В «эпоху перемен» или в затянувшиеся периоды исключительно «операционного планирования» довольно стабильное место в инструментарии оценки рисков занимают опросники, или карты рисков. Кто их составляет и к каким последствиям может привести их использование — уточняем с помощью специально разработанного математического аппарата. Статья была опубликована в первом номере журнала «Риск-менеджмент в кредитной организации», издаваемого ИД «Регламент».
Матрицы риска — устоявшийся инструмент для оценки и ранжирования рисков во многих областях. Они стали настолько распространенными, что все принимают и используют их без вопросов. У них много кажущихся преимуществ, таких как простота использования, различные системы раскраски с семантикой «светофора», интуитивное понимание, и они, казалось бы, проверены на протяжении многих десятилетий. Когда данных мало или вообще нет, матрицы риска превозносят как лучшее средство для оценки рисков проекта в условиях нехватки данных или повышенной неопределенности. Тем не менее, они имеют множество недостатков и проблем на этапах создания и эксплуатации. Разберем ошибки на упрощенном примере опросника корпоративного кредитования.
Этап 1: определение факторов влияния
Сначала необходимо определить набор влияющих факторов.
Примеры наиболее часто используемых факторов для общих методов оценки риска:
1. Воздействие: соответствует фактическому результату при наступлении рискового события. Более высокое воздействие также означает более высокий риск. Этот показатель еще называют серьезностью, потерей, величиной, вредом, эффектом, угрозой, последствием или полезностью.
2. Вероятность: определяет некоторое представление о вероятности наступления события. Более высокая вероятность также означает более высокий риск. Часто этот показатель еще называют подверженностью риску, уязвимостью, частотой.
3. Контроль: соответствует возможности снижения риска. Более высокий контроль над ситуацией приводит к снижению риска. Часто этот фактор также называют контролируемостью, смягчением, снижением, защитой, обнаружением или реакцией. Во многих методах этот фактор опускают, считая, что его поведение также можно смоделировать путем снижения вероятности или воздействия.
В аддитивных методах, как правило, используют более специфические факторы и характеристики, например взвешенную аддитивную схему оценки риска кредитной сделки, основанную на нескольких демографических и социальных факторах, таких как пол, возраст, занятость, карьера, образование и кредитный рейтинг. Весовые коэффициенты для комбинирования факторов определяются на основе исторических данных и статистики.
В нашем опроснике по юридическим лицам два блока: финансовый и нефинансовый с весами 70% и 30% соответственно. В финансовом блоке используется семь коэффициентов, валидированных на статистике дефолтов банка:
1) коэффициент текущей ликвидности;
2) коэффициент быстрой ликвидности;
3) чистая норма прибыли;
4) соотношение заемных и собственных средств;
5) коэффициент независимости;
6) активы, всего;
7) соотношение денежных средств и обязательств.
В нефинансовом блоке присутствуют следующие факторы:
1) состояние отрасли:
— категория А (1);
— категория Б (0,5);
— категория В (0);
2) деловая репутация:
— хорошая (1);
— нет информации (0);
— информация негативная (–1);
3) качество менеджмента:
— высокое (3);
— среднее (1);
— низкое (–2);
4) информация о деятельности клиента:
— доступна (2);
— неполная (0);
— нет доступа к информации (–1);
5) наличие бизнес-плана и перспектив развития:
— есть бизнес-план, регулярный анализ выполнения (2);
— нет бизнес-плана, но есть перспективы развития (0);
— нет форматизированных целей развития (–1);
6) вовлеченность в судебные разбирательства:
— никогда не участвовал в качестве ответчика (1);
— участвовал раньше в качестве ответчика (0);
— является ответчиком в настоящее время (–1);
7) зависимость от поставщиков и покупателей:
— зависимость минимальная (0);
— общие условия производства (0,5);
— зависимость существенная (1).
Эти факторы агрегируют с весами и суммируют в единое значение в рамках веса категории нефинансовых вопросов. Далее итоговым значениям присваивают определенный рейтинг (грейд).
На данном этапе можно выделить четыре проблемы:
1. Нерелевантность
Нерелевантные факторы усложняют оценку риска, поскольку их приходится оценивать, анализировать и обсуждать, но они не оказывают реального влияния на результат. Уверены ли мы, что «закрытые» с точки зрения предоставления документов клиенты являются потенциально дефолтными или просто с ними сложнее и неприятнее работать? В указанном опроснике делается вывод, что они несут больший риск.
2. Корреляции
Выбранные факторы могут коррелировать друг с другом или влиять друг на друга. Еще опаснее отрицательная корреляция: если один фактор растет, другие могут снижаться. Очевидными коррелятами в финансовых коэффициентах являются коэффициент текущей ликвидности и коэффициент быстрой ликвидности, на практике у многих компаний корреляция данных коэффициентов будет стремиться к идеальной. Однако во многих «экспертных» системах даже больших банков в корпоративных опросниках можно найти очевидные корреляты.
3. Неполнота
Чтобы оценить риск, в анализе нужно учесть все существенные факторы. Однако иногда факторы забывают или упускают из вида. Это может произойти неосознанно или по незнанию. Определение значимых факторов, влияющих на риск, может быть сложным, особенно для систем, связанных с финансами. Это проблема не только качественных подходов, но и количественных. В приведенном примере неочевидно, почему не вошли, в частности, факторы, связанные с EBITDA заемщика, а в блоке нефинансовых факторов отсутствуют факторы кредитной истории.
