Курсовая работа: Управление ликвидностью коммерческого банка

2.7 Перспективные модели управления ликвидностью. Основные принципы построения динамической модели

На сегодняшний день большинство применяемых банками методов управления ликвидностью являются статическими, то есть не учитывают возможность возникновения рисков (валютных, процентных, рисков ликвидности) в будущем и их влияние на ликвидность банка в прогнозном периоде. Более эффективной моделью управления ликвидностью является динамическая модель, однако она требует применения сложного математического аппарата. В данной главе остановимся только на базовых принципах построения упрощённой модели управления ликвидностью. Поскольку модель изначально упрощённая, «…примем ряд балансовых ограничений:

·  все активы банка состоят из рублевых денежных средств (касса + _корсчета) и доходных активов;

·  каждый доходный актив представляет собой одноразовое вложение с одноразовым возвратом через заданное время;

·  по каждому доходному активу вложенные средства либо возвращаются в срок, либо вообще не возвращаются;

·  каждое обязательство представляется как одноразовое заимствование с одноразовым возвратом в заданный срок;

·  средства по каждому обязательству изымаются точно в срок;

·  ставки размещения и привлечения в банке точно совпадают с рыночными и фиксируются на момент открытия актива или пассива» [25];

Теперь определимся с активами и пассивами. Естественно, активы имеют разные сроки и разную степень доходности для банка. Поэтому активы разбиваются по срокам на группы. Соответственно:

At(i,h) — сумма, инвестированная в t-м периоде в активы i-го типа на срок h периодов, которая выражена в валюте данного актива

mt(i,h) — доля возврата активов i-го типа, открытых в t-м периоде, сроком на h периодов (например, в течение месяца мы вложили средства в государственные облигации на срок 1 год в сумме 100 000 рублей, доля возврата составляет 0,99). Фактически доля возврата характеризует качество актива, однако сложность именно в том, чтобы точно её рассчитать. Проще всего считать долю возврата случайной, тогда в расчёте будет использоваться среднеквадратическое отклонение этой величины (st(i,h))

Пассивы также характеризуются определёнными показателями:

Bt(i,h) — сумма, заимствованная в t-м периоде из источника i-го типа на срок h периодов, которая выражена в валюте данного обязательства

«…В зависимости от каждого типа пассива можно рассчитать

·  сумму в рублях привлеченных за период средств;

·  сумму в рублях выплат банка;

·  начисленный за период и реально произведенный процентный расход» [17];

«…Кроме того, на банк оказывает влияние внешняя среда – основные факторы внешней среды это спрос на инвестиции и возможности привлечения средств банком» [25]. Таким образом, в модель включаются ещё и рыночные ограничения:

·  Xt(i,h) — выраженный в рублях спрос на инвестиции i-го типа на срок h периодов, доступный банку на рынке активов в периоде t

·  Yt(i,h) — выраженные в рублях возможности банка в периоде t по привлечению средств из источника i-го типа на срок h периодов

Естественно, что показатель At(i,h) не может превосходить Xt(i,h), как и сумма Bt(i,h) не превосходит Yt(i,h).

В общем виде модель построена, принципы её использования в следующем:

·  Структуру активов и пассивов At(i,h) и Bt(i,h) мы свободно планируем в рамках перечисленных выше рыночных и балансовых ограничений.

·  Параметры качества активов t(i,h), st(i,h) мы можем планировать лишь в некоторой степени, например устанавливая ориентиры, к которым банк должен приблизиться в будущем. Используя другой подход, можно трактовать эти величины, как не зависящие от деятельности банка (т. Е. только прогнозируемые). Можно сочетать оба подхода, задавая допустимые значения в соответствии с кредитной политикой банка и одновременно просчитывая разные ситуации отклонения этих параметров от плановых значений (и тем самым фактически измеряя кредитный риск, соответствующий кредитной политике банка). Здесь многое зависит от кредитной политики банка – естественно, вложив деньги в государственные облигации, мы рискуем значительно меньше, поскольку качество актива выше. Однако в таком случае пострадает доходность банка.

