Модель раннего предупреждения банкротства банков

Плотникова Е.В.,
кандидат экономических наук, доцент Высшей инженерно-экономической
школы ФГАОУ ВО «Санкт-Петербургский политехнический университет
Петра Великого», г. Санкт-Петербург

В статье представлена разработка модели раннего предупреждения банкротства банков. Вследствие анализа динамики и причин банкротства банков, исследования существующих методов прогнозирования данного события автором выявлены ключевые индикаторы, способствующие прогнозированию банкротства банков, а также обоснована необходимость учета причин несостоятельности банков при разработке модели раннего предупреждения банкротства. Полученные результаты могут быть использованы в целях предупреждения потенциального банкротства банка и учета полученных результатов при планировании его дальнейшей деятельности.

Введение
В течение последних лет неблагоприятная социально-экономическая обстановка в стране и политика, реализуемая Банком России, идентифицировали значительное количество банковских учреждений, которые демонстрируют нестабильное финансовое положение и, как следствие, требуют для поддержания своего функционирования существенных финансовых вложений.

В связи с этим особое значение в последнее время начинает приобретать разработка подходов к раннему предупреждению банкротства банков, позволяющих определить потенциальные проблемы организации на начальной стадии их формирования.

Банкротство банков изучается многими авторами, как зарубежными, так и отечественными. Как правило, банкротство кредитных организаций исследуется с юридической точки зрения. Данный аспект вызван тем фактом, что на сегодняшний день Федеральный закон «О несостоятельности (банкротстве)» [1] фактически является единым нормативным актом, который регулирует банкротство всех хозяйствующих субъектов. Многие исследователи, в том числе О.А. Тарасенко [2], подчеркивают неприменимость многих положений данного Федерального закона к отношениям, связанным с несостоятельностью кредитных организаций.

Неприменимость нормативных правовых актов резко контрастирует с утверждениями таких исследователей, как И.В. Шевченко [3, с. 46–48], H.M. Ennis и H.S. Malek [4]. В ряде исследований ученые пришли к выводу, что правительство должно вмешиваться в деятельность кредитной организации для предотвращения ее краха через доступные инструменты (в том числе нормативно-правовые). Соответственно, на основании обзора литературы в качестве основной причины банкротства кредитных организаций была выдвинута гипотеза о несостоятельности нормативноправового законодательства и, как следствие, о ликвидации организаций в результате его нарушения.

Вопросы банкротства банков зачастую встречаются в исследованиях в аспекте прогнозирования его рисков, что актуально в условиях выживания в рыночной экономике. Основой масштабного диапазона моделей анализа и прогнозирования риска банкротства организаций служат финансовые индикаторы. Данные модели представляют собой аналитические инструменты, которые необходимы для выявления перспектив изменения финансового состояния, а также возможностей сохранения либо утраты финансовой устойчивости организации.

Вышесказанное определяет актуальность данного исследования и в качестве цели исследования позволяет сформулировать следующее: разработка вероятностно-статистической модели прогнозирования банкротства банков на основе анализа показателей финансового состояния банков.

Теоретической базой исследования явились результаты фундаментальных и прикладных исследований отечественных и зарубежных специалистов в области проблемы прогнозирования банкротства банков.

Анализ динамики и причин банкротства банков Российской Федерации
Статистический анализ банковского сектора РФ за период 2016–2017 гг. подтвердил гипотезу основной причины банкротства банков, выявленную в результате литературного обзора (рис. 1), а также позволил сделать следующие выводы.
1. Наиболее часто встречающиеся причины отзыва лицензии у банков связаны с законодательством. В 2016–2017 гг. Банк России реализовал политику по выводу с рынка банковских услуг кредитных организаций, которые были активно вовлечены в процесс отмывания преступных доходов и незаконный вывод денежных средств за рубеж. Отметим также тенденцию увеличения обанкротившихся банков вследствие неудовлетворительного финансового положения (рис. 1).

2. Количество кредитных организаций, лишившихся лицензии, с каждым годом растет (рис. 2). На начало 2018 г. 362 кредитные организации были лишены лицензии по тем или иным причинам.