4. Нелинейное поведение
Входной фактор может иметь нелинейное поведение, что затрудняет его моделирование или оценку, например в отдельных случаях риск может возрастать квадратично или даже экспоненциально. Так, коэффициент чистой нормы прибыли может составлять менее 1% для получения наименьшего балла, до 3,5% для среднего балла и более 3,5% для наивысшего балла с весом всех баллов 15%. При этом наименьшие значения не добавляют рейтинг заемщика и не снижают его. Однако очевидно, что при растущей отрицательной рентабельности риск увеличивается нелинейно и, весьма возможно, с опережением темпа прироста соответствующего показателя. При ярко выраженных и не столь распространенных положительных существенных значениях рентабельности риски также нивелируются гораздо сильнее, чем интервальная интерполяция значений соответствующих интервалов.
Этап 2: оценка факторов
На этом этапе входные значения оцениваются по некоторой шкале. Здесь наибольший перечень вопросов и проблем. Кратко перечислим их:
1. Порядковые шкалы
В качественных методах оценки риска в основном используют порядковые шкалы. Но проблема в том, что в порядковых шкалах арифметические операции не являются математически корректным действием, такие шкалы годятся только для ранжирования или упорядочивания элементов. Тем не менее, в подобных методах оценки риска умножения делаются почти всегда.
Проблема здесь заключается в том, что, преобразуя количественные значения в шкалу, которая поддерживает только отношения упорядочивания, мы теряем возможность оценивать неопределенность или проводить любой сколько-нибудь продвинутый математический анализ. Хотя указанная шкала может создать иллюзию проведения вычислений, числа являются лишь условными обозначениями классов. Они не имеют математической основы или фактической связи с реальным миром. Если в реальном мире аналитики не занимаются сложением и последующим перемножением таких событий, как зависимость от поставщиков и покупателей и наличие бизнес-плана, то перемножение произвольно присвоенных чисел вдруг кажется правдоподобным. Например, если наличие бизнес-плана = 2, а зависимость от поставщиков и покупателей = 0, то с учетом весов данного блока «риск» равен: 2 * 0,15 + 0 * 0,15 = 0,3. Но что значит 0,3?
2. Переход к непрерывным оценкам
В более продвинутых вариантах используются распределения рангов или оценок, но сама шкала распределений подбирается экспертно или с учетом допущений. Данные допущения, как правило, игнорируют экстремальные значения, а также имеют иные недостатки, описанные в специализированной литературе, и обладают значительной степенью произвольности.
3. Сжатие диапазона
В результате сжатия реальных значений в схему порядковых шкал исходные диапазоны неопределенности теряются и к значениям применяется весь диапазон значений порядкового класса. Перекрывающиеся диапазоны обрезаются, меньшие диапазоны расширяются.
4. Неоднозначность
Шкалы часто не имеют точного определения, и поэтому можно о них спорить и оценивать их по-разному, основываясь на мнениях экспертов. Что является еще приемлемым риском, а что неприемлемым? Где граница между «регулярностью» и наличием «перспектив развития»? Чем отличаются друг от друга «зависимость минимальная» и «зависимость существенная»?
5. Пренебрежение неопределенностью
При классификации теряется первоначальная неопределенность суждения. Класс навязывает новый предзаданный диапазон значений по умолчанию для неопределенности, что создает ошибки количественной оценки.
6. Ошибки квантификации
Особенно высока вероятность ошибок количественной оценки на границе нескольких вариантов. При незначительном изменении значения оно может подняться на следующий уровень порядковой шкалы или опуститься на более низкий уровень. Это способно сильно изменить результат (представьте, что при уменьшении значения с 2 до 1 в результате умножения риск снизится вдвое, но на самом деле значение просто немного изменилось).
7. Предвзятость оценок
Люди опасаются плохих исходов и склонны недооценивать вероятности или же они предвзято относятся к риску и склонны переоценивать плохие исходы. Кроме того, люди склонны оценивать события, основываясь на собственном опыте, который может быть ограничен.
8. Непоследовательность
Люди, даже эксперты, меняют свои суждения по одним и тем же вопросам в зависимости от ежедневного состояния, ситуации, непосредственно предшествующей суждению, или контекста рассуждений.
Аудит карт рисков
Несмотря на применение подобных опросников и их последовательное внедрение на всех этапах кредитования, дефолтность портфеля ссуд может не измениться или даже ухудшиться.
Опыт аудита карт рисков, сформированных экспертным образом, можно подытожить пятью рекомендациями:
1. Даже несколько отдаленных откалиброванных на статистике кредитной организации коэффициентов лучше пула «общепризнанных» экономических нормативов ведения деятельности заемщика.
2. В ситуации неизвестности лучше использовать распределения, а не фиксированные значения шкал.
3. Для нивелирования ошибок эксперта необходимо ввести предзаданную чувствительность оценки по априорной вероятности выпадения того или иного ответа эксперта (пула экспертов).
4. При работе с доменной спецификой (например, проектными рисками) необходимо привлекать доменные знания (например, данные по рискам Института управления проектами — PMI).
5. При отсутствии уверенности в релевантности знаний эксперта необходимо делать опросники (карты рисков) консультативной мерой, эффективность которой еще предстоит доказать.