1/18 ЕДИНОЕ РЕЙТИНГОВОЕ ПРОСРАНСТВО: проблемы и решения А.М. Карминский, Профессор ГУ-ВШЭ, д.э.н., д.т.н., В.М. Солодков, Директор Банковского института, зав. кафедрой ГУ-ВШЭ, профессор, PhD БАНКОВСКИЙ ИНСТИТУТ создан в 1995 году и осуществляет свою деятельность как структурное подразделение Государственного университета – Высшей школы экономики

2/18 План презентации Рейтинговые агентства в России Что такое единое рейтинговое пространство? Для чего нужно сопоставление рейтингов? Проблема отображения рейтинговых шкал Опыт сравнительных рейтинговых исследований и моделирования рейтингов Центр сравнительных рейтинговых исследований

3/18 Рейтинговые агентства в России

4/18 Рейтинги представляют собой независимые оценки Финансового состояния компаний, банков, финансовых инструментов для формирования современной бизнес-среды Кредитоспособности (кредитного риска) контрагентов Возможности аккредитации (допуска к определенным продуктам или услугам) Рейтинги представляют интерес как для бизнес-структур, так и для государственных и регулирующих органов (Банк России, Минфин, ММВБ, АСВ, …) Ограничения на эффективное использование рейтингов: Сравнительно малое число актуализируемых контактных рейтингов Трудности в сопоставлении оценок различных рейтинговых агентств Отсутствие мультипликативного эффекта от наличия конкурентных оценок Потребность в расширенном использовании независимых рейтинговых оценок Назначение и ограничения рейтингов

5/18 Что такое единое рейтинговое пространство? Наиболее актуально: возможность сравнения различных оценок РА множественные независимые оценки с использованием моделирования рейтингов Под Единым рейтинговым пространством будем понимать: выбор базовой рейтинговой шкалы формирование системы отображений внешних и внутренних рейтингов в базовую шкалу применительно к каждому классу субъектов рейтингования (финансовых институтов, компаний и т.д.), позволяющей совместное использование всех рейтинговых оценок

6/18 Устоявшиеся подходы к сопоставлению (мэппингу) рейтинговых шкал отсутствуют Предпринятые попытки в России сводятся к следующему: Ассоциация региональных банков России: попарное сравнение на ограниченном статистическом материале без учета исторической составляющей СРО НФА: экспертный опрос и согласование таблицы соответствия Отдельные публикации: попарный статистический анализ ГУ-ВШЭ и РЭШ: сопоставление рейтингов Moodys и S&P для банков и предприятий, ориентированное на оценивание отличительных факторов Недостатки: использование только парных сравнений отображений, несопоставимость соответствия шкал, линейность отображений и ограниченное использование возможностей эконометрических методов ВЫВОД: Требуется интенсивная проработка с учетом ограничений на постановку и возможности российской действительности и данных Первая реализация множественного сравнения: сопоставление рейтинговых шкал на основе эконометрических моделей рейтингов агентств Moodys, Fitch и S&P для промышленных компаний и банков (ГУ-ВШЭ, 2010; доклады на конференциях) Отображение рейтинговых шкал

7/18 Методика сравнения шкал рейтинговых агентств включает Методологию отображения (мепинга) шкал Принципы и критерии сопоставления рейтинговых шкал Модели сопоставления шкал Аудит таблицы соответствия и согласование ее структуры Анализ возможности использования тиражируемого программного обеспечения Принципиальные алгоритмы формирования таблицы соответствия Сравниваемые рейтинговые агентства Зарубежные: Fitch Ratings, Moodys Investors Service, Standard & Poors - по национальным и международным шкалам Отечественные: АК&М, НРА, РусРейтинг, Эксперт РА Требования к методике Является публичным документом Одобряется большинством рейтинговых агентств и регулирующими органами Основывается исключительно на публичных данных Учитывает исторические данные Предусматривает возможность периодического использования или по запросу Имеет возможность алгоритмического и программного сопровождения Включает порядок формирования таблицы соответствия рейтинговых шкал Методология мэппинга

8/18 Концепция множественного мепинга Повышение достоверности сопоставления шкал (мэппинга) за счет одновременного использования всей имеющейся статистической информации: по агентствам во времени по различным шкалам с точки зрения структурных особенностей (порядковых, временных, вероятностных) Формирование базы данных по рейтингам, финансовым и макро- индикаторам Выявление эконометрически наиболее значимых статистически и по влиянию на рейтинги публично доступных объясняющих переменных Формирование базовой шкалы для параметризации отображений в нее шкал сравниваемых рейтингов по всем агентствам. Формирование критериев соответствия шкал рейтингов, учитывающие предварительно объясненную составляющую. Определение параметров отображения шкал с использованием оптимизационных процедур. Проведение сравнения рейтинговых шкал. Осуществление верификации критериев и проведение оценки параметров соответствия шкал Формирование методических и практических основ регулярного мониторинга, моделирования и верификации моделей рейтингов

9/18 Формирование и использование базовой шкалы Рейтинговые шкалы Числовые шкалы RS 1 RS i RS N NS 1 NS i NS N BS F1(α1)F1(α1) Fi(αi)Fi(αi) FN(αN)FN(αN) Базовая шкала

