Обоснование и оценка перспектив применения статистических методов моделирования облигаций для ао росэкимбанк

 

Результатом применения методов моделирования к показателю уровня рыночного риска по облигациям является предполагаемое значение уровня доходности облигаций АО РОСЭКСИМБАНК. При помощи выявленных значений предоставляется возможность осуществить прогноз и оценить перспективы роста или падения прибыли от данной долговой ценной бумаги.

На рисунках 3- представлена динамика факторов.

Уравнения регрессии, описывающие тенденцию также представлены на графиках. Путем подбора наибольшего коэффициента детерминации были отобраны данные равностепенные полиномы.

Помимо прогноза при помощи построения многофакторной модели было решено использовать иные способы прогнозирования уровня исследуемого показателя.

1. Прогнозирование методом среднего абсолютного прироста.

Для прогнозирования по методу среднего абсолютного прироста должна выполняться следующая формализованная предпосылка: δ²_ост ≤ ρ², где δ²_ост – остаточная дисперсия, а ρ² – специально рассчитываемая оценка абсолютных цепных приростов. В данном случае модель среднего абсолютного прироста не удовлетворяет предпосылке (таблица 23). Прогнозирование не правомерно.

2. Прогнозирование методом среднего темпа роста.

Предпосылка для прогнозирования с использованием модели среднего темпа роста заключается в следующем: сумма теоретических значений, полученных в результате выравнивания по среднему темпу роста, должна совпадать с суммой эмпирических значений исходного временного ряда.(33801 @ 35613) Требование выполняется. Метод прогнозирования можно применить к данному временному ряду.

3. Прогнозирование на основе экстраполяции тренда.

Для увеличения точности прогноза временной ряд был взят начиная с переломного трендового момента (T = 24)

Рисунок 3 – Трендовый график по доходности облигаций

 

Модель логарифмического тренда выбрана согласно показателю коэффициента детерминации из предложенных уравнений регрессии в MS Excel. Значение коэффициента детерминации составило 72,56%. Таким образом, уравнение описывает 72,56% изменчивости результативного показателя.

4. Прогнозирование по многофакторной регрессионной модели.

Прогнозные значения факторов получены методом экстраполяции тренда. Результаты прогнозирования перечисленными методами представлены в таблице 19.

Значения, полученные согласно прогнозированию по многофакторной модели, свидетельствуют о постепенном повышении уровня доходности облигаций в ближайшем будущем

 

 

Таблица 19 – Прогноз облигаций различными статистическими методами

	Н1	Индекс потребит цен (прирост в %)	Депозитарные операции МБК с нерезидентами	Валютная котировка USD/RUR	Предоставленные ссуды.	Сделки РЕПО с нерезидентами	T	Прогнозное Y	Прогнозирование на основе экстраполяции	Прогнозирование на основе среднего темпа роста
01.07.2017	31,44	100,34	75,32	56,4	10611,41292	13863,12244	37	954,547	928,760	955,31952
01.08.2017	30,12	100,37	79,87	56,29	10619,65756	14110,89727	38	884,887	936,905	951,02058
01.09.2017	28,9	100,46	83,4	56,12	10627,90219	14358,6721	39	967,504	955,049	946,74099
01.10.2017	27,58	100,71	88,82	56,01	10636,14683	14606,44693	40	1051,68	974,193	942,48066

 

Прогнозирование при помощи полиномиального тренда подтверждает тенденцию к повышению уровня доходности облигаций. Однако значения, полученные методом среднего темпа роста, говорят о перспективе снижения уровня анализируемого показателя. Это связано с общей тенденцией к понижению уровня анализируемого показателя за исследуемый период.

Значения, полученные в ходе анализа многофакторной модели способны наиболее точно описать будущее процессы, чем значения, спрогнозированные при помощи среднего темпа роста в связи с тем, что прогнозирование с помощью темпов роста примитивно.

Прогнозирование на основе экстраполяции тренда – логарифмическое уравнение тренда может применяться в краткосрочном прогнозе. Тем не менее, для достижения качественного анализа необходимо воспользоваться многофакторной моделью.

Показатели качества прогноза позволят сопоставить и оценить применение методов прогнозирования для определения уровня доходности облигаций. Для сопоставления были использованы такие показатели как: Средняя квадратическая ошибка, средняя ошибка аппроксимации, коэффициент детерминации.

