С введением Банком России новых требований к порядку расчета величины кредитного риска для системно значимых кредитных организаций стало обязательным внедрение внутренних моделей оценки кредитного риска, включая модели доли потерь при дефолте. Цель исследования – систематизация современных подходов к моделированию доли потерь при дефолте в рамках оценки кредитного риска. Для достижения поставленной цели проведен анализ методологических аспектов построения моделей, включая нюансы расчета целевой переменной и формирования выборок разработки; выделены основные исследуемые сегменты моделирования; проанализированы объясняющие переменные. Результаты исследования показывают, что критически важным является учет специфики распределения данных по потерям при дефолте; особое значение имеет корректное формирование выборки разработки с учетом временных срезов до и после наступления стадии дефолта, а также раздельное моделирование для разных сегментов кредитного портфеля. Ключевыми факторами выступают характеристики обеспечения, параметры кредита, данные о заемщике и макроэкономические показатели. На основе анализа разработаны практические рекомендации банкам по учету важных аспектов моделирования доли потерь при дефолте для оценки кредитного риска.
Идентификаторы и классификаторы
- SCI
- Экономика
Моделирование LGD для суверенных заемщиков изучается крайне редко изза низкого уровня дефолтов по таким требованиям, что делает разработку моделей LGD нецелесообразной и затруднительной. Например, (Jobst et al., 2020) анализируют данные Moody’s Corporate Bond Default для еврозоны за 1999–2016 годы, где отмечено только два дефолта: Греция (LGD = 0,71) и Кипр (LGD = 0,47).
Если у вас возникли вопросы или появились предложения по содержанию статьи, пожалуйста, направляйте их в рамках данной темы.
Список литературы
1. Антонова Е. Оценка ставки восстановления по российским корпоративным облигациям // Электронный журнал «Корпоративные финансы». 2012. № 4 (24).
2. Власенко М. Построение моделей LGD для корпоративного сегмента в рамках A-IRB-подхода с использованием алгоритма деревьев решений // Банкaўскi веснiк. 2022. № 4.705.
3. Девайкина А. Разработка модели доли потерь при дефолте (LGD) для оценки кредитного риска коммерческого банка // Global & Regional Research. 2025. Т. 7, № 3. С. 10-15.
4. Кaрминский А., Лозинская А., Ожегов Е. Методы оценки потерь кредитора при ипотечном жилищном кредитовании // Эконом. журн. ВШЭ. 2016. Т. 20, № 1. С. 9-51.
5. Положение Банка России № 845-П от 02.11.2024 «О порядке расчета величины кредитного риска банками с применением банковских методик управления кредитным риском и моделей количественной оценки кредитного риска».
6. Смирнова А., Ахметсафин И., Молоканов И., Афанасьев С. Разработка LGD-моделей для розничного кредитования. Ч. 1: подготовка данных // Риск-менеджмент в кредитной организации. 2021. № 3.
7. Altman E. I., Kalotay E. A. Ultimate recovery mixtures // Journal of Banking & Finance. 2014. Vol. 40. P. 116-129. https://doi.org/10.1016/j.jbankfin.2013.11.021
8. Baixauli S., Alvarez S. The Role of Market-Implied Severity Modeling for Credit VaR // Annals of Economics and Finance. 2010. Vol. 11. No. 2. Pp. 337-353.
9. Bandyopadhyay A. Loan level loss given default (LGD) study of Indian banks // IIMB Management Review. 2022. Vol. 34. P. 168-177. https://doi.org/10.1016/j.iimb.2022.06.003
10. Basel Committee on Banking Supervision. 2006. International Convergence of Capital Measurement and Capital Standards.
11. Bastos J. A. Forecasting bank loans loss-given-default // Journal of Banking & Finance. 2010. Vol. 34. P. 2510-2517. https://doi.org/10.1016/j.jbankfin.2010.04.011
12. Bellotti A., Brigo D., Gambetti P., Vrins F. Forecasting recovery rates on non-performing loans with machine learning // International Journal of Forecasting. 2020.. https://doi.org/10.1016/j.ijforecast.2020.06.009
13. Bellotti T., Crook J. Loss Given Default models for UK retail credit cards // CRC working paper 09/1. 2009.
14. Betz J., Kellner R., Rosch D. Time matters: How default resolution times impact final loss rates // Journal of the Royal Statistical Society: Series C (Applied Statistics). 2021. Vol. 70. P. 619-644. https://doi.org/10.1111/rssc.12474
15. Bonini S., de Carvalho G. Econometric Approach for Basel II Loss Given Default Estimation: from Discount Rate to Final Multivariate Model. 2016.
