Вероятность дефолта ( PD ) — это финансовый термин, описывающий вероятность дефолта в течение определенного периода времени. Он дает оценку вероятности того, что заемщик не сможет выполнить свои долговые обязательства. [1] [2]
PD используется в различных системах кредитного анализа и управления рисками. Согласно Базелю II , это ключевой параметр, используемый при расчете экономического капитала или нормативного капитала банковского учреждения.
ВД тесно связана с ожидаемым убытком , который определяется как произведение ВД, убытка в случае дефолта (LGD) и риска при дефолте (EAD).
PD – это риск того, что заемщик не сможет или не захочет погасить свой долг полностью или в срок. Риск неисполнения обязательств определяется путем анализа способности должника погасить долг в соответствии с условиями договора. ПД обычно ассоциируется с такими финансовыми характеристиками, как недостаточный денежный поток для обслуживания долга, снижение доходов или операционной рентабельности, высокий уровень левереджа, снижение или предельная ликвидность, а также неспособность успешно реализовать бизнес-план. В дополнение к этим количественным факторам также необходимо оценить готовность заемщика погасить долг.
— [Управление денежного контролера]
Вероятность дефолта – это оценка вероятности того, что событие дефолта произойдет. Это применимо к определенному горизонту оценки, обычно одному году.
Кредитные рейтинги , такие как FICO для потребителей или рейтинги облигаций от S&P, Fitch или Moodys для корпораций или правительств, обычно подразумевают определенную вероятность дефолта.
Для группы должников, имеющих схожие характеристики кредитного риска, таких как RMBS или пул кредитов, PD может быть получена для группы активов, которая является репрезентативной для типичного (среднего) должника группы. [3] Для сравнения, вероятность вероятности наступления облигаций или коммерческого кредита обычно определяется для одной организации.
Согласно Базелю II , событие дефолта по долговому обязательству считается наступившим, если [4]
Вероятность дефолта должника зависит не только от характеристик риска этого конкретного должника , но также от экономической среды и степени ее воздействия на должника . Таким образом, информацию, доступную для оценки ЧД, можно разделить на две широкие категории:
Нестрессовая вероятность дефолта представляет собой оценку того, что должник объявит дефолт в течение определенного периода времени с учетом текущей макроэкономической информации, а также конкретной информации о должнике . Это означает, что при ухудшении макроэкономических условий PD должника будет иметь тенденцию к увеличению, а при улучшении экономических условий она будет иметь тенденцию к снижению.
Стрессовая вероятность дефолта – это оценка того, что должник объявит дефолт в течение определенного периода времени с учетом текущей конкретной информации о должнике , но с учетом «стрессовых» макроэкономических факторов независимо от текущего состояния экономики. Напряженная вероятность дефолта должника меняется со временем в зависимости от характеристик риска должника , но не сильно зависит от изменений в экономическом цикле, поскольку неблагоприятные экономические условия уже учтены в оценке.
Более подробное концептуальное объяснение стрессовой и нестрессовой БП см. [5] : 12, 13
Тесно связанные с концепцией стрессовой и нестрессовой ВД, термины «на протяжении цикла» (TTC) или «момент времени» (PIT) могут использоваться как в контексте ВД, так и в рейтинговой системе. В контексте PD, стрессовая PD, определенная выше, обычно обозначает TTC PD должника, тогда как нестрессовая PD обозначает PIT PD. [6] В контексте рейтинговых систем рейтинговая система PIT относит каждого должника к корзине таким образом, что все должники в корзине имеют одинаковые нестрессовые ВД, в то время как все должники в корзине риска, присвоенные рейтинговой системой ТТС, имеют одинаковые стрессовые ВД. [5] : 14
Вероятности дефолта, подразумеваемые кредитно-дефолтным свопом (CDS), основаны на рыночных ценах кредитно-дефолтных свопов. Как и цены на акции, их цены содержат всю информацию, доступную рынку в целом. Таким образом, вероятность дефолта можно определить по цене.
CDS обеспечивают нейтральную к риску вероятность дефолта, которая может переоценивать реальную вероятность дефолта, если каким-либо образом не учитывать премии за риск. Одним из вариантов является использование подразумеваемых CDS PD в сочетании с показателями кредитоспособности EDF (ожидаемая частота дефолта). [7]
Существуют альтернативные подходы к получению и оценке PIT и TTC PD. Одна из таких рамок предполагает разграничение PIT и TTC PD посредством систематических предсказуемых колебаний условий кредитования, т.е. посредством «кредитного цикла». [8] [9] Эта система, предполагающая выборочное использование PIT или TTC PD для различных целей, была успешно внедрена в крупных британских банках со статусом BASEL II AIRB.
В качестве первого шага в этой модели используется подход Мертона , в котором кредитное плечо и волатильность (или их заменители) используются для создания модели вероятности дефолта. [10]
В качестве второго шага эта концепция предполагает существование систематических факторов, аналогичных асимптотической модели факторов риска (ASRF). [11] [12]
В качестве третьего шага эта основа использует предсказуемость кредитных циклов. Это означает, что если уровень дефолта в секторе близок к историческому максимуму, можно предположить, что он упадет, а если уровень дефолта в секторе близок к историческому минимуму, можно предположить, что он повысится. В отличие от других подходов, которые предполагают, что систематический фактор является полностью случайным, эта модель количественно определяет предсказуемый компонент систематического фактора, что приводит к более точному прогнозированию уровня дефолта.
В соответствии с этой концепцией термин PIT применяется к PD, которые меняются во времени вместе с реализованными ставками дефолта (DR), увеличиваясь по мере ухудшения общих условий кредитования и уменьшаясь по мере улучшения условий. Термин TTC применяется к PD, которые не демонстрируют таких колебаний, оставаясь в целом фиксированными, даже когда общие условия кредитования то улучшаются, то ухудшаются. TTC PD различных организаций изменится, но общее среднее значение по всем организациям не изменится. Более высокая точность PIT PD делает их предпочтительным выбором в таких текущих приложениях, связанных с риском, как ценообразование или управление портфелем. Общая стабильность TTC PD делает их привлекательными для таких применений, как определение RWA Basel II/II.
Вышеуказанная структура обеспечивает метод количественной оценки кредитных циклов, их систематических и случайных компонентов и результирующих PIT и TTC PD. Для оптовых кредитов это достигается путем суммирования для каждой из нескольких отраслей или регионов EDF MKMV, вероятностей дефолта Камакуры (KDP) или какого-либо другого комплексного набора PIT PD или DR. После этого эти факторы преобразуются в удобные единицы и выражаются как отклонения от соответствующих средних долгосрочных значений. Преобразование единиц обычно включает применение функции обратного нормального распределения, тем самым преобразуя показатели медианного или среднего значения ВД в меры медианного или среднего «расстояния по умолчанию» (DD). На этом этапе у вас есть набор индексов, измеряющих расстояние между текущим и долгосрочным средним значением DD в каждом из выбранного набора секторов. В зависимости от доступности данных и требований к портфелю такие индексы могут быть созданы для различных отраслей и регионов с периодом более 20 лет, охватывающих многочисленные рецессии.
После разработки этих индексов можно рассчитать как PIT, так и TTC PD для контрагентов в каждом из охватываемых секторов. Чтобы получить PIT PD, необходимо вводить соответствующие индексы в соответствующие модели по умолчанию, повторно калибровать модели по умолчанию и применять модели с текущими и прогнозируемыми изменениями индексов в качестве входных данных. Если бы модель PD в противном случае не была PIT, введение индексов сделает ее PIT. Конкретная формулировка модели зависит от особенностей, важных для каждого, выделенного класса контрагентов и ограничений данных. Некоторые общие подходы включают в себя:
На этом этапе, чтобы определить TTC PD, необходимо выполнить три шага:
Помимо моделей PD, эту структуру также можно использовать для разработки вариантов PIT и TTC моделей LGD, EAD и стресс-тестирования.
Большинство моделей ЧР выводят ЧР, которые имеют гибридную природу: [13] они не являются ни идеальными в момент времени (PIT), ни сквозными (TTC). Долгосрочное среднее значение ODF наблюдаемой частоты дефолта часто рассматривается как TTC PD. Утверждается, что при рассмотрении в течение длительного периода систематические эффекты в среднем близки к нулю. [14] Однако определение соответствующего периода отсчета для расчета такого среднего значения часто является сложной задачей, например, несколько бизнес-циклов в исторических данных могут переоценить или недооценить среднее значение ВД, которое считается смещенной оценкой. Более того, предположение о постоянной PD TTC для пула должников на практике нереалистично. Фактически, индивидуальный риск портфеля может меняться с течением времени. [15] Классическим примером [16] являются изменения в распределении портфеля из-за притока и оттока должников, а также из-за решений, принятых банком, таких как изменения условий кредитования или политики.
Существует множество альтернативных вариантов оценки вероятности дефолта. Вероятности дефолта можно оценить на основе исторической базы данных о фактических дефолтах с использованием современных методов, таких как логистическая регрессия . Вероятности дефолта также можно оценить на основе наблюдаемых цен кредитно-дефолтных свопов , облигаций и опционов на обыкновенные акции. Самый простой подход, используемый многими банками, заключается в использовании внешних рейтинговых агентств, таких как Standard and Poors , Fitch или Moody's Investors Service, для оценки вероятности дефолта на основе исторического опыта дефолтов. Для оценки вероятности дефолта малого бизнеса логистическая регрессия снова является наиболее распространенным методом оценки факторов дефолта для малого бизнеса на основе исторической базы данных о дефолтах. Эти модели разрабатываются как внутри компании, так и поставляются третьими сторонами. Аналогичный подход применяется к розничному дефолту, используя термин « кредитный рейтинг » как эвфемизм для вероятности дефолта, который является истинным фокусом внимания кредитора.
Ниже перечислены некоторые популярные статистические методы, которые использовались для моделирования вероятности дефолта. [17] : 1–12