Учет рисков на рынке корпоративных долгов

СТРЕМИТЕЛЬНЫЙ ПОДЪЕМ

    В 1999 г. на облигационном рынке России произошло знаменательное событие - компании РАО <ЕЭС России>, ЛУКОЙЛ и ряд других разместили на ММВБ свои облигации.
    Со времени возникновения рынок корпоративных облигаций развивается стремительными темпами: в 2000 г. количество размещений корпоративных облигаций равнялось 42; общий объем привлеченных средств составил 29 млрд руб. по номиналу; уже проведено более 120 размещений; на настоящий момент на рынке обращаются корпоративные облигации общим объемом около 100 млрд руб.
    Рынок корпоративных облигаций открывает новые возможности и для заемщиков, и для инвесторов. Фирмы, рассчитывающие на дальнейшее развитие, в последнее десятилетие могли опираться лишь на внутреннее или государственное инвестирование, тогда как в развитых экономиках доля этих источников в среднем равна 50%. Рынок акций, один из основных на Западе источников инвестирования, в России находится в зачаточном состоянии и в общем потоке инвестиций составляет едва ли 1%.
    В контексте наполнения экономики <длинными> деньгами динамичное развитие рынка корпоративных облигаций также весьма позитивно.
    Более того, как считают некоторые правительственные чиновники, рынок корпоративных облигаций должен и может стать основным источником <длинных> денег для развития экономики. С этим трудно не согласиться. Но...

<ЛОЖКА ДЕГТЯ В БОЧКЕ МЕДА>

    В этой радужной картине стали появляться некоторые тревожные оттенки.
    В феврале 2002 г. Министерство финансов РФ взяло под жесткий контроль финансовую деятельность властей Нижегородской области. Область, в сущности, была признана банкротом, а ее долг превысил 9 млрд руб. Не лучше обстоят дела и в ряде других областей. Ситуация настолько тревожная, что всерьез рассматривается возможность введения федерального закона о банкротстве регионов. Во всяком случае, Президент РФ во время своего пребывания в июле 2002 г. в Саранске высказал мысль о том, что федеральное вмешательство необходимо, когда регионы не справляются с финансовой ситуацией.
    Но причем здесь корпоративные облигации? А притом, что глубинная причина, приводящая регионы к банкротству, та же самая, что может привести к банкротству эмитента корпоративных облигаций. Эта причина - недостаточное умение корректно учитывать возможные риски и правильно пользоваться информацией о рисках при управлении объектом экономической деятельности. Причем риски здесь понимаются не только в общепринятом смысле, но и как количественное выражение того факта, что с некоторой долей вероятности эмитент может не погасить в срок свои долги.
    Прежде чем размещать облигации на рынке, любой эмитент должен задать себе вопрос вроде следующего: если я выпущу долгосрочные (например, 3 года) облигации на общую сумму 200 млн руб. со среднегодовой ставкой 15%, то с какой вероятностью я окажусь банкротом?
    Заранее подготовленный и просчитанный ответ на этот и подобные вопросы обозначает четкие критерии относительно стратегии заимствований. Конечно, количественная оценка рисков не даст ответа на вопрос: какая стратегия является рискованной, а какая нет? Это определяет каждый эмитент сам для себя. Но если риски просчитаны и их анализ показывает, что эмитенту с вероятностью 50% расплатиться в срок не удастся, то, надо полагать, разумный эмитент поймет, что делать в данной ситуации.
    Едва ли регионы, оказавшиеся на грани банкротства, руководствовались в своих заимствованиях объективными критериями. При этом они определенно находятся в лучшем положении по сравнению с эмитентами-корпорациями. Очевидно, что федеральные власти не оставят регионы-банкроты на произвол судьбы. Более того, необходимо учитывать, что вложения в регионы в целом менее рискованны по сравнению с корпоративными заимствованиями, хотя бы в силу так называемого <масштабного эффекта>: с ростом <размера> хозяйствующего субъекта дефолтный риск по нему снижается. (Это не относится к бюджетообразующим предприятиям российской экономики - естественным монополиям и некоторым крупным предприятиям, сконцентрированным в основном в сырьевых отраслях.)
    Все эти обстоятельства делают оценку рисков совершенно необходимым атрибутом рынка заимствований. И не только потому, что анализ рисков необходим инвестору для принятия осмысленных инвестиционных решений. Оценка рисков необходима и полезна эмитентам как <средство борьбы> за стабильность формирующегося долгового рынка.
    Поскольку история российского рынка корпоративных облигаций непродолжительна, то нет и позитивной кредитной истории, которая могла бы поспособствовать формированию доверия к эмитентам. Факт отсутствия исторических данных как основы для объективных решений и бурный рост рынка заимствований позволили некоторым авторам утверждать, что российскому долговому рынку в <терапевтических дозах> необходим дефолт для <излечения> от эйфории.
    С оценкой <заболевания> можно согласиться, а вот с прописанным <лекарством> - нет. Любые сколь-нибудь заметные потрясения для формирующегося рынка заимствований, на наш взгляд, крайне вредны. Памятуя о том, что этот рынок крайне привлекателен как механизм вовлечения денег <среднего> класса в экономический оборот, можно утверждать, что такие потрясения не дадут вырасти доверию потребителей.
    Необходимо изыскать другое, отличное от дефолта, <лекарство>, и таковым, на наш взгляд, является система оценки и управления рисками. Отсутствие же статистических данных - причина мнений о невозможности применения технологий риск-менеджмента - заставляет задуматься как о необходимости поиска иной метрики для описания ситуации с конкретным заемщиком, так и о внедрении новых или модификации существующих алгоритмов в методах расчета рисков. Относительно же новой метрики можно утверждать, что она должна <опираться> не на статистику неплатежей, а на какие-то иные параметры, оценивающие экономическую эффективность функционирования заемщика, например на <генерируемый> конкретным заемщиком денежный поток.

