Пути повышения роли краткосрочного кредитования в улучшении финансового состояния коммерческого банка

Возможность наступления тех или иных рисковых событий можно определять с помощью приемов математической теории вероятностей. Выделяют три взаимодополняемых метода измерения кредитного риска.

Точный вероятностный метод. Он считается наиболее предпочтительным, когда имеется надежная информация обо всех сценариях развития событий и их вероятностях.

Приближенный вероятностный метод. В случае, когда по каким-либо причинам не удается определить искомое распределении вероятностей для множества всех сценариев, оправданным является сознательное упрощение этого множества в расчете на то, что полученная, хотя и грубая, модель окажется все-таки практически полезной.

Косвенный (качественный) метод. Если применение точной или приближенной вероятностных моделей оказывается практически невозможным, значит, количественное измерение риска недостижимо. В этом случае целесообразно ограничиться измерением каких-либо других показателей, косвенно характеризующих данный риск и одновременно доступных для практического применения. Несмотря на то, что данный метод дает всего лишь качественную оценку, тем не менее, в ряде случаев он оказывается единственно возможным.

В практике измерения банковского кредитного риска банковским работникам приходится сталкиваться с ситуациями, когда необходимо рассчитать вероятность невыполнения своих обязательств не одним, а сразу несколькими заемщиками одновременно.

Например, у банка имеется 10 кредитополучателей. Вероятность невозврата каждым из них своего долга оценена экспертами в 1 %, то есть клиенты банка практически абсолютно надежны. Несмотря на это кредитному работнику следует рассчитать вероятность того, что не погасят свой долг не более трех кредитополучателей, то есть не вернут кредит 1, 2 или 3 должника из 10 кредитополучателей банка.

Для решения этой задачи необходимо воспользоваться формулой Пуассона, поскольку вероятность невозврата долга крайне незначительна. Формула Пуассона имеет вид:

Pn (m) = (np) m*e-np/m, (5)

где Pn (m) - вероятность наступления события m раз в n испытаниях;

p - вероятность наступления события в единичном испытании;

e - число, равное 2,718.

Расчеты в данном примере выглядят следующим образом:

Р10 (1) = (10*0,01) *2,718-0,1/1=0,0904;

Р10 (2) = (10*0,01) 2*2,718-0,1/ (1*2) =0,0045;

Р10 (3) = (10*0,01) 3*2,718-0,1/ (1*3) =0,0001.

Путем сложения значений вероятностей Рn (m) получим результат 0,095, то есть вероятность того, что 1, 2 или 3 кредитополучателя из 10 заемщиков банка не погасят свой долг, равна 0,095, или 9,5 %.

Если бы вероятность невозврата долга каждым заемщиком оценивалась, например, в 10, 12 или 15 %, то есть невозврат кредита не являлся бы редким событием, то вероятность Рn (m) рассчитывалась бы по формуле Бернулли:

Pn (m) =*pm*qn-m, (6)

где - число сочетаний из n элементов по m;

q - вероятность противоположного события.

Число сочетаний рассчитывается по формуле:

= n! /m! (n-m)! (7)

Используя приведенные формулы и взяв в качестве базовых показателей р = 0,1; q = 0,9; n=10, вероятности невозврата кредита составят соответственно Р10 (1) = 0,3874; Р10 (2) = 0, 1937; Р10 (3) = 0,0574.

Измерить уровень кредитного риска можно также с помощью данных выборочного наблюдения за частотой невозвратов или потерь ссуженных средств. В данном случае результаты наших прошлых наблюдений приходится распространять на будущее. Однако даже самые обширные сведения о случаях кредитных потерь не способны в полной мере определить уровень кредитного риска в будущем. Поэтому всю совокупность сведений о наступлении случайного события (в нашем случае - невозврата кредита) и его частоте необходимо рассматривать как некоторую выборку, для которой обязательно должна быть рассчитана так называемая ошибка выборки.