16. Caselli S., Gatti S., Querci F. The Sensitivity of the Loss Given Default Rate to Systematic Risk: New Empirical Evidence on Bank Loans // Journal of Financial Services Research. 2008. Vol. 34. P. 1-34. https://doi.org/10.1007/s10693-008-0033-8
17. Chalupka R., Kopecsni J. Modelling bank loan LGD of corporate and SME segments: A case study // IES Working Paper. 2008. No. 27.
18. Dahlin F., Storkitt S. Estimation of Loss Given Default for Low Default Portfolios // Royal Institute of Technology. 2014.
19. Dermine О., de Carvalho C. N. Bank loan losses-given-default: A case study // Journal of Banking & Finance. 2006. Vol. 30. P. 1219-1243. https://doi.org/10.1016/j.jbankfin.2005.05.005.
20. Fan M., Wu T.-H., Zhao Q. Assessing the Loss Given Default of Bank Loans Using the Hybrid Algorithms Multi-Stage Model // Systems. 2023. Vol. 11. No. 505. https://doi.org/10.3390/systems11100505
21. Gibilaro L., Mattarocci G. The selection of the discount rate in estimating loss given default // Global Journal of Business Research. 2007. Vol. 1. No. 2. P. 15-33.
22. Grunert J., Weber M. Recovery rates of commercial lending: Empirical evidence for German companies // Journal of Banking & Finance. 2009. Vol. 33. Pp 505-513. https://doi.org/10.1016/j.jbankfin.2008.09.002
23. Grzybowska U., Karwanski M. Application of Machine Learning Method under IFRS 9 Approach to LGD Modeling // Acta Physica Polonica A. 2020. Vol. 138. No. 1. P. 116-120. https://doi.org/10.12693/APhysPolA.138.116
24. Gürtler M., Hibbeln M. Pitfalls in Modeling Loss Given Default of Bank Loans // Working paper. 2011. https://doi.org/10.2139/ssrn.1757714
25. Gürtler M., Hibbeln M. Improvements in loss given default forecasts for bank loans // Journal of Banking & Finance. 2013. Vol. 37. P. 2354-2366. https://doi.org/10.1016/j.jbankfin.2013.01.031
26. Han C., Jang Y. Effects of debt collection practices on loss given default // Journal of Banking & Finance. 2012. https://doi.org/10.2139/ssrn.2427496
27. Jaber J. J., Ismail N., Ramli S. N. M., Albadareen B., Hamadneh N. N. Estimating Loss Given Default Based on Beta Regression // Computers, Materials & Continua. 2021. Vol. 66. No. 3. https://doi.org/10.32604/cmc.2021.014509
28. Jacobs Jr. M. Modeling Ultimate Loss-Given-Default and Time-to-Resolution on Corporate Debt // Journal of Financial Risk Management. 2024. Vol. 13. P. 426-459. https://doi.org/10.4236/jfrm.2024.132020
29. Jobst R., Kellner R., Rosch D. Bayesian loss given default estimation for European sovereign bonds // International Journal of Forecasting. 2020. https://doi.org/10.1016/j.ijforecast.2019.11.004
30. Joubert M., Verster T., Raubenheimer H., Schutte W. D. Adapting the Default Weighted Survival Analysis Modelling Approach to Model IFRS 9 LGD // Risks. 2021. Vol. 9. No. 103. https://doi.org/10.3390/risks9060103
31. Kaposty F., Kriebel J., Loderbusch M. Predicting loss given default in leasing: A closer look at models and variable selection // International Journal of Forecasting. 2019. https://doi.org/10.1016/j.ijforecast.2019.05.009
32. Konecny T., Seidler J., Belyaeva A., Belyaev K. The time dimension of the links between loss given default and the macroeconomy // ECB Working Paper. 2017. No. 2037.
