (8), вклад каждой характеристики проекта в результирующий показатель дефолта является положительным и оценивается с помощью коэффициента регрессии Ь.
В данном случае весовые коэффициенты характеристик ki для использования в определении интегрального показателя Svroject рассчитываются следующим образом:
k,=-mbL-. (12)
Hb
i=1
Интерпретация результатов оценки проекта производится с помощью:
— линейной шкалы, границы которой возможно регулировать, изменяя величину стандартного отклонения на этапе нормализации значений факторных признаков (8) —
— нелинейной шкалы, например, экспоненциально возрастающей, используемой рейтинговыми агентствами при присвоении кредитных рейтингов.
Второй подход требует проведения процедуры калибровки модели, т. е. соотнесения интервалам значений интегрального показателя вероятности дефолта проекта. Описанию подобного механизма будет посвящена отдельная работа автора.
Библиографический список
1. Беликов Т. А. Минные поля проектного финансирования: Пособие по выживанию для кредитных работников и инвесторов. М.: Альпина Бизнес Букс, 2009. 221 с.
2. Бочаров В. В. Инвестиции: учебник для вузов. 2-е изд. СПб.: Питер, 2010. 384 с.
3. Васильев Н. П., Егоров A.A. Опыт расчета параметров логистической регрессии методом Ньютона-Рафсона для оценки зимостойкости растений // Математическая биология и биоинформатика. 2011. Т. 6. № 2. С. 190−199.
4. Виленский П. Л., Лившиц В. Н., Смоляк С. А. Оценка эффективности инвестиционных проектов. Теория и практика. М.: Дело, 2002. 888 с.
5. Кокорев H.A., Турчаева И. Н. Учет и анализ банкротств: учеб. пос. М.: КНОРУС, 2010. 192 с.
6. Справочник по теории вероятностей и математической статистике / B.C. Королюк [и др.]. М.: Наука, 1985. 640 с.
7. Цыплаков A.A. Некоторые эконометрические методы. Новосибирск: ЭФНГУ, 1997. 129 с.
A. V. Reshetnyak
Economics methods for analyzing credit risk of development projects
Using of correlation and regression analysis in the integrated estimation of development projects.

ПоказатьСвернуть
Заполнить форму текущей работой