Гибридные структурные модели

В то время как структурный подход теоретически представляет интерес, прогнозируемые вероятности дефолта и кредитные спреды, рассчитанные на основании модели Мертона и более поздних вариантов, слишком низкие по сравнению с теми, которые наблюдаются эмпирически. Специализированная модель KMV является попыткой обойти это ограничение. Недавно исследователи предложили гибридные структурные модели, которые объединяют структурный подход с дополнительной учетной и кредитной информацией.

Основная причина заключается в том, что дефолт является сложным процессом и его невозможно описать просто в рамках ценности актива в конкретной точке дефолта. Вместо этого мы пытаемся учитывать поведение компании по мере приближения к точке дефолта, например компании, которые являются платежеспособными в соответствии с моделью Мертона, могут перейти к стадии дефолта по обязательствам в результате существенных проблем с ликвидностью. Кроме того, по мере снижения кредитного качества компании ее способность обслуживать долг и рефинансировать обязательства помогают может стать определяющим фактором дефолта.

Кредитоемкость компании – это результат способности заемщика генерировать прибыль для обслуживания долгового обязательства и стоимость (ценность) активов, которые он может использовать в качестве обеспечения. Оба момента относятся к учетной информации, например доходам заемщика, ликвидности и структуре капитала, а также к информации об экономической ситуации и конкурентоспособности заемщика (см. гл. 10).

По этой причине сторонники гибридного подхода стремятся объединить различные учетные и рыночные переменные для описания стоимости (ценности) активов компании и кредитоемкости. В одном из последних подходов, например переменными являются рыночный акционерный капитал компании, волатильность и доходность акций, балансовая стоимость (ценность) совокупных активов, текущие обязательства, долгосрочные займы и чистый доход^[1].

Заключение

Единого решения о том, как измерить кредитный риск, не существует. Вместо этого существуют различные подходы, которые до сих пор находятся в стадии разработки. Сейчас в отрасли идет процесс осознания всех "за" и "против" различных допущений для различных предложенных подходов.

До настоящего времени специалисты по моделированию рисков не нашли простого способа объединения рыночного и кредитного рисков. Модели рыночного риска не учитывают кредитный риск, а модели кредитного риска полагают, что рыночный риск не связан с кредитным. Следующее поколение моделей кредитного риска должно исправить эти недостатки.

В табл. 11-6 показаны ключевые характеристики основных существующих моделей кредитного риска, которые мы рассматривали в этой главе. Таблица может выглядеть сложной, но она проясняет ситуацию на фоне большого разнообразия существующих подходов в это сфере. Каждый подход основывается на различных наборах допущений; даже определение кредитного риска может различаться. Входные параметры, которые являются общими для всех моделей, включают экспозиции к риску, уровни возмещения долга в случае дефолта (или, что эквивалентно, потери в случае дефолта) и корреляции дефолта.

Как мы пояснили в этой главе, корреляции дефолта учитываются различными способами. Подход KMV определяет корреляции дефолта из корреляций доходностей активов; CreditMetrics основывается на аналогичной модели, но использует корреляции доходностей акций в качестве основы для доходностей активов. В других моделях вероятность дефолта обусловлена традиционными систематическими или макрофакторами. Любое изменение этих факторов влияет на все вероятности дефолта, но в различной степени, в зависимости от чувствительности каждого заемщика к конкретному фактору риска.

Какова же эффективность подходов относительно друг друга? Мы используем моделирование для крупного диверсифицированного портфеля должников и сравниваем различные модели кредитного риска; допущения для каждого применения остаются неизменными. Результаты показывают, что модели дают похожие оценки кредитной VaR.

Модель корреляций доходностей активов оказалась основным фактором в подходах CreditMetrics и KMV. Когда корреляция стремится к единице, то VaR приблизительно в 10 раз больше, чем в случае, когда корреляция равна нулю. Для моделей на основе принципа переходных вероятностей результаты обычно достаточно чувствительны к первоначальному рейтингу должников. Кредитная VaR для спекулятивных портфелей в пять или шесть раз больше, чем для портфелей инвестиционного уровня.

Исходя из рассмотренного ранее мы пришли к заключению, что все модели являются приемлемыми структурами, учитывающими кредитный риск для портфелей обыкновенных облигаций и кредитов. Для производных инструментов, например свопов или обязательств кредитора, которые имеют неопределенные риски, необходимо расширить модели, чтобы допустить

ТАБЛИЦА 11-Б

Ключевые характеристики кредитных моделей

	Подход миграции кредита		Условное требование	Актуарный подход	Модель "сокращенной формы"
Программное обеспечение	CreditMetrics	CreditPortfolio View	KMV	Credit Risk+	Kamakura
Определение риска	Δ рыночной ценности	Δ рыночной ценности	Δ рыночной ценности	Потери при дефолте	Потери при дефолте
Кредитные события	Снижение/дефолт	Снижение/дефолт	Δ непрерывной вероятности дефолта (EDF)	Δ актуарного уровня дефолта	Δ интенсивности дефолта
Факторы риска	Коррелированные ценности активов	Макрофакторы	Коррелированные ценности активов	Ожидаемый уровень дефолта	Частота отказов
Вероятности перехода	Постоянная	Зависит от макрофакторов	Зависит от: конкретной временной структуры EDF процесса оценки ценности активов	Нет данных	Нет данных
Корреляция кредитных событий	Стандартное многомерное нормальное распределение (факторная модель акций)	Условные вероятности дефолта, функции от макрофакторов	Стандартное многомерное нормальное распределение доходностей активов (факторная модель активов)	Условные вероятности дефолта, функции от стандартных факторов риска	Условные вероятности дефолта, функции от макрофакторов
Уровень покрытия	Случайный (бета- распределение)	Случайный (эмпирическое распределение)	Случайный (бета-распределение)	Детерминированные потери в случае дефолта	Детерминированные потери в случае дефолта
Процентные ставки	Постоянная величина	Постоянная величина	Постоянная величина	Постоянная величина	Случайная величина
Численный метод	Моделирование/аналитика Эконометрия	Моделирование Эконометрия	Аналитика/моделирование Эконометрия	Аналитика	Древовидное/моделирование Эконометрия

стохастические процентные ставки. Использование кредитных производных в инструментах в портфельных моделях – это еще одна задача, которая создаст новый уровень сложности, так как распределение портфеля основывается на фактических вероятностях дефолта, при этом ценообразование производных инструментов основывается на риск-нейтральных вероятностях.