Практические аспекты оценки рисков инвестирования в облигационные займы российских корпоративных заемщиков
Аналитик АКБ "Союз"
Проблема качественной оценки рисков корпоративных заемщиков является одной из самых актуальных на российском рынке. В данной статье анализируются основные подходы к оценке кредитных рисков компаний нефинансового сектора со стороны рейтинговых агентств и российского банка АКБ <Союз>. |
Два года назад участники российского рынка корпоративного долга активно обсуждали последствия возможного дефолта. В 2004 г. произошел дефолт: на фоне банковского <кризиса ликвидности> банк <Кредиттраст> не выполнил условия оферты. Впрочем, рынок не рухнул. За 3 мес. он полностью восстановился от последствий кризиса и сегодня продолжает развиваться ускоренными темпами. В течение 10 мес. 2004 г. компании привлекли с помощью корпоративных облигаций более 90 млрд руб. И только за октябрь текущего года дебютные эмиссии разместили 5 новых заемщиков.
Как известно, новые эмитенты - это новые, подчас неоцененные, риски. Для того чтобы минимизировать потери от возможных дефолтов, на Западе либо прибегают к оценкам кредитоспособности глобальных рейтинговых агентств, либо пользуются рекомендациями собственных подразделений по управлению рисками. В данной статье предпринята попытка проанализировать действующие на российском рынке методы оценки рисков инвестирования в корпоративные обязательства и выделить основные проблемы, с которыми сталкиваются отечественные риск-менеджеры.
Для оценки эффективности используемых в России методик была изучена статистика качественных спрэдов (разница между доходностями корпоративных долговых бумаг и <безрисковых> долговых государственных бумаг). Статистика рассчитана за период с 1 апреля по 1 октября 2004 г. по данным 22 выпусков облигационных займов.
ВЗГЛЯД <ИЗВНЕ>
Значение внешних рейтингов в мире отлично характеризует высказывание одного из журналистов New York Times. По его мнению, после окончания <холодной войны> в мире известны две супердержавы - США и Moody's. В то время как США может ликвидировать любого врага военным путем, Moody's способно уничтожить заемщика финансовым путем, присвоив низкий рейтинг. Действительно, по разным оценкам, на рейтинги ориентируются от 60 до 80% инвесторов развитых рынков. И, как показало исследование рейтингового агентства Fitch, кредитными рейтингами контролируется около 80% мировых потоков заемных капиталов.
В России на данный момент действует 3 глобальных рейтинговых агентства - Fitch, Standard and Poor's, Moody's - и одно национальное агентство - <Эксперт РА>. До сих пор их рейтинги присвоены лишь небольшому числу эмитентов внутреннего российского рынка. Так из 20 эмитентов, для которых были рассчитаны качественные спрэды, рейтинги имеют только 9 заемщиков. При этом присвоенные рейтинговые оценки выставлены как по национальным, так и по международным шкалам, что существенно затрудняет процесс их сопоставления.
По утверждениям самих агентств, алгоритм составления рейтингов не основывается в чистом виде на статистическом анализе финансовой информации, а содержит еще и оценки экспертов, например, для таких трудно формализуемых параметров, как качество менеджмента, состояние отрасли заемщика, рыночная позиция эмитента, достоверность и качество финансовой отчетности (табл. 1).
Standard and Poor`s | Mooody`s Investor Service | Fitch Ratings | Эксперт РА |
Характеристики бизнеса: | Отраслевые риски | Качественные показатели: | Производственный потенциал и динамика развития |
|
Риски политического и нормативно - правового характера |
|
Позиции эмитента на рынках |
|
Рыночные позиции компании и эффективность ее бизнеса |
|
Уровень корпоративного управления |
|
Качество управления компанией |
|
Финансовая устойчивость |
|
Структура собственности |
|
|
|
Финансовый риск |
|
|
Финансовый профиль: | Количественные показатели: | ||
|
|
||
|
|
||
|
|
||
|
|
||
|
Впрочем, несмотря на официальные заявления, можно предположить, что наличие неформальной компоненты в рейтингах не так уж велико и алгоритмическая составляющая играет наиболее важную роль.
Первые попытки смоделировать алгоритм рейтингования облигационных займов (по методике S&P) были предприняты Horrigan в 1966 г. и базировались на модели линейной регрессии. Типичный процент угадывания рейтинга в таких моделях составил около 60%, что, конечно, далеко от идеального.
