Оценка рисков ликвидности

Одним из основных направлений оценки рисков является оценка рисков ликвидности. В общем случае риск ликвидности включает в себя два компонента:

• Риск, связанный с тем, что банк не сможет продать или купить актив по подходящей ему цене, поскольку количество актива на рынке слишком мало.

• Риск, связанный с тем, что у банка не будет возможности занять деньги для покупки актива.

В результате важной задачей для банка является оценка величины возможных потерь, вызванных изменением ликвидности, и одним из важнейших направлений является анализ этих потерь при условии наступления тех или иных событий (сценариев), в особенности стрессовых. Однако нужно помнить, что при оценке риска ликвидности внимание должно быть уделено не только оценке обязательств, но и оценке имеющихся активов, которые могут быть частично или полностью использованы для выполнения обязательств.

Определение стрессового события (сценария) может варьироваться в зависимости от целей оценки (например, возможно использование сценариев, определённых регулятором или же внутренних сценариев), а также от типа финансового института (например, банк будет сильно зависеть от кредитного рейтинга, в то время как страховая компания — от глобальных климатических явлений). В общем случае принято выделять следующие типы стрессовых сценариев:

• Сценарий, при котором стресс происходит внутри организации (например, падение кредитного рейтинга банка), при этом внешний мир функционирует без изменений.
  

• Сценарий, при котором рассматриваемая организация функционирует без изменений, в то время как внешний мир находится в состоянии стресса (например, сильное изменение цен на фондовом рынке, геополитической обстановки и т. д.).
  
• Комбинация вышеуказанных сценариев: и рассматриваемая организация, и внешний мир находятся в состоянии стресса одновременно.
  

Существует множество документов от европейских и американских регуляторов, таких как FINMA, EBA, PRA, FED и т. д., описывающих общие требования к оценке рисков ликвидности. Однако далеко не всегда данные документы включают в себя конкретные подходы в оценке или же описывают детали для расчета только конкретных показателей (таких, как LCR или NSFR). Данные показатели, в свою очередь, несут обобщённую информацию о рисках ликвидности финансового института и не позволяют детально анализировать текущую ситуацию. Поэтому возникает проблема разработки моделей и методов, позволяющих оценить риски ликвидности банка с максимально возможной детализацией.

В то время как уровень детализации в большей степени зависит от системы сбора и хранения данных в конкретном финансовом институте, одной из первостепенных задач является разделение деятельности организации на обособленные направления. Это может включать в себя разграничение по типам используемых инструментов (например, для банка отдельно можно выделить такие типы инструментов, как депозиты, кредиты, незадействованные активы, долговые обязательства и т. д.) или же по направлению бизнеса (например, оказание брокерских или клиринговых услуг).

Основной проблемой в разработке моделей и методов оценки риска ликвидности является недостаток исторических данных (как правило, разработка и содержание систем обработки и хранения данных высокой степени детализации — довольно сложные и дорогостоящие задачи), а также сильная зависимость изменения оцениваемых показателей от поведения клиентов или контрагента, что, в общем случае, предсказать практически невозможно. Это приводит к невозможности использования аппарата математической статистики и теории вероятности, как это происходит для оценки других типов рисков (VaR, RNIV, ERC и т. д.).

Таким образом, методы для оценки рисков ликвидности, как правило, просты с точки зрения математического аппарата. Однако сложность заключается в определении конкретных подходов и подборе параметров таким образом, чтобы адекватно описать поведение заданного типа используемых инструментов или направления бизнеса.

В отсутствие достаточного объёма данных основным подходом к разработке методов, определению параметров, а также проверке работоспособности и целесообразности конечной модели являются так называемые экспертные оценки, т. е. мнение конкретных людей, которые по каким-либо показателям могут считаться экспертами в заданной области.

Недостаток исторических данных, которые содержат информацию о стрессовом периоде, сравнимом с определяемым стрессовым сценарием, также является проблемой при проверке адекватности моделей и методов оценки рисков ликвидности. Необходимость сбора данных и оценки таких типов рисков, как риски ликвидности, была осознана относительно недавно (принято считать, что глобальный финансовый кризис ликвидности 2008 года стал некой точкой отсчёта, после которой сбор данных и оценка рисков поднялись на новую ступень развития), поэтому имеющиеся данные редко содержат информацию о серьёзных стрессовых событиях.

С учетом данных обстоятельств, основными подходами к проверке работоспособности моделей и методов оценки риска ликвидности являются:

• Сравнение результатов модели с текущими изменениями рассматриваемых показателей с последующей консультацией экспертов. Консультация является необходимой, так как причины изменений показателей в случае стресса и при нормальном ведении бизнеса могут отличаться.

• Сравнение результатов используемой модели с результатами, полученными альтернативными моделями. Альтернативные модели при этом должны соответствовать тем же требованиям, что и используемая модель, но содержать другие предположения и значения параметров, что приводит, по сути, к разработке новой модели для оценки риска.

Таким образом, разработка и проверка моделей и методов оценки риска ликвидности представляет собой сложную задачу, сочетающую в себе, в первую очередь, глубокое знание рассматриваемого направления бизнеса/инструмента, актуальных регуляторных требований и рекомендаций, а также знания в области математический статистики и теории вероятности, позволяющие в случае наличия необходимого объема данных перевести оценку рисков ликвидности на качественно другой уровень.

Компанией Econophysica была проведена валидация моделей ликвидности в таких областях, как депозиты, займы, деривативы, внутридневная ликвидность и т. д. В процессе валидации в некоторых моделях были выявлены ошибки, недостатки, ограничения применимости, нереалистичные предположения и проблемы с качеством данных.

В качестве примера можно привести модель, оценивающую риск ликвидности для деривативов. Модель такого рода должна покрывать риски денежных потоков, возникающих в результате торговли деривативами в стрессовых условиях. Следующие риск-факторы могут быть включены в модель:

• гарантийное обеспечение (initial margin);

• цена по рынку (mark-to-market);

• денежный поток в результате снижения кредитного рейтинга и т. д.

Как и в случае любой другой моделью, оценка качества моделирования риска ликвидности для деривативов должна включать тестирование предположений и границ применимости модели (которых может быть, например, около 25 шт.) и анализ поведения модели на базе имеющихся исторических данных (backtesting). Backtesting на уровне каждого отдельного риск-фактора показывает консерватизм, точность или агрессивность модели в применении к этому риск-фактору. При моделировании гарантийного обеспечения используемая модель может не учитывать поведение риск-фактора в стрессовом периоде, например после банкротства Lehman Brothers, что может привести к агрессивной оценке, несогласованной с историческими данными для разных типов активов, представленными на рисунке ниже.

В этом случае валидатор может предложить более консервативный способ оценки гарантийного обеспечения для стрессовых условий, как в случае на рисунке ниже.

В качестве обратной связи клиенты отметили высокое качество предоставленных отчётов о проведённой валидации модели, глубину анализа и закономерность выводов. Всё это часто влечёт пересмотр подходов, используемых в моделях, что повышает их точность или консервативность.