СНОВА РУССКИЙ ВОПРОС: ЧТО ДЕЛАТЬ?

Известно, что основой для оценки и управления рисками является технология VaR (Value at Risk), которая уже получила определенное распространение в России.
Технологии, основанные на подходе VaR, призваны отвечать на вопрос: с какой вероятностью прибыль (убытки) от операций будет больше (меньше) заданного значения? Технология VaR, хотя и имеет различные реализации, тем не менее в общих чертах может быть описана в рамках единой схемы:

прежде всего определяется объект, подверженный риску (в нашем случае размещаемый облигационный заем);

затем определяются факторы риска, т.е. те факторы, неизвестная динамика которых может неблагоприятно сказаться на объекте риска. Для нашего случая это неблагоприятная рыночная конъюнктура на производимую заемщиком продукцию или услуги, увеличение производственных издержек за счет роста тарифов, темпы инфляции, курс валюты, решения властей и пр.;

на следующем этапе устанавливается связь между объектом риска и факторами риска - в виде формул, дифференциальных уравнений, увязывающих временную эволюцию факторов риска и объекта риска, либо еще в каком-то математически формализуемом виде;

затем определяется модель, по которой эволюционируют факторы риска. Модель может базироваться на изучении статистических данных, касающихся факторов риска, на постулировании того или иного вида функции распределения колебаний этих факторов либо в редких случаях, на выведении стохастических дифференциальных уравнений, определяющих временное изменение интересующих нас переменных;

наконец моделируется будущее поведение объекта риска с вычислением функции распределения его будущих значений.
    Эта последовательность шагов и является базой для оценки VaR.
    Приведем для иллюстрации элементарный пример. Допустим, единственным источником прибыли фирмы является торговля лесом (например, с Японией). Фирма разместила 10%-ные облигации со сроком погашения 1 год общим объемом 200 млн руб., т.е. в момент погашения необходимо выплатить 220 млн руб.
    Пусть фирма запланировала продать весь свой лес в конце года объемом V куб. м, количество вырученных денег от продажи равно:

n = Vpb,
где p - цена кубометра леса в японских иенах на момент продажи; b - курс иены по отношению к рублю.