Использование возможностей нейросетевого моделирования Dutta, Shekhar в 1988 г. показали гораздо лучшие результаты - на уровне 88% для воспроизведения отдельной градации рейтинга. При этом наиболее сложные нейросетевые модели способны с приемлемой точностью воспроизводить широкий диапазон рейтингов по набору ключевых финансовых индикаторов фирм-эмитентов.
Результаты проведенных исследований позволяют предположить, что большая часть рейтингового процесса, особенно в глобальных рейтинговых агентствах (имеющих статистику за десятки лет), происходит по накатанной схеме, без учета маркетинговых, производственных, финансовых особенностей деятельности того или иного эмитента.
На российском рынке к рекомендациям рейтинговых агентств инвесторы прислушиваются, но рейтинги не всегда учитываются при принятии инвестиционных решений. Как показали расчеты средних спрэдов по бумагам телекоммуникационного сектора, кредитные рейтинги редко отражают <справедливую> для рынка доходность (рис. 1). Средняя величина качественного спрэда облигаций межрегиональных телекоммуникационных компаний не соответствует кредитному качеству заемщиков. Более того, корреляция между этими двумя показателями отрицательная (-0,68).
Предпочитая руководствоваться собственными оценками, большинство российских банков имеют в рамках своей структуры внутренние подразделения риск-менеджмента. Например, в АКБ <Союз> внутреннее подразделение, рассчитывающее риски корпоративных заемщиков, существует уже около 2 лет. За это время сотрудниками банка была проведена оценка в общей сложности около 190 эмитентов (российских облигаций, еврозаймов, векселей). В настоящее время на облигации 64 корпоративных заемщиков открыты индивидуальные позиционные лимиты.
Действующая в АКБ <Союз> система управления риском отдельного долгового корпоративного обязательства состоит из элементов, которые представлены на рис. 2.
Номер и название компоненты | Номер и название фактора | Показатели |
Компонент V "Качество системы управления" |
Фактор 1 "Деятельность органов управления" | Концентрация прав собственности в компании |
Состав совета директоров | ||
Периодичность и формы проведения заседаний совета директоров | ||
Состав менеджмента компании | ||
Качество системы внутреннего контроля в компании | ||
Динамика инвестиций за последние три года | ||
Наличие и реализация инвестиционных проектов | ||
Дисциплина выполнения обязательств по привлеченным кредитным ресурсам | ||
Оценка политики компании в области слияний и поглощений | ||
Взаимоотношения с дочерними и зависимыми обществами | ||
Взаимоотношения с поручителем | ||
Качество внешнего аудитора | ||
Фактор 2 "Оценка уровня раскрытия информации и политики компании по отношению к инвесторам" | Прозрачность структуры собственности | |
Наличие перекрестного владения акциями | ||
Наличие консолидированной отчетности | ||
Наличие отчетности МСФО | ||
Наличие в открытом доступе аудиторских заключений | ||
Качество годового отчета | ||
Наличие публичной кредитной истории | ||
Наличие кредитных рейтингов | ||
История кредитных рейтингов | ||
Наличие программ АДР, ГДР |
Отличительной особенностью методики АКБ <Союз> является учет, во-первых, специфических рисков отдельного облигационного займа (ликвидности, структуры облигационного займа, состава синдикатов участников размещения и др.), во-вторых, некоторых других показателей. В ходе оценки учитываются не только финансовые результаты деятельности компании, но и показатели, которые отражают отраслевые риски (динамику объема производства отрасли, долю продукции отрасли в ВВП, уровень рентабельности компаний отрасли, уровень использования среднегодовой производственной мощности компаниями отрасли, экспортный потенциал и др.), риски государственного регулирования (особенности налогообложения компаний отрасли, регулирование экспорта и импорта продукции отрасли, регулирование цен на продукцию отрасли, лицензирование компаний отрасли), позиции на рынке (перспективы развития рынка/рынков сбыта продукции компании, динамику и цикличность спроса на продукцию компании, позицию компании на внутреннем рынке, динамику доли внутреннего рынка, оценку конкурентных преимуществ эмитента и пр.), характеристики производственной и снабженческо-сбытовой деятельности (динамику изменения объемов производства, полноту производственного цикла, соответствие используемых технологий мировым стандартам, структуру поставок основных видов сырья, конъюнктуру рынка сырья, структуру сбыта готовой продукции и др.). Следует отметить, что влияние нефинансовых показателей на итоговую оценку облигационного займа по методике АКБ <Союз> существенно и помогает создать наиболее полный образ заемщика, в том числе и нивелирует риски искажения его бухгалтерской отчетности.