33. Kruger S., Rosch D. Downturn LGD modeling using quantile regression // Journal of Banking & Finance. 2017. Vol. 79. P. 42-56. https://doi.org/10.1016/j.jbankfin.2017.03.001
34. LaCour-Little M., Zhang Y. Default Probability and Loss Given Default for Home Equity Loans // Economics Working Paper 2014-1.
35. Larney J., Grobler G. L., Allison J. S. Introducing Two Parsimonious Standard Power Mixture Models for Bimodal Proportional Data with Application to Loss Given Default // Mathematics. 2022. Vol. 10. No. 4520. https://doi.org/10.3390/ math10234520
36. Leow M., Mues C. Predicting loss given default (LGD) for residential mortgage loans: A two-stage model and empirical evidence for UK bank data // International Journal of Forecasting. 2012. Vol. 28. P. 183-195. https://doi.org/10.1016/j.ijforecast.2011.01.010.
37. Li K., Zhou F., Li Z., Yao X., Zhang Y. Predicting loss given default using post-default information // Knowledge-Based Systems. 2021. Vol. 224. 107068. https://doi.org/10.1016/j.knosys.2021.107068
38. Miller P., Tows E. Loss Given Default Adjusted Workout Processes for Leases // Journal of Banking & Finance. 2017. https://doi.org/10.1016/j.jbankfin.2017.01.020
39. Nazemi A., Fabozzi F. J. Macroeconomic variable selection for creditor recovery rates // Journal of Banking & Finance. 2018. Vol. 89. P. 14-25. https://doi.org/10.1016/j.jbankfin.2018.01.006
40. Nazemi A., Heidenreich K., Fabozzi F. J. Improving corporate bond recovery rate prediction using multi-factor support vector regressions // European Journal of Operational Research. 2018. https://doi.org/10.1016/j.ejor.2018.05.024
41. Ptak-Chmielewska A., Kopciuszewski P., Matuszyk A. Application of the kNNBased Method and Survival Approach in Estimating Loss Given Default for Unresolved Cases // Risks. 2023. Vol. 11. No. 42. P. 1-14. https://doi.org/10.3390/risks11020042
42. Qi M., Yang X. Loss given default of high loan-to-value residential mortgages // Journal of Banking & Finance. 2009. Vol. 33. P. 788-799. https://doi.org/10.1016/j.jbankfin.2008.09.010
43. Qi M., Zhao X. Comparison of modeling methods for Loss Given Default // Journal of Banking & Finance. 2011. Vol. 35. P. 2842-2855. https://doi.org/10.1016/j.jbankfin.2011.03.011
44. Rantanen J. Modeling Loss Given Default On Unsecured Consumer Loans - Case Study Of A Finnish Financial Institution // Master’s Programme in Strategic Finance and Analytics, Master’s thesis. Lappeenranta-Lahti University of Technology LUT. 2023.
45. Rapisarda G., Echeverry D. A Non-parametric Approach to Incorporating Incomplete Workouts Into Loss Given Default Estimates // MPRA Paper No. 26797. 2010.
46. Schmit M., Stuyck J. Recovery Rates in the Leasing Industry. 2002.
47. Sopitpongstorn N., Silvapulle P., Gao J., Fenech J.-P. Local logit regression for loan recovery rate // Journal of Banking & Finance. 2021. Vol. 126. 106093. https://doi.org/10.1016/j.jbankfin.2021.106093
48. Tong E. N. C., Mues C., Thoma L. A zero-adjusted gamma model for mortgage loan loss given default // International Journal of Forecasting. 2013. Vol. 29. P. 548-562. https://doi.org/10.1016/j.ijforecast.2013.03.003
49. Wang H., Forbes C. S., Fenech J.-P., Vaz J. The determinants of bank loan recovery rates in good times and bad - New evidence // Journal of Economic Behavior and Organization. 2020. Vol. 177. P. 875-897. https://doi.org/10.1016/j.jebo.2020.06.001.