    Факторы риска в этой формуле - цена леса и курс иены. Чтобы правильно оценить количество полученных от продажи денег, нужно спрогнозировать значения этих факторов на конец года и вероятность отклонения этих значений в меньшую сторону от ожидаемых. В результате мы получим вероятность отклонения выручки в меньшую сторону на ту или иную величину и сможем оценить, какая максимальная доля прибыли должна пойти на погашение долгов в неблагоприятном случае. Если эта сумма оказывается меньше 220 млн руб., то фирма рискует не расплатиться по облигационному займу.
    Предметом <ноу-хау> компаний, занимающихся оценкой рисков, являются 3 <черных ящика>, расположенных на рисунке между факторами риска и оценкой VaR (см. рис. 1). (В приведенном примере это значит, что нужно правильно определить формулу и спрогнозировать поведение величин p и b.)
    Для выбора наиболее перспективного для нас направления поисков кратко охарактеризуем все используемые в технологии VaR подходы, кроме того, оценим широко и часто декларируемый тезис о нехватке статистических данных для применения технологии VaR. Таким образом, нам необходимы методы, обеспеченные данными в настоящих российских условиях, и переменные, характеризующие экономическую эффективность функционирования компаний-заемщиков.
    Все методы, существующие в рамках данной технологии, могут быть <разбиты> на 4 группы, что отражено на рис. 2.

Первая группа методов базируется на статистической обработке исторических данных по факторам риска или в простейшем случае по самому объекту риска (метод исторического моделирования). Для достаточной устойчивости расчетов требуется довольно большое количество данных, особенно при одновременном учете нескольких факторов риска, что интерпретируется как <слабость> данного метода. Кроме того, очевидно, что корректность такого метода целиком основана на гипотезе, что функция распределения в будущем окажется такой же, как и в прошлом. Однако это, как правило, не применимо при анализе экономических показателей. Для <борьбы> с этим <минусом> метода необходимо уметь прогнозировать будущие значения функции плотности.

Вторая группа методов основана на моделировании факторов риска методом Монте-Карло. При этом заранее задается функция распределения факторов, после чего так называемые генераторы случайных величин моделируют поведение факторов риска на любой период времени вперед. Затем можно вычислить VaR для будущих значений объектов риска. У метода два недостатка: пер- вый - трудности с выбором функции распределения (как правило, считается, что флуктуации факторов риска распределены по нормальному закону, это предположение лишено оснований и часто бывает ошибочным); второй заключается в том, что даже если мы из каких-то соображений правильно <угадали> функцию распределения, то все генераторы случайных величин не приспособлены для работы с нестандартными функциями распределения.
Таким образом, для каждой произвольной функции распределения приходится разрабатывать свой генератор, что является довольно трудной задачей.

Третья группа методов основана на решении стохастических дифференциальных уравнений. Это, по-видимому, перспективный метод, но пока не получивший достаточно широкого распространения на практике.
    Его идея состоит в следующем. Сначала из экономических соображений выписываются возможные связи между изменением рассматриваемых показателей (например, денежных потоков компании) и факторами, связанными с этим показателем (например, обменным курсом валют, инфляции и т.д.) это позволяет создать <детерминированную> часть уравнения.
    После этого для моделирования случайных воздействий неучтенных факторов в уравнение добавляется случайный член, который берет на себя всю необъясненную часть информации.
    Как известно, решением обычных дифференциальных уравнений является функция, описывающая эволюцию переменных (в нашем случае денежных потоков). Конкретный вид этой функции полностью определяется начальными условиями. В случае же стохастических уравнений решение представляется не одной траекторией, а целым пучком возможных реализаций, имеющих характерные особенности. Вот по этим возможным будущим реализациям и набирается статистика для любого момента времени.
    Достоинством метода является то, что он допускает изменение функции распределения со временем. Трудности, впрочем, преодолимые, заключаются в том, что имеется лишь ограниченное число уравнений, решаемых точно.

