Методы оценки кредитных рисков инвестиционных проектов

Целью данного исследования является выявление основных преимуществ и недостатков существующих моделей и методов оценки вероятности дефолта инвестиционных проектов и предложение рекомендаций по их совершенствованию и возможности использовать их при принятии решений. Объектом исследования будут российские компании, по которым можно найти информацию в публичном поле. Предметом исследования станут методы и модели, используемые для оценки рисков. Гипотезы, выдвинутые в работе:

·                  Компании из разных отраслей имеют разную приверженность к рискам

·                  В разных регионах страны ожидаемый уровень риска различен

·                  Уровень риска увеличивается по мере снижения рыночной стоимости

Задачи исследования:          

·                  определить основные подходы к моделям оценки вероятности дефолта инвестиционных проектов;

·                  классифицировать виды рисков, выявить основные виды и их источники;

·                  провести эмпирическое исследование факторов, влияющих на вероятность дефолта инвестиционного проекта;

·                  оценить преимущества и недостатки моделей, выбрать наиболее релевантные для российской действительности;

·                  предложить усовершенствование существующих моделей оценки вероятности дефолта инвестиционных проектов.

ВВЕДЕНИЕ. 3

ГЛАВА 1. 6

ОБЗОР ЛИТЕРАТУРЫ И ИСТОРИЯ ВОПРОСА.. 6

СИСТЕМАТИЗАЦИЯ МОДЕЛЕЙ ОЦЕНКИ КРЕДИТНЫХ РИСКОВ.. 12

ГЛАВА 2. 17

ПОНЯТИЕ «РИСК», СИСТЕМАТИЗАЦИЯ И ОПИСАНИЕ. 17

КРЕДИТНЫЕ РИСКИ.. 18

ПРОЕКТНОЕ ФИНАНСИРОВАНИЕ. 20

ГЛАВА 3. 26

ВЫБОРКА И ЕЕ КРИТЕРИИ.. 26

ОСНОВНЫЕ ЭТАПЫ ПОСТРОЕНИЯ МОДЕЛИ.. 29

СРАВНЕНИЕ РЕЗУЛЬТАТОВ, ПОЛУЧЕННЫХ ПОСЛЕ ПОСТРОЕНИЯ ДВУХ МОДЕЛЕЙ.. 41

ЗАКЛЮЧЕНИЕ.. 51

СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ. 53

ПРИЛОЖЕНИЕ 1. 57

ПРИЛОЖЕНИЕ 2. 58

1)               А. А. Лобанова и А. В. Чугунова ЭНЦИКЛОПЕДИЯ ФИНАНСОВОГО РИСКМЕНЕДЖМЕНТА: учебник. - М.: Альт-Инвест, 2009. - 117 с.

2)               Арис Е. Т. Модели оценки кредитных рисков / Е. Т. Арис. // Журнал проблемы анализа риска. — 2017. — № 14. — С. 68–75.

3)               Ермолаева В. А. Некоторые правовые риски предпринимателя при сотрудничестве с публичным партнером на примере инвестиционной строительной деятельности / В. А. Ермолаева. // Вестник евразийской академии административных наук. — 2020. — № 4. — С. 45–50.

4)               Шкурко В. Е. Управление рисками проектов: учебное пособие / В. Е. Шкурко; [науч. ред. А. В. Гребенкин]; М-во образования и науки Рос. Федерации, Урал. федер. ун-т. – Екатеринбург: Изд-во Урал. ун-та, 2014. – 184 с.

5)               Экерманн, С. Консалтинговая компания McKinsey изучила пути развития мирового корпоративного банкинга / С. Экерманн. — Текст : электронный // Forbes : [сайт]. — URL: https://forbes.kz/process/expertise/mckinsey_na_dolyu_ekosistem_pridetsya_30_mirovogo_valovogo_produkta (дата обращения: 19.03.2022).

6)               Altman, E. I. (1968). Financial ratios, discriminant analysis and the prediction of corporate bankruptcy. The Journal of Finance, 23(4), 589–609.

7)               Arvelo, M. Morgan Stanley's Approach to Assessing Credit Risks in the Microfinance Industry / M. Arvelo. // Journal of Applied Corporate Finance. — 2008. — № 20.

8)               Berger, N. Executive Board Composition and Bank Risk Taking / N. Berger, K. Kick. // Journal of Corporate Finance. — 2012. — № 28. — С.

9)               Besedovsky, N. Financialization as calculative practice: the rise of structured finance and the cultural and calculative transformation of credit rating agencies / N. Besedovsky. // Oxford Academic. — Socio-Economic Review. — № Socio-Economic Review, № 16, Issue 1, January 2018, C. 61–84.