50. Yao X., Crook J., Andreeva G. Enhancing Two-Stage Modelling Methodology for Loss Given Default with Support Vector Machines // European Journal of Operational Research. 2017. https://doi.org/10.1016/j.ejor.2017.05.017
51. Yashkir O., Yashkir Y. Loss given default modeling: a comparative analysis // Journal of Risk Model Validation. 2013. Vol. 7. No. 1. P. 25-59. https://doi.org/10.21314/ JRMV.2013.101
Выпуск
Другие статьи выпуска
Целью работы является измерение восприятия неравенства возможностей в России и странах Европы. В отличие от существующих работ для получения оценок предложено использовать GRM-модель, позволяющую на основе набора частных порядковых индикаторов синтезировать интегральный количественный показатель.
Расчеты базируются на данных Международной программы социальных исследований (ISSP). В рамках этого проекта проводятся ежегодные опросы населения, однако тематическое направление меняется. В данной работе использовались данные двух последних волн, посвященных тематике социального неравенства (2009 и 2019 гг.). Анализ выполнен по 16 европейским странам, включая РФ.
Установлено, что по мнению респондентов всех стран, наименее значимы для достижения жизненного успеха раса и религия, наиболее важны хорошее собственное образование, упорный труд и пол. Сопоставление уровней и динамики восприятия неравенства возможностей позволило выявить значительную страновую дифференциацию. Неравенство возможностей воспринимается как низкое в Великобритании и Финляндии в оба рассматриваемых периода. В Швейцарии и Франции респонденты оценивали неравенство возможностей как среднее в 2009 г. и как низкое в 2019-м. Наиболее неблагоприятное развитие ситуации имеет место в Чехии, Литве, Словении, Хорватии, Германии и Италии, где неравенство возможностей, по оценке респондентов, значительно возросло в 2019 г. по сравнению с 2009 г. В России, Норвегии и Болгарии неравенство возможностей оценивается как среднее в оба рассматриваемых периода.
Российская Федерация является одним из крупнейших экспортеров в мире. При этом реализация товара в рамках экспорта осуществляется с постоянным увеличением, что, безусловно, положительно влияет на рост экономики в целом и непосредственно связано с повышением предпринимательской активности в этом направлении. Однако стоит учитывать, что при выстраивании внешнеторговых взаимоотношений появляются риски, непосредственно связанные с осуществлением операций по реализации товара в рамках внешнеторговой деятельности (ВЭД). В настоящей статье предлагается методика по управлению контрактными рисками при построении контрактных взаимоотношений с покупателем при реализации сельскохозяйственной продукции в таможенной процедуре экспорта. Целью разработки данной методики является снижение рисков получения негативного результата от сделки при отказе покупателя от товара в ситуации, когда товар отправлен покупателю или грузополучателю. Данная методика имеет безусловную научную и практическую значимость, так как может являться инструментом управления контрактными рисками на предприятиях, осуществляющих внешнеторговую деятельность, и одновременно базой для разработки новых методик, методов и концепций по управлению рисками в целом. Для разработки методики использованы методы анализа, синтеза, обобщения и систематизации информации, основанные на нормативно-правовых актах и практическом опыте. При применении методики предлагается использование конкретных технологий оценки контрактных рисков, одна из которых модифицируется за счет нового категориального аппарата рискованности сделки и введения коэффициента допустимости риска на базе плановой чистой прибыли. При оценке применимости тех или иных технологий оценки рисков предпочтение было отдано сценарному анализу и модели «Настолько низкий, насколько это разумно возможно» (ALARP) и вследствие этого была разработана «методика пяти условий по управлению контрактными рисками». Разработка и внедрение данной методики позволяет упростить процесс управления контрактными рисками и объединяет в себе основные аспекты, которые необходимо учитывать при построении контрактных взаимоотношений в рамках ВЭД при реализации сельскохозяйственной продукции.