Таблица 20 – Качество моделей

Характеристики	Многофакторная регрессионная модель	Модель среднего темпа роста	Модель логарифмического тренда
Средняя квадратическая ошибка	23,1426	105,4274	53,9994
Средняя ошибка аппроксимации, %	10,0932	42,8314	13,293
Коэффициент детерминации	0,97	0,66	0,72

 

Согласно представленным показателям прогнозирование по многофакторной регрессионной модели является наиболее точным:

- коэффициент детерминации достигает максимального значения – 97%;

- средняя квадратичная ошибка минимальна из анализируемых;

- средняя ошибка аппроксимации 9,9%, что свидетельствует о точности подобранной модели;

Прогноз показал понижение стоимости облигаций в июне 2017 года  (до 884,9 млн. руб.) и после этого восстановление позиций до сентября текущего года (1052 млн.руб.)

Интервальный прогноз составил:

 

Таблица 21 – Интервальный прогноз

	Многофакторная модель		Модель среднего темпа роста		Модель логарифмического тренда
	Нижняя граница	Верхняя граница	Нижняя граница	Верхняя граница	Нижняя граница	Верхняя граница
01.07.2017	838,0002	931,774	970,6701	1397,862	841,6178	1060,423
01.08.2017	920,6174	1014,391	899,8541	1334,407	837,3382	1056,144
01.09.2017	1004,794	1098,568	895,5937	1255,226	833,0779	1051,883

Относительно данного прогноза можно предположить, что доходность от ценных бумаг в третьем квартале у АО РОСЭКСИМБАНК имеет негативный тренд и может опуститься до 1004,8 млн. рублей к августу 2017 года, что напрямую повлияет на количество свободных денежных средств для резервирования новых ссудозаемщиков.

 

 

ЗАКЛЮЧЕНИЕ

 

В ходе выполнения выпускной квалификационной работы была достигнута поставленная цель, а именно проведение анализа статистических показателей риска при формировании  кредитного портфеля и рассмотрение на реальном примере государственного АО РОСЭКСИМБАНК.

Для достижения поставленной цели были решены следующие задачи:

- была проанализирована детальная классификация предпринимательских рисков, проведена аналогия с банковскими рисками, опираясь на методологические указания и пояснения Банка России;

- проанализированы основные нормативы и коэффициенты, по которым ведется учет за банковской деятельностью Банком России;

- исследование совокупного кредитного портфеля Российской Федерации и причин отзыва лицензий кредитных организаций;

- анализ кредитного портфеля АО РОСЭКСИМБАНК на основе нормативной базы;

- построена и проанализирована модель доходности облигаций АО РОСЭКСИМБАНК;

- построение прогноза доходности облигаций различными статистическими методами.

На базе анализа различных предпринимательских рисков была построена детальная многоуровневая классификация. Путем анализа динамики кредитного портфеля и индикаторов качества кредитного портфеля по методологиям Банка России было определено состояние банковского сектора по статистическим отчетам Банка России на последнюю дату.

Для анализа кредитного портфеля был выбран один факторов, оказывающий влияние на рыночный риск при формировании кредитного портфеля, а именно доходность облигаций

На основе статистически отобранных данных из официальных источников и аналитических агентств была построена следующая многофакторная модель:

 

(12)

 

где Y – Доходность облигаций, X2 – показатель достаточности капитала Н1 в % X8 –прирост индекса потребительских цен X13 – Депозитарные операции МБК с нерезидентами X17 – Долларовая валютная котировка к рублю X19 – сделки РЕПО с нерезидентами X20 – предоставленный ссуды РФ T – фактор времени по теореме Фриша Воу.

Согласно представленным показателям прогнозирование по многофакторной регрессионной модели является наиболее точным:

- коэффициент детерминации достигает максимального значения – 97%;

- средняя абсолютная и квадратическая ошибки не значительны и минимальны из представленных;

- средняя ошибка аппроксимации 9,9 %, что свидетельствует о точности подобранной модели;

Прогноз показал понижение стоимости облигаций в июне 2017 года (до 884,9 млн.руб.) и после этого восстановление позиций до сентября текущего года (1052 млн.руб.), а интервальный прогноз представлена на рисунке 4:

По прогнозным значениям, с июня по август АО РОСЭКСИМБАНК минимально может получить совокупную доходность от облигаций в размере 2, 630 тысяч. Рублей при негативном прогнозе и 3 044 тыс. рублей при позитивном прогнозе дохода от облигаций.

Относительно интервального прогноза можно предположить, что доходность от ценных бумаг в третьем квартале у АО РОСЭКСИМБАНК имеет негативный тренд и может опуститься до 1004,8 тыс. рублей к августу 2017 года, что напрямую повлияет на количество свободных денежных средств для резервирования новых ссудозаемщиков.