10)          Bojidar, B. Risk Management in the Banking Basic Principles and Approaches / B. Bojidar. // SSRN Electronic Journal. — 2016. — № 3. — С. 48–55.

11)          Greg, M. LOSSCALCTM: MODEL FOR PREDICTING LOSS GIVEN DEFAULT (LGD) / M. Greg, M. Roger. // Moody's KMV. — 2002.

12)          Hubbard D. The Failure of Risk Management: Why It's Broken and How to Fix It, 2nd Edition / D. Hubbard.: Wiley, 2020. — 336 с.

13)          Kabushkin S.N., Nikonorova M.E. (2017). Measuring bank credit risk: domestic and foreign experience. Journal of the Belarusian State Economic University No. 3 (122), 5-14 p.

14)          Karpovich K.A., Vodopianova T.P. (2019). Project risks in investment activities of the organization. Journal Belarusian State Technological University, 172 p.

15)          Kealhofer S. (2003). Quantifying Credit Risk I: Default Prediction, 30–40 p.

16)          Luo S., Murphy A. (2020). Understanding the Exposure at Default Risk of Commercial Real Estate Construction and Land Development Loans. Federal Reserve Bank of Dallas. https://www.dallasfed.org/- /media/documents/research/papers/2020/wp2007.pdf

17)          Malykh N.I., Oveshnikova L.V., Borisova O.V. (2016). Investment Management. Textbook and Practice for Bachelor's and Master's Degree, 208 p.

18)          Markowitz, H. Portfolio Selection / H. Markowitz. // The Journal of Finance. — 1952. — № 7. — С. 77-91.

19)          Merton, R. C. The Theory of Rational Option Pricing / R. C. Merton. // The Bell Journal of Economics and Management Science. — 1973. — № . — С. 141-183.

20)          Min, Q. Debt structure, market value of firm and recovery rate / Q. Min, X. Zhao. // Journal of Credit Risk. — 2013. — № 9. — С. 3–37.

21)          Min Q. A Simple Indicator of Systemic Risk / Qi Min, K. Dilip // Journal of Financial Stability. — 2013.

22)          Min, Q. Comparison of modeling methods for Loss Given Default / Q. Min, X. Zhao. // Journal of Banking & Finance. — 2011. — № 35.

23)          Mohanty, R. P. Risk analysis of estimates for cost of quality in supply chain: a case study / R. P. Mohanty. // Production Planning and Control. — 2019. — № 30. — С. 1–16.

24)          Odom, D. A Neural Network Model for Bankruptcy Prediction / D. Odom. // Conference: Neural Networks. — 1990. — № 2. — С. 661–668.

25)          Ohlson, J. Earnings, books value, and dividends in equity valuation / J. Ohlson. // Contemporary Accounting research. — 1995. — № 11. — С. 661–668.

26)          Peter, M. Stress-Testing Probability of Default and Migration Rate with Respect to Basel II Requirements / M. Peter, B. Ozdemir.// Journal of Risk Model Validation . — 2009. — № 3. — С. 1–36.

27)          Russian Banking Sector Review. // Bank of Russia: [сайт]. — URL: https://www.cbr.ru/analytics/bnksyst/kommentarii-k-izmeneniyam-tablic- c-20191001/ (дата обращения: 19.05.2022).

28)          Setiyono, B. Does Diversity of Bank Board Members Affect Performance and Risk? Evidence from an Emerging Market / B. Setiyono, A. Tarazi. // SSRN Electronic Journal. — 2014. — № . — С. 41.

29)          Taleb, N. The Black Swan: The Impact of the Highly Improbable / N. Taleb. — 1. — New York: The Random House Publishing Group, 2007. — 401 c.

30)          Tinsley R., (2014). Advanced Project Financing, Structuring Risks, 2nd Ed, 479 p. https://ru.scribd.com/document/476923996/Tinsley-2014-Advanced- Project-Financing-Structuring-Risks-2nd-Ed

31)          Wang, Y. Financial ratios and the prediction of bankruptcy: the Ohlson model applied to Chinese publicly traded companies / Y. Wang. // Proceedings of ASBBS Annual Conference: Las Vegas. — 2010. — № 17. — С. 334–338.

32)          Word bank Group. (2020). COVID-19 and the resolution of problem loans in Europe and Central Asia. https://pubdocs.worldbank.org/en/368101615580624661/COVID19-NPL- Policy-Note-RUS.pdf

33)          Zieliński T. (2013). Merton's and KMV Models in Credit Risk Management, Journal of University of Economics in Katowice, 124 p.