Концепция устойчивого развития стала одним из основных направлений развития современного общества и проявляется на различных уровнях – от политики государства до предпочтений отдельного индивида. Сама концепция при всей дискуссионности ее формулировки носит фундаментальный характер и связана с развитием общества. Через стремление общества к такому развитию началось изменение поведения фирм, для описания чего в зарубежной и отечественной литературе используются различные категории и концепции. Достаточно широкое распространение среди них получили две концепции на уровне фирмы – корпоративной устойчивости и корпоративной социальной ответственности. Однако, несмотря на наличие работ как теоретического, так и прикладного характера, не предложено четкого подхода к их разграничению, равно как и всеобъемлющего сопоставления с концепцией устойчивого развития. Поскольку современное развитие ориентировано на учет устойчивости, необходимо понимание отличий данных трех концепций, лежащих в их основе категорий, субъектов приложения, как и выделение элементов их сопряжения. В данной работе на основе обзора существующих подходов к трактовке концепций устойчивого развития, корпоративной устойчивости и корпоративной социальной ответственности предложен подход к их разграничению через построение иерархии в контексте влияния на поведение фирм. Выбор последнего как критерия выделения иерархического соотношения концепций обоснован тем, что именно фирмы являются основными субъектами перехода экономики к устойчивому развитию через наличие необходимых ресурсов для реализации соответствующих стратегий в области экономики, экологии и социальной сферы.
Целью исследования являлось изучение взаимосвязи инновационного развития регионов Российской Федерации с интенсивностью использования телекоммуникационных услуг. В качестве задач рассматривается выявление факторов, обусловливающих уровень и скорость инновационного развития регионов РФ, ранжирование исследуемых объектов по ключевым показателям, а также анализ выявления зависимости между инновационной активностью региона и объемами потребления телекоммуникационных услуг. В качестве объекта исследования взяты регионы РФ и федеральные округа. Методологический аппарат проведения исследования состоит из анализа, классификации, аналогии и индукции. Гипотеза, рассматриваемая в статье, заключается в том, что интенсивность использования телекоммуникационных услуг и инновационные характеристики региона значимо зависимы. Методологически данная гипотеза будет рассматриваться через анализ экономических, социальных и иных показателей, описывающих эффективность функционирования региона, а также путем выявления взаимосвязей описываемых индикаторов через парный корреляционный и многофакторный регрессионные анализы. В качестве первичной выборки выступают такие индикаторы, как объем инновационных товаров и инновационная активность регионов на рынке телекоммуникационных услуг, а в качестве дополнительной выборки выступают показатели использования широкополосного доступа в Интернет и вложения в цифровые технологии. Актуальность работы заключается в выявлении корреляции между индикаторами инновационности регионов с интенсивностью использования телекоммуникационных услуг. Предложенные в статье меры позволяют в рамках единой системы выявить регионы, в которых имеет смысл развивать телекоммуникационную инфраструктуру для улучшения характеристик, описывающих инновационную деятельность субъекта. Также по итогам проверки гипотезы должно быть сформировано понимание кластера телекоммуникационных услуг, необходимых для развития инновации в условиях современного рынка.
Стимулирование инвестиционного спроса для российской экономики является значимой задачей, и изучение успешных зарубежных практик может позволить определить приоритетные направления развития политики стимулирования инвестиций. В рамках данной статьи рассматривается пример города Хэфэй в КНР, который за последние несколько лет демонстрирует значительные темпы экономического роста, заметно превышающие темпы роста КНР как раз во многом за счет инвестиционной компоненты. Город также имеет большой опыт участия в территориальных объединениях – с 2010 г., являясь ядром проекта «Пояс городов Ваньцзян», а в 2014 стал ключевым участником более крупного, национального – «Экономический пояс реки Янцзы». Данный факт позволяет проанализировать и систематизировать накопленный опыт, сформировав ряд эффективных мер поддержки инновационных инициатив. В основе статьи – анализ нормативных и регуляторных актов, касающихся условий инвестиционной среды в городе Хэфэй. В работе были систематизированы ключевые механизмы взаимодействия государственных и частных финансов и приведены примеры конкретных успешных проектов, реализованных на уровне города. Полученные материалы будут представлять интерес для российских исследователей и региональных властей, способствовать пониманию механизма создания благоприятного инвестиционного климата за счет государственного участия в финансировании проектов.