10/18 Сопоставление международных РА Эконометрическое моделирование Модели упорядоченного выбора 86 стран 550 банков годы 5629 наблюдений Три международных РА Dummy Модель S&PS&PFitch Moody's S&PS&P-0,318***-0,450*** Fitch-0,318***-0,133*** Moody's-0,450***-0,133*** Сравнение международных РА

11/18 Этапы разработки 1.Формирование БД по российским стандартам 2.Формирование БД по МСФО 3.Выбор базовой шкалы и числовых шкал каждого рейтинга 4.Постановка задачи множественного мэппинга 5.Резюме по обзору литературы 6.Определение критериев мэппинга 7.Проведение предварительного анализа для международных шкал для банков 8. Отработка трехшаговой процедуры мэппинга: Определение базовых объясняющих переменных Построение мэппинга для международных агентств Отработка и согласование мэппинга для российских агентств 9.Обоснование алгоритмов отображения шкал и выбор ПО 10.Анализ временной динамики и причины трендов 11.Предложения по программной поддержке

12/18 Что сделано в инициативном порядке? База данных по рейтингам российских банков, финансовым и макро- индикаторам за годы База данных по банкам более 80 стран за годы Эконометрические модели рейтингов банков для трех международных агентств по МСФО и РСБУ, включая анализ зависимости рейтинговых шкал Анализ линейной зависимости связей рейтинговых шкал ведущих международных агентств Вывод: шкалы для банков и предприятий требуют независимого анализа Вывод: имеется зависимость шкалирования рейтингов для различных отраслей

13/18 Центр сравнительных рейтинговых исследований Банковский институт ГУ-ВШЭ реализует инициативный проект по выработке методов построения Единой рейтинговой системы, оценивания достижимой точности реализации, по развитию методологии и методов сравнения рейтинговых шкал. Формируются рекомендации по построению альтернативных алгоритмов мэппинга, по формированию системы моделей рейтингов Разработка и реализация принципиальных идей формирования и сопровождения ЕРП организационно может быть поддержаны Центром сравнительных рейтинговых исследований при Банковском институте Инновационного университета - Высшая школа экономики

14/18 Возможности Центра Расширенные научные и практические возможности Независимость и «равноудаленность» от рейтинговых агентств Научно-практический опыт решения задач по рейтинговой тематике Формирование систем информационно-аналитической поддержки принятия решений Знание особенностей и наличие возможностей анализа и выбора программных решений и использование информационных технологий для ЕРП Наличие организационной поддержки проекта, ориентированной на долговременное развитие и регулярное сопровождение

15/18 Научный и практический опыт Опубликованы работы по проблемам ( гг.; приложение): Принципы формирования системы рейтингов Рейтинговые системы в России и за рубежом Модели вероятности дефолта российских банков Модели рейтингов крупнейших международных и российских агентств Модели сравнения шкал международных рейтинговых агентств Информационно-аналитические системы поддержки принятия решений Результаты докладывались: на научных конференциях в России и за рубежом, в частности, по риск-менеджменту в качестве консультационных инициатив в Банке России, АСВ обсуждались с большинством из рейтинговых агентств Являются основой для двух учебных курсов по рейтинговой методологии и моделированию в ГУ-ВШЭ и РЭШ Банковский институт ГУ-ВШЭ: инициативный проект по выработке методов сравнения рейтинговых шкал

16/18 Организационные возможности Наличие теоретического фундамента, в том числе применительно к России Потребность в развитии моделей риск- менеджмента, не только для крупнейших банков Устойчивые связи с общественными организациями, в том числе Ассоциацией региональных банков Узнаваемость со стороны рейтинговых агентств

17/18 Спасибо за внимание Карминский Александр Маркович д.э.н., д.т.н., профессор, академик РАЕН Профессор ГУ-ВШЭ, РЭШ, МГТУ Зам. председателя Ученого совета Банковского института ГУ-ВШЭ Солодков Василий Михайлович PhD, профессор Директор Банковского института ГУ-ВШЭ Зав. Кафедрой ГУ-ВШЭ БАНКОВСКИЙ ИНСТИТУТ создан в 1995 году как структурное подразделение ГУ-ВШЭ , Москва, Малый Гнездниковский пер., д. 4, оф. 46, 50 А Тeл.: (495) , , Факс: (495)

18/18 Приложение: публикации 1.Алескеров Ф.Т., Солодков В.М. и др. Анализ математических моделей Базель II. М.,Физматлит, – 286с. 2.Карминский А.М., Пересецкий А.А., Петров А.Е.. Рейтинги в экономике: методология и практика: монография / Под ред. А.М. Карминского. – М.: Финансы и статистика, – 240с. 3.Карминский А.М. Информационно-аналитическая составляющая бизнеса: методология и практика. – М.: Финансы и статистика, – 272 с. 4.Карминский А.М., Пересецкий А.А. (2009). Рейтинги как мера финансовых рисков: Эволюция, назначение, применение // Журнал новой экономической ассоциации Карминский А.М. Модели рейтингов промышленных компаний // Управление финансовыми рисками, 2009, 3. 6.Карминский А.М., Пересецкий А.А. Модели рейтингов международных агентств // Прикладная эконометрика. – –С Karminsky A. Rating models: Emerging Market Differentiators EBES Conference Papers