И, в-третьих, оценка рисков в соответствии с внутренней методикой банка обеспечивает достаточный уровень дифференциации корпоративных заемщиков по степени риска. Итоговая величина риска непрерывна и определяется по 5-балльной шкале (от 0 до 5), что позволяет разбить всю совокупность эмитентов как на 3 класса надежности, так и на 5, 10 и т. д.
При подготовке данной статьи было проведено небольшое исследование кредитного качества 22 облигационных займов 20 корпоративных заемщиков. В соответствии с полученными оценками всю совокупность эмитентов разделили на 3 класса и рассчитали величину средневзвешенных качественных спрэдов между этими классами. Как показано на рис. 3, разница спрэдов между бумагами 1-й и 2-й групп надежности достигает 300-330 б. п., между 2-й и 3-й группами - 220-250 б. п.
Результаты внутренних оценок кредитоспособности часто легко подвергаются сомнениям, так как методики банков остаются закрытыми. Вероятнее всего, полученные данные в ходе нашей оценки достаточно достоверны. Доказательством тому служит модель, приведенная на рис. 4. В соответствии с этой моделью взаимосвязь между оценками АКБ <Союз> и средней величиной спрэдов (за полгода) корпоративных заемщиков существует. Коэффициент детерминации при этом составляет около 0,7, что свидетельствует о высоком качестве полученных оценок.
Практическая работа по оценке кредитных рисков на российском рынке сталкивается с рядом серьезных проблем.
1. Низкая информационная прозрачность эмитентов и проблема достоверности информации.
Большинство российских корпоративных заемщиков демонстрируют низкую информационную прозрачность. Несмотря на стандарты раскрытия информации, принятые бывшей ФКЦБ России (сегодняшней ФСФР), объективные данные о производственно-снабженческой деятельности эмитента, его позициях на рынках производимой продукции и качестве системы управления найти сложно.
Причины достаточно просты. Большую часть материалов для инвесторов подготавливают лица, заинтересованные в размещении - либо эмитент, либо организаторы его выпуска. Поэтому негативные стороны деятельности компании в них не отражаются, а раздел <Риски> Проспекта эмиссии остается номинальным разделом, шаблоном для заполнения.
Особой проблемой для количественного анализа кредитных рисков остается и достоверность финансовой отчетности. До сих пор многие крупные компании, особенно в регионах, подготавливают неаудированную финансовую отчетность, качество которой становится дополнительным риском для инвестора. Кроме того, на долговом рынке распространена практика выпуска облигаций эмитентом - SPV под поручительство 3-5 аффилированных компаний группы. При этом консолидированная финансовая отчетность по группе не составляется.
2. Определение критериальных значений для оцениваемых показателей.
Ключевой момент любой методики - трансформация значений оцениваемых показателей в балльную оценку. Сложность этого момента заключается в том, что оценка количественных показателей требует наличия объективных критериальных значений.
Использовать значения <на глазок> или воспользоваться ими из статистики крупнейших рейтинговых агентств в российской практике неэффективно. Как показывает опыт, это может привести к использованию неадекватных критериев и, как следствие, к искажению итоговой оценки риска.
Поэтому для оценки ряда показателей необходимо иметь собственную статистическую базу данных и желательно статистику по финансовым и производственным показателям как <плохих>, так и <хороших> корпоративных заемщиков. Особенно это касается финансовых коэффициентов, ведь при их оценке необходимо рассчитывать критериальные значения не только по совокупности промышленных компаний (эмитентов долгового рынка), но и по отраслям.
3. Сложности тестирования моделей оценки кредитоспособности.
Участники рынка заинтересованы в создании статистической модели оценки вероятности банкротства эмитента. Пока выполнить это невозможно по трем причинам. Во-первых, полной статистики <плохих> и <хороших> заемщиков на рынке нет, значит, и весовые коэффициенты в модели обоснованно определить невозможно.
Во-вторых, на рынке присутствуют только 168 эмитентов - небольшая по статистическим меркам выборка. Для практических расчетов было бы гораздо лучше, если количество <рыночных> эмитентов составляло более 1000.
И, в-третьих, несмотря на присвоение второго инвестиционного рейтинга, в России остается нестабильной макроэкономическая конъюнктура (подтверждение тому - летний банковский кризис). Соответственно, как нивелировать в процессе оценки фундаментальные риски, остается непонятным.