Цель исследования – выявить ключевые закономерности суженного воспроизводства с применением марксистской теории капиталистического воспроизводства, теории нелинейных дифференциальных уравнений, имитационного моделирования и системной динамики, а также продемонстрировать необоснованность «неоклассических» рекомендаций по управлению нормой накопления. Решены следующие задачи: через упрощение оригинальной модели эндогенного промышленного цикла ТМ-2 построена системно-динамическая модель В-1, которая раскрывает социально-экономическую структуру, определяющую суженное воспроизводство; с учетом чистых потерь основных производственных фондов развиты определения прибавочного продукта, прибавочной стоимости, нормы прибавочной стоимости и нормы прибыли. Обнажены как патологический характер воспроизводства в модели Рамсея – Купманса – Касса, так и опасность, заложенная в ее рекомендациях, для успешного развития нашей страны. Достигнуто соответствие между оценками действительных значений ВВП, основных производственных фондов и занятости в Российской Федерации для 1988–2007 гг., рассчитанными Г. И. Ханиным и Д. А. Фоминым, с одной стороны, и их смоделированными аналогами в В-1 – с другой. Выработаны новые системно-динамические характеристики переломных моментов в российской экономике в указанные годы. Показано, что социально-экономическая структура, созданная в России в 1999–2007 гг. для восстановительного роста, не могла служить надежной базой для преодоления деградации производительных сил.
Представленное научное исследование является актуальным, поскольку содержит новую информацию о влиянии ключевой ставки Центрального банка РФ на индекс потребительских цен в России. Цель научной работы – установить связь индекса потребительских цен в отечественной экономике с ключевой ставкой Центрального банка РФ в паре с другими внешнеэкономическими факторами. В соответствии с поставленной целью решены задачи: рассмотрены теоретические основы монетарной политики центральных банков; разработана соответствующая методология исследования; построены экономико-математические модели с функцией прогноза индекса потребительских цен в России в зависимости от ключевой ставки Центрального банка РФ и других внешнеэкономических факторов; выявлены недостатки и определены направления монетарной политики Банка России. Применены научные методы: анализ, синтез, метод центрированной скользящей средней, ADF-тест, KPSS-тест, корреляционно-регрессионный анализ, метод Койка. Научная новизна исследования заключается в создании принципов, корректирующих монетарную политику Центрального банка РФ в современных условиях.
Каждые пять лет Росстат публикует базовые таблицы «затраты – выпуск», которые охватывают широкую отраслевую номенклатуру и детально отражают процессы создания и использования продукции. Это позволяет исследовать экономику с различных аспектов. Однако такая периодичность обновления таблиц вынуждает исследователей использовать существующую структуру для анализа более поздних периодов, несмотря на возможные изменения в экономической структуре за рассматриваемое время. Это может ограничивать точность и актуальность выводов, поскольку динамика отраслей, структура экономики и методология сбора и расчетов макропоказателей могут существенно изменяться в течение пятилетнего (или более длительного) периода.
В статье представлен анализ структурных изменений российской экономики за 2016–2021 гг. с использованием базовых таблиц «затраты – выпуск». Применяются стандартные методы анализа отраслевых структур и мультипликативный анализ межотраслевого взаимодействия, что позволяет глубже понять динамику и взаимосвязи между отраслями, а также выявить ключевые изменения в развитии экономики за рассматриваемый период.
Результаты структурного анализа показывают, что отраслевые структуры основных макропоказателей не претерпели значительных изменений за пятилетний период, в то время как соотношения этих показателей демонстрируют обратную тенденцию. Однако если рассматривать экономику в целом, то значительных изменений долей ВДС в выпуске и экспорта в использовании не наблюдается.
Мультипликативный анализ выявляет значительные изменения коэффициентов прямых и полных затрат как отечественной, так и импортной продукции для отдельных отраслей. Тем не менее при анализе экономики в целом существенных различий в прямых затратах между 2016 и 2021 гг. не зафиксировано.
Статистика статьи
Статистика просмотров за 2026 год.
Издательство
- Издательство
- Новосибирский Государственный Университет
- Регион
- Россия, Новосибирск
- Почтовый адрес
- 630090, Новосибирская область, г. Новосибирск, ул. Пирогова, д. 1.
- Юр. адрес
- 630090, Новосибирская область, г. Новосибирск, ул. Пирогова, д. 1.
- ФИО
- Федорук Михаил Петрович (Руководитель)
- E-mail адрес
- rector@nsu.ru
- Контактный телефон
- +7 (383) 3634000
- Сайт
- https://www.nsu.ru/