·  Рыночные потенциалы банка по размещению и привлечению средств Xt(i,h) и Yt(i,h) мы можем планировать лишь в редких случаях (особенно это касается спроса на кредиты), когда банк проводит экспансионистскую политику в новых регионах или сферах деятельности, или ожидает открытия доступа к новым источникам привлечения средств или укрепления своей репутации.

·  Процентные ставки pt(i,h), qt(i,h) мы можем только прогнозировать. Можно рассмотреть несколько вариантов развития событий, каждый из которых характеризуется своей динамикой этих величин.

Технологию применения модели можно рассмотреть упрощённо:

1. Оцениваем параметры качества активов st+1, которых банк планирует достичь в следующем периоде, и ожидаемый уровень заемного потенциала Yt+1 (например, в следующем периоде средняя доля возврата актива должна составить 94%, при этом в следующем периоде мы сможем выпустить долговые обязательства на сумму 100 000 рублей, и так далее по каждой группе пассивов)

2. Планируем варианты размещения средств At+1 и привлечения Bt+1, учитывая при этом:

- наши цели относительно уровня доходов, рыночной стоимости собственного капитала и ликвидности;

- рыночные и балансовые ограничения

-ориентировочные будущие значения качества активов;

-текущие значения процентных ставок pt, qt

3. Вычисляем, как изменятся доходы, стоимость собственного капитала и ликвидность, если в той или иной степени изменятся:

- качество активов (по сути, это анализ кредитного риска)

- процентные ставки (анализ процентного риска)

- курсы валют (валютный риск)

Например, «…анализ кредитного риска описывается в общем виде формулой (ожидаемый кредитный убыток по данному активу):

, где

 - значение k-го фактора кредитного риска (в процентах вероятности дефолта) на базовую дату, влияющего на j-й финансовый инструмент;

 - общее количество факторов кредитного риска, влияющих на j-й финансовый инструмент;

- степень влияния k-го фактора кредитного риска на стоимость j-го финансового инструмента» [17].

Эти вычисления позволят спрогнозировать риск нехватки ликвидности (дефицита ликвидности) в зависимости от действия фактора кредитного риска.

Совокупность всех факторов риска, оказывающих влияние на финансовые инструменты кредитной организации, можно описать следующей формулой:

, [17] где

 - прогнозное изменение стоимости финансового инструмента относительно его базовой стоимости в момент времени t;

 - стоимость j-го финансового инструмента;

 - ожидаемый кредитный убыток j-го финансового инструмента;

- прогнозное значение “доходности” изменения k-го фактора риска, влияющего на j-й финансовый инструмент

 - общее количество факторов кредитного риска, влияющих на j-й финансовый инструмент;

 - общее количество факторов процентного риска, влияющих на j-й финансовый инструмент;

 - общее количество факторов фондового риска, влияющих на j-й финансовый инструмент;

 - общее количество факторов валютного риска, влияющих на j-й финансовый инструмент.

Конечно, модель в таком виде на практике применить сложно. Помимо вышеперечисленных факторов, «…в действующих динамических моделях анализируется временной показатель ликвидности, который демонстрирует достаточность прибыли по имеющимся активам в случае, когда сроки активов превышают сроки пассивов» [32] (на практике встречаются преимущественно такие случаи). «…Для анализа пассивов во времени», которые здесь просто описываются некоторой величиной Bt(i,h), «…возможно построение моделей временных рядов – это уже элементы эконометрического анализа с использованием моделей ARIMA» [16].

Таким образом, построение динамической модели является достаточно трудоёмким процессом. «…Если для расчета статической модели фактически требуется только автоматизированный финансовый калькулятор, с помощью которого оформляются в виде распределенной по периодам таблицы уже существующие в банковской отчетности денежные потоки (в частности, платежи по выданным кредитам), то создание работоспособной динамической модели связано с разработкой значительно более сложного вычислительного аппарата, способного описывать транзакции, которые банк предполагает провести в будущем, и оценивать их возможные последствия» [24].

Наиболее простая динамическая модель должна уметь прогнозировать финансовые потоки при условии постоянства проводимой банком политики. «…При этом следует исходить из практики заключения договоров, имевшей место в течение последних 3-6 месяцев» [25]. Чтобы повысить точность этой модели, ее рекомендуется дополнить несколькими описанными ниже элементами.

Страницы: 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11