Пионером четвертой группы методов является фирма NERA, преодолевающая многие из перечисленных выше сложностей своим, довольно своеобразным, способом. Из всего многообразия компаний она по известным только ей критериям выделяет группы однотипных компаний, после чего набирается статистика по одинаковым показателям (например, доходности за последний квартал) этой группы компаний. Таким образом, этот подход заменяет рассмотрение длительной истории одной компании анализом множества более коротких историй. Если, например, массив информации насчитывает 1 тыс. компаний, а история каждой компании насчитывает всего 10 точек данных, то всего в распоряжении NERA оказывается 10 тыс. точек, что вполне достаточно для расчета VaR (точнее, NERA рассчитывает риски, связанные с возможным уменьшением денежных потоков фирмы, но эти риски легко можно связать с рисками эмитентов облигаций).
    Какие же выводы о целесообразности использования сильнодействующих <дефолтных лекарств> можно сделать после рассмотрения имеющихся подходов к оценке рисков? На наш взгляд, арсенал уже имеющихся средств <лечения> достаточно широк.
    У исследователей имеются средства <борьбы> с упомянутыми выше <минусами> методов. В частности, для первой группы методов ограничение по объему данных определяется <молодостью> большинства российских фирм. Этот факт определяет требования к переменным, которыми должна характеризоваться деятельность заемщика. Использование для оценки эффективности функционирования заемщика данных о потоке денежных средств <снимает> проблему с <выходными> данными. Так как факторами риска обычно выступают макропеременные, то проблем с количеством входных данных также нет, что вкупе с предыдущим утверждением позволяет констатировать возможность решения проблем метода, связанных с ограниченностью данных. Технические проблемы, имеющиеся в первой группе методов, также разрешимы. В частности, за счет использования методов прогнозирования функций распределения специализированными типами нейронных сетей разрешима проблема, связанная с гипотезой о стационарности этих функций.
    Аналогичные утверждения можно сделать и для <минусов> остальных трех групп методов.
    Довольно нетривиален вопрос об определении факторов риска, что значимо для всех четырех групп методов. Конечно, идеальным вариантом является наличие эксперта, который точно знает влияющие на риск факторы, однако это не всегда возможно. Для разрешения такой проблемы необходимо использовать специализированные, довольно сложные статистические методы, позволяющие по историческим данным отсеять незначимые факторы и выбрать значимые.

ЧТО ДАЛЬШЕ?

    Итак, VaR является на сегодняшний день базовой технологией, помогающей оценивать риски, и значение этой технологии, несомненно, велико.
    Но можно ли считать, что VaR останется единственной основой для риск-менеджмента? По-видимому, нет, если под риск-менеджментом подразумевается непрерывное реагирование на изменения во внешней по отношению к фирме среде. Очевидно, что управление рисками предполагает постоянную оценку факторов риска и их влияния на вероятность возникновения негативных для инвестора исходов. На основе такого <динамического> анализа и должны приниматься текущие инвестиционные решения, обеспечивающие раннее обнаружение проблем и адекватное реагирование на них.
    Методика VaR позволяет численно оценить величину риска в <одношаговой> и <стационарной> ситуации. Из управленческих реалий, очевидно, что большинство бизнес-решений имеет сложную многоступенчатую структуру, состоящую из нескольких <шагов> - более частных решений. На каждый из таких <шагов> существует свой вид риска, при этом для некоторых из них есть статистические данные, а для некоторых их может и не быть.
    Конечной же целью риск-менеджмента является определение совокупного риска и на основе этого выбор стратегии. Как уже говорилось, для достижения этой цели VaR является необходимым, но недостаточным инструментом. Более того, говоря о рисках дефолтов, главное - понимать, что для них бывает важнее не столько и не только получить численную оценку их вероятности, сколько оценить набор возможных сценариев развития и потенциальную <структурную> устойчивость того или иного сценария.
    Наиболее прогрессивные технологии для решения задач подобного типа основаны на аппарате когнитивных и байесовских карт, на теории частично упорядоченных множеств и ряде других математических дисциплин, многие из которых менее требовательны к объему необходимых данных, эффективно заменяя последние экспертными оценками.
    Пока эти новые и перспективные технологии лишь начали пробивать себе дорогу в область риск-менеджмента. Но это уже иная тема.