3. Отметим также тенденцию сокращения количества зарегистрированных кредитных организаций; организаций, имеющих право осуществлять операции в иностранной валюте, а также организаций, имеющих генеральную лицензию (рис. 3).

Данный аспект связан с реструктуризацией банковского сектора, введением новой классификации коммерческих банков и стремлением Банка России обеспечить наиболее полный контроль за их деятельностью, в том числе осуществлять контроль операций с зарубежными партнерами. В качестве основной причины реализации такой политики являются санкции со стороны европейских стран.

Таким образом, в рамках литературного обзора по заявленной тематике и статистического анализа текущего состояния банковского сектора нами были выявлены основные причины банкротства банков. Для возможности осуществления более точного прогноза банкротства банков данные причины должны учитываться в методах, осуществляющих данный прогноз.

Соотношение причин банкротства и методов прогнозирования банкротства банков
В целях оценки целесообразности применения существующих методов прогнозирования банкротства банков необходимо идентифицировать их на предмет учета в их алгоритмах расчета причин банкротства (табл. 1).

Систематизация представленных методов прогнозирования вероятности банкротства банков выявила, что значительным недостатком зарубежных методов является их неприменимость в российских условиях. Данный факт можно объяснить тем аспектом, что причины ликвидации банков в России и за рубежом существенно разнятся. Согласно статистике, практически ни один банк за рубежом не лишается лицензии вследствие нарушения нормативных правовых актов. Многие российские исследователи предпринимали попытки по адаптации тех или иных зарубежных методов к российским условиям. Тем не менее адаптированные методы являются недостаточно точными.

Проведенный анализ существующих методик позволил выявить тот факт, что в методах прогнозирования банкротства банков используются показатели, которые характеризуют ликвидность банка, а также размеры собственного капитала.

Отметим, что ни одна из проанализированных методик не акцентирует внимание на одной из самых распространенных причин банкротства кредитных организаций – нарушение нормативных правовых актов. Таким образом, представленное соотношение свидетельствует о том, что в сложившихся современных условиях нецелесообразно применять указанные методики.

Идентификация ключевых индикаторов, способствующих прогнозированию банкротства банков
В связи с тем что существующие методы прогнозирования банкротства не учитывают при прогнозировании основную причину банкротства, необходима разработка усовершенствованной модели раннего предупреждения банкротства банков.

На основании анализа аналитических обзоров и статистических данных автор предложила следующее соотношение причин банкротства и финансовых показателей банка (табл. 2).

Соответственно, указанные в табл. 2 показатели в процессе построения модели были использованы в качестве зависимых переменных. В качестве исходных данных была использована финансовая отчетность банков на 1 января 2015 г. [8, с. 161–166].

Отметим, что в качестве результирующего фактора в модели выступила бинарная переменная типа 0 и 1. Если значение результирующего фактора 0, значит, банк будет лишен лицензии; если 1 – банк продолжит свою деятельность.

Построение модели прогнозирования банкротства банков
Для построения модели прогнозирования банкротства банков автором были выбраны 40 российских банков. Впоследствии в рамках анализируемой выборки 20 банков были лишены лицензии на осуществление банковских операций по той или иной причине.

По причине недостаточности собственного капитала были лишены лицензии такие банки, как «Витязь», «Гринфилд», «Дил-банк», «Еврокредит», «Конгресс-банк», «Мастбанк», «Ренессанс», «Связной банк», «Судостроительный банк» и «Транспортный».

Причиной лишения лицензии на осуществление банковских операций таких банков, как «Академический русский банк», «Банк Город», «Региональный Банк Развития», «Русский Строительный Банк» и «Эргобанк», стала неспособность данных банков удовлетворять требования своих кредиторов.

Нарушение требований федеральных законов и нормативных правовых актов стало причиной отзыва лицензии у следующих банков: «Балтика», «Банк РСБ 24», «Коммерческий Банк Развития» и «Профит Банк».

Действующие кредитные организации, выбранные для построения модели, осуществляли свою успешную деятельность как в 2014–2015 гг., так и остаются действующими по сей день. Отметим, что многие из них в настоящее время занимают лидирующие позиции в банковском секторе страны. К данной категории банков были отнесены следующие организации: «Альфа-Банк», Банк «Санкт-Петербург», Банк «ФК Открытие», «Бинбанк», «БМ-Банк», «Всероссийский Банк Развития Регионов», «ВТБ», «Газпромбанк», «Московский Кредитный Банк», Национальный Банк «Траст», «Московский областной банк», «Промсвязьбанк», «Райффайзенбанк», «Росбанк», «Россельхозбанк», «Россия», «Сбербанк России», «Ситибанк», «Совкомбанк», «ЮниКредит Банк».

Расчеты были выполнены в ПО Stata по средству построения tobit-модели. Результаты построенной модели представлены на рис. 4.

Отметим, что полученные в результате расчетов статистические показатели подтвердили значимость построенной модели. В итоговой модели в качестве значимых зависимых факторов были идентифицированы следующие финансовые показатели банков: рост прочих операционных доходов, чистая прибыль, норматив использования собственных средств банка для приобретения акций других юридических лиц. Сопоставив оставшиеся в модели значимые факторы с причинами банкротства банков, отметим, что модель учитывает все идентифицированные ранее причины.

Соответствие между прогнозом построенной модели прогнозирования банкротства банков и реальной ситуацией представлено в табл. 3

Верификация представленной модели (см. табл. 3) позволила заключить следующее:
– модель предсказала банкротство всех анализируемых банков, которые впоследствии обанкротились;
– модель также предсказала банкротство еще 8 банков, которые на данный момент являются действующими. Данную ситуацию можно объяснить тем, что у выявленных банков есть признаки, которые, в соответствии с анализируемыми финансовыми показателями, характеризируют банкротство. Например, в данной категории оказались ПАО «Бинбанк» (санация: 21.09.2017), ПАО «Промсвязьбанк» (санация: 15.12.2017);
– модель справедливо спрогнозировала 12 действующих банков, которые на сегодняшний день остаются с лицензией.

Заключение
Статистический анализ банковской сферы выявил прогрессирующую динамику отзыва лицензий у коммерческих банков. Данный факт подтверждает актуальность разработки методов раннего предупреждения банкротства банков. Анализ банковского сектора Российской Федерации позволил также выявить основные причины банкротства банков. Предложенная модель учитывает все выявленные причины банкротства и связывает их с соответствующими финансовыми показателями. Разработанная методика показала довольно высокую предсказательную способность и может рассматриваться в качестве нового механизма прогнозирования банкротства банков, используемого в комплексе с изученными методами.

Литература
1. О несостоятельности (банкротстве). Федеральный закон от 26.10.2002 № 127-ФЗ (ред. От 23.07.2013) [Электронный ресурс]. URL: consultant.ru (дата обращения: 15.05.2018).
2. Тарасенко О.А. Банкротство кредитных организаций: особенности и проблемы правового регулирования //Актуальные проблемы российского права. – 2016. – № 8 (69).
3. Шевченко И.В., Чечина М.В. Банкротство кредитных организаций за рубежом //Современные социально-экономические процессы: проблемы, закономерности, перспективы. – 2017. – С. 46–48.
4. Ennis H.M., Malek H.S. Bank risk of failure and the too-big-to-fail policy. – 2005.
5. Базель III: испытание надежности банковской системы России в условиях глобальной конкуренции [Электронный ресурс]. URL: fundservice.ru/u/baze-2l.pdf
6. Estrella A., Park S., Peristiani S. Capital Ratios as Predictors of Bank Failure // FRBNY Economic Policy Review. – 2000. – July. – P. 17.
7. Jagtiani J.A., Kolari J.W., Lemieux C.M., Hwan Shin G. Predicting Inadequate Capitalization: Early Warning System for Bank Supervision // Emerging Issues Series, Federal Reserve Bank of Chicago, S&R. – 2000. – 10R. – P. 37.
8. Плещицер М.В. Методологические аспекты прогнозирования банкротства банков в период финансового кризиса // Аудит и финансовый анализ. – 2010. – № 2. – С. 161–166.
9. Официальный сайт Центрального Банка Российской Федерации [Электронный ресурс]. URL: cbr.ru/ (дата обращения